Este trabalho propõe uma abordagem para monitoramento da taxa média de defeitos por item produzido numa produção finita ou encomenda de N itens. A cada ciclo de m itens produzidos, inspecionam-se os últimos r itens. Em cada item inspecionado conta-se o número de defeitos e cada item é classificado como aprovado se o número de defeitos satisfizer o critério do limite de controle. Se todos os r itens forem aprovados, a produção continua, caso contrário interrompe-se a produção à procura de causas especiais. Os itens inspecionados são descartados somente quando há parada no processo. Após a produção de N itens, um lote adicional será produzido para completar a quantia encomendada, mas esses não passarão por inspeção. Será utilizada uma cadeia de Markov finita de estados discretos para determinar as probabilidades de mudança de estado. Elas são utilizadas nas expressões de custo para determinar a estratégia ótima de monitoração, que será obtida através da otimização de três parâmetros: intervalo amostral (m), tamanho da amostra retrospectiva (r) e o limite de controle (LC). Os parâmetros serão obtidos através de busca direta, de forma que se minimize a expressão do custo médio por item produzido. Um exemplo numérico ilustra a proposta.

This paper proposes an approach for monitoring the average number of non-conformities per items in short-run productions of N items. After every m produced items, the last r items are inspected. For each inspected item, the number of defects is counted; each inspected item is classified as approved if it meets the control limit criterion. If all r inspected items are approved, then the production goes on, otherwise it is stopped for adjustment. The inspected items are all discarded in case of production stoppage. After a production of N items, an additional lot is produced to complete the size ordered, but this additional lot does suffer inspection. A finite discrete state Markov chain is used to determine the transitory probabilities, which will be considered in terms of cost, to determine the optimal strategy for monitoring, obtained by optimizing three parameters: sampling interval (m), retrospective sample size (r), and control limit (cl). These parameters are obtained computationally by direct search to minimize the expression of the average cost per item produced. A numerical example illustrates the proposal.

Este trabalho apresenta um estudo de confiabilidade em dados relativos ao tempo de vida de poços petrolíferos terrestres da Petrobras, produtores de óleo na Bacia Potiguar (RN/CE). O objetivo do estudo foi, com base em um conjunto de dados sobre ocorrências de falhas, verificar a existência do relacionamento entre o tempo de vida dos poços e algumas de suas características, como método de elevação, nível de produção, BSW (Basic Sediments and Water), razão gás óleo (RGO), unidade operacional de origem, entre outras. Os dados foram obtidos de um estudo retrospectivo de uma amostra com 450 poços-colunas que se encontravam em funcionamento no período de 2000 a 2006, escolhida de forma a representar todos os poços da bacia RN/CE. Foi realizada uma modelagem probabilística dos dados relativos à primeira falha através do ajuste do modelo de regressão Weibull. O modelo se mostrou apropriado para ajustar os dados e foi possível identificar, através do teste da razão de verossimilhança, quais e de que forma algumas características influenciam o tempo até a falha dos poços.

This work presents a reliability study conducted among on-shore oil fields in the Potiguar Basin (RN/CE) belonging to PETROBRAS, Brazil. The main study objective was to verify the existence of a relationship between oil pump lifetime and some characteristics such as the elevation method, the amount of water produced in the well (BSW), the gas/oil ratio (RGO), the depth of the production pump, the oil field operational unit, among others. The study was based on a retrospective sample of 450 oil columns from all that were functioning between 2000 and 2006. Statistical hypothesis tests under a Weibull regression model fitted to the first failure data allowed the selection of some covariates in the set considered to explain the failure time in the oil pumps.