avançadas de produção” joinville , sc, brasil, 10 a ... · ferramentas da am, a impressão 3d,...
TRANSCRIPT
APLICAÇÃO DA FMEA NO
SUBPROCESSO DE COLETA DE
DOCUMENTOS DE PATENTE PARA
INTELIGÊNCIA TECNOLÓGICA
Nayara Cristini Bessi (UFSCar)
Fernando Jose Gomez Paredes (UFSCar)
Roniberto Morato do Amaral (UFSCar)
Pedro Carlos Oprime (UFSCar)
Um dos aportes utilizados para melhoria de processos e produtos é a
FMEA uma ferramenta versátil aplicada em diferentes contextos.
Diante de sua versatilidade, surge o questionamento de como esta
poderia ser aplicada no subprocesso de coleta de documentos de
patentes. Para minimizar os desafios apresentados o presente artigo
exemplifica a aplicação do FMEA para prognosticar um conjunto de
modos de falha que impactam negativamente no subprocesso de coleta
de documentos de patentes realizados em atividades de IT e propor
ações corretivas que visam garantir a melhoria e controle do
subprocesso. O método adotado foi a pesquisa-ação e a unidade de
caso o NIT- materiais. A partir dos resultados foi possível identificar
claramente os modos de falha, causas e efeitos geradores de baixa
precisão e ruídos de recuperação. Para que a FMEA possa minimizar
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
2
impactos negativos e melhorar a gestão de dados e informações,
dentro do contexto da indústria 4.0, será preciso considerar o processo
em diversas iterações como parte da melhora contínua.
Palavras-chave: melhoria e controle, recuperação da informação,
inteligência tecnológica, documentos de patente
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
3
1. Introdução
A Inteligência Competitiva (IC) vem destacando-se ao longo do tempo como importantes
gatilhos de vantagem competitiva organizacional. O uso do ferramental da Gestão de
Conhecimento (GC) tem como pressuposto a implementação prévia de um modelo de Gestão
de informações (GI) que serve de base para a produção de informação acionável. Em outras
palavras, a existência de uma infraestrutura de dados e informações dentro das organizações é
requisito mínimo para processos analíticos decisórios.
Esse pressuposto intensifica-se no contexto de indústria 4.0. Nela, os modelos e ferramentas
de IC e GI tornam-se enfaticamente importantes, mediante o fato desta ser caracterizada pelo
aumento da digitalização, da automação do ambiente manufatureiro e da criação de uma
cadeia de valor digital (OESTERREICH, 2016); assim como explorar o potencial das
tecnologias de informação e comunicação. Quanto mais intenso o processo de automação e
digitalização, maior é o volume da produção de dados e informações e, consequentemente,
maiores são os desafios práticos e teóricos enfrentados pelo campo da GI.
Já a Inteligência Tecnológica (IT) é caracterizada por ser um tipo específico de inteligência
direcionada à compreensão da ciência e da tecnologia. As necessidades dessa inteligência
referem-se, entre outras questões, à compreensão das áreas tecnológicas destrutivas que
afetam drasticamente a competitividade atual, principalmente em relação às tecnologias que
afetam a capacidade de produção e produto. Sua utilização por competidores, status e
performance de fornecedores, mudanças de políticas e processos na indústria, etc. (ASTHON;
KLANVAS, 1997; HERING, 1999). As bases de dados de documentos de patente são fontes
de informação cruciais para produzir IT acionável, na medida em que os documentos de
patente fornecem dados e informações técnicas, produtivas, legais, comerciais e empresariais
não existentes em outros documentos (WORLD INTELLECTUAL PROPERTY
ORGANIZATION, 2012).
As patentes impactam significativamente no faturamento das empresas que inovam,
dependendo de seu investimento ela consegue comercializar a inovação e explorar outras
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
4
inovações existentes (BLOOM; REENEN, 2002). Além disso, elas evidenciam o nível de
inovação obtidos nos países e influenciam os processos de pesquisa e desenvolvimento de
inovação (BOTTAZZI; PERI, 2007). A expansão de muitos contextos, como o
desenvolvimento e expansão da Manufatura Aditiva (AM), por exemplo, dependerão das
bases de inovação disponíveis (ESMAEILIAN; BEHDAD, 2016; WANG; 2016). Entre as
ferramentas da AM, a impressão 3D, por exemplo, sofre um grande impacto dependendo da
habilidade da economia do país em desenvolver inovação, especialmente através das
contribuições das patentes (LONG et al., 2017).
Favaretto (2005) afirma que o processo produtivo da informação pode ser submetido ao
mesmo conjunto de técnicas e ferramentas da qualidade aplicados ao processo produtivo
manufatureiro. No entanto, o subprocesso de recuperação de documentos de patentes para IT
apresenta suas peculiaridades e desafios de gerenciamento, entre eles: a) alto volume de dados
e informações - dados da WORLD INTELLECTUAL PROPERTY ORGANIZATION (2016)
evidenciam que no ano de 2015, 2.89 milhões de patentes foram depositadas no mundo
representando um crescimento de 7.8 % em relação à 2014; b) alta variedade de bases de
dados de patentes – a escolha da base de dados varia de acordo com a necessidade de
inteligência; c) coletar dados com qualidade- deve-se capturar e entregar dados e com alta
precisão, para que os analistas elaborem produtos de inteligência (PIs) confiáveis e que
estejam em conformidade com a moldura analítica do processo (GUEDES, 2006; NÚCLEO
DE INFORMAÇÃO TECNOLÓGICA EM MATERIAIS, 2004).
Um dos aportes utilizados para melhoria de processos e produtos é a FMEA (failure mode and
effect analysis) uma ferramenta versátil aplicada em diferentes contextos (STAMATIS, 2003).
Diante de sua versatilidade, surge o questionamento sobre como esta poderia ser aplicada no
subprocesso de coleta de documentos de patentes para minimizar os desafios apresentados. O
presente artigo exemplifica a aplicação do FMEA com o intuito de prognosticar um conjunto
de modos de falha que impactam negativamente no subprocesso de coleta de documentos de
patentes realizados em atividades de IT e propor ações corretivas que visam garantir a
melhoria e controle do subprocesso.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
5
O método adotado foi a pesquisa-ação, com a unidade de caso o NIT- materiais, organização
esta que há 20 anos atua no desenvolvimento de pesquisas e metodologias de prospecção
tecnológica e IC. Compreender os fatores que impactam negativamente na precisão é uma
forma de estabelecer diretrizes para a recuperação, melhorar e controlar o processo de coleta e
entregar dados em conformidade com a moldura analítica e impactando na forma como as
organizações aproveitam as vantagens oferecidas pelas informações contidas em documentos
de patente.
As seções a seguir descrevem aspectos teóricos do gerenciamento da qualidade e da FMEA.
A terceira seção descreve o método e os procedimentos de pesquisa adotados, seguido da
seção de resultados da aplicação da ferramenta no subprocesso de coleta de documentos de
patente da unidade de caso. O artigo finaliza com a seção das considerações finais.
2. Gerenciamento: melhoria e controle e a ferramenta FMEA
O controle da qualidade é um processo gerencial universal que envolve o conjunto de
atividades utilizadas para garantir que produtos e serviços satisfaçam os requisitos e
melhorem de maneira contínua. Este proporciona estabilidade, evita mudanças adversas e
mantém o status quo. Os inputs são características operadas pelo processo, desenvolvidas para
produzir as características dos produtos, necessárias para atender as necessidades dos clientes.
Os outputs consistem em um sistema de controle de produtos e processos que promove a
estabilidade do processo (JURAN, 1998; MONTGOMERY, 2016).
Na fase de melhoria, deve-se pensar criativamente sobre mudanças específicas que poderão
ser realizadas no processo para obter o impacto desejado sobre o desempenho do processo. No
geral, o processo é replanejado sob a perspectiva dos dados analisados. Entre os aportes que
podem ser utilizados nesta fase estão: gráficos ou mapas de fluxo de valor, novamente o
delineamento de experimentos, entre outros. A última fase do gerenciamento é a de controle.
Conclui-se o trabalho e entrega o processo melhorado junto com um plano de controle que
garantam a implementação das melhorias do projeto. O plano de controle deverá ser um
sistema para monitorar a solução (JURAN, 1998; MONTGOMERY, 2016).
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
6
A FMEA é uma técnica que oferece três funções: a) prognosticar problemas; b) desenvolver e
executar projetos, processos ou serviços, novos ou revisados; c) ser o diário do projeto,
processo ou serviço. É eficiente para prevenir problemas e identificar soluções eficazes em
termos de custo. A ferramenta é mais efetiva quando é feita em equipe, pois há maior chance
de melhor identificar e prevenir os modos de falhas (PALADY, 1997).
A ferramenta pode ser aplicada em projetos ou processos. Todas as variações da FMEA
devem incluir cinco elementos básicos mostrados na Figura 1, sendo eles: a) planejando o
FMEA; b) modos de falha; c) causa; d) efeitos; e) ocorrência; f) severidade; g) detecção; h)
interpretação; i) acompanhamento (PALADY, 1997).
Um dos erros mais comuns no FMEA é a falta de um planejamento efetivo que responde às
perguntas como: a) quem deve ser responsável pelo FMEA?; b) quem deve participar e como
deve participar?; c) devemos avaliar o sistema, o subsistema ou os componentes individuais
(de cima para baixo) ou devemos começar com componentes (de baixo para cima?); d)
devemos considerar isso como um modo de falha, ou efeito ou a causa? e) que classificação
devemos atribuir às escalas? etc. (PALADY, 1997).
Dentro do FMEA, a Figura 1 apresenta como os dados são analisados e detalhados para
encontrar uma relação entre o processo, como este pode falhar e que ação tomar. O primeiro
elemento é o Planejamento FMEA que consiste na escolha da abordagem de análise,
classificação dos modos de falha, causas e efeitos, escala de avaliação, escolha da abordagem
de análise e das regras adotadas. O segundo elemento é o modo de falha que descreve como o
projeto, o processo ou serviço deixa de desempenhar a função. O terceiro elemento é o efeito
que descreve as consequências do modo de falha. O quarto elemento é a causa que representa
as razões (condições) possíveis que poderiam resultar neste modo de falha (Figura 1)
(PALADY, 1997).
Figura 1 - Elementos básicos FMEA
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
7
Fonte: Adaptado de Palady (1997, p.8)
O nível crítico dos fatores é dado pela pontuação de risco das falhas que são ordenadas. Estes
níveis são: a) índice de ocorrência- mede com que frequência o modo de falha ocorre; b)
índice de severidade – mede a gravidade do efeito do modo de falha em uma escala de 1 a 10;
c) índice de detecção – mede a chance de detectar o modo de falha ou as causas. Entre os
métodos existentes para interpretar o FMEA, existe o método tradicional que se configura
pela ordenação do NPR (Risk Priority Number) utilizado pela primeira vez em 1963 pela
NASA (Aeronautics and Space Administration) e o método gráfico de áreas proposto por Paul
Palady em 1994 como uma crítica ao método tradicional. O método gráfico permite uma
aplicação proativa baseada na severidade e na ocorrência, principalmente. Neste método, o
gráfico permite determinar a existência de falhas com severidade extrema (valores de 10),
embora tenham pouca ocorrência (valor 1) (PALADY, 1997; ROOS; ROSA, 2008).
3. Método e Procedimentos
O método adotado para contextualizar a aplicação da FMEA foi a pesquisa-ação,
compreendida como sendo um tipo de pesquisa social e empírica concebida e realizada por
meio de uma ação ou resolução de um problema coletivo, no qual pesquisadores e
participantes cooperam de forma participativa entre si para a resolução de um problema. Na
prática, a pesquisa-ação pode ser aplicada em três tipos de situações, sendo elas: a) onde os
pesquisadores assumem os objetivos definidos e orientam a investigação em função dos meios
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
8
disponíveis; b) onde a pesquisa é realizada dentro de uma organização; c) na forma
combinada (THIOLLENT, 1986). A presente pesquisa adotou a forma combinada do método.
A pesquisa-ação pode iniciar-se com o pesquisador identificando um problema na literatura e
depois buscando um objeto de estudo, onde esse problema pode ser resolvido cientificamente
(abordagem dirigida pelo pesquisador), ou a partir da identificação de um problema por uma
organização, onde o pesquisador participará das propostas para sua solução (abordagem
dirigida pelo problema) (TURRIONI; MELLO et al, 2012). A presente pesquisa adotou uma
abordagem combinada. A Figura 2 ilustra uma síntese dos procedimentos metodológicos
desta pesquisa, pautados na interpolação e adaptação das fases da pesquisa-ação propostas por
Turrioni e Mello (2012) e das fases de aplicação da FMEA propostas por Palady (1997).
Na fase de definir o contexto e o propósito, realizou-se um levantamento bibliográfico.
Diagnosticou-se que os coletores atuantes na prática de IT se deparam com uma série de
desafios de qualidade de dados e informações no processo de coleta de documentos de
patente. Posteriormente, delimitou-se o problema de pesquisa escolhendo a otimização da
precisão do subprocesso de coleta de documentos de patente e a compreensão dos fatores que
impactam negativamente em seus níveis, como sendo uma das mais relevantes para atividades
de recuperação de dados e informações. Dado este contexto, os possíveis interessados nesta
pesquisa são os coletores de IT que intentam entregar dados com maior relevância para
analistas.
Em um segundo momento, iniciou-se a fase de selecionar a unidade de análise para executar a
aplicação da FMEA e a escolha das técnicas de coleta e análise dos dados. Com o intuito de
nortear e justificar a escolha, determinados critérios foram adotados para escolher a unidade
de análise, sendo eles: a) que a organização seja atuante em atividades e pesquisas em IT; b)
que possua infraestrutura e recursos humanos capazes de auxiliar e fomentar o
desenvolvimento da pesquisa; c) que esteja engajado no desenvolvimento de novas
metodologias.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
9
Figura 2 - Procedimentos metodológico
Fonte: Autor
Antes de iniciar a coleta dos dados, mapeou-se o subprocesso de coleta de documentos de
patente adotado pela unidade de caso, com o intuito de compreender o fluxo de atuação dos
coletores. Posteriormente, aplicou-se um brainstorming realizado por uma equipe de 6
analistas e coletores de inteligência. Foram levantadas duas categorias de fatores: a) aqueles
relacionados às bases de dados; b) aqueles relacionados ao desenvolvimento da estratégia de
busca. Na primeira categoria, foram levantados 12 fatores que impactam hipoteticamente na
precisão dos dados e informações coletadas. Já na segunda, foram levantados 7 fatores
(ANEXO I).
Os fatores levantados no brainstorming foram utilizados como insumo para aplicação de um
diagrama de causa e efeito e ambos para a aplicação da FMEA de processo (ANEXO II). Na
FMEA, as categorias de fatores foram transformadas em funções do processo e os fatores
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
10
foram transformados em modos de falhas. Inicialmente a aplicação foi planejada,
configurando os seguintes elementos do Quadro 1.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
11
Quadro 1 - Planejamento FMEA
Planejamento FMEA
Escolha da abordagem de
análise
Top-down: os itens serão analisados do geral para o específico.
Classificação dos modos
de falha, causas e efeitos
As funções são as etapas que o processo de coleta de documentos de patente
deve desempenhar. Definidas a partir do mapeamento do processo de coleta
de patentes.
Os modos de falha são as formas como o processo deixa de desempenhar a
função definida. Os modos de falha foram obtidos a partir do brainstorming.
Os efeitos são as consequências do modo de falha sob a ótica do analista
(cliente). Os efeitos foram levantados entre o cruzamento de dados do
brainstorming e o mapeamento.
As causas comuns ou especiais são as condições que provocam o modo de
falha. Para identificar e classificar as causas, cruzou-se o brainstorming com
a análise do diagrama de causa e efeito.
Escala/ Avaliação
As avaliações consistem na média dos valores da severidade dos efeitos, sob
a perspectiva do analista; na média do média dos valores de ocorrência das
causas dos modos de falha, e na média dos valores de detecção das causas. O
valor do grau de prioridade de risco (RPN) é o produto dos valores médios de
severidade, ocorrência e detecção. Utilizou-se a escala padrão de 1 a 10 para
que cada participante avaliasse o elemento do FMEA
Regras adotadas
Não considerar todos os
modos de falhas
concebíveis
Um modo de falha pode ser inserido ou não. No caso da equipe decidir que
um modo de falha é fisicamente possível, mas não prático essa falha não deve
ser incluída no formulário. No caso de dúvidas, se um modo de falha deve ser
incluído ou não, inclua e sua inclusão se tornará óbvia, ou não, à medida que
a PFMEA evoluir.
Redigir o modo de falha
como a expressão negativa
da função
No caso de questionamento se um modo de falha são efeitos ou possíveis
causas, o modo de falha deverá ser redigido como a expressão negativa da
função.
Selecionar uma
abordagem para classificar
os modos ou causas de
falhas
Será avaliada a severidade dos efeitos e a ocorrência e detecção das causas.
Desenvolver independentemente de
cada coluna FMEA
As colunas severidade, ocorrência e detecção serão mensuradas independentemente, ou seja, os membros da equipe não podem passar para a
segunda coluna sem finalizar a primeira.
Fonte: Adaptado de Palady, 1997; Stamatis, 2003
A FMEA foi aplicada em duas reuniões, nas que participaram seis integrantes da unidade de
caso. Após as reuniões, os dados foram tabulados e analisados considerando o método NPR
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
12
combinado ao método gráfico. Este último permitiu interpretar e avaliar os valores
considerando as avaliações extremas entre a severidade e a ocorrência (PALADY, 1997). Em
outras palavras, o método gráfico foi utilizado neste artigo apenas para confirmar o grupo de
alta prioridade obtida pelo valor de NPR, já que ambos os métodos não apresentam grandes
diferenças na priorização das falhas (ROOS; ROSA, 2008). Na seção a seguir serão expostos
os resultados do mapeamento do processo de coleta e aplicação da FMEA.
4. Resultados da FMEA no subprocesso de coleta de documentos de patente para
Inteligência Tecnológica
O próximo resultado relaciona-se à compreensão das causas e efeitos que impactam
negativamente na precisão dos resultados do subprocesso de coleta. A Figura 4 representa as
relações de causa e efeito entre estes fatores resultantes da análise do brainstorming.
Figura 3 - Diagrama de causa e efeito
Fonte: Autor
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
13
Observou-se que os fatores geradores de baixa precisão estão relacionados principalmente às
duas categorias de falhas, sendo elas: escolha da base de dados (EB) e elaboração da
estratégia de busca (EE) (Figura 4, Quadro 2). Em relação à primeira, notou-se que os fatores
que exercem alto impacto negativo na precisão são referentes a não escolha de uma base de
dados que: a) forneça uma estrutura de linguagem controlada (como termos controlados ou
tesauros); b) possua uma cobertura compatível com a necessidade de inteligência; c) forneça
estrutura de busca avançada. Em relação à segunda, os fatores que exercem alto impacto
negativo são: a) o desconhecimento prévio do funcionamento da base de dados, pelo coletor;
b) a não utilização de uma metodologia definida previamente para escolher os termos e
avaliar o impacto destes na precisão; c) não utilizar os códigos CIP na estratégia de busca
proposta; d) não compreender os Códigos-CIP; e) não estruturar a estratégia de busca
satisfatoriamente.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
14
Quadro 2 - Listas das causas que geram baixa precisão dos resultados de coleta
Cod. Causas que impactam negativamente na precisão NPR Classificação de
falha
U Ausência de teste da precisão da estratégia e do impacto do ruído 180 EE
V Não estabelecer um nível desejado de precisão 180 EE
E Não fazer uma busca exploratória 162 EB
N Ausência de um estudo prévio sobre o funcionamento da base de dados 160 EB
R Desconhecimento dos Códigos-CIP 150 EE
W Não avaliar a combinação dos termos, operadores booleanos, campos
utilizados, wildcards, etc
144 EE
H Não optar pela busca avançada 140 EB
O Ausência de uma metodologia para escolher os termos 135 EE
M Ausência de um estudo prévio sobre termos que representem a
necessidade
90 EE
C Não compreensão da necessidade (escolha da base) 81 EB
T Ausência de uma metodologia para escolher os Códigos-CIP 81 EE
D Não questionar-se sobre cobertura ao escolher uma base 72 EB
F Não compreensão da necessidade (escolha dos campos) 72 EE
K Não optar pelo uso de filtros 72 EB
L Desconhecimento dos filtros 60 EB
S Ausência de um estudo prévio sobre os Códigos-CIP 54 EE
P Ausência de uma metodologia para monitorar os termos 45 EE
A Desconhecimento sobre base de dados 42 EB
B Indisponibilidade de bases que utilizam e divulgam linguagem
controlada
28 EB
J Desconhecimento do help 24 EB
Fonte: Autor
A priorização utilizando o critério do maior valor NPR, evidenciou que os causas mais
importantes, mostradas no Quadro 2, são: U, V, E, N, Q, W, H e O, segundo a ordem obtida.
Afim de verificar se não existem disparidades extremas entre as pontuações de severidade e
ocorrência obtidas, utilizou-se o método gráfico para confirmar a prioridade dos modos de
falha. As causas com alta prioridade nesse método (dentro da área vermelha do gráfico U, V,
E, N, W, H, O, M, C, T, D, S e R) correspondem aos priorizados pelo critério do maior valor
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
15
NPR. Evidencia-se que não existe uma avaliação extrema entre severidade e ocorrência, logo,
a avaliação é consistente para gerar as ações de melhoria.
Gráfico 1 - Priorização dos modos de falhas
E
U, V, O, M
W, D
C, T
S
N
R
H
A, B,I
F, G
Q
K
L
P
J
0
1
2
3
4
5
6
7
8
9
10
0 1 2 3 4 5 6 7 8 9 10
Oco
rrên
cia
Severidade
Fonte: Autor
Recomenda-se como ação de melhoria para os modos de falha U, N, Q, W, H, O, M, C e T, a
elaboração de um manual de boas práticas de coleta de documentos de patente que
principalmente: a) enfatize e descreva os procedimentos de teste de precisão da busca; b)
demonstre como escolher a base cuja cobertura temática seja compatível com a necessidade
de inteligência, c) descrever uma metodologia previamente definida para escolher os termos e
avaliar seu impacto na precisão. Tendo em vista estes modos de falha, a elaboração de um
manual de boas práticas de coleta, assim como um checklists de acompanhamento, tem a
capacidade de reduzir o efeito da severidade das principais falhas que possam ocorrer no
subprocesso, assim como reduziria a ocorrência destas.
5. Considerações finais
Este artigo concluiu o objetivo de aplicar a FMEA com o intuito de analisar o processo de
coleta de patentes realizados em atividades de IT para geração de inovação. A través da
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
16
FMEA, foi possível prognosticar um conjunto de modos de falha que impactam
negativamente no subprocesso de coleta de documentos de patentes e propor ações corretivas
que visam garantir a melhoria e controle. A aplicação do FMEA dentro dos processos de IT,
permitirá às organizações aproveitarem as vantagens oferecidas pelos dados e informações
contidas em documentos de patente, desde que a ferramenta permite analisar o processo, sem
minimizar a flexibilidade que o processo precisa pelas necessidades.
Com os resultados mostrados, foi possível identificar claramente os modos de falha, causas e
efeitos geradores de baixa precisão e ruídos de recuperação. Destaca-se que o passo de coleta
de dados, requer o maior esforço dentro do processo estudado, devido à informação
disponível nas primeiras aplicações da FMEA, como se apresentou o caso. Com o objetivo
que a FMEA consiga minimizar impactos negativos e melhorar a gestão de dados e
informações, dentro do contexto da indústria 4.0, será preciso considerar o processo em
diversas iterações como parte da melhora contínua.
Os resultados desta pesquisa limitam-se ao subprocesso de coleta de documentos de patente
realizado em atividades de inteligência da unidade de caso, NIT–materiais; no entanto, o
método proposto pode ser replicado para outras unidades de inteligência e em cenários onde o
volume de dados é alto, tornando a precisão destes imprescindível para as análises e para os
processos de tomada de decisão. Segundo as particularidades do processo, o mapeamento
pode representar um esforço grande para a equipe de melhoria, como a definição dos efeitos e
das causas comuns. Para aplicações em outros processos, deve considerar-se a disponibilidade
de dados quantitativos, especialmente para a precisão de busca e níveis de ruído de
recuperação, para reforçar os dados obtidos através de brainstorming.
Referências
ASHTON, W.B.; KLAVANS, R. A. Keeping Abreast of Science and Technology: Technical Intelligence for
Business. Columbus, Ohio: Batelle Press, 1997.
BLOOM, N.; REENEN, J. VAN. Patents , Real Options and Firm Performance *. The Economic Journal.
Anais...Oxford: Blackwell Publisher, 2002
BOTTAZZI, L.; PERI, G. The International Dynamics of R&D and Innovation in the Short and in the Long Run.
The Economic Journal, v. 117, p. 486–511, 2007.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
17
ESMAEILIAN, B.; BEHDAD, S.; WANG, B. The evolution and future of manufacturing: A review. Journal of
Manufacturing Systems, v. 39, p. 79–100, 2016.
HERRING, J. P. Key intelligence topics: a process to identify and define intelligence needs. Competitive
Intelligence Review, v. 10, n. 2, p. 4-14, 1999.
LONG, Y. et al. 3D printing technology and its impact on Chinese manufacturing. International Journal of
Production Research, v. 7543, n. January, p. 1–10, 2017.
OESTERREICH, T. D.; TEUTBERG, F. Understanding the implications of digitisation and automation in the
context of Industry 4.0: a triangulation approach and elements of a research agenda for the construction industry.
Computers in industry, v. 83, p. 121-139, 2016.
PALADY, P. FMEA: Análise dos modos de falha e efeitos prevendo e prevenindo problemas antes que
ocorram. IMAM:São Paulo, 1997.
STAMATIS, D. . Failure Mode and Effect Analysis: FMEA from Theory to Execution. 2. ed. Milwaukee,
United States: ASQ Quality Press, 2003.
THIOLLENT, M. Metodologia da pesquisa-ação.2 ed. São Paulo: Cortez Editora, 1986.
TURRIONI, J. B.; MELLO, C. H. P. Pesquisa-ação na Engenharia de Produção. In: MIGUEL, P. A. C. et al.
Metodologia de Pesquisa em Engenharia de Produção e Gestão de Operações. 2 ed. Rio de Janeiro:
Elsevier: ABEPRO, p. 149-166. 2012.
FAVARETTO, F. Medição da qualidade da informação: um experimento na pesquisa em bases de dados
científicas. In: Encontro Nacional em Engenharia de Produção, 20, Porto Alegre, Brasil, 2005 Anais...Porto
Alegre, ABEPRO, 2005.
GUEDES, L. C. A mãe das inteligências. Revista Brasileira de Inteligência, v. 2, n. 2, p. 21-35, abr. 2006
JURAN, J. M. Juran’s quality control handbook. 5 ed. McGraw-Hill: United States of America. 1998.
LONG, Y. et al. 3D printing technology and its impact on Chinese manufacturing. International Journal of
Production Research, v. 7543, n. January, p. 1–10, 2017.
MONTGOMEY, D. C. Introdução ao controle estatístico da qualidade. 7 ed. Rio de Janeiro: LTC, 2016.
NÚCLEO DE INTELIGÊNCIA TECNOLÓGICA EM MATERIAIS. Manual de inteligência competitiva. São
Carlos: NIT/UFSCar, 2004.
ROOS, C.; ROSA, L. C. Ferramenta Fmea : Estudo Comparativo Entre Três Métodos De Priorização.
XXV Encontro Nacional de Engenharia de Produção. Anais...Rio de Janeiro: ABEPRO, 2008
WANG, R. Y.; STRONG, D. M. Beyond accuracy: what data quality means to data consumers. Journal of
Management Information Systems, v. 12, n. 4, p. 5- 34, 1996.
WORLD INTELLECTUAL PROPERTY ORGANIZATION. World Intellectual Property Indicators. 2015.
Disponível em:< http://www.wipo.int/ipstats/en/wipi/> Acesso em:15 nov. 2016.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
18
WORLD INTELLECTUAL PROPERTY ORGANIZATION. Guide to using patent information. 2012.
Disponível em:< http://www.wipo.int/edocs/pubdocs/en/patents/434/wipo_pub_l434_03.pdf> Acesso:< 15 maio.
2017>.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
19
ANEXOS
Anexo I - Fatores referentes a base de dados que interferem hipoteticamente de forma negativa na
precisão dos documentos de patente recuperados
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
20
Esc
olh
a d
a b
ase
de
dad
os
Pro
cess
o
de
index
ação
Cau
sa
Efe
ito
Solu
ção
Alt
a ex
aust
ivid
ade
da
index
ação
Quan
to m
ais
exau
stiv
amen
te a
bas
e in
dex
a se
us
docu
men
tos,
mai
or s
erá
o n
úm
ero d
e
docu
men
tos
recu
per
ados
e a
pre
cisã
o,
por
ser
inver
sam
ente
pro
porc
ional
à r
evoca
ção,
será
men
or.
Index
ar o
s docu
men
tos
uti
liza
ndo p
rin
cipal
men
te
term
os
espec
ífic
os
Bai
xa
vel
oci
dad
e de
index
ação
Alg
um
as b
ases
podem
dem
ora
r par
a in
dex
ar o
s docu
men
tos
que
já p
assa
ram
pel
a fa
se
de
sigil
o,
ger
ando u
m g
ap d
e in
dex
ação
mai
or
que
18 m
eses
. A
ssim
, al
ém d
aquel
es e
m
sigil
o o
utr
os
docu
men
tos
rele
van
tes
esta
riam
om
itid
os
e n
ão s
eria
m r
ecuper
ados.
Red
uzi
r o g
ap e
ntr
e os
docu
men
tos
de
pat
ente
s que
pas
sara
m d
o p
erío
do d
e si
gil
o e
sua
index
ação
na
bas
e
Rea
pro
vei
tam
ento
de
regis
tros
As
bas
es d
e dad
os
que
reap
rovei
tam
os
regis
tros
de
docu
men
tos
de
pat
ente
pro
ven
iente
s
dos
escr
itóri
os
nac
ion
ais
podem
pro
pag
ar e
rros
de
index
ação
cap
azes
de
dif
icult
ar a
recu
per
ação
de
docu
men
tos
rele
van
tes.
Rev
isar
os
regis
tros
con
feri
ndo o
u a
dic
ionan
do
cam
pos
Esp
ecif
icid
ade
da
index
ação
Quan
to
men
or
a es
pec
ific
idad
e dos
term
os
repre
sen
tados
no
regis
tro
, m
enor
sua
sufi
ciên
cia
des
crit
iva,
o q
ue
dif
icult
a a
recu
per
ação
e o
julg
amen
to d
e re
levân
cia
do
docu
men
to q
ue
repre
sen
ta.
Des
crev
er o
s docu
men
tos
uti
liza
ndo t
erm
os
espec
ífic
os
no r
egis
tro
Ela
bora
ção
lin
guag
em c
on
trola
da
(voca
bulá
rios,
lis
tas
de
assu
nto
e
auto
ridad
es)
A l
inguag
em c
on
trola
da
ou v
oca
bulá
rio c
on
trola
do é
um
con
jun
to l
imit
ado d
e te
rmos
esco
lhid
os
pel
o i
ndex
ador
par
a in
dex
ar e
busc
ar d
ocu
men
tos.
Se
o i
ndex
ador
trad
uz
de
form
a er
rôn
ea
ou
sem
co
nsi
stên
cia
o
docu
men
to
par
a o
voca
bulá
rio
contr
ola
do,
esco
lhen
do t
erm
os
errô
neo
s, p
ode
pre
judic
ar a
quan
tidad
e de
docu
men
tos
rele
van
tes
a
sere
m r
ecuper
ados.
Ela
bora
r li
nguag
em c
on
trola
da
de
form
a que
repre
sen
te a
áre
a e
os
docu
men
tos
index
ados
Ausê
nci
a de
lin
guag
em c
on
trola
da
(voca
bulá
rios,
thes
auru
s, l
ista
s de
assu
nto
e
auto
ridad
es)
O
não
des
envolv
imen
to/u
tili
zaçã
o
de
linguag
em
con
trola
da
com
o
voca
bulá
rio
con
trola
do,
cam
pos
des
crit
ores
, te
rmos
index
adore
s e
iden
tifi
cadore
s,
dim
inui
as
chan
ces
de
com
pat
ibil
idad
e en
tre
os
term
os
uti
liza
dos
na
estr
atég
ia de
busc
a e
os
index
ados
nos
docu
men
tos,
dim
inuin
do
a quan
tidad
e de
docu
men
tos
recu
per
ados
rele
van
tes.
Ela
bora
r li
nguag
em c
on
trola
da
e uti
lizá
-la
par
a
index
ar o
s docu
men
tos
Cober
tura
tem
átic
a e
repre
sen
taçã
o d
a bas
e
de
dad
os
Se
os
docu
men
tos
index
ados
na
bas
e de
dad
os
não
rep
rese
nta
rem
ou c
obri
rem
o a
ssunto
de
inte
ress
e. A
est
raté
gia
de
busc
a re
torn
ará
pouco
s docu
men
tos
rele
van
tes,
ou m
esm
o
nen
hum
.
Esc
olh
er a
bas
e de
dad
os
que
repre
sen
te s
ua
nec
essi
dad
e de
info
rmaç
ão
Fam
ília
s de
pat
ente
Alg
um
as b
ases
de
dad
os
per
mit
em r
eali
zar
busc
as p
or
fam
ília
s de
pat
ente
. P
ode-
se
recu
per
ar u
ma
mai
or
quan
tidad
e de
docu
men
tos
rele
van
tes
busc
ando o
utr
as p
aten
tes
rela
cion
adas
.
Busc
ar p
ela
fam
ília
daq
uel
es d
ocu
men
tos
de
pat
ente
s que
fora
m j
ulg
ados
com
o r
elev
ante
s
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
21
Esc
olh
a d
a b
ase
de
da
dos
Sis
tem
a d
e
bu
sca
da
bas
e d
e
dad
os
Ca
usa
E
feit
o
Solu
çã
o
Mod
elo d
e
recu
per
ação
A m
aior
ia das
bas
es d
e d
ados
uti
liza
m o m
od
elo bo
ole
an
o,
bas
ead
o n
a te
ori
a d
os
con
jun
tos.
A d
esvan
tag
em d
este
mod
elo é
qu
e só
rec
up
era-s
e d
ocu
men
tos
qu
e fo
ram
ind
exad
os
com
os
term
os
exp
líci
tos
na
estr
atég
ia d
e bu
sca.
Em
alg
un
s ca
sos,
docu
men
tos
rele
van
tes
pod
em n
ão
ser
recu
per
ados,
p
ois
n
ão
fora
m in
dex
ados
com
os
term
os
exp
líci
tos
na
estr
atég
ia.
A u
tili
zaçã
o d
e m
ais
de
um
mod
elo d
e re
cup
eraç
ão
pod
e au
men
tar
a re
cup
eraç
ão d
e d
ocu
men
tos
rele
van
tes,
dim
inuin
do a
cen
tral
idad
e da
estr
atég
ia
de
bu
sca
no p
roce
sso d
e re
cup
eraç
ão
Inex
istê
nci
a d
o h
elp
No d
ocu
men
to h
elp (
aju
da)
de
um
a bas
e d
e dad
os
estã
o c
on
tidas
in
form
ações
so
bre
o
fun
cion
amen
to d
e se
u s
iste
ma
de
bu
sca.
Em
bas
es d
e dad
os
on
de
este
docu
men
to n
ão
enco
ntr
a-se
dis
pon
ível
o u
suár
io t
em m
aiore
s ch
ance
s d
e el
abora
r um
a es
trat
égia
de
bu
sca
não
com
pat
ível
, ou
qu
e re
cup
ere
gra
nd
es q
uan
tid
ades
de
docu
men
tos
irre
levan
tes.
Dis
pon
ibil
izar
hel
p p
ara
usu
ário
s d
e fo
rma
det
alh
ada,
cla
ra, co
mp
leta
e c
om
pre
ensí
vel
Dis
pon
ibil
idad
e d
e
Fil
tros
Os
filt
ros
são u
ma
form
a d
e se
par
ar os
docu
men
tos
de
inte
ress
e re
cup
erad
os
pel
a
estr
atég
ia.
As
bas
es
de
dad
os
qu
e n
ão
dis
pon
ibil
izam
es
se
recu
rso
dim
inu
em
sua
cap
acid
ade
de
entr
egar
am
ost
ras
de
docu
men
tos
mai
s pre
cisa
s par
a os
usu
ário
s. E
m
ou
tras
pal
avra
s, m
ais
con
diz
ente
com
seu
in
tere
sse.
Dis
pon
ibil
izar
fil
tros.
Qu
anto
mai
or a
qu
anti
dad
e
de
filt
ros
dis
pon
ibil
izad
os
pel
a bas
e, m
aior
a ch
ance
de
aten
der
as
dif
eren
tes
nec
essi
dad
es d
os
usu
ário
s.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
22
Ela
boração d
a E
straté
gia
de b
usc
a
Cau
sa
Efe
ito
Solu
ção
Poss
e de
reper
tóri
o
pré
vio
de
con
hec
imen
to
sobre
a n
eces
sidad
e de
info
rmaç
ão e
fun
cion
amen
to d
a bas
e
de
dad
os
O r
eper
tóri
o d
e co
nh
ecim
ento
do u
suár
io, se
ja r
efer
ente
à n
eces
sidad
e de
busc
a ou
fun
cion
amen
to
da
bas
e,
impac
ta
na
quan
tidad
e de
doc
um
ento
s re
levan
tes
recu
per
ados.
Se
o u
suár
io d
esco
nh
ecer
o t
ema
terá
mai
ore
s ch
ance
s de
esco
lher
term
os
que
não
rep
rese
nta
m s
ua
nec
essi
dad
e. S
e des
conh
ecer
o m
ecan
ism
o d
e
busc
a te
rá m
aior
es c
han
ces
de
com
por
erro
nea
men
te a
est
raté
gia
de
busc
a.
Faz
er u
ma
busc
a ex
plo
rató
ria
na
bas
e de
dad
os
esco
lhid
a e
em o
utr
as
fon
tes
par
a co
nh
ecer
a n
eces
sidad
e de
info
rmaç
ão.
Con
tar
com
a
ajuda
de
um
esp
ecia
list
a n
o a
ssun
to q
uan
do n
eces
sári
o.
Ausê
nci
a de
met
odolo
gia
par
a es
colh
er o
s te
rmos
e
aval
iar
seu i
mpac
to n
a
pre
cisã
o
A a
usê
nci
a de
um
a m
etodolo
gia
par
a es
colh
er o
s te
rmos
que
serã
o i
nse
ridos
na
estr
atég
ia d
e busc
a pode
acar
reta
r em
más
esc
olh
as. T
erm
os
gen
éric
os
e te
rmos
não
rela
cion
ados
aum
enta
m a
rev
oca
ção,
mas
, dim
inuem
a p
reci
são.
Extr
air
term
os
a par
tir
da
lite
ratu
ra d
a ár
ea, av
alia
ndo o
im
pac
to q
ue
exer
cem
na
pre
cisã
o d
os
docu
men
tos
recu
per
ados,
indiv
idual
men
te.
Ger
alm
ente
ter
mos
gen
éric
os
dev
em s
er e
xcl
uíd
os
e os
esp
ecíf
icos
man
tidos.
Alg
un
s es
tudos
uti
liza
m c
urv
as d
e sa
tura
ção e
Grá
fico
de
Par
eto p
ara
aval
iar
a in
serç
ão d
e te
rmos
na
estr
atég
ia.
Surg
imen
to d
e n
ovos
term
os
de
um
a ár
ea
Com
o p
assa
r do t
empo,
den
tro d
e um
a ár
ea n
ovos
term
os
podem
surg
ir g
eran
do a
nec
essi
dad
e de
revis
ar
os
term
os
e um
a a
estr
atég
ia
de
busc
a co
nso
lidad
a,
pri
nci
pal
men
te, se
ess
a es
tiver
sen
do u
tili
zada
par
a co
leta
r docu
men
tos
de
pat
ente
s
refe
rente
s a
um
a m
esm
a n
eces
sidad
e dura
nte
um
am
plo
per
íodo d
e te
mpo. T
erm
os
des
con
hec
idos
podem
rec
uper
ar n
ovos
docu
men
tos
rele
van
tes.
Mon
itora
r a
estr
atég
ia
de
busc
a,
inse
rin
do
novos
term
os
e
reca
lcula
ndo o
s n
ívei
s de
pre
cisã
o.
Com
pre
ensã
o d
os
códig
os
CIP
A e
scolh
a dos
Códig
os
da
Cla
ssif
icaç
ão In
tern
acio
nal
de
Pat
ente
s (C
IP)
é ar
bit
rári
a.
Se
o u
suár
io e
scolh
er c
ódig
os
não
con
diz
ente
s co
m a
nec
essi
dad
e de
info
rmaç
ão
ou
mes
mo
com
pre
endê-
los
erro
nea
men
te,
poder
á re
duzi
r a
quan
tidad
e de
docu
men
tos
rele
van
tes
recu
per
ados.
Esc
olh
er o
s C
ódig
os
CIP
em
equip
e é
um
a m
anei
ra d
e li
dar
com
as
dif
eren
tes
inte
rpre
taçõ
es.
Pro
ble
mas
de
estr
utu
raçã
o d
a es
trat
égia
de
busc
a
Se
a es
trat
égia
de
busc
a n
ão f
or
estr
utu
rada
corr
etam
ente
, em
outr
as p
alav
ras,
se
a
com
bin
ação
dos
term
os,
oper
ador
es b
oole
anos,
cam
pos
uti
liza
dos,
wil
dca
rds,
etc
.,
não
fo
r ap
lica
da
de
form
a que
repre
sen
te
o
con
texto
de
sua
nec
essi
dad
e de
info
rmaç
ão,
é pro
váv
el
que
os
docu
men
tos
recu
per
ados
terã
o
bai
xo n
ível
de
pre
cisã
o.
Outr
o f
ator
que
inte
rfer
e é
o s
equen
ciam
ento
da
estr
atég
ia.
Par
a co
mpre
ender
co
mo
estr
utu
rar
a es
trat
égia
dev
e-se
pri
mei
ram
ente
co
mpre
ender
a
nec
essi
dad
e de
info
rmaç
ão
e
post
erio
rmen
te c
onh
ecer
o f
un
cionam
ento
da
bas
e de
dad
os
atra
vés
do h
elp.
Inco
rpora
r os
filt
ros
dis
pon
ívei
s na
estr
atég
ia é
um
a fo
rma
de
dei
xar
os
resu
ltad
os
mai
s pre
ciso
s.
O
sequen
ciam
ento
da
estr
atég
ia d
eve
ser
pen
san
do c
om
cuid
ado.
Não
aval
iaçã
o d
a
estr
atég
ia d
e busc
a
Quan
do a
pre
cisã
o d
e um
a es
trat
égia
de
busc
a n
ão f
or
aval
iada
muit
os
docu
men
tos
irre
levan
tes
podem
se
r re
cuper
ados.
A
nal
isar
um
co
nju
nto
de
docu
men
tos
impre
ciso
s pode
envie
sar
os
resu
ltad
os
do p
roduto
de
inte
ligên
cia.
Tes
tar
a pre
cisã
o da
estr
atég
ia de
busc
a e
o im
pac
to do ru
ído.
Est
abel
ecer
um
nív
el d
esej
ado d
e pre
cisã
o.
Anál
ise
de
pre
cisã
o
dep
ende
da
per
spec
tiva
do a
nal
ista
.
A a
nál
ise
de
pre
cisã
o d
epen
de
dos
aspec
tos
fisi
oló
gic
os
cogn
itiv
os
do a
nal
ista
.
Outr
os
fato
res
que
inte
rfer
em n
a av
alia
ção é
o c
on
hec
imen
to q
ue
o e
spec
iali
sta
tem
sobre
o f
un
cion
amen
to d
a bas
e de
dad
os
e o t
empo d
ispon
ível
par
a a
ativ
idad
e de
aval
iaçã
o.
Os
nív
eis
de
pre
cisã
o d
e um
a am
ost
ra d
e docu
men
tos
podem
var
iar
de
acord
o c
om
o e
spec
iali
sta
que
a av
alia
.
Busc
ar a
val
iaçõ
es d
e dois
ou m
ais
espec
iali
stas
.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
23
Da
do
s G
era
is
Res
pon
sávei
s p
elo P
FM
EA
N
ayar
a C
rist
ini
Bes
si;
Ped
ro C
arlo
s O
pri
me;
Ron
iber
to M
ora
to d
o A
mar
al
Par
tici
pan
tes
da
equ
ipe
Nay
ara
Cri
stin
i B
essi
Dou
gla
s H
enri
qu
e M
ilan
ez
Lu
cas
Fac
cion
i C
han
chet
ti
Lea
ndro
In
noce
nti
ni
Lop
es d
e F
aria
Brá
uli
o S
alu
mão
de
Oli
vei
ra
Ron
iber
to M
ora
to d
o A
mar
al
Esc
olh
a d
a ab
ord
agem
de
anál
ise
Top
-do
wn
: os
iten
s se
rão a
nal
isad
os
do g
eral
par
a o e
spec
ífic
o.
Cla
ssif
icaç
ão d
os
mod
os
de
falh
a,
cau
sas
e ef
eito
s
As
fun
ções
são
as
eta
pa
s q
ue o
process
o d
e cole
ta d
e d
ocu
men
tos
de p
ate
nte
deve
dese
mp
en
ha
r
Os
mod
os
de
falh
a s
ão a
s fo
rm
as
com
o o
process
o d
eix
a d
e d
ese
mp
en
ha
r a f
un
çã
o d
efin
ida
(usa
r ex
pre
ssão
neg
ativ
a, p
or
exem
plo
: E
scolh
er
sati
sfat
ori
amen
te a
bas
e d
e dad
os
(fu
nçã
o);
Nã
o e
scolh
er u
ma
bas
e q
ue
forn
eça v
oca
bu
lári
o c
on
trola
do (
mod
o d
e fa
lha)
Os
efei
tos
são a
s con
seq
uên
cia
s d
o m
od
o d
e f
alh
a s
ob a
óti
ca d
o a
na
list
a (
cli
en
te).
Por
exem
plo
: se
o c
ole
tor
não
esc
olh
er u
ma
bas
e d
e d
ados
qu
e fo
rneç
a um
voca
bu
lári
o c
on
trola
do, is
to p
od
e g
erar
ex
cess
o d
e d
ocu
men
tos
irre
levan
tes
par
a a
anál
ise.
As
cau
sas
são a
s con
diç
ões
com
un
s q
ue p
rov
oca
m o
mod
o d
e f
alh
a.
Por
exem
plo
, p
ara
o e
feit
o a
cim
a um
a ca
usa
pod
eria
ser
a b
aix
a
com
pat
ibil
idad
e en
tre
os
term
os
uti
liza
dos
na
estr
atég
ia d
e bu
sca
e os
ind
exad
os
nos
docu
men
tos
(Quad
ro 4
).
Esc
ala/
Aval
iaçã
o
As
aval
iaçõ
es c
on
sist
em n
a m
édia
dos
val
ore
s da
sever
idad
e d
os
efei
tos,
so
b a
per
spec
tiva
do a
nal
ista
(Q
uad
ro 5
); n
a m
édia
do m
édia
dos
val
ore
s
de
oco
rrên
cia
das
cau
sas
dos
mod
os
de
falh
a (Q
uad
ro 6
), e
na
méd
ia d
os
val
ore
s d
e d
etec
ção d
as c
ausa
s (Q
uad
ro 7
). O
val
or d
o g
rau d
e pri
ori
dad
e
de
risc
o (
RP
N)
é o p
rod
uto
dos
val
ore
s m
édio
s d
e se
ver
idad
e, o
corr
ênci
a e
det
ecçã
o.
OB
S:
a) n
o F
ME
A o
s va
lores
alt
os
são r
uin
s e o
s va
lores
ba
ixos
são b
on
s; b
) q
uan
do o
mem
bro d
a eq
uip
e n
ão s
enti
r-se
seg
uro
em
aval
iar,
pod
erá
abst
er-s
e; c
) O
s voto
s d
e to
dos
os
par
tici
pan
tes
terã
o p
eso
s ig
uai
s.
Reg
ras
ad
ota
da
s
Não
con
sid
erar
tod
os
os
mod
os
de
falh
as c
on
cebív
eis
Um
mod
o d
e fa
lha
pod
e se
r in
seri
do o
u n
ão.
No c
aso d
a eq
uip
e d
ecid
ir q
ue
um
mod
o d
e fa
lha
é fi
sica
men
te p
oss
ível
, m
as n
ão p
ráti
co e
ssa
falh
a
não
dev
e se
r in
clu
ída
no f
orm
ulá
rio.
No c
aso d
e d
úvid
as,
se u
m m
od
o d
e fa
lha
dev
e se
r in
clu
ído o
u n
ão,
incl
ua
e su
a in
clu
são s
e to
rnar
á ób
via
,
ou
não
, à
med
ida
qu
e a
PF
ME
A e
volu
ir.
Red
igir
o
mod
o
de
falh
a co
mo
a
exp
ress
ão n
egat
iva
da
fun
ção
No c
aso d
e q
ues
tion
amen
to s
e u
m m
od
o d
e fa
lha
são e
feit
os
ou
poss
ívei
s ca
usa
s, o
mod
o d
e fa
lha
dev
erá
ser
red
igid
o c
om
o a
ex
pre
ssão
neg
ativ
a
da
fun
ção.
Sel
ecio
nar
u
ma
abord
agem
par
a
clas
sifi
car
os
mod
os
ou
ca
usa
s d
e
falh
as
Ser
á av
alia
da
a se
ver
idad
e d
os
efei
tos
e a
oco
rrên
cia
e d
etec
ção d
as c
ausa
s.
Des
env
olv
er i
nd
epen
den
tem
ente
de
cad
a co
lun
a F
ME
A
As
colu
nas
sev
erid
ade,
oco
rrên
cia
e d
etec
ção s
erão
men
sura
das
in
dep
end
ente
men
te,
ou
sej
a, o
s m
embro
s d
a eq
uip
e n
ão p
od
em p
assa
r par
a a
seg
un
da
colu
na
sem
fin
aliz
ar a
pri
mei
ra.
Fonte
: A
dapta
do d
e IM
AM
, (1
997).
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
24
Co
mp
reen
são
do
s te
rmo
s e
da
s es
cala
s
Qu
adro
1 -
Quadro
dos
term
os
Funçõ
es
Funçõ
es q
ue
o p
roce
sso d
eve
des
empen
har
.
Modos
de
falh
a D
efin
em c
om
o o
pro
cess
o p
ode
dei
xar
de
des
empen
har
ess
as f
unçõ
es.
Efe
itos
Evid
enci
am a
s co
nse
quên
cias
de
cada
modo d
e fa
lha.
Sev
erid
ade
Qual
a g
ravid
ade
das
conse
quên
cias
dos
efei
tos?
Cau
sas
Raz
ões
pri
nci
pai
s que
podem
res
ult
ar n
a oco
rrên
cia
dos
modos
de
falh
a.
Oco
rrên
cia
Com
que
freq
uên
cia
o m
odo d
e fa
lha
ou c
ausa
ten
de
a oco
rrer
?
Contr
ole
D
escr
eve
os
pro
cedim
ento
s ou e
quip
amen
tos
exis
tente
s que
det
ecta
m
ou p
revin
em q
ue
os
modos
de
falh
a se
jam
rep
assa
dos
par
a et
apas
post
erio
res.
Det
ecçã
o Q
ual
a c
han
ce d
e det
ecta
r o m
odo d
e fa
lha/
causa
ante
s do p
roduto
ser
en
treg
ue
ao c
lien
te?
*D
efin
e-se
cli
ente
com
o q
ual
quer
pes
soa
, ou
oper
ação
Açõ
es
reco
men
dad
as
Rec
om
endaç
ões
iden
tifi
ca a
s aç
ões
nec
essá
rias
par
a ab
ord
ar o
s m
odos
de
falh
a.
Todas
as
ações
rec
om
endad
as d
evem
res
ult
ar e
m b
enef
ício
s de
qual
idad
e e
confi
abil
idad
e.
Fonte
: (I
MA
M,
19
97
)
Qu
adro
2 -
Esc
ala
de
sev
erid
ad
e E
scal
a de
Sev
erid
ade
Nív
el
1
Efe
ito n
ão p
erce
bid
o p
elo a
nal
ista
N
enhum
2
Efe
ito b
ast
an
te in
sign
ific
an
te, p
erce
bid
o p
elo a
nal
ista
, m
as n
ão f
az c
om
que
pro
cure
o c
ole
tor.
Bai
xo
3
Efe
ito i
nsi
gn
ific
an
te q
ue
per
turb
a o
an
ali
sta,
mas
não fa
z co
m q
ue
pro
cure
o c
ole
tor.
4
Efe
ito b
ast
an
te i
nsi
gn
ific
an
te, m
as q
ue
per
turb
a o a
nal
ista
, fa
zen
do c
om
qu
e p
rocu
re o
cole
tor
5
Efe
ito m
enor,
in
con
ven
ien
te p
ara
o an
ali
sta,
mas
n
ão fa
z co
m que
pro
cure
o c
ole
tor.
M
oder
ado
6
Efe
ito m
enor,
in
con
ven
ien
te p
ara
o a
nal
ista
faze
nd
o c
om
qu
e p
rocu
re o
co
leto
r
7
Efe
ito m
od
erad
o, que
pre
jud
ica o
des
emp
enh
o d
o p
roce
sso l
evan
do a
um
a f
alh
a g
rave
ou u
ma
falh
a que
pode
imped
ir a
exec
uçã
o d
as f
unçõ
es
Alt
o
8
Efe
ito s
ign
ific
ati
vo,
resu
ltan
do e
m f
alh
a g
rave
9
Efe
ito cr
ític
o que
pro
voca
a
insa
tisf
ação
do an
alis
ta e
in
terr
om
pe
o
pro
cess
o.
Extr
emo
1 0
Per
igoso
, co
loca
em
ris
co a
con
tin
uid
ad
e op
eraci
on
al
da
org
aniz
ação
Fonte
: A
dap
tado d
e IM
AM
, (1
99
7).
Qu
adro
3 -
Esc
ala
de
ocorr
ência
E
scal
a de
Oco
rrên
cia
Nív
el
1
Extr
emam
ente
rem
oto
, alt
am
ente
im
pro
vável
N
enhum
2
Rem
oto
, im
pro
vável
M
uit
o b
aixo
3
Peq
uen
a c
han
ce d
e oco
rrên
cia
Bai
xo
4
Peq
uen
o n
úm
ero d
e oco
rrên
cias
Moder
ado
5
Esp
era-
se u
m n
úm
ero o
casi
on
al
de
falh
as
6
Oco
rrên
cia
mod
erad
a
7
Oco
rrên
cia
freq
uen
te
Alt
o
8
Oco
rrên
cia
elev
ad
a
9
Oco
rrên
cia
mu
ito e
levad
a
Extr
emo
10
Oco
rrên
cia
cert
a
Fonte
:(IM
AM
, 1
99
7).
Qu
adro
4 -
Esc
ala
de
det
ecçã
o
Esc
ala
de
Det
ecçã
o N
ível
1
É q
uas
e ce
rto q
ue
será
det
ecta
do
Extr
emo
2
Pro
bab
ilid
ade
muit
o a
lta
de
det
ecçã
o
3
Alt
a pro
bab
ilid
ade
de
det
ecçã
o
Alt
o
4
Chan
ce m
oder
ada
de
det
ecçã
o
5
Ch
an
ce m
édia
de
det
ecçã
o
M
oder
ado
6
Alg
um
a p
rob
ab
ilid
ad
e d
e det
ecçã
o
7
Baix
a p
rob
ab
ilid
ad
e de
det
ecçã
o
8
Pro
bab
ilid
ad
e m
uit
o b
aix
a d
e det
ecçã
o B
aixo
9
Pro
bab
ilid
ad
e re
mota
de
det
ecçã
o
10
Det
ecçã
o q
uase
im
poss
ível
M
uit
o b
aixo
Fonte
:(IM
AM
, 1
99
7).
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
25
ANEXO II FMEA
PF
ME
A -
AN
ÁL
ISE
DE
EF
EIT
OS
E M
OD
O D
E F
AL
HA
S D
O P
RO
CE
SS
O D
E C
OL
ET
A D
E D
OC
UM
EN
TO
S D
E P
AT
EN
TE
S
Des
criç
ão
do
pro
cess
o:
A c
ole
ta d
e d
ocu
men
tos
de
pat
ente
s co
nsi
ste
na
esco
lha
da
base
de
dado
s,
na
elabo
raçã
o d
a es
trat
égia
de
bu
sca,
na
apli
caçã
o d
a es
trat
égia
na
base
de
dad
os
esco
lhid
a e
na
recu
per
ação e
tra
tam
ento
do
s dad
os.
E
qu
ipe
Nay
ara
Cri
stin
i B
essi
(R
esp
onsá
vel
pel
o F
ME
A)
Ped
ro C
arlo
s O
pri
me
(Res
po
nsá
vel
pel
o F
ME
A)
Ro
nib
erto
Mora
to d
o A
mar
al (
Res
po
nsá
vel
pel
o F
ME
A)
Lea
ndro
In
no
centi
ni
Lop
es d
e F
aria
- E
ng
enh
eiro
de
Mat
eria
is a
tuan
te n
a c
ole
ta d
e d
ocu
men
tos
de
pat
ente
Dou
gla
s H
enri
qu
e M
ilan
ez –
En
gen
hei
ro d
e M
ater
iais
atu
ante
na c
ole
ta d
e d
ocu
men
tos
de
pat
ente
Lu
cas
Facc
ion
i C
han
chet
ti –
Eng
enhei
ro d
e M
ater
iais
atu
ante
na
cole
ta d
e d
ocu
men
tos
de
pate
nte
Brá
uli
o S
alu
mão d
e O
liv
eira
– E
ng
enh
eiro
de
Mat
eria
is a
tuan
te n
a co
leta
de
docu
men
tos
de
pat
ente
Fu
nçõ
es
Mo
do
s de
falh
a
Efe
ito
s S
ever
idad
e
Média
Cau
sas
Oco
rrên
cia
Média
Co
ntr
ole
s D
etec
ção
Média
Açõ
es R
eco
men
dadas
NP
R
Esc
olh
er
sati
sfato
ria
men
te
a b
ase
de d
ad
os
Não
esc
olh
er
bas
es q
ue
uti
liza
m
e div
ulg
am
um
a
lin
gu
agem
contr
ola
da
Po
de
ger
ar
MU
ITO
S
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L
8
R 8
D 8
B 7
C 7
N
7
7
Des
con
hec
imen
to s
obre
base
de
dad
os
L
1
R 2
D 2
B
1
C 3
N
3
2
Ori
enta
r u
so
de
base
s qu
e
po
ssu
am
vo
cabu
lári
o
contr
ola
do
L 3
R 2
D
3
B 2
C 3
N
3
3
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
a e
scolh
a d
e
um
a base
qu
e p
oss
ua
um
vo
cabu
lári
o c
ontr
ola
do
Ela
bo
rar
um
ch
eckl
ist
(rep
rese
nta
um
gat
eway
de
dec
isão n
o p
roce
sso)
qu
e au
xil
ie a
co
ntr
ola
r o
a u
tili
zaçã
o d
e b
ase
s qu
e
po
ssu
am
um
a l
ingu
agem
contr
ola
da
42
Ind
isp
onib
ilid
a
de
des
te t
ipo
de
bas
e
L 2
R 2
D 2
B 2
C 1
2
Não
há
contr
ole
L 3
R 2
D 3
B 2
C 1
N 1
2
28
Não
esc
olh
er
bas
es c
uja
cob
ertu
ra t
emát
ica
seja
co
mpat
ível
com
a n
eces
sidad
e
Po
de
ger
ar
MU
ITO
S
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L
1 0
R 1 0
D 8
B 8
C 1 0
N 1 0
9
Não
com
pre
ensã
o
da
nec
essi
dad
e
L 2
R
3
D
2
B 1
C 5
N
4
3
Ori
enta
r
com
pre
ensã
o p
révia
da
nec
essi
dad
e.
Soli
cita
r
feed
back
do
anal
ista
L 3
R
3
D 3
B 2
C 3
N 3
3
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
: a
com
pre
ensã
o p
rév
ia d
a
nec
essi
dad
e; a
rea
liza
ção
de
um
a a
nál
ise
de
com
pat
ibil
idad
e en
tre
nec
essi
dad
e e
base
de
dad
os;
a r
eali
zaçã
o d
e
um
a bu
sca
explo
rató
ria
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pre
ensã
o d
a
nec
essi
dad
e,
com
pat
ibil
idad
e en
tre
cob
ertu
ra d
a bas
e e
a
nec
essi
dad
e e
a
real
izaçã
o d
e u
ma
bu
sca
explo
rató
ria
81
Não
qu
esti
onar
-se
sobre
co
ber
tura
ao e
scolh
er
um
a base
L
2
R 3
D 3
B 3
C 5
N 6
4
Ori
enta
r
real
izar
anál
ise
de
com
pat
ibil
id
ade
L 2
R 2
D 2
B 2
C 3
N 3
2
72
Não
faze
r u
ma
bu
sca
explo
rató
ria
L 5
R
5
D 6
B 5
C 7
N 6
6
Ori
enta
r
real
izar
bu
sca
explo
rató
ria
L 2
R 4
D 4
B 4
C 3
N 4
3
16
2
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
26
Esc
olh
er
sati
sfato
ria
men
te
a b
ase
de d
ad
os
Não
esc
olh
er
bas
es q
ue
forn
eçam
um
a
estr
utu
ra
sati
sfat
óri
a d
e
cam
po
s
Po
de
ger
ar
AL
GU
NS
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L
3
R 6
D 7
B 6
C 7
N 6
6
Não
com
pre
ensã
o
da
nec
essi
dad
e
L 3
R 3
D 6
B 3
C 4
N
4
4
Ori
enta
r
com
pre
ensã
o p
révia
da
nec
essi
dad
e.
Soli
cita
r
feed
back
do
anal
ista
L 4
R 3
D 3
B 1
C 1
N
3
3
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
a
com
pre
ensã
o p
rév
ia d
a
nec
essi
dad
e
Ela
bora
r u
m c
hec
kli
st
par
a co
ntr
ola
r a
com
pre
ensã
o d
a
nec
essi
dad
e
72
Não
esc
olh
er
bas
es q
ue
forn
eçam
bu
sca
avan
çada
Po
de
ger
ar
MU
ITO
S
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L
7
R 9
D
7
B 5
C 7
N 7
7
Não
opta
r p
ela
bu
sca
avan
çada
L 5
R 3
D
6
B 5
C 5
N 6
5
Ori
enta
r u
so
do
mec
anis
mo
de
bu
sca
avan
çada
L 3
R 9
D 3
B 2
C 2
C 4
4
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
o u
so d
a
bu
sca
avan
çada
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pre
ensã
o d
a
nec
essi
dad
e
14
0
Ind
isp
onib
ilid
a
de
des
te t
ipo
de
bas
e
L 3
R
2
D
2
B 2
C 3
N 2
2
Não
há
contr
ole
L 1
R 1
D 1
B 1
C 1
N 1
1
14
Não
esc
olh
er
bas
es q
ue
forn
eçam
um
Hel
p b
em d
escr
ito
Po
de
ger
ar
AL
GU
NS
de
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L 2
R 2
D 3
B 3
C 2
N 3
3
Des
con
hec
imen
to d
o h
elp
L 2
R 1
D 2
B 1
C 2
N 4
2
Ori
enta
r
com
pre
ensã
o d
o h
elp
ante
s d
e
esco
lher
a
bas
e
L 2
R 3
D 2
B 2
C 6
N 6
4
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
a
com
pre
ensã
o d
o h
elp
e
se e
ste
é su
fici
ente
men
te
des
crit
ivo
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pre
ensã
o d
a
nec
essi
dad
e
24
Não
esc
olh
er
bas
es q
ue
forn
eçam
fil
tro
s
div
erso
s
Po
de
ger
ar
AL
GU
NS
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L 2
R 5
D 8
B 3
C 4
N 5
4
Não
opta
r p
elo
uso
de
filt
ros
L 5
R 8
D 4
B 7
C 6
N 4
6
Ori
enta
r
sobre
o u
so
de
filt
ros
L 2
R 4
D 3
B 3
C 3
N 4
3
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
so
bre
o u
so
de
filt
ros
e su
a
imp
ort
ânci
a.
Alé
m d
e
pro
por
um
a an
ális
e d
e
com
pat
ibil
idad
e e
ntr
e o
s
filt
ros
dis
po
nib
iliz
ado
s
pel
a bas
e e
suas
nec
essi
dad
es d
e
refi
nam
ento
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pat
ibil
idad
e en
tre
os
filt
ros
dis
po
nib
iliz
ado
s
pel
a bas
e e
os
nec
essá
rio
s par
a re
finar
a
bu
sca
72
Des
con
hec
imen
to d
os
filt
ros
L 2
R 1 0
D 4
B 6
C 3
N 4
5
Ori
enta
r
sobre
a
imp
ort
ânci
a
de
uti
liza
r
filt
ros
e
anal
isar
com
pat
ibil
id
ade
entr
e o
s
dis
po
nív
eis
e su
a
nec
essi
dad
e
L 2
R 4
D 3
B 4
C 2
N 5
3
60
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
27
Ela
bo
rar
sati
sfato
ria
men
te
um
a e
straté
gia
de b
usc
a
Cole
tor
não
con
hec
er
pre
via
mente
term
os
qu
e
repre
sente
m a
necess
idad
e
Po
de
gera
r
MU
ITO
S
do
cum
ento
s
irre
levan
tes
para
a a
náli
se
L 8
R 8
D 1 0
B 9
C 1 0
N 1 0
9
Au
sên
cia d
e
um
est
ud
o
pré
vio
so
bre
term
os
qu
e
repre
sente
m a
necess
idad
e
L 5
R 3
D 7
B 4
C 5
N 7
5
Dese
nv
olv
er
pro
cedim
ent
os
para
com
pre
ensã
o d
os
term
os
L 2
R 3
D 2
B 1
C 2
N 4
2
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e d
em
on
stre
pro
cedim
ento
s para
com
pre
end
er o
s te
rmo
s
qu
e re
pre
sen
tem
a
necess
idad
e
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pre
ensã
o d
os
term
os
90
Cole
tor
não
con
hec
er
pre
via
mente
o
fun
cio
nam
ento
da
base
de
dad
os
Po
de
gera
r
MU
ITO
S
do
cum
ento
s
irre
levan
tes
para
a a
náli
se
L 8
R 8
D 9
B 8
C 9
N 8
8
Au
sên
cia d
e
um
est
ud
o
pré
vio
so
bre
o
fun
cio
nam
ento
da b
ase
de
dad
os
L 4
R 2
D 5
B 3
C 4
N 5
4
Ori
enta
r
sobre
a
imp
ort
ân
cia
de
com
pre
end
e
r a b
ase
pre
via
mente
e d
esc
rev
er
com
o
L 2
R 3
D 7
B 4
C 5
N 7
5
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e d
em
on
stre
pro
cedim
ento
s para
com
pre
end
er a
base
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pre
ensã
o s
ob
re a
s
base
s d
e dad
os
16
0
Não u
tili
zar-
se d
e
um
a m
eto
dolo
gia
pre
via
mente
defi
nid
a p
ara
esc
olh
er o
s te
rmo
s
e avali
ar
seu
impacto
na
pre
cis
ão
Po
de
gera
r
MU
ITO
S d
e
do
cum
ento
s
irre
levan
tes
para
a a
náli
se
L 8
R 8
D 1 0
B 7
C 8
N 1 0
9
Au
sên
cia d
e
um
a
met
od
olo
gia
para
esc
olh
er
os
term
os
L 5
R 2
D 6
B 5
C 5
N 7
5
Dese
nv
olv
er
pro
cedim
ent
os
para
esc
olh
er o
s
term
os
e
test
ar
seu
s
nív
eis
de
pre
cis
ão
L 3
R 3
D 3
B 3
C 3
N 4
3
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e d
em
on
stre
pro
cedim
ento
s para
esc
olh
er o
s te
rmo
s e
test
ar
sua p
reci
são
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
esc
olh
a d
os
term
os
13
5
Não m
onit
ora
r o
surg
imento
ou
a
sub
stit
uiç
ão
de
term
os
de u
ma
áre
a
Po
de
gera
r
PO
UC
OS
de
do
cum
ento
s
irre
levan
tes
para
a a
náli
se
L 3
R 2
D 3
B 3
C 4
N 2
3
Au
sên
cia d
e
um
a
met
od
olo
gia
para
mo
nit
ora
r
os
term
os
L 2
R 2
D 6
B 3
C 2
N 2
3
Ela
bora
r
pro
cedim
ent
os
para
mon
ito
rar
os
term
os
L 2
R 5
D 7
B 6
C 7
N 5
5
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e d
em
on
stre
pro
cedim
ento
s para
mon
ito
rar
os
term
os
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r o
surg
imento
ou
sub
stit
uiç
ão
de
term
os
de
áre
a
45
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
28
Ela
bo
rar
sati
sfato
ria
men
te
um
a e
straté
gia
de b
usc
a
Não
uti
liza
r a
CIP
par
a ex
traçã
o d
os
term
os
Po
de
PO
UC
OS
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L 8
R 3
D 5
B 2
C 2
N
8
5
Des
con
hec
imen
to d
os
Cód
igo
s-
CIP
L 2
R 6
D 8
B 5
C 3
N 5
5
Ori
enta
r a
com
pre
ensã
o e
uso
do
s
códig
os
CIP
na
extr
ação
do
s te
rmo
s
L 1
R 7
D 9
B 5
C 7
N 5
6
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
a
com
pre
ensã
o e
o u
so d
a
CIP
na
extr
ação d
os
term
os
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pre
ensã
o e
o u
so d
a
CIP
na
extr
ação d
os
term
os
15
0
Não
uti
liza
r a
CIP
na
com
po
siçã
o d
a
estr
atég
ia
Po
de
MU
ITO
S
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L 8
R 8
D 9
B 8
C 8
N 9
8
Des
con
hec
imen
to d
os
Cód
igo
s-
CIP
L 2
R 2
D 4
B 3
C 3
N 4
3
Ori
enta
r a
com
pre
ensã
o e
uso
do
s
códig
os
CIP
na
estr
atég
ia
L 1
R 2
D 3
B 1
C 1
N 2
2
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
a
com
pre
ensã
o e
o u
so d
a
CIP
na
com
po
siçã
o d
a
estr
atég
ia
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pre
ensã
o e
o u
so d
a
CIP
na
estr
atég
ia
48
Não
co
mpre
end
er
os
Có
dig
os-
CIP
Po
de
ger
ar
MU
ITO
S
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L 8
R 8
D 1 0
B 9
C 1 0
N 1 0
9
Au
sên
cia
de
um
est
ud
o
pré
vio
so
bre
os
Có
dig
os-
CIP
L 3
R 2
D 3
B 2
C 1
N 3
2
Ori
enta
r a
com
pre
ensã
o e
uso
do
s
códig
os
CIP
L 2
R 2
D 3
B 2
C 2
N 4
3
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e ori
ente
a
com
pre
ensã
o d
os
códig
os
CIP
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
com
pre
ensã
o d
os
códig
os
54
Não
esc
olh
er
corr
etam
ente
os
Có
dig
os-
CIP
Po
de
ger
ar
MU
ITO
S
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L 8
R 8
D 1 0
B 9
C 8
N 1 0
9
Au
sên
cia
de
um
a
met
od
olo
gia
par
a es
colh
er
os
Có
dig
os-
CIP
L 3
R 3
D 3
B 2
C 2
N 3
3
Des
env
olv
er
pro
cedim
ent
os
par
a
esco
lher
corr
etam
ent
e o
s
Có
dig
os-
CIP
L 2
R 3
D 3
B 2
C 3
N 3
3
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e d
emo
nst
re
pro
cedim
ento
s par
a
esco
lher
corr
etam
ente
os
Có
dig
os-
CIP
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
esc
olh
a
corr
eta
do
s C
ódig
os-
CIP
81
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
29
Ela
bo
rar
sati
sfato
ria
men
te
um
a e
straté
gia
de b
usc
a
Não
aval
iar
a
pre
cisã
o d
a
estr
atég
ia d
e
bu
sca
Po
de
ger
ar
qu
anti
dad
e
INC
ER
TA
de
do
cum
ento
s
irre
levan
tes
L 9
R 8
D 8
B 9
C 9
N 1 0
9
Au
sên
cia
de
test
e da
pre
cisã
o d
a
estr
atég
ia e
do
impac
to d
o
ruíd
o.
L 3
R 2
D 5
B 6
C 7
N 8
5
Des
env
olv
er
pro
cedim
ent
os
par
a
test
ar a
pre
cisã
o e
o
impac
to d
o
ruíd
o
L 3
R 1
D 5
B 6
C 5
N
5
4
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e d
emo
nst
re
pro
cedim
ento
s par
a
test
ar a
pre
cisã
o,
o
impac
to d
o r
uíd
o, al
ém
de
esta
bel
ecer
um
nív
el
des
ejad
o d
e pre
cisã
o
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r o
test
e d
e pre
cisã
o,
o n
ível
des
ejad
o d
e pre
cisã
o e
o
impac
to d
o r
uií
do
18
0
Não
est
abel
ecer
um
nív
el
des
ejad
o d
e
pre
cisã
o
L 8
R 2
D 6
B 4
C 4
N 8
5
Est
abel
ecer
um
nív
el
des
ejad
o d
e
pre
cisã
o
L 2
R 1
D 4
B 4
C 5
N 7
4
18
0
Não
est
rutu
rar
a
estr
atég
ia d
e
bu
sca
sati
sfat
ori
am
ente
Po
de
ger
ar
MU
ITO
S
do
cum
ento
s
irre
levan
tes
par
a
a an
ális
e
L 8
R 8
D 1 0
B 1 0
C 8
N 1 0
9
Não
aval
iar
a
com
bin
açã
o
do
s te
rmo
s,
op
eradore
s
bo
ole
ano
s,
cam
po
s
uti
liza
do
s,
wil
dca
rds,
etc
L 5
R 2
D 3
B 3
C 4
N 5
4
Pro
cedim
ent
os
par
a
aval
iar
a
estr
utu
ra d
a
estr
atég
ia d
e
bu
sca
L 3
R 1
D 3
B 2
C 6
N 6
4
Ela
bo
rar
um
ma
nua
l d
e
bo
as
prá
tica
s de
cole
ta
qu
e d
emo
nst
re
pro
cedim
ento
s par
a
aval
iar
a es
tru
tura
da
estr
atég
ia d
e bu
sca
Ela
bo
rar
um
ch
eckl
ist
qu
e au
xil
ie a
co
ntr
ola
r a
efic
iênci
a da
estr
utu
ra
14
4