Árvores lógicas

1. Resumo
Não é recente a utilização de árvores lógicas no contexto da avaliação do risco. Têm sido utilizadas como ferramenta, nomeadamente para conhecer o risco (árvores de falhas, árvores de causas, árvores de acontecimentos…), para calcular probabilidades (árvores de falhas, árvores de decisões…), para analisar acidentes (árvores de causas reais…), para gerir o risco (diagramas de Ishikawa, MORT…).
O conceito de significância tem sido aplicado de uma forma muito genérica. Definem-se causas latentes ou causas ativas (Shappell e Wigmann, 2000), efeitos certos ou efeitos possíveis (Oliveira, 2013)…
A aplicação mais estruturada de uma interpretação do tipo bow tie resulta de um estudo que o Grupo Shell desenvolveu em 1999: HEMP – Hazzard and Effect Management Process (Silva e Jacinto in Soares, Teixeira e Antão, 2007).
Pretende-se, com este trabalho, propor uma base teórica – conceptual e metodológica – que enquadre o processo de avaliação dos riscos, assente no conceito de nível de significância e utilizando as lógicas booleana e de conjuntos difusos (fuzzy sets) para o desenho de árvores lógicas que permitam traduzir o comportamento dos modelos conceptuais representativos do processo produtivo face a anomalias detetadas/possíveis.

2. Introdução
“Se os teoremas matemáticos se aplicam à realidade, não são certos; para serem certos, então não se aplicam à realidade.”
(Feynman et al., 1963, baseado no princípio da incerteza de Heisenberg e numa citação de Einstein)

Parafraseando a declaração anterior e adaptando-a à Avaliação do Risco (Yacov Y. Haimes, 2007):

“Para que a avaliação do risco seja exata, não será real. Para que a avaliação do risco seja real, não será exata.”

Avaliar o risco é avaliar uma incerteza. Porque o risco é algo que pode acontecer (mas que se espera que não aconteça…). Porque, se acontecer, provocará danos, mas mesmo a essência desses danos é potencial, não é certa.

“(…) Avaliar o risco é avaliar uma incerteza. Porque o risco é algo que pode acontecer (mas que se espera que não aconteça…).”

Bitaraf e Shahriari, 2012, baseados no trabalho de Willows e Connell, 2003, estabelecem uma diferenciação entre “zona de incerteza” e “zona de risco” em função do grau de conhecimento que é possível ter sobre a probabilidade e sobre o dano. Naturalmente, muitos fatores condicionam tal conhecimento, desde a fiabilidade dos dados (ou mesmo a falta deles) até aos erros das medições ou à própria subjetividade dos conceitos (figura [1]).
De acordo com estes autores, os métodos e técnicas utilizáveis na “zona de risco” poderão ser diferentes dos que são aplicáveis à “zona de incerteza” que, neste último caso, se sustentarão mais em modelos de tomada de decisão (decision-making) face a situações de incerteza elevada. Ou seja, segundo este ponto de vista, o risco situa-se numa zona de incerteza minimizada (mas nunca nula), que é definida pelo grau de conhecimento – existência, acessibilidade e fiabilidade de dados (num contexto retroativo) e aplicabilidade, consistência e coerência de modelos do processo produtivo (numa abordagem proativa) – dos fatores de formação do risco: a probabilidade de ocorrência e o dano expectável.
Uma abordagem deste tipo aponta para uma possível opção, em termos metodológicos, entre diferentes conceitos de relacionamento entre probabilidade e dano. Uma visão de conjuntos definidos por propriedades e delimitados por intervalos – lógica booleana – ou um conceito de conjuntos difusos, definidos por variáveis linguísticas com intervalos sobrepostos – lógica “fuzzy” – são dois caminhos possíveis e não necessariamente conflituantes.
Tendo em conta estes aspetos, pode postular-se que a Gestão do Risco é uma ciência precisa mas não exata, ou seja, que se situa ao nível das ciências da engenharia, com resultados precisos e aplicáveis sem que, no entanto, sejam absolutos e independentes das condições em que são obtidos e das circunstâncias em que são utilizados.