XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
PARADAS OPORTUNISTAS COMO
MÉTODO DE REDUZIR PARADAS
PROGRAMADAS EM MANUTENÇÃO.
Cezaraugusto Gomes Scalcon (Unopampa)
[email protected]
As linhas de produção são submetidas a processos de operação
contínuos, esta continuidade é considerada dentro do planejamento de
produção e assim no resultado final das empresas. Porém a operação
destas linhas não é continua, elas sofrem pparadas não programadas
principalmente por falhas de equipamentos. Desta forma o objetivo
deste trabalho é identificar um fator de previsibilidade destas quebras
que será designado de paradas oportunistas. Para que neste intervalo
de interrupção da produção, possam ser planejadas atividades
principalmente de manutenção. A importância de prevermos estas
paradas oportunistas será uma função de redução de paradas
programadas, ou seja, se uma linha de produção já para por quebra
em condições normais de operação, por que não aproveitar estes
períodos (paradas oportunistas) para que sejam realizadas atividades
que normalmente devem ser realizadas em outro momento, com os
custos de interrupção de produção e de horas extras para o pessoal
envolvido. Esta previsão usa a distribuição Normal como distribuição
de probabilidade e, portanto o desvio patrão como elemento central da
previsão que serão estudadas.
Palavras-chaves: CEP, Lean Manufacturing, indicadores de
desempenho, manutenção, paradas, quebra, indicador de manutenção.
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
1. Introdução
A interrupção inesperada de uma linha de produção por quebra de equipamento, em empresas
de processo continuado, é uma das situações mais indesejadas. Estas interrupções, embora não
desejáveis, ocorrem com determinada freqüência e em determinados grupos de equipamentos,
observar os anexos. Uma interrupção nesta condição traz não só a perda da produção como a
perda de oportunidade para que se realizem atividades de melhoria, manutenção e até mesmo
de ajustes da produção. Assim este trabalho busca propor uma ferramenta de análise, destas
paradas de produção, de forma que se tenha uma previsão mínima destes eventos e assim
alocar recursos que utilizados de forma apropriada possam resultar em atividades de melhoria
para a produção.
Este trabalho não abordara as condições de planejamento destes eventos, mas somente
desenvolverá uma alternativa de previsão, baseada no CEP – Controle Estatístico de Processo,
ficando o planejamento destas atividades como mais um capítulo de pesquisa para o assunto.
Também não são consideradas as ações de manutenção, sejam elas baseadas no tempo, na
condição e até mesmo da manutenção autônoma, ou seja, como a manutenção atua.
2. Considerações Gerais.
As paradas de produção por quebra, também conhecidas por paradas temporárias, e que aqui
serão chamadas de paradas oportunistas, são aquelas que por fatores imprevisíveis ocorrem
em uma linha de produção. Neste contexto surge uma velha disputa, produção x manutenção,
quando da ocorrência de paradas oportunistas a produção deseja retornar com o equipamento
o mais breve possível, enquanto a manutenção traça planos de intervenção. Estas duas
diretrizes são antagônicas o que invariavelmente gera uma disputa entre os setores. Hansen
(2006) considera que as paradas oportunistas equivalem a ter um pequeno tempo de
manutenção inserido na programação normal de produção e execução como se isto fosse um
tempo de produção. Ele ainda acrescenta que há vantagens no seguinte aspecto; a parada
oportunista é vantajosa para a realização de tarefas de baixo risco e de curta duração, que não
alterem o processo existente. Ela é perfeita tanto para trabalhos de manutenção periódica,
como para trabalhos de manutenção preditiva, bem como para a substituição modular de
submontagens testadas em bancadas, as quais requerem uma estratégia de reposição de peças.
Assim a previsibilidade das paradas oportunistas pode ser aplicada em todas as ações de
manutenção, sejam naquelas baseadas no tempo, na condição e na manutenção autônoma.
Para Colledani (2009) quanto maior o esforço para o controle do processo maior será a
qualidade do produto final.
3.1 Falhas
Falha segundo a NBR 5462 é “o término da capacidade de um item desempenhar a função
requerida. É a diminuição total ou parcial da capacidade de uma peça, componente ou
máquina que desempenhar a sua função durante um período de tempo, quando o item devera
se reparado ou substituído. A falha leva o item a um estado de indisponibilidade. Xenos
(2004) observa que as falhas devem estar sempre associadas a parâmetros mensuráveis ou
indicações claras, para que os critérios da falha não sejam ambíguos.
3.2 Indisponibilidade
O conceito de indisponibilidade utilizado será aquele definido por Siqueira (2005) que é
definida pela fração de tempo ou probabilidade dele encontrar-se indisponível, em um instante
2
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
qualquer; esta pode ser avaliada por uma média estatística de ocorrências com
indisponibilidade funcional.
3. Material e Métodos
3.1 Material
Foi utilizado o EXCEL® e o Minitab® como softwares para apoio na confecção das cartas de
análise dos dados. Sendo que as formulas e cálculos foram desenvolvidos em ambos, como
medida de comparação.
Os dados analisados são o tempo em que uma das linhas de produção, de uma indústria, ficou
fora de operação por falha de equipamento, em minutos/mês, que serão tratados como
Indisponibilidade de linha - IL, com atividades 24h e 365 dias no ano. Foram agrupados os
dados de 2004, 2005 e 2006 gerando uma sequência de 36 observações. Foi feito um gráfico
sequencial, figura 1a, para verificar a correlação entre as variáveis Meses (tempo) e IL
(indisponibilidade de linha) que é usada como elemento auxiliar na análise do problema em
estudo (BARBETA, 2006).
Gráfico Sequencial IL x Meses
Gráfica de dispersión de IL vs. Meses
30000
40000
25000
20000
IL
IL - Minutos
30000
20000
15000
10000
10000
5000
0
0
0
Fig. – 1 a
10
20
Meses
30
40
0
10
20
Meses
30
40
Fig., 1 b
O gráfico da Figura 1a e 2a mostra que um ponto que pode estar fora dos limites de controle.
Que é ponto do mês 23 onde o tempo de indisponibilidade é de 43200 min. O que representa
que esta linha esteve um mês fora de operação, descaracterizando o objeto deste estudo, que,
portanto será excluído. A Figura 1b mostra este ponto excluído para que não interferira na
relação com os demais. Mesmo com o ajuste, a Figura 1b apresenta uma distribuição
desnivelada para a direita e multimodal, o que representa uma dificuldade para análise deste
processo. Foi gerado o gráfico da Figura 2 b, com 35 observações com 5922 e S 5644,
definidos pelo Minitab.
3
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
Indisponibilidade Geral em Minutos
Histograma de IL
Normal
20
Normal
Media
Desv .Est.
N
6958
8339
36
Media
Desv.Est.
N
14
12
Normal
Fig. - 2
Media
Desv .Est.
N
8
15
-10000
0
10000
20000
IG
30000
40000
Frecuencia
2
10
0
0
8000
5
a) Histograma com 36 observações
20
6958
8339
36
6
4
5
0
Frecuencia
15
Frecuencia
Frecuencia
10
20
Indisponibilida
Indisponibilidade Geral em Minutos
15
10
5922
5644
35
16000
IL
24000
10
32000
5
b) Histograma com 35 observações
0
0
-10000
0
10000
20000
IG
30000
-10000
40000
3.2 Métodos
Os ajustes realizados proporcionam uma avaliação mais realista das indisponibilidades, e
assim poderemos introduzir um gráfico de controle adaptado para a análise que será feita. O
processo de produção contínuo pressupõe que a linha de produção deva operar 24h por dia.
Esta indústria tem uma meta de indisponibilidade de 15%, que pode ser igualada ao tempo de
indisponibilidade. Considerando que:
Esta indisponibilidade pode ser associada ao Limite Superior de Controle e será utilizada
como valor de partida para a análise da qualidade do processo. Nas características da
qualidade Rosa (2009) menciona que é impraticável obter-se uma dimensão exata para uma
característica da qualidade em um processo de produção. Isto gera a necessidade de estipular
um intervalo de variação no qual a característica de qualidade seja aceitável. Através da
Figura 3 foram gerados os índices da capacidade e desempenho. Observa-se um nível elevado
de itens fora das especificações, o que ainda segundo Rosa (2009) um processo esta sob
controle estatístico quando a única fonte de variação provém de causas comuns. Neste caso o
centro e a dispersão serão mantidos ao longo do tempo, Figura 3. A condição fora de controle
resulta da influência de causas especiais na variação do processo, é indesejável, por que
inevitavelmente conduz ao aumento dos custos de produção. A análise da Figura 3 demonstra
que os índices de capacidade Cp = 0,30, Cpk = 0,05, Pp = 0,19 e Ppk = 0,03 indicam um
processo fora de controle.
4
0
10000
2
IG
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
Capacidade do processo de Indisponibilidade de Linha
LSE
LIE O bjetiv o
P rocesar datos
LIE
O bjetiv o
LS E
M edida de la muestra
N úmero de muestra
D esv .E st. (D entro)
D esv .E st. (G eneral)
Dentro de
General
0
5644
6480
5922,14
35
3652,12
5643,82
C apacidad (dentro) del potencial
Cp
0,30
C PL
0,54
C PU
0,05
C pk
0,05
C apacidad general
Pp
PPL
PPU
P pk
C pm
0
D esempeño observ ado
P P M < LIE
0,00
P P M > LS E
342857,14
P P M T otal
342857,14
8000
E xp. D entro del rendimiento
P P M < LIE
52448,34
P P M > LS E
439298,12
P P M T otal
491746,46
0,19
0,35
0,03
0,03
0,05
16000 24000 32000
E xp. Rendimiento general
P P M < LIE
147016,60
P P M > LS E
460631,10
P P M T otal
607647,70
Fig. - 3
Os resultados verificados até este ponto mostram que este processo apresenta uma
variabilidade muito grande. Foi realizado um teste que identificou que a distribuição normal
não é um modelo razoável para estes dados. Este teste realizado através de um gráfico
chamado de Gráfico de Probabilidade, Montgomery (2004), propõem um exame visual
subjetivo, como demonstra a Figura 4. Os pontos extremos do gráfico deveriam estar sobre ou
próximos da linha reta do centro do gráfico.
Gráfica de probabilidad de IL
Normal - 95% de IC
99
Media
Desv .Est.
N
AD
Valor P
95
90
5922
5644
35
2,106
<0,005
Porcentaje
80
70
60
50
40
30
20
10
5
1
-10000
0
10000
IL
20000
30000
Fig. – 4
4. Redefinição de Parâmetros
Considerando que os dados com maior variabilidade estão acima dos 6480 min de
Indisponibilidade da Linha, usaremos os valores de IL inferiores a este valor, buscando uma
5
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
menor variabilidade. Os dados serão considerados contínuos em um total de 23 ocorrências.
Como os valores dos demais períodos são superiores a 6480 min de IL poderemos considerar
que os resultados obtidos podem ser replicados para os demais períodos.
Foi realizado um teste de probabilidade a fim de verificar se a distribuição normal agora pode
ser aplicada ao caso, Figura 5.
Gráfica de corridas de < ordenados
Gráfica de probabilidad de < 6480
Normal - 95% de IC
7000
Media
Desv.Est.
N
AD
Valor P
95
90
Porcentaje
80
70
60
50
40
30
3114
1731
23
0,217
0,821
6000
< ordenados
99
5000
4000
3000
2000
1000
0
20
2
10
4
6
8
5
1
-2000
0
2000
4000
< 6480
6000
Fig. – 5 a)
8000
Número de corridas de la mediana:
Número de corridas esperadas:
La corrida más larga de la mediana:
Valor P aproximado para agrupar:
Valor P aproximado para las mezclas:
10000
12
12,5
5
0,419
0,581
10
12
14
Observación
16
18
20
Número de corridas hacia arriba y hacia abajo:
Número de corridas esperadas:
La corrida más larga hacia arriba y hacia abajo:
Valor P aproximado para las tendencias:
Valor P aproximado para la oscilación:
22
13
15,0
3
0,151
0,849
b)
O gráfico da Figura 5a e 5b, de probabilidade, dos dados menores que 6480, indica uma
distribuição com melhor uniformidade ao longo da linha central, com os pontos extremos
estão mais próximos a reta. Concluímos que a distribuição normal é um modelo apropriado.
Capacidade de Desempenho do processo para IL < 6480
LIE
Objetiv oLSE
Dentro de
General
P rocesar datos
LIE
O bjetiv o
LS E
M edida de la muestra
N úmero de muestra
D esv .E st. (Dentro)
D esv .E st. (G eneral)
0
5644
6500
3114,22
23
860,797
1731,2
C apacidad (dentro) del potencial
Cp
1,26
C PL
1,21
C P U 1,31
C pk
1,21
C apacidad general
Pp
PPL
PPU
P pk
C pm
0
D esempeño observ ado
P P M < LIE 0,00
P P M > LS E 0,00
P P M Total
0,00
2000
E xp. D entro del rendimiento
P P M < LIE 148,54
P P M > LS E
41,89
P P M Total
190,43
4000
0,63
0,60
0,65
0,60
0,09
6000
E xp. Rendimiento general
P P M < LIE 36019,19
P P M > LS E 25247,86
P P M Total
61267,06
Fig. – 6
A análise da capacidade do processo, Figura 6, indica um Cpk de 1,21 o que garante um nível
razoável do processo e a partir do qual poderemos verificar o probabilidade de que tenhamos
eventos com mais de 5644 min de IL.
6
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
Gráfica de distribuição da Probabilidade
Normal; Media=3114; Desv.Est.=1731
0,00025
Densidad
0,00020
0,00015
0,00010
0,00005
0,0719
0,00000
3114
X
5644
Fig. - 7
A Figura 7 mostra que temos uma probabilidade P de 0,0719 ou que 7,19 % de probabilidade
de termos valores acima de 5644 min de IL. Estes Valores são referentes a uma IL de 71627
min a IL de todo o período é de 207275 min de IL, o que extrapolando indica que poderemos
ter 20,8% de probabilidade de ocorrerem eventos com IL superior a 5644 min.
5. Conclusão
A previsibilidade de Indisponibilidades de Linha - IL pode ser obtida, ou podemos inferir que
elas aconteçam em um espaço de tempo, utilizando uma distribuição normal e o desvio padrão
de dados. Podemos identificar que a variabilidade pode dar indicativos do processo, como no
caso estudado em que o processo de produção da linha em questão é totalmente irregular ou
que a produção nesta linha tem custos muito elevados e que somente paradas oportunistas não
irão melhorar este processo. A redefinição de parâmetros, onde uma variabilidade coerente foi
encontrada indicaram que do tempo total estudado, 20% pode ser aplicados em ações de
manutenção de pequena monta em paradas oportunistas. O que reflete um tempo substancial
com relação ao tempo total de manutenção de uma unidade ou linha de produção.
Considerando que neste período tivemos 207275 minutos de indisponibilidade de uma linha
de produção e que 20% deste valor equivale há aproximadamente 41000 minutos e que estes
representam 28 dias de possibilidade de utilizarmos em paradas oportunistas. Representa dizer
quer uma Revisão Geral de unidade, ou uma campanha de manutenção pode ser realizada
somente nos períodos de paradas oportunistas. O que pode gerar uma otimização expressiva
dos recursos de produção, levando as plantas e suas linhas de produção a condições de maior
eficiência e efetividade.
6. Bibliografia
BARBETTA, PEDRO ALBERTO, Estatística Aplicada às Ciências Sociais. 6º edição,
Florianópolis: Editora da UFSC, 2006.
COLLEDANI, MARCELLO & TOLIO, TULLIO. Performance evaluation of production
systems monitored by statistical process control and off-line inspections. Int. J. Production
Economics. Vol. 120, p. 348- 367, janeiro 2009.
HANSEM, ROBERT C. Eficiência Global dos Equipamentos. Porto Alegre: Bookman,
2006.
7
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
MONTGOMERY, Douglas C.; RUNGER, George C.; HUBELE, NORMA FARIS.
Estatística Aplicada a Engenharia. Rio de Janeiro: LTC – Livros Técnicos e Científicos,
2004.
ROSA, LEANDRO CANTORSKI DA. Introdução ao Controle Estatístico de Processo.
Santa Maria: Editora da UFSM, 2009.
SIQUEIRA, Iony Patriota de. Manutenção Centrada na Confiabilidade. Rio de Janeiro:
Qualitymark, 2005.
XENOS, HARILAUS GEORGIUS d’PHILIPPOS. Gerenciamento da Manutenção
Produtiva. Nova Lima – MG: INDG Tecnologia e Serviços Ltda, 2004.
7. Anexos
8
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
Diagrama de Pareto de Ind Mês
250000
100
200000
80
150000
60
100000
40
50000
20
Ind Mês
0
0 6 8 8 0 2 0 6 2 0 4 5 7 7 9 1 2 8 1 5 7 2 9 6 4 4 1 5 o
20 28 21 32 17 13 60 50 49 39 39 08 04 33 17 45 17 81 21 10 78 66 49 05 97 90 62 57 tr
43 30 17 13 10 9 8 8 8 8 7 7 7 6 6 5 5 4 4 4 3 3 3 3 2 2 2 2 O
Porcentaje
% acumulado
0
17 12 7 5 4 4 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 1 1 1 1 1 1 1 4
17 29 36 42 46 49 53 56 59 63 66 69 71 74 76 79 81 83 84 86 87 89 90 91 93 94 95 96 100
Pareto da IL com todos os valores do período 36 meses.
Gráfica I de IL
1
30000
Valor individual
25000
20000
1
15000
10000
UB=6480
_
X=5922
5000
0
LB=0
1
4
7
10
13
16
19
22
Observación
25
28
31
34
Gráfico de controle com a média do processo e seus limites para o período de 36 meses.
9