ESTUDO DE CASO: ANÁLISE QUANTITATIVA DE … · a sua disponibilidade e posicioná-lo na curva da...
Transcript of ESTUDO DE CASO: ANÁLISE QUANTITATIVA DE … · a sua disponibilidade e posicioná-lo na curva da...
ESTUDO DE CASO: ANÁLISE
QUANTITATIVA DE CONFIABILIDADE
E DISPONIBILIDADE DE UM TORNO
CNC, BASEADO NA METODOLOGIA
RCM (RELIABILITY CENTRED
MAINTENANCE), APLICADO A ÁREA
DE MANUTENÇÃO INDUSTRIAL.
Angelyna Machado Fagundes (PUC)
Andre Luiz da Silva Rocha (PUC)
Simone Rodrigues Barbosa (PUC)
Alessandra Lopes Carvalho (PUC)
O objetivo deste artigo é apresentar uma análise quantitativa,
realizada através de um histórico de dados reais de falhas de um torno
CNC MORI SEIKI (SL80) de uma planta siderúrgica, afim de verificar
a sua disponibilidade e posicioná-lo na curva da banheira,
identificando assim, a condição atual do equipamento. O método
proposto é uma técnica baseada na metodologia RCM (reability
centred maintenance). O artigo revisa conceitos e teorias da
confiabilidade aplicada à manutenção de sistemas industriais. Para
realização da análise, foram levantados, no sistema de informações da
empresa, os tempos entre falhas e de reparo do sistema, foram
identificadas e modeladas as distribuições para estes tempos. Com
base nos resultados, foram calculadas as funções Confiabilidade R(t) e
Mantenabilidade M(t) e pela combinação de seus valores, a
disponibilidade e a função taxa falha.
Palavras-chaves: Palavras-chave: Confiabilidade , Disponibilidade,
Mantenabilidade, RCM.
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
2
1. Introdução
Considerando-se a economia globalizada, altos índices de produtividade e atendimento das
necessidades do cliente são importantes fatores para a organização garantir sua sobrevivência.
As frequentes mudanças ocorridas na economia têm levado as empresas a procurarem
diferenciadores em seus processos produtivos. Não basta somente produzir a um menor custo,
deve-se agregar ao produto qualidade, preço e prazo de entrega (SLACK, 2008). Neste
sentido, as empresas buscam projetar produtos que tenham o máximo de valor agregado com
custos reduzidos, a fim de aumentar a produtividade.
A indisponibilidade de equipamentos afeta a capacidade produtiva, aumentando custos e
interferindo no desempenho de uma organização. Umas das conseqüências é a insatisfação de
clientes. Isto é, falhas acarretam comprometimentos significativos nos resultados almejados
pela organização. Desta forma, ressalta-se a importância estratégica da manutenção industrial
e da engenharia de confiabilidade. A confiabilidade pode ser definida qualittivamente como
qualidade ao longo do tempo (PALLEROSI, 2007).
Existem duas grandes vertentes com relação a possíveis áreas de atuação da engenharia de
confiabilidade: aplicações relacionadas no desenvolvimento de novos produtos e aplicações
direcionadas à tomada de decisão em ações de manutenção (CARVALHO, 2008)
A proposta deste trabalho é utilizar a metodologia RCM (Reliability Centred Maintenance)
para escolha da melhor política de manutenção para um torno CNC instalado em uma planta
siderúrgica.
A implementação de um programa RCM representa um passo importante no sentido de
otimizar a produtividade dos equipamentos instalados. Entretanto, esta metodologia é ainda
fortemente baseada em heurística e julgamento devido a experiências passadas. Este trabalho
apresenta uma aplicação de RCM sob um enfoque quantitativo, a partir da modelagem das
funções confiabilidade e mantenabilidade. A princípio foi priorizado o componente
considerado mais crítico, cujos resultados serão apresentados.
2. Confiabilidade, Mantenabilidade e Disponibilidade
O conceito de confiabilidade é empregado em vários campos de conhecimento, inclusive na
gestão da manutenção (KARDEC & LAFRAIA, 2002). Confiabilidade é a probabilidade de
um sistema exercer sem falhas a função para a qual foi projetado, por um determinado
período de tempo e sob um conjunto de condições pré-estabelecidas (NBR 5462, 1994). Falha
é definida como o evento ou o estado de inoperância de um sistema de produção que não
executa a função para a qual foi especificado. Assim, pode-se também definir confiabilidade
como a probabilidade do evento falha de um sistema produtivo não ocorrer antes do tempo t
(LAFRAIA,2001).
É possível considerar a condição de operação de um sistema como um experimento aleatório,
no qual podem ser identificados qualitativamente dois estados: “falha” ou “operação normal”.
Estes estados podem ser expressos numericamente utilizando-se o conceito de variável
aleatória. Portanto, pode-se criar uma variável aleatória “tempo até a falha” - ttf (time to
failure), para quantificar a probabilidade de ocorrência de uma falha.
A função densidade de probabilidade acumulada – cdf (cumulative distribution function), de
uma variável aleatória T, é definida como a probabilidade do evento {T ≤ t } para -∞ <t <+∞
(FOGLIATTO & RIBEIRO, 2009) Este conceito é expresso através da expressão 1, e
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
3
representa a probabilidade da variável aleatória T assumir valores pertencentes ao conjunto
(-∞ , t).
][)( tTPtFT =
t
T dx)x(f (1)
onde: t é o tempo, fT(t) é a função densidade de probabilidade, definida a seguir.O conceito de
“função densidade de probabilidade” ou pdf (probability density function) de uma variável
aleatória T está representado na expressão 2, sendo definido como a derivada da densidade de
probabilidade acumulada ou cdf (FT(t)):
dt
tdFtf T
T
)()(
(2)
Esta equação pode ser reescrita em termos da variável aleatória ttf (tempo até a falha)
considerando-se um instante de tempo t, dando origem à expressão 3. Para fins de
simplificação a função Fttf(t) será representada como F(t) em todo o texto subseqüente
(expressão 4).
dt
)t(dF)t(f
ttf
ttf (3)
]tttf[P)t(F)t(F ttf (4)
A função densidade de probabilidade pdf de uma variável aleatória (expressão 2) em estudos
de confiabilidade é definida por f(t). Esta função representa a freqüência relativa de
ocorrência para cada valor da variável aleatória ttf (tempo até a falha). Consequentemente, a
expressão 2 pode ser reescrita como a expressão 5:
dt
tdFtf
)()(
(5)
Considerando-se a função confiabilidade R(t) como a probabilidade acumulada de não falha, o
somatório de R(t) e F(t) deve ser unitário conforme (6).
)(1)( tFtR (6 )
Para estudos de confiabilidade em manutenção, é necessário determinar uma distribuição de
probabilidade que se ajuste aos dados de tempo de vida do sistema. As principais distribuições
de interesse para a manutenção são: normal, lognormal, Weibull, exponencial e gamma.
Apresenta-se, na expressão 7, a função densidade de probabilidade da função Weibull. Esta
distribuição apresenta grande variedade de formas tendo como propriedade básica uma função
taxa de falha monótona que portanto pode ser crescente, decrescente ou constante (FREITAS
& COLOSIMO, 1997).
t
ettf1
)(
(7)
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
4
Onde: é parâmetro de forma
é parâmetro vida mínima
é parâmetro vida característica
Alterando-se o parâmetro de forma, a função densidade de probabilidade de Weibull
expressão 7, pode ser utilizada em uma diversidade de situações e dependendo do valor de β,
torna-se igual ou muito semelhante a outras distribuições. A figura (2) apresenta a variação
ocasioanada pela alteração do parâmetro β. Observa-se que quando β tem valor unitário, a
distribuição de Weibull é reduzida a distribuição exponencial. Quando β é aproximadamente
3, a distribuição de Weibull torna-se a distribuição normal (O’ CONNOR, 2002).
Figura 1 - Variação ocasionada pela alteração do parâmetro β ( distribuição de Weibull)
Uma vez escolhida a distribuição de probabilidade que melhor se ajusta aos dados, é possível
calcular o parâmetro MTTF (Mean Time to Failure). Este parâmetro é definido como o valor
esperado da função densidade de probabilidade conforme (8).Tratando-se de itens reparáveis
utiliza-se o parâmetro MTBF(Mean Time Between Failures).
00
)()( dttRdttftTEMTTF (8)
Seja tr o tempo necessário para reparar um sistema a partir do instante da falha. Sabe-se que
tr não é constante. Portanto, fatores aleatórios devem ser considerados na modelagem desta
variável como o tipo de componente em estado de falha, sua localização no sistema ou
equipamento, ferramentas existentes, conhecimento técnico, dentre outros fatores.
Os mesmos procedimentos adotados para modelagem da variável aleatória tempo até a falha
(ttf) podem ser adotados para modelagem da variável aleatória tempo de reparo (tr), dando
origem aos estudos de mantenabilidade.
β=0,5
β=1
β=3
0
1,00
0,25
0,50
0,75
0 5,00 1,25 2,50 3,75
t
f(t)
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
5
Segundo a Associação Brasileira de Normas Tecnicas (ABNT) a mantenabilidade é a
capacidade de um item ser mantido ou recolocado em condições de executar suas funções
requeridas, sob condições de uso especificadas, quando a manutenção é executada sob
condições determinadas e mediante procedimentos e meios prescritos (NBR 5462, 1994). A
mantenabilidade pode ser expressa ainda em função do tempo demandado para a realização da
manutenção, ou seja, é desejável que seja menor ou igual ao tempo estimado em projeto.
Tempos médios entre falhas (MTBF) para itens reparáveis e tempos médios de reparo (MTTR)
são medidas referenciais para a gestão da manutenção. O MTBF é similar ao MTTF, aplicável
a componentes não reparáveis, cuja vida termina na primeira falha. O MTTR é representado
matematicamente pela expressão 9 (LAFRAIA, 2001).
dttgtMTTR
0
)( (9)
Onde: g(t) é função densidade de probabilidade de reparo
Cabe ressaltar que uma análise de confiabilidade deve ser realizada a partir do maior número
possível de informações e que somente o valor do MTTF (ou MTBF) não é suficiente para
traduzir o comportamento de falhas de um determinado item (CARVALHO, 2008).
A disponibilidade é a capacidade de um item estar em condições de executar certa função em
um dado instante, levando-se em conta os aspectos combinados de sua confiabilidade,
mantenabilidade e suporte de manutenção, supondo que os recursos externos requeridos
estejam assegurados (NBR 5462, 1994). Na prática, disponibilidade é expressa pelo
percentual de tempo em que o sistema encontra-se operante. A partir dos valores do MTBF e o
MTTR torna-se possível calcular a disponibilidade de um equipamento pela equação (10).
MTTRMTBF
MTBFA
(10)
A velocidade de ocorrência de falhas pode ser expressa através do parâmetro taxa de falhas
sendo a análise de falhas um processo interativo cujo sucesso depende de se determinar
relações implícitas entre causa e efeito(CARVALHO, 2008). A taxa de falhas instantânea h(t)
pode ser definida em termos da confibilidade R(t) e da função densidade de probabilidade f(t),
conforme expresso em (11). Maiores detalhes podem ser obtidos em Lafraia(2001) e Fogliato
& Ribeiro, 2009.
)(
)()(
tR
tfth
(11)
3. Relação entre o comportamento da taxa de falhas e estratégias de manutenção
A análise do comportamento da taxa de falha de um equipamento ao longo do tempo pode ser
representada pela curva da banheira ( Figura 2). Esta curva representa as fases da vida
características de um sistema: mortalidade infantil, maturidade e mortalidade senil.
Considerando a adequação da distribuição de Weibull, as fases desta curva podem ser
associadas ao parâmetro β (MOUBRAY, 2000; SELLITTO, 2005).
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
6
Fonte: Sellitto, 2005
Figura 2 – Curva da Banheira e ciclo de vida de equipamentos
No período de mortalidade infantil, a taxa de falhas é alta, porém decrescente. As falhas
preliminarmente são causadas por defeitos congênitos ou fraquezas, erros de projeto, peças
defeituosas, processos de fabricação inadequados, mão-de-obra desqualificada, estocagem
inadequada, instalação imprópria, partida deficiente entre outras. A taxa de falhas diminui
com o tempo, conforme os reparos eliminam componentes frágeis ou à medida que são
detectados e reparados erros de projeto ou de instalação. Sellitto (2005) aponta que, neste
período, a melhor estratégia de manutenção é a corretiva, ou seja, cabe à manutenção não
apenas reparar o equipamento, mas corrigi-lo, para que a falha não se repita.
A fase de maturidade (ou período de vida útil) apresenta da taxa de falha constante. Nesta
fase, as falhas ocorrem por causas aleatórias, externas ao sistema, tais como acidentes,
liberações excessivas de energia, mau uso ou operação inadequada, e são de difícil controle.
Falhas aleatórias podem assumir diversas naturezas, tais como: sobrecargas aleatórias,
problemas externos de alimentação elétrica, vibração, impactos mecânicos, bruscas variações
de temperatura, erros humanos de operação entre outros. Falhas aleatórias podem ser
reduzidas projetando-se equipamentos mais robustos ou através da padronização de
operações. Neste período, a melhor estratégia de manutenção é a preditiva. Esta estratégia de
manutenção propicia o monitoramento das condições vitais dos equipamentos de forma a
detectar o início da fase de desgaste (MOUBRAY, 2000; SOUZA, 2004; SELLITO, 2005).
Na mortalidade senil, há crescimento da taxa de falhas, que representa o início do período
final de vida do item. Esta fase é caracterizada pelo desgaste do componente, corrosão, fadiga,
trincas, deterioração mecânica, elétrica ou química, manutenção insuficiente entre outros.
Para produzir produtos com vida útil mais prolongada, deve-se atentar para o projeto,
Utilizando materiais e componentes mais duráveis, um plano de inspeção e manutenção que
detecte que iniciou a mortalidade senil e a previna, por substituição preventiva de itens. De
acordo com Sellitto (2005), neste período, a melhor estratégia de manutenção é a preventiva,
ou seja, já que o equipamento irá falhar, cabe à manutenção aproveitar a melhor oportunidade
para substituir ou reformar o item.
Conforme exposto anteriormente, a estratégia de manutenção mais adequada para um dado
componente é dependente do comportamento de seus modos de falha. Esta é a essência da
RCM (Reliability Centred Maintenance) ou manutenção centrada em confiabilidade
(MOUBRAY, 2000). Esta metodologia é baseada na premissa que a confiabilidade inerente
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
7
ou a segurança de um sistema não pode ser melhorada através da manutenção e que uma boa
política de manutenção pode apenas preservar estas características (DHILLON, 1999). Desta
forma, várias políticas de manutenção são comparadas sendo escolhida aquela que oferece
melhor relação custo beneficio para um dado equipamento.
A RCM relaciona técnicas de gerenciamento de riscos e ferramentas de confiabilidade, tais
como FMEA(Failure Mode and Effect Analysis) e FTA (Faut Tree Analysis) com o objetivo
de dar suporte a decisões estratégicas na manutenção. A FMEA visa identificar todos os
possíveis modos potenciais de falha e determinar o efeito de cada uma sobre o desempenho do
sistema (produto ou processo). A Árvore de Falhas correlaciona um determinado efeito com
suas possíveis causas, estabelecendo relações operacionais entre as mesmas (HELMAN &
ANDERY, 1995).
Através da utilização da FMEA, a RCM estabelece que cada modo de falha passe por um
processo de priorização baseado nas consequências que pode provocar. São considerados
prioritários para a atividade de manutenção aqueles que, em caso de falha, causam a parada do
sistema. Os modos de falha podem ser ainda analisados quanto a presença ou não de um
tempo de desenvolvimento (TDF) e quanto a frequência de ocorrência ao longo do tempo.
Resumindo, a RCM sugere a utilização de uma determinada técnica de manutenção de acordo
com o comportamento da taxa de falhas. Por exemplo, a prática de manutenção preventiva
(com intervalos fixos) somente é recomendada quando existe um processo de degradação em
andamento. Nestas circunstâncias o componente encontra-se na fase de velhice em seu ciclo
de vida e apresenta taxa de falhas crescente (DHILLON, 1999). A matriz de decisão
apresentada na Tabela 1 (SOUZA, 2004) sintetiza o procedimento exposto.
Taxa de falha Taxa de falha
Independente do tempo Dependente do tempo
Modo de falha apresenta tempo
de desenvolvimento Manutenção Preditiva
Manutenção Preditiva ou
Manutenção Preventiva
Modo de falha não apresenta
tempo de desenvolvimento Manutenção Corretiva Manutenção Preventiva
Fonte: SOUZA 2004
Tabela 1 - Matriz de decisão da RCM
3 Estudo de Caso
O foco deste trabalho é realizar a análise de confiabilidade e mantenabilidade de um torno
CNC instalado em planta siderúrgica. A condição necessária para a realização da análise de
falhas convencional é que o processo industrial possua um banco de dados com informações
de manutenção suficientemente adequadas. Neste caso foram coletados dados históricos
referentes à falhas do equipamento em estudo nos últimos dois anos, no período de janeiro de
2009 à março de 2011.
A análise convencional de falhas de sistemas reparáveis estabelece o estudo de duas variáveis
aleatórias de interesse: tempo entre falhas (TBF) e o tempo de reparo (TR). Será considerado
neste trabalho que após a ocorrência de uma falha será realizado um reparo imediatamente.
Será considerado ainda que o reparo seja capaz de levar o item falho (componente ou sistema)
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
8
novamente a sua condição original. A literatura refere-se a este conjunto de considerações
através do termo “tão bom quanto novo” (as-good-as-new). Como conseqüência, a
distribuição da variável aleatória tempo até a falha (TTF) será considerada igual a distribuição
da variável aleatória tempo entre falhas (TBF). A tabela 2 apresenta os 11 principais
componentes que compõem o torno CNC, ordenados segundo as ocorrências de falha.
Componentes N° falhas
PLACA – MECÂNICA 62
SENSOR DA PLACA – ELÉTRICA 30
ESTEIRA TRANSPORTADORA DE CAVACO – MECÂNICA 26
CASTELO – ELÉTRICA 20
SENSOR / LIMITE – ELÉTRICA 13
ESTEIRA TRANSPORTADORA DE CAVACO – ELÉTRICA 13
PROTEÇÃO DO BARRAMENTO – MECÂNICA 13
NÍVEL MÍNIMO DE ÓLEO – MECÂNICA 9
CASTELO – MECÂNICA 8
CURTO-CIRCUITO – ELÉTRICA 8
EIXO X – MECÂNICA 7
Tabela 2 – Principais componentes e ocorrências de falhas
A tabela 3 apresenta os principais componentes , tendo como referência o somatório dos
tempos de reparo (em minutos), levando em consideração o período analisado.
Componentes Tempo Para Reparo (TR)
PLACA – MECÂNICA 8057
PROTEÇÃO DO BARRAMENTO – MECÂNICA 2891
ESTEIRA TRANSPORTADORA DE CAVACO – MECÂNICA 2315
SENSOR DA PLACA – ELÉTRICA 1678
CASTELO – ELÉTRICA 1629
FOLGA EIXO Z – MECÂNICA 1546
EIXO X – MECÂNICA 1116
CASTELO – MECÂNICA 755
ACIONAMENTO PRINCIPAL – ELÉTRICA 606
NÍVEL MÍNIMO DE ÓLEO – MECÂNICA 416
SENSOR / LIMITE – ELÉTRICA 399
COMANDO CNC – ELÉTRICA 368
Tabela 3 – Principais componentes e somatório dos tempos de reparo
O componente que apresentou a maior incidência de falhas e o maior tempo para reparo foi a
Placa Mecânica. A partir desta análise a Placa Mecânica foi escolhida como foco,
considerando o maior impacto provocado no sistema em estudo. A partir desta priorização, o
banco de dados foi organizado de forma a possibilitar o cálculo das variáveis tempo entre
falhas (TEF) e tempo de reparo (TR). A tabela 4 apresenta uma amostra dos tempos entre
falhas (TBF) e o tempo de reparo (TR) referente ao componente Placa Mecânica.
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
9
Tabela 4 – Amostra parcial dos dados históricos de manutenção refente a Placa Mecânica
Após o pré-tratamento dos dados e cálculo das variáveis TEF e TR, foi utilizado o software
Weibull++7® (RELIASOFT CORPORATION, 2011) para modelagem de confiabilidade e
mantenabilidade, utilizando os conceitos da análise de dados de vida (life data analysis). A
análise de dados de vida tradicional envolve a modelagem da variável aleatória tempo até a
falha através de uma função densidade de probabilidade f(t). O mesmo procedimento pode
ser adotado para a modelagem da variável aleatória tempo de reparo e derivação da função
densidade de reparo g(t). Foram posteriormente realizados testes de aderência para escolha
dos melhores modelos de confiabilidade e mantenabilidade. A tabela 5 apresenta os modelos
obtidos. Observa-se, na figura 3, que o gráfico de probabilidade da distribuição Weibull,
descreve adequadamente os dados de tempo entre falhas.
Modelo
Função Densidade de
Probabilidade
Parâmetros
Confiabilidade f(t)
Mantenabilidade g(t)
Weibull
lognormal
β = 0,5489
μ = 3,9010
η = 7298,2798
σ = 1,5225
γ= 0
Tabela 5 – f(t) e g(t) obtidas para o equipamento em estudo
ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br
t
F(
t)
10 100000100 1000 100000,1
0,5
1,0
5,0
10,0
50,0
90,0
99,9
0,1
Figura 3- Gráfico de Probabilidade Weibull
Data Início Hora Início Data Fim Hora Fim TBF (Minutos) TR ( Minutos)
5/1/2009 1:45 5/1/2009 4:39 - 173
14/1/2009 12:37 14/1/2009 12:38 13437 1
14/1/2009 21:56 14/1/2009 22:22 557 25
15/1/2009 1:07 15/1/2009 1:14 165 6
15/1/2009 19:56 15/1/2009 20:04 1122 7
16/1/2009 0:20 16/1/2009 2:04 256 104
16/1/2009 2:07 16/1/2009 2:15 3 7
16/1/2009 2:36 16/1/2009 5:13 21 157
16/1/2009 9:14 16/1/2009 11:05 240 111
20/1/2009 17:47 20/1/2009 19:38 6161 111
20/1/2009 20:40 21/1/2009 0:05 61 205
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
10
ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br
t
R(
t)
0 30000075000 150000 2250000,0
1,0
0,3
0,7
Figura 4- Gráfico de Confiabilidade
Para análise dos dados de reparo foram descartados os tempos inferiores a 10 minutos devido
a provável falha no apontamento da parada pelo operador. Apresenta-se os Gráficos de
Probabilidade Lognormal e Probabilidade de Reparo versus tempo nas figuras 5 e 6
respectivamente.
ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br
t
G(
t)
1 1000010 100 10000,1
0,51,0
5,0
10,0
50,0
99,9
0,1
Figura 5- Gráfico de Probabilidade Lognormal
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
11
ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br
t
G(
t)
0 60001200 2400 3600 48000,0
1,0
0,2
0,4
0,6
0,8
Figura 6 -Gráfico de Probabilidade de Reparo versus tempo
Após a modelagem de confiabilidade e mantenabilidade foi realizado o cálculo do MTTR e
MTBF através do software Weibull++7® (RELIASOFT CORPORATION, 2011) para um
intervalo de confiança bilateral de 90%. Foram encontrados oa valores de 12463 minutos
para o MTBF e 157 minutos para o MTTR. A partir destes dados foi calculada a
disponibilidade:
9876,015712463
12463
MTTRMTBF
MTBFA
4. Conclusões
O objetivo deste estudo foi identificar a melhor política de manutenção para o componente
mais crítico, que possuiu um maior tempo de reparo e/ou maior número de falhas de um torno
CNC utilizado em uma planta siderúgica.
Após simulação foi encontrado β = 0,5498 (Fator de Forma). Baseado no valor de beta (β), e
tendo como referência a curva da banheira (apresentada na figura 1) concluiu-se que o
componente encontra-se na fase de mortalidade infantil em seu ciclo de vida. Conclui-se,
portanto, a adequação da manutenção corretiva.
Entretanto, o equipamento em estudo possui mais de 18 anos de utilização, o que certamente
não condiz com a fase de mortalidade infantil. Este fato levou a uma nova observação do
banco de dados. A observação mais detalhada levou a percepção da existência de falha
humana muito frequente com relação a armazenagem dos dados. Conclui-se que, para
trabalhos em confiabilidade e modelagem de falhas, é de suma importância a existência de
bancos de dados consistentes, independentemente do software ou ferramenta utilizada para a
gestão da manutenção.
Observa-se que o cálculo da disponibilidade pode ser um indicador para ações de
manutenção. Observa-se que, quanto maior o MTBF e menor o MTTR, maior a
disponibilidade dos equipamentos críticos, maiores os lotes e menores os custos unitários de
produção.
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
12
Ressalta-se a importância deste estudo para a empresa pois existem na planta produtiva quinze
equipamentos similares ao equipamento estudado. Mesmo que os resultados encontrados
tenham caráter preliminar, estes podem servir como subsídio para estudos futuros e contribuir
para a realização de investimentos de forma mais consciente e palpável.
Para possível continuidade de pesquisa, sugere-se a análise de confiabilidade dos demais
componentes do equipamento. Percebe-se também a necessidade de conscientizar os
oporadores para que o lançamento dos dados no software utilizado para a gestão de
manutenção seja feito da melhor forma possível. Outra sugestão é a elaboração de um plano
de manutenção e de reformas específico para Placa Mecânica. Finalmente, sugere-se levantar
a relação entre a disponibilidade do componente com a redução do custo de produção,
almejando uma disponibilidade ótima, que minimize a soma do custo de produção com o
custo da manutenção.
Referências
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 5462. Confiabilidade e mantenabilidade-
Terminologia, Rio de Janeiro, 1994.
BERTLING, L.; ALLAN, R. & ERIKSSON, R. A reliability-centered asset maintenance method for assessing
the impact of maintenance in power distribution systems. IEEE Transactions on Power Systems, v.20, n.1, p.75-
82, 2005.
CAMPBELL, J. & REYES-PICKNEL, J. Uptime: Strategies for Excellence in Maintenance Management
Productivity Press, Cambridge, MA, 2006.
CARVALHO, A .L. Análise de Disponibilidade Utilizando Abordagem Nebulosa. 2008. 123f. Tese
(Doutorado). Universidade Federal de Minas Gerais, Departamento de Engenharia Elétrica, Belo Horizonte.
DHILLON, B.S. Design Reliability. Fundamentals and Applications. United States of America: CRC Press
LLC, 1999.
FOGLIATTO, F.S. & RIBEIRO, J.L.D. Confiabilidade e Manutenção Industrial. São Paulo: Elsevier, 2009.
FREITAS, M. A. & COLOSIMO, E. A. Confiabilidade: Análise do tempo de falha e Testes de Vida
Acelerados. Belo Horizonte : Fundação Cristiano Ottoni, 1997. 308p (Série Ferramentas da Qualidade, v. 12)
KARDEC, A. & LAFRAIA, J.R.Gestão Estratégica e Confiabilidade. 1a ed. Rio de Janeiro. Qualitymark,
2002.
HELMAN, H. & ANDERY, P. R. P. Análise de Falhas (Aplicação dos Métodos de FMEA-FTA). 1a ed. Belo
Horizonte: Fundação Cristiano Ottoni, 1995. Série Ferramentas da Qualidade, v.11)
LAFRAIA, J. Manual de Confiabilidade, Mantenabilidade e Disponibilidade. Rio de Janeiro:Qualitymark,
2001.
MOUBRAY J. Reliability Centred Maintenence (RCM) – Manutenção Centrada em Confiabilidade/ Edição
Brasileira- traduzido por Kleber Siqueira- 2ed. Lutterworth, Inglaterra: Aladon ltda, 2000.
NORMAS BRASILEIRAS REGULAMENTADAS (NBR) – N. 5462, Confiabilidade e Mantenabilidade.
ABNT, SP 1994
O’ CONNOR, P. D. T. Practical Reliability Engineering. 4a ed. England: John Wiley & Sons, 2002.
PALLEROSI, C.A. Principais Aplicações, Vantagens, Desvantagens e Limitações das Atuais Distribuições
Estatísticas em Confiabilidade. In: Simpósio Internacional de Confiabilidade, V, 2007, Belo Horizonte.
Anais… Belo Horizonte: Reliasoft Brasil, 2007.
XXXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Inovação Tecnológica e Propriedade Intelectual: Desafios da Engenharia de Produção na Consolidação do Brasil no
Cenário Econômico Mundial Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 2011.
13
RAUSAND, M. Reliability centered maintenance. Reliability Engineering and Safety Systems, v.60, n.2, p.121-
132, 1998.
RELIASOFT CORPORATION. Weibull++ 7.0 Software Package, Tucson, AZ, 2011.
SLACK, N.; CHAMBERS, S.; HARLAND, C.; HARRISON, A.; JOHNSTON, R. Administração da
produção, 3. ed. São Paulo: Editora Atlas, 2008.
SELLITTO, M.; BORCHADT, M. & ARAÚJO, D. Manutenção centrada em confiabilidade: uma
abordagem quantitativa. Anais do XXII ENEGEP. Curitiba: ABEPRO. 2002.
SIQUEIRA, I. Manutenção centrada em confiabilidade. R. Janeiro: Qualitymark, 2005.
SOUZA, G. Manutenção Centrada em Confiabilidade: Ciência e Prática. In: II Simpósio Internacional de
Confiabilidade, 2004, São Paulo. Anais… São Paulo: Reliasoft Brasil, 2004.