Confiahilidade de Componetdes e Sistemas

enJ722.hlogspot.com.hr

1- Fundamentos 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 familiar. 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 influencia
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
probabi lidade 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 componentes.

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 ex em pio, quilo metragem rodada, nmero de
misses 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

Pereiralima

Confiahilidade de Componemes e Sistemas

enJ 722.blogspot.com.br

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

maior e o menor valores encontrados dividi da 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 interval os de 70 h cada. Assim pode-se obter a
distribuio de frequncia dos tempos de quebra si mplesmente contando o nmero de
quebras cujos tempos estejam compreendidos entre os limites da classe. O resultado
apresentado na tabela 1.2 e seu grfico na figura 1.1.
Tabela 1.2 - Histograma de quebra de 50 componentes em sete classes de 70 horas cada.
Classes [h]
Freounda ali)

70

140

210

280

350

420

70
3

140
14

210
13

280
8

A
350

420
4

490
3

Histograma

1
14
16

12

-1t'1,

'

10

;1

'

,..

4
2 .

'

'

'

......... ...
~

. 1-

1
'

100

'

400

300

200

..
l

r- -

500

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

Probabilidade Intervalar
De posse do grfico do histograma pode-se obter o grfico da probabilidade de
ocorrncia de cada classe, simplesmente dividindo a frequncia pelo nmero total de
elementos da amostra. Assim obtm-se os va lores 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 Intervalar de 50 componentes em sete classes de 70 horas cada.
Classes [h]
Probabilidade%

Pereiralima

35
6

105
28

175
26

245
16

315
10

385
8

455
6

Confiobilidade de Componemes e Sistemas

enJ722.blogspot.com.br

Probabilidade Intervalar
30,00o/o

25,00%

15,00/o

,
1

20,00/o

}I ~

~r~'

~...

5,00/o

j - .......

,_

--

1r1

10,00%

0,00%

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:

,,

f,,

P(t, < t < t 2 ) = f (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) = J(t).clt

=l

o
(1

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

( 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:

t( +
t2

t,

J, , P(t ~ t ~

t2 )

t2 - t,

(1.3)

Assim obtm-se, dividindo o valor da probabilidade de cada classe pelo i ntervalo 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]
Densida de [lO"h-1

PereiraDma

35
0,857

105
4,00

175
3,71

245
2,29

315
1,43

385
1, 14

455
0,857

Confiahilidade de Componentes e Sistemas

enJ722.blogspot.com.br

Densidade de Probabilidade
4,50E-03
4,00E-03
3,50E-03
3,00E-03
2,50E-03
2,00E-03
1,50E-03 1,00E-03
5,00E-04
O,OOE+OO

tf
r

"lJ_

li

1
1

- -

''

~J

'

r1

,~~- ...

'

--

1~

1
1

100

200

400

300

Figura 1.3 - Funo Densidade de Probabilidade [H-

500
].

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

F(t) =P(05:t 5:t)= .f(t').dt'

o

ou ainda

dF(t) = J(t)
dt

(1.4)

Seguem as propriedades:

Jo

Jo

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 f uno monotnica crescente.

Probabilidade de Falha
100,00/o
- 1
90,00/o 80,00/o
1
1
70,00/o
60,00/o
4
-50,00/o

.
40,00/o 30,00/o .... ~
20,00/o
'
10,00/o
~
O,OOo/o
o
100

;Jj'f

f-

.. . ~~
~

_. w

--

'

.
'

'

200

--

'

300

400

500

Figura 1.4 - Funo Probabilidade de Falha.

Pereiralima

'

Confiabilidade de Componemes e Sistemas

enJ 722.hlogspot.com.hr

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

35
6

Oasses [h)
Probabilidade %

105

175
60

34

245
76

315

385

86

94

455
100

Probabilidade Complementar
A confiabllidade justamente a probabilidade de no ocorrer fa lha desde o tempo
inicial (O) at o tempo de anlise (t) e, portanto ser o compl ementar da probabilidade de
fa lha e obtida subtraindo-se de 1 o valor desta ltima.
~

=1- F(t) =ff (t').dt' - ff (t').dt' =f.f'(t').dt'

R(t)

ou ainda

dR(t) =-f(t)
dt

( 1.6)
Assim, para o nosso exemplo, obtm-se os valores apresentados na tabela 1.6 e seu
grfico na figura L5. Observa-se que a funo monotnica decrescente .
Tabel a 1.6 - Confiabilidade de 50 componentes em sete classes de 70 horas.
Classes [h]
Confiabilidade %

35

105

94

66

175
40

245
24

315
14

385

455

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

..

'A 1

'
'

~,,_

1
1

1
1

' .
-~

100

200

300

r ~-.J
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 probablidade, a probabilidade
de falha acumulada e a confiabldade. Faa o grfico de cada uma destas funes.

Pereiralima

Confiabilidade de Componetdes e Sistemas

enJ 722.blogspot.com.br

li - Funo de W eibull e MTBF

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

dR(t) _ f (t)
R(t). dt - R(t)

h( ) =

-1

t -

(2.1)

-J' h(1")tir'

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

mas como

R(t)= R(O).e

F(O) = O=> R(O) = l , segue que:

R(t) =e

-f' h(1'}dl

(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.
35
0,912

Cla.sses [h]
Densidade [lO'' h")

105

175

245

315

6,06

9,29

9,52

1,02

455

385
1,90

Densidade de Risco
2,00E-02

1,50E-02

'

1,00E-02

l/
1.

,t#i li . . -'

,~' I

5,00E-03

O,OOE+OO

,t

4'
o

'

1-

11
100

200

300

Figura 2.1- Densidade de Risco (h.

400

500

1
).

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

=foh(t')dt'
I

H (t)

R(t) = e-H(I)

O que implica em:

ou ainda:

H(t) =-ln[R(t)]

(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.

Pereiralima

Classes [h)

35

Risco (#)

0,0269

105
O, 181

175

245

315

0,398

0,620

0 ,854

385
1,22

455
.

Confiahilidade de Componemes e Sistemas

enJ722.blogspot.com.br

Risco Acumulado
1,40E+OO
1,20E+OO

1 ,-~

'

1,00E+OO
8,00E-01

'

~~

6,00E-01

J,'-W "

4,00E-01
2,00E-01
O,OOE+OO

1.-r4t

1
1

--

100

200

400

300

500

Figura 2.2 - Risco Acumulado.

Funes de Webull e Log-Webull

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

H(t) = ( t-:)r

para t >

eH(t)=O

para?..t?..0

posto que os parmetros :,a, ye R+

(2.4)

E tambm a sua similar Log-Weibull:

=(ln(t~- )r

H(t)

e H(t)= O

para t >e

posto queos parmetros :,a,ye R+*

para e "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

v:

assim, quando y=l a

funo ser a Exponencial, e quando v=2 a funo ser a Normal.

Funo de Weibull

Obs: o parmetro desloca

a funo para a direita; o

garna=2
6,00 -+-------------~ F-- - -

parmetro o inclina a funo

com relao

2,00

-r---------:;;~~~
rnu=lO

100

,.,.A

garna=l
4 A garna=0,5

abscissa; o

parmetro Y d curvatura

funo.

si rna=lSO
200

300

400

Figura 2.3 - Funo de Weibull para

soo

600

y = 2; y = l; y =

0.5; = 100; <:J = 150

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

Pereiralima

Confiabilidade de Componemes e Sistemas

enJ722.blogspot.coni.br

Curva da Banheira da Densidade de Risco

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

h(t) = ~ ( t -: )

y-1

apresentari a t rs fases: a primeira, decrescente com o tempo, conhecida

r < 1; a segunda,

como mortalidade infantil, para

de falhas constante, para

r= 1;

envelhecimento precoce, para

constante no tempo, 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 M TIF (Mea n Time Between/To Failure},

-J

t.f (t ).dt Lembrando ainda que:

que pode ser obtido da definio de mdia: MITF =

..

t.R(t ~o =

.. dR(t)

fo t .

dt

M1TF =

..

fo

.dt + l .R~ ).dt , tendo em vista que: t.R(t ~~ = O ento:

JR(t ).dt

(2.6}

o
Dois casos so de particular i nteresse, pois os respectivos MTIF's podem ser
calculados analiticamente, so e les: a confiabildade Exponencial, e a confiabi ldade Normal.

J j e{';').dt = + j e- .o-.dz ==+O"

MTTFc"P == R(t ).dt = 1.dt +

(2 .7}

J J

1-

J
-

.JJi

MTTF,,0 , = JR(t).dt = l .dt + e - ~ .dt = + e -z .O".dz = + O". 7!

o
o

o
2
(

(2.8)

Demais casos so calculados por integrao numrica. Alternativamente integrao,

para o intervalo 1<y<2, pode-se utilizar a seguinte i nterpolao:

MITF = + 1,11 38 .<Y-0,l1 38 .<Y.'J'.

Taxa de Falha
Outro parmet ro comum a taxa de falha A, definida como: :t

= 0-- 1

No caso

particular da confiabilidade ser exponencial, e ainda para =O, o MTIF ser o inverso da taxa
de falha .

Consideraes
Todo desenvolvim ento realizado para se modelar est atisticamente os tempos de
quebra pode ser rigorosamente aplicado a qualquer outra varivel aleatri a.

Pereiralima

Conjiabilidade de Componemes e Sistemas

enJ 722.blogspot.com.br

Tempo Mdio entre Falhas Condicionado

Uma informao lnteressante 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 M TBF 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(AIB) = P(A.e.B) = lf 6 = _!

P(A)=1/6 P(B) =3/6 P(A.e.B) = l/ 6
P(B)
3/ 6 3
1

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)

(2.1 1)

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(A.e.B)= P(A}P(B), o que impl ica 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:

Pelo Teorema de

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

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

PereiraHma

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

(2 .13)

Confiabilidade de Componetdes e Sistemas

enJ722.blogspot.com.br

Tempo Mdio de Vi da 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*, e, para evitar confuso, vamos nome-lo
,.

MTBF*, assim:

Jo

J,

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

sendo R*(t) a confiabilidade 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 fa lhar no intervalo ( t, oo)
Evento B: o item no falhou no i ntervalo (0, , )ou equivalentemente fa lhar no i ntervalo (t ", oo)
Para calcularmos a confiabilidade condicionada devemos apl icar o Teorema de Bayes e
para Isso precisamos calcular P(AeB) para cada um dos dois intervalos de integrao:

lintervaJo i > t

=> P(AeB) = P(r < t' < oo )= R(t)

AeB = (t , oo) => P(AeB) = P(t < t' < oo) = R(t)

AeB = (r,oo)

zintervalo r < r

Podemos ento obte r o MTBF*:

MTBF =

,. R(1

JR t

dt +

R( )

J,. ~dt
= i + ~f R(t)dt
RV J
R\f J,.

Finalmente o tempo mdio de vida residual ser:

tmvr

=MTBF ' - t * =R{?Jl

j R(r )dr
Rt

(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 fa lhar no intervalo(( ,t' + e)
Evento B: o item no falhou no i ntervalo(O, t ' )ou equivalentemente fa lhar no intervalo (r', oo)
f . +.l!"

Assi m :

AeB = (r, i

e, portanto:

+e)=> P(AeB)= P(t* < t' < t * +e)=

P (A/B ) =

P(AeB)

J,. J(t')dt' =J(t ).e

f (r).e

( ) =
( )
P B
R r'

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

podemos dividir ambos os l ados da igualdade por ele chegando

definio da densidade de

risco.

Pereiralhna

10

Confiabi/Jdade de Componetdes e Sistemas

enJ722.hlogspot.com.hr

Exerccios
2.1- Determine o tmvr para conflabilidade exponencial (Y 1, =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(tJ= N; , sendo

No tamanho da amostra e

H(t;)=I{N~i) Faa os grficos destas funes

e compare com os grficos das figuras 1.4 e 2.2.

PereiraHma

li

Confiahilidade de Compone'fdes e Sistemas

enJ 722.blogspot.com.br

Ili - Determinao 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 probabil idade 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 reais
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 fa lha
porque no h como comparar um ponto com um segmento de reta.

Probabilidade 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

[O + e;6 - E], com o

[x-e; x+ e]

para

segmento [0;6] e ento a probabilidade pode ser determi nada como a

relao entre os comprimentos dos segmentos obtendo-se

P[x - E::::; t ::::; x + ]= E/3

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

possi bilita responder seguinte pergunta: Qual

a probabilidade de que em um ensa io de

quebras de componentes os tempos sejam os verificados?

Admitindo-se uma incerteza

em torno de um tempo i determi nado, sabemos:

r,+t

f'. [t; - E::::; t::::; t ; +E]= f 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 P;
n

p=

i =I

.rr J(t;)
n

= (2.E )"

i =I

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

tempo t1 e ainda restado

r componentes funcionando, ento, a probabilidade deste evento ter

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

Pereiralima

12

Confiabilidade de Componetdes e Sistemas

enJ722.blogspot.com.br

at o t empo t1 sua confiabilidade R(t1), e a de r componentes no falharem R'(t1);

incorporando

probabilidade anterior tem-se:

P = (2.E Y'

TI J(t;).R' (t

1)

(3.1)

l=I

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

1r

L l:In[h(t; ).R(t;))+ r.ln[R(t1 )] =

L {ln[h(t; )]- H(t;)}- r.H(t1 )

i=I

i=I

(3.2)

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

veremos a seguir no interfere na derivada.

Cri trio da Mxima Verossimilhana

Estamos interessados em determinar os parmetros da distribuio que m elhor se
ajustem aos dados de quebra, ou seja, maximizar a probabilidade da ocorrncia, assim, basta
derivar a funo Verossimilhana em relao a um parmetro 8 desejado e igualar a zero:

dh(t1 )_<JH(t;) _,.CJHV1 )=0

h(t;) ae

ae

ae

(3.3)

Parmetros da funo de Weibull para Mxima Verossimilhana

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

Para o

H(t)=(t;)r

=>h(t)=~(t; Jr~

e H(t)=O

=>h(t)=O

parat>
para>

t>O

posto que os pardmetros ,O", YE R+*

parmetro a tem-se:

li

L H(t )-n +rH(tf )=O

1

i= I

i (t;- Jr + r{tf- r= n
i=I

Pereiralima

(j

(j

13

Confiohilidae de Componetdes e Sistellias

enJ722.blogspot.conr.hr

L (t

)r + r.(t.r - )r = n.ar

i= I
1

(3.4)
Para o parmetro y tem-se:

11

JL= L y-1 +[H(t;)-1i1n t; (

Jy

- 1

f )

+r.H\t1 .ln

i=1

t1 -

- 1

=0

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

Yk+I

rk

JL

1
+'TJ.d
SerzdO < 'TJ < 1 pOreX.'TJ =r ~A
n

(3.5)

Para o parmetro tem-se:

JH
a

r .H(t)~ Jh =- (r-1) h(t)

(t-)

t;-

(t-)

- 1

- 1

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

k+i

= k +'TJ.

JL
"()

1
sendo O< 'TJ < 1 porex.Tf =-

r..k

(3.6)

Parmetros da Confiabilidade Exponencial para Mxima Verossimilhana

Quando a confiabilidade for Exponencial a funo verossimi lhana ser linear em , e a
sua derivada em relao a este parmetro ser intil para a determinao de seu mximo.
Mas, neste caso, basta tomar o maior valor permitido de para que a funo seja maximizada
em relao a. Como existe a restrio

< t ento:
(3.6.a)

Parmetros da funo Log-Webull 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).
Pereiralima

14

enJ722.blogspot.com.br

Confiabilidade de Componemes e Sistemas

Mtodo de soluo iterativo

Uma

ve z

que

duas

das

equaes

de

det ermi nao

dos

parmetros

sao

transcendentais, a so luo ser iterativa e simultnea na determ inao dos parmetros y e .

O mtodo ser primeiro ca lcular o valor de

a usando os valores iniciais para y e ;

note

que na sua equao seu valor no depende dele prprio. De posse dos trs valores, utilizam-se
as relaes de y e para a deter minao 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 W eibull,
obtivemos os valores apresentados nos grficos das figuras 3.1e3.3.
Um bom ponto de partida para o ajuste da funo de Weibull /1'()

11 1

'-L.I

111 1 111

:N''

l l ll ll t

11 1 111

7.5 - rT 1i ii 1i"--.- l lT1T 1Tu- - lil1 1ii1- - 1 T 1i

' 1 1 1111
7 - ...' -;1 ~-1
t+I~
1

r
t

1 1 1 1 11 11

1' 1111

' 1 1 1 ' Ili

:t r1~ t+I ~ - r- 1'- 1-1-1 1-HI11 1 1111

1 1 1 11 1111

' 1 1 1 1 li
~ T r~
1

..i. IJ IJ.I L _ l .1
lJ ll lL _ L .l .LIJ UJI __ L l. .L l.1
1 1 t l f ll ll
1 11~11 11
1 1 1 1 1111!
1 1 I li
1 1 1 1 1 11 11
1 11
1111
1 1 1 1 11111
1 1 I li

6 -1 1 1 r1 1 1r- r 1 r1 r 1r - r 1 r 11 1r 11- - r r ' ''

1 1 1 1 1 1111

"

"' 4.5
4

J.5
3

2.5

-t

""t

1 11 l i

1-1 tt l l- - t- '"t 1- 11

1 1 l l i ll ll
1
_ l. J. .i l.l .IL _ L
1 1 1 1 1 1111
1
1 1 1 1 1 1111
1
- 1 11 11 11 11
, 1 1 1 1 11 11
- ~ T l "t ITl t1 1 1 1 1 11 11
_ l J ..1 IJ U I L
1 1 1 1 . 1111
1 l 1 1 1 11 11
- 1 1 1 1i 1r 1r
1 1 1 1 1 1111
- + _. +1.,. 1+1~
1 1 1 1 1 1111
1

10

1
_ L
1
1
-r
1
- ~
1

li
1 1 1 1 11111
1 1 I li
~ - 1- ""t -t-1"'1 lt U- - 1- f- t" l'"f

1 11 1 111
1 11 1 111 11
_ L J. l.IJl.1.11__
J. l. IJ Ili
'11 1 1111
1 1 1 1 1! Ili
1 11 11111
1 1 1 1 1 1111
r 1111 1ru - 1 111 11 1111 1111
1 1 1 11UI
T r 1 1 11'1 ~ "T T I , 1n1- 111 1 1111
1 1 1 1 11111
..1 L IJ l! IL _ L
l.l.J llJI__
1 11 1 1111
1
1 1 11 111
1 11 1 1111
1
1 11 1111
Ti1i1Tu- - r1-11 1n 1- 1 11 1 1111
1 1 1 11111
~ -t l~ l+I ~ - ~ + t
lffl- 111 1 1111
1 1 1 1 UI

't

1 11 1 1
L l L l ..1
1 1 1 11

1 1 1 11
i- t r 1-r
1 1 I l i
L l L 1.1
1 1 I li

1 1 I li
r 1 1 11
1 1 I li
~ + f-1 ~
1 1 1 1 1 I

1.8
1. 7

..

1.6

; 1.5

"' 1.
1.3

1.2
1. 1

Pereiralima

11 1 11 111

l l l l l lll

1 11 1 1 11

19

1 11 1
r r 1T 1
11 1 1111
1 l l l l fl
1 1 11 1ti
11 1 1111

1 l l l lU
r r iTI
1 1 1 1111

-------------------------.~
~
~
~
fVua 3.3 teraes ~Gama maxinmrm a Veros.mtara

L U

1 1 1 11 1
1 1 1 11 1
l l l lt l
~ 1--1 H
1 1 1 1111
1 1 1 111
l ll l ) I
r nn

2 ~~~~~~~~~.~~~~-~~~~~
1 1 1 1 1111
1 1 11 1111f
i i iii 1
1 l l l lJl l
1 11 1 11 111
1 1 11 11111
1 1 11111
1 l l t l ll l
-~ + ~Hl-+l~- 1- + ~l ~ l ~ l --~ ~l+IH ~-~ ~ MH

1 1 1 1111

L L IJ.I

Htt
1 t 1111
1 1 1 111 1
1 1 1111
r
TI
1 1 1111
1 1 1111
L 1_ 1111
1 1 1 1111
1 1 11 11
l l l l ll l

10~
10'
Rg:ua 3.2 t""ii<5 l"ra Mu milnzan:loo Eao Otia;!lico IAdo

~ ~l +I

1 l l l l fl
1 1 1 1111
r r iTI
1 1 1 111
!.. !_ I ! 111
1 1 1 11ri
1 1 1 11t1

1() 1

l l l l l tl
1 1 1 1111

~ ~ I J. I

11 1 11111

u__ ,_

10'

1L-...1-L.1J.lll.1L-...L.L.1..il.LUL-1....Ll.LLWL--'L.L.i.J..JWU

11

' '

1 11 111
1 11 1 11111
l
7.6 - r ~ ~ 1~ 1""11~ - r 1" rio 1- - ~ r r1T1 H ~ - r1 1 1 t 11111
1 1 1 1 1111
1 1 1 1 11111
1
1 11111
1 1 1 1 11111
1
1 1 1 t l l l ll
1
1
1 11111
1 11 1 11111
1
1 1 1 1 11111
7.55 - r T r 1, rnr - r rr11n 1- - r r r1T1n 1- - r
1 1 1 1 1l 1U
11 11111
l fl l l l l ll
1
l l J l l l lll
1
1 1 1 1 111
11 11111
~
1.--.A-~_c:_
!:"._!ll.!.11____ ti 1 1111__ ,_ .L ~1 11
1 1 1 1 11111
1 1 11 $1111
1 11 1 11111
1
1 1 11 11111
1 11 1 11111
1
1 1 1 1 11111
1 1 11 11111
1 1 1 11 11 11
f
1 1 1 1 11111
_ L ..1 L Ul.JJL _ L J. Ll.!llJI__ L L L ll.llJ L - L
7.5
1 11 1 11111
1 1 11 11111
1 1 1 1 11111
1
1 1 1 1 11111
1 1 11 11111
1 11 11 11 11
1
1 l ll t l l ll
1 I J l l l lll
f
1 l l t l l l ll
7.4 - ~ + ~ H l-+11- - ~ + ~ 1 4 1 +1 1- - ~ ~ ~l+IH f- - i1 11 1 11111
1 1 11 11111
1 11 1 11 111
1
1 1 1 1 11111
1 t 1 1 11111
1
1 1 1 1 11111
1 1 11 11111
1 11 1 11 111
t
1 11 1 11111
7.35 - r T r n1T1r- - r T r1"T1n1- - r r r 1T1n r - r-

2 ,--.,.-,...,.,..,.,,.,.,...-.,-,...,..,.,.,,.,,,--.,_,_,..,..,.,,,,,--.,-,...,..,..,.,,,,

1.9

'

,,,,,,", v" ......,"

7.65

Figura 3.1 Hera;oos p<ra l\tl muillizando aVerossimlhaO<I

1 11 1 1 11 1
1 111 1111
1 11 1 1111
l
1 1 1 1 1 1111
1 1 11 1 1111
1 1 1 11 1111
1
- f- ~ t i ~ 1+11- - ~ + ~l + l +l f- - ~ + t-l~ I H I - - 11 1 1 1 1 1111
1 11 l l l l lf
1 1 1 1 11111
1
1 111 1 1111_.l! l ! l l lt ll
- r T T r r 1n r - r ~ - r T r 111n 1- - r
1 1 1)~111 1 1 1 11
1 11 111111
1
t 111 1 11 11
1 1 1 1 11111
1
1 1/ l f l1 11
- 1 ~ 1 1r 11 11- - 1 1 1 11 1111- - 1- 1 1 111111- - 11 1 1 1 1 11 11
1 1 11 1 1111
1 1 1 11 1111
1
+ 4- 1 4- 1 4-1 ~ - ~ 4- ~1 + 1 -M ~ -~ + ~l I H I- -11 1 1 1 1 1111
1 111 1 1111
1 1 1 1 11111
1
1 1 1 1 1 11 11
1 111 1 1111
1 1 1 1 11111
1
- r T r 11 1n r - r T r1 r 1n r - r r r 1"T1n1- - r
1 1 1 1 1 11 11
1 '11 1 1111
1 1 1 1 11111
1
!.. .! ! IJ 11 1L _ L !. !..I! 1111__ 1_ l !.I ! l !JI__ l
1 1 l l Cll ll
1 111 1 1111
1 1 l ll llU
1
1 1 1 l l llU
1 1 1 1 11111
1
1 1 1 1 1 1111
L J. .Ll.i l UL - L .l Ll.J.l.i.JL - L .L L I J.IUI- - L
1 1 1 1 1 1111
1 1 11 1 1111
1 1 1 11 1111
1
1 1 1 1 1 11 11
1 1 11 1 1111
1 1 1 1 11111
- r i T I,. ITl r - r ,. r 11' 1T1 r - r- T r1~1n1- - r
1 1 l l l ll ll
1 111 1 1111
' 1 1 1 11111
1
1 1 l l f lt l l
1 1 11 1 1111
1 1 1 1 11111
1 1 l l f ll ll
' 1'1 1 11 11
1 1 1 1 11111
1 1 1 1 1 11 11
' 1 11 1 1111
1 1 1 1 11111

' li

75

1 1 1 11
T r 11

10'

'

' 1 1 1 11111
1 ' 1 1 t 1111
)' t 1 1 1111
- L .J. i.Ul.U L - L ..1. i.1.J l.1.11- L L l L IJ. I U I_

1 1 11

6.5 _ .i. J

5.5 -

li

1.8 17 _

....

l
l

1.4 _

11 11111
1 1 11111

l l l l l l ll
1
l l i l l lll
1
r ,- r t l,,r - r
1 11 1 11111
1
L l i lJ l.!.H__ L
1 1 1 f 11111
I
1 1 1 1 11111
1

1 11 1 11111
1
1 11 1 11 111
- r ~ r HITlr - r
1 1 1 1 1r 111
1 1 1 1 11111
' l l t ll l
1 li
Ili
1

1.2

------

11

ro'

1 11 111 111
1 f 1 1 111 11

r r,.1n 1- - r

r r 1T1n r

1
1
- r

1 1 1 1111
1 1 l 1J 11

r nn

1 1 11111
1 1
! !.I ..! 11 11__ 1_ LI llLll__ 1_ L 1_ 11111
1 1 1 11111
1 1 1 1 11 111
1 1 1 1 1111
l 1 1 11111
1 1 1 11111
1 1 1 1 1111
~ ~~1+1~ 1-- i- ~ MH

1 11 11111
1
1 11 11111
1
T r 1"?111
- r
1 11 111
1
! L I.! _11__ 1_
1 x
I : 111
1
1 11 11111
,

-L ~ L l~WL- L J.

1.3

1
1
T
1

-~ ~ Ml~~- 1-+~l ~ l ~ I -

1.6

e 1.s

(!)

1 11 1 11111
1
1
1 1 1 1 1l 111
r T r nrnr - r
1 1 1 1 l f 111
1
L .! l ' ..!.l.!.11__ L
1
1 1 1 t 11 i li
1 1 1 1 11111
1

11 1 11111
1
11 1 11 111
1
r r 1T1n r - r
11 1 11111
1
!. L i li!...!_ _ 1_
1 1 1 11111
1
, , 1 11111
1

1 1 1 1111
1 1 1 1111

r nn
1 1 1 1111
L 1_1! I 1
1 1 1 1111
1 1 1 1111

~ 1 " 1 --LL Ll .LIU 1--LLUU

1 11111
1 11 11 1111
11 11111
1 11 1 11111
r1, 1T11- - r r r 1T1H r
11 11111
1 J1 1 11111
11 11111
1 11 1 11111
11 , 1111
1 11 11 1111
1 11 11111
l IJ l lllll

l
- r
1
1
1
1

1 1 1 1111
1 1 1 1111
:- Hf1
1 1 1 1111
l l J ll l J
1 1 1 1111
1 1 1 1111

------------------~

' '

it

Agu1a3.4. lera;es para Gama mir*nlzan<il o Erro OWd!lllro Md<J

15

Confiabilidade de Componetttes e Sistemas

enJ722.blogspot.com.br

Exerccios
3.1 - Mostre que para a confiabllidade 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. Compare
seus resultados com os grficos das figuras 3.1e3.3.
3.3 - Faa o desenvolvimento analtico para determinao dos parmetros utilizando a
funo Log-Welbull e o critrio da mxima verossimilhana.

PereiraHma

16

Confiahilidade de Componemes e Sistemas

enJ722.blogspot.com.br

IV - Ensaios Acelerados

Justfcativa
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
o pera cio na is 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
corre lacionados. So duas as hipteses:
1. Hiptese de equiprobabilidade:

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

A(s,s' ).t'

2. Hiptese de proporcionalidade: 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 apresentado 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 il ustrar as duas hiptese acima alm de estabelecer uma
comparao com o princpio de Zadeh.
t
t =A.t'

mu

<J R(t)

mu

t'

1
1
1

.
1

R'(t ')

Figura 4.1- Diagrama ilustrativo do Princpio de Zadeh.

Pereiralima

17

enJ 722.blogspot.com.br

Confiabilidade de Componetdes e Sistemas

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

primei ro quadrante plotada a relao linear entrete t', hiptese 2; no segundo quadrante
plotado o grfico de R(t) admitindo a igualdade com R'(t' ), hipt ese 1. A comparao com o
princpi o de Zadeh se faz ao tomarm os nossa varivel aleatria tempo de q uebra como uma
varivel fuzzy e a confiabilidade como uma funo de pertinncia.
Nossas hipteses trazem as seguintes conseq uncias imediatas:
- consequncias da equiprobabilidade

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

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

(4.2)

- consequncias da proporcionalidade para as derivadas

J'(i, B) = dF (t, B) = dF'(t', B'). dt' = _!_ J'(t', B')

dt

dt '

dt

h(t, B) = dH(t , B) = dH '(t:,e ' ). dt' = _.!_h'(t', B')

dt
dt
dt A

(4.3)

- consequncia da proporcionalidade para a integral

M1TF(e) =

r R(t,B).dt

I R (t ,B).A.dt' = AM1TF (B')

1

(4.4)

Correlao entre parmetros para diferentes nveis de estresse

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

Funo de W ei bull :

H (t) =

( t ~ ) r para t >
O para O<t <

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

r=r'
I

CY = A .CY

ou

= A.

(4.5)

Lembre que a confiabilidade exponencial e a normal so casos particulares de Weibul l

para os valores de

r = l e r = 2' respect ivamente.

Funo Log-Weibull:

H(t) =

( Ln(t~ ) r parat 2:

O para O < t < e

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

Pereiralima

18

Confiahilidade de Componemes e Sistemas

enJ722.blogspot.com.br

ou

{4.6)

Determinao do fator de acelerao

Vamos admitir que se queira ajustar a funo de Weibull. Para isso determinam-se
prmeiramente quais nveis de estresse 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 normais, e
determinar os parmetros ,

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 ,,,

No entanto estes parmetros no esto livres para variar, pois devem respeitar a:

= Ak.k e O' = Ak.O'k . Nesse caso, a funo de risco acumulado para os demais nveis pode
ser reescrita em funo

de/ A* e a/ A, , passando a depender somente do fator de acelerao

,
para aquele n1vel de estresse: H

*(t,.k ) = (

''lcJ
.li ,

-Jl

)r; sendo a funao de risco equivalente:

N

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

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

Finalmente, aplicando-se o critrio obtm-se:

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

(4.7)

Pereiralima

19

ConfiabiHdade de Componemes e Sistemas

enJ722.blogspot.com.br

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

111:

=L

L:{ln[hk(t;t )]-H. (t;k )}-rk.Hk(t fk )

k=O

i=I

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

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

O o ensaio com nvel de estresse mais prximo s condies normais, e A 0=1

Para o parmetro o tem-se:

IH

IH

lf,t

L:Hk(t;k )+rk.Hk(tfk ) =L:nk=n.

k=-0

i=J

k=O

(4.8)

Para o parmetro y tem-se:

(4.9)

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

<JL

r p +I = r p +TJ.ar

Sendo <TJ <] porex.r; == ;n

n

r,,,"

=L:nk
k=-O

Para o parmetro tem-se:

-1

-1

(4.10)

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

ar
,>+1 = ,, +17.d

r,.,

sendo O< r; < 1 por ex.r; =

=
i

A determinao 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).

Pereiralima

20

enJ722.blogspot.com.br

Confiohilidade de Componemes e Sistemas

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 1 s0 ) .
Agora podemos propor uma funo para o fator de acelerao em funo do nvel de
estresse, proceder ao seu ajuste e finalmente us-la para fazer a extrapolao para as
condies normais.
Uma proposta de funo bastante intuitiva a proporcional a uma potncia do nve l
de estresse (tambm conhecida como potncia inversa), de expoente

experimentalmente, assim:

R+"' ajustado

s.
A- (s; ) = -L
So

Para mais facilmente aplicarmos o critro dos mnimos quadrados

do expoente {, vamos definir as variveis auxiliares: X ;

=ln

S;
So

e Y; = ln(A;), ficando a

.
Definindo o erro quadrtico mdio como: EQM
= -1 ~(
~ Y;
m

e obtermos o valor

- Y; )'- e minimizando o

i =I

L Y;.X;
seu valor em relao ao expoente {obtm-se:

= -'i=-~---

(4.8)

:C; 2

i=I

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, O'N = 0'0.(sN)

YN =ro

Pereiralima

21

Confiabilidade de Componemes e Sistemas

e11J722.blogspot.com.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 varive l
operacional. Neste caso, o fator de acelerao tambm se r funo de mltiplos fatores.
Uma funo razovel, consequncia da potncia inversa, a produtria de potncias
dos fatores de estresse. Assim:

[s(O),s(i)]=

Il
k=I

sk(i)
Sk (0)

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

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

O o ndice do ensaio de referncia onde todos os fatores de estresse esto mais perto
das condies normais.
Para mais facilmente aplicarmos o critrio dos mnimos quadrados e obtermos o valor

xk (i) =ln s*(i)

dos expoentes {k, vamos definir as variveis auxiliares:

ficando a estimativa

sk ()

( 1) ,
e y ()t=lnA

y(i) = ln([s(O ), s(i )]) = k.xk(i).

k= I

Definindo o erro quadrtico mdio como:

i=I

EQM = - 2:(y(i)- y(i))2 e minimizando

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

dEQM

111

/11

"

a;j =~ ~ [y(i) - y(i)].xj (i) =o ~ ~ ~ k.xk (i).xj(i) = ~ y(i).xj(i)

m

x 2 (i ).xj (i) .. .

i =I

;,
2 = L Y(i).x (i); para j = lan
x,, (i ).xj(i )]
1

Ili

l=I

;,,
e finalmente:
Ili

Ili

Ix,(i).x1(i)

I
I

i=I

X1 (i).xl

(i)

;:_I

;,,

i=I

Pereiralima

x, (i ).x" (i)

- 1

Ili

X2 (i ).x, (i)

Ili

x,, (i ).-G (i)

i=I

i=I

i:l

Ili

Ili

Ili

I x,, (i ).x2(i)

i=I

i=I

l=l

Ili

x2 (i ).x2(i) ...

L x2(i ).x (i)

11

i=I

.. .

i=I

x,, (i ).x" (i)

y(i ).x, (i)

y(i ).x2(i)
(4.9)

I y(i).x,,(i)
i=l

22

Confiabilidade de Componetdes e Sistemas

enJ722.blogspot.com.br

Modelos fsicos 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 A1 com a Temperatura

r, 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., =
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.

Exerccios
4.1- Desenvolva a frmula para determinao do fator de acelerao caso a funo de
Risco Acumulado que se quer ajustar seja a Log-Weibuff.

PereiraHma

2.1

Confiabilidade de Componetdes e Sistemas

enJ722.blogspot.com.br

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 re laes fundamentais, ou seja, determinar a confiabilidade do sistema
a partir das confiabilldades conhecidas de seus componentes.

Associao Srie
A pri meira 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 falha de qualquer um deles leva fa lha do sistema. Graficamente pode ser representada ou
pelo Diagrama de Confiabilldade, figura 5 .1.a, ou pela rvore de Falhas, figura 5.1.b.

F.alha d o S ist,ema

R2

R1

Rn

ou

Figura 5.1.a - Diagrama de Confiabilidade

Figura 5.1.b -rvore de Falhas

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=I

Associao 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 todos os seus componentes. A operao
de qualquer um deles garante a operao do sistema. Graficamente representada conforme
figuras 5.2 a e b.
R1

F a ina do Sistema

R2
1
1

Rn

Figura 5.2.a - Diagrama de Confiabilidade

Pereiralima

Fi

1.

1 1
1

12

Figura 5.2.b - rvore de Falhas

24

enJ722.hlogspot.com.hr

Confiabilidade de Componemes e Sistemas

A probabilidade de o sistema fa lhar ser a probabilidade de todos os componentes

fa lharem, e como so independentes entre si, tm -se :
(5.2)

Associao Srie(de)-Paralelo(s)
Uma combinao e lementar das duas anteriores uma srie de associaes em
paralelo. Graficamente representada conforme figuras 5.3 a e b.
Falha cto Sistem a

R~

R2
E

o-.. _'\
1

R1

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 probabilidade de todas as

associaes paralelo estarem operantes:

(5.3)

Associao Paralelo(de)-Srie(s)
Outra combinao elementar das duas bsicas um paralelo de associaes em srie.
Graficamente representada conforme figuras 5.4 a e b.
Falha do Sistema

ou
-

R1

R2

R1

R2

Figura 5.4.a - Diagrama de Confiabilidade

ou ~

Figura 5.4.b - rvore de Falhas

A probabilidade de o sistema fa lhar ser a probabilidade de todas as associaes srie

rr i-rr
2

falharem:

FPS (t )=

i=I

Pereiralima

(5.4)

j =I

25

Confiahilidade de Componetdes e Sistemas

en3722.hlogspot.com.hr

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

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

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

R5 p(t)
chegando-se

=1- n.F"(t)

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 fa lhar sem que o sistema falhe. Caso o k+l
zimo componente falhe, o sistema apresentar a falha.
Nesta caso, a conflabilidade 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.

12. Modo: nenhuma falha

Tem-se

R0 = C~' .R"-o.(l - R )0

2 2. Modo: uma falha

~0-+G+&G
[21-+~0-+&G

Tem-se

R1 = C(' .R"-1.(1- R)'

[}-+@+ 0-+ ~ G
[}-+@+ @+ & ~
(K+l) . Modo: k falhas

~~~~G
[21-+~~~G
[}-+@+ @+ ~ ~

[}-+@+ @+ & ~
Figura 5.5 - Representao de uma associao Parale lo K (fora) de N.
Finalmente a confiabi lidade do sistema ser a soma:
k

R=

L: c;'.R"-1 .(1- R) 1

(5.5)

j=O

Pereiralhna

26

Confiabilidade de Componemes e Sistemas

enJ 722.blogspot.com.br

VI - Associaes Complexas
Modelos mais complexos no admitem a aplicao imediata das tcnicas apresentadas
no captulo anterior, exigem mtodos de soluo diferenciados. Neste captulo 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 confiabildade 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:

V = (A.ou.A )
(
) ( -)
=>S= S.eA.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 1; e O; indicam a substituio do componente i no sistema ou por um componente
infalvel (11) ou por outro que j fa lhou (01). 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 captulo 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.

Pereiralima

27

Confiabilidade de Componentes e Sistemas

enJ722.blogspot.com.br

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

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

Ra

Rb

-4 Re

11 - Re

Rb

Rd

Rd

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

'\

1-F

Figu ra 6.2.b -rvore de falhas aps a decomposio.

Obs: A rvore de Falhas da figura 6.2.b foi obtida a partir do Diagrama de Confiabilidade aps
a aplicao do Mtodo da Decomposio, figura 6.2 .a, aplicando-se as Leis de M organ.
Finalmente obtemos:

Pereiralima

28

Confiabilidade de Componetdes e Sistemas

en3722.blogspot.com.br

Mtodo do Tie-Set
Este mtodo consiste em se determinar todos os sub-sistemas mnimos de
componentes que mantm o sistema operacional quando todos os dem ais 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

confiablidade 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.
Ossub-sistemasmnimosso:T1 ={A,B}

T2

={E,B}

T3

={E,D}

T4

={C,D}

A confiabilidade da unio de todos ser:

Rs = R(I; )+ R(T2 )+ R(T3 )+ R(J:i )+

- R(T,.eT2 ) - R(T,.eT,1 ) - R(J;.eT4 ) - R(T2 .eT3 ) - R(T2 .eT4 ) - R(T3 .eT4 )+

+ R(I; .eT2 .e.I;) + R(I; .e.T2 .e.T4 )+ R(I; .e.T3 .e.T4 )+ R(T2 .e.T3 .e.~) +
- R(T,.e.T2 .e.T1 .e.T4 )
Calculando as confiabilidades temos:

Para os termos unitrios positivos:

Para os termos dois a dois negativos:

R(J; .e.1~ )= R.4 .R 8 .RE.

R(T2 .e.I;) = R8 .R0 .R6

R(I; .e.1~ ) = RA.R8 .R0 .R6

R(T2 .e.T4 ) = R8 .Rc.R0 .R6

Para os termos trs a trs positivos:

R(J;.e.T2 .e.T3 )= R,., .R0 .R0 .RE

R(I; .e.T,1 .e .T4 ) = R,1 .R8 .Rc .RI> .R E

R(1~ .e.T4 ) = RA.R8 .Rc.R0

R(1~1 .e.1~ ) = Rc.Ro .Re

R(I; .e.T2 .e.T4 ) = RA.R8 .Rc.Ro .R6

R(T2 .e.T,, .e.T4 ) = Rn .Rc .R 0 .R E

Para o termo dos quatro, negativo:

R(I; .e.T2 .e.I; .e.T4 ) = RA .R8 .Rc .R0 .R6

Somando-se todos os termos:

Pereiralima

29

Confiahilidade de Componemes e Sistemas

enJ722.blogspot.com.br

Mtodo 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
m nimo, necessrio que a operao de qualquer um de se us 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:

C1 = {A, E,C} C1 ={D, B} C3 ={A, E , D} C4 ={B, C, E}

A no confiabllldade da unio de todos ser:

F5 = F(C1 )+ F(C2 )+ F(C3 )+ F(C4 )+

- 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.C1 .e.C4 )+ F(C1.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.FD .FE

F(C2 .e.C3 )= FA.F8 .FD.Ft

F(C1.e.C 3 )= FA.Fc .Fv.FE

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

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

Para os termos trs a trs positivos:

F(C 1.e.C 2 .e.C3 )= FA.F8 .Fc.F0 .FE F( e,.e.C2.e.C4) = FA.FB.FC.FD.FE

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

Para o termo dos quatro, negativo:

Somando-se todos os termos:

Pereiralima

30

Confiahilidade de Con1pone11J.es e Sistemas

enJ 722.blJJgspot.com.br

M todo da Tabela Booleana

Este mtodo consiste em se mo ntar 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 confiabllidades dos componentes.
Vamos mont ar nossa tabela para o sistema da figura 6.1.
Ta be la 6.1 - Tabela Booleana para o diagrama de confiabilidade da figura 6.1

1
1

1
1

1
1

o
o

o
o

1
1
l
1

1
1

o
o
o
o

1
1

l
l
1
1
1

o
o

o
o
o
o
o
o
o
o

l
1
1
1
1
1

B
1
1

o
1

o
o

o
1

1
1

o
o

1
1

o
o

o
1

1
1

o
o

o
o

o
o

o
o
o
o
1
1
1
1

o
o
o
o
1
1
1
1

o
o
o
o

1
1
1
1
1
1
1

o
o
o
o
o
o
o
o

1
1

1
l
1

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

ABC OE
ABC OE
ABCOE
8,BCOE
ABDE
ABCDE

BCOE
BCDE

DE

AOCDE

BDE
fil:OE

ABCOE
ABC.OE
ABC.OE

BC.OE

o
o
1

AB,QE
ABJJ2E

COE

COE

B.QE

B.QE

BCOE
BCDE

COE

COE

ABCDf.

ABOE

ABOE

AO.o.E

AO.o.E

AO.o.E

B,QE

o
o
1
1
1
1
1

ASCO.E
ABC OE
ABCOE
8,BCOf
ABDE

o
o
o
1

ABC.Qf

o
o
o
1

ABCOE

o
o
o

Aps as sucessivas simplificaes, obtm-se a confiabilidade do sistema com:

Rs = Rv.RE + R8 .(1- R0 ).RI!: + Rc.(1- R1:. ).Rv + RA .(1- Rc ).R8 .(1- R,,. ).R0 + RA.(1 - Rv ).R8 .(l - Rt:)
Por ltimo deve-se mencionar que uma forma alternativa pode se r montada a partir
dos estados 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 confiabilidades dos
componentes pelos respectiv os nmeros, as quatro determinam o mesmo valor.

Pereiralinu1

.1J

Confiabilidade de Componetdes e Sistemas

enJ722.blogspot.com.br

Ajuste da funo de Risco Acumulado do Sistema

Uma vez determinada a expresso da confiabilldade do sistema em funo das
confabilidades 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 Mnimo Erro Quadrtico Mdio

Pode-se determinar o valor numrico da funo de risco acumulado como:

Hexp(t;)= -ln(Rs(t;)) para i=lan

O erro quadrtico mdio associado fica:

Parmetros da funo de Weibull para Mnimo EQM

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

Para o parmetro

a tem -se:

r
(j

-~
i=~
I ----11

LHexp (t;).(t; -)r

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:

sendo O<17<1
(6.4)

Pereiralima

32

Confiabilidade de Componemes e Sistemas

enJ722.hlogspot.conr.hr

Para o parmetro tem-se:

JEQM _
:-.

-2 ~

- - L,., e;

H(

t;

)(';-)_,-O

icl

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

sendo O< TJ < 1

(6.5)
Parmetros do Confiobldode Exponencial poro Mnimo EQM

Quando a confiabi lidade for Exponencial o desenvolvimento ser ligeiramente

diferente, chegando-se a:

1
=-

L
~i
n
li

CY.[-/exp(!; )]

i=I

(6.5.a)

Parmetros do funo Log-Weibull poro Mnimo EQM

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 (6.3) a (6.5).
Mtodo de soluo iterativo

Analogamente 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 processamento.
Usando-se os dados obtidos no exerccio 2.3 para a funo de risco 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 analftico para determinao dos parmetros utilizando a
funo Log-Welbuff e o critrio do mnimo erro quadrtco 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 erro quadrtico mdio.
Compare seus resu~ados com os grficos das figuras 3.2 e 3 .4.

Pereiralima

33

Confiabilidade de Componetdes e Sistemas

enJ722.blogspot.com.br

VII - ndices 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 responder a estas questes de forma sistemtica e confive l,
que se desenvolveu o conceito de ndice de desempenho em confiabilidade. E o mais
i nteressante 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 confiablldade do sistema em funo da conflabilidade do componente:

18 = CJRs
'
CJR.

(7.1)
Por esta frmula percebe-se facilmente porque este ndice o indicado para priorizar
1

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 calcular o ndice de Birmbaun pela derivada, pe lo
mtodo da decomposio e pela definio da probabilidade de o componente estar em estado
crtico.

Figura 7.1-Slstema complexo com quatro componentes.

Pereiralima

311

Confiabilidade de Componemes e Sistemas

enJ722.blogspot.com.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:

R 1 = l-R 1
Calculando o ndice de Birmbaun a partir das derivadas para os componentes da figura
7.1 obtm-se:

Faamos agora o clculo do ndice de Birmbaun pela definio da probabilidade de o

componente estar em estado crtico.
O componente A estar em estado crtico quando D estiver operante e C estiver
8

inoperante, ou quando D estiver inoperante e B estiver operante assim: l A = R0 .Rc

+ R8 .R
0

Verifique que esta forma igual anterior.

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

operante, assim : l 8 = RA.R0

O componente C estar em estado crtico quando A estiver i noperante e D estiver
.

operante, assim:

I eB = R 0 .RA

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:

Ii

= R .R
A

+ Rc .RA.

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

= Rs (l,1 )- R5 (0A)= {1 - R0 .R0 )- RcRo

R5 (0H) = RA.R0 + R0 .{l - RA.Rc )- R0 .{1 - RA.Rc )= RA.R0
1:

1:

= R5 (1 8 ) -

/~ = R5 {lc )- R5 (0c) = RA.RD + RA.(1 - R8 .R0

1g = R5 (1 0

RA.(1- R8 .R0 )= RA.Ro

)-R5 (0 0 )={1- RA.Rc )-RARB
)-

fndice 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 fa lando da

PereiraHma

35

Confiabilidade de Componemes e Sistemas

enJ722.blogspot.com.hr

probabi lidade 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:

P (AI B )=

P(A.e.B)
P(B)

O evento A subconjunto do evento B, po is A um dos modos de falha de B, assim:

A.e.E = 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:

P(C.e.D) = 1;8 .(1- R;).

Finalmente tem-se:

(7 .3)

fndice 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 ia 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:

l I.''M = 1.l 8 {1- R.)

= 1.18 F1
I

(7.5)

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

1/'M =1/c.F5 ,

o que torna estes ndices equivalentes quando comparados dentro de um

mesmo sistema.
Exerccios
Para os componentes do diagrama de confiabilidade da figura 6.1, adote Ra=0,95; Rb=0,75;
Rc=0, 7; Rd=0,9; Re=0,8.
7.1- Calcule numericamente os ndices de Birmbaun dos componentes.
7.2- Calcule numericamente os ndices de Importncia Critica 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.

Pereiralima

36

Confiabilidade de Componetdes e Sistemas

enJ722.blogspot.conr.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(l}, ..., x(n) das variveis de estado uma realizao particular do processo.

Cadeia de Markov
Caso o estado

atual do sistema x(t) seia dependente somente do estado

imediatamente anterior x(t-1) diz-se que este 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 demais estados em cada instante t .
Devem ser conhecidas todas as probabilidades condicionais p _ (t), que a
jk

probabi lidade de no instante t+l o estado ser j sabendo-se que no instante t o estado era k.
admitido que o estado do sistema possa permanecer o mesmo na transio entre t e t+l.
Como todos os estados so mutuamente exclusivos e como o sistema sempre estar
li

em um dos estados, isto implica em

L p ,_(t)= 1, para todo k .

J=l

jk

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

p ... (t)
11

P(t) =

p ... (t)
12

...

p ... (t)
ln

..
.

P ~ (t )
2n.
.

p ... (t)

p ... (t)

p ... (t )

p ... (t)

21

11 l

p ... (t)
22

"1

1111

Se quisermos saber a probabilidade de o sistema ocupar o estado j no instante t+l , e

denominemos este evento por A, precisamos conhecer todas as probabilidades de o sistema
ter ocupado cada estado k no instante t, e denominemos cada um destes eventos por Bk , e
ainda a matriz de transio de estados P{t).
li

Pelo teorema de Bayes:

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

mas:

LJ Bk = U e

ainda:

k=I
li

A= A.e.V = A.eU Bk =
k=l

Pereiralima

li

LJ A.e.Bk ,

e como

os estados so

mutuamente

exclusivos:

k=I

37

Confiabilidade de Componemes e Sistemas

enJ722.blogspot.com.br

Matricialmente:

p <- (t)

p ,_ (t)

Pi (t+l)
.
.

JJ ,_ (t)

JJ ,_ (t)

p,, (t+l)

p ... (t)

P1(t+l)

11

12

.
.

...

22

21

p ... (t)

.. .
.. .

p ... (t)

11 I

11 2

l 11

JJ ... (t)

Pi(t)

2n

P1(t)
.
.

fJ ,_

(t) P,, (t)

..
.

/UI

11

Para qualquer instante t tem-se:

L p j (t) = l. Caso a matrix P seja independente do

j =I

tempo t : JJ(t) =

P' .JJ(O),

isto nos permite calcular a distribuio final de probabildades dos

estados atravs de ( l - P ). p( oo) =

O.

Como a soma dos elementos das colunas da matriz P sempre l, a matriz (1-P} ser
no inversvel, o que permite uma soluo no trivial.
Em confiabilidade comum haver uma hierarquia nos possveis estados do sistema,
sendo que este sempre passa de um estado mais operante para um estado menos operante e
nunca o contrrio. Isto faz com que a matriz de transio de estados seja triangular inferior.
Como exemplo vamos calcular a distribuio fina l de probabilidades de um sistema
que pode assumir trs possveis estados: El = totalmente operante, E2 = parcialmente
operante e E3 =Inoperant e; com as seguintes probabilidades de transio:
De El para El p <- =

0,990 ; De El para E2 p ._

11

De E2 para E2 p ,_

21

=0,880;

De E2 para E3 p ...

22

=0,009;

De El para E3 p <- = 0,001

=0,120;

De E3 para E3 p ~

31

32

=1,000

33

A matriz de transio de estados fica:

0,990

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

Pereiralima

p 1 (oo) =O

0,120

0,001

(1 - P) = - 0,009

o
0,120

-0,001 - 0,120

o
o
o

P2(oo) = O p 3 (oo) =l.

38

enJ 722.blogspot.com.br

Confiahilidade de Componemes e Sistemas

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 apresentaram 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 t rabalho 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 ocor rido entre o produto ter sido
colocado em operao at a sua falha. O modelo que ser desenvolvido usa a confiabil idade
exponencia l que prescinde desta informao. Passemos sua apresentao.
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 designados 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 exponenclal (Y-1

e =O na funo de Wei bull):

R(l) = e-..l..1 = F'a -Q10 ~ Q10 = Po.(1 - e-,t1)

Po

QI = QlO
Para o segundo ms de quebra, tem-se a seguinte relao entre quebra e produo:
e- 1..2

Po - (Q20 + Q10 ) ~ Q20 = .fo.(L- e- J..2 )- .fo.(l- e-..l. 1 )

Po

e-2.1=Pi-Q21 ~ Q =~.(i- e-2.1 )

Pi
Q 2 = Q20 +Q21= Po.(e-,1.1 - e -..l..2 )+Pi .{1 - e -..l.1)

21

A informao que se dispe o total de quebras no segundo ms Q2 , no entanto, o

modelo relaciona as quebras parciais Qz0 e Q 11 com a as produes P0 e P1 respectivamente.
Para o terceiro ms de quebra, tem-se a segui nte relao entre quebra e produo:

Pereiralima

39

Confiabilidade de Componemes e Sistemas

enJ722.blogspot.com.br

-.i.1 _ e-.l.2 )-(l

- e--<.1)
e-4.3=Po - {Q3o + Q2o+ Q10 ) =::> Q30 = r0 (l- e-4.3 )-0(
r 0 e
r 0
Po
e - 4.2

= Z.:: - {Q31+ Q21) =::> Q31

=Pi .(1- e - 42 ) - Pi .(1- e _;i i)

Pi
e-..i.1 = Pz ;Q32 =:>Q32 = P2.(1 -e-.1)
}.

Q3 = Q30 +Q31+Q32 = Pc,.(e-."2 - e-"3)+ Z.:: .(e-.<.i - e-"2)+ P2.(1- e-..i.i)

Por induo t em-se a seguinte relao entre quebra e produo para o ms genrico n :
li

p ..(e-4.(;-1) _ e-x; )
Q = 'V
~
r1

11-t

i=I

e por recorrncia tem-se:

Qn =Q11-1.e- A + P,,_1.(l - e-.< )

Este modelo prediz a quantidade de q uebras futura, um ms adiante, baseada nos
dados de quebra e produo presentes e uma estimativa do parmetro t axa 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 cri trio ser a minimizao do erro
quadrtico mdio entre o valor de quebra estimado pelo modelo e o constatado pela
assistncia tcnica:

Para facilidade na notao das derivadas, vamos definir

dEQM

d0

e= e-A , assim :

/1

- -=- I

[Q;-1 e+ P;_1.(1 - e )- Q;].[Q1-1 -

P;_.] =o

i=I

L" [(Qi-1- P;_I).0- (Q; - P;_I)].[Qi-1- P;_I] =o

i= I
li

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

= _,_i="-1 _ _ _ _ _ _ _ __
li

(8.1)

L (Qi-1- f';_l ).(Qi-1- P;_I)

i= I

Finalmente obtm-se a estimativa do MTIF como:

M1TF

Pereiralima

- 1

=-x= In(e)

(8.2)

40

Confiabilidade de ComponenJes e SistentaS

en3 722.hlogspot.com.hr

Universidade Federal do ABC

Eng!! de Instrumentao, Automao e Robtica
Prof Dr. Pedro Srgio Pereiral/ma
peralima@ufabc.edu.br
fndice
Parte 1- Conflabilidade de Componentes
1- Fundamentos de Confiabilidade
Introduo

Histograma

Probabilidade Intervalar

Densidade de Probabilidade

Probabilidade Acumulada

Probabilidade Complementar

5
5

Exerccios

li - Funo de Webull e MTBF

Densidade de Risco
Risco Acumulado
Funes de Weibull e Log-Weibull
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

Exerccios

11

Probabilidade de variveis discretas

12
12
13
13
13
14
14
15
16

Tempo Mdio de Vida Residual

Ili - Determinao de Parmetros

Probabilidade de intervalos de variveis contnuas
Verossimlhana
Critrio da Mxima Verossimilhana
Parmetros da funo de Weibull para Mxima Verossimilhana
Parmetros da confiabilidade Exponencial para Mxima Veras.
Parmetros da da funo Log-Webull para Mxima Veros.
Mtodo de soluo iterativo
Exerccios

Pereiralima

4I

Confiabilidade de Componemes e Sistemas

enJ722.blogspot.com.br

IV - Ensaios Acelerados
Justificativa
Hipteses
Correlao entre parmetros para diferentes nveis de estresse
Determinao do fator de acelerao
Lei da potncia inversa
Estresse sob mltiplos fatores
Modelos fsicos para determinao do fator de acelerao

17
17
18
19
21
22
23

Parte li - Confiabildade de Sistemas

V - Associaes Fundamentais
Associao Srie

24

Associao Paralelo

24

Associao Srie-Paralelo
Associao Paralelo-Srie

25
25

Associao Paralelo K de N

26

Mtodo da Decomposio

27

Mtodo do Tie-Set

29

Mtodo do Cut-Set

30

Mtodo da Tabela Booleana

Parmetros da funo de Weibull para Mnimo EQM

31
32
32
32

Parmetros da confiabildade Exponencial para M nimo EQM

33

Parmetros da funo Log-Weibull para Mnimo EQM

Mtodo de soluo iterativo

33
33

Exerccios

33

VI - Associaes Complexas

Ajuste da funo de Risco Acumulado do Sistema

Critrio do Mnimo Erro Quadrtico Mdio

VII - ndices de Desempenho

ndice de Birmbaun

34

fndice de Importncia Crtica

35

ndice de Potencial de Melhoria

36
36

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 foi montado em cima da bibliografia
bsica: Fogliattto, F.S. e Ri beiro, J.L.D. - Confiabilidade e Manuteno Industria/ 2009 Elsevier.

Pereiralima

42