A análise de Weibull é um método estatístico que usa os tempos até a falha de um componente para descobrir como ele falha: se quebra cedo por defeito, ao acaso ou por desgaste, e com que idade a probabilidade de falha começa a subir. Na manutenção, ela responde uma pergunta prática: vale a pena trocar esse componente por tempo, e com qual intervalo?
O MTBF é uma média, e a média esconde o formato. Dois rolamentos com a mesma média de 5.000 horas podem se comportar de forma completamente diferente: um falha quase sempre entre 4.000 e 6.000 horas, outro falha a qualquer momento, inclusive na semana seguinte à troca. Para o primeiro, uma preventiva por tempo resolve. Para o segundo, a troca programada só gasta peça. A análise de Weibull separa esses dois casos.
O que é a distribuição de Weibull, sem fórmula assustadora
Weibull é uma curva que descreve a probabilidade de um item falhar até uma certa idade. Mudando só dois parâmetros, ela imita a maioria dos padrões de falha de componentes mecânicos e elétricos.
Beta (β): o parâmetro de forma
Beta diz como o componente falha ao longo da vida:
- β menor que 1: a taxa de falha cai com o tempo. É mortalidade infantil: defeito de fabricação, montagem errada, peça recebida com problema, partida mal feita. Se o item sobrevive ao início, tende a durar.
- β perto de 1: a taxa de falha é constante. O item falha ao acaso, sem relação com a idade. Placa eletrônica atingida por surto, por exemplo.
- β maior que 1: a taxa de falha sobe com a idade. Desgaste, fadiga, corrosão, erosão. Quanto maior o beta, mais concentradas as falhas ficam em torno de uma idade típica.
Essa leitura já muda decisões. Trocar preventivamente um item com β menor ou igual a 1 não reduz falhas; no caso de β menor que 1, pode até aumentar, porque cada troca coloca uma peça nova no período mais arriscado da vida dela.
Eta (η): a vida característica
Eta é a idade em que cerca de 63,2% dos itens já falharam. É a escala da curva, medida na mesma unidade dos dados (horas, ciclos, toneladas). Não confunda com a vida média: para β maior que 1, a média fica um pouco abaixo de η.
A confiabilidade em uma linha
Com β e η estimados, a probabilidade de o item sobreviver até a idade t é:
R(t) = e^(−(t/η)^β)
Com os dois parâmetros, dá para perguntar à planilha: “qual a chance de esse rolamento chegar a 3.000 horas sem falhar?”.
Quais dados você precisa para fazer a análise de Weibull?
O cálculo é simples; os dados é que costumam estar ruins.
- Um modo de falha por análise. Misturar falha de rolamento com falha de selo e com queima de motor na mesma conta produz um beta sem significado. A análise é por componente e por modo de falha.
- Itens comparáveis. O mesmo modelo de componente, em aplicações parecidas. Rolamento de bomba de água e de bomba de caldo não entram juntos, mesmo com o mesmo código de peça.
- Idade na falha, não data da falha. Você precisa saber quantas horas (ou ciclos) o item rodou desde a instalação até falhar. Isso exige data de instalação registrada e, de preferência, horímetro ou horas de operação confiáveis.
- Os itens que não falharam também contam. Um rolamento trocado na preventiva com 4.000 horas, ainda bom, é uma informação: ele sobreviveu até ali. Em estatística isso se chama suspensão (ou dado censurado). Ignorar as suspensões deixa o resultado pessimista.
Se a sua ordem de serviço registra só “trocado rolamento” sem dizer qual posição, por que falhou e com quantas horas, a análise de Weibull ainda não é o próximo passo. O próximo passo é corrigir o registro de falhas, assunto do artigo sobre análise de falhas.
Exemplo: análise de Weibull de rolamentos numa planilha
Exemplo hipotético. Uma planta tem um grupo de bombas iguais de água de resfriamento. Nos últimos anos, o rolamento do lado acoplado falhou seis vezes, sempre pelo mesmo modo (fadiga com aumento de vibração e temperatura). As idades na falha, em horas de operação, foram: 2.100, 3.400, 4.300, 5.200, 6.100 e 7.600. Para simplificar, vamos supor que nenhum rolamento foi trocado antes de falhar (sem suspensões).
Passo 1: ordenar e estimar a fração que já falhou
Ordene os tempos do menor para o maior e estime, para cada um, a fração acumulada de falhas pela aproximação de Bernard (posto mediano): F = (i − 0,3) ÷ (n + 0,4), onde i é a posição e n o total de dados. Com n = 6, o denominador é 6,4.
Passo 2: transformar os eixos
Para cada linha, calcule x = ln(t) e y = ln(−ln(1 − F)). Essa transformação faz com que dados que seguem Weibull fiquem alinhados numa reta.
| i | Horas até a falha (t) | F = (i − 0,3) ÷ 6,4 | x = ln(t) | y = ln(−ln(1 − F)) |
|---|---|---|---|---|
| 1 | 2.100 | 0,109 | 7,650 | −2,156 |
| 2 | 3.400 | 0,266 | 8,132 | −1,175 |
| 3 | 4.300 | 0,422 | 8,366 | −0,602 |
| 4 | 5.200 | 0,578 | 8,556 | −0,147 |
| 5 | 6.100 | 0,734 | 8,716 | 0,282 |
| 6 | 7.600 | 0,891 | 8,936 | 0,794 |
Passo 3: ajustar a reta e ler β e η
Use as funções INCLINAÇÃO e INTERCEPÇÃO (SLOPE e INTERCEPT na versão em inglês) com y como variável dependente e x como independente. A inclinação é o próprio β. A vida característica sai de η = e^(−intercepto ÷ β).
Neste exemplo, a inclinação dá aproximadamente 2,31 e o intercepto aproximadamente −19,91. Então β ≈ 2,3 e η = e^(19,91 ÷ 2,31), algo perto de 5.500 horas.
Passo 4: interpretar
Beta em torno de 2,3 indica desgaste: o risco de falha cresce com a idade. Com esses parâmetros:
- A chance de o rolamento passar de 2.000 horas sem falhar é de cerca de 91%.
- A chance de passar de 3.000 horas cai para cerca de 78%.
- A vida B10 (idade em que 10% já falharam) fica perto de 2.100 horas.
- A vida média calculada pela curva fica perto de 4.900 horas, coerente com a média simples dos seis dados (cerca de 4.800 horas).
Repare no que a média sozinha esconde. Quem olhasse só o MTBF de 4.800 horas poderia programar a troca em 4.500 horas e se sentir seguro. A curva mostra que, nessa idade, uma parte relevante dos rolamentos já teria falhado.
Agora o cuidado: são seis pontos. Com tão poucos dados, o intervalo de confiança de β e η é largo, e outro conjunto de seis falhas do mesmo rolamento poderia dar β de 1,6 ou de 3,5. Use o resultado como direção (“é desgaste, e o risco cresce bem antes da média”), não como número de catálogo com três casas decimais.
Quer tirar isso da planilha?O Sismetro junta ordens de serviço, preventivas, estoque e indicadores num só lugar, com app para os técnicos e integração com o ERP Senior.
Como usar o resultado para decidir a manutenção
O valor da análise de Weibull está na decisão que ela permite tomar. Uma leitura simples, por faixa de beta:
| Beta | O que indica | Decisão típica |
|---|---|---|
| Menor que 1 | Falhas precoces | Investigar montagem, armazenagem, qualidade da peça, procedimento de partida. Troca por tempo não ajuda. |
| Perto de 1 | Falhas aleatórias | Inspeção por condição, redundância, peça em estoque. Troca por tempo também não ajuda. |
| Entre 1 e 3 | Desgaste moderado, falhas espalhadas | Monitoramento de condição costuma render mais. Troca por tempo pode compensar se a falha for cara. |
| Maior que 3 | Desgaste concentrado | Troca ou reforma por tempo funciona bem, com intervalo definido pela curva. |
As faixas são orientação, não regra. Para escolher o intervalo de troca preventiva, entra outra variável: quanto custa a falha comparada com a troca planejada. Se a falha do rolamento derruba uma linha inteira e a troca planejada é barata, compensa trocar mais cedo. Se a falha é tolerável (há bomba reserva, por exemplo), compensa deixar rodar e monitorar.
No exemplo das bombas, com β por volta de 2,3, a recomendação mais sensata provavelmente não é trocar rolamento por calendário, e sim reforçar a medição de vibração e temperatura e trocar quando aparecer o sinal. A curva também ajuda a definir a partir de quando apertar a frequência dessa inspeção, já que o risco cresce visivelmente depois de umas 2.000 horas. A relação entre inspeção e janela de detecção está explicada na curva P-F.
Erros comuns na análise de Weibull
- Analisar o equipamento inteiro. Uma bomba tem vários modos de falha, cada um com seu beta. Somados, viram uma curva parecida com falha aleatória,, e a leitura fica errada.
- Usar data de OS como data de falha. Se a OS foi aberta três dias depois, ou fechada em lote no fim do mês, a idade calculada sai errada.
- Descartar as suspensões. Os itens trocados ainda bons e os que continuam rodando entram na conta. Com suspensões, o cálculo manual fica mais trabalhoso (os postos precisam ser ajustados), e aí um software estatístico ou de confiabilidade passa a valer a pena.
- Confiar demais em poucos pontos. Com menos de cinco ou seis falhas do mesmo modo, trate o resultado como hipótese.
- Ignorar mudanças no meio do caminho. Trocou o fornecedor ou o tipo de lubrificação? Dados antigos e novos são populações diferentes.
Quando a análise de Weibull vale o esforço
Ela não precisa ser feita para tudo. Faz sentido em componentes que falham com alguma frequência, cuja falha tem custo ou risco relevante e que têm histórico confiável: rolamentos e selos de bombas críticas, correias, facas, telas, componentes de desgaste em moendas e moinhos, válvulas de compressores. É uma ferramenta típica de quem trabalha com engenharia de confiabilidade e combina bem com a lista de equipamentos que mais falham, que diz por onde começar.
O gargalo quase sempre é o dado. Num CMMS como o Sismetro, o histórico de ordens de serviço por equipamento, com data e tipo de intervenção, é a matéria-prima para montar a lista de tempos até a falha sem garimpar papel. A OS ainda precisa registrar o componente e o modo de falha.
Próximo passo prático: escolha um componente que falhou pelo menos seis vezes nos últimos dois ou três anos, levante a idade de cada peça na falha e a idade das que foram trocadas ainda boas, e monte a tabela acima. Se não conseguir montar a tabela, você descobriu o que precisa mudar no registro das OS antes de qualquer análise estatística.
Perguntas frequentes
Qual a diferença entre MTBF e análise de Weibull?
O MTBF é uma média e diz quanto tempo, em média, o item roda entre falhas. A análise de Weibull descreve a distribuição completa: se a falha é precoce, aleatória ou por desgaste e qual a probabilidade de falhar até cada idade. Dois itens com o mesmo MTBF podem pedir estratégias opostas.
Quantos dados preciso para fazer uma análise de Weibull?
Dá para fazer um ajuste com cinco ou seis falhas do mesmo modo, mas o resultado terá incerteza grande e deve ser lido como tendência. Quanto mais falhas e suspensões bem registradas, mais confiável fica a estimativa de β e η.
O que significa beta maior que 1 na análise de Weibull?
Significa que a taxa de falha cresce com a idade, ou seja, há desgaste. Nesse caso, a manutenção preventiva por tempo ou a inspeção mais frequente a partir de certa idade podem reduzir falhas, desde que o custo da falha justifique.
Dá para fazer análise de Weibull no Excel?
Sim, para casos sem suspensões ou com poucas suspensões. Basta calcular os postos medianos, aplicar os logaritmos e usar INCLINAÇÃO e INTERCEPÇÃO. Com muitos itens que ainda não falharam, um software estatístico ou de confiabilidade dá resultados mais corretos.
