Escolar Documentos
Profissional Documentos
Cultura Documentos
2014
doi: http://dx.doi.org/10.1590/S0103-65132013005000065
Resumo
Este artigo apresenta um método para desenvolver análises quantitativas que orientem a revisão ou elaboração de
um plano de manutenção de equipamentos em um cenário de produção just in time. O método proposto contempla:
i) Identificar os conjuntos que influenciam a confiabilidade; ii) Levantar taxas de falhas; iii) Classificar os conjuntos
quanto ao efeito de suas falhas; iv) Levantar parâmetros de demanda da linha; v) Identificar as distribuições de
probabilidade da demanda da linha e dos tempos de bom funcionamento e tempos de reparo dos conjuntos;
vi) Simular a produção/manutenção utilizando o método de Monte Carlo; vii) Realizar uma análise de sensibilidade
a eventuais variações na demanda, MTBF e MTTR; e viii) Estabelecer a estratégia de manutenção e intervalos entre
manutenções preventivas. A aplicação do método é ilustrada através de um estudo real realizado em uma linha de
rotulagem e enchimento de galões de uma empresa do setor de tintas e corantes. A aplicação do método permitiu
identificar com clareza os conjuntos e subconjuntos críticos frente ao cenário produtivo em questão.
Palavras-chave
Manutenção centrada em confiabilidade. Simulação de Monte Carlo. Sistema just in time. Plano de manutenção.
1. Introdução
O cenário atual, economicamente globalizado determinaram que apenas 11% dos componentes
e altamente competitivo, exige que as empresas falham devido a desgaste e fadiga (LAFRAIA, 2001;
visualizem a manutenção como uma função WILMETH; USREY, 2000). Paralelamente, no que
estratégica para aumentar a produtividade. Visto que a concerne às orientações contidas nos manuais dos
produtividade está diretamente relacionada à redução fabricantes, corre-se o risco dessas recomendações não
dos custos e pode propiciar aumento de faturamento, serem baseadas em dados reais, pois alguns fabricantes
melhorias na confiabilidade e disponibilidade de equipamentos, a fim de maximizar vendas de
dos equipamentos produtivos podem contribuir componentes ou minimizar sua responsabilidade,
significativamente para aumentar a competitividade orientam intervalos curtos de revisão e substituição
das organizações (SANTOS; COLOSIMO; MOTTA, (LAFRAIA, 2001; RAUSAND, 1998).
2007; MÁRQUEZ et al., 2009; PINTO; XAVIER, 2001). Para Farrero, Tarrés e Losilla (2002), a otimização
Tradicionalmente, a manutenção é planejada da política de manutenção requer uma combinação
utilizando a experiência dos funcionários envolvidos balanceada entre manutenções preventivas, preditivas
e a orientação contida nos manuais dos fabricantes e corretivas. Sendo que a determinação do tipo de
dos equipamentos (LAFRAIA, 2001; RAUSAND, 1998; manutenção e do intervalo entre manutenções de
MENDES; RIBEIRO, 2011). Sabe-se que grande parte cada item depende do comportamento de sua taxa
dos funcionários acredita na premissa de que as falhas de falhas e do custo de cada falha. Assim, a utilização
ocorrem devido ao desgaste no tempo (WILMETH; de dados quantitativos tem grande importância na
USREY, 2000). Contudo, estudos feitos na aviação elaboração de planos de manutenção mais eficazes
*UFRGS, Porto Alegre, RS, Brasil
Recebido 14/02/2011; Aceito 30/01/2013
Mendes, A. A. et al.
676
Estabelecimento de um plano de manutenção ... cenário de produção JIT.. Production, v. 24, n. 3, p. 675-686, July/Sept. 2014
do equipamento, se ela é tolerável, deve-se aplicar Rao, Srikrishna e Yadava (1996) apresentam
a manutenção corretiva e adotar procedimentos um algoritmo para a otimização do intervalo entre
de procura por falhas, buscando identificar falhas manutenções baseado no menor custo total de
escondidas (WILMETH; URSEY, 2000; FOGLIATTO; manutenções preventivas e corretivas. Santos, Colosimo
RIBEIRO, 2009; PINTO; XAVIER, 2001). e Motta (2007) propõem um modelo para determinação
Com base em dados qualitativos das falhas dos do tempo ótimo entre manutenções preventivas
componentes, diversos autores apresentam diagramas também baseado no custo ótimo de manutenção,
de decisão para a determinação da melhor estratégia porém utilizando o processo de Poisson homogêneo
de manutenção (BLOOM, 2006; FOGLIATTO; RIBEIRO, e não homogêneo.
2009; PINTO; XAVIER, 2001; RAUSAND, 1998; RAO; Sellitto (2005) e Lafraia (2001) obtêm o intervalo
SRIKRISHNA; YADAVA, 1996; DESHPANDE; MODAK, ótimo de intervenção através das relações de custo
2002). Esses diagramas relacionam informações entre intervenções de emergência e preventiva (REP).
relativas à evidência da falha, suas consequências, Lafraia (2001) ainda apresenta um método para
previsão de desgaste do componente no tempo e determinação do intervalo ótimo de intervenção
aplicabilidade da manutenção. baseado na maximização da disponibilidade média do
Bevilacqua, Braglia e Gabrielli (2000) propõem componente. Supondo que a manutenção preventiva
uma metodologia baseada na integração entre seja perfeita, recuperando a taxa de falha ao seu valor
FMECA modificada e simulação de Monte Carlo para inicial, para taxas de falha (λ) linearmente crescentes,
determinar o tipo de manutenção mais apropriado decrescentes ou constantes no tempo, o autor
para cada equipamento. O número de prioridade de demonstra que a frequência ótima de manutenção
risco (RPN) é definido através da soma do produto preventiva pode ser obtida pela Equação 1:
de pesos de seis parâmetros (segurança, importância
da máquina para o processo, custos de manutenção, αr µp
λp* = (1)
frequência de falhas, tempo de reparo e condições 2µc
de operação) pelo desempenho da máquina nesses
parâmetros. Os pesos estipulados para cada parâmetro onde αr é o aumento da taxa de falha por ano ou
são analisados quanto à sua robustez através da o coeficiente da equação linear da taxa de falha, µp
simulação de Monte Carlo. é a taxa de ação de manutenção preventiva, µc é a
Sellitto (2005) e Lafraia (2001) definem a melhor taxa de reparo de manutenção corretiva.
estratégia de manutenção com base em dados Em resumo, as análises quantitativas que podem
estatísticos das falhas dos componentes. Através dar suporte ao planejamento da manutenção, no
da determinação dos parâmetros da distribuição de âmbito da MCC, seriam: para a definição da estratégia
Weibull, obtida através do ajuste dos dados de falhas, de manutenção mais adequada, análise estatística do
é possível identificar se o componente encontra-se no comportamento da taxa de falhas do sistema, FMECA
período de falhas prematuras (parâmetro de forma < 1), modificada, e simulação de Monte Carlo; para a
maturidade (falhas aleatórias, parâmetro de determinação do melhor intervalo entre manutenções
forma = 1) ou desgaste (parâmetro de forma > 1). têm-se análises do custo ótimo de manutenção e
As estratégias de manutenção aconselhadas são: maximização da disponibilidade do sistema.
i) fase de falhas prematuras – manutenção corretiva;
ii) fase de maturidade – manutenção preditiva e 3. Método de trabalho
gestão de boas práticas de manutenção; iii) fase de
desgaste – manutenção preventiva. Este trabalho foi realizado nas seguintes etapas:
Para a determinação do intervalo de tempo entre i) Identificação dos conjuntos ou subconjuntos que
manutenções, Bloom (2006) recomenda a utilização influenciam a confiabilidade dos equipamentos a
da experiência e do bom senso, visto que, além do serem estudados; ii) Levantamento das taxas de
histórico de falhas, é necessário considerar fatores falhas dos conjuntos ou subconjuntos identificados;
como: recomendações dos fabricantes, orientação iii) Classificação dos conjuntos ou subconjuntos
de normas e regulamentos, paradas programadas, quanto ao efeito de suas falhas (tempos de reparo,
condições de acesso ao componente e outras tempos de bom funcionamento e disponibilidade);
atividades de manutenção programadas para o mesmo iv) Levantamento dos parâmetros de demanda da linha;
componente. O autor ainda destaca a necessidade de v) Identificação das distribuições de probabilidade da
revisões nos intervalos de manutenção. Essas devem demanda da linha, dos tempos de bom funcionamento
ser baseadas no feedback constante dos operadores e dos tempos de reparo dos subconjuntos; vi) Simulação
da manutenção quanto à condição do equipamento da produção/manutenção a fim de definir, através
no momento da execução da atividade. de métodos estocásticos, a probabilidade de que a
Mendes, A. A. et al.
678
Estabelecimento de um plano de manutenção ... cenário de produção JIT.. Production, v. 24, n. 3, p. 675-686, July/Sept. 2014
linha não atenda a demanda diária de produção; Quanto aos tempos de reparo, o mesmo
vii) Realização de uma análise de sensibilidade das comportamento foi observado. Os tempos de
horas extras e tempos de parada de máquinas a reparo dos subconjuntos seguem aproximadamente
eventuais variações na demanda, MTBF e MTTR; e a distribuição exponencial, a qual foi selecionada para
iv) Estabelecimento da estratégia de manutenção e representá-los. Essa constatação está de acordo com
dos intervalos entre manutenções preventivas. as premissas apresentadas por Sellitto (2005) e Lafraia
O método idealizado foi aplicado na filial gaúcha (2001) segundo a qual reparos em equipamentos
de uma empresa multinacional do setor de tintas industriais são atividades com componente intelectivo
e corantes. Escolheu-se a linha de rotulagem e e cognitivo e podem seguir as características dessa
enchimento de galões, chamada Packer, devido a distribuição. Segundo Sellitto (2005), em tempos para
sua criticidade em termos de demanda e número de reparo também é possível encontrar a distribuição
chamados de manutenção. A equipe da manutenção normal, quando o reparo for uma soma de tarefas
da empresa, juntamente com a equipe de operação independentes e sequenciais, tal como ocorre em
da linha, identificaram os sistemas e componentes reformas de máquinas e em procedimentos preventivos
significativos a serem analisados. Foram identificados mais complexos e intrincados, o que não reflete o
caso em estudo.
6 conjuntos e 17 subconjuntos.
Vale observar que a empresa não executava
O levantamento das taxas de falha foi feito através
manutenções preventivas periódicas no equipamento
da coleta de dados de manutenção existentes nas
em estudo. Assim, a estratégia de manutenção adotada
ordens de serviço da empresa dos anos de 2008 e
foi essencialmente corretiva. Contudo, a empresa
2009 (descrição da falha, tempo de reparo e data de
demonstrou a intenção de implantar a manutenção
ocorrência). Os dados foram organizados e revisados
preventiva, o que motivou o presente estudo.
pela equipe de manutenção, pois muitas ordens
Na etapa seguinte, foram coletados dados de
de serviço não apresentavam descrições claras e
demanda da linha referentes às horas de operação
relevantes sobre o serviço de manutenção executado.
Foram identificados os modos de falha e o conjunto
e subconjunto referentes a cada falha.
Na sequência, foram identificadas as possíveis
causas e consequências de cada falha e foram
calculados os tempos médios de reparo (MTTR),
tempos médios de bom funcionamento (MTBF)
e a disponibilidade de cada subconjunto. Para os
subconjuntos que não apresentavam registro da
ocorrência de falha em todo o período analisado foi
considerada disponibilidade = 1,0.
Para verificar o modelo de distribuição de
probabilidade que melhor se ajustava aos dados
de tempos de bom funcionamento de cada
subconjunto foram realizados testes estatísticos Figura 1. Papel de probabilidade da distribuição exponencial
no software PROCONF. O modelo de distribuição para tempos de bom funcionamento do subconjunto B6.
de Weibull mostrou-se adequado para todos os
subconjuntos, sendo que os parâmetros de forma
sempre resultaram próximo de 1,0. Sendo assim,
optou-se pela distribuição exponencial para modelar
os subconjuntos (a distribuição exponencial é um
caso particular da distribuição de Weibull em que a
taxa de falha é constante e o parâmetro de forma
é igual a 1,0). As Figuras 1 e 2 ilustram as saídas
gráficas dessas análises para dois subconjuntos. Vale
observar que uma taxa de falha aproximadamente
constante é esperada para esses subconjuntos, uma
vez que, conforme o relato das equipes de operação e
manutenção, eles se encontram na fase de maturidade
(fase intermediária da tradicional curva da banheira, Figura 2. Papel de probabilidade da distribuição exponencial
onde a taxa de falha é aproximadamente constante). para tempos de bom funcionamento do subconjunto F20.
Mendes, A. A. et al.
679
Estabelecimento de um plano de manutenção ... cenário de produção JIT. Production, v. 24, n. 3, p. 675-686, July/Sept. 2014
diárias e mensais, no período de janeiro de 2009 a julho gráficos, representando cenários em que variaram a
de 2010. Baseado nesses dados foi possível ajustar demanda, o MTBF e o MTTR, permitindo a visualização
uma distribuição de probabilidade ao número de horas do impacto dessas variáveis sobre as horas extras.
de trabalho por dia. Uma distribuição normal, com Por fim, após verificar no estudo de simulação
média 12 horas por dia e desvio padrão de 1,5 horas a necessidade de melhorias na manutenção para
por dia apresentou um ajuste adequado aos dados. aumentar a disponibilidade do equipamento, devido
Após a definição das distribuições de probabilidade à previsão de aumento da demanda, foi estabelecida
apropriadas para modelar os tempos de bom uma nova estratégia de manutenção e foram revistos
funcionamento, os tempos de reparo e a demanda os intervalos entre manutenções preventivas. Esses
da linha foi desenvolvido um estudo de simulação novos intervalos estão de acordo com a confiabilidade
de Monte Carlo das atividades de produção, falhas e desejada pela empresa.
manutenção. Essa simulação permitiu estudar, através
de métodos estocásticos, a probabilidade de a linha
4. Resultados e discussões
atender a demanda diária de produção. A simulação
envolveu a determinação da demanda diária da linha, Após a classificação em conjuntos e subconjuntos
com base nos dados de demanda, a identificação da e o levantamento dos respectivos tempos de bom
ocorrência da falha, com base nos tempos de bom funcionamento e tempos de reparo, foi possível
funcionamento, e a definição dos tempos de reparo, calcular o tempo médio de reparo, o tempo médio
utilizando-se a distribuição desses. de bom funcionamento e a disponibilidade de cada
A simulação permitiu verificar a probabilidade de subconjunto, conforme apresentado na Tabela 1. Para
a linha não atender a demanda diária de produção os três subconjuntos que não apresentaram nenhuma
devido ao possível desequilíbrio entre horas de trabalho falha no período analisado foram consideradas
demandadas e horas disponíveis, que podem ser disponibilidade igual a 1,0. Nas Figuras 3, 4 e 5
reduzidas em função de falhas e respectivos reparos. são apresentados gráficos do MTBF, do MTTR e da
Vale observar que sempre que as horas demandadas disponibilidade dos subconjuntos, respectivamente.
de trabalho superam as horas disponíveis, a política A Figura 5 mostra que os sensores de
de produção, em função do cenário JIT, exige horas posicionamento do carrossel de rotulagem são o
extras. O cenário JIT vivenciado pela empresa impõe subconjunto que apresenta menor disponibilidade
que a demanda diária deve ser atendida no dia. (0,9946). Esse fato deve-se, como pode ser observado
Posteriormente foi realizada uma análise de na Figura 3, ao pequeno tempo médio de bom
sensibilidade das horas extras e horas de parada de funcionamento (MTBF). Em média, a cada onze
máquina a variações na demanda, tempos de bom dias ocorre uma intervenção de manutenção nesse
funcionamento e tempos de reparo. Foram gerados subconjunto. Por outro lado, a junta rotativa superior,
que aparece na Figura 5 como o subconjunto com o Após identificar o modelo de distribuição
segundo menor índice de disponibilidade (0,9870), exponencial como aquele que melhor se ajusta
apresenta um tempo médio para reparo (MTTR) aos dados de tempos de bom funcionamento e
significativamente elevado com relação aos demais tempos de reparo dos subconjuntos, calculou-se,
subconjuntos, sendo superior a 16 horas, conforme através do inverso do MTBF, a taxa de falha de
Figura 2. Dessa forma, observa-se serem necessárias cada subconjunto.
ações para reduzir o número de ocorrências de falhas A simulação da produção, falhas e manutenção
nos sensores de posicionamento e melhorar a rotina foi realizada seguindo os princípios do método de
de manutenção da junta rotativa superior, a fim de Monte Carlo. Para basear a análise em uma amostra
aumentar a sua disponibilidade e, consequentemente, suficientemente grande, foram simulados 1.290 dias,
a disponibilidade da linha. que equivalem a 5 anos de trabalho.
Mendes, A. A. et al.
681
Estabelecimento de um plano de manutenção ... cenário de produção JIT. Production, v. 24, n. 3, p. 675-686, July/Sept. 2014
Carlo possibilita a inclusão da variabilidade, inerente estudo, uma vez que, em função do cenário econômico,
às variáveis estocásticas envolvidas neste estudo, na a gerência prevê que a demanda deve crescer no
simulação, o que gera resultados mais próximos da próximo ano. Variações no MTBF seriam resultado de
realidade do sistema em estudo. alterações na política atual de manutenção preventiva
A fim de facilitar a visualização dos resultados e preditiva. Por exemplo, intensificar as atividades
gerados pela simulação, foi realizada uma análise de de manutenção preditiva e preventiva resultará
sensibilidade das horas extras e horas de parada de tipicamente em um aumento no MTBF. Variações no
máquina a variações na demanda, MTBF e MTTR. MTTR seriam resultado de alterações na capacitação e
Foram gerados vários cenários com variações de nos recursos da equipe de manutenção. Por exemplo,
demanda, MTBF e MTTR, os quais são apresentados reforço na capacitação da equipe de manutenção e
na Figura 8. Cada gráfico corresponde à simulação de melhorias nas ferramentas e estoque de peças de
um valor de MTTR, sendo que cada curva no gráfico reposição resultarão tipicamente em uma redução
representa um valor de MTBF. Cada ponto em cada no MTTR.
gráfico ilustra a necessidade de horas extras para Os gráficos apresentados demonstram que, à
um cenário gerado pela combinação de valores de medida que a demanda cresce, a quantidade de horas
demanda, MTBF e MTTR. extras necessárias também aumenta. Ainda que a
Vale observar que a resposta a variações na demanda média seja inferior à capacidade produtiva
demanda era o interesse principal da empresa em disponível, em casos onde ela é próxima ao valor da
Mendes, A. A. et al.
683
Estabelecimento de um plano de manutenção ... cenário de produção JIT. Production, v. 24, n. 3, p. 675-686, July/Sept. 2014
capacidade produtiva o seu perfil estocástico produz mensais, concentrar esforços na redução do MTTR,
dias de demanda superior à capacidade, o que gera através de ações de melhoria na gestão e nas práticas
a necessidade de horas extras. Tal fato é agravado de manutenção empregadas no sistema. Observa-se
quando há ocorrência de falhas que necessitam reparos também que, à medida que o MTTR diminui, ações
emergenciais e causam interrupção da produção. para aumento do MTBF se tornam menos eficazes
Os gráficos também permitem visualizar o na redução das horas extras mensais.
comportamento da necessidade de horas extras A simulação permite que a empresa defina, de
variando-se o MTBF e o MTTR. Quanto maior é acordo com o seu cenário, se investimentos em
o MTBF, menor é o número de falhas do sistema melhorias na manutenção são vantajosos e qual
e, consequentemente, menor é o tempo gasto em foco de melhoria (no subconjunto ou nas práticas
atividades de reparo, o que permite que a capacidade de manutenção) seria mais eficiente para aumentar
produtiva seja melhor aproveitada. Do mesmo modo, a disponibilidade da linha produtiva. Casos onde a
quanto menor for o MTTR, menor será o tempo demanda é pequena, ainda que a disponibilidade seja
gasto em manutenções corretivas, o que aumenta a baixa, não justificam investimentos em melhoria da
disponibilidade do sistema. manutenção, visto que a necessidade de horas extras
Ainda que MTBF e MTTR possuam o mesmo efeito para atender a demanda será baixa. Por outro lado,
sobre a capacidade produtiva do sistema, ambos são casos em que a demanda é elevada exigem melhor
independentes. MTBF está associado ao número de desempenho da manutenção.
falhas e MTTR se refere ao tempo gasto para reparar Diante do cenário de crescimento de demanda
cada falha. Pode-se verificar, através dos gráficos, previsto pela empresa, a simulação demonstrou que
que variações percentuais no MTTR produzem maior o sistema atual não possui capacidade suficiente para
impacto nas horas extras que variações nos mesmos atender essa demanda diária de forma satisfatória. O
percentuais no MTBF. Logo, no caso do equipamento atendimento da demanda requer uma quantidade muito
estudado, é mais eficaz, para reduzir as horas extras alta de horas extras, o que aumenta consideravelmente
Mendes, A. A. et al.
684
Estabelecimento de um plano de manutenção ... cenário de produção JIT.. Production, v. 24, n. 3, p. 675-686, July/Sept. 2014
Figura 8. Análise de sensibilidade das horas extras a variações na demanda, MTTR e MTBF.
os custos de produção. Por exemplo, para uma previsão foi recomendado. A Tabela 2 apresenta os tempos
de demanda de 15 horas por dia, seriam necessárias para manutenção calculados e recomendados para
cerca de 29 horas extras no mês. Buscando reduzir esse os subconjuntos.
número de horas extras mensais através de melhorias Recomenda-se a realização de visitas periódicas
na gestão da manutenção, foram determinados novos para manutenção: três vezes por semana para os
intervalos entre manutenções para os subconjuntos. sensores de posicionamento; a cada 7 dias para
Os intervalos de manutenção para cada etiquetadora, quadros de comando, polias, mancais,
subconjunto foram definidos em consenso com a esteiras e guias, largador de tampas, escovas de
equipe de manutenção e operação. Tendo em vista os orientação, sistema de controle de aplicação,
custos de parada de linha e os custos de manutenção, enchimento e fechamento e balanças/módulos de
a equipe escolheu adotar uma confiabilidade de 80%, pesagem; a cada 14 dias para sistema motriz A e junta
ou seja, a equipe aceita uma probabilidade de 20% rotativa superior; a cada 21 dias para fechador de
de que a falha ocorra antes da visita de manutenção tampas, sistema de lavagem, bicos de enchimento e
preventiva. Isolando-se a variável tempo (t) da fórmula sistema motriz C; a cada 180 dias para embreagem do
da confiabilidade para distribuição exponencial posicionador, sistema motriz B e junta rotativa inferior.
(Equação 2), obtém-se o tempo calculado para a É importante ressaltar que os tempos recomendados
realização de visitas periódicas de manutenção em para manutenção são para visitas de verificação das
cada subconjunto. condições de operação do subconjunto, conduzindo,
quando necessário, à realização de lubrificações,
=
para R(t) = 0,8 tem-se: t MTBF × [-in (0 , 8)] (2) limpezas, reapertos e substituições de componentes.
A definição das atividades de manutenção mais
Contudo, para facilitar a programação da adequadas para cada subconjunto foi baseada na
manutenção, os subconjuntos com tempos para experiência dos responsáveis pela manutenção e dos
manutenção semelhantes foram agrupados e um operadores da linha, bem como na recomendação nos
tempo médio comum para a realização dessas visitas manuais dos equipamentos. Contudo, a periodicidade
Mendes, A. A. et al.
685
Estabelecimento de um plano de manutenção ... cenário de produção JIT. Production, v. 24, n. 3, p. 675-686, July/Sept. 2014
dessas manutenções levou em consideração o tempo demanda, MTBF e MTTR. Através dos resultados da
recomendado de manutenção definido anteriormente. simulação do cenário de crescimento da demanda
Foram elaboradas folhas de verificação contendo previsto pela empresa foi identificada a necessidade
informações sobre as atividades e periodicidade de melhorias na gestão da manutenção. A fim de
da manutenção para os operadores, no caso de melhorar a disponibilidade e confiabilidade da linha,
manutenção autônoma, e para os técnicos de foram estabelecidos novos intervalos de manutenções
manutenção, no caso de manutenção não autônoma. preventivas para os subconjuntos.
O levantamento e as análises dos MTBFs e MTTRs
5. Conclusão dos subconjuntos permitiram, além da determinação de
intervalos ótimos entre manutenções, a identificação
O objetivo principal deste trabalho foi desenvolver de subconjuntos críticos e a escolha do tipo de ação
análises quantitativas que orientassem a revisão mais adequada para melhorar seu desempenho.
ou elaboração de um plano de manutenção de Subconjuntos com baixo MTBF necessitam de
equipamentos em um cenário de produção just melhorias na política de manutenção, subconjuntos
in time. Cenários just in time se caracterizam por com alto MTTR necessitam de melhoria da capacitação
estoques reduzidos (ou nulos) e a necessidade de e dos recursos da equipe de manutenção.
atender a programação da produção no próprio A política de manutenção proposta neste estudo
turno de trabalho. determina intervalos adequados para a manutenção
Após a identificação dos conjuntos e subconjuntos preventiva através da análise quantitativa dos tempos
que influenciam a confiabilidade dos equipamentos até a falha de cada subconjunto. A vantagem desse
estudados, foram levantadas suas taxas de falhas, método em comparação com a política corretiva
tempos de bom funcionamento, tempos de reparo adotada na empresa em estudo, ou com a política de
e disponibilidade. A seguir, foram obtidos dados de manutenção executada em intervalos idênticos para
demanda da linha de produção e sua distribuição todos os subconjuntos adotada em muitas empresas
de probabilidade, bem como as distribuições de é que o ajuste dos intervalos de manutenção evita
probabilidade dos tempos de bom funcionamento que equipamentos menos confiáveis falhem com
e tempos de reparo. Posteriormente, foi realizada frequência e que equipamentos mais confiáveis sejam
uma simulação da produção, falhas e manutenção, revisados desnecessariamente.
utilizando-se o método de Monte Carlo, a fim A simulação possibilitou a análise da resposta
de definir, através de métodos estocásticos, a do sistema quanto às horas de parada de máquina
probabilidade de a linha não atender a demanda e comportamento das horas extras para atender a
diária de produção. Na sequência foi realizada uma demanda diária, considerando possíveis variações de
análise de sensibilidade das horas extras e tempos demanda, MTBF e MTTR. O uso do método de Monte
de parada de máquinas a eventuais variações na Carlo permitiu a inclusão da variabilidade, natural do
Mendes, A. A. et al.
686
Estabelecimento de um plano de manutenção ... cenário de produção JIT.. Production, v. 24, n. 3, p. 675-686, July/Sept. 2014
sistema, na simulação. Esses resultados auxiliam a Quality in Maintenance Engineering, v. 15, n. 2, p. 167-
empresa na tomada de decisão quanto à necessidade e 178, 2009. http://dx.doi.org/10.1108/13552510910961110
ao tipo de investimentos em manutenção que melhor MENDES, A. A.; RIBEIRO, J. L. D. Um estudo do suporte
quantitativo necessário para a operacionalização da
atenderiam ao cenário de demanda projetado.
MCC. Produção, v. 21, n. 4, p. 583-593, 2011. http://
Por fim, vale ressaltar as delimitações deste estudo. dx.doi.org/10.1590/S0103-65132011005000032
Este trabalho limitou-se ao estudo de um cenário NGUYEN, D. Q.; BRAMMER, C.; BAGAJEWICZ, M. New tool for
produtivo em que a demanda deve ser atendida no the evaluation of the scheduling of preventive maintenance
mesmo turno de trabalho e é possível o uso de horas for chemical process plants. Industrial & Engineering
Chemistry Research, v. 47, n. 6, p. 110‑124, 2008. http://
extras para compensar picos de demanda ou paradas dx.doi.org/10.1021/ie071231i
devido a quebra de conjuntos. Outros cenários, por
PINTO, A. K.; XAVIER, J. A. N. Manutenção: função
exemplo, em que não é possível o uso de horas estratégica. 2. ed. Rio de Janeiro: Qualitymark, 2001.
extras ou existem estoques que podem amortizar
RAO, P. N.; SRIKRISHNA, S.; YADAVA, G. S. Reliability-centred
problemas de confiabilidade exigiriam abordagens maintenance applied to power plant auxiliaries. Journal of
diferenciadas. O cenário com estoque será objeto Quality in Maintenance Engineering, v. 2, n. 1, p. 3-14, 1996.
de um artigo futuro. http://dx.doi.org/10.1108/13552519610113809
RAUSAND, M. Reliability Centered Maintenance. Reliability
Engineering and System Safety, v. 60, n. 2, p. 121‑132, 1998.
Referências http://dx.doi.org/10.1016/S0951-8320(98)83005-6
BEVILACQUA, M.; BRAGLIA, M.; GABRIELLI, R. Monte Carlo SANTOS, W. B.; COLOSIMO, E. A.; MOTTA, S. B. Tempo ótimo
Simulation approach for a modified FMECA in a power entre manutenções preventivas para sistemas sujeitos a
plant. Quality and Reliability Engineering International, mais de um tipo de evento aleatório. Revista Gestão e
v. 16, p. 313-324, 2000. http://dx.doi.org/10.1002/1099- Produção, v. 14, n. 1, p. 193-202, 2007. http://dx.doi.
1638(200007/08)16:4<313::AID-QRE434>3.0.CO;2-U org/10.1590/S0104-530X2007000100016
BLOOM, N. B. Reliability Centered Maintenance: implementation SELLITTO, M. A. Formulação estratégica da manutenção
made simple. New York: McGraw-Hill, 2006. industrial com base na confiabilidade dos equipamentos.
Revista Produção, v. 15, n. 1, p. 44-59, 2005.
DESHPANDE, V. S.; MODAK, J. P. Application of RCM to
a medium scale industry. Reliability Engineering & WILMETH, G. W.; USREY, M. W. Reliability centered maintenance:
System Safety, v. 77, n. 1, p. 31-43, 2002. http://dx.doi. a case study. Engineering Management Journal, v. 12, n. 4,
org/10.1016/S0951-8320(02)00011-X p. 25-31, 2000.
FARRERO, J. C.; TARRÉS, L. G.; LOSILLA, C. B. Optimization
of replacement stocks using a maintenance programme
derived from reliability studies of production systems. Agradecimentos
Industrial Management & Data Systems, v. 102, n. 4, p. 188-
196, 2002. http://dx.doi.org/10.1108/02635570210423226 Agradecemos à Coordenação de Aperfeiçoamento
FOGLIATTO, F. S.; RIBEIRO, J. L. D. Confiabilidade e de Pessoal de Nível Superior (Capes) e ao Conselho
Manutenção Industrial. São Paulo: Campus; Elsevier, 2009. Nacional de Pesquisa e Desenvolvimento (CNPq)
LAFRAIA, J. R. B. Manual de confiabilidade, mantenabilidade pelo fornecimento de bolsa de pesquisa. Também
e disponibilidade. Rio de Janeiro: Qualitymark, 2001. agradecemos à empresa que permitiu a realização
MÁRQUEZ, A. C. et al. The maintenance management framework. deste estudo colaborando com a disponibilização
A pratical view to maintenance management. Journal of de informações.