Análise dos tempos de parada para manutenção de uma pá carregadeira

Análise dos tempos de parada para manutenção de uma pá carregadeira

Analysis of stop times for maintenance of a wheel loader

Resumo. A aplicação de técnicas de confiabilidade permite aumentar a vida útil e o desempenho dos equipamentos, bem como associar o comportamento das falhas ao tipo de manutenção adequada. O uso de equipamentos com alta disponibilidade e confiabilidade torna-se essencial para a sustentabilidade financeira e a competitividade das empresas. O objetivo é analisar tempos de parada para manutenção de uma pá carregadeira utilizada em uma siderúrgica, por meio da análise de confiabilidade paramétrica. O método de pesquisa utilizado consistiu no estudo de caso, com a coleta dos dados em três meses de 2018. Análises gráficas e testes de aderência (Qui-Quadrado e Kolmogorov-Smirnov) foram realizados para verificar a distribuição que melhor se ajusta aos dados, por meio do software ProConf. A estimação dos parâmetros foi feita pelo método da máxima verossimilhança. O software R foi utilizado para validar o ajuste por meio do critério AIC. A distribuição Weibull foi a que melhor se ajustou. A função de risco teve um comportamento crescente, indicando que a pá carregadeira está na fase de envelhecimento devido ao desgaste do equipamento. A estratégia é adotar a manutenção preventiva.

Palavras Chave: confiabilidade; desgaste; equipamento; risco; Weibull.

Abstract. The application of reliability techniques allows to increase the useful life and the performance of the equipments, as well as to associate the behavior of the failures to the type of adequate maintenance. The use of equipment with high availability and reliability becomes essential for the financial sustainability and the competitiveness of companies. The objective is to analyze stopping times for the maintenance of a wheel loader used in a steel mill, through parametric reliability analysis. The research method used consisted of the case study, with the data collection in three months of 2018. Graphical analyzes and adhesion tests (Chi-Square and Kolmogorov-Smirnov) were performed to verify the distribution which best fits the data, through ProConf software. The parameters were estimated using the maximum likelihood method. The R software was used to validate the adjustment using the AIC criterion. The Weibull distribution was the best fit. The risk function has been increasing, indicating that the wheel loader is in the aging phase due to equipment wear. The strategy is to adopt preventive maintenance.

Key-words: reliability; wear; equipment; risk; Weibull.

1. INTRODUÇÃO

O sucesso e a manutenção das empresas estão diretamente ligados à qualidade de seus produtos considerando o cenário atual, extremamente competitivo. O não conhecimento pleno dos equipamentos utilizados e de aspectos ligados aos processos de produção pode levar a perdas financeiras e de competitividade.

Em um contexto no qual ocorrem cada vez mais rápidas mudanças significativas no mercado, a manutenção dos ativos de produção passou a desempenhar papel estratégico, antes vista como um mal necessário passou a ser considerada indispensável à produção (SANTOS et al., 2007). Desta forma, o estudo da confiabilidade e a utilização de todas as ferramentas a ela relacionadas tornaram imprescindíveis nas indústrias, sendo de suma importância para garantir produtos, equipamentos e sistemas confiáveis, com melhores desempenhos a custos competitivos.

Tendo em vista o atendimento das necessidades do cliente, torna-se essencial a criação de estratégias de manutenção e confiabilidade dos equipamentos a fim de evitar indisponibilidades e desperdícios gerados através de paradas por quebras, falhas ou produção de produtos defeituosos que acarretam no comprometimento dos resultados almejados pela organização (GREGOL e ANDRADE, 2014).

A confiabilidade de um item (sistema, equipamento, produto, componente, etc.) corresponde à sua probabilidade de desempenhar adequadamente o seu propósito, por um determinado período de tempo e sob condições pré-determinadas (FOGLIATTO e RIBEIRO, 2009). Segundo Leemis (1995), a confiabilidade R(t) é a probabilidade de um item cumprir sem falhas uma missão com uma duração determinada.

De acordo com Lewis (1996), para realização da aplicação da confiabilidade é necessário um conhecimento do produto ou equipamento, pois é através deste conhecimento que será possível determinar os modos e as causas de falhas. A análise destas falhas é fundamental para compreensão do tipo de manutenção mais adequada ao comportamento de desempenho dos equipamentos, evitando a aplicação de atividades desnecessárias ou ineficazes que reduzem a disponibilidade, confiabilidade e geram custos operacionais (MENDES, 2011).

O conjunto de ações para análise de máquinas, equipamentos e ferramentas é parte essencial para o bom funcionamento de qualquer indústria. Visando isto, técnicas para prevenção, conservação e/ou substituição são desenvolvidas pela área de manutenção industrial. Segundo a NBR 5462 (ABNT, 1994), o conceito de manutenção está associado ao conjunto de ações técnicas e administrativas destinadas a manter ou recolocar um equipamento, instalação ou maquinário de um determinado setor em funcionamento. De forma mais ampla, as manutenções são ações necessárias para aumento da vida útil de equipamentos, além de proporcionarem economia financeira com reparos e substituições de equipamentos.

Um dos métodos utilizados na realização dos estudos de confiabilidade e disponibilidade de um item é o método quantitativo (WUTTKE e SELLITTO, 2008). A modelagem dos tempos até a falha é, portanto, central em estudos de confiabilidade (FOGLIATTO e RIBEIRO, 2009). Geralmente é realizada com apoio de um software modelador, que indica a distribuição que se ajusta melhor a estes tempos. Wuttke e Sellitto (2008) afirmam que as distribuições mais utilizadas são: Exponencial, Gama, Lognormal e Weibull. Vários estudos foram desenvolvidos com comprovadas adequações em situações práticas (BRANDÃO e ANDRADE, 2018; DUEK, 2005; GOMES et al., 2018; LEAL e ANDRADE, 2018; SANTOS et al., 2017; SILVA et al., 2017; SILVA e ANDRADE, 2018).