Escolar Documentos
Profissional Documentos
Cultura Documentos
Aplicação Da Simulação de Teoria de Filas Nos Estudos de Confiabilidade E Otimização de Equipes de Manutenção
Aplicação Da Simulação de Teoria de Filas Nos Estudos de Confiabilidade E Otimização de Equipes de Manutenção
Resumo
A função manutenção está a cada sendo mais gerenciada pelas empresas co-
mo uma forma de aumentar sua rentabilidade, diminuindo-se o uso de recursos
e aumentando-se a produtividade das instalações.
Pode-se definir a função manutenção nas empresas não mais como a função
responsável apenas por consertar equipamentos reativamente após uma falha,
mas sim como responsável por manter a disponibilidade e a confiabilidade dos
equipamentos pro ativamente, com uso otimizado de recursos, ou seja, a ma-
nutenção hoje busca a melhor relação eficiência x custo. Como eficiência, en-
tende-se confiabilidade, disponibilidade e produtividade das instalações.
Para que essa relação ótima de eficiência x custo seja atingia, várias discipli-
nas foram se desenvolvendo na área de Engenharia de Manutenção, incluindo-
se inúmeros avanços nos processos de manutenção, migrando-se de culturas
corretivas para preventivas, com adoção de metodologias de gerenciamento,
planejamento e controle da manutenção e com adoção de técnicas avançadas
São basicamente estas duas questões que este trabalho busca responder.
F (t ) = P{t < t}
F(t)
0,0
80
R (t ) = P{t > t}
R(t ) = 1 − F (t )
1,0
R(t)
0,0
80
II – Função de confiabilidade
f (t )
λ (t ) =
R(t )
λ(t)
I II III
0,0
t
x
1 1x−m
2
F (x ) = ∫ . exp − x
.dx
−∞ 2.π .σ x 2 σ x
F(x)
1,0
f(x)
0,0 0,0
F (x ) = 1 − e −λ . x
R(x ) = e − λ . x
f(x) F(x)
1,0
0,0 0,0
V – Representação da distribuição exponencial
Esta distribuição foi proposta pelo Sueco Weibull, em 1951 e tem como carac-
terística a sua definição por 3 parâmetros, tornando-a bastante flexível, sendo
então possível modelar uma grande variedade de fenômenos. Daí o fato desta
curva ser muito utilizada em referências sobre confiabilidade.
A sua função densidade de probabilidade é dada por:
β −1 β
β x − x0 x−x
f ( x ) = . . exp − 0
η η η
Em função desta versatilidade a função de Weibull pode ser utilizada nos estu-
dos da confiabilidade de vários sistemas.
2 – A teoria de filas
Servidor
Chegada Saída
de
clientes
Clientes em fila
De acordo com Rui Botter, fila é definida como “a espera de pessoas, veículos
ou qualquer outro elemento (clientes), que ao buscarem serviço num ou em
vários postos de atendimento (servidores), não podem ser atendidos no mo-
mento que chegam, pois todos os postos disponíveis estão ocupados”.
A teoria de filas se ocupa com a elaboração e solução de modelos matemáticos
que representem os processos de fila, com a finalidade de obter estimativas de
boa qualidade para parâmetros importantes do processo, tais como tempo mé-
dio de espera, tempo médio de permanência no sistema, número médio de e-
lementos no sistema e na fila, e outras características menos agregadas, como
distribuição do tempo de espera e distribuição do número de clientes no siste-
ma.
Com essas estimativas podem-se dimensionar as filas e os postos de atendi-
mento (servidores) como em sistemas como aeroportos, terminais portuários,
agências bancárias, sistemas de logística industrial e de distribuição e os mais
diversos sistemas que apresentam o formato clientes / fila / servidor.
É importante que sejam conhecidas duas características intrínsecas a esta teo-
ria. A primeira é que o modelo não é um método de otimização e sim uma po-
derosa ferramenta de simulação, ou seja, os resultados apresentados nem
sempre são definitivos e nem mesmo a melhor e mais barata solução. A se-
gunda característica é o fato de que os valores de intervalos de tempo são a-
presentados por um valor médio, ou seja, são extraídos de uma distribuição
probabilística que deve adaptar-se o mais verossimilmente possível ao sistema
estudado para que os resultados sejam confiáveis.
Fila – Espera dos clientes que buscam atendimento nos servidores e não po-
dem ser atendidos imediatamente porque todos os servidores estão ocupados.
Os principais parâmetros da fila são o tempo médio de espera em fila, o tempo
máximo de espera em fila, o número médio de clientes em fila e o número má-
ximo de clientes em fila.
Para identificação rápida dos elementos, foi proposto por Kendall Lee uma no-
tação que indica resumidamente os parâmetros do sistema. Essa notação se-
gue o padrão:
A/B/X/Y/Z
• FIFO (first in/first out) – O primeiro cliente a chegar será o primeiro a ser
atendido
• LCFS (last come/first served) – O último cliente a chegar será o primeiro
a ser atendido
• SIRO (served in random order) – Atendimento aleatório aos clientes em
fila
• GD (Generic discipline) – Disciplina genérica de atendimento
λ
ρ=
µ
O servidor deve ter uma capacidade média superior à taxa média de chegadas,
ou seja, a taxa de utilização deve ser inferior a um. Se isto não acontecer o sis-
tema se torna instável, há um número indefinido de elementos em fila e o tem-
po de espera se torna infinito.
A fórmula de Little mostra que o número de elementos médio no sistema é da-
da pela multiplicação da taxa média de chegadas pelo tempo médio total no
sistema, conforme dado por:
N = λ .T
O tempo médio de permanência no sistema pode ser dividido entre tempo mé-
dio em fila (Tw) e tempo médio em atendimento (Ts), dados respectivamente
por:
N 1
Tw = e Ts =
µ µ
Daí sai também que o número médio de elementos no sistema pode ser dado
por:
λ
N=
µ −λ
O número de elementos do sistema pode também ser divido em Nw, número
de elementos em fila e Ns, número de elementos em atendimento, respectiva-
mente:
Nw = ρ .N e Ns = ρ
k +1
µ −λ λ
P(n = 0) = e P (n > k ) =
µ µ
O primeiro capítulo deste texto tem como objetivo responder à primeira pergun-
ta feita no mesmo capítulo:
Ou seja, para este processo simples exponencial e corretivo, toda falha gera a
abertura de uma ordem de serviço (OS). A ordem de serviço entra em back log,
ou seja, na fila de espera, e passa a ser executada quando a oficina estiver
disponível para atendê-la e é executada num tempo médio dado pelo indicador
MTTR.
Com base nas equações apresentadas no capítulo 2.2, foi desenvolvida uma
planilha nas quais são inseridos os dados de MTBF, MTTR, e os dados refe-
rentes ao back log e custo de manutenção e são automaticamente calculados
os valores de taxa de congestionamento, probabilidade de sistema ocioso, nú-
mero médio de OS`s em back log e sendo executadas, tempo médio em back
log, custo médio do back log acumulado e tempo estimado para que o sistema
atinja o status de back log igual a zero.
Pode também ser testado o nível de serviço dado pela probabilidade de uma
ordem de serviço ser encerrada após um determinado tempo. Com esse teste,
pode-se ampliar o teste para uma situação de melhoria de eficiência da equipe
de manutenção, que pode ser alcançada via aumento da equipe, treinamentos
ou investimento em ferramental e também para uma situação de melhoria de
confiabilidade da planta.
Ou seja, a partir da planilha mostrada a seguir para um processo real de um
dos contratos de manutenção da empresa Siemens, é possível a partir de valo-
res de confiabilidade retirados do CMMS se determinar o nível de serviço atual
e se testar hipóteses que possam impactar diretamente no custo de manuten-
ção, como melhoria de eficiência de equipes e confiabilidade.
Modelo M/M/s para analogia Filas - Manutenção Eletro-eletrônica
1 - Dados do sistema
2 - Resultados
3 - Testes
Tempo encerramento de OS em horas 6,00 Prob. de tempo de encerramento maior que 6 horas: 1,37%
(Equipe e confiabilidade atuais)
Melhoria em eficiência da equipe 20% Redução do custo do back log acumulado 2.086,45
Redução do tempo estimado para back log = 0 0,97
Prob. de tempo de encerramento maior que 6 horas: 0,43%
Melhoria da confiabilidade (MTBF) 30% Redução do custo do back log acumulado 31.040,67
Redução do tempo estimado para back log = 0 14,37
Prob. de tempo de encerramento maior que 6 horas: 0,66%
Instruções
1. Entrar com o valor de MTBF médio do CMMS na célula E7
2. Entrar com o valor de MTTR médio do CMMS na célula E9
3. Inicialmente entrar com o valor 1,0 na célula F10. Este valor corresponde à eficiência
atual de sua equipe. Conforme a eficiência aumenta, este fator aumenta.
4. Se a taxa de congestionamento for maior que 1, o sistema é instável, inviabilizando os cálculos
5. Clicar o botão "Calcular Probabilidades"
Para este estudo de caso real, foi estudado o processo simples corretivo da
oficina eletroeletrônica do contrato de manutenção da Siemens na planta de
refrigeradores da empresa B/S/H Continental na cidade de Hortolândia, utili-
zando-se do modelo apresentado na planilha da figura VIII. A oficina tem 3 ele-
tricistas nos dois primeiros turnos, e dois no turno da noite.
Como uma oficina eletroeletrônica, as falhas dos equipamentos atendidos pala
mesma seguem uma distribuição exponencial.
Foram retirados dados referentes somente às ordens de serviço corretivas da
oficina, descartando-se as preventivas a fim de utilizar-se do modelo simplifica-
do apresentado, de notação M/M/1.
Foi verificado no sistema de gerenciamento de manutenção da planta uma ge-
ração de OS`s de média de 0,0732 OS/hora (uma ordem de serviço a cada
13,67 horas) nos últimos 5 meses, com um tempo médio de reparo de 1,192
horas, ou seja, são atendidas em média 0,8389 OS`s por hora.
Foi também verificado o custo/hora médio da equipe de 75,03 reais e uma
quantidade de OS`s em aberto no dia 31/04/05 de 46 OS`s.
Inseridos estes dados na planilha, obtém-se os resultados apresentados na
figura XI:
Modelo M/M/s para analogia Filas - Manutenção Eletro-eletrônica
1 - Dados do sistema
2 - Resultados
3 - Testes
Tempo encerramento de OS em horas 3,00 Prob. de tempo de encerramento maior que 3 horas: 0,88%
(Equipe e confiabilidade atuais)
Instruções
1. Entrar com o valor de MTBF médio do CMMS na célula E7
2. Entrar com o valor de MTTR médio do CMMS na célula E9
3. Inicialmente entrar com o valor 1,0 na célula F10. Este valor corresponde à eficiência
atual de sua equipe. Conforme a eficiência aumenta, este fator aumenta.
4. Se a taxa de congestionamento for maior que 1, o sistema é instável, inviabilizando os cálculos
5. Clicar o botão "Calcular Probabilidades"
XI – Resultados do estudo do caso B/S/H Continental - Hortolândia
Verifica-se nos resultados um tempo de back log muito baixo e com tendência
de redução, com valor de em horas de um nível satisfatório, com um tempo
médio de encerramento de OS`s de apenas 1,3 horas, com probabilidade de
encerramento de OS`s em mais de 3 horas de apenas 0,88%, demonstrando
que o nível de serviço desta oficina, relacionada com as manutenções correti-
vas está muito alto, podendo estar até super-dimensionado.
Isso ocorre pelo fato de o sistema estar dimensionado para um atendimento
rápido e com uma equipe que tenha um MTTR baixo. O que ocorre é que a
geração de OS`s corretivas em relação ao MTTR é baixo (explicando-se o re-
sultado ρ=0,09).
Há então uma oportunidade de se redimensionar o processo para um nível de
serviço mais adequado às necessidades desta oficina, que no processo de fa-
bricação do cliente não representa um gargalo tão importante que se necessite
manter um nível de serviço tão alto. Se o exemplo fosse a oficina mecânica,
talvez fosse necessário um estudo oposto a esse, com necessidades de melho-
ria do nível de serviço para atender corretivas prioritárias com mais velocidade.
Foi então realizado um teste que avalia um impacto da redução de custo com
equipe de manutenção eletroeletrônica, por meio de redução do número de
profissionais ou de substituição por profissionais menos experientes, afetando-
se diretamente na eficiência da equipe. Esse estudo pôde ser efetuado devido
aos dados obtidos na modelagem do sistema indicando a tendência de que a
estrutura pode estar super-dimensionada. Fazendo-se os testes na planilha, os
resultados obtidos são apresentados a seguir:
Redução na Eficiência (%) Aumento do tempo de back log (dias) Probabilidade de encerramento > 3 horas (%)
0,0 0 0,88
10,0 0,25 1,13
20,0 0,57 1,45
30,0 0,98 1,87
40,0 1,52 2,4
50,0 2,28 3,09
3,5
3
2,5
2
1,5
1
0,5
0
0,0 10,0 20,0 30,0 40,0 50,0
Redução na Eficiência Equipe
Aumento do tempo de back log (dias) Probabilidade de encerramento > 3 horas (%)
Com o resultado do estudo mostrado na figura XII, pode-se tomar a decisão de,
por exemplo reduzir a equipe desta oficina ou utilizar profissionais menos trei-
nados e menos experientes, economizando-se recursos sem afetar excessiva-
mente o nível de serviço da manutenção eletroeletrônica, conforme demonstra-
do no gráfico. Esses recursos podem ser utilizados para melhorar o nível de
serviço em outras oficinas deficitárias, como por exemplo, numa oficina mecâ-
nica que apresente um subdimensionamento de equipe.
O mesmo estudo pode ser realizado para o aumento de eficiência da equipe ou
também aumento e redução da confiabilidade, dependendo do objetivo do es-
tudo e das condições da planta estudada. Por exemplo, se fosse verificada
uma equipe subdimensionada por apresentar um tampo de back log alto, ou
até mesmo uma tendência de aumento de back log , pode-se analisar o impac-
to de um aumento da equipe ou de melhoria da confiabilidade no nível de ser-
viço do processo estudado e os custos envolvidos.
É importante salientar que este estudo pode ser desenvolvido também para
plantas mais complexas e para objetivos diferentes com auxilio do software de
logística, proporcionando testes de melhorias significativas nos processos, in-
dependentemente de sua complexidade ou de suas distribuições de confiabili-
dade e execução envolvidas.
5 – Conclusão
Hoje há muita dificuldade e pouco tempo disponível para as pessoas que ge-
renciam os processos de manutenção para desenvolverem trabalhos que
transpassem a teoria da confiabilidade para uma aplicação prática dos resulta-
dos de seus trabalhos. Há então a abertura para o desenvolvimento de uma
ferramenta prática e simples que sirva como apoio aos gerentes de manuten-
ção para a sua tomada de decisões.
A analogia desenvolvida então, permite ao gerenciamento da manutenção si-
mular o seu processo, independentemente da complexidade e das característi-
cas de probabilidades envolvidas no mesmo, de forma a testar diferentes solu-
ções, com base em valores de confiabilidade e taxas conhecidas, e retro ali-
mentar o processo para que se tenha base concretas e confiáveis para se to-
mar decisões de melhoria de produtividade ou de custos, dependendo do resul-
tado da análise, permitindo à manutenção estar sempre o mais próxima possí-
vel da relação ótima entre custo e confiabilidade.
As duas perguntas: “Definido o processo, como medir se ele influi num aumen-
to da confiabilidade na minha planta?” e “Medida a confiabilidade teoricamente,
como posso usar estes valores na prática para retro alimentar meu processo e
definir oportunidades de melhoria de performance e custos?” podem então ser
respondidas, partindo-se de uma analogia em relação à teoria de filas, utilizada
até hoje em sua maior parte em problemas logísticos, para simular processos
de manutenção práticos e reais, desenvolvendo-se então testes alternativos e
simulações com variáveis relevantes, servindo então esta analogia como forma
de apoio às decisões do gerente de manutenção.
Bibliografia:
Procedures for Performing a Failure Mode, Effects and Criticality Analysis. De-
partment of Defense. Washington, D.C. Military Standard MIL-STD-1629A. No-
tice 2, 1984.