Escolar Documentos
Profissional Documentos
Cultura Documentos
CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA MECÂNICA
MANUTENÇÃO INDUSTRIAL
Equipe:
Janylson Victor Lacerda De Oliveira – 11228266
José Marques Basílio Sobrinho - 11427797
João Pessoa - PB
2017
Sumário
1. Questão 1. ..................................................................................................................... 3
2. Questão 2 ...................................................................................................................... 6
3. Questão 3. ................................................................................................................... 10
4. Questão 4 .................................................................................................................... 15
5. Questão 5 .................................................................................................................... 20
6. Questão 6. ................................................................................................................... 24
7. Questão 7 .................................................................................................................... 26
8. Questão 8 .................................................................................................................... 28
9. Questão 9 .................................................................................................................... 32
10.Questão 10. ................................................................................................................ 35
1. Ajuste o rol de dados recebidos por email e calcule os tempos
entre falhas e tempos de reparos.
3
Com os dados de falhas do equipamento em mãos, nós calculamos os tempos
entre falhas e os tempos de reparo em horas para cada data. Os resultados estão na
tabela 1.2.
Datas das falhas Hora da falha Tempo de reparo TEF (h) TR (h)
27/01/2015 06:54 11:56 622,900 11,933
01/02/2015 13:46 06:44 114,933 6,733
17/02/2015 11:46 06:52 375,267 6,867
25/02/2015 05:37 05:17 178,983 5,283
02/03/2015 20:36 07:50 129,700 7,833
12/03/2015 17:41 04:06 229,250 4,100
06/04/2015 05:30 08:40 583,717 8,667
03/05/2015 14:45 10:30 648,583 10,500
20/05/2015 16:22 09:35 399,117 9,583
30/05/2015 08:22 11:58 222,417 11,967
06/06/2015 18:43 14:20 166,383 14,333
26/06/2015 04:14 04:01 451,183 4,017
01/07/2015 07:20 09:34 119,083 9,567
06/07/2015 06:52 16:38 109,967 16,633
27/07/2015 10:25 10:19 490,917 10,317
04/08/2015 22:50 6:00 194,100 6,000
10/08/2015 18:18 16:09 133,467 16,150
03/09/2015 18:29 05:02 560,033 5,033
11/09/2015 15:48 06:23 184,283 6,383
16/09/2015 19:38 07:15 117,450 7,250
14/10/2015 16:37 02:12 661,733 2,200
07/11/2015 15:32 06:09 572,717 6,150
25/11/2015 14:23 08:47 424,700 8,783
13/12/2015 06:18 06:16 415,133 6,267
31/12/2015 14:13 06:37 433,650 6,617
25/01/2016 14:52 02:28 594,033 2,467
08/02/2016 11:59 18:44 330,650 18,733
03/03/2016 14:27 01:53 559,733 1,883
23/03/2016 01:16 11:14 464,933 11,233
06/04/2016 00:47 13:35 324,283 13,583
17/04/2016 10:36 10:36 260,233 10,600
26/04/2016 15:30 05:16 210,300 5,267
03/05/2016 19:11 05:48 166,417 5,800
12/05/2016 23:43 03:47 214,733 3,783
22/05/2016 04:18 06:29 216,800 6,483
Tabela 1.2 - Tempo entre falhas e tempos de reparo
4
i TEF (Horas)
1 109,967
2 114,933
3 117,450
4 119,083
5 129,700
6 133,467
7 166,383
8 166,417
9 178,983
10 184,283
11 194,100
12 210,300
13 214,733
14 216,800
15 222,417
16 229,250
17 260,233
18 324,283
19 330,650
20 375,267
21 399,117
22 415,133
23 424,700
24 433,650
25 451,183
26 464,933
27 490,917
28 559,733
29 560,033
30 572,717
31 583,717
32 594,033
33 622,900
34 648,583
35 661,733
Tabela 1.3 - Tempo entre falhas em ordem crescente
5
2. Com os dados do item anterior plotar as curvas referente à
confiabilidade, função cumulativa de falhas, função densidade de
probabilidade, função taxa de falhas e calcular os indicadores
MTBF, MTTR e disponibilidade operacional do hipotético
equipamento através de Métodos empíricos.
O método empírico que nós escolhemos para realizar os cálculos foi o método
do rank mediano de Bernard.
𝑖 − 0,3
𝐹̂ (𝑡) = 𝑝𝑎𝑟𝑎 𝑖 = 0, 1, 2, … , 𝑛 𝑬𝒒. (𝟐. 𝟏)
𝑛 + 0,4
1
𝑓̂(𝑡𝑖 ) = 𝑬𝒒. (𝟐. 𝟐)
(𝑛 + 0,4)(Δ𝑡𝑖 )
Onde:
Δ𝑡𝑖 = 𝑡𝑖+1 − 𝑡𝑖
1
𝜆̂(𝑡𝑖 ) = 𝐄𝐪. (𝟐. 𝟑)
(𝑛 − 𝑖 + 0,7)(𝑡𝑖+1 − 𝑡𝑖 )
Utilizando as Equações 2.1, 2.2 e 2.3 e os dados da tabela 1.3, nós montamos a
tabela 2.1.
6
12 210,300 214,733 4,433 0,669 0,331 0,00637 0,00952
13 214,733 216,800 2,067 0,641 0,359 0,01367 0,02132
14 216,800 222,417 5,617 0,613 0,387 0,00503 0,00820
15 222,417 229,250 6,833 0,585 0,415 0,00413 0,00707
16 229,250 260,233 30,983 0,556 0,444 0,00091 0,00164
17 260,233 324,283 64,050 0,528 0,472 0,00044 0,00083
18 324,283 330,650 6,367 0,500 0,500 0,00444 0,00887
19 330,650 375,267 44,617 0,472 0,528 0,00063 0,00134
20 375,267 399,117 23,850 0,444 0,556 0,00118 0,00267
21 399,117 415,133 16,017 0,415 0,585 0,00176 0,00425
22 415,133 424,700 9,567 0,387 0,613 0,00295 0,00763
23 424,700 433,650 8,950 0,359 0,641 0,00316 0,00880
24 433,650 451,183 17,533 0,331 0,669 0,00161 0,00487
25 451,183 464,933 13,750 0,302 0,698 0,00205 0,00680
26 464,933 490,917 25,983 0,274 0,726 0,00109 0,00397
27 490,917 559,733 68,817 0,246 0,754 0,00041 0,00167
28 559,733 560,033 0,300 0,218 0,782 0,09416 0,43290
29 560,033 572,717 12,683 0,189 0,811 0,00223 0,01177
30 572,717 583,717 11,000 0,161 0,839 0,00257 0,01595
31 583,717 594,033 10,317 0,133 0,867 0,00274 0,02062
32 594,033 622,900 28,867 0,105 0,895 0,00098 0,00936
33 622,900 648,583 25,683 0,076 0,924 0,00110 0,01442
34 648,583 661,733 13,150 0,048 0,952 0,00215 0,04473
35 661,733 - - 0,020 0,980 - -
Tabela 2.1
Função Confiabilidade
1.200
1.000
0.800
R(t)
0.600
0.400
0.200
0.000
0.000 100.000 200.000 300.000 400.000 500.000 600.000 700.000
T (Horas)
7
Para a estimativa da função cumulativa de falhas temos o seguinte gráfico:
0.800
0.600
0.400
0.200
0.000
0.000 100.000 200.000 300.000 400.000 500.000 600.000 700.000
T (Horas)
0.40000
0.30000
0.20000
0.10000
0.00000
0 100 200 300 400 500 600 700
T (Horas)
8
Para a estimativa da função taxa de falhas, temos o seguinte gráfico:
1.00000
0.80000
h(t)
0.60000
0.40000
0.20000
0.00000
0 100 200 300 400 500 600 700
T (Horas)
Para o cálculo empírico do MTBF (tempo médio entre falhas) nós realizamos
uma média dos tempos entre falhas (tempos entre falhas estão na tabela 1.3), assim
temos:
𝑛
𝑇𝐸𝐹𝑖
̂ =∑
𝑀𝑇𝐵𝐹 = 339,4795 𝐻𝑜𝑟𝑎𝑠
𝑛
𝑖=1
𝑇𝑀𝐸𝐹 339,4795
𝐴𝑂 = = = 0,9763
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 339,4795 + 8,2571
9
3. Repetir o item 2 através do Método de estimação dos
parâmetros de distribuições usando a técnica de máxima
verossimilhança. Sugestão: Use o Proconf ou qualquer outro
software estatístico.
Nesta questão nós iremos estimar os parâmetros das distribuições candidatas
para os nossos dados. Utilizando o software Proconf, verificamos que nossos tempos de
falha se ajustavam a distribuição Weibull. Para os tempos de reparo nós verificamos que
a distribuição que se adequava era a distribuição lognormal. Os testes de aderência para
essas distribuições estão demonstrados na questão 5.
Parâmetro de Localização = 0;
Var(𝛽) = 0,071;
Var(𝜂) = 1148,544;
10
Cov(𝜂, 𝛽) = 2,8275.
Var(𝛽) = 0,0723
Nós iremos usar portanto os parâmetros da estimava não tendenciosa, para que o
valor real do parâmetro não seja subestimado ou superestimado. Agora nós iremos
mostrar os gráficos obtidos através do programa Proconf para a distribuição de Weibull.
1.0
0.8
0.6
R(t)
0.4
0.2
0.0
0 200 400 600 800 1000
t: tempo
11
Gráfico da função cumulativa de falhas:
1.0
0.8
0.6
F(t)
0.4
0.2
0.0
0 200 400 600 800 1000
t: tempo
0.0025
0.0020
0.0015
f(t)
0.0010
0.0005
0.0000
0 200 400 600 800 1000
t: tempo
12
Gráfico da função taxa de falhas:
0.015
h(t) 0.010
0.005
0.000
0 200 400 600 800 1000
t: tempo
13
95% do Intervalo de Confiança:
-1
-2
-3
10 100
t: tempo
𝑇𝑀𝐸𝐹 338,6316
𝐴𝑂 = = = 0,97587
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 338,6316 + 8,3722
14
4. Repetir o item 2 usando a técnica de Mínimos Quadrados para
as distribuições que melhor se ajustaram aos dados, ou seja:
distribuições exponencial, Weibull, normal e lognormal. Sugestão:
Use a planilha Excel da Microsoft.
Nós iremos agora repetir o item 2, só que desta vez iremos utilizar a técnica dos
mínimos quadrados, iremos fazer isso para os dados de falha que seguem a distribuição
de Weibull e os dados de reparo que seguem a distribuição Lognormal.
Onde:
𝛽 − 𝐹𝑎𝑡𝑜𝑟 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎;
𝜂 − 𝑉𝑖𝑑𝑎 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎.
Fazendo:
𝑌 = 𝐿𝑛{−𝐿𝑛[1 − 𝐹(𝑡)]}
𝑋 = 𝐿𝑛(𝑡 − 𝑡0 )
−𝑏
𝑏 = −𝛽𝐿𝑛(𝜂) → 𝜂=𝑒𝛽
Temos:
𝑌 = 𝑎𝑋+b
15
Montando uma tabela com os cálculos da regressão linear, temos:
F(t) -
i t Bernard Y X Y² X² Y*X 𝛽 b 𝜂
1 109,9667 0,019774 -3,91342 4,700177 15,31484 22,09167 -18,3938
2 114,9333 0,048023 -3,01158 4,744352 9,069599 22,50888 -14,288
3 117,45 0,076271 -2,53405 4,766013 6,421429 22,71488 -12,0773
4 119,0833 0,10452 -2,20369 4,779824 4,856246 22,84671 -10,5332
5 129,7 0,132768 -1,94877 4,865224 3,797705 23,67041 -9,4812
6 133,4667 0,161017 -1,73975 4,893852 3,02672 23,94979 -8,51406
7 166,3833 0,189266 -1,56153 5,114294 2,438378 26,15601 -7,98613
8 166,4167 0,217514 -1,40536 5,114495 1,975029 26,15806 -7,18769
9 178,9833 0,245763 -1,26568 5,187293 1,601939 26,90801 -6,56544
10 184,2833 0,274011 -1,13874 5,216474 1,296739 27,21161 -5,94023
11 194,1 0,30226 -1,02191 5,268373 1,04429 27,75576 -5,38378
12 210,3 0,330508 -0,9132 5,348535 0,833941 28,60683 -4,8843
13 214,7333 0,358757 -0,81115 5,369397 0,657964 28,83042 -4,35538
14 216,8 0,387006 -0,71458 5,378975 0,510619 28,93337 -3,84369
15 222,4167 0,415254 -0,62254 5,404552 0,38756 29,20919 -3,36457
16 229,25 0,443503 -0,53428 5,434813 0,285451 29,53719 -2,90369
17 260,2333 0,471751 -0,44912 5,561579 0,20171 30,93116 -2,49783
18 324,2833 0,5 -0,36651 5,781618 0,134332 33,4271 -2,11904
1,9462 -11,5887 385,529
19 330,65 0,528249 -0,28595 5,80106 0,081765 33,6523 -1,65879
20 375,2667 0,556497 -0,20696 5,927637 0,042833 35,13688 -1,22679
21 399,1167 0,584746 -0,12912 5,989254 0,016673 35,87116 -0,77336
22 415,1333 0,612994 -0,05201 6,0286 0,002705 36,34401 -0,31357
23 424,7 0,641243 0,0248 6,051383 0,000615 36,61924 0,150073
24 433,65 0,669492 0,101765 6,072238 0,010356 36,87207 0,61794
25 451,1833 0,69774 0,179374 6,111874 0,032175 37,355 1,096311
26 464,9333 0,725989 0,258191 6,141894 0,066663 37,72286 1,585781
27 490,9167 0,754237 0,33889 6,196274 0,114846 38,39382 2,099855
28 559,7333 0,782486 0,422317 6,32746 0,178351 40,03676 2,672192
29 560,0333 0,810734 0,509587 6,327996 0,259679 40,04354 3,224667
30 572,7167 0,838983 0,602262 6,350391 0,36272 40,32747 3,824601
31 583,7167 0,867232 0,702676 6,369416 0,493754 40,56946 4,475637
32 594,0333 0,89548 0,814647 6,386935 0,66365 40,79294 5,2031
33 622,9 0,923729 0,945251 6,434386 0,8935 41,40132 6,082112
34 648,5833 0,951977 1,110568 6,47479 1,233362 41,92291 7,190698
35 661,7333 0,980226 1,366955 6,494863 1,868567 42,18324 8,878187
∑ - - -19,4526 198,4163 60,1767 1136,692 -87,1907
Tabela 4.1
16
Montando um gráfico para a função cumulativa (seguindo a distribuição
Weibull) na forma linear, temos:
Distribuição Weibull
2
0
Ln Ln[1/(1-F(t))]
-1
-2
-3
-4
-5
4 4.5 5 5.5 6 6.5 7
Ln[T(horas)]
Gráfico 4.1
𝐿𝑛 𝑡 = 𝜎. 𝜙 −1 [𝑀(𝑡)] + 𝜇
Onde:
𝜎 − 𝐷𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜;
Fazendo:
𝑌 = ln 𝑡
𝑋 = 𝜙 −1 [𝑀(𝑡)]
17
∑𝑛𝑖=1 𝑌𝑖 ∑𝑛𝑖=1 𝑋𝑖
𝑏=𝜇= −𝑎
𝑛 𝑛
Utilizando as equações anteriores, montamos a seguinte tabela:
M(t) -
t
i Bernard Yi Xi Yi² Xi² XiYi 𝜎 𝜇
1 1,883333 0,019774 0,633043 -2,05844 0,400744 4,237171 -1,30308
2 2,2 0,048023 0,788457 -1,66434 0,621665 2,770016 -1,31226
3 2,466667 0,076271 0,902868 -1,43061 0,81517 2,046641 -1,29165
4 3,783333 0,10452 1,330605 -1,25621 1,770511 1,578066 -1,67152
5 4,016667 0,132768 1,390452 -1,1134 1,933358 1,239659 -1,54813
6 4,1 0,161017 1,410987 -0,99029 1,990884 0,980668 -1,39728
7 5,033333 0,189266 1,616082 -0,88061 2,611723 0,775467 -1,42313
8 5,266667 0,217514 1,661398 -0,78062 2,760242 0,609362 -1,29691
9 5,283333 0,245763 1,664557 -0,68788 2,770751 0,473185 -1,14502
10 5,8 0,274011 1,757858 -0,60073 3,090064 0,360872 -1,05599
11 6 0,30226 1,791759 -0,51791 3,210402 0,268233 -0,92797
12 6,15 0,330508 1,816452 -0,43851 3,299498 0,192291 -0,79653
13 6,266667 0,358757 1,835245 -0,36178 3,368123 0,130887 -0,66396
14 6,383333 0,387006 1,85369 -0,28713 3,436168 0,082445 -0,53225
15 6,483333 0,415254 1,869235 -0,21405 3,494039 0,045817 -0,40011
16 6,616667 0,443503 1,889592 -0,14209 3,570557 0,020191 -0,2685
17 6,733333 0,471751 1,90707 -0,07087 3,636917 0,005022 -0,13515
18 6,866667 0,5 1,926679 -1,4E-16 3,712091 1,94E-32 -2,7E-16
0,56502 1,97593
19 7,25 0,528249 1,981001 0,070868 3,924367 0,005022 0,14039
20 7,833333 0,556497 2,058388 0,142094 4,236962 0,020191 0,292485
21 8,666667 0,584746 2,159484 0,214049 4,663372 0,045817 0,462236
22 8,783333 0,612994 2,172856 0,287132 4,721303 0,082445 0,623896
23 9,566667 0,641243 2,258285 0,361783 5,09985 0,130887 0,817009
24 9,583333 0,669492 2,260025 0,43851 5,107715 0,192291 0,991043
25 10,31667 0,69774 2,333761 0,517912 5,446439 0,268233 1,208682
26 10,5 0,725989 2,351375 0,600726 5,528966 0,360872 1,412532
27 10,6 0,754237 2,360854 0,687885 5,573632 0,473185 1,623995
28 11,23333 0,782486 2,418886 0,780616 5,851007 0,609362 1,888221
29 11,93333 0,810734 2,479336 0,880606 6,147105 0,775467 2,183318
30 11,96667 0,838983 2,482125 0,990287 6,160945 0,980668 2,458016
31 13,58333 0,867232 2,608844 1,1134 6,806065 1,239659 2,904686
32 14,33333 0,89548 2,662588 1,256211 7,089374 1,578066 3,344772
33 16,15 0,923729 2,78192 1,430609 7,739079 2,046641 3,979839
34 16,63333 0,951977 2,811409 1,664337 7,904019 2,770016 4,67913
35 18,73333 0,980226 2,930304 2,058439 8,586684 4,237171 6,031853
∑ - - 69,15747 -3,6E-15 147,0798 31,63198 17,87264
Tabela 4.2
18
Calculando o tempo médio para reparo, temos:
𝜎2 1,975932
𝑇𝑀𝑃𝑅 = exp [𝜇 + ] = exp [0,56502 + ] = 8,4617 𝐻𝑜𝑟𝑎𝑠
2 2
𝑇𝑀𝐸𝐹 341,8695
𝐴𝑂 = = = 0,97585
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 341,8695 + 8,4617
19
5. Fazer o cálculo do teste de aderência de pelo menos dois
métodos e comparar com os resultados obtidos pelo software
utilizado.
Neste item nós iremos realizar o teste de aderência qui-quadrado para verificar a
hipótese dos tempos de falhas seguirem a distribuição de Weibull, e os tempos de reparo
seguirem a distribuição Lognormal. Depois disso iremos comparar com os resultados
obtidos pelo Proconf.
𝑘 = [1 + 3,3 𝑙𝑜𝑔10 𝑛]
Para encontrar os limites superiores de cada classe, nós pegamos o maior valor
da população e o menor valor e dividimos pelo número de classes. E para incluir todas
as amostras, adicionamos em cada limite superior o menor valor das amostras, assim,
obtemos:
Para que nenhuma classe ficasse com 0 números de falhas, juntamos a classe 4,
5 e 6, ficando com a seguinte tabela:
20
𝛽 (𝑓𝑎𝑡𝑜𝑟 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎) 1,9433
𝜂 (Vida característica) 381,8645
E1 8,80842
E2 7,005602
E3 12,53837
E4 6,64761
Logo 𝜒² = 3,5921, como ele é menor que 𝜒²𝑐𝑟𝑖𝑡 , logo, aceitamos a hipótese da
população seguir o modelo de distribuição de Weibull.
Vemos na figura 5.1 que o Proconf não rejeitou a hipótese de que a população
segue o modelo Weibull.
21
Para a distribuição Lognormal:
Calculando a quantidade de classes, temos que:
Para encontrar os limites superiores de cada classe, nós pegamos o maior valor
da população e o menor valor e dividimos pelo número de classes. E para incluir todas
as amostras, adicionamos em cada limite superior o menor valor das amostras, assim,
obtemos:
Para que nenhuma classe ficasse com o número de reparos menor que 5,
juntamos a classe 5 e 6, ficando com a seguinte tabela:
𝜇 − 𝑀é𝑑𝑖𝑎 1,975928
𝜎 − 𝐷𝑒𝑠𝑣𝑖𝑜 𝑃𝑎𝑑𝑟ã𝑜 0,545884
E1 7,538
E2 10,959
E3 7,525
E4 4,196
E5 4,784
22
Escolhendo um nível de significância 𝛼 = 0,10. Teremos apenas dois graus de
liberdade e portanto um 𝜒²𝑐𝑟𝑖𝑡 = 4,61.
Logo 𝜒² = 2,329, como ele é menor que 𝜒²𝑐𝑟𝑖𝑡 , logo, aceitamos a hipótese da
população seguir o modelo de distribuição Lognormal.
Vemos na figura 5.2 que o Proconf concorda com o que foi dito anteriormente, a
hipótese de que a população segue o modelo lognormal não pode ser rejeitada.
23
6. Para valores de taxas de custos de uma intervenção de
manutenção preventiva com relação uma manutenção corretiva,
iguais a 0.6, 0.4, 0.2 e 0.1, observar se existe período ótimo para
realização de manutenção preventiva sistemática.
Para o modelo baseado no tempo temos que para que a política de manutenção
preventiva seja mais efetiva que a corretiva é necessário que:
𝐾𝑝 1 σ2
< (1 − 2 ) 𝑬𝒒. (𝟔. 𝟏)
𝐾𝑐 2 𝜇
Onde:
𝐾𝑝
− é 𝑎 𝑟𝑒𝑙𝑎çã𝑜 𝑒𝑛𝑡𝑟𝑒 𝑜𝑠 𝑐𝑢𝑠𝑡𝑜𝑠 𝑑𝑎 𝑚𝑎𝑛𝑢𝑡𝑒𝑛çã𝑜 𝑝𝑟𝑒𝑣𝑒𝑛𝑡𝑖𝑣𝑎 𝑒 𝑐𝑜𝑟𝑟𝑒𝑡𝑖𝑣𝑎
𝐾𝑐
𝐾𝑝 1 σ2
Quando < 2 (1 − 𝜇2 ) , existirá um tempo mínimo para realização da
𝐾𝑐
manutenção preventiva que irá trazer uma relação entre custo horário de manutenção
preventiva e custo horário de manutenção corretiva menor que 1, sendo então mais
efetivo a manutenção preventiva. Caso o contrário ocorra, o tempo mínimo irá trazer um
relação entre os custos horários maior que 1, sendo então menos vantajoso.
𝜇 = 𝑇𝑀𝐸𝐹 = 𝑡0 + 𝜂. Γ(1 + 𝛽 −1 )
𝜇 = (381,8645)Γ(1 + 1,9433−1 )
σ = 𝜂[Γ(1 + 2𝛽 −1 ) − Γ 2 (1 + 𝛽 −1 )]2
σ = 181,7 horas
𝐾𝑝
< 0,35612
𝐾𝑐
𝐾𝑝
Montamos o gráfico 6.1 para valores valores de K = , para ilustrar o que foi
𝐾𝑐
dito.
24
4
3.8
3.6
3.4 K=0.1
3.2
K=0.2
Custo da MP/Custo da MC
3
2.8
2.6 K=0.3
2.4 K=0.4
2.2
2 K=0.5
1.8
1.6 K=0.6
1.4
1.2 K=0.7
1
0.8 K=0.8
0.6
0.4 K=0.9
0.2 K=1
0
0 100 200 300 400 500 600 700
Tempo (horas)
Gráfico 6.1
Vemos que as curvas estão de acordo com o que foi calculado, a relação entra
Cmp/Cmc é maior que 1 para Kp/Kc maior que 0,35612. Então o tempo mínimo para
realização da manutenção preventiva baseada no tempo só será efetivo para o Kp/Kc =
0,1 e 0,2. Para Kp/Kc = 0,4 e Kp/Kc = 0,6, temos que o tempo mínimo nos dá um
Cmp/Cmc maior que 1.
25
7. Calcular os períodos ótimos para realização da manutenção
preventiva, por tempo e por idade, com e sem a duração dos
reparos.
Os parâmetros da distribuição Weibull que iremos utilizar para os cálculos aqui,
serão os obtidos através do método da máxima verossimilhança.
T
KP/KC Verossimilhança Mínimos quadrados
0,6 295,843672 307,7858041
0,4 242,1007578 251,8734841
0,2 171,8524021 178,7894581
0,1 121,9874254 126,9116137
Tabela 7.1
ou
26
Gráfico 7.1 - Comparação entre os modelos para Kp/Kc = 0,1
27
8. Simular através do método Monte Carlo, com o auxílio do
MATLAB ou qualquer software, o funcionamento do equipamento
para o mesmo período de tempo de coleta de dados, considerando
que o mesmo está submetido a manutenções preventivas com os
tempos calculados no item anterior.
Figura 8.1
Um número aleatório maior que 0 e menor que 1 é gerado, esse número irá
representar probabilidade de falha. Através dele obtemos o tempo de falha do
equipamento. Para a distribuição Weibull teremos:
1 ( ⁄𝛽 )
1
𝑡 = 𝜂 [ln ( )]
1 − 𝐹(𝑥)
Após isso, comparamos o tempo "t" com o tempo da manutenção preventiva,
caso ele seja maior igual a "tp", ignoramos "t" e mantemos "tp" como sendo a
ocorrência de uma manutenção preventiva, desta forma, o tempo de reparo será
igual ao tempo de duração da manutenção preventiva, que deve ser logicamente
menor que os tempos de manutenção corretiva (nessa simulação ele será
equivalente a 0,5 horas);
Caso ocorra do tempo "t" ser menor que o tempo "tp", a manutenção corretiva
irá ocorrer e será gerado um outro número aleatório maior que 0 e menor que 1
28
para calcular o tempo de duração da manutenção corretiva, ele será calculado
através da seguinte equação para a distribuição lognormal:
𝑡 = exp[𝜙 −1 (𝑀(𝑡)) ∗ 𝜎 + 𝜇]
Esses processos iram se repetir até o tempo estabelecido como limite para a
simulação ser alcançando.
29
Simulação para Kp/Kc = 0,1 - Tp = 130 h Simulação para Kp/Kc = 0,2 - Tp = 200 h
i T (h) 𝜏 (h) i T (h) 𝜏 (h) i T (h) 𝜏 (h) i T (h) 𝜏 (h)
1 130,00 0,50 51 130,00 0,50 1 151,24 12,04 51 200,00 0,5
2 130,00 0,50 52 130,00 0,50 2 200,00 0,50 52 170,81 9,4086224
3 130,00 0,50 53 130,00 0,50 3 200,00 0,50 53 167,98 6,0049381
4 130,00 0,50 54 130,00 0,50 4 105,03 6,67 54 200,00 0,5
5 130,00 0,50 55 130,00 0,50 5 124,22 18,99 55 200,00 0,5
6 130,00 0,50 56 130,00 0,50 6 24,06 10,89 56 107,14 16,103726
7 130,00 0,50 57 130,00 0,50 7 200,00 0,50 57 200,00 0,5
8 130,00 0,50 58 130,00 0,50 8 200,00 0,50 58 200,00 0,5
9 130,00 0,50 59 130,00 0,50 9 109,47 6,28 59 200,00 0,5
10 130,00 0,50 60 130,00 0,50 10 200,00 0,50 60 200,00 0,5
11 130,00 0,50 61 130,00 0,50 11 200,00 0,50 61 200,00 0,5
12 130,00 0,50 62 130,00 0,50 12 200,00 0,50 62 200,00 0,5
13 130,00 0,50 63 130,00 0,50 13 200,00 0,50 63 200,00 0,5
14 97,51 19,91 64 130,00 0,50 14 167,11 5,11 64 200,00 0,5
15 119,14 7,69 65 130,00 0,50 15 147,41 3,96 65 200,00 0,5
16 130,00 0,50 66 130,00 0,50 16 200,00 0,50 66 200,00 0,5
17 124,47 9,98 67 91,97 6,65 17 200,00 0,50 67 200,00 0,5
18 130,00 0,50 68 109,35 7,87 18 200,00 0,50 68 200,00 0,5
19 130,00 0,50 69 130,00 0,50 19 147,08 12,79
20 130,00 0,50 70 130,00 0,50 20 200,00 0,50
21 130,00 0,50 71 130,00 0,50 21 200,00 0,50
22 130,00 0,50 72 130,00 0,50 22 200,00 0,50
23 130,00 0,50 73 130,00 0,50 23 200,00 0,50
24 130,00 0,50 74 130,00 0,50 24 103,43 4,90
25 130,00 0,50 75 130,00 0,50 25 134,50 4,41
26 130,00 0,50 76 130,00 0,50 26 196,29 6,44
27 130,00 0,50 77 130,00 0,50 27 82,51 14,64
28 130,00 0,50 78 130,00 0,50 28 200,00 0,50
29 130,00 0,50 79 130,00 0,50 29 200,00 0,50
30 130,00 0,50 80 130,00 0,50 30 200,00 0,50
31 130,00 0,50 81 130,00 0,50 31 200,00 0,50
32 101,13 10,45 82 130,00 0,50 32 200,00 0,50
33 130,00 0,50 83 130,00 0,50 33 200,00 0,50
34 130,00 0,50 84 130,00 0,50 34 127,09 11,00
35 130,00 0,50 85 130,00 0,50 35 200,00 0,50
36 130,00 0,50 86 28,02 6,06 36 197,13 6,32
37 130,00 0,50 87 130,00 0,50 37 117,62 3,92
38 130,00 0,50 88 130,00 0,50 38 200,00 0,50
39 130,00 0,50 89 130,00 0,50 39 200,00 0,50
40 130,00 0,50 90 130,00 0,50 40 200,00 0,50
41 103,66 9,74 91 130,00 0,50 41 91,03 4,86
42 130,00 0,50 92 130,00 0,50 42 200,00 0,50
43 130,00 0,50 93 130,00 0,50 43 200,00 0,50
44 130,00 0,50 94 130,00 0,50 44 44,77 2,83
45 130,00 0,50 95 130,00 0,50 45 160,30 8,89
46 130,00 0,50 46 200,00 0,50
47 130,00 0,50 47 200,00 0,50
48 130,00 0,50 48 200,00 0,50
49 130,00 0,50 49 200,00 0,50
50 130,00 0,50 50 200,00 0,50
30
Dados iniciais - Sem Simulação para Kp/Kc = 0,1; Simulação para Kp/Kc = 0,2;
Manutenção preventiva Tp = 130 horas Tp = 200 horas
Tempo de 12050,78 Tempo de Tempo de
funcionamento (Horas) funcionamento (Horas) 12207,1 funcionamento (Horas) 12276,21
Quantidade de horas 11761,78 Quantidade de horas Quantidade de horas
ativo (Horas) ativo (Horas) 12085,24 ativo (Horas) 12076,25
Quantidade de horas 289,00 Quantidade de horas Quantidade de horas
parado (Horas) parado (Horas) 121,84 parado (Horas) 199,96
Quantidade de 35 Quantidade de Quantidade de
manutenções corretivas manutenções corretivas 8 manutenções corretivas 21
Quantidade de Quantidade de Quantidade de
manutenções - manutenções manutenções
preventivas preventivas 87 preventivas 47
Custo com manutenção - Custo com manutenção Custo com manutenção
preventiva preventiva 8700 preventiva 9400
Custo com manutenção 35000 Custo com manutenção Custo com manutenção
corretiva corretiva 8000 corretiva 21000
Custo total com 35000 Custo total com Custo total com
manutenção manutenção 16700 manutenção 30400
31
Código no MATLAB utilizado na simulação
clear all
close all
clc
32
9. Fazer uma análise comparativa dos resultados obtidos
anteriormente através dos métodos e técnicas diferentes.
Vemos a partir da tabela 9.1 que através dos três métodos utilizados, obtemos
para os três indicadores (TMPR, TMEF e disponibilidade) valores bastante semelhantes,
isso demonstra que até mesmo o método empírico pode apresentar resultados bons
quando comparado com os métodos teóricos.
Distribuição Weibull
Parâmetros Máxima verossimilhança Mínimos Quadrados
𝜂 381,8645 385,5295
𝛽 1,9433 1,9462
Diferenças entre o parâmetro neta: 0,951 %
Diferenças entre o parâmetro beta: 0,148 %
Tabela 9.2
Distribuição Lognormal
Parâmetros Máxima verossimilhança Mínimos Quadrados
𝜇 1,9759 1,9759
𝜎 0,5459 0,5650
Diferenças entre o parâmetro neta: 0 %
Diferenças entre o parâmetro beta: 3,502 %
Tabela 9.3
33
Análise dos testes de aderência
Como foi mostrado anteriormente, ambos os métodos para estimar os
parâmetros das distribuições mostram resultados praticamente iguais, e por este motivo
escolhemos realizar o teste de aderência apenas para os parâmetros obtidos pelo método
da máxima verossimilhança.
Após isso, montamos um gráfico no Matlab que faz uma comparação entre os
dois modelos (modelo por idade o modelo por tempo constante). Verificamos no gráfico
7.1 e gráfico 7.2, que o ponto mínimo para o modelo de tempo constante resultou em
valores iguais aos obtidos através da equação utilizada. Nestes mesmos gráficos é
possível verificar a diferença entre os modelos. Inicialmente ambos modelos trazem
resultados praticamente iguais para os custos, mas com o aumento do tempo de
realização da manutenção, o modelo baseado na idade resulta em custos menores para o
mesmo tempo.
34
10. Censure o terceiro, quinto, décimo terceiro, décimo nono,
vigésimo terceiro e vigésimo sétimo de tempo de falhas e
recalcule o item 2, 3 e 4.
O método empírico que iremos utilizar aqui será o método estimador limite de
produto. Através desse método podemos calcular a estimativa da confiabilidade para
cada 𝑡𝑖 através da seguinte equação:
𝑛 + 1 − 𝑖 𝛿𝑖
𝑅̂ (𝑡𝑖 ) = ( ) 𝑅̂ (𝑡𝑖−1 )
𝑛+2−𝑖
Onde:
𝑅̂ (0) = 1
𝐹(𝑡𝑖+1 ) − 𝐹(𝑡𝑖 )
𝑓̂(𝑡𝑖 ) =
∆𝑡𝑖
𝑓̂(𝑡𝑖 )
𝜆̂(𝑡) =
𝑅̂ (𝑡𝑖 )
35
9 178,9833 5,3 0,96428571 0,797654 0,202346 0,0055741 0,0069881
10 184,2833 9,816667 0,96296296 0,768111 0,231889 0,0030094 0,003918
11 194,1 16,2 0,96153846 0,738568 0,261432 0,0018236 0,0024691
12 210,3 6,5 0,96 0,709026 0,290974 0,0047426 0,006689
13 214,7333+ - 0,95833333 - - - -
14 216,8 5,616667 0,95652174 0,678199 0,321801 0,0054885 0,0080928
15 222,4167 6,833333 0,95454545 0,647371 0,352629 0,0045113 0,0069686
16 229,25 30,98333 0,95238095 0,616544 0,383456 0,000995 0,0016138
17 260,2333 64,05 0,95 0,585717 0,414283 0,0004813 0,0008217
18 324,2833 50,98333 0,94736842 0,55489 0,44511 0,0006402 0,0011538
19 330,65+ - 0,94444444 - - - -
20 375,2667 23,85 0,94117647 0,522249 0,477751 0,0013686 0,0026205
21 399,1167 16,01667 0,9375 0,489609 0,510391 0,0020379 0,0041623
22 415,1333 18,51667 0,93333333 0,456968 0,543032 0,0018984 0,0041543
23 424,7+ - 0,92857143 - - - -
24 433,65 17,53333 0,92307692 0,421817 0,578183 0,0020048 0,0047529
25 451,1833 13,75 0,91666667 0,386665 0,613335 0,0025565 0,0066116
26 464,9333 94,8 0,90909091 0,351514 0,648486 0,000412 0,0011721
27 490,9167+ - 0,9 - - - -
28 559,7333 0,3 0,88888889 0,312457 0,687543 0,1301903 0,4166667
29 560,0333 12,68333 0,875 0,2734 0,7266 0,0030794 0,0112634
30 572,7167 11 0,85714286 0,234343 0,765657 0,0035506 0,0151515
31 583,7167 10,31667 0,83333333 0,195285 0,804715 0,0037858 0,0193861
32 594,0333 28,86667 0,8 0,156228 0,843772 0,001353 0,0086605
33 622,9 25,68333 0,75 0,117171 0,882829 0,0015207 0,0129786
34 648,5833 13,15 0,66666667 0,078114 0,921886 0,0029701 0,0380228
35 661,7333 - 0,5 0,039057 0,960943 - -
Tabela 10.1
Função Confiabilidade
1.2
1
0.8
R(t)
0.6
0.4
0.2
0
0 100 200 300 400 500 600 700
T (horas)
36
Para a função cumulativa de falhas temos:
1.2
1
F(t)
0.8
0.6
0.4
0.2
0
0 100 200 300 400 500 600 700
T (horas)
Gráfico 10.2 - Estimativa da função cumulativa de falhas com dados censurados
0.6
0.5
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700
T (horas)
Gráfico 10.3 - Estimativa da função densidade de probabilidade de falhas com dados censurados
37
Para a função taxa de falhas, obtemos:
0.8
h(t)
0.6
0.4
0.2
0
0 100 200 300 400 500 600 700
T (horas)
𝑇𝑀𝐸𝐹 350,815
𝐴𝑂 = = = 0,9773
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 350,815 + 8,146
38
Para a distribuição Weibull, obtemos:
Parâmetro de Localização = 0
Var(𝛽) = 0,1126;
Var(𝜂) = 1413,163.
t10 = 139,5938
39
t50 = 352,9711
Agora nós iremos mostrar os gráficos obtidos através do programa Proconf para
a distribuição de Weibull:
1.0
0.8
0.6
R(t)
0.4
0.2
0.0
0 200 400 600 800 1000
t: tempo
1.0
0.8
0.6
F(t)
0.4
0.2
0.0
0 200 400 600 800 1000
t: tempo
40
Gráfico da função densidade de probabilidade:
0.0025
0.0020
0.0015
f(t)
0.0010
0.0005
0.0000
0 200 400 600 800 1000
t: tempo
0.015
0.010
h(t)
0.005
0.000
0 200 400 600 800 1000
t: tempo
Para dados com censuras aleatórias a distribuição lognormal não está disponível
no software Proconf. Então fizemos os cálculos utilizando as equações para este método
da máxima verossimilhança.
41
Temos as seguintes equações:
∑𝑛𝑖=1(ln 𝑡𝑖 − 𝜇)²
𝑠=√ = 0,5611
𝑛
𝑡𝑚𝑒𝑑 = 𝑒 𝜇 = 7,0622
𝑇𝑀𝐸𝐹 374,5897
𝐴𝑂 = = = 0,9784
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 374,5897 + 8,266
Nós iremos agora repetir o item 10.1 utilizando a técnica dos mínimos
quadrados, iremos fazer isso para os dados de falha que seguem a distribuição Weibull e
os dados de reparo que seguem a distribuição Lognormal.
42
Montando uma tabela, temos:
43
Montando um gráfico temos:
2
Distribuição de Weibull
1
0
LnLn[1/(1-F(t))]
-1
-2
-3
-4
-5
4 4.5 5 5.5 6 6.5 7
Ln[T(horas)]
Gráfico 10.9
44
21 8,666667 0,584746 2,159484 0,214049 4,6633722 0,0458172 0,462236
22 8,783333 0,612994 2,172856 0,287132 4,7213031 0,0824447 0,623896
23 9,566667 0,641243 2,258285 0,361783 5,0998504 0,130887 0,817009
24 9,583333+ - - - - - -
25 10,31667 0,69774 2,333761 0,517912 5,4464391 0,2682327 1,208682
26 10,5 0,725989 2,351375 0,600726 5,5289656 0,3608715 1,412532
27 10,6 0,754237 2,360854 0,687885 5,5736316 0,4731853 1,623995
28 11,23333 0,782486 2,418886 0,780616 5,8510073 0,6093617 1,888221
29 11,93333 0,810734 2,479336 0,880606 6,147105 0,775467 2,183318
30 11,96667+ - - - - - -
31 13,58333 0,867232 2,608844 1,1134 6,8060647 1,2396593 2,904686
32 14,33333+ - - - - - -
33 16,15 0,923729 2,78192 1,430609 7,7390792 2,0466414 3,979839
34 16,63333 0,951977 2,811409 1,664337 7,904019 2,7700161 4,67913
35 18,73333 0,980226 2,930304 2,058439 8,5866843 4,2371706 6,031853
SOMA - - 56,68781 -0,8331 119,93971 26,845643 13,75759
Tabela 10.3
𝜎2 1,9712²
𝑇𝑀𝑃𝑅 = exp [𝜇 + ] = exp [0,5736 + ] = 8,4635 𝐻𝑜𝑟𝑎𝑠
2 2
𝑇𝑀𝐸𝐹 380,5575
𝐴𝑂 = = = 0,9782
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 380,5575 + 8,4635
Podemos notar que mesmo com a censura dos dados, os três métodos
utilizados para calcular TMEF, TMPR e a disponibilidade, apresentaram bons
resultados se comparado com os resultados obtidos dos dados sem censura. Fizemos a
tabela 10.4 para realizar uma comparação.
Vemos que houve diferenças entre os resultados para os dados com e sem
censura, mas os resultados ainda aparentam ser bons.
45
46