Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESCOLA POLITÉCNICA
Salvador
2018
LEANDRO ANTUNES SANTOS
Salvador
2018
Dedico esta conquista à Deus.
À minha família, em especial à minha mãe, Lourdes,
e ao meu pai, Gabriel, pois nunca pouparam esforços na
luta pela minha educação.
E a Lucas Pires (in memorian) que sempre será
grande exemplo de superação e luta pela democracia.
AGRADECIMENTOS
A todos meus familiares que me incentivaram e zelaram para que este momento fosse
possível. Sobretudo a Srª Maria de Lourdes, minha mãe, professora, exemplo de vida e maior
incentivadora. Ao meu pai, Gabriel, por me ensinar o caminho correto a ser seguido. Vocês,
meus pais, que muitas vezes renunciaram aos seus sonhos para que eu pudesse realizar o meu,
serei eternamente grato.
Ao meu irmão Lázaro e sua esposa Idaiana, pelos momentos de apoio, descontração e
pelo maior presente que poderia receber em toda vida, Gustavo.
Ao grupo dos marotos, Jade, Luis, Adônis, Júlia e Flávia que me acompanham nesta
trajetória. E que apesar do solene juramento, estamos destinados a fazer coisas boas para
sociedade.
Ao Prof. Daniel Diniz Santana pela oportunidade е apoio na elaboração deste trabalho.
4.11 Confiabilidade associada aos tomógrafos para uma jornada 10.000 horas..........56
4.16 Relação Custo MP/ Custo MC e intervalo ótimo entre MP tomógrafo B..........63
SÍMBOLOS E ABREVIATURAS
2P 2 Parâmetros
EC Engenharia Clínica
KS Kolmogorov Smirnov
MC Manutenção Corretiva
MP Manutenção Preventiva
OS Ordem de Serviço
1 INTRODUÇÃO .............................................................................................................................. 12
1.1 OBJETIVOS GERAIS ........................................................................................................ 14
1.2 OBJETIVOS ESPECÍFICOS .............................................................................................. 14
2 FUNDAMENTAÇÃO TEÓRICA ................................................................................................ 15
2.1 CONFIABILIDADE DE SISTEMAS ................................................................................ 15
2.1.1 Sistemas Reparáveis e Não-reparáveis .......................................................................... 15
2.1.2 Falhas ............................................................................................................................ 16
2.1.3 Função Confiabilidade .................................................................................................. 18
2.1.4 Disponibilidade ............................................................................................................. 21
2.1.5 Mantenabilidade ............................................................................................................ 22
2.1.6 Distribuições de Probabilidade de Falhas ..................................................................... 23
2.1.7 Intervalo de Confiança .................................................................................................. 30
2.1.8 Verificação de Aderência dose Dados às Distribuições de Probabilidade .................... 31
2.2 MANUTENÇÃO DE EQUIPAMENTOS .......................................................................... 33
2.2.3 Estratégias de Manutenção ............................................................................................ 35
2.3 ENGENHARIA CÍNICA E EQUIPAMENTOS MÉDICOS HOSPITALARES (EMH)... 38
3 ESTUDO DE CASO: COMPLEXO HOSPITALAR PROFESSOR EDGARD SANTOS ..... 40
3.1 HISTÓRICO ....................................................................................................................... 40
3.2 METODOLOGIA DA PESQUISA .................................................................................... 41
3.3 ASPECTOS ÉTICOS .......................................................................................................... 41
3.4 DEFINIÇÃO DA AMOSTRA ............................................................................................ 41
3.5 ANÁLISE DOS DADOS .................................................................................................... 44
3.6 DEFINIÇÃO DOS PARÂMETROS .................................................................................. 44
3.7 TESTES DE ADERÊNCIA ................................................................................................ 45
4 RESULTADOS E DISCUSSÃO ................................................................................................... 46
4.1 ULTRASSOM DIAGNÓSTICO ........................................................................................ 46
4.2 TOMÓGRAFOS ................................................................................................................. 51
4.3 MAMÓGRAFO .................................................................................................................. 57
4.4 DISCUSSÃO DE RESULTADOS ..................................................................................... 60
5 CONCLUSÃO ................................................................................................................................ 65
5.1 TRABALHO FUTUROS .................................................................................................... 66
REFERÊNCIAS .................................................................................................................................. 67
11
1 INTRODUÇÃO
Dentre os maiores problemas que assolam a população brasileira no século XXI, a saúde
ocupa 3º lugar no ranking, atrás apenas da segurança e corrupção. Melhorar os serviços de
saúde é a medida mais pontuada entre as três principais prioridades para o Governo em 2018,
citada por praticamente quatro em cada dez brasileiros (IBOPE, 2018).
É comum observar nos hospitais e estabelecimentos de assistência e saúde, a
precarização dos serviços e uma oferta de consultas, exames e procedimentos muito inferior à
demanda da população. Em alguns casos, a falta de equipamentos em estado operacional afeta
a prestação do serviço de saúde.
Equipamentos hospitalares possuem custo alto tanto para compra, como para
manutenção. Grande parte do recurso dos hospitais é direcionada para conserto de
equipamentos que falham por diversos motivos, desde uso incorreto por parte dos
profissionais, instalações inadequadas ou uma gestão pouco eficiente da manutenção.
Atualmente, o cenário dos hospitais brasileiros é considerado precário.
O ambiente de hospital universitário é um do organismo de gerenciamento complexo,
em virtude dos objetivos de assistência, ensino, pesquisa e extensão que abrangem
conhecimentos administrativos, financeiros, pedagógicos e de planejamento de projetos.
Para Lucatelli (2002), a área hospitalar acompanhou a tendência global de incorporação
de tecnologias, repercutindo nas inevitáveis transformações, muitas vezes não assimiladas, da
sua gestão e utilização pelos profissionais de saúde. A tecnologia tornou-se cada vez mais
confiável e, em muitos casos, menos dependente de intervenções. Contudo, o uso das novas
tecnologias voltada para a assistência aumentou significativamente, modificando a atuação do
médico, tornando-o quase que totalmente dependente de variáveis e resultados por ela
fornecidos.
Ainda há grande deficiência de estudos e trabalhos sobre manutenção dos equipamentos
hospitalares. Contudo, as organizações vêm se aperfeiçoando tanto nos serviços prestados de
saúde, quanto nos processos administrativos, utilizando a ferramenta da manutenção para
prevenir e corrigir os defeitos dos equipamentos hospitalares, mantendo o estado de
operacionalidade. Portando, ressalta-se a importância de possuir hospitais de qualidade, com
boa infraestrutura, com equipamentos modernos e isentos de quebras.
Para atender aos requisitos de qualidade, hospitais e estabelecimento de assistência em
saúde estabeleceram formalmente os departamentos de engenharia clínica para lidar com
12
essas novas responsabilidades técnicas e para capacitar e supervisionar técnicos na execução
das tarefas.
Tratar de confiabilidade de equipamentos e sistemas é uma das principais linhas de
pesquisa nas diversas áreas da produção de bens e serviços, com intuito de minimizar os
riscos à segurança operacional, ao meio ambiente e a otimização de recursos. Em dispositivos
complexos, diversos parâmetros de produtividade e qualidade estão envolvidos. Quando a
operação de um dispositivo abrange um risco elevado, como ocorre em um ambiente
hospitalar, a confiabilidade deve assumir prioridade alta em relação aos demais parâmetros,
pois a ocorrência de falhas pode resultar em danos e perda de vidas humanas.
A evolução da tecnologia no setor hospitalar demonstra as contribuições da engenharia
para o avanço dos cuidados de saúde. O desenvolvimento e utilização de dispositivos médicos
parte da pesquisa, design e teste clínico, até as boas práticas de utilização e manutenção.
Para O’Coonor (2012) a a preocupação com falhas no domínio do tempo é o que
distingue a engenharia de confiabilidade, do controle de qualidade tradicional. A
confiabilidade é, portanto, um aspecto da incerteza de engenharia. Se um item funcionará para
um período específico é uma questão que pode ser respondida através de um modelo baseado
em probabilidade.
No contexto da busca pela qualidade dos serviços oferecidos à população, o estudo
procura responder à questão de como se encontra a situação da gestão da manutenção nos
equipamentos de exames de imagem no Hospital Universitário Professor Edgar Santos em
Salvador. E, de acordo com o cenário apresentado, avaliar a confiabilidade destes
equipamentos, encontrando indicadores que possam auxiliar no estabelecimento de
procedimentos de manutenção programada contextualizados, na identificação de deficiências
quanto à confiabilidade e na determinação de ações corretivas acerca do projeto, trazendo
melhorias e um ambiente seguro e saudável para prática da assistência.
Para um EAS, é interessante que a análise e inferência dos indicadores de manutenção
de equipamentos sejam feitos com base nos registros de dados feitos ao longo do período de
utilização do item. Os EMH podem ser iguais quantos às especificações técnicas, contudo,
diferenciam-se quanto à frequência de uso, instalações e condições de operação as quais são
submetidos. Desta forma, utilizar técnicas de modelagem e estimação de parâmetros de
funções que representam a confiabilidade e falhas dos itens, torna-se essencial.
A metodologia adotada neste trabalho foi constituída por uma revisão da literatura da
área de confiabilidade, modelos de distribuição probabilística, evolução cronológica das
13
práticas de manutenção com ênfase nas atribuições da Engenharia Clínica, nas práticas de
manutenção centrada em confiabilidade e aplicação dos tópicos expostos no estudo de caso.
b) realizar um estudo de caso com análise documental dos registros de manutenção dos
equipamentos de diagnóstico por imagem de um hospital de grande porte, encontrando
modelos que descrevem o comportamento e tempos de falhas para cada item;
c) analisar os indicadores de confiabilidade, disponibilidade e mantenabilidade presentes
na literatura e aplicar aos equipamentos em estudo (taxa de falha, MTBF, MTTF,
disponibilidade);
d) identificar e caracterizar técnicas de manutenção contextualizadas, com base no banco
de dados, para cada EMH analisado, ressaltando aspectos positivos e negativos do
atual programa de gerenciamento de EMH; Commented [LAS2]: Isso não poderia estar junto?
e) elencar pontos positivos que indicadores de MCC podem trazer à área em questão,
quando comparada às metodologias tradicionais de gerenciamento de equipamento nos
EAS. Commented [LAS3]: Avaliar outras estratégias
14
2 FUNDAMENTAÇÃO TEÓRICA
15
de tempo, aplicado a uma unidade na população, quando uma ou mais falhaspode ocorrer em
um contínuo de tempo.
2.1.2 Falhas
16
Figura 2.2 – Curva da Banheira.
17
representada matematicamente através da função densidade de probabilidade de falhas, de
acordo com Fogliatto e Ribeiro (2011):
𝑡
𝐹(𝑡2 ) − 𝐹(𝑡1 ) = ∫𝑡 2 𝑓(𝑡)𝑑𝑡 = 𝑃(𝑇 ≤ 𝑡), 𝑡 > 0. ( 2.2 )
1
Verifica-se que F(t) é crescente com o tempo, atingindo um valor unitário quando t
tende ao infinito.
𝑛𝑠 (𝑡) 𝑛𝑠 (𝑡)
𝑅(𝑡) = = , ( 2.3 )
𝑛𝑠 (𝑡)+ 𝑛𝑓 (𝑡) 𝑛0
18
Esta probabilidade de que uma unidade sobreviva em um intervalo de tempo, é dada
pela função R(t):
∞ 𝑡
𝑅(𝑡) = ∫𝑡 𝑓(𝑡)𝑑𝑡 = 1 − ∫−∞ 𝑓(𝑡)𝑑𝑡 = 1 − 𝐹 (𝑡), ( 2.4 )
𝑡
𝑅(𝑡) = 𝑒 − ∫0 ℎ(𝑡)𝑑𝑡 ( 2.7 )
𝑡
𝑓(𝑡) = ℎ(𝑡). 𝑒 − ∫0 ℎ(𝑡)𝑑𝑡 ( 2.8 )
∞
𝑀𝑇𝑇𝐹 = 𝐸(𝑇) = ∫0 𝑡. 𝑓(𝑡)𝑑𝑡, ( 2.9 )
∞
𝑀𝑇𝑇𝐹 = ∫0 𝑅(𝑡)𝑑𝑡. ( 2.10 )
O tempo tédio entre as falhas (MTBF - Mean Time Between Failures), é tido como o a
medida básica da confiabilidade e contabiliza o tempo médio entre as falhas de equipamentos
reparáveis. Este indicador fornece uma ideia do tempo adequado para que medidas sejam
tomadas com intuito de garantir que os equipamentos e sistemas estejam disponíveis quando
requisitados e os níveis de segurança sejam mantidos. O MTBF é calculado como o inverso
da taxa de falhas e a expressão matemática para este indicador:
1
𝑀𝑇𝐵𝐹 = ( 2.11 )
ℎ(𝑡)
O Tempo Médio de Reparo (MTTR - Mean Time To Repair) é descrito como o tempo
médio para que equipamentos sejam consertados. Este período abrange o primeiro
atendimento de verificação do item, o tempo utilizado para diagnosticar o problema, e o
20
tempo para reparo. Os métodos mais utilizados para estimar o MTTR é a média aritmética dos
tempos de reparo (𝑡𝑟 ) ou a média ponderada de cada modo de falha. A ponderação é feita pela
respectiva taxa de falha:
∑ ℎ(𝑡).𝑡𝑟
𝑀𝑇𝑇𝑅 = ∑ ℎ(𝑡)
( 2.12 )
Os indicadores citados foram descritos por O’Connor (2012) e suas relações estão
elucidados na figura 2, indicando o estado de funcionamento de um sistema reparável ao logo
do tempo:
2.1.4 Disponibilidade
21
A disponibilidade operacional é descrita por O’Connor (2012) através da expressão:
𝑀𝑇𝐵𝐹
𝐴(𝑡) = ( 2.13 )
𝑀𝑇𝐵𝐹+𝑀𝑇𝑇𝑅
2.1.5 Mantenabilidade
A maioria dos sistemas passa por procedimentos com finalidade de preservar suas
funcionalidades durante a sua vida útil, ou restaurar as propriedades de um dispositivo que
apresentou alguma falha, adotando ações de manutenção, que podem incluir revisão, reparo,
remoção, substituição, modificação, inspeção, calibração, verificação, dentre outras.
Birolini (2007) define a mantenabilidade como uma característica de um item, expressa
pela probabilidade de que um manutenção preventiva ou um reparo do item será realizado
dentro de um prazo tempo intencional para determinados procedimentos e recursos (nível de
habilidade do pessoal, peças, instalações de teste, etc.). Do ponto de vista qualitativo, a
manutenabilidade pode ser definida como a capacidade de um item ser retido ou restaurado
em um estado especificado.
Práticas de manutenção podem afetar tanto a confiabilidade como a mantenabilidade.
No caso da confiabilidade, se as práticas adotadas não são capazes de detectar uma falha ou
potencial de falha de forma eficiente, é evidente que a frequência de falhas pode aumentar, e o
22
MTBF tende a diminuir. Enquanto na engenharia de confiabilidade o interesse é de se obter
um MTBF maior possível com falhas pouco frequentes, na engenharia de mantenabilidade o
interesse é o de se obter um MTTR mínimo (Salgado, 2008).
23
1 𝑡− 𝜇 2
1 [− ( ) ]
𝑓(𝑡) = 1 𝑒 2 𝜎 , ( 2.14 )
𝜎(2𝜋) ⁄2
𝑡− 𝜇 −𝑡2
1
F(t) = 1
𝜎 𝑒
∫−∞ 2 𝑑𝑡 , ( 2.15 )
(2𝜋) ⁄2
1 𝑡− 𝜇 2
∞ 1 [− ( ) ]
R(t) = ∫𝑡 1 𝑒 2 𝜎 𝑑𝑡 ( 2.16 )
𝜎(2𝜋) ⁄2
1 𝑡− 𝜇 2
1 [− ( ) ]
1⁄ 𝑒 2 𝜎
𝑓(𝑡) 𝜎(2𝜋) 2
h(t) = 𝑅(𝑡)
= 1 𝑡− 𝜇 2
. ( 2.17 )
∞ 1 [− ( ) ]
∫𝑡 1⁄ 𝑒 2 𝜎 𝑑𝑡
𝜎(2𝜋) 2
FIGURA 2.5 – Formas de distribuições de falhas comuns, funções de confiabilidade e taxa de risco
para Distribuição Normal
24
2.1.6.2 Distribuição lognormal
𝑙𝑛𝑡− 𝜇
𝐹(𝑡) = Φ ( 𝜎
), ( 2.19 )
𝑙𝑛𝑡− 𝜇
𝑅(𝑡) = 1 − Φ ( ), ( 2.20)
𝜎
𝑙𝑛𝑡− 𝜇
0,4343 Φ( )
𝜎
h(t)= 𝑙𝑛𝑡− 𝜇 , ( 2.21 )
𝜎𝑡 [1− Φ( )]
𝜎
1 𝑙𝑛𝑡− 𝜇 2
𝑙𝑛𝑡− 𝜇 1 [− ( ) ]
Φ( )= 1 𝑒 2 𝜎 . ( 2.22 )
𝜎 (2𝜋) ⁄2
25
FIGURA 2.7 – Efeito da variação do parâmetro 𝜇 no gráfico de distribuição de probabilidade
Lognormal.
Uma das principais características da função taxa de falha deste modelo paramétrico é
ser inicialmente crescente, e após atingir o valor máximo, passa a decrescer.
Dentre as utilizações da distribuição lognormal, são conhecidas aplicações para
determinação de ciclos para falha à fadiga de metais e componentes metálicos, distribuição de
tempos para a falha de componentes mecânicos sujeitos a desgaste, determinação de vida de
rolamentos e determinação de tempo médio para manutenção de componentes mecânicos
(LAFRAIA,2014).
𝑡
∞ 𝑡 𝛾−1
𝑅(𝑡) = ∫𝑡 𝜃 𝛾 Γ(𝛾)
𝑒 (−𝜃) 𝑑𝑡, ( 2.22 )
26
𝑓(𝑡)
ℎ(𝑡) = 𝑅(𝑡), ( 2.23 )
𝛾
𝑀𝑇𝑇𝐹 = 𝜃 . ( 2.24 )
O comportamento das funções f(t), R(t) e h(t) para distribuições do tipo gamma, são
observados na figura 2.8, considerando diferentes valores do parâmetro 𝛾:
FIGURA 2.8 – Formas de distribuições de falha,, funções de confiabilidade e taxa de risco para
distribuição gamma.
ℎ(𝑡) = 𝜆. ( 2.27 )
27
Para os itens que são reparados, λ é chamado de taxa de falha, e 1 / λ é o MTBF
(também referido como θ). É possível verificar o comportamento dos índices de
confiabilidade para esta distribuição na figura 2.9 seguir:
𝑡−𝑡0 𝛾
𝛾 𝑡−𝑡0 𝛾−1
𝑒 −(
)
𝑓(𝑡) = 𝜃
( 𝜃
) 𝜃 , t ≥ 0; 𝜆 𝑒 𝜃 > 0, ( 2.28 )
28
¹A distribuição de Poisson é uma distribuição de probabilidade discreta para as contagens eventos que ocorrem
aleatoriamente em um determinado intervalo de tempo (ou espaço) (Reliasoft, 2015).
onde 𝜃 é o parâmetro de escala, 𝛾 o parâmetro de forma (inclinação da distribuição Weibull)
e 𝑡0 o parâmetro de posição, este último frequentemente não utilizado, e o seu valor pode ser
considerado como zero. Logo, a distribuição de Weibull será de dois parâmetros.
A função de confiabilidade, taxa de falha e MTTF do modelo Weibull são dadas por
Fogliatto e Ribeiro (2011), :
𝑡−𝑡0 𝛾
𝑅(𝑡) = 𝑒 −( 𝜃
)
, ( 2.30 )
𝛾 𝑡−𝑡0 𝛾−1
ℎ(𝑡) = ( ) ( 2.31 )
𝜃 𝜃
29
Figura 2.10 – Formas de distribuições de falhas comuns, funções de confiabilidade e taxa de risco para
Distribuição Weibull.
Fonte: (RELIASOF,2015).
Fonte: (O’CONNOR,2012)
30
O’Connor (2012) afirma que para distribuições contínuas, os cálculos dos limites de
confiança envolvem área sob a curva de probabilidade de distribuição correspondente à
percentagem de confiança procurada para a solução.
Utilizar limites de confiança bilaterais para estimação de parâmetros nas funções de
distribuição apresentadas, significa determinar valores, ou limites, entre quais há
probabilidade que valor verdadeiro dos parâmetros esteja contido. Ao lidar com 90% de
limites de confiança bilaterais de [X, Y], como na figura 2.11, infere-se que 90% da
população está entre X e Y , 5% está em uma região menor X e 5% em uma região maior que
Y. Com intervalos unilaterais, define-se o valor alvo como maior ou menor que o valor limite.
Por exemplo, se X é um limite superior de 95% unilateral, 95% da população é menor que X.
31
em H0) e frequências empíricas observadas em diferentes intervalos de classe. Se a soma
ultrapassar um determinado valor tabelado, aceita-se a hipótese.
Segundo O’Connor (2012), para precisão do teste χ², é desejável ter pelo menos três
classes de dados, ou células, com pelo menos cinco pontos de dados em cada célula. A
fórmula para cálculo para o qui quadrado é:
(𝑥𝑖 − 𝐸𝑖 )2
χ2 = ∑𝑛𝑖 (2.32)
𝐸𝑖
com n-1 graus de liberdade, onde 𝑥𝑖 corresponde aos valores amostrados e 𝐸𝑖 a classificação
dos valores estimados acumulados para a distribuição assumida.
O teste de Kolmogorov-Smirnof (KS) também avalia a hipótese de que um conjunto de
dados provém ou não de uma determinada distribuição. Neste caso, a comparação é feita
considerando-se a função de distribuição empírica e a função de distribuição teórica esperada
para os valores amostrais observados. A estatística distância é a maior diferença observada.
O KS é um teste não paramétrico bastante utilizado em situações onde não há uma
amostra de dados consideravelmente grande. O procedimento para realizar o teste KS é
descrito por O’Connor (2012):
1. Tabular os dados de falha classificados. Calcular os valores de |𝑥𝑖 − 𝐸𝑖 |onde xi é o
i-ésimo valor de classificação acumulativo e 𝐸𝑖 o valor de classificação acumulado
esperado para a distribuição presumida.
2. Determinar o maior valor único.
3. Comparar este valor com o valor apropriado tabelado do teste KS de acordo ao
tamanho da amostra e do nível de significância desejado.
O modelo de distribuição proposto não será adequado quando em um dos testes rejeita-
se H0, ou seja, quando o nível de significância for menor que 5%, pois não haverá, então,
evidências estatísticas para validar o modelo.
A distribuição que provavelmente fornecerá o melhor ajuste a um conjunto de dados
não é sempre prontamente aparente. O processo de determinar o melhor modelo pode ser
bastante abrangente e geralmente começa com a avaliação das distribuições disponíveis com
base em quão bem elas se ajustam aos dados, isto é, matemáticas qualidade de ajuste.
Entretanto, em aplicações de engenharia, o melhor ajuste matemático não é suficiente. A
distribuição estatística escolhida também deve ser apropriada para a natureza física das falhas
32
observadas. Portanto, ambas as abordagens precisam ser cuidadosamente consideradas antes
de selecionar o melhor modelo matemático para analisar os dados (O’Connor, 2012).
34
2.2.3 Estratégias de Manutenção
Uma gestão de manutenção causal, aplicada somente para resolução das falhas, tende a
manter o ciclo de vida útil convencional dos equipamentos, de acordo a curva da banheira.
Contudo, uma visão estratégica e sistemática do momento certo de aplicação de cada
manutenção pode prolongar este ciclo e aumentar a disponibilidade do item.
Para O’Connor (2012), diversos fatores tornarnam essencial o reconhecimento da
confiabilidade como parte da estratégia corporativa pelos dirigentes das organizações.
Fatores como alto custo dos reparos sob garantia, mesmo para itens relativamente simples,
como equipamentos eletrônicos e elétricos, tornam a confiabilidade uma propriedade de alto
36
valor. Nesse contexto, surgiu a necessidade de desenvolver novas metodologias capazes de
reduzir a probabilidade de ocorrência de uma falha – a estratégia de manutenção centrada na
confiabilidade (MCC).
Para aplicar a MCC, é preciso definir qual a confiabilidade esperada para o item.
Geralmente, os programas de MCC buscam impedir qualquer acidente que possa incorrer em
danos pessoais, ambientais, ou que possam gerar danos materiais significativos, além de inibir
infrações às normas e assegurar alta confiabilidade aos equipamentos.
A estratégia de MCC dá ênfase nas atividades proativas, envolvendo procedimentos de
manutenção preditiva e preventiva, aliadas aos conhecimentos das causas, modo e efeitos das
falhas. Sempre que existirem dados quantitativos, é interessante que a periodicidade da
estratégia de manutenção seja baseada em estudos de confiabilidade. Quando os dados forem
escassos ou inexistentes, a periodicidade pode ser definida pela equipe de trabalho, que reúne
a máxima experiência no respectivo equipamento (FOGLIATTO, ET.AL., 2011).
Segundo Smith (2001), para estabelecer uma metodologia de análise quantitativa da
MCC é necessário ter conhecimento dos tempos de falha dos itens analisados e de algum
modelo de distribuição de probabilidade que melhor representa os dados de falha.
Considerando uma distrbuição do tipo Weibul-2P, se 𝛽 ≤ 1, não há justificativa para
substituição ou mesmo manutenção de rotina. Por outro lado, pode haver alguma justificativa
para considerar uma substituição preventiva antes que o item falhe, se os custos associados a
um substituição não planejada (devido à falha) são maiores que as de um descarte planejado
/substituição. Se este for o caso, então é necessário calcular o intervalo de substituição ideal
de acordo a relação entre os custo, e o tempo MTTF do item.
Seixas (2008) relaciona esses parâmetros através da expressão para o custo total de
manutenção de um equipamento:
𝑇− 𝑡0
𝐶(𝑇) = 𝐾𝑃 + 𝐾𝑐 . ∫0 𝜆(𝑡)𝑑𝑡 (𝑇 − 𝑡0 ) (2.33)
1
𝐾 1 𝛽
𝑇 = 𝑡0 + 𝜂 ( 𝐾𝑃 . ) , ( 2.34)
𝑐 𝛽(𝛽−1)
37
válido para 𝛽 > 1. A condição a ser satisfeita para se tentar alcançar o objetivo de otimizar a
MP é que os custos de manutenção preventiva sejam menores que os custos de manutenção
corretiva.
39
3 ESTUDO DE CASO: COMPLEXO HOSPITALAR PROFESSOR EDGARD
SANTOS
3.1 HISTÓRICO
O Complexo Hospitalar Professor Edgard Santos, também conhecido como Hospital das
Clínicas, foi construído em Salvador no ano de 1948, pioneiro no estado da Bahia em ensino,
pesquisa e atendimento médico de qualidade. Entre o período de 1970 e 1980 o Hospital das
Clínicas passou por momento de crise, levando ao fechamento de enfermarias, redução de
leitos e obsolescência de seus equipamentos. Em 2003, o Complexo HUPES foi contemplado
no Projeto Piloto de Reestruturação dos Hospitais Universitários do Ministério da Saúde
(MS), sendo revitalizado e remodelado para atendimento da comunidade (COMPLEXO
HUPES, 2018).
O Programa Nacional de Reestruturação dos Hospitais Universitários Federais
(REHUF) foi instituído em 2010 por meio de decreto e dispõe quanto ao financiamento dos
Hospitais Universitários Federais partilhado entre as áreas da saúde e educação. Os valores
disponibilizados ao REHUF destinaram-se à aquisição de EMH, construção, reformas,
compras de materiais médico-hospitalares e medicamentos, entre outras ações.
A Empresa Brasileira de Serviços Hospitalares (EBSERH) assumiu a gestão do
Complexo HUPES em 2014, promovendo novas práticas aos serviços. No que tange a
engenharia clínica, propondo uma requalificação dos fluxos de trabalho executados,
detalhando os processos e atividades por meio da descrição das práticas em execução, bem
como indicadores para mensuração do desempenho dos processos.
A EBSERH define a Engenharia Clínica como o setor responsável pela gestão das
tecnologias utilizadas nas atividades produtivas de procedimentos ligados à assistência ao
paciente, estabelecendo as estratégias de gestão da vida útil dessas tecnologias incorporadas
através de rotinas de manutenções preventivas e corretivas (Complexo HUPES, 2018).
Atualmente o Complexo HUPES possui 42 mil m² de área, 3 prédios, 16 unidade de
internação (enfermarias), 289 leitos ativos, 17 salas de aula, 3 auditórios e 12 laboratórios de
pesquisa.
40
3.2 METODOLOGIA DA PESQUISA
O projeto para realização deste estudo foi submetido e aprovado pelo Comitê de Ética e
Pesquisa do Complexo HUPES sob o título de Estudo De Confiabilidade E Gestão De
Manutenção De Equipamentos Médico-Hospitalares e está disponível no portal Plataforma
Brasil.
41
Foram analisados 2 aparelhos de ultrassom (Figura 3.1). Estes EMH são utilizados na
medicina nos métodos diagnósticos de ultrassonografia e ecografia, pois possibilita a captação
de imagens em tempo real e fornece informações das propriedades elásticas dos tecidos. Os
métodos de diagnóstico são não invasivos e não ionizante. Este EMH tem sido largamente
empregado como auxiliar no diagnóstico médico dentro da oncologia, obstetrícia, ginecologia,
oftalmologia, neurologia e cardiologia, além de sua utilização como ferramenta comum em
procedimentos terapêuticos. (MINISTÉRIO DA SAÚDE, 2002).
Atualmente, o EAS analisado possui 10 equipamento de ultrassom ativos e realiza
mensalmente cerca de 62% dos 1048 procedimentos que deveriam ser feitos (SESAB,2018).
Para o estudo foram selecionados 2 aparelhos de ultrassom cujo registro de paradas foi
considerado consistente.
O segundo caso teve finalidade exploratória, cujo objeto de estudo foram os dois
tomógrafos (Figura 3.2) utilizados no Setor de bioimagem para realização da tomografia
computadorizada, também denominada CAT (computed axial tomography). Esta técnica de
diagnóstico combina o uso de um computador digital, juntamente a um dispositivo de
radiografia giratório (gantry) para criar imagens secionais transversais detalhadas de
diferentes órgão e partes do corpo. A principal vantagem da tomografia sobre as técnicas de
radiologia convencionais é a capacidade de fornecer tecidos moles e de gerar visões na
direção de propagação do feixe de raios-X (MINISTÉRIO DA SAÚDE, 2002).
42
Os tomógrafos analisados são os únicos disponíveis no EAS de estudo. São realizados,
aproximadamente, 96% dos 420 procedimentos de tomografia esperados mensalmente
(SESAB,2018).
Figura 3.2: Tomógrafos em uso no EAS estudado.
a) b)
43
3.5 ANÁLISE DOS DADOS
45
4 RESULTADOS E DISCUSSÃO
46
Quadro 4.3-Ajuste de função de probabilidade para aparelho de ultrassom 1.
10
0.1
0.01 1
100 1000 10000 0 1000 2000 3000 4000 5000 6000
t: Horas t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
LogNormal Normal
2 3
2
1
1
0 0
-1
-1
-2
-2 -3
1000 10000 Autor. 1000 2000 3000 4000 5000 6000 7000 8000 9000
Fonte
t: Horas t: Horas
Fonte Autor.
47
Analisando dados de falha para o Fabricante 2 e realizando os mesmos testes de
aderência aplicados anteriormente.
10
0.1
0.01 1
10 100 1000 10000 100000 0 2000 4000 6000 8000 10000 12000
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
t: Horas
LogNormal Normal
2 3
2
1
1
0 0
-1
-1
-2
-2 -3
100 1000 10000 100000 2000 4000 6000 8000 10000 12000
t: Horas t: Horas
Fonte Autor.
48
Verificados os índices de significância das distribuições de probabilidade, para
representar os dados de falha dos aparelhos de ultrassom foi escolhido o modelo Weibull,
baseado na análise de aderência de dados e no conhecimento de que para componentes
mecânicos , essa distribuição é frequentemente utilizada e citada por autores como aquela que
melhor descreve o comportamento da vida do componente no decorrer do tempo.
O índice MTTR foi calculado através da média entre os tempos de reparo. Os resultados
dos parâmetros ajustados e índices de confiabilidade para ambos os casos são indicados no
quadro 4.5. Os valores de limites de tempos em que 10% e 50% dos reparos ocorreram, são
indicados por t10 e t50. E, para um intervalo de confiança de 95%, são indicados os
parâmetros correspondentes.
Fonte Autor.
49
A partir da figura 4.3, observa-se que os indicadores de confiabilidade para ambos
equipamentos são similares. O equipamento B apresentará um desgaste mais rápido no início
da jornada de 30.000 horas, enquanto que o equipamento A haverá mais probabilidade de
falhar a longo prazo. A disponibilidade para uso é considerada boa para os dois aparelhos. A
figura X retrata o comportamento das funções de risco para os dois casos:
a) 0.0010 b) 0.0012
0.0010
0.0008
0.0008
h(t)
h(t)
0.0006 0.0006
0.0004
0.0004
0.0002
0.0002 0.0000
0 10000 20000 30000 0 10000 20000 30000
t: Horas t: Horas
Fonte Autor.
Fonte Autor.
50
4.2 TOMÓGRAFOS
O objeto deste estudo foi analisar dois aparelhos tomógrafos do Hospital. O tomógrafo
A foi instalado no ano de 2005, entretanto só há registros de falhas a partir do ano de 2010.
Em 2013 este equipamento falhou e o reparo somente ocorreu no ano de 2018. O tomógrafo B
foi instalado em 2011.
Os tempos de falhas de cada equipamento foram extraídos da base de dados do sistema
utilizado pelo setor de EC. Foi considerado que após os reparos, os equipamentos retornam ao
estado de ‘tão bom quanto novo’, neste caso, retornam às mesmas características do período
anterior à falha. Os dados de falhas e reparo do tomógrafo A são descritos na tabela X:
Fonte Autor.
51
Com os dados de TTF e utilizando o software Proconf2000, foram realizados testes de
ajustes aos modelos de distribuição de probabilidade para o Tomógrafo A, conforme o quadro
4.7:
Quadro 4.7 - Ajuste de função de probabilidade tomógrafo A.
Função distribuição de MTTF Teste
Parâmetros Teste χ² Decisão
probabilidade (horas) KS
µ 3098,67
Normal ou de Gauss 3098,67 0,64% 0,01% Rejeitada
σ 3836,65
mean 7,4 33,94% 28,10%
LogNormal 3394,29 Não rejeitada
std 1,46
λ 3,22E-04
Exponencial 1P 3098,67 28,83% 31,29% Não rejeitada
mean 3098,67
γ 0,68
Gamma 3698,71 22,26% 25,15% Não rejeitada
θ 5400,37
β 0,91
Weibull 2P 3180,42 27,07% 24,65% Não rejeitada
η 2958,52
Fonte: Autor.
10
0.1
0.01 1
100 1000 10000 100000 0 2000 4000 6000 8000 10000 12000 14000
t: Horas t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
LogNormal Normal
2.0 3
2
1.0
1
0.0 0
-1
-1.0
-2
-2.0 -3
1000 10000 100000 2000 4000 6000 8000 10000 12000 14000
t: Horas
t: Horas
Fonte: Autor
52
O mesmo procedimento foi adotado para análise dos dados de falha do tomógrafo B. Os
dados de TTF são mostrados na tabela 4.8.
Defeito no Nobreak 8%
Descalibrado 16%
0% 5% 10% 15% 20% 25% 30% 35% 40%
Fonte: Autor.
53
Tabela 4.9 - Ajuste de função de probabilidade tomógrafo B.
Função distribuição de MTTF Teste
Parâmetros Teste χ² Decisão
probabilidade (horas) KS
µ 1144,32
Normal ou de Gauss 1144,32 0,01% 0,01% Rejeitada
σ 1327,12
mean 6,55
LogNormal 1143,08 55,55% 30,20% Não rejeitada
std 0,99
λ 8,74e-04
Exponencial 1P 1144,32 23,12% 30,10% Não rejeitada
mean 1133,32
γ 1,05
Gamma 1189,7 11,55% 33,18% Não rejeitada
θ 1134,42
β 1,05
Weibull 2P 1143,77 18,61% 27,44% Não rejeitada
η 1158,88
Fonte: Autor.
Os gráficos de aderência aos modelos testados para o tomógrafo B estão na figura 4.9.
As distribuições LogNormal e Weibull apresentou o melhor nível de significância entre as
distribuições propostas.
Weibull 2P Exponencial
10
Fonte Autor. Elaborado no
100 Software Proconf 2000.
- ln (1 - F( t) )
1 / [1 - F ( t) ]
10
0.1
0.01 1
1 10 100 1000 0 1000 2000 3000 4000 5000 6000 7000
t: Horas t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
LogNormal Normal
2 3
2
1
1
0 0
-1
-1
-2
-2 -3
1000 10000 1000 2000 3000 4000 5000 6000 7000
t: Horas t: Horas
Fonte: Autor.
54
Ao comparar os gráficos de taxa de falha (Figura 4.10) para as distribuições percebe-se
que a lognormal apresenta comportamento crescente no início do ciclo de vida do
equipamento, o que não corresponde à taxa de falha do período de mortalidade infantil. A
distribuição de Weibull será adotada pois representa curva da banheira de forma mais
satisfatória.
b) Lognormal a) Weibull
0.0012 0.00100
0.0010
0.00095
0.0008
h(t)
h(t)
0.0006 0.00090
0.0004
0.00085
0.0002
0.0000 0.00080
0 1000 2000 3000 4000 5000 6000 7000 8000 0 1000 2000 3000 4000 5000 6000 7000
t: Horas t: Horas
Fonte: Autor.
Escolhido o modelo mais apropriado para o ajuste dos dados e estimados os respectivos
parâmetros, é possível representar graficamente as principais funções indicadoras de
confiabilidade e riscos de ambos equipamentos.
55
Figura 4.11 : Confiabilidade associada aos tomógrafos para uma jornada 10.000 horas.
Fonte: Autor.
a) Tomógrafo A b) Tomógrafo B
0.0007
0.0006
0.00090
0.0005
h(t)
h(t)
0.0004 0.00085
0.0003
0.00080
0.0002
0.0001 0.00075
0 5000 10000 15000 20000 25000 0 5000 10000 15000 20000 25000
t: Horas t: Horas
Fonte Autor.
56
4.3 MAMÓGRAFO
Fonte: Autor.
57
A partir dos dados TTR, foram realizados teste de aderência aos modelos de distribuição
de probabilidade, conforme quadro 4.12.
10
0.1
0.01 1
100 1000 10000 0 1000 2000 3000 4000 5000
t: Horas t: Horas
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
Z ( V a r iá ve l N o r m a l P a d r o n i za d a )
LogNormal Normal
2 3
2
1
1
0
0
-1
-1 -2
-3
-2 1000 2000 3000 4000 5000
1000 10000
t: Horas
t: Horas
Fonte: Autor
58
Considerando a natureza do equipamento e os níveis de significância encontrados, será
considerando o modelo Weibull. Os principais índices de confiabilidade adotados são
descritos no quadro 4.13. A partir dos dados de reparo foi possível encontrar o índice MTTR,
considerando a média dos TTR.
0.8
0.0015
0.6
R(t)
h(t)
0.0010
0.4
0.2 0.0005
0.0 0.0000
0 5000 10000 15000 20000 0 5000 10000 15000 20000
t: Horas t: Horas
Fonte: Autor
59
4.4 DISCUSSÃO DE RESULTADOS
Através da análise dos dados de falha e dos parâmetros das funções distribuições de
probabilidade encontradas para cada equipamento, foi possível classificá-los em suas
respectivas fases de ciclo de vida, conforme quadro 4.14. Importante ressaltar que em todos os
casos foram observados registros de paradas por falta de material, solicitação de reparos
incoerentes, falta de operadores ou atualização de software como se fossem originadas por
quebras. Esses casos não foram considerados para não comprometer os resultados.
60
parâmetros utilizados para verificação da eficiência do serviço prestado, havendo redução nos
valores pagos se a disponibilidade dos itens estiver abaixo de 83% e o MTTR > 3 dias úteis.
Contudo, esta política de manutenção pode acarretar em custo mais elevados quando
aplicada em equipamentos na fase de maturidade, pois visa substituir exatamente os itens
sobrevivente que não têm falhas de origem ou ainda não iniciaram o desgaste. Além disso,
tende a diminuir o índice de disponibilidade do equipamento, pois é necessário retira-lo de
operação para realização de manutenções programadas.
No caso do aparelho de ultrassom B, que está na fase de mortalidade infantil, o
equipamento pode estar equipado ou associado à componentes oriundos da baixa resistência,
que falharão se exigidos. O fim da mortalidade infantil pode ser antecipado caso se conheçam
esses itens e selecionem apenas componentes de alta confiabilidade. A técnica de MP pode
agravar a mortalidade infantil devido à substituição antecipada de peças. Também nesta fase,
as quebras são poucas, pois geralmente ocorrem por baixa resistência em decorrência do uso
prolongado. A estratégia de MC é mais indicada, pois haverá apenas substituição dos itens
que falharam.
De acordo com Sellitto (2005), um estratégia de manutenção indicada para fase de
maturidade é a manutenção preditiva, pois a estratégia informa o início e monitora os
processos de falhas progressivas que resultarão em paradas, podendo predizer aumentos na
probabilidade da quebra e, corrigir e sanar estas falhas antes que se transformem em quebras e
em eventuais diminuição de produtividade.
Considerando os equipamentos na fase de mortalidade sênior, um procedimento de
manutenção associando as técnicas preditiva e preventiva pode ser mais eficiente,
monitorando os componentes efetivamente para que se possa identificar o início do processo
de desgaste. Esta observação pode ser contínua e automatizada, ou periódica, sob a forma de
inspeções, constituindo a estratégia de predição. É possível retornar à fase de maturidade
através de intervenções preventivas ou reformas programadas, com auxílio das técnicas de
manutenção preditiva.
Aplicar manutenção preditiva significaria para o setor de EC monitorar alguns
indicadores dentro do ambiente onde os equipamentos estão instalados, através de
transdutores e sensores que fornecerão dados ininterruptamente para as estações de
monitoramento, a fim de compara-los com valores esperados. Algumas falhas dos itens
analisados no estudo envolvem estabilizadores de tensão, movimentação de peças e sistemas
61
de refrigeração, que poderiam ser sinalizados antes da ocorrência e sanados sem
comprometer o funcionamento dos equipamentos.
Quando houver viabilidade para avalição do desgaste de itens, a estratégia de
manutenção deve ser definida priorizando a predição de falhas, de forma a reduzir os custos
de manutenção e a probabilidade de falha. Substituir peças de acordo tempo de uso, sem que
seja verificado o desgaste, é justificável apenas quando não é possível mensurar o desgaste,
mas sabe-se que o componente se desgasta com o tempo.
Para o aparelho de ultrassom A, os tomógrafos e mamógrafo, justifica-se a adoção de
estratégias de manutenção mistas, pois parte do intervalo de confiança indica que o
equipamento pode estar na fase de mortalidade infantil, ou atravessando a maturidade.
No contexto da instituição de saúde analisada, existe a dificuldade para manter controle
de parâmetros, como temperatura, dentro das faixas aceitáveis, principalmente nos locais que
contam com um sistema manual de conferência e não há previsão orçamentária para
adaptação das estações de realização para monitoramento contínuo de parâmetros, como por
exemplo, vibrações dos equipamentos. Portanto, a estratégia de manutenção programada
baseada na condição do item, continua sendo uma boa solução, desde que os intervalos de MP
sejam estabelecidos de forma a otimizar número de paradas não programadas.
Utilizando a equação 2.2, é possível estabelecer uma relação entre o intervalo para as
intervenções e os custos das manutenções preventivas (Kp) e corretiva (Kc) dos equipamentos
e verificar a viabilidade econômica das intervenções. A estimativa do intervalo T é baseado
em parâmetros da distribuição de probabilidade de falha escolhida par representar os dados.
Importante ressaltar o déficit de informações referentes à quantidade de recursos
humanos, os materiais utilizados e substituições feitas durante as manutenções preventivas,
dificultando a análise consistente do histórico de custos e recursos, necessários para os
cálculos dos custos de manutenção corretiva e preventiva. Portanto, o parâmetro adotado para
estimar o intervalo ideal de manutenções será a relação Kp/Kc.
Referente equipamento de ultrassom A e ao mamógrafo, uma gestão estratégica da
manutenção pode prolongar seu tempo de vida útil, retornando para fase de vida adulta,
através da combinação de manutenções preditiva e preventiva, considerados intervalos ótimos
de MP, conforme tabela 4.15 a seguir:
62
Tabela 4.15 – Relação Custo MP/ Custo MC e intervalo ótimo entre MP do ultrassom A e mamógrafo.
Tabela 4.16 – Relação Custo MP/ Custo MC e intervalo ótimo entre MP tomógrafo B:
Intervalo entre MP Intervalo entre MP
Kp/Kc
(horas) (meses)
0,06 1316,04 1,8
0,07 1524,15 2,1
0,1 2140,70 3,0
0,2 4142,37 5,8
0,3 6094,73 8,5
0,4 8015,74 11,1
Fonte: Autor
63
Para este caso, é mais vantajoso aplicar MP se Kp/Kc ≤ 0,6 com periodicidade de 2
meses correspondente ao MTBF do tomógrafo B.
Importante ressaltar que um programa estratégico de manutenção com base na
confiabilidade de equipamentos tende a evoluir com o tempo, acompanhando as mudanças
nas condições dos itens, o conhecimento referente às atividades e fluxos de trabalho e as
ferramentas e orçamentos disponíveis para manutenção que sofrem alterações com o passar
do tempo.
Portanto, a política de manutenção e a periodicidade das intervenções devem ser
revistas regularmente. Alterações nos procedimentos de operação e intervenções bem
planejadas podem melhorar a condição dos equipamentos, possibilitando a ampliação do
intervalo manutenções. Assim como podem ser encontrados novos modos de falha,
ocasionando mudanças ou inclusão de novas atividades preventivas.
Outro parâmetro a ser considerado é o feedback fornecido pelos colaboradores que
utilizam os equipamentos diariamente e a equipe de EC. O conhecimento e maturidade
adquirido pela equipe permitirá o contínuo aperfeiçoamento do programa de manutenção,
enfatizando a atuação em componentes de menor confiabilidade, nos novos modos de falha e
descobrindo falhas ocultas.
Não é indicado que o time de manutenção apenas conserte um equipamento. É
necessário reconhecer o nível de importância do equipamento para os pacientes, conhecer e
registrar a história do item, bem como sua vida útil, seu nível de obsolescência, suas
características de construção e se há a possibilidade de substituição de peças durante a
manutenção. Esses dados vão dar suporte ao técnico no processo de análise e detecção de
falhas, da urgência da realização do serviço e na inclusão de procedimentos de manutenção
eficientes.
Os colaboradores do time de manutenção devem participar dos cursos de treinamento e
aperfeiçoamento, sobretudo quando novos equipamentos forem incorporados ao parque
tecnológico. O grupo de apoio administrativo também deve estar envolvido e associado ao
grupo de manutenção, não se resumindo apenas aos serviços de reparos, mas no auxílio
durante processo de aquisição de equipamentos novos, na realização ou verificação de testes
de recebimento desses equipamentos e eventualmente nas capacitações aos usuários sobre o
uso correto do aparelho.
64
5 CONCLUSÃO
Este trabalho foi limitado a identificar e analisar dados quantitativos que podem dar
suporte às atividades de MCC. Aprofundamentos associados aos aspectos qualitativos e
outros métodos quantitativos são sugestões para trabalhos futuros, destacando:
i. Aprimorar a metodologia para análise de confiabilidade de equipamentos reparáveis
de acordo a modelagem de processo de Poisson, considerando manutenções
imperfeitas.
ii. Propor metodologia para análise causas, modos e efeitos de falhas (FMEA),
associando os resultados qualitativos com os indicadores quantitativos de
confiabilidade e disponibilidade, integrando a metodologia de MCC.
iii. Realizar levantamento e análise dos recursos humanos e financeiros necessários para
os cálculos dos custos de manutenção corretiva e preventiva.
iv. Identificar e comparar outras técnicas para determinação dos intervalos ótimos de
manutenção preventiva.
66
REFERÊNCIAS
DYRO, Joseph F.. Clinical Engineering Handbook. Elsevier Academic Press , 2004.
67
O’CONNOR, P.D.T.; KLEYNER, A. Practical Reliability Engineering. Wiley, v. 05, 504 p.
New Jersey, 2012.
RELIASOFT. (Org.). Life Data Analysis Reference. Arizona: [s.n.], 2015. 438 p. Disponível
em: <http://www.synthesisplatform.net/references/Life_Data_Analysis_Reference.pdf>.
Acesso em: 23 out. 2018.
WALID, T.; SAMEH, E. Assessment of medical equipment in respect to their down time.
World Congress on Medical Physics and Biomedical Engineering, 2009, Munich, Alemanha,
p. 267–270.
68