Aplicação do método de Monte Carlo para a previsão de falhas: uma ferramenta de apoio à gestão da manutenção

Autores

DOI:

https://doi.org/10.14488/1676-1901.v19i1.3091

Palavras-chave:

Engenharia de Manutenção. Simulação de Monte Carlo. Previsão de Falhas. Estatística Aplicada.

Resumo

A área de manutenção tem passado por mudanças importantes nas últimas décadas, orientada, principalmente, pela evolução dos conceitos gerenciais nas empresas. Embora tenha sido tratada, por longos períodos, como um setor oneroso para as organizações, a manutenção é apontada, na literatura mais recente, como uma enorme fonte de competitividade. Para explorar seu potencial, no entanto, a Gestão da Manutenção deve incorporar a Engenharia como o agente direcionador dos processos de rotina e melhorias. De forma prática, a empresa deve trabalhar para evitar as falhas ou, no mínimo, prevê-las. Alinhado a essa visão estratégica, o presente trabalho empenha-se no desenvolvimento e validação de um sistema de previsão de falhas. Utilizando-se do Método de Monte Carlo, este artigo integra um estudo de natureza quantitativa do gênero modelagem e simulação. A partir de conceitos matemáticos e estatísticos, foram formuladas diferentes séries de previsão de falhas e realizadas análises comparativas de suas precisões. Como resultados, foi constatada a eficácia do método na determinação do momento de ocorrência de falhas a partir de simulações numéricas e evidenciadas as regiões ótimas de previsão de cada série proposta. Dentre as principais contribuições do trabalho, destaca-se a maior precisão das séries simuladas pelo Método de Monte Carlo em relação às séries estimadas a partir da média histórica dos dados, apesar do bom ajuste dessas séries em áreas selecionadas da curva real. Trabalhos futuros irão investigar o comportamento de outros modelos de séries de falhas, geradas a partir de novas combinações dos parâmetros propostos.

Downloads

Não há dados estatísticos.

Biografia do Autor

Lucas Guedes de Oliveira, Universidade Federal de Itajubá (UNIFEI)

Doutorando e Mestre (2018) em Engenharia de Produção e Engenheiro de Produção (2015) pela Universidade Federal de Itajubá (UNIFEI).

Emerson José de Paiva, Universidade Federal de Itajubá (UNIFEI)

Professor da Universidade Federal de Itajubá (UNIFEI), Campus de Itabira.

Anderson Paulo de Paiva, Universidade Federal de Itajubá (UNIFEI)

Professor do Instituto de Engenharia de Produção e Gestão (IEPG) da Universidade Federal de Itajubá (UNIFEI).

Referências

ABEPRO - ASSOCIAÇÃO BRASILEIRA DE ENGENHARIA DE PRODUÇÃO. Áreas e Sub-áreas de Engenharia de Produção, 2008. Disponivel em: <http://www.abepro.org.br/interna.asp?c=362>. Acesso em: 22 mar. 2015.

ABNT - ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 5462 - Confiabilidade e mantenabilidade. Rio de Janeiro, nov. 1994.

ABRAMAN - ASSOCIAÇÃO BRASILEIRA DE MANUTENÇÃO. Documento Nacional 2011: a situação da manutenção no Brasil, 2011. Disponivel em: <http://www.abraman.org.br/Arquivos/7/7.pdf>. Acesso em: 10 abr. 2015.

BARBERÁ, L. et al. Advanced model for maintenance management in a continuous improvement cycle: Integration into the business strategy. International Journal of Systems Assurance Engineering and Management, v. 3, n. 1, p. 47-63, 2012. https://doi.org/10.1007/s13198-012-0092-y

CARVALHO, M. M. D.; PALADINI, E. P. Gestão da qualidade: teoria e casos. 2 ed. Rio de Janeiro: Campus, 2012.

CASTRO, D. E. et al. Processos de otimização de redes de oficinas de manutençäo veicular utilizando técnicas RAM (Reliability, Availability and Maintainability) e o Método de Monte Carlo. In: Congresso e Exposição Internacionais SAE Brasil de Tecnologia da Mobilidade, 20., 2011, São Paulo. Anais... Säo Paulo, SAE Brasil, 2011. p. 1-10.

CHWIF, L.; MEDINA, A. C. Modelagem e simulação de eventos discretos: teoria e aplicações. 3 ed. São Paulo: Edição do Autor, 2010.

FARIA, P. H. L.; RIBEIRO, J. L. D.; VIANA, J. L. D. Modelo de simulação para captura e aproveitamento de ociosidade para manutenção em sistemas de expedição de minérios. Produção Online, v. 16, n. 4, p. 1142-1171, 2016. http://dx.doi.org/ 10.14488/1676-1901.v16i4.1990

FOGLIATTO, Flávio Sanson; RIBEIRO, José Luis Duarte. Confiabilidade e manutenção industrial. São Paulo: Campus Elsevier, 2009.

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002.

GURGUR, C. Z.; JONES, M. Capacity factor prediction and planning in the wind power generation industry. Renewable Energy, v. 35, n. 12, p. 2761-2766, 2010. https://doi.org/10.1016/j.renene.2010.04.027

HAIGH, T.; PRIESTLEY, M.; ROPE, C. Los Alamos Bets on ENIAC: Nuclear Monte Carlo Simulations, 1947–1948. IEEE Annals of the History of Computing, p. 42-63, 2014. https://doi.org/10.1109/MAHC.2014.40

HALL, Nicholas G. Project Management: recent developments and research opportunities. Journal of Systems Science and Systems Engineering, v. 21, p. 129-143, 2012. https://doi.org/10.1007/s11518-012-5190-5

HAMMERSLEY, J. M.; HANDSCOMB, D. C. Monte Carlo Methods. Londres: Methuen & Co Ltd, 1964. http://dx.doi.org/10.1007/978-94-009-5819-7

HORNGREEN, C. T.; DATAR, S. M.; RAJAN, M. Costs Accounting: a managerial emphasis. Upper Saddle River: Pearson Prentice Hall, 2012.

HU, J. et al. Life prediction of steam generator tubing due to stress corrosion crack using Monte Carlo Simulation. Nuclear Engineering and Design, v. 241, n. 10, p. 4289-4298, 2011. https://doi.org/10.1016/j.nucengdes.2011.08.016

JIANG, X. et al. Evaluation of path-history-based fluorescence Monte Carlo method for photon migration in heterogeneous media. Optics Express, v. 22, n. 26, p. 1162-1168, 2014. https://doi.org/10.1364/OE.22.031948

KARDEC, A.; NASCIF, J. Manutenção: função estratégica. 4 ed. Rio de Janeiro: Qualitymark, 2013.

LARUCCIA, M. M. et al. Gerenciamento de Projetos em Pesquisa e Desenvolvimento. Revista de Gestão e Projetos, São Paulo, v. 3, n. 3, p. 109-135, 2012. https://doi.org/10.5585/gep.v3i3.82

LISITSIN, V. A.; PORWAL, A.; MCCUAIG, T. C. Probabilistic Fuzzy Logic Modeling: Quantifying Uncertainty of Mineral Prospectivity Models Using Monte Carlo Simulations. Mathematical Geosciences, v. 46, n. 6, p. 747-769, 2014. https://doi.org/10.1007/s11004-014-9534-1

MARTINS, Roberto Antonio; MELLO, Carlos Henrique Pereira; TURRIONI, João Batista. Guia para elaboração de monografia e TCC em Engenharia de Produção. São Paulo: Atlas, 2014.

METROPOLIS, N. The Beginning of the Monte Carlo Method. Los Alamos Science, p. 125-130, 1987. Disponivel em: <http://library.lanl.gov/cgi-bin/getfile?00326866.pdf>. Acesso em: 24 mar. 2015.

METROPOLIS, N.; ULAM, S. The Monte Carlo Method. Journal of the American Statistical Association, v. 44, n. 247, p. 335-341, 1949. https://doi.org/10.1080/01621459.1949.10483310

MONTEIRO, C. A.; SANTOS, L. S. D.; WERNER, L. Simulação de Monte Carlo em decisão de investimento para implantação de projeto hospitalar. In: Encontro Nacional de Engenharia de Produção, 32., 2012, Bento Gonçalves. Anais Eletrônicos... Bento Gonçalves: ABEPRO, 2012. p. 1-12.

NIGRO, E. et al. Probabilistic approach for failure assessment of steel structures in fire by means of plastic limit analysis. Fire Safety Journal, v. 68, p. 16-29, 2014. https://doi.org/10.1016/j.firesaf.2014.05.020

ORCESI, A. D.; FRANGOPOL, D. M. Optimization of bridge maintenance strategies based on structural health monitoring information. Structural Safety, v. 33, n. 1, p. 26-41, 2011. https://doi.org/10.1016/j.strusafe.2010.05.002

PAI, A.; RANE, S. Development and implementation of maintenance management module of enterprise resource planning in maintenance of power plant. International Journal of System Assurance Engineering and Management, v. 5, n. 4, p. 534-543, 2013. https://doi.org/10.1007/s13198-013-0203-4

PAULI, S.; KOHLER, M.; ARBENZ, P. A fault tolerant implementation of multi-level Monte Carlo methods. Advances in Parallel Computing, v. 25, p. 471-480, 2014. https://doi.org/10.3929/ethz-a-009922757

PEIRAVI, A. Estimation of Expected Lifetime and Reliability During Burn in and Field Operation Using Markov Chain Monte Carlo Simulations. Applied Sciences Journal, v. 4, n. 6, p. 748-754, 2008.

PERES, C. R. C.; LIMA, G. B. A. Proposta de modelo para controle de custos de manutenção com enfoque na aplicação de indicadores balanceados. Gestão & Produção, São Carlos, v. 15, n. 1, p. 149-158, 2008. http://dx.doi.org/10.1590/S0104-530X2008000100013

PRIESOL, J. et al. Quantitative analysis of cathodoluminescence phenomena in InGaN/GaN QW by Monte Carlo method. Applied Surface Science, n. 269, p. 155-160, 2013. https://doi.org/10.1016/j.apsusc.2012.09.158

REIS, A. C. B.; COSTA, A. P. C. S.; ALMEIDA, A. T. D. Diagnóstico da gestão da manutenção em indústrias de médio e grande porte da região metropolitana de Recife. Produção, v. 23, n. 2, p. 226-240, 2013. http://dx.doi.org/10.1590/S0103-65132012005000079

SANTOS, N. A.; SELLITTO, M. A. Estratégia de manutenção e aumento da disponibilidade de um posto de compressão de gases na indústria petrolífera. Produção Online, v.16, n. 1, p. 77-103, 2016. http://dx.doi.org/ 10.14488/1676-1901.v16i1.1905

SANTOS, V. N. et al. Electrochemical and Monte Carlo studies of self-assembled trans-[Fe(cyclam)(NCS)2]+ complex ion on gold surface as electrochemical sensor for nitric oxide. Electrochimica Acta, n. 91, p. 1-10, 2013. https://doi.org/10.1016/j.electacta.2012.11.132

SARAIVA JUNIOR, A. F.; RODRIGUES, M. V.; COSTA, R. P. D. Simulação de Monte Carlo Aplicada à Decisão de Mix de Produtos. Produto & Produção, v. 11, n. 2, p. 26-54, 2010.

SEILA, A. F. Spreadsheet simulation. In: Winter Simulation Conference, 2004, Washington. Proceedings of the 2004 Winter Simulation Conference. Washington: IEEE Press, 2004. p. 41-48. http://dx.doi.org/10.1109/WSC.2004.1371300

STEVENSON, W. J. Operations management. 11. ed. New York: McGraw-Hill-Irwin, 2011.

SYLVESTER, G. A. Monte Carlo: aplicacion en las empresas y en las fuerzas armadas. 1 ed. Asunción: Universidade Nacional de Asunción, 1970.

TEODORO FILHO et al. Modelo para determinar as quantidades em estoque de peças sobressalentes em uma planta de geração de energia. Produção Online, v.17, n. 3, p. 828-856, 2017. http://dx.doi.org/10.14488/1676-1901.v17i3.2549

TINGA, T. Application of physical failure models to enable usage and load based maintenance. Reliability Engineering and System Safety, v. 95, n. 10, p. 1061-1075, 2010. https://doi.org/10.1016/j.ress.2010.04.015

VAN HORENBEEK, A.; PINTELON, L.; MUCHIRI, P. Maintenance optimization models and criteria. International Journal of Systems Assurance Engineering and Management, v. 1, n. 3, p. 189-200, 2010. https://doi.org/10.1007/s13198-011-0045-x

WANG, W. et al. Monte Carlo simulation of primary recrytallization and annealing twinning. Acta Materialia, n. 81, p. 457-468, 2014. https://doi.org/10.1016/j.actamat.2014.08.032

ZHOU, Y. et al. Latent degradation indicators estimation and prediction: A Monte Carlo approach. Mechanical Systems and Signal Processing, v. 25, n. 1, p. 222-236, 2011. https://doi.org/10.1016/j.ymssp.2010.08.012

Publicado

15-03-2019

Como Citar

de Oliveira, L. G., Paiva, E. J. de, & Paiva, A. P. de. (2019). Aplicação do método de Monte Carlo para a previsão de falhas: uma ferramenta de apoio à gestão da manutenção. Revista Produção Online, 19(1), 72–101. https://doi.org/10.14488/1676-1901.v19i1.3091

Edição

Seção

Artigos