Confiahilidade de Compo11etes e Sistemas

e1tJ 722.6/ogspot.com.br

I -Fundam entos de Confiabilidade

Introduo
A melhor maneira de aprender um novo conceito partir de algo que muito familiar,
cuja ideia por demais conhecida, e acrescentar elemento a elemento at que um novo
conceito passe a ser tambm fami liar. Assim, uma vez que o curso de confiabilidade e isso
lida com tempos de quebra de itens de uma forma estatstica, vamos iniciar quebrando,
hipoteticamente, um conjunto de N equipamentos idnticos que pertenam a um mesmo lote
de fabricao.
Desta forma todos sero submetidos s mesmas condies operacionais previamente
especificadas. Entende-se por condies operacionais tanto a carga de trabalho a que o
equipamento est submetido, por exemplo: frequncia de utilizao, perodo de operao;
quanto as variveis ambientais, por exemplo: vibrao, temperatura, tenso, radiao. Essas
condies operacionais tm que ser identificadas e especificadas, pois sua alterao i nfluencia
na confiabilidade do equipamento. Essa dependncia ser inclusive utilizada de forma
proveitosa quando quisermos acelerar os ensaios, por hora as manteremos fixas.
Neste ponto estamos aptos a fazer uma definio: A Confiabilidade de um item a
probabilidade dele no apresentar qualquer falha desde sua entrada em operao at um
tempo determinado, sob condies operacionais especficas.
Feitas essas consideraes, pressupe-se que os nossos N equipamentos apresentaro
tempos de falha de forma aleatria, cuja distribuio pretende-se modelar matematicamente.
Por exemplo: suponhamos a seguinte tabela com a quebra de 50 itens cujos tempos esto em
horas:
Tabela 1.1- Dados de quebra em horas de 50 component es.
14
22
61
77
80

84
96
104
111
112

119
121
125
128
132

137
140
145
149
153

158
162
167
171
175

183
189
190
197
210

218
225
230
237
243

255
264
273
282
301

312
330
345
360
383

415
420
447
472
490

Vale, ainda, lembrar que o estudo de confiabilidade tambm lida com variveis
aleatrias distintas do tempo de quebra, por exemplo, quilometragem rodada, nmero de
m isses realizadas, nmero de ciclos executados, etc..

Histograma
A primeira anlise grfica que pode ser feita a construo do Histograma das
quebras. Para tanto devemos definir a quantidade de classes bem como seus intervalos. A
regra que o nmero de classes seja um nmero inteiro o mais prximo da raiz quadrada do

Pereirallma

Confiabilidade de Comp0111!1es e Sistemas

t7t3722.bJgspot.com.br

nmero de elementos na amostra. O intervalo calculado com base na diferena entre o

maior e o menor valores encontrados dividida pelo nmero de classes. Por conveno, se o
tempo de quebra coincidir com os limites da classe, ser contado sempre na classe anterior.
Neste caso, adotaremos 7 classes com intervalos de 70 h cada. Assim pode-se obter a
distribuio de frequncia dos tempos de quebra simplesmente contando o nmero de
quebras cujos tempos estejam compreendidos entre os limites da classe. O result ado
apresentado na tabela 1.2 e seu grfico na figura 1.1.
Tabela 1.2- Histograma de quebra de 50 componentes em set e classes de 70 horas cada.
Classes (h)
Frequnda q()

70

140

210

280

350

420

70
3

140
14

210
13

280
8

350
5

420
4

490
3

Histograma
16

}~

14
12

-i

10

8
6

4
2

~-.

,'

100

t-

1-

~,

~ ' !'~ .... I

trrN

200

400

300

500

Figura 1.1- Histograma de quebra de 50 componentes em sete classes de 70 horas cada.

Probabilidade lntervalar
De posse do grfico do histograma pode-se obter o grfico da probabilidade de
ocorr ncia de cada classe, simplesmente dividindo a frequncia pelo nmero total de
elementos da amostra. Assim obtm-se os valores apresentados na tabela 1.3 e seu grfico na
figura 1.2. usual tomar o ponto mdio da classe para o seu posicionamento.
Tabela 1.3- Probabilidade lntervalar de 50 componentes em sete classes de 70 horas cada.
Classes (h)
Probabilidade %

Pereira/ima

35
6

105
28

175
26

245
16

315
10

385
8

455
6

Conflahilidade de Compo11etrtes e Sistemas

enJ722.hJgspot.cotn.br

Probabilidade lntervalar
30,00%

~~

25,00%

I'

-~

~I

15,00%

'

II1

10,00%

II

II

1', I I

[I

20,00%

~
-~

5,00%
0,00%

- ,1

~~ ..!"~'

100

200

300

~~

400

500

Figura 1.2- Grfico da Probabilidade de Ocorrncia de cada classe.

Densidade de Probabilidade
De posse do grfico da probabilidade intervalar pode-se obter o grfico da funo
densidade de probabilidade. A funo tem este nome porque ao se integr-la no intervalo da
classe obtm-se a probabilidade de ocorrncia da classe, assim:

,,

P(t1 <t <t2 )= J(t}dt

'

(1.1)

Cabe observar que sendo a probabilidade um nmero compreendido entre O e 1, a

funo densidade de probabilidade nunca ser negativa, tendo unidade inversa a da varivel
independente. Seguem as propriedades:

P(O ~ t < oo)

..

=f J(t ).dt = 1
o
o

P(a < t <a) = J(t).dt =O

o

(1.2)

Pode-se assumir, aproximadamente, que f(t) seja constante dentro da classe e obter a
funo densidade a partir dos dados de quebra como:

f(t +t
2

1)

""

P(t1 ~t~t2 )
t 2 -11

(1.3)

Assim obtm-se, dividindo o valor da probabilidade de cada classe pelo intervalo da

classe (70), os valores apresentados na tabela 1.4 e seu grfico na figura 1.3.
Tabela 1.4- Densidade de Probabilidade de 50 componentes em sete classes de 70 horas.
Classes [h)
Densidade [lO.~h-1

Pereira/Imo

35
0,857

105
4,00

175
3 ,71

245
2,29

315
1,43

385
1,14

455
0,857

Conflahilidade de Cotnponetes e Sistemas

enJ722.hJgspot.com.br

Densidade de Probabilidade
4,50E-03

4,00E-03
3,50E-03

...

,._

-~ I I

I A- .

3,00E-03

' ...

I'

2,50E-03
2,00E-03

.'

,i

1,50E-03
1,00E-03

~~

"1

5,00E-04

~-1- ~

O,OOE+OO

100

200

300

400

500

Figura 1.3 - Funo Densidade de Probabilidade (H"1 ].

Probabilidade Acumulada
A probabilidade de falha obtida pela simples integrao da densidade de
probabilidade e a probabilidade de ocorrer a falha desde o tempo inicial (O) at o tempo de
anlise (t), assim:
I

F(t) P(O=:; t' =:; t)

=fJ(t'}dt'
o

ou ainda

dF(t) = J(t)
dt

(1.4)

Seguem as propriedades:

F(O)= J(t).dt=O F(oo)= J(t}dt =l

(1.5)

Assim, para o nosso exemplo, obtm-se os valores apresentados na tabela 1.5 e seu
grfico na figu ra 1.4. Observa-se que a funo monotnica crescente.

Probabilidade de Falha
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%

~ 4

I
~

J.

_L

.4

~~
~,

j
100

'

'

_j_

200

_l

300

400

Figura 1.4- Funo Probabilidade de Falha.

-

- -

Ptrelrallma

~~

500

Colifiabilldade de Compo111!1es e Sistemas

e11J 722.blqgspot.com.br

Tabela 1.5 - Probabilidade de Falhas de 50 componentes em sete classes de 70 horas.

Classes [h)
Probabilidade%

35

105

175

34

60

245
76

315
86

385

455

94

100

Probabilidade Complementar

A confiabilidade justamente a probabilidade de no ocorrer falha desde o tempo

inicial (O) at o tempo de anlise (t) e, portanto ser o complementar da probabilidade de
fa lha e obtida subtraindo-se de 1 o valor desta lt ima.

R(t) = 1- F(t)
ou ainda

=fJ(t').dt' - fJ(t').dt' =fJ(t').dt'

dR(t) =-f (t)

dt

(1.6)
Assim, para o nosso exemplo, obtm-se os valores aprese ntados na tabela 1.6 e seu
grfico na figu ra 1.5. Observa-se que a funo monotnica decrescente.
Tabela 1.6- Confiabilidade de 50 componentes em sete classes de 70 horas.
Classes [h)
Confiabilidade%

35

105

175

94

66

40

245
24

315
14

385
6

455

Confiabilidade
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%

,....-

'

..

'

' ~~...

1-

100

200

i ..

~" i~~

300

400

500

Figura 1.5- Funo Confiabilidade [%].

Exerccios
1.1 -Modifique os dados da tabela 1.1 multiplicando-os por n e subtraindo 10. Com os
novos valores determine o histograma, a funo densidade de probabilidade, a probabilidade
de falha acumulada e a confiabilidade. Faa o grfico de cada uma destas funes.
1.2 - Modifique os dados da tabela 1.1 dividindo-os por e, adicionando 20. Com os
novos valores determine o histograma, a funo densidade de probabilidade, a probabilidade
de falha acumulada e a conftabilidade. Faa o grfico de cada uma destas funes.

Pereira/ima

Confiahilidade de Compolletrles e Sistemas

enJ722.bJgspot.colll.bT

11 -Funo de Weibull e MTBF

Densidade d e Risco
Para continuarmos na busca de um modelo matemtico precisamos da funo
densidade de risco, que definida como o oposto da taxa de confiabilidade:

h(t)= -1 dR(t) _ J(t)

- R(t). dt - R(t)

(2.1)
I

- Jh(()dr'

Integrando esta equao por separao de variveis, obtm-se:

mas como

R(t) = R(O).e

F(O) = O ~ R(O) = 1 , segue que:

I

R(t) =e

-Jlt(t')til
(2.2)

Assim, para o nosso exemplo, obtm-se os valores apresentados na tabela 2.1 e seu
grfico na figura 2.1. Observa-se que a funo no negativa.
Tabela 2.1- Densidade de Risco de 50 componentes em sete classes de 70 horas.
105
6,06

35
0,912

Cla.sses [h]
Densidade (10.h.1 )

175
9,29

245
9,52

315
1,02

Densidade de Risco
2,00E-02

'

I
1,50E-02
1,OOE-02

_."'

5,00E-03
O,OOE+OO

~ ~
o

...

..

I~ j~ j~

l~"'

100

455

385
1,90

200

400

300

Figura 2.1- Densidade de Risco [h'

1-

500

].

Risco Acumulado
Para facilitar a modelagem, define-se a funo de risco acumulado como:

H(t) =f h(t')dt'
I

R(t) = e - H(r)
H(t) = - ln[R(t ))

O que implica em:

ou ainda:

(2.3)
Assim, para o nosso exemplo, obtm-se os valores apresentados na tabela 2.2 e seu
grfico na figura 2.2. Observa-se que a funo monotnica crescente.
Tabela 2.2- Risco Acumulado de 50 componentes em sete classes de 70 horas.
Cla.sses [h)
Risco[#]

Perelrallma

35
0,0269

105
o,181

175
0,398

245
0,620

315
0,854

385
1,22

455

Conflahilidade de Compo11etes e Sistemas

enJ722.hJgspot.cotn.br

Risco Acum ulado

1,40E+00

~-

1,20E+00

1,OOE+OO

I
I

S,OOE-01
6,00E-01

l_ ._.,

,.I..

_L

I~
' I

:,ilft-

4,00E-01
2,00E-01
0,00E+00 1- 4i'!

~~

100

200

300

400

500

Figura 2.2- Risco Acumulado .

Funes de Weibu/1 e Log-Weibu/1

A modelagem agora pode ser encerrada com uma proposta para a funo H(t}. Vamos
estudar a funo proposta por Weibull:

H(t) =( aJl. )r para t > Jl. posto queos parmetros :jl., a , re R ..

eH(t) =O
paraJ.L> t >O
f-

(2.4)

E tambm a sua similar Log-Weibull:

H(t) =

cn(t!- r
Jl.

e H(t) =O

para t > eP
para

posto que os parmetros :Jl., a , r e R+

~ '2:: t '2:: O

(2.5)

Trs exemplos da funo de Weibull podem ser vistos na figura 2.3. Do-se nomes
particulares para a funo Confiabilidade de acordo com o valor de y: assim, quando y=l a
funo ser a Exponencial, e quando y=2 a funo ser a Normal.

Funo de Weibull

Obs: o parmetro l.l desloca

8,00 , . . - - - - - - - - - - - - - - - - - -

a funo para a direita; o

gama=2

parmet ro a inclina a funo

com relao abscissa; o

gama=l
2,00 ~-----~=~~~~~
::
gama=O,S
mu=l
a=lSO

100

200

300

400

Figura 2.3- Funo de Weibull para

500

parmetro Y d curvatura
funo.

600

r= 2; r= l; r=0.5 ; ~l = 100; a=150

Para visualizar a funo Log-Weibull basta substituir o eixo das abscissas por ln(t) ao
invs de t.

P~reim/lmn

Confiabilidade de Compotretes e Sistemas

ettJ 722.bJgspot.com.br

CutVa da Banheira da Densidade de Risco

A curva da banheira, muito estudada, retrata o fato de o parmetro y, na funo de
Weibull, no permanecer constante ao longo do tempo. Assim, a funo densidade de risco:

h(t) = ~ (

r-
-:

apresentaria trs fases: a primeira, decrescente com o tempo, conhecida

como mortalidade infantil, para

de falhas constante, para

r< 1; a segunda, constante no tempo,

r= 1 ;

envelhecimento precoce, para

conhecida como taxa

e a terceira, crescente no tempo, conhecida como

r> 2.

Tempo Mdio entre/at Falha

Um parmetro de muita utilidade o MTBF ou MTTF (Mean Time Between/To Failure),
que pode ser obtido da definio de mdia: MTTF =

..Jt.f(t ).dt

Lembrando ainda q ue:

.. = ..f t. dR(t) .dt + f.. l.R(t).dt

t.R(t~ 0

dt

MTTF =

, tendo em vista que:

t.R(t ~; = O ento:

-f

R(t }dt

(2.6)

o
Dois casos so de particular interesse, pois os respectivos MTTF's podem ser
calculados analiticamente, so eles: a confiabilidade Exponencial, e a confiabilidade Normal.

MTTFexp = R(t }dt

o

=fol.dt + j e{'-,: ).dt

= JL +

j e-z.o-.dz = JL +O"
o

(2.7)

(2.8)
Dema is casos so ca lculados por int egrao numrica. Alternativamente integrao,
para o intervalo I ~r~2, pode-se uti lizar a seguinte i nterpolao:

MTTF = p + 1,1138 .u- 0 ,1138 .u.r.

Taxa de Falha
Outro parmetro comum a taxa de falha A, definida como: . = u -

No caso

particular da confiabilidade ser exponencial, e ainda para J..l=O, o MTTF ser o inverso da taxa
de falha.
Consideraes
Todo desenvolvimento realizado para se modelar estatisticamente os tempos de
quebra pode ser rigorosamente aplicado a qualquer outra varivel aleatria.

Pereira/ima

Confiahilidade de Compo11etes e Sistemas

mJ 722.bJgspot.com.br

Tempo Mdio entre Falhas Condicionado

Uma informao interessante a estimativa do tempo que ainda se deve esperar
antes que um item apresente falha sabendo que at aquele instante no apresentou falha,
denominado tempo mdio de vida residual. Este parmetro pode ser calculado pela obteno
do MTBF em t* condicionado

informao de que no houve falha at t*. Trata-se do clculo

de probabilidade condicionada, resolvido pelo teorema de Bayes.

Teorema de Bayes
Este nos diz que a probabilidade de um evento A acontecer, sabendo-se que um
evento B ocorreu igual

probabilidade de ocorrncia dos dois eventos A e B, dividida pela

probabi lidade do evento B ocorrer. Em linguagem matemtica tem-se:

P(A/B)= P(A.e.B)
P(B)

(2 .10}

Para exemplificar pode-se verificar que a probabilidade de, em um lanamento de

dados, sair o nmero 2, sabendo-se que o nmero que saiu par, 1/3. Pois:

A={2} B ={2,4,6} Ae.B={2} => P(A/ B) = P(A.e.B) = 1/6 =_!

P(A) =l/6 P(B) = 3/ 6 P(A.e.B) = 1/ 6
P(B)
3/ 6 3
Eventos Independentes e Mutuamente Exclusivos
Antes de prosseguirmos, precisamos ainda saber as relaes de unio e interseco
destes eventos.
Para dois eventos quaisquer a relao de unio :

P(A.ou. B)= P(A)+ P(B )- P(A.e.B)

(2.11}

Dois eventos so independentes se a ocorrncia de um no altera a probabilidade de

P(A/ B)=P(A) e P(B/ A) =P(B ) .

P(Ae.B)= P(A).P(B), o que implica em:

ocorrncia do outro, e vice-versa, assim:

Teorema de Bayes segue que:

P(A.ou.B)= P(A)+ P(B)- P(A).P(B)

Pelo

(2.12}

Dois eventos so mutuamente exclusivos se a ocorrncia de um anula a probabilidade

de ocorrncia do outro, e vice-versa, assim:
Bayes segue que:

P(A/ B) =O e P(B/ A) = O. Pelo Teorema de

P(A.e.B) =O, o que implica em:

P(A.ou.B)= P(A)+ P(B)

Pereira/ima

(2.13}

--

Confiahilidade de Compo1Je11tes e Sistemas

e11J 722.bJgspot.com.br

Tempo M di o de Vida Residual

Uma vez compreendido o teorema, vamos aplic-lo ao clculo do MTBF, condicionado

ao fato de que o item no apresentou falha at t*,
t'

MTBF* , assim:

..

MTBF = R(t )dt + R(t )dt,

e, para evitar confuso, vamos nome-lo

sendo R* (t) a confiablidade condicionada ao

fato de que o item no apresentou fa lha at t*.

Nomeemos os eventos:
Evento A: o item no falhou no intervalo (0, t) ou equivalentemente falhar no intervalo (t, oo)
Event o B: o item no falhou no intervalo (0/ ) ou equivalentemente falhar no intervalo (t*, oo)
Para ca lcularmos a co nfiabilidade condi cionada devemos aplicar o Teo rema de Bay es e
para isso precisamos ca lcular P(AeB) para cada um dos dois intervalos de integrao:

1" intervalo r > t

AeB = (r, oo) ~ P(AeB) = p~ < 1' < oo )= R(, )

2intervalot <t

AeB =(t ,oo) ~P(AeB) = P(I < t'< oo) = R(t)

Podemos ento obter o MTBF*:

MTBF =

" R(!)

.. R(t)

J ..

o R\IJ

,. RvJ

RVJ,

J-;:;-[;! dt + J-;:;-[;! dt = t + -;:;-[;! JR(t :k:ft

Finalmente o tempo mdio de vida residual ser:

..

tmvr = MTBF - r" = RV}l

. R (r )d1
R t I

{2.14}

Interpretao da Densidade de Risco

Pode-se atribuir outro significado para esta funo que complementa a de sua
definio. Se quisermos saber qual a probabilidade de um equipamento apresentar uma fa lha
num pequeno intervalo de tempo a partir do presente, levando em conta que at o presente
no apresentou falha, ento pode-se aplicar o Teorema de Bayes aos seguintes eventos:
Evento A: o item falhar no intervalo(t",t' + B)
Evento B: o item no falhou no intervalo (0, r ) ou equivalentemente falhar no intervalo (t*, oo)
, +e

Assi m:

J
,.

AeB = (t, r + E) ~ P(AeB) = P(c < t' <r*+ E) = J (!')d!' = J(t* }e

e, portanto:

P(AeB)
P(A/ B) = ( ) =
P B

J (t}e

t)

R t"

Como esta probabilidade depende de um intervalo arbitrrio pequeno, no nulo,

podemos dividir ambos os lados da igualdade por ele chegando definio da densidade de
risco.

Pereira//ma

lO

Conflahilldade de ComponenJes e Sistemas

enJ722.hJgspot.com.br

Exerccios
2.1- Determine o tmvr para confiabilidade exponencial (Y.-1, Ji=O).
2.2- Faa o desenvolvimento da integral da expresso {2.8}.
2.3 -Para os tempos da tabela 1.1, calcule a confiabilidade experimental como:

R{t1)= N;i, sendo No tamanho

da amostra e

H(tJ=~N~J Faa os grficos destas funes

e compare com os grficos das figuras 1.4 e 2.2.

Perelrallm4

---

11

Conflahilidade de Compo11etes e Sistemas

enJ722.bJgspot.com.br

111 - Det erminao de Parmetros

Uma vez estabelecida a funo de risco acumulado, resta determinar os valores de
seus parmetros a partir dos tempos de quebra experimentais. Neste captulo ser
apresentado o critrio da mxima verossimilhana bem como o desenvolvimento para sua
determinao.

Probabilidade de variveis discretas

Em um lanamento de um dado sextavado, a probabilidade de ocorrncia de qualquer
uma das faces um dividido pelo nmero de faces, 1/6 e no h qualquer dificuldade nesta
determinao. Pode-se ainda raciocinar que o valor da probabilidade uma relao entre as
reas de uma face somente e a soma de todas as faces.
Agora, se alterarmos o experimento para um gerador aleatrio de nmeros rea1s
compreendidos no intervalo [0;6], ento a probabilidade de ocorrncia de um nmero
qualquer nula, apesar de um nmero sempre ser sorteado. Nossa anlise quantitativa falha
porque no h como comparar um ponto com um segmento de reta.

Probabildade de intervalos de variveis contnuas

No entanto, se alterarmos nossa pergunta admitindo certa incerteza em torno do
nmero de interesse, passamos a ter como comparar o segmento
E

[0 + e;6 -

e],

[x-e;x+e]

para x

com o segmento [0;6] e ento a probabilidade pode ser determinada como a

relao entre os comprimentos dos segment os obtendo-se

P[x- e < t ~ x +e]= e/3

Essa forma de compreender a probabilidade de ocorrncia de um evento contnuo nos

possibilita responder

seguinte pergunta: Qual a probabilidade de que em um ensaio de

quebras de componentes os tempos sejam os verificados?

Admitindo-se uma incerteza

E em

torno de um tempo i determi nado, sabemos:

r1+e

P; [t; -e ~ t ~ t; +e]= J(t ).dt =2.e.f(t;).

Mas como uma quebra qualquer totalmente independente em relao a outra
quebra, a probabilidade de que todas elas ocorram ser o seu produto:

rr ~
n

p=

i =l

(2.e)".I1 J(t;)
i=l

Se alm destes n componentes que quebraram, tivssemos encerrado o ensaio no

tempo t1 e ainda restado

r componentes funcionando, ento, a probabildade deste evento ter

acontecido tambm deve ser levada em conta. A probabilidade de um componente no fa lhar

Pereira/ima

12

Confiahilidade de Co~trpo1Jetrtes e Sistemas

tlt1722.bJgspot.com.br

at o tempo t1 sua confiabilidade R(t1), e a de r componentes no falharem Fr(t1);

incorporando probabilidade anterior tem-se:
n

P=

(2.et0 J(tJK(t1 )
i =I

(3.1}

Verossimilhana
Esta probabilidade pode ser mais bem condicionada se tomarmos o logaritmo
neperiano, e assim, definimos a funo Verossimilhana como:
n

1r

i=l

l=i

L= ~)n[h(t1 ).R(t;)]+ r.ln[R(t1 )] =I {ln[h(t;))- H(t;)} - r.H(t1 )

(3.2)

O termo constante e arbitrrio dependent e de E foi eliminado da definio, pois como

veremos a seguir no interfere na derivada.

Critrio da Mxima Verossimilhana

Estamos interessados em determinar os parmetros da distribuio que melhor se
ajustem aos dados de quebra, ou seja, maximizar a probabilidade da ocorrncia, assim, basta

e desejado e igualar a zero:

derivar a funo Verossimilhana em relao a um parmetro

()L

i=l

h(t1)

-ae =I

dh(t;)_ dH(t1 )

ae

H(tJ _ O

_r

ae

ae -

(3.3)

Parmetros da fun o de Weibu/1 para Mxima Verossimilhana

Vamos determinar os parmetros da funo proposta por Weibull, usando o critrio da
mxima verossimilhana:

r-1

H(t)=e:J =?h(t)=; ( t-: )

eH(t)=O
=?h(t)=O

para t ~f.L
para f.L> t ~O

posto que os parmetros f.L,(j, ye R+*

Para o parmetro o t em-se:

H =-LH(t)=? h

a(j

(j

a(j

-L11(t)

(j

L = f_ (LH(tJ- L)+rLH(t1 )=O

()(j
(j
(j (j
i:l

I H(t1 )-n +r.H(t1 )=O

1=1

"(t_ )r +r

Pereira/Imo

; (jf.L

= n

IJ

eJtJ722.blogspot.com.br

Cotifiah/lidade de Compotteltles e Sistemas

L (t; - J.iY + r.(tf

J.i )r = n.O'r

1=1

{3.4)
Para o parmetro y tem-se:

()H =

ar

ln(t- J.i ).H(t) ~

1
'{'

(j

~ = i r-+ [H(t
or

+In(':).h(t)

P)- +rH
1

-1].1n(ti (j

1=1

t - p

- 1

(tf ).In ~f~-

=0

0'

Est a equao t ra nscendental, sua soluo ser numrica e it erativa e, pelo mtodo do
gradiente ascendente, dada por:

1
r k+1 = r k +1J.a
sendo o< 1J < 1 por ex.1J =r r,,p,
n
()L

{3.5)

Para o parmetro 1.1 tem-se:

aH

ap

()

(t - P )

H t ~

-ah =-((r-t))h(t )

ap

,- p

-I

-I

+ r.H (tf
Esta equao t ambm

=0

transcendental, sua soluo ser numrica e iterativa e, pelo mtodo

do gradient e ascendente, dada por:

1
J.ik+l = J.ik +1J.
sendo O<1J < lporex.17 =()p r,,p,
n
()L

(3 .6)

Parmetros da Conjiabilidade Exponencial para Mxima Verossimilhana

Quando a confiabilidade fo r Exponencial a funo verossimilhana ser linear em 1.1, e a
sua derivada em relao a est e parmetro ser intil para a determinao de seu mximo.
Mas, neste caso, basta t omar o maior valor permitido de 1.1 para que a funo seja maximizada
em relao a ll Como existe a restrio

J.i < t

ento:
{3.6.a)

Parmetros da funo Log-Weibu/1 para Mxima Verossimilhana

O desenvolvimento anlogo ao realizado para a funo de Weibull, e o resultado
semelhante, substituindo-se apenas os tempos t; por ln(t;) nas equaes {3.4) a (3.6).
PereiTflma

14.

Confiabilidade de Compottetrtes e Sistemas

enJ722.hJgspot.cotn.br

Mtodo de soluo iterativo

Uma

vez

que

duas

das

equaes

de

determinao

dos

parmetros

so

transcendentais, a soluo ser iterativa e simultnea na determinao dos parmetros y e IJ.

O mtodo ser primeiro calcular o valor de o usando os valores iniciais para y e IJ; note
que na sua equao seu valor no depende dele prprio. De posse dos trs valores, utilizam-se
as relaes de y e 1J para a determinao de seus novos valores, e iterativamente repete-se o
processo at a sua convergncia.
Para os nossos dados, ajustando-se a funo de Risco Acumulado por Weibull,
obtivemos os valores apresentados nos grficos das figuras 3.1 e 3.3.
Um bom ponto de partida para o ajuste da funo de Weibull

-r i titiir- 1 r ,,,,'jj,-- r r,,, ..

I

li

l tl

111 1 1 111

1 -

6.5 -

I 1 11111

I
f

I I
li

6 -r7TI1tTir - rr

11111
IIIJ

I 1111111
I I 111
- f ' 1 'tl"' rtU"'- t" "t T"H

11 111111

1 11 1 1 111

I 1111111

I
I

I 1 111111
11 111111

7.65

I 11111

I 1111111

I I 111111

I I 111111

111111111

I 111111

1 11 11111
I I 11 1111
"f ThttH-- ~ t" rl"ff
111111111
11111111

-L J !UI.IIL -L J LUiliL _ L

I I I I 11111

I I I 111111

LIJIJJI__ L 1 LtJI
H 11111
f I I 11111

1111111

I 1111111

11111111

2.5

-i"

I 1111111

11111111

I
I

"'

::1

7.5
I

7.45
74

I 111111

I 1 1 1 1111

t 1111111

I 11

-4 'tH tHI- - f-~ t-Ht+l~ - I- -++-

11111

I 111111

111

I 11 1111

HH- - I-+ rt~l

t~

~
~
Figura 3.t lera;Oes paa IN ....,;oriz.mo a Verossinihan;a

7.35

ti

100

2r~"~rr-~~mrr-.~~m-~~~
I li
I 11111 11
I I 1 1 111 1
I 1111 111

1.9

1
to
1
1

1.8 - r

111111 11
1
.... l of l fol ... - foo
11 11 1111
1
11 1 111 11
1

1111 1111
1 11 1 11 111
! IJ ll i L _ L .!. !..111! 11__ L .!.. .!.1.!.1!!1 __
111 1111
I I 1111 111
I I 1 1 11111
1111 1111
1 11 111 111
1 11 111111
~ l ~ l.f.l~ -I- -L ~ 1 1 ~ 1-- ~..a.. 4+1UI-11 1 11111
111111 111
1 11 11 1111
I 1 1 11111
I I 1111111
I I 1 11 1111
T ~ t "'T t nr- r T rt'ttnr- r.,.. r t"flnt-11 1 11111
I 11111111
I I 1 111111

1.6 1
I
,_
I

I 1 11 111
11 11 111
;. ~ ~ ~ ~
11 111 11
I 1 11 111
r rrr t
11 111 11

1.2 -

I 11 1 11111
I 11111111
I 11 111111
I
I f 1 1 11111
I lllllllf
I 11111111
I
L. .L J.I .ULU.. -L. J. L.IJ.IJJ~ -L.. J.. U .LIUI- - L
1 I 1111111
I I 1111111
I I 1111111
I
I I 1111111
I I 1111111
I I 1111111
I

r 1 ,.I"'T mr-

- r

"t r r'tnH-

- r .,.. r 1"ttnt-

11 111 11
1111111

L LIJ.I

1.1

r r rn1

I 1111111
I 1111111

I
I

I 1111111
I 1111111

I
I

I 1111111
I 1111111

I
I

I 111111
I 111111

11111111

11111111

11111111

1111111

1. 1 - f 1 Tt1iu-- f I l111i11- - ~- I l tl 1ii1- - f J tlut

I 11 11111
11 111111
1 11 1111
lllltlll
I I I li I
11111111
t-ni'Tit-- r-.,. ... ,, 1- -t- t" Hf1t1tI 1111111
I I I I 1111
I 11111111
11111111
I I I 11111
I 11111111
11111111
I I
111111
I 11111111

I
I
I
I
I

- tI
I
I

I
I

I
I
I
I
I
I

I
I
I
I
I
I

11111111
11111111

I
I

I I I I

11 1 11111

I 11111

ti"Tinl- - r r nnnr - r r

11111111
11111111
11111111
11111111
11111111
11111111

I
I
I
I
I
I

11111111
11111111
11111111
11111111
11111111

no
I 1111
I 1111
I 1111
I I
I I
I I 111

"'
---------------------- '"
I 1111111
11111111
11111111
.J L.UUil-- L J. LI.J.I.Ul-- L
11111111
I 11111111
I
11111111
I 11111111
I
11111111
I llttllfl
I

._.t ..I4U-- ~

~ ~ ~ .... ~.._- ~

I
I
I

11111111
11111111
11111111

11111111
11111111
1 1111111

I
I
I

I
I
I

11111111
L. UJJUL _ L LU
11111111
I I I 11

"'
"

3
to'
t0
Fi~oa3.2 toaQOes p!'ll Mu mr~mizardoo Eno (s!ritioo Mo

tO'

10'

I I 1 111 111
I I 1 11 1111
I I 1111111
f
-~~~H~~-~+~1 1 ~ 1 --~~~1 +1 ~ ~-~
I I 11 11111
I 111 11111
I I 1111111
I
I I I 111 111
I I 11 11111
I I 1 11111 1
I

I 11 111 1
~ HH
11 11 111
I 1 1 1111

I I 111111

1 I 1111 11

_L l l i..!I.!JL- L J. l ' J I!.II_

I

I 1 111111

I 1 1111 11

11 111111

1 1 111111

"' 1.5
"'
C>
Ei

1.3

I
I

I 1 111111
I 1 111111

I
I

-r..,. rnmr- r
1

11 111111
1
1
_1. ..!.1. ..!.1.!JL _L
I 1 1111111
I
I 11111111
I
- ~ .J. ~WWL-- lI I I I 11111
I
111111111

12 -r,. rnmr- r
I

1.1

11111111

11111111
I 1 111111

T t-l"fl tl
11 1 111
1.1..!. "11 1 111
f l i 1111
.&.
.lU.U ...
I
I 11111
1111111

I
-'-

L-0-nTn-oo'Tmm
LI !ILII__ I_ L 1_1 ! 111

I 1111111
111 11111

11 11111

~ -1-1-1-+ltH-- -I- ~ 1-i..J.I

I 1 111111
I 1 111111

I
I

1111 111

111 111111

11 11111

I
I

I 11 1111

- r r nTtrH- -r- r n n

-Ll. L'i'l.!'- -'-L UJJ

I
I

11111111
I fllllll
-'-.L U..UUlI I I 1 11111
111111111

I
I

1111111
1111111
-~ 1.. U U
I I I 11111
IIIIIJII

ri"~IT11- -r- .,. r-t1'tT1t- - r r n n

flllllll

111111111

I 11111111
IIIIIIIH

I 1111111
11111111

111111111

11111111

-i i

~~- --~-r 11Ttii1- - ~- r~-~ i11 1

11111111

t~~WU~L-~LU~L-~LU~L-~WU~

10

--

Ptrelrallma

I I 11 I I
.&.. 1-I+*IU- - I- ~l-I +4
11111111
I f I I II I
11111111
I I 11111

-r~rnmr-rTrl~tn- -~ rriTinr - r r nn

1.6 - .... ~ 4.&..1~1- -I-+ ~ ~ ~ 1 -4-1 1 -

I 111111
I 111111

I
I

I
I
I

L !. L ' .!..l ll
I
1
11
I
r
I

-L

i LUIUL

1.8 -r,. rnmr - r T r,,.,, ,-- r r i iTinr - r rnn

1 1 11 1111

!.. .l ! IJiliL- L J. !.lli.L.JI_- L.!. !.I.!.IUI __ ,_L L IJ.II

t.3

1.9

- r T r n1m- - r r ri TI

I
I
I

I 1 11111
t..
I
I
I

2 ,-"~~-.
. .~~r-.-riTrrrn~rrnm~
11 1
11 1
1 1 1 1 1111

1111 111
1 1 1111 111
1 1 11 1111
""I+ I+H-- ._ + ...HIHI - - 1- ~ ... l -ti
1111 111
1 11 1 11111
1 11 1 11 11
1111 111
111 1

T l"t"Tin- r

1 11

1.7

1
1

I 11 11111
I I I 11 111
11 111111

7.55 -rTrnmr-r

3 -tTTtlTr-rtltl.nr-r. -~n,--rrr.itl
I

I I I 11 til

UJI,.. - I.. .L .1.. I.J IJ.ll_

-r..,.

r 1 it11Tit-- r r.-,, ..

-r~ THrt1~- r -r THH1~111111111

I
I
I

I 111111

_L.! J. I.JI!II__ L .l LUI

I 11 11111

L. .J. J.. W

I
I
I

11
I I 1111111
I I 111111
t - - J- "t 1"1,11'11- - J- 1" rt"tl

- i 1 ilitTtr- r 1 T1TnI

76

I I 111 111
I 1111111

I I 1111111
I I 1111111
I I 1111111
111111111111111111111111111

3.5

I
-

r -rtrnmt-- rrrn

-1. .l J.UWL_ L ..1 J.UW

I 1 1 1111

't 1 't l"i11"1 ~ - T

t-Ht+l~ - ~'i" TI~ ITII-- ~ T r t~l 11111 1111
I
1111111
1 11 111111
111 1 1111
J. J .I. IJill t..- L ..l UWL- L. J. LI.HJJI_- L.1 L I.J. I

I I 1 1 11111
I 11111111

5.

J1o =t1j 2,e ro= l.

VJ'
10'
to'
f'Oira 3.3 lera;OO$ paa <Me ma:llrRzar) a 'oi!JlSSlnlata
t0

15

Conflahilldade de ComponenJes e Sistemas

en3722.hlogspot.com.br

Exerccios
3.1- Mostre que para a confiabilidade exponencial {Y=1), um bom estimador do MTBF,
usando o critrio da mxima verossimilhana, a mdia dos tempos de falha da amostra,
desde que todos os componentes tenham falhado.
3.2 - Escreva uma rotina computacional e determine numericamente os parmetros
para os dados de quebra da tabela 1.1 usando o critrio da mxima verossimilhana. Compore
seus resultados com os grficos das figuras 3.1 e 3.3.
3.3 -Faa o desenvolvimento analtico para determinao dos parmetros utilizando a
funo Log-Weibu/1 e o critrio da mxima verossimilhana.

--

l!trelrallma

--

16

Confiahilidade de Compo1retrtes e Sistemas

enJ722.bJgspot.cotn.br

IV- Ensaios Acelerados

Justificativa
Muitas vezes, o tempo necessrio para que um dado item apresente falha pode ser
muito elevado, o que no s encarece o ensaio como tambm pode inviabiliz-lo, pois a
informao j no ter utilidade quando estiver disponvel. Sendo assim muito interessante
utilizar o fato de que os fatores de estresse, tanto as condies ambientais quanto a carga de
trabalho, diminuem o MTIF na medida em que so aumentados. Desta forma o ensaio poder
ser realizado em um tempo menor e os dados obtidos serem correlacionados s condies
operacionais desejadas.

Hipteses
Para que possamos tirar proveito da influncia que os fatores de estresse exercem
sobre a distribuio de falhas, necessrio estabelecer hipteses de trabalho para que os
valores dos parmetros das distribuies em diferentes nveis de estresse possam ser
correlacionados. So duas as hipteses:
1. Hiptese de equiprobabilidade:

R(t, B) = R'(t', B')

2. Hiptese de proporcionalidade: t =

A(s,s'}t'

(4.1)

Os apstrofos indicam variveis no nvel mais estressado, enquanto sem o apstrofo

no nvel menos estressado. A o fator de acelerao, maior do que um, e dependente dos
nveis de estresse comparados (s, s').
O diagrama apresent ado na figura 4.1 utilizado em Lgica Fuzzy para ilustrar o
princpio de extenso de Zadeh, que suporta toda matemtica de funes de variveis fuzzy,
aqui ns o utilizamos para ilustrar as duas hiptese acima alm de estabelecer uma
comparao com o princpio de Zadeh.
t

t=A.t'

R'(t')

Figura 4.1- Diagrama ilustrativo do Princpio de Zadeh.

Pereira//ma

17

eJt3722.blogspot.com.br

Cotifiah/lidade de Compottettles e Sistemas

No quarto quadrante plotado o grfico de R'(t' ) obti do no ensaio acelerado; no

primeiro quadrante plotada a relao linear entre te t', hiptese 2; no segundo quadrante
plotado o grfico de R(t) admitindo a igualdade com R'(t' ), hiptese 1. A comparao com o
princpio de Zadeh se faz ao tomarmos nossa varivel aleatria tempo de quebra como uma
varivel fuzzy e a confiabilidade como uma funo de pertinncia.
Nossas hipteses trazem as seguintes consequncias imediatas:
- consequncias da equiprobabilidade

F(t , B) =1- R(t, B) =1- R'(t', B') = F'(t', B')

H(t, B) = -ln [R(t, B)] = - ln[R'(t',B')) = H'(t', B')

(4.2)

- consequncias da proporcionalidade para as derivadas

J (t, B) = dF(t,B) = dF'(t', B'). dt' = I_ f'(t' ,B')

dt

dt'

dt

h(t B) = dH(t , B) = dH'(t', B').dt'

'
dt
dt'
dt

= ~h'(t' B')
A

(4.3)

'

- consequncia da proporcionalidade para a integral

MITF(B) = R(t, B}dt

=r R'(t', B').A.dt' =AMITF'(B')

(4.4)

Correlao entre parmetros para diferentes nveis de estresse

Calculemos agora a correlao existente entre os parmetros das distribuies para
diferentes nveis de estresse a partir do valor do fator de acelerao:

Funo deWeibull:

H(t)=

t-

.a

J.L)' parat > J.l

O para O< t < J.l

Usando-se as hipteses e suas consequncias obtm-se:

r=r
I

a = A.a
,
J.l = A.j.t

ou

(4.5)

Lembre que a confiabilidade exponencial e a normal so casos particulares de Weibull

para os valores de

r = 1 e r = 2' respectivamente.

Funo Log-Weibull:

H(t) =

( ln{t~- J.l )

parat > e11

O para O< t < e 11

Usando-se as hipteses e suas consequncias obtm-se:

Pere/r(/ma

18

Confiabilidade de Comp0111!1es e Sistemas

eltJ722.bJgspot.cotn.br

ou

(4.6)

Determinao do fator de acelerao

Vamos admitir que se queira ajustar a funo de Weibull. Para isso determinam-se
primeiramente quais nveis de est resse sero ensaiados, respeitando-se um nmero mnimo
de dois nveis distintos.
Para efeito de raciocnio, podemos utilizar o critrio da mxima verossimilhana ao
conjunto de dados de quebra do nvel de estresse mais prximo das condies norma is, e
determinar os parmetros J.t,

a, Y. Como visto anteriormente, o parmetro Yk no modificado

pelo fator de acelerao, sendo, portanto feito constante para todos os demais nveis de
estresse ensaiados quando da determinao dos demais parmetros """' ak.
No entanto estes parmetros no esto livres para variar, pois devem respeitar a:
f.L

= Ak1-lt

e <J

=Ak.ai:

. Nesse caso, a funo de risco acumulado para os demais nveis pode

ser reescrita em funo de Jl./ ~ e

para aquele nvel de estresse:

o'/ A1 , passando a depender somente do fator de acelerao

Ht (t;t )

=(~ J~-J.Lr;

sendo a funo de risco equivalente:

A determi nao do fator de acelerao far-se- impondo o critrio da m xima

verossimilhana para este par metro. As derivadas em funo de Ak ficam:

Finalmente, aplicando-se o critrio obtm-se:

=0
Esta equao tambm transcendental, sua soluo ser numrica e iterativa e, pelo
mtodo do gradiente ascendente, dada por:

(4.7)

Pereira/ima

19

Confiahilidade de Compo11ues e Sistemas

enJ722.bJgspot.com.br

Agora podemos pensar numa funo verossimilhana que englobe todos os ensaios
acelerados e impor sua maximizao para determinao dos parmetros Jl,

a, Y.

Onde: k o contador do ensaio, variando de O a m;

i o contador do tempo de quebra de cada ensaio, variando de 1 a nk

O o ensaio com nvel de estresse mais prximo s condies normais, e Ao=1

Para o parmetro cr tem-se:

n*

L LH.t(t;k )+rk.Hk(tfk )
1=1

k=O

u=

"t

=L L (A:Jik- ,u}Y+rk.(Ak.tjk- ,u)r

n .t,:Q

(4.8)

1=1

Para o parmetro v tem-se:

Esta equao transcendental, sua soluo ser numrica e iterativa e, pelo mtodo do
gradiente ascendente, dada por:

r p+l

rp

aL
+TJ.ar r

sendo o<TJ <l porex.TJ ==;n =

n

11

p r p

"'

I nk
k =()

Para o parmetro f..l tem-se:

ai

- I

111

-I

-a,u =LL
1=1
"

=0

(4.10)

k=O

Esta equao tambm transcendental, sua soluo ser numrica e iterativa e, pelo mtodo
do gradiente ascendente, dada por:

ai

sendo o< TJ < 1por ex.TJ = =

~
n
T, Jl,

,up+l = ,lLp +TJ.a

A determi nao dos parmetros da funo de Weibul bem como os fatores de

acelerao sero determinados simultnea e iterativamente com as equaes (4.7) a (4.10).
-

Ptrelm/lmn

--

20

Confiahilidade de Compo11ues e Sistemas

enJ722.hJgspot.cotn.br

Lei da potncia inversa

O problema da determinao dos parmetros da funo de risco acumulado em
condies normais (sn), uma vez conhecidos estes parmetros em condies estressantes {s0 ),
passa a ser a determinao do fator de acelerao A{sn.s0 ).
Agora podemos propor uma funo para o fator de acelerao em funo do nvel de
estresse, proceder ao seu ajuste e finalment e us-la para fazer a extrapolao para as
condies normais.
Uma proposta de funo bastante intuitiva a proporcional a uma potncia do nvel
de estresse (tambm conhecid a como potncia inversa), de expoente

experimenta lmente, assim:

qE R..,.

ajustado

(s1) = s1

So

Para mais facilmente aplicarmos o critrio dos mnimos quadrados e obtermos o valor
do expoente {, vamos definir as variveis auxiliares:

Definindo o erro quadrtico mdio como:

x1

EQM

=ln
1

S;

so

e y 1 ln( A; ) ,

=-L (y
m

1-

ficando a

y 1 )- e minimizando o

nl 1=1
m

L Y; .X;

seu valor em relao ao expoent e { obtm-se:

q = -=~==-!-,- -

(4.8)

2:x/
1=1

Obs.: Caso a varivel de estresse seja a carga de trabalho, ento o parmetro {pode, a priori,
ser igua lado

unidade, prescindindo-se de um segundo ensaio.

Agora podemos extrapolar o fator de acelerao para as condies normais, e uma vez
que, o fator de acelerao definido como maior que a unidade, procede-se ao seu clculo
~

e, finalmente,

--

Ptrelrallma

O'N =0'0.(sN)

21

Confiabilidade de Compo1retrtes e Sistemas

eJt1722.hJgspot.cotll.br

Estresse sob mltiplos fatores

A fim de acelerar ainda mais os ensaios de quebra, pode-se submeter o componente a
estresse mltiplo, aumentando-se simultaneamente os valores de mais de uma varivel
operacional. Neste caso, o fator de acelerao tambm ser funo de mltiplos fatores.
Uma funo razovel, consequncia da potncia inversa, a produtria de potncias
dos fatores de estresse. Assim:

Onde: i o contador do ensaio, variando de 1 a m;

k o cont ador do fator de estresse, variando de 1 a n ..
I

O o ndice do ensaio de referncia onde todos os fat ores de estresse esto mais perto
das condies normais.
Para mais facilmente aplicarmos o critrio dos mnimos quadrados e obtermos o valor
dos expoentes { k, vamos definir as variveis auxiliares: xk (i)= In

ficando a estimativa y(i)

=In([s(O ),s(i )])=f t .xt (i).

k=l

Definindo o erro quadrtico mdio como:

EQM = - L(.y(i) m t=l

y(i))- e minimizando

o seu valor em relao a cada um dos expoentes {1obtm-se:

111

1/1

L x2 (i).xi (i)

=L

i=l

Y(i).xi (i); para j

= lan

1=1

e finalmente:
m

l
2

- I

LX1(i).x1(i) L ~(i).x. (i)

L x, (i).x1(i)

L y(i).x1(i)

i=l

=l

=l

no

I=I

LX1(i ).x2 (i) Lx2 (i~~(i) ... L x, (i ).x2 (i)

1=1

/ =I

no

L
i=l

Ptrt.lra/lmn

x l

..

1=1

111

L Y(i~x2 (i)
i=l

(4.9)

111

i=I

=l

(i ).x, (i) L ~(i).x, (i) ... L XII (i ).x, (i)

L Y(i ~x,(i)
1=1

22

Confiahilidade de Cotnpo11etes e Sistemas

enJ722.bJgspot.com.br

Modelos f sicos para determinao do fator de acelerao

Em alguns casos possvel estabelecer uma lei fsico-qumica entre o valor do fator de
acelerao e a varivel ambiental, facilitando o clculo da extrapolao. O modelo de
Arrhenius relaciona o fator de acelerao A 1 com a Temperatura T1 atravs de;

Os valores das temperaturas na frmula de Arrhenius esto em Kelvin.

Para essa lei preciso determinar-se o valor de {r, assim, pelo menos dois ensaios em
temperaturas distintas so necessrios.
Analogamente ao que foi feito anteriormente para aplicarmos o critrio dos mnimos
quadrados e obtermos o valor do expoente { r, vamos definir as variveis auxiliares:

x., =

~ _ _.!_
I;,

e y 1 ln(A;), ficando a estim ativa y1 = ln ((T; ))= ~r .x1

Define-se o erro quadrtico mdio e minimiza-se o seu valor em relao ao expoente

{ r e obtm-se a frmula (4.8).

Por ltimo pode-se misturar mais de um modelo, para vrios fatores de estresse,
multiplicando-se as funes. O nmero total de ensaios ser o do nmero de variveis de
estresse acrescido de um, para a referncia.
Exerclcio s

4.1- Desenvolva a frmula para determinao do fator de acelerao caso a funo de

Risco Acumulado que se quer ajustar seja a Log-Weibulf.

Perelralhnr~

--

23

eJtJ722. blogspot.com.br

Cotifiah/lidade de Compottettles e Sistemas

V - Associaes Fundamentais
Componentes so montados de formas bastante particulares dando origem a modelos
complexos. Para que possamos analisar estes modelos vamos iniciar estudando associaes
bsicas e deduzir suas relaes fundamentais, ou seja, determinar a confiabilidade do sistema
a partir das confiabilidades conhecidas de seus componentes.
Associao Sr ie

A primeira e mais simples das associaes a Srie, nela est representada a situao
onde o funcionamento do sistema depende do funcionamento de todos os seus componentes.
A fa lha de qualquer um deles leva

fal ha do sistema. Graficamente pode ser representada ou

pelo Diagra m a de Confiabilidade, figu ra 5.1.a, ou pela rvore de Falhas, figura 5.l. b.

F alha do S i stema

~ ou

R2

R1

F1

'2

'N

Figura 5.1.b- rvore de Falhas

Figura 5.1.a- Diagrama de Confiabilidade

A probabilidade de o sistema estar operante ser a probabilidade de todos os

componentes estarem operantes, e como so independentes entre si, tm-se:

nR;(t)
N

Rs(t)=

(5.1)

=l

A ssociao Paralelo

A segunda e no menos simples das associaes a Paralelo, nela est representada a

situao onde a falha do sistema depende da falha de t odos os seus componentes. A operao
de qualquer um deles garante a operao do sistem a. Graficamente represent ada conforme
figuras 5.2 a e b.
Rl

F a lha d o S1stema

R2

E
I I

~I

Rn

Figura 5.2.a -Diagrama de Confiabilidade

Pereir(ima

F1

'2

'\
I

l
~

Figura 5.2.b- rvore de Falhas

Confiabilidade de Cotnp0111!1es e Sistemas

enJ722.hJgspot.com.br

A probabilidade de o sistema falhar ser a probabilidade de todos os componentes

falharem, e como so independentes entre si, tm-se:

(5.2)
i:I

A.s sociao Srie(de)-Paralelo(s)

Uma combinao elementar das duas anteri ores uma srie de associaes em
paralelo. Graficamente representada conforme figuras 5.3 a e b.
Falha do S1stema

,--

R1

1-

R2

L-

R1

1-

R2

Figura 5.3.a -Diagrama de Confiabilidade

Figura 5.3.b- rvore de Falhas

A probabi lidade de o sistema estar operante ser a probabil idade de todas as

associaes paralelo estarem operantes:
2

RsP(t)= f1 1-fi F
i=l

{5.3)

j =l

Associa o Paralelo(de)-Srie(s)
Out ra combinao elementar das duas bsicas um paralelo de associaes em srie.
Graficamente representada conforme figuras 5.4 a e b.
F alha do Sisttema

R1

R2

R1

R2

Figura 5.4.a - Diagrama de Confiabilidade

Figura 5.4.b -rvore de Falhas

A probabilidade de o sistema falhar ser a probabilidade de todas as associaes srie

rr 1-rrR
2

falharem:

FPS (t)=

i =l

Ptrelrallmn

(5.4)

j=l

25

Confiahilidade de Compo11etes e Sistemas

e1tJ 722.bJgspot.com.br

Uma comparao entre essas duas associaes, tomando-se n componentes por

associao e n associaes, pode ser feita para pequenos valores de F (F l/n), assim:

RPs{t)- 1- n" .F"(t)

R5 p(t) =1- n.F"(t)
chegando-se

concluso que as redundncias em nvel mais elementar produzem melhor

confiabilidade sistmica do que as redundncias em nvel mais elaborado.

Associao Paralelo K (fora) de N
Uma associao tambm muito til

a associao em paralelo onde um nmero

limitado de componentes, no caso k (k<n) podem falhar sem que o sistema falhe. Caso o k+l
zimo componente falhe, o sistema apresentar a falha.
Nesta caso, a confiabilidade deve ser calculada levando-se em conta todas as
configuraes favorveis. Por convenincia, cada configurao que analisaremos ser
mutuamente exclusiva com as demais, nos possibilitando somar as probabilidades.

1. Modo: nenhuma falha

22. Modo: uma falha

~0-+&&G
0-+~ && G
0-+0-+&~G
0-+0-+0+&~
(K+l)2. M odo: k falhas

~~~~G
0-+~~~G
0-+0-+0+~~

Tem-se

Rk = c; .Rn-k.{1- RY

0-+0-+0+&~
Figura 5.5 - Representao de uma associao Paralelo K (fora) de N.
Finalmente a confiabilidade do sistema ser a soma:
k

R= L c ;.Rn-j .{1 - R)1

(5.5)

j=O

Perelrallma

26

Conflahilidade de Compo11urtes e Sistemas

e11J 722.bJgspot.com.br

VI - Associaes Complexas
Modelos mais complexos no admitem a aplicao imediata das tcnicas apresentadas
no capitulo anterior, exigem mtodos de soluo diferenciados. Neste capitulo sero
abordados quatro mtodos de soluo: Decomposio, Tie-Set, Cut-Set e Tabela Booleana.

M todo da Decomposio
O mtodo consiste em decompor o evento em dois conjuntos mutuamente exclusivos
e recuperar a confiabilidade do todo pela soma das partes. Assim, supondo que S designe o
sistema complexo que desejamos calcular a sua confiabilidade e A um de seus componentes:

U = (A.ou.A )
-)
=> S = (S.e.A ).ou. (S.e.A
S = S.e.U

=> R(S)= R(Sj A).R(A)+ R(S/A).R(A)

Ou dito de outra forma, a confiabilidade do sistema igual

confiabilidade do sistema

sabendo-se que o componente A no apresenta falha multiplicada pela confiabilidade do

componente mais a confiabilidade do sistema sabendo-se que o componente A apresentou
falha multiplicada pela probabilidade de falha do componente.

comum usar-se a seguinte notao:

(6.1)
Sendo que 11e

o, indicam a substituio do componente i no sistema ou por um componente

infalvel (11) ou por outro que j falhou (O;). Convm mencionar uma propriedade importante: a
confiabilidade do sistema linearmente dependente da confiabilidade de cada componente
tomado isoladamente:
(6.2)
Esta propriedade ser explorada no ca ptulo sobre ndices de desempenho.
Como exemplo do mtodo da decomposio, vamos calcular a confiabilidade do
sistema complexo visto na figura 6.1.

Ra
Re

Rb
Rd

Rc
Figura 6.1- Sistema complexo de cinco componentes, sendo o E o componente chave.

Perelrallma

27

Conflahilidade de Componetes e Sistemas

enJ722.hJgspot.com.br

Escolhe-se o elemento que mais simplifica a anlise, neste caso o componente E, e

aplicando o mtodo obtm-se os diagramas mostrados na figura 6.2 a e b.

Ra

Rb
~-Re

Re

Rb
Rd

Rd

Rc
Figura 6.2 .a- Diagram a de Confiabilidade aps a decomposio.
Falha do Sistema

Fe

1- F

F
d

Figura 6.2.b -rvore de falhas aps a decomposio .

Obs: A rvore de Falhas da figura 6 .2.b fo i obt ida a partir do Diagrama de Confiabilidade aps
a aplicao do M todo da Decomposio, figura 6.2.a, aplicando-se as Leis de M organ.
Finalmente obtemos:

- -

Perelrallmfl

- ----

28

Confiahilidade de Cotnp0111!1es e Sistemas

enJ722.hJgspot.cotn.br

M todo do Tie-Set
Este mtodo consiste em se determinar todos os sub-sistemas mnimos de
componentes que mantm o sistema operacional quando todos os demais componentes no
pertencentes a este sub-sistema falharam. Para que o sub-sistema escolhido seja mnimo,
necessrio que a falha de qualquer um de seus componentes leve falha do sistema. A
confiabilidade do sistema ser a confiabilidade de todos os subsistemas.
Vamos, para exemplificar o mtodo do Tie-Set, trabalhar com o mesmo sistema
complexo apresentado na figura 6.1.
Os sub-sistemas mnimos so:~

={A,B} T2 = {E,B}

1'_1 = {E,D} T4

={C,D}

A confiabilidade da unio de todos ser :

Rs = R(~)+ R(T2 )+ R(T3 )+ R(~) +

- R(T;.e:T2 ) - R(T,.e:rJ - R(T;.ei4 ) - R(T2 .ei3 ) - R(T2 .ei4 ) - R(T3 .e~ )+

+ R(T; .e.T2 .e.J;)+ R(T; .e:I'2 .e:I'4 )+ R(T;.e.J;.e.T4 )+ R(T2 .e:I'3 .e:I'4 )+
- R(T; .e:J'2 .e.T3 .e.T4 )
Calculando as confiabilidades temos:

Para os termos unitrios positivos:

R('T;) = R11 .R8

Para

R(T2 )= RE.R8

R(T3 )= RE.R0

R(TJ= Rc.Ro

os termos dois a dois negativos:

R(T; .e.T2 )= R11 .R8 .RE R(T;.e.T3 )= R11 .R8 .R0 .RE R(~.e.T4 ) = R11 .R8 .Rc.R 0
R(T2 .e.T3 )= R8 .R 0 .RE R(T2 .e:T4 ) = R8 .Rc.R0 .RE R(T3 .e:J'4 )= Rc.R0 .RE

Para os termos t rs a trs positivos:

R(T; .e.T2 .e.T3 ) = R11 .R8 .R0 .RE R(I;.e.T2 .e.TJ= R11 .R8 .Rc.R0 .RE
R(r. .e.T3 .e.T4 ) = R11 .R 8 .Rc .R0 .RE R(T2 .e.T3 .e.T4 )= R8 .Rc.R 0 .RE

Para o termo dos quatro, negativo:

R(~ .e.T2 .e:J;.e.T4 ) = R11 .R 8 .Rc .R0 .RE

Somando-se todos os t ermos:

Ptrelrallmn

29

Conflahilidade de Cotnpotlttes e Sistemas

enJ722.hJgspot.com.br

M todo do Cut-Set
Este mtodo consiste em se determinar todos os sub-sistemas mnimos de
componentes que mantm o sistema inoperante quando todos os demais componentes no
pertencentes a este sub-sistema esto operantes. Para que o sub-sistema escolhido seja
mnimo, necessrio que a operao de qualquer um de seus componentes leve operao
do sistema. A no confiabilidade do sistema ser a no confiabilidade de todos os subsistemas.
Vamos, para exemplificar o mtodo do Cut-Set, trabalhar com o mesmo sistema
complexo apresentado na figura 6.1.
Os sub-sistemas mnimos so:

A no confiabilldade da unio de todos ser:

Fs =F(C, )+F(C2 )+F(C3 )+F(CJ +

- F(C1.e.C2 ) - F(C1.e.C3 ) - F(C1.e.C4 ) - F(C2 .e.C3 ) - F(C2 .e.C4 ) - F(C3 .e.C4 )+
+ F(C1.e.C2 .e.C3 )+ F(C1.e.C2 .e.C4 )+ F(C 1.e.C3 .e.C4 )+ F(C2 .e.C3 .e.C4 )+
- F(C1.e.C2 .e.C3 .e.C4 )
Calculando as no confiabilidades temos:

Para os termos unitrios positivos:

Para os termos dois a dois negativos:

F(C1.e.C2 )= FA.F8 .Fc.Fo.Fe

F(C2 .e.C3 ) = FA.F8 .F0 .Fe

F(C1.e.C3 )= FA.Fc .F0 .Fe

F(C2 .e.C4 )= F8 .Fc .F0 .Fe

F(C3 .e.C4 )= FA.F8 .Fc .F0 .Fe

Para os termos trs a t rs posit ivos:

F(C 1.e.C2 .e.C3 )= FA.F8 .Fc.F0 .Fe

F(C 1.e.C3 .e.C4 )= FA.F8 .Fc.F0 .Fe

F(C1.e.C4 )= FA.F8 .Fc.Fe

F( C1.e.C2 .e.C4 ) = r~ .F8 .Fc .F0 .FE

F(C2 .e.C3 .e.C4 )= FA.F8 .Fc .F0 .Fe

Para o termo dos quatro, negativo:

F(C1.e.C2 .e.C3 .e.C4 ) = FA.F8 .Fc.F0 .Fe

Somando-se todos os termos:

Ptrelrallma

30

Co~tflahilidade

eltJ722.blogspot.com.br

de Compottettles e Sistemas

Mtodo do Tabela Booleano

Este mtodo consiste em se montar uma tabela contendo todas as combinaes
possveis dos estados operante (1) e inoperante (O) de cada componente e o respectivo estado
operante/inoperante do sistema. Aps isso, agrupam-se os estados operante/inoperante do
sistema e extrai-se uma expresso lgica dependente das confiabilidades dos componentes.
Vamos montar nossa tabela para o sistema da figura 6.1.
Tabela 6.1- Tabela Booleana para o diagrama de confiabilidade da figura 6.1
A

1
1

1
1
1
1

1
1
1
1
1
1
1
1

1
1
1
1
1
1
1
1
1
1

1
1
1
1
1
1
1
1
1
1

1
1

o
o

1
1
1
1

o
o

o
1

1
1

o
o

1
1

o
o

1
1

o
o

1
1

o
o

o
o

o
o

o
1

1
1

o
o

1
1

o
o
o
o
1
1
1
1

o
o
o
o
1
1
1
1

o
o
o
o
1
1
1
1

o
o
o
o

o
o
o
o
o
o
o
o
1
1
1
1
1
1
1
1

o
o
o
o
o
o
o
o

o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o

ABCDE
ABC DE
ABC DE
A.BCDE
AB.CDE
B,CDE
ABCDE
AB_cDE
ABC.OE
ABC.OE

BCDE
.BCDE

COE
DE

B~DE

-,oE

.BJ: DE

BC,QE
B.OE

B.QE

BCDE
.BC DE

COE

COE

ABCD.E;

ABDf

ABOE

AB.Qf.

AB.Qf.

AB.Df

AB.CQE
ABalE

B.C.OE

o
o
1

1
1
1
1

ABCDf
ABCDE
ABCDE
A.BCOf
AB.CD.E:

o
o
o
1

ABCD.E

o
o
o
1

AB.CDE

Aps as sucessivas simplificaes, obtm-se a confiabilldade do siste ma com:

R5 = R0 .RE+ R8 .(1 - R0 ).RE+ Rc.(l- RE~R0 + RA.(1- Rc ).R8 .(1- RE).R0 + RJl - R0 ).R8 .(1- RE)
Por ltimo deve-se mencionar que uma forma alternativa pode ser montada a partir
dos est ados inoperantes do sistema, obtendo-se a no confiabilidade do sistema.
Verifique que, apesar de aparentemente as frmulas para a confiabilidade do sistema
determinadas pelos quatro mtodos serem diferentes, ao substituirmos as confiabili dades dos
componentes pelos respectivos nmeros, as quatro determinam o mesmo valor.

Pereirfimn

---

31

Confiahilidade de Compo1umtes e Sistemas

enJ722.bJgspot.com.br

Ajust e da funo de Risco Acumulado do Sistema

Uma vez determinada a expresso da confiabilidade do sistema em funo das
confiabilidades dos componentes, por qualquer um dos mtodos apresentados, pode-se
pensar em ajustar uma funo para o Risco Acumulado que reproduza os dados numricos.
Neste caso, o critrio para a determinao dos parmetros ser a minimizao do Erro
Quadrtico Mdio (EQM) entre os dois valores da funo de risco acumulado, o calculado pela
funo a ser ajustada e o calculado numericamente a partir dos componentes.

Critrio do M fnimo Erro Quadrtico Mdio

Pode-se dete rminar o va lor num rico da funo de risco acum ulado como :

O erro quadrtico mdio associado fica:

11

CJEQM
EQM=- :L{H(t1 )-Hexp(t;)} =-I: e; com ()
n r-t
n l=t
B
1

1 "

CJH(t1)
=- :Le;. () =0
n 1..1
B
2

11

Parmetros da funo de Weibu/1 para Mnimo EQM

Admitindo-se a funo de Weibull para a funo de r isco acumulado, procede-se
derivao em funo de cada um dos seus parmetros.

Para o parmetro o tem-se:

r
<7=

11

LHxt> k ).(t;-p)Y
i =I

(6.3)

Para o parmetro y tem-se:

Esta equao transcendental, sua soluo ser numrica e iterativa e, pelo mtodo do
gradiente descendente, dada por:

CJEQM

= rk -TJ. ar

r~:

sendo O< TJ < 1

(6.4)

Pereira/i ma

32

Confiahilidade de Compo11etrJes e Sistemas

e11J 722.bJgspot.com.br

Para o parmetro~ tem-se:

aEQM

_-2Lne..H(t {t;-J.l)-1-0
-

--=~- -

aIJ.i

j,.j

Esta equao tambm transcendental, sua soluo ser numrica e iterativa e, pelo mtodo
do gradiente descendente, dada por:

sendo O< TJ < 1

(6.5)
Parimetros da Conjiabildade Exponencial para Mnimo EQM
Quando a confiabi lidade fo r Exponencial o desenvolvimento ser ligeiramente
diferente, chegando -se a:

(6.5.a)
Parmetros da funo Log-Weibu/1 para Mnimo EQM
O desenvolvimento anlogo ao realizado para a funo de Weibull, e o resultado
semelhante, substituindo-se apenas os tempos t 1 por ln(t1) nas equaes (6.3) a (6.5).
M todo de soluo iterativo
Analogament e

determinao dos parmetros para os componentes, aqui tambm a

soluo ser por iterao numrica, porm, aqui o nmero de termos das somatrias no
envolve custos de ensaio, uma vez que seus valores so obtidos por simples clculo numrico,
sendo o nico inconveniente o tempo de processament o.
Usando-se os dados obtidos no exe rccio 2.3 para a funo de r isco acumulado, e
ajustando-se a funo de Weibull obtivemos os valores apresentados nos grficos das figuras
3.2 e 3.4.
Exerccios
5.1 -Faa o desenvolvimento analtico para determinao dos parmetros utilizando a
funo Log-Weibu/1 e o critrio do mnimo erro quadrtico mdio.
5.2 - Escreva uma rotina computacional e determine numericamente os parmetros
para os dados de quebra da tabela 1.1 usando o critrio do mnimo e"o quadrtico mdio.
Compare seus resultados com os grficos das figuras 3.2 e 3 .4.

Pereirallma

33

Confiabilidade de Compottet.es e Sistemas

enJ 722.bJgspot.cotn.br

VIl- fnd ices de Desempenho

Uma questo muito importante em confiabilidade saber determinar qual
componente deve ter sua confiabilidade melhorada de forma a otimizar a melhora da
confiabilidade do sistema. Intuitivamente pode-se responder a esta questo priorizando o
componente de menor confiabilidade. No entanto, como veremos, isto s valido para
sistemas srie simples. Outra questo saber identificar rapidamente a causa de uma falha de
sistema. Para, ento, poder-se respon der a estas questes de forma sistemtica e confivel,
que se desenvolveu o conceito de ndice de desempenho em conflabilidade. E o mais
interessante que dependendo da questo a responder um ndice ser o mais indicado.

fndice de Birmbaun
O ndice de Birmbaun igual probabilidade de um componente estar em estado
crtico. Um componente se encontra em estado crtico quando o seu estado, operante ou
inoperante, determina o estado do sistema de forma idntica. Seu clculo obtido pela
derivada da confiabilidade do sistema em funo da confiabilidade do componente:

I~ = :iRs
'

:iRt

(7.1)
Por esta frmula percebe-se facilmente porque este ndice o indicado para priorizar
qual dos componentes deve ter sua confiabilidade aumentada para se obter uma melhora da
confiabilidade do sistema.
H uma forma alternativa muito prtica para se calcular este ndice, usando o mtodo
da decomposio para exprimir a confiabilidade do sistema em funo da confiabilidade do
componente, equao (6.3), e em seguida derivando obtm-se:

(7.2)
Para fixao dos conceitos vamos calcula r o ndice de Birm baun pela derivada, pe lo
mtodo da decomposio

e pela definio da

probabilidade de o componente estar em estado

crtico.
A

Figura 7.1-Sistema complexo com quatro componentes.

Pereira/ima

Confiahilidade de Compo11etes e Sistemas

e1tJ 722.bJgspot.cotn.br

O clculo da confiabilidade do sistema complexo da figura 7.1 foi executado aplicandose o mtodo da decomposio para o componente A. Alm disso usou-se a notao:

Calculando o ndice de Birmbaun a partir das derivadas para os componentes da figura

7.1 obtm-se:

Faamos ago ra o clculo do ndice de Birmbaun pela definio da probabilidade de o

componente esta r em estado crtico.
O componente A estar em estado crtico quando D estiver operante e C estiver
inoperante, ou quando D estiver inoperante e B estiver o perante assim:

I A = R0 .R c + R 8 .R0

Verifique que esta forma igual anterior.

O componente B estar em estado crtico quando D estiver inoperante e A estiver

operante,assrm:

18 = RA.Rv

O componente C estar em estado crtico quando A estiver inoperante e D estiver

o perante, assrm:

I c8 = R 0 .R
A

O componente D estar em estado crtico quando A estiver operante e B estiver

inoperante, ou quando A estiver inoperante e C estiver operante assim: /~

= RA.R8 + Rc ~.

Por ltimo, aplicando o mtodo da decomposio obtm-se:

I~= Rs (1J- Rs(OJ = (1 - R8 .R0 ) - RcRv

l% = Rs (1 8 ) - Rs (0 8 ) = RA.R0 + R0 .(1- RA .RJ- R0 .{1- R".Rc )= RA.R 0
Ig = Rs (l c )- Rs (Oc )= RA.RD+ RJl- R8 .R0 ) - RJl - R8 .R0 )= RA.RD
1g = Rs (l 0 ) - Rs(0 0 )= {1- RA.Rc )- RAR8
lndice de Importncia Crtica
Suponhamos que uma pane tenha ocorrido em um sistema de distribuio de energia
eltrica ou em um sistema de transporte coletivo ferrovirio, em ambos os casos o tempo de
deteco da falha deve ser minimizado de modo a minimizar o tempo da manuteno
corretiva. Se houver um mapa de busca dos componentes, ordenados pela sua probabilidade
de terem causado a pane, ento uma busca orientada por tal mapa, minimizaria em mdia o
tempo de deteco.
Ento podemos pensar num ndice de desempenho que mea a probabilidade de um
determinado componente ter causado a falha no sistema. Neste caso estamos falando da
-

Perelrallma

--

35

Confiahilidade de Compo11etes e Sistemas

enJ 722.bJgspot.cotn.br

probabilidade de "o componente i estar em estado crtico e falhar", evento A, condicionada

probabilidade de "o sistema falhar", evento B.
Aplicaremos o teorema de Bayes:
O evento A

P(A/ B) =

P(A.e.B)

P(B)

subconjunto do evento B, pois A um dos modos de falha de B, assim:

A.e.B = A. J o evento A a ocorrncia de dois eventos independentes, pois "o componente i

estar em estado crtico", evento C, no depende de "sua prpria falha", evento D, assim:

Fi na Imente tem-se:

(7 .3)
lndice de Potencial de Melhora
Este ndice mede o valor mximo que se pode agregar

confiabilidade do sistema caso

fosse possvel levar a confiabilidade do componente i a 100%. , portanto, um valor limite para
o ganho da confiabilidade do sistema melhorando-se indefinidamente a confiabilidade do
componente i.
Seu clculo decorre imediatamente da definio como:
(7.4)
Alternativamente, usando-se a relao da decomposio:

ItM= 1; .(1-R;)= 1; .F;

8

(7.5)

Comparando-se este ltimo resultado com o ndice de Importncia Crtica v-se que:

I,''M=I/c.F5 ,

o que torna estes ndices equivalentes q uando comparados dentro de um

mesmo sist ema.

Exerccios
Para os componentes do diagrama de confiabldade da figura 6.1, adote Ra=0,95; Rb=0,75;
Rc=0,7; Rd=0,9; Re=~B.
7.1- Calcule numericamente os ndices de Birmbaun dos componentes.

7.2- Calcule numericamente os ndices de Importncia Crtica dos componentes.

7.3- Calcule numericamente os ndices de Potencial de Melhora dos componentes.
7.4- Determine qual a melhor ordem dos componentes para detectar o possvel responsvel
por uma pane sistmica.
7.4- Determine qual a melhor ordem dos componentes para melhorar a confiabilidade
sistmica.

Pereira/ima

36

Confiahilidade de Compo11etes e Sistemas

enJ 722.bJgspot.com.br

VIII - Processos Estocsticos

Define-se um processo estocstico como sistemas dinmicos cujas variveis de estado
so aleatrias e evoluem ao longo do tempo de acordo com leis de probabilidades. Uma
sequncia: x(O), x(1), .., x(n) das variveis de estado uma realizao particular do processo.

Cadeia de Markov
Caso o estado atual do sistema x(t) seja dependente somente do estado
imediatamente anterior x(t-1} diz-se que est e processo estocstico sem memria e constituise numa cadeia de Markov de tempo e estados discretos. Especifica-se um processo
Markoviano por todos os seus estados acessveis e as probabilidades de transio de cada um
desses estados para todos os dem ais estados em cada instante t .
Devem ser conhecidas todas as probabilidades condicionais p ... (t)

que a

jk

probabilidade de no instante t+1 o estado ser j sabendo-se que no instante t o estado era k. ~
admit ido que o estado do sistema possa permanecer o mesmo na transio entre t e t+1.
Como todos os estados so mutuamente exclusivos e como o sistema sempre estar
n

em um dos estados, isto implica em

L p ,.. (t) = 1
j=l

para todo k .

jk.

Define-se a matriz de transio de estados P(t) como:

p ... (t)

P(t) =

p ... (t)

... p .. (t)
In
p ... (t) P- (t) ... p ... (t)
11

12

2~

22

..

p .. (t)

p ... (t)

111

11 2

.. .

2n

.
11/f

Se quisermos saber a probabilidade de o sistema ocupar o estado i no instante t+1 1 e

denominemos este evento por A, precisamos conhecer todas as probabil idades de o sist ema
ter ocupado cada estado k no instante t, e denominemos cada um dest es eventos por Bk 1 e
ainda a matriz de transio de estados P(t).
ll

Pelo teorema de Bayes:

P(A/Bk).P(Bk)= P(A.e.Bt ),

mas:

UBk =U

e ainda:

k=l
11

A= A.e.U = A.eU Bk =
L= l

Perelrallma

UA.e.Bt

e como os estados so

mutuamente exclusivos:

k=l

37

Conflahilidade de Compo11ues e Sistemas

enJ722.bJgspot.cotn.br

Matricialmente:

p,(t + 1)
p 2 (t+ 1)

P~ (t)

P~ (t)

p,(r)
p.. (t) P 2 (t)
21

12

In

P- (t) P- (t)
...

22

21

..

Pn(t+ 1)

P~ (t)

11

p,_ (t) P ~ (t) ... p.. (t) p) r)

nl
n2
"''

Para qualquer instante t tem-se:

L p i (t) = 1. Caso a matrix P seja independente do

j=l

tempo t :

p(t) =P' .p(O),

estados atravs de

isto nos permite calcular a distribuio final de probabilidades dos

(I - P ). p(oo) = O .

Como a soma dos elementos das col unas da matriz P sempre 1, a matriz {1-P} ser
no inversvel, o que permite uma so luo no trivial.
Em confiabilidade com um haver uma hierarquia nos possveis estados do sistema,
sendo que este sempre passa de um est ado mais operante para um estado menos operante e
nunca o contrrio. Isto faz com que a matriz de transio de estados seja triangular i nferior.
Como exemplo vamos calcular a d istribuio final de probabilidades de um sistema

= totalmente

que pode assumir trs possveis estados: El

operante, E2

= parcialmente

operante e E3 ::: inoperante; com as seguintes probabilidades de transio:

De El para E1

p .. = 0,990 ; De El para E2
11

De E2 para E2

P~

= 0,009;

De El para E3

21

p.. = 0,880;

De E2 para E3

22

31

p.. = 0,120 ;
32

p .. = 0,001

De E3 para E3

p. = 1,000
33

A matriz de transio de estados fica:

0,990
o o
P = 0,009 0,880 o
0,001 0,120 1
O que leva a

PtrelrailltW

0,001
o
(l - P) = - 0,009 0,120
- 0,001 - 0,120

o
o
o

p 1 (oo) = O p2(oo) = 0 p3(oo) = l.

38

Confiahilidade de Compolletes e Sistemas

enJ722.bJgspot.com.br

MTTF do usurio
Uma forma pouco ortodoxa da teoria da confiabilidade a obteno do MTTF
utilizando-se dados da produo e da assistncia tcnica mensais de um determinado produto
de uma indstria. Os valores de produo fornecero a quantidade de produtos que so
colocados em operao ms a ms enquanto os dados da assistncia tcnica fornecero a
quantidade de produtos que apresent aram falha naquele ms. Neste caso, uma hiptese que
foi utilizada, a de que as condies operacionais so controladas no vlida, pois os produtos
vendidos estaro

espalhados geograficamente,

no sendo

controladas as condies

ambientais, e, to pouco, a carga de trabalho ser conhecida, pois depende de um nmero

grande de usurios. Assim teremos que admitir que a variabilidade das condies operacionais
de natureza aleatria, i nfluenciando a confiabilidade de maneira no enviesada.
Falta ainda uma informao, que o tempo ocorrido entre o produto ter sido
colocado em operao at a sua falha. O modelo que ser desenvolvido usa a confiabilidade
exponencial que prescinde desta informao. Passemos sua apresent ao.
Vamos iniciar a contagem de tempo quando o primeiro lote de produtos for posto no
mercado e por convenincia vamos batiz-lo de P0 , neste ms obviamente no haver
quebras. A partir deste ms zero, os demais meses apresentaro dados de produo e quebra
que sero d esignados genericamente por P;e Q; respectivamente.
Para o primeiro ms de quebra, tem-se a seguinte relao entre quebra e produo
usando-se uma funo de confiabilidade exponencial (Y 1 e ~=O na funo de Wei bull):

R(l)=e-.u =F;, - Q.o => Qto = Po ~ - e-.u )

Po

Ql = QIO
Para o segundo ms de quebra, tem-se a seguinte re lao entre quebra e produo:

e-,U =

Po - (Q20 + QIO ) => Q20 = Po.(l- e-U )- fo.(J- e-.t.l)

Po

e-,!.1 = ~ - Q2t => Q = P. .(1- e-.u )

P,

21

Q2 = Q20 + Q21= P.o(e-.t.l - e -.<.2)+ P.t (1- e -. I)

A informao que se dispe o total de quebras no segundo ms Q1 , no entanto, o
modelo relaciona as quebras parciais Qzo e Qn com a as produes P0 e P1 respectivamente.
Para o t erceiro ms de quebra, tem-se a seguinte relao entre quebra e produo:

Ptrt.lrallmn

39

Conflahilldade de Cotnpo11etrtes e Sistemas

enJ722.hJgspot.com.br

e-1.3 = Po -(Q3o +Q2o +QIO ) ~ Q30 = Po.(1-e-3 )- Po.(e-.I -e-.2 )- Po.(1 -e-.t)
Po

e-.u = P.- (Q31+ Qz1) ~ Q3, = J=:.(1- e-2 )- J=:.(l- e-.I )

P.

e-.I = P2-Q32 ~Q32 =Pz.(1-e--t)

p2

Q3 = Q3o + Q31+Q32 = Po.(e-.u -

e-.o )+ r:.(e-.t - e-.l )+ P2.(1- e-..tl)

Por induo tem-se a seguinte relao entre quebra e produo para o ms genrico n :
11

Qlt = "'
L..J p,_,.f\1e- .(i- 1) - e-.v )
i=l

e por recorrncia tem-se:

Este modelo prediz a quantidade de quebras futura, um ms adiante, baseada nos

dados de quebra e produo presentes e uma estimativa do parmetro taxa de falhas A.
Podemos agora definir um critrio para a determinao deste parmetro utilizando-se
uma srie histrica de dados de quebra e produo. Esse critrio ser a minimizao do erro
quadrtico mdio entre o valor de quebra estimado pelo modelo e o constatado pela
assistncia tcnica:

11

i=l

EQM = -L ~; - Q}
{;::;.

Para facilidade na notao das derivadas, vamos definir B =

e-.t , assim:

11

L [(Q,_I - P;_J).e- (Q, - P;_l)].[Qf-1 - P;_l] =o

i= l
11

L (Q; - P;_l).(Qi-1 - P;_l )

B = .....:.:i=t;:___ __ _ _ __
n

(8.1)

L (i-1 - P,_l ).(Qi-1 - P;_l)

i =I

Finalmente obtm-se a estimativa do MTIF como:

MITF = 1

PtrelrallrtUI

- 1

= ln(B)

(8.2)

40

Conflabilidade de Compolletes e Sistemas

enJ 722.bJgspot.com.br

Universidade Federal do ABC

Engf!. de Instrumentao, Automao e Robtica
Prof. Dr. Pedro Srgio Pereira/imo
peralima@ufabc.edu.br
ndice
Parte I - Confiabilidade de Componentes
I - Fundamentos de Confiabilidade
Introduo

Histograma

Probabilidade lntervalar

Densidade de Probabilidade

Probabilidade Acumulada

Probabilidade Complementar

5
5

Exerclcios

11 - Funo de Weibull e MTBF

Densidade de Risco
Risco Acumulado
Funes de Weibu/1 e Log-Weibu/1
Curva da Banheira da Densidade de Risco
Tempo Mdio entre/at Falha
Taxa de Falha
Consideraes
Tempo Mdio entre Falhas Condicionado
Teorema de Bayes
Eventos Independentes e Mutuamente Exclusivos

6
6
7
8
8
8
8
9
9
9

Interpretao da Densidade de Risco

10
10

Exercicios

11

Probabilidade de variveis discretas

Probab/dade de intervalos de variveis contnuas

12
12

Verossimilhana

13

Critrio da Mxima Verossimilhana

13

Parmetros da funo de Weibu/1 para Mxima Verossimilhana

13
14
14

Tempo Mdio de Vida Residual

111 - Determinao de Parmetros

Parmetros da confiabilidade Exponencial para Mxima Veros.

Parmetros da da funo Log-Weibu/1 para Mxima Veros.
Mtodo de soluo iterativo
Exerclcios

Perelrallma

15
16

41

Confiahilldade de Comp011etes e Sistemas

ettJ722.bJgspot.com.br

IV- Ensaios Acelerados

Justificativa

17

Hipteses

17
18
19
21
22
23

Correlao entre parmetros para diferentes nveis de estresse

Determinao do fator de acelerao
Lei da potncia inversa
Estresse sob mltiplos fatores
Modelos f sicos para determinao do fator de acelerao

Parte 11 - Confiabilidade de Sistemas

V - Associaes Fundamentais
Associao Srie

24

Associao Paralelo

24

Associao Srie-Paralelo
Associao Paralelo K de N

25
25
26

Mtodo da Decomposio

27

Mtodo do Tie-Set

29

Mtodo do Cut-Set

30

Mtodo da Tabela Booleana

Parmetros da funo de Weibu/1 para Mnimo EQM

31
32
32
32

Parmetros da confiabilidade Exponencial para M nimo EQM

33

Parmetros da funo Log-Weibu/1 para Mnimo EQM

Mtodo de soluo iterativo

33
33

Exercicios

33

Associao Paralelo-Srie

VI - Associaes Complexas

Ajuste da funo de Risco Acumulado do Sistema

Critrio do Mnimo Erro Quadrtico Mdio

VIl- fndices de Desempenho

fndice de Birmbaun

34

fndice de Importncia Crtica

35
36
36

fndice de Potencial de Melhoria

Exerccios

VIII - Processos Estocsticos

Cadeia de Markov

MTTF do Usurio

37
39

Objetivo

O objetivo deste blog disponibilizar notas de aula da disciplina optativa

Confiabilidade de Componentes e Sistemas - EN3722 aos alunos do curso de Engenharia da
UFABC, sendo vedada sua utilizao comercial. Este curso fo i montado em cima da bibliografia
bsica: Fogliattto, F.S. e Ri beiro, J.L.D. - Confiabilidade e Manuteno lndustrial 2009 Elsevier.

Pereira/ima

42