You are on page 1of 10

Tempo ótimo entre manutenções preventivas para sistemas sujeitos a mais de um tipo de evento aleatório

Wagner Baracho dos Santos Enrico Antonio Colosimo Sergio Brandão da Motta

Resumo
Um sistema reparável opera sob uma política de manutenção que especifica reparos preventivos em tempos pré-determinados e reparos mínimos quando ocorre uma falha. O processo de Poisson não-homogêneo é um modelo adequado para as falhas aleatórias que são tratadas por reparo mínimo. Assumindo um único tipo de falha e uma forma paramétrica para a função de intensidade deste processo, podese encontrar uma política ótima de manutenção preventiva que minimiza o custo médio por unidade de tempo. Este artigo foi motivado por uma situação envolvendo chaves seccionadoras de uma empresa de energia elétrica. Neste sistema existem dois tipos diferentes de eventos aleatórios, caracterizados por distintas causas de falhas. Uma política ótima de manutenção preventiva é obtida estendendo-se os resultados da situação envolvendo um único evento aleatório.
Palavras-chave: Lei de potência. Manutenção perfeita. Processo de Poisson nãohomogêneo. Reparo mínimo.

1 Introdução
Os últimos anos foram marcados por mudanças radicais nas relações sociais, políticas e econômicas em todos os lugares do mundo. Atuando em mercados competitivos, com mudanças cada vez mais rápidas e significativas, a maioria das empresas é lançada a uma incessante busca por qualidade e produtividade. Neste novo contexto, a área de manutenção dos ativos de produção passou a desempenhar um papel estratégico nas empresas industriais. Como conseqüência, houve uma grande mudança no conceito e na consciência gerencial acerca dos custos e da necessidade de inovações das políticas e procedimentos de manutenção. A manutenção, antes vista como um “mal necessário”, passou a ser considerada uma atividade estratégica indispensável à produção, além de ser uma das bases de toda atividade industrial. O desenvolvimento do modelo tratado neste artigo foi motivado pela necessidade de se determinar políticas de manutenção, baseadas em dados reais relativos aos tempos de falha de equipamentos do sistema de transmissão de energia elétrica da CEMIG (Companhia Energética de Minas Gerais). No atual modelo do setor elétrico brasileiro, as empresas transmissoras de energia elétrica são remuneradas pela disponibilidade de seus equipamentos, sendo as indisponibilidades penalizadas com pesados abatimentos nesta remuneração. Desta forma, ao se adotar uma política de manutenção com manutenções preventivas (MP), é fundamental encontrar o tempo ótimo entre MPs que garanta a maior disponibilidade dos ativos da empresa. Atualmente, o grande desafio dos profissionais que planejam a manutenção é definir quando e que tipo de intervenção deve ser feita em um equipamento. Gilardoni e Colosimo (2007) apresentam uma proposta para estimar o tempo ótimo sob uma política de manutenção preventiva periódica, considerando os custos de manutenções preventivas sistemáticas e de manutenções corretivas decorrentes de um tipo de evento aleatório. Entretanto, em alguns casos o estudo torna-se mais preciso quando se separam os eventos aleatórios em grupos com características distintas e, neste caso, teríamos mais de um tipo de evento aleatório. Um caso muito útil é a caracterização dos tipos de eventos aleatórios, classificando-os pelas suas causas. Sabe-se que determinadas causas são de fácil detecção e podem ser tratadas por meio de manutenções preventivas baseadas na condição do equipamento. Neste caso, um reparo ou troca de componente só é realizado se for
Gest. Prod., São Carlos, v. 14, n. 1, p. 193-202, jan.-abr. 2007

193-202. Esta proposta é facilmente estendida para mais de dois tipos de eventos aleatórios. O aparecimento de uma falha leva o item. detecção e prevenção de falhas incipientes. quando as tarefas forem programadas devido a anormalidades (defeitos) detectados nos equipamentos em operação. principalmente à luta para se criar e conservar objetos que permitam um domínio cada vez maior da natureza. Será baseada no tempo quando as atividades para reter as capacidades funcionais dos equipamentos ou sistemas forem planejadas para serem realizadas em pontos específicos no tempo. quando existe diferença considerável nos custos relacionados aos tipos de eventos. Mesmo com o constante avanço tecnológico. A Seção 2 resume a base conceitual utilizada no desenvolvimento do modelo. pois não se pode prever o momento exato em que ocorrerá uma falha que obrigará a uma manutenção corretiva.-abr. a longo prazo. São Carlos. esta deve ser considerada. Será baseada na condição. destinadas a manter ou recolocar um item em um estado no qual possa desempenhar uma função requerida. Por isto. tanto os produtos como os equipamentos de produção têm uma duração limitada. jan. 1. já que a instalação/equipamento pode operar com restrições. não a ponto de causar o término da habilidade em desempenhar a sua função requerida. A manutenção corretiva é a forma mais primária e mais cara de manutenção. tem-se o tipo mais refinado de manutenção preventiva. Prod. A manutenção envolve atividades ligadas à correção. A Associação Brasileira de Normas Técnicas (1994) define formalmente a Manutenção como: Gest. e na Seção 6 são apresentadas algumas considerações finais sobre o modelo e o estudo. v. A Seção 4 apresenta a metodologia estatística utilizada no estudo do conjunto de dados. através de inspeções sistemáticas. a combinação de todas as ações técnicas e administrativas.1 Manutenção A evolução da manutenção está ligada à própria evolução humana. também conhecida como Manutenção Preditiva. ela é conhecida como manutenção preventiva não-sistemática. e certamente irão falhar em algum momento de suas vidas. invariavelmente. o custo de uma manutenção preventiva periódica (baseada no tempo) seja maior do que o custo de uma manutenção baseada na condição. O Novo Dicionário da Língua Portuguesa (FERREIRA. torna-se impossível eliminá-la completamente.194 Santos. além de reparar componentes do equipamento falhados ou com iminência de falha. Manutenção Corretiva (MC): É a execução de tarefas de manutenção não-planejadas para restaurar as capacidades funcionais de equipamentos ou sistemas falhados. A não observância desta diferença pode conduzir a resultados bastante distorcidos. Falha: Término da condição (habilidade) ou a impossibilidade de um item para desempenhar sua função requerida. Desta forma. será apresentada abaixo. Neste caso. 1994). a seguir. 2007 No decorrer deste trabalho serão utilizados alguns conceitos básicos relacionados à manutenção de equipamentos. uma descrição sucinta de tais conceitos. Pode ser baseada no tempo ou na condição. 2 Base conceitual Apresenta-se. Apesar disto. 2. incluindo as de supervisão. prevenção ou predição de falhas. Manutenção Preventiva (MP): É a execução de tarefas de manutenção previamente planejadas. e menor que o custo de reparos realizados após a falha do equipamento. Supõe-se que. 14. n.. daí a importância da manutenção para manter ou recuperar sua funcionalidade. Defeito: Alteração ou imperfeição do estado de uma instalação/equipamento. 1984) define genericamente o termo manutenção como “as medidas necessárias para a conservação ou a permanência de alguma coisa ou de alguma situação”. Tal suposição baseia-se tanto em premissas lógicas1 como na experiência prática dos profissionais de manutenção de equipamentos e instalações do sistema elétrico brasileiro. ou providenciando sua substituição. para evitar que o equipamento chegue a falhar. Manutenção Perfeita: É quando no ato da manutenção. É desempenhada para manter um item em condições satisfatórias de operação. (NBR 5462. Neste caso. A construção do modelo é apresentada na Seção 3. O objetivo deste artigo é apresentar uma proposta para estimar um tempo ótimo entre manutenções preventivas que minimiza o custo total com manutenção. tratando de forma separada dois tipos de eventos aleatórios independentes. um pequeno resumo da base conceitual utilizada no desenvolvimento do modelo. por atuação automática da proteção ou por desligamento da unidade em caráter de emergência. Colosimo e Motta constatada uma anormalidade. Observa- . Se as tarefas originam-se do acompanhamento de parâmetros de condição ou desempenho do equipamento em operação. Existe um outro grupo de causas que só podem ser identificadas e tratadas por meio de manutenções preventivas realizadas periodicamente com o equipamento fora de operação. p. A Seção 5 apresenta a aplicação da metodologia a um conjunto de dados de chaves seccionadoras da CEMIG. denominada “manutenção preventiva não sistemática”. ao estado indisponível. Nestes componentes são realizados testes assegurando o seu funcionamento como um novo. atua-se também nos com potencialidade de falha. programa-se a realização de uma manutenção preventiva.

m tMP t Tempo Figura 1. São Carlos. 2. tem-se a classe mais geral dos processos de contagem. é dado um reparo mínimo. Um PPNH é freqüentemente especificado pelo número médio de eventos em (0. E(NtMP (0.t](tMP) significa.1 Introdução A função custo representa o valor médio com manutenção por unidade de tempo. o custo total C(0. denominada Processo de Poisson Não-Homogêneo (PPNH). P 6 N (t. H(0. t + Dt] = 1@ I ^ t h = Dt " 0 lim Dt (1) 3 Função custo e tempo ótimo entre MP 3. destacando-se a Lei de Potência proposta por Crow (1974). é caracterizado por incrementos independentes e pela sua função de intensidade. que continua com a mesma probabilidade de falha que tinha antes de falhar. Quando a função intensidade depende do tempo.t](tMP) = m{CMP + CMCE(Nt (0.tMP])} + R MP (4) #I 0 t ^uh du em que CMP é o custo unitário com MP. 2tMP] ∪ . não introduz melhoria no equipamento. que o processo possui incrementos estacionários. Quando t vai para infinito.-abr. p. neste caso. CMC é o custo unitário médio com um reparo mínimo. Neste caso.t] (3) O Processo de Poisson é chamado de Processo de Poisson Homogêneo (PPH). Reparo Mínimo: Restaura o equipamento ao estado em que se encontrava imediatamente antes da falha (“as bad as old”). 1tMP] ∪ (1tMP. e é composta por uma parte determinística relacionada aos custos com MP periódica e outra aleatória relacionada aos custos dos reparos mínimos. O Processo de Poisson Não-Homogêneo (PPNH) possui um papel fundamental para modelar a ocorrência de eventos aleatórios sob um reparo mínimo (ASCHER. em termos de probabilidade de falha. quando a função intensidade I(t) é constante. m tMP] ∪ (m tMP. 3. e iii. Na Equação 5. t].2 para um único evento aleatório. a MP é perfeita. H(0. N(t).t – mtMP]) é o custo associado ao último intervalo considerado. substituindo-a ou restaurando a sua condição original de funcionamento. O reparo ou substituição do componente defeituoso é realizado conforme critérios técnicos rigorosos.. em caso de falha entre as MPs.. Os métodos estatísticos são apresentados na Seção 4. Tomando-se o limite da razão do custo total pelo tempo..2 Tempo ótimo para o caso de um único evento No caso de um único evento aleatório. Maiores informações sobre o Processo de Poisson podem ser obtidos em Gut (1995). 1. por exemplo. . A Figura 1 ilustra a decomposição do intervalo (0. o tempo de reparo é desprezível quando comparado com os tempos entre eventos. 0 1 tM 2 tMP . e na Seção 3.t] pode ser decomposto em subintervalos da seguinte forma: (0. mas por se tratar de uma intervenção pontual.tMP]. O intervalo de tempo (0. que tem a forma I(t) = βt(β-1)/αβ e a loglinear que tem a forma I(t) = exp(α + βt). ao final da manutenção o equipamento estará tão bom quanto novo (“as good as new”). 193-202. Pode-se dizer.t]. com t ≥ 0.3 para dois eventos. A seguir. Prod. que apresenta a seguinte forma. Generalizações destes modelos podem ser encontradas em Tomazella (2003).t] é dado por: C(0. em que N(t) é o número de eventos no intervalo (0.2 �rocesso de �oisson O Poisson é um processo de contagem de eventos. Decomposição do intervalo de tempo observado (0. Gest. Considere tMP o intervalo de tempo entre duas MP consecutivas e suponha que: i. v. t @ ^tMP h t (5) (2) Várias formas paramétricas para I(t) são utilizadas na literatura. Outras formas podem ser encontradas em Puccini (2001). este reparo mantém o sistema na condição de tão ruim quanto velho. Ou seja.t](tMP) representa o custo médio por unidade de tempo.tMP]) é o número esperado de eventos no intervalo (0. o tempo ótimo de MP é apresentado na Seção 3. que é dado por: M ^t h = E _ N ^t hi = sendo m o maior inteiro menor ou igual a t/tMP. ela retorna o sistema à condição de tão bom quanto novo. A função de lei de potência é a utilizada neste artigo devido ao seu destaque na área. tem-se que o custo médio com manutenção no intervalo de (0. tMP] e R = CMCE (NtMP (0. 1984). n. t @ ^tMP h = t lim3 " C^0.t] = (0. tem-se: H^0. atua-se somente na parte defeituosa do equipamento. jan. FEINGOLD.t](tMP) também vai para infinito. ∪ ((m – 1) tMP. 2007 . . ii.Tempo ótimo entre manutenções preventivas para sistemas sujeitos a mais de um tipo de evento aleatório 195 se neste caso que. Ou seja. com t → ∞. 14.t]. que pode ser definido como sendo uma coleção de variáveis aleatórias independentes N(t).

uma manutenção é programada para corrigi-los.. dado por: o custo médio anual com manutenção se t for medido em anos.# I ^uh du = # uI ' ^uh du (8) CMC = • Os eventos dos tipos 1 e 2 são independentes.1i H 1/ b H^0. O custo referente à correção desta anormalidade.-abr. o tempo ótimo tem solução analítica dada por: .1i d a n 1 2 b1 b2 (12) No caso de ambas possuírem parâmetros de forma iguais (β1 = β2).196 Santos. utilizando o processo de Lei t t de Potência para I(t) na Equação 8 e resolvendo-se a H^0. os tipos de eventos relacionados t a defeitos e falhas são referenciados como eventos dos 1 >C + C # I ^uh du H $CMP + CMC E _ Nt ^0. = t1 >CMP pode ser Ifacilmente estendida para mais de dois tipos + CMC # ^uh du H (6) MP MP de eventos aleatórios independentes. v. tMP Ai. β1) e I2 (t. se resume em encontrar o mínimo da função custo para uma política que determina manutenções preventivas a cada tMP unidades de tempo. diferenciando-se apenas no parâmetro de escala. reescreve-se (5) da seguinte forma: MP MP MP MP MP OT OT MP MP C 1 tOT = a > MP CMC _ b . e que se detectada alguma anormalidade. encontra-se o ponto ao evento do tipo 2.CMP H (7) MP MC # I 2 dtMP tMP MC MP • I1 (t): a intensidade de ocorrência do evento do 0 tipo 1. se a função custo possuir um ponto de encontrar (5). = t MP MC tipos 1 e 2. α2. tMP Ai. às falhas. O problema. o tempo ótimo entre manutenções preventivas é o valor de tOT que satisfaz a seguinte equação: tOT tOT CMP = C1 _ b1 . encontra-se a função custo. Suponha que o evento aleatório do tipo 1 refere-se aos defeitos. e crítico da função custo tOT. jan. então. t @ ^tMP h = t1 >CMP + C1 (9)MP 0 # I ^uh du + C # I ^uh duH 1 2 2 0 tMP tMP O estimador de tOT é obtido estimando os parâmetros de I(t) (α. 2007 Igualando-se a derivada da função (10) a zero.3 Tempo ótimo para o caso de dois eventos aleatórios Considera-se. β) e substituindo-os na Equação 9. que será chamada de defeito. Colosimo e Motta terísticas bem distintas das falhas.C ^uh du . 3. β2). é apresentada uma proposta para estimar o tempo ótimo entre manutenções preventivas. A mesma metodologia t H^0. que geralmente são bem maiores. que trata sepamínimo tOT. e neste caso. Para simplificar a 0 notação. Suponha. 14. A seguir. Este valor é a solução da seguinte equação: CMP = C1 0 # uI' ^uh du + C # uI' ^uh du 1 2 2 0 tOT tOT (11) Quando os dois tipos de eventos aleatórios possuem funções de intensidade e lei de potência dadas por I1 (t. e o do tipo 2. não deve ser tratado simplesmente como um custo usual de reparo mínimo. Prod. uma vez conhecido aleatórios. α1. ocorram dois tipos de eventos aleatórios. t @ ^tMP h = t1 $CMP + CMC E _ Nt ^0. falha e defeito. neste caso. Sendo assim. Desta maneira. Para t suficientemente grande. R → 0. encontra-se o tempo entre manutenções preventivas que minimiza o custo (tempo ótimo). uma vez que a falha no equipamento de fato não ocorreu. expresso através da razão: • I2 (t): a intensidade de ocorrência do evento do t t CMP tipo 2.1i d a n + C2 _ b2 . Os casos em que o reparo mínimo está relacionado a mais de um tipo de evento aleatório não são raros. n. o caso de equipamentos em funcionamento que passam por inspeções periódicas. Considera-se que os eventos MP 0 do tipo 1 e 2 são independentes e ocorram segundo um Processo de Poisson Não-Homogêneo (PPNH). obtém-se o tempo ótimo entre as manutenções MP 0 0 preventivas. dH = 1 >C t I ^t h . A função de custo é então dada por: o valor da razão CMP / CMC. este é o tempo entre MPs que minimiza o radamente os custos decorrentes de dois tipos de eventos custo (tempo ótimo). a partir daqui. 193-202. pode-se dizer que t ≈ mtMP. respectivamente. 0 0 Utilizando-se a mesma metodologia empregada para Neste caso. por exemplo. p. t @ ^tMP h = t1 >CMP + C1 # I1 ^uh du + C2 #(10) h du H I 2 ^u integral. São Carlos. 1. tOT I _tOT i . que além de MP. • C2: o custo unitário de cada reparo mínimo devido Igualando-se a Equação 7 a zero. considerando o custo com MP e os custos com reparo mínimo decorrentes de dois tipos de eventos aleatórios independentes. O custo em questão seria decorrente de um evento aleatório e teria caracGest. O método de máxima verossimilhança é utilizado para esta finalidade e apresentado na Seção 4. Sejam: Derivando-se (6) com respeito ao tMP tem-se: • C1: o custo unitário de cada reparo mínimo devido t ao evento do tipo 1.

é a j-ésima falha (reparo mínimo) do i-ésimo sistema. caso ocorra mais de um tipo de evento aleatório no equipamento para o qual se deseja determinar a freqüência de manutenções preventivas. p. bi = i = 1 % *> % I k ni j = 1 _tij iH e- #I 0 Ti ^uh du 4 (14) em que tij. pois as funções de intensidade são independentes. Neste período. foi computado da seguinte forma: • equipamento 1 falhou no tempo 3 meses e foi truncado no tempo 12 meses. a expressão para o tempo ótimo não oferece uma solução analítica. basta substituir Ti por tini. Foram estudadas 468 chaves seccionadoras. ocorreram 109 eventos. passou por uma MP no tempo 12 meses e foi truncado por tempo no final do período de observação (31. para poder encontrar uma solução. quando se pára de observar o sistema em um tempo pré-determinado. Suponha inicialmente uma situação envolvendo somente um único tipo de evento aleatório.40-12) meses. Os passos para a obtenção deste intervalo de confiança são mostrados no Apêndice. o equipamento passa por um reparo mínimo que deixa o equipamento.Tempo ótimo entre manutenções preventivas para sistemas sujeitos a mais de um tipo de evento aleatório 197 tOT = * _ b . O Gest. Equações 16.. por meio de gráficos da função de média acumulada dos eventos (MEEKER. jan. para cada tipo de evento aleatório. 1974).-abr. BASU. ESCOBAR. No caso de mais de um evento aleatório. 14. quando se pára de observar o sistema após a um número pré-especificado de falhas ou 2) truncado por tempo. Ti] (truncado por tempo). é dada por: L _a. Desta forma. Existem duas formas de se observar dados de um sistema reparável: 1) truncado por falha. 2007 4 Metodologia estatística O método de máxima verossimilhança (MV) é utilizado a fim de estimar o tOT para um ou mais sistemas idênticos. Assumindo-se. Substituindo a intensidade de recorrências pela Lei de Potências na Equação 14. A construção do intervalo de confiança para o tOT é mais trabalhosa. A função de verossimilhança para um PPNH (RIGDON. Após cada falha ou defeito constatado nas inspeções periódicas. utilizando-se as . e 5) Estimativa do tempo ótimo entre manutenções preventivas. o equipamento que passa por uma MP antes do final do estudo deve ser contado como um novo equipamento. pois esta quantidade depende de todos os parâmetros. sendo 73. sob uma determinada política de MP com modos de falha segundo um PPNH. obtém-se: L _a. Destes equipamentos. que a MP é perfeita para as causas de eventos consideradas. um equipamento que falhou no tempo 3 meses. manutenções preventivas. e • equipamento 2 foi truncado no tempo 19. 1. utilizando a equação de custo de MP do modelo. 5 Exemplo numérico O objetivo desta seção é aplicar os métodos propostos neste artigo em um conjunto de dados reais relativos a chaves seccionadoras da área de transmissão da CEMIG (Companhia Energética de Minas Gerais). Os passos do processo de determinação da freqüência ótima de manutenções preventivas em função do custo são os seguintes: 1) Separação dos subconjuntos de eventos. São Carlos. as estimativas dos parâmetros são obtidas de forma separada. 193-202. HINKLEY. Como nenhum equipamento passou por mais de uma MP. 325 deles foram truncados no tempo sem nenhuma ocorrência. 1998).40 meses). Os passos para a obtenção deste intervalo de confiança também são mostrados no Apêndice . 3) Estimativa dos parâmetros pelo processo de Lei de Potências. Se o sistema for truncado por falha. bi = b As EMV são: (16) ni i = 1 ! k -b a ni i = 1 ! k = % %tij G k ni i = 1 j = 1 b . Por exemplo. do tipo do de NewtonRaphson.para o caso de dois eventos aleatórios. 4) Cálculo do custo médio da ação de manutenção. 2) Verificação da existência de tendência de crescimento ou de diminuição do número de eventos ao longo do tempo2.1 e - i = 1 ! k T d in a b (15) e O intervalo de confiança para o tOT é construído a partir das propriedades para grandes amostras dos EMV (COX. na prática foram considerados 541 = 468 + 73 equipamentos distintos. 2000). é necessário um método numérico. baseado em uma amostra de k sistemas em que cada um apresenta ni falhas e acompanhado por um período (0.40 (31. na situação em que se encontrava imediatamente antes do evento. n. v.1i =C c 1 m 1 CMP b a1 4 1 + C2 c a m G 2 b 1/b (13) Em caso contrário (β1 ≠ β2). em termos de confiabilidade. Prod.

n.20 0. β) = (1. todas as MP e os eventos relacionados a causas detectáveis por inspeção visual. obtém-se a estimaTabela 1. espera-se um custo médio de reparo mais baixo. e 2. 2.30 Função de média acumulada 0. análise de óleo ou termovisão (MP baseada na condição).Subconjunto de dados com todas as chaves seccionadoras. uma vez que as anormalidades detectadas podem ser reparadas antes de evoluírem para a falha. FMA – G2.03 0. β) G1 131.Subconjunto de dados com todas as chaves seccionadoras. 3 e 4 apresentam as FMA para o banco completo. 1. Para o conjunto de dados completos.04 0. A prática de manutenção preventiva periódica só se justifica quando a função de intensidade é crescente. Colosimo e Motta 0.00 0 5 10 15 20 Meses 25 30 conjunto de dados foi separado em dois subconjuntos.05 0. o que justifica a adoção de uma política de MP. 2007 .47).15 0.2 com IC (95%.297 1.183.25 Função de média acumulada 0. Eventos de interesse por conjunto de dados. a estimativa para β é 1.198 Santos.944] Gest.406 0.05 0. 1.01 0.05 0.10 0.06 0. 14. O resumo descritivo dos dados é apresentado na Tabela 1. a única alternativa à MP é o equipamento deteriorar até falhar. o que pode justificar a adoção de uma política de manutenção com MPs periódicas. respectivamente.25 0. As estimativas dos parâmetros para os grupos G1 e G2 estão apresentadas na Tabela 2. considerando-se as causas que originaram os eventos.370] G2 143. A Figura 3 mostra que o grupo G1 apresenta uma intensidade discretamente crescente. v. Conjunto de dados G1 G2 Total Número de eventos 90 19 109 Número médio de eventos por chave 0. A avaliação da tendência da função de intensidade pode ser feita através do gráfico da Função de Média Acumulada (FMA) (MEEKER. As Figuras 2. todas as MP e os eventos relacionados a causas detectáveis somente através de uma MP. Os dois subconjuntos foram formados da seguinte forma: 1. Percebe-se na Figura 2 uma tendência de crescimento da intensidade de recorrências.192 0. São Carlos. o banco com os eventos de G1 e o banco com os eventos de G2.-abr.02. Função de média acumulada 0. p.652 2. FMA – Banco completo. 193-202. 0. G2 .15 0. Parâmetros α β IC (95%.063 [1. Utilizando-se as estimativas apresentadas na Tabela 2 e os custos apresentados na Tabela 3. jan. Tabela 2. 1. Estes valores confirmam a tendência de crescimento da intensidade de recorrência.00 0 5 10 15 20 Meses 25 30 Figura 4. FMA – G1. Para este grupo de eventos. Estimativas dos parâmetros. enquanto a Figura 4 mostra uma forte tendência de crescimento da intensidade do grupo G2. A Tabela 3 apresenta os custos médios da ação de manutenção para cada tipo de causa de eventos. 1998).00 0 5 10 15 Meses 20 25 30 Figura 3.. O custo médio de reparo relacionado a este tipo de evento geralmente é mais elevado do que o anterior.143 [0.20 0. ESCOBAR. Muitos destes reparos podem ser realizados com o equipamento em operação. Prod. G1 . Neste caso.233 Figura 2.10 0.916.02 0.

Existe farto material sobre confiabilidade de produtos. São Carlos. Estes equipamentos. tOT ) = (4 . Isto não é comum quando se tratam de outros equipamentos dos sistemas elétricos de potência. mas pouca coisa sobre confiabilidade de itens em operação. 1. A grande amplitude do intervalo de confiança de tOT reflete a incerteza deste resultado. Além disto. reatores e capacitores. O tratamento conjunto de todas as causas que originaram os eventos não permitiria captar a diferença existente nos custos.5 3 5 15 30 0 30 CMP 1 1 1 1 1 1 1 Estimativas tOT 123 67 58 23 22 36 26 IC (4. que estão sujeitos a perdas significativas de receitas devido a indisponibilidades não deve negligenciar este acréscimo no custo. 40) (14. Os melhores resultados deverão ser obtidos nos casos de equipamentos cujas indisponibilidades estejam associadas tanto aos custos de reparo. tais como: fundamentam-se na hipótese exponencial e no pressuposto da “curva da banheira” (sem verificar se existe ou não tendência de crescimento da intensidade de falhas ao longo do tempo de vida dos equipamentos). Kececioglu (1995) apresenta vários modelos para estimar os tempos entre inspeções e o tempo ótimo para substituição de equipamentos danificados. a conclusão imediata que se pode tirar deste resultado é que o tempo entre MP tende a ser bem maior que o tempo observado. p. Em ambos os casos os custos de manutenção seriam bem mais altos se os sintomas (defeitos) não tivessem sido detectados e reparados antes de evoluírem para falhas. jan. À medida que mais informações forem sendo incorporadas ao conjunto de dados. 31) (0. considerando-se diversos valores para CMP e reparos dos eventos de G1 e G2. Outros valores de custos. devido ao pequeno período de acompanhamento e às características dos custos de manutenção das chaves seccionadoras. Mas estes modelos apresentam alguns inconvenientes. A relevância desta diferenciação torna-se ainda mais significativa quando existem penalizações pela indisponibilidade do equipamento. quanto às perdas de produção ou de receitas. Estes custos de MP são muito próximos dos custos dos reparos. Neste caso. além de possuírem custos de reparos significativamente maiores do que os custos de manutenção preventiva. mais onerosa do que as tarefas de manutenção baseadas na condição relativa ao G1. Observa-se. Esta verificação gráfica foi realizada no período de 31. novas análises deverão ser feitas para avaliar esta estimativa. uma análise conjunta pode conduzir a resultados bastante distorcidos. Um estudo de um conjunto de dados relativos aos equipamentos do sistema de transmissão de energia elétrica. Prod. Observa-se neste caso. tais como: os transformadores. que a periodicidade de MP diminui à medida que os custos de G1 e G2 crescem em relação ao de MP. as amplitudes dos intervalos de confiança decrescem com o aumento dos custos de G1 e G2. Desta forma. v. Custos de manutenção. com IC (95%.40 meses. na perspectiva da manutenção. A escolha do processo de lei de potência para a modelagem dos dados foi baseada na comparação da função da média acumulada empírica com as curvas das intensidades acumuladas. e não utilizam processos de contagem de falhas. na perspectiva dos fabricantes. 6 Considerações finais A maior parte da literatura sobre Confiabilidade trata de sistemas não-reparáveis. embora a maioria dos sistemas existentes no “mundo real” seja reparável. Gest.-abr. O modelo é aplicável a qualquer tipo de equipamento industrial reparável.114) (20. são penalizados com grandes perdas de receitas devido aos tempos de indisponibilidade para reparos. 2007 . além dos aspectos citados acima. 90) (16. Algumas causas estudadas podiam ser detectadas por meio de inspeções realizadas com o equipamento ligado (G1). via de regra.40 meses). n. por intermédio de MP periódica realizada com o equipamento desligado. que o valor da estimativa pontual de tOT é bem maior que o intervalo de tempo sob observação (31. A proposta de estimativa do tempo ótimo entre MP apresentada levou em consideração. 97) (8.. As outras causas tratadas neste estudo (G2) só podiam ser descobertas e reparadas antes de evoluírem para falha. Custos G1 1 5 3 30 15 30 0 G2 1. 243) (20. 243) meses. A Tabela 4 apresenta os valores do tempo ótimo para este mesmo conjunto de dados. que apresente tendência de crescimento da intensidade de falhas ao longo do tempo.Tempo ótimo entre manutenções preventivas para sistemas sujeitos a mais de um tipo de evento aleatório 199 Tabela 3. Manutenção G1 G2 MP (CMP) Valor (Reais) 1000 1500 1300 Tabela 4. 38) tiva de tOT igual 123 meses. Asher e Feingold (1984) dizem que “a confiabilidade de sistemas reparáveis tem sido um ‘filho adotivo’ largamente ignorado no campo da confiabilidade”. 14. A MP periódica. é. e reparadas antes da falha do equipamento. relacionada ao G2. a diferença existente entre os custos de manutenção relacionados às causas que originaram o evento. 193-202.

. 4. COLOSIMO. MEEKER. FREITAS. H. v. Colosimo e Motta Optimal maintenance time for repairable systems in more than one type of failure Abstract A repairable system operates under a maintenance strategy that calls for complete preventive repair actions at prescheduled times and minimal repair actions whenever a failure occurs. 1984.. An Intermediate Course in Probability. failures are modeled according to a non-homogeneous Poisson process. H. USA. R.. que em relação à MP baseada no tempo. Power Law Process. Switch disconnectors. p. 2007 . 33. L. 1974. TOMAZELLA. CROW. HINKLEY. Notas 1 Supõe-se. Keywords: Minimal repair.200 Santos. H. 2001. o custo da manutenção preventiva sob condição seja menor. A. we found the expected cost per unit of time for each preventive maintenance policy and hence obtained the optimal strategy as a function of the intensity function of the process. W. COX. Reliability Analisys for Complex Systems. M. uma política de manutenção preventiva é aplicável. S. 39. 193-202. Statistical Methods for the Reliability of Repairable Systems. Optimal Maintenance Time for Repairable Systems. E. D. Rio de Janeiro: Associação Brasileira de Estatística. V. Repairable Systems Reliability: Modelling. A. p. p. p. Gest. br). 1992. L. 1995. London: Chapman and Hall. dado o seu caráter intempestivo. Under minimal repair. J. Two different types of failures could be observed for these systems according to their causes. E.. R. 1995. Novo Dicionário Brasileiro da Língua Portuguesa. this process is called the Power Law Process. 281 p. 480-492. 2003. 379-410. Referências bibliográficas ASCHER. a intervenção é feita sem planejamento e sem garantia de ser realizada com a logística mais adequada. Journal of Quality and Technology.. p. KECECIOGLU. 48-54. 309. série Ferramentas da Qualidade n. Poisson process. G. New York: Marcel Dekker. Maintainability. U. A Statistical Methods for Reliability Data. 12. The major differences between these types of failures are their costs. CORDEIRO. v. São Carlos. 296 p. New Jersey: Prentice Hall. PROSCHAN. 1. A. 1997. G. Inference. When the intensity function is assumed to grow proportional to a power of time. The motivation for this paper was a maintenance data set related to power switch disconnectors. 1998. Rio de Janeiro: Nova Fronteira. D. Confiabilidade: Análise de Tempo de Falha e Testes de Vida Acelerados. n. New York. Misconception and their Causes. Se existir tendência de crescimento.. n. E. 14. Prod. FERREIRA.. L. Large sample procedures to estimate the optimal maintenance check points for the Power Law Process are also discussed.. D. 441 p. SERFLING (eds) Reliability and Biometry. v. A Teoria da Verossimilhança. Theoretical Statistics. Modelagem de dados de eventos recorrentes via processo de Poisson com termo de fragilidade. Q. New York: Springer-Verlag. 680 p. GILARDONI. B. RIGDON. 1984. A. G. 223 p. A Bounded Intensity Process for the Reliability of Repairable Systems. ESCOBAR. jan. P. USP (www. BASU. 1974. Assuming that the system will be in operation for an infinite time. A. Journal of Quality and Technology. 2007. Belo Horizonte: Fundação Christiano Ottoni. porque determina intervenções programadas apenas nos componentes com risco iminente de falha.-abr. COLOSIMO. M. John Wiley and Sons. 532 p. A. 2 e que o custo da manutenção após a falha seja maior. 1499 p. FEINGOLD. porque.usp. Tese de doutorado defendida no ICMC. n. 163 p. Availability and Operational Readness Engineering. D. GUT. 10º SINAPE. The results are applied in the power switch disconnector data set. 1. 2000. PUCCINI. New York: John Wily and Sons.teses. In: F.

o EMV de tOT é igual a g sendo e EMV.2tOT C2 a2.b i _ b2 .b1log ^a1h + log ^a1h + b1log _tOT i .b tOT 81 .b i _ b 2a = (4) 2 C2 b2 _ b2 .b i _ b2 . não é possível encontrar o esti-OT =.1i + C T Caso 2.b itOT .1i tOT .1i mador dos parâmetros de forma analítica..1i _.1i a(2. CORDEIRO. Neste caso.1i a1 tOT) 2tOT _ _b (b 2a1 = C2 b2 _ b2 .1i + C1 T V 2 2 2 1 1 2 2 2 2 2 _ 2i Para construir um intervalo de confiança para tOT.1i a(2.1i tOT . 1997).b ) tOT + C1 b1 _ b1 - (b C2 b2 _ b2 . α2. 1992).1i a.1i a2 tOT + C1 b1 _ b1 . Dois eventos aleatórios ^ R V b t Sendo θ = ( ) os EMV. a aplicação do método delta é dada por: (6) As derivadas de (6) com respeito a α1. 1.1i + C1 b1 _ b1 2 2 2 2 1i _._ b1 + 1i 1 2 2 .b i tOT .1i + C1 b1 a1.log _tOT iB W S R 1 1 R _.1i a1 tOT 2 2 2 2 1 1 1 1 (b C2 b2 _ b2 .1i a1. temse que: Neste caso. (10) =._b + 1i tOT ) 2tOT (8) 2 = _b 2a2 C2 b2 _ b2 . Prod.Tempo ótimo entre manutenções preventivas para sistemas sujeitos a mais de um tipo de evento aleatório 201 Apêndice Construção de intervalo de confiança para o tempo ótimo.1i tOT .-abr.b i _ b i 2t Em alguns casos. HINKLEY. a matriz de informação é bloco diagonal e pode ser representada por: RR 2 V V 22 l W S S 2 l2 W 0 S S 2a1 2a1 2b1 W W SS W W 2 2 2l W SS 2 l W 2 S S 2a1 2b1 2b1 W W 1 ^ih = S T VW (5) X R 2 2 2 l WW S 2 l2 0 S S 2a2 2a2 2b2 WW S S W 2 S 22 l WW S 2l S S 2a2 2b2 2b2 WW S W 2 T XX T Gest. n.S C1 a1 tOT 81 ._ b1 + 1i 1 2 2-1 1 1 b C1 b1 _ b1 . 2007 .b i _ b .b i _ b2 ._b + 1i tOT ) 2tOT 2 _.1i tOT . p. tOT também é EMV.log _tOT iB W S W _b _ _b S W 2b C2 b2 a_2.b i _ b1 . São Carlos. jan. A propriedade de invariância do EMV garante que sendo tOT função dos parâmetros α e β. v. β1 e β2 são dadas por: .b i _ b1 .b2 log ^a2h + log ^a 2tOT Raphson.1i tOT .S S 2b1 C2 b2 a_2. Como conseqüência =. COLOSIMO.b2 log ^a2h + log ^a2h + b2 log _tOT i . t se a Var _tOT i através do método delta.b i _ b2 .1i a1 tOT 2tOT (7)) = (b 2a1 C2 b2 _ b2 .b i _ b i S C1 a1 tOT 81 . 14. 1974. Caso 1.1i tOT 2 2 1 1 _ 2i 1i W W X da suposição de independência entre os dois tipos de eventos aleatórios (1 e 2).S S obtém-2b2 T _b _ _b C2 b2 a_2.1i a_2.S _b S 2b2 C2 b2 a_2. Um único evento aleatório Sendo θ o vetor dos parâmetros.1i + C1 b1 a1. Uma solução 1 T X pode ser obtida através do método numérico de NewtonR _.b )tOT ) + C1 b1 _ b1 .b1log ^a1h + log ^a 2tOT (9) _b =.1i a. O intervalo de (1-α)100% de confiança para tOT é dado por: (3) t em que a variância de tOT é estimada utilizando o método delta (FREITAS.b i _ b i S C2 a2 tOT 81 .1 (b C1 b1 _ b1 . 193-202. um intervalo com (1-α)100% de confiança para θ é dado por: (1) em que a variância é dada por: (2) sendo ℑ(θ) a matriz de derivadas segundas de l(θ) com respeito aos respectivos parâmetros (COX.1i .

CEP 31270-901.com. Gilardoni do departamento de Estatística da Universidade de Brasília. MG. Barbacena. p. Prod. Belo Horizonte. Engenharia de Manutenção da Transmissão. CEP 30190-131. Departamento de Estatística. Av. Ala B2.ufmg. Instituto de Ciências Exatas.. MG. n. Colosimo e Motta Sobre os autores Wagner Baracho dos Santos Sergio Brandão da Motta Companhia Enérgetica de Minas Gerais – CEMIG. Brasil. sergiob@cemig. A pesquisa de Enrico Colosimo foi parcialmente financiada pelo CNPq (bolsa de pesquisa 300582/2003-0). Gustavo L.. São Carlos.br Enrico Antonio Colosimo Universidade Federal de Minas Gerais – UFMG. 193-202. Pampulha. 2007 .-abr. Recebido em 06/3/2006 Aceito em 13/12/2006 Gest. Campus Pampulha. e-mail: wbaracho@cemig.br Agradecimentos: À editora e a dois revisores cujas sugestões melhoraram a qualidade do artigo e também às valiosas sugestões do Prof.com. Brasil e-mail: enricoc@est. 1.202 Santos. 1200. jan. 14. v. 13º andar.br. Belo Horizonte.A. Geração e Transmissão S.