Upload
vodang
View
215
Download
0
Embed Size (px)
Citation preview
Hierarquização de Riscos em Empreendimentos de
Geração Eólica: uma análise por meio de Fuzzy AHP
Juliana Crenitte Ribas Severo1, José Roberto Ribas
2, Flavio Augusto Settimi
Sohler3
1 Av. das Nações Unidas, 11.541 – 16º andar
04578-907, São Paulo, SP, Brasil { [email protected]} 2 Av. Athos de Silveira Ramos, 149 Sala F101 – Cidade Universitária
21945-970, Rio de Janeiro, RJ, Brasil
{ E-mail: [email protected]} 3 Rodovia BR-153, km 510, Zona Rural
74923-650, Aparecida de Goiânia, GO, Brasil
E-mail: [email protected] }
Abstract. A diversificação da matriz energética brasileira, por meio de
investimentos em geração eólica, traz muitas oportunidades e, por tratar com
projetos complexos sujeitos a uma especialização ainda incipiente, sujeita os
empreendedores à riscos nem sempre razoavelmente compreendidos. Tal
situação enseja a identificação de tais riscos e uma análise dos seus níveis de
prioridade. Esta pesquisa explora a possibilidade de utilizar a lógica Fuzzy
associada a um modelo multicritério do tipo Processo Hierárquico Analítico
(FAHP), com o objetivo de hierarquizar os riscos potenciais em usinas eólicas.
Foram identificados quatro tópicos de vulnerabilidade e foram categorizados
cinco tipos específicos de risco. Por meio da elicitação com três especialistas,
todos vinculados à uma usina eólica avaliada no estudo de caso, obteve-se uma
ordem hierárquica para as cinco categorias mencionadas, confirmando a
viabilidade da adoção de modelos FAHP para este tipo de análise.
Palavras chave: Geração Eólica, Riscos, Fuzzy AHP.
1 Introdução
A geração eólica foi inicialmente operacionalizada na Europa, onde havia a
tecnologia disponível e o interesse político e social em investir em energias limpas.
Mais recentemente, com a difusão das causas ambientais e com o disseminação e
desenvolvimento da tecnologia eólica, a expansão tem se dado de forma menos
concentrada, com o crescimento mais acelerado tendo se deslocado para a Ásia,
especialmente na China, a primeira colocada em 2011 no ranking de geradores
eólicos. A capacidade instalada mundial atingiu 239.000 MW neste ano, com um
crescimento acelerado a uma taxa geométrica de aproximadamente 25% ao ano, nos
últimos dez anos [1].
No Brasil e restante da América do Sul, o processo de geração eólica ocorreu de
forma mais gradual, o que pode ser atribuído a um fator particular verificado no
continente, a predominância de hidrelétricas na matriz energética de cada país. Essa
peculiaridade impacta de duas formas: a principal fonte de energia do país já é
considerada limpa, o que reduz a pressão pela implantação de novas tecnologias
Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por
meio de Fuzzy AHP 781
renováveis; e o expertise da engenharia local está orientado principalmente na
construção e operação das centrais hidrelétricas, o que torna esta fonte ainda mais
competitiva quando comparada às demais alternativas, inclusive a eólica. O Brasil
possuía 1.509 MW de capacidade instalada em 2011, sendo que deste montante,
apenas no ano de 2011 foram adicionados 583 MW ao parque eólico [2], parte pelo
Programa de Incentivo às Fontes Alternativas de Energia Elétrica (Proinfa), mas
principalmente pelos leilões promovidos para energia de reserva pelo Ministério de
Minas e Energia [3].
A melhor competitivade dos preços por MWh estimulou grupos privados a
construir as usinas eólicas para opera-las exclusivamente no ambiente de contratação
livre (ACL), também denominado por mercado não regulado [2].
Quanto aos custos, por um lado o investimento é mais elevado que as fontes
hidráulica e térmica, com tendência de queda no curto e médio prazos, por outro, o
custo de operação e manutenção é muito inferior quando comparado às demais fontes.
Cabe destacar a importância dos empreendimentos eólicos ao proporcionar
impactos ambientais e sociais bem reduzidos, se comparados aqueles causados pelas
hidrelétricas e termoelétricas.
Nesse contexto, é de extrema relevância o mapeamento dos riscos potenciais dos
projetos eólicos nas diversas categorias. O processo de levantamento de riscos é
particularmente crítico, visto que somente é possível desenvolver planos de mitigação
para os riscos identificados. Por serem projetos ainda incipientes no país e a
tecnologia eólica ter sido pouco explorada, os dados sobre os impactos ainda são
escassos, o que torna necessário uma certa cautela ao se estabelecer analogias, bem
como estimular o envolvimento de especialistas pertencentes a áreas
multidisciplinares no trabalho de mapeamento.
Diante desse cenário, o presente trabalho tem o objetivo de propor um modelo de
análise de riscos por meio da metodologia FAHP (Fuzzy Analytic Hierarchy Process)
para a hierarquização dos riscos potenciais para a geração de energia eólica, visando
embasar direcionamento de atenção e recursos do projeto para os riscos mais
relevantes, de modo que estes sejam mitigados. O modelo será aplicado na Central
Eólica São Vicente, dentro do projeto de P&D financiado por Furnas Centrais
Elétricas S/A, no âmbito do programa nacional coordenado pela Agência Nacional de
Energia Elétrica (ANEEL).
2 Desenvolvimento
2.1 A Geração Eólica
A geração eólica ocorre pelo contato do vento com as pás do catavento, sendo seu
aproveitamento realizado por meio da energia mecânica transferida ao aerogerador,
que produz a eletricidade. O potencial de energia elétrica a ser produzido está
diretamente associado à densidade do ar, à área coberta pelo movimento de rotação
das pás e à intensidade, direção e velocidade do vento. Adicionalmente, aspectos
782 Julia na C. Ribas Severo, José Roberto Ribas, Flavio Augusto Settimi Sohler
geográficos, tais como o relevo, a vegetação e as interações térmicas entre a superfície
e a atmosfera, também são fatores que influenciam o desempenho da usina [4].
Dessa forma, fica evidente que a geração de energia eólica pressupõe localização
favorável, caso contrário se mostra um investimento alto com baixa potencialidade de
oferecer os retornos desejados. Por esse motivo, o estudo da localização do parque é a
parte fundamental na definição do projeto e inclui trabalhos sistemáticos de coleta e
avaliação das condições do relevo, clima e características do vento. No final de 2011,
o MME determinou à Empresa de Pesquisa Energética que somente os parques com
pelo menos dois anos de medição de ventos sejam aprovados para leilão [3]. Essa
determinação é válida até o final de 2012, pois a partir de 2013 a ANEEL será ainda
mais restritiva, quando passará a exigir ao menos três anos de dados [5].
Os mapas eólicos indicam que os ventos no país são fortes, relativamente
constantes e sem rajadas, uma grande vantagem para o desenvolvimento do setor.
Essas características permitem a maximização da porção dos ventos que é
efetivamente transformada em energia. Os dados apontam que é possível aproveitar
de 42% a 45%, podendo chegar a 50%, em determinados locais.
O Brasil é favorecido em termos de ventos, que se caracterizam por uma presença
duas vezes superior à média mundial e pela volatilidade de 5% (oscilação da
velocidade), o que dá maior previsibilidade ao volume a ser produzido [6].
Cabe ressaltar uma particularidade dos parques eólicos; a dependência das
condições de vento na região caracteriza uma produção intermitente, o que impõe que
esta seja usada como fonte complementar de energia. Tendo em vista que em muitos
lugares a velocidade do vento tende a ser maior em períodos de estiagem, onde a
operação das hidrelétricas fica comprometida, é possível operar as duas de forma
complementar, possibilitando a preservação da água nos reservatórios em períodos de
baixo índice pluviométrico, sem deixar de cumprir com o abastecimento de energia.
Outra particularidade notável é que a presença das turbinas não impossibilita a
agricultura no local, isto é, sua presença pode representar renda extra para o
proprietário da terra sem prejudicar a atividade principal.
Para o adequado aproveitamento do potencial eólico, é usual a construção de
parques, também conhecidos como wind farms, com uma ou mais dezenas de
aerogeradores, com potência individual tipicamente variando de 300 a 750 kW. A
distância entre um aerogerador e outro é de 5 a 10 vezes a altura da torre, para evitar
interferências entre os equipamentos [7].
A difusão das usinas eólicas no país e no mundo e o fortalecimento dos
fornecedores chineses trouxeram redução no preço dos equipamentos. Segundo
pesquisa conduzida pela Bloomberg New Energy Finance, houve queda de 4% no
segundo semestre de 2011, o que aponta para valores médios de 0,91 milhões de
euros por MW [8].
O governo também vem fomentando a produção de energia renovável sob a forma
de incentivos fiscais. Os equipamentos e componentes usados para o aproveitamento
da energia eólica têm isenção de ICMS (Imposto sobre Circulação de Mercadorias e
Serviços) até o final de 2012, de acordo com Convênio nº101/97; alíquota zero no IPI
(Imposto sobre Produtos Industrializados), pelo Decreto 5.269/04; não incidência do
CIDE (Contribuição de Intervenção no Domínio Econômico), segundo a lei
10.336/01; e o Regime Especial de Incentivos para o Desenvolvimento da
Infraestrutura (Reidi), segundo a lei 11.488/07.
Outra dimensão que cabe ser analisada é a ambiental. Para a geração eólica, os
impactos variam de acordo com o porte do parque. Equipamentos de pequeno porte,
Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por
meio de Fuzzy AHP 783
em geral, têm impacto ambiental desprezível. Parques de maior porte podem acarretar
impactos ambientais, a saber:
•Sonoro: Ruído audível significativo causado pelo fluxo de ar no aparelho, pelo
gerador e caixa de redução. Esse impacto é verificado principalmente em
equipamentos mais antigos, pois nas tecnologias mais modernas o nível de ruído é
reduzido;
•Vibração: No mesmo sentido da poluição sonora, sente-se a vibração,
principalmente nos arredores das turbinas de tecnologia mais antiga;
•Visual: Sombras e reflexos que interferem na visibilidade e nas paisagens naturais
e turísticas. Esse impacto varia de acordo com o tamanho da turbina, seu formato e
cor e a quantidade de pás;
•Mortalidade de aves e morcegos: Pelo impacto dos animais com as pás (nem
sempre perfeitamente visíveis quando em operação) da turbina. Estimativas de
2001apontam que cada turbina causa a morte de um a três animais por ano nos EUA
[9];
•Interferência Eletromagnética: Dependendo do local da instalação e suas
especificações técnicas (particularmente o material das pás), pode haver pertubações
nos sistemas de comunicação e transmissão de dados.
Em suma, pode-se perceber que há danos ambientais, mas estes são muito menos
prejudiciais do que os causados pelas obras de centrais hidrelétricas, operações
nucleares ou a queima de combustíveis fósseis, como gás ou carvão.
2.2 Gestão de Riscos
Um evento é arriscado quando se tem que tomar decisões entre diferentes
alternativas com conseqüências futuras incertas [10]. Ademais, as diferenças entre os
resultados esperados e os obtidos em um projeto são atribuídas aos eventos de risco e
à forma como eles são administrados ao longo do projeto [11], donde se entende que,
em termos de projetos, há risco quando existe a possibilidade de que ocorram
variações no retorno associado a determinada alternativa [12], assim, os efeitos
resultantes dos impactos e interações dinâmicas entre eventos costumam contrariar
situações esperadas, o que traduz o risco [13]. Se por um lado a incerteza pode ser
traduzida em termos estatísticos, esta também se aplica às situações as quais os
fatores não são perfeitamente compreendidos e, nos dois casos, são nada mais que
riscos. Por terem natureza multidimensional, devem ser desagregados para que
melhor se compreenda sua fonte, evento e consequência.
Os riscos se classificam como sendo relativos aos aspectos-chave das
conseqüências, subdivididos em econômico, ambiental, técnico, político, social e
outros. Do ponto de vista do negócio, subdivide-se em riscos estratégicos; financeiros;
operacionais; comerciais; de TI (segurança e funcionalidade); técnicos (como
destruição da infraestrutura física de uma empresa); ambientais; de capital humano; e
políticos [10].
Segundo o contexto em que ocorrem, os riscos podem ser classificados como
sendo de mercado, técnicos e sócio-institucionais. O primeiro tem a ver com a
habilidade em se prever a demanda, os requisitos financeiros e a segurança do
fornecimento, o qual envolve preço e acesso aos insumos. Os riscos técnicos são
784 Julia na C. Ribas Severo, José Roberto Ribas, Flavio Augusto Settimi Sohler
vinculados à possibilidade da conclusão do projeto não vir a ocorrer como havia sido
prevista, tanto na etapa de construção quanto na operacional. Por último, os sócio-
institucionais estão ligados às questões regulatórias, à obediência aos contratos, às
forças sociais e ao risco soberano. Em economias emergentes como o Brasil os riscos
institucionais são particularmente importantes [13].
A gestão do risco é uma cultura, processo e estrutura direcionada na gestão efetiva
de oportunidades em potencial e dos efeitos adversos. Em particular, a gestão de
riscos é uma forma do gestor de projetos estabelecer prioridades, alocar recursos e
implementar ações e processos que reduzam o risco do projeto não atingir objetivos
pretendidos. A identificação e o gerenciamento dos riscos significativos são obtidos
por um processo contínuo de acompanhamento e revisão durante todas as fases do
projeto, principalmente no atual ambiente de negócios que passa por rápidas
transformações.
No que se refere ao escopo, a gestão do risco pode ser classificada como [14]:
•Risco do negócio: situações que impactam a viabilidade do empreendimento
como mercado, indústria, tecnologia, fatores econômicos e financeiros, influências
políticas e governamentais;
•Risco do projeto: situações que impactam o orçamento, cronograma, qualidade e a
performance do projeto;
•Risco operacional e de processo: situações que impactam no projeto,
procurement, construção, grandes eventos de acidentes e catástrofes naturais [15].
O processo de gerenciamento de gestão de riscos inclui seis etapas [16], a saber:
I. Estabelecimento do Contexto – ―O que estamos tentando alcançar?‖ – quando se
estabelece o ambiente organizacional e do projeto; especificar os principais objetivos
e resultados pretendidos; identificar indicadores de sucesso, que possibilitem
mensurar as consequências do risco; e definir um conjunto de elementos fundamentais
para a estruturação da identificação de riscos e processo de avaliação;
II.Identificaçao dos Riscos – ―O que pode acontecer que afetará os objetivos do
projeto?‖ – trata-se de um processo que deve ser o mais abrangente possível, dado que
os riscos que não foram identificados não podem ser avaliados e sua identificação em
um momento posterior pode comprometer negativamente o projeto. É difundido o uso
do método brainstorming para o levantamento de ideias durante essa etapa.
Adicionalmente, pode-se usar dados históricos, análises teóricas, dados empíricos,
checklists de projetos anteriores, pareceres da equipe do projeto, especialistas e
stakeholders;
III.Análise e Avaliação dos Riscos – ―O que isto deverá significar para os critérios
chave do projeto e quais são os elementos mais importantes?‖ – neste momento, as
prioridades definidas para os riscos identificados serão desenvolvidas, com o uso
sistemático das informações disponíveis para determinar a frequência de ocorrência
dos eventos e seus impactos. A avaliação de riscos é o processo de comparar suas
estimativas com um conjunto de critérios predefinidos, e assim determinar as
significâncias. O processo visa a determinação das consequências de cada fator; a
avaliação da probabilidade de ocorrência; e o desenvolvimento das prioridades
combinadas de risco com os níveis inerentes. O resultado é uma lista priorizada de
riscos e um detalhamento dos seus impactos sobre o sucesso do projeto;
IV.Tratamento dos Riscos – ―O que vamos fazer com eles?‖ – envolverá a
identificação das opções para reduzir a probabilidade ou as consequências de cada
risco classificado como ―extremo‖, ―alto‖ ou ―médio‖; a determinação dos benefícios
potenciais e dos custos das opções; a seleção das melhores opções para o projeto e o
Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por
meio de Fuzzy AHP 785
desenvolvimento e a implementação de um detalhado Plano de Ação de Risco, de
modo a reduzir a exposição global;
V.Acompanhamento e Análise – ―Como podemos manter esses riscos sob
controle?‖ – trata-se da revisão e análise para se garantir que os novos riscos que
surjam no decorrer do projeto sejam detectados e gerenciados, e que os planos de ação
sejam implementados de forma efetiva. Usa-se a lista de vigilância de fatores de risco
como insumo e produz-se os documentos de revisões e lista de novos itens de atenção
para o projeto;
VI.Comunicação e Consulta – ―Quem deve estar envolvido no processo?‖ – inclui
os sócios, clientes, usuários finais e demais stakeholders com o objetivo de
compreender os riscos em todas as suas dimensões. Com a simetria de informações,
as ações corretivas podem ser mais agilmente tomadas e os problemas são mais
facilmente contornados ou eliminados.
Quanto ao escopo, esta pesquisa estará avaliando a fase de projeto da usina eólica.
Quanto às etapas de gestão de risco, será estabelecido o contexto no qual os riscos
serão identificados, analisados e avaliados, portanto, o procedimento se limitará às
etapas I, II e III.
2.3 Fuzzy AHP
O primeiro trabalho conhecido envolvendo Fuzzy Analytic Hierarchy Process
(FAHP) foi desenvolvido por Laarhoven e Pedrycz [17], os quais utilizaram a técnica
para escolher alternativas em um problema de decisão multicriterial. Neste caso, os
valores representando a significância relativa para cada par de fatores foram dispostos
em uma matriz, a partir da qual foram extraídos os pesos. Estes expressavam as
opiniões dos especialistas sobre a importância de um par de fatores, por meio de
números fuzzy referidos a uma função triangular de pertinência. O método foi
aplicado em dois níveis distintos, um para determinar os pesos fuzzy para os critérios
de decisão, outro para estimar os pesos das alternativas referidas a cada um dos
critérios. A partir de uma combinação de resultados, foram calculados os escores
fuzzy para as alternativas, assim como suas sensibilidades, por meio de mínimos
quadrados logarítmicos.
Utilizando o escore de maior valor, o decisor foi capaz de fazer sua escolha para
uma das alternativas. O elemento motivador da introdução da lógica fuzzy nos
modelos de tomada de decisão decorre do entendimento de que existe grande
imprecisão no julgamento dos especialistas [18]. Este problema é ocasionado por
vários fatores, dentre os quais estão o conhecimento ( ou desconhecimento) apenas
parcial, por parte do especialista, sobre a natureza ou característica do fenômeno
objeto da pesquisa, problemas de comunicação entre pesquisador e especialista e
dificuldades para representar o objeto em análise com clareza, provocando falhas de
especificação. O método incorpora uma medida de imprecisão (δ), denominada por
“grau de fuzzificação”, na tentativa de compensar o desvio presente nas estimativas
fornecidas pelo especialista.
Um avanço importante na técnica ocorreu a partir do trabalho desenvolvido por
Chang [19]. Neste caso, uma vez que a motivação residia na parcimônia da aplicação
do método, foi proposto que os números fuzzy fossem representados a partir de uma
786 Julia na C. Ribas Severo, José Roberto Ribas, Flavio Augusto Settimi Sohler
função triangular de pertinência, possibilitando ainda a comparação com o método
inicialmente proposto por Laarhoven e Pedrycz [17] e Buckley [20], e aplicado por
outros autores [21] [22].
Seja: M F(R) um número fuzzy onde:
Existe um valor xo R tal que M(xo) = 1.
Para cada [0,1]:
A = [ x, A(x) = a ]. (1)
É um intervalo fechado, onde F(R) são conjuntos fuzzy e R são conjuntos de
números reais.
Um número M pertencente aos números reais será um número fuzzy triangular se
sua função de pertinência M(x) : R → [0,1] for igual a:
( )
, x ϵ [l,m]. (2)
( )
, x ϵ [m,u]. (3)
Sendo igual a zero para qualquer outra possibilidade para x.
Neste caso, l ≤ m ≤ u, sendo que para o número fuzzy M, onde “l” é o valor
mínimo; “u” o valor máximo e “m” o valor modal.
Sendo assim, o número fuzzy triangular pode ser representado na forma (l,m,u). O
suporte para M é o conjunto de elementos { xo R | l < x < u }. Quando l = m = u,
teremos um número crisp, por convenção.
Considerando dois números fuzzy triangulares M1 e M2, tais que:
M1 = ( l1 , m1 , u1 ). (4)
M2 = ( l2 , m2 , u2 ). (5)
As regras de operação serão as seguintes:
( l1 , m1 , u1 ) ⊗ ( l2 , m2 , u2 ) = ( l1 + l2 , m1 + m2 , u1 + u2 ). (6)
( l1 , m1 , u1 ) ⊙ ( l2 , m2 , u2 ) = ( l1 l2 , m1 m2 , u1 u2). (7)
( λ , λ , λ ) ⊙ ( l1 , m1 , u1 ) = ( λ l1 , λ m1 , λ u1 ) , λ > 0 , λ R. (8)
( l1 , m1 , u1 )-1
= ( 1 / u1 , 1 / m1 , 1 / l1 ). (9)
Sejam:
X = ( x1 , x2 , x3 , ... , xn ) um conjunto objeto
U = ( u1 , u2 , u3 , ... , um ) um conjunto objetivo
O método da análise estendida desenvolvido por Chang [19] estabelece que cada
objeto é operado para cada objetivo, até que sejam obtidos m resultados por objeto do
seguinte modo:
i = 1, 2, 3, ... , m;
Onde são números fuzzy triangulares.
Os valores obtidos por análise estendida do i-ésimo objeto para m objetivos. Neste
caso, o valor fuzzy da extensão sintética para este i-ésimo objeto é:
Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por
meio de Fuzzy AHP 787
∑
[∑∑
]
(10)
Utilizando números fuzzy triangulares, é construída uma matriz que contém a
importância relativa de cada par de alternativas, relativas a uma mesma hierarquia:
A = ( aij )nxm.. (11)
Seja um elemento i julgado como possuindo uma importância G sobre outro
elemento j, de tal modo que:
aij = ( l , G , u ).. (12)
Os valores l e u representam graus fuzzy de julgamento, sendo um valor crisp
quando l – u = 0. Sendo o valor G uma avaliação relativa do valor i com relação ao
valor j, quanto maior for este valor maior será a importância do primeiro sobre o
segundo, e quanto maior for a diferença l – u, maior será u grau fuzzy deste
julgamento. Sendo assim, são válidas também as regras de operação, de tal modo que:
(
). (13)
Seja A = ( aij )nxmuma matriz de comparação pareada onde:
aij = ( lij , mij , uij ). (14)
Que satisfazem os valores de comparação pareada onde:
(15)
Para que sejam obtidas as estimativas dos pesos para cada critério, por
comparação, dois pontos devem ser resolvidos.
O primeiro está em determinar o valor fuzzy para o valor mínimo (ou máximo) de
uma família de números fuzzy, situação esta resolvida por meio do uso de operadores
max e min.
O segundo está em determinar qual é o maior (ou o menor) valor dentre vários
números fuzzy, situação esta resolvida a partir da avaliação do grau de possibilidade
para um fuzzy x R condicionado que x pertença a M, como sendo maior que y R
condicionado que y também pertença a M.
O grau de possibilidade de que M1 ≥ M2 é:
V( M1 ≥ M2 ) = supx≥y[ min ( M1(x) , M2(y) ) ]. (16)
Quando em uma comparação pareada envolvendo ( x,y ) ocorre que x ≥ y, e sendo:
M1(x) = M2(y) = 1. (17)
Então:
V( M1 ≥ M2 ) = 1 se e somente se m1 ≥ m2. (18)
788 Julia na C. Ribas Severo, José Roberto Ribas, Flavio Augusto Settimi Sohler
V( M1 ≥ M2 ) = max ( M1∩M2 ) = M1(d). (19)
Onde d representa a ordenada da intersecção mais elevada D entre M1 e M2
conforme a figura 1:
Fig. 1. Intersecção entre dois valores fuzzy M1 ≥ M2.
Quando M1 = ( l1 , m1 , u1 ) e M2 = ( l2 , m2 , u2 ), a ordenada para D é dada pela
equação:
( ) ( ). (20)
( )
( ) ( )
(21)
Para comparar M1 com M2 precisamos de dois resultados:
V( M1 ≥ M2 ) e V( M2 ≥ M1 ). (22)
O grau de possibilidade para que um número fuzzy convexo seja maior que k
números fuzzy convexos Mi ( i = 1, 2, 3, ... , k ):
V( M ≥ M1 , M2 , M3 , ... , Mk) = V[ ( M1 ≥ M1 ). (23)
e ( M ≥ M2 ), ( M ≥ M3 ) , ... , ( M ≥ Mk ) ]. (24)
Assim:
V( M ≥ M1 , M2 , M3 , ... , Mk) = min V[ ( M ≥ Mi ) , ( i = 1 , 2 , 3 , ... , k ). (25)
Assumindo para n alternativas que:
d’ ( Ai ) = min V( Si ≥ Sk ) , ( k = 1 , 2 , 3 , ... , n ) e k ≠ i. (26)
Então, o vetor de pesos será dado por:
W’ = [ d’ ( A1) , d’ ( A2) , d’ ( A3) , ... , d’ ( An) ]T. (27)
Para Ai ( i = 1 , 2 , 3 , ... , n ) alternativas.
Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por
meio de Fuzzy AHP 789
2.4 Estudo de Caso: Central Eólica São Vicente
O objeto do presente estudo é a Central Eólica São Vicente, um projeto pré-
operacional localizado em Pau Branco, no município de Tibau, no estado do Rio
Grande do Norte.
O parque é composto de nove aerogeradores, com 141 metros de altura e potência
nominal individual da turbina de 2,5 MW. Assim, a potência total instalada é de 22,5
MW, com estimativa de perdas e consumo interno de 2.068 MWh/ ano. A usina conta
com uma linha de transmissão exclusiva, com conexão na subestação de Mossoró.
Em junho de 2009 o projeto recebeu a autorização da ANEEL. Dois anos depois,
em julho de 2011, o IBAMA concedeu licença de instalação, permitindo o início das
obras e respectivos programas ambientais associados. O empreendedor do projeto é a
Ventos Tecnologia Elétrica Ltda., uma empresa de Fortaleza, Ceará. No período de
elaboração da pesquisa referente a este artigo, a usina ainda se encontrava em projeto,
ou seja, ainda não havia entrado em fase de construção. Foram entrevistados três
engenheiros, vinculados ao projeto, durante o mês de março de 2012.
2.5 Determinação dos Tópicos de Vulnerabilidade
Conforme foi observado no capítulo 2.2, a análise de risco é realizada
considerando riscos predefinidos, então, a identificação destes pode ser aceita como a
etapa mais crítica do gerenciamento de riscos [23]. Não é uma tarefa elementar, pois
os projetos de construção estão inseridos em um contexto de alta incerteza,
complexidade e vulnerabilidade às condições internas e externas à organização.
O aprendizado de projetos anteriores e experiência de especialistas poderiam
ajudar a entender as relações de causa e efeito em eventos de risco e a mapear as
consequências das ações corretivas tomadas. Assim, poderiam ser criados cenários
realistas, modelos de risco confiáveis e com isso, alcançar melhores estimativas para
os projetos seguintes. Nesse contexto, os autores [11] buscam o desenvolvimento de
uma ontologia, definida como uma explicitação formal de um conceito [24].
O modelo foi construído com a participação de especialistas em projetos e
administradores de empresas internacionais de construção. Por meio de reuniões, são
desenhados os mapas cognitivos dos estudos de caso, o que possibilitou o
levantamento de conceitos-chave para a ontologia. Após revisão literária e novas
entrevistas com experts, desenvolveu-se um modelo inicial, que foi submetido às
críticas e validação de especialistas [11].
Para estruturar os dados coletados, os conceitos foram organizados em classes e
subclasses hierarquizadas, isto é, em forma de taxonomia, visando representar o modo
como as pessoas categorizam as coisas. O último passo foi a validação da complitude,
generalidade e efetividade por meio de workshops interativos e entrevistas finais com
especialistas no assunto.
A determinação foi baseada na taxonomia apresentada com o título de ―tópicos de
vulnerabilidade‖. Esses tópicos representam influências internas à organização que
geram riscos ao projeto, categorizados em fontes de robustez, resiliência e
sensibilidade.
790 Julia na C. Ribas Severo, José Roberto Ribas, Flavio Augusto Settimi Sohler
1. Fontes de Robustez: fatores que indicam as fraquezas de um projeto que
afetam a probabilidade de ocorrência de riscos;
2. Fontes de Resiliência: fatores que afetam o gerenciamento do risco;
3. Fontes de Sensibilidade: fatores que afetam a magnitude das consequências
do risco.
Dentre os 82 pontos de vulnerabilidade identificados por este estudo, aqueles que
os três participantes da presente pesquisa julgaram como pertinentes foram:
Indisponibilidade de mão de obra;
Complexidade do projeto;
Inexperiência em projetos similares;
Gerenciamento deficiente do escopo do projeto.
2.6 Determinação dos Eventos de Risco
Spits [25] divide o desenvolvimento de Project Finance em três fases, com perfis
de risco distintos ao longo do ciclo de vida do projeto: construção, acabamento ou
comissionamento e operacional. O autor lista os principais riscos identificados em
projetos de geração de energia eólica. No presente estudo de caso, os seguintes riscos
foram identificados pelos especialistas como mais relevantes os riscos de:
Problemas na conexão do grid e base das turbinas;
Avaria dos componentes da turbina;
Atraso no cronograma;
Exceder o orçamento;
Problemas com a questão regulatória.
2.6 Aplicação do ModeloFuzzy AHP
Por comparação pareada, os especialistas consultados produziram a matriz média
de tópicos de vulnerabilidade da tabela 1, cujos escores foram atribuídos segundo a
tabela de nove pontos de Saaty [26] [27].
Tab. 2. Matriz de escores para os tópicos de vulnerabilidade.
INDMO COMPL INEXP GEREN
INDMO 1 4 8 2
COMPL 1/4 1 5 1/3
INEXP 1/8 1/5 1 1/7
GEREN 1/2 3 7 1
Sendo:
INDMO - Indisponibilidade de Mão de Obra
COMPL- Complexidade do Projeto
INEXP- Inexperiência em Projetos Eólicos
GEREN- Gerenciamento Deficiente
Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por
meio de Fuzzy AHP 791
A matriz fuzzy resultante, aplicado um grau de fuzzificação igual a 0,5 está
indicada na tabela 2.
Tab. 2. Matriz de escores para os tópicos de vulnerabilidade.
INDMO
COMPL
INEXP
GEREN
LOW MED UP LOW MED UP LOW MED UP LOW MED UP
1 1 1 3 1/2 4 4 1/2 7 1/2 8 8 1/2 1 1/2 2 2 1/2
2/9 1/4 2/7 1 1 1 4 1/2 5 5 1/2 2/7 1/3 2/5
2/17 1/8 2/15 2/11 1/5 2/9 1 1 1 2/15 1/7 2/13
2/5 1/2 2/3 2 1/2 3 3 1/2 6 1/2 7 7 1/2 1 1 1
As matrizes de desempenho para os riscos associados aos critérios são
determinadas, sendo a terminologia para os riscos definida como riscos de:
CONEX- Conexão com o Grid e Base dos Aerogeradores
AVARI- Avaria dos Aerogeradores
ATRAS- Atraso no Cronograma
REGUL- Problemas Regulatórios
ORCAM- Exceder o Orçamento
Como exemplo dos desempenhos das categorias de risco para cada tópico de
vulnerabilidade, as tabelas 3, 4a e 4b contém os desempenhos associados à
Indisponibilidade de Mão-de-Obra (INDMO) e sua matriz fuzzy associada. As tabelas
para os três demais tópicos de vulneratibilidade – COMPL, INEXP e GEREN – foram
elaboradas de modo similar, podendo ser solicitadas aos autores desta pesquisa.
Tab. 3. Matriz de escores para os tópicos de vulnerabilidade em INDMO.
CONEX AVARI ATRAS REGUL ORCAM
CONEX 1 1/5 1/4 1/2 1/9
AVARI 5 1 2 4 1
ATRAS 4 1/2 1 3 1/3
REGUL 2 ¼ 1/3 1 1/7
ORCAM 9 1 3 7 1
Tab. 4a. Matriz fuzzificada dos tópicos de vulnerabilidade em INDMO.
CONEX
AVARI
ATRAS
LOW MED UP LOW MED UP LOW MED UP
792 Julia na C. Ribas Severo, José Roberto Ribas, Flavio Augusto Settimi Sohler
1 1 1 2/11 1/5 2/9 2/9 1/4 2/7
4 1/2 5 5 1/2 1 1 1 1 1/2 2 2 1/2
3 1/2 4 4 1/2 2/5 1/2 2/3 1 1 1
1 1/2 2 2 1/2 2/9 1/4 2/7 2/7 1/3 2/5
8 1/2 9 9 1/2 1 1 1 1/2 2 1/2 3 3 1/2
Tab. 4b. Matriz fuzzificada dos tópicos de vulnerabilidade em INDMO.
REGUL
ORCAM
LOW MED UP LOW MED UP
2/5 1/2 2/3 2/19 1/9 2/17
3 1/2 4 4 1/2 1 1 1 1/2
2 1/2 3 3 1/2 2/7 1/3 2/5
1 1 1 2/15 1/7 2/13
6 1/2 7 7 1/2 1 1 1
Os pesos dos tópicos de vulnerabilidade são calculados a partir do processo de
soma de linhas e colunas, conforme especificado na tabela 5.
Tab. 5. Soma das linhas e colunas da matriz de tópicos de vulnerabilidade.
Soma das linhas Soma das colunas
INDMO 1,7399 1,8750 2,0857 13,500 15,000 16,500
COMPL 7,1818 8,2000 9,2222 6,008 6,583 7,186
INEXP 19,500 21,000 22,500 1,433 1,468 1,509
GEREN 2,9190 3,4762 4,0538 10,400 11,500 12,667
Soma das somas das colunas 31,341 34,551 37,862
Os valores das somas associadas Si, conforme a equação 10, são as seguintes:
S1 = ( 0,35656 0,43414 0,52647 );
S2 = ( 0,15868 0,19054 0,22928 );
S3 = ( 0,03784 0,04248 0,04816 );
S4 = ( 0,27468 0,33284 0,40416 ).
Pode-se calcular, assim, as probabilidades de superioridade entre números fuzzy,
conforme as regras estabelecidas das equações 18 à 24:
V (S1 > S2) = 1; V (S2 > S1) = 0; V (S3 > S1) = 0; V (S4 > S1) = 0,31968;
V (S1 > S3) = 1; V (S2 > S3) = 1; V (S3 > S2) = 0; V (S3 > S4) = 1;
V (S1 > S4) = 1; V (S2 > S4) = 0; V (S3 > S4) = 0; V (S4 > S3) = 1.
Chega-se, assim, no vetor W’ que é composto pelo mínimo das probabilidades V
de cada tópico de vulnerabilidade com os demais, conforme as equações 25 à 27. A
Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por
meio de Fuzzy AHP 793
partir do vetor W’, pode-se chegar no vetor normalizado W. Ambos estão abaixo
representados:
W’ = (1; 0; 0; 0,31968)
W = (0,75776; 0; 0; 0,24224)
Como exemplo dos desempenhos das categorias de risco para cada tópico de
vulnerabilidade, a tabela 6 contém as somas das linhas e colunas da matriz de
desempenho para a Indisponibilidade de Mão-de-Obra (INDMO), os valores das
somas associadas , as probabilidades de superioridade de um número fuzzy em
relação a outro e o vetor W de pesos normalizados. Os cálculos para os três demais
tópicos de vulneratibilidade – COMPL, INEXP e GEREN – foram elaborados de
modo similar, podendo ser solicitados aos autores desta pesquisa.
Tab. 6. Soma das linhas e colunas da matriz de desempenhos para INDMO.
I Riscos Soma das linhas Soma das colunas
1 CONEX 19,000 21,000 23,000 1,909 2,061 2,292
2 AVARI 2,8040 2,9500 3,6746 11,500 13,000 15,000
3 ATRAS 5,5079 6,5833 7,6857 7,686 8,833 10,067
4 REGUL 13,900 15,500 17,166 3,141 3,726 4,340
5 ORCAM 2,5243 2,5873 3,1715 19,500 21,000 23,000
Soma das somas das colunas 43,736 48,621 54,698
Os valores das somas associadas Si, são as seguintes:
S1 = (0,03491 0,04239 0,05241);
S2 = (0,21024 0,26738 0,34296);
S3 = (0,14051 0,18168 0,23017);
S4 = (0,05743 0,07664 0,09922);
S5 = (0,35650 0,43192 0,52588).
Probabilidades de superioridade de um número fuzzy em relação a outro:
V(S1>S2) = 0; V(S2>S1) = 1; V(S3>S1) = 1; V(S4>S1) = 1; V(S5>S1) = 1;
V(S1>S3) = 0; V(S2>S3) = 1; V(S3>S2) = 0,1886; V(S3>S4) = 0; V(S3>S5) = 1;
V(S1>S4) = 0; V(S2>S4) = 1; V(S3>S4) = 1; V(S4>S3) = 0; V(S5>S3) = 1;
V(S1>S5) = 0; V(S2>S5) = 0; V(S3>S5) = 0; V(S4>S5) = 0; V(S5>S4) = 1;
Vetor W’ e W’ normalizado:
W’ = (0; 0; 0; 0; 1)
W = (0; 0; 0; 0; 1)
Com os pesos calculados para os critérios e para riscos segundo cada critério,
chega-se a hierarquização final dos riscos associados à construção de
empreendimentos eólicos de geração elétrica relativos ao caso em estudo,
demonstrado na tabela 7.
Tab. 7. Valores de ponderação e pesos associados às cinco categorias de risco.
CONEX AVARI ATRAS REGUL ORCAM Wcritérios
794 Julia na C. Ribas Severo, José Roberto Ribas, Flavio Augusto Settimi Sohler
INDMO 0 0 0 0 1 0,75776
COMPL 0,30781 0,30781 0,038292 0,30781 0,03830 0
INEXP 0 0 0 0 1 0
GEREN 0 0,20021 0,20021 0 0,59958 0,24224
0 0,048498 0,048498 0 0,90300
Neste caso, o risco determinante deste projeto é de exceder o orçamento,
localizando-se proporcionalmente em nível muito acima dos demais. Em um segundo
plano estão dois riscos adicionais, de ocorrer avaria dos componentes das turbinas e
de o projeto sofrer um atraso no cronograma. Os demais riscos, de conexão com o
grid e base das turbinas e de problemas com a questão regulatória são irrelevantes.
3 Conclusão
Esta pesquisa propõe um procedimento para analisar riscos em empreendimentos
eólicos por meio da ferramenta Fuzzy AHP. Por se tratar de uma forma de geração de
energia incipiente principalmente no país, a experiência ainda é pequena e corre-se o
risco de incorrer em situações desfavoráveis no decorrer do projeto que podem vir a
atrasá-lo, inviabilizá-lo ou forçar a alteração dos parâmetros inicialmente
estabelecidos no escopo do projeto.
Diante desse contexto, cabe ressaltar a importância de estabelecer um
procedimento metodológico para identificar e hierarquizar os riscos, pois somente
com o seu mapeamento é possível mitigar os impactos, empreender ações corretivas e
desenvolver um plano de contingência para agilizar a reação no caso de sua
ocorrência. Ainda, hierarquizando os riscos, estabelece-se uma forma de guiar a
equipe na atenção, esforços e recursos dispendidos na mitigação dos mesmos.
A técnica escolhida é especialmente recomendável para situações complexas em
que a imprecisão e a ambiguidade tendem a ser consideráveis – principalmente
quando há envolvimento de muitos participantes. Por meio da agregação das
avaliações dos especialistas e suas imprecisões intrínsecas, construiu-se um modelo
semi-quantitativo, no qual a lógica fuzzy foi usada nos julgamentos qualitativos
necessários. O modelo usado permitiu ponderar os efeitos que cada critério exerce
sobre os riscos de um projeto e assim chegou-se a uma hierarquização apontando os
riscos mais significativos.
O resultado do modelo mostrou-se coerente com a contextualização apresentada. O
risco regulatório se mostrou insignificante, o que é facilmente explicável pelo fato de
o governo federal estar incentivando a geração da energia eólica, com subsídios,
isenções fiscais e outras facilidades de forma a diversificar a matriz energética.
Também foi insignificante o risco de problemas na conexão do grid e base das
turbinas e pode-se justificar que se as conexões fossem inadequadas ou fontes
potenciais de problemas, não haveria programas de apoio nem tantas iniciativas
privadas nesse tipo de empreendimento, isto é, a geração de energia eólica não teria
sido inicialmente fomentada ou a tecnologia seria redesenhada visando uma melhor
adaptação dos geradores de energia eólica com o sistema nacional de transmissão de
energia elétrica.
Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por
meio de Fuzzy AHP 795
Os riscos consideráveis apontados pelo modelo foram o de exceder o orçamento,
atrasar o cronograma e avariar os componentes da turbina. A autora acredita que com
o desenvolvimento de expertise em projetos de energia eólica, a tendência é que esses
sejam mitigados, uma vez que a experiência dinâmica tende a trazer estimativas mais
precisas dos parâmetros do projeto e a instalação adequada dos equipamentos, sem
deixar de considerar os avanços tecnológicos que naturalmente vão trazer ao mercado
turbinas mais adequadas e resistentes para a geração eólica.
Como pontos fracos do modelo utilizado pode-se citar a dificuldade de mapear e
tratar todos os riscos possíveis; a não inclusão das probabilidades e impactos por
risco; e a subjetividade da estimativa dos participantes na manifestação da preferência
entre dois pares de critérios e riscos associados, que muito é condicionada pelas
experiências anteriores.
Uma possível extensão para esse estudo seria a realização de novas análises de
risco em projetos eólicos fazendo uso da mesma metodologia utilizada no presente
trabalho. Por meio de novos resultados, poder-se-ia verificar a consistência do modelo
encontrado, caso os resultados se mostrassem semelhantes ou, caso os resultados
variassem projeto a projeto, mapear possíveis causas das distorções de forma a buscar
o refinamento do modelo.
Também seria de notável importância uma extensão da pesquisa que buscasse a
identificação mais profunda do grau de expertise de cada especialista. Dessa forma,
poder-se-ia usar essa informação para tornar o modelo mais robusto e ampliar seu uso
inclusive em outros projetos de energia elétrica ou mesmo em outros
empreendimentos.
Referências
1. WWEA. World Wind Energy Association Quarterly Bulletin. n.1, WWEA, Bonn, (2012).
2. GWEC. Global Wind Energy Council Report: annual market updade 2011. GWEC, Brussels
(2012).
3. MME. Ministério de Minas e Energia, www.mme.gov.br.
4. Abeolica. Associação Brasileira de Energia Eólica. www.abeeolica.org.br.
5. ANEEL. Agência Nacional de Energia Elétrica. www.aneel.gov.br.
6. Atlas. Atlas da Energia Elétrica do Brasil – Fontes Renováveis. www.aneel.gov.br/
arquivos/PDF/atlas_par2_cap5.pdf, (2008).
7. Oliveira, L.S. Regras e Boas Práticas para Instalação de Torres Anemométricas voltadas para
o estudo do potencial eólico. Dissertação de Mestrado (Planejamento Energético), Rio de
Janeiro: COPPE, (2011).
8. Bloomberg. New Energy Finance. www.newenergyfinance.com.
9. Barclay, R.M.R.; Baerwald, E.F.; Gruver, J.C. Variation in bat and bird fatalities at wind
energy facilities: assessing the effects of rotor size and tower height. Canadian Journal of
Zoology, 85, pp.381—387 (2007).
10. Schubert, R. Analyzing and Managing Risks – on the importance of gender differences in
risk attitudes. Managerial Finance, vol.32, pp.706--715, (2006).
11. Fidan, G. et al. Ontology for Relating Risk and Vulnerability to Cost Overrun in
International Projects, Journal of Computing in Civil Engineering, vol.25, pp.302--315, (2011).
12. Woiler, S.; Mathias, W. Projetos – Planejamento, Elaboração e Análise. Atlas, São Paulo,
(2008).
796 Julia na C. Ribas Severo, José Roberto Ribas, Flavio Augusto Settimi Sohler
13. Miller, R.; Lessard, D. Understanding and managing risks in large engineering projects.
Sloan Working Paper 4214-01, MIT, Cambridge, (2001).
14. AIRMIC. A structured approach to Enterprise Risk Management (ERM) and the
requirements of ISO 31000, AIRMIC, Londres, (2010).
15. Cooper, D.F. et al. Project Risk Management Guidelines: managing risks in large projects
and complex procurements. John Wiley, Chichester, (2005).
16. PMI. Um Guia do Conhecimento em Gerenciamento de Projetos (Guia PMBOK), 4th
edition, PMI, Pennsylvania, (2008).
17. Larhoven, P.J.M.; Pedrycz, W. A Fuzzy Extension of Saaty's Priority Theory. Fuzzy Sets
and Systems, vol.11, pp.199--227, (1983).
18. Meixner, O. Fuzzy AHP Group Decision Analysis and its Application for the Evaluation of
Energy Sources, Institute of Marketing and Innovation, Hamburg, (2011).
19. Chang, D.Y. Applications of the extent analysis method on fuzzy AHP.European Journal
of Operational Research, vol.95, pp.649—655, (1996).
20. Buckley, J.J. Fuzzy Hierarchical Analysis. Fuzzy Sets and Systems, vol.17, pp.233—247,
(1985).
21. Tang, Y.; Beynon, M. Application and Development of a Fuzzy Analytic Hierarchy Process
within a Capital Investment Study, Journal of Economics and Management, vol.1, pp.207—
230, (2005).
22. Saxena, V., et al. Fuzzy Delphi Hierarchy Process and its Application to Improve Indian
Telemedical Services. http://www.knu.edu.tw/lecture/%E8%AA%B2%E7%A8%8B%E8%
B3%87%E6%96%99/ANP/Proceedings/Final_Papers/77_Saxena_FuzzyDelphiHierarchyProce
ssIndianTelemedicine_REV_FIN.pdf, (2010).
23. Al-Bahar, J.F.; Crandall, K.C. Systematic Risk Management Approach for Construction
Projects. Journal of Construction Engineering Management, vol.116, pp.533--547, (1990).
24. Gruber, T.R. A translation approach to portable ontology specifications. Knowledge
Acquisition, vol.5, pp.199--220, (1993).
25. Spits, T.A. Making Wind Bankable: what factors explain the recent non-recourse project
financings in offshore wind power projects? Oil, Gas and Energy Law Intelligence, vol.7, pp.1-
-15, (2009).
26. Saaty, T.L. Optimization in Integers and Related Extremal Problems. McGraw-Hill, New
York, (1970).
27. __________. Decider Face à la Complexité : une approche analytique multicritère d’aide à
la dècision, ESF, Belmont, (1984).