Embora o setor da aviação civil tivesse sido pioneiro na implementação desta metodologia, contribuindo com a obtenção de benefícios económicos e fiabilísticos, no final do século XX praticamente todas as indústrias de alta fiabilidade dos Estados Unidos da América, incluindo a NASA, as forças armadas, a indústria aeroespacial, a indústria de submarinos nucleares, a indústria petrolífera e a indústria de energia nuclear, entre outras, iniciaram a sua aplicação, tornando-se bastante eficazes e altamente eficientes (Ridgway et al., 2016). Diversos estudos foram desenvolvidos na área industrial.
Por exemplo numa central termoelétrica de ciclo combinado no Irão, criou-se uma estrutura baseada no risco para avaliação da criticidade, tendo-se seguido a aplicação da metodologia RCM, conduzindo a políticas de manutenção mais eficientes (Sabouhi et al., 2016).
Noutro exemplo na China, na área industrial de exploração de petróleo e gás, face aos enormes custos de manutenção e taxas de falhas exorbitantes nos ativos de perfuração e exploração, aplicou-se a metodologia RCM. Com base na importância dos equipamentos criou-se uma estrutura de prioridades, para decidir quais as políticas de manutenção a implementar nos diversos ativos (Tang et al., 2015).
Também em circuitos ferroviários urbanos Maglev, na China, constata-se a aplicabilidade da estratégia baseada na metodologia RCM para otimizar a manutenção e diminuir os custos associados (Dou et al., 2014).
Num outro trabalho desenvolvido para a indústria petroquímica na Tailândia, propôs-se a aplicação da metodologia RCM tendo-se obtido tanto melhorias significativas no tempo médio entre falhas (fiabilidade), como na diminuição dos custos associados e uma menor ocupação das equipas de manutenção (Umpawanwong & Chutima, 2015).
Numa linha de enchimento de óleos lubrificantes na Indonésia, aplicou-se a metodologia RCM numa máquina com tecnologia laser, com o objetivo de se identificar componentes críticos, definir políticas de manutenção adequadas e intervalos de tempo entre inspeções, que foram as premissas para se adaptarem periodicidades ótimas económicas de manutenção preventiva (Suryono & Rosyidi, 2018).
Atualmente o setor do healthcare é considerado como parte integrante da alta fiabilidade, no entanto ainda não se verificaram grandes mudanças, segundo os autores Ridgway et al., (2016) é dececionante constatar que este setor será certamente o último a adotar os métodos científicos da metodologia RCM.
Instalações hospitalares
O estado de degradação das instalações técnicas dos edifícios afetam diversos setores, as UCS não são exceção. Estas unidades dispõem de instalações com uma arquitetura específica e única, comparativamente a outras instalações. Para além da complexidade dos sistemas, a análise de criticidade tem extrema importância e jamais poderá ser desprezada, face à importância que estes sistemas têm na
45 prestação de serviços (cuidados de saúde) aos utentes. Em ambiente hospital, foi realizado um estudo onde se implementou a metodologia RCM em quatro sistemas, nomeadamente:
Sistema primário de Aquecimento, Ventilação e Ar Condicionado (AVAC);
Sistema secundário de AVAC;
Sistema de elevadores;
Sistema de gases medicinais.
Esta implementação permitiu concluir e determinar intervalos de manutenção ótimos para os componentes destes sistemas, considerando indicadores importantíssimos, como o down time e os respetivos custos de manutenção. Na metodologia RCM aplicada, verificaram-se poupanças entre 6% e 16%, comparativamente às estratégias de manutenção antes utilizadas (Salah et al., 2018).
As UCS também são alvo de avaliações nos serviços prestados aos utentes, com objetivos de obterem melhorias no que concerne à qualidade dessa prestação de serviços de saúde, estudos de análises de risco são efetuados com o objetivo de melhorar a sua qualidade.
Por exemplo, no serviço de Radioterapia e Oncologia de um hospital em Espanha foi efetuado um estudo com base na ferramenta FMEA. Esta análise possibilitou identificar nesse serviço cinquenta e sete MDF associados a falhas individuais dos técnicos de saúde (técnicos que entreviam no processo), infraestruturas, procedimentos das equipas e nos equipamentos biomédicos. Os efeitos destes MDF foram divididos em dois grupos, nomeadamente em tratamento cancelado e aplicação de dose indevida. Após conclusão do estudo, obtiveram-se para fins indicativos, o somatório de todos os Números de Risco Prioritários (NRP), sendo o valor total de 4804. Era objetivo deste estudo identificar melhorias no serviço aos utentes, através da diminuição do valor do indicador que consistia nas somas dos diversos resultados do NRP. Foram estudadas e implementadas formas para diminuir o valor deste indicador (soma dos NRP), assim os riscos associados ao elevador foram eliminados a partir do momento em que se deixou de ter que mudar de piso para efetuar um procedimento integrante no tratamento. As duplas verificações das equipas técnicas deste serviço, ao serem implementadas reduziram consideravelmente vários MDF. Também a introdução de dados para tratamento nos equipamentos de radioterapia deveriam ter procedimentos de segurança, bloqueios e feedback (após introdução de dados de tratamento) ou então a implementação de protocolos ou definições pré programadas. Com a implementação destas medidas corretivas o somatório dos NRP baixaram para 1320. Os autores deste estudo concluíram que a utilização da ferramenta FMEA, aplicada no setor da saúde assim como na indústria, gera uma análise dos MDF, as suas causas e respetivos efeitos que resulta numa considerável melhoria dos serviços, após mitigações orientadas com base nos resultados do NRP (López-Tarjuelo et al., 2014).
Noutro estudo de análise de risco, surgem comparações de NRP obtidos a partir de duas ferramentas distintas, ou seja, para além de se ter utilizado a ferramenta FMEA utilizou-se também a
modified healthcare FMEA (m-HFMEA). O m-HFMEA surge através de modificações orientadas para
a área da saúde a partir da ferramenta FMEA. Com a identificação do NRP a partir de cada uma das ferramentas, ao serem comparadas, obtiveram-se surpreendentes conclusões num serviço de radioterapia. Nesse serviço verificaram-se que existiam 85% de concordância dos resultados nas análises de risco. Nas vinte análises de maior risco três estão consideradas no FMEA, já a mesma consideração não se verificou no m-HFMEA, e vice-versa. Os autores deste estudo reiteram que para melhorar e perspetivar as análises de risco, independentemente de existirem alguns riscos desvalorizados entre ambas (FMEA e m-HFMEA), deve-se incrementar a qualidade nos serviços das UCS. Para tal a utilização destas ferramentas devem ser efetuadas simultaneamente (Rah et al., 2016).
Equipamentos biomédicos
O número cada vez maior de equipamentos biomédicos complexos exige que as UCS estabeleçam um programa de gestão, por forma a garantir que os equipamentos mais críticos sejam seguros, fiáveis e tenham um desempenho funcional pretendido. Inspeção, manutenção preventiva e testes nestes equipamentos, devem ser revistos continuamente para acompanhar os atuais avanços tecnológicos e as crescentes expectativas destas organizações.
Os departamentos de engenharia das UCS do Canadá, Austrália e Estados Unidos começam a aplicar estratégias de manutenção com resultados mais eficientes e económicos, deixando de seguir criteriosamente as recomendações dos fabricantes. Começaram a ser criados bancos de dados estatísticos de falhas, com o objetivo de serem devidamente tratados e utilizados para estabelecer políticas de manutenção otimizadas. Apesar de bem estabelecidos noutras indústrias, a engenharia da fiabilidade e aplicação de técnicas de otimização no campo da medicina é relativamente nova, pelo que melhorar e otimizar a gestão destes ativos em contexto operacional deve ser considerado (Taghipour, 2011).
Num artigo de revisão de Mahfoud et al. (2016), focado na otimização da manutenção preventiva no domínio dos cuidados de saúde são citadas 35 fontes, publicadas entre os anos de 2000 a 2015. Os autores deduzem que a política de manutenção otimizada ainda está num estágio inicial e que é uma área pouco explorada, propõem iniciativas e esforços para criar definições de estratégias para serem conseguidas.
47 fabricantes de equipamentos, descartando o benefício da excelência na manutenção. Como noutros setores da área industrial, reforça-se a necessidade de avaliar a fiabilidade destes equipamentos em contexto operacional. Prova disto é que num estudo de fiabilidade de um determinado equipamento médico, concluíram que este tornava-se menos fiável seguindo as recomendações de manutenção preventiva do fabricante, do que outro equipamento idêntico (do mesmo modelo) sem tantas intervenções preventivas (Mahfoud et al., 2016).
No contexto das UCS, garantir que os equipamentos biomédicos estejam disponíveis e sejam fiáveis, são fatores que agregam valor aos serviços de saúde prestados por estas unidades. Para isso é necessário garantir que existam boas práticas de manutenção, que maximizem a disponibilidade e fiabilidade dos equipamentos biomédicos.
Numa província da Zâmbia, foi feito um estudo para avaliar práticas de manutenção em três hospitais públicos e identificar quais as melhores políticas de manutenção ou, as mais apropriadas para os equipamentos biomédicos analisados. Concluiu-se com este estudo um fraco desempenho na avaliação das equipas de manutenção, devendo-se às inadequadas práticas implementadas nas equipas de manutenção. Este estudo propõe a implementação da metodologia RCM, com o objetivo de aumentar a disponibilidade dos equipamentos. No entanto as administrações destas UCS deverão alimentar o incentivo a (Mwanza & Mbohwa, 2015):
Trabalhar em equipa, entre técnicos de manutenção e operadores de equipamentos -
para facilitar o entendimento das falhas.
Capacitar os colaboradores quanto às novas tendências de operação e manutenção dos
equipamentos.
Melhorar o sistema de base de dados para descrever convenientemente as tarefas de
49
Capítulo 4
Análise Estatística
No presente capítulo descrevem-se métodos estatísticos para tratar dados empíricos em frequência e deduzir os parâmetros da função de Weibull que melhor aderem a um conjunto de dados. Descreve-se como tratar dados censurados, testes para validar uma distribuição estatística pelos testes de Laplace, Kolmogorov-Smirnov (KS) e Qui-Quadrado (QQ). Como estimar os respetivos parâmetros pelos métodos da Regressão Linear e Máxima Verosimilhança. Identificam-se as distribuições