Confiabilidade

máquinas: um exemplo
e disponibilidade
prático de
Por Cristiano Bertulucci Silveira|dezembro 12th, 2012|Categories: Confiabilidade
Operacional, Manutenção Industrial|Tags: Confiabilidade|Comentários desativadosem
Confiabilidade e disponibilidade de máquinas: um exemplo prático

Introdução à Confiabilidade operacional

O maior desafio para as pessoas que estão envolvidas com a manutenção nas indústrias hoje em
dia não é apenas saber das técnicas utilizadas na manutenção, mas decidir quais delas realmente
são ou não são importantes para determinado ativo. Se forem realizadas escolhas certas, é possível
melhorar o desempenho do ativo e ao mesmo tempo reduzir o custo de manutenção, aumentando
sua confiabilidade operacional. Por outro lado, se houverem más escolhas, novos problemas são
criados, enquanto, que aqueles que já existentes tendem a piorar.

De acordo com a teoria da confiabilidade e da mantenabilidade, a manutenção periódica ou

preventiva tem a função de reduzir a incidência de falha no equipamento. No entanto, se o período
de manutenção for muito curto, tanto o custo quanto a indisponibilidade aumentam, sem citar o fato
de que a alta frequência de determinadas atividades podem reduzir a confiabilidade do sistema.
Por outro lado, se o período de manutenção é muito longo, o alto potencial de falha do equipamento
irá resultar em perdas indevidas agravadas pela perda do lucro cessante. Portanto, uma vez a
adotada a estratégia de realizar a manutenção periódica, estabelecer um período de manutenção
razoável é a chave para a redução de custos mantendo a confiabilidade operacional. Porém, qual
a maneira correta de fazer isto? Se realizarmos uma pesquisa na literatura, vários métodos são
propostos para realizar cálculos de forma a encontrar um ponto ótimo de manutenção. Aqui será
abordado um destes métodos, o que utiliza a análise de Weibull.
Este post abordará apenas uma parte da Engenharia de Confiabilidade, pois este assunto é muito
vasto e haverá outras oportunidades para aprofundar os mais na teoria da confiabilidade
demonstrando outros métodos. Especificamente este artigo será subdividido da seguinte forma:

1. Confiabilidade e análise de Weibull

2. Exemplo prático do cálculo de confiabilidade envolvendo disponibilidade
3. Como calcular os custos de manutenção Preventiva e manutenção Corretiva?
4. Como calcular o ponto ótimo de manutenção baseando-se na confiabilidade e nos
custos?
5. Benefícios da Engenharia de confiabilidade.
6. Desafios e dificuldades na implantação da confiabilidade
7. Anexo: Como configurar o Excel para utilizar a ferramenta de análise.

1 – Confiabilidade e análise de Weibull

Para os que não conhecem, a análise de Weibull, também denominada análise de dados de vida,
é uma ferramenta de análise que a partir de uma amostra representativa, possui a funcionalidade
de fazer previsões de um produto dentro de uma população. Isto é feito por “encaixe” em uma
distribuição estatística de dados de vida e esta distribuição pode então ser utilizada para estimar
características importantes da vida deste produto tais como confiabilidade ou probabilidade de falha
em um período específico. A fórmula de Weibull pode ser representada pela fórmula:
Onde:

• F(t) é a probabilidade de falha para uma determinada amostra;

• t é o tempo até a falha;
• η é a característica de vida ou parâmetro de escala;
• β é o parâmetro de inclinação ou forma
A análise de Weibull é um método de modelagem de dados conjuntos contendo valores maiores
que zero (como exemplo, podem ser dados de tempo até a falha conhecido como time-to-fail (TTF)).
Uma característica importante desta análise, é que se houver a possibilidade de fazer uma coleta
de 3 amostras, já é viável realizar o estudo de confiabilidade. Através da utilização de Weibull, é
possível responder alguns problemas de engenharia tais como:

• Um operador reporta três falhas de um mesmo componente funcionando pelo período de

três meses. O gerente da área questiona: “quantas falhas teremos no próximo trimestre,
semestre ou ano? Quanto vai custar? Qual é a melhor ação corretiva para reduzir os riscos
e as perdas?
• Para adquirir peças de reposição e agendar o trabalho da equipe de manutenção, quantos
componentes serão enviados para revisão mês a mês no próximo ano, sabendo-se que o
gerente de manutenção quer ter 95% de certeza de que as peças em estoque e a mão-de-
obra serão os suficientes?
• O custo de uma falha não prevista de um componente (manutenção corretiva) é em torno de
20 vezes o custo de uma manutenção planejada. Qual é o intervalo ideal (melhor custo-
benefício) que deve ser estabelecido para a substituição deste componente?

2 – Exemplo prático do cálculo de confiabilidade envolvendo

disponibilidade
O efeito de testes e atividades de manutenção realizados em um componente baseia-se em duas
situações extremas. A primeira delas supõe que o estado do componente após a manutenção é
“tão bom como novo”, o que significa que sua idade é restaurada para zero depois que uma
atividade de manutenção é executada. A segunda opção assume que a manutenção deixa o
componente em uma condição “tão ruim quanto velho”, significando que sua idade é a mesma
depois de realizada a manutenção se comparada com a situação imediatamente antes da
manutenção. No nosso exemplo de confiabilidade nos basearemos na primeira opção, ou seja, a
de que após a manutenção o componente terá sua idade restaurada. Para realizar os cálculos dos
parâmetros, serão utilizados o Excel 2010 e o módulo de ferramenta de análise deste software.

Para o exemplo, vamos considerar um cilindro hidráulico que de tempos em tempos, devido ao
desgaste das gaxetas e anéis de vedação, falha com relação à sua função principal, exigindo
manutenção corretiva. Será então calculado o melhor momento para realizar a manutenção
periódica a partir da análise dos custos e da confiabilidade.

Com relação ao cálculo da confiabilidade, primeiramente é necessário que tenhamos em mãos a

amostragem de tempo até a falha do cilindro. Sendo assim, foi coletado em campo o tempo em
minutos que o cilindro operou antes de cada falha, conforme a Figura 1 abaixo:
Pelos valores podemos perceber que em média a cada 4 meses e 26 dias (210379 minutos), ocorre
a falha do cilindro, exigindo manutenção corretiva. Aqui foi coletado um total de 10 amostras, porém,
a partir de 3 amostragens já é possível realizar o estudo de confiabilidade.

Com os dados de amostragem de tempo até a falha, vamos agora calcular as variáveis necessárias
para obter os parâmetros da fórmula de Weibull (beta e alfa). Não é o intuito deste artigo ir a fundo
na estatística e mostrar o porquê das fórmulas e sim como utilizar a ferramenta. Sendo assim,
voltemos ao exemplo:

A partir dos dados de tempo até a falha, deve-se preencher outra tabela conforme indicado na
Figura 2 abaixo. Os passos são o seguinte:

1. Na coluna A, deve-se preencher os dados até a falha e logo após ordenar eles por ordem
do menor para o maior. Feito isto, deve-se proceder ao passo2;
2. Na coluna B, deve-se numerar em sequência de acordo com a quantidade de amostras;
3. Para preencher a coluna C, é necessário calcular o Median Rank. É um conceito da
estatística que pode ser calculado da seguinte forma: Na célula C15 digite a fórmula “=(B15-
0,3)/(10+0,4)”. Os valores 0,3 e 0,4 são padrões na obtenção do Median rank. Já o valor “10”
foi utilizado porque representa a quantidade de amostras. Feito isto estenda a fórmula para
as outras células, conforme indicado na tabela2.
4. A coluna D deve conter os valores obtidos através da fórmula “1/(1-Median Rank)”.
5. Da mesma forma a coluna E deve conter valores obtidos através da fórmula “Ln(Ln(1/(1-
Median Rank)))”, onde Ln é o logaritmo do valor.
6. Finalmente na coluna F deve ser calculado o logaritmo do ttf (coluna A), utilizando a fórmula
“Ln(TTF do Cilindro)”.
A tabela completa com os valores calculados pode ser visualizada abaixo (Tabela 2).
Com a tabela completa, agora é necessário utilizar o recurso de regressão do Excel, que faz parte
da ferramenta Análise de dados. Deve-se proceder da seguinte forma:

1. Clicar na opção Análise de Dados, localizada no menu Dados. Caso o seu Excel não
possua esta opção visível, é necessário habilitá-la. Para saber como fazer isto vá até o
Item7 – Anexo deste artigo clicando aqui.
2. Clicar em Regressão.
3. Clicar Ok.

Agora, é necessário informar ao Excel quais serão as colunas utilizadas para a regressão. Assim,
proceda da seguinte forma:
 1. O intervalo Y de Entrada deve ser os dados da coluna E, incluindo o cabeçalho. Portanto é
o intervalo compreendido entre o E14 e E24;
2. O intervalo X de Entrada deve ser os dados da coluna F, incluindo o cabeçalho. Portanto é
o intervalo compreendido entre o F14 e F24;
3. Checar a opção Rótulos.
4. Checar a opção nova planilha e dar o seguinte nome: “Regressão Linear” ou qualquer outro
nome que desejar.
5. Checar a opção “Plotar ajuste de Linha”.
6. Clicar no botão “Ok”.
Todos estes passos podem ser visualizados na Figura 4 abaixo:

O Excel automaticamente irá gerar uma planilha com os dados estatísticos calculados, bem como
o gráfico de regressão. Porém, não temos ainda todos os dados necessários. É preciso ainda
calcular os parâmetros beta e alfa através do seguinte procedimento:

1 – Na célula A19, digite: “beta (ou parâmetro de forma)”. Na célula B19, digite a fórmula: “=B18.
Na célula A20, digite: “alfa (ou característica de vida)”. Na célula B20, digite a fórmula: “=EXP(-
B17/B18). O resultado pode ser visualizado na Figura 5. Para este exemplo, temos então o
beta=4,2524 e o alfa=231126,77.
O que representam os parâmetros β e α?

O parâmetro de forma β indica se a taxa de falha está crescente, constante ou

decrescente. Se β<1, é um indicativo de que o produto está com a taxa de falha
decrescente. Este cenário é típico da chamada “mortalidade infantil”, indicando que o
produto falha logo no seu período de “nascimento”. Se β=1, é um indicativo de falha
constante. São componentes que após sobreviverem ao “nascimento” possuem uma
taxa de falha constante. Se β>1, temos então a situação de uma taxa de falha crescente.
Este cenário é típico de produtos que falham por desgaste como é o nosso caso (β=4,25)
em que o beta é muito maior do que 1, indicando que o cilindro falha por fadiga após um
determinado tempo.

A característica de vida, ou parâmetro α é uma medida de escala ou propagação com

relação à distribuição dos dados. Ele representa o número na escala do eixo X em que
63,2% dos cilindros falharam. Fazendo a análise de confiabilidade para nosso exemplo
em que α=231.126, significa dizermos que 37% dos cilindros sobrevivem após um
período de 231.126 minutos, ou melhor dizendo, após 5 meses e 11 dias.

3 – Como calcular os custos de manutenção Preventiva e

manutenção Corretiva?
Custos de Manutenção Corretiva

No nosso estudo de confiabilidade, para o cálculo dos custos de manutenção corretiva, devem ser
considerados, além do material e da mão-de-obra envolvida na atividade de reparo do componente,
o custo das perdas causadas pelo lucro cessante.

Na prática, o lucro cessante pode ser calculado levando-se em consideração o tempo em que
determinado equipamento ou máquina deveria estar produzindo e não produziu. É exatamente o
que ocorre quando há a quebra ou falha de um componente da máquina que faz com que ela fique
inoperante. Sendo assim, o lucro cessante é determinado quando é computado o lucro que a
empresa deixou de ganhar durante o tempo em que a máquina ficou parada. Utilizando este
conceito, vamos calcular os custos de manutenção corretiva para o exemplo do cilindro hidráulico.

No caso do cilindro hidráulico, ao analisar as falhas, foi constatado que quando ocorre a mesma, a
máquina fica inoperante e sem produzir por um período em média de 4 horas. Isto ocorre devido à
localização do cilindro na máquina e dificuldade de acesso. Este tempo de reparo abrange desde
a parada da máquina, retirada do cilindro, troca do kit de vedação e gaxetas, recolocação na
máquina e início de operação. Verificou-se também que para a manutenção corretiva, são utilizados
2 colaboradores com o custo da hora de R$13,00 cada um. Além disto, o kit de reparo de vedação
e gaxetas custa R$ 300,00. A máquina do nosso exemplo produz perfilados e durante estas 4 horas
em que a máquina ficou parada, ela deixou de produzir 480 perfilados. Sabe-se que cada perfilado
tem o peso de 1 quilo e que o lucro por quilo produzido é de R$4,00. Vamos então calcular o custo
de manutenção corretiva para este caso:

• Custo de mão-de-obra = qtde de colaboradores x tempo de reparo x custo da hora do

colaborador = 2 x 4 x 13 = R$ 104,00;
 • Custo de material = custo do kit de reparo = R$ 300,00;
• Custo de perda por lucro cessante = qtde de produto deixado de produzir no período x lucro
unitário do produto = 480 x 4 = R$ 1.920,00.
Com estas três variáveis temos então o custo de manutenção corretiva (Cmc), que é calculado da
seguinte forma:

Cmc = Custo de mão-de-obra + Custo de material + Custo de perda por lucro cessante

Cmc = 104 + 300 + 1920 = R$ 2.324,00

Custos de Manutenção Preventiva

A manutenção preventiva é uma manutenção que pode ser programada antes de ser realizada.
Como isto geralmente é realizado em conjunto com a operação, a empresa não considera este
tempo para o planejamento da produção e por este motivo não ocorre a perda por lucro cessante.
Sendo assim, no cálculo do custo deverá ter somente o custo de mão-de-obra e o custo de material.
Portanto o custo de manutenção preventiva (Cmp) será:
• Custo de mão-de-obra = qtde de colaboradores x tempo de reparo x custo da hora do
colaborador = 2 x 4 x 13 = R$ 104,00;
• Custo de material = custo do kit de reparo = R$ 300,00.
Cmp = 104 + 300 = R$ 404,00
Neste exemplo, consideramos o tempo de reparo da manutenção preventiva sendo exatamente o
mesmo tempo gasto quando ocorre a manutenção corretiva, mas na prática este tempo tende a ser
bem menor, justamente pelo fato da manutenção ser programada. Com o planejamento da
atividade, o manutentor terá a disponibilidade imediata do material correto no momento da
substituição (não haverá o tempo perdido de atender ao chamado da operação, deslocar até a
máquina, verificar o que ocorreu, buscar o material no almoxarifado ou o risco de requisitar o
material errado).

4 – Como calcular o ponto ótimo de manutenção baseando-

se na confiabilidade e nos custos?
Custo total de manutenção e confiabilidade
Até agora, calculamos os custos de manutenção levando em consideração o momento em que elas
ocorrem, não analisando o custo com o passar do tempo. No entanto, para definir a melhor
estratégia de manutenção, é necessário que seja levado em consideração a probabilidade de falha
do componente e sua confiabilidade ao longo do tempo. Somente desta forma, o custo poderá ser
analisado fielmente como ocorre na realidade. Por exemplo, se após 3 meses, a probabilidade de
um item sofrer manutenção corretiva for de 50% e o custo envolvido nesta manutenção for R$
2000,00, é correto prever nos custos da empresa que em três meses irá incorrer uma despesa de
manutenção corretiva com este item no valor de R$1.000. Este resultado é o valor de manutenção
multiplicado pela probabilidade de falha, ou seja:

• Cmc (3 meses) = Cmc x probabilidade de falha nos 3 meses

• Cmc = 2000 x 0,5 = R$ 1.000,00
Devido aos motivos explicados acima, começa a ficar claro o porquê de utilizar a análise de Weibull
atrelada aos custos para fechar o estudo da confiabilidade. Isto porque a análise de Weibull
representa exatamente a probabilidade de falha do componente ao longo do tempo.

Voltando ao exemplo do cilindro hidráulico, quando foram feitas as análises de regressão sobre a
amostragem de tempo até a falha, obtivemos os parâmetros beta=4,2524 e alfa=231126,77
necessários para calcular as funções de confiabilidade e probabilidade de falha. Vamos agora
desenhar estas curvas com a ajuda do Excel:

Na mesma pasta de trabalho anterior, crie uma nova planilha e insira os parâmetros alfa e beta
conforme o procedimento:

1. Inserir os valores alfa e beta nas células B3 e B2 respectivamente;

2. Inserir um intervalo de tempo até a falha na coluna D que corresponda a amostragem.
Neste exemplo, foi inserido 10 intervalos de tempo com espaçamento de tempo de 40.000
até atingir 400.000, pois o máximo de tempo até a falha atingido na amostragem que está
sendo analisada foi de 300.000.
3. Calcular a função F(t), utilizando a seguinte fórmula: Na célula E2, digitar: “=WEIBULL(D2;
$B $2;$B$3;VERDADEIRO)”. Feito isto, estender a fórmula para as outras células.
4. Calcular a função confiabilidade R(t) utilizando a seguinte fórmula: Na célula F2, digitar: “=(1-
E2)”. Isto porque a função confiabilidade é o complemento da função probabilidade.
Finalizando a fórmula, estender a fórmula para as outras células.
5. Inserir os custos de manutenção corretiva e manutenção preventiva do cilindro nas células
B5 e B6, conforme Figura 6 abaixo:

Agora que temos as funções calculadas é possível obter os gráficos de probabilidade de falha e
confiabilidade, bastando para isto plotar as colunas E e F em um gráfico tipo linha. Os gráficos
podem ser visualizados na Figura 7 abaixo:
Com as funções e curvas obtidas, é possível associar os custos de manutenção preventiva e
manutenção corretiva para obter o custo total de manutenção. Para isto, o primeiro passo é
equalizar os custos, calculando-os por unidade de tempo. Assim, é necessário utilizar a seguinte
fórmula:
É importante notar que o custo de manutenção preventiva por unidade de tempo é o equivalente
ao custo de manutenção preventiva multiplicado pela função confiabilidade R(t) e dividido pela
integral da função R(t). Já o custo de manutenção corretiva é calculado de forma similar, bastando
substituir a função confiabilidade R(t) pela função F(t) pertinente à probabilidade de falha.

Utilizando a fórmula acima, agora é possível calcular os custos totais de intervenção e determinar
o tempo ótimo de manutenção. Para isto, vamos preencher mais uma tabela, conforme o
procedimento abaixo:

1. Na mesma planilha utilizada para traçar as curvas de confiabilidade, preencha a partir da

célula A15 até A95 os valores de 0 a 400.000 espaçados de 5.000;
2. Na célula B15, insira a fórmula: “=WEIBULL (A15; $B$2; $B$3;VERDADEIRO)” para calcular
a função F(t);
3. Na célula C15, insira a fórmula: “=(1-B15)” para calcular a função confiabilidade R(t);
4. A coluna D será utilizada para auxiliar no cálculo da integral de R(t). Para calcular a integral,
utilizaremos a regra do trapézio, um algoritmo comum para cálculo de integrais. Para aplicar
esta regra, insira na célula D16 a fórmula: “=((A16-A15) *C15+(A16-A15) *(C16-C15) /2).
5. Com a regra do trapézio aplicada, basta calcular a integral de R(t) que é a somatório das
pequenas áreas calculadas no passo anterior. Para realizar o somatório, insira na célula E17
a fórmula: “=SOMA($D$16:D17)”.
6. Como temos em mãos os valores das funções e o valor da integral, agora é possível calcular
o custo de manutenção preventiva. Basta inserir na célula F17 a seguinte fórmula:
“=($B$5*C17) /E17”.
7. Da mesma forma, procedemos com o cálculo de manutenção corretiva, porém agora
utilizando a função F(t). Sendo assim, deve ser inserido na célula G17 a seguinte fórmula:
“=($B$6*B17) /E17”.
8. Finalmente com ambos os custos de manutenção calculados, basta somar o custo de
manutenção preventiva com o de manutenção corretiva para obtermos o custo total. Sendo
assim, na célula H17, deverá ser inserido a fórmula: “=(F17+G17)”.
Se o procedimento acima foi realizado corretamente, basta estender estas fórmulas para o restante
das linhas, até a linha 95 da planilha. Os valores devem coincidir com os valores da Figura 8 abaixo.
Agora que temos todos os valores calculados, basta plotar em um único gráfico os custos de
manutenção preventiva, manutenção corretiva e custo total. O gráfico obtido pode ser visualizado
na Figura 9 abaixo.
Observe que a curva de custo total possui um ponto mínimo que poderia ser obtido com o cálculo
da derivada de sua função. Caso não queira calcular esta derivada, basta achar na coluna H da
planilha qual é o menor valor. Isto pode ser feito selecionando o intervalo de custo total e aplicando
a fórmula de Mínimo do Excel.

No nosso exemplo, o valor total de custo mínimo por unidade de tempo é R$ 0,00437. Agora basta
achar qual é o valor de tempo associado a este custo para determinar o ponto ótimo de
manutenção. Para o exemplo, o TTF é 120.000.

Pronto, finalmente encontramos o ponto ótimo de manutenção: exatos 120.000 minutos, ou 2.000
horas, ou 83 dias ou então aproximadamente 2 meses e 23 dias. Pelo nosso cálculo, o ponto ótimo
para que seja realizada a manutenção preventiva no cilindro hidráulico é a cada 2 meses e 23 dias.
Procedendo desta forma, adotaremos a melhor relação custo-benefício de manutenção em um
componente que possui os 2 tipos de manutenção, ou seja, manutenção preventiva e corretiva.

Vale destacar que este período encontrado não garante que o cilindro possuirá manutenções
corretivas, pois ainda haverá uma probabilidade de 6% do cilindro hidráulico falhar, o que já é bom.
Podemos simular outros custos de manutenção e ver como a determinação do ponto ótimo varia.
Se por acaso o custo de manutenção preventiva não fosse R$404,00 e sim R$800,00, o tempo
ótimo passaria de 120.000 para 150.000, aumentando o intervalo de manutenção juntamente com
a probabilidade de falha que vai para 15%, mas ainda sim obtemos a melhor estratégia. Você
poderá simular isto na planilha.

5 – Benefícios da Engenharia de confiabilidade.

Um programa de confiabilidade quando implementado com sucesso é visto como um método para
obter vantagem competitiva sobre a concorrência. Pesquisas mundiais indicam que em indústrias
de processo diversos, tais como refino e petroquímica, a confiabilidade tem sido utilizada para
reduzir os orçamentos de manutenção em até 50%. Uma grande ferramenta utilizada para esta
finalidade é o RCM (Reliability Centered Maintenance) que tem o objetivo de analisar as falhas
potenciais e definir as melhores estratégias de manutenção (preventiva, inspeção, preditiva,
corretiva). Esta ferramenta será objeto de um próximo artigo.

6 – Desafios e dificuldades na implantação da confiabilidade

Como relatado no início, este post aborda apenas uma parte da Engenharia de Confiabilidade.
Especificamente, com relação à análise matemática, é fácil observar que para obter resultados
através de cálculos complexos, é fundamental que haja uma base de dados histórica confiável. A
falta desta e alguns outros problemas podem atrapalhar e até mesmo impedir que haja um bom
trabalho de confiabilidade na organização. Dentre os diversos desafios a vencer, podemos citar:

• Não apontamento de falhas e motivos de falhas: A falta de apontamento de

falhas, motivo e causa das mesmas é um dos principais problemas que atrapalham na
análise dos equipamentos. Se não é possível medir, será difícil definir prioridades. É muito
importante estruturar uma base de dados confiável e duradoura. Utilizando nosso exemplo,
é fácil perceber que para determinar o ponto ótimo dele, partindo-se do princípio que deve
haver pelo menos 3 apontamentos, precisamos de uma base sólida de aproximadamente 1
ano. Para estruturar uma boa base de dados, é muito produtivo lançar mão de ferramentas
 focadas em automação de dados, utilizando sistema de apontamento (Saiba mais sobre este
tipo de solução).
• Erros de diagnóstico da operação e de manutentor: Tão ruim quanto não ter
base histórica é ter um apontamento de falhas que não reflete a realidade. Se utilizarmos
nosso exemplo do cilindro hidráulico, suponha que ele esteja localizado no braço esquerdo
da prensa hidráulica de uma máquina perfiladeira. Se por um acaso a prensa parar por
motivo de falha do cilindro, diferentes operadores ou manutentor podem apontar: falha na
prensa da perfiladeira, falha no braço da prensa da perfiladeira ou falha no braço esquerdo
da prensa da perfiladeira. É fácil perceber que dentre as opções, somente se for apontado
a falha no braço esquerdo da prensa da perfiladeira, a informação poderá ser utilizada para
a análise da confiabilidade do cilindro. Na maioria das vezes o apontamento não é realizado
de forma correta e atrapalha toda a análise futura. Um outro exemplo poderia ser uma
contaminação no óleo hidráulico que provoca a falha do cilindro hidráulico. Ao realizar o
reparo, o manutentor pode deixar de verificar a qualidade do óleo e constatar erroneamente
que a falha foi do cilindro quando na verdade a causa raiz que deveria ser apontada seria a
contaminação do óleo.
• Falta de informações e documentação histórica de
manutenção: Geralmente, após realizar a manutenção, o equipamento que sofre
manutenção, as horas gastas, a quantidade de recursos humanos e os materiais utilizados,
bem como a descrição das atividades devem ser registradas em um documento,
normalmente denominado ordem de manutenção. Um problema que ocorre
frequentemente é a falta de apontamento destas informações. Isto dificulta bastante uma
análise profunda do histórico de custos e recursos necessários para os cálculos dos custos
de manutenção corretiva e preventiva. Além disto, fica difícil estimar o tempo de
atendimento para determinada falha.
Os estudos de Confiabilidade são muito importantes, porém mais importante ainda é trabalhar na
confiabilidade da base do sistema. Deve-se ter uma rotina muito bem estabelecida com uma
programação de manutenção adequada, utilização correta de documentos e equipe qualificada
para realizar diagnósticos. Somente desta forma será possível aplicar cálculos complexos
buscando a melhoria contínua. Com uma base bem fundamentada e informações sólidas, os
estudos de confiabilidade proporcionam ganhos enormes para a organização e consequentemente
aumentam sua competividade perante o mercado.

7 – Anexo: Como configurar o Excel para utilizar a ferramenta

de análise
1. Clique no menu Arquivo – Opções;
2. Clique em Suplementos;
3. Na parte de Suplementos do Excel, clique em ir…
A janela de suplementos será aberta. Então proceda da seguinte forma:

1. Habilite a caixa Ferramentas de Análise

2. Clique no botão Ok
3. Após seguir estes procedimentos a opção Análise de Dados será habilitada. Para checar,
basta clicar no menu Dados e verificar no canto direito da tela, como indica o passo 3 da
figura abaixo.

Pronto, agora o Excel está configurado para utilizar as ferramentas de análise.

Sobre o Autor: Cristiano Bertulucci Silveira

Formado em Engenharia Elétrica pela UNESP (Universidade Estadual Paulista) com Pós-
graduação MBA em Gestão de Projetos pela FGV (Fundação Getúlio Vargas) e certificação
internacional em Gestão de Projetos pelo PMI (Project Management Institute). Também possui
certificação Green Belt em Lean Six Sigma. Atuou na implantação dos pilares de Engenharia de
Confiabilidade Operacional e Gestão de Ativos Industriais em grandes empresas como Votorantim
Metais (CBA) e Votorantim Cimentos. Como Gerente de Projetos pela Siemens e Citisystems,
coordenou vários projetos de automação e redução de custos em empresas como Usiminas, JBS
Friboi, Metso, Taesa, Cemig, Aisin, Johnson Controls, Tecsis, Parmalat, entre outras. Possui
experiência na implementação de ferramentas Lean Manufacturing em empresas como: Faurecia,
ASBG, Aisin Automotive, Honda, Unicharm e Flextronics. Atualmente é Diretor de Projetos na
empresa Citisystems e membro do Conselho de Administração da Inova, organização gestora do
Parque Tecnológico de Sorocaba.