Curva da banheira: confiabilidade, taxa de falha e Weibull

O que é a curva da banheira

A curva da banheira mostra como a taxa de falha de um equipamento muda ao longo da vida: alta no começo, baixa e estável no meio, e crescente no fim. O nome vem do formato do gráfico, com três fases bem distintas.

Cada fase tem causa de falha própria e, por isso, exige uma ação de manutenção diferente. A distribuição de Weibull é a ferramenta que permite descrever as três fases com um único parâmetro de forma, o beta (β).

Mapa visual da curva da banheira

O mapa resume as 3 fases, o valor de β em cada uma e a ação de manutenção correspondente, com o exemplo calculado neste artigo.

As 3 fases da curva

Só na fase 2 a taxa de falha é constante. Nela vale o modelo exponencial, em que o MTBF é o inverso da taxa de falha (λ = 1 ÷ MTBF). Fora dela, usar o MTBF como se a taxa fosse constante dá previsões erradas.

Weibull: taxa de falha e confiabilidade

Com dois parâmetros, a Weibull descreve qualquer das três fases:

R(t) = e^−(t/η)β    h(t) = (β ÷ η) × (t ÷ η)^β−1

• R(t): confiabilidade, a probabilidade de funcionar sem falha até o tempo t.
• h(t): taxa de falha instantânea (falhas por hora entre os que ainda funcionam).
• β (forma): menor que 1, taxa decrescente; igual a 1, constante; maior que 1, crescente.
• η (vida característica): tempo em que 63,2% dos itens já falharam. Nesse ponto R = e⁻¹ = 36,8%, qualquer que seja o β.

Com β = 1 a Weibull vira a exponencial e η passa a ser o MTBF. Outras duas medidas úteis: a vida B10, tempo até 10% de falhas, calculada por η × (−ln 0,90)^1/β; e o tempo médio até a falha, η × Γ(1 + 1/β), em que Γ é a função gama.

Exemplo resolvido: rolamento de bomba

Exemplo fictício. Os dados de falha de um rolamento de bomba, ajustados em uma Weibull, resultaram em β = 2,0 e η = 1.200 horas. Como β > 1, o rolamento está em desgaste.

Cálculos principais:

• R(500): e^{−(500÷1200)²} = e^−0,1736 = 84,06%.
• Vida B10: 1.200 × (−ln 0,90)^1/2 = 1.200 × 0,3246 ≈ 390 horas. É o prazo em que 10% dos rolamentos já terão falhado.
• Tempo médio até a falha: 1.200 × Γ(1,5) = 1.200 × 0,8862 ≈ 1.063 horas.
• Probabilidade condicional: o rolamento já rodou 500 h sem falha. Chance de chegar a 600 h: R(600) ÷ R(500) = 77,88% ÷ 84,06% = 92,6%.

Se alguém tratasse esse rolamento como exponencial com MTBF de 1.063 h, preveria R(500) = e^−500÷1063 = 62,5%. O valor real é 84,06%. A taxa de falha cresce com o uso, então o modelo de taxa constante erra tanto para cima quanto para baixo.

Que ação tomar em cada fase

1. Fase 1: confirme a instalação (alinhamento, torque, folgas) e faça um período de rodagem antes de liberar a produção. Se as falhas iniciais se repetem, investigue o fornecedor e a montagem com os 5 Porquês.
2. Fase 2: o objetivo é não encurtar a vida útil. Lubrificação correta, limpeza e inspeção pelo operador evitam as falhas aleatórias. Troca preventiva aqui é desperdício, porque a peça nova reinicia a fase 1.
3. Fase 3: acompanhe vibração, temperatura e ruído, e programe a troca antes do ponto em que a taxa dispara. A TPM trata esse acompanhamento como rotina.

Para priorizar quais ativos analisar, use um Pareto de horas de parada. O FMEA ajuda a listar os modos de falha de cada fase, e a disponibilidade medida entra no OEE.

Como estimar β e η

1. Registre o tempo de operação até a falha de cada item (horas, ciclos ou km), incluindo os que ainda não falharam como dados censurados.
2. Ordene os tempos e calcule a probabilidade acumulada de falha F para cada um (por exemplo, pelos postos medianos de Benard).
3. Plote ln(t) contra ln(−ln(1 − F)). Em um papel de Weibull, os pontos formam uma reta.
4. O coeficiente angular da reta é o β. O η é o tempo em que a reta cruza F = 63,2%.

Planilhas e softwares estatísticos fazem o ajuste. A regra prática: com poucas falhas registradas (menos de uns 6 a 10), o β estimado tem muita incerteza, e a decisão deve ser tomada com cautela.

Erros comuns e limitações

• Usar MTBF como prazo de troca. Com β > 1, trocar no MTBF significa aceitar uma grande parcela de falhas antes (no exemplo, 54% dos rolamentos). Use a vida B10 ou a taxa de falha aceitável.
• Misturar modos de falha. Falhas por fadiga e por contaminação no mesmo conjunto de dados produzem um β sem sentido. Separe por modo.
• Ignorar os itens que não falharam. Eles carregam informação e precisam entrar como dados censurados.
• Supor que todo item segue a banheira. Estudos clássicos de manutenção centrada em confiabilidade (Nowlan e Heap) mostraram que a maioria dos componentes complexos não tem fase de desgaste definida, e que a mortalidade infantil é comum.
• Trocar peça sem necessidade. A intervenção também é fonte de falhas na fase 1.

Perguntas frequentes

O que é a curva da banheira na confiabilidade?

É o gráfico da taxa de falha ao longo da vida: alta no início (mortalidade infantil), baixa e constante na vida útil e crescente no desgaste.

O que significa o parâmetro β da Weibull?

É o parâmetro de forma. β menor que 1 indica taxa de falha decrescente, igual a 1 indica constante e maior que 1 indica crescente.

O que é a vida característica η?

É o tempo em que 63,2% dos itens falharam. Nesse ponto a confiabilidade é 36,8%, para qualquer β.

Quando posso usar o MTBF?

Quando a taxa de falha é aproximadamente constante (β próximo de 1), ou seja, na fase de vida útil. Fora dela, o MTBF mascara a tendência.

Como reduzir a mortalidade infantil?

Com inspeção de recebimento, comissionamento padronizado, período de rodagem e treinamento de quem monta e opera o equipamento.

Quantas falhas preciso para ajustar uma Weibull?

Não há número exato, mas com menos de 6 a 10 falhas a estimativa fica muito incerta. Quanto mais dados, mais confiável o β.

Sobre o autor

Vagner Soares

Especialista em Lean Manufacturing e Gestão Comportamental

Mais de 20 anos de indústria automotiva e metalmecânica (GM e Dana), especialista em Lean Manufacturing desde 2006. Instrutor e mentor do SENAI no programa Brasil Mais Produtivo, com consultorias, treinamentos e auditorias em mais de 50 empresas, unindo qualidade, produtividade e desenvolvimento de pessoas.

LinkedInInstagramPerfil completo →