Conf i abi l i dade de Si st emas

Repar vei s - Model agem

Mar k ovi ana
Si l vi o A. B. Vi ei r a de Mel o
sabvm@ufba.br
10/25/2010 2
Component e
r epar vel
aquele que aps falhar colocado
novamente em operao atravs de
qualquer procedimento que no seja
a completa substituio do mesmo,
ou seja, passvel de reparo ou
manuteno
10/25/2010 3
Aval i a o da
Conf i abi l i dade de Si st emas
Sistemas no-reparveis
Diagrama de Blocos
rvores de falhas
Sistemas reparveis
Anlise de Markov
10/25/2010 4
Anl i se de Mar k ov
uma tcnica de modelagem e
anlise dinmica da confiabilidade e
disponibilidade de sistemas
reparveis, que considera a
probabilidade do sistema estar em
um dos diversos estados possveis
10/25/2010 5
Car ac t er st i c as da Anl i se
de Mar k ov
Lida com as probabilidades de ocorrncia de
eventos futuros a partir da anlise das
probabilidades conhecidas atualmente
A probabilidade de transio do sistema de um
estado para outro no depende do histrico do
sistema
Um sistema que segue Markov no possui
memria
10/25/2010 6
Quai s os est ados do
si st ema?
Operacional
Falho
Degradado
Standby
Em manuteno
10/25/2010 7
Anl i se de Mar k ov
Expressa a transio de um estado para
outro como uma taxa instantnea
Quando essa transio corresponde
passagem de um estado operacional para um
estado de falha, tem-se a taxa de falha
Quando essa transio corresponde
passagem de um estado falho para um estado
operacional, tem-se a taxa de reparo
10/25/2010 8
Anl i se de Mar k ov
Para um processo estacionrio:
As probabilidades de transio no variam com
o tempo
As taxas de transio so constantes
Os tempos de falha e os tempos de reparo dos
componentes so exponenciais
10/25/2010 9
Model agem Mar k ovi ana
10/25/2010 10
Obj et i vos da
Model agem Mar k ovi ana
10/25/2010 11
Quando usar os Model os
de Mar k ov?
10/25/2010 12
Quai s as r est r i es da
Anl i se de Mar k ov?
A probabilidade de mudar de um estado para
outro deve ser constante (processo
homogneo). O mtodo s pode ser usado
para taxas de falha e reparo constantes
Os estados futuros so independentes dos
estados passados. Isso implica que, aps o
reparo, o sistema retorna condio de bom
como novo ( as good as new )
10/25/2010 13
Ex empl o:
2 c omponent es em par al el o
10/25/2010 14
Ex empl o:
2 c omponent es em par al el o
10/25/2010 15
Objetivo
Encontrar a probabilidade do sistema estar em
cada um dos quatro possveis estados, em
funo do tempo
Qual a probabilidade do sistema estar no estado j
no tempo t? Pj(t) = ?
Ex empl o:
2 c omponent es em par al el o
10/25/2010 16
Qual a confiabilidade do sistema?
Para funcionar, basta que o sistema esteja nos
estados 1, 2 ou 3
A confiabilidade do sistema a soma das
probabilidades dos estados 1, 2 e 3
Ex empl o:
2 c omponent es em par al el o
( ) ( ) ( ) ( ) ( ) t P 1 t P t P t P t R
4 3 2 1 S
= + + =
10/25/2010 17
Di agr ama de Mar k ov par a o
si st ema em par al el o
Ambos os componentes possuem taxas de falha
constantes
i
10/25/2010 18
Qual a probabilidade do sistema estar no
estado 1 num certo instante t+t?
a probabilidade do mesmo se encontrar no
estado 1 no instante t, menos a probabilidade
do sistema estar no estado 1 em t vezes a
probabilidade de transio (
i
t) para o estado
2 ou para o estado 3
Ex empl o:
2 c omponent es em par al el o
( ) ( ) ( ) ( ) t tP t tP t P t t P
1 2 1 1 1 1
A A = A +
10/25/2010 19

1
t a probabilidade condicional de uma
transio para o estado 2 ocorrer durante o
intervalo de tempo t uma vez que o sistema
atualmente (em t) se encontra no estado 1

1
t.P
1
(t) a probabilidade do sistema, que
est atualmente no estado 1, realizar uma
transio para o estado 2 durante o perodo de
tempo t
Ex empl o:
2 c omponent es em par al el o
10/25/2010 20
Qual a probabilidade do sistema estar nos
estados 2, 3 ou 4 num certo instante t+t ?
Ex empl o:
2 c omponent es em par al el o
( ) ( ) ( ) ( ) t tP t tP t P t t P
2 2 1 1 2 2
+ = +
( ) ( ) ( ) ( ) t tP t tP t P t t P
3 1 1 2 3 3
+ = +
( ) ( ) ( ) ( ) t tP t tP t P t t P
3 1 2 2 4 4
+ + = +
10/25/2010 21
Reearrumando as equaes anteriores para
os estados 1, 2 e 3
Ex empl o:
2 c omponent es em par al el o
( ) ( )
( ) ( ) t P
t
t P t t P
1 2 1
1 1

+ =
+
( ) ( )
( ) ( ) t P t P .
t
t P t t P
2 2 1 1
2 2

=
+
( ) ( )
( ) ( ) t P t P .
t
t P t t P
3 1 1 2
3 3

=
+
10/25/2010 22
No limite em que t0, tem-se que
Ex empl o:
2 c omponent es em par al el o
( ) ( ) ( )
( ) ( ) t P
dt
t dP
t
t P t t P
lim
1 2 1
1 1 1
0 t

+ = =
+

( ) ( ) ( )
( ) ( ) t P t P .
dt
t dP
t
t P t t P
lim
2 2 1 1
2 2 2
0 t

= =
+

( ) ( ) ( )
( ) ( ) t P t P .
dt
t dP
t
t P t t P
lim
3 1 1 2
3 3 3
0 t

= =
+

10/25/2010 23
Tem-se ento o seguinte sistema de EDOs lineares
de 1
a.
ordem:
Ex empl o:
2 c omponent es em par al el o
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )

= =
= =
= + =
0 0 P ; t P t P .
dt
t dP
0 0 P ; t P t P .
dt
t dP
1 0 P ; t P
dt
t dP
3 3 1 1 2
3
2 2 2 1 1
2
1 1 2 1
1



10/25/2010 24
Tem-se ento o seguinte sistema de EDOs lineares de 1
a.
ordem. Considerando que no instante inicial (t=0) o
sistema est no estado 1, chega-se soluo do
sistema de EDOs usando a transformada de Laplace:
Ex empl o:
2 c omponent es em par al el o
( )
( )t t
2
2 1 2
e e t P
+
= ( )
( )t
1
2 1
e t P
+
=
( )
( )t t
3
2 1 1
e e t P
+
=
( ) ( ) ( ) ( )
( )t t t
3 2 1 4
2 1 2 1
e e e 1 t P t P t P 1 t P
+
+ = =
10/25/2010 25
Qual a confiabilidade do sistema?
A confiabilidade do sistema em paralelo a
soma das probabilidades dos estados 1, 2 e 3
Ex empl o:
2 c omponent es em par al el o
( ) ( ) ( ) ( ) ( ) t P 1 t P t P t P t R
4 3 2 1 S
= + + =
( )
( )t t t
S
2 1 2 1
e e e t R
+
+ =
10/25/2010 26
Se os mesmos c omponent es
est i ver em em sr i e
O diagrama de Markov o mesmo
As probabilidades de estado so as mesmas
A confiabilidade do sistema em srie igual
probabilidade do sistema estar no estado 1
( ) ( )
( )t
1 S
2 1
e t P t R
+
= =
10/25/2010 27
Pr oc essos de Mar k ov
10/25/2010 28
Pr oc essos de Mar k ov
10/25/2010 29
Pr obabi l i dades de
Tr ansi o
10/25/2010 30
Pr oc essos de Mar k ov
sem memr i a
Processos de Markov com probabilidades de transio
estacionrias so chamados de processos sem memria
Ao se analisar a probabilidade de realizar uma transio
de um estado para outro em um dado instante t, no
importa saber quanto tempo o sistema est no estado
atual, nem como o sistema chegou a esse estado
Consequncia: processos de desgaste no podem ser
facilmente analisados usando modelos de Markov
10/25/2010 31
Pr obabi l i dades de
Tr ansi o
10/25/2010 32
Tax as de Tr ansi o
As taxas de transio
i j
do estado i para o estado j so
definidas como:
Considerando as probabilidades de transio
estacionrias:
10/25/2010 33
Equa es de Est ado
(dedu o)
10/25/2010 34
Equa es de Est ado
(dedu o)
10/25/2010 35
Equa es de Est ado
(f or ma mat r i c i al )
10/25/2010 36
Mat r i z de t r ansi o
10/25/2010 37
Si st ema de Equa es
Di f er enc i ai s
Logo, o processo de Markov pode ser escrito como um
conjunto de equaes diferenciais lineares de primeira
ordem (equaes de estado) representado
compactamente por
onde a derivada do vetor de probabilidades de
estado
) t ( Q . T ) t ( Q =
-
) t ( Q
-
) t ( Q
10/25/2010 38
Obser va o
Observa-se a partir das equaes
que a soma dos elementos de uma dada coluna da matriz
de transio igual a zero. Consequentemente, a matriz T
singular e as equaes de estado no possuem uma
soluo nica. Contudo, como o sistema deve estar num
dos possveis (r+1) estados, tem-se que e
conhecendo-se o estado inicial do sistema P
i
(0)=1,
podem-se estimar todas as probabilidades P
j
(t).
10/25/2010 39
Sol u o das Equa es de
Est ado
10/25/2010 40
Sol u o das Equa es de
Est ado
10/25/2010 41
Ex empl o
10/25/2010 42
Ex empl o
10/25/2010 43
Ex empl o
10/25/2010 44
Ex empl o
10/25/2010 45
Di sponi bi l i dade X
I ndi sponi bi l i dade
10/25/2010 46
Ex empl o
10/25/2010 47
Conf i abi l i dade do Si st ema
A confiabilidade do sistema R(t) igual probabilidade
dele ocupar o estado 1, dada por:
O tempo mdio de falha (MTTF) do sistema dado por
( ) ( ) ( ) t P 1 t P t R
0 1
= =
( )
}

=
0
dt t R MTTF
10/25/2010 48
Pr obabi l i dades
Est ac i onr i as
Em algumas situaes, apenas as probabilidades
estacionrias so de interesse, ou seja, os valores de P
j
(t)
quando t tende ao infinito
Antes de obtermos as probabilidades estacionrias,
vejamos os conceitos de estado atingvel e processo
irredutvel
10/25/2010 49
Pr oc esso de Mar k ov
I r r edut vel
10/25/2010 50
Pr obabi l i dades
Est ac i onr i as
O processo de Markov irredutvel converge para uma
condio na qual a probabilidade do sistema estar em um
determinado estado j
que so as probabilidades estacionrias ou assintticas
Note que se P
j
(t) tende a um valor constante quando t
tende ao infinito, ento sua derivada tender a zero
10/25/2010 51
Pr obabi l i dades
Est ac i onr i as
10/25/2010 52
Ex er c c i o
Considere um sistema com dois componentes
independentes em paralelo, cujos estados so:
10/25/2010 53
Ex er c c i o
Considere as seguintes taxas de transio entre esses
estados:

32
=
10
=
1
: taxa de falha do componente 1

31
=
20
=
2
: taxa de falha do componente 2

23
=
01
=
1
: taxa de reparo do componente 1

13
=
02
=
2
: taxa de reparo do componente 2
Construa o diagrama de Markov para o sistema
Calcule a soluo transiente e a soluo estacionria
Determine a disponibilidade mdia e a confiabilidade
Calcule o MTTF
10/25/2010 54
Ex er c c i o
LEMBRANDO QUE, NESSE CASO,
A confiabilidade do sistema R(t) igual
probabilidade dele ocupar os estados 1, 2 ou 3,
dada por:
( ) ( ) ( ) ( ) ( ) t P t P t P t P t R
0 3 2 1
1 = + + =
10/25/2010 55
Ex er c c i o
Considere agora que os 2 componentes do exerccio
anterior sejam colocados em srie, com as mesmas
taxas de falha e reparo
Construa o diagrama de Markov para o sistema
Calcule a soluo transiente e a soluo estacionria
Determine a disponibilidade mdia e a confiabilidade
Calcule o MTTF