DETERMINAÇÃO DA POSIÇÃO NA CURVA DA BANHEIRA DE UM AGITADOR DE POLPA DE CELULOSE EDUARDO FRANCISCO MOREIRA CEZAR MALLMANN

Transcrição

1 MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA SUL-RIO-GRANDENSE CAMPUS SAPUCAIA DO SUL CURSO SUPERIOR DE ENGENHARIA MECÂNICA DETERMINAÇÃO DA POSIÇÃO NA CURVA DA BANHEIRA DE UM AGITADOR DE POLPA DE CELULOSE EDUARDO FRANCISCO MOREIRA CEZAR MALLMANN Orientador: Prof. Dr. Durval João De Barba Jr. Sapucaia do Sul 2017

2 ii EDUARDO FRANCISCO MOREIRA CEZAR MALLMANN DETERMINAÇÃO DA POSIÇÃO NA CURVA DA BANHEIRA DE UM AGITADOR DE POLPA DE CELULOSE Trabalho de Conclusão de Curso apresentado no Instituto Federal Sul- Rio-Grandense, Campus de Sapucaia do Sul, como parte dos requisitos para obtenção do Título de Engenheiro Mecânico. Orientador: Prof. Dr. Durval J. De Barba Jr. Sapucaia do Sul 2017

3 iii AGRADECIMENTOS Primeiramente, gostaria de agradecer a todos os professores e servidores que lutam para que este curso possa existir e ficar cada vez melhor com o passar do tempo. Um agradecimento especial ao Professor Durval João De Barba Jr. que aceitou orientar este trabalho, sempre com muita dedicação, simpatia e parceria nas orientações, para que chegássemos com êxito no final. Um agradecimento aos meus familiares que sempre estão ao meu lado e que são um exemplo a ser seguido. Agradeço principalmente à Joice, minha companheira de todos os dias, por ser uma pessoa muito especial na minha vida, ser minha guia, exemplo de esforço e dedicação, que me faz sempre querer melhorar em todos os aspectos.

4 iv RESUMO Monografia elaborada com o objetivo principal de definir a região na curva da banheira em que o agitador se encontra. Este trabalho se justifica pelo fato da indústria de celulose operar em campanhas anuais e, para tal, necessita da confiabilidade em seus ativos para garantir a continuidade operacional e atender as demandas de mercado e dos acionistas. Desta forma, mapeando o ciclo de vida dos equipamentos e identificando sua fase atual, é possível prever uma eventual falha que possa ocorrer no sistema. Para isto, elas precisam ser classificadas, identificar os tempos entre falhas e os tempos para reparo, para calcular a disponibilidade e identificar o ponto do ciclo de vida do com o uso do software modelador ProConf As simulações foram efetuadas com um nível de confiança de 95%, onde se chegou em uma Disponibilidade de 99,8% do tempo de operação do agitador. Este valor de Disponibilidade comprova que a Manutenção Preditiva, efetuada neste equipamento, tem se mostrado eficaz e, quando ocorreu alguma intervenção para manutenção, ela pôde ter sido planejada e executada em um menor tempo possível, garantido assim, o resultado apresentado. Na análise de vibração do equipamento, foi mensurado o valor de 1,569 mm/s, sendo considerado um valor aceitável. Por meio da análise de Weibull, obteve-se um fator de forma (γ) de 0,798 para o agitador, considerando o equipamento ainda dentro da fase de juventude. Palavras-chave: Manutenção. Confiabilidade. Curva da Banheira. Disponibilidade.

5 v LISTA DE FIGURAS Figura 1: Visão tradicional de falha (LAFRAIA, 2011) Figura 2: Os seis padrões de falha (LAFRAIA, 2011) Figura 3: Curva da Banheira (LAFRAIA, 2011) Figura 4: Modelagem matemática (SIQUEIRA, 2014) Figura 5: Modelo de ajuste de distribuição hipotética F(x) à empírica F e (x) (ROSS, 2009) Figura 6: Exemplo de distribuição normal com um intervalo de confiança de 95% (CORREA, 2003) Figura 7: Diagrama das etapas detalhadas da metodologia de trabalho Figura 8: Processo de fabricação de celulose (CETESB, 2008) Figura 9: Desenho esquemático do Agitador (TVW PILÃO SA, 1980) Figura 10: Papel de probabilidade Weibull para tempos entre em falhas Figura 11: Função (Rt) de confiabilidade Figura 12: Papel de probabilidade de Weibull dos tempos para reparos Figura 13: Função Mantenabilidade de confiabilidade Figura 14: Possível localização do agitador na curva da banheira (modificado a partir de LAFRAIA, 2011) Figura 15: Gráfico de Espectro de vibração Figura 16: Tendência de vibração do agitador

6 vi LISTA DE TABELAS Tabela 1: Comparação da Manutenção Tradicional com a MCC (SIQUEIRA, 2014)... 7 Tabela 2: Descrição de falhas funcionais (MOUBRAY, 2000)...12 Tabela 3: Comportamento da função da distribuição de Weibull (LAFRAIA, 2011)...19 Tabela 4: Valores críticos de χ 2 (RUSSO, 2003)...21 Tabela 5: Lista de ordens de manutenção localizadas no SAP Tabela 6: Tempo entre falhas e tempo de reparo, em horas...29 Tabela 7: Resumo dos testes de distribuição para os Tempos entre falhas...30 Tabela 8: Parâmetros de ajuste do TMEF em horas Tabela 9: Resumo dos testes de distribuição para os Tempos para reparos Tabela 10: Parâmetros de ajuste do TMPR em horas Tabela 11: Ciclo de vida e as estratégias de manutenção (adaptado a partir de SELLITTO, 2005)...37

7 vii LISTA DE ABREVIATURAS, SIGLAS E SÍMBOLOS AVC D E exp F(t) f(t) FMEA/FMECA JIT LCC MCC MTBF MTTR NPR P Pdf PRA RCM R(t) t T TMEF TMPR λ(t) µ γ Θ π χ 2 Avaliação do Ciclo de vida Disponibilidade Número de Euler Exponencial Função probabilidade acumulada de falha Função densidade de probabilidade Análise de Modo de Falha, Efeitos e Criticidade Just in time Life Cycle Cost Manutenção Centrada em Confiabilidade Meant time between failures Mean time to repair Índice ou prioridade de rico Probabilidade Probability density function Análise Probabilística de Riscos Reliability-centred Maintenance Função Confiabilidade Tempo Tempo Tempo médio entre falhas Tempo médio para reparos Função taxa de falha Parâmetro de localização Parâmetro de forma Parâmetro de escala Pi Chi-quadrado

8 viii SUMÁRIO LISTA DE FIGURAS... V LISTA DE TABELAS... VI LISTA DE ABREVIATURAS, SIGLAS E SÍMBOLOS... VII 1 INTRODUÇÃO OBJETIVOS FUNDAMENTAÇÃO TEÓRICA Manutenção Centrada em Confiabilidade (MCC) Tipos de Manutenção Manutenção Preditiva Falha Classificação de falha Disponibilidade Curva da Banheira Mortalidade Infantil Vida Útil Desgaste Métricas da Confiabilidade Distribuições de Probabilidade Distribuição Normal Distribuição Lognormal Distribuição de Weibull Distribuição Exponencial Software de modelagem ProConf Alguns trabalhos realizados segundo esta metodologia... 23

9 ix 4 METODOLOGIA Indústria de Celulose Fluxograma do Processo Detalhamento do equipamento a ser estudado RESULTADOS E DISCUSSÃO Análise do tempo entre falhas Análise do Tempo médio para reparos Cálculo da Disponibilidade Localização na Curva da Banheira Análise de vibração do agitador Discussão Falando de Sustentabilidade CONCLUSÕES LIMITAÇÕES, DIFICULDADES E SUGESTÕES PARA TRABALHOS FUTUROS REFERÊNCIAS... 41

10 1 1 INTRODUÇÃO A indústria de celulose é governada por escala de produção, tendo o seu produto um comportamento de commodity em relação ao preço de mercado. Desta forma, um dos principais fatores que caracteriza este tipo de negócio é a continuidade operacional. Por se tratar de um processo industrial de grande complexidade, que envolve uma série de sistemas e equipamentos, apresenta um sistema contínuo de produção, onde os equipamentos de processo operam em campanhas de produção que geralmente são anuais (FOELKEL, 1997). Neste processo existe uma grande exigência dos equipamentos, para se atingir a maior disponibilidade possível, sendo necessário, aplicar uma série de metodologias e estudos para obter a confiabilidade no sistema. Um dos métodos que se pode aplicar é o da análise de falhas para se calcular a disponibilidade do equipamento e definir o melhor plano de manutenção que deve ser aplicado em determinado sistema ou equipamento (MOUBRAY, 2000). Na indústria, o Engenheiro que trabalha em conjunto com o corpo de Manutenção se depara constantemente com este tipo de problema, onde necessita realizar um levantamento da vida do equipamento, investigando o histórico de falhas para determinar as possíveis causas e propor um plano de ação para que o equipamento tenha a maior disponibilidade operacional. Fazendo com que a companhia tenha uma produção contínua e não tenha perdas por falha nesses equipamentos. Em muitos casos, também envolvem questões ambientais, quando se tratam de indústrias químicas, como na produção de celulose, onde existe uma série de produtos perigosos à saúde e ao meio ambiente que fazem parte do processo produtivo, como o Cloro e o Dióxido de Cloro. Desta forma, é fundamental ter um controle do processo de seus sistemas e equipamentos para que não se tenha um distúrbio inesperado, ocasionando vazamentos de gases tóxicos ou fluidos químicos que podem ser liberados para a atmosfera ou efluentes. Neste mesmo sentido, Pinto e Xavier (2010) afirmam que um dos fatores para se atingir o sucesso operacional depende da visão crítica da sociedade, salientando que uma empresa que não for excelente nas questões de saúde, segurança e meio ambiente, não será competitiva. Este trabalho será aplicado na área de manutenção da Engenharia Mecânica, com o enfoque na confiabilidade, filosofia de manutenção que surgiu nos anos 70 na indústria aeronáutica americana devido às grandes exigências que os equipamentos eram submetidos e a confiança que eles necessitavam e necessitam possuir (MOUBRAY, 2000).

11 2 Desta forma, pretende responder a seguinte questão: quais são as etapas e/ou ferramentas para determinar em qual fase da vida útil um agitador, que faz parte do processo de fabricação em uma indústria de celulose, se encontra? Para resolver isso, será efetuado um levantamento do histórico de intervenções em um equipamento, para depois, com a ajuda de distribuição estatística, determinar em qual região da curva da vida útil o equipamento está, assim como uma classificação dos tipos de falha que ocorrem ao longo deste período. Para execução deste projeto, será necessário aplicar os conhecimentos de Metodologia Científica, Expressão Gráfica, Matemática, Estatística e Probabilidade e Administração, que são alguns dos tópicos apresentados na Resolução CNE/CES 11, de 11 de março de Pensando ainda nos conhecimentos que serão aplicados no desenvolvimento deste trabalho, aponta-se o terceiro e quinto tópicos do artigo 4º da Resolução de 2002 que cita que o profissional deve identificar, formular e resolver problemas de Engenharia, assim como analisar sistemas, produtos e processos (CNE/CES, 2002). O trabalho se justifica pelo fato da indústria de celulose operar em campanhas anuais e, para tal, necessita da confiabilidade em seus ativos para garantir a continuidade operacional e atender as demandas de mercado e dos acionistas. Desta forma, mapeando o ciclo de vida dos equipamentos e identificando sua fase atual, é possível prever uma eventual falha que possa ocorrer no sistema.

12 3 2 OBJETIVOS O Objetivo Geral deste trabalho é definir a região na curva da banheira em que o agitador, que faz parte do processo de fabricação em uma indústria de celulose, se encontra. Os Objetivos Específicos são: (1) Efetuar um levantamento do histórico de intervenções que ocorreram em um determinado período; (2) Listar as falhas ocorridas; (2) Calcular a disponibilidade deste equipamento; (3) Comparar o resultado encontrado com a análise de dados da empresa.

13 4 3 FUNDAMENTAÇÃO TEÓRICA A manutenção de ativos na indústria é umas das áreas que mais evoluiu na questão de gerenciamento. Este fato ocorreu devido ao aumento da quantidade de equipamentos e à evolução de tecnologias, fazendo com que os sistemas e instalações ficassem cada vez mais complexos. Além disso, foi preciso desenvolver novas técnicas de manutenção, devido às questões ambientais e de segurança, visto que uma falha em um equipamento, além de impactar na produção da planta, pode oferecer riscos às pessoas e ao meio ambiente (MOUBRAY, 2000). 3.1 Manutenção Centrada em Confiabilidade (MCC) A Manutenção Centrada em Confiabilidade (MCC), do Inglês Reliability-centred Maintenance (RCM), é uma filosofia de manutenção que surgiu em meados dos anos 70, na indústria de aviação americana, para preparar os programas de manutenção das aeronaves. Este sistema apresentou-se na forma de um relatório que levou o nome de MCC. No final dos anos 70 foi aplicado pela Marinha Americana e, nos anos 80, foi utilizado nos setores de mineração e manufatura, seguindo depois para vários países espalhados pelo mundo todo (MOUBRAY, 2000). Com um grande crescimento de demanda de bens e materiais de consumo, a meta de reduzir estoques e aplicar conceito de just-in-time, fizeram com que a falha de um equipamento da cadeia produtiva impactaria em todo o processo, trazendo grandes perdas. Assim, como o crescimento da mecanização e automatização de processos fez com que cada vez mais a confiabilidade e a disponibilidade ficassem no foco como questões chaves para atingir o sucesso produtivo. A necessidade de manter os equipamentos operando cada vez mais em condições, fez com que o custo de manutenção virasse um dos principais gastos das indústrias, fazendo com que fosse para o topo da lista de prioridades do controle de custos. (MOUBRAY, 2000; LAFRAIA, 2011). Dias (2001) enfatiza que os sistemas falham e que não existe uma receita que previna ou evite que todas as falhas ocorram. Assim como não existe um tipo de manutenção melhor do que outro, pois cada um possui uma aplicação e o grande desafio é determinar qual política de manutenção aplicar para cada caso. Os principais benefícios que se tem em aplicar a confiabilidade vão desde as questões de aumento de lucros (diminuição de paradas não planejadas, redução dos custos operacionais, redução na possibilidade de acidentes), fornecimento de novas soluções as atuais necessidades

14 5 (possibilidade de utilizar variados tipos de cargas, aumento da produtividade, atendimento da legislação ambiental, segurança e higiene), espaço para investir em segurança, continuidade operacional e meio ambiente, com base em informações quantitativas, e a redução das causas básicas de parada, atuando diretamente nos problemas e não nas consequências (histórico de falhas, prevenção de falhas nos equipamentos similares) (LAFRAIA, 2011). A MCC engloba uma série de ferramentas da Engenharia para garantir que os equipamentos continuem exercendo sua principal função no sistema, com uma abordagem sistemática e lógica, esta metodologia é bastante eficaz, sendo possível garantir a confiança no equipamento e um aumento da disponibilidade. Evitando assim, quebras e paradas inesperadas (FOGLIATTO e RIBEIRO, 2009). Segundo Siqueira (2014), a MCC trouxe novos conceitos para o campo, onde novas técnicas e metodologias para o tratamento de falhas foram aplicadas, como às técnicas de Análise de Modo de Falha, Efeitos e Criticidade (FMEA/FMECA) e a Análise Probabilística de Riscos (PRA). A MCC procura aplicar a manutenção mais adequada a cada modo de falha. Se tradicionalmente a manutenção busca preservar o equipamento, desativando-o e atuando em todos os itens, realizando assim, tudo que poderia ser feito, a MCC já propõe outros objetivos, que são eles: Preservar as funções dos equipamentos com segurança; Restaurar a confiabilidade e a segurança projetada; Otimizar a disponibilidade; Minimizar o custo do ciclo de vida, também conhecido como LCC (Life Cycle Cost); Atuar conforme os modos de falha; Realizar apenas as atividades que precisam ser feitas; Agir em função dos efeitos e consequências da falha; Documentar as razões para a escolha das atividades. 3.2 Tipos de Manutenção A manutenção foi o segmento de gerenciamento que mais evoluiu nos últimos anos. Este fato ocorreu pela maior diversificação de equipamentos, aumento na complexidade de processos, assim como as novas técnicas de manutenção que surgiram. Outro fator que fez com que a manutenção ganhasse uma atenção maior, foi a necessidade de adequação às novas exigências ambientais e de segurança, exigindo que os ativos apresentassem uma maior disponibilidade operacional e confiabilidade (MOUBRAY, 2000; SIQUEIRA, 2014).

15 6 A manutenção basicamente significa garantir que os equipamentos continuem executando as funções requeridas quando foram projetados e quando se fala em MCC, pode-se classificar como um processo utilizado para determinar o que fazer para assegurar que um equipamento continue a executar o que se espera no seu contexto operacional (MOUBRAY, 2000). Tradicionalmente a manutenção é classificada basicamente em dois tipos, corretiva e preventiva, onde a corretiva inclui todas as ações necessárias para fazer com que um sistema falho volte ao estado operacional. A manutenção corretiva não pode ser planejada e ela geralmente ocorre inesperadamente. Já, a manutenção preventiva procura manter o sistema disponível por uma prevenção, evitando que as falhas ocorram, por meio de tarefas de inspeção, controles como limpeza, calibração, lubrificação e detecção de defeitos. Ela é executada planejadamente e é medida pelo tempo requerido para executá-la e pela sua frequência (LAFRAIA, 2011). Siqueira (2014) apresenta a manutenção tradicional e faz um comparativo com a MCC, conforme a Tabela 1. Onde a manutenção tradicional é dividida de acordo com a forma de programação e o objetivo das tarefas executadas. Quanto à programação, ela pode ser classificada como programada e não programada, onde as manutenções programadas podem ser periódicas, quando realizadas em intervalos fixos de tempo, ou aperiódicas, quando realizadas em períodos de tempo variáveis. Os tipos de manutenção, quanto ao objetivo, são classificados conforme a atitude dos usuários em relação às falhas, sendo destacados seis tipos: Manutenção Reativa ou Corretiva: que destina a corrigir as falhas que já ocorreram no equipamento; Manutenção Preventiva: que tem o foco em evitar que as falhas possam ocorrer; Manutenção Preditiva: que busca a previsão ou antecipação da falha, onde a mesma é medida por meio de dispositivos e sua evolução é acompanhada até que se execute a intervenção; Manutenção Detectiva: Procura identificar falhas que já ocorreram e não foram percebidas; Manutenção Produtiva: tem como objetivo utilizar ao máximo o equipamento para garantir uma maior produtividade; Manutenção Proativa: a experiência é utilizada para otimizar novos processos e projetos de equipamentos, visando uma melhoria contínua na manutenção.

16 7 Na Tabela 1 está apresentado um comparativo entre a Manutenção Tradicional e a MCC, onde é possível verificar que o principal objetivo da MCC é preservar a função do equipamento, atuando no sistema com um todo, com base em dados coletados, com um sistema onde seja possível priorizar as funções, com o foco nas consequências que as falhas possam trazer. Diferentemente da Manutenção Tradicional que prioriza o equipamento, com atuação direta no componente em que apresenta a falha, sem que se tenha uma metodologia padronizada para a execução das tarefas, visando a não deterioração do ativo (SIQUEIRA, 2014). Tabela 1: Comparação da Manutenção Tradicional com a MCC (SIQUEIRA, 2014). Característica Manutenção Tradicional MCC Foco Equipamento Função Objetivo Manter o equipamento Preservar a função Atuação Componente Sistema Atividades O que pode ser feito O que deve ser feito Dados Pouca ênfase Muita ênfase Documentação Reduzida Obrigatória e sistemática Metodologia Empírica Estruturada Combate Deterioração do equipamento Consequência das falhas Normalização Não Sim Priorização Inexistente Por função Manutenção Preditiva Neste capítulo foi abordada apenas a Manutenção Preditiva, pois atualmente, é o modelo aplicado no equipamento de estudo. Este tipo de manutenção, também conhecida como Manutenção de Condição, é baseada na situação em que o equipamento se encontra. Ela é feita por meio de monitoramento remoto por sensores, por análise de vibrações, termografia, além de outras técnicas, onde é possível obter informações do estado operacional do equipamento. Por meio de análise dos dados obtidos é possível verificar se existe algum modo de falha no equipamento, sendo ainda possível identificar o início de uma provável falha, não sendo aplicada a regra da degradação do ativo. A decisão de intervir no equipamento é baseada nos dados obtidos e é viável

17 8 continuar com o monitoramento até que o equipamento chegue a um patamar de falha predeterminado para execução da manutenção (MONCHY, 1989; FOGLIATTO e RIBEIRO, 2009). A manutenção preditiva nada mais é do que uma manutenção preventiva baseada na condição em que o equipamento se encontra e no momento em que ocorre uma intervenção planejada, para corrigir a falha de algum componente que vinha sendo monitorado. Esta intervenção pode ser considerada como uma manutenção corretiva programada (NOGUEIRA, GUIMARÃES e SILVA, 2012). A vantagem deste tipo de manutenção é conseguir aproveitar ao máximo a vida útil dos componentes, pois por meio do monitoramento constante no equipamento, é possível acompanhar o início de um modo de falha de um componente, sendo possível planejar as manutenções, quando algum componente apresenta falha (SOUZA, 2004 apud WYREBSKI, 1997). A desvantagem deste tipo de manutenção é o custo necessário para mantê-la, pois é necessária uma série de equipamentos de alto valor agregado e profissionais qualificados que possam analisar e interpretar as informações para tomar as decisões. Porém, dependendo da importância do equipamento ao processo fabril, este custo fica viável. A vantagem da Manutenção Preditiva é a possibilidade de identificar as falhas precocemente e programar uma manutenção quando realmente é necessária (FOGLIATTO e RIBEIRO, 2009). Uma das principais ferramentas utilizadas na Manutenção Preditiva é a análise de vibração dos equipamentos rotativos. Ela é efetuada por meio de um dispositivo portátil que coleta as oscilações produzidas pelo equipamento a ser monitorado por meio de um acelerômetro. O sistema de coleta de dados possui uma interface com um software de computador, onde é possível processar os dados e analisar graficamente os valores encontrados no momento da coleta (MARÇAL e SUSIN, 2005; GARCIA, 2005). Os principais parâmetros que são verificados neste plano, segundo Marçal e Susin (2005), são: Amplitude do deslocamento de vibração para identificar desbalanceamento, falta de alinhamento, folgas, má fixação, acoplamento solto, correias frouxas, eixo empenado; Amplitude da velocidade da vibração para identificar defeitos em mancais e/ou rolamentos; Amplitude da aceleração da vibração para identificar a vida dos rolamentos, como folgas, fricções, lubrificação;

18 9 Frequência de vibração para coleta de dados complementares que auxiliarão na determinação das falhas encontradas. Todos os equipamentos rotativos naturalmente possuem uma série de oscilações produzidas por meio da transmissão de movimento e atritos entre componentes. O resultado desta série de oscilações, é um complexo de frequências que caracteriza o sistema. Cada sistema possui uma quantidade de vibrações que o caracterizam, onde existindo alguma alteração, seja por algum modo de falha de algum componente, como uma fissura ou ponto de oxidação no rolamento, por exemplo, fazem com que ocorra uma alteração na frequência deste sistema (MARÇAL e SUSIN, 2005). Como cada componente produz uma vibração de frequência característica, é possível definir os níveis normais e o limite aceitável desta frequência. Assim é possível estabelecer a origem de alguma falha mediante as frequências e identificar o tipo de falha e o componente que a está originando. Também sendo possível determinar a criticidade desta falha (YA CUBSOHN, 1983 apud MARÇAL e SUSIN, 2005). 3.3 Falha A falha basicamente ocorre quando um equipamento/sistema não consegue mais efetuar sua função adequadamente, seja pela queda de rendimento, ou por ficar inoperante. Na manutenção, é fundamental saber quais são as formas de falhas que podem ocorrer nos sistemas, pois prevenir e corrigi-las é um dos principais objetivos da manutenção. Estudar estas falhas é uma das etapas que constituem a MCC (SIQUEIRA, 2014). Tinha-se a suposição de que a melhor maneira de se prevenir a falha em um sistema, e aumentar sua disponibilidade, eram por meio de manutenções programadas. Onde os componentes eram trocados em períodos fixos. Nesta ideia, assumia-se que um sistema operava confiavelmente durante um determinado período, para somente depois começarem a ocorrer as falhas, conforme Figura 1. Porém este modelo é aplicável para equipamentos bastante simples ou para alguns mais complexos em que apresentam modos de falha dominantes (MOUBRAY, 2000; LAFRAIA, 2011).

19 10 Figura 1: Visão tradicional de falha (LAFRAIA, 2011). Com o aumento da complexidade dos sistemas e equipamentos, e com base em análises de probabilidade, novos padrões de modos falha foram encontrados. Na Figura 2, pode-se visualizar os seis padrões de falha bem definidos. Esta curva inicia a vida do equipamento com uma alta taxa de falha, seguida de uma condição de falha constante, até que ocorra um aumento gradual da taxa de falha. O padrão B apresenta uma taxa de falha com aumento lento, seguido de uma zona de desgaste acentuado, já o padrão C também possuí uma taxa de falha levemente crescente, porém sem o aumento de falha gradual ao final de sua vida. O padrão D possui uma baixa probabilidade de falha no início de vida, seguido por um aumento repentino na taxa de falha, até ficar em um patamar constante. No modo E se tem um padrão constante de falha em toda a vida do componente e no modo F inicia com uma grande taxa de falha decrescente até uma probabilidade de falha constante (MOUBRAY, 2000; LAFRAIA, 2011). Figura 2: Os seis padrões de falha (LAFRAIA, 2011).

20 Classificação de falha As falhas podem ser classificadas por alguns aspectos, como origem, extensão, velocidade, manifestação, criticidade ou idade. Origem: elas podem ser primárias, quando ocorrem por algum componente próprio, ou secundárias, quando ocorrem por algum agente externo aos limites do sistema (SIQUEIRA, 2014); Extensão: as falhas são classificadas como parciais, quando o sistema sofre um desvio funcional, mas continua funcionando, ou completas, quando o sistema deixa de funcionar (SIQUEIRA, 2014); Velocidade: As falhas são divididas em graduais, quando percebidas antes que ocorram, por meio de uma inspeção, por exemplo, ou falhas repentinas, quando as falhas ocorrem sem serem previstas (SIQUEIRA, 2014); Manifestação: Elas são dividas conforme a forma da manifestação, que podem ser por degradação, quando ocorrem gradual e parcialmente, ao longo do tempo. Falhas catastróficas, quando ocorrem simultaneamente de forma repentina e completa, ou ainda falhas intermitentes, que ocorrem por um determinado tempo, podendo deixar de existir após um período sem que se faça alguma intervenção (LAFRAIA, 2011); Criticidade: Os sistemas podem ter falhas críticas, quando produzem condições de risco à segurança ou ao meio ambiente, ou não críticas, quando não possuem estes riscos (SIQUEIRA, 2014); Idade: Neste aspecto, as falhas influem na vida útil do ativo, onde elas são classificadas como prematuras, quando ocorrem no início da vida útil, aleatórias, quando ocorrem de maneira imprevisível durante o período de vida útil, e progressivas, quando ocorrem no final da vida útil. Este item será apresentado com maiores detalhes com o auxílio da curva da banheira (SIQUEIRA, 2014). Na Manutenção Centrada na Confiabilidade, ainda existem outras duas classificações, que é a falha funcional e a falha potencial. Funcional: Este conceito de falha leva em consideração que o sistema não executará plenamente as funções que são requeridas por ele. Desta foram acaba sendo mais exato definir as falhas com base nas perdas das funções específicas do que a falha de um ativo como um todo (MOUBRAY, 2000; SIQUEIRA, 2014). Potencial: É quando o sistema ainda não falhou e é possível identificar e mensurar uma falha pendente ou em que está em processo de ocorrer (SIQUEIRA, 2014).

21 12 As falhas funcionais podem ser listadas relacionando-as com a função que elas impactam, conforme Tabela 2. Este levantamento irá facilitar a análise destas falhas (MOUBRAY, 2000). Tabela 2: Descrição de falhas funcionais (MOUBRAY, 2000). RCM II PLANILHA DE INFORMAÇÃO FUNÇÃO 1 Canalizar todos os gases da turbina, sem restrições, a um ponto fixado a 10m acima do telhado 2 Reduzir os níveis de ruído até a taxa de ruído da ISO 30 a 150m 3 Assegurar que a temperatura superficial da tubulação na sala da turbina não passe de 60 C Transmitir um sinal de alerta ao sistema de 4 controle se a temperatura de gás exceder de 475 C e um sinal de paralização se passar de 500 C a um ponto situado a 4m da turbina 5 Permitir livre movimentação da tubulação em resposta às mudanças de temperatura SISTEMA SUB SISTEMA A B C D A A A B A Turbina de 5MW Sistema de Exaustão FALHA FUNCIONAL Incapaz de canalizar o gás Fluxo de gás restrito Falha para conter o gás Falha para levar o gás a 10m acima do telhado O nível de ruído excede a taxa de ruído da ISO 30 a 150m A temperatura superficial da tubulação passa de 60 C Incapaz de enviar um sinal de alerta, se a temperatura de exaustão exceder 475 C Incapaz de enviar um sinal de paralização, se a temperatura de exaustão passar de 500 C Não permite livre movimentação da tubulação 3.4 Disponibilidade A Disponibilidade é a capacidade de um equipamento/sistema de executar a função requerida, durante um intervalo de tempo determinado. Também pode ser expressa como a probabilidade de que um componente que passou por uma manutenção, exerça sua função com sucesso em um período de tempo t. Ela é expressa pela razão entre o tempo médio entre falhas (TMEF), do inglês MTBF Mean Time Between Failures, e o somatório do TMEF com o tempo médio para reparos (TMPR), do inglês MTTR Mean Time to Repair, representada pela Equação 1 (LAFRAIA, 2011; PINTO e XAVIER, 2010).

22 13 = + (1) O tempo médio entre falhas e o tempo médio para reparos são medidas referenciais e são calculados por meio da média aritmética de um conjunto de tempos até a falha e até o reparo. Elas são expressas pelas Equações 2 e 3 (LAFRAIA 2011). = (2) = (3) Pinto e Xavier (2010) ainda classificam a disponibilidade em três tipos: Disponibilidade inerente que é levado apenas em consideração o tempo de reparo, excluindo os demais tempos, como de liberação do equipamento, logística, deslocamentos, etc. Leva-se em consideração apenas as manutenções corretivas. Disponibilidade técnica Neste cálculo também não se leva em consideração os tempos secundários, levando em consideração os tempos de reparos corretivos e preventivos. Disponibilidade operacional Esta representa a real disponibilidade do sistema ou equipamento, pois nela, além de levar em consideração os tempos dos reparos, contabiliza todos os outros tempos secundários. 3.5 Curva da Banheira A curva da banheira (Figura 3) apresenta de uma forma genérica as fases de vida de um determinado componente. É dividida em três fases distintas que são a mortalidade infantil, período de vida útil e período de desgaste. Com esta curva é possível analisar o comportamento da taxa de falha de um equipamento ao longo do tempo (LAFRAIA, 2011).

23 14 Figura 3: Curva da Banheira (LAFRAIA, 2011) Mortalidade Infantil Na primeira fase, chamada de período de mortalidade infantil ou fase de juventude, ocorrem as falhas prematuras no equipamento. As taxas de falha iniciam em altos valores e vão decrescendo na medida em que o tempo passa. As principais causas, para que ocorram as falhas neste período, são por deficiências no processo de fabricação, no controle de qualidade, mão de obra sem qualificação, insuficiência de testes operacionais, especificação de materiais inadequados e erros de dimensionamento na fase de projeto, entre outros (LAFRAIA, 2011). Sellitto (2005) aponta que nesta fase a melhor opção de manutenção é a corretiva, onde se deve trocar o componente que falhou e definir uma correção no mesmo para que a falha não venha a ocorrer novamente. Dias (2001) salienta que, como neste período as falhas ocorrem no projeto, é fundamental ter um forte controle de qualidade para que as taxas de falha sejam reduzidas. A distribuição de Weibull, que será detalhada no decorrer do trabalho, deve ficar no patamar de (γ<1) e também indica que a forma de manutenção mais indicada é a corretiva Vida Útil No segundo período da curva, chamada de fase de vida útil ou período de maturidade do equipamento, a taxa de falha fica praticamente constante e atinge os menores patamares da curva. Nesta fase, as falhas são imprevisíveis e aleatórias dependendo principalmente de fatores externos ao sistema (DIAS, 2011).

24 15 As principais causas são acidentais, como uma sobrecarga no equipamento, erros operacionais, falhas humanas, impactos mecânicos, variações de temperatura, vibrações, entre outros. Onde uma das formas de reduzir as falhas aleatórias seria na fase de projeto, simulando situações com maiores cargas, como consequência projetar equipamentos mais robustos. Outra forma de minimizar as falhas é investir em treinamentos das equipes operacionais e criar procedimentos de operação padronizados para ter um maior controle (WUTTKE e SELLITTO, 2008). Dias (2001) e Sellitto (2005) indicam que neste período da curva, a melhor estratégia de manutenção é a preditiva, feita por meio do monitoramento dos equipamentos, como análise de vibração e temperatura durante a operação do equipamento. Porém Dias (2001) ainda ressalta que não se podem desconsiderar atuações corretivas neste período também. Na fase de maturidade o parâmetro de forma da distribuição de Weibull fica no patamar constante de (γ=1). Devido a esta característica, Dias (2001) indica utilizar a distribuição Exponencial para representar melhor esta fase. Na pesquisa de Mendes e Ribeiro (2014), que estabeleceram um plano de manutenção baseado em análises quantitativas no contexto da MCC, em um cenário de produção JIT (just in time), foi encontrado parâmetros próximo a 1,0 e a distribuição Exponencial foi aplicada para modelar o comportamento dos subconjuntos Desgaste O último período chamado de fase da fadiga, desgaste, ou fase de envelhecimento é onde a taxa de falha novamente cresce continuamente. A falha é causada pelo fato do equipamento já apresentar desgastes nos componentes que surgem devido ao tempo de operação, como: atrito, fadiga e trincas, ao ambiente, como corrosão, deterioração mecânica ou química, assim como uma manutenção insuficiente ou deficiente. Dentro desta fase é possível fazer uma estimativa da vida deste equipamento em termos de confiabilidade, sendo possível fazer um comparativo econômico da viabilização de recuperação ou descarte do ativo. Sellitto (2005) indica a estratégia de manutenção preventiva, ou a reforma do equipamento, havendo uma análise gerencial de custos para viabilizá-la. 3.6 Métricas da Confiabilidade A confiabilidade é a probabilidade de que um equipamento, ou sistema, operar dentro de um determinado período de tempo e condições operacionais definidas sem que ocorram falhas. Pode ser representada com o emprego de funções matemáticas (LAFRAIA, 2011).

25 16 Dias (2001) comenta que a confiabilidade tem uma associação antiga com as leis de degradação física do objeto de estudo, porém ela é recente quando levada em consideração sua teoria específica, conseguindo ficar bem integrada aos programas de manutenção. Lewis (1994) cita que como a confiabilidade é a probabilidade de um sistema sobreviver em um determinado período, a função que a expressa tem como principal variável o tempo e ela é sustentada com a taxa de falha, onde se entende grande parte dos fenômenos de confiabilidade. Como se espera que na confiabilidade haja uma probabilidade de que um equipamento sobreviva até um determinado tempo de interesse, é sabido que a falha irá ocorrer em um determinado momento. Para se estimar o tempo entre as falhas é convencionado que o início da operação do equipamento inicia em t=0. A Equação 4, F(t) é a probabilidade de falha do sistema, no intervalo de tempo (0,t]. A Equação 5 mostra a função densidade de probabilidade, do termo inglês probability density function (pdf), que é a função que descreve a probabilidade relativa de uma variável aleatória tomar um valor dado (LEWIS, 1994; ROSS, 2009; FOGLIATTO e RIBEIRO, 2009). = (4) = (5) As distribuições de probabilidade usadas em estudos de confiabilidade podem apresentar até três parâmetros, classificados em parâmetros de localização, escala e forma. Parâmetros de localização são usados para deslocar a distribuição de probabilidade ao longo do eixo do tempo, sendo também conhecidos como parâmetros de vida mínima ou de garantia. Parâmetros de escala são usados para expandir ou contrair o eixo do tempo. Um exemplo conhecido é o parâmetro λ da distribuição exponencial; a função de densidade possui sempre a mesma forma, mas as unidades no eixo do tempo são determinadas por λ. Os parâmetros de forma são assim designados por afetarem a forma da função de densidade. Um exemplo conhecido é o parâmetro γ da distribuição de Weibull (FOGLIATTO e RIBEIRO, 2009). A taxa de falha λ(t) é a outra função que apoia a análise de confiabilidade, pois com ela é possível examinar os comportamentos de falha. Ela também é conhecida como taxa de risco e

26 17 pode ser interpretada como a quantidade de risco associada a uma unidade de tempo t, sendo representada pela Equação 6 (LEWIS, 1994; FOGLIATTO e RIBEIRO, 2009). = (6) A Equação 7 que representa a confiabilidade em razão da taxa de falha λ. A função de confiabilidade R(t) informa a probabilidade de a unidade apresentar sucesso na operação, em um intervalo de tempo e ainda estar funcionando no tempo t. Esta equação também é conhecida como função de sobrevivência. (LEWIS, 1994).! = # (7) " Em tese, com base no equacionamento apresentado por Lewis (1994), a análise de confiabilidade é sustentada por quatro funções, a confiabilidade R(t), a densidade de falha F(t), a probabilidade de falha f(t) e a taxa de falha λ(t). A Figura 4 representa de forma gráfica como é o comportamento da curva das funções para um sistema com taxa de falha crescente (SIQUEIRA, 2014). Figura 4: Modelagem matemática (SIQUEIRA, 2014).

27 Distribuições de Probabilidade Na confiabilidade em manutenção, pode-se determinar por intermédio de distribuições de probabilidade e a fase de vida do sistema, com base nos dados que são obtidos. Nesta área, quatro curvas são utilizadas para conseguir classificar a vida útil dos sistemas, que são: distribuição normal, lognormal, de Weibull e exponencial (WUTTKE e SELLITTO, 2008) Distribuição Normal A distribuição normal, também conhecida como distribuição de Gauss, é a mais utilizada em estudos estatísticos, e na confiabilidade ela também pode ser aplicada. Geralmente ela é utilizada em situações em que as falhas se somam com o passar do tempo. Ela é representada pela Equação 8 (LEWIS, 1994). = 1 μ* 2'( 2( * # (8) Onde, µ é o parâmetro de localização igual à média, e γ é o parâmetro de forma (LAFRAIA, 2011) Distribuição Lognormal A distribuição lognormal possui uma maior versatilidade que a normal, pelo fato de se ter uma forma com maior variedade, sendo possível obter um melhor ajuste em relação à população. Esta versatilidade faz com que seja possível descrever a distribuição de falhas de uma variedade de situações. Se, por exemplo, o tempo de falha é associado com uma grande incerteza, a utilização da distribuição normal será problemática, pelo fato dela tender a zero, quando o tempo se aproxima de zero ou infinito (LEWIS, 1994; WUTTKE e SELLITTO, 2008). Ela geralmente tem aplicação em componentes que sofrem desgaste, como na determinação de vida de rolamentos, ou onde as falhas se originam de causas que se multiplicam, como em corrosão. Pelo meio da distribuição normal também é possível determinar o tempo médio para a manutenção de componentes mecânicos. (LAFRAIA, 2011).

28 Distribuição de Weibull A distribuição de Weibull é uma das mais utilizadas nos cálculos de confiabilidade, pois com uma escolha adequada de parâmetros, é possível modelar uma variedade de comportamentos de taxa de falha. Neste modelo inclui também a taxa de falha constante, além de oferecer informações para classificar os tipos de falha, modelando o desgaste. Esta função de distribuição possui três parâmetros para determinar distribuição de falhas (Equação 9), a probabilidade acumulada de falhas (Equação 10) e taxa de falha instantânea (Equação 11) (LEWIS, 1994; LAFRAIA, 2011). = ( +, + -./ /0! 1 23 (9) = 1 exp 7, " (10) = ( +, " + -./ (11) A Tabela 3 descreve o comportamento físico dos parâmetros da função de taxa de falhas. Tabela 3: Comportamento da função da distribuição de Weibull (LAFRAIA, 2011). γ Comportamento da Função de Taxa de Falhas <1 Taxa de falha decrescente com o tempo: fase de mortalidade infantil. 1 Taxa de falha constante: Falhas aleatórias (função exponencial). >1 Taxa de falha crescente com o tempo. 2 Taxa de falha linearmente crescente. Taxa de falha cresce a uma taxa proporcional a potência (-1); >2 distribuição de frequência tornando-se mais simétrica à medida que m cresce. Distribuição de frequência aproxima-se da distribuição normal, 3,2 tornando-se menos dispersa à medida que m cresce.

29 Distribuição Exponencial Quando um equipamento apresenta falhas constantes, a distribuição exponencial é o modelo que melhor descreve este comportamento, a função de distribuição de probabilidades de falha é descrita pela Equação 12. Por similaridade a distribuição acumulada de falhas é descrita pela Equação 13 e a confiabilidade pela Equação 14 (LEWIS, 1994; LAFRAIA, 2011). = /9! (12) = 1 /9! (13) = /9! (14) As principais aplicações que podem utilizar esta distribuição são em equipamentos que possuem mais de 200 componentes sujeitos a mais de três manutenções corretivas ou preventivas, sistemas complexos não redundantes, sistemas complexos com taxas de falha independentes e sistemas com vários componentes, onde ocorrem substituições preventivamente (LAFRAIA, 2011). 3.8 Software de modelagem ProConf 2000 Este software surgiu devido à complexidade de prever a confiabilidade por meio do levantamento de dados, à exigência de uma grande quantidade de cálculos e análises gráficas para tal. O ProConf 2000 foi aplicado com a finalidade de solucionar os problemas práticos da área de confiabilidade industrial (FRITSCH e RIBEIRO, 1996). O ProConf 2000 é um programa computacional projetado para o ajuste de distribuições de tempos de falha para dados de confiabilidade, pelo meio do uso de métodos analíticos e métodos gráficos. Ele fornece estimativas dos parâmetros da distribuição e seus respectivos intervalos de confiança, com cálculos do tempo médio até a falha (MTTF), taxa de risco e confiabilidade para determinado tempo, etc. Uma vez obtido os parâmetros da distribuição, seus respectivos gráficos podem ser plotados para uma melhor visualização do comportamento das funções de confiabilidade, taxa de risco, densidade de probabilidade e densidade acumulada de probabilidade. O software incorpora os principais modelos matemáticos que são: a Distribuição Normal, Lognormal, Weibull, Exponencial e Gamma. Ele oferece uma série de características para ajudar na escolha do modelo de probabilidade

30 21 que melhor representa os dados de estudo. Assim, é possível obter uma completa análise dos dados de falha, optando pela distribuição de vida que melhor se adapta as amostras (FRITSCH e RIBEIRO, 1996). O ProConf possui uma prova de exatidão para verificar o ajuste realizado pelo modelo escolhido. Ele faz uma verificação coma a ajuda de dois testes, o de Qui-Quadrado (χ 2 ) e o de Kolmogorov-Smirnov. O teste do Qui-Quadrado é feito por meio de uma tabela de frequências e em cada intervalo de tempo, o software computa a diferença entre a frequência esperada e a observada, onde χ 2 é o somatório destas diferenças (FRITSCH e RIBEIRO, 1996). No teste de aderência de Qui-Quadrado é efetuado um comparativo dos valores encontrados, com os valores esperados, onde estes valores estão distribuídos em um modelo de probabilidade conhecido (Normal, Lognormal, Gamma, Weibull, Exponencial, etc). Neste teste é possível verificar se os dados de uma amostra aderem a alguma distribuição de probabilidade. O teste é efetuado por meio da Equação 15 (RUSSO, 2003). = : * = ; < * (15) Onde, O i é a frequência observada e E i a frequência esperada. O termo "graus de liberdade", designado por gl, refere-se ao parâmetro inteiro positivo que determina a forma da distribuição de Qui-Quadrado. O número de graus de liberdade depende da quantidade de variáveis independentes que estão sendo observadas. A Tabela 4 apresenta os valores críticos de χ 2 para cada distribuição de χ 2, de acordo com o grau de liberdade, para níveis de significância de p = 0,05 (95%) e p = 0,01 (99%). Caso o resultado do teste de aderência executado na Equação 24 fique acima do valor crítico da tabela, a distribuição é rejeitada (RUSSO, 2003). Tabela 4: Valores críticos de χ 2 (RUSSO, 2003). Gl p = 0,05 p = 0,01 1 3,84 6,63 2 5,99 9,21 3 7,81 11,34 4 9,49 13, ,07 15,09

31 22 No teste de Kolmogorov-Smirnov (KS), o sistema calcula a máxima distância entre a frequência acumulada dos tempos de falha e a frequência acumulada teórica para o modelo escolhido. Se a distância é suficientemente grande, o modelo escolhido para o ajuste dos dados é rejeitado No teste (K-S) é possível avaliar o grau de concordância entre a distribuição de um conjunto de valores observados e determina uma distribuição teórica. Neste modelo os valores da amostra são distribuídos em ordem crescente e sobre estes pontos é proposto um modelo de distribuição contínua (Figura 5). A distância máxima vertical D é calculada por meio da diferença da função da distribuição empírica e da função de distribuição proposta (Equação 16). É esperado que esta distância D não seja grande e que este valor não supere o ponto crítico d α. O ponto crítico é coletado em uma tabela que classificas os valores com base na quantidade de amostras e o nível de significância α. Com base no maior valor encontrado para D, é feito o comparativo com o valor crítico tabelado, sendo que se D for maior, a distribuição é rejeitada (ROSS, 2009). Figura 5: Modelo de ajuste de distribuição hipotética F(x) à empírica F e (x) (ROSS, 2009). = á?@a C (16) Os intervalos de confiança são baseados na distribuição das amostras e, com eles é possível estabelecer os limites de valores aceitáveis para os parâmetros estudados. Estes valores, chamados de limites de confiança, podem determinar o intervalo de confiança, onde estará o verdadeiro valor do parâmetro. Logo, com base no nível de incerteza, é possível

32 23 calcular os limites de um intervalo e, em um percentual de casos, os valores estarão fora do parâmetro (CORREA, 2003). A Figura 6 ilustra um exemplo de uma distribuição normal, onde foi considerado um intervalo de confiança de 95%, sendo assim, o nível de confiança calculado em 0,05 ou 5%. Figura 6: Exemplo de distribuição normal com um intervalo de confiança de 95% (CORREA, 2003). 3.9 Alguns trabalhos realizados segundo esta metodologia Wuttke e Sellitto (2008) calcularam a disponibilidade e definiram a posição na curva da banheira de uma válvula de processo petroquímico por meio do Software ProConf Carnaúba e Sellitto (2013) efetuaram estudo similar onde o equipamento de estudo foi uma máquina de envase de leite, em que também aplicaram os conceitos de identificação da posição na curva da banheira por meio da distribuição de probabilidade por meio do software modelador. Mengue e Sellitto (2013) definiram a melhor estratégia de manutenção em uma bomba centrífuga com base nos cálculos de confiabilidade, modelando quantitativamente os dados encontrados com o auxílio das distribuições de probabilidade. Filho e Sellitto (2014) utilizaram o Proconf 2000 e efetuaram um estudo de caso, em três linhas de produção de uma indústria química, para calcular a disponibilidade e definir o ciclo de vida útil de cada uma delas. Cerveira e Sellitto (2015) estudaram um forno elétrico a indução, onde efetuaram uma análise quantitativa de confiabilidade, definindo a melhor estratégia de manutenção a ser empregada neste equipamento.

33 24 4 METODOLOGIA A metodologia neste trabalho compreendeu: (1) Revisão bibliográfica na área da manutenção, com o foco nos conceitos de confiabilidade e as estratégias de manutenção e um levantamento do histórico de falhas do equipamento com base no banco de dados do software de gestão, utilizado pela empresa, para uma compilação desses dados por meio de tabelas e do Excel; (2) Classificação das falhas encontradas por meio de uma tabela para facilitar a identificação dos tempos entre falhas e o tempo para reparo; (3) Análise dos dados encontrados, por distribuição estatística, para calcular a disponibilidade e para identificar o ponto do ciclo de vida do equipamento. Para as análises foi utilizada a versão de estudante do software ProConf 2000, obtida gratuitamente no site da UFRGS; (4) Por meio de uma comparação com a bibliografia encontrada, foi validado o método utilizado para chegar ao resultado encontrado. A metodologia é apresentada resumidamente conforme o diagrama da Figura 7. Revisão bibliográfica na área da manutenção. (1) Levantamento do histórico de falhas do equipamento. (2) Compilação dos dados por meio de tabelas e do Excel. (2) Classificação das falhas encontradas e levantamento dos tempos. (2) Análise dos dados encontrados, pela distribuição de Weibull. (3) Identificar a região em que o equipamento está localizado na curva da banheira (3) Validação do resultado comparando com a análise de dados da empresa (4) Figura 7: Diagrama das etapas detalhadas da metodologia de trabalho.