Por que o MTBF não conta a história toda
O MTBF é um excelente indicador de tendência: quanto maior, mais raras as falhas. Mas ele tem um limite estrutural — resume toda a vida do ativo em um único número médio. Dois equipamentos podem ter o mesmo MTBF de 2.000 horas e comportamentos completamente opostos: um falhando cedo por defeitos de montagem, outro falhando tarde por desgaste acumulado. A média esconde o regime de falha, e é justamente o regime que decide se você deve trocar um componente preventivamente, reforçar o comissionamento ou apenas inspecionar.
A análise de Weibull existe para preencher essa lacuna. Ela modela estatisticamente como as falhas se distribuem ao longo do tempo, transformando o histórico de intervenções em uma leitura da física do envelhecimento.
Os três parâmetros que você precisa ler
A distribuição de Weibull descreve a probabilidade de falha por meio de parâmetros. Três merecem atenção prática:
- β (beta) — parâmetro de forma: diz como o ativo falha. É o parâmetro mais importante para a decisão de manutenção.
- η (eta) — parâmetro de escala (vida característica): o tempo em que aproximadamente 63% da população já falhou. Serve de referência de "vida" do componente.
- γ (gama) — parâmetro de posição: um tempo livre de falhas antes do início do risco (nem sempre usado).
A partir da curva, também se extrai a vida B10 — o tempo em que 10% da população já falhou. É um valor prático para dimensionar trocas preventivas com risco controlado.
O β decodifica a curva da banheira
O grande poder do Weibull é que o valor de β mapeia diretamente as três fases da clássica curva da banheira:
- β < 1 — taxa de falhas decrescente (mortalidade infantil): falhas precoces por defeitos de fabricação, montagem incorreta, comissionamento ruim ou erro de instalação. Trocar preventivamente piora a situação, porque introduz peças novas propensas à mortalidade infantil. A ação correta é atacar a causa: melhorar recebimento, procedimentos de montagem e testes de partida.
- β ≈ 1 — taxa de falhas constante (vida útil madura): falhas aleatórias, sem relação com a idade. Aqui vale a distribuição exponencial, com R(t) = e^(−λ·t). Substituir por tempo não traz ganho; a estratégia certa é manutenção baseada na condição (CBM) ou operar até a falha, conforme a consequência.
- β > 1 — taxa de falhas crescente (desgaste): o risco aumenta com o tempo — fadiga, abrasão, envelhecimento de vedações. Este é o único regime em que a troca preventiva com base no tempo faz sentido técnico, pois existe uma idade a partir da qual a probabilidade de falha dispara.
Em outras palavras: antes de definir a frequência de uma preventiva, o β responde a uma pergunta anterior e mais fundamental — a manutenção preventiva por tempo é sequer aplicável a este modo de falha?
Do dado bruto ao ajuste da curva
A qualidade da análise depende inteiramente da qualidade do histórico. Para rodar Weibull com consistência, você precisa de:
- Tempos até a falha por modo de falha, não agregados. Misturar rolamento, vedação e desalinhamento na mesma curva produz um β sem significado.
- Dados censurados — componentes que ainda não falharam também informam. Ignorá-los distorce o η para baixo.
- Registro confiável de datas de instalação, falha e substituição, idealmente por TAG.
Com esses dados, o ajuste (por papel de probabilidade ou máxima verossimilhança) estima β e η. O restante é interpretação: leitura do regime, cálculo da B10 e definição da estratégia.
Traduzindo em decisão de manutenção
O ciclo prático de uma análise de Weibull encadeia-se assim:
- Segmente as falhas por modo, conforme a taxonomia (ISO 14224).
- Ajuste a curva e obtenha β e η.
- Classifique o regime pela leitura de β.
- Escolha a estratégia: melhorar montagem/recebimento (β<1), CBM ou run-to-failure (β≈1), troca preventiva pela B10 (β>1).
- Reavalie periodicamente — o β pode mudar após intervenções e melhorias de projeto.
Um exemplo de raciocínio: se um selo mecânico apresenta β = 2,3 (desgaste claro) e a B10 aponta 4.800 horas, faz sentido programar a troca antes desse ponto, aceitando um risco de 10% de falha. Já um cartão eletrônico com β ≈ 1 não deve ter troca calendarizada — o certo é monitorar e substituir sob condição, pois a idade não prevê a falha.
Weibull e o SIGMA CMMS
Nada disso funciona sem histórico estruturado, e é aí que o SIGMA CMMS entra. Cada OS encerrada alimenta a base com datas, modos de falha e tempos por TAG — a matéria-prima exata da análise de Weibull. Com os registros organizados por criticidade e taxonomia, o Oráculo ajuda o time a interpretar β e η, distinguir mortalidade infantil de desgaste e transformar a curva em decisão: onde a troca preventiva paga, onde a preditiva é a resposta e onde o problema está, na verdade, na instalação. Assim, o histórico deixa de ser arquivo morto e passa a antecipar a próxima quebra.
flowchart TD
A[MTBF esconde o regime de falha] --> B[Analise de Weibull modela as falhas]
B --> C[Parametro beta define o regime]
C --> D{Valor de beta}
D -->|beta menor que 1| E[Mortalidade infantil atacar causa]
D -->|beta igual a 1| F[Falhas aleatorias usar CBM]
D -->|beta maior que 1| G[Desgaste troca preventiva]
E --> H[Decisao de manutencao correta]
F --> H
G --> H