Análise de Weibull na manutenção: o que é e como aplicar em dados de falha

A análise de Weibull é um método estatístico que ajusta a distribuição de Weibull aos tempos até a falha de um componente para descrever como o risco de falha evolui com a idade. Com dois parâmetros, beta (forma) e eta (escala), ela indica se as falhas são prematuras, aleatórias ou por desgaste, e apoia decisões como intervalo de preventiva e estoque de sobressalentes.

O nome vem do engenheiro sueco Waloddi Weibull, que apresentou a distribuição em 1951 no artigo "A statistical distribution function of wide applicability", publicado no Journal of Applied Mechanics. Desde então ela se tornou a ferramenta mais usada para analisar vida de componentes mecânicos, porque se adapta a formatos muito diferentes de dados com apenas dois números.

Para que serve a análise de Weibull na manutenção

O histórico de manutenção guarda quando cada componente foi instalado e quando falhou. A análise de Weibull transforma essa lista de tempos em respostas práticas:

• A falha deste componente depende da idade, ou acontece ao acaso?
• Qual a probabilidade de um rolamento com 2.000 horas chegar a 3.000 horas sem falhar?
• Com quantas horas 10% da população terá falhado?
• Trocar o componente por idade reduz falhas, ou só gasta peça?
• Quantas peças de reposição a planta vai consumir no próximo trimestre?

Ela é uma das ferramentas quantitativas da engenharia de confiabilidade e complementa indicadores médios como o MTBF. O MTBF resume a frequência de falhas num número; a Weibull mostra o formato do risco ao longo da vida, que é o que define se uma troca preventiva faz sentido.

Os parâmetros beta e eta

Na forma de dois parâmetros, a probabilidade de o componente ainda funcionar no tempo t (a confiabilidade) é:

R(t) = exp[−(t ÷ η)^β]

A probabilidade acumulada de falha até t é F(t) = 1 − R(t).

Eta (η), o parâmetro de escala

Eta é a vida característica: o tempo no qual 63,2% da população terá falhado, qualquer que seja o valor de beta. Ele é medido na mesma unidade dos dados (horas, ciclos, toneladas processadas). Eta dá a ordem de grandeza da vida, mas não é a vida média nem um intervalo de troca recomendado.

Beta (β), o parâmetro de forma

Beta diz como a taxa de falha se comporta com a idade, e é a parte mais informativa da análise.

• Beta menor que 1: a taxa de falha diminui com o tempo. É o padrão da mortalidade infantil: falhas de montagem, defeito de fabricação, erro de instalação, peça fora de especificação. Os itens que sobrevivem ao início tendem a durar. Troca preventiva por idade piora a situação, porque recoloca na máquina uma peça nova, que está na fase de maior risco.
• Beta igual a 1: a taxa de falha é constante e a Weibull se reduz à distribuição exponencial. As falhas acontecem ao acaso, sem relação com a idade, típicas de componentes eletrônicos e de falhas causadas por eventos externos. Trocar por idade não reduz o risco.
• Beta maior que 1: a taxa de falha cresce com a idade. É o desgaste: fadiga, abrasão, corrosão. Entre 1 e cerca de 4, o desgaste é gradual; valores mais altos indicam falhas concentradas numa faixa estreita de idade, o que torna a troca programada mais previsível.

As três faixas correspondem às três fases da curva da banheira: mortalidade infantil, vida útil com falhas aleatórias e desgaste. A diferença é que a Weibull mede em qual fase está um componente específico da sua planta, em vez de supor.

Weibull de três parâmetros

Existe uma forma com um terceiro parâmetro, gama (γ), de localização, que representa um tempo mínimo antes do qual nenhuma falha ocorre. Ele só se justifica quando há razão física para esse período livre de falhas e quando o gráfico mostra curvatura consistente. Com poucos dados, acrescentar gama costuma melhorar o ajuste sem melhorar a verdade.

Dados necessários: tempos até a falha e suspensões

A análise precisa, para cada unidade da população, do tempo de vida medido desde a instalação ou a última restauração completa. Três cuidados decidem a qualidade do resultado.

População homogênea. Os itens precisam ter o mesmo projeto, a mesma aplicação e condições de operação semelhantes. Rolamentos iguais em ventiladores e em bombas podem ter vidas muito diferentes.

Um modo de falha por vez. Cada modo de falha tem sua própria distribuição. Misturar falhas por contaminação do lubrificante com falhas por fadiga produz um beta que não descreve nenhuma das duas. Classificar a falha na hora do registro, como propõe a ISO 14224 com a separação entre modo, mecanismo e causa, é o que torna essa separação possível depois.

Suspensões. Unidades que ainda não falharam, ou que foram retiradas por outro motivo (troca preventiva, falha de outro modo, reforma), também carregam informação: sabe-se que elas sobreviveram pelo menos até aquele tempo. Na estatística, esses dados se chamam censurados à direita. Descartá-los faz o componente parecer pior do que é, porque sobram só as falhas mais precoces.

Como fazer a análise: método gráfico e regressão por postos medianos

O método clássico, descrito por Robert B. Abernethy em The New Weibull Handbook (5ª edição, 2006), é o ajuste por postos medianos, que pode ser feito numa planilha.

1. Ordene os tempos até a falha do menor para o maior e numere as posições (i = 1, 2, 3...).
2. Estime a probabilidade acumulada de falha de cada posição pela aproximação de Bernard para o posto mediano: F ≈ (i − 0,3) ÷ (n + 0,4), em que n é o total de unidades.
3. Transforme os eixos: no horizontal, ln(t); no vertical, ln[ln(1 ÷ (1 − F))]. Nessa escala, dados que seguem uma Weibull formam uma reta. É o que faz o papel de probabilidade de Weibull, usado antes dos computadores.
4. Ajuste uma reta por mínimos quadrados. A inclinação é beta. Eta é o tempo em que a reta cruza F = 63,2%, e pode ser calculado por η = exp(−a ÷ β), em que a é o intercepto da reta.
5. Confira o ajuste pelo coeficiente de determinação (R²) e, principalmente, pelo formato do gráfico.

Quando há suspensões, a posição de cada falha é corrigida pelo método de ordens ajustadas de Johnson antes de calcular o posto mediano, procedimento detalhado no livro de Abernethy. Com muitas suspensões, o ajuste por máxima verossimilhança tende a ser preferível; com poucas falhas, o próprio Abernethy recomenda a regressão por postos medianos.

A mesma amostra com três falhas e duas suspensões, comparando o ajuste completo com o ajuste que descarta quem não falhou, está em Weibull com falhas e suspensões.

O formato do gráfico diz mais do que o R². Uma curva com dobra, em que os pontos formam duas retas de inclinações diferentes, costuma indicar dois modos de falha misturados. Uma curva côncava pode indicar a necessidade de três parâmetros ou uma população heterogênea.

Exemplo numérico de análise de Weibull

Os números a seguir são ilustrativos, escolhidos redondos para facilitar a conta. Seis rolamentos iguais, na mesma aplicação, falharam por fadiga com 1.000, 1.800, 2.500, 3.100, 3.800 e 4.600 horas de operação.

i	Tempo (h)	F pelo posto mediano
1	1.000	10,9%
2	1.800	26,6%
3	2.500	42,2%
4	3.100	57,8%
5	3.800	73,4%
6	4.600	89,1%

A regressão nos eixos transformados dá beta ≈ 1,9 e eta ≈ 3.250 horas, com R² de 0,99. A leitura:

• Beta perto de 2 indica desgaste: o risco de falha cresce com a idade, coerente com fadiga de rolamento.
• Com 1.000 horas, a confiabilidade estimada é de cerca de 90%. Esse é o B10, tempo em que 10% da população terá falhado.
• Com 2.000 horas, a confiabilidade cai para cerca de 67%.
• Um rolamento que já chegou a 2.000 horas tem cerca de 37% de probabilidade de falhar nas 1.000 horas seguintes, calculada por 1 − R(3.000) ÷ R(2.000).

Se a planta tiver dez rolamentos dessa aplicação, todos perto de 2.000 horas, o consumo esperado nas próximas 1.000 horas é de três a quatro peças. Com seis falhas, a incerteza sobre beta e eta é grande, e o resultado serve para orientar a decisão, sem substituir o acompanhamento das próximas falhas.

Como usar o resultado para definir intervalo de preventiva e estoque

Intervalo de troca preventiva

A troca por idade só reduz falhas quando beta é maior que 1. Com beta menor ou igual a 1, ela gasta peça e mão de obra sem ganho, e pode até aumentar falhas de montagem. Nesses casos, inspeção por condição ou redesenho são caminhos melhores, e a curva P-F ajuda a definir a frequência de inspeção.

Com beta maior que 1, o intervalo ótimo depende da relação entre o custo de uma troca planejada e o custo de uma falha, que inclui produção perdida, reparo de emergência e danos secundários. O modelo de substituição por idade, apresentado por Andrew Jardine e Albert Tsang em Maintenance, Replacement, and Reliability: Theory and Applications (CRC Press), calcula o intervalo que minimiza o custo por hora combinando esses dois custos com os parâmetros da Weibull. Quando a falha tem consequência de segurança, a referência deixa de ser custo e passa a ser uma confiabilidade mínima aceitável, por exemplo trocar antes do B1 ou do B10.

No exemplo acima, trocar os rolamentos com 1.000 horas manteria o risco perto de 10%, mas descartaria peças com mais de dois terços da vida característica pela frente. Se a falha em serviço custa muito mais que a troca planejada, a conta pode fechar; se custa pouco mais, inspeção de vibração e temperatura provavelmente sai mais barata.

Estoque de sobressalentes

Somando a probabilidade condicional de falha de cada unidade instalada, dada a idade atual, a análise estima quantas peças a população vai consumir num período. Isso é mais preciso do que dividir o consumo histórico pelo número de meses, porque considera que uma frota envelhecida consome mais. A decisão de quanto manter em estoque também depende do prazo de reposição e da criticidade, tema da gestão de sobressalentes com matriz ABC XYZ.

Limites da análise de Weibull

• Poucas falhas: com menos de cinco ou seis falhas, os intervalos de confiança de beta e eta ficam largos. Abernethy discute métodos para amostras pequenas, como a Weibayes, que assume um beta conhecido de experiência anterior.
• Modos de falha misturados: produzem parâmetros que não descrevem nenhum mecanismo real. Separe por modo antes de ajustar.
• Relógio errado: contar tempo de calendário quando o componente fica parado boa parte do tempo, ou começar a contagem na data da ordem em vez da instalação, distorce tudo.
• Sistemas reparáveis: a Weibull de vida descreve o tempo até a primeira falha de itens substituídos por novos. Para um equipamento reparado várias vezes, sem voltar à condição de novo, a sequência de falhas pede modelos de processos de falha recorrente, descritos no Engineering Statistics Handbook do NIST.
• Mudança na população: se o fornecedor, o lubrificante ou a condição de operação mudaram, as falhas antigas e as novas pertencem a populações diferentes.

Software para análise de Weibull

Para poucos dados sem suspensões, uma planilha com as funções LN e de regressão linear resolve o método de postos medianos. Para trabalho recorrente, com suspensões, intervalos de confiança e comparação de distribuições, há ferramentas dedicadas:

• Programas comerciais de confiabilidade: o ReliaSoft Weibull++ e o SuperSMITH Weibull são específicos para análise de dados de vida. O SuperSMITH é o programa associado ao método do livro de Abernethy.
• Pacotes estatísticos gerais: o Minitab tem módulo de confiabilidade e sobrevivência que ajusta Weibull com dados censurados.
• Bibliotecas de código aberto: em R, o pacote WeibullR; em Python, a biblioteca reliability.

A escolha do programa importa menos do que a preparação dos dados. Qualquer ferramenta devolve beta e eta com várias casas decimais a partir de uma população misturada ou de datas erradas.

Como isso aparece no SAP PM e no PM Run

O SAP PM não faz análise de Weibull, mas guarda os dados que ela precisa, desde que registrados com cuidado. O tempo de vida sai da data de instalação do equipamento ou do componente e da data da falha registrada na nota (IW21), com o indicador de avaria e as datas e horas de início e fim da avaria. O modo de falha e a parte afetada vêm dos catálogos da nota (parte do objeto, dano e causa), ligados ao perfil de catálogo definido para o equipamento ou para o tipo de nota. As listas de notas (IW28 e IW29) permitem extrair o histórico por equipamento e por código. Quando a vida é medida em horas de operação, e não em calendário, um ponto de medição do tipo contador (criado na IK01, com leituras lançadas por documento de medição na IK11) fornece o tempo real de uso.

Depois da análise, a decisão volta ao SAP PM como estratégia: plano de manutenção por tempo ou por desempenho (IP42 e IP43), com a lista de tarefas correspondente, programado na IP10. Essa definição fica com a engenharia de manutenção dentro do SAP PM.

A PM Run não faz análise de Weibull. Ela entra na ponta que costuma estragar o dado: o registro da falha. Pelo aplicativo, o técnico abre a nota no equipamento com os catálogos de parte, sintoma e causa, registra paradas no momento em que acontecem e lança leituras de contador lendo o QR Code do ponto de medição. Com isso, a PM Run entrega os dados de falha prontos e automatizados para o time montar os próprios indicadores e extrair a população para a análise estatística.

Se a sua dificuldade é ter tempos até a falha confiáveis para analisar, veja como a PM Run organiza os dados de falha para o painel de indicadores de manutenção.