Академический Документы
Профессиональный Документы
Культура Документы
Resumo
Este trabalho relata o uso da confiabilidade e da manutenibilidade na formulao de estratgias de manuteno
industrial. O mtodo utilizado foi o estudo de dois casos. Inicia-se revisando conceitos ligados a variveis e
processos aleatrios como base para definir conceitos e caractersticas de estudos de confiabilidade e de
modelagem aplicados na gesto da manuteno industrial. A seguir se descrevem os casos estudados, em que se
aplicam tcnicas de modelagem de tempos at a falha e at o reparo no estabelecimento de estratgias de
manuteno em fbricas do setor metal-mecnico. Com base nos resultados, discute-se o caso, estabelecendo
condies para o uso da confiabilidade na formulao estratgica da manuteno, principalmente quanto ao sistema
de informaes necessrias.
Palavras-chave
Formulao estratgica na manuteno industrial, sistemas de informao em manuteno, confiabilidade na
manuteno industrial, modelagem em manuteno industrial.
Key words
Strategic formulation in industrial maintenance, information system in industrial maintenance, reliability in
industrial maintenance, modeling in industrial maintenance.
programadas afetam muito pouco o nvel de confiabilida- tempos at a falha surgem na literatura: (i) h(t) constante,
de do item; e (ii) para muitos itens, a prtica de manuten- o modelo exponencial, que explica o comportamento de
o preventiva no eficaz (MOUBRAY, 1996). componentes eletrnicos; (ii) h(t) linear crescente, o
Equipamentos de interesse da manuteno industrial modelo de Rayleigh, que explica o comportamento de
so conjuntos de partes que formam sistemas reparveis. componentes mecnicos; e (iii) h(t) exponencial, o mo-
Segundo Ascher e Feingold (1984) apud Lindqvist, delo de Weibull, que explica o comportamento de siste-
Elvebark e Heggland (2003), um sistema reparvel pode mas cuja falha nasce da competio entre diversos modos
ser plenamente restaurado aps uma perda de desempe- de falha. Neste ltimo caso, o tempo at a falha de um
nho em uma das suas funes. Segundo os autores, a equipamento uma varivel aleatria T = min(1i)[ti], em
restaurao pode ocorrer por qualquer mtodo que no que ti o tempo at a falha de cada modo de falha. T
seja a troca total do sistema, podendo se dar por trocas segue uma distribuio de Weibull se os modos de falha
parciais ou por reparos em partes. Aps a interveno, a atuarem em srie, competindo pela falha (primeiro a
operao do sistema retomada em um nvel de desem- ocorrer, ocorre a falha), como nos equipamentos indus-
penho tal como se a falha no houvesse ocorrido. triais (LEWIS, 1996).
Segundo a norma brasileira NBR 5462-1994, item Interessa o modelo de Weibull a trs parmetros: (i) t0,
2.2.6.4, a confiabilidade de um item a probabilidade de que indica o tempo isento de falhas; (ii) , o fator de
que este item desempenhe a funo requerida, por um forma, que indica taxa de falhas decrescente (<1), cons-
intervalo de tempo estabelecido, sob condies definidas tante (=1) ou crescente (>1); e (iii) , o fator de escala,
de uso. Segundo Elsayed (1996), a confiabilidade R(t) que indica o quanto a distribuio se espalha no tempo
a probabilidade que um produto ou servio opere adequa- (autores tambm usam os smbolos e para os fatores
damente e sem falhas sob as condies de projeto, duran- de forma e de escala). O modelo de Weibull expresso
te um tempo especificado, a vida de projeto. A funo por (5) e (6) e o tempo mdio entre falhas, o MTBF,
confiabilidade varia entre 0 e 1 e pode ser usada como dado por (7). Caso tambm se tenha o tempo mdio at o
uma medida parcial do sucesso de um projeto industrial. reparo, o MTTR, a disponibilidade A(t) dada por (8)
Se o tempo at a falha do projeto Xt uma varivel (ELSAYED, 1996).
aleatria, a funo confiabilidade R(t) dada pela equa-
o (1). Se f(t) a densidade de probabilidade de Xt, sua
R(t) dada pela equao (2) (ELSAYED, 1996).
(5)
VARIVEIS E PROCESSOS
(9) ALEATRIOS EM MANUTENO
um processo aleatrio x(t) uma regra para associar a processo a ndice discreto e a estados discretos. Como
cada sada do experimento uma funo x(t,). O dom- outro exemplo, seja uma mquina cuja operao
nio de o conjunto S das sadas possveis do experi- monitorada e a cada interrupo por quebra anotam-se o
mento e o domnio de t T, o conjunto dos nmeros reais. resultado obtido e o tempo decorrido desde a ltima
Se T o eixo real, x(t,) um processo contnuo. Se T quebra, em um processo a ndice discreto e a estados
um conjunto finito, x(t,) um processo discreto: uma contnuos. Em ambos os casos possvel associar uma
seqncia de variveis aleatrias. Geralmente t = [0, 1, 2, funo x(t,) ao processo. No segundo caso o ndice t no
...] uma varivel de tempo ou uma contagem e x(t)= o tempo decorrido, mas a ordinalidade da quebra.
o estado do processo em t. Se o processo x(t,) pode varivel pode-se associar uma produo, uma quilome-
assumir um nmero finito de valores, dito a estados tragem ou o tempo entre quebras, segundo a natureza do
discretos. Do contrrio dito a estados contnuos. Uma processo aleatrio subjacente ao fenmeno em estudo.
realizao, caminho ou funo amostral de um processo
aleatrio x(t,), tT a associao a cada t de T de um Tipos clssicos de processos aleatrios e sua
valor possvel de . Usa-se a notao x(t) para o proces- relao com a manuteno
so, sendo implcita a dependncia de (PAPOULIS, Os processos aleatrios podem ser classificados se-
1984; ROSS, 1996). gundo as relaes entre as variveis aleatrias
Para um t especfico, x(t) uma varivel aleatria com intervenientes xn(t) (KARLIN; TAYLOR, 1997):
funo de distribuio de primeira ordem dada por (15). (i) a incrementos independentes e estacionrios, se as
Esta funo depende de t e corresponde probabilidade de variveis [x1(t1)x0(t0)], [x2(t2)x1(t1)],...,[xn(tn)xn-1(tn-1)]
que as amostras x(t,) do processo no excedam ao valor so independentes n, t0<t1<...<tn;
numrico x. Sua derivada parcial em relao a x a densida- (ii) martingales, se E{xn+1(tn+1)|x1(t1) = a1,...,xn(tn)=an}=an,
de de primeira ordem de x(t), dada por (16). As funes de ou seja, um processo acumulativo cuja expectativa da
distribuio e de densidade de segunda ordem, (17) e (18), prxima execuo zero;
consideram a distribuio conjunta de duas variveis alea- (iii) markovianos, se P{a<x n+1 (t n+1 )b|x 1 (t 1 )=
trias x1(t1) e x2(t2). Funes de ensima ordem so exten- x1,...,xn(tn)=xn} = P{a<xn+1(tn+1)b|xn(tn)=xn}, ou seja, o
ses de (17) e (18) (PAPOULIS, 1984; ROSS, 1996). estado da prxima execuo depende exclusivamente da
execuo corrente: um processo markoviano a estados
discretos chamado uma cadeia de Markov; uma cadeia
(15) de Markov a tempos contnuos um processo de Poisson;
(iv) estacionrios, que podem ser estritamente estacionri-
(16) os, se as funes de distribuio conjuntas da famlia de
variveis [(x1(t1+h),x2(t2+h),...,xn(tn+h)] e [(x1(t1),x2(t2),...,
xn(tn)] so as mesmas, h>0, tT, ou seja, o intervalo de
(17) tempo em que o processo amostrado irrelevante, ou
amplamente estacionrio ou de covarincia estacionria,
(18) se possuir momentos de segunda ordem finitos e se sua
covarincia cov[x(t),x(t+h)]= E[x(t).x(t+h)]
E[x(t)].E[x(t+h)] depender apenas de h h>0, tT;
Processos aleatrios distinguem-se pelas relaes (v) renovveis (renewal), se um componente falha em t1,
existentes entre as sucessivas variveis aleatrias xi(t), reparado ou substitudo imediatamente, opera at
tT. Tais relaes podem ser especificadas por uma falhar em t2 e assim por diante, a ensima renovao
funo de distribuio conjunta para toda famlia finita ocorre em Sn= t1+...+tn; e
x1(t),x2(t),...,xn(t) de variveis aleatrias do processo, (vi) puntuais, se pontos contidos em S puderem ser
F(x 1 ,x 2 ,...,x n :t 1 ,t 2 ,...,t n ) x i ,t i ,n (PAPOULIS, 1984; contados por N(A) em A, um subconjunto amostral em
KARLIN e TAYLOR, 1997; ROSS, 1996). Para o objeti- S, de modo que: (a) AS, N(A) segue uma distribui-
vo deste artigo suficiente definir o espao de estados S, o de Poisson; e (b) {A1,...,An}disjuntosS, as vari-
os ndices em T e a funo de distribuio conjunta. Por veis N(A1),...,N(An) so independentes.
exemplo, sejam dez mquinas idnticas, S = [1,2,...,10],
sujeitas a cargas de trabalho similares, monitoradas por Um processo aleatrio a tempo contnuo de interesse
trinta dias, T = [1,2,...,30]. Ao fim de cada dia associa-se da manuteno o processo de Poisson. Seja uma
ao nmero de dias j decorridos o nmero de mquinas contagem{N(t),t0} do tipo degrau no-decrescente no
que apresentaram ao menos uma falha no dia, em um intervalo [0,]. Esta contagem um processo de Poisson
de taxa >0, se (ROSS, 1996; GROSH, 1989): como a distribuio de Weibull. Esta distribuio capaz
(i) N(0)=0 ou P0(0)=1; de descrever os trs processos pela estimativa de seu
(ii) P{N(t+h)N(t)=1}=h, se h0: a probabilidade de parmetro de forma, conforme esta seja respectivamente
uma ocorrncia em um pequeno intervalo de tempo igual a 1, maior do que 1 ou menor do que 1 (ELSAYED,
depende da taxa do processo e do tamanho do interva- 1996; GROSH, 1989).
lo, fazendo com que o processo tenha incrementos
estacionrios; PRIMEIRO ESTUDO DE CASO: UMA
(iii) P{N(t+h)N(t)2}0, se h0: a probabilidade de EXPLORAO DE PROCESSOS ALEATRIOS
mais de uma ocorrncia simultnea nula; EM MANUTENO
(iv) P{N(t+h)N(t)=n}=P{N(t1+h)N(t1)=n}, t,t1,h: o
processo estacionrio, sendo irrelevante o instante O primeiro estudo de caso teve um objetivo
de tempo em que a contagem comece; exploratrio. O objeto de estudo foi composto por dois
(v) cov{N(t+h)N(t),N(t 1+h 1 )N(t 1 )}=0, t,t 1,h,h 1,t 1 equipamentos semelhantes e que executam a mesma fun-
(t+h): a contagem independente em intervalos o na mesma empresa: duas mquinas de tmpera a
disjuntos e o que ocorre em um intervalo no afeta os induo. A mquina A foi reformada nove meses antes do
demais intervalos, fazendo com que o processo tenha estudo, o que, para este equipamento, uma data recente.
incrementos independentes; A mquina B ainda no foi reformada. A empresa dispe
(vi) a probabilidade de haver n contagens no intervalo de de sistema informatizado de gesto de manuteno, do
tempo t dada pela distribuio de Poisson, Pn(t) = qual coletaram-se os tempos entre falhas, apresentados
(n!)-1.e-t.(t)n, cuja E[N(t)]=var[N(t)]=t, a densidade na Tabela 1.
de probabilidade dada por f(t) = e-t, cuja =2=. e Usou-se o software ProConf 98 para a obteno dos
a densidade de probabilidade condicional h(t)=; e histogramas da Figura 2 e para testar o ajuste dos dados
(vii) como a h(t) independe do instante de tempo amos- s distribuies exponencial, Weibull, gamma, normal e
tral, o processo de Poisson no tem memria: o com- lognormal. Na Tabela 2 apresentam-se os parmetros
portamento atual no depende do comportamento pas- resultantes destes ajustes.
sado.
Discusso
Todas as classes de processo apontadas so encontr- Os tempos entre as falhas so variveis aleatrias
veis na manuteno. Para a linha metodolgica remeti- relativas ao processo aleatrio da quebra. Nas mquinas
da continuidade das pesquisas interessam mais os A e B, em intervalos de 1.002 e 1.277 horas, houve
processos puntuais. Para a linha ora adotada interessam respectivamente vinte e quatro e quatorze contagens de
mais os processos renovveis. Estes surgem ao se quebra, restando verificar se as taxas so constantes ou
amostrarem em T os intervalos entre substituies ou se variaram no intervalo. Dentre os ajustes obtidos,
reparos de um item. Testando hipteses, descobre-se se adotou-se o modelo de Weibull, pois engloba outros
h uma taxa de falhas. Se esta no variar ao longo de T, modelos, como o exponencial, Rayleigh e o normal, e
o processo descrito por uma lei de falha exponencial e porque o modelo-limite quando muitos modos de
do tipo CFR (taxa de falha constante). Se as taxas de falha concorrem para a quebra, como no atual equipa-
falha forem variveis, estas podem ser crescentes (IFR) mento (LEWIS, 1994).
ou decrescentes (DFR), exigindo outras distribuies, Inicia-se comparando os histogramas da Figura 2. A
1 1 3 4 7 3 11 18 43
10 12 17 20 25 62 70 70 83
25 25 27 27 41 95 124 124 143
42 44 46 46 47 179 252
71 116 126 219
o de carga. Se o substituto for de alta resistncia, este veis e de intensidades extraordinrias, e portanto aleat-
modo de falha no ocorre mais. medida que se conhe- rias, causaro falhas. O fim da mortalidade infantil pode
cem as cargas e os componentes frgeis so substitudos ser antecipado caso se conheam a priori as cargas mxi-
por componentes mais fortes, os modos de falha no se mas e se selecionem apenas componentes de alta resis-
manifestam mais e o processo de quebra se aproxima de tncia.
um processo de Poisson: apenas sobrecargas imprevis- Atingida a maturidade, monitora-se o equipamento
real simulado
3 32,73
11 72,51
18 73,47
43 80,78
62 85,32
70 91,12
70 132,42
83 138,56
95 148,08
124 158,98
124 192,46
143 204,57
179 207,51
para que se possa, eventualmente, identificar o incio do blocos da confiabilidade (RBD) e coletaram-se os tem-
processo de desgaste. A monitorao pode ser contnua e pos at a falha e at o reparo de cada bloco. Calcularam-
automatizada, ou peridica, sob a forma de inspees, se os fatores de forma e a conseqente localizao na
constituindo a estratgia de predio, a preditiva. Desse curva da banheira e a disponibilidade e alocaram-se
modo, nesta fase s ocorrero as quebras catastrficas, estratgias de manuteno e objetivos de confiabilidade
ligadas a liberaes de quantidades extremas de energia a cada bloco.
em tempos muito curtos ou pequenas ultrapassagens de
resistncia ligadas a falhas prematuras de manifestao Resultados
tardia ou mau uso do equipamento. O RBD apresentado na Figura 4. A confiabilidade
Ao se examinarem os dois histogramas, pode-se ima- sistmica, dada por (19), apresentada na forma grfica
ginar a maior coluna de falhas migrando da regio baixa, da Figura 5 pelo software ProSis 2000. Nas Tabelas de 4
caracterstica da mortalidade infantil, para a regio alta, a 7 se tm os tempos at a falha dos blocos e as distribui-
caracterstica da mortalidade senil, passando pela es de probabilidades ajustadas pelo mtodo da mxima
exponencial negativa caracterstica do processo de verossimilhana no software Proconf98, as estratgias de
Poisson. manuteno formuladas para cada mquina pelos inter-
valos de confiana das estimativas de e os intervalos de
SEGUNDO ESTUDO DE CASO: tempo timos entre preventivas, para relaes de custo
ESTRATGIAS DE MANUTENO entre emergncia e interveno preventiva REP. Valores
EM UMA LINHA DE PRODUO de REP abaixo de 2,5 no so factveis no caso e foram
desconsiderados.
O objetivo do segundo caso e do trabalho como um
todo testar um mtodo capaz de formular objetiva-
mente estratgias de manuteno para uma planta in-
(19)
dustrial e que possa ser um contraponto s prticas
subjetivas observadas nas empresas, tais como: (i) em
equipamentos crticos se faz manuteno preventiva;
ou (ii) em equipamentos ociosos se admitem emergn- Uma dificuldade prevista mas que no se confir-
cias. Tambm se colocaram questes secundrias: (i) mou foi o fato de o sistema de informaes da empresa
mtodos objetivos de formulao de estratgias de oferecer apenas nmeros inteiros de dias para os inter-
manuteno, se existirem, so aplicveis em ambiente valos entre falhas e apenas a mdia aritmtica para o
industrial? (ii) que requisitos so necessrios nas em- tempo at o reparo, pressupondo que esta varivel siga
presas para a adoo destes mtodos? e (iii) que evi- um modelo normal ou uniforme. O sistema incomple-
dncias so necessrias para a comprovao da efic- to e no foi possvel obter dados melhores, mas os
cia destes mtodos? resultados obtidos no parecem ter sido comprometidos
Definida a unidade de estudo, fez-se o diagrama de por esta falta.
B1
A C D E
operao 20
A Tabela 8 apresenta os MTBF e MTTR das mquinas foram abordadas no primeiro caso. A estratgia de emer-
e as disponibilidades individuais dadas pela equao 20. gncia opera at a falha com um custo mais baixo do que
Na Tabela 9 se tem as alocaes timas de confiabilidade a preventiva. A estratgia preventiva identifica itens fr-
s mquinas para um acrscimo requerido na confiabili- geis e agenda trocas em perodos calculados, encontrando
dade sistmica propostas pelo software ProSis 2000. uma soluo de compromisso que minimize a soma do
custo dos itens e o custo da eventual emergncia ao longo
Discusso do ciclo de vida do item. A demonstrao do clculo do
O caso aborda as estratgias de manuteno corretiva, intervalo timo encontrada em Monchy (1989). Usou-se
preditiva, preventiva e emergncia. As duas primeiras j uma planilha eletrnica disponvel em Sellitto (2004).
dias de operao 1 dia 2 dias 3 dias 4 dias 5 dias 6 dias 7 dias 8 dias
R(t) 1 0,9243 0,6829 0,4198 0,2170 0,0942 0,0349 0,0111
surgem segundo uma linha de ao aleatria, que se o, mau projeto, m instalao ou por m fabricao de
adaptaria s situaes emergentes. Em uma gesto estra- componentes. Uma estratgia corretiva identifica e sana
tgica espera-se que o gestor da manuteno possua estas deficincias.
cursos alternativos de ao previamente estudados e que Na fase de maturidade ocorrem falhas por: (i) ultra-
sero adotados segundo um critrio objetivo de escolha, passagens de resistncias ainda no manifestadas na fase
aplicado a cada equipamento ou cenrio situacional. inicial, o que indica que a mortalidade infantil ainda no
Na gesto estratgica a fase de maturidade se inicia estava totalmente encerrada; (ii) falhas ligadas ao mau
mais cedo, termina mais tarde e o patamar de expectati- uso do equipamento; e (iii) grandes ultrapassagens de
va de falha mais baixo. Iniciada a fase de desgaste, resistncias causadas por catstrofes.
pode-se voltar maturidade atravs
de intervenes preventivas ou refor-
a mortalidade infantil ocorrem falhas
mas, o que tambm caracterizaria um
processo de renovao de mais largo
alcance. Ocorre uma nova mortalida-
de infantil e um novo patamar de ex-
N prematuras causadas principalmente
por m especificao, mau projeto ou por
pectativa de falha, desta vez mais alto
do que o anterior, porm mais baixo m fabricao de componentes.
do que sem uma estratgia. Progra-
mas de gesto, tais como o TQC,
TPM, 5S e manuteno autnoma so teis na maturida- Finalmente, na fase de desgaste, as quebras ocorrem por
de, pois aumentam a interao visual com o operador, processos progressivos de falhas, sendo importantes o mo-
evitam o mau uso da mquina, previnem catstrofes e mento de incio da falha e o momento da quebra. O incio da
permitem a deteco do incio da fase de desgaste. falha pode ser detectado e a quebra pode ser predita por
Evitar o mau uso do equipamento e prevenir catstrofes tcnicas de manuteno preditiva que devem ser adotadas
na maturidade pode baixar o patamar de expectativa de na fase de maturidade, quando ainda no se sabe quando se
falha e retardar a senilidade. Fora da maturidade, a iniciar o perodo de desgaste. Aps o incio deste perodo,
eficcia destes programas cai, pois a causa estrutural tcnicas preditivas continuam sendo teis, pois podem au-
das falhas passa a ser intrnseca aos equipamentos e no xiliar na predio do momento da ruptura, que ser preveni-
mais extrnseca, por suas caractersticas de projeto ou da por uma estratgia de manuteno preventiva.
por caractersticas de uso. No Quadro 1 se resumem as interligaes e os relaci-
Em resumo, na mortalidade infantil ocorrem falhas onamentos discutidos entre estratgias usuais de manu-
prematuras causadas principalmente por m especifica- teno e as fases do ciclo de vida de equipamentos.
em toda quebra, aes que oferecem pouco resultado, Para a continuidade das pesquisas indica-se a explora-
como preditiva em toda mquina ou aes contraprodu- o da abordagem segundo processos puntuais e a funo
centes, como preventiva fora do desgaste devem ser intensidade, apresentada em Pulcini (2001) e Hokstad
reconhecidas e abandonadas em uma gesto estratgica (1997). Sugere-se ainda uma reviso comparativa e estu-
da manuteno. dos de casos comparados segundo as duas linhas.
Referncias Bibliogrficas
ASSOCIAO BRASILEIRA DE NOR- HIGGINS, R. Maintenance engineering MOTTA, S. Periodicidade de manuten- PROSIS2000. Confiabilidade de com-
MAS TCNICAS, NBR 5462: Confiabi- handbook. 6. ed. New York: Mc. Graw- es preventivas em dispositivos de pro- ponentes. Software. Copyright,
lidade e mantenabilidade. Rio de Janei- Hill, 2001. teo de sistemas eltricos de potncia. Maxxi Gesto Empresarial, Porto Ale-
ro: ABNT, 1994. Aplicao de tcnicas quantitativas de gre, 2002.
confiabilidade engenharia de manuten-
HIRAIWA, G. Metodologia para determi- o. Dissertao de mestrado em en-
CERTO, S.; PETER, J. Administrao nao do perodo de manuteno preven- genharia de produo, UFMG, Belo PULCINI, G. A bounded intensity
estratgica. So Paulo: Makron Books, tiva em equipamentos eletromdicos. Dis- Horizonte, 1999. process for the reliability of
1993. sertao de mestrado em engenharia repairable equipment. Journal of
eltrica, UFSC, Florianpolis, 2001. MOT TA, S.; COLOSIMO, E. Quality Technology. v. 33, n. 4, p. 480-
Determination of preventive maintenance 492, oct. 2001.
CHEU, S.; CHIEN, Y.: Optimal periodicities of standby devices.
replacement policy of a system HOKSTAD, P. The failure intensity Reliability Engineering and Systems
subject to shocks with random lead- process and the formulation of Safety, n. 76, p. 149-154, 2002. ROSS, S. Stochastic process. New York:
time. European Journal of Operational reliability and maintenance models. John Wiley & Sons. 1996.
Research, n. 159, p. 132-144, 2004. Reliability Engineering and Systems MOUBRAY, J. Introduo manuteno
Safety, n. 58, p. 69-82, 1997. centrada na confiabilidade. So Paulo:
Aladon, 1996. SANTOS, W. Determinao da periodi-
ELSAYED, E. System reliability cidade da manuteno preventiva em
engineering. Reading, Massachusetts: KARLIN, S.; TAYLOR, H. A first course sistemas reparveis. Dissertao de
OLIVEIRA, L.; SELLIT TO, M.; VERDI,
Addison Wesley Longman, 1996. in stochastic process. San Diego: mestrado em estatstica, UFMG, Belo
R. Gerenciando estrategicamente a
Academic Press, 1997. Horizonte, 2003.
manuteno de uma organizao de
transportes com base em um siste-
GNEDENKO, B.; JINCHIN, A.
ma de informaes. Revista Anlise,
Introduccion al calculo de probabilida- LAFRAIA, J. Manual de confiabilidade, SELLITTO, M. Modelo de manuteno,
FACE PUCRS, Porto Alegre, v. 13. n.
des. Buenos Aires: Eudeba, 1965. mantenabilidade e disponibilidade. Rio planilha eletrnica, disponvel em
1. p. 103-118. 1 semestre 2002.
de Janeiro: Qualitymark, 2001. h t t p : / / i n f. u n i s i n o s . b r / ~ s e l l i t t o /
manut.html.manweiex.xls, acesso em
GROSH, D. A primer of reliability PAPOULIS, A. P robability, random 02-01-2004.
theory. New York: John Wiley & Sons, LEWIS, E. Introduction to reliability variables and stochastic processes.
1989. engineering. USA: John Wiley & Sons, Singapore: McGraw-Hill, 1984.
1996. SELLITTO, M.; BORCHADT, M.; ARAJO,
PROCONF98. Confiabilidade de com- D. Manuteno centrada em confia-
HAHN, G.; SHAPIRO, S. Statistical ponentes. Sof tware. Copyright, bilidade: uma abordagem quantitati-
models in engineering. New York: John MONCHY, F. A funo manuteno. So Maxxi Gesto Empresarial, Porto Ale- va. Anais do XXII ENEGEP. Curitiba:
Wiley & Sons, 1967. Paulo: Durban, 1989. gre, 1998. ABEPRO, 2002.
Agradecimentos
Deseja-se reconhecer o papel dos referees annimos pelo seu meticuloso trabalho, que contribuiu de modo expressivo
para a forma final deste artigo. Tambm se reconhece o papel do MSc Flvio Sperotto pelo estmulo e profcua
convivncia e os engenheiros Csar Camargo, Guilherme Hoppe, Valmir Luiz e Sheila Castro e engenheiranda Michele
Silva pela coleta e refinamento dos dados de campo.
Sobre os autores
Miguel Afonso Sellitto
Universidade do Vale do Rio dos Sinos Unisinos
Professor do curso de Engenharia de Produo
Endereo: Av. Unisinos 950 93022-000 So Leopoldo, RS
Tel.: 51 xx 911.609.74
Fax: 51 xx 590.8172
E-mail: sellitto@euler.unisinos.br