ISSN: 2446-9734 DOI: 10.

17648/conemi-2018-91217

O Futuro das Energias

Sustentáveis e
os Desafios para a Engenharia
Industrial
ANÁLISE PARA APLICAÇÃO DA METODOLOGIA DE MANUTENÇÃO
CENTRADA
EM CONFIABILIDADE (MCC): ESTUDO DE CASO - BALANÇA
FERROVIÁRIA

Ronaldo Bicalho Torres(1) (ronaldo.bicalho.torres@gmail.com), Lucas Costa Brito(2)

(brito.lcb@gmail.com), Jorge Nei Brito(3) (brito@ufsj.edu.br)

(1)
Bacharel em Engenharia de Produção | Especialização em Engenharia da Qualidade
(2)
DYNAMIC Services Consultoria Ltda. | Doutorando em Engenharia Mecânica (UFU - Universidade Federal
de Uberlândia)
(N)
Universidade Federal de São Joãodel-Rei (UFSJ); Departamento de Engenharia Mecânica

RESUMO: Neste artigo apresenta-se as estratégias de manutenção para o ativo

balança ferroviária com base na Manutenção Centrada na Confabilidade(MCC).
Análises de confabilidade foram utilizadas como ferramentas de apoio para defnir a
estratégia de manutenção com embasamento estatístico subsidiando a conclusão.
Foram levantadas as falhas funcionais que levaram o ativo a perder sua capacidade
primária. Os resultados demonstram que apesar da alta confabilidade apresentada,
existe ainda oportunidade de melhorias que foram identifcadas no estudo. A
implementação de técnicas de predição, por exemplo, ajudaram a compreender o
comportamento dos principais componentes do processo e a defnir as janelas para
atuação preventiva e ou a troca dos mesmos antes da falha propriamente dita. A
partir desse trabalho foi realizado o cadastramento e aquisição dos itens com o grau
maior de importância devido sua funcionalidade no processo, evitando assim a
indisponibilidade do ativo foco deste estudo.

PALAVRAS-CHAVE:Balança Ferroviária, Kaplan Meier,MCC.

ANALYSYS FOR THE APPLICATION OF RELIABILITY CENTERED

MAINTENANCE
METHODOLOGY (RCM): CASE STUDY IN RAILWAY BALANCE

ABSTRACT: The maintenance strategies for the active rail balance based on
Reliability Centered Maintenance (MCC) is shown. Reliability analyzes were used as
support tools to defne the maintenance strategy with statistical basis supporting the
conclusion. The functional failures that led the asset to lose its primary capacity were
raised. The results demonstrate that despite the high reliability presented, there is
still opportunity for improvements that were identifed in the study. The
implementation of prediction techniques, for example, helped to understand the
behavior of the main components of the process and to defne the windows for
preventive action and / or their exchange before the fault itself. From this work, the
registration and acquisition of the items with the highest degree of importance due to
their functionality in the process was carried out, thus avoiding the unavailability of
the active focus of this study..

KEYWORDS: Railway Balance, Kaplan Meier, RCM.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 2
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

1.INTRODUÇÃO

O presente trabalho tem como tema o estudo aplicação da metodologia

MCC, Manutenção Centrada em Confabilidade (do inglês Reliability Centred
Maintenance - RCM) num sistema de Balança Ferroviária. A ideiaé gerar um
Plano de Manutenção, com foco na MCC, que melhore a disponibilidade do
ativo, uma vez que o sistema de pesagem ferroviária é responsável pela
confabilidade quantitativa de entrada do produto na planta industrial.
Segundo Pereira (2009), a MCC é um método que busca garantir que os
componentes do ativo, ou de um sistema, sejam mantidos em suas funções
com segurança, qualidade, economia e não agrida o meio ambiente.
O estudo de confabilidade faz parte de um ciclo que se inicia nas fases
de pesquisa, projeto, fabricação e se consolida na utilização do produto
(SELLITO et al., 2013).
Neste contexto, construíram-se questões que nortearam este trabalho,
conforme apresentado a seguir.
 Maximizar/reduzir a manutenção preventiva por meio de tarefas mais
efcazes, focando os pontos críticos do equipamento.
 Usar a metodologia FMECA aplicada à manutenção.
 Garantir que o equipamento execute suas funções a custos mínimos.
 Reduzir custos de manutenção e manutenções corretivas.
Importante destacar que as ferramentas da qualidade são amigáveis em
diversos aspectos com outras metodologias, e uma forma de auxílio ao
controle desta ferramenta é o utilizar o ciclo PDCA. Segundo Campos (2014), o
ciclo PDCA é utilizado para a manutenção do nível de controle (ou
cumprimento das diretrizes de controle), quando o processo é repetitivo, e o
Plano (P) consta de uma meta que é uma faixa aceitável de valores e de um
método que compreende os procedimentos padrões de operação. As etapas do
método serão desenvolvidas em concordância com ciclo PDCA e ao concluir
haverá a realimentação do ciclo com as possibilidades de implementar as
melhorias no processo.
A Manutenção Centrada em Confabilidade tem origem em meados da
década de 50, como disciplina para engenharia de confabilidade. Nas duas
décadas subsequentes foram incorporados na análise das políticas de
manutenção da indústria aérea americana. Pelo seu principal foco ser a
estimativa da confabilidade de componentes, sistemas mecânicos e sistemas

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 3
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

elétricos, principalmente, a MCC sobrepõe o empirismo e cede bases para a

determinação das melhores políticas para gerenciar as funções de um item
físico e, consequentemente, atuar na antecipação de suas falhas.
Vários autores conceituam que na aplicação do método devem-se
responder as seguintes perguntas: Quais funções devem-se preservar? Quais
falhas funcionais? Quais os modos de falha? Quais as consequências das
falhas? Quais as tarefas aplicáveis e efetivas? Quais as alternativas restantes?
Tais questões são partes da linha central do estudo estando sobre elas às
bases das diligências para o levantamento dos elementos de estudo.
O objetivo deste artigo será a defnição de quais as estratégias de
manutenção ideais serão utilizadas para a balança ferroviária instalada na
empresa, e em segundo plano levantar uma base de dados contendo suas
funções de confabilidade e mantenabilidade. O método de pesquisa foi à
modelagem quantitativa. (MENDES, 2011) descreve que, de modo geral, a
literatura sobre MCC aborda mais aspectos qualitativos do que quantitativos,
porém são as técnicas quantitativas que podem contribuir mais efetivamente
para o aumento da confabilidade dos sistemas de produção.
Sobre as ferramentas da qualidade que são utilizadas na MCC, não
restam dúvidas que a principal delas é o FMEA (Análise dos Modos de Falha e
seus Efeitos), porém neste estudo específco foi determinado por conta de
critério estratégico o FMECA (Análise Crítica dos Modos de Falha e seus
efeitos), onde são atribuídos quatro elementos críticos, saúde e segurança,
meio ambiente, Produção e custo de reparo para a defnição através de uma
média aritmética o item SEVERIDADE da tabela do FMECA, deverão também
ser usadas outras ferramentas da qualidade, principalmente na análise dos
dados, pois o nível de interpretação das informações é diretamente
proporcional ao sucesso do estudo cujo objetivo fnal será o aumento da
confabilidade do ativo, onde o nível de mudança será determinado e defnido
de acordo com as estratégias estipuladas pelo estudo, onde importante frisar o
conceito de confabilidade.

É a probabilidade de um produto (peça, equipamento, circuito, máquina,

sistema, componente, etc.) fabricado de conformidade com o dado
projeto operar durante um período especifcado de tempo
(eventualmente o tempo de vida útil) sem apresentar falhas
identifcáveis, desde que sujeito a manutenção de conformidade com as
instruções do fabricante e que não tenha sofrido tensões superiores

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 4
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

aquelas estipuladas Poe limites indicados pelo fornecedor, não tenha

sido exposto a condições ambientais adversas de conformidade com os
termos de fornecimento ou aquisição. (NEPOMUCENO, L.X., p.63)

A confabilidade de um equipamento ou sistema deverá ser defnida na

fase de projeto, porém poderá ser gerenciada pela manutenção (CUNHA et
al.,2012). Para os estudos de confabilidade em manutenção existe a
necessidade de que se determine qual a distribuição de probabilidade se ajuste
aos dados de sobrevivência (CERVEIRA, et al., 2015), logo, será de suma
importância que o levantamento dos elementos para esta etapa.

2.LEVANTAMENTO E ANÁLISE DE DADOS

Nesta etapa do estudo, o objetivo foi a coleta dos dados e sua avaliação.
O trabalho possui um cunho investigativo onde, inicialmente, a atenção está
com foco no levantamento correto e efetivo dos eventos, defnição das
fórmulas para as análises destes dados e a análise propriamente dita.
A empresa possui um banco de dados signifcativo. Na Tabela 1 tem-se a
quantidade de falhas e o tempo, em horas, até as falhas. Foram considerados
como falha quando o equipamento perdeu plenamente sua capacidade de
funcional, no caso, a perda da capacidade de realizar e ou armazenar as
pesagens das composições.

Tabela 1. Amostra de dados

Quantidade de Tempo até as Falhas
Falhas (horas)
1 3471
2 3474
3 4489
4 4492
5 4497
6 4501
7 4507
8 4515
9 4520
10 4522
(Fonte: Autor)

A fase seguinte trata-se da análise preliminar dos dados, com apoio de

ações de elementos computacionais, como, software, desenvolvimentos de

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 5
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

gráfcos (histogramas, tendências). O objeto é a determinação do modelo

probabilístico adequado a natureza das ocorrências de falhas.
Na Figura 1 tem-se os dados de falhas quanto a normalidade. A análise
do gráfco dessa fgura demonstra a tendência de aumento na frequência de
falhas à medida que o tempo aumenta, para estas variáveis aleatórias é
possível que se encontre uma função que descreva a distribuição de
probabilidades f(t), que recebe o nome de Função Densidade de Probabilidade.
Porém neste mesmo gráfco nota-se a presença de outliers,

Outliers são valores que diferem muito dos demais valores em estudo.
Quando a análise visual dos dados ou a análise de um Box plot sugere
que alguns dos valores são outliers devemos verifcar o porquê disso.
Eles podem ocorrer devido a erros de codifcação/digitação, problemas
de amostragem ou simplesmente serem um resultado atípico. (Sicsú, A.
L. et al. p 41)

Figura 1. Análise dos dados de falhas quanto a normalidade. Fonte:

Minitab17.

Entendendo que estes não são erros e sim eventos ocorridos a

confrmação de sua presença pode levar a rejeição de um modelo
probabilístico normal ou paramétrico.
As variáveis aleatórias contínuas possuem sua distribuição de
probabilidade contínua, nesse contexto a distribuição Gaussiana ou normal e
leva à vantagem de ser completamente defnida conhecendo-se a média e o

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 6
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

desvio padrão do conjunto de dados observados, sua distribuição é

amplamente utilizada nas análises estatísticas, mas é necessário realizar o
teste de normalidade para garantir que as variáveis possam ser descritas
numa distribuição normal de probabilidade.
Como teste de aderência será utilizado o método Anderson-Darling.
Segundo Ferreira et al.(2013) trata-se de um teste estatístico utilizado para
verifcar se um conjunto de dados é proveniente de uma determinada
distribuição de probabilidade. Este é o teste mais utilizado quando o tamanho
da amostra não for superior a 25, será considerado normal caso o teste de p-
valor dê resultado maior que 5%, será utilizado o software específco para
realização do teste.
Nas análises verifcadas na Figura 1 indicam que para o teste de
normalidade dos dados não rejeita a hipótese nula, ou seja, as variáveis não
seguem a um padrão de normalidade visto o p-valor de o teste ser > 0,005.
Para o sucesso do estudo foi necessário usar outro método de análise
que pudesse aderir perfeitamente à distribuição dos dados não normais. O
estimador limite-produto, ou Kaplan-Meier, é um estimador não paramétrico
para a função de confabilidade, a estimativa R(t) é uma função em escada
cujos degraus são os tempos das falhas, em sua forma o estimador considera
tantos intervalos de tempo quantos forem o número de tempos distintos de
falha.
Segundo o Portal Action (2018) modelo de confabilidade baseado no
método de estimativa Kaplan-Meier segue as expressões dadas pelas Equações
t1  t2  ...t k
de 1 a 3, onde , são k tempos de falhas distintos;djéo número de
falha emdj sendo j=1,..., K;njé o número de itens em risco no tempo e t j , (não
falhou e não censurado antes de t j.

n j−d j
R ( t )= ∏ ( ¿ )¿ (1)
j:tt> j dj

Var ( R ( t ) ) =¿ (2)
R ( t )=± Z ∞ /2 √ Var [R ( t ) ]
(3)
Outras expressões matemáticas e comentários sobre elas se encontram
no site do Portal Action (2018). Após análise executada pelo software, seguem
os dados levantados nas Figuras 2 e 3.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 7
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

Figura 2.Análise de Confabilidade dos dados | MétodoKaplan-Meier. Fonte:

Minitab 17.

Figura 3.Ajuste dos dados não paramétricos Kaplan-Meier. Fonte: Minitab 17.
Os resultados dos ajustes realizados pelo minitab17 estão apresentados
na Tabela 2 o tempo médio para falha (MTTF) da balança é de 4298,8. Os
valores de t10 e t50são os limites de tempo, respectivamente 10% e 50% de
ocorrência das falhas.

Tabela 2. Modelo Kaplan-Meier para MTTF.

PARÂMETRO RESULTADO
90% 3471
50% 4497
MTTF 4298,8
IC 95% 4028,7 a 4568,8
Fonte: Adaptado Minitab 17.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 8
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

Ainda na fase de análises é importante que seja defnida o percentual de

confabilidade do sistema, pois este será o indicador que irá defnir as metas de
confança a serem alcançadas, é necessária a defnição da taxa de falha ( λ),
como premissa para o cálculo na Equação 4, onde k é o número de falhas; n é
a quantidades de elementos analisados e t é o tempo de observação da
análise. Logo tem-se o desenvolvimento nas Equações (5) e (6):

k
 (4)
n t
10
 (5)
1442.4552

 1,52.10 6 falhas / hora (6)

A distribuição exponencial é importante em estudos de confabilidade por
ser a única distribuição contínua com função de risco constante (FOGLIATO e
RIBEIRO, 2009), foi utilizada no estudo para identifcação da confabilidade do
sistema,representadas nas Equações 7,8 e 9.

R (t )  t (7)
6
R(t )  1,52.10 4552
(8)

R(t ) 99,3% (9)

3.APLICANDO O MÉTODO DA MCC | Manutenção Centrada em

Confiabilidade

Após identifcado o comportamento do sistema tem-se que defnir a

estratégia , ou seja, o nível de confabilidade que ainda pode ser explorado.
Foi identifcado um nível alto de confabilidade no equipamento. Porém, o
"oceano azul dos gestores" é sempre maior produtividade com menor custo.
Nesse cenário a abordagem corretiva não segue essa diretriz. Certamente, o
gap que ainda falta a ser atingido vai exigir uma abordagem em nível de
excelência, por isso a proposta de se aplicar aManutenção Centrada em
Confabilidade (MCC).
A aplicação da MCC omplica, inicialmente, em identifcar as funções
primárias e secundárias, além dos limites do ativo em estudo, ou seja, da
balança ferroviária. A seguir tem-se a defnição das funções.
 PRIMÁRIAS:

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 9
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

- Leitura de pesos dos vagões.

- Assegurar o processo de pesagem e armazenar os dados.
 SECUNDÁRIA:
- Não agredir ao meio ambiente e as pessoas.
A seguir tem-se a defnição dos limites das funções.
 MECÂNICA:
- Todos os componentes mecânicos.
- Grupo de trilhos antes e um depois do sistema de pesagem.
 ELÉTRICA:
- Todos os componentes elétricos e eletrônicos.
- Alimentação do sistema a partir do no break na cabine de pesagem.
 AUTOMAÇÃO:
- Todos os componentes elétricos e eletrônicos.
- Etapa de transmissão de dados incluindo a rede de T.A até o
armazenamento na CPU do computador.
- Todo o hardware esoftware que compõem o sistema de pesagem.
Após defnir os componentes do sistema deve-se analisar com um bom
nível de rigor os modos de falha de cada um deles, o objetivo é entender quais
falhas podem ocorrer com estes elementos e o que fazer para antecipar as
possíveis falhas. Como ferramenta para tal foi escolhido o FMECA (Análise
Crítica dos Modos de Falha e seus Efeitos).

O objetivo desse procedimento de análise é identifcar

características dos recursos que são críticas para os vários tipos de
falhas e priorizar as ações de prevenção e de correção [...] O
FMECA é uma ferramenta importante de auxílio no planejamento
dos melhoramentos da disponibilidade e da confabilidade e na
elaboração de planos e procedimentos de manutenção. (CORRÊA,
H, L. CORRÊA, C, A. P.669)
No Quadro 1 tem-se o modelo utilizado. Algumas considerações devem
ser feitas referentes aos quatro itens críticos, Saúde e Segurança, Meio
Ambiente, Produção e Custo de Reparo, cujos pesos de cada um deles vão de 1
a 6.

Quadro 1.Planilha FMECA.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 10
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

(Fonte: Base de dados da empresa)

Os critérios que foram utilizados para estes pesos não serão expostos
neste artigo por motivo de serem estratégicos para a empresa em questão.
Porém para efeito didático será apresentada no Quadro 2, um modelo de
matriz de efeito x impacto.

Quadro 2.Matriz de Efeito x Impacto.

Sem
Catastrófii Moderado
Efeito Crítiio8 Alto 6 Baixo2 Impait
o10 4
o1
De 1 a 10
mortes ou Uma morte
Saúde Acidente Acidente
acidentes ou acidente Sem
e Mais que 10 com sem
incapacitant incapacitant danos
Segura mortes afastament afastame
es e pessoais
nça o nto
permanente permanente
s
De De
De alta
magnitude pequena
De grande magnitude e De
consideráv magnitud Sem
Meio magnitude e de difícil magnitude
el, mas e danos
Ambien extensão, reversão, considerável
reversíveis reversívei ambient
te com danos com riscos e e de difícil
com ações s com ais
irreversíveis danos reversão
mitigatória ações
irreversíveis
s imediatas
Impactos Impactos Impactos Sem
Impactos
Impactos entre entre entre impacto
Produç até
maiores que
U$0,501 MM U$0,201MM U$0,50MM s
ão U$0,50M
U$1,000 MM e U$1,000 e e U$ fnanceir
M
MM U$0,500MM 0,200MM os
Custo entre Custo
Custo Custo maior Custo entre Custo entre Sem
U$500,000 menor
de que U$100,000 U$50,000 e custo de
e que
Reparo U$500,000 e U$50,000 U$10,000 reparo
U$100,000 U$10,000
Fonte: Adaptada Smith e Keith (2008)

O tópico SEVERIDADE será o produto da média aritmética dos quatro

itens críticos e este ponto é a diferença fundamental para o FMEA, pois neste
tópico específco o valor virá de uma tabela pré determinada.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 11
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

No Quadro 3 tem-se a pontuação da OCORRÊNCIA(O) dos modos de

falha, ou seja, a frequência com que a falha acontece. No Quadro 4 tem-se as
pontuações para a DETECÇÃO (D, ou seja,se quando a falha acontece.

Quadro 3.Ocorrência (O).

Frequêniia de
Pontuação
Falhas (O)
≥ 5 período de
10
análise
7 4 período de análise
5 3 período de análise
3 2 período de análise
1 1 período de análise
Fonte: Adaptado de Smith e Keith (2008).

Quadro 4.Detecção(D).
Frequência de Falhas
Pontuação
(D)
10 Improvável
9 Remota
8 Muito Pequena
6 Baixa
4 Moderada
2 Alta
1 Muito Alta
Fonte: Adaptado de Smith e Keith (2008).

Após as atribuições de SEVERIDADE, OCORRÊNCIAeDETECÇÃO, o

somatório irá atribuir o valor de NPR (Número de Prioridade de Risco), do inglês
RPN (Risk Priority Number). O NPR é um índice numérico cujo peso será
determinante na identifcação da política de manutenção no sistema em
função dos modos de falhas.Na Tabela 3 tem-se a Matriz de Criticidade e na
Tabela 4 tem-se a Matriz de Classifcação de Criticidade.
Partindo do pressuposto de que a falha não é um evento, mas sim uma
ocorrência, a visão fca focada em entender a falha. Tão logo conhecidos os
efeitos das falhas e as políticas de manutenção adequadas, é necessário
determinar "o que fazer" na mitigação desse efeito e posteriormente
determinar "como fazer" e "quando fazer".

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 12
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

Para cada modo de falha será desenvolvida uma IT (Instrução de

Trabalho), ou seja, o passo a passo informando como deve ser executada a
atividade quer seja preditiva, inspeção ou preventiva.
Tabela 3.Matriz de Criticidade.
Critiiidade Faixa de Risio
A NPR>500
B NPR>100≤500
C NPR>50 ≤100
D NPR0≤50
Fonte: Adaptado de Smith e Keith (2008).

Tabela 4.Matriz de Criticidade.

Classe
de
Tipos de Manutenção Método de Abordagem
Critiiida
de
Preditiva (Preventiva se não for Baseada por monitoramento e
A
possível preditiva) tempo
Baseada por tempo e
B Preventiva ou Inspeções
condições
C Corretiva (Planejada) Baseada por inspeção
D Corretiva (Não Planejada) Baseada por quebra
Fonte: Adaptado de Smith e Keith (2008).

As periodicidade das atividades da IT são determinados com base no

MTTF, determinado no estudo. Os ajustes, para que se obtenham os tempos
ótimos para que as ações de manutenção sejam maximizadas, serão
determinados mediante a aplicação das ações deste próprio estudo e, num
outro momento, determinado pela curva P x F (Potencial x Funcional) do ativo.
Na Figura 4 tem-se a curva P x F, uma variação da curva DIPF (Design-
Instalation-Potencial Failure-Failure), onde, após as intervenções preditivas e
de inspeção, será possível determinar a janela ótima para todos os modelos de
manutenção.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 13
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

PRECISÃO
1 - Preiisão no Comissionamento
2 - Preiisão na Instalação
3 - Eliminação de Defeitos
4 - Preiisão em alinhamento e
Balanieamento
5 - Ordem de trabalho e
proiedimentos
6 - Gereniiamento de iondição de
ativos
7 - Confiabilidade de lubrifiiação
8 - Limpe para inspeiionar (5S)
9 - Operar para ionfiabilidade
PREDITIVA
1 - Tarefas iodiiionais diretas
2 - Teste de ultrasom
3 - Análise de fuido
4 - Análise de vibração
5- Teste de motores
6 - Imagem infra vermelho (IR)
7 - Ensaios não destrutivos
PREVENTIVA
1 - Tarefa iom prazo determinado
2 - Sentido humano (Ruído,quente
para toiar,iheiro)
FALHA
1 - Falha funiional
2 - Falha iatastrófiia

Figura 4. Curva P-F (Potencial|Funcional).Fonte: Adaptado de Reliabilityweb.

Destaca-se que a curva de custos de reparo é inversamente proporcional
a curva DIPF. À medida que aumenta o tempo de operação do ativo, o custo de
reparo torna-se uma curva exponencial positiva aumentando os custos de
manutenção.

4.APLICANDO O MÉTODO DA MCC

Foram identifcados 38 modos de falha e defnidas as políticas de

manutenção adequadas ao ativo. Foi solicitado,ao setor de materiais da
empresa,o cadastro no de 35 novos itens. Foram gerados subsídios para que a
gerência defnisse a aquisição de componentes estratégicos.
Também foi solicitado o desenvolvimento de IT’s (Instruções de
Trabalho), como forma de ação sobre os modos de falha e geração de códigos
de identifcação (TAG’s) para os principais componentes identifcados no
estudo.
Finalmente, será gerado, pelo setor de engenharia, parâmetros para
predição dos componentes com a fnalidade de conhecer a janela "Potencial x
Funcional" para que se possa atuar de forma mais efciente.No enfoque de
manutenção atual,Figura 5, foi identifcada que a forma de manutenção
(Manutenção CORRETIVA) está distante da ideal, pois além de inefciente o
modelo eleva o custo de manutenção ao processo.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 14
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

100%
90% 76,90%
80%
70%
60%
50%
40%
30%
13,33% 12,60%
20%
10%
0%
Corretiva Preventiva Preditiva

Figura 5. Enfoque atual da manutenção(CORRETIVA). Fonte: Base de dados da

empresa.

A estratégia será implantar mudanças na política de manutenção, com

novo enfoque visando evidentemente maior confabilidade e também redução
de custos, Figura 6. Essa é a nova estratégia defnida pela gerência.

100%

90%

80% 70,00%

70%

60%

50%

40%

30% 20,00%

20% 10,00%

10%

0%
Corretiva Preventiva Preditiva

Figura 6.Enfoque preteridoda manutenção(PREVENTIVA). Fonte: Base de

dados da empresa.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 15
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

5.CONSIDERAÇÕES FINAIS

Este artigo teve por objetivo determinar as estratégias de manutenção

adequadas para a balança ferroviária. Esse ativo foi estrategicamente defnido
pela gestão da empresa por ser criticidade "A",o que justifca aplicação da
MCC.
Na análise dos dados foi identifcada a condição de não normalidade dos
elementos. Foi identifcado a presença de outliers, o que impediu a utilização
das equações usuais de confabilidade como Weibull, lognormal ou normal.
Face a essa restriçãooptou-se pelo estimador Kaplan-Meier para a construção
do gráfco e análise matemática dos dados. Os resultados mostram que este
modelo foi aplicado a função de confabilidade de forma satisfatória.
No estudo de caso apresentado foi observada a defciência do modelo
aplicado onde os altos índices de corretiva evidenciam a forma inadequada de
manutenção. Devido ao foco de "ataque" das equipes ser mais de correção
(Manutenção Corretiva Não Planejada), acaba por se tornarimpraticável, por
exemplo, detectar as falhas potenciais e antecipar as ações.
Com o projeto de mudança na gestão do ativo para Manutenção
Centrada na Confabilidade, novas propostas são vislumbradas que irão em
confronto com o que estava sendo aplicado. Uma vez executado o"Raios-X"
sobre o ativo, iniciou-se a mudança no controle das funcionalidades.
A mudança cultural no gerenciamento de manutenção com ações
analíticas focadas em evitar as falhas, permite o levantamento de seus modos
e a apresentação das ações para mitigar paradas indesejadas no equipamento.
O levantamento de cadastro de alguns sobressalentes e o tagueamento
dos componentes foi identifcado no decorrer do estudo e estão em fase de
andamento.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 16
ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

REFERÊNCIAS

MENDES, A. Manutenção Centrada em Confabilidade: uma abordagem

quantitativa. Dissertação (Mestrado em Engenharia de Produção), Universidade
Federal do Rio Grande do Sul – UFRGS, Porto Alegre, RS, 2011.
PEREIRA, M. J. Engenharia de Manutenção Teoria e Prática. Rio de Janeiro:
Editora Ciência Moderna, 2009.
NEPOMUCENO, L,X. Técnicas de Manutenção Preditiva Volume 1. São Paulo:
Blucher, 1989.
CAMPOS, V. F. TQC: Controle da qualidade total (no estilo japonês) – 9º ed.
Nova Lima. FalconiEditora, 2014.
SICSÚ, A. L.; DANA, S. Estatística aplicada, análise exploratória de dados.
São Paulo: Saraiva 2012.
FERREIRA, R. I. A.; SOUZA, A. M. M.; SILVA,D.T.;Testes estatísticos para
diagnóstico danormalidade de uma distribuição de dados.(CONIC SEMESP) 13º
Congresso nacional de iniciação científca: Campinas, 2013.
SELLITO, A. M.; MENGUE, C. D.; Estratégias de manutenção baseada em
funções de confabilidade para uma bomba centrífuga petrolífera. Revista
Produção Online,v.13, n.2, p. 759-783: Santa Catarina,2013.
Estimador de Kaplan-Meier. Disponível em:
http://www.portalaction.com.br/confabilidade/32-estimador-de-kaplan-meier,
Acesso em: 26 de maio de 2018.
CORRÊA,H. L.; CORRÊA,C. A. Administração de produção e operações:
manufatura e serviços: uma abordagem estratégica. - 2. Ed. - São Paulo: Atlas,
2010.
SMITH, R.; KEITH,R. K. Rules of thumb for maintenance and reliability
engineers. Oxford: Butterworth-Heinemann, 2008.
CERVEIRA, D. S.; SELLITTO, A.M. Manutenção centrada em confabilidade
(MCC): análise quantitativa de um forno elétrico a indução. Revista Produção
Online, v.15, n.2,p.405-432: Santa Catarina,2015.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 17
 ISSN: 2446-9734 DOI: 10.17648/conemi-2018-91217

Curva PF. Disponível em: https://reliabilityweb.com/articles/entry/completing-

the-curve, Acesso em 28 de maio de 2018.
CUNHA, M.; VILLAS-BOAS, F; KAMINSKI, P. Considerações sobre
Confabilidade no projeto de submarinos. Produto &Produção, v.13 n.1, p.114-
130, 2012.

O Futuro das Energias Sustentáveis e os Desafos para a Engenharia Industrial

Anais do XVIII CONEMI - Congresso Nacional de Engenharia Mecânica e Industrial| 18

Powered by TCPDF (www.tcpdf.org)