SIMULAÇÃO COMPUTACIONAL PARA
ELABORAÇÃO DE UM PLANO DE
MANUTENÇÃO PARA UMA PLANTA DE
BRITAGEM DE MINÉRIO
Jackson Gomes Abrahão (UFMG)jackgoab@yahoo.com.br
Natália Moreira De Paoli (UFMG)
natpaoli@yahoo.com.br
Pedro Vieira Souza (UFMG)
pedrinvieira@yahoo.com
No processo de beneficiamento de minério, assim como em qualquer outro processo produtivo que utilize máquinas, garantir o bom funcionamento dos equipamentos é essencial para o atendimento das metas em geral. Neste contexto, o planejamento das atividades de manutenção torna-se essencial. O trabalho desenvolvido na etapa de Britagem de uma Usina de Beneficiamento de Minério objetivou definir o plano de manutenção dos principais equipamentos selecionados dessa etapa. Para representação do problema, foi utilizada a técnica de simulação computacional. O plano de manutenção parte da definição do programa de manutenções preventivas e níveis de manutenções preditivas a serem praticados, possibilitando obter diferentes valores de custo de manutenção e de produção, considerando, ainda, a disponibilidade de mão-de-obra (MO). Um melhor cenário visando a maximização da produção e minimização dos custos foi escolhido e conclusões foram feitas sobre o impacto dos tipos de manutenção no desempenho da planta analisada.
Palavras-chaves: Simulação, Manutenção Preventiva, Manutenção Preditiva, Manutenção Corretiva.
2 1. Introdução
O presente trabalho tem como objetivo retratar o estudo realizado em uma Usina de Beneficiamento de Minério de Ferro, com foco no plano de manutenção de equipamentos selecionados da Usina de Britagem. Para análise do plano de manutenção mais adequado ao caso, foi utilizada a técnica de simulação computacional, definida como a arte de analisar o comportamento de um sistema produtivo através de um modelo. Este é a representação do sistema de interesse e é utilizado para investigar possíveis melhorias no sistema real ou no estudo do impacto de diferentes políticas para o sistema (PIDD, 1998). A ferramenta utilizada para a simulação de processos por computador foi o software ARENA.
A avaliação do plano de manutenção foi alcançada através da definição de programas de manutenções preventivas (sendo essas casadas ou não) e preditivas (que interferem diretamente na freqüência das manutenções corretivas imediatas). Isso possibilita obter diferentes valores de custo de manutenção e de produção, considerando, ainda, a disponibilidade de mão-de-obra (MO).
Com relação à literatura, foram identificados estudos similares ao proposto. Savsar (1997) desenvolveu um modelo de simulação utilizando o pacote de software SIMAN para uma linha de produção de cinco estágios que utiliza o sistema just-in-time. O autor analisou o efeito da manutenção preventiva através da comparação entre três diferentes cenários de plano de manutenção. A avaliação foi realizada através de três indicadores de performance: taxa de saída do produto, utilização média de equipamentos e estoque em processo. Já Balakrishnan (1992) aplicou um modelo de simulação em uma fábrica de laminação de aço para comparar três políticas de manutenção. O autor utilizou a porcentagem de disponibilidade como indicador de performance. Finalmente, Sarker e Haque (2000) desenvolveram um modelo de simulação que visa reduzir conjuntamente os custos de estocagem e de manutenção em um sistema que engloba três linhas de produção de três produtos diferentes.
O presente artigo é composto por uma etapa de Definições, na qual alguns conceitos utilizados no artigo são apresentados. No tópico Processo Produtivo é feita uma descrição do processo de britagem. Posteriormente, em Modelagem, são explicitadas algumas considerações em relação à análise dos dados utilizados e descrito o desenvolvimento do modelo.
Em seguida há a etapa de Resultados, na qual diferentes cenários são analisados, e seus prós e contras destacados. Ao final do artigo é feita a Conclusão que apresenta o cenário escolhido como o ótimo e uma discussão a respeito da funcionalidade do modelo, mostrando como é possível analisar e escolher, dentre várias alternativas de cenários, a que melhor se adapta ao problema apresentado.
2. Definições
Alguns termos utilizados durante o artigo serão definidos nessa seção. Primeiramente, os três tipos de manutenção considerados no trabalho devem ser esclarecidos, sendo estes a manutenção corretiva, preventiva e preditiva.
Segundo Kardec (2001), manutenção corretiva é a atuação para a correção da falha ou do desempenho menor que o esperado. A correção da falha de maneira aleatória representa a manutenção corretiva não planejada, ou imediata. É atribuída à definição de manutenção corretiva planejada, ou programada, para correção do desempenho menor que o esperado ou
3
pela decisão de operar até a quebra.
Kardec (2001) também define manutenção preventiva como a atuação realizada de forma a reduzir ou evitar a falha ou queda no desempenho, obedecendo a um plano previamente elaborado, baseado em intervalos definidos de tempo. E ainda, manutenção preditiva é a atuação realizada com base em modificação de parâmetro de condição ou desempenho, cujo acompanhamento obedece a uma sistemática.
Na análise dos dados são utilizados alguns conceitos relativos a intervalos de tempos em manutenção. O primeiro deles é o MTBF (Medium Time Between Failures) que nada mais é do que o intervalo de tempo médio decorrido entre duas falhas em um equipamento. Há também o intervalo de tempo médio de execução das atividades de uma manutenção, também chamado de MTTR (Medium Time to Repair) ou downtime (tempo de parada).
O conceito de manutenção casada também deve ser esclarecido. Uma manutenção casada ocorre quando as atividades de uma manutenção são realizadas em duas etapas do processo produtivo simultaneamente.
Finalmente, há o conceito de plano de manutenção. Um plano de manutenção nada mais é do que a definição de um programa de manutenção que será realizada em cada equipamento do processo produtivo. Nele está inserida a freqüência de realização de cada manutenção, bem como abrangência de execução das manutenções, ou seja, quais os equipamentos devem ser considerados para quais tipos de manutenção.
3. Processo Produtivo
A britagem é a primeira etapa do processo de beneficiamento do minério de ferro. Este é extraído da mina, chega à usina através de caminhões e é basculado em um silo. O sistema produtivo em questão é composto basicamente por três processos de britagem e dois de peneiramento, cujas ligações são realizadas por correias transportadoras (TC) e as alimentações por alimentadores (AL) e silos (SI). A britagem primária (BRI) é alimentada com minério da mina que fica armazenado em um silo. O material britado (MB) que sai do BRI é transportado para o peneiramento primário (PNI). Após o PNI, o material retido (MR) é encaminhado para a britagem secundária (BRII) e o material passante (MP) é transportado para o peneiramento secundário (PNII). O PNII também é alimentado com o material britado do BRII. O material retido do PNII alimenta, por sua vez, a britagem terciária (BRIII). O material britado do BRIII se junta ao material passante do PNI e ao material britado do BRII para alimentar o PNII. O material passante do PNII vai para o pátio de estocagem onde ocorre o empilhamento. As taxas de fluxos nas correias transportadoras podem ser limitadas pelas capacidades dos silos e alimentadores, bem como pelos próprios britadores e peneiras. Após o final da etapa de britagem, o minério já processado é encaminhado para o pátio de estocagem. O fluxograma abaixo ilustra o processo descrito.
4 Figura 1 – Fluxograma do Processo de Britagem
Os percentuais apresentados no fluxograma representam os balanços de massa das respectivas etapas de peneiramento. Esses valores indicam a quantidade da massa que entrou na etapa que é passante e retida.
4. Modelagem
Para que o modelo retrate a realidade do processo da maneira mais fiel possível, é importante que os dados sejam analisados identificando-se o relacionamento entre os eventos registrados. As conclusões mais importantes da análise de dados realizada se referem ao impacto causado pela realização de manutenções preventivas e preditivas.
Durante o estudo do comportamento de ocorrências de manutenções corretivas, verificou-se que o intervalo de tempo para a ocorrência de uma manutenção deste tipo era maior quando esta era precedida por uma manutenção preventiva, em comparação ao intervalo entre ocorrências de duas manutenções corretivas sucessivas.
Com a amostra destes dados, foi definido um tempo de garantia para ocorrência de falhas após manutenções preventivas, para evitar que o equipamento que acabou de passar por este tipo de manutenção quebre novamente em um pequeno espaço de tempo. Dito isso, uma falha é factível, ou seja, passível de ocorrer, se o tempo de garantia para aquele equipamento já foi superado no instante da simulação em que ela ocorre. A mesma lógica foi adotada em relação a manutenções preditivas.
Outro fato que permite um efeito positivo da realização de manutenções preventivas na disponibilidade física do equipamento é que a falta desta implica em uma tendência de diminuição do MTBF (KARDEC, 2001).
Sem perder a credibilidade, no modelo, tal penalidade de não se realizar manutenções preventivas foi inserida como uma tendência do aumento do MTTR, onde se assume um tempo de referência para o intervalo entre preventivas. Se a manutenção preventiva não for
5
downtime mínimo para os equipamentos em questão. Esses valores foram estimados a partir
da análise dos dados fornecidos, onde tal tendência é observada.
Uma manutenção preditiva gera uma manutenção corretiva programada, que apresenta um
downtime médio inferior ao da corretiva não programada, para que a alteração negativa do
estado do equipamento seja corrigida. A partir da base de dados analisada, foi obtido um intervalo médio entre realizações de manutenções preditivas.
Todas as características do processo como quantidade de equipamentos, taxa efetiva de cada equipamento e outras informações relevantes foram incorporadas ao modelo. Além da modelagem do processo de produção em si, foram modelados também os processos de manutenções corretiva, preventiva, preventiva geral, preditiva e de paradas operacionais. Há uma constante interação entre as seções do modelo que retratam os processos citados onde cada uma recebe e fornece informações à outra. Estas seções são explicados a seguir obedecendo a ordem de construção no modelo.
A primeira seção do modelo é a modelagem do Processo da Planta de Britagem. Basicamente, é a seção que contém o modelo elaborado para o processo produtivo em si. Todas as etapas de produção são modeladas desde a alimentação da usina, com minério extraído da mina sendo transportado por caminhões, passando pela Britagem Primária e Secundária, pelos Peneiramentos Primário e Secundário, a Britagem Terciária até o transporte de minério feito por transportadores de correia até o pátio de estocagem.
O primeiro processo de manutenção modelado é a corretiva. Todas as manutenções corretivas passíveis de ocorrer em qualquer equipamento em cada uma das etapas da Usina de Britagem são geradas e tratadas nessa seção do modelo. Para cada equipamento foi definido que podem ocorrer três tipos distintos de manutenção corretiva: Corretivas Mecânicas, Corretivas Elétricas e Corretivas Diversas.
O processo de manutenção preventiva foi a terceira seção elaborada. Basicamente são dois tipos de manutenção preventiva realizados nos equipamentos: a manutenção preventiva geral e a manutenção preventiva individual, digamos assim. A manutenção preventiva geral é uma manutenção preventiva realizada em todos os equipamentos do processo simultaneamente. A última categoria de manutenção modelada é a manutenção preditiva. A definição do plano de manutenção preditiva no modelo é dada em níveis. Existem três níveis distintos de manutenção preditiva e sua escolha é feita antes do início da simulação. Basicamente, a diferença entre os três níveis de preditiva é o tipo de manutenção realizada. No nível 1 são realizadas apenas manutenções preditivas do tipo mecânica. Já no nível 2, além de preditivas mecânicas são realizadas preditivas elétricas. O nível 3 é o nível máximo de manutenção preditiva e nele há a execução dos três tipos de manutenção preditivas.
A seqüência realizada na implementação das seções é de suma importância para a agilidade da modelagem, além de possibilitar testes e validações parciais no desenvolvimento do projeto. Tal seqüência obedece a lógica do desenvolvimento da gestão de manutenção, onde a medida que se evolui da prática de apenas manutenções corretivas para a realização de manutenções preditivas, verifica-se um melhor desempenho do equipamentos.
5. Resultados
Para a definição dos cenários a serem simulados foram elaborados cinco programas de manutenção preventiva, considerando o horizonte de um ano. Cada um destes planos foi
6
simulado para os quatro níveis de manutenções preditivas existentes, resultando em um total de 20 cenários distintos. A média dos resultados das replicações dos cenários são ilustrados pelo gráfico abaixo.
0 1 2 3 4 Cenário de Preventiva P ro d u ç ã o M é d ia ( to n )
Nível de Preditiva 0 Nível de Preditiva 1 Nível de Preditiva 2 Nível de Preditiva 3
Figura 2 – Gráfico Produção x Cenários
É importante ressaltar que os planos de manutenção preventiva definidos estão indexados em escala crescente de nível de casamentos entre manutenções, porém, isso não significa que um plano com maior nível de casamento é necessariamente melhor do que um plano com nível inferior. Isto porque estes não se comportam como variáveis, mas sim como cenários. Os custos de cada cenário estão ilustrados na figura abaixo.
0 1 2 3 4 Cenário de Preventiva C u s to T o ta l d e M a n u te n ç ã o ( $ )
Nível Preditiva 0 Nível de Preditiva 1 Nível de Preditiva 2 Nível de Preditiva 3
Figura 3 – Gráfico Custos x Cenários
7
uma técnica de Estatística Multivariada que é aplicável quando se deseja lidar com mais de uma variável, formando um vetor aleatório (MINGOTI, 2005).
No caso deste trabalho, foram consideradas como variáveis: Produção, Custo Total de Manutenção e Disponibilidade Física. Para a ordenação dos cenários foi utilizada a primeira componente principal (PC1) representando um índice de desempenho global do sistema. Esta componente explica 89.8 % da variância total dos dados. O resumo destes cálculos efetuados no software MINITAB está contido na tabela abaixo.
Figura 4 – Resumo do cálculo de Componentes Principais
Da análise, conforme o rank pelo PC1, conclui-se que o melhor cenário foi o cenário de manutenção preventiva número 4 e o nível de manutenção preditiva 3.
Rank Cenário de Preventiva
Nível de Preditiva Índice de Desempenho Global (PC1) 1 4 3 2,4146 2 4 2 2,1049 3 3 3 2,0333 4 3 1 1,6757 5 3 2 1,4377 6 2 3 1,3560 7 4 1 0,8147 8 2 2 0,6827 9 0 3 0,3769 10 1 2 0,2889 11 1 3 0,0700 12 2 1 -0,1034 13 0 2 -0,5040 14 1 1 -0,6897 15 4 0 -0,8792 16 0 1 -1,2631 17 3 0 -1,6113 18 2 0 -2,1815 19 1 0 -2,8039 20 0 0 -3,2193
Tabela 1 – Rank dos cenários testados
8
casamento de preventivas e dos níveis de preditiva nos valores do índice PC1, foi realizada uma análise de regressão tendo como variáveis explicativas os dois níveis em questão (DRAPER, 1998).
Os resultados da regressão efetuada também no MINITAB são apresentados abaixo.
Figura 5 – Análise de Regressão
A partir da análise de regressão é possível verificar que as variáveis explicativas nível de preventiva (Nprev) e nível de preditiva (Npred) são significativas para descrever o comportamento do Índice de Desempenho Global (PC1) e, na medida que ambos os níveis crescem, o desempenho esperado é melhor. Segundo o valor do R² ajustado, essas variáveis explicam 86,5% da variância total de PC1. A seguir é apresentada a dispersão dos valores estimados pelo modelo ajustado e os valores observados de PC1.
Figura 6 – Gráfico de Dispersão PC1 e FIT PC1
O modelo ajustado foi utilizado para verificar o comportamento médio do PC1 em relação aos níveis de manutenção, mas a estimativa de PC1 para os possíveis níveis não é aplicável, uma vez que estas variáveis são qualitativas. O artigo não aborda nenhuma definição detalhada dos métodos estatísticos utilizados, somente as necessárias. Para maiores detalhes, consultar referências.
6. Conclusão
9
mescla o quarto cenário de manutenção preventiva com o nível máximo de manutenção preditiva. Este cenário apresentou o maior valor de produção total e menor valor de custo total de manutenção. Porém, seu valor de disponibilidade física é levemente inferio do maior valor (0,1%).
Segundo a técnica de Análise de Componentes Principais podemos identificar semelhanças. Os cinco cenários indicados como melhores utilizam a manutenção preventiva geral. Além disso, utilizam no mínimo o primeiro nível de manutenção preditiva.
Foi possível notar que a introdução da manutenção preditiva mecânica (nível 1) causa um ganho maior nos resultados do que a introdução dos demais tipos de preditivas. Tal comportamento é melhor observado nas figuras 2 e 3.
O fato de manutenções preventivas casadas entre os equipamentos serem muito utilizadas reforça a hipótese de que é melhor realizar manutenções preventivas conjuntas nos equipamentos. A tendência de haver pelo menos nível um de preditiva se dá pelo fato desse tipo de manutenção gerar manutenções corretivas programadas. Isto diminui a ocorrência de falhas aleatórias que, geralmente, como no caso deste trabalho, são mais custosas.
Em suma, podemos afirmar que o modelo elaborado atende ao objetivo de preparação de um plano de manutenção para o sistema, a partir da definição dos parâmetros necessários e da análise dos indicadores de desempenho. É possível afirmar também que o modelo possui boa aplicabilidade, sendo algumas de suas premissas interessantes operacionalmente na representação de um possível comportamento do sistema.
Referências
BALAKRISHNAN, N. T. A simulation model for maintenance planning. Proceedings Annual Reliability and
Maintainability Symposium IEEE, pp.109-18, 1992.
DRAPER, N.R. & SMITH, H. Applied Regression Analysis. 3. ed. New York: John Wiley & Sons, 1998. KARDEC, A. & NASCIF, J. Manutenção: Função Estratégica. Rio de Janeiro: Qualitymark Ed., 2001. MINGOTI, S.A. Análise de dados através de métodos de estatística multivariada: Uma abordagem aplicada.
Belo Horizonte: Editora UFMG, 2005.
PIDD, M. Computer Simulation in Management Science. 4. ed. New York: John Wiley & Sons, 1998.
SARKER, R. & HAQUE, A. Optimization of maintenance and spare provisioning policy using simulation.
Applied Mathematical Modeling, Vol. 24, n.10, pp.751-60, 2000.
SAVSAR, M. Simulation analysis of maintenance policies in just-in-time production systems. International
