Reliability analysis of a plastic processing equipment: a case study supported by statistical software

Autores

  • Ana Flávia Alves dos Santos Universidade Federal do Rio Grande do Norte / Natal - RN https://orcid.org/0000-0002-3404-2714
  • Emanuel Macedo Neto Universidade Federal do Rio Grande do Norte / Natal - RN
  • Mayara Ohana Alves de Souza Universidade Federal do Rio Grande do Norte / Natal - RN
  • Pâmela Caroline Silva de Oliveira Universidade Federal do Rio Grande do Norte / Natal - RN
  • Herbert Ricardo Garcia Viana Universidade Federal do Rio Grande do Norte / Natal - RN
  • Ricardo Pires de Souza Universidade Federal do Rio Grande do Norte / Natal - RN https://orcid.org/0000-0002-2922-0985

DOI:

https://doi.org/10.5585/exactaep.2021.18032

Palavras-chave:

maintenance management, reliability analysis, reliability mathematical representations

Resumo

The extrusion process of plastic transformation involves a series of variables and components which must be associated with the concept of reliability to achieve an expected performance in operational and quality terms. This paper describes the reliability framework of an extruder of a packaging company located in Brazil through the following mathematical representations: probability density function f(t), reliability curve R(t) and function rate of failure h(t). Through a statistical software the set of representations was able to develop the reliability framework of the machine, which can be used to support a FMEA analysis. Besides that, it was evidenced that in the current operating conditions of the machine, approximately 50% of the failure observations happen on the hour 100 of operating time. The main outcome is that it is recommended a systematic preventive maintenance based on 100h cycles. It is expected that this work may act as a guide for future implementation of improvement activities.

Downloads

Não há dados estatísticos.

Biografia do Autor

Ana Flávia Alves dos Santos, Universidade Federal do Rio Grande do Norte / Natal - RN

Bolsista CAPES na modalidade de mestrado acadêmico vinculada ao Programa de Pós-Graduação em Engenharia de Produção da UFRN. Linha de pesquisa: Pesquisa Operacional, ênfase em análise multicritério de apoio à decisão (MCDA).

Emanuel Macedo Neto, Universidade Federal do Rio Grande do Norte / Natal - RN

Graduado em Ciência e Tecnologia e Engenharia Mecânica pela Universidade Federal do Rio Grande do Norte (UFRN). Especialização em Engenharia de Operações pela UFRN e mestrando de Engenharia de Produção, regularmente vinculado ao Program de Pós-Graduação em Engenharia de Produção da UFRN. Atualmente é pesquisador convidado no projeto de industria 4.0 na UFRN. Tem experiência na área de manutenção, qualidade, gestão financeira, marketing, vendas e liderança.

Mayara Ohana Alves de Souza, Universidade Federal do Rio Grande do Norte / Natal - RN

Engenheira Química graduada pela Universidade Federal do Rio Grande do Norte (UFRN). Mestranda em Engenharia de Produção pela UFRN com projeto de pesquisa associado à área de Controle de Processos e Engenharia da Qualidade. Atua como supervisora de processos industriais e desenvolvimento de produtos em uma indústria multinacional de tubos laminados, tendo conhecimento prático e teórico na área de gestão de projetos, extrusão, laminação, processamento de plástico, polímeros e tecnologias de embalagens. 

Pâmela Caroline Silva de Oliveira, Universidade Federal do Rio Grande do Norte / Natal - RN

Mestranda em Engenharia de Produção pela Universidade Federal do Rio Grande do Norte - UFRN, tendo como linha de pesquisa: Estratégia e Qualidade, com ênfase em manutenção industrial. Graduada em Engenharia de Produção pela Universidade Federal de Campina Grande - UFCG

Herbert Ricardo Garcia Viana, Universidade Federal do Rio Grande do Norte / Natal - RN

Graduação em Engenharia Mecânica pela Universidade Federal de Campina Grande (1997), graduação em Direito pela Universidade Estadual da Paraíba (1998), mestrado em Engenharia Mecânica pela Universidade Federal da Paraíba (2008) e Doutorado em Engenharia de Produção pela Universidade Federal do Rio Grande do Sul (2013). Além de Especialização em Gestão Empresarial pela PUCCAMP (2003) e Especialização em Tecnologia Mineral pela UFPA (2007). Professor Adjunto vinculado ao departamento de Engenharia de Produção da Universidade Federal do Rio Grande do Norte, atuando na construção de projetos de pesquisa voltados à área de Engenharia de Operações.

Ricardo Pires de Souza, Universidade Federal do Rio Grande do Norte / Natal - RN

Engenheiro Físico, graduado pela Universidade Federal de São Carlos (UFSCar -2006), mestre em Engenharia de Produção pela Universidade Federal do Rio Grande do Norte (UFRN - 2012) e doutor em Engenharia Mecânica pela UFRN (2015) com foco em pesquisa operacional e planejamento de experimentos visando otimização de processos produtivos. Atua com desenvolvimento de modelos de análise de decisão multicritério. Atualmente atua como professor adjunto no departamento de engenharia de produção, professor do Programa de Pós Graduação em engenharia de produção – UFRN e coordenador do grupo de pesquisa Health Care, Engineering and Industrial Inovation - HEII. Áreas de interesse: Pesquisa Operacional, Engenharia da qualidade, otimização de processos, análise decisão multricritério - MCDA.

Referências

Barbetta, P.A., Reis, M.M., & Bornia, A.C. (2010). Estatística: para cursos de engenharia e informática (3. ed.). São Paulo: Atlas.

Callegari-Jacques, S.M. (2003). Bioestatística: princípios e aplicações. Porto Alegre: Artmed

Fernandes, C.G. (2010). Metodologia para melhorar a confiabilidade de subsistemas através de análise de falhas e testes acelerados. Master Thesis, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS,

Brasil. Retrieved 10 June 2019, from:

https://www.lume.ufrgs.br/handle/10183/25044

Fogliatto, F.S., & Ribeiro, J. L. D. (2009). Confiabilidade e manutenção industrial. Rio de Janeiro: Elsevier.

Kızılersü, A., Kreer, M., & Thomas, A. W. (2018). The Weibull distribution. Significance, 15(2), 10–11. https://doi.org/10.1111/j.1740-9713.2018.01123.x

Leotti, V. B., Birck, A. R., & Riboldi, J. (2005). Comparação dos testes de aderência à normalidade Kolmogorov-Smirnov, Anderson-Darling, Cramer-Von Mises e Shapiro-Wilk por simulação. Proceedings of the Simpósio de Estatística Aplicada à Experimentação, Florianópolis, SC, Brasil.

Mendes, J. J., Maria, R. C., Radin, L. A., De Sá, D. A. P, & Cordeiro, R. O. (2014). Engenharia de Confiabilidade – um estudo de caso para avaliação do desempenho do sistema de descarga de minério “virador de vagões” durante o primeiro ano de operação. Proceedings of the XXXIV Encontro

Nacional de Engenharia de Produção, Curitiba, PR, Brasil.

Minitab 18 Statistical Software (2017). [Computer software]. State College, PA: Minitab, Inc. (www.minitab.com)

Minitab 19 Statistical Software (2020). [Computer software]. State College, PA: Minitab, Inc. (http://www.minitab.com/)

Minitab, LLC (2017). “Anderson-Darling statistics in reliability analysis”. Minitab 18 Support.[Computer software] Retrieved 12 August 2019, from: https://support.minitab.com/pt-br/minitab/18/help-and-how-to/modeling-statistics/reliability/supporting-topics/distribution-models/anderson-darling-statistics/.

Minitab, LLC (2017). Anderson-Darling - Goodness-of-fit statistic for Parametric Distribution Analysis (Right Censoring). Minitab 2018 Support. [Computer software]. Retrieved 12 August 2019, from: https://support.minitab.com/pt-br/minitab/18/help-and-how-to/modeling-statistics/reliability/how-to/parametric-distribution-analysis-right-censoring/interpret-the-results/goodness-of-fit-measure/.

Minitab, LLC (2017). Least squares estimation method and maximum likelihood estimation method. Minitab 2018 Support [Computer software]. Retrieved 08 August 2019, from: https://support.minitab.com/pt-br/minitab/18/help-and-how-

to/modeling-statistics/reliability/supporting-topics/estimation-methods/least-squares-and-maximum-likelihood-estimation-methods

Minitab, LLC (2017). Method table for Analyze Variability. Minitab 18 Support. [Computer software]. Retrieved 08 August 2019, from: https://support.minitab.com/pt-br/minitab/18/help-and-how-to/modeling-statistics/doe/how-to/factorial/analyze-variability/interpret-the-results/all-statistics-and-graphs/method-table/.

MacDiarmid, P. R., & Morris, S. F. (1984). Reliability growth testing effectiveness. (RADC-TR-84-20), New York, Rome Air Development

Center (RADC), Air Force Base, Silva, J. R. S., Souza, L. A. P. D., Castro, L. Z., Ferreira, T. A., & Campos, M. S. (2015). Análise da confiabilidade: um estudo de caso. Proceedings of the XXXV Encontro Nacional de Engenharia de Produção, Fortaleza, CE, Brasil.

VERCELLINO, M. V. (2014). Modelagem, simulação e otimização de processo de extrusão de filmes plásticos tubulares. Work of Course Conclusion, Universidade de São Paulo, Lorena, SP, Brasil. Retrieved 06 June 2019, from: http://sistemas.eel.usp.br/bibliotecas/monografias/2014/MEQ14023.pdf

VIANA, H. R. G. (2021). Manual de Gestão da Manutenção (Vol.2). Brasília: Engeteles.

Downloads

Publicado

22.03.2023

Como Citar

Santos, A. F. A. dos, Macedo Neto, E., Souza, M. O. A. de, Oliveira, P. C. S. de, Viana, H. R. G., & Souza, R. P. de. (2023). Reliability analysis of a plastic processing equipment: a case study supported by statistical software. Exacta, 21(1), 130–146. https://doi.org/10.5585/exactaep.2021.18032

Edição

v. 21 n. 1 (2023): (jan./mar.)

Seção

Artigos

Licença

Copyright (c) 2023 Dos autores

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Crossref
Scopus
Google Scholar
Europe PMC

Artigos mais lidos pelo mesmo(s) autor(es)