artigo 2 - simulação mtbf-mttr - emepro 2014

7/21/2019 Artigo 2 - Simulação MTBF-MTTR - Emepro 2014

http://slidepdf.com/reader/full/artigo-2-simulacao-mtbf-mttr-emepro-2014 1/11

1

Simulação discreta de indicadores de manutenção MTBF e MTTR para

previsão do comportamento de equipamentos de produção: Um estudo

de caso em uma indústria de Montes Claros – MG

Este trabalho realiza uma simulação discreta dos indicadores de manutenção de uma indústria

de calçados de borracha. O estudo foi realizado com base em dados da fase de teste da

indústria quando não e possível conhecer o tempo médio entre falhas (MTBF) e o tempo médio

para reparo (MTTR), devido às ocorrências serem aleatórias e não haver previsibilidade. O

desenvolvimento deste trabalho foi realizado por meio de ferramentas da pesquisa operacional.

O objetivo e avaliar o cenário estatístico futuro dos indicadores de manutenção dos

equipamentos considerados para o estudo, e com isto ter previsibilidade dos indicadores de

manutenção. Concluiu-se que os resultados da simulação computacional permitem identificar

oportunidades de melhoria no sistema. Assim sendo este trabalho mostra como a simulação

pode ser utilizada para conhecer o número de ocorrências de falhas em um espaço de tempodesta forma os resultados podem auxiliar no planejamento da manutenção ao gerar

informações criticas para a tomada de decisão.

Palavras-chave: Simulação Discreta; MTBF; MTTR; Arena

1. Introdução.

A otimização da produção, a minimização dos custos operacionais e a inovação

tecnológica são diferenciais competitivos que atualmente as organizações dispõem no mercado.

Uma das ferramentas que oferecem soluções analíticas para este cenário e a simulação discreta

de processos que muitas vezes a baixo custo consegue prever o comportamento de sistemas em

consideráveis espaços de tempo.

Simulação é, em geral, entendida como a “imitação” de uma o peração ou de um

processo do mundo real. A simulação envolve a geração de uma “história artificial” de um

sistema para a análise de suas características operacionais. (MIYAGI, 2006 p.6)

No presente trabalho o objeto de estudo e a simulação com uso do software Arena para

conhecer o tempo médio entre falhas (MTBF) e o tempo médio para reparo (MTTR) de



2

equipamentos na linha de produção de uma indústria de calçados que deu inicio a suas

atividades produtivas recentemente. O inicio da atividade produtiva foi considerado então o

momento mais oportuno para realizar este estudo uma vez que não se tem conhecimento da

frequência e nem da probabilidade de falhas da linha de produção dos calçados.

Na indústria os itens de confiabilidade, manutenibilidade e disponibilidade de um equipamento

são fundamentais para assumir que o planejamento da produção terá o desempenho esperado,

e as metas ambiciosas das organizações serão alcançadas sem alterações nos custos. Conhecer

as limitações dos equipamentos, propor um plano de ação através da simulação e algo que

supostamente poderá sustentar o potencial competitivo de uma organização.

2. Revisão da literatura

2.2 Tempo médio entre falhas (MTBF1)

O Tempo Médio Entre Falhas (MTBF) é utilizado há mais de 60 anos como base para

várias decisões. Ao longo dos anos, foram desenvolvidos mais de 20 métodos e procedimentos

para previsões de ciclos de vida. Portanto, não admira-se que o MTBF tenha sido objeto de

infindáveis e complicados debates (TORELL e AVELAR, 2004).

Conforme elucida Pimentel et.al (2012, p. 02):

O tempo médio entre falhas é o intervalo entre o fim de uma falha funcional e o iníciode outra. Esse indicador é expresso pela soma das horas disponíveis do(s)equipamento(s) para operação, dividida pelo número de intervenções corretivas(falhas) nesses itens.

Neste contexto, a taxa de falhas (λ) é uma importante função da confiabilidade e é

definida como a razão entre o período de tempo de operação pelo número de falhas. Dado o

1 MTBF: “Mean time between failures”, ou “Tempo Médio entre Falhas”. Tradução nossa.



3

MTBF como o tempo médio entre falhas em que se faz necessário calculara antes a frequência

em que a falha ocorre sendo representado por:

=ú

çã

Ou seja,

=

Sendo assim, a taxa de falhas pode ser dada como:

ℷ =

O MTBF tem influência tanto sobre a confiabilidade como sobre a disponibilidade. Em

muitos casos, desconhece-se ou interpreta-se mal a diferença entre confiabilidade e

disponibilidade (TORELL e AVELAR, 2004).

Com isso, Torell e Avelar (2004, p. 05) definem confiabilidade como “a probabilidad e

de um sistema ou componente levar a cabo a sua missão dentro do tempo previsto e sem

avarias”.

2.2 Tempo médio entre reparos (MTTR 2)

O MTTR, o Tempo Médio de Reparo (ou Recuperação), é o tempo previsto até a

recuperação do sistema após uma falha. Ele pode incluir o tempo que leva para diagnosticar o

problema, o tempo até a chegada de um assistente técnico nas instalações e o tempo que leva

2 MTTR: “Mean Time Through Repair”, ou “Tempo médio de reparo”. Tradução nossa.



4

para reparar o sistema fisicamente. Como o MTBF, o MTTR é medido em unidades de horas

(TORELL; AVELAR,2004).

No entendimento de Pimentel et. al (2012, p. 03):

O tempo médio para reparo expressa a média do tempo necessário para a equipe demanutenção colocar um item em estado de funcionamento, cessando com a falha. Édado pela média aritmética dos tempos de reparo de um sistema ou pela divisão do

tempo de indisponibilidade do equipamento, destinado a manutenção, pelo número deintervenções corretivas no período. Está totalmente ligado com a manutenibilidadedos aparelhos e com a capacidade do mantenedor.

Já a disponibilidade pode ser entendida como, Torell e Avelar (2004, p.5),

[...] a probabilidade de o sistema ou componente estar em posição para executardeterminada função sob certas condições e numa dada altura. A disponibilidade édeterminada pela fiabilidade do sistema, assim como o seu tempo de recuperaçãoquando ocorre uma avaria.

Observe equação abaixo, onde tem-se a disponibilidade:

=

( + )

Neste sentido, quanto maior for o MTTR, pior será o sistema. Para simplificar, se um

sistema leva mais tempo de recuperação após uma falha, há menos disponibilidade. A seguinte

fórmula mostra como a disponibilidade geral de um sistema é afetada tanto pelo MTBF quanto

pelo MTTR. Na medida que sobe o MTBF, aumenta a disponibilidade. Quando o MTTR

aumenta, diminui a disponibilidade (TORELL e AVELAR, 2004).

2.3 Simulação de sistemas discretos

Simulação é definida como a imitação da operação de um processo ou sistema ao longo

do tempo. A simulação envolve a geração e análise de um “histórico artificial” com o objetivo

de inferir acerca das características do sistema. O comportamento de um sistema real ou



5

hipotético ao longo do tempo é estudado a partir de um modelo de simulação, que é formado

por uma série de considerações lógicas, matemáticas e simbólicas sobre o relacionamento entre

os objetos de interesse do sistema. A simulação pode ser efetuada manualmente, mas demanda

para tal um grande esforço para a realização de cálculos, tornando o computador uma

ferramenta essencial (BANKS et al, 2004).

A técnica de Modelagem e Simulação de Eventos Discretos torna possível desenvolver,

em computadores, cenários virtuais os quais imitam o comportamento de praticamente qualquer

tipo de sistema. Esses cenários podem ser modificados e testados sem comprometer o sistema

real. Os valores gerados apoiam a tomada de decisão, pois se tem resultados confiáveis

estatisticamente envolvendo o sistema, que pode ser simulado dias ou meses equivalentes ao

sistema real, em poucos minutos de processo computacional. Dessa forma, se atinge os

melhores resultados com menor investimento (BETIATTO, 2008).

Além de uma ferramenta de análise de problemas, a simulação é uma ferramenta que

promove uma melhor compreensão sobre os sistemas, servindo de meio de comunicação entre

analistas, gerentes e pessoas ligadas a sua operação (CHWIF; MEDINA, 2007).

Para Lobo et al. (1997, p. 02):

A simulação é extremamente útil em todas áreas onde o número de variáveis aleatóriastorna qualquer modelagem analítica inviável. Depois de modelar e simular o sistemaem estudo, a simulação permite a avaliação do mesmo e o estudo de configuraçõesalternativas para este mesmo sistema.

Em simulação de eventos discretos, o sistema é modelado em termos do seu estado ao

longo do tempo, das entidades que passam pelo sistema, das entidades que representam seus

recursos e das atividades e eventos que provocam as suas alterações de estado (BANKS et al.,

2004)

2.4 O software Arena



6

O software de simulação Arena foi lançado em 1993 pela empresa System Modeling e

foi o sucessor de outros dois softwares de simulação, o SIMAN e o CINEMA. O SIMAN foi

lançado em 1982 e em 1984 recebeu o CINEMA como complemento, adicionando ao software

habilidades de animação gráfica. Em 1993 os dois programas foram unificados e aperfeiçoados,

dando origem ao Arena (LANDA,2007).

Em 2000 a System Modeling foi comprada pela Rockwell Software, impulsionando o

desenvolvimento do software através de lançamento de novas versões com cada vez mais

recursos disponíveis. A versão disponível mais atual do Arena é a 11.0. (LANDA,2007).

Como outros simuladores atuais e com auxílio de equipamentos computacionais mais

avançados, o Arena fornece um pacote com (GAVIRA, 2003, p.85):

3. Estudo de caso

3.1 Metodologia

A pesquisa usada neste trabalho e descritiva com abordagem qualitativa o objetivo da

pesquisa cientifica e descrever as características de uma população, fenômeno ou de uma

experiência.

Para (SILVA, p. 79, 2007) “este tipo de pesquisa ocorre quando se registra”, analisa e

correlaciona fatos ou fenômenos, sem manipulá-los’’. No primeiro momento foi realizada uma pesquisa bibliográfica com o objetivo de

agregar fundamentação teórica ao trabalho e buscar maior entendimento sobre o tema em

questão. Segundo Martins (2011, p.86) “Pesquisa Bibliográfica é o ponto de partida de toda

pesquisa, levantamento de informações feito a partir do material coletado em livros, artigos ,

jornais site da internet e em outras fontes escritas devidamente publicadas”

Após a pesquisa descritiva, os conceitos foram aplicados na prática através de um estudo

de caso com o objetivo de avaliar o cenário estatístico futuro dos indicadores de manutençãoMTBF e MTTR dos equipamentos de produção de calçados.



7

3.2 A empresa

A empresa, sedeada em São Paulo, desde 3 de abril de 1907. É líder no mercado

brasileiro de sandálias e agora cresce também em outros segmentos e países. A marca bate

recorde de produção e estende sua linha com inovação no portfólio com calçados fechados.

Recentemente inaugurou uma nova fabrica dedicada a produção de sandálias de

borracha na cidade de Montes Claros - Minas Gerais em abril de 2013, sendo esta esteve em

fase de teste de 01 de maio até o dia 18 outubro de 2013 quando foi oficialmente inaugurada.

A fábrica Atualmente emprega 1500 funcionários com previsão de contratação de mais 1000

funcionários ate o final de 2014.

3.3 Levantamento de dados dos equipamentos escolhidos

Devido a sua criticidade para o processo fabril e disponibilidade de dados (raw data) os

equipamentos a serem avaliados, sendo estes, BAMBURY FINAL, PRENSAS COPÉ,

Para viabilização do estudo de caso, primeiramente foram levantadas as falhas dos

equipamentos escolhidos, foi realizada a análise das manutenções corretivas que são

cadastradas no software SAP, utilizado pela empresa para planejamento de produção e controle

de manutenção, no período de maio á setembro de 2013. A empresa mantém dados históricosem planilhas eletrônicas relacionadas ao momento que o técnico inicia e finaliza a manutenção

corretiva. O arquivo contém detalhes como a data, a descrição das causas das paradas e o tempo

destinado para o reparo.

Foi calculado o total de horas de operação, o total de horas de paradas e manutenção,

quantidade total de falhas no período considerado o MTBF para cada equipamento onde o

número de falhas foi dividido pelo período avaliado desde o inicio da operação até o final do

período da coleta de dados. Foi considerado o tempo de (8horas) turno de trabalho do estudorealizado, logo após foi calculado o MTTR, considerando o tempo total de reparo, dividido pela



8

quantidade de paradas, também foi realizado o cálculo do desvio padrão para obter de maior

segurança dos valores de MTTR, e foi considerado o recurso de um técnico para cada

atendimento da falha.

As tabelas abaixo representam o resultado dos cálculos realizados para cada

equipamento, tais resultados serão usados como dados de entrada para a simulação realizada do

software Arena.

O projeto experimental para a realização da simulação foi calculado pelo tempo de

replicação comum para todos os equipamentos, na simulação será considerado período de 2

anos , ou seja, 365 dias, multiplicado por (8 horas x 60 min) , considerado o turno de trabalho

dos da coleta de dados totalizando 350.400 minutos .

Total da Operação 65280 Minutos

Total de Paradas 3855 Minutos

Quantidade total de falhas 62 Falhas

MTBF 1052,903226 Total de minutos de operação/Quantidade total de falha

MTTR 62,17741935 Total de minutos de paradas/Quantidade total de falhas

Desvio padrão do MTTR 50,25277579 Tempo de Desvio padrão

Técnico 1 Mão de obra.

Equipamento Bambury Final - Parâmetros de simulação.

Total da Operação 73440 Minutos

Total de Paradas 8127 Minutos

Quantidade total de falhas 76 Falhas

MTBF 966,3157895 Total de minutos de operação/Quantidade total de falha

MTTR 106,9342105 Total de minutos de paradas/Quantidade total de falhas

Desvio padrão do MTTR 71,64354916 Tempo de Desvio padrãoTécnico 1 Mão de obra.

Equipamento Prensas Copé - Parâmetros de simulação.

Fonte: Elaborado pelos autores

TABELA 2 – Dados estatísticos do equipamento Bambury Final


TABELA 1 – Parâmetros de simulação do Bambury Final



9

O MTBF, MTTR e o desvio padrão calculados nas tabelas acima foram usados na

simulação de cada equipamento para geração dos resultados futuros. A entidade considerada

para todos os equipamentos foi à falha.

3.3 Relatórios da Simulação

Após a simulação realizada, e através dos relatórios gerados pelo sistema é possível

apresentar o número falhas o MTTR e MTBF dos equipamentos e a ociosidade do técnico de

manutenção.

Médio Min Max

67,57 min 0.0 min 67,57

Tempo de ociosidade do técnico 94%

Bambury Final

Total Previsto de falhas

MTTR (minutos )

321

MTBF( minuto entre falhas) 350.400/321 falhas = 1091,58

Médio Min Max

120.64 min 0.0 min 421.42

Prensas Copé

Total Previsto de falhas 346

MTTR (minutos )

MTBF( minuto entre falhas) 350.400/346falhas = 1012,71

Tempo de ociosidade do técnico 89%

TABELA 3 – Resultados da simulação do Bambury Final


TABELA 4 – Resultados da simulação do Prensas Copé




10

De acordo com os dados obtidos através da simulação é possível detectar que o indicador

MTTR de todos os equipamentos estudados alcançou em simulação a média, sendo este o valor

mais esperado, porém é observado que sua amplitude de 0 até o máximo tem uma variável

bastante expressiva , tornando-se preocupante, já que existe a possibilidade que os mesmo

variem até 3 vezes ou mais do valor esperado, impactando nas programações e no uso dos

recursos de manutenção. Quanto menor o MTTR no passar do tempo, melhor o andamento da

manutenção, pois os reparos corretivos demonstram serem cada vez menos impactantes na

produção.

O MTBF apresenta se constante em todos os casos onde tende a se manter no cenário

futuro.

O alto porcentual de ociosidade dos técnicos de cada equipamento pode ser redirecionado para

atividades de manutenção preventiva ou inspeções.

Espera-se, em curto prazo com o controle dos indicadores avaliarem a manutenção

preventiva, garantindo maior disponibilidade do equipamento para análises e também a

comprovação de que o instrumento está funcionando de acordo com as especificações do

fabricante.

4. Conclusão

O trabalho aqui apresentado demostra a importância e a necessidade aplicação de umestudo gerencial, onde a informação obtida deve servir de massa critica para tomada de decisão

no futuro. Outra implicação deste trabalho foi mostrar que a ferramenta de simulação

computacional pode ser utilizada de forma satisfatória para auxiliar as realizações de pesquisas

acerca do comportamento do sistema estudado.A relevância dos resultados deste trabalho se é

percebida na sua potencial contribuição para a Engenharia de Produção ao agregar valor ao

conhecimento em Pesquisa operacional simulando com uso do software, bem como aperfeiçoar

conhecimentos profissionais nesta área de aplicação através da experiência na empresa em que



11

foi realizado o estudo de caso, dentro do que se entende como estratégia, controle dos processos

e especialmente no que diz respeito aos sistemas de manutenção.

5. Referências.

BANKS, Jerry et al. Discrete-Event System Simulation. 4. ed. New Jersey: Prentice Hall,2004.

BETIATTO, Alexandre. Modelagem e Simulação Aplicação a uma Linha de Manufatura de

Componentes Automotivos. [2008].

CHWIF, Leonardo; MEDINA, Afonso C. Modelagem e simulação de eventos discretos, teoria

&aplicações. Segunda edição. São Paulo, 2007.

LANDA, Fabiane Teixeira de. Utilização de simulação de eventos discretos para análise da

operação de locomotivas de auxílio nos trens de carga: caso MRS.2007.52f.Monografia

(Graduação em Engenharia de Produção) -Universidade de Federal de Juiz de Fora, Juiz de

Fora,2007.

LOBO, Carlos Eduardo; LIMA, Paulo Corrêa; BRAUN, Johann Roland. Utilização da

simulação de eventos discretos para otimização de layout: uma aplicação industrial. São

Paulo,1997..

MARTINS, Rosilda Baron. Metodologia Científica. 6. ed. Curitiba: Editora Juruá, 2011.

MIYAGI, PAULO E. Introdução a Simulação Discreta. São Paulo- SP, 2006.

TORELL, Wendy; AVELAR, Victor. Tempo Médio Entre Avarias (MTBF – Mean TimeBetween Failures):Explicações e Normalizações. Aplicação Técnica Nº 78,[S.l.],2004.

artigo 2 - simulação mtbf-mttr - emepro 2014

Documents