PEDRO JAEGER ZIMMERMANN

ESTUDO DE FALHAS EM DOSADORAS DE GRAXA COM O MÉTODO DE WEIBULL

Monografia apresentada ao Departamento de Engenharia Mecânica da Escola de Engenharia da Universidade Federal do Rio Grande do Sul, como parte dos requisitos para obtenção do diploma de Engenheiro Mecânico.

Orientador: Prof. Dr. José Antônio Esmerio Mazzaferro

Porto Alegre 2004

2

Universidade Federal do Rio Grande do Sul

Escola de Engenharia

Departamento de Engenharia Mecânica

PROJETO DE SISTEMAS DE CO-GERAÇÃO A GÁS NATURAL

PEDRO JAEGER ZIMMERMANN

ESTA MONOGRAFIA FOI JULGADA ADEQUADA COMO PARTE DOS

REQUISITOS PARA A OBTENÇÃO DO DIPLOMA DE ENGENHEIRO MECÂNICO

APROVADA EM SUA FORMA FINAL PELA BANCA EXAMINADORA DO DEPARTAMENTO DE ENGENHARIA MECÂNICA

Prof. Dr. Flávio José Lorini Coordenador do Curso de Engenharia Mecânica

BANCA EXAMINADORA:

Prof. EDUARDO ANDRÉ PERONDI UFRGS / DEMEC

Prof. DARCI BARNECH CAMPANI UFRGS / DEMEC

Prof. HERALDO AMORIM UFRGS / DEMEC

Porto Alegre 2004

3

Dedico este trabalho à memória de minha querida avó, Erika Kremer Jaeger.

4

AGRADECIMENTOS

Agradeço aos meus pais, Paulo e Tina, que sempre me apoiaram e acreditaram no meu sucesso. Agradeço também aos meus colegas Umberto Antoni e Alessandro Ávila, da GKN do Brasil pela colaboração na estruturação deste trabalho, pelas sugestões preciosas e pelas horas de discussão e troca de idéias. Agradeço ao meu orientador, professor Mazzaferro, pelo auxílio na estruturação do trabalho Em especial, agradeço à Ursula Mugnaini; que me fez perceber que era possível concluir o trabalho a tempo justamente na hora em que eu mais precisava.

5

ZIMMERMANN, P. J. Estudo de Falhas em Dosadoras de Graxa com o Método de Weibull. 2004. 23f. Monografia (Trabalho de Conclusão do Curso de Engenharia Mecânica) – Departamento de Engenharia Mecânica, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2004. RESUMO Este trabalho aborda o sistema de gestão de manutenção apresentando uma das ferramentas da filosofia RCM (Manutenção Centrada em Confiabilidade). São analisados e comparados dados de falha em duas dosadoras de graxa utilizadas no processo de montagem de semi-eixos homocinéticos através do método de Weibull. Com este modelo de distribuição é possível identificar qual o tipo de falha está ocorrendo em cada equipamento. Os resultados mostram que a natureza da falha apresentada pelas células é diferente, sendo gerada por causas distintas. Verifica-se que uma delas apresenta cenário conforme esperado, enquanto a outra apresenta uma falha prematura. A expectativa de vida no equipamento com modo de falha previsto é maior do que no outro, onde o modo de falha não era esperado. Estudos mais profundos são sugeridos para identificação correta da causa deste modo de falha não esperado. PALAVRAS-CHAVE: RCM, Análise de dados; Weibull, Dosadora de graxa; Tempos de falha.

6

ZIMMERMANN, P. J. Failure Study on Grease Dispenser Device using the Weibull Method. 2004. 23f. Monografia (Trabalho de Conclusão do Curso de Engenharia Mecânica) – Departamento de Engenharia Mecânica, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2004. ABSTRACT This paper approaches the maintenance management system presenting one of the tools of the RCM (Reliability Centered Maintenance) philosophy. Data for failures on two grease dispenser devices in the side shaft assembly process is analyzed and compared through the Weibull method. By this distribution model, it is possible to identify what kind of failure is occurring in each equipment. The results show that the nature of the failures presented by the cells is different, generated by distinct causes. The scenario shown by one of the cells is according to predictions, in the other hand; the other cell shows a premature failure. The expected life for the equipment with predicted failure mode is higher than the equipment with unexpected failure. Further studies are suggested in order to correctly identify the unknown failure mode causes. KEYWORDS: RCM, Data analysis; Weibull, Grease dispenser device; Time to failure.

7

SUMÁRIO

1. INTRODUÇÃO......................................................................................................................8

2. DEFINIÇÃO DE CONCEITOS.............................................................................................8

3. ANÁLISE DE DADOS – O MÉTODO DE WEIBULL......................................................10

4. APLICAÇÃO DO MÉTODO – ANÁLISE DE DOSADORAS DE GRAXA....................12

4.1. O sistema de dosagem de graxa.....................................................................................12

4.2. Emprego do método ......................................................................................................13

5. DISCUSSÃO DOS RESULTADOS....................................................................................16

5.1. Interpretando os resultados para a célula 11..................................................................16

5.2. Interpretando os resultados para a célula 21..................................................................17

6. CONCLUSÕES....................................................................................................................18

7. TRABALHOS FUTUROS...................................................................................................18

8. REFERÊNCIAS BIBLIOGRÁFICAS .................................................................................19

9. BIBLIOGRAFIA CONSULTADA......................................................................................19

APÊNDICE I ............................................................................................................................20

8

1. INTRODUÇÃO

Atualmente a manutenção de equipamentos é peça chave no gerenciamento de operações das organizações. Com o mercado cada vez mais exigente, faz-se necessário obter índices ótimos de disponibilidade e confiabilidade dos equipamentos para manter-se competitivo. O caminho para atingir este objetivo passa por desenvolver as ferramentas da área de manutenção, como a RCM – Manutenção Centrada em Confiabilidade ou Reliability Centered Maintenance.

A análise de dados estatísticos com o emprego de técnicas corretas pode garantir a uma organização maior confiabilidade em seus processos. A Manutenção Centrada em Confiabilidade congrega diversas ferramentas para este fim. Uma delas é a distribuição de Weibull, que será empregada neste trabalho para analisar falhas em sistemas para dosagem de graxa durante a montagem de semi-eixos homocinéticos em uma empresa multinacional.

A montagem destes produtos é realizada em células de manufatura. Cada uma destas células é independente e possui todos os sistemas necessários para execução de suas funções. A dosagem de graxa nas juntas é realizada por elementos físicos controlados eletronicamente por CLP – Controlador Lógico Programável. Ao longo do tempo, verifica-se uma evidência de falha peculiar nestes sistemas de duas células diferentes: quantidade dosada fora dos limites especificados. Este trabalho analisará estes fenômenos utilizando as ferramentas descritas dentro da filosofia da RCM.

A estratégia do estudo é partir do histórico de manutenção destes equipamentos buscando encontrar o tempo entre duas falhas sucessivas e comparar resultados destas duas células de montagem, visando identificar como o modo de falha se comporta em equipamentos diferentes sob condições de trabalho diferentes. Com estas análises será possível identificar se o tipo de falha apresentado é um evento prematuro, randômico ou ocasionado por desgaste em cada equipamento individualmente. 2. DEFINIÇÃO DE CONCEITOS Manutenção é o termo dado para a garantia de que os itens físicos de um sistema continuam cumprindo suas funções. Deste modo, RCM – Manutenção Centrada em Confiabilidade (Reliability Centered Maintenance) é um processo usado para determinar os requisitos de manutenção de qualquer item físico no seu contexto operacional (MOUBRAY, 1996). Falha pode ser definida como a interrupção da função de um item ou incapacidade de satisfazer a um padrão de desempenho previsto. Uma falha em uma célula de manufatura pode acarretar, entre outros (KARDEC e NASCIF, 2001):

• interrupção de produção; • operação em regime instável; • queda na quantidade produzida; • deterioração ou perda da qualidade do produto.

Confiabilidade é a capacidade de um sistema desempenhar sua função com sucesso por

um determinado intervalo de tempo estabelecido, sob condições definidas de uso (KARDEC e NASCIF, 2001). Alguns conceitos relacionados à confiabilidade, que serão úteis durante a análise do problema, são:

• taxa de falhas: é representada pela quantidade de falhas na unidade de tempo;

9

• tempo médio até a falha (MTTF): período de tempo médio durante o qual um determinado sistema funcionará sem apresentar falha;

• tempo médio entre falhas (MTBF): período de tempo médio entre duas falhas sucessivas. Este conceito implica na possibilidade de reparo do sistema em questão após a identificação da falha e a retomada do desempenho de suas funções.

A partir do conceito de taxa de falhas, gerando-se um gráfico desta taxa em função de

uma escala de tempo tem-se algo como representado na figura 2.1. A chamada “curva da banheira” nos mostra como falham populações de produtos industriais durante seu período de vida. Há um primeiro momento de taxa de falhas decrescente, o chamado período de mortalidade infantil, onde as falhas são classificadas como prematuras. Em seguida tem-se uma etapa de taxa de falhas constante, período de falhas aleatórias geradas por causas randômicas. O último estágio são falhas por desgaste, onde a taxa de falhas é crescente pois os componentes estão chegando ao final de sua vida útil.

Figura 2.1 – “curva da banheira” – modelo de falhas típico de componentes industriais

(fonte: www.weibull.com)

As falhas prematuras, no período de mortalidade infantil são causadas geralmente por problemas de produção, má montagem ou deficiência no controle de qualidade. No período de falhas aleatórias (ou randômicas), as possíveis causas são independentes do tempo de uso do sistema ou produto, ou seja, um produto velho é tão bom quanto um produto novo. As falhas neste período são geradas normalmente por fatores humanos, erros de manutenção ou fenômenos naturais como raios, enchentes, entre outros. O último período, de falhas por desgaste representa o fim da vida útil de itens ou subitens de um sistema ou produto. Neste estágio, surgem as falhas por fadiga do material ou corrosão dos componentes que formam o conjunto.

Este modelo de falhas é adequado à análise proveniente do método de Weibull. Com os dados fornecidos pelo modelo de Weibull, é possível identificar em qual período da “curva da banheira” um determinado modo de falha está incluído. O método de Weibull será discutido no próximo capítulo e suas inter-relações com este modelo de falha, exemplificadas.

A Curva da Banheirataxa hipotética de falhas x tempo

tempo

taxa de falhas Vida normal

Mortalidade Infantil

Desgaste

10

3. ANÁLISE DE DADOS – O MÉTODO DE WEIBULL Na análise da confiabilidade, pode-se utilizar o método estatístico de Weibull. Este

método é uma técnica desenvolvida por Waloddi Weibull, físico sueco, em 1937 e publicada em 1951. A técnica seguiu desacreditada durante os anos 50, inclusive pelo próprio autor, que considerava os resultados obtidos bons demais para representarem a verdade. No entanto, algumas pesquisas pioneiras da US Air Force comprovaram a eficiência do método. Hoje, a técnica concebida por Weibull é o principal método de análise de dados de tempos de vida de sistemas ou produtos (ABERNETHY, 1998). Como todo modelo de distribuição de probabilidades, o método de Weibull está baseado em três equações básicas relacionadas abaixo. A função densidade de probabilidade da distribuição de Weibull:

(1) A função confiabilidade:

(2) E a fração de falha, definida por F(t), que é exatamente igual a 1-R(t), resultando:

(3) Nas equações (1), (2) e (3) o valor de t representa o tempo e deve ser sempre maior que

zero. Os fatores β e η são constantes que caracterizam cada caso particular. A constante β chama-se fator de forma e a constante η é o fator de escala.

Partindo-se da equação (3), podemos fazer os seguintes rearranjos (ABERNETHY, 1998):

( )

β

η

=−

t

etF1

1

( )

β

η

=

−

ttF1

1ln

(4)

Chegando na equação (4) que, por sua vez, é a equação de uma reta com coeficiente angular β e coeficiente linear βln(η):

(5)

( )β

ηβ

ηβ

−

− ⋅⋅

=

t

ettf 1

( )β

η

−

=t

etR

( )β

η

−

−=t

etF 1

( ) ( ) ( )ηββ lnln1

1lnln −=

−

ttF

( )ηββ ln+= xy

11

O gráfico gerado pela equação (4) é a principal ferramenta para análise do método de Weibull. Um exemplo deste gráfico pode ser visto na figura 3.1.

10010

99

9590807060504030

20

10

5

3 2

1

Tempo (min)

Perc

ent

0,965

2,16

Correlation

AD*

Goodness of Fit

Gráf ico exemplo

Shape

Scale

2,26530

79,3955

LSXY Estimates

Figura 3.1 – Exemplo de gráfico da equação (4).

Enquanto o fator de escala η (Scale) simplesmente ajusta os valores da escala de tempo

logarítmico (abscissa), o fator de forma β (Shape) desempenha papel essencial na interpretação dos resultados. De acordo com o valor de β, pode-se identificar em qual período da “curva da banheira” uma determinada falha se encaixa. Basicamente podemos separar os fatores de forma em quatro grupos como segue (ABERNETHY, 1998):

• β<1: indicam mortalidade infantil: taxas de falha altas e decrescentes no início

da vida do produto ou sistema. Tanto sistemas eletrônicos como mecânicos podem apresentar tais taxas. Os fabricantes executam testes de aceitação e testes para eliminar as falhas prematuras antes que os produtos cheguem aos consumidores;

• β=1: indicam falhas aleatórias: taxas de falha constantes ao longo do tempo e geralmente baixas. A distribuição de Weibull com β=1 se iguala à distribuição exponencial;

• 1<β<4: indicam desgaste antecipado. Torna-se um problema caso as falhas ocorram dentro da vida projetada para o sistema ou produto. É característica de modos de falha como fadiga de baixo ciclo, falhas em rolamentos, corrosão e erosão. Inspeções mais freqüentes ou substituição programada de itens podem ser a solução;

• β>4: indicam desgaste de fim de vida. Caso a vida característica de Weibull esteja dentro do período de vida projetada para o sistema ou produto, torna-se problema sério pois se corre o risco de comprometer toda uma população de produtos. Caso esta vida característica esteja localizada após o fim da vida projetada tem-se uma população de produtos que dificilmente apresentarão falhas dentro do período de vida útil.

O método de Weibull descreve adequadamente o tempo de vida de produtos formados

por diversos componentes, nos quais a falha de um determinado componente acarreta a falha do sistema como um todo. Uma rotina de análise típica segue os seguintes passos:

12

• coleta de dados de tempos até a falha (ou tempos entre duas falhas sucessivas) do objeto de estudo;

• listagem dos dados em ordem crescente e ranqueamento mediano dos valores conforme distribuição binomial (ver apêndice I);

• plotagem dos pontos em papel de probabilidade de Weibull e obtenção dos parâmetros do método (esta etapa pode ser realizada com uso de software);

• interpretação dos parâmetros para definição de estratégias de manutenção ou para explicar fenômenos evidenciados no objeto de estudo em serviço.

4. APLICAÇÃO DO MÉTODO – ANÁLISE DE DOSADORAS DE GRAXA 4.1. O sistema de dosagem de graxa

Para realizar a dosagem de graxa, que será objeto de estudo deste trabalho, existem diversos componentes organizados em um sistema. A graxa é recebida em tonéis de 180kg e bombeada para uma tubulação, que realiza a distribuição aos pontos de uso. Este bombeamento é realizado por propulsoras, que são basicamente êmbolos colocados nos tonéis que expulsam a graxa contida neles para esta rede de tubos. Como a rede trabalha com graxa em altas pressões, as dosadoras são meramente uma válvula e um medidor de fluxo.

O medidor de fluxo é peça chave nesta análise. Uma vista explodida deste pode ser verificada na figura 4.1, onde se visualizam as engrenagens e os elementos sensores. Juntos, estes são responsáveis pela geração de pulsos para o CLP.

Figura 4.1 – Medidor de fluxo – vista explodida (fonte: www.hilger-kern.de)

Os pulsos gerados pelas engrenagens e sensores são interpretados por um CLP. Existe

uma correspondência entre pulsos e volume dosado de forma que cada pulso representa um volume discreto constante dosado pelo sistema. O software de controle deve abrir a válvula (liberando o fluxo de graxa pelo medidor), contar o número de pulsos e fechar a válvula assim que a quantidade dosada tenha sido suficiente. A falha ocorre quando o sistema de controle é incapaz de manter a quantidade dosada dentro das especificações.

13

4.2. Emprego do método

As possibilidades de análise através do método de Weibull serão, em parte, demonstradas pela análise de falhas em dosadoras de graxa integrantes ao processo de montagem de semi-eixos homocinéticos. O critério de falha considerado é quantidade de graxa dosada fora dos limites de controle especificados. Serão comparados os dados de dois equipamentos: as células de montagem 11 e 21. Ambas possuem o mesmo sistema de dosagem de graxa e trabalham com o mesmo tipo de graxa. Ambas dosadoras são atendidas pela mesma tubulação com graxa sob pressão. A graxa é bombeada através desta tubulação por uma única propulsora.

Como descrito no capítulo anterior, o processo de análise segue algumas etapas, que serão desenvolvidas a seguir utilizando como entrada dados armazenados pelo setor de manutenção da empresa e pelo controle de produção. A falha nas dosadoras é detectada durante verificação regular do sistema, realizada no início de cada turno de trabalho e nas trocas de peça em produção. A verificação consiste na aferição da massa de graxa em balança eletrônica. De acordo com os procedimentos da companhia, as intervenções de manutenção realizadas são arquivadas através da data e horário de execução. Selecionando dentre todas as intervenções os eventos relevantes para esta análise e unindo estes dados aos registros de produção, é possível identificar quantos ciclos foram executados entre duas falhas sucessivas. Como o reparo do sistema é realizado, recolocando-o em serviço, o dado de entrada considerado para o método de Weibull é o período de tempo entre falhas sucessivas. Este período de tempo pode ser medido em número de ciclos, permitindo a comparação entre os dois equipamentos. Os dados levantados estão relacionados na tabela 4.1.

Tabela 4.1 – Ciclos entre falhas por equipamento

Célula 11 Célula 21 243 216 535 237 1892 293 2022 387 7657 399 10552 426 14349 458 20789 518

589 920 946

Os dados contidos na tabela 4.1 já estão ranqueados em ordem crescente, como descrito

anteriormente no capítulo 3. A partir deste ranqueamento, é possível gerar os gráficos de Weibull que permitem a identificação dos fatores de forma (β) e de escala (η). Os gráficos apresentados a seguir, bem como o da figura 3.1, foram gerados com o auxílio do software MINITAB.

14

0 1 10 100 1000 10000 100000

1

2 3

5

10

20

3040506070809095

99

Ciclos até a falha

Perc

ent

Correlation 0,981

Gráf ico de Weibull - Célula 11Intervalo de confiança: 90%

Shape

Scale

0,714553

6734,25

LSXY Estimates

Figura 4.2 – Gráfico de Weibull para a célula 11

Lendo-se os dados disponíveis na figura 4.2, é possível identificar a inclinação da reta β,

ou fator de forma (Shape), igual a 0,714553 e a vida característica η, ou fator de escala (Scale) igual a 6734,25 ciclos. Outro dado importante é a correlação dos dados de entrada, que para este caso está em 98,1%.

A figura 4.3 mostra os mesmos dados para a célula 21. É possível identificar os valores de β (2,50846) e η (544,804 ciclos). Para este conjunto de dados, a correlação é 95,7%.

Ambos valores de correlação são altos, o que indica que os dados estão sendo bem descritos pela reta do gráfico de Weibull. Esta é uma evidência de que a distribuição de Weibull é uma escolha para representar os dados, justificando a metodologia adotada. Um valor de correlação de 100% indica dados perfeitamente alinhados.

As duas curvas externas à reta limitam o intervalo de confiança, definido para este caso em 90%. Nestes gráficos, têm-se 90% de certeza de que os pontos serão encontrados dentro dos limites do intervalo de confiança.

100 1000

1

2 3

5

10

20

3040506070809095

99

Perc

ent

Correlation 0,957

Shape

Scale

2,50846

544,804

LSXY Estimates

Gráf ico de Weibull - Célula 21Intervalo de confiança: 90%

Ciclos até a falha

Figura 4.3 – Gráfico de Weibull para a célula 21

Os fatores de forma e de escala, bem como a correlação, encontrados para os dois casos são apresentados na tabela 4.2.

15

Tabela 4.2 – Fatores de forma e de escala Característica Célula 11 Célula 21

Fator de forma β 0,714553 2,50846 Fator de escala η 6734,25 544,804

Correlação 98,1% 95,7%

Unindo os resultados da tabela 4.2 à teoria apresentada no capítulo 3, é possível classificar as falhas de ambas as células através do fator de forma de cada uma delas. A célula 11 tem um valor de β menor do que 1, o que nos indica um modo de falha prematuro. Já a célula 21 possui valor de β entre 1 e 4, o que nos indica desgaste acelerado.

A diferença entre os modos de falha da célula 11 e da célula 21 fica mais evidente quando analisamos os gráficos da função densidade de probabilidade, função confiabilidade e a função taxa de falha, juntamente com o gráfico de Weibull na figura 4.4 (célula 11) e na figura 4.5 (célula 21).

Figura 4.4 – Gráficos do modelo de Weibull para falhas na célula 11 É possível perceber que as falhas são muito mais freqüentes na célula 21 quando

comparada à célula 11. Isto é feito comparando os valores de MTBF, tempo médio entre falhas mostrados no canto superior direito da figura 4.4 e figura 4.5. Na célula 11, a dosadora de graxa executa em média 8362,2 ciclos até que a falha se apresente, enquanto na célula 21 o equipamento apresenta falha após a execução de apenas 483,43 ciclos em média.

0,981Correlation

10000010000100010010

999590807060504030

20

10

5

1

Weibull Probability

Perc

ent

6000050000400003000020000100000

1,0

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

0,0

Survival Function

Prob

abilit

y

6000050000400003000020000100000

0,0007

0,0006

0,0005

0,0004

0,0003

0,0002

0,0001

0,0000

Hazard Function

Rat

e

6000050000400003000020000100000

0,0003

0,0002

0,0001

0,0000

Probabil ity Density Function

Modelo de Weibull - Célula 11

ShapeScaleMTBF

FailureCensor

0,71466734,38362,2

80

16

Figura 4.5 – Gráficos do modelo de Weibull para falhas na célula 21

Avaliando os outros gráficos, fica mais fácil identificar que a falha na célula 11 é do tipo mortalidade infantil, enquanto na célula 21 trata-se de desgaste antecipado. Observando o gráfico da função taxa de falha (Hazard Function) da figura 4.4 verifica-se que a taxa decresce com o tempo (ciclos) enquanto no mesmo quadro da figura 4.5 a taxa aumenta. Isto prova que, voltando à “curva da banheira”, a célula 11 está situada no extremo esquerdo enquanto a célula 21 está na região mais à direita do gráfico.

Outro fator que comprova o modo de falha prematuro para a célula 11 é o gráfico da função densidade de probabilidade (figura 4.4). As falhas estão concentradas em ciclagens extremamente baixas, reduzindo significativamente após um certo número de ciclos.

De forma análoga, pode-se verificar o comportamento do modo de falha na célula 21. O desgaste antecipado (ou acelerado) também é comprovado através da análise do gráfico da função densidade de probabilidade (figura 4.5). A maior concentração de falhas está situada em torno de uma faixa de ciclos. Para ciclagens fora desta região, as densidades de falha são mais baixas. Modos de falha do tipo desgaste antecipado são caracterizados justamente por possuírem uma faixa de ciclos crítica para ocorrência de falha. 5. DISCUSSÃO DOS RESULTADOS

Através da interpretação dos gráficos apresentados na seção 4, duas coisas ficam evidentes: os modos de falha apresentados pelos equipamentos são diferentes e a célula 11 tem vida significativamente maior do que a célula 21.

5.1. Interpretando os resultados para a célula 11

A dosadora de graxa da célula 11 possui um modo de falha do tipo mortalidade infantil. Ao avaliarmos as causas que levam a este tipo de falha, temos que citar a manutenção realizada entre uma falha e outra como uma possibilidade. Falhas prematuras geralmente são causadas por má montagem ou instalação incorreta. Trazendo este ponto de vista para este caso específico, podemos dizer que quando a célula 11 apresenta falha, isso se deve a algum

Correlation 0,957

100 1000

1

5

10

20

304050607080909599

Weibull Probability

Perc

ent

0 500 1000

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Survival Function

Prob

abilit

y

0 500 1000

0,000

0,005

0,010

Hazard Function

Rat

e

0 500 1000

0,000

0,001

0,002

Probability Density FunctionShapeScaleMTBF

FailureCensor

2,5085544,8

483,43

110

Modelo de Weibull - Célula 21

17

procedimento de manutenção anterior inapropriado ou mal executado. Esta hipótese é bastante plausível pois não há abordagem padronizada para conduzir tal tarefa e há diversas variáveis para regulagem. Entre as variáveis, podem-se citar: a pressão de entrada na dosadora, a pressão de saída no ponto de uso, a vazão de graxa através da dosadora, parâmetros de ajuste na aquisição do sinal eletrônico, entre outros. Sendo assim, é bastante provável que, devido a uma alteração inadequada de alguma destas variáveis, o sistema seja restabelecido momentaneamente mas volte a apresentar a falha após pouco tempo de uso.

Interpretando o gráfico da função taxa de falha para a célula 11, na figura 4.4, podemos observar que, a cada ciclo executado, a chance da dosadora apresentar falha diminui, pois a taxa de falha diminui. Ou seja, quando o equipamento já tem alta ciclagem, a tendência é que ele leve mais tempo para apresentar falha. Em contrapartida, no início de sua vida, há maior possibilidade de ocorrência de falha.

5.2. Interpretando os resultados para a célula 21

O modo de falha deste equipamento deveria ser rigorosamente o mesmo observado na célula 11, bem como o valor de MTBF (tempo médio entre falhas). Isto porque os equipamentos de ambas as células são iguais (e intercambiáveis) e a equipe que executa qualquer serviço nesses também é a mesma; havendo, portanto, a mesma chance de erro humano.

No entanto, os resultados obtidos nos mostram um outro quadro. O modo de falha da célula 21 é do tipo desgaste acelerado. Como evidências disto, temos o fator de forma, situado entre a faixa de 1 a 4 e a taxa de falha crescente com o número de ciclos. Avaliando o gráfico da função taxa de falha para a célula 21, na figura 4.5, verificamos que a taxa de falha aumenta significativamente com o número de ciclos executados. Sendo assim, um equipamento que acabou de sofrer manutenção tem menor tendência a apresentar falhas do que um equipamento que já vem sendo utilizado por algum tempo. Este comportamento é exatamente o oposto do que foi verificado para a célula 11.

Este cenário nos leva a afirmar que existe um modo de falha encoberto na análise de Weibull para a célula 21. Em outras palavras, algo mais está acontecendo no equipamento que não permite que o modo de falha esperado apareça pois outra falha ocorre antes disto. Isto quer dizer que, em condições normais de trabalho, este equipamento deve apresentar o mesmo tipo de falha verificado na célula 11. Deve existir, portanto, alguma diferença entre as células que justifique este comportamento.

Na investigação destes fatores, podemos dizer que falhas como a apresentada pela célula 21 normalmente são geradas por diversas causas mecânicas: fadiga de baixo ciclo, falhas de rolamentos ou ainda corrosão, erosão. No entanto, não é exatamente isto que ocorre, pois todo o sistema mecânico é idêntico ao da célula 11, que não apresenta este modo de falha. A análise do modo de falha deve ser mais profunda, avaliando as diferenças existentes entre os equipamentos e testando cada uma de modo a identificar o que causa a falha.

18

Figura 5.1 – Posição dos equipamentos em relação à central de graxa

Existem algumas diferenças entre as duas células, sendo que a mais significativa delas é

a posição dos equipamentos em relação à central de graxa (onde ficam os tambores de graxa e as propulsoras). Como podemos observar na figura 5.1, a célula 21 está mais distante, havendo uma extensão maior de tubos a ser vencida pela graxa até o ponto de uso. Desta forma, a perda de carga na tubulação para a célula 21 é maior do que para a célula 11. Este fator pode justificar a diferença no comportamento verificado nesta célula, no entanto, maiores estudos são necessários para confirmar esta hipótese. 6. CONCLUSÕES

A aplicação do RCM dentro das organizações é um fato que produz mudanças significativas no comportamento dos profissionais de manutenção. A análise de Weibull, apresentada e demonstrada neste trabalho, é uma ferramenta muito poderosa na identificação de problemas e na busca de soluções em aplicações de engenharia. A flexibilidade do método é bastante evidente, pelo modo em que ele consegue apresentar bons resultados com pouquíssimos dados de entrada. Esta é, sem dúvida, uma grande vantagem deste modelo sobre os demais modelos de distribuição de probabilidades.

Os resultados do método de Weibull nos mostram que o modo de falha verificado no equipamento da célula 11 é completamente diferente do apresentado pela célula 21. Mais do que isso, a distribuição de Weibull nos mostra que a célula 11 possui maior expectativa de vida quando comparada à célula 21. As causas do modo de falha apresentado pela dosadora de graxa da célula 21 não são evidentes, ao contrário do que foi mostrado pela célula 11. 7. TRABALHOS FUTUROS

Como sugestão para futuros trabalhos, ficam os estudos mais profundos para a completa identificação das causas de falha na célula 21. A partir deste conhecimento, deve-se buscar a eliminação destes fatores, permitindo que os dois equipamentos analisados apresentem desempenho em vida semelhante. O ponto de partida para esta busca pode ser justamente uma análise das perdas de carga na tubulação de graxa, avaliando o comportamento na célula 11 e 21 para realização de comparações que justifiquem e expliquem a razão da diferença entre os modos de falha.

Além disto, pode-se estender esta busca em outras características onde há diferença entre os equipamentos. Os CLPs utilizados para controle das dosadoras nas células são de

Central de graxa

Cel.11

Cel.21

19

fabricantes diferentes, o que poderia gerar algum tipo de impacto na aquisição e tratamento do sinal gerado nos medires de fluxo. E ainda, o diâmetro da tubulação na entrada das dosadoras é diferente, de modo que, para pressões de entrada iguais, a vazão não será a mesma nas células. Numa análise completa, fatores como estes podem ser relevantes, devendo ser considerados em futuras investigações. 8. REFERÊNCIAS BIBLIOGRÁFICAS KARDEC, A.; NASCIF, J.: Manutenção: Função Estratégica, 2ª ed., Ed. Qualitymark, Rio

de Janeiro, 2001. MOUBRAY, J.: Introdução à Manutenção Centrada na Confiabilidade, Aladon, 1996. Reliability Engineering and Weibull Analysis Resources, www.weibull.com. Hilger u. Kern / Dopag Gruppe, www.hilger-kern.de. ABERNETHY, R. B. The New Weibull Handbook, 3ª ed., 1998. 9. BIBLIOGRAFIA CONSULTADA SIEBEN, G. P.: Análise Estatística sobre o Comportamento de Cilindros Dois Tempos.

Monografia (Trabalho de Conclusão do Curso de Engenharia Mecânica) – Departamento de Engenharia Mecânica, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2002.

20

APÊNDICE I Neste apêndice apresentam-se tabelas para ranqueamento mediano de valores de acordo com uma distribuição binomial. Os dados a seguir foram extraídos de The New Weibull Hanbook, de Dr. Robert B. Abernethy.

21

22

23