Instituto Politcnico de Setbal ESCOLA SUPERIOR DE TECNOLOGIA

FIABILIDADE

Filipe Didelet

2003

NDICE ndice 2 1 Introduo e definio 4 2 Fiabilidade e engenharia 6 2.1 Fiabilidade e risco 6 2.2 Fiabilidade e manuteno 7 2.3 Fiabilidade e Qualidade 10 2.4 Evoluo das teorias de Fiabilidade 11 2.4.1 Estatstica e Fiabilidade 12 2.4.2 A Fiabilidade e a concepo de equipamentos e sistemas 12 2.4.3 Evoluo dos modelos de Fiabilidade 13 2.4.4 Bancos de dados de Fiabilidade 16 3 Noes de Estatstica 19 3.1 Probabilidade 19 3.2 Permutaes, arranjos e combinaes 19 3.3 Regras de probabilidade 20 3.4 Varivel aleatria 22 3.5 Distribuio 23 3.6 Distribuies mais comuns 24 3.6.1 Distribuies discretas 24 3.6.1.1 Distribuio hipergeomtrica 25 3.6.1.2 Distribuio de Poisson 25 3.6.2 Distribuies contnuas 27 3.7 Valor esperado 29 4 Fiabilidade de componentes e fiabilidade de equipamentos 32 4.1 Fiabilidade de componentes (no reparveis) 32 4.1.1 Funo de risco para componentes no reparveis 32 4.1.2 MTTF 34 4.1.3 Anlise estatstica de TTFs 35 4.2 Fiabilidade de equipamentos (reparveis) 38 4.2.1 Distribuies e processos 38 4.2.2 Processos pontuais 39 4.2.2.1 Taxa de avarias 40 4.2.2.2 MTBF 42 4.2.2.3 Funo de risco para sistemas reparveis 43 4.2.2.4 Escalas de tempos 45 4.2.2.5 Funo fiabilidade de um processo pontual 46 4.2.2.6 Processo de Poisson homogneo 47

4.2.2.7 Processo de Poisson no homogneo 4.2.2.8 Processo de renovao 4.2.2.9 Escolha do modelo 4.3 Curva da banheira 5 Distribuies mais comuns em fiabilidade 5.1 Distribuio exponencial negativa 5.2 Distribuio de Weibull 5.3 Testes de hipteses e nveis de significncia 5.4 Teste de Laplace 5.5 Teste qui-quadrado 6 Associaes de equipamentos 6.1 Associaes em srie 6.2 Associaes em paralelo 6.2.1 Redundncia activa total 6.2.2 Redundncia activa parcial 6.2.3 Redundncia sequencial Bibliografia Anexos

48 49 50 52 55 55 57 60 64 69 71 71 71 71 72 72 75 78

FIABILIDADE

1 Introduo e definio Estas folhas tm como objectivo suprir uma lacuna nos elementos de estudo recomendados para a disciplina de Fiabilidade do 3 ano do Curso de Engenharia Electromecnica da Escola Superior de Tecnologia do Instituto Politcnico de Setbal. Com efeito, os elementos aqui reunidos encontram-se dispersos por muitas publicaes e em diferentes lnguas para alm de, em alguns casos, conceitos como os de taxa de avarias e de funo de risco no serem apresentados de forma coerente. Outra questo, ainda, tem a ver com a disparidade de designaes adoptada para aqueles conceitos nas diversas fontes que consultmos. Pensamos, por isso, que, para facilitar o trabalho dos estudantes, estes apontamentos podero ser teis. No substituem as aulas nem a consulta de outros elementos. Mas podem ser um guia de orientao para seguir umas e outros. A actual estrutura curricular do curso de Engenharia Electromecnica no contempla uma disciplina de Estatstica durante os trs primeiros anos. Por isso, a leccionao da disciplina de Fiabilidade iniciada sem que os alunos tenham tido um contacto prvio com alguns conceitos estatsticos que consideramos fundamentais e imprescindveis para uma boa compreenso dos conceitos desenvolvidos medida que se vai cumprindo o programa que aqui propomos para a Fiabilidade. Para colmatar esta lacuna, depois de definido o conceito essencial de Fiabilidade e de se enunciarem as razes que, em nosso entender, justificam a sua introduo no currculo do curso, apresenta-se um captulo dedicado apenas ao desenvolvimento de conceitos estatsticos aplicados em Fiabilidade. Uma das questes mais importantes relacionadas com a Fiabilidade a forma como deve ser encarada a fiabilidade de sistemas no reparveis e a fiabilidade de sistemas reparveis. Os conceitos associados e os tipos de problemas que surgem em cada uma destas situaes sero abordados no captulo seguinte.

Depois de uma abordagem mais geral, passar-se- apresentao de algumas das formas mais correntes que a funo fiabilidade toma. Terminar-se- com o clculo da fiabilidade de associaes de equipamentos ou de componentes. Terminamos esta introduo com a definio de Fiabilidade, remetendo o tratamento matemtico para o final do captulo 3. Quando se adquire um bem espera-se, desde o incio da sua entrada em funcionamento, que ele corresponda s expectativas. possvel, contudo, que ocorra uma avaria de funcionamento em qualquer momento da sua vida, considerando-se para os equipamentos apenas a vida til (o perodo de tempo em que o bem est em condies econmicas e tecnolgicas de desempenhar a sua funo). por isso necessrio um conceito que relacione o estado de funcionamento com o tempo. esse o papel da Fiabilidade. Define-se, ento, Fiabilidade como a capacidade de um bem desempenhar a sua funo especfica em condies definidas e por um perodo de tempo determinado. A Fiabilidade pode expressar-se atravs da probabilidade de que o bem funcione correctamente nas condies e no perodo de tempo referidos. Repare-se que a noo de tempo poder ser substituda por outro tipo de unidade de contagem (horas, quilmetros, etc.).

2 Fiabilidade e engenharia O ensino da engenharia concentrou-se durante muitos anos apenas nos aspectos relacionados com o funcionamento dos equipamentos, ou seja, com o projecto desses mesmos equipamentos. As formas segundo as quais os equipamentos falham e os efeitos dessas mesmas falhas tm sido muito menos objecto de estudo. Esta situao fica-se a dever ao facto de ser necessrio saber como que um equipamento funciona antes de saber como que falha. Contudo, nos ltimos anos tem havido algum esforo no sentido de dar ateno aos aspectos relacionados com a produo, a utilizao e a manuteno dos equipamentos. Por outro lado, a engenharia tem tido uma grande preocupao com o aumento do tempo de funcionamento dos equipamentos sem ocorrncia de falha. Isto , tem havido uma preocupao com o aumento da fiabilidade dos equipamentos. Mas isto tem implicado um estudo sistemtico dos aspectos relacionados com a variabilidade dos materiais empregues em engenharia. Ora, o ensino da engenharia essencialmente determinstico e no se tem debruado o suficiente com a variabilidade. A fiabilidade, por ser uma funo do tempo de funcionamento sem falha, est intimamente relacionada com a variabilidade. A fiabilidade dos componentes e dos equipamentos de importncia vital para a definio de polticas de Manuteno, de Segurana e de Qualidade. Estas funes das organizaes so estudadas em disciplinas especficas. Vamos apontar de seguida alguns aspectos que relacionam a fiabilidade com estas disciplinas.

2.1 Fiabilidade e risco H parmetros de funcionamento dos equipamentos (massa, velocidade, presso, caudal, coeficiente de atrito, tenso...) que nunca so absolutos mas que dependem das condies variveis de funcionamento e, tambm, do tempo. Esto, por isso, sujeitos a variabilidade nestes dois aspectos, tempo de funcionamento e condies de servio.

Compreender as leis do acaso e as causas e efeitos da variabilidade tornase, ento, necessrio para a criao de produtos fiveis e para a soluo dos problemas de infiabilidade. A estatstica uma ferramenta essencial para se tratarem os problemas colocados pela variabilidade. Mas o grau de incerteza com que a engenharia tem de lidar nesta rea, principalmente tendo em conta os factores humanos relacionados com a utilizao e a manuteno dos equipamentos, muito grande e acaba por colocar maiores problemas aos mtodos estatsticos do que aqueles que enfrenta noutras reas em que os aspectos prticos no so to determinantes (sondagens, estudos de acaso e jogos, experimentao, etc.). O custo das avarias, os novos materiais, a reduo dos custos de produo e a segurana aumentam os riscos no desenvolvimento dos produtos. H que ter em conta aspectos to importantes como a competio, a presso dos mercados e a garantia no ps-venda, entre outros. H que controlar os riscos associados a toda esta problemtica e a engenharia de fiabilidade tem que dar resposta a esta questo. Outro aspecto, mais especfico, tem a ver com a probabilidade de ocorrncia de falhas que, pela sua gravidade, ponham em risco a segurana fsica de pessoas e bens. A fiabilidade tambm tem de tratar este problema especfico.

2.2 Fiabilidade e manuteno O conceito de Manuteno tem evoludo ao longo dos tempos assim como tem evoludo o que se deve entender, dentro da empresa, como funo do servio de Manuteno. com o objectivo de definir polticas de Manuteno para os equipamentos e instalaes que se aplicam modelos de Fiabilidade a componentes e equipamentos. Um outro aspecto importante relacionado com a manuteno o que, em cada momento, se deve entender por avaria. Por falha ou avaria entende-se a

cessao da capacidade de um bem para realizar a sua funo especfica. Esta definio leva, por arrastamento, a precisar o conceito de funo especfica. Com efeito, no se dever entender que o bem ou equipamento estar avariado quando, de todo, o seu funcionamento interrompido mas quando no possvel que realize a sua funo de acordo com as condies especficas segundo as quais se espera que funcione. Assim, o equipamento poder estar a funcionar em condies consideradas deficientes ou insuficientes o que levar a uma interveno dos servios de Manuteno e, como tal, dever ser considerado que houve uma avaria do equipamento. Pelas razes apontadas, a norma NF X 06-501 apresenta um conjunto de definies relativas classificao das avarias de acordo com a rapidez de manifestao, com o grau de importncia, com ambos os anteriores e ainda com as causas e as consequncias da avaria. Surgem assim as definies de avaria progressiva, sbita (rapidez), parcial, completa (grau), cataltica, por degradao (rapidez e grau), m utilizao, primria, secundria (causas), crtica, maior, menor (consequncias), etc. A definio dos tipos de avarias est tambm relacionada com o estudo da fiabilidade pois a fiabilidade depender do tipo de avarias ou do que se considere como avaria. A funo Manuteno tem grande importncia na qualidade dos produtos fabricados influenciando, assim, os custos de Produo. Contudo, no podemos esquecer tambm o problema da qualidade na prpria funo Manuteno. Ou seja, a funo Manuteno s conseguir os seus objectivos de minimizao dos custos da sua prpria funo, dos custos de produo de produtos no conformes e dos custos de tempos de indisponibilidade dos equipamentos produtivos, se ela prpria for um servio de qualidade possuindo " o mnimo de atributos para no ser rejeitada pelo cliente". Essa qualidade passar pela garantia de bom funcionamento dos equipamentos aps interveno da Manuteno, pelo cumprimento dos prazos de interveno estipulados, por intervenes a custos competitivos e por uma capacidade de satisfao global das necessidades do utilizador dos equipamentos intervencionados. A quantificao de determinados

parmetros definidores das actividades produtivas e de manuteno constitui uma forma de anlise dos desempenhos da funo Manuteno. Assim, as flutuaes de produo e a cadncia produtiva so factores produtivos a analisar e uma classificao das causas de paragem e respectiva pesquisa so formas de visualizar os problemas existentes em termos de manuteno. Note-se, contudo, que a classificao de avarias e respectiva discriminao e anlise podem servir para determinar as causas das perdas produtivas mas no servem, por si s, para determinar as causas das perdas de qualidade dos produtos fabricados. Esta perda de qualidade, quando se fica a dever a funcionamento no adequado dos equipamentos, est relacionada com a necessidade de interveno sobre os mesmos que, entretanto, so mantidos em funcionamento para alm do aceitvel. Compete aos servios utilizadores dos equipamentos e ao servio de Manuteno encontrar o ponto de equilbrio que permita manter os equipamentos no melhor estado possvel sem comprometer os objectivos estabelecidos para a laborao dos mesmos e para os compromissos assumidos com os clientes ou com os beneficirios dos produtos ou bens produzidos. Mas se a fiabilidade est relacionada com a variabilidade e com as situaes dos sistemas ao longo do tempo, ento, uma das vertentes que relacionam a fiabilidade com a manuteno tem a ver com os perodos durante os quais os sistemas reparveis no esto em condies de funcionar. Surge, assim, o conceito de disponibilidade. A funo disponibilidade, A(t), a probabilidade de um item ou equipamento se encontrar operacional no instante t, sabendo-se que no instante t=0 ele se encontrava operacional. O aumento de disponibilidade dos equipamentos e componentes um dos principais objectivos de todos os modelos de Manuteno que qualquer gestor pretenda aplicar. Pretende-se optimizar a relao "custo do modelo"/"perodo de funcionamento". A fraco de tempo total em que o equipamento se encontra disponvel a disponibilidade estacionria, A: A=
UT UT + DT

(2.1)

com UT (up-time) - perodo de tempo em que o equipamento est em condies de ser utilizado DT (down-time) - perodo de tempo em que o equipamento no est em condies de ser utilizado Se a varivel mtrica for o tempo de calendrio e se nos referirmos ao tempo entre avarias consecutivas, poder escrever-se: A=

MTBF MTBF + MTTR

(2.2)

MTBF representa o tempo mdio de funcionamento entre avarias, como veremos no captulo 4. Na expresso anterior, ao tempo mdio de reparao, MTTR, poder ainda juntar-se o tempo mdio de espera. Os parmetros que figuram nas expresses 2.1 e 2.2 devem ser entendidos como funes do tempo. Finalmente, note-se que o conceito de disponibilidade no implica necessariamente que o equipamento esteja em funcionamento mas, to s, que esteja em condies de funcionar. Nas condies em que a expresso 2.2 vlida, ter-se- MTBF + MTTR = UT + DT, com UT = MTBF e DT = MTTR. Se tiver lugar uma reparao, se todos os componentes defeituosos forem reparados ou substitudos e se o equipamento for imediatamente intervencionado aps ocorrncia de avaria num tempo curto, poder considerar-se MTTR = 0.

2.3 - Fiabilidade e Qualidade As noes de Fiabilidade e Qualidade so indissociveis. Com efeito, sem qualidade durante a concepo e fabrico dos produtos no se poria sequer a questo de saber se eram fiveis. Por isso, e segundo AFNOR (1988), na norma X06-501, a Fiabilidade aparece como um prolongamento da qualidade no tempo. O perodo de tempo durante o qual a noo de Fiabilidade prolonga a noo de qualidade o tempo de vida til dos bens utilizados.

10

A relao entre a Fiabilidade e a Qualidade pode ser encarada de duas formas diferentes. Inicialmente, a Fiabilidade dos equipamentos vai condicionar a Qualidade dos produtos produzidos e, aps a entrada em funcionamento destes ltimos, a Qualidade com que forma produzidos vai influenciar a sua prpria Fiabilidade. Segundo a norma AFNOR X50-109, a Fiabilidade aparece como uma componente da qualidade juntamente com: - caractersticas e desempenhos - manutenibilidade - disponibilidade - durabilidade - segurana de utilizao - caractersticas no poluentes - custo global de posse A Qualidade uma forma de garantir a fiabilidade dos bens produzidos visto que a no fiabilidade tem custos elevados: - devoluo do produto - perda do mercado com imagem de marca - manuteno mais cara

a consequente

degradao

da

A Qualidade tem que ser garantida durante o fabrico para que o produto seja de utilizao segura ao longo do seu tempo de vida til. Nesta ptica, existem diferentes processos de garantir a qualidade dos produtos fabricados, sendo a qualidade a forma de garantir a fiabilidade.

2.4 - A evoluo das teorias de Fiabilidade Neste sub-captulo traa-se uma panormica sobre o aparecimento e desenvolvimento das teorias de Fiabilidade e suas aplicaes, referindo-se tambm a forma como a Fiabilidade recorre aos mtodos estatsticos. Faz-se ainda a aproximao da Fiabilidade Qualidade quer atravs das analogias inerentes utilizao de ferramentas comuns quer no que concerne inter-relao por via de parmetros caractersticos.

11

2.4.1 - Estatstica e Fiabilidade Os mtodos matemticos aplicados ao estudo da Fiabilidade dos equipamentos recorrem a ferramentas de tratamento estatstico dos dados disponveis pelo que existe uma relao profunda entre a Fiabilidade e a Estatstica, ou seja, no possvel empreender qualquer estudo fiabilstico sem um suporte estatstico prvio. Isto vem do facto de o conhecimento ou, melhor, a previso de avaria de um produto ou equipamento durante um determinado intervalo de tempo s poder ser encarada em termos de probabilidade. A previso, por se realizar estatisticamente, toma por base acontecimentos anteriores, ou seja, parte-se de um conjunto de dados referentes a acontecimentos j ocorridos para se preverem os acontecimentos que viro a ocorrer e os momentos mais provveis para a sua ocorrncia. Tem que se partir de bases de dados que forneam: - modos de avaria; - para cada modo, os momentos de ocorrncia das avarias. Um estudo de Fiabilidade necessita, por parte de quem o pretender empreender, de: - conhecimento do suporte estatstico prvio e formas de utilizao; - conhecimento profundo dos equipamentos em estudo no que respeita, principalmente, a modos de avaria; - definio, para cada caso, do que deve ser entendido como avaria.

2.4.2 - A Fiabilidade e a concepo de equipamentos e sistemas Apresentou-se a definio de Fiabilidade. Contudo, a possibilidade de contribuir para a melhoria da Fiabilidade coloca-se a trs nveis: - componentes

12

- equipamentos - instalaes A nvel dos componentes a questo pe-se, antes de mais, ao nvel do projecto. Interessar apenas prever, em termos da sua sobrevivncia, os factores de que depende a ocorrncia mais ou menos prematura da falha. A nvel dos equipamentos as aces a empreender devem ser encaradas - durante a fase de seleco dos diferentes componentes em separado e do equipamento como um todo - durante o perodo de funcionamento atravs das aces de Manuteno e da respectiva poltica de Manuteno No primeiro aspecto incluem-se aces como as que so normalmente levadas a cabo nas indstrias de processo: - seleco de fornecedores - seleco de empanques ou outros acessrios - determinao exaustiva das condies de funcionamento recorrendo s leis da Termodinmica e da Mecnica dos Fluidos - preparao para o arranque de instalaes - poltica de peas de reserva como condicionante para a escolha do fornecedor No ltimo aspecto est includa a aplicao de modelos de Fiabilidade baseados em dados do histrico dos equipamentos. Baseados nas concluses obtidas com a aplicao desses modelos podemos construir a nossa poltica de Manuteno.

2.4.3 - Evoluo dos modelos de Fiabilidade O campo da Fiabilidade como cincia tem uma origem relativamente recente, tendo sido o desenvolvimento tecnolgico dos equipamentos e sistemas a provocar o desenvolvimento dos estudos de Fiabilidade nos ltimos 25 anos. A necessidade de estudar a Fiabilidade prende-se com a necessidade de compreenso e de controlo dos riscos com que nos deparamos todos os dias face ao desenvolvimento tecnolgico.

13

Os trabalhos mais relevantes para o desenvolvimento da Fiabilidade comearam a aparecer a partir do incio dos anos 60. Na Europa, o Centre d'tudes des Tlcommunications (CNET) cria, em 1961, o seu Centro de Fiabilidade CNET. A necessidade de desenvolver mtodos estatsticos para o estudo da Fiabilidade aparece-nos no incio dos anos 70 no tendo, desde essa poca, deixado de se aprofundar essa vertente com a busca dos meios mais adequados para cada tipo de equipamento e/ou sistema. Os anos 60 vem alargar-se o campo de aplicao da Fiabilidade. Surgem as primeiras anlises detalhadas de avarias em componentes e dos seus efeitos no desempenho dos sistemas em que esto integrados e na segurana de pessoas e bens envolventes. Estas tcnicas desenvolveramse rapidamente nas indstrias aeronuticas e aeroespaciais. Antes dessa poca, meados de 60, a grande maioria das anlises de Fiabilidade restringia-se ao estudo de distribuies de avaria com o recurso distribuio exponencial. o aparecimento da distribuio de Weibull que vem mostrar que a distribuio exponencial no deveria ser aplicada de forma to generalizada como at a tinha sucedido. Datam tambm dos anos 60 os primeiros livros dedicados divulgao destes problemas, embora as primeiras revistas tivessem surgido na dcada anterior; a adopo de um conjunto de normas de fiabilidade, a serem adoptadas em todas as fases de desenvolvimento de um produto, pelo Departamento de Defesa dos EUA, ainda desta poca (1966 a 1969). O mais significativo avano na forma de encarar a aplicao da Fiabilidade Manuteno tem a ver com o facto de, nos ltimos anos, j terem surgido trabalhos a basear a gesto da Manuteno na fiabilidade dos equipamentos. H diferentes tcnicas fiabilsticas como ferramentas para aplicao ao planeamento do sistema de Manuteno. Entre elas avulta a normalmente designada por "Reliability Centered Maintenance" (RCM) cujas actividades esto viradas para o planeamento da Manuteno e para a preveno de avarias. O RCM representa um processo de deciso lgica destinado a estabelecer programas de

14

Manuteno, nomeadamente preventiva, mais eficientes. O autor apresenta uma aplicao das tcnicas descritas segurana de um voo de avio como forma de facilitar a anlise de um processo de RCM. de referir que as tcnicas apresentadas levam em conta os defeitos e as possibilidades de avaria que podem ter sido introduzidos ou causados durante a produo, armazenagem e, obviamente, a operao e a manuteno dos equipamentos e componentes. Procedem tambm a uma normalizao dos defeitos potencialmente detectveis e construo das rvores de falhas. Paralelamente, de referir, num outro campo de aplicao da Fiabilidade, os estudos relacionados com os riscos das centrais nucleares e das indstrias petroqumicas. Um modelo uma representao matemtica de um processo. Um modelo de fiabilidade determinado por um dado nmero de condies sobre as falhas dos elementos constituintes de um sistema. Quando tomadas em conjunto, aquelas condies formam o modelo no qual se vo basear os clculos fiabilsticos. Em termos gerais podem-se considerar dois tipos fundamentais de modelos de Fiabilidade, os determinsticos e os estatsticos. So exemplos dos primeiros, o modelo de Arrhenius e o modelo electroltico. Os modelos estatsticos podem ser paramtricos ou no paramtricos, consoante pretendam ou no, respectivamente, ajustar uma distribuio aos tempos de avaria/falha para uma populao homognea. H ainda os modelos estatsticos estocsticos que so modelos pontuais que analisam repetidas avarias no mesmo equipamento. Os modelos paramtricos so os mais eficientes mas necessitam, para que possam ser aplicados, que sejam exaustivamente verificadas as condies bsicas de funcionamento e que sejam interpretados correctamente todos os factores que possam ter influenciado os dados em anlise. So exemplos as distribuies exponencial, Weibull, gamma e lognormal. Constituem tambm exemplos os modelos aplicveis a sistemas: - catastrfico - tenso-extenso - Markov

15

Quando no possvel proceder ao ajustamento de uma dada distribuio aos dados em anlise ter que se recorrer a mtodos no paramtricos que, se por um lado so menos eficientes, permitem, por outro, trabalhar com um menor conjunto de condies iniciais. Os modelos estocsticos so, essencialmente, modelos pontuais quando aplicados a sistemas reparveis. Os principais referem-se a: - processos homogneos de Poisson (HPP) (taxa de avarias constante) - processos no homogneos de Poisson (NHPP) (taxa de avarias varivel com o tempo de funcionamento) Veremos mais adiante a diferena entre distribuio e processo. comum assumir-se, quando se utilizam aqueles modelos, que a avaria ocorre num instante preciso no tempo. Os processos referidos so por isso considerados pontuais. Contudo, isto pode no ser exactamente verdade devendo, por isso, definir-se muito bem o que se entende, para cada caso em estudo, por avaria. necessrio tambm assumir que os tempos de reparao so curtos quando comparados com os tempos entre avarias, de modo a considerar s os tempos de operao. Quando se entende que um processo pontual no retrata a situao que se pretende estudar, por se considerar que a avaria fruto de um processo de degradao sucessiva das condies de funcionamento, h que recorrer a modelos caracterizados por processos no pontuais.

2.4.4 - Bancos de dados de Fiabilidade medida que as tcnicas de organizao e gesto da Manuteno vo evoluindo, nomeadamente com o recurso informtica, vai havendo um conjunto cada vez maior de dados sobre o histrico dos equipamentos nas empresas. Esse conjunto de dados tem a ver, entre ns e na generalidade das empresas que j vm realizando essa recolha de informao, com as intervenes realizadas, tipos de tarefas e fases constituintes, mo de obra utilizada, ferramentas, materiais, etc.

16

Esses dados podem ser analisados com vista construo de bancos de dados de Fiabilidade que nos indiquem as avarias sofridas por um equipamento, suas causas, periodicidades, etc. A necessidade da existncia de bancos de dados de Fiabilidade obtidos a partir de experincias no campo advem da necessidade de comparar com os valores tericos as situaes prticas nos diferentes campos de actividade a fim de se poder continuar a realizao de previses cada vez mais seguras sobre os estados futuros de diferentes tipos de equipamentos desde a instalao ao termo da sua vida til e, at, sobre a prpria durao dessa vida til. Contudo, tem havido, por motivos comerciais e tcnicos, alguma dificuldade na divulgao desses bancos de dados e no seu acesso, o que tem trazido grandes entraves ao desenvolvimento de diversos estudos nesta rea. AFNOR (1988) apresenta, na norma X60-502, Fiabilidade em explorao e ps-venda, as formas pelas quais se deve proceder recolha, tratamento e anlise de dados de Fiabilidade ao longo do tempo de vida do equipamento em funo dos diferentes tipos de produtos e/ou equipamentos. Consideram-se os bancos de dados de Fiabilidade como uma ferramenta fundamental para a concepo de futuros equipamentos e para a definio das condies ptimas de explorao dos que j se encontram em servio em funo dos desempenhos e dos custos. Os bancos de dados de Fiabilidade dividem-se em bancos de dados internos e bancos de dados externos. Os bancos de dados internos so os que respeitam aos equipamentos da prpria empresa ou a equipamentos anlogos em servio noutras empresas; so obtidos atravs do histrico dos equipamentos da prpria empresa ou, se possvel, recorrendo a informaes prestadas por empresas que possuam equipamentos semelhantes. Nos casos em que tal faz sentido incluem-se aqui os dados referentes a informaes dos clientes sobre o comportamento dos produtos vendidos pela empresa. So dados desta espcie os "TBF" ou o MTBF. Do histrico dos equipamentos devero constar, para alm dos "TBF", o tipo de avaria e os rgos avariados que justificaram cada interveno da manuteno.

17

Os bancos de dados externos dizem respeito a tabelas referentes, de forma geral, a determinados componentes electrnicos ou mecnicos mais comuns. So editadas por diversos organismos e indicam, entre outros, a designao do componente/material a que respeitam, o MTBF e a taxa de avarias mdia. Contudo, a utilizao destas tabelas deve ser encarada com alguns cuidados porque a sua construo baseia-se em condies padro de funcionamento que nem sempre se verificam. H determinados factores que, em condies especficas, servem como amplificadores de condies de risco. Em relao aos bancos de dados internos, note-se que a partir de uma quantidade suficiente de valores de TBF possvel estabelecer leis de Fiabilidade para os diversos equipamentos ou rgos com todas as vantagens da decorrentes no que respeita ao estabelecimento de polticas de manuteno preventiva e ao modelo a adoptar. O aparecimento de bases de dados genricos e de larga utilizao na indstria um dos mais relevantes desenvolvimentos dos ltimos anos no campo das ferramentas postas ao dispor da engenharia de fiabilidade. De referir especialmente, e como exemplo, a base de dados OREDA (Offshore Reliability Database).

18

3 Noes de estatstica Este captulo dedicado definio de conceitos estatsticos utilizados em fiabilidade.

3.1 - Probabilidade Um evento A pode ocorrer x vezes em n, igualmente possveis. Ento, a probabilidade de ocorrncia do evento A P(A) =
x n

(3.1)

3.2 - Permutaes, arranjos e combinaes A permutao de itens o arranjo desses itens, todos tomados em conjunto. Por exemplo, 3 itens, A, B, e C, do origem a seis diferentes permutaes: ABC, BAC, CAB, ACB, BCA e CBA. Para n itens, o nmero de permutaes igual a n! = n. (n-1). (n-2). .. 1 = Pn (3.2) Se dos n itens s forem tomados r para serem arranjados, dir-se- que temos arranjos de n r a r e ser
Arn = n.(n 1)...(n r + 1) = n! (n r ) !

(3.3)

Note-se que 0!=1. Se a ordem no tem importncia, em vez de permutaes ou arranjos temos combinaes. A combinao de n itens, tomando r de cada vez, uma seleco de r itens tirados de n sem ter em conta a ordem pela qual foram seleccionados. As combinaes de n itens r a r so

19

Crn =

n! r !(n r )!

(3.4)

Apresentam-se de seguida dois exemplos do que se exps. Exemplo 1 Uma sala de aulas ocupada por uma turma de 15 alunos. Na 1 fila existem 6 carteiras. Quantas permutaes diferentes de alunos nas carteiras so possveis sem carteiras vazias?
P615 = 15! 6!

Exemplo 2 Um lote constitudo por 100 lmpadas. Quantas amostras diferentes de 5 lmpadas so possveis?
100 = C5

100! = 73287520 5! 95!

3.3 - Regras de probabilidade Podem considerar-se as seguintes regras de probabilidade: - A probabilidade conjunta de ocorrncia de A e B escreve-se P(AB) - A probabilidade de ocorrncia de A ou B escreve-se P(A+B) - A probabilidade condicional de ocorrer A dado que B ocorreu escreve-se P(AB) - A probabilidade de ocorrer o acontecimento complementar, noA escreve-se P( A ) P( A ) + P(A) = 1 (3.5) - Se (e s se) os eventos A e B forem independentes tem-se P(AB) = P(A B ) = P(A)

(3.6)

e
20

P(BA) = P(B A ) = P(B)

(3.7)

- A probabilidade conjunta de ocorrncia de dois acontecimentos A e B independentes o produto das probabilidades individuais P(AB) = P(A)P(B) (3.8) - Se A e B forem dependentes, ento P(AB) = P(A)P(BA) = P(B)P(AB) (3.9) Se P(A)0, 3.9 pode rearranjar-se de modo a obter-se P(BA) =
P( AB ) P( A)

(3.10)

- A probabilidade de quaisquer 2 acontecimentos, A ou B, ocorrerem P(A+B) = P(A)+P(B)-P(AB) (3.11) - A probabilidade de A ou B ocorrerem, se forem independentes, P(A+B) = P(A)+P(B)-P(A)P(B) (3.12) - Se os acontecimentos A e B forem mutuamente exclusivos, isto , no puderem ocorrer em simultneo, ento P(AB)=0 e P(A+B) = P(A)+P(B) (3.13) - De 3.9 pode ainda obter-se o chamado teorema de Bayes P(AB) =
P( A) P ( B A) P( B)

(3.14)

Apresentam-se de seguida alguns exemplos de aplicao das regras de probabilidade que acabmos de expr. Exemplo 1 A probabilidade de um mssil atingir um alvo de 0.85. Se este falha o alvo, a probabilidade de que o mesmo acontea com um segundo mssil de 0.20. Tendo sido disparados dois msseis, qual a probabilidade de que o primeiro falhe e o segundo atinja o alvo?
P( A B) = P( A). P( B / A) = 015 . x 0.8 = 012 .

21

Exemplo 2 A produo de um dado item realizada em duas fbricas. A fbrica 1 produz 70% dos itens e a fbrica 2 produz 30% dos itens. 90% dos itens da fbrica 1 so aceitveis. 80% dos itens da fbrica 2 so aceitveis. A produo de ambas as fbricas encaminhada para um armazm geral. a) Qual a percentagem de itens aceitveis em armazm? A - item aceitvel B1 - item produzido pela fbrica 1 B2 - item produzido pela fbrica 2 P(A/ B1 )=0.9 P(A/ B2 )=0.8 P( B1 )=0.7 P( B2 )=0.3 P(A)= 0.9 . 0.7 + 0.8 . 0.3 = 0.87 b) Qual a probabilidade de um item aceitvel ser produzido pela fbrica 2? P(A B2 ) - probabilidade de o tem ser aceitvel e provir da fbrica 2 P(A B2 )=P(A/ B2 ).P( B2 )= 0.8 .0.3 = 0.24 P( B2 /A) - probabilidade de o item provir da fbrica 2, dado que aceitvel P( B2 /A) =
P( AB2 ) 0.24 = = 0.276 0.87 P( A)

3.4 Varivel aleatria Um aspecto fundamental quando tratamos estatisticamente um conjunto de acontecimentos o de varivel aleatria. Consideremos, ento, uma experincia com um determinado nmero de resultados possveis. Se a ocorrncia de cada um dos resultados for regulada pelo acaso (resultado aleatrio), aos resultados podem ser associados valores numricos. O processo de associao de um valor numrico a cada resultado conseguido atravs da utilizao de uma varivel aleatria (v.a.).

22

Usa-se uma letra maiscula (X, Y...) para representar uma v.a. e uma letra minscula para representar um determinado valor numrico que uma v.a. possa tomar. Por exemplo, se a v.a. X representar o nmero de avarias de um dado equipamento, ento xi representar o nmero de avarias ocorridas durante o isimo tempo de observao. Neste exemplo, o espao de amostragem ser S = {x1, x2,...,xk}, representando k o nmero de intervalos de tempo durante os quais se realizaram as observaes. As v.a.s podem ser discretas ou contnuas. Sero discretas se o espao de amostragem for finito e contvel. Sero contnuas se s puderem tomar valores contnuos, ou seja, tomam valores num determinado intervalo por oposio a um nmero contvel especfico. As v.a.s contnuas resultam de variveis medidas e no de dados contados. O nmero de avarias de um dado sistema num determinado perodo uma v.a. discreta. Os tempos de funcionamento at falha de um conjunto de lmpadas uma v.a. contnua, T, que toma um valor contnuo, t, para cada lmpada. Isto pode ser representado pela amostra S = {t|t>0}, que se deve ler o conjunto de todos os valores de t, tais que t maior que zero.

3.5 Distribuio Um modelo de distribuio de probabilidades de uma dada experincia uma funo que associa uma probabilidade a cada possvel valor que a v.a. da experincia possa tomar de tal forma que o valor da probabilidade total associada experincia seja a unidade. Existem distribuies contnuas e distribuies discretas. Para uma v.a. discreta, a distribuio de probabilidades representa-se por Pr(xi), sendo xi um dos valores que a v.a. X pode tomar. Se uma varivel aleatria discreta X puder tomar valores x1, x2xn com probabilidades p1, p2pn, com p1+p2+pn = 1 e pi0 para qualquer i, diz-se que existe uma distribuio de probabilidades para x. Trata-se, nesse caso, de uma distribuio discreta. A funo Pr(xi) tal que Pr(xi) 0, i=1,2,...k

Pr( x ) = 1
k i =1 i

(3.15)

23

Diz-se que uma distribuio contnua quando a varivel aleatria pode tomar qualquer valor dentro de determinado intervalo. Uma v.a. contnua X tem uma probabilidade zero de tomar exactamente qualquer dos seus possveis valores. Nesta situao, deve-se apresentar a probabilidade associada a uma pequena gama de valores que a v.a. possa tomar. Por exemplo, para uma situao em que a v.a. seja um tempo at falha, T, pode-se determinar Pr(t1<T<t2), ou seja, a probabilidade de o tempo at falha se situar entre t1 e t2. A distribuio de probabilidades de uma v.a. T, contnua, representa-se por f(t) e designa-se por funo densidade de probabilidade (fdp). Como T contnua, o grfico de f(t) tambm contnuo ao longo da possvel gama de valores de t. Uma fdp construda de tal forma que a rea sob a curva que limita todos as possveis gamas de valores de t tem que ser igual a 1. A probabilidade de T assumir um valor entre t1 e t2 pode ser determinada por

F (t ) = f(x)dx
t 0

(3.16)

Em geral, f(t) tem que obedecer a f(t) 0 para qualquer t

F (t ) = f(x)dx
t 0 t

(3.17)

F (t ) = f(x)dx
0

3.6 - Distribuies mais comuns 3.6.1 - Distribuies discretas Duas das distribuies discretas mais importantes so a distribuio hipergeomtrica e a distribuio de Poisson.

24

3.6.1.1 - Distribuio hipergeomtrica

P( x ) =
r r Cx CnN x CnN

(3.18)

em que N - n total de elementos n - n de elementos de uma dada amostra r - n de elementos, de entre o total N, que possuem uma dada propriedade x - n de elementos com a referida propriedade encontrados na amostra

3.6.1.2 - Distribuio de Poisson Esta distribuio aplicvel quando: a) O nmero de eventos que ocorrem em intervalos de tempo no sobrepostos independente; b) A probabilidade de um evento ocorrer num pequeno intervalo de tempo aproximadamente proporcional dimenso desse intervalo; c) A probabilidade de mais que um evento ocorrer num pequeno intervalo muito pequena em comparao com a da ocorrncia de um evento nesse mesmo intervalo.

Esta distribuio pode tambm ser aplicada quando os intervalos de tempo so substitudos por espaos, como, por exemplo, o nmero de defeitos num dado lote ou numa dada quantidade de material. As probabilidades de Poisson so dadas por
e mm x P( x) = x!

(3.19)

em que m=np n - n total de elementos

25

p - probabilidade de um elemento dos n ter uma dada propriedade

Os exemplos seguintes ilustram a aplicao das distribuies discretas que foram expostas. Exemplo 1 Um lote de 50 artigos contm 3 com defeito. Uma amostra de 5 artigos colhida aleatoriamente. Calcular a probabilidade de se obter 2 artigos com defeito na amostra. Vai-se aplicar a distribuio hipergeomtrica com N =50 n=5 r=3 x=2
C23 C347 P(2) = = 0.023 50 C5

Exemplo 2 A percentagem de artigos defeituosos num lote de 0.2%. Os artigos so embalados em caixas de 200. Qual a proporo de caixas com a) Artigos sem defeito? Aplicando a distribuio de Poisson, tem-se n = 200 p = 0.002 P(x) = m = np = 0.4

e 0.4 0.4 x x! 0.4 P(0) = e = 0.67

b) 2 ou mais artigos com defeito? P(2 ou mais) = 1 - (P(0)+P(1)) = 1 - (0.67+0.268) = 1 - 0.938 = 0.062

26

3.6.2 Distribuies contnuas A distribuio contnua mais comum a Distribuio Normal ou de Gauss. A funo densidade de probabilidade da Normal dada por:
f ( x) =

(2 )

1 2

1 x 2 ) exp ( 2

(3.20)

- mdia ( parmetro de localizao )

Uma razo para a grande aplicao da Normal o facto de, quando um valor est sujeito a muitos factores de variao, independentemente de como estes factores so distribudos, a distribuio composta resultante se aproximar muito da distribuio Normal. A tabela em apndice d os valores para (z), funo acumulada da distribuio normal estandardizada ( = 0 ; = 1 ) . z representa o nmero de desvios padro de distncia em relao ao valor mdio. Uma distribuio normal caracterizada por apresentar uma maior frequncia de valores da v.a. em torno de valores mdios e uma menor frequncia junto aos extremos. A figura 3.1 uma representao tpica de uma funo densidade de probabilidade da distribuio normal. Qualquer distribuio normal pode ser calculada a partir da distribuio normal estandardizada, determinando a varivel normal estandardizada z e achando o valor de (z).
z= x

27

Figura 3.1 Representao da fdp da distribuio Normal

Exemplo: O tempo de vida de uma lmpada incandescente tem uma distribuio normal de mdia 1200H e desvio padro = 200H . a) Qual a probabilidade desta lmpada falhar at s 900H? b) Qual a probabilidade desta lmpada durar mais de 800H? c) Ao fim de quantas horas deveremos fazer a substituio das lmpadas para que no se verifique uma % de falhas superior a 5%? a)
z= x = 900 1200 = 1.5 200

(1.5) = 1 (1.5) = 0.0668 6.68%

b)

z=

800 1200 = 2 200

(2) = 1 (2) = 0.0228

A probabilidade de falhar at s 800 h de 2.28%. A de durar mais que isso ser de 100%-2.28%, ou seja, 97.72%. c)
(1.65) = 1 (1.65) = 0.9505 (1.64) = 1 (1.64) = 0.9495 x 1200 z= = 1.645 x = 871h 200

28

As distribuies discretas e contnuas aqui exemplificadas so de utilizao geral e comum em estatstica. No captulo 5 sero apresentadas outras distribuies que so muito correntemente aplicadas nas utilizaes especficas de fiabilidade e cuja apresentao ser feita com as v.a.s especficas da fiabilidade introduzidas no captulo 4.

3.7 Valor esperado O valor esperado ou esperana matemtica, E(X), de uma v. a. X, discreta ou contnua, uma caracterstica de X. Para v.a.s discretas o valor esperado define-se por

E ( X ) = xi Pr( xi )
i

desde que o somatrio seja convergente. Para v.a.s contnuas o somatrio deve ser substitudo por um integral. Para a v.a. contnua T, com fdp f(t), o valor esperado ser

E (T ) = tf (t )dt
+

tambm com a condio de o integral convergir. O valor esperado um conceito muito utilizado em estatstica e pode-se dizer que equivale a uma mdia por antecipao porque se baseia em valores provveis e no em valores j previamente registados. Quando representa a mdia de uma distribuio representado por . Tambm considerado como o primeiro momento em relao origem. De uma forma geral, pode-se obter o valor esperado de qualquer funo real de uma v.a.. No caso de uma distribuio discreta, Pr(xi), o valor esperado da funo g(X) ser definido por
E [g ( X )] = g ( xi ) Pr( xi )
k i =1

E para uma v.a. contnua T, o valor esperado de g(T) definido por

29

E [g (T )] = g (t ) f (t )dt
+

A ttulo de exemplo, vamos calcular o momento em relao origem para a distribuio de Poisson.
xe m m x xe m m x e m m x 1 E( X ) = = = m x! x! x =0 x =1 x =1 ( x 1)!

Fazendo y=x-1 e tendo em conta as expresses 3.15 e 3.19, obtemos

E ( X ) = m

em m y =m y ! y =0

Mas tambm se podem considerar momentos de ordem superior primeira. Por exemplo, para o momento de segunda ordem em relao origem, representado por E(X2), temos, para a distribuio de Poisson e recorrendo aos resultados anteriores e, novamente, a 3.15 e 3.19:
x 2e m m x x 2em m x xe m m x 1 E( X ) = = = m = x! x! x =0 X =1 x =1 ( x 1)! 2

em m y ye m m y em m y m ( y + 1) = m + m = m2 + m y! y! y! y =0 y =0 y =0

Uma medida da disperso de uma v.a. X em relao sua mdia a chamada varincia, representada por v(X) ou 2. A varincia tambm se designa por segundo momento em relao mdia e define-se como v(X) = 2 =E(X-)2

normalmente designado por desvio padro e a v(X) costuma chamarse varincia.

Os momentos obedecem s seguintes leis:

30

E(aX)=aE(X) E(a)=a E(g(X)h(X)) =E(g(X))E(hX))

E(XY) = E(X) E(Y)

E(X.Y) = E(X).E(Y) se X e Y forem independentes

31

4 Fiabilidade de componentes e fiabilidade de equipamentos Tambm se deve definir o que se entende por sistema reparvel e por sistema no reparvel. Sistema reparvel um conjunto de elementos em que a ocorrncia de avaria no significa o fim da operacionalidade mas somente uma interrupo dessa mesma operacionalidade. Consideram-se tambm reparveis, embora no sejam encarados como sistemas, todos os items cuja avaria no significa o seu fim de vida (ex.: veio reparvel atravs de soldadura de enchimento). Um sistema no reparvel um conjunto de elementos que formam um todo que, por razes econmicas ou tecnolgicas, no se reparam ou um item formado por um nico elemento (componente) cuja ocorrncia de avaria significa o seu fim de vida. O conceito de equipamento vulgarmente, embora, como se viu, nem sempre seja assim, associado a sistemas reparveis e o conceito de componente normalmente associado a itens no reparveis. Deve ainda considerar-se que, pela utilizao, os componentes/peas se desgastam enquanto que os sistemas/equipamentos se degradam. A abordagem da fiabilidade dos componentes no reparveis diferente da dos equipamentos reparveis, conduzindo ao aparecimento de conceitos diferentes. o que se ir ver neste captulo. Comea-se pelos componentes no reparveis por ser a situao mais simples.

4.1 Fiabilidade de componentes (no reparveis) 4.1.1 Funo de risco para componentes no reparveis Se X representar a v.a. tempo at falha de uma pea ou componente, ento a probabilidade de Xx, funo distribuio de X, FX(x)=Pr{ Xx} (4.1)

32

Assumindo que F absolutamente contnua, podemos definir a funo de risco associada a x como hX(x)= f x ( x) 1 Fx ( x) (4.2)

fX(x) uma fdp e a derivada de FX(x) em ordem a x. A funo de risco representar a probabilidade condicional por unidade de tempo de o componente falhar no intervalo de tempo x+dx, sabendo que no falhou at x. Matematicamente expressar-se- a funo fiabilidade atravs da probabilidade do bem no falhar num dado perodo - a probabilidade funo do tempo e representa-se por RX(x). A probabilidade de falha nesse perodo expressa pela funo FX(x), como se viu, com:

FX(x) = 1 RX(x)

(4.3)

Se tivermos a funo densidade de falhas, fx(x), com: fX(x) = teremos dRx ( x) = - fX(x) dx ou (4.5) dFx ( x) dx (4.4)

Fx ( x) = f x (y)dy
x
0

(4.6)

Rx ( x) = 1 - f x ( y )dy
x 0

(4.7)

33

A funo de risco, tal como definida na expresso 4.2, uma taxa relativa referida ao tempo x, visto que a derivada de FX(x) dividida pela probabilidade de sobreviver at ao instante x. Para ser uma taxa absoluta no poderia ser dividida pela fiabilidade.

4.1.2 MTTF Consideremos um componente no reparvel qualquer. Chama-se tempo at falha (time to failure), TTF, ao tempo que medeia entre a entrada em servio do componente e a respectiva falha. Se pensarmos no universo de componentes semelhantes ao que considermos anteriormente, podemos considerar o tempo esperado de funcionamento desses componentes. o tempo que ser legtimo esperar, ao instalar pela primeira vez cada um deles, que se aguentem em servio. Estaremos ento a definir um tempo mdio at falha (MTTF). MTTF (mean time to failure) representa o tempo at ocorrncia de falha em sistemas no reparveis e pode-se introduzir tambm MTTFF (mean time to first failure) para significar o tempo que medeia entre a entrada em funcionamento e a ocorrncia da primeira avaria em sistemas reparveis. Ser:
MTTF = t . f (t )dt (4.8)
0

MTTFF ser representado da mesma forma se tivermos em ateno que a escala de tempos contada desde o comeo do funcionamento at ocorrncia da primeira avaria. Se considerarmos uma populao ou conjunto de componentes iguais, com pdf f e distribuio acumulada de falhas F, poder-se- escrever

MTTF = E ( X ) = x. f x ( x)dx
0

(4.9)

em que E(X) representa o valor esperado de X.

34

4.1.3 Anlise estatstica de TTFs Se colocarmos n componentes iguais a funcionar em condies idnticas como parte integrante de equipamentos tambm iguais entre si e de tal modo que o funcionamento de cada componente seja independente dos restantes, vamos obter, aps a falha de todos os componentes, n TTFs que sero amostras independentes da mesma funo de distribuio FX(x). Nesta situao diz-se que os TTFs so independentes e identicamente distribudos (IID). Para obter estimativas (valores estimados) da funo de risco ou da fdp necessitamos de conhecer previamente mltiplos valores de TTFs. Mas no devemos esquecer que, embora sejam necessrios, como base de trabalho, vrios valores de TTFs, o que estamos a estimar so funes associadas com o tempo at falha de um componente. O que se est a estimar, atravs da repetio de um dado acontecimento (falha de um componente), a probabilidade de ocorrncia desse acontecimento no tempo x como funo de x. Nas condies acima referidas, indiferente que os componentes entrem em servio todos ao mesmo tempo ou em instantes distintos. Por vezes confundem-se estas situaes ou o seu tratamento mas devero ser tratadas de igual forma pois o que conta so apenas os diferentes TTFs. Para a fiabilidade de um componente, poder ser obtido um estimador atravs de uma experincia simples. Assim, basta colocar um conjunto de componentes iguais a funcionar em condies semelhantes. A fiabilidade ao fim do tempo x ser estimada pelo nmero de componentes que ao fim desse tempo ainda funcionem dividido pelo nmero de componentes inicial: R X ( x) =
^

n( x ) n

(4.10)

Colocado o problema, vo agora deduzir-se estimadores para a funo de risco, hX(x), e a fdp, fX(x). Designa-se por estimador natural uma expresso de tipo numrico que representa uma estatstica directa anloga a uma funo probabilstica. Representa-se colocando um ^ sobre a funo probabilstica a que diga respeito, tal como se v na expresso 4.10.

35

Para os casos anteriores, vai-se verificar, tambm atravs dos estimadores, que a funo de risco e a pdf no se devem confundir entre si. Comecemos por definir um estimador para Fx(x). Quando cada componente em teste funciona at falhar, a funo de distribuio emprica, Fn(x), definida como Fn(x)

n de TTF' s x n

Para X(1) X(2) ... X(n), Fn(x) ser

e um estimador natural para FX(x) Pr{Xx}.

0, X (1) > x Fn(x) i / n, X (i) x < X (i +1) 1, X (n) x

A fdp a derivada em ordem a x de FX(x). Assim, um estimador natural para a fdp
Fn ( x) 1 n( x) n( x + x) (4.11) x x n

f ^ X (x)

em que n(x) representa o nmero de componentes que sobrevivem at x e n(0) = n. Um estimador natural para a funo de risco ser

h X ( x) R ^ X ( x)
^

f ^ ( x)
X

f ^ X ( x) 1 n( x) n( x + x) n( x ) / n n ( x ) x

(4.12)

36

A funo de risco aparece, assim, como o nmero de falhas por unidade de tempo em x a dividir pelo nmero de componentes em risco tambm em x. A funo de risco aparece normalizada pelo nmero de elementos em risco e a fdp aparece normalizada pelo nmero de elementos inicial. A diferena entre estas duas funes pode ser avaliada com um exemplo mais comum e referente vida humana. Imagine-se que em 2003 calculamos a probabilidade que um indivduo, nascido em 1913, tinha de vir a falecer durante 2003, ou seja, de vir a falecer com noventa anos. Estamos a calcular uma densidade de probabilidade e o estimador dado pela expresso 4.11, dividindo o nmero de indivduos falecidos em 2003 com 90 anos pelo nmero de nascimentos verificados em 1913. Mas se quisermos calcular a probabilidade de um indivduo com 90 anos vir a falecer ao longo dos 12 meses seguintes devemos usar a expresso 4.12, dividindo o nmero de indivduos com 90 anos falecidos nesse perodo pelos que ainda estavam vivos data do incio da contagem. No primeiro caso vamos obter um valor muito mais pequeno que no segundo. Seja agora um exemplo aplicado engenharia. Suponhamos que temos um conjunto de 210 ferramentas de corte rpido que vo falhando ao longo do tempo. Vamos contabilizar intervalos de 15 dias e construir uma tabela da qual conste, sucessivamente, o nmero de falhas a cada intervalo de 15 dias, desde o primeiro at ao ltimo, o nmero de ferramentas em funcionamento no incio de cada intervalo, a fdp multiplicada pelo valor do intervalo de tempo, a funo de risco multiplicada pelo mesmo valor e o nmero de falhas acumuladas no final de cada intervalo. Ser tal como se representa, a seguir, na tabela 4.1 Verificamos que a funo de risco tendencialmente crescente medida que se avana no tempo, o que normal dado que estamos a exemplificar com ferramentas de corte, e que a densidade de probabilidade tem um pico volta do 5 intervalo e mostra as falhas centradas entre o 4 e o 9 intervalos.

37

Tabela 4.1 Exemplo de clculo de fdp e funo de risco Intervalo 1 2 3 4 5 6 7 8 9 10 11 12 13 n(x+1)-n(x) 0 0 4 28 42 28 30 28 26 12 4 4 4 n(x) 210 210 210 206 178 136 108 78 50 24 12 8 4 15fX(x) 0 0 4/210 28/210 42/210 28/210 30/210 28/210 26/210 12/210 4/210 4/210 4/210 15hX(x) 0 0 4/210 28/206 42/178 28/136 30/108 28/78 26/50 12/24 4/12 4/8 4/4 210FX(x) 0 0 4 32 74 102 132 160 186 198 202 206 210

4.2 Fiabilidade de equipamentos (reparveis) O tratamento da fiabilidade de sistemas reparveis diferente do que se viu para os no reparveis, acabando por ser mais complexo. Antes de mais h que distinguir duas escalas de tempos, o tempo entre avarias e o tempo de calendrio, ao longo do qual podem ocorrer diversas avarias, aps as quais o sistema, por ser reparvel, recolocado em funcionamento. Para o tempo entre avarias, o tratamento semelhante ao que foi referido para os sistemas no reparveis, utilizando-se a funo de risco como parmetro de referncia para a fiabilidade. Para o tempo de calendrio haver que utilizar outro parmetro de referncia.

4.2.1 Distribuies e processos Uma distribuio representa a forma como uma dada funo, normalmente a funo Fiabilidade, varia com o tempo entre avarias ou o tempo at falha ou, de forma mais geral, com o valor de um intervalo de tempo que no contenha momentos de ocorrncia de avarias. Varia ainda
38

com a funo de risco que, por sua vez, pode ser constante ou variar tambm com o tempo atrs referido. Um processo a forma segundo a qual vo ocorrendo acontecimentos semelhantes. Em Fiabilidade esses acontecimentos semelhantes so as avarias e a forma segundo a qual vo ocorrendo normalmente representada atravs de uma funo de Fiabilidade que varia com o valor de um intervalo de tempo que contenha momentos em que j ocorreram avarias e com a taxa de avarias (constante ou varivel com aquele tempo). Quando se analisam sistemas reparveis, um processo pontual aquele em que se considera que as avarias ocorrem em momentos determinados no tempo. Quando se considera que as avarias so o resultado de uma degradao e, portanto, no ocorrem em momentos determinados, diz-se que os processos so no pontuais. Vamos tratar apenas de processos pontuais.

4.2.2 Processos pontuais Um processo pontual estocstico um modelo matemtico para um fenmeno fsico caracterizado por acontecimentos fortemente localizados e distribudos aleatoriamente ao longo de um contnuo. No caso presente o contnuo o tempo de calendrio e os acontecimentos so as avarias que se assumem que ocorrem em instantes determinados ao longo do tempo. Trataremos os processos de Poisson homogneos (HPP) e no homogneos (NHPP) e os processos de renovao (RP). Para comear a discusso em torno destes processos, vamos assumir que os sistemas estaro em funcionamento sempre que possvel e que os tempos de reparao so desprezveis, por muito pequenos, quando comparados com os tempos de funcionamento. As avarias iro ocorrendo ao longo do tempo de calendrio. O tempo de calendrio, contado desde o momento T=0 em que o equipamento colocado em funcionamento pela primeira vez, designado por T. Os tempos entre avarias sero designados por Xi, em

39

que i designa a ordem de ocorrncia das avarias. Xi ser o tempo que medeia entre a ocorrncia da avaria i-1 e a ocorrncia da avaria i. A varivel que designa qualquer momento no tempo contado desde a ocorrncia da avaria i-1 ser xi. Por exemplo, quando xi=0 acabou de ocorrer a avaria i-1; quando xi=Xi ocorre a avaria i. Xi, com i=1,2..., uma v.a. designada por tempo entre avarias. Os momentos de ocorrncia das avarias, quando contados desde o incio do funcionamento, ou seja, quando contados em tempo de calendrio, so representados por Ti, com i=1,2...Ti tambm uma v.a. e designada por tempo global de ocorrncia de avarias. Compatibilizando os conceitos e variveis acima introduzidos, teremos xi = t Ti-1 | Ti-1 = ti-1 T0 = 0 Tk = X1 + X2 +...+ Xk A v.a N(t) definida como o mximo valor de k para o qual Tk t, ou seja, N(t) o nmero de avarias que ocorrem de 0 at t.

4.2.2.1 Taxa de avarias A taxa instantnea de avarias define-se como a variao do nmero esperado de avarias ocorrido com o tempo decorrido. Ser aqui designada por (t). Se N(t) for a varivel que representa o nmero de avarias acumuladas/sofridas pelo sistema ou conjunto de sistemas entre 0 e t, terse-:
(t ) =
dE[ N(t)] dt

(4.13)

Com E[N(t)] a representar a esperana matemtica de N(t). N(t) uma varivel aleatria discreta mas E[N(t)] a funo contnua e derivvel que melhor aproxima N(t).
E[ N ( t )] =

(t)dt
t 0

(4.14)

As figuras 4.1 e 4.2 ilustram a diferena entre N(t) e E[N(t)].

40

N(t)

t
Nmero de avarias em funo do tempo - N(t) Figura 4.1

E[N(t)]

t
Nmero esperado de avarias em funo do tempo - E[N(t)] (exemplo de situao aproximadamente linear) Figura 4.2

Assim, a taxa de avarias aparece-nos como um parmetro que respeita a sistemas reparveis aplicando-se a qualquer ocorrncia repetitiva observada, por unidade de tempo, num sistema reparvel ou num conjunto de sistemas reparveis. Na prtica interessa considerar situaes em que a taxa de avarias seja constante ou decrescente. O clculo da taxa de avarias feito recorrendo a estimadores. Assim, pode-se utilizar como estimador da taxa de avarias

41

 (t ) =

desde que a taxa de avarias seja constante em t. 4.2.2.2 - MTBF O tempo mdio de funcionamento entre duas avarias, MTBF (mean time between failures), definido como o inverso da taxa de avarias. Se a taxa de avarias for constante, o MTBF no depende do tempo. Caso contrrio, tambm o MTBF ser uma funo do tempo, ou seja, o valor esperado do tempo entre avarias, E(X). Para que no se confunda o tempo de funcionamento entre avarias, TBF (tempo de bom funcionamento ou time between failures), com a diferena cronolgica de tempos entre avarias, a figura 4.3 esquematiza uma situao em que entre a ocorrncia da avaria N-1 e a ocorrncia da avaria N existe um tempo de reparao, TTR (time to repair), e um tempo de funcionamento. Presume-se que o equipamento no esteve parado por falta de utilizao. Esta representao s vlida quando se utiliza como varivel mtrica o tempo de calendrio. Numa varivel mtrica absoluta, o MTBF coincide com a mdia da diferena cronolgica dos tempos entre avarias se estas ocorrerem de forma constante.

N(t + t) - N(t) t

(4.15)

N-1 TTR TBF t

TTR e TBF Figura 4.3

Contudo, ao longo deste estudo, no iremos considerar TTRs no desprezveis.

42

4.2.2.3 Funo de risco para sistemas reparveis A funo de risco tambm pode ser aplicada a sistemas reparveis desde que a varivel mtrica seja o tempo contado desde a ltima avaria. No deve, contudo, confundir-se a funo de risco com a taxa de avarias. (t)dt a probabilidade de uma avaria que no necessariamente a primeira ocorra entre t e t+dt. hX(x)dx a probabilidade condicional de a primeira e nica avaria vir a ocorrer entre x e x+dx, sabendo-se que no ocorreu at x. Referiu-se acima que tambm se poderia definir funo de risco para sistemas reparveis. Como a funo de risco pressupe que no tenha ocorrido previamente qualquer avaria, s se poder definir funo de risco para os tempos entre avarias. E, assim, para cada tempo entre avarias haver uma funo de risco, definida de modo semelhante ao que foi utilizado para os componentes no reparveis. Ser: h X i ( xi ) = 1 FX i ( xi ) FX' i ( xi ) (4.16)

O ndice Xi significa que a funo de risco referida diz respeito ao tempo entre avarias Xi. Isto ajuda a compreender que, para sistemas reparveis, cada funo de risco uma propriedade de cada v.a. tempo entre avarias e no de uma dada sequncia de tempos entre avarias. Aparecem grandes discrepncias na literatura e, por vezes, grandes confuses no tratamento dos conceitos de taxa de avarias e funo de risco. importante referir que o conceito de taxa de avaria no se pode aplicar a sistemas/componentes no reparveis considerados isoladamente. Contudo, ambos os conceitos se podero aplicar a sistemas reparveis. A taxa de avarias deve associar-se a acontecimentos repetitivos e o seu tempo de referncia conta-se desde a entrada em funcionamento at ao momento presente; pelo contrrio, a funo de risco deve ser associada a um acontecimento nico e toma como base o tempo passado desde a ltima avaria at ao momento presente.

43

Como hXi(xi) =
dR X i ( xi ) dxi . dR X i ( xi ) 1 1 (4.17) = . R X i ( xi ) dxi R X i ( xi )

hXi(xi) pode ser encarada como a diminuio relativa de RXi(xi) por unidade de tempo. possvel ainda escrever hXi(xi) = -

d ln R X i ( xi ) dxi

(4.18)

A figura 4.4 ilustra a relao entre a taxa de avarias de um sistema composto por vrios componentes e a funo de risco de cada componente. Na figura est representado um sistema reparvel com N modos de avaria. Para cada modo de avaria representa-se a funo de risco do componente que provoca avarias no sistema. Na figura, traa-se, para cada posio de componente, a curva representativa da respectiva funo de risco entre avarias. A taxa de avarias do conjunto dada pela razo entre o nmero de avarias ocorridas em cada intervalo de tempo e o valor desse mesmo intervalo. A taxa de avarias tende para um valor constante medida que o tempo de funcionamento do sistema aumenta, ou seja, e recorrendo figura, a tendncia para que em intervalos de tempo iguais (t1, t2,...) ocorram iguais nmeros de avarias do sistema motivadas por falhas dos seus componentes. Para cada componente, a funo de risco, representada, respectivamente, por cada uma das curvas desenhadas, vai aumentando ou mantendo-se constante desde a entrada em servio at ao momento de falha.

44

componente 1 2 3 . . n t1 = t2 = t3
- avaria

Taxa de avarias e funo de risco Figura 4.4

4.2.2.4 - Escalas de tempos Feita a distino entre taxa de avarias e funo de risco, fundamental ter sempre presente que a funo de risco aparece sempre associada ao tempo entre avarias ou ao tempo at falha e a taxa de avarias aparece sempre associada ao tempo de vida til dos equipamentos reparveis. A funo de risco aparece associada ao tempo entre avarias quando tratamos de avaliar a evoluo da funo de risco global de um equipamento ao longo do tempo entre avarias. E aparece associada ao tempo at falha sempre que estejamos a tratar de componentes no reparveis. Por exemplo, podemos estar interessados em avaliar a fiabilidade de um componente para a qual construmos uma funo distribuio que depender do tempo de vida do componente e da funo de risco. Quando

45

o componente falha, o tempo de vida desse componente atingiu o valor de tempo at falha. Em suma, quando tratamos com a funo de risco, os intervalos de tempo nunca contm momentos em que ocorrem avarias e, pelo contrrio, quando tratamos com a taxa de avarias, isso acontece sempre.

4.2.2.5 Funo fiabilidade de um processo pontual A definio da funo fiabilidade que se vai apresentar referida ao tempo de calendrio e no ao tempo entre avarias. O clculo dos valores e grandezas a cuja definio se vai proceder de seguida depende da histria do processo desde a sua origem e incluindo o incio do intervalo, qualquer que ele seja, que nos interesse estudar. Esta condio indicada atravs da notao |Ht. J vimos que os tempos entre avarias so representados por Xi, com i =1,2,... O tempo mdio entre avarias ser E(Xi) ser, em geral, funo de i, tal como os Xs. O tempo at prxima avaria ser W(t)=TN(t)+1-t e o tempo de calendrio que vai desde o momento em que estamos at ao momento da ocorrncia da prxima avaria. A distribuio de W(t) ser Kt(w) = Pr{N(t, t+w)1|Ht} (4.19)

em que N(t, t+w) o nmero de avarias entre t e t+w, ou seja, ser igual a N(t+w) N(t). O valor esperado do tempo at prxima avaria ser
E [W (t )] = (1 K t ( w)dw

(4.20) com 1 K t ( w) = Pr{N (t , t + w) = 0 | H t } Ocorrendo uma varia no momento t, o tempo instantneo entre avarias, ITBF, ser W(t). ITBF ser diferente de Xi+1 se no se souber quanto vale i no momento t.

46

No que se segue consideraremos que o valor esperado de ITBF ser o tempo mdio entre avarias, MTBF, que ser o inverso da taxa de avarias, j definida e para cujo estimador tomaremos o valor de t/N(t), com N(t)>0. A definio de fiabilidade, a probabilidade de funcionamento sem avarias num dado intervalo de tempo, mais complicada do que no caso de sistemas no reparveis/componentes. J vimos que pode ser importante a histria do processo. Assim, a probabilidade de sobrevivncia entre dois instantes no tempo, entre t e t+w, ser a fiabilidade ao longo desse intervalo de amplitude w e ser
R (t , t + w) = Pr{N (t , t + w) = 0 | H t } = 1 K t ( w)

(4.21)

Nas seces seguintes iremos ver as formas que a funo fiabilidade reveste, atravs da definio 4.21, nos trs tipos de processos pontuais que vamos estudar, HPP, NHPP e RP.

4.2.2.6 Processo de Poisson homogneo O processo de Poisson homogneo, HPP, uma sequncia infinita de tempos entre avarias, Xis, independentes e distribudos de forma exponencialmente idntica. O processo de contagem das avarias, {N(t), t0} um HPP se - N(0)=0 - {N(t), t0} tiver incrementos independentes - o nmero de avarias no intervalo t2-t1 obedecer a uma distribuio de Poisson com mdia (t2-t1), ou seja
e ( t2 t1 ) [(t 2 t1 ) ] Pr{N (t 2 N (t1 ) = j} = j! com t 2 > t1 0 e j0
j

(4.22)

47

Da terceira das condies anteriores e da expresso 4.22 vem que

E{N (t 2 t1 )} = (t 2 t1 )

(4.23)

Neste caso, constante a taxa de avarias. A funo fiabilidade ser dada por
R(t1 , t 2 ) = e ( t2 t1 )

(4.24)

4.2.2.7 Processo de Poisson no homogneo A diferena entre o HPP e o processo de Poisson no homogneo que a taxa de avarias no constante. As duas primeiras condies que vimos em 4.2.2.6 mantm-se mas a terceira ter a seguinte forma
Pr{N (t 2 N (t1 ) = j} = com t 2 > t1 0 e j0

t2

t1

( t ) dt t 2

(t )dt t1 j!

(4.25)

De forma idntica expresso 4.23, teremos

t2

E{N(t2)-N(t1)}= A funo fiabilidade vir

t2

(t )dt
t1

(4.26)

R(t1, t2)= e

t1

( t ) dt

(4.27)

Desta forma, os tempos entre avarias no so nem independentes nem identicamente distribudos. Mas os incrementos continuam a ser independentes, uma vez que o nmero de avarias num intervalo no depende do nmero de avarias noutro intervalo qualquer. Por incrementos

48

deve entender-se as variaes entre os nmeros de avarias de uns intervalos para os outros. Como a taxa de avarias no constante, o NHPP pode modelar as situaes em que temos degradao ou melhoria dos equipamentos. Haver degradao se a taxa de avarias for aumentando com o tempo e haver melhoria no caso contrrio. Um sistema deteriora-se se entre 0 e t0

( y)dy + ( y)dy ( y)dy

t1 t2 t1 + t 2 0 0 0

com 0 < t1 + t 2 t 0

e melhora se

( y)dy + ( y)dy ( y)dy

t1 t2 t1 + t 2 0 0 0

com 0 < t1 + t 2 t 0

Para terminar, apresenta-se uma relao entre a taxa de avarias no momento t, contado desde o incio do funcionamento do equipamento, e a funo de risco no momento x, contado desde a ltima avaria e pertencente ao intervalo X que o tempo entre a ltima avaria que houve at t e a prxima R(0,t)(t)dt = RX(x)hX(x)dx = fX(x)dx (4.28)

O facto de estarmos a considerar a primeira avaria entre t e t+dt assegurado pela multiplicao de (t)dt por R(0,t). 4.2.2.8 Processo de renovao O processo de renovao (RP) uma generalizao do HPP. Este processo consiste numa sequncia infinita de tempos entre avarias independentes e identicamente distribudos que no so todos nulos. A taxa de renovao ser a taxa de avarias e, mesmo que a princpio no seja constante, tender para um valor constante igual ao inverso do valor esperado do tempo entre avarias.
49

Neste processo os incrementos no so independentes. Considerando apenas a situao em que sabemos quando ocorreu a ltima avaria, teremos R(t,t+w) = Pr{N(t,t+w)=0|t-TN(t)} = {RX(t-TN(t)+w)}/{RX(t-TN(t))} (4.29)

4.2.2.9 Escolha do modelo A figura da pgina seguinte, 4.5, apresenta o esquema de seleco do modelo que representa o processo que estejamos a estudar. Assim, basicamente, temos que distinguir entre processos com taxa de avarias constante e processos sem taxa de avarias constante. Se a taxa de avarias no for constante, deveremos verificar se o processo NHPP. Se for constante mas a funo de risco no for constante (situao mais comum nos equipamentos sujeitos a desgaste e degradao), deveremos optar por um processo de renovao. Neste caso, o tempo de calendrio obedece a uma distribuio exponencial negativa (ver captulo 5) com parmetro e os tempos entre avarias obedecero a outra distribuio com parmetros hX.

50

Figura 4.5 Seleco do modelo (Adaptado de Ascher e Feingold)

51

4.3 Curva da banheira Os modelos referentes ao comportamento do material derivam da necessidade de avaliar os modos de degradao dos equipamentos ao longo da sua vida til. Essa degradao vai influenciar a evoluo da taxa de avarias ao longo do tempo que representada pela conhecida "curva da banheira" (fig. 4.6).

(t)

equipamento mecnico x avarias aleatrias arranque

equipamento electrnico

vida til

desgaste

Curva da banheira Figura 4.6 Esta curva retrata os trs perodos distintos da vida do equipamento, juventude (arranque), maturidade (vida til) e velhice (desgaste). No perodo de maturidade as avarias devero ocorrer de forma aleatria com taxa de avarias aproximadamente constante. Actualmente tem que se ter em conta que os utilizadores, em muitos casos, j no observam a primeira fase desta curva. Isto relaciona-se com o facto de muitos equipamentos chegarem s mos dos utilizadores j testados e rodados de forma a eliminar a parte de "mortalidade" inicial. A curva fica, assim, apenas com duas zonas. importante esclarecer que a curva da banheira, embora possa ser apresentada com a mesma forma para sistemas reparveis e para sistemas no reparveis, no representa o mesmo nos dois casos. Assim, nos sistemas reparveis ela representa efectivamente a taxa de avarias em funo do tempo de servio acumulado mas nos sistemas no reparveis
52

representar a variao da funo de risco com a idade. Em termos gerais, pode-se considerar uma curva da banheira para sistemas reparveis e outra para sistemas no reparveis. Atravs de reconstrues ou de grandes revises das instalaes industriais ou dos veculos podem esses equipamentos encetar novos perodos de vida. Como, ento, j os equipamentos no se encontram novos, esses perodos adicionais de vida vo sendo cada vez menores e tm taxa de avarias a estacionar em valores cada vez mais altos. Pode-se fazer a comparao com um processo de amortecimento. As reconstrues deixam de ser rentveis quando os seus custos somados aos custos de manuteno regular no so suficientemente superiores aos benefcios retirados do funcionamento dos equipamentos. No limite a taxa de avarias ser constante. Para efeitos prticos poder-se- considerar taxa constante logo a partir de um nmero restrito de "amortecimentos" (at 2 ou 3, por exemplo). A passagem ao limite implica uma ocorrncia aleatria de avarias a taxa constante, ou seja, apareceriam como resultado de um processo de Poisson homogneo. A aplicao de modelos matemticos em Manuteno, no que respeita ao comportamento dos materiais, baseia-se essencialmente nas diferentes leis de fiabilidade. Cada uma dessas leis origina uma distribuio que teremos que comparar com os resultados observados. No caso de ajustamento de modelos paramtricos (com ajustamento de distribuio) a sistemas reparveis, a taxa de avarias aparece-nos claramente definida como funo do tempo de servio (ou igual a constante, como caso particular). H interesse na utilizao de modelos aplicados a processos pontuais no homogneos de Poisson, processos em que a taxa de avarias depende do tempo, quando os equipamentos se encontram em situaes em que a taxa de avarias tende a decrescer com o tempo. Repare-se que, em caso contrrio, no rentvel investir no equipamento. o comportamento dos materiais que vai determinar tambm o clculo do MTBF e atravs deste clculo que se podem planear as intervenes de manuteno preventiva. Contudo, as substituies preventivas s devem ser feitas sobre componentes com funo de risco crescente.

53

54

5 - Distribuies mais comuns em fiabilidade Neste captulo iremos estudar algumas das distribuies mais importantes nas aplicaes fiabilsticas e alguns aspectos relacionados com a respectiva utilizao. H dois tipos caractersticos de problemas de fiabilidade tratados por modelos estatsticos:
o problemas em que possumos um conjunto de dados a partir dos quais pretendemos calcular a funo fiabilidade e respectivos parmetros, ajustando ou no uma distribuio; o problemas em que se pretende calcular a fiabilidade relativa a um dado momento e/ou parmetros relacionados, conhecendo uma distribuio prvia.

Neste captulo, para alm das distribuies propriamente ditas, iro ser tratados aspectos relativos ao tratamento dos dados. Os dados so, normalmente, tempos entre avarias ou tempos at falha. Duas distribuies contnuas assumem particular relevncia em Fiabilidade, a distribuio exponencial negativa, aplicvel quando a funo de risco ou a taxa de avarias, conforme os casos, se podem considerar constantes, e a distribuio de Weibull.

5.1 - Distribuio exponencial negativa A distribuio exponencial negativa de fiabilidade dada por R(t) = e t (5.1) em que pode representar uma taxa de avarias constante e t um tempo de funcionamento de um equipamento reparvel desde, por exemplo, a entrada em funcionamento. Se, na expresso 5.1, substitussemos por h, teramos uma funo de risco constante e t a representar um tempo contado desde a ltima avaria. Vejamos alguns exemplos de aplicao.

55

Exemplo 1 Uma mquina apresenta uma taxa de avarias constante de uma avaria em cada 10 semanas. a) Qual a probabilidade de ocorrer uma avaria antes de 5 semanas? P(t<5) = 1 - e t = 1 e 0.1*0.5 = 0.39 b) Se houver 10 mquinas a trabalhar, qual a probabilidade de haver um intervalo inferior a uma semana entre duas avarias?
= 1/10 * 10 = 1 P(t<1) = 1 - e 1*1 = 0.63

Exemplo 2 Um equipamento apresenta MTBF constante de 1000 horas. Em funcionamento contnuo, qual a sua fiabilidade ao fim de 1 dia de trabalho? MTBF = 1000 h = cte = 1/1000 h 1 t = 24 h R(24) = e .24 = 0.98

Exemplo 3 Pretende fazer uma viagem de 1000 km por carro. a) Supondo que o seu carro tem uma taxa de avarias constante, = 10 4 km 1 , qual a possibilidade de o seu carro no avariar pelo caminho?
R(1000) = e (10
4

).1000

= e 0.1 = 0.905

b) Se o carro for reviso de 10000 em 10000 km e essa reviso durar 1 dia (em que faria, em mdia, 100 km), qual a disponibilidade do seu carro? A = (10000)/(10000+100) = 0.99

56

5.2 - Distribuio de Weibull A distribuio de Weibull possui a importante propriedade de no possuir uma forma caracterstica. De facto, ajustando os parmetros desta distribuio, ela pode ajustar-se a diversas distribuies do tempo entre avarias. Aplica-se a muitos tipos de equipamentos mecnicos. Pode-se considerar para a distribuio de Weibull a seguinte expresso:
t R(t ) = exp(-( ) ) (5.2)

o parmetro de forma e o parmetro de escala ou vida caracterstica, pois corresponde ao tempo ao fim do qual a probabilidade de falha atinge 63.2%.

A distribuio de Weibull tem uma grande vantagem quando utilizada em trabalhos de fiabilidade, pois, por modificao dos parmetros da distribuio, nomeadamente o parmetro de forma, pode ajustar-se a muitas distribuies de tempos de vida tpicos. As mais importantes so a distribuio exponencial negativa (=1) e a distribuio normal (=3.5). Exemplo O tempo de vida de um rolamento numa dada instalao representado de forma satisfatria por uma distribuio de Weibull com = e = 5000. a) Calcule a probabilidade de o rolamento durar pelo menos 6000 horas. b) Calcule o tempo mdio de vida. a) P(X>6000) = 1- F(6000) = exp(-(6000/5000)1/2) = 0.334 b) F(t) = 0.5 = 1 exp(-(t/5000)1/2 t = 2402 h O exemplo anterior representa um problema em que pretendemos calcular valores conhecendo de antemo a distribuio a que obedecem. Vamos apresentar de seguida um mtodo grfico para ajustamento de uma distribuio de Weibull a um conjunto de dados.

57

Vamos, portanto, proceder, atravs de um mtodo grfico estimativa dos parmetros da distribuio de Weibull. Viu-se que a distribuio de Weibull dos tempos entre avarias ou at falha poderia tomar vrias formas, consoante os parmetros tomassem uns ou outros valores. H, por isso, perante um determinado conjunto de tempos aos quais se pretenda ajustar a distribuio de Weibull, que determinar os valores daqueles parmetros. Os processos de o fazer so essencialmente dois: - atravs de programa informtico, e hoje h muitas verses divulgadas, seja na literatura ou nos pacotes de software da especialidade; - atravs de mtodo grfico, usando o chamado papel de Chartwell que se apresenta em anexo. esse mtodo que se passa a descrever. O mtodo grfico permite obter resultados satisfatrios sem necessidade de recorrer a tratamentos estatsticos mais complexos. Para se utilizar o papel de Chartwell, deve-se ordenar a informao em funo do tempo de funcionamento e, em seguida, estimar a funo infiabilidade (1- funo fiabilidade) utilizando uma frmula do tipo
F=
^

i 0.3 * 100(%) n + 0.4

(5.3)

em que i - n de ordem da falha n - dimenso da amostra (itens em observao) Os pontos (TTF, F ) marcam-se no papel e, em seguida, traa-se a recta que melhor se adequa a todos esses pontos. Deve-se proceder como a seguir se indica: 1 - A recta deve passar pelo ltimo ponto marcado 2 - Deve-se procurar que os pontos de um e de outro lado da recta sejam em igual nmero
^

58

O valor de obtido pela interseco da recta com o Estimador , sendo a leitura efectuada na escala dos tempos.
^

Para determinar tira-se uma perpendicular a partir do ponto de Estimao. O ponto de interseco desta perpendicular com a escala
^

dos fornece o valor de .

^ ^

Exemplo Falha n Tempo de funcionamento (TTF) 331 478 715 779 982 1040 1299 1442 1466 1657 2041 2283

1 2 3 4 5 6 7 8 9 10 11 12

a) Acrescente tabela anterior a coluna correspondente a

F=
^

i 0.3 * 100(%) n + 0.4

i - n de falha n - dimenso da amostra b) Utilizando o papel de Chartwell, estime os parmetros da distribuio de Weibull para este exemplo. c) Indique tambm, recorrendo ao papel de Chartwell, a mdia estimada, indicando esse valor no campo que lhe destinado no papel de Chartwell. O exemplo anterior encontra-se resolvido em anexo.

59

5.3 - Testes de hipteses e nveis de significncia Seja uma populao com distribuio F e desconhecido. Suponhamos que pretendemos testar uma qualquer hiptese (palpite) sobre . Chamase a essa hiptese a hiptese nula ( H 0 ). Por exemplo, se a nossa distribuio F for uma funo normal com mdia e varincia 1, ento h duas hipteses possveis para :
H 0 : = 1 H1 : 1

Repare-se que, neste caso, a hiptese nula especifica completamente a distribuio da populao enquanto H1 no o faz. Ento, para testar H 0 necessrio ter uma amostra de uma populao; seja X1, X2Xn a amostra observada com tamanho n. com base naqueles n valores que temos de decidir sobre a aceitao ou no de H 0 . O teste realizado definindo uma regio C fora da qual a nossa amostra dever estar:
( X 1 , X 2 ... X n ) C aceitarH 0 ( X 1 , X 2 ... X n ) C rejeitarH 0

Por exemplo, pode-se testar a hiptese de a mdia de uma populao normal com varincia 1 ser 1 com a regio crtica C dada por
C = ( X 1 , X 2 ... X n ):

X
n i =1

1 >

196 . n

(5.4)

Se a mdia diferir de 1 mais que

196 . rejeita-se H 0 . n

H dois tipos de erro num teste de hipteses: - erro Tipo I - erro Tipo II rejeitar H 0 devendo aceit-la aceitar H 0 devendo rejeit-la

60

O objectivo do teste no determinar se H 0 verdadeira mas se consistente com os nossos dados. Para isso especifica-se um valor de de tal modo que, sempre que H 0 seja verdadeira, a possibilidade de ser rejeitada (Tipo I) nunca seja maior que . o nvel de significncia do teste (normalmente 0.1, 0.05 ou 0.005). Como exemplo, seja X1,Xn uma amostra de uma distribuio normal com mdia desconhecida e varincia 2 conhecida.
H 0 : = 0 H1 : 0

X =

X
n i =1

um estimador de e ento:
C = ( X 1 ... X n ): X 0 > C

(5.5)

Se quisermos especificar o nvel de significncia para o nosso teste, teremos que ter
P0 X 0 > C =

(5.6)

de modo a determinar o valor de C. Quando = 0 , X normal com mdia 0 e varincia definir Z como
Z= X 0

2
n

e pode-se

/ n

(5.7)

e sabemos que Z normal unitria. Ento pode-se escrever

C n P Z > =
61

(5.8)

ou

C n 2 P Z > =

(5.9)

Mas
C n

P Z > Z / 2 = / 2 (5.10)

e ento

C=

Z / 2 n

= Z / 2

(5.11 a), b))

Assim, as nossas condies de aceitao sero aceitar H 0 se rejeitar H 0 se

n X 0 Z /2

(5.12) (5.13)

X 0 > Z /2

Exemplo 1 Envia-se um sinal de valor de um local A para um local B. Em B esse sinal recebido de forma normalmente distribuda com mdia e desvio padro 2. As pessoas pensam que o sinal enviado hoje ter =8. Teste essa hiptese se esse sinal for enviado 5 vezes de forma independente com mdis do valor recebido em B de 9.5. Use =0.05. Sero os dados inconsistentes com aquela hiptese? Explique a sua resposta. Como caracterizaria o rudo aleatrio adicionado ao sinal? Repita o teste com =0.1. Que aconteceu? Porqu?
=0.05

n X 0 =

5 (9.5 8) = 168 . 2

62

Z 0.025 = 1.96 > 1.68 H 0 aceite

Os dados no so inconsistentes com a hiptese nula no sentido em que uma mdia de amostra afastada do valor 8 at 2 era esperada pelo menos at 5% dos envios. Quanto ao rudo segue uma normal N(0.4) com mdia 0 e desvio 2. Para =0.1, encontramos um valor para o Z correspondente, consultando mais uma vez as tabelas da normal, de 1.64. Como este valor inferior a 1.68, tem que se rejeitar a hiptese nula. Isto acontece porque no se espera que a mdia da amostra se afaste tanto da mdia do sinal em 10% dos envios (ou do tempo de envio).

Exemplo 2 Um rolamento de esferas tem um tempo de vida normalmente distribudo, com uma mdia de 6000h e um desvio padro de 450h. Utilizmos um novo lubrificante numa amostra de 9 unidades, tendo obtido um tempo de vida mdio de 6400h. Teria o novo lubrificante provocado uma alterao do tempo de vida mdio dos rolamentos?
z= | 6000 6400 | = 2.67 450 x9 1 / 2

Do anexo 1, infere-se que z=2.67 indica uma probabilidade acumulada de 0.996. isto indica que s h uma probabilidade de 0.004 de a alterao se verificar por acaso, ou seja, a alterao estatisticamente significativa ao nvel de 0.4%. Ento, rejeitamos a hiptese nula de que os dados da amostra derivem da mesma distribuio normal que a populao e deduzimos que a alterao ao lubrificante proporciona de facto um aumento da vida dos rolamentos.

5.4 - Teste de Laplace Este teste ser o procedimento utilizado sempre que se pretenda verificar uma das seguintes situaes: i ) se um modo de avaria I I D, procurando-se posteriormente o seu ajustamento a uma determinada

63

distribuio estatstica; ii ) se a taxa de avarias de um sistema constante, sabendo-se que as avarias tem como origem os vrios componentes que compe o sistema. O teste de Laplace pretende verificar se numa dada sequncia de acontecimentos, fazendo parte de um processo de ocorrncias aleatrias, estas so independentes e identicamente distribudas, constituindo um Processo de Poisson Homogneo e tendo, portanto, uma taxa de avarias constante. Comearemos por aplicar o teste bilateral, sempre que no se conhea a tendncia do fenmeno. Este teste baseia-se nos seguintes procedimentos: a) Executar um teste de hipteses, em que a hiptese nula, Ho, estabelece serem os acontecimentos I I D, Independentes e Identicamente Distribudos, e em que a hiptese alternativa, H1, estabelece serem os acontecimentos no I I D. b) Calcular o valor da estatstica do teste, ET , determinando o valor equivalente de U em que U > N ( 0, 1 ) . ET = U em que, quando o teste limitado pelo tempo teremos:
N Ti U = 12 N i =1 0.5 NTo

(5.14)

N - nmero de ocorrncias Ti - tempos das ocorrncias To - tempo de observao Quando o teste limitado por uma avaria vir :
N 1 Ti 0.5 U = 12( N 1) i =1 ( N 1) To

(5.15)

N - nmero de ocorrncias Ti - tempos das ocorrncias To - tempo da ltima avaria c) Especificar o nvel de significncia bilateral, , para o teste que no nosso caso ser de = 5%.

64

d) Determina o valor da normal padronizada referente ao nvel de significncia definido, z/2, e compara-o com o valor de U calculado, procedendo em seguida tomada de deciso. Se -z/2 U z/2 o teste inconclusivo e aceita-se a Hiptese Nula, se a amostra for representativa do fenmeno que est a modelar; caso contrrio dever-se- recolher mais dados. Se U< -z/2 ou U>z/2 o teste conclusivo e rejeita-se a Hiptese Nula. Nota: se considerarmos um nvel de significncia bilateral de 5% , teremos z=1,96.

Quando, aps ter conhecimento de que num processo de pontos aleatrios, estes no so Independentes e Identicamente Distribudos, constituindo um Processo de Poisson No Homogneo e tendo, portanto, uma taxa de avarias que no constante no tempo e se pretende determinar se a tendncia da taxa de avarias crescente ou decrescente, passar-se- utilizao de um teste unilateral. O teste de Laplace unilateral tem os seguintes procedimentos: a) Executar um teste de hipteses, em que a hiptese nula, Ho, estabelece que os acontecimentos so I I D, tendo uma taxa de ocorrncias constante, e em que a hiptese alternativa, H1, estabelece que a taxa de ocorrncias (i) crescente ou (ii) decrescente. b) Calcular o valor da estatstica do teste, ET , determinando o valor equivalente de U em que U > N ( 0, 1 ) . Sendo ET = U c) Especificar o nvel de significncia unilateral, , para o teste que no nosso caso ser = 5%. d) Determinar o valor da normal padronizada referente ao nvel de significncia definido, z, e compara-o com o valor de U calculado, procedendo em seguida tomada de deciso, podendo, neste caso, ocorrer uma de duas situaes: i) Se U z o teste inconclusivo e aceita-se a Hiptese Nula, se a amostra for representativa do fenmeno que est a modelar; caso contrrio dever-se- aumentar o nmero de observaes. Se U > z, o teste conclusivo e rejeita-se a Hiptese Nula, considerando-se a taxa de ocorrncias crescente.

65

ii) Se U - z o teste inconclusivo e aceita-se a Hiptese Nula, se a amostra for representativa do fenmeno que est a modelar; caso contrrio dever-se- aumentar o nmero de observaes. Se U < -z o teste conclusivo e rejeita-se a Hiptese Nula, considerando-se a taxa de ocorrncias decrescente. Nota: para um nvel de significncia unilateral de 5% , z = 1,64.

Vamos ver de seguida algumas limitaes da aplicao terica do teste de Laplace. Ao considerarmos que a ocorrncia de avarias nos subsistemas IID, uma vez que estamos perante sistemas reparveis, existem pressupostos que podem ser questionados, tais como: - O incio da nossa anlise no coincidir com o incio do funcionamento do sistema. - Os modos de avaria mais importantes do sistema serem usualmente causados por partes que tm probabilidade de ocorrncia de avarias crescente no tempo, como o caso das avarias causadas por desgaste de peas. - Por vezes uma avaria ou uma reparao de um subsistema poder causar prejuzos noutros subsistemas, o que indiciar que os tempos de funcionamento no sero obrigatoriamente independentes. - As reparaes no restiturem o subsistema ao estado de novo e, no sendo sempre perfeitas, introduzindo, eventualmente, outros defeitos que iro provocar falhas noutros subsistemas. As reparaes so feitas ajustando, lubrificando ou recondicionando os elementos de sistemas que se esto desgastando, favorecendo um novo prolongamento de vida, o que no o mesmo que restituir o elemento ao estado de novo. - A substituio de uma parte por outra de diferente origem poder originar variaes na taxa de avarias do sistema em que est inserido. - A capacidade de diagnosticar as avarias altera-se com a aquisio de experincia por parte dos trabalhadores do sector de manuteno, cuja eficincia melhora com o tempo, aumentando a probabilidade de uma reparao adequada. Verifica-se, assim, um aumento do nmero de

66

avarias sofridas pelo equipamento sempre que h alteraes dos elementos que constituem as equipas de manuteno. - No mecanismo de gerao de falhas por fadiga induzida os ciclos de arranque-paragem, diferentes modos de uso, diferentes modos de operao do sistema ou prticas de manuteno diferentes, serem frequentemente mais importantes do que os tempos de operao. - O processo de registo de avarias poder estar sujeito a erros, se o conceito de avaria aparecer associado a perda de performance, sabendose que a percepo de avarias est condicionada pela experincia anterior e pela cobertura ou no de uma garantia de funcionamento. Existe sempre alguma subjectividade num registo de dados de avarias. - A probabilidade de ocorrncia de avarias ser afectada pelas polticas de manuteno. Os sistemas que sofreram uma reparao geral, por terem sido sujeitos a uma estratgia de melhoria de fiabilidade, frequentemente passam por uma fase de mortalidade infantil, apresentando taxas de avaria superiores logo aps a reparao, devido a componentes que noutras circunstncias no teriam avariado . No caso de haver um perodo de ensaio logo aps uma reparao geral, muitas destas falhas podem ser eliminadas. - As peas de substituio nem sempre serem produzidas para o mesmo tipo de equipamento em que vo ser substitudas, provocando, por vezes, um diferente funcionamento do sistema em que foram aplicadas . - As avarias de um sistema poderem ser causadas por componentes que individualmente cumprem as tolerncias de funcionamento mas que no seu conjunto apresentam tolerncias que provocam avarias ao sistema . - Algumas das avarias registadas no serem provocadas por qualquer avaria de componentes mas por outros motivos, como ligaes intermitentes e utilizao defeituosa.

Exemplo Uma rotovlvula motorizada instalada numa cadeia de processo funciona normalmente em stand-by, sendo solicitada apenas quando ocorre um sobreaquecimento no referido processo. O nico modo de avaria

67

significativo a falha solicitao. A tabela seguinte mostra, por ordem cronolgica de ocorrncias, os tempos entre avarias, em meses, o nmero de solicitaes entre avarias e o respectivo nmero acumulado de solicitaes. O nmero total de solicitaes, no perodo considerado, foi de 5256. Determine se a taxa de avarias crescente. Tempo entre avarias N de solicitaes Idem acumulado 4 104 104 5 131 235 62 1597 1832 2 59 1891 0 4 1895 19 503 2398 6 157 2555 0 6 2561 5 118 2679 7 173 2852 4 113 2966 2 62 3028 4 101 3129 8 216 3345 4 106 3451 5 140 3591 0 1 3592 4 102 3694 0 3 3697 15 393 4090 4 96 4186 9 232 4418 3 89 4507 2 61 4568 1 37 4605 11 293 4898 0 7 4905 6 165 5070 3 86 5157 4 99 5256 Como, neste exemplo, o fim da observao coincide com uma avaria, vamos usar a expresso 5.15. U = 2.41

68

Para testar a hiptese nula de que no h tendncia nos dados e de que a taxa de avarias constante, usa-se a tabela da normal que consta do 1 anexo. Quando U=2.41, (z)=0.992. Rejeita-se ento a hiptese nula ao nvel de significncia de 1%.

5.5 - Teste qui-quadrado Se pretendermos verificar se um determinado conjunto de dados segue uma qualquer distribuio podemos comparar os valores que essa distribuio daria para um conjunto de valores equivalente com os dados que possumos atravs de um teste de qui-quadrado. Utiliza-se normalmente com um nmero de observaes maior ou igual a 50. Trata-se de um teste baseado nas diferenas entre os valores observados e os valores fornecidos pelo modelo terico. Utilizam-se geralmente classes de frequncia e, em cada classe, deve-se obter um nmero de observaes maior ou igual a 5. A amplitude das classe de frequncia no necessariamente igual. A aplicao do teste do qui-quadrado faz-se segundo a frmula
=
k

(o j e j ) 2

j =1

ej

(5.16)

em que o se refere a frequncias observadas e e se refere a frequncias esperadas.

Exemplo Efectuou-se um teste de qui-quadrado comparativo entre frequncias reais e frequncias esperadas para os valores que uma varivel designada por ampl tomava ao fim de um certo tempo t, medido em dias, e obtiveram-se as seguintes tabelas de frequncias para cada caso: Classes de frequncia por tempos de sobrevivncia aps observao de .4<ampl<.6 Tabela 5.1 t (dias) at 8 8-9 9-10 10-11
69

11-12

12-13

>13

freq. rel. freq.

.25 27

.07 7

.08 9

.08 8

.17 18

.17 18

.18 19

Classes de frequncia por tempos de sobrevivncia esperados para ampl = 0.5 Tabela 5.2 t (dias) freq. rel. freq. at 8 .20 21 8-9 .06 6 9-10 .08 9 10-11 .05 5 11-12 .21 22 12-13 .19 20 >13 .21 22

Da aplicao de 5.16 aos valores apresentados nas tabelas 5.1 e 5.2 resulta para qui-quadrado um valor de 5.03. Tendo sido feita uma aplicao para 7 categorias diferentes, compara-se o valor obtido com o valor crtico de qui-quadrado para 6 graus de liberdade (nmero de classes de frequncia 1). Tem-se:
.299 = 16.8 .295 = 12.6

Face a estes resultados conclumos que as frequncias observadas e as frequncias esperadas no diferem de modo significativo pelo que os resultados obtidos devem ser considerados fiveis para esta aplicao.

70

6 - Associaes de equipamentos Por vezes necessrio associar equipamentos em srie (para obter um aumento de uma caracterstica) ou em paralelo (para aumento de caractersticas ou de fiabilidade da instalao). Neste captulo apresentam-se as expresses para a fiabilidade de algumas associaes de equipamento.

6.1 - Associao em srie A expresso para a fiabilidade dada por

Rs (t ) = Ri (t )
n i =1

(6.1)

em que o ndice s se refere associao em srie e o ndice i ao item i.

6.2 - Associao em paralelo Nas associaes em paralelo, a falha de um equipamento no implica a falha da instalao que, assim, se torna redundante. Distinguem-se trs classes de redundncias: - Redundncia activa total - Redundncia activa parcial - Redundncia sequencial

6.2.1 - Redundncia activa total um tipo de redundncia caracterizado por: - todos os equipamentos funcionarem simultaneamente, se disponveis - a instalao s falhar quando todos os equipamentos falharem A expresso geral da fiabilidade da instalao dada por

71

Rt (t ) = 1 1 Ri ( t )
n i =1

(6.2)

6.2.2 - Redundncia activa parcial Esta redundncia caracterizada por: - todos os equipamentos funcionarem em simultneo, se disponveis - a instalao apenas precisa de k<n dos n equipamentos para funcionar Quando k=1, tem-se redundncia activa total e quando k=n, em termos de fiabilidade, tem-se a associao em srie. Considerando os equipamentos independentes e com fiabilidades iguais, tem-se
Rk / n (t ) = 1 C in [R (t )] [1 R (t )]
k 1 i =0 i n i

(6.3)

6.2.3 - Redundncia sequencial Neste tipo de redundncia, os equipamentos encontram-se ligados em paralelo. Contudo, um ou mais equipamentos esto na situao de standby, ou seja, s comeam a operar quando falha o equipamento que normalmente trabalha. Para a expresso 6.4 abaixo ser vlida tm que se ter em conta os seguintes pressupostos:

- os equipamentos tm todos taxas de avarias constantes e iguais a - o comutador entre equipamentos no falha - enquanto um equipamento estiver em stand-by no falha

Pode-se, ento, escrever, para n equipamentos:

72

( t) i t Rt (t ) = e i! i =0
n 1

(6.4)

Exemplo 1 Um sistema electrnico composto por um transmissor, um receptor e uma fonte de alimentao em srie. As fiabilidades destes componentes para uma misso de 1000 h, so as seguintes: R ( transmissor ) : 0.8521 R ( receptor ) : 0.9712 R ( fonte de alimentao ) 0.9357 a)Diga qual a fiabilidade do sistema assim constitudo para as mesmas 1000 h? b)Sabendo que o sistema tem uma taxa de avarias constante calcule a fiabilidade do sistema para uma misso de 3000 h ? a) R = R(t) x R(r) x R(fa) = 0.8521 x 0.9712 x 0.9357 = 0.7743 b) R(1000) = 0.7743 = exp(-1000) = 0.0002558 h-1 R(3000) = exp(-0.0002558x3000) = 0.4642 Exemplo 2 Um mquina agrcola tem um sistema de controlo de profundidade de lavoura cujo funcionamento se pode representar por um diagrama de blocos constitudos pelos componentes A, B e F; e pelos subsistemas C e D, como o que se encontra representado na figura. Sabendo que: O componente A tem uma lei de vida expressa por uma distribuio de Weibull com um factor de forma 2,1 e uma vida caracterstica de 1950 h. O componente B, tem uma vida normalmente distribuda de mdia 2400h e desvio padro 450h. O componente F, tem uma lei de vida expressa por uma distribuio de Weibull com um factor de forma 2,7 e uma vida caracterstica de 2400 h. O subsistema C tem uma taxa de avarias constante e igual a 0,000032 avarias/ hora. O subsistema D tem um tempo mdio entre avarias de 2600h. Calcule a fiabilidade do sistema apresentado s 1500h. A Weibull = 2.1 = 1950 R(1500) = exp(-(1500/1950)2.1) = 0.5619 = RA
73

B Normal = 2400 = 450

(2) = 1-(-2) = 0.9772 = RB

z = (x-)/ = (1500-2400)/450 = -2

F Weibull = 2.7 = 2400 R(1500) = exp(-(1500/2400)2.7) = 0.7549 = RF C Sub-sistema Exponencial negativa = 0.000032 R(1500) = exp(-0.000032 x 1500) = 0.9531 = RC D Sub-sistema Exponencial negativa MTBF = 2600 R(1500) = exp(-1500/2600) = 0.5616 = RD RABC = 0.5619 x 0.9972 x 0.9531 = 0.5340 RDF = 0.5616 x 0.7549 = 0.4239 R = 1-(1-0.5340)(1-0.4239) = 0.7292

74

Bibliografia AEM El Mantenimiento en Espaa Asociacion Espaola de Mantenimiento Barcelona, 1990 AFNOR Maintenance Industrielle Paris, 1988 Anderson, Ronald T. e Neri, Lewis Reliability Centered Maintenance Elsevier Applied Science, 1990 Ascher, Harold e Feingold, Harry Repairable Systems Reliability - Modeling, Inference, Misconceptions and their causes Marcel Dekker, Inc. New York, 1984 Bloch, Heinz P. Improving Machinery Reliability Practical Machinery Management for Process Plants (vol 1) Gulf Publishing Company Houston, 1988 Cannon, A. G. e Bendell, A. Reliability data banks Elsevier Applied Science Londres, 1991 Corder, A. S. Maintenance Management Techniques McGraw-Hill Londres, 1976 Ireson, W. Grant e Coombs, Clyde F. Handbook of Reliability Engineering and Management McGraw-Hill London, 1988

75

Jardine, A. K. S. Maintenance, Replacement and Reliability Pitman Publishing Ontario, 1979 Jardine, A. K. S. Operational research in Maintenance Manchester University Press, 1973 Kelly, A. e Harris, M. J. Management of Industrial Maintenence Newnes-Butterworths Londres, 1977 Klaasen, Klaas B. System Reliability, concepts and applications Edward Arnold London, 1989 Krishnaiah, P. R. e Rao, C. R. Quality Control and Reliability North Holland - Handbook of Statistics, vol. 7 Amsterdam, Oxford, 1988 Lyonnet, Patrick La maintenance - mathmatiques et mthodes Technique et Documentation - Lavoisier Paris, 1989 Lyonnet, Patrick Les outils de la qualit totale Technique et Documentation - Lavoisier Paris, 1991 O'Connor, Patrick Practical Reliability Engineering John Wiley and Sons, 1992 Pereira, Filipe Jos Didelet Modelos de Fiabilidade em Equipamentos Mecnicos Tese de Doutoramento Faculdade de Engenharia da Universidade do Porto

76

Porto, 1996 Villemeur, Alain Reliability, Availability, Maintainability and Safety Assessment (Vol. 1) Methods and Techniques John Wiley & Sons Chichester, 1992

77

ANEXOS

78

Normal Estandardizada (retirado de OConnor)

79

80

Papel de Chartwell

81

82

Resoluo do exemplo do sub-captulo 5.2

Falha n

^F=(i-3)/(n+0.4)x100

83

1 2 3 4 5 6 7 8 9 10 11 12 Na tabela anterior: i n de falhas n dimenso da amostra

331 478 715 779 982 1040 1299 1442 1466 1657 2041 2283

5.6 13.7 21.7 29.8 37.9 45.9 54 62.1 70.1 78.2 86.3 94.3

Para o nosso exemplo, a dimenso da amostra de 12 com um tempo mdio de 1209.4 h. Utilizando o papel de Chartwell foram estimados os seguintes parmetros, tal como se pode ver na pgina seguinte: (forma) = 2.05 h (vida caracterstica) = 1404.3 h (mdia) = 1211.5 h

84

Qui-quadrado

85

(retirado de OConnor)

86

87