Utilização de Dados de
Campo como Alternativa
para a Determinação da
Confiabilidade
Field Failure Data: an alternative solution for reliability analysis
ADÍLSON JOSÉ MARCORIN
Indústrias ROMI S/A marcorin@romi.com.br ALVARO J. ABACKERLI
Universidade Metodista de Piracicaba abackerli@iepmail.unimep.br
RESUMO – O domínio da confiabilidade de um produto propicia ao seu fabricante uma vantagem competitiva. Dados de
confiabilidade são importantes para o dimensionamento preciso de inventário de peças de reposição, a alocação ade-quada de recursos para cobertura de custos de garantia, a determinação de custos de vida de um produto etc. A literatura mostra que numerosos métodos de análise de dados de falhas têm sido propostos ao longo do tempo. No entanto, um grande desafio comum a todos os métodos é a aquisição de dados de falha para cálculo de confiabilidade. Este artigo se propõe a analisar quatro fontes potenciais de dados para análise de confiabilidade durante o desenvolvimento de novos produtos, que são dados de componentes-padrão, de catálogo do fornecedor dos componentes, de falhas coletadas em ensaios e de falha durante a operação do produto em campo. A discussão é focada na perspectiva de emprego dessas dife-rentes origens de informações, mostrando que o tamanho de amostra pode ser uma preocupação e oferecendo opções para seu uso como fonte potencial de dados em muitas situações práticas.
Palavras-chave: CONFIABILIDADE – ANÁLISEDEDADOSDECAMPO – MÉTODOSDEREAMOSTRAGEM.
ABSTRACT – It’s a common-sense that the knowledge about the reliability of a given product gives competitive advantage
to its manufacturer. Reliability data is important for accurate inventory dimensioning of spare parts, optimization of war-ranty costs, determination of life cycle costs and so on. Literature shows that numerous methods for failure-data analysis have been proposed over the years. However, a big challenge, common to all methods, is the acquisition of failure-data for reliability calculation. This article aims at evaluating four potential data sources for reliability assessment during prod-uct development, which are: standard-component data, life-data from manufacture’s manual, specific life data acquired from life-test, and maintenance-data from field product’s utilization. The discussion here is focused on the perspective of using these different data sources, showing that the sample size can be a major issue and giving options for using them as potential data source in many practical situations.
INTRODUÇÃO
egundo a definição do U.S. Department of Defense (1998), confiabilidade é a probabilidade de um item executar a função para o qual foi projetado por um período de tempo específico e sob determina-das condições. Assim, utilizando meios adequados para aquisição de dados de falha e técnicas estatísti-cas convenientes para sua avaliação, a engenharia de confiabilidade busca responder a uma questão crucial para o ambiente competitivo atual: por quanto tempo um determinado produto vai funcionar continua-mente sem falhas? Essa preocupação com a confiabilidade de um produto manifesta-se logo nas fases iniciais da sua concepção, por meio do uso das mais diversas técnicas estatísticas. Todas as técnicas partem sempre da análise de dados de falha dos insumos e subsistemas que irão compor o produto.
O objetivo do presente trabalho é avaliar qualitativa e quantitativamente algumas fontes de dados dis-poníveis durante o desenvolvimento do produto, além dos custos de aquisição envolvidos em cada alterna-tiva, como estratégia de decisão sobre o uso econômico de cada fonte de informação.
CONFIABILIDADE NO DESENVOLVIMENTO DE UM NOVO PRODUTO
Técnicas de análise de confiabilidade têm sido desenvolvidas e empregadas para diferentes propósitos. Para o fabricante dos equipamentos, essas técnicas visam o controle sobre custos de garantia, adequação de inventário de peças de reposição e serviços de reparo. Para o comprador de equipamentos, dados de confia-bilidade auxiliam a avaliação do custo global de cada alternativa ofertada. Para o usuário final, conhecer o comportamento de falhas do produto pode ajudar a estruturar a manutenção do equipamento visando obter maior disponibilidade.Nos fabricantes de equipamentos industriais, uma meta de confiabilidade pode ser determinada logo na fase de concepção e desenvolvimento de um novo produto em função de necessidades mercadológicas ou de requisitos de clientes. Técnicas adequadas podem ser utilizadas para previsão da confiabilidade (reliability prediction) e também para o acompanhamento de seu crescimento (reliability growth) durante o desenvolvi-mento do produto, visando alcançar a meta estabelecida.
Os modelos de previsão são baseados em diagramas de blocos que representam os componentes ou subsistemas, cada qual tendo seu comportamento de falhas definido pela sua função de confiabilidade. Ape-sar de se encontrar na literatura fortes questionamentos às técnicas de previsão de confiabilidade, seu uso pode resultar em conhecimento prévio das falhas e também servir de base para comparações entre diversas alternativas de projeto, auxiliando as decisões ao longo do processo de desenvolvimento (O’Connor, 1988).
À medida que o projeto vai sendo desenvolvido, partes do produto e subsistemas podem ser submeti-dos a testes de confiabilidade, e seus resultasubmeti-dos utilizasubmeti-dos para melhoria no projeto, demandando novos tes-tes, e assim sucessivamente. Técnicas de acompanhamento do crescimento de confiabilidade são empregadas visando alcançar a meta de confiabilidade desejada para o produto. Técnicas alternativas de testes para melhoria da confiabilidade durante o desenvolvimento do produto são comuns, como reportado em Theije et al. (1998). Diversas outras técnicas para tratar a questão de confiabilidade de novos produtos durante o seu desenvolvimento são também utilizadas, como FMEA (Teng & Ho, 1996), árvores binárias (Jinglun & Quan, 1998), análise de árvores de falhas (FTA – Fault Tree Analysis) (Xie et al., 2000).
Independente da finalidade e da técnica, porém, a disponibilidade de dados adequados é sempre obri-gatória, e existem basicamente quatro fontes de dados de vida de componentes para utilização:
• Tabelas de dados de componentes-padrão: estão disponíveis em manuais especializados e também em meios eletrônicos. São dados de componentes empregados em grande escala nos meios industriais e que têm comportamento de falha e características de vida conhecidos que, na média, são independentes do fabricante. É o caso de rolamentos, anéis de vedação, resistores, capacitores, entre outros, que, por seu volume de aplicação, têm os parâmetros médios de distribuição de falhas conhecidos. Exatamente por se tratar de uma média, as condições de utilização nem sempre são conhecidas, e mesmo que o sejam, nem
sempre coincidem com a aplicação específica que se pretende dar ao item dentro do novo produto. O acesso a esses dados, no entanto, é bastante econômico, bastando ter acesso aos manuais e meios eletrôni-cos especializados.
• Catálogos de fabricantes: podem servir como fonte de informações a custo zero. Normalmente, a litera-tura técnica do item oferecida pelo fabricante traz informações sobre dados de vida. Como no caso dos componentes-padrão, nem sempre elas são completas e, via de regra, limitam-se ao valor de MTBF (Mean Time Between Failure) do item, sem qualquer informação adicional sobre parâmetros relativos às condições de ensaio.
• Ensaios: ensaios feitos especificamente para o desenvolvimento do produto são, do ponto de vista da qualidade das informações, a melhor fonte de dados. Nesse caso, todas as condições de contorno estão sob domínio durante o ensaio. Em contrapartida, os custos envolvidos nessa alternativa são muito altos. Basicamente, devem ser computados custos de aquisição e de uso de equipamentos especiais que simulem as condições de ensaio, custos de aquisição de amostras e custos relativos ao tempo de ensaio propria-mente dito, entre outros. Além disso, para conseguir resultados em tempo hábil para utilização durante o desenvolvimento, existem técnicas de aceleração dos ensaios que devem ser adequadamente aplicadas para garantir os resultados dos testes.
• Registro de ocorrências de falhas em campo: traz como vantagem o baixo custo de aquisição do dado, uma vez que o sistema de registro das ocorrências normalmente existe para fins de contabilidade e cobrança de serviços na maioria das empresas. Outra vantagem é que as falhas ocorrem em condições reais de uso do equipamento. No entanto, algumas desvantagens podem desencorajar sua utilização como fonte. Entre elas, destaca-se a baixa qualidade típica das descrições de falhas de campo, que pode comprometer a classificação adequada dos seus modos de ocorrência. Além disso, a pequena quantidade de falhas ao longo do tempo, notadamente para equipamentos de alta confiabilidade, pode comprometer a confiança das estimativas de vida. Também merece destaque a inadequação dos sistemas de registro de campo, tipicamente destinados a outras finalidades, priorizando informações fiscais e contábeis, não facilitando o tratamento de informações técnicas dessa natureza e tampouco a extração de dados de tempo de funcionamento para equipamentos que não falharam. Do ponto de vista do fabricante, temos ainda a agravante de diversos clientes possuírem seus próprios recursos de reparos, impedindo que a falha seja descoberta pelo fabricante para ser integrada às informações sobre o produto. Apesar das aparentes limitações para o emprego de dados de campo, a pos-sibilidade de adequação do sistema de registro de falhas para fins de confiabilidade, aliada ao baixo custo das informações, torna essa alternativa atrativa, se comparada à de ensaios orientados.
Durante o desenvolvimento de um produto, as vantagens e desvantagens de cada fonte descrita devem ser avaliadas para cada componente do sistema cuja confiabilidade se deseja estimar. Assim, para componen-tes cujas características de vida sejam conhecidas, seja por meio de tabelas de dados ou pelo fabricante, o uso dessas fontes pode representar ganhos significativos de tempo e custo.
No entanto, esses dados nem sempre estão disponíveis, notadamente em componentes feitos sob enco-menda ou naqueles usados em condições diferentes das suas especificações. Nesses casos, as características de vida devem ser determinadas por meio de análises estatísticas baseadas em informações tanto de campo quanto de ensaios específicos para esse fim.
Trabalhos a respeito da utilização de dados de campo para avaliação de características de vida de com-ponentes não são comuns, diante da dificuldade em conseguir informações que permitam conclusões estatis-ticamente válidas. Jauw & Vassiliou (2000) propuseram um sistema de coleta de dados de falha em campo para fins de confiabilidade. Wang et al. (1999) propõem um modelo de banco de dados adequado para regis-tro de ocorrências de defeitos em tornos a CNC trabalhando em campo. Em nenhum deles, porém, é abor-dada a questão da baixa quantidade de informações de falha, particularmente causada pelas pequenas amos-tras. Um estudo para emprego de dados de campo para efeitos de confiabilidade é avaliado a seguir, para um equipamento usado em gabinetes elétricos de controle.
UTILIZAÇÃO DE DADOS DE CAMPO
Uma primeira tentativa de utilização de dados de campo teve início pela escolha de um componente do sistema de controle eletrônico, com alto índice de retorno de campo, relativamente aos demais componentes do produto. Após avaliação do banco de dados de falha, foi escolhido para estudo um painel de operação.
A abordagem inicial previa o levantamento do universo de produtos em campo e de todos os defeitos reportados de painéis de operação. Por se tratar de um item fabricado sob encomenda para a empresa, não há dados de confiabilidade fornecidos pelo fabricante. Por outro lado, existe a certeza de que todos os defei-tos, em garantia ou não, são reportados pelo cliente, já que a única fonte de reposição para esse item é a pró-pria empresa fabricante do produto.
Centenas de produtos estavam em operação quando deste levantamento, com idades diversas, das quais cerca de 8% apresentaram problemas no painel de operação. Para análise, os dados de falha foram clas-sificados em falha de teclado, falha de display e outras falhas, de forma a ser possível estimar características de distribuição distintas para cada modo.
Os dados foram avaliados utilizando-se um método não-paramétrico (Estimador de Kaplan-Meier) e também um paramétrico, baseado em plotagem em papéis de probabilidade para distribuições Normal, Log-normal, Exponencial e Weibull, com escolha da distribuição adequada feita por meio de análise visual de ade-rência. Limites máximos e mínimos para as médias de tempo de falhas foram também determinados para um intervalo de confiança de 95%.
A tabela 1 mostra o resultado das avaliações feitas com um universo de cerca de 200 produtos ope-rando em clientes. Para cada modo de falha e também para todo o este conjunto, é mostrado o percentual de 10% de probabilidade de falha (conhecido como tempo de falha B10), que corresponde ao tempo de funcio-namento dos equipamentos em que 10% deles apresentarão a falha. Os valores foram obtidos utilizando-se distribuição de Weibull.
Tab. 1. Vida B10 para falhas em painel de operação. Universo total de equipamentos em campo.
Nota-se pela tabela que o erro-padrão é muito alto, se comparado com a estatística de interesse B10, o que pode comprometer a análise. Constata-se que o problema se agrava quando os diversos modos de falha são avaliados individualmente. A análise dos dados gera duas hipóteses acerca da significância desse erro. A primeira refere-se ao fato de a proporção de dados da amostra que não apresentou falhas ser muito grande, revelando que existem muitos dados censurados (ou suspensos) para a quantidade de falhas observada. A segunda diz respeito à quantidade de ocorrência de falhas, que é muito pequena, gerando erros de estimativa muito grandes pelos modelos convencionais.
A tabela 2 mostra o resultado de outro estudo, conduzido com ocorrências de falhas em 32 motores hidráulicos funcionando em campo. Trata-se de um motor sabidamente problemático, tomado apenas para se ter mais dados de falha e menor proporção de censura para análise de comportamento do erro-padrão, segundo as hipóteses anteriores.
Tab. 2. Vida B10 para falhas em um dado motor hidráulico.
MODODEFALHA QT. FALHAS B10 ERRO-PADRÃO
Display 3 39735 48814
Teclado 6 15330 9369
Outros 6 12876 6179
Todos 15 5031 1494
ÍTEM QT. FALHAS B10 ERRO-PADRÃO
Nota-se uma melhora considerável no erro em relação à estatística de interesse B10. Neste caso, tanto o número de falhas é um pouco maior do que no exemplo dos painéis como a proporção de dados censura-dos é menor.
CONSIDERAÇÕES SOBRE O USO DE DADOS DE CAMPO
Os resultados alcançados ressaltam o efeito do tamanho da amostra e da variabilidade sobre o erro-padrão quando se utilizam dados de campo. A questão do tamanho da amostra reside no paradigma segundo o qual quanto mais confiável o equipamento, menor a quantidade de dados de falha disponíveis. Portanto, maior o erro natural nas estimativas de vida feitas a partir de dados de campo. Já a variabilidade dos tempos de falha pode ter duas causas principais. A primeira é novamente a escassez de dados, que faz com que modos de falha distintos tenham de ser avaliados indistintamente para aumentar o tamanho da amostra. A segunda é a possibilidade de as falhas ocorrerem em condições distintas e/ou extremas de uso, sem registro claro, por terem sido originadas de dados de campo. Isso tende a descaracterizar as condições específicas de ocorrência da falha necessárias para a análise pretendida. Para não distorcer a avaliação, falhas ocorridas nessa condição poderiam ser expurgadas da amostra, o que, no entanto, reduz ainda mais seu tamanho.
De modo geral, quanto mais confiável for um equipamento, menor a quantidade de falhas, resultando num tamanho reduzido de amostras que tende a ser uma constante nos estudos de falhas com dados de campo. Assim, para que a alternativa de utilização de dados de campo seja viabilizada, há que se dispor de técnicas estatísticas adequadas para análise de amostras com tamanho bastante reduzido.
Um exemplo desse tipo de técnica é a re-amostragem (Efron, 1982). Ela se baseia no conceito de retirar amostras com reposição dos dados iniciais. A estatística de interesse é calculada para as novas amostras obtidas por re-amostragem. Repetindo o processo, tem-se como resultado uma amostra grande da estatística de inte-resse, derivada da amostra original. Diversas alternativas a essa abordagem podem ser usadas, variando o tamanho e a quantidade de re-amostragens. Os métodos mais conhecidos são o Bootstrap e o Jacknife. Um adicional, chamado de validação cruzada (cross validation), baseia-se no emprego de parte da amostra original para estimar a estatística de interesse, que é então utilizada para prever a outra parte da amostra não usada.
Apesar de bastante questionadas, existem relatos de aplicação dessas técnicas em estudos de controle estatístico de processo para distribuições não-normais (Tong & Chen, 1998) e em modelagem de manuten-ção preventiva para amostras pequenas (Kobbacy et al., 1997), indicando ser uma alternativa possível para o uso dos dados de campo nos estudos de confiabilidade.
CONSIDERAÇÕES FINAIS
Dados de falhas ocorridas com os equipamentos em uso no campo podem constituir uma fonte impor-tante de informações a respeito de sua confiabilidade. A viabilização de sua utilização prática reduziria drasti-camente os custos envolvidos em operações de ensaios.
Uma tentativa preliminar de emprego desses dados mostrou que existem obstáculos e limitações para operacionalizar o seu uso. O principal obstáculo é que os bancos de dados de falhas são normalmente volta-dos para operações contábeis relativas ao reparo do equipamento, e poucas informações são disponíveis para se caracterizar tecnicamente a falha. Assim, o trabalho de recuperação, crítica e classificação precisa ser feito de forma não automatizada, demandando, portanto, muito tempo de análise. As limitações ocorrem também pela qualidade das informações, que nem sempre delimitam adequadamente a falha e as condições de sua ocorrência. Além disso, sistemas confiáveis trabalhando em condições normais de operação apresentam baixo índice de falha, demandando tempos de uso demasiadamente longos para gerar uma quantidade representativa de defeitos. Com isso, as amostras resultantes para análise estatística são muito pequenas, com estimativas associadas a um erro-padrão que pode dificultar a análise.
Assim, apesar de os dados de campo serem uma fonte potencial de dados para avaliação de confiabili-dade de baixo custo, técnicas estatísticas sofisticadas precisam ser utilizadas para análise das amostras tipica-mente pequenas.
REFERÊNCIAS BIBLIOGRÁFICAS
EFRON, B. The Jacknife, the Bootstrap and Other Resampling Plans. Philadelphia: Society for Industrial and Applied Mathema-tics, 1982.
JAUW, J. & VASSILIOU, P. Field data is reliability information: implementing an automated data acquisition and analysis sys-tem. Annual Reliability and Maintainability Symposium, 2000. Los Angeles, CA, EUA: Institute of Electrical and Electro-nics Egineers, 2000.
JINGLU, Z. & QUAN, S. Reliability analysis based on binary decision diagram. Journal of Quality and Maintenance Enginee-ring. China, 4 (2): 150-161, 1998.
KOBBACY, K.A.H. et al. Small data sets and preventive maintenance modelling. Journal of Quality and Maintenance Enginee-ring. UK, 3 (2): 136-142, 1997.
O’CONNOR, P.D.T. Practical Reliability Engineering. Chichester: John Wiley & Sons, 1988.
TENG, S.H. & HO, S.Y. Failure mode and effect analysis – an integrated approach for product design and process control. International Journal of Quality and Reliability Management. EUA, 13 (5): 8-26,1996.
THEIJE, S.M. et al. Reliabilty test to control design quality: a case study. International Journal of Quality and Reliability Mana-gement. EUA, 16 (6): 559-618, 1998.
TONG, L.I. & CHEN, J.P. Lower confidence limits of process capability indices for non-normal process distributions. Internati-onal Journal of Quality and Reliability Management. Taiwan, 15 (8/9): 907-919, 1998.
U.S. Department of Defense. MIL-HDBK-338B. Electronic reliability design handbook. Military Handbook, 1998.
WANG, Y. et al. Field failure database for CNC lathes. International Journal of Quality and Reliability Management. China, 16 (4): 330-340, 1999.
XIE, M. et al. Optimum prioritisation and resource allocation based on fault tree analysis. International Journal of Quality and Reliability Management. China, 17 (2): 189-199, 2000.
