PROPOSTA DE METODOLOGIA PARA USO DO CONHECIMENTO A

PRIORI COMO FERRAMENTA PARA DIMENSIONAMENTO DE EQUIPES

DE MANUTENÇÃO DE ESTAÇÕES DE GÁS NATURAL

Heitor Fagner Lopes de Lima (TRANSPETRO)

heitorfagner@petrobras.com.br

Resumo

Empresas que buscam se manter competitivas devem ter atenção especial ao

custo com manutenção, em especial aos recursos humanos pois podem chegar
a representar mais de 50% dos custos com manutenção. Um dos principais
problemas para o dimensionamento correto do quadro técnico é a falta de
dados confiáveis de registros de manutenção. Em casos de ausência de dados,
o uso do conhecimento a priori é indicado como forma tratar a informação
necessária e apoiar uma decisão. Sendo assim, este artigo propõe uma
metodologia para o dimensionamento de mão de obra para manutenção em
instalações de transferência de custódia de gás natural. Um procedimento
baseado na experiência de técnicos que executam manutenções nesse tipo de
unidade é proposto. A metodologia proposta leva em consideração dados
oriundos de estudos de Manutenção Centrada em Confiabilidade (MCC),
estatísticas relativas a distribuição de horas aplicadas em atividades de
manutenção, bem como conceitos de manutenções preventivas e corretivas. O
resultado da utilização da metodologia proposta se mostra bastante coerente,
pois a quantidade de técnicos calculada ficou compatível com o
dimensionamento atual, uma vez que a unidade passou por uma redução de
executantes e manteve o atendimento das manutenções de forma satisfatória.

Palavras-chave: Dimensionamento de equipes de manutenção, conhecimento

a priori, gasodutos

1. Introdução

O atual cenário econômico mundial aliado ao ambiente competitivo entre

empresas, tem obrigado as corporações a se tornarem, cada vez mais,
eficientes e eficazes. Dentre as principais ações para manter uma empresa
competitiva, está a boa gestão de seus custos e, nesse contexto, a
manutenção possui papel fundamental, pois busca maximizar a disponibilidade
e a confiabilidade dos ativos com o menor custo possível.

Os principais custos com manutenção podem ser divididos em materiais,

serviços terceirizados e mão de obra própria (KARDEC; NASCIF, 2009).
Kardec e Nascif (2009) também afirmam que os custos com pessoal próprio e
serviços contratados representam uma parcela significativa dos custos de
manutenção, chegando ao patamar de 58,9%. As empresas tendem a utilizar
ferramentas históricas, estatísticas e manuais de fabricantes para o
dimensionamento de seus sobressalentes, além de contratar serviços que
requerem uma maior especialização e ferramentas do que não dispõem em
suas oficinas. Por outro lado, na maior parte dos casos, as empresas não usam
ferramentas estatísticas para determinar o tamanho de sua equipe de
manutenção. Em boa parte, não utilizam técnicas de dimensionamento por falta
de informações ou os dados em seus sistemas de informação não são
confiáveis.

A falta ou a incerteza de dados para cálculo da necessidade de mão-de-obra

para manutenção podem ser amenizadas quando da utilização da experiência
das equipes. Uma das principais ferramentas para organização das
informações obtidas através da experiência é conhecida como conhecimento a
priori. Portanto, este artigo aborda a utilização desta técnica como modelagem
probabilística do parâmetro da relação homem-hora (Hh), que servirá de base
para o cálculo da necessidade de mão-de-obra para manutenção.

Para verificar a eficácia da metodologia, este artigo apresenta o cálculo do

efetivo de uma base operacional de gasodutos que fica no estado de
Pernambuco. A unidade foi escolhida pela facilidade de acesso aos técnicos
executantes, bem como o fato de ter um histórico confiável de registro das
manutenções. Desta forma, se torna possível a comparação dos resultados
obtidos através do conhecimento a priori e do levantamento de informações no
banco de dados.

Este artigo tem por objetivo explorar e propor uma ferramenta para
dimensionamento de equipes de manutenção com base no conhecimento a
priori. Para isso, é realizado um estudo de caso abordando a metodologia
proposta.
 2. Referencial teórico

2.1 A cadeia de gás natural

Segundo Lopes (2009), no Brasil e em vários outros países, a cadeia produtora

de gás natural é composta pelas etapas de exploração, produção,
processamento, transporte e distribuição. A coleta é realizada na área de
exploração e produção, onde estão localizadas as plataformas terrestres ou
marinhas, que realizam a prospecção da jazida de hidrocarbonetos e a
separação dos elementos da corrente (gás, areia, água e óleo). O gás extraído
nessa etapa passa, logo em seguida, por um processo de tratamento, que
pode ser feito na plataforma ou não. Depois de tratado, o gás natural é
transportado através de malha dutoviária, onde são empregados os dutos, as
válvulas de bloqueio, as estações de compressão e as estações de recepção,
entrega e/ou redução de pressão de gás. No final da cadeia produtora se
encontra o setor de distribuição, o qual é encarregado da comercialização do
gás junto aos consumidores finais.

As áreas de produção de gás natural, em geral, estão muito afastadas dos

centros de consumo. Desta forma, o gás natural precisa ser transportado por
longas distâncias através de dutos de transporte (gasodutos). Sendo assim, as
estações de compressão possuem função importante para elevação de
pressão do gasoduto, pois sua finalidade é imprimir ao gás natural a energia
necessária para vencer as perdas de carga do sistema, principalmente por
atrito do gás com as paredes dos tubos. As estações de compressão de gás
são localizadas ao longo dos gasodutos, tanto na origem do gasoduto como em
pontos intermediários do mesmo. É justamente nessas estações de
compressão que o gás natural adquire energia potencial para poder alcançar e
atender as demandas dos grandes centros de consumo.

Em resumo, o gás é transportado à alta pressão e entregue em baixa pressão

nas estações de redução de pressão que também são conhecidas como
Pontos de Entrega ou City Gates. Dentro deste contexto, a figura 1 apresenta o
fluxo de gás natural desde o poço até o centro consumidor.
 Figura 1 - Fluxo de Gás Natural do poço ao consumidor (LOPES, 2009)

Os Pontos de Entrega de Gás Natural (PE) são, geralmente, constituídos por

módulos, também conhecidos como tramos, de filtragem, aquecimento,
redução de pressão (ou regulagem) utilidades de medição. Alguns Pontos de
Entrega também apresentam o módulo de limitação de vazão. A finalidade de
um PE é condicionar e medir o gás natural para venda aos clientes de acordo
com as pressões e temperaturas (algumas vezes vazão) estabelecidos pelo
contrato assinado. A figura 2 expõe o esquema básico de como um Ponto de
Entrega é divido.

Figura 2 - Esquema básico de um Ponto de Entrega (PE)

2.2 Dimensionamento de Equipes de Manutenção

De acordo com Ferreira (2006), o dimensionamento de equipes de manutenção

é uma problemática com literatura bastante consolidada e com diversas
aplicações particulares.

O dimensionamento incorreto das equipes de manutenção pode acarretar em

elevação de custos para a companhia ou na insuficiência em atender as
demandas e, consequentemente, aumentar o risco de falhas dos ativos por
falta de manutenção. Segundo Nascif e Dorigo (2010), em geral, as indústrias
que não realizam controle de produtividade da equipe de manutenção,
apresentam entre 28% e 35% na relação entre tempo de execução e tempo
total disponível. A adoção de práticas de controle, eleva esta média para
valores próximos a 50%. Palmer (2006) também apresenta valores
aproximados de wrench time (tempo de execução efetiva dos serviços). Ele
afirma que a média de tempo de execução fica entre 25% e 35%, porém se
aliado a um bom planejamento pode chegar ao patamar de 50% a 55%.

O documento nacional da situação da manutenção no Brasil (ABRAMAN, 2013)

indica que o tempo destinado a manutenções preventivas e preditivas
representam, respectivamente, 36,55% e 18,82% do percentual de Hh total
disponível em equipes de manutenção. Isso representa que o Hh aplicado em
manutenções planejadas (preventivas e preditivas) gira em torno de 55,37%.

Figura 3 - Aplicação de Recursos na Manutenção. Fonte: ABRAMAN, 2013

2.3 Modelagem do conhecimento a priori

Em situações onde não há dados históricos ou não se pode confiar na

qualidade dos dados registrados, muitas empresas recorrem ao conhecimento
de especialistas, porém sem utilizar de metodologia científica para obter tais
dados. Visando organizar a coleta de dados e a obtenção de resultados
estatisticamente satisfatórios, alguns trabalhos acadêmicos propõem a
utilização da inferência bayesiana, também conhecida como conhecimento a
priori. (FERREIRA, 2001).

De modo geral, as empresas possuem grande volume de dados de

manutenção, porém estes dados não se apresentam confiáveis. Em alguns
casos por falhas de registro e em outros por dar mais prioridade a execução da
manutenção do que no registro do que foi realizado (FERREIRA, 2006).

Segundo Ferreira (2006), a utilização do conhecimento a priori trata as

incertezas de forma mais apropriada, pois permite a incorporação de uma
distribuição de probabilidade sobre os parâmetros onde os valores exatos não
são conhecidos. Desta forma, ao invés de valores fixos para os tempos
necessários para cada atividade, são obtidas distribuições de probabilidade,
sendo assim possível determinar o nível chance de acerto para cada atividade
selecionada.

3. Metodologia proposta

As atividades planejadas, e suas respectivas periodicidades, para o caso

estudado, são obtidas através do resultado de estudos de Manutenção
Centrada em Confiabilidade (MCC), enquanto a quantidade de horas
necessárias (Hh) para cada atividade é encontrada através da utilização do
conhecimento a priori dos executantes. De posse das informações de Hh totais,
se torna possível calcular o efetivo da manutenção.

Com base nas informações expostas nos capítulos anteriores, é utilizado o

valor de 50% como o tempo utilizado em manutenções planejadas
(preventivas, preditivas e detectivas) e, consequentemente, os outros 50% são
distribuídos entre manutenções corretivas, melhorias e outras atividades. Além
da distribuição por tipo de manutenção, será adotado o fator de produtividade
de 50%, que é uma característica de empresas com planejamento bem
estruturado.

A atividade está distribuída nas seguintes etapas:

 Figura 4 - Resumo das etapas do estudo

Para definir o quantitativo de mão de obra a partir do Hh necessário, é

importante ter a base do Hh disponível. Os critérios utilizados para identificação
do HH disponível são os seguintes:

 Meses disponíveis / Ano: 11 m (1 mês férias)

 Dias úteis / Mês: 21 d
 Horas disponíveis / Dia: 8 h
 Fator Produtividade: 0,5 (50%)
 Neste caso o Hh disponível por mês a ser considerado nos cálculos é
de: 77 h
 Cálculo: Hh disp. = (m / 12) x d x h x FP Hh disp. = (11 / 12) x 21 x 8 x
0,5 = 77

Em resumo, os critérios definidos são:

 Hh disponível de cada técnico por mês: 77h

 Relação entre Hh de manutenção preventiva sobre o total utilizado: 50%
 Fator de produtividade (perdas, deslocamentos, mobilizações, etc): 50%
 Atendimento de 90% das manutenções dentro do prazo

Para aplicação da metodologia, foi escolhida uma base operacional

responsável pela manutenção de instalações de gás natural no estado de
Pernambuco. A base faz parte de uma empresa estatal de logística que atua no
transporte e armazenamento de petróleo e derivados, álcool, biocombustíveis e
gás natural.

Todos os Pontos de Entrega, sob responsabilidade da base operacional

selecionada, passaram por estudos de Manutenção Centrada em
Confiabilidade (MCC) e quais atividades devem ser realizadas e suas
respectivas periodicidades que foram definidas. Ao total, foram identificadas 48
tarefas por City Gate. A figura abaixo expõe a forma como elas foram
apresentadas aos especialistas. Os títulos reais das manutenções foram
ocultados por questões de sigilo da pesquisa.
Sistema Especialidade Operação
Geral INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 01
Entrada/Saída AUTOMAÇÃO EXECUÇÃO DE MANUTENÇÃO 02
Entrada/Saída MECÂNICO EXECUÇÃO DE MANUTENÇÃO 03
Entrada/Saída INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 04
Filtragem AUTOMAÇÃO EXECUÇÃO DE MANUTENÇÃO 05
Filtragem MECÂNICO EXECUÇÃO DE MANUTENÇÃO 06
Filtragem INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 07
Aquecimento MECÂNICO EXECUÇÃO DE MANUTENÇÃO 08
Aquecimento AUTOMAÇÃO EXECUÇÃO DE MANUTENÇÃO 09
Aquecimento INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 10
Regulagem MECÂNICO EXECUÇÃO DE MANUTENÇÃO 11
Regulagem AUTOMAÇÃO EXECUÇÃO DE MANUTENÇÃO 12
Regulagem INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 13
SPDA ELETRICISTA EXECUÇÃO DE MANUTENÇÃO 14
UPS ELETRICISTA EXECUÇÃO DE MANUTENÇÃO 15

Figura 5 - Exemplo de quadro utilizado com as atividades distribuídas por sistema e

especialidade

Para utilização do conhecimento dos especialistas foi necessária uma

adaptação ao método de Raiffa (1968) para determinar o tempo necessário
(Hh) para cada tarefa típica dos pontos de entrega. Uma vez que são 48
tarefas, não haveria tempo disponível para que os entrevistados respondessem
perguntas dividindo cada atividade em muitos intervalos com percentis
equiprováveis. Então, foi utilizado o princípio proposto por Raiffa (1968) para
determinação de três valores para cada atividade, sendo eles: Hh máximo
(execução mais lenta), Hh mínimo (execução mais rápida posível) e Hh mais
provável de ocorrer (moda). Uma distribuição triangular foi utilizada para
modelar o conhecimento a priori por questões de simplicidade. Entretanto,
outras distribuições também poderiam ser utilizadas.

Foi possível aplicar a entrevista com sete técnicos, sendo todos os

executantes, o supervisor e o programador de manutenção da base
selecionada. Todos possuíam grande experiência na execução das atividades
típicas dos City Gates, porém uns sendo mais conhecedores de determinadas
atividades que os outros. Para poder comparar e agrupar os níveis de
experiências distintos, a primeira pergunta do questionário foi a seguinte:
“Quantas vezes você executou cada atividade abaixo em Pontos de Entrega?”
Foi atribuído um valor de 0 até 3 para cada uma das tarefas, sendo:

0 - Se nunca realizou
1 - Se realizou até 5 vezes
2 - Se realizou mais de 5 e menos de 10 vezes
3 - Se realizou mais de 10 vezes

O resultado médio foi o seguinte:

Figura 6 - Índice de experiência dos técnicos entrevistados

O resultado refletiu bem a especialidade de cada entrevistado, bem como o

tempo que executa as atividades. Os valores de experiência foram adotados
como pesos nas respostas sobre os Hh para cada atividade.
HH HH
HH HH Vezes Quant. Eq. Por HH Mín
Sistema Especialidade Operação HH Mín Médio Máximo
Médio Máximo por mês Pontos Ponto mensal
mensal mensal
Geral INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 01 2,6 3,1 4,8 0,3 9,0 1,0 5,8 7,1 10,7
Entrada/Saída AUTOMAÇÃO EXECUÇÃO DE MANUTENÇÃO 02 1,3 1,7 3,1 0,0 9,0 1,0 0,5 0,6 1,1
Entrada/Saída MECÂNICO EXECUÇÃO DE MANUTENÇÃO 03 1,2 1,6 3,1 0,0 9,0 1,0 0,4 0,6 1,2
Entrada/Saída INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 04 2,0 3,0 4,6 0,0 9,0 1,0 0,8 1,1 1,7
Filtragem AUTOMAÇÃO EXECUÇÃO DE MANUTENÇÃO 05 0,5 0,5 1,0 1,0 9,0 2,0 9,0 9,0 18,0
Filtragem MECÂNICO EXECUÇÃO DE MANUTENÇÃO 06 1,0 1,4 1,8 0,2 9,0 2,1 3,3 4,3 5,7
Filtragem INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 07 0,7 0,8 1,3 0,0 9,0 2,0 0,5 0,6 1,0
Aquecimento MECÂNICO EXECUÇÃO DE MANUTENÇÃO 08 0,9 1,3 2,6 0,0 9,0 2,1 0,7 1,1 2,1
Aquecimento AUTOMAÇÃO EXECUÇÃO DE MANUTENÇÃO 09 1,2 2,1 3,6 0,0 9,0 2,1 0,7 1,2 2,0
Aquecimento INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 10 0,5 0,8 1,2 0,1 9,0 2,0 0,7 1,2 1,8
Regulagem MECÂNICO EXECUÇÃO DE MANUTENÇÃO 11 2,3 3,4 5,0 0,0 8,0 2,0 1,6 2,3 3,3
Regulagem AUTOMAÇÃO EXECUÇÃO DE MANUTENÇÃO 12 2,7 4,0 6,2 0,0 9,0 2,0 2,0 3,0 4,6
Regulagem INSTRUMENTISTA EXECUÇÃO DE MANUTENÇÃO 13 0,6 0,7 1,0 0,1 9,0 2,0 0,9 1,0 1,4
SPDA ELETRICISTA EXECUÇÃO DE MANUTENÇÃO 14 2,9 3,6 5,3 0,0 9,0 2,0 1,1 1,4 2,0
UPS ELETRICISTA EXECUÇÃO DE MANUTENÇÃO 15 1,4 2,4 3,3 0,0 9,0 2,0 0,5 0,9 1,3

Figura 7 - Hh estimado por atividade com base na experiência dos técnicos

Legenda:

HH Mín – Média ponderada do menor Hh possível para execução da atividade

HH Médio – Média ponderada do Hh mais provável para execução da atividade
HH Máximo – Média ponderada do maior Hh possível para execução da
atividade
Vezes por mês – Periodicidade em valores mensais
Quant. Pontos – Quantidade de Pontos de Entrega onde a atividade é realizada
Eq. Por Ponto – Quantidade de equipamentos onde a atividade é realizada por
City Gate
HH Mín mensal – Valor total de Hh mínimo dispendido na atividade
mensalmente
HH Médio mensal – Valor total de Hh mais provável dispendido na atividade
mensalmente
HH Máximo mensal – Valor total de Hh máximo dispendido na atividade
mensalmente

Além de separados por atividade, os valores de Hh foram calculados por

disciplina, gerando os seguintes resultados:

HH por Especialidade INSTRUMENTISTA AUTOMAÇÃO MECÂNICO ELETRICISTA Somatório

HH Mín mensal 20,8 41,0 23,2 8,2 93,2
HH Preventiva
(50% do total
HH Médio mensal 30,5 54,8 36,8 12,1 134,2
HH Máximo mensal 47,7 105,4 54,2 17,7 225,1
HH Mín mensal 20,8 41,0 23,2 8,2 93,2
HH Corretiva e demais atividades
(outros 50% do total)
HH Médio mensal 30,5 54,8 36,8 12,1 134,2
HH Máximo mensal 47,7 105,4 54,2 17,7 225,1
HH Mín mensal 41,7 82,0 46,3 16,4 186,4
HH Total necessário HH Médio mensal 60,9 109,7 73,6 24,2 268,4
HH Máximo mensal 95,4 210,9 108,5 35,3 450,1
HH Mín mensal 0,5 1,1 0,6 0,2 2,4
Qtd de técnicos necessários
(Com 77h mensais disponíveis)
HH Médio mensal 0,8 1,4 1,0 0,3 3,5
HH Máximo mensal 1,2 2,7 1,4 0,5 5,8

Figura 8 - Resultado do levantamento de Hh necessário e prévia da quantidade de executantes

necessária

Os resultados acima indicam que, para o atendimento das manutenções em

Pontos de Entrega, a base precisa entre 3 e 6 pessoas. Para identificar com
qual Hh disponível seria necessário para atender 90% das ordens de
manutenção dentro dos prazos estabelecidos, os valores de mínimo, moda e
máximo foram utilizados para modelar uma distribuição triangular.

HH FDA
HH mínimo 186,40 0,0%
HH moda 268,43 31,1%
HH máximo 450,12 100,0%
Teste de Hipótese 380,92 90%
QTd de Técnicos (90%) 4,9

Figura 9 - Resultado da quantidade de técnicos com base em distribuição triangular

 Figura 10 - Gráfico da distribuição triangular

O resultado indica que a base precisa de aproximadamente cinco técnicos para

executar as demandas relativas aos pontos de entrega. A quantidade de
técnicos calculada se mostrou bem aderente à realidade, uma vez que a base
operacional em questão teve, durante o período do estudo de caso, uma
redução de oito para cinco técnicos executantes e, mesmo assim, tem
conseguido atingir as metas de atendimento aos prazos das ordens de
manutenção com a utilização de horas extras dentro dos limites aceitáveis.

Em busca de comparar os dados obtidos através da utilização da metodologia

proposta com os dados reais, foi realizado a modelagem dos dados históricos
de manutenção no período de julho de 2016 até junho de 2017.

Como pode se ver nas figuras abaixo, os valores se adaptam a uma

distribuição weibull em 92,41%, o que pode ser considerado aceitável.
j t F(t) F(t) * 100 Ln (t) ln (ln (1/(1-F(t))) Weibull FDP Weibull FDA
1 202,02 0,056452 5,645161 5,308367 -2,845458285 0,107959052 0,001707171
2 216,3 0,137097 13,70968 5,376666 -1,914247621 0,134069389 0,001950275
3 224,31 0,217742 21,77419 5,413029 -1,404170849 0,150239658 0,002087184
4 262,8 0,298387 29,83871 5,571393 -1,037403987 0,242880777 0,002712726
5 271,73 0,379032 37,90323 5,604809 -0,741337623 0,267686681 0,002841441
6 340,6 0,459677 45,96774 5,830709 -0,485175833 0,487867129 0,003405111
7 394,48 0,540323 54,03226 5,977568 -0,252018579 0,667120473 0,003141238
8 395,32 0,620968 62,09677 5,979696 -0,03032111 0,669755334 0,003132218
9 413,51 0,701613 70,16129 6,024682 0,190094315 0,724759607 0,00290609
10 446,8 0,782258 78,22581 6,102111 0,421630212 0,812990127 0,002374845
11 447,5 0,862903 86,29032 6,103677 0,686660297 0,814648231 0,00236259
12 503,62 0,943548 94,35484 6,221822 1,055834013 0,919059228 0,001367389

Figura 11 - Modelagem dos dados históricos pela distribuição weibull

 Meses analisados 12
y -20,13
β 3,38
R² 0,9241
η 383,53
FDA Requirido 90,0%
Hh requerido 490,55
Qtd de técnicos 6,4

Figura 12 - Teste de compatibilidade com a distribuição weibull e dimensionamento de técnicos

O resultado histórico revela que a base precisa de sete pessoas, enquanto o

levantamento pela metodologia proposta identificou a necessidade de cinco.
Essa diferença se deve ao fato de, no período estudado, a base possuía oito
técnicos executantes, sendo um deles atuando de forma dividida entre duas
bases. Isso mostra que a programação era realizada pela quantidade de
técnicos disponíveis ao invés de ser pela quantidade de trabalho requerida.
Dado o exposto, a utilização da metodologia de conhecimento a priori se
mostra mais efetiva que o levantamento histórico das horas apontadas em
ordens de manutenção.

4. Conclusões

A metodologia do conhecimento a priori, ou inferência bayesiana, se mostrou

de grande utilidade para o dimensionamento da mão de obra de manutenção
em casos onde o histórico não é confiável ou não existe. A aplicação da
metodologia se mostrou prática e de fácil utilização. Os resultados calculados
puderam ser confirmados na prática, através do estudo de caso. Coletar dados
com mais de uma pessoa para as mesmas atividades foi importante para
confirmar as respostas. É importante ressaltar que a realização de cálculos
com base no trabalho apontado tende a indicar uma quantidade próxima da
atual, pois a programação das atividades é realizada de forma a preencher o
tempo disponível da mão de obra atual. Portanto, a utilização da inferência
bayesiana se mostrou a melhor opção, neste caso.
Bibliografia

NASCIF, Julio e KARDEC, Alan. Manutenção função estratégica.

Qualitymark editora. 3ª edição, 2009.

LOPES, Paulo Roberto Pinto. Uso de expansores para geração de energia

elétrica em estações de redução de pressão de gás natural. Rio de Janeiro.
Originalmente apresentado como dissertação de mestrado, 2009.

FERREIRA, Heldemarcio Leite. Uso do Conhecimento a Priori de

Especialista no dimensionamento de Sobressalentes para a Manutenção
do Sistema na CELPE. Recife. Originalmente apresentado como dissertação
de mestrado, 2001.

FERREIRA, Rodrigo José Pires. Modelos de decisão para dimensionamento

de equipes de manutenção. Recife. Originalmente apresentado como
dissertação de mestrado, 2006.

NASCIF, Julio e DORIGO, Luiz Carlos. Manutenção orientada para

resultados. Qualitymark editora. 1ª edição, 2010.

PALMER, Richard Doc. Maintenance Planning and Scheduling Handbook.

Mcgraw-hill. 2ª edição, 2006.

ABRAMAN. Situação da Manutenção no Brasil - Documento Nacional 2013.

Disponível em: < http://www.abraman.org.br/sidebar/documento-
nacional/resultado-2013>. Acessado em 27/08/2017.

RAIFFA, Howard. Decision Analysis: Introductory Lectures on Choices

Under Uncertainty. Addison-Wesley. 2ª edição, 1968.