Métricas Precisas de MTTR e MTBF: Uma Abordagem de Software para Otimização de Manutenção
O Que é Tempo Médio para Recuperação (MTTR)?
Em software de automação, MTTR (tempo médio para recuperação) é uma métrica usada para determinar o quão facilmente um equipamento pode ser diagnosticado e restaurado à operação automática. MTTR é o tempo médio gasto para restaurar uma máquina a um estado produtivo e fornece uma boa linha de base para eficiência da máquina. Quando usado com outros indicadores, pode apontar engenheiros de controle e equipe de manutenção para possíveis falhas incômodas que podem ser reduzidas.

Figura 1. Maquinário industrial.
Falhas de Máquina
Toda máquina tem falhas ou alarmes que param a máquina e notificam um operador ou equipe de manutenção. Às vezes, essas falhas são facilmente eliminadas, e às vezes direcionam a equipe de manutenção a um componente que não está respondendo como deveria. Usar cálculos de MTTR pode ajudar um desenvolvedor de software de controle a tornar as descrições de falhas claras e fáceis de interpretar.
Calculando MTTR
Engenheiros podem calcular MTTR manualmente ou, usando lógica básica, escrever no controlador da máquina para que técnicos treinados possam revisar os valores a qualquer momento que a máquina esteja em produção. A fórmula é a seguinte.
MTTR = Soma do tempo para recuperar de uma falha / número de falhas.
Por exemplo, digamos que uma máquina falhe 10 vezes durante um turno e o tempo de inatividade relacionado a essas falhas seja de 25 minutos. Então MTTR = 25 min / 10, logo MTTR = 2,5 min. Dependendo da falha, isso pode significar que a falha não é clara o suficiente para um operador reagir rápido o suficiente.
Usando MTTR
Uma vez calculado o MTTR, desenvolvedores de software e engenheiros de controle podem usar essa informação para saber o quão eficientes e descritivas são as falhas e alarmes. O MTTR também mostra a velocidade do operador e da equipe de manutenção no tratamento de falhas.

Figura 2. Monitoramento de maquinário industrial e notando picos devido a falhas. Imagem usada com cortesia de Chris Liverani
Para remover alguns erros devido a operadores não estarem na máquina ou equipe de manutenção não eliminando falhas, podemos alterar o dispositivo de registro de tempo para olhar apenas o tempo que um operador leva para reconhecer a falha. Olhando para o tempo que leva para alguém reconhecer uma falha dividido pelo número de falhas, entendemos quanto tempo leva para um operador chegar à máquina, ler a falha e agir. Isso pode ser informação útil ao determinar por que a eficácia geral do equipamento (OEE) está tão baixa ou por que o tempo de inatividade está tão alto.
O Que é Tempo Médio Entre Falhas (MTBF)?
MTBF é o tempo médio entre falhas; é o tempo médio entre uma falha do sistema e a próxima. Às vezes, como designers de software de controle, não podemos fazer muito sobre isso porque algumas falhas são mecânicas ou relacionadas a dispositivos e continuarão a ocorrer até que o dispositivo ou interferência mecânica seja corrigida. No entanto, se usarmos MTBF para falhas relacionadas a operadores, podemos determinar com que frequência um operador comete um erro e causa perda de produção.
Falhas do Operador
Uma falha do operador ocorre sempre que um operador precisa interagir com o equipamento automatizado para continuar sua tarefa. Isso pode ser instalar um componente que é difícil de automatizar, ou carregar o equipamento com peças a serem montadas.
Onde quer que um operador seja necessário para interagir com equipamento automatizado, deve haver sensores ou sistemas de visão para verificar se o operador completou a tarefa corretamente. Esses sistemas terão falhas se detectarem que o operador realizou seu trabalho incorretamente. Essas falhas são válidas e reduzirão a taxa de produção da máquina se ocorrerem com muita frequência.
Calculando MTBF
Calcular MTBF é muito semelhante ao MTTR, exceto que estamos olhando para falhas específicas. A fórmula é relativamente simples.
MTBF = Soma do tempo entre falhas / número de falhas.
No entanto, este cálculo é útil apenas quando olhamos para falhas muito específicas, e não precisa ser apenas para falhas do operador. Além disso, se você está recebendo falhas recorrentes e quer saber o impacto na sua recuperação, o MTBF pode ser subtraído de outras métricas.

Figura 3. MTTR e MTBF podem ajudar a prevenir problemas na linha de produção, que podem reduzir a eficiência e aumentar custos.
Combinando Métricas para Confiabilidade da Máquina
Proprietários de máquinas ou engenheiros de manufatura normalmente usam o OEE de uma máquina para determinar o quão bem a máquina está produzindo peças, mas outras métricas podem aprofundar a raiz do problema. Usando MTTR ou MTBF e ajustando quais falhas você está olhando, você pode determinar qual falha está causando a maior redução de OEE e maior tempo de inatividade.
Como designers de software de controle, podemos usar MTTR para desenvolver falhas mais limpas e robustas que podem ser facilmente entendidas por operadores ou equipe de manutenção. Podemos usar MTBF para fornecer uma imagem mais precisa do OEE da máquina. Combinando essas métricas, desenvolvemos um instantâneo mais claro e preciso da eficiência da máquina, o que é importante não apenas para o fabricante do equipamento, mas também para o cliente e equipe de produção.
Tecnologia da Internet das Coisas
- Agentes de Software Portáteis: A Solução Goldilocks para Conectividade IoT
- Utilização de Ativos vs. OEE: Esclarecendo as Métricas-Chave para Desempenho de Manufatura
- Dominando o Tempo Médio de Reparo (MTTR): meça, faça benchmark e otimize sua manutenção
- Maximize a Produtividade: Como o Software de Manutenção Reduz Custos e Economiza Tempo
- Por que Software de Gestão de Manutenção e Ativos é Essencial Agora
- Unindo as Pontas: 3 Passos Comprovados para Colaboração Fluida entre Equipes de Rede e Segurança
- Protegendo a Casa Inteligente: Por Que Biometria é Essencial para Cibersegurança IoT
- Tecnologia Moderna e Conectada é Essencial para Cuidadores e Pacientes
- Abrace a Nacionalidade como Serviço: Um Apelo para Governança Baseada em Software
- Fog Computing Explicado: Transformando o Fluxo de Dados IoT e Reduzindo Carga na Nuvem