UNIVERSIDADE FEDERAL DA BAHIA

ESCOLA POLITÉCNICA

LEANDRO ANTUNES SANTOS

ANÁLISE DE CONFIABILIDADE E DA GESTÃO DE MANUTENÇÃO

DE EQUIPAMENTOS MÉDICO-HOSPITALARES:
UM ESTUDO DE CASO EM EQUPAMENTOS USADOS PARA
DIAGNÓSTICO POR IMAGEM

Salvador
2018
 LEANDRO ANTUNES SANTOS

ANÁLISE DE CONFIABILIDADE E DA GESTÃO DE MANUTENÇÃO

DE EQUIPAMENTOS MÉDICO-HOSPITALARES:

UM ESTUDO DE CASO EM EQUPAMENTOS USADOS PARA

DIAGNÓSTICO POR IMAGEM

Trabalho de conclusão de curso apresentado ao

colegiado do curso de Engenharia de Controle e
Automação de Processos da Universidade Federal
da Bahia como requisito para obtenção do título
de Bacharel em Engenharia de Controle e
Automação de Processos.

Orientador: Profº. M.e. Daniel Diniz Santana

Salvador
2018
 Dedico esta conquista à Deus.
À minha família, em especial à minha mãe, Lourdes,
e ao meu pai, Gabriel, pois nunca pouparam esforços na
luta pela minha educação.
E a Lucas Pires (in memorian) que sempre será
grande exemplo de superação e luta pela democracia.
 AGRADECIMENTOS

A Deus por iluminar meu caminho e me proporcionar a força e perseverança para

chegar a essa conquista.

A todos meus familiares que me incentivaram e zelaram para que este momento fosse
possível. Sobretudo a Srª Maria de Lourdes, minha mãe, professora, exemplo de vida e maior
incentivadora. Ao meu pai, Gabriel, por me ensinar o caminho correto a ser seguido. Vocês,
meus pais, que muitas vezes renunciaram aos seus sonhos para que eu pudesse realizar o meu,
serei eternamente grato.

Ao meu irmão Lázaro e sua esposa Idaiana, pelos momentos de apoio, descontração e
pelo maior presente que poderia receber em toda vida, Gustavo.

Ao grupo dos marotos, Jade, Luis, Adônis, Júlia e Flávia que me acompanham nesta
trajetória. E que apesar do solene juramento, estamos destinados a fazer coisas boas para
sociedade.

Ao Covil, Helena, Ananda, Júlia e Paula, companheiras e exemplos de grandes

mulheres. Agradeço por todo amor, força, incentivo e apoio incondicional. Seus corações
estão comigo e o meu com vocês, sempre.
Aos grandes e incontáveis amigos aos quais tive oportunidade de conhecer, aprender e
compartilhar emoções. Sobretudo aqueles da Universidade, Nívia, Isaac, Jéssica Teles, Uziel,
Lilian, Iara e Jéssica Souza, cujo apoio e amizade me deram forças para ultrapassar todos os
obstáculos da graduação.
A Ronald, meu companheiro da vida, sem o seu apoio esse trabalho não seria possível.
Obrigado por ser tão amoroso, atencioso e por entender minha ausência em diferentes
momentos.

Ao Prof. Daniel Diniz Santana pela oportunidade е apoio na elaboração deste trabalho.

À equipe de Engenhara Clínica e do Arquivo Médico do Complexo HUPES. Foi nesse

período de grande experiência que me tornei um cidadão e um profissional ainda melhor.
 RESUMO

A gestão de manutenção de equipamentos e sistemas adquiriu notoriedade dentro das

organizações durante o século passado, e novas práticas são aprimoradas constantemente para
obter maior eficiência nos processos. No ambiente hospitalar, a engenharia clínica é
responsável por esse aprimoramento. O presente trabalhou buscou fornecer uma introdução à
engenharia e gerenciamento de confiabilidade e analisar as estratégias de manutenção para
equipamentos médico hospitalares (EMH), através de uma modelagem quantitativa,
abrangendo os conceitos de manutenção centrada em confiabilidade (MCC). Para tal, os
conceitos matemáticos foram descritos limitados aos necessários para a solução dos
problemas propostos. Foram expostos os conceitos relacionados às falhas necessários para
estudo de confiabilidade, disponibilidade de EHM e modelagem de distribuição de
probabilidade Normal, LogNormal, Weibull, Gamma e Exponencial. Com base nos dados de
MTTF (Mean time do failure) e MTTR (Mean time to repair) foram adotados procedimentos
para a resolução de problemas através de técnicas de estimação de parâmetos com o auxílio
do software ProConf 2000, onde foram identificadas e modeladas as distribuições de
probabilidade mais adequadas para os equipamentos de diagnóstico (tomógrafos, ultrassom
diagnóstico e mamógrafo) do Complexo Hospitalar Universitário Professor Edgard Santos.
Tal estudo demonstrou ser uma metodologia quantificável, cuja aplicação correta serve de
subsídio para aprimorar conhecimento e tomada de decisão para procedimentos de
manutenção contextualizados mais viáveis no gerenciamento da falha de cada item, visando
garantir padrões mínimos de segurança, maior eficiência de equipamentos e maximização da
disponibilidade para a operação.

Palavras-chave: falhas, confiabilidade, manutenção, distribuição de probabilidade,

equipamentos médicos.
 ABSTRACT

Equipment and systems maintenance management has become notorious within

organizations during the last century, and new practices are constantly being improved to
achieve greater process efficiency. In the hospital environment, clinical engineering is
responsible for this improvement. The present work sought to provide an introduction to
engineering and reliability management and to analyze maintenance strategies for hospital
medical equipment (EMH) through quantitative modeling, covering the concepts of
reliability-centric maintenance (MCC). For this, the mathematical concepts were described
limited to those necessary for the solution of the proposed problems. The concepts related to
the failures required to study reliability, EHM availability and Normal, LogNormal, Weibull,
Gamma and Exponential probability distribution modeling were presented. Based on MTTF
(Mean Time of Failure) and MTTR (Mean Time to Repair), procedures were used to solve
problems using parameter estimation techniques with the help of ProConf 2000 software,
where the distributions were identified and modeled of probability for the diagnostic
equipment (tomography, diagnostic ultrasound and mammography) of the University Hospital
Complex Professor Edgard Santos. This study proved to be a quantifiable methodology,
whose correct application serves as a basis for improving knowledge and decision making for
more viable contextualized maintenance procedures in the management of the failure of each
item, in order to guarantee minimum safety standards, greater equipment efficiency and
maximization of availability for operation.

Keywords: failures, reliability, maintenance, probability distribution, medical equipment.

 LISTA DE FIGURAS

2.1 Comparativo entre sistemas reparáveis e não reparáveis.....................................16

2.2 Curva da banheira.................................................................................................17

2.3 Função densidade de probabilidade de falha e a relação com a

confiabilidade........................................................................................................20

2.4 Indicadores de Confiabilidade de equipamentos..................................................21

2.5 Função distribuição de probabilidade de falhas, funções de confiabilidade e taxa

de risco para distribuição normal..........................................................................24

2.6 Efeito da variação dos parâmetros da distribuição Lognormal.............................25

2.7 Efeito da variação do parâmetro σ nos gráficos de distribuição

Lognormal.............................................................................................................26

2.8 Formas de distribuições de falhas comuns, funções de confiabilidade e taxa de

risco para distribuição gamma..............................................................................27

2.9 Formas de distribuições de falhas comuns, funções de confiabilidade e taxa de

risco para Distribuição Exponencial.....................................................................28

2.10 Formas de distribuições de falhas comuns, funções de confiabilidade e taxa de

risco para Distribuição Weibull............................................................................30

2.11 Limite de confiança bilateral de 90%..................................................................30

2.12 Evolução das estratégias de manutenção..............................................................34

2.13 Curvas da banheira esperadas e estratégias de manutenção.................................36

2.14 Ciclo de vida das Tecnologias em Saúde..............................................................39

3.1 Modelos Ultrassom analisados.............................................................................42

3.2 Tomógrafos em uso no EAS estudado..................................................................43

3.3 Mamógrafo em uso no EAS estudado..................................................................43

4.1 Representação em papel de probabilidade para dados de falha do Ultrassom 1..47

 4.2 Papel de probabilidade utilizando dados ultrassom 2...........................................48

4.3 Confiabilidade dos equipamentos de ultrassom diagnóstico...............................49

4.4 Taxa de ricos dos equipamentos de ultrassom diagnóstico.................................50

4.5 Características das falhas registradas para os aparelhos de ultrassonografia........50

4.6 Características das falhas registradas para o tomógrafo A...................................51

4.7 Papel de probabilidade utilizando dados tomógrafo A.........................................52

4.8 Características das falhas registradas para o tomógrafo B...................................53

4.9 Papel de probabilidade utilizando dados tomógrafo B.........................................54

4.10 Taxa de falha do tomógrafo B para distribuição lognormal e Weibull................55

4.11 Confiabilidade associada aos tomógrafos para uma jornada 10.000 horas..........56

4.12 Comportamento função de risco dos tomógrafos.................................................56

4.13 Falhas registradas no mamógrafo.........................................................................57

4.14 Papel de probabilidade utilizando dados tomógrafo 1..........................................58

4.15 Confiabilidade e taxa de risco do mamógrafo......................................................59

 LISTA DE QUADROS E TABELAS

2.1 Comportamento da função taxa de falha para distribuição Weibull...................29

4.1 Registros de tempo até a falha e reparos do aparelho de ultrassom 1................46

4.2 Registros de tempo até a falha e reparos do aparelho de ultrassom 2...............46

4.3 Ajuste de função de probabilidade para aparelho de ultrassom 1.......................47

4.4 Ajuste de função de probabilidade para o aparelho de ultrassom 2....................48

4.5 Parâmetros de confiabilidade para aparelhos de ultrassom................................49

4.6 Dados de falha e reparos do tomógrafo A..........................................................51

4.7 Ajuste de função de probabilidade tomógrafo A................................................52

4.8 Dados de falha e reparos do tomógrafo B..........................................................53

4.9 Ajuste de função de probabilidade tomógrafo B................................................54

4.10 Parâmetros de confiabilidade para aparelhos de tomografia..............................55

4.11 Dados de falha e reparos do mamógrafo............................................................57

4.12 Ajuste de função de probabilidade mamógrafo..................................................58

4.13 Parâmetros da distribuição de probabilidade Weibull para o mamógrafo.........59

4.14 Fase do clico de vida dos equipamentos estudados............................................60

4.15 Relação Custo MP/ Custo MC e intervalo ótimo entre MP do ultrassom A e

mamógrafo..........................................................................................................63

4.16 Relação Custo MP/ Custo MC e intervalo ótimo entre MP tomógrafo B..........63
 SÍMBOLOS E ABREVIATURAS

2P 2 Parâmetros

ABNT Associação Brasileira de Normas Técnicas

ACCE American College of Clinical Engineering

EAS Estabelecimento Assistencial de Saúde

EBSERH Empresa Brasileira de Serviços Hospitalares

EC Engenharia Clínica

EMH Equipamentos Médico-Hospitalares

HUPES Hospital Universitário Professor Edgard Santos

IBOPE Instituto Brasileiro de Opinião Pública e Estatística

IOT Internet Of Things

Kc Custo de Manutenção Corretiva

Kp Custo de Manutenção Preventiva

KS Kolmogorov Smirnov

MCC Manutenção Centrada na Confiabilidade

MC Manutenção Corretiva

MP Manutenção Preventiva

MTBF Mean Time Between Failures

MTTF Men Time To Failure

MTTR Mean Time do Repair

OS Ordem de Serviço

TTF Time to Failure

TTR Time to Repair

 SUMÁRIO

1 INTRODUÇÃO .............................................................................................................................. 12
1.1 OBJETIVOS GERAIS ........................................................................................................ 14
1.2 OBJETIVOS ESPECÍFICOS .............................................................................................. 14
2 FUNDAMENTAÇÃO TEÓRICA ................................................................................................ 15
2.1 CONFIABILIDADE DE SISTEMAS ................................................................................ 15
2.1.1 Sistemas Reparáveis e Não-reparáveis .......................................................................... 15
2.1.2 Falhas ............................................................................................................................ 16
2.1.3 Função Confiabilidade .................................................................................................. 18
2.1.4 Disponibilidade ............................................................................................................. 21
2.1.5 Mantenabilidade ............................................................................................................ 22
2.1.6 Distribuições de Probabilidade de Falhas ..................................................................... 23
2.1.7 Intervalo de Confiança .................................................................................................. 30
2.1.8 Verificação de Aderência dose Dados às Distribuições de Probabilidade .................... 31
2.2 MANUTENÇÃO DE EQUIPAMENTOS .......................................................................... 33
2.2.3 Estratégias de Manutenção ............................................................................................ 35
2.3 ENGENHARIA CÍNICA E EQUIPAMENTOS MÉDICOS HOSPITALARES (EMH)... 38
3 ESTUDO DE CASO: COMPLEXO HOSPITALAR PROFESSOR EDGARD SANTOS ..... 40
3.1 HISTÓRICO ....................................................................................................................... 40
3.2 METODOLOGIA DA PESQUISA .................................................................................... 41
3.3 ASPECTOS ÉTICOS .......................................................................................................... 41
3.4 DEFINIÇÃO DA AMOSTRA ............................................................................................ 41
3.5 ANÁLISE DOS DADOS .................................................................................................... 44
3.6 DEFINIÇÃO DOS PARÂMETROS .................................................................................. 44
3.7 TESTES DE ADERÊNCIA ................................................................................................ 45
4 RESULTADOS E DISCUSSÃO ................................................................................................... 46
4.1 ULTRASSOM DIAGNÓSTICO ........................................................................................ 46
4.2 TOMÓGRAFOS ................................................................................................................. 51
4.3 MAMÓGRAFO .................................................................................................................. 57
4.4 DISCUSSÃO DE RESULTADOS ..................................................................................... 60
5 CONCLUSÃO ................................................................................................................................ 65
5.1 TRABALHO FUTUROS .................................................................................................... 66
REFERÊNCIAS .................................................................................................................................. 67

11
1 INTRODUÇÃO

Dentre os maiores problemas que assolam a população brasileira no século XXI, a saúde
ocupa 3º lugar no ranking, atrás apenas da segurança e corrupção. Melhorar os serviços de
saúde é a medida mais pontuada entre as três principais prioridades para o Governo em 2018,
citada por praticamente quatro em cada dez brasileiros (IBOPE, 2018).
É comum observar nos hospitais e estabelecimentos de assistência e saúde, a
precarização dos serviços e uma oferta de consultas, exames e procedimentos muito inferior à
demanda da população. Em alguns casos, a falta de equipamentos em estado operacional afeta
a prestação do serviço de saúde.
Equipamentos hospitalares possuem custo alto tanto para compra, como para
manutenção. Grande parte do recurso dos hospitais é direcionada para conserto de
equipamentos que falham por diversos motivos, desde uso incorreto por parte dos
profissionais, instalações inadequadas ou uma gestão pouco eficiente da manutenção.
Atualmente, o cenário dos hospitais brasileiros é considerado precário.
O ambiente de hospital universitário é um do organismo de gerenciamento complexo,
em virtude dos objetivos de assistência, ensino, pesquisa e extensão que abrangem
conhecimentos administrativos, financeiros, pedagógicos e de planejamento de projetos.
Para Lucatelli (2002), a área hospitalar acompanhou a tendência global de incorporação
de tecnologias, repercutindo nas inevitáveis transformações, muitas vezes não assimiladas, da
sua gestão e utilização pelos profissionais de saúde. A tecnologia tornou-se cada vez mais
confiável e, em muitos casos, menos dependente de intervenções. Contudo, o uso das novas
tecnologias voltada para a assistência aumentou significativamente, modificando a atuação do
médico, tornando-o quase que totalmente dependente de variáveis e resultados por ela
fornecidos.
Ainda há grande deficiência de estudos e trabalhos sobre manutenção dos equipamentos
hospitalares. Contudo, as organizações vêm se aperfeiçoando tanto nos serviços prestados de
saúde, quanto nos processos administrativos, utilizando a ferramenta da manutenção para
prevenir e corrigir os defeitos dos equipamentos hospitalares, mantendo o estado de
operacionalidade. Portando, ressalta-se a importância de possuir hospitais de qualidade, com
boa infraestrutura, com equipamentos modernos e isentos de quebras.
Para atender aos requisitos de qualidade, hospitais e estabelecimento de assistência em
saúde estabeleceram formalmente os departamentos de engenharia clínica para lidar com

12
essas novas responsabilidades técnicas e para capacitar e supervisionar técnicos na execução
das tarefas.
Tratar de confiabilidade de equipamentos e sistemas é uma das principais linhas de
pesquisa nas diversas áreas da produção de bens e serviços, com intuito de minimizar os
riscos à segurança operacional, ao meio ambiente e a otimização de recursos. Em dispositivos
complexos, diversos parâmetros de produtividade e qualidade estão envolvidos. Quando a
operação de um dispositivo abrange um risco elevado, como ocorre em um ambiente
hospitalar, a confiabilidade deve assumir prioridade alta em relação aos demais parâmetros,
pois a ocorrência de falhas pode resultar em danos e perda de vidas humanas.
A evolução da tecnologia no setor hospitalar demonstra as contribuições da engenharia
para o avanço dos cuidados de saúde. O desenvolvimento e utilização de dispositivos médicos
parte da pesquisa, design e teste clínico, até as boas práticas de utilização e manutenção.
Para O’Coonor (2012) a a preocupação com falhas no domínio do tempo é o que
distingue a engenharia de confiabilidade, do controle de qualidade tradicional. A
confiabilidade é, portanto, um aspecto da incerteza de engenharia. Se um item funcionará para
um período específico é uma questão que pode ser respondida através de um modelo baseado
em probabilidade.
No contexto da busca pela qualidade dos serviços oferecidos à população, o estudo
procura responder à questão de como se encontra a situação da gestão da manutenção nos
equipamentos de exames de imagem no Hospital Universitário Professor Edgar Santos em
Salvador. E, de acordo com o cenário apresentado, avaliar a confiabilidade destes
equipamentos, encontrando indicadores que possam auxiliar no estabelecimento de
procedimentos de manutenção programada contextualizados, na identificação de deficiências
quanto à confiabilidade e na determinação de ações corretivas acerca do projeto, trazendo
melhorias e um ambiente seguro e saudável para prática da assistência.
Para um EAS, é interessante que a análise e inferência dos indicadores de manutenção
de equipamentos sejam feitos com base nos registros de dados feitos ao longo do período de
utilização do item. Os EMH podem ser iguais quantos às especificações técnicas, contudo,
diferenciam-se quanto à frequência de uso, instalações e condições de operação as quais são
submetidos. Desta forma, utilizar técnicas de modelagem e estimação de parâmetros de
funções que representam a confiabilidade e falhas dos itens, torna-se essencial.
A metodologia adotada neste trabalho foi constituída por uma revisão da literatura da
área de confiabilidade, modelos de distribuição probabilística, evolução cronológica das

13
práticas de manutenção com ênfase nas atribuições da Engenharia Clínica, nas práticas de
manutenção centrada em confiabilidade e aplicação dos tópicos expostos no estudo de caso.

1.1 OBJETIVOS GERAIS

Definir a probabilidade dos equipamentos de tomografia, ultrassom e mamografia

desempenharem a sua função especificada no projeto, de acordo com as condições de
operação em um intervalo específico de tempo e verificar a existência de um sistema de
gestão da manutenção eficiente nestes equipamentos.

1.2 OBJETIVOS ESPECÍFICOS

De acordo os objetivos gerais, destacam-se as finalidades do estudo:

a) destacar os conceitos relativos às estratégias e metodologias de manutenção e

modelagem de funções de densidade de probabilidade de falha; Commented [LAS1]: Isso não é objetivo

b) realizar um estudo de caso com análise documental dos registros de manutenção dos
equipamentos de diagnóstico por imagem de um hospital de grande porte, encontrando
modelos que descrevem o comportamento e tempos de falhas para cada item;
c) analisar os indicadores de confiabilidade, disponibilidade e mantenabilidade presentes
na literatura e aplicar aos equipamentos em estudo (taxa de falha, MTBF, MTTF,
disponibilidade);
d) identificar e caracterizar técnicas de manutenção contextualizadas, com base no banco
de dados, para cada EMH analisado, ressaltando aspectos positivos e negativos do
atual programa de gerenciamento de EMH; Commented [LAS2]: Isso não poderia estar junto?

e) elencar pontos positivos que indicadores de MCC podem trazer à área em questão,
quando comparada às metodologias tradicionais de gerenciamento de equipamento nos
EAS. Commented [LAS3]: Avaliar outras estratégias

14
2 FUNDAMENTAÇÃO TEÓRICA

2.1 CONFIABILIDADE DE SISTEMAS

Para garantir a operação de equipamentos de diversas áreas, de forma a obter maior

eficiência, segurança, diminuição de custos e maximizar a disponibilidade dos equipamentos,
torna-se necessário a utilização de técnicas estruturadas que permeiam os conceitos de
sistemas mais confiáveis e disponíveis sempre que necessário.
A engenharia está centrada em oferecer produtos e soluções inovadoras e eficientes para
os usuários. Tratando de equipamentos e sistemas, a engenharia de confiabilidade é uma das
principais ferramentas para diversas áreas da manufatura, produção de bens e serviços, a qual
focaliza os riscos à segurança operacional, ao meio ambiente e a otimização de recursos. A
aplicação de conceitos e práticas relacionadas à confiabilidade, resulta em benefícios sob
diversos aspecto: no âmbito financeiro, pois haverá redução no número de paradas não
programadas nas plantas, menores custos de manutenção corretivas, operação e apoio. Além
de menores perdas por lucro cessante, e diminuição nos riscos de acidentes.
O índice de confiabilidade de um equipamento pode ser obtido através dos dados de
ensaio ou dados de operação. Contudo, devem ser considerados o arranjo de seus principais
dispositivos, pois as configurações dos sistemas podem variar de acordo a organização dos
equipamentos e processos.

2.1.1 Sistemas Reparáveis e Não-reparáveis

Os conceitos e aplicações das técnicas de análise de confiabilidade oferecem diferentes

abordagens a depender do sistema a qual será aplicado e se há possibilidade de o sistema ser
reparado após uma falha, retornando para seu estado de uso (figura 2.1b). A capacidade de
reparação é influenciada por fatores de custo de reparo, idade limite para conserto ou estado
de uso do sistema.
Para um item não reparável (figura 2.1a) , confiabilidade é a probabilidade de sobrevida
de um item. Durante seu o ciclo de vida, a probabilidade instantânea da primeira e única falha
é a taxa de risco. Para aqueles sistemas que podem ser reparados quando falham, a
confiabilidade é a probabilidade de que a falha não ocorra período de interesse.
O’Connor (2012) destaca que o termo taxa de falha tem um significado mais amplo e é
frequentemente aplicada a sistemas reparáveis que expressam o número de falhas por unidade

15
de tempo, aplicado a uma unidade na população, quando uma ou mais falhaspode ocorrer em
um contínuo de tempo.

FIGURA 2.1 – Comparativo entre sistemas reparáveis e não reparáveis.

FONTE: Adaptado de O’Connor (2012).

2.1.2 Falhas

A falha de um equipamento é a situação na qual este se torna incapaz, total ou

parcialmente, de desempenhar uma ou mais funções para qual foi projetado e construído.
De acordo com Birolini (2007), um modo de falha é o sintoma (efeito local) através do
qual uma falha é observada. Um mecanismo de falha é o processo físico, químico ou outro
que resulta em falha. Alguns modos de falha típicos são conhecidos em equipamentos: curtos,
desvios ou falhas funcionais para componentes, ruptura, deformação, rachaduras para
componentes mecânicos, entre outros.
Os equipamentos falham por fatores quem envolvem projeto, fabricação e utilização. As
falhas de projeto acontecem quando há seleção de materiais inadequados, dimensionamento
não correspondente ou dificuldade de identificação das necessidades do cliente. As falhas na
fase de fabricação estão associadas à montagem e desenvolvimento inadequado dos produtos.
Além disso, o uso incorreto dos equipamentos, seja por falta de instrução dos usuários ou
operação sob condição não recomendadas contribui significativamente para ocorrência das
falhas.
O ciclo de vida de equipamentos pode ser genericamente descrito através da curva da
banheira (figura 2.2), que demonstra a variação na ocorrência de falhas em três períodos
distintos.

16
 Figura 2.2 – Curva da Banheira.

Fonte: (RIGONI, 2009).

Na mortalidade infantil indicada como Região 1 na figura 2.2, estão concentradas as

falhas prematuras, corresponde ao período de partida da componente ou sistema, e é
caracterizado por uma taxa de falhas consideravelmente elevadas, porém apresenta tendência
decrescente ao longo do tempo, tendendo para um valor mais baixo e constante.
De acordo com Fogliatto e Ribeiro (2011), a mortalidade infantil é reduzida através da
adoção de projetos robustos de produto, práticas de controle de qualidade na manufatura, ou
aplicando testes de stress aos itens, onde as unidades são testadas em condições normais de
uso por um período de tempo suficiente para que defeitos precoces sejam detectados e
corrigidos antes das falhas.
Após a fase de mortalidade infantil, o item incorpora a fase de maturidade, região 2 da
figura 2.2, onde a taxa de falha assume valor constante, e espera-se que que os equipamentos
funcionem dentro deste período com registro de poucas falhas, após ultrapassado o período
inicial de taxa alta.
No período de desgaste, no término de vida útil, a taxa de falha cresce
continuamente. Esse comportamento pode indicar a necessidade de substituição de
componentes. Lafraia (2014) elenca causas de falhas no período de mortalidade sênior:
desgaste, abrasão, envelhecimento, deterioração, fadiga, fluência, e corrosão. Algumas
medidas para amenizar intensidade do envelhecimento envolve projetos de equipamentos com
componentes e materiais mais duráveis, estratégia de manutenção mais eficientes e controle
de fatores ambientais que possam intensificar a taxa de falha do produto. Alguns sistemas
podem não apresentar as três fases de formas distintas e observáveis.
Por estar sujeito a variações aleatórias, o tempo até que um equipamento falhe é
interpretado como uma variável aleatória. Pressupondo essa variável T distribuída
continuamente, a variação da probabilidade de falhas por unidade tempo pode ser

17
representada matematicamente através da função densidade de probabilidade de falhas, de
acordo com Fogliatto e Ribeiro (2011):

𝑑𝐹(𝑡) 𝐹(𝑇+ ∆𝑡)−𝐹(𝑡)

𝑓(𝑡) = 𝑑𝑡
= lim ∆𝑡
. ( 2.1 )
∆𝑡 →0

A função acumulada de falhas 𝐹(𝑡) expressa a probabilidade de falha entre períodos

distintos e é dada por

𝑡
𝐹(𝑡2 ) − 𝐹(𝑡1 ) = ∫𝑡 2 𝑓(𝑡)𝑑𝑡 = 𝑃(𝑇 ≤ 𝑡), 𝑡 > 0. ( 2.2 )
1

Verifica-se que F(t) é crescente com o tempo, atingindo um valor unitário quando t
tende ao infinito.

2.1.3 Função Confiabilidade

Tratar de confiabilidade de equipamentos e sistemas está intrinsecamente associado ao

estudo das falhas e os tempos e modos em que estas ocorrem.
De acordo com O’Connor (2012), a confiabilidade pode ser definida como a área de
estudo sobre as falhas que podem ocorrer com o produto durante o seu ciclo de vida,
incorporando os cálculos da taxa de falha ou da probabilidade de falha de um componente ou
sistema, e avaliação e correção das falhas.
Telles (2018) define confiabilidade como a probabilidade de um determinado item,
componente, equipamento, máquina ou sistema desempenhar a sua função especificada no
projeto, de acordo com as condições de operação especificadas, em um intervalo específico de
tempo.
Assim, em um tempo t, a função confiabilidade R(t), também conhecida como função
de sobrevivência, é dada por:

𝑛𝑠 (𝑡) 𝑛𝑠 (𝑡)
𝑅(𝑡) = = , ( 2.3 )
𝑛𝑠 (𝑡)+ 𝑛𝑓 (𝑡) 𝑛0

onde 𝑛0 , 𝑛𝑠 (𝑡) e 𝑛𝑓 (𝑡) correspondem, respectivamente, à quantidade de itens submetidos a

testes operacionais, unidades sobreviventes e unidades que falharam.

18
 Esta probabilidade de que uma unidade sobreviva em um intervalo de tempo, é dada
pela função R(t):

∞ 𝑡
𝑅(𝑡) = ∫𝑡 𝑓(𝑡)𝑑𝑡 = 1 − ∫−∞ 𝑓(𝑡)𝑑𝑡 = 1 − 𝐹 (𝑡), ( 2.4 )

e F (𝑡) sendo a probabilidade de falha do sistema, define-se:

𝐹(𝑡) = 1 − 𝑅(𝑡). ( 2.5 )

A taxa condicional de falha pode ser descrita como a probabilidade condicional no
intervalo ∆𝑡 considerando que não houve falhar em t. Essa é uma função interessante para
descrição de um produto, denominada taxa de riscos (hazard function), a qual pode ser
modelada a partir da curva da banheira, e permite a determinação do número de falhas por
unidade de tempo. A taxa de riscos é definida por Fogliatto e Ribeiro (2011), pela equação:

𝑅(𝑡)−𝑅(𝑡+ ∆𝑡) 𝑓(𝑡) 𝑓(𝑡)

ℎ(𝑡) = lim = = . ( 2.6 )
∆𝑡 →0 𝑅(𝑡)∆𝑡 𝑅(𝑡) 1−𝐹(𝑡)

O’Connor (2012) ressalta que dois componentes podem apresentar a mesma

confiabilidade num tempo t e taxas de falhas (até o tempo t) completamente diferentes. As
+∞
funções taxas de falha condicional satisfazem duas condições: (i) ∫0 ℎ(𝑡)𝑑𝑡 = +∞ e (ii)
h(t) ≥ 0 para todo t ≥ 0. A unidade de medida da taxa de risco é dada em falhas por unidade de
tempo.
As funções 𝑓(𝑡) e 𝑅(𝑡) podem ser determinadas em função da taxa condicional de
falha. A partir da equação 2.6, considerando que R(0) = 1, se obtém:

𝑡
𝑅(𝑡) = 𝑒 − ∫0 ℎ(𝑡)𝑑𝑡 ( 2.7 )

𝑡
𝑓(𝑡) = ℎ(𝑡). 𝑒 − ∫0 ℎ(𝑡)𝑑𝑡 ( 2.8 )

A Figura 2.3 ilustra a relação entre a função de densidade de probabilidade de falha,

confiabilidade R (t), e função de falha F (t). Em qualquer momento t, a área sob a curva
esquerda de t representaria a fração da população deverá falhar F (t) e área à direita a fração
esperada para sobreviver R (t). Em engenharia de confiabilidade, normalmente não são
encontrados valores medidos abaixo de zero e o limite da integral definida é então 0.
19
 FIGURA 2.3: Função densidade de probabilidade de falha e sua relação com a confiabilidade.

FONTE: Adaptado do O’Connor (2012)

Alguns parâmetros são importantes em estudos de confiabilidade e na gestão de

equipamentos, como o tempo até falha (MTTF - Mean Time to Failures) que representa
tempo transcorrido desde o momento em que a unidade é colocada em operação até a sua
falha, geralmente utilizado para sistemas não reparáveis e é dado pela esperança (valor
esperado) da variável T, conforme a equação:

∞
𝑀𝑇𝑇𝐹 = 𝐸(𝑇) = ∫0 𝑡. 𝑓(𝑡)𝑑𝑡, ( 2.9 )

e considerando 𝑓(𝑡) = −𝑅 ′ (𝑡), se obtém outra expressão para MTTF:

∞
𝑀𝑇𝑇𝐹 = ∫0 𝑅(𝑡)𝑑𝑡. ( 2.10 )

O tempo tédio entre as falhas (MTBF - Mean Time Between Failures), é tido como o a
medida básica da confiabilidade e contabiliza o tempo médio entre as falhas de equipamentos
reparáveis. Este indicador fornece uma ideia do tempo adequado para que medidas sejam
tomadas com intuito de garantir que os equipamentos e sistemas estejam disponíveis quando
requisitados e os níveis de segurança sejam mantidos. O MTBF é calculado como o inverso
da taxa de falhas e a expressão matemática para este indicador:

1
𝑀𝑇𝐵𝐹 = ( 2.11 )
ℎ(𝑡)

O Tempo Médio de Reparo (MTTR - Mean Time To Repair) é descrito como o tempo
médio para que equipamentos sejam consertados. Este período abrange o primeiro
atendimento de verificação do item, o tempo utilizado para diagnosticar o problema, e o
20
tempo para reparo. Os métodos mais utilizados para estimar o MTTR é a média aritmética dos
tempos de reparo (𝑡𝑟 ) ou a média ponderada de cada modo de falha. A ponderação é feita pela
respectiva taxa de falha:
∑ ℎ(𝑡).𝑡𝑟
𝑀𝑇𝑇𝑅 = ∑ ℎ(𝑡)
( 2.12 )

Os indicadores citados foram descritos por O’Connor (2012) e suas relações estão
elucidados na figura 2, indicando o estado de funcionamento de um sistema reparável ao logo
do tempo:

Figura 2.4 – Indicadores de Confiabilidade de equipamentos

Fonte: (FOGLIATTO E RIBEIRO, 2011).

2.1.4 Disponibilidade

Conforme NBR-5462 (1994), disponibilidade é a capacidade de um item estar em

condições de executar certa função em um dado instante ou durante um intervalo de tempo
determinado, levando-se em conta os aspectos combinados de sua confiabilidade,
mantenabilidade e suporte de manutenção, supondo que os recursos externos requeridos
estejam assegurados.
A disponibilidade de um equipamento pode então ser definida pelo percentual de tempo
em que o sistema se encontra operante, para componentes que operam continuamente. Mas
para componentes que estão em reserva, é a probabilidade de sucesso na operação do sistema
quando demandados.
A disponibilidade operacional numa abordagem quantitativa, determina a condição de
operação do item. A dependabilidade, por sua vez, considera também os conceitos e
indicadores de confiabilidade e segurança. Quando aspectos qualitativos são considerados,
como os fatores humanos (cumprimento de normas padrões, conhecimento prévio para o
diagnóstico e caracterização de falhas e suporte logístico (ferramentas para efetuar o reparo e
disponibilidade de peças sobressalentes, etc.) a disponibilidade é denominada disponibilidade
intrínseca (Birolini, 2007).

21
 A disponibilidade operacional é descrita por O’Connor (2012) através da expressão:

𝑀𝑇𝐵𝐹
𝐴(𝑡) = ( 2.13 )
𝑀𝑇𝐵𝐹+𝑀𝑇𝑇𝑅

É possível verificar que o MTTR tem impacto sobre a disponibilidade e não a

confiabilidade. Quando maior o MTTR, maior a avaria do sistema. Ou seja, quanto mais
tempo leva a recuperar o sistema, menos disponibilidade ele tem.
De acordo com Walid e Sameh (2009), a disponibilidade de um equipamento pode ser
classificada de acordo com o índice encontrado: excelente, se a disponibilidade estiver ente
95% e 100%; muita boa para índice entre 90 a 94,9%; boa para disponibilidade entre 80 a
89,9%; média se o parâmetro estiver entre 70 a 79.9% e baixa para índices menores que
69,9%.
O’Connor (2012) ressalta que a disponibilidade deve ser priorizada em sistemas
relativamente complexos, como telecomunicações e redes de energia, equipamento de suporte
à vida, instalações químicas e estações de radar, pois em tais sistemas, a alta confiabilidade
por si só não é suficiente para garantir que o sistema estará disponível quando necessário.
Também é necessário garantir que ele possa ser consertado rapidamente e que as tarefas
essenciais de manutenção programada podem ser executadas rapidamente.

2.1.5 Mantenabilidade

A maioria dos sistemas passa por procedimentos com finalidade de preservar suas
funcionalidades durante a sua vida útil, ou restaurar as propriedades de um dispositivo que
apresentou alguma falha, adotando ações de manutenção, que podem incluir revisão, reparo,
remoção, substituição, modificação, inspeção, calibração, verificação, dentre outras.
Birolini (2007) define a mantenabilidade como uma característica de um item, expressa
pela probabilidade de que um manutenção preventiva ou um reparo do item será realizado
dentro de um prazo tempo intencional para determinados procedimentos e recursos (nível de
habilidade do pessoal, peças, instalações de teste, etc.). Do ponto de vista qualitativo, a
manutenabilidade pode ser definida como a capacidade de um item ser retido ou restaurado
em um estado especificado.
Práticas de manutenção podem afetar tanto a confiabilidade como a mantenabilidade.
No caso da confiabilidade, se as práticas adotadas não são capazes de detectar uma falha ou
potencial de falha de forma eficiente, é evidente que a frequência de falhas pode aumentar, e o
22
MTBF tende a diminuir. Enquanto na engenharia de confiabilidade o interesse é de se obter
um MTBF maior possível com falhas pouco frequentes, na engenharia de mantenabilidade o
interesse é o de se obter um MTTR mínimo (Salgado, 2008).

2.1.6 Distribuições de Probabilidade de Falhas

Os métodos para encontrar indicadores de confiabilidade apresentados até o momento,

são baseados em técnicas não paramétricas de obtenção de dados. Contudo, é possível definir
a distribuição de probabilidade que melhor se ajusta ao comportamento do tempo de falha do
produto, e a partir daí, estimar as medidas de confiabilidade. Conhecendo-se a distribuição de
probabilidade que melhor se ajusta a esses tempos, é possível estimar a probabilidade de
sobrevivência da unidade para qualquer tempo t.
Dentre as distribuições de probabilidade conhecidas, as mais utilizadas em análise de
confiabilidade são a normal, gamma, logNormal, exponencial e weibull. Para fazer a análise
deste ponto de vista, é necessário definir as propriedades desejadas de um estimador e fazer a
estimação dos parâmetros das distribuições de probabilidade através do método apropriados.
Tais parâmetros podem ser classificados como de localização, escala ou forma.
Os parâmetros de localização incidem sobre o deslocamento da distribuição de
probabilidade ao longo do eixo do tempo, também chamados de parâmetros de vida mínima
ou de garantia. Os parâmetros de escala, por sua vez, são utilizados para fazer expansão ou
contração da curva de distribuição ao longo do tempo. Os parâmetros de forma modificam a
curva de função de densidade de probabilidade (Fogliatto,2011).
Para os modelos de função de distribuição que serão apresentados pressupõe-se a
variável t distribuída continuamente.

2.1.6.1 Distribuição normal ou de Gauss

A função distribuição de probabilidade de Gauss é amplamente utilizado para modelos

da natureza, pois padrão normal de distribuição de dados ocorre em muitos fenômenos
naturais, como alturas humanas, padrões climáticos e assim por diante. No entanto, existem
limitações inerentes ao uso deste modelo em algumas aplicações de engenharia. A função de
distribuição de probabilidade Gaussina e a equação de probabilidade acumulada de falhas é
dada por Birolini (2007):

23
 1 𝑡− 𝜇 2
1 [− ( ) ]
𝑓(𝑡) = 1 𝑒 2 𝜎 , ( 2.14 )
𝜎(2𝜋) ⁄2

𝑡− 𝜇 −𝑡2
1
F(t) = 1
𝜎 𝑒
∫−∞ 2 𝑑𝑡 , ( 2.15 )
(2𝜋) ⁄2

assim como as expressões para determinar confiabilidade e o comportamento da taxa de risco:

1 𝑡− 𝜇 2
∞ 1 [− ( ) ]
R(t) = ∫𝑡 1 𝑒 2 𝜎 𝑑𝑡 ( 2.16 )
𝜎(2𝜋) ⁄2

1 𝑡− 𝜇 2
1 [− ( ) ]
1⁄ 𝑒 2 𝜎
𝑓(𝑡) 𝜎(2𝜋) 2
h(t) = 𝑅(𝑡)
= 1 𝑡− 𝜇 2
. ( 2.17 )
∞ 1 [− ( ) ]
∫𝑡 1⁄ 𝑒 2 𝜎 𝑑𝑡
𝜎(2𝜋) 2

Os gráficos correspondentes às equações supracitadas podem ser observados na figura

2.5. Para distribuição do tipo normal, µ e σ correspondem aos parâmetros de localização
(média) e de forma, respectivamente.
Uma população ou amostra, que se ajusta à distribuição de Gauss, apresentará variação
simétricas em torno do valor médio. Quando um valor estiver sujeito a muitas variabilidades
que se somam, independente da distribuição destas variações, o resultado será uma
distribuição composta normalmente distribuída (LAFRAIA, 2014).
Segundo O’Connor (2012), justifica-se o uso da distribuição normal em muitas
aplicações de engenharia, incluindo controle de qualidade. A distribuição normal é um ajuste
interessante para controles de qualidade, porém apresenta pouca aplicabilidade em
observações de confiabilidade e vida dos itens sujeitos a falhas de desgaste.

FIGURA 2.5 – Formas de distribuições de falhas comuns, funções de confiabilidade e taxa de risco
para Distribuição Normal

Fonte: (O’CONNOR, 2012).

24
2.1.6.2 Distribuição lognormal

Uma variação da distribuição normal que possibilita um melhor ajuste da população e

não admite valores t<0. A função distribuição lognormal é expressa por (HERRMANN
2011):
1 𝑙𝑛𝑡− 𝜇 2
1 [− ( ) ]
𝑓(𝑡) = 1 𝑒 2 𝜎 , ( 2.18 )
𝜎𝑡(2𝜋) ⁄2

e as equações de probabilidade acumulada de falhas, confiabilidade e taxa de falha são dadas

pelas equações X a XX, respectivamente (LAFRAIA, 2014) :

𝑙𝑛𝑡− 𝜇
𝐹(𝑡) = Φ ( 𝜎
), ( 2.19 )

𝑙𝑛𝑡− 𝜇
𝑅(𝑡) = 1 − Φ ( ), ( 2.20)
𝜎

𝑙𝑛𝑡− 𝜇
0,4343 Φ( )
𝜎
h(t)= 𝑙𝑛𝑡− 𝜇 , ( 2.21 )
𝜎𝑡 [1− Φ( )]
𝜎

considerando 𝑡 > 0, 𝜇 𝜖 ℝ, 𝜎 > 0 e :

1 𝑙𝑛𝑡− 𝜇 2
𝑙𝑛𝑡− 𝜇 1 [− ( ) ]
Φ( )= 1 𝑒 2 𝜎 . ( 2.22 )
𝜎 (2𝜋) ⁄2

O parâmetro 𝜇 é a média do logaritmo natural dos dados de falha e 𝜎 o desvio padrão do

logaritmo natural dos dados de falha. As figuras 2.6 e 2.7 demonstram, respectivamente, o
efeito da variação dos parâmetros 𝜎 e 𝜇 sobre as curvas de densidade de probabilidade,
confiabilidade e taxa de risco.

FIGURA 2.6 – Efeito da variação do parâmetro 𝜎 da distribuição lognormal.

Fonte: (O’CONNOR, 2012).

25
 FIGURA 2.7 – Efeito da variação do parâmetro 𝜇 no gráfico de distribuição de probabilidade
Lognormal.

FONTE: (RELIASFOT, 2015).

Uma das principais características da função taxa de falha deste modelo paramétrico é
ser inicialmente crescente, e após atingir o valor máximo, passa a decrescer.
Dentre as utilizações da distribuição lognormal, são conhecidas aplicações para
determinação de ciclos para falha à fadiga de metais e componentes metálicos, distribuição de
tempos para a falha de componentes mecânicos sujeitos a desgaste, determinação de vida de
rolamentos e determinação de tempo médio para manutenção de componentes mecânicos
(LAFRAIA,2014).

2.1.6.3 Distribuição modelo Gamma

Segundo O’Connor (2012) a distribuição gama representa a soma de n variáveis

aleatórias distribuídas exponencialmente. É um modelo de distribuição de vida flexível que
pode oferecer um bom ajuste para alguns conjuntos de falhas dados.
Em confiabilidade, esta distribuição descreve a situação em que falhas parciais podem
existir, ou seja, quando um determinado número de eventos de falha parcial deve ocorrer
antes que um item falhe.
A função de densidade de probabilidade para distribuição gamma é dada por Herrmann
(2011):
𝑡
𝑡 𝛾−1
𝑓(𝑡) = 𝑒 (−𝜃) , 𝑡 > 0 , ( 2.21 )
𝜃 𝛾 Γ(𝛾)

e as expressões para confiabilidade, taxa de falha e MTTF são respectivamente:

𝑡
∞ 𝑡 𝛾−1
𝑅(𝑡) = ∫𝑡 𝜃 𝛾 Γ(𝛾)
𝑒 (−𝜃) 𝑑𝑡, ( 2.22 )

26
 𝑓(𝑡)
ℎ(𝑡) = 𝑅(𝑡), ( 2.23 )

𝛾
𝑀𝑇𝑇𝐹 = 𝜃 . ( 2.24 )

O comportamento das funções f(t), R(t) e h(t) para distribuições do tipo gamma, são
observados na figura 2.8, considerando diferentes valores do parâmetro 𝛾:

FIGURA 2.8 – Formas de distribuições de falha,, funções de confiabilidade e taxa de risco para
distribuição gamma.

FONTE: Adaptado do O’Connor (2012).

De acordo Fogliatto e Ribeiro (2011), a distribuição gamma assemelha-se à Weilbull no

que se refere aos os formatos assumidos pela densidade da distribuição. Pois, assim à
Weibull, a distribuição gama apresenta função de risco decrescente quando γ < 1, constante
quando γ = 1 e crescente quando γ > 1. Porém, a taxa de falha h(t) da gamma e Weibull
apresentam distinção principalmente para valores maiores de t, pois seja qual for γ, o
lim ℎ(𝑡) = 𝜃, e sendo assim, os tempos até a falha que seguem uma distribuição gamma
𝑡→∞

apresentam uma cauda exponencial, conforme a figura:

2.1.6.4 Distribuição exponencial

A distribuição exponencial é utilizada para descrever sistemas que apresentam taxa de

falha constante. A função densidade de probabilidade para a variável do tempo de falha, é
fornecida pelas seguintes equações, considerando t ≥ 0 e 𝜆 > 0:

𝑓(𝑡) = 𝜆𝑒 −𝜆𝑡 , ( 2.25 )

𝑅(𝑡) = 𝑒 −𝜆𝑡 , ( 2.26 )

ℎ(𝑡) = 𝜆. ( 2.27 )

27
 Para os itens que são reparados, λ é chamado de taxa de falha, e 1 / λ é o MTBF
(também referido como θ). É possível verificar o comportamento dos índices de
confiabilidade para esta distribuição na figura 2.9 seguir:

FIGURA 2.9 – Formas de distribuições de probabilidade de falhas, funçãi confiabilidade e taxa de

risco para distribuição exponencial.

Fonte: (O’CONNOR, 2012)

Segundo Fogliatto e Ribeiro (2011) a distribuição exponencial apresenta uma

característica importante quanto a sua aplicabilidade: as unidades estudadas devem possuir
mesma R(t) para qualquer t, independente de sua idade ou tempo de uso. Esta propriedade
limita a aplicação da exponencial. Desta forma, unidades que apresentam desgaste ou fadiga
são modeladas adequadamente pela exponencial apenas durante o seu período de vida útil,
quando a ocorrência de falhas for relativamente constante no tempo. Além disso, no que se
refere a componentes submetidos a choques ou cargas de forma aleatória, se o tempo entre
choques for modelado por uma distribuição exponencial com parâmetro 𝜆, então o número de
choques no intervalo (0, t] segue uma distribuição de Poisson¹ com parâmetro 𝜆𝑡.

2.1.6.5 Distribuição de Weibull

A análise de probabilidade a partir da distribuição de Weilbull permite determinar a fase

de falhas prematuras, causais e falhas por desgastes de equipamentos. As informações e
indicadores de confiabilidade podem ser utilizados para determinar uma política de
manutenção adequada, e para análise de vida útil do componente.
As representações da função de distribuição Weibull é dada na seguinte equação:

𝑡−𝑡0 𝛾
𝛾 𝑡−𝑡0 𝛾−1
𝑒 −(
)
𝑓(𝑡) = 𝜃
( 𝜃
) 𝜃 , t ≥ 0; 𝜆 𝑒 𝜃 > 0, ( 2.28 )

28

¹A distribuição de Poisson é uma distribuição de probabilidade discreta para as contagens eventos que ocorrem
aleatoriamente em um determinado intervalo de tempo (ou espaço) (Reliasoft, 2015).
onde 𝜃 é o parâmetro de escala, 𝛾 o parâmetro de forma (inclinação da distribuição Weibull)
e 𝑡0 o parâmetro de posição, este último frequentemente não utilizado, e o seu valor pode ser
considerado como zero. Logo, a distribuição de Weibull será de dois parâmetros.
A função de confiabilidade, taxa de falha e MTTF do modelo Weibull são dadas por
Fogliatto e Ribeiro (2011), :
𝑡−𝑡0 𝛾
𝑅(𝑡) = 𝑒 −( 𝜃
)
, ( 2.30 )

𝛾 𝑡−𝑡0 𝛾−1
ℎ(𝑡) = ( ) ( 2.31 )
𝜃 𝜃

O quadro 2.1 fornece informações sobre o comportamento da função de taxa de falhas

a partir dos valores de 𝛾.

Quadro 2.1 – Comportamento da função taxa de falha para distribuição Weibull.

𝛾 Característica
<1 Taxa de falha crescente com o tempo - fase de mortalidade infantil.
=1 Taxa de falha constante – falhas aleatórias – função exponencial.
>1 Taxa de falha crescente com o tempo.
=2 Taxa de falha linearmente crescente.
Taxa de falha cresce a uma taxa proporcional à potência (-1); distribuição de
>2
frequência tornando-se mais simétrica à medida que 𝛾 crescer.
Distribuição de frequência aproxima-se da distribuição normal, tornando-se
= 3,2
menos dispersa à medida que 𝛾 cresce.
Fonte: (LAFRAIA,2014).

O parâmetro de forma 𝛾 é adimensional e corresponde ao valor da inclinação da reta

em um gráfico de probabilidade. Quando γ = 1, h(t) é constante e a Weibull transforma-se na
distribuição exponencial A figura 9 mostra o efeito dos diferentes valores do parâmetro de
forma considerando o parâmetro de escala constante.

29
Figura 2.10 – Formas de distribuições de falhas comuns, funções de confiabilidade e taxa de risco para
Distribuição Weibull.

Fonte: (RELIASOF,2015).

2.1.7 Intervalo de Confiança

Considerando que os modelos de função distribuição de probabilidade podem ser

obtidos a partir de dados experimentais e são estimativas baseadas nos tempos de vida
observados em uma amostra, é possível inferir que haverá incerteza nos resultados,
dependendo do tamanho dessas amostras. O nível de confiança de uma estimativa pode ser
descrito a partir da fração exata de vezes, que dentro de intervalo de confiança incluirá
determinado valor, se a experiência for repetida muitas vezes.
O intervalo de confiança está compreendido entre limites de confiança delimitado como
superior e inferior. Segundo Fogliatto e Ribeiro (2011), esse intervalo inclui o valor
verdadeiro do parâmetro com uma certa probabilidade, o nível de confiança. O intervalo de
confiança é caracterizado como unilateral ou bilateral (Figura 2.11), sendo o nível de
confiança preferencial encontrado na literatura de aproximadamente 90%.

Figura 2.11: Limite de confiança bilateral de 90%.

Fonte: (O’CONNOR,2012)

30
 O’Connor (2012) afirma que para distribuições contínuas, os cálculos dos limites de
confiança envolvem área sob a curva de probabilidade de distribuição correspondente à
percentagem de confiança procurada para a solução.
Utilizar limites de confiança bilaterais para estimação de parâmetros nas funções de
distribuição apresentadas, significa determinar valores, ou limites, entre quais há
probabilidade que valor verdadeiro dos parâmetros esteja contido. Ao lidar com 90% de
limites de confiança bilaterais de [X, Y], como na figura 2.11, infere-se que 90% da
população está entre X e Y , 5% está em uma região menor X e 5% em uma região maior que
Y. Com intervalos unilaterais, define-se o valor alvo como maior ou menor que o valor limite.
Por exemplo, se X é um limite superior de 95% unilateral, 95% da população é menor que X.

2.1.8 Verificação de Aderência dose Dados às Distribuições de Probabilidade

Em alguns casos é necessário determinar se as diferenças observadas entre os dados

inferidos sobre uma amostra e dados de uma população, ou entre dois conjuntos de amostras,
são estatisticamente significantes.
Ao lidar com confiabilidade de sistemas, métodos gráficos e analíticos são utilizados
para verificar se dados de tempos até falha podem ser ajustados às distribuições de
probabilidade propostas.
Os testes gráficos são realizados através da observação de histogramas de frequência e
papéis de probabilidade. A verificação de forma analítica, por sua vez, é realizada através de
testes de aderência, através da comparação das frequências amostrais com as frequências
teóricas esperadas pelo modelo probabilístico, desta forma é possível verificar se uma dada
distribuição se ajusta bem ou não aos dados amostrais. É interessante realizar no mínimo dois
testes de aderência para confirmação de resultados.
Os papéis de probabilidade são utilizados para demonstrar se, mediante hipótese de uma
determinada distribuição, os dados se distribuem de forma adequada, dentro de um intervalo
de confiança aceitável.
Para estudos de confiabilidade, dois testes de aderência podem ser aplicados: o teste do
qui-quadrado (χ²) e o teste de Kolmogorov-Smirnov (KS). A verificação de aderência é feita
partindo de uma hipótese nula H0, onde os dados seguem a distribuição proposta.
De acordo Fogliatto e Ribeiro (2011) para realizar o teste do qui-quadrado calcula-se a
soma dos quadrados das diferenças entre frequências esperadas (considerando a distribuição

31
em H0) e frequências empíricas observadas em diferentes intervalos de classe. Se a soma
ultrapassar um determinado valor tabelado, aceita-se a hipótese.
Segundo O’Connor (2012), para precisão do teste χ², é desejável ter pelo menos três
classes de dados, ou células, com pelo menos cinco pontos de dados em cada célula. A
fórmula para cálculo para o qui quadrado é:

(𝑥𝑖 − 𝐸𝑖 )2
χ2 = ∑𝑛𝑖 (2.32)
𝐸𝑖

com n-1 graus de liberdade, onde 𝑥𝑖 corresponde aos valores amostrados e 𝐸𝑖 a classificação
dos valores estimados acumulados para a distribuição assumida.
O teste de Kolmogorov-Smirnof (KS) também avalia a hipótese de que um conjunto de
dados provém ou não de uma determinada distribuição. Neste caso, a comparação é feita
considerando-se a função de distribuição empírica e a função de distribuição teórica esperada
para os valores amostrais observados. A estatística distância é a maior diferença observada.
O KS é um teste não paramétrico bastante utilizado em situações onde não há uma
amostra de dados consideravelmente grande. O procedimento para realizar o teste KS é
descrito por O’Connor (2012):
1. Tabular os dados de falha classificados. Calcular os valores de |𝑥𝑖 − 𝐸𝑖 |onde xi é o
i-ésimo valor de classificação acumulativo e 𝐸𝑖 o valor de classificação acumulado
esperado para a distribuição presumida.
2. Determinar o maior valor único.
3. Comparar este valor com o valor apropriado tabelado do teste KS de acordo ao
tamanho da amostra e do nível de significância desejado.
O modelo de distribuição proposto não será adequado quando em um dos testes rejeita-
se H0, ou seja, quando o nível de significância for menor que 5%, pois não haverá, então,
evidências estatísticas para validar o modelo.
A distribuição que provavelmente fornecerá o melhor ajuste a um conjunto de dados
não é sempre prontamente aparente. O processo de determinar o melhor modelo pode ser
bastante abrangente e geralmente começa com a avaliação das distribuições disponíveis com
base em quão bem elas se ajustam aos dados, isto é, matemáticas qualidade de ajuste.
Entretanto, em aplicações de engenharia, o melhor ajuste matemático não é suficiente. A
distribuição estatística escolhida também deve ser apropriada para a natureza física das falhas

32
observadas. Portanto, ambas as abordagens precisam ser cuidadosamente consideradas antes
de selecionar o melhor modelo matemático para analisar os dados (O’Connor, 2012).

2.2 MANUTENÇÃO DE EQUIPAMENTOS

A maioria dos sistemas e equipamentos projetados são reparados periodicamente para

mantê-los em funcionamento. Os reparos podem ser feitos tanto para reativar um sistema em
estado de falha, quando como forma de prevenção para evitar falhas que paralizam o sistema
completamente. Ou seja, a manutenção inclui todas as ações para manter ou retornar o sistema
em um estado operacional ou disponível.
Lucatelli (2002) descreve a evolução das técnicas de manutenção ao longo da história.
No período entre o século XVI, caracterizado pela construção das primeiras máquinas de
produção têxtil, até a metade da século XX durante a segunda grande guerra, devido a pouca
mecanização das máquinas, as ténicas de manutenção só eram aplicadas após ocorrência das
falhas. A ação corretiva de manutenção, geralmete, não é planejada, pois a necessidade de
reparar as falhas aparece somente quando elas ocorrem.
Durante a Segunda Guerra Mundial, houve uma crescente mecanização e
desenvolvimento da indústria bélica. No período pós-guerra, as nações em estado de
recuperação requisitaram maior produtividade das indústrias e menos atrasos, exigindo que os
processos de manutenção fossem mais eficientes. Foi nesse contexto que surgiu a ideia de que
as falhas dos equipamentos poderiam ser evitadas, resultando no conceito da manutenção
preventiva (KARDEC & NASCIF, 1999).
O processo de mudança das indústrias foi intensificado a partir da década de 70. Esta
evolução ocorreu pricipalmente pelas novas exigências de mercado, que em virtude da
globalização e da concorrência internacional, passaram a buscar processos cada vez mais
lucrativos, com baixos custos operacionais (Lucatelli, 2002) .
A tendência mundial da área de processos de produção naquela época, conhecida como
just in time, exigia maior disponibilidade dos equipamentos e estoques reduzidos, logo,
qualquer pausa poderia prejudicar e paralisar toda a fábrica. (KARDEC & NASCIF, 1999).
A automação dos processos de produção e o avanço da informática evidenciaram que a
confiabilidade dos equipamentos e sistemas deveria ser priorizada dentro das organizações,
uma vez que falhas de equipamentos poderiam acarretar consequências catastróficas,
principalmente em setores como telecomunicações e segurança de edificações. Ainda neste
contexto, era necessário garantir a qualidade dos produtos e o desempenho esperado pelos
33
consumidores. Sendo assim, foram aprimoradas as metodologias de gestão da manutenção,
abrangendo desde o surgimento das primeiras técnicas de monitorização da condição,
conhecidas como manutenção preditiva, até as técnicas de manutenção centra em
confiabilidade (MCC). A figura 2.12 apresenta as características de cada geração em relação à
manutenção:
Figura 2.12 - Evolução das estratégias de manutenção.

Fonte: (TELLES, 2018).

Atualmente, a 4ª geração de estratégias de manutenção visa englobar a total previsão

das falhas, elevação da produtividade da manutenção, redução de custo e desenvolvimento
técnico da equipe. A automação vinculada ao conceito da IOT (Internet Of Things) de
conectividade global, adicionou ferramentas efetivas ao cenário de manutenções.
A conciliação da IOT, inteligência artificial, nuvem de dados e sistemas ciber-físicos,
permite utilização de sensores de vibração em equipamentos que monitoram em tempo real,
de forma extremamente precisa, as variáveis de funcionamento dos equipamentos. E desta
forma, o sitema vinculado ao equipamento poderá diagnosticar problema, a solução e
modificar automaticamente a operação, de forma a garantir não agravamento e a solução da
falha (TELLES, 2018).
O principal desafio das organizações é fazer o gerenciamento da confiabilidade e a
disponibilidade de equipamentos. Para obter sucesso, a gestão da manutenção pode ser
utilizada abordando métodos qualitativos ou quantitativos. Métodos qualitativos incorporam
fatores subjetivos nas análises, enquanto nos quantitativos as previsões são baseadas em
dados históricos dos quais se procura extrair modelo de comportamento.

34
2.2.3 Estratégias de Manutenção

A estratégia de manutenção corretiva (MC) é a mais antiga e a mais utilizada pelas

organizações. A associação Brasileira de Normas Técnicas (ABNT) descreve a MC como a
manutenção efetuada após a ocorrência de uma pane destinada a recolocar um item em
condições de executar uma função requerida.
A estratégia MC não exige um nível de planejamento apurado em relação à
periodicidade, visto que é executada de acordo a demanda. Contudo, torna-se necessário um
certo grau de idealização, quanto às ferramentas a serem utilizadas, guias, peças
sobressalentes em estoque e uma equipe treinada para a execução das tarefas no menor tempo
possível. Quando um sistema ou equipamento necessita de MC é preciso avaliar a
insegurança e custo das paradas, inconvenientes e demoras, além do desconhecimento do
estado técnico do sistema que pode prolongar o tempo de reparo.
Segundo O’Connor (2012), a eficiência de uma manutenção corretiva pode ser
mensurada através tempo médio de reparo (MTTR) e consequentemente na disponbilidade do
item. O MTTR, no entanto, inclui várias atividades, geralmente divididas em três tempos: a
preparação, correspondente a encontrar o técnico capacitado para o trabalho, viajar, obter
ferramentas e equipamentos de teste, e assim por diante; o tempo de manutenção ativo,
utilizado fazendo o trabalho de conserto; e o tempo de atraso ou logística, correspondente à
espera por peças de reposição e assim por diante, uma vez que o trabalho tenha sido iniciado.
Para mitigar os riscos da MC, adotar revisões ou restaurações programadas evitam que
paradas inesperadas ocorram no processo. Essa estratégia configura a manutenção preventiva,
onde o mais importante indicador de análise é o MTBF calculado através da análise do
histórico de falhas e reparos, contribuindo para determinação do melhor período de realização
da MP.
A eficácia e a economia da manutenção preventiva podem ser maximizadas, tendo em
vista a tendência da taxa de falhas do sistema. Em geral, se o sistema apresentar taxa de risco
decrescente, qualquer substituição aumentará a probabilidade de falha. Se a taxa de risco for
constante, a substituição não fará diferença na probabilidade de falha. Caso taxa de risco
apresente crescimento, a substituição programada a qualquer momento irá, em teoria,
melhorar a confiabilidade do sistema (O’CONNOR, 2012).
Contudo, é importante ressaltar que estas são considerações teóricas, pressupondo que a
ação de substituição não introduz nenhum outro defeito e que as distribuições de tempo até
falha são exatamente definidas. Portanto, é importante conhecer as funções distribuições de
35
tempo de falha das peças para elaborar um plano de manutenção preventiva. A manutenção
preventiva retira o item do estado disponível por pequeno intervalo de tempo. Desta forma,
existe uma relação entre confiabilidade e manutenibilidade, uma afetando a outra e ambas
afetando a disponibilidade e os custos.
Segundo Lucatelli (2002), há casos quando onde não há forma de efetivar a manutenção
programada, seja por falta de dados para estabelecer a periodicidade da manutenção, ou pela
inviabilidade de construir um modelo que preveja os tempos de falha, sendo necessário adotar
a estratégia de manutenção preditiva baseada na monitoração dos “sinais vitais” do
equipamento, acompanhando os parâmetros e indicadores de desempenho, e assim definir a
necessidade ou não de intervenção.
Se a falha incipiente puder ser detectada, por exemplo, por inspeção, testes não
destrutivos e assim por diante, é possível estabelecer o momento de intervenção para evitar a
falha total. Sellitto (2005) apresenta um diagrama de impacto da gestão de manutenção na
vida útil do equipamento, conforme figura 2.13 a seguir.

Figura 2.13 – Relação curva da banheira e estratégias de manutenção.

Fonte: (SELLITTO, 2005).

Uma gestão de manutenção causal, aplicada somente para resolução das falhas, tende a
manter o ciclo de vida útil convencional dos equipamentos, de acordo a curva da banheira.
Contudo, uma visão estratégica e sistemática do momento certo de aplicação de cada
manutenção pode prolongar este ciclo e aumentar a disponibilidade do item.
Para O’Connor (2012), diversos fatores tornarnam essencial o reconhecimento da
confiabilidade como parte da estratégia corporativa pelos dirigentes das organizações.
Fatores como alto custo dos reparos sob garantia, mesmo para itens relativamente simples,
como equipamentos eletrônicos e elétricos, tornam a confiabilidade uma propriedade de alto

36
valor. Nesse contexto, surgiu a necessidade de desenvolver novas metodologias capazes de
reduzir a probabilidade de ocorrência de uma falha – a estratégia de manutenção centrada na
confiabilidade (MCC).
Para aplicar a MCC, é preciso definir qual a confiabilidade esperada para o item.
Geralmente, os programas de MCC buscam impedir qualquer acidente que possa incorrer em
danos pessoais, ambientais, ou que possam gerar danos materiais significativos, além de inibir
infrações às normas e assegurar alta confiabilidade aos equipamentos.
A estratégia de MCC dá ênfase nas atividades proativas, envolvendo procedimentos de
manutenção preditiva e preventiva, aliadas aos conhecimentos das causas, modo e efeitos das
falhas. Sempre que existirem dados quantitativos, é interessante que a periodicidade da
estratégia de manutenção seja baseada em estudos de confiabilidade. Quando os dados forem
escassos ou inexistentes, a periodicidade pode ser definida pela equipe de trabalho, que reúne
a máxima experiência no respectivo equipamento (FOGLIATTO, ET.AL., 2011).
Segundo Smith (2001), para estabelecer uma metodologia de análise quantitativa da
MCC é necessário ter conhecimento dos tempos de falha dos itens analisados e de algum
modelo de distribuição de probabilidade que melhor representa os dados de falha.
Considerando uma distrbuição do tipo Weibul-2P, se 𝛽 ≤ 1, não há justificativa para
substituição ou mesmo manutenção de rotina. Por outro lado, pode haver alguma justificativa
para considerar uma substituição preventiva antes que o item falhe, se os custos associados a
um substituição não planejada (devido à falha) são maiores que as de um descarte planejado
/substituição. Se este for o caso, então é necessário calcular o intervalo de substituição ideal
de acordo a relação entre os custo, e o tempo MTTF do item.
Seixas (2008) relaciona esses parâmetros através da expressão para o custo total de
manutenção de um equipamento:

𝑇− 𝑡0
𝐶(𝑇) = 𝐾𝑃 + 𝐾𝑐 . ∫0 𝜆(𝑡)𝑑𝑡 (𝑇 − 𝑡0 ) (2.33)

sendo T o intervalo de manutenção preventiva, 𝑡0 o parâmetros de forma, 𝐾𝑃 o custo médio

de uma manutenção preventiva e 𝐾𝑐 o custo médio de uma manutenção corretiva. A partir da
equação 2.33, obtem-se a expressão para T:

1
𝐾 1 𝛽
𝑇 = 𝑡0 + 𝜂 ( 𝐾𝑃 . ) , ( 2.34)
𝑐 𝛽(𝛽−1)

37
válido para 𝛽 > 1. A condição a ser satisfeita para se tentar alcançar o objetivo de otimizar a
MP é que os custos de manutenção preventiva sejam menores que os custos de manutenção
corretiva.

2.3 ENGENHARIA CÍNICA E EQUIPAMENTOS MÉDICOS HOSPITALARES (EMH)

O Colégio Americano de Engenharia Clínica (AACE) define um engenheiro clínico

como “um profissional que apoia e avança o atendimento ao paciente aplicando engenharia e
habilidades de gerenciamento e, tecnologias de cuidados de saúde.” Para Dyros (2004), a
engenharia clínica é um subconjunto de engenharia, e ressalta que enquanto a engenharia
biomédica é praticada principalmente em instituições acadêmicas, o laboratório de pesquisa e
fabricação, engenharia clínica é praticada em hospitais e outros ambientes onde os
equipamentos médicos hospitalares (EMH) são utilizados.
O Ministério da Saúde (2002) do Brasil define como tecnologia em saúde, os
equipamentos utilizados na prestação de serviços de saúde. São classificadas em tecnologias
de proteção, promoção e prevenção (saúde da comunidade) e tecnologias assistenciais e de
apoio (saúde individual). A ANVISA (2010) define EMH como equipamento médico de uso
em saúde com finalidade médica, odontológica, laboratorial ou fisioterápica, utilizados direta
ou indiretamente para diagnóstico, terapia, reabilitação ou monitorização de seres humanos.
Seja em um hospital, ou empresa de gerenciamento de ativos de assistência à saúde,
empresa de design / desenvolvimento de tecnologia de assistência médica ou empresa de
serviços de tecnologia de assistência à saúde, um engenheiro clínico geralmente atua como
gerente de tecnologia para sistemas de equipamentos médicos. O Colégio Americano de
Engenharia Clínica (AACE) destaca as responsabilidades de um engenheiro clínico, que
incluem gerenciamento de contratos de serviços, coordenação das estratégias e atividades de
manutenção, gerenciamento de ativos, coordenação de TI, gerenciamento de projetos e
conformidade normativa. Este profissional também é responsável pela supervisão da equipe
de manutenção interna, para garantir que o equipamento médico seja seguro e eficaz.
No Brasil, esta profissão surgiu há pouco tempo, ocasionando um atraso de
aproximadamente 30 anos, em relação aos EUA e à Europa, onde o desenvolvimento da
engenharia clínica em instituições de saúde deu-se no final da década de 1960, principalmente
pela necessidade de garantir um ambiente seguro e de manter as condições operacionais dos
equipamentos e seu desempenho. Estas atividades evoluíram e passaram a englobar todas as
fases do ciclo de vida útil do equipamento.
38
 Segundo Sônego (2007), o ciclo de vida de um EMH pode ser dividido em cinco fases,
denominadas: inovação, difusão, incorporação, utilização e obsolescência, conforme a figura
XX .
Figura 2.14 – Ciclo de vida das Tecnologias em Saúde.

FONTE: Sônego (2007),

O engenheiro clínico atua principalmente durante as fases de utilização e obsolescência,

de modo a manter os EMH em estado seguro de funcionamento, utilizando indicadores de
confiabilidade, disponibilidade e mantenabilidade, sendo necessário conhecimento do
funcionamento, ciclo de vida, taxas e falha do equipamento, fomentando a base para definição
da melhor estratégia de manutenção.

39
3 ESTUDO DE CASO: COMPLEXO HOSPITALAR PROFESSOR EDGARD
SANTOS

Os equipamentos selecionados para realização do estudo de confiabilidade fazem parte

do parque tecnológico do Complexo HUPES, hospital referência para tratamentos de
enfermidades no estado da Bahia.

3.1 HISTÓRICO

O Complexo Hospitalar Professor Edgard Santos, também conhecido como Hospital das
Clínicas, foi construído em Salvador no ano de 1948, pioneiro no estado da Bahia em ensino,
pesquisa e atendimento médico de qualidade. Entre o período de 1970 e 1980 o Hospital das
Clínicas passou por momento de crise, levando ao fechamento de enfermarias, redução de
leitos e obsolescência de seus equipamentos. Em 2003, o Complexo HUPES foi contemplado
no Projeto Piloto de Reestruturação dos Hospitais Universitários do Ministério da Saúde
(MS), sendo revitalizado e remodelado para atendimento da comunidade (COMPLEXO
HUPES, 2018).
O Programa Nacional de Reestruturação dos Hospitais Universitários Federais
(REHUF) foi instituído em 2010 por meio de decreto e dispõe quanto ao financiamento dos
Hospitais Universitários Federais partilhado entre as áreas da saúde e educação. Os valores
disponibilizados ao REHUF destinaram-se à aquisição de EMH, construção, reformas,
compras de materiais médico-hospitalares e medicamentos, entre outras ações.
A Empresa Brasileira de Serviços Hospitalares (EBSERH) assumiu a gestão do
Complexo HUPES em 2014, promovendo novas práticas aos serviços. No que tange a
engenharia clínica, propondo uma requalificação dos fluxos de trabalho executados,
detalhando os processos e atividades por meio da descrição das práticas em execução, bem
como indicadores para mensuração do desempenho dos processos.
A EBSERH define a Engenharia Clínica como o setor responsável pela gestão das
tecnologias utilizadas nas atividades produtivas de procedimentos ligados à assistência ao
paciente, estabelecendo as estratégias de gestão da vida útil dessas tecnologias incorporadas
através de rotinas de manutenções preventivas e corretivas (Complexo HUPES, 2018).
Atualmente o Complexo HUPES possui 42 mil m² de área, 3 prédios, 16 unidade de
internação (enfermarias), 289 leitos ativos, 17 salas de aula, 3 auditórios e 12 laboratórios de
pesquisa.

40
3.2 METODOLOGIA DA PESQUISA

O método adotado para estudo foi a estimação de parâmetros das distribuições de

probabilidade de falhas dos EMH, utilizando técnicas matemáticas para descrever o
comportamento de equipamento ao longo do seu ciclo de vida útil. A metodologia proposta
seguiu as etapas:
i. Revisão bibliográfica dos conceitos associados à análise de confiabilidade de
equipamentos, disponibilidade, mantenabilidade e gestão de manutenção de
equipamentos em Hospitais.
ii. Levantamento e caracterização dos dados de manutenção (TTR e TTF) utilizando
a base de dados do Setor de Engenharia Clínica do Hospital e definição do tamanho da
amostra.
iii. Análise de dados com auxílio do Software Proconf 2000, obtendo a confiabilidade
e disponibilidade dos equipamentos.
iv. Levantamento dos critérios essenciais à uma gestão da manutenção, dos
indicadores mensuráveis e benéficos à gerência, servindo de subsídio para adoção de
estratégias de manutenção contextualizada para os EMH.

3.3 ASPECTOS ÉTICOS

O projeto para realização deste estudo foi submetido e aprovado pelo Comitê de Ética e
Pesquisa do Complexo HUPES sob o título de Estudo De Confiabilidade E Gestão De
Manutenção De Equipamentos Médico-Hospitalares e está disponível no portal Plataforma
Brasil.

3.4 DEFINIÇÃO DA AMOSTRA

O Hospital utiliza um sistema informatizado de registro e processamento específico para

os serviços de manutenção. Para este estudo de caso foram considerados os históricos de
intervenções de reparos realizados nos EMH, levantamento de tempos de falhas e duração dos
reparos de 3 tipos de equipamentos utilizados para exames de diagnóstico por imagem:
aparelhos de ultrassom, mamografia e tomografia computadorizaa, cuja estratégia de
manutenção adotada para estes equipamentos é realizada por empresas terceirizada através de
contrato de prestação de serviços.

41
 Foram analisados 2 aparelhos de ultrassom (Figura 3.1). Estes EMH são utilizados na
medicina nos métodos diagnósticos de ultrassonografia e ecografia, pois possibilita a captação
de imagens em tempo real e fornece informações das propriedades elásticas dos tecidos. Os
métodos de diagnóstico são não invasivos e não ionizante. Este EMH tem sido largamente
empregado como auxiliar no diagnóstico médico dentro da oncologia, obstetrícia, ginecologia,
oftalmologia, neurologia e cardiologia, além de sua utilização como ferramenta comum em
procedimentos terapêuticos. (MINISTÉRIO DA SAÚDE, 2002).
Atualmente, o EAS analisado possui 10 equipamento de ultrassom ativos e realiza
mensalmente cerca de 62% dos 1048 procedimentos que deveriam ser feitos (SESAB,2018).
Para o estudo foram selecionados 2 aparelhos de ultrassom cujo registro de paradas foi
considerado consistente.

Figura 3.1: Modelos Ultrassom analisados

a) b)

FONTE: a) Philips (2018); b) GE (2018).

Disponíveis em: a) https://www.philips.com.br/healthcare b) http://www3.gehealthcare.com.br/

O segundo caso teve finalidade exploratória, cujo objeto de estudo foram os dois
tomógrafos (Figura 3.2) utilizados no Setor de bioimagem para realização da tomografia
computadorizada, também denominada CAT (computed axial tomography). Esta técnica de
diagnóstico combina o uso de um computador digital, juntamente a um dispositivo de
radiografia giratório (gantry) para criar imagens secionais transversais detalhadas de
diferentes órgão e partes do corpo. A principal vantagem da tomografia sobre as técnicas de
radiologia convencionais é a capacidade de fornecer tecidos moles e de gerar visões na
direção de propagação do feixe de raios-X (MINISTÉRIO DA SAÚDE, 2002).

42
 Os tomógrafos analisados são os únicos disponíveis no EAS de estudo. São realizados,
aproximadamente, 96% dos 420 procedimentos de tomografia esperados mensalmente
(SESAB,2018).
Figura 3.2: Tomógrafos em uso no EAS estudado.
a) b)

Fonte: a) Siemens Healthcare (2018); b) Canon Medical Systems (2018).

Disponíveis em: a) https://www.healthcare.siemens.com.br/ b) https://global.medical.canon/

O terceiro tipo de equipamento verificado foi a unidade radiográfica para mamografia,

ou mamógrafo (Figura 3.3), que fornece informações sobre morfologia, anatomia e patologias
gerais da mama por meio de imagens radiográficas. A mamografia é principalmente utilizada
na detecção e diagnóstico do câncer de mamas, como também para avaliar massas, palpáveis
ou não-palpáveis, de lesões no seio (MINISTÉRIO DA SAÚDE, 2002).
Segundo dados da SESAB (2018), no último trimestre foram realizadas 84
mamografias, o equivalente a 27% dos procedimentos que deveriam ser realizados.

Figura 3.3: Mamógrafo em uso no EAS estudado.

Fonte: Siemens Healthcare.

Disponível em: https://www.healthcare.siemens.com.br.

43
3.5 ANÁLISE DOS DADOS

Os dados utilizados no estudo foram fornecidos pelo Complexo HUPES e são

compostos por: marca e modelo do equipamento, local de instalação, identificação, data da
falha e tempo utilizado no reparo. As informações foram verificadas e possíveis registros
incorretos foram descartados para não comprometer os resultados.
A análise gráfica e estatística dos dados foi realizada utilizando o software gratuito
Proconf 2000, programa computacional projetado para o ajuste de distribuições de tempos de
falha para dados de confiabilidade.
O software incorpora os principais modelos matemáticos encontrados na literatura que
representam os tempos de falha, oferecendo uma série de características para ajudar na melhor
escolha. Desta forma, é possível obter uma completa análise dos dados de falha, optando pela
distribuição de vida que melhor se adapta ao problema (FRITSCH ET AL, 2002).
A análise realizada consiste em uma rotina que pretende ajustar uma curva aos dados, e
não ajustar os dados a uma curva. Por este motivo, a rotina adotada é considerada mais
precisa maneira de avaliar os dados de teste quanto à confiabilidade do equipamento. Foram
feitos os ajustes aos modelos paramétricos normal, gamma, exponencial, Weibull 2P e
lognormal.
Não foram considerados para cálculos as paradas resultantes de manutenções
programadas e falta de energia na rede elétrica, nem falhas muito precoces excessivas , pois
são uma indicação clara de problemas de produção de início de operação do equipamento,
muitas vezes decorrentes de instalação inadequada.

3.6 DEFINIÇÃO DOS PARÂMETROS

Os parâmetros da distribuição são calculados utilizando o método da máxima

verossimilhança, um estimador que escolhe aquele o conjunto de parâmetros que melhor
explica a amostra observada. É um método não analítico, pois dadas às características
intrínsecas dos parâmetros, é impossível encontra-lo de forma independente, sendo necessário
a utilização de um algoritmo para resolver um método numérico.
Segundo Fogliatto e Ribeiro (2011), estimadores de máxima verossimilhança
apresentam propriedades assintóticas favoráveis, pois a estimação de qualquer parâmetro é
dada de forma não tendenciosa mesmo para grandes amostras e apresenta uma variância tão
pequena quanto possível de ser obtida com qualquer outro estimador.
44
3.7 TESTES DE ADERÊNCIA

O método denominado Qui-Quadrado (𝜒²) foi utilizado para confirmação ou rejeição

de hipóteses. Para realizar este teste o sistema organiza os dados em uma tabela de
frequências, e então, para cada intervalo de tempo, são computadas as diferenças entre a
frequência esperada e a frequência observada. A soma destas diferenças resulta no valor do
𝜒². Um valor grande de 𝜒² (nível de significância < 0,05) indica que o modelo escolhido não
fornece um bom ajuste aos dados (FRITSCH ET AL, 2002).
Para realizar o teste de Kolmogorov-Smirnov (KS), o sistema calcula a máxima
distância entre a frequência acumulada dos tempos de falha e a frequência acumulada teórica
para o modelo escolhido. Se a distância é suficientemente grande (nível de significância <
0,05), concluímos que o modelo escolhido para o ajuste dos dados é rejeitado (FRITSCH ET
AL, 2002).

45
4 RESULTADOS E DISCUSSÃO

4.1 ULTRASSOM DIAGNÓSTICO

Os equipamentos de ultrassom diagnóstico foram separados em dois grupos de

fabricantes distintos. O Ultrassom A foi instalado em 2011, enquanto para o equipamento B o
registro de instalação é de 2014. Os tempos de falhas registrados em sistema da EC são
descritos nas tabelas 4.1 e 4.2, considerando que após o reparo, o equipamento retorna ao
estado anterior à falha ‘tão bom quanto novo’.

Tabela 4.1 - Registros de tempo até a falha e reparos do aparelho de ultrassom 1.

TTR TTR TTF TTR
Ordem TTF (horas) Ordem TTF (horas) Ordem
(horas) (horas) (horas) (horas)
1 5688 24 7 840 2 13 408 72

2 2160 1200 8 336 24 14 1488 24

3 1632 5 9 5280 168 15 3912 3

4 1056 936 10 5280 2 16 1488 360

5 2760 1128 11 3288 672 17 4608 432

6 528 168 12 864 96

Fonte: Banco de dados do Hospital.

Tabela 4.2 - Registros de tempo até a falha e reparos do aparelho de ultrassom 2.

TTR
Ordem TTF (horas) Ordem TTF (horas) TTR (horas)
(horas)
1 144 144 7 3528 816
2 120 360 8 216 504
3 6504 10 9 696 20
4 10584 360 10 5472 384
5 384 10 11 168 144
6 456 1200 12 144 48
Fonte: Banco de dados do Hospital.

Os dados de tempo de falha dos aparelhos de ultrassom foram testados para as

distribuições: Normal, LogNormal, Exponencial, Gamma e Weibull. Os parâmetros que
ajustam a distribuição ao conjunto de dado, os índices de significância dos testes de aderência
e a decisão quanto aceitação das hipóteses, estão no quadro 4.3

46
 Quadro 4.3-Ajuste de função de probabilidade para aparelho de ultrassom 1.

Função distribuição de MTTF Teste

Parâmetros Teste χ² Decisão
probabilidade (horas) KS
µ 2448 2448 8,42% 0,20% Rejeitada
Normal ou de Gauss
σ 1872,21
mean 7,46 2588,94 63,63% 31,12% Não rejeitada
LogNormal
std 0,81
λ 4,08E-04 2448 92,36% 27,46% Não rejeitada
Exponencial 1P
mean 2448
Γ 1,35 2559,74 75,94% 34,84% Não rejeitada
Gamma
θ 1899,57
β 1,33 2431,7 65,24% 35,20% Não rejeitada
Weibull 2P
η 2669,14
Fonte: Autor.

É possível realizar uma análise gráfica para cada função de distribuição de

probabilidade. A partir da figura 4.1 a seguir, percebe-se os dados aderem de melhor forma às
distribuições exponencial e Weibull, Lognormal, Gama e Exponencial para o fabricante 1.

Figura 4.1 – Representação em papel de probabilidade para dados de falha do ultrassom 1.

Weibull 2P Exponencial
10 100
1 / [1 - F ( t) ]
- ln (1 - F( t) )

10

0.1

0.01 1
100 1000 10000 0 1000 2000 3000 4000 5000 6000
t: Horas t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

LogNormal Normal
2 3

2
1
1

0 0

-1
-1
-2

-2 -3
1000 10000 Autor. 1000 2000 3000 4000 5000 6000 7000 8000 9000
Fonte
t: Horas t: Horas
Fonte Autor.

47
 Analisando dados de falha para o Fabricante 2 e realizando os mesmos testes de
aderência aplicados anteriormente.

Quadro 4.4 -Ajuste de função de probabilidade para o aparelho de ultrassom 2.

Função distribuição de MTTF Teste
Parâmetros Teste χ² Decisão
probabilidade (horas) KS
µ 2368 3442,98 3,98% 0,01% Rejeitada
Normal ou de Gauss
σ 3442,98
mean 6,56 2587,24 20,18% 18,76% Não rejeitada
LogNormal
std 2,61
λ 4,22E-04 2368 50,84% 0,01% Rejeitada
Exponencial 1P
mean 2368
Γ 0,44 2912,81 46,71% 0,88% Rejeitada
Gamma
θ 0,05
β 0,63 2492,068 42,85% 11,87% Não rejeitada
Weibull 2P
η 1629,53
Fonte Autor.

Na figura 4.2 é apresentado o gráfico do papel de probabilidade obtido através do

processamento dos dados de amostras de tempo até a falha (TTF) do Ultrassom 2 para
diferentes distribuições.

Figura 4.2 – Papel de probabilidade utilizando dados Ultrassom 2

Weibull 2P Exponencial
10 100
1 / [1 - F ( t) ]
- ln (1 - F( t) )

10

0.1

0.01 1
10 100 1000 10000 100000 0 2000 4000 6000 8000 10000 12000
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

t: Horas
LogNormal Normal
2 3

2
1
1

0 0

-1
-1
-2

-2 -3
100 1000 10000 100000 2000 4000 6000 8000 10000 12000
t: Horas t: Horas

Fonte Autor.

48
 Verificados os índices de significância das distribuições de probabilidade, para
representar os dados de falha dos aparelhos de ultrassom foi escolhido o modelo Weibull,
baseado na análise de aderência de dados e no conhecimento de que para componentes
mecânicos , essa distribuição é frequentemente utilizada e citada por autores como aquela que
melhor descreve o comportamento da vida do componente no decorrer do tempo.
O índice MTTR foi calculado através da média entre os tempos de reparo. Os resultados
dos parâmetros ajustados e índices de confiabilidade para ambos os casos são indicados no
quadro 4.5. Os valores de limites de tempos em que 10% e 50% dos reparos ocorreram, são
indicados por t10 e t50. E, para um intervalo de confiança de 95%, são indicados os
parâmetros correspondentes.

Quadro 4.5 – Parâmetros de confiabilidade para aparelhos de Ultrassom

Índice Ultrassom 1 Ultrassom 2
T10 (horas) 414,55 26,03
T50 (horas) 1927,33 770,23
MTTF (horas) 2431,71 2492,07
MTTR(horas) 312 330
β – IC 95% 0,73 a 1,63 0,29 a 0,77
η - IC 95% 1626,35 a 4057,50 349,62 a 4827,22
Disponibilidade 89% 88%
Fonte: Autor.

A figura 4.3 apresenta a probabilidade de os equipamentos operarem, de acordo com a

suas especificações de projeto, pelo período 30.000 horas.

Figura 4.3 – Confiabilidade dos equipamentos de ultrassom diagnóstico.

Fonte Autor.

49
 A partir da figura 4.3, observa-se que os indicadores de confiabilidade para ambos
equipamentos são similares. O equipamento B apresentará um desgaste mais rápido no início
da jornada de 30.000 horas, enquanto que o equipamento A haverá mais probabilidade de
falhar a longo prazo. A disponibilidade para uso é considerada boa para os dois aparelhos. A
figura X retrata o comportamento das funções de risco para os dois casos:

Figura 4.4 – Taxa de ricos dos equipamentos de ultrassom diagnóstico.

a) 0.0010 b) 0.0012
0.0010
0.0008
0.0008
h(t)

h(t)

0.0006 0.0006
0.0004
0.0004
0.0002

0.0002 0.0000
0 10000 20000 30000 0 10000 20000 30000

t: Horas t: Horas

Fonte Autor.

O setor de EC adota a estratégia de manutenção preventiva a cada 6 meses para ambos

equipamentos. Conforme os gráficos da figura 4.4 cada equipamento apresenta
comportamento distinto em relação à taxa de falhas. Enquanto o aparelho A apresenta uma
função de risco tendendo ao crescimento, no equipamento B esta função assume tendência
decrescente. Desta forma, o equipamento A está na fase de mortalidade sênior, enquanto o
aparelho de ultrassom B está na fase de mortalidade infantil. De acordo os registros de
paradas para reparo, as falhas de cada equipamento foram caracterizadas na figura 4.5:

Figura 4.5 – Características das falhas registradas para os aparelhos de ultrassonografia.

Problemas de imagem 12%

0%
Falha de comunicação/rede 35%
15%
Super aquecimento 0%
8%
Componente danificado 18%
23%
Calibração 6%
8%
Configuração de Software 18%
15%
Falha do NoBreak 12%
31%

0% 5% 10% 15% 20% 25% 30% 35% 40%

Ultraasom 1 Ultrassom 2

Fonte Autor.
50
4.2 TOMÓGRAFOS

O objeto deste estudo foi analisar dois aparelhos tomógrafos do Hospital. O tomógrafo
A foi instalado no ano de 2005, entretanto só há registros de falhas a partir do ano de 2010.
Em 2013 este equipamento falhou e o reparo somente ocorreu no ano de 2018. O tomógrafo B
foi instalado em 2011.
Os tempos de falhas de cada equipamento foram extraídos da base de dados do sistema
utilizado pelo setor de EC. Foi considerado que após os reparos, os equipamentos retornam ao
estado de ‘tão bom quanto novo’, neste caso, retornam às mesmas características do período
anterior à falha. Os dados de falhas e reparo do tomógrafo A são descritos na tabela X:

Tabela 4.6- Dados de falha e reparo tomógrafo A.

Ordem Tempo até falha (horas) Tempo até o reparo (horas)
1 192 648
2 360 24
3 1176 1680
4 1176 47976
5 1872 192
6 2472 240
7 3024 864
8 5112 2256
9 12504 24
Fonte: Banco de dados do Hospital.

Ordens de serviços e relatórios de reparos foram analisados e classificados de acordo

com a natureza das falhas A figura 4.6 traz a frequência das falhas no tomógrafo A. A
principal causa de falhas decorre de problemas na visualização de imagens em função de erros
de conexão com banco de dados, seguido de defeitos em peças que precisaram ser
substituídas.
Figura 4.6 – Características das falhas registradas para o tomógrafo A.

Substituição de peças (bateriaz/cabos/etc) 22%

Operacional (Problema de inicilaização) 11%
Drive de CD 11%
Defeito visualização de imagens 33%
Defeito mesa de exame 11%
Configuração de Software 11%
0% 5% 10% 15% 20% 25% 30% 35%

Fonte Autor.
51
 Com os dados de TTF e utilizando o software Proconf2000, foram realizados testes de
ajustes aos modelos de distribuição de probabilidade para o Tomógrafo A, conforme o quadro
4.7:
Quadro 4.7 - Ajuste de função de probabilidade tomógrafo A.
Função distribuição de MTTF Teste
Parâmetros Teste χ² Decisão
probabilidade (horas) KS
µ 3098,67
Normal ou de Gauss 3098,67 0,64% 0,01% Rejeitada
σ 3836,65
mean 7,4 33,94% 28,10%
LogNormal 3394,29 Não rejeitada
std 1,46
λ 3,22E-04
Exponencial 1P 3098,67 28,83% 31,29% Não rejeitada
mean 3098,67
γ 0,68
Gamma 3698,71 22,26% 25,15% Não rejeitada
θ 5400,37
β 0,91
Weibull 2P 3180,42 27,07% 24,65% Não rejeitada
η 2958,52
Fonte: Autor.

Utilizando a ferramenta de papel de probabilidade, foram traçados os gráficos de

aderência aos modelos, conforme figura 4.7. É possível verificar que o modelo Weibull 2P
ajusta-se melhor aos dados.

Figura 4.7 – Papel de probabilidade utilizando dados Tomógrafo A

Weibull 2P Exponencial
10 100
1 / [1 - F ( t) ]
- ln (1 - F( t) )

10

0.1

0.01 1
100 1000 10000 100000 0 2000 4000 6000 8000 10000 12000 14000

t: Horas t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

LogNormal Normal
2.0 3

2
1.0
1

0.0 0

-1
-1.0
-2

-2.0 -3
1000 10000 100000 2000 4000 6000 8000 10000 12000 14000
t: Horas
t: Horas
Fonte: Autor

52
 O mesmo procedimento foi adotado para análise dos dados de falha do tomógrafo B. Os
dados de TTF são mostrados na tabela 4.8.

Tabela 4.8 - Dados de falha e reparo tomógrafo B.

TTF TTF TTF
Ordem TTR(horas) Ordem TTR(horas) Ordem TTR(horas)
(horas) (horas) (horas)
1 480 792 10 240 144 19 744 5
2 1104 48 11 2640 528 20 528 8
3 1728 504 12 1728 5 21 624 48
4 816 3816 13 120 144 22 336 264
5 6456 264 14 192 24 23 216 456
6 1344 408 15 240 336 24 1008 2
7 1032 4 16 288 0 25 168 696
8 1680 3792 17 504 696
9 2232 1800 18 2160 6
Fonte: Banco de dados do Hospital.

É possível verificar na figura 4.8 a seguir, que as paradas do tomógrafo B ocorrem

principalmente em função de problemas relacionado a configuração de redes e softwares, que
não estão necessariamente relacionados às falhas de componentes, assim como no tomógrafo
A. Essa frequência de falhas indica necessidade de verificação dos protocolos de rede por
parte da equipe de tecnologia da informação.

Figura 4.8 – Características das falhas registradas para o tomógrafo B.

Peça do Tomógrado Danificada 20%

Defeito no Nobreak 8%

Falha reconstrução da imagem 20%

Configuração de Software e Rede 36%

Descalibrado 16%
0% 5% 10% 15% 20% 25% 30% 35% 40%

Fonte: Autor.

A tabela 4.9 traz as funções de distribuição de probabilidade candidatas para

representação desses dados de falhas, a estimação de parâmetros e os testes de aderência.

53
 Tabela 4.9 - Ajuste de função de probabilidade tomógrafo B.
Função distribuição de MTTF Teste
Parâmetros Teste χ² Decisão
probabilidade (horas) KS
µ 1144,32
Normal ou de Gauss 1144,32 0,01% 0,01% Rejeitada
σ 1327,12
mean 6,55
LogNormal 1143,08 55,55% 30,20% Não rejeitada
std 0,99
λ 8,74e-04
Exponencial 1P 1144,32 23,12% 30,10% Não rejeitada
mean 1133,32
γ 1,05
Gamma 1189,7 11,55% 33,18% Não rejeitada
θ 1134,42
β 1,05
Weibull 2P 1143,77 18,61% 27,44% Não rejeitada
η 1158,88
Fonte: Autor.

Os gráficos de aderência aos modelos testados para o tomógrafo B estão na figura 4.9.
As distribuições LogNormal e Weibull apresentou o melhor nível de significância entre as
distribuições propostas.

Figura 4.9 – Papel de probabilidade utilizando dados Tomógrafo B

Weibull 2P Exponencial
10
Fonte Autor. Elaborado no
100 Software Proconf 2000.
- ln (1 - F( t) )

1 / [1 - F ( t) ]

10

0.1

0.01 1
1 10 100 1000 0 1000 2000 3000 4000 5000 6000 7000
t: Horas t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

LogNormal Normal
2 3

2
1
1

0 0

-1
-1
-2

-2 -3
1000 10000 1000 2000 3000 4000 5000 6000 7000

t: Horas t: Horas

Fonte: Autor.

54
 Ao comparar os gráficos de taxa de falha (Figura 4.10) para as distribuições percebe-se
que a lognormal apresenta comportamento crescente no início do ciclo de vida do
equipamento, o que não corresponde à taxa de falha do período de mortalidade infantil. A
distribuição de Weibull será adotada pois representa curva da banheira de forma mais
satisfatória.

Figura 4.10 – Taxa de falha do tomógrafo B para distribuição lognormal e Weibull.

b) Lognormal a) Weibull
0.0012 0.00100
0.0010
0.00095
0.0008
h(t)
h(t)

0.0006 0.00090

0.0004
0.00085
0.0002
0.0000 0.00080
0 1000 2000 3000 4000 5000 6000 7000 8000 0 1000 2000 3000 4000 5000 6000 7000

t: Horas t: Horas

Fonte: Autor.

Os cálculos do MTTR para os tomógrafos foram feitos através de média aritmética. Os

parâmetros da distribuição, os valores de t10 e t50 intervalos em que 10% e 50% das falhas
ocorreram respectivamente e o índice de disponibilidade dos tomógrafos estão no quadro
4.10.

Quadro 4.10 – Parâmetros de confiabilidade para aparelhos de tomografia.

Índice Tomógrafo A Tomógrafo B
T10 145,58 111,17
T50 1690,24 773,98
MTTF 3180,418 1143,77
MTTR 5989,33 590,4
IC 95% para β 0,37 a 1,13 0,66 a 1,25
IC 95% para η 800,92 a 7727,41 703,01 a 1765,70
Disponibilidade 35% 66%
Fonte: Autor.

Escolhido o modelo mais apropriado para o ajuste dos dados e estimados os respectivos
parâmetros, é possível representar graficamente as principais funções indicadoras de
confiabilidade e riscos de ambos equipamentos.

55
 Figura 4.11 : Confiabilidade associada aos tomógrafos para uma jornada 10.000 horas.

Fonte: Autor.

É possível verificar na figura 4.11 que a confiabilidade do equipamento B tende a ser

menor quando comparada ao equipamento A. Isto ocorre devido ao registro de várias paradas
associadas ao tomógrafo B, que é utilizado com mais frequência para realização dos exames,
enquanto o tomógrafo A permaneceu parador por 5 anos. Apesar do índice de confiabilidade,
o equipamento B esteve disponível para uso por mais tempo. Estes dados ressaltam a
importância de avaliação dos indicadores de forma conjunta e sistematizada.
Os gráficos correspondentes à função de risco associada aos equipamentos estão na
figura 4.12.

Figura 4.12 – Comportamento função de risco dos tomógrafos

a) Tomógrafo A b) Tomógrafo B
0.0007
0.0006
0.00090
0.0005
h(t)
h(t)

0.0004 0.00085

0.0003
0.00080
0.0002
0.0001 0.00075
0 5000 10000 15000 20000 25000 0 5000 10000 15000 20000 25000

t: Horas t: Horas

Fonte Autor.

Referente a taxa de risco de ambos equipamentos é possível verificar que o tomógrafo A

possui taxa de falha tendendo a estabilizar em um valor constante, assim como o tomógrafo B,
porém em valores diferentes, e os parâmetros 𝛽 ≅ 1. Logo, os equipamentos estão na fase de
vida útil.

56
4.3 MAMÓGRAFO

O equipamento utilizado para realizar mamografia foi instalado em 2015. Desde a

instalação do equipamento, foram registrados os seguintes tempos de falhas e paradas para
manutenções:

Tabela 4.11-Dados de falha e reparos do mamógrafo.

Ordem TTF (horas) TTR Ordem TTF (horas) TTR(horas)
1 1680 696 8 2160 4
2 336 3 9 1728 1944
3 336 288 10 1368 1584
4 1008 5 11 840 264
5 528 168 12 1608 96
6 792 744 13 144 24
7 4128 24 14 2496 3
Fonte: Banco de dados do Hospital.

Através dos registros de OS do banco de dados foram mapeadas as informações

referentes aos modos e causas das falhas, levando em consideração a solicitação de abertura
de OS feitas pelos usuários e a posterior avaliação dos técnicos de manutenção. Contudo, não
foram analisadas e registrados as causas das falhas registradas. Foi constatado, conforme
figura 4.13, que a maioria das paradas do mamógrafo ocorreram em decorrência de erros no
software e de comunicação do equipamento com a rede interna do Hospital. Os outros
registros indicam a mesma a frequência de falhas operacionais durante o uso do mamógrafo
(incluindo falhas mecânicas) e falhas no processamento de imagem.

Figura 4.13 -Falhas registradas no mamógrafo.

Problema com tensão de alimentação 7%

Imagem com problemas 21%

Falha operacional 21%

Erro de Software/Comunicação 50%

0% 10% 20% 30% 40% 50% 60%

Fonte: Autor.

57
 A partir dos dados TTR, foram realizados teste de aderência aos modelos de distribuição
de probabilidade, conforme quadro 4.12.

Quadro 4.12 - Ajuste de função de probabilidade mamógrafo.

Função distribuição de MTTF Teste
Parâmetros Teste χ² Decisão
probabilidade (horas) KS
µ 1420,8
Normal ou de Gauss 1420,8 8,98% 20,04% Não rejeitada
σ 1050,89
mean 6,95
LogNormal 1525,49 27,48% 21,90% Não rejeitada
std 0,77
λ 7,04e-04 35,01% 21,14%
Exponencial 1P 1420,8 Não rejeitada
mean 1420,8
γ 1,44
Gamma 1489,78 30,00% 34,19% Não rejeitada
θ 1034,68
β 1,42
Weibull 2P 1406,34 35,07% 30,23% Não rejeitada
η 1562,68
Fonte: Autor

É possível verificar que as distribuições de probabilidade aderem de forma satisfatória

a maioria dos modelos. Isto é constatado também a partir da análise gráfica na figura 4.14:

Figura 4.14 – Papel de probabilidade utilizando dados Tomógrafo 1

Weibull 2P Exponencial
10 100
1 / [1 - F ( t) ]
- ln (1 - F( t) )

10

0.1

0.01 1
100 1000 10000 0 1000 2000 3000 4000 5000
t: Horas t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

Z ( V a r iá ve l N o r m a l P a d r o n i za d a )

LogNormal Normal
2 3

2
1
1

0
0
-1

-1 -2

-3
-2 1000 2000 3000 4000 5000
1000 10000
t: Horas
t: Horas
Fonte: Autor

58
 Considerando a natureza do equipamento e os níveis de significância encontrados, será
considerando o modelo Weibull. Os principais índices de confiabilidade adotados são
descritos no quadro 4.13. A partir dos dados de reparo foi possível encontrar o índice MTTR,
considerando a média dos TTR.

Tabela 4.13 – Parâmetros da distribuição de probabilidade Weibull para o mamógrafo.

Índice Valores
T10 (horas) 262,94
T50 (horas) 1141,34
MTTF (horas) 1406,34
MTTR(horas) 416,4
β 0,77 a 1,76
IC 95%
η 936,55 a 2403,65
Disponibilidade 77,16%
Fonte: Autor

A disponibilidade 77,16% é um indicativo de que o intervalo entre manutenções

preventivas pode não ser ideal, ou procedimento de manutenção não é tão eficiente em
relação ao software rede.
A taxa de risco do equipamento apresenta comportamento crescente, indicando que o
mamógrafo está iniciando sua fase de mortalidade senil. Considerando que o mamógrafo foi
fabricado em 2014, e o que o tempo médio de vida útil deste equipamento é de 10 anos,
esperava-se que este item estivesse na vida adulta. A figura 4.15 demonstra a confiabilidade e
a taxa de falhas para uma jornada de 20.000 horas.

Figura 4.15 – Confiabilidade e taxa de risco do mamógrafo

1.0 0.0020

0.8
0.0015
0.6
R(t)

h(t)

0.0010
0.4

0.2 0.0005

0.0 0.0000
0 5000 10000 15000 20000 0 5000 10000 15000 20000
t: Horas t: Horas
Fonte: Autor

59
4.4 DISCUSSÃO DE RESULTADOS

Através da análise dos dados de falha e dos parâmetros das funções distribuições de
probabilidade encontradas para cada equipamento, foi possível classificá-los em suas
respectivas fases de ciclo de vida, conforme quadro 4.14. Importante ressaltar que em todos os
casos foram observados registros de paradas por falta de material, solicitação de reparos
incoerentes, falta de operadores ou atualização de software como se fossem originadas por
quebras. Esses casos não foram considerados para não comprometer os resultados.

Quadro 4.14 – Fase do clico de vida dos equipamentos estudados.

Equipamento Fase do ciclo de vida

Ultrassom A Mortalidade sênior
Ultrassom B Mortalidade de infantil
Tomógrafo A Maturidade (fase adulta)
Tomógrafo B Maturidade (fase adulta)
Mamógrafo Mortalidade sênior
Fonte: Autor

Conhecendo os parâmetros de MTBF e MTTR, foi possível determinar a

disponibilidade para cada caso estudado. Os aparelhos de ultrassonografia apresentaram
disponibilidade de 88%, contudo, nos meses de julho a setembro de 2018, foi registrada
produção média de 62%. Da mesma forma, para o mamógrafo que apresentou
disponibilidade de 77,16% , a produção trimestral média foi de 27%. Para estes equipamentos
é imprescindível que uma gestão eficiente seja aplicada, com objetivo de melhorar os
indicadores de disponibilidade, e consequentemente ofertar mais exames à população.
Referente aos tomógrafos, embora apenas um dos equipamentos tenha operado entre julho e
setembro, a produção alcançou índices de 96%.
Referente à gestão de manutenção dos itens, o setor de EC do Hospital adota a estratégia
de manutenção preventiva a cada 6 meses para os aparelhos de ultrassonografia e para o
tomógrafo A. Para o tomógrafo B e mamógrafo, os intervalos são de 3 e 12 meses,
respectivamente. Os equipamentos de ultrassom recebem MP pela equipe técnicos do setor de
EC. Os demais estão vinculados à planos de manutenção preventiva e corretiva realizados por
empresas contratadas pela instituição. Os índices de disponibilidade e MTTR são alguns

60
parâmetros utilizados para verificação da eficiência do serviço prestado, havendo redução nos
valores pagos se a disponibilidade dos itens estiver abaixo de 83% e o MTTR > 3 dias úteis.
Contudo, esta política de manutenção pode acarretar em custo mais elevados quando
aplicada em equipamentos na fase de maturidade, pois visa substituir exatamente os itens
sobrevivente que não têm falhas de origem ou ainda não iniciaram o desgaste. Além disso,
tende a diminuir o índice de disponibilidade do equipamento, pois é necessário retira-lo de
operação para realização de manutenções programadas.
No caso do aparelho de ultrassom B, que está na fase de mortalidade infantil, o
equipamento pode estar equipado ou associado à componentes oriundos da baixa resistência,
que falharão se exigidos. O fim da mortalidade infantil pode ser antecipado caso se conheçam
esses itens e selecionem apenas componentes de alta confiabilidade. A técnica de MP pode
agravar a mortalidade infantil devido à substituição antecipada de peças. Também nesta fase,
as quebras são poucas, pois geralmente ocorrem por baixa resistência em decorrência do uso
prolongado. A estratégia de MC é mais indicada, pois haverá apenas substituição dos itens
que falharam.
De acordo com Sellitto (2005), um estratégia de manutenção indicada para fase de
maturidade é a manutenção preditiva, pois a estratégia informa o início e monitora os
processos de falhas progressivas que resultarão em paradas, podendo predizer aumentos na
probabilidade da quebra e, corrigir e sanar estas falhas antes que se transformem em quebras e
em eventuais diminuição de produtividade.
Considerando os equipamentos na fase de mortalidade sênior, um procedimento de
manutenção associando as técnicas preditiva e preventiva pode ser mais eficiente,
monitorando os componentes efetivamente para que se possa identificar o início do processo
de desgaste. Esta observação pode ser contínua e automatizada, ou periódica, sob a forma de
inspeções, constituindo a estratégia de predição. É possível retornar à fase de maturidade
através de intervenções preventivas ou reformas programadas, com auxílio das técnicas de
manutenção preditiva.
Aplicar manutenção preditiva significaria para o setor de EC monitorar alguns
indicadores dentro do ambiente onde os equipamentos estão instalados, através de
transdutores e sensores que fornecerão dados ininterruptamente para as estações de
monitoramento, a fim de compara-los com valores esperados. Algumas falhas dos itens
analisados no estudo envolvem estabilizadores de tensão, movimentação de peças e sistemas

61
de refrigeração, que poderiam ser sinalizados antes da ocorrência e sanados sem
comprometer o funcionamento dos equipamentos.
Quando houver viabilidade para avalição do desgaste de itens, a estratégia de
manutenção deve ser definida priorizando a predição de falhas, de forma a reduzir os custos
de manutenção e a probabilidade de falha. Substituir peças de acordo tempo de uso, sem que
seja verificado o desgaste, é justificável apenas quando não é possível mensurar o desgaste,
mas sabe-se que o componente se desgasta com o tempo.
Para o aparelho de ultrassom A, os tomógrafos e mamógrafo, justifica-se a adoção de
estratégias de manutenção mistas, pois parte do intervalo de confiança indica que o
equipamento pode estar na fase de mortalidade infantil, ou atravessando a maturidade.
No contexto da instituição de saúde analisada, existe a dificuldade para manter controle
de parâmetros, como temperatura, dentro das faixas aceitáveis, principalmente nos locais que
contam com um sistema manual de conferência e não há previsão orçamentária para
adaptação das estações de realização para monitoramento contínuo de parâmetros, como por
exemplo, vibrações dos equipamentos. Portanto, a estratégia de manutenção programada
baseada na condição do item, continua sendo uma boa solução, desde que os intervalos de MP
sejam estabelecidos de forma a otimizar número de paradas não programadas.
Utilizando a equação 2.2, é possível estabelecer uma relação entre o intervalo para as
intervenções e os custos das manutenções preventivas (Kp) e corretiva (Kc) dos equipamentos
e verificar a viabilidade econômica das intervenções. A estimativa do intervalo T é baseado
em parâmetros da distribuição de probabilidade de falha escolhida par representar os dados.
Importante ressaltar o déficit de informações referentes à quantidade de recursos
humanos, os materiais utilizados e substituições feitas durante as manutenções preventivas,
dificultando a análise consistente do histórico de custos e recursos, necessários para os
cálculos dos custos de manutenção corretiva e preventiva. Portanto, o parâmetro adotado para
estimar o intervalo ideal de manutenções será a relação Kp/Kc.
Referente equipamento de ultrassom A e ao mamógrafo, uma gestão estratégica da
manutenção pode prolongar seu tempo de vida útil, retornando para fase de vida adulta,
através da combinação de manutenções preditiva e preventiva, considerados intervalos ótimos
de MP, conforme tabela 4.15 a seguir:

62
Tabela 4.15 – Relação Custo MP/ Custo MC e intervalo ótimo entre MP do ultrassom A e mamógrafo.

Intervalo entre MP do Intervalo entre MP do

Kp/Kc
aparelho ultrassom A (meses) mamógrafo (meses)
0,1 1,2 0,6
0,2 2,1 1,0
0,3 2,8 1,3
0,4 3,5 1,6
0,5 4,1 1,9
0,6 4,7 2,2
0,7 5,3 2,4
0,8 5,8 2,7
0,9 6,4 2,9
1 6,9 3,1
Fonte: Autor

O aparelho de ultrassom A e o mamógrafo indicaram MTBF de aproximadamente 4 e 2

meses, respetivamente. Considerando este indicador e a tabela 4.15, foi verificado a que é
vantajoso economicamente adotar para o mamógrafo uma estratégia preventiva a cada 2
meses, caso o valor da MP corresponda até metade do valor da manutenção corretiva. No caso
do ultrassom A, a preventiva deverá ser realizada a cada 3 meses, desde que Kp/Kc < 0,5.Para
as duas situações, se a relação Kp/Kc > 0,5, a periodicidade ótima da MP é maior do que o
intervalo entre falhas do equipamento, e será mais vantajoso adotar uma estratégia de
manutenção corretiva.
Ao verificar os dados de falhas do tomógrafo A, foi constatado que o equipamento
permaneceu inativo por muitos anos e não há dados suficientes para considerar o MTBF e
estabelecer a MP a partir dele. Nesse caso, o intervalo de manutenção pode ser definido pela
equipe de EC, que possui experiência a respeito dos equipamentos semelhantes instalados no
hospital. Para o tomógrafo B, foram óbitos valores para os intervalos de MP conforme tabela
4.16:

Tabela 4.16 – Relação Custo MP/ Custo MC e intervalo ótimo entre MP tomógrafo B:
Intervalo entre MP Intervalo entre MP
Kp/Kc
(horas) (meses)
0,06 1316,04 1,8
0,07 1524,15 2,1
0,1 2140,70 3,0
0,2 4142,37 5,8
0,3 6094,73 8,5
0,4 8015,74 11,1
Fonte: Autor

63
 Para este caso, é mais vantajoso aplicar MP se Kp/Kc ≤ 0,6 com periodicidade de 2
meses correspondente ao MTBF do tomógrafo B.
Importante ressaltar que um programa estratégico de manutenção com base na
confiabilidade de equipamentos tende a evoluir com o tempo, acompanhando as mudanças
nas condições dos itens, o conhecimento referente às atividades e fluxos de trabalho e as
ferramentas e orçamentos disponíveis para manutenção que sofrem alterações com o passar
do tempo.
Portanto, a política de manutenção e a periodicidade das intervenções devem ser
revistas regularmente. Alterações nos procedimentos de operação e intervenções bem
planejadas podem melhorar a condição dos equipamentos, possibilitando a ampliação do
intervalo manutenções. Assim como podem ser encontrados novos modos de falha,
ocasionando mudanças ou inclusão de novas atividades preventivas.
Outro parâmetro a ser considerado é o feedback fornecido pelos colaboradores que
utilizam os equipamentos diariamente e a equipe de EC. O conhecimento e maturidade
adquirido pela equipe permitirá o contínuo aperfeiçoamento do programa de manutenção,
enfatizando a atuação em componentes de menor confiabilidade, nos novos modos de falha e
descobrindo falhas ocultas.
Não é indicado que o time de manutenção apenas conserte um equipamento. É
necessário reconhecer o nível de importância do equipamento para os pacientes, conhecer e
registrar a história do item, bem como sua vida útil, seu nível de obsolescência, suas
características de construção e se há a possibilidade de substituição de peças durante a
manutenção. Esses dados vão dar suporte ao técnico no processo de análise e detecção de
falhas, da urgência da realização do serviço e na inclusão de procedimentos de manutenção
eficientes.
Os colaboradores do time de manutenção devem participar dos cursos de treinamento e
aperfeiçoamento, sobretudo quando novos equipamentos forem incorporados ao parque
tecnológico. O grupo de apoio administrativo também deve estar envolvido e associado ao
grupo de manutenção, não se resumindo apenas aos serviços de reparos, mas no auxílio
durante processo de aquisição de equipamentos novos, na realização ou verificação de testes
de recebimento desses equipamentos e eventualmente nas capacitações aos usuários sobre o
uso correto do aparelho.

64
5 CONCLUSÃO

A situação dos estabelecimentos de atenção à saúde pública no Brasil ainda é

considerada precária. Contudo, ao longo dos anos foram adotadas medidas para promover
melhor gestão de recursos destinados à modernização do parque tecnológico. Atualmente, o
principal desafio dos hospitais públicos é oferecer serviço de qualidade utilizando o
orçamento disponível.
Com a finalidade de tornar mais eficiente a gestão de manutenção de EMH, foram
apresentadas neste estudo, ferramentas quantitativas a serem utilizadas como base para
aplicação de uma estratégia de manutenção centrada na confiabilidade. Partindo da revisão de
conhecimentos sobre manutenção de equipamento, até a obtenção, tratamento e análise do
histórico de falhas de tomógrafos, mamógrafos, ultrassom do Complexo HUPES.
A principal vantagem de se utilizar metodologias para uma avaliação quantitativa é que
a tomada de decisão passa a ser baseada em fatos adquiridos através da análise de dados reais
dos equipamentos. Contudo, é necessário que os dados representem de forma fidedigna os
processos de falhas e reparos dos equipamentos.
Foi observado que a descrição das atividades de manutenção que deveriam ser
registradas em um documento, nem sempre são apontadas, e desta forma, para alguns
equipamentos do parque tecnológico do Hospital, os intervalos entre falhas apresentam
grande variabilidade, ou não há dados suficientes para estimar a distribuição de probabilidade
dos tempos de falha e o MTBF. Sendo assim, o registro correto e assíduo das falhas, seus
tempos, modos e efeitos, é um ponto deficitário na gestão de manutenção do EAS estudado, e
pode ser melhorado através da capacitação dos colaboradores envolvidos e mudanças de
procedimentos.
Importante ressaltar que o uso de qualquer uma das rotinas de análise de distribuição de
probabilidade para realizar estimativas de características populacionais constata que
populações raramente são 100% normais, binomiais ou exponenciais e assim por
diante. Sendo assim, qualquer equipamento razoavelmente complexo, ou mesmo um de seus
componentes, nunca exibirá uma forma de distribuição de falha que corresponda exatamente a
uma das formas tradicionais, sendo adotada então aquela distribuição que melhor se adequa
aos dados.
Ainda que a literatura e diferentes pesquisas a acerca de confiabilidade de equipamentos
apresentem êxito, observa-se que ainda há uma lacuna entre a teoria e a prática,
principalmente entre os estudos mais avançados e suas aplicações em setores de Engenharia
65
Clínica nos EAS públicos. O déficit de profissionais habilitados, a falta de recursos faz que os
estudos de confiabilidade nessas áreas não sejam tão fortemente abordados no Brasil.
Os resultados mais significativos do estudo apontaram: o incremento do conhecimento
a respeito dos EMH, dos sistemas e dos processos envolvidos na análise de confiabilidade; o
estabelecimento de procedimentos de manutenção programada contextualizados; a
identificação de deficiências quanto à confiabilidade, disponibilidade, da necessidade de
melhora em itens já instalados e nos softwares de uso; fornecimento de dados ao fabricante
sobre o desempenho do equipamento; criação de subsídios para melhorar os processos de
aquisição; além da proposição de ações para a justificação de investimentos e
aperfeiçoamento da gestão de manutenção por parte da gerência.
A priorização da confiabilidade desde a fase de concepção do projeto, e a operação
dentro de limitações que permitam um arranjo mais seguro dos equipamentos, permite que as
atividades de diagnóstico, terapia e reabilitação sejam constantes, bem sucedidas e de baixo
risco aos usuários. Em uma gestão estratégica é importante focar na eficiência das atividades e
ações que têm mais chance de trazer bons resultados com menor esforço e recurso.

5.1 TRABALHO FUTUROS

Este trabalho foi limitado a identificar e analisar dados quantitativos que podem dar
suporte às atividades de MCC. Aprofundamentos associados aos aspectos qualitativos e
outros métodos quantitativos são sugestões para trabalhos futuros, destacando:
i. Aprimorar a metodologia para análise de confiabilidade de equipamentos reparáveis
de acordo a modelagem de processo de Poisson, considerando manutenções
imperfeitas.
ii. Propor metodologia para análise causas, modos e efeitos de falhas (FMEA),
associando os resultados qualitativos com os indicadores quantitativos de
confiabilidade e disponibilidade, integrando a metodologia de MCC.
iii. Realizar levantamento e análise dos recursos humanos e financeiros necessários para
os cálculos dos custos de manutenção corretiva e preventiva.
iv. Identificar e comparar outras técnicas para determinação dos intervalos ótimos de
manutenção preventiva.

66
REFERÊNCIAS

AACE. American College of Clinical Engineering. Disponível em: <

https://accenet.org/about/Pages/ClinicalEngineer.aspx> . Acesso em: 31 de Outubro de 2018.

ANVISA. Agência Nacional de Vigilância Sanitária. Resolução da Diretoria Colegiada -

RDC Nº 2, 25/01/2010. Acesso em: 17 set. 2018.

ABNT. Associação Brasileira De Normas Técnicas. NBR 5462 Confiabilidade e

mantenabilidade. 37p. Rio de Janeiro, 1994.

Complexo HUPES. Histórico. Disponível em:< http://www.ebserh.gov.br> . Acesso em: 31

de Outubro de 2018.

BIROLINI, Alessandro. Realiability engineering: Theory and Practice. Springer, Ed. 5,

2007.

DYRO, Joseph F.. Clinical Engineering Handbook. Elsevier Academic Press , 2004.

FOGLIATTO,F.S.; RIBEIRO, J.L.D. Confiabilidade e Manutenção Industrial. V. 1. ed.

Rio de Janeiro: ABEPRO, 2011. 282 p.

FRITSCH, C.; RIBEIRO, J. PROCONF: Um software orientado para análises de

confiabilidade. In. XVIII Encontro Nacional de Engenharia de Produção. Niterói, 1998.

HERMANN, L. Estimação de curvas de sobrevivência para estudos de custo-efetividade.

(Dissertação-Metrado) – Universidade Federal do Rio Grande do Sul, 2011.

IBOPE Inteligência. Retratos da Sociedade Brasileira - Problemas e Prioridades para

2018. 41. 2017. Disponível em: <http://www.ibopeinteligencia.com/noticias-e-
pesquisas/desemprego-corrupcao-e-saude-sao-principais-problemas-do-pais-apontam-
brasileiros/>. Acesso em: 08 set. 2018.

KARDEC, P. & NASCIF, J. Manutenção – Função estratégica. Editora Qualitymark, Rio

de Janeiro, RJ, 1999.

LAFRAIA, João Ricardo Barusso. Manual de confiabilidade, mantenabilidade e

disponibilidade. Rio de Janeiro: Qualitymark 2001. xii, 374 p..

LUCATELLI, Marcos Vinícius. Proposta De Aplicação Da Manutenção Centrada Em

Confiabilidade Em Equipamentos Médico-Hospitalares. 2002. 285 p. Dissertação
(Doutorado em Engenharia Elétrica)- Universidade Federal de Santa Catarina, Santa Catarina,
2002. V. 1. Disponível em: <https://repositorio.ufsc.br/handle/123456789/84318>. Acesso
em: 10 set. 2018.

MINISTÉRIO DA SAÚDE. Equipamentos Médico-Hospitalares E O Gerenciamento Da

Manutenção. Brasília: MS, 2002. 709 p. Disponível em:
<http://bvsms.saude.gov.br/bvs/publicacoes/equipamentos_gerenciamento1.pdf >. Acesso em:
17 set. 2018.

67
O’CONNOR, P.D.T.; KLEYNER, A. Practical Reliability Engineering. Wiley, v. 05, 504 p.
New Jersey, 2012.

RELIASOFT. (Org.). Life Data Analysis Reference. Arizona: [s.n.], 2015. 438 p. Disponível
em: <http://www.synthesisplatform.net/references/Life_Data_Analysis_Reference.pdf>.
Acesso em: 23 out. 2018.

RIGONI, Emerson. Metodologia para Implantação da Manutenção Centrada na

Confiabilidade: Uma abordagem fundamentada em sistemas baseados em conhecimento
e lógica fuzzy. 2009. 342 p. Dissertação (Doutorado em Engenharia Mecânica)- Universidade
Federal de Santa Catarina, Santa Catarina, 2009. 1. Disponível em:
<https://repositorio.ufsc.br/xmlui/handle/123456789/92361>. Acesso em: 19 set. 2018.

SALGADO, Márcia de Fátima Platilha. Aplicação de Técnicas de Otimização à

Engenharia de Confiabilidade. Disponível em:<http://www.ibopeinteligencia.com/noticias-
e-pesquisas/desemprego-corrupcao-e-saude-sao-principais-problemas-do-pais-apontam-
brasileiros/>. Acesso em: 16 de Outubro de 2018.

SEIXAS, Eduardo de Santana. Manutenção Centrada na Confiabilidade. São Paulo, 2008.

SELLITO, Miguel Afonso. Formulação estratégica da manutenção industrial com base

na confiabilidade dos equipamentos. Revista Produção, v. 15, n. 1, p. 044-059, Jan./Abr.
2005.

SESAB. Programação Físico Orçamentária - Quantidade e Valores Orçados. 2018.

Disponível em: <http://www2.saude.ba.gov.br>. Acesso em: 01 nov. 2018.

SMITH, D. J. Reliability, maintainability and risk: practical methods for

engineers. Oxford: Butterworth Heinemann, 6 ed., 2001. 335 p.

SÔNEGO, Fernando S. Estudo de métodos de avaliação de tecnologias em saúde aplicada

a equipamentos eletro-médicos. (Dissertação-Metrado) – Universidade Federal de Santa
Catarina, 2007.

TELES, Jhonata. O Planejamento e Controle da Manutenção na Indústria 4.0. Brasília:

[s.n.], 2018. 69 p. Disponível em: <https://edoc.site/planejamento-e-controle-de-manuteno-na-
indstria-40-pdf-free.html>. Acesso em: 01 nov. 2018.

WALID, T.; SAMEH, E. Assessment of medical equipment in respect to their down time.
World Congress on Medical Physics and Biomedical Engineering, 2009, Munich, Alemanha,
p. 267–270.

68