DETERMINAÇÃO DOS SISTEMAS CRÍTICOS EM UM …

DETERMINAÇÃO DOS SISTEMAS

CRÍTICOS EM UM INCINERADOR DE

RESÍDUOS SÓLIDOS INDUSTRIAIS

MEDIANTE ÁRVORE DE FALHAS

Milton Expedito de Oliveira Neto (UFBA )

[email protected]

Karla Patricia Santos Oliveira Rodriguez Esquerre (UFBA )

[email protected]

Edler Lins Albuquerque (IFBA )

[email protected]

Lucas Oliveira Mota Santos (UFBA )

[email protected]

Resíduos sólidos tornou-se um grande desafio ambiental ao longo dos

anos para os governantes ao redor do mundo. A destinação final é uma

das maiores preocupações, principalmente quando trata de resíduos

perigosos. Incineradores de resíduos mostra-se uma alternativa para

gestão de resíduos. Este artigo apresenta a avaliação da probabilidade

de falha de um Incinerador de Resíduos Sólidos Industriais - IRSI, por

meio de análise estática aplicada no software Matlab. Uso dos

métodos não paramétrico com o paramétrico foi possível a construção

da árvore de falha com as probabilidades de falhas que levam ao

evento topo: Parada do Incinerador. Sistemas de combustão e

alimentação correspondem a 51,62% das falhas ocorridas. O estudo

foi delimitado com base em dados históricos das falhas ao longo de

seis anos de operação. Percebe-se a necessidade de melhorias no

plano de manutenção dos equipamentos que constituem esses sistemas

para elevar a confiabilidade do IRSI.

Palavras-chave: Resíduos, Incineração, Probabilidade, Falha.

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.


João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

2

Modelo de formatação de artigo

1. Introdução

As questões ambientais ganharam importância global nas últimas décadas, motivada

inicialmente pela necessidade urgente de solução para os problemas causados à saúde humana

devido a ocorrência de grandes desastres nas operações industriais e seus impactos ambientais

comprometendo o Desenvolvimento Sustentável.

Um dos grandes “vilões” neste contexto são os resíduos sólidos industriais, estes são

determinados em função de sua periculosidade e toxicidade e tem como um dos principais

entraves a sua destinação devido a confiabilidade das tecnologias de tratamento atualmente

disponíveis (SANTOLERI; REYNOLDS,1989).

De acordo com a NBR 11175 (1990), a incineração é uma técnica de tratamento térmico,

utilizada em geral para resíduos de grau de periculosidade elevado, sejam: alta explosividade,

inflamabilidade, alta toxicidade ou simplesmente a presença de compostos de difícil

tratabilidade que causem danos ao meio ambiente. É um equipamento que permite através de

altas temperaturas (900-1400 oC) a destruição de compostos orgânicos através da combustão.

Para serem queimados precisam permanecer um período de residência dentro de fornos, e

durante este período a fração orgânica é convertida em gases que passam por mais um

processo de tratamento térmico seguido de abatimento de particulados, para então serem

lançados na atmosfera obedecendo a requisitos legais (VIEIRA,2012).

Segundo Vieira (2012), diversos problemas podem ocorrer durante o processo de queima de

resíduos e as principais causas podem estar associada à indisponibilidade dos equipamentos,

pois a sua falta podem gerar perturbações no sistema de incineração. Uma das principais

consequências dessas quebras é um possível não cumprimento das condicionantes legais para

os parâmetros de emissão através das chaminés, resultando na geração de impactos ambientais

negativos e possíveis danos à saúde pública.

O lançamento de gases na atmosfera requer total controle das operações unitárias de um

incinerador, haja vistas que a taxa de eficiência de destruição e remoção – EDR, segundo o

CONAMA 316/2002 deve ser superior a 99,99% de destruição do principal composto

orgânico perigoso - PCOP, caso contrário indivíduos que estejam inseridos na operação ou até

mesmo a população circunvizinha a este tipo de ativos, podem estar expostos a condições



3

periculosas ou insalubres, caso os sistemas e/ou subsistemas não ofereçam segurança na sua

condição básica de funcionamento (EUROPEAN COMMISSION,2005).

Para obtenção destas taxas de EDR é exigido dos equipamentos elevados índices de

confiabilidade conforme descrito em European Commission(2005). A aplicação de

metodologias robustas e completas nos desenvolvimentos de planos de manutenção em

plantas industriais, que requerem cumprimento dos índices da legislação ambiental e da

segurança operacional, podem ser atingidas com uso das ferramentas da confiabilidade

(LAFRAIA,2001).

Ao realizar análise de confiabilidade nos incineradores de resíduos, é permitido através de

estudos de natureza probabilística a determinação do momento em que um componente ou

sistema venha a falhar em um período de tempo qualquer. As análises das falhas através da

probabilidade permitem uma melhora na confiabilidade dos processos de queima dos

incineradores.

Ainda de acordo com Vieira (2012), o conhecimento do processo de combustão aplicado às

necessidades da incineração ainda é insuficiente e precisa ser melhor conhecido e explorado, e

para Fordham et al (2003) a confiabilidade das plantas de incineração de resíduos é

fundamental para redução de perdas operacionais.

A realização de uma avaliação detalhada dos processos de incineração e aplicação das

técnicas de confiabilidade nos mesmos, possibilita a identificação dos seus sistemas críticos

podendo garantir a eficiência de destruição térmica requerida para cada componente tóxico a

ser incinerado, conforme legislação vigente, tornando estes equipamentos mais eficazes e

seguros. Com isso é possível prover maior confiança aos órgãos ambientais no licenciamento

e avaliação da eficiência de tratamento desses equipamentos, uma vez que o cumprimento dos

padrões de tratabilidade eliminam o impacto à saúde e ao meio ambiente que um resíduo

possa provocar.

2. Descrição do sistema de estudo

O objeto de estudo é um incinerador de resíduos sólidos perigosos, no qual consiste de um

forno rotativo seguido de uma câmara de combustão secundária e de um sistema de controle

de poluição do ar. A capacidade máxima de destruição térmica é de 5.000 toneladas ao ano,

entre o início de suas atividades em 1991 até 2015 foram incineradas mais de 45 mil toneladas



4

de resíduos perigosos. Solos contaminados com organoclorados são os principais resíduos

incinerados.

A eficiência de combustão do incinerador deve seguir três rígidos critérios: temperatura,

tempo de residência do resíduo na câmara de combustão e a máxima turbulência do material.

A destruição térmica dos compostos orgânicos deve ocorrer entre 650 °C a 1650 °C, na zona

de queima, e o tempo pelo qual o resíduo dever ficar na câmara de combustão deve ser entre

30 a 90 minutos. A turbulência deve ocorrer com a presença do oxigênio no interior do forno,

para garantir o contato e a completa destruição térmica dos gases de combustão (EPA, 1998).

O processo de destruição térmica é apresentado na Figura 1. Os resíduos são situados na

esteira (a), é constituído por balança eletrônica de pesagem com células de cargas para

monitorar quantidade de resíduos enviados aos elementos de entrada (válvulas ou portinholas)

da moega de alimentação (b). Direcionados para a primeira câmara de combustão, forno

rotativo (a), com a injeção de gás natural como combustível auxiliar e oxigênio como

comburente, os compostos orgânicos dos resíduos são volatizados e oxidados com o ar. A

temperatura de operação deve garantir a destruição dos compostos orgânicos, mínimo de 560

°C, e não deve permitir a formação de escorias e danos no refratário, máximo de 750 °C.

O forno rotativo é um tambor cilíndrico refratado, acionado por um conjunto moto-redutor e

controlado pelo inversor de frequência que garante monitoramento das rotações. Favorecendo

a homogeneidade da massa dos resíduos contidos no interior do forno. A inclinação permite

escoamento das cinzas geradas na esteira metálica (e) para não acumular no interior do forno.

O primeiro estágio de separação gás-sólidos ocorre na segunda câmara de combustão (d),

com temperaturas de operação na faixa de 850 a 1100 °C a sua manutenção é realizada pela

injeção adicional de combustível. Garantindo exposição de toda massa à gradientes de

temperatura necessária para degradação. Os gases quentes que saem da câmara secundária de

combustão (f), acima de 1.000 °C, carregam partículas solidas mais leves que não foram

precipitados por gravidade.

Ao entrar no ciclone (g) são submetidas a uma força centrífuga no seu interior. Fazendo com

que os sólidos sejam empurrados para as paredes do ciclone, onde as partículas arrastadas pela

corrente de gás são removidas devido ao formato cônico do ciclone. Promovendo a separação

dos particulados, que saem na parte inferior do equipamento e são dirigidos para esteira

metálica (e), e do gás de combustão sem presença de partículas sólidas são direcionados para



5

vaso do quench (h). Os gases de exaustão são rapidamente resfriados à temperatura de

saturação, entre 80 a 90 °C, por meio do contato com água limpa e/ou de recirculação.

Figura 1 - Incinerador de resíduos sólidos industriais

Fonte: Autores (2016)

O lavador venturi (i) permite controlar a retirada do material particulado, variação da pressão

do sistema é promovida devido a redução da área de contato. Na seção de restrição, o liquido

e o gás fluem para a seção de expansão para separar o líquido do gás. Uma vez separado, é

adicionado solução de hidróxido de sódio no líquido para neutralizar os gases ácidos a serem

absorvidos, e o gás segue para a coluna de absorção (l). Os gases ácidos (HCL, HF, HBr,

SO2) são absorvidos e neutralizados pela solução de NaOH (VIEIRA,2012).

Em seguida os gases passam por um filtro demister (j), com objetivo de precipitar as gotículas

de líquidos arrastadas e permitir a total destruição dos compostos orgânicos (VIEIRA,2012).

A corrente gasosa é então exaurida através da chaminé (m), onde é coletado amostras de CO,

CO2, SO2, NOx e excesso de O2.

3. Metodologia



6

A metodologia empregada na realização deste trabalho consiste das seguintes etapas: (i)

coleta dos tempos entre falha; (ii) seleção dos sistemas e subsistema funcional; (iii)

modelagem matemática; (iv) construção árvore de falhas do IRSI.

3.1 Coleta de dados

O banco de dados das falhas fora obtido em um período de seis anos de operação, nos quais

constam o modo de falha, data de ocorrência, tempo de duração da falha. Em seguida foram

classificados por categorias, de acordo com os sistemas e subsistemas.

Os dados eram registrados em uma planilha eletrônica quando eram geradas falhas no IRSI. A

Figura 2 representa o modelo utilizado.

Figura 2 – Planilha acompanhamento de manutenção do IRSI.


Todos os dados de falha obtidos são de eventos que levaram a uma parada geral do IRSI, ou

seja, são responsáveis pela interrupção do processo de destruição térmica dos resíduos

sólidos. Desta forma, foi possível calcular o tempo médio entre falhas ( MTBF) e em seguida

a confiabilidade pode ser medida através da probabilidade de ocorrência das falhas

(BIROLINI, 1999).

3.2 Seleção dos sistemas e subsistema funcional

A seleção dos sistemas a ser estudados foi definida conforme demonstrado na Figura 1 e

auxílio da Tabela 1. O fluxograma do processo do IRSI foi dividido em 7 sistemas principais,

desta forma foi possível alocar as falhas em seus respectivos sistemas.

Tabela 1 – Enumeração dos sistemas



7

Número Sistema

1 Alimentação

2 Combustão

3 Separação sólido-gás

4 Remoção de cinzas

5 Lavagem de gases

6 Tratamento de efluentes

7 Emissão de gases


Desta forma será estudado o comportamento até a falha dos distintos sistemas de forma

isolada, com objetivo de identificar a influência que cada um provocar ao IRSI de realizar a

sua função básica requerida.

3.3 Modelagem matemática

Consiste em representar conjunto de dados do sistema do IRSI, serão demonstrados através de

equações e gráficos de probabilidade de ocorrência da falha. Foram realizados com uso de

duas técnicas distintas: método não paramétrico e método paramétrico.

3.3.1 Método não paramétrico

Neste processo de estimação é realizado sem impor nenhum modelo de distribuição de

probabilidade. O estimador de Kaplan-Meier é o mais utilizado para estimar a função de

confiabilidade, devido a sua versatilidade de modelar dados censurados e não censurados.

Além de estar presente em pacote estatístico do MATLAB®.

Na ausência de censura seus valores coincidem com a função de sobrevivência empírica. A

expressão para o estimador é definida como (COLOSIMO, 2006):

(1)

Onde,

é a confiabilidade do sistema;

t1 < t2 ...<tk são os k tempos distintos e ordenados de falha;

dj é o número de falhas que acontece em tj, j = 1, ..., k;



8

nj é o número de componentes sob risco em tj, ou seja, os componentes que não falharam e

não foram censurados até o instante imediatamente anterior a tj.

é uma função escada com degraus nos tempos observados de falha de tamanho , em

que é o tamanho da amostra. Se existirem empates em certo tempo , o tamanho do degrau

fica multiplicado pelo número de empates. Entretanto, na prática, a confiabilidade de um

componente decai gradativamente com o tempo e não apenas em momentos específicos. Para

solucionar o problema pode-se utilizar uma interpolação linear. Isto equivale a conectar as

estimativas de Kaplan-Meier por retas, ao invés de utilizar na forma de escada. Esta

última forma gera uma melhor representação da distribuição contínua dos tempos de vida e

deve ser preferida (COLOSIMO e GIOLO, 2006 apud COLOSIMO et al., 2002).

3.3.2 Método paramétrico

Consiste na identificação do modelo probabilístico que melhor representa os dados e na

estimação dos seus respectivos parâmetros (COLOSIMO,2002). Os modelos utilizados são de

dois parâmetros, forma e escala, e foram: normal, logística, exponencial, Weibull, log-

Normal, loglogística, gama e distribuição Gumbel. Estes são capazes de aproximar do

comportamento real do sistema e a confiabilidade pode ser resumida em uma expressão

matemática o qual permite a extrapolação dos dados analisados (FOGLIATTO;

RIBEIRO,2009).

Para estimação dos parâmetros foi utilizado o método de máxima verossimilhança, pois

possuem a capacidade de ajuste em diversos tipos de distribuição tornando-se bastante

utilizado em análise de confiabilidade. O problema de estimação é tratado da seguinte forma:

baseado nos resultados obtidos pela amostra, qual é a distribuição entre todas aquelas

definidas pelos possíveis valores de seus parâmetros, com maior possibilidade de ter gerado

tal amostra? (COLOSIMO, 2006).

O método de máxima verossimilhança consiste em maximizar a função de verossimilhança.

A amostra, conjunto de tempos de falha, segue uma distribuição de probabilidade de função

de densidade f(t), esta função está expressa logo abaixo:

(2)



9

Onde:

é o conjunto de parâmetros ou apenas um parâmetro, depende do modelo que está sendo

analisado;

são os tempos de falha.

Este processo consiste no cálculo do conjunto de parâmetros θ que maximizam a função L(θ).

Procura-se os valores de θ que maximizam a probabilidade da amostra observada. A

maximização da função de verossimilhança é capaz de identificar o conjunto ideal de

parâmetros para a distribuição de probabilidade predefinida (COLOSIMO, 2006).

Para identificar a distribuição de probabilidade que melhor representa os dados analisados, foi

utilizado teste estatísticos de Anderson-Darling (AD) por ser o mais usual para o método de

máxima verossimilhança (MARTINEZ ESPINOSA et al,2004). Sua expressão é definida

como (NIST,2002):

(3)

)) ] (4)

Onde:

é o resultado do teste, vai ser o parâmetro utilizado para avaliar o modelo;

é a distribuição cumulativa dos dados;

é a quantidade total de amostras;

é o dado de falha em ordem crescente.

O intervalo de confiança utilizado foi de 95%, logo o valor critico A2 deve ser igual a 0,752,

caso o valor encontrado para o teste seja superior ao valor critico, a distribuição não se adequa

aos resultados (NIST/SEMATECH,2014). Foram apresentados apenas os três modelos que

obtiveram os melhores valores de Anderson-Darling para cada sistema do IRSI.

3.5 Construção árvore de falhas do IRSI

É um diagrama lógico com objetivo de mostrar as inter-relações entre potenciais eventos

críticos, falhas, em um sistema e as causas para esse evento (RAUSAND e HOYLAND,

2004). A sua capacidade de inserir modelagem estatitistica permitiu avaliar a confiabilidade



10

do IRSI. Para cada evento sistema foi determinado uma probabilidade de falha que através das

correlações entre os mesmos foi possível calcular a probablidade de falha do incinerador.

Para construção da árvore de falhas é preciso definir o sistema, suas fronteira e o evento topo.

Os sistemas a serem estudados foram definidos na Tabela 1, representando um conjuntos de

subsistemas alocados. O evento topo corresponde a Parada do IRSI, ou seja, quando a função

básica de destruição térmicas do residuos forem interrompidas devido a qualquer falha

provenientes dos sistemas.

Figura 2 – Método para construção da árvore de falhas.

Evento

básico

Evento topo

2º) Identificação de

todas as causas imediatas possíveis do evento

3º) Concatenar causas

ao evento superior através de portão lógico

1º) Definir

evento topo

4º) Repetir passos 2 e 3

até encontrar evento básico

Fonte – Autores (2016).

Com essas informações, inicia-se o processo iterativo de construção, conforme Figura 2,

tendo o cuidado de não ligar um portão lógico diretamente a outro ou deixar dois eventos

conectados sem que haja um portão lógico entre eles. A sequência de iterações chega ao fim

quando não é mais possível ou viável determinar as causas de um evento, não existindo mais

um nível inferior. Rausand e Hoyland (2004) salientam que o evento topo deve ser descrito

com clareza de maneira que não haja margem para ambiguidades.

O tempo de corte, intervalor de tempo definido para avaliaçao da confiabilidade, foi definido

para quatro dias de operação e, foi calculado a probabilidade de falha dos mesmo. Em

seguida, utilizando-se a relação entre os eventos básicos, determinou-se a probabilidade de

ocorrência dos eventos intermediários e topo. Logo após, com objetivo de encontrar os

sistemas de criticidade mais relevantes, foi encontrado os cortes minimos e a importância de

cada um.



11

4. Resultados e discussões

Após ser realizado a coletado do tempo entre falhas no IRSI, foram encontradas as seguintes

quantidades de falhas nos sistemas, são elas: 79 falhas na alimentação, 62 falhas na

combustão, 23 falhas na lavagem de gases, 20 falhas no armazenamento dos resíduos, 16

falhas na utilidade, 6 falhas na emissão dos gases e finalmente apenas duas falhas na remoção

de cinzas e tratamento de efluentes.

As falhas provenientes dos sistemas remoção de cinzas e tratamento de efluentes foram

desconsideradas, pois para os seis anos de operação ocorreram apenas dois eventos básicos.

Estes tiveram baixa relevância na interrupção do processo do IRSI, podendo ser descartadas

na modelagem. Desta maneira, a probabilidade de falhas será considerada com 0% na árvore

de falhas. Além do mais, é inviável a utilização das modelagens não paramétrica e

paramétrica devido a quantidade de pontos a serem estudados.

De posse dos dados de falha foi possível calcular os parâmetros das distribuições de

probabilidade. Os resultados da modelagem para os distintos sistemas do IRSI são

apresentados na Tabela 2.

Tabela 2 – Parâmetros das distribuições dos sistemas do IRSI.

Sistema Distribuição Parâmetros

A2

Localização Forma Escala

Lognormal 4,04584 - 1,38246 0,790

Utilidades Weibull - 0,91069 108,98404 0,671

Gamma - 0,85502 133,03756 0,642

Armazenamento de

Resíduos

Lognormal 3,48319 - 1,24612 0,953

Weibull - 0,69745 63,51187 1,600

Loglogística 3,30482 - 0,65360 0,703

Lognormal 2,36828 - 1,26606 0,821

Alimentação de

Resíduos Weibull - 0,90028 19,69286 0,542

Gamma - 0,88030 23,61098 0,652

Lognormal 2,44195 - 1,32944 0,498

Combustão Weibull - 0,70984 22,82110 1,791

Loglogística 2,37198 - 0,75386 0,470

Lavagem de Gases

Lognormal 2,81739 - 1,63066 0,222

Weibull - 0,61400 37,69766 0,536

Loglogística 2,78790 - 0,92097 0,243

Lognormal 3,77201 - 1,90841 0,395

Emissão de Gases Weibull - 0,53470 110,54147 0,530

Loglogística 3,53214 - 1,00634 0,396



12


As distribuições de probabilidades lognormal, Weibull, gama e loglogistica destacaram entre

as distribuições estudadas. O resultado do teste estatísticos de Anderson-Darling (AD),

demonstrado na Tabela 2, indicam quais as distribuições podem ser escolhidas para

representar o comportamento do sistema até a falha, são elas: gama para utilidades, Weibull

para alimentação de resíduos, lognormal para lavagem e emissão de gases, finalmente

loglogistica para armazenamento de resíduos e combustão. Ambas apresentaram menor valor

de A2

quando comparadas com as demais distribuições em seu correspondente sistema.

A Figura 3 revela qual o modelo proposto está mais próximo da curva do estimador Kaplan-

Meier, ou seja, o melhor modelo é quando os pontos dos gráficos estiverem mais próximos de

uma reta. Possibilitando a validação da análise quantitativa.

Figura 3 – Análise Qualitativa: Curva não paramétrica e paramétrica para os sistemas do IRSI.


Figura 4 – Análise Qualitativa: Curva da probabilidade de falha (distribuições x Kaplan-Meier) dos sistemas.

Utilidades

Utilidades

Emissão de Gases

Combustão

Armazenamento

Alimentação

Lavagem de Gases

Utilidades Armazenamento



13


Diante da Figura 3 para os sistemas de utilidades é possível verificar que curva lognormal está

mais afastada da curva de Kaplan-Meier, enquanto as distribuições de Weibull e gama estão

coincidentes entre si. Fato este, devido os resultados de A2 serem próximos. O formato

assintótico das distribuições permite que o valor máximo de probabilidade de falha não

alcança o tempo máximo de recorrência de falhas. A Figura 4 valida a escolha da distribuição

gama, pois a sua curva acompanha mais de perto a reta indicando ser o modelo mais

adequado.

O sistema de armazenamento de resíduos a distribuição loglogistica é a indicada para

descrever este sistema, pois foi a única que apresentou A2 < 0,752, fato este verificado no seu

gráfico da Figura 3. Apesar de apresentar crescimento brusco entre 0 a 100 dias seguido de

uma continuação suave, revela está mais próximo da reta na Figura 4. E 100% da

probabilidade de falhas poderá ocorrer em um período de 700 dias.

Emissão de Gases Lavagem de Gases



14

Os resultados da modelagem paramétrica para os três modelos no sistema de alimentação de

resíduos ajustaram conforme teste de Anderson-Darling (AD). A Figura 3 verificar

sobreposição entre as curvas estudadas com o estimador Kaplan-Meier, ao longo da abcissa.

Sendo comprovado por meio do estreitamento do intervalo de confiança com o tamanho dos

degraus da curva de Kaplan-Meier. Entretanto a Figura 4 demonstra afastamento da

distribuição lognormal com a reta, e a Weibull apresenta ser um modelo mais adequado.

No sistema de combustão as distribuições lognormal e loglogística possui crescimento no

período inicial acentuado conforme Figura 3. Fazendo com a distribuição Weibull fique

afastada do gráfico de Kaplan-Meier. Os critérios de avaliação validam a escolha da

distribuição loglogística.

No sistema emissão e lavagem de gases observa que o resultado do teste foi < 0,752 para as

três distribuições assinalada na Tabela 2, indicando que qualquer uma delas é adequada para

descrever o sistema, com destaque para a lognormal, no qual apresentou o menor valor.

Resultado validado nas Figura 3 pois a curva da lognormal acompanha os degraus da curva

não paramétrica, e a Figura 4 mantém-se mais próximo a reta.

Utilizando as distribuições de probabilidade antecipadamente indicadas para modelar os

distintos sistemas, é possível construir árvore de falhas com as probabilidades descritas

conforme Figura 5. São apresentados os sistemas mais críticos, ou seja, que falham com

maior frequência. A sua importância está apresentada na Tabela 3.

Figura 5 – Árvore de falhas do IRSI com probabilidades.

Falha no

separador

Acúmulo de

cinzas

Falha no sist.

de lavagem

de gases

Falha no sist.

de trat. de

efluentes

Falha no sist.

de emissão

de gases

Falta de

resíduo

Falha no sist.

de

alimentação

Falha no sist.

de combustão

Ausência de

utilidades

Falha no pós

queima

Parada do

incinerador

1 2 3 4

5 6

7 8 9

F = 0,0520 F = 0,0504 F = 0,2119 F = 0,2129

F = 0* F = 0*

F = 0,1901 F = 0* F = 0,1056

F = 0

F = 0,8229


Tabela 3 - Importância dos cortes mínimos



15

Corte

mínimo

Probabilidade

de falha (%)

Importância

(%)

1 5,20 6,32

2 5,04 6,12

3 21,19 25,75

4 21,29 25,87

5 0 0,00

6 0 0,00

7 19,01 23,10

8 0 0,00

9 10,56 12,83


Ao construir a árvore de falhas para o IRSI, verifica que falhas no sistema de combustão, de

alimentação e de lavagem de gases são os principais responsáveis no alto valor de

probabilidade do IRSI que corresponde a 82,29% de probabilidade de falha em um período de

operação de 4 dias. A análise de influência percentual dos modos de falha, Tabela 3, indica

que o sistema de combustão e alimentação correspondem a 51,62 % de corte mínimo da

árvore de falhas.

5. Conclusão

A técnica utilizada neste estudo permitiu identificar os sistemas do IRSI que precisam ser

observados com maior frequência pela manutenção. A coleta de tempo entre falhas é

extremamente importante, pois são variáveis que possibilitam predizer o comportamento de

funcionamento dos equipamentos. A baixa qualidade dos dados e/ou insuficientes provocam

conclusões errôneas nas tomadas de decisão.

A utilização do teste estático de Anderson-Darling (AD) demonstrou adequado e consistente

para identificar quais modelos paramétrico de distribuição de probabilidade, são

caracterizados pelas falhas dos distintos sistemas estudados do IRSI. Onde foram validades

pela análise qualitativa, método gráfico com o uso da modelagem não paramétrica.

Para os sistemas que compõem o incinerador de resíduos as distribuições gama, lognormal,

loglogisticas e Weibull foram que apresentaram maior adesão, diante de todas as distribuições

testadas. Permitindo a construção da árvore de falhas com probabilidade, o qual constitui uma

ferramenta útil para identificar quais os sistemas são responsáveis pela ocorrência do evento

topo: Parada do Incinerador.

O sistema de combustão, alimentação e lavagem de gases são os principais responsáveis pelo

alto nível de probabilidade de falha do IRSI. Percebe-se a necessidade de melhorias no plano



16

de manutenção dos equipamentos que constituem esses sistemas para elevar a confiabilidade

do incinerador.

REFERÊNCIAS

ABNT[ASSOCIAÇÃO BRASILEIRA DE NORMA TÉCNICAS]. Incineração de resíduos perigosos -

Padrões de Desempenho. NBR 11.175. Rio de Janeiro: ABNT, 1990,

BIROLINI, Alessandro. Reliability Engineering. 7th ed. New York: Springer, 2014.

CONAMA. RESOLUÇÃO CONAMA n. 316, de 29 de outubro de 2002 (Artigo 18 alterado pela Resolução

CONAMA n 386/06). Brasil, 2002.

COLOSIMO, Enrico A.; GIOLO, Suely R. Análise de Sobrevivência Aplicada. São Paulo: Edgard Blücher,

2006.

COLOSIMO, E. A.; FERREIRA, F. F.; OLIVEIRA, M. D.; SOUZA, C. B. Empirical Comparisons between

Kaplan-Meier and Nelson-Aalen Survival Functions Estimators. Journal of Statistical Computation and

Simulation; v. 72, p. 299-308.

EPA. EPA On – Site Incineration: Overview of Superfund Operating Experience United States Environmental

Protection Agency.

ESPINOSA, Mariano Martínez, JÚNIOR, Carlito Calil e LAHR, Francisco Antonio Rocco. Métodos

paramétricos e não-paramétricos para determinar o valor característico em resultados de ensaio de

madeira. Scientia Forestalis/Forest Sciences, n.66, p.76-83,2004.

EUROPEAN COMMISSION. Directive 2000/76/EC of the European Parliament and the Council of the 4

December 2000 on the incineration waste. Official Journal of the European Union, n.February 1997, p.22-

142,2005.

FOGLIATTO, Flávio Sanson; RIBEIRO, José Luis Duarte. Confiabilidade e Manutenção Industrial. Rio de

Janeiro, RJ: Elsevier, 2009. 265p. ISBN: 978-85-352-3353-7.

FORDHAM, R.J. , BAXTER, D., MALKOW, T. The impact of increasing demand for efficiency and

reliability on the performance of waste-to-energy plants. Materials at High Temperatures, vol.20, p.19-

26,2003.

LAFRAIA, J. R. B. Manual de confiabilidade, mantenabilidade e disponibilidade. Rio de Janeiro:

Qualitymark, 2001.



17

NIST[ NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY]. Engineering statistic handbook

and handbook of statistical methods. Sematech: NIST, 2002. Disponível em

http://www.itl.nist.gov/div898/handbook/,date. Acesso em:14 dez.2014.

RAUSAND, Marvin; HOYLAND, Arnljot. System Realiability Theory. 2nd ed. Hoboken: John Wiley & Sons,

Inc, 2004.

SANTOLERI, Joseph, REYNOLDS, Joseph, THEODORE, Louis. Introduction to hazardous waste

incineration. New York:Copyringht Clearance Center, 1989. 2.ed.v.41.

VIEIRA, Marcelo P. Fundamentos de Incineração. São Paulo: Editora Gregory, 2012.

http://www.itl.nist.gov/div898/handbook/,date

DETERMINAÇÃO DOS SISTEMAS CRÍTICOS EM UM …

Documents

Transcript of DETERMINAÇÃO DOS SISTEMAS CRÍTICOS EM UM …