Desenvolvimento de indicador de aderência à programação da manutenção da via permanente

Abstract

Apresenta-se neste trabalho o desenvolvimento e implementação de um indicador de aderência à programação para a manutenção preditiva da via permanente ferroviária. A manutenção da via permanente constitui elemento fundamental para assegurar a continuidade operacional e confiabilidade dos ativos, demandando sistemas de monitoramento e controle eficazes. A pesquisa originou-se da identificação de limitações no indicador previamente utilizado por uma operadora ferroviária brasileira, que comprometiam sua eficácia como ferramenta de gestão. As principais fragilidades identificadas incluíam dependência excessiva de processos manuais, ausência de controle sobre a capacidade operacional das turmas, classificação genérica de desvios que dificultava a análise de causa raiz, e tempo elevado para processamento e correção de dados. A necessidade de aprimoramento desse indicador justifica pela importância dos indicadores de desempenho como ferramentas essenciais para a gestão de ativos ferroviais cujo eficácia depende de adequação metodológica e precisão na coleta de dados. O objetivo geral consistiu em desenvolver a versão 2 do indicador que superasse estas limitações, proporcionando maior precisão, automação e capacidade analítica. A metodologia caracterizou-se como estudo de caso único de natureza aplicada, com abordagem qualitativa e quantitativa, fundamentada na análise comparativa entre as versões do indicador e na observação participante do processo de desenvolvimento. O desenvolvimento da versão 2 introduziu modificações metodológicas substanciais, incluindo inversão conceitual da medição, implementação de controle da capacidade operacional das turmas, classificação aprimorada de desvios baseada na metodologia dos 5 Porquês, e automação de processos através de Power Automate e Power BI. Os resultados demonstraram melhorias significativas, com redução de 41% no tempo de reuniões de programação, redução de até 90% do tempo gasto nos processos manuais, eliminação de 91% dos erros de preenchimento, e implementação de taxonomia de desvios expandida de 29 para 31 termos organizados em 8 blocos principais. O desenvolvimento de indicadores gera impactos operacionais substanciais, contribuindo para o aprimoramento da gestão de ativos ferroviários e aumento da eficiência dos processos de manutenção.

This work presents the development and implementation of a schedule adherence indicator for predictive maintenance of railway. Railway maintenance constitutes a fundamental element to ensure operational continuity and asset reliability, demanding effective monitoring and control systems. The research emerged from the identification of limitations in the indicator previously used by a Brazilian railway operator, which compromised its effectiveness as a management tool. The main shortcomings included excessive dependence on manual processes, lack of control over operational capacity of maintenance teams, generic classification of deviations that hindered root cause analysis, and lengthy data processing and correction times. The need for improvement of this indicator is justified by the importance of performance indicators as essential tools for railway asset management whose effectiveness depends on methodological soundness and data collection accuracy. The general objective consisted of developing version 2 of the indicator that would overcome these limitations, providing greater precision, automation and analytical capacity. The methodology was characterized as a single case study of applied nature, with qualitative and quantitative approach, based on comparative analysis between indicator versions and participant observation of the development process. The development of version 2 introduced substantial methodological modifications, including conceptual inversion of measurement logic, implementation of operational capacity control for maintenance teams enhanced deviation classification based on the 5 Whys methodology, and automation of processes using Power Automate and Power BI. The results showed significant improvements, including a 41% reduction in scheduling meeting time, up to 90% reduction in time spent on manual processes, elimination of 91% of data entry errors, and implementation of expanded deviation taxonomy from 29 to 31 terms organized in 8 main blocks. The development of indicators generates substantial operational impacts, contributing to the improvement of railway asset management and increased efficiency of maintenance processes.