Você está na página 1de 225

UNIVERSIDADE FEDERAL DA BAHIA

ESCOLA POLITCNICA
PROGRAMA DE PS GRADUAO EM ENGENHARIA INDUSTRIAL - PEI

Edilson Machado de Assis

O Modelo q -Weibull em Conabilidade, rvores de Falha Dinmicas e


Implementao de Manuteno

TESE DE DOUTORADO

Salvador
19 de julho de 2013

UNIVERSIDADE FEDERAL DA BAHIA


ESCOLA POLITCNICA

Edilson Machado de Assis

O Modelo q -Weibull em Conabilidade, rvores de Falha Dinmicas e


Implementao de Manuteno

Trabalho apresentado ao Programa de Ps Graduao em Engenharia Industrial - PEI da Universidade Federal da Bahia como requisito parcial para obteno do grau de Doutor em Engenharia Industrial.

Orientadores:
Prof. Dr. Ernesto Pinheiro Borges
Prof. Dr. Silvio Alexandre Beisl Vieira de Melo
Prof. Dr. Leizer Schnitman

Salvador
19 de julho de 2013

A848

Assis, Edilson Machado de


O modelo

q -Weibull

em conabilidade, rvores de falha

dinmicas e implementao de manuteno / Edilson Machado


de Assis.  Salvador, 2013.
193 f. : il.
Orientador: Prof. Ernesto Pinheiro Borges
Co-orientador:

Prof.

Silvio Alexandre Beisl Vieira de

Melo, Prof. Leizer Schnitman


Tese (doutorado)  Universidade Federal da Bahia. Escola
Politcnica, 2013.
1. Engenharia industrial. 2. Conabilidade (Engenharia).
I. Borges, Ernesto Pinheiro. II. Universidade Federal da Bahia.
III. Ttulo.

CDD : 670.42

O Modelo

q -Weibull

em Conabilidade, rvores de Falha Dinmicas e Implementao


de Manuteno

Edilson Machado de Assis

Tese submetida ao corpo docente do programa de ps-graduao em Engenharia


Industrial da Universidade Federal da Bahia como parte dos requisitos necessrios para a
obteno do grau de doutor em Engenharia Industrial.
Examinada por:

Prof. Dr. Ernesto Pinheiro Borges

Prof. Dr. Silvio Alexandre Beisl Vieira de Melo

Prof. Dr. Leizer Schnitman

Prof. Dr. Enrique Andrs Lpez Droguett

Prof. Dr. Giovana Oliveira Silva

Prof. Dr. Herman Augusto Lepikson

Dr. Manuel de Almeida Barreto Filho

Dr. Valdir Estevam

Salvador, BA
19 de julho de 2013

Se no puder voar, corra.


Se no puder correr, ande.
Se no puder andar, rasteje,
mas continue em frente
de qualquer jeito.


(Martin Luther King)

De
todas
as coisas
humanas, a nica que
tem o m em si mesma a arte.


(Machado de Assis)

No se preocupe muito
com as suas diculdades em
Matemtica, posso assegurar-lhe que
as minhas so ainda maiores.


(Albert Einstein)

Agradecimentos
Agradeo a todas as pessoas que colaboraram de alguma forma para a realizao
deste trabalho, especialmente:

a) a minha famlia pelo apoio ininterrupto;


b) aos meus amigos pela compreenso de minhas ausncias;
c) aos companheiros de empresa pela pacincia;
d) aos companheiros de trabalho da universidade pela ajuda;
e) aos orientadores pelas sugestes, colaboraes e diligncia;
f ) aos estudantes de iniciao cientca, que participaram no incio da pesquisa;
g) a todos os meus professores do ensino fundamental, mdio, graduao, mestrado e
doutorado;
h) a todos os desenvolvedores do sistema operacional Linux;
AT X;
i) a todos os desenvolvedores e colaboradores do L
E

j) a todos os demais que embora importantes, no tenham sido listados anteriormente.

Resumo
A distribuio

q -Weibull

foi aplicada em anlise de conabilidade. Trata-se de uma

generalizao com quatro parmetros de uma distribuio amplamente utilizada em conabilidade, a distribuio Weibull, que possui trs parmetros. A distribuio Weibull
baseada na funo exponencial do negativo de uma potncia. A distribuio
utiliza uma generalizao da funo exponencial, chamada

q -exponencial,

q -Weibull

que apresenta

o comportamento assinttico a uma lei de potncia e recupera, tambm como caso particular, uma exponencial. Desta forma, em comparao com a distribuio Weibull, foi
acrescentado mais um parmetro s expresses da funo densidade de probabilidade, da
funo de falha acumulada e da taxa de falha. Foram identicados cinco padres distintos
para a taxa de falha da distribuio

q -Weibull, determinados por faixas bem denidas dos

parmetros do modelo. Isto representa uma melhoria em relao ao modelo Weibull, capaz de representar trs padres de comportamento para a taxa de falha. Particularmente
a taxa de falha

q -Weibull

capaz de representar, alm dos formatos decrescente, cons-

tante e crescente, dois outros formatos, o unimodal e a curva da banheira, que no so


possveis para a distribuio Weibull, com parmetros xos. Foram deduzidas expresses
para os momentos em torno do zero e da mdia, tambm para moda e mediana, alm
de outras propriedades caractersticas. O mtodo de ajuste foi validado por meio de trs
exemplos de casos reais: componentes de poos de petrleo, estaco de solda robotizada,
e em mercado de aes. Os exemplos da estao de solda e do mercado de aes tambm
foram utilizados para comparao da ecincia de quatro modelos,

q -exponencial,

e exponencial.

q -Weibull,

Weibull,

Foram deduzidas expresses para a funo de falha acu-

mulada e para taxa de falha de todas as portas de rvores de falha dinmica, com base
na distribuio

q -Weibull.

Todas as expresses de falha acumulada foram validadas por

meio do mtodo de Monte Carlo. Foram deduzidas expresses de conabilidade e taxa


de falha de um componente submetido a manutenes preventivas em intervalos regulares de tempo sob condies de reparo perfeito e imperfeito no contexto da distribuio

q -Weibull.

As expresses para o clculo do intervalo timo de manuteno preventiva

foram apresentadas considerando trs critrios diferentes: o custo mnimo por ciclo de
manuteno, o valor mximo permitido para a taxa de falha, e o valor mnimo permitido
para a conabilidade. Para estes dois ltimos critrios, as expresses deduzidas para um
componente foram estendidas para uma associao em porta de rvore de falha dinmica
e foram apresentados dois exemplos.

Abstract
The

q -Weibull

distribution was applied to reliability analysis. It is a generalization

of a four-parameter distribution widely used in realiability, the Weibull distribution, which


has three parameters. The Weibull distribution is based on the exponential of the negative of a power law. The
function, called

q -Weibull

q -exponential.

distribution uses a generalization of the exponential

This function displays the asymptotic behavior of a power

law, and also recovers the exponential function, as a particular case. Thus, when compared with the Weibull distribution, it has been added into the expressions an additional
parameter

q.

It has been identied ve distinct patterns for the failure rate distribution of

q -Weibull model, determined by well dened ranges of the parameters.

This represents an

improvement over the Weibull model, that is able to represent three patterns of behavior
for the failure rate. Particularly,

q -Weibull

failure rate is able to represent, in addition

to the decreasing, steadily, and increasing formats, two additional cases, the unimodal
and the bathtub curve, which are not possible for the Weibull distribution with xed parameters. It has been deduced expressions for the moments around zero and around the
average, and also the median, the mode, besides other characteristic properties. The tting method was validated by using three real examples: components of oil wells, robotic
welding station, and an instance of the stock market. The examples of welding station
and the stock market were also used to compare the eciency of four models,
Weibull,

q -exponential,

and exponential. Based on the

q -Weibull

q -Weibull,

distribution, there were

deduced expressions for the unreliability and failure rate functions of all ports of dynamic
fault trees. All expressions of unreliability were validated by means of the Monte Carlo
method. Expressions for the reliability and the failure rate of a component subjected to
preventive maintenance at regular intervals of time under conditions of perfect and imperfect repair were deduced in the context of the

q -Weibull

distribution. The expressions

for the determination of the optimal preventive maintenance interval were presented, considering three dierent criteria: the minimum cost per maintenance cycle, the maximum
allowed value for the failure rate, and the minimum allowable reliability. For the latter
two criteria, the expressions deduced for a component have been extended to a port of
dynamic fault tree, and two examples were presented.

Sumrio
1 Introduo

1.1

Justicativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Objetivo geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Objetivos especcos

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Fundamentos de conabilidade

2.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Integrao de componentes e sistemas . . . . . . . . . . . . . . . . . . . . .

10

2.3

Distribuio de Weibull aplicada conabilidade

. . . . . . . . . . . . . .

18

2.4

Entropia de Tsallis

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

3 Anlise da funo taxa de falha pelo modelo q -Weibull

25

3.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25

3.2

Taxa de falha da distribuio q-Weibull . . . . . . . . . . . . . . . . . . . .

28

3.3

Comportamento da funo densidade de probabilidade

3.4

. . . . . .

32

. . . . . . . . . . . . . . . . .

33

. . . . . . . . . . . . . . . . . . . . . . .

35

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

3.3.1

Momentos da distribuio

3.3.2

Inuncia do parmetro

3.3.3

Anlise de

3.3.4

Inuncia do parmetro

3.3.5

Inuncia do parmetro

3.3.6

Equaes adimensionais

tmax

q -Weibull

q -Weibull .

. . . . . . . . . . . . . . . . . . . . . . .

37

. . . . . . . . . . . . . . . . . . . . . . .

39

. . . . . . . . . . . . . . . . . . . . . . . .

41

Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

4 Anlise comparativa das distribuies generalizadas q -Weibull e q -exponencial


aplicadas engenharia de conabilidade
45
4.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

45

4.2

Distribuies de tempos de vida . . . . . . . . . . . . . . . . . . . . . . . .

46

q -Weibull

q -exponencial

4.2.1

Distribuies

. . . . . . . . . . . . . . . .

46

4.2.2

Taxa de falha das distribuies

. . . . . . . . . . . . . . . . . . . .

47

4.2.3

Estimao de parmetros . . . . . . . . . . . . . . . . . . . . . . . .

47

4.3

Aplicao em equipamentos de poos de petrleo

. . . . . . . . . . . . . .

50

4.4

Aplicao em estao de solda robotizada . . . . . . . . . . . . . . . . . . .

54

4.5

Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

58

5 q -Weibull aplicada a rvore de Falha Dinmica


5.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.1

5.2

q -Weibull

62

Portas das rvores de Falha Dinmicas . . . . . . . . . . . . . . . . . . . .

63

5.2.1

AND . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

67

5.2.2

OR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

73

5.2.3

KofN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

78

5.2.4

PDep  Dependncia probabilstica (

5.2.6
5.2.7

Modelagem

61

. . . . . . . . . . . . . . . . . . . . . . . . . .

5.2.5

5.3

61

Probabilistic dependency )
PAND  AND com Prioridade (Priority AND ) . . . . . . . . .
SEQ  Sequncia forada (Sequence Enforcing )
. . . . . . . .
WSP  Sobressalente (Warm spare )
. . . . . . . . . . . . . .

. . .

83

. . .

89

. . .

96

. . . 101

Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

6 Manutenes corretiva e preventiva baseadas no modelo q -Weibull

117

6.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

6.2

Conabilidade e manuteno com o modelo

6.3

6.4

q -Weibull

. . . . . . . . . . . . 118

6.2.1

Manuteno com reparo perfeito . . . . . . . . . . . . . . . . . . . . 119

6.2.2

Manuteno com reparo imperfeito

6.2.3

Intervalo timo de manuteno preventiva baseada em custo

Exemplos

. . . . . . . . . . . . . . . . . . 121
. . . . 122

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

6.3.1

Cenrio 1 - Unimodal - Reparo perfeito . . . . . . . . . . . . . . . . 124

6.3.2

Cenrio 2 - Unimodal - Reparo imperfeito

6.3.3

Cenrio 3 - Taxa de falha crescente - Reparo perfeito

6.3.4

Cenrio 4 - Crescente - Reparo imperfeito

6.3.5

Cenrios 5a e 5b

. . . . . . . . . . . . . . 127
. . . . . . . . 130

. . . . . . . . . . . . . . 133

. . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

7 Consideraes nais

141

7.1

Concluses

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141

7.2

Sugestes para trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . . . 145

Referncias

147

Apndice A  Dedues das principais expresses

157

A.1

Funes de conabilidade e derivadas . . . . . . . . . . . . . . . . . . . . . 157


A.1.1

Funo densidade de probabilidade Weibull . . . . . . . . . . . . . . 157

A.1.2

Funo densidade de probabilidade

A.1.3

Funo

A.1.4

Funo conabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . 157

A.1.5

Funo de falha acumulada

q -exponencial

q -Weibull

. . . . . . . . . . . . 157

. . . . . . . . . . . . . . . . . . . . . . . . . . 157

. . . . . . . . . . . . . . . . . . . . . . 158

A.1.6

Funo taxa de falha . . . . . . . . . . . . . . . . . . . . . . . . . . 158

A.1.7

Derivada temporal da taxa de falha . . . . . . . . . . . . . . . . . . 159

A.1.8

Segunda derivada temporal da taxa de falha

q -Weibull

. . . . . . . . . . . . . 162

A.2

Tempo mximo da distribuio

A.3

Momentos da distribuio

. . . . . . . . . . . . . . . 167

A.3.1

Momento de

. . . . . . . . . . . . . . . 167

A.3.2

Momento de

A.3.3

Momentos em torno da mdia . . . . . . . . . . . . . . . . . . . . . 173

A.4

. . . . . . . . . . . . . . . . . . . 166

q -Weibull para t0 6= 0
ordem n para q > 1 . . . .
ordem n para q < 1 . . . .
q -Weibull para t0 = 0
ordem n para q > 1 . . . .
ordem n para q < 1 . . . .

. . . . . . . . . . . . . . . 170

Momentos da distribuio

. . . . . . . . . . . . . . . 174

A.4.1

Momento de

. . . . . . . . . . . . . . . 174

A.4.2

Momento de

. . . . . . . . . . . . . . . 176

A.5

A.6

Mdia ou MTBF

A.7

Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179

A.8

Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180

A.9

rvore de Falha Dinmica

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178

A.9.1

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179

. . . . . . . . . . . . . . . . . . . . . . . . . . . 183

Derivada temporal da funo de falha acumulada da porta WSP . . 183

A.10 Tempo esperado por ciclo de manuteno . . . . . . . . . . . . . . . . . . . 185


T
A.10.1 Soluo de

A.10.2 Soluo de

t0
T

tfq (t)dt

. . . . . . . . . . . . . . . . . . . . . . . . . . 185

Rq (t)dt

. . . . . . . . . . . . . . . . . . . . . . . . . . 187

t0

Apndice B  Exemplo de aplicao da distribuio q -Weibull


B.1

O modelo

q -Weibull

em mercado de aes

191

. . . . . . . . . . . . . . . . . . 191

Lista de Figuras
2.2.1

rvore de dependabilidade.

3.2.1

Quatro diferentes tipos de comportamento da funo taxa de falha.

3.2.2

Derivadas temporais da taxa de falha da distribuio

3.3.1

Falha acumulada para diferentes valores de

3.3.2

Tempo mximo de vida em funo de

3.3.3

hq (t). . . . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha da q -Weibull dada pela Equao 3.2.9, com q = 0,9.
.
Taxa de falha da q -Weibull dada pela Equao 3.2.9, com q = 1,5, = 1
e t0 = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha q -Weibull em funo do tempo para diferentes valores de
q < 1 em escala loglog. . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha q -Weibull em funo do tempo para diferentes valores de
q < 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha da q -Weibull para o caso unimodal e diferentes valores de
q > 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha da q -Weibull para o caso decrescente e diferentes valores
de q > 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

q.

11

. .

30

. . . .

32

. . . . . . . . . . . . . . .

35

q -Weibull.

para diferentes valores de

q < 1.

37

38

38

39

40

40

41

3.3.10

Taxa de falha unimodal adimensional. . . . . . . . . . . . . . . . . . . .

42

3.3.11

Taxa de falha adimensional com formato de banheira. . . . . . . . . . .

43

4.3.1

Funes conabilidade e taxa de falha para bombas de fundo. . . . . . .

51

4.3.2

Funes conabilidade e taxa de falha para hastes de bombeio. . . . . .

52

4.3.3

Funes conabilidade e taxa de falha para tubulao de produo.

53

4.4.1

Grcos de ajuste dos tempos de vida da estao de solda para os quatro

3.3.5

3.3.6

3.3.7

3.3.8

3.3.9

em

36

3.3.4

Efeito de

. . . . . . . . . . . . . . . . . . . . . . . .

. .

modelos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Rq (t)

4.4.2

Curvas

da estao de solda para os quatro modelos. . . . . . . . .

4.4.3

Grcos de ajuste dos tempos de vida da estao de solda separados


em 3 intervalos.

hq (t)

54
56

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57

da estao de solda para os quatro modelos. . . . . . . . .

58

4.4.4

Curvas

5.2.1
5.2.2

Fq,C3 (t) com linha contnua Fq,C14 (t) com linha tracejada.
hq,C3 (t) com linha contnua hq,C14 (t) com linha tracejada.

. . . . . . .

66

. . . . . . . .

66

5.2.3

Representao simblica da porta AND . . . . . . . . . . . . . . . . . .

68

5.2.4

No conabilidade para a porta AND e suas entradas. . . . . . . . . . .

70

5.2.5

Funes taxa de falha para uma porta AND e suas duas entradas. Casos
a) at f ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.2.6

71

Funes taxa de falha para uma porta AND e suas duas entradas. Casos
g) at j). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

72

5.2.7

Representao simblica da porta OR.

74

5.2.8

Funes no conabilidade de uma porta OR e suas entradas.

5.2.9

Funes taxa de falha para uma porta OR e suas duas entradas. Casos

. . . . . . . . . . . . . . . . . .
. . . . .

a) at f ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.10

75

76

Funes taxa de falha para uma porta OR e suas duas entradas. Casos
g) at j). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

77

5.2.11

Representao simblica da porta KofN.

. . . . . . . . . . . . . . . . .

79

5.2.12

Funes no conabilidade para a porta KofN e suas entradas. . . . . .

80

5.2.13

Funes taxa de falha de portas KofN e suas entradas. Casos a) at d).

81

5.2.14

Funes taxa de falha de portas KofN e suas entradas. Casos e) at j). .

82

5.2.15

Representao simblica de uma porta PDep.

84

5.2.16

Funes no conabilidade para uma porta PDep e suas entradas.

5.2.17

Funes taxa de falha de portas PDep e suas entradas. Casos a) at f ).

87

5.2.18

Funes taxa de falha de portas PDep e suas entradas. Casos g) at j).

88

5.2.19

Funes densidade de probabilidade

. . . . . . . . . .

90

5.2.20

Representao simblica da porta PAND. . . . . . . . . . . . . . . . . .

91

5.2.21

No conabilidade para uma porta PAnd e suas entradas. . . . . . . . .

93

5.2.22

Funes taxa de falha para portas PAND e suas duas entradas. Casos

f1 (x1 )

. . . . . . . . . . . . . .

f2 (x2 ).

. . .

a) at f ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.23

86

94

Funes taxa de falha para portas PAND e suas duas entradas. Casos
g) at j). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

95

5.2.24

Representao simblica da porta SEQ. . . . . . . . . . . . . . . . . . .

97

5.2.25

Funes no conabilidade para um porta SEQ e suas entradas.

98

5.2.26

Funes taxa de falha de portas SEQ e seus dois componentes. Casos

. . . .

a) at f ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.27

99

Funes taxa de falha de portas SEQ e seus dois componentes. Casos


g) at j). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

5.2.28

Representao simblica da porta WSP. . . . . . . . . . . . . . . . . . . 101

5.2.29

Funes densidade de probabilidade do componente principal e do componente reserva no estado de dormncia.

5.2.30

. . . . . . . . . . . . . . . . . 102

Funes densidade de probabilidade do componente principal e do componente reserva no estado ativado. . . . . . . . . . . . . . . . . . . . . . 103

5.2.31

Funes no conabilidade de uma porta WSP e suas entradas.

5.2.32

Funes taxa de falha para porta WSP de componentes principal e


reserva iguais a

C20 .

. . . . 105

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

5.2.33

Funes taxa de falha para porta WSP de componentes principal e


reserva iguais a

5.2.34

C22 .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

Funes taxa de falha para porta WSP de componentes principal e


reserva iguais a

5.2.36

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

Funes taxa de falha para porta WSP de componentes principal e


reserva iguais a

5.2.35

C21 .

C23 .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

Funes taxa de falha para porta WSP de componentes principal e


reserva iguais a

C24 .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

W SPC23 ,C24 (t) e suas entradas. . .


taxa de falha para a porta W SPC23 ,C24 e suas entradas. . . . .
no conabilidade para a W SP 2SC24 ,C24 ,C24 (t) e suas entradas.

5.2.37

Funes no conabilidade da porta

109

5.2.38

Funes

110

5.2.39

Funes

5.2.40

Funes taxa de falha para porta WSP de 3 entradas com todos os


componentes iguais a

5.3.1

C24 .

. . . . . . . . . . . . . . . . . . . . . . . . . 113

Formatos de taxa de falha.


Jiang (2004, p. 48)

113

Figura refeita a partir de Murthy, Xie e

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

6.3.1

Conabilidade sob manuteno preventiva. . . . . . . . . . . . . . . . . 125

6.3.2

Derivada temporal da funo no conabilidade do componente

6.3.3

Funo taxa de falha do componente

6.3.4

Custo por ciclo de manuteno (unidades monetrias/h).

6.3.5

Funo conabilidade com manuteno preventiva. . . . . . . . . . . . . 128

6.3.6

Derivada temporal da funo no conabilidade do componente

C1

C1 .

. . 125

sujeito manuteno preventiva.126


. . . . . . . . 127

C1

em

manuteno preventiva. . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

C1

6.3.7

Funo taxa de falha de

em manuteno preventiva. . . . . . . . . . 130

6.3.8

Funo conabilidade do componente

6.3.9

Derivada temporal da no

C2 sujeito a manuteno preventiva.131


conabilidade do componente C2 em manu-

teno preventiva. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131


6.3.10

Funo taxa de falha do componente

C2

sob regime de manuteno

preventiva. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.3.11

Custo por ciclo de manuteno. O detalhe mostra a localizao do custo


mnimo.

6.3.12

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133

Funo conabilidade do componente

C2

sob manuteno preventiva e

reparo imperfeito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134


6.3.13

Derivada temporal da no conabilidade para

C2

em regime de manu-

teno preventiva e reparo imperfeito. . . . . . . . . . . . . . . . . . . . 134

C2 em manuteno preventiva e reparo imperfeito.135

6.3.14

Funo taxa de falha de

6.3.15

Funo conabilidade da porta PDep sob manuteno preventiva.

6.3.16

Derivada temporal da funo no conabilidade da porta PDep sob

. . . 136

manuteno preventiva. . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

6.3.17

Funo taxa de falha da porta PDep sob manuteno preventiva. . . . . 137

B.1.1

Curvas

Rq (t)

do IBEX-35 para os quatro modelos. . . . . . . . . . . . . 192

Lista de Tabelas
2.1

Aplicaes da distribuio Weibull . . . . . . . . . . . . . . . . . . . . .

3.1

Comportamento da taxa de falha


parmetros

q -Weibull

de acordo com valores dos

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.1

Tempo at falhar (em dias) de bombas de petrleo em ordem crescente

4.2

Parmetros das distribuies


de bombas de fundo.

q -Weibull

21

44
50

e Weibull dos tempos de vida

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

4.3

Tempo at falhar de hastes de bombeio (em dias). . . . . . . . . . . . .

51

4.4

Parmetros dos ajustes dos tempos de vida das hastes de bombeio. . . .

52

4.5

Tempo at falhar de tubulao de produo (em dias).

53

4.6

Parmetros dos ajustes dos tempos at falhar de tubulao de produo. 53

4.7

AICc (Critrio de Informao Akaike corrigido) e

5.1

Parmetros da

q -Weibull

58

. . . . . . . . . . . . . . . . . . . . .

65

dos componentes (C1 a

formatos da funo taxa de falha.


5.2

. . . . . . . . .

para os modelos.

C18 ),

valores

tlim

q -Weibull para os componentes das portas WSP, tempos


tlim dor e formatos das curvas de taxa de falha. . . . . . . .

Parmetros da

ttim atv

65

SEQ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

67

5.4

Componentes de entrada das portas WSP.

67

5.5

Dados do teste de 1000 compressores de refrigerador.

5.3

Componentes de entradas das portas AND, OR, KofN, PDep, PAnd e

Krishnamoorthi (1992).

. . . . . . . . . . . . . . . .
Adaptado de

. . . . . . . . . . . . . . . . . . . . . . . . . .

69

5.6

Formatos da funo taxa de falha das entradas e sada de portas AND.

5.7

Formatos da funo taxa de falha das entradas e sada de portas OR.

5.8

Formatos da funo taxa de falha das entradas e sada de portas KofN.

83

5.9

Formatos da funo taxa de falha das entradas e sada de portas PDep.

89

5.10

Formatos da funo taxa de falha das entradas e sada de portas PAND.

95

5.11

Formatos da funo taxa de falha das entradas e sada de portas SEQ.

5.12

Possveis situaes das falhas dos componentes.

5.13

Alguns formatos resultantes de aplicao da

6.1

Parmetros da distribuio
falha dos componentes.

6.2

q -Weibull

73
.

78

100

. . . . . . . . . . . . . 102

q -Weibull

em AFD.

. . . . 116

e formatos das funes taxa de

. . . . . . . . . . . . . . . . . . . . . . . . . . 124

Especicaes dos cenrios.

. . . . . . . . . . . . . . . . . . . . . . . . 124

B.1

Parmetros das distribuies e coeciente de determinao para tempos


de espera de

B.2

|log (retorno)| > u.

. . . . . . . . . . . . . . . . . . . . . . 192

Parmetros das distribuies e coeciente de determinao para tempos


de espera entre os eventos

log (retorno) > u

log (retorno) < u.

. . . . 193

Lista de Abreviaturas e Siglas


AF

rvore de Falha

AFD

rvore de Falha Dinmica

AIC

Critrio de Informao Akaike

AND

Porta lgica AND

BGS

Boltzmann-Gibbs-Shannon

CDMS

Conabilidade, disponibilidade, manutenabilidade e segurana

CM

Cadeia de Markov

DBD

Diagramas Binrios de Deciso

EQM

Erro Quadrtico Mdio

fdp

Funo densidade de probabilidade

IBEX-35

Iberia index

KofN

Porta lgica

MTBF

Tempo mdio entre falhas

OR

Porta lgica OR

PAND

Porta lgica PAND (AND com prioridade)

PDEP

Porta lgica PDEP (dependncia probabilstica)

RB

Rede Bayesiana

RSS

Soma dos quadrados dos resduos

SEQ

Porta lgica SEQ (sequncia forada)

de

WSP

Porta lgica WSP (sobressalente)

Lista de Smbolos

Parmetro de forma da distribuio Weibull

Parmetro de escala da distribuio Weibull

ndice entrpico

t0

Parmetro de vida mnima da distribuio Weibull

[x]+

O maior dos dois valores:

Fator de dormncia

Diferena entre Critrios de Informao de Akaike

Vida caracterstica generalizada

Taxa de falha adimensional

(x)

Funo Gama de

No-conabilidade estimada

0n

Momento de ordem

em torno do zero

Momento de ordem

em torno da mdia

Tempo adimensional limitado

Tempo adimensional no limitado

2 F1

(a, b; c; z)

ou

Funo hipergeomtrica

Cc

Custo de manuteno corretiva

Ci

i-simo

componente

Cp

Custo de manuteno preventiva

E[T ]

Tempo esperado por ciclo de manuteno

f (t)

Funo densidade de probabilidade em

F (x)

Valor da funo acumulada em

Fq (t)

Funo de falha acumulada em

hq (t)

Funo taxa de falha em

Nmero de parmetros do modelo para a avaliao do AIC

P (X x)

Probabilidade da varivel aleatria

pi

Probabilidade de ocorrncia do

qupper

Limite superior para o parmetro

R2

Coeciente de determinao

Rq (t)

Funo conabilidade em

Rmq (t)

Conabilidade no instante

Sq

Entropia generalizada

Intervalo de tempo para manuteno preventiva

tlim

Tempo limite de funcionamento de um componente

tlim atv

Tempo limite de um componente em estado ativo

tlim dor

Tempo limite de um componente em estado de dormncia

tmax

Tempo do nal de vida

Nmero total de microestados

Z[T ]

Custo de manuteno esperado por unidade de tempo de operao

para a distribuio Weibull

ter valor menor ou igual a

i-simo

microestado

t
t

sob manuteno preventiva

Md

Mediana

Mo

Moda

Lista de Algoritmos
5.1

AND_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

70

5.2

OR_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

74

5.3

KofN_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

80

5.4

PDep_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85

5.5

PAND_Monte_Carlo.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

92

5.6

SEQ_Monte_Carlo.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

97

5.7

WSP_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

5.8

WSP2S_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

1 Introduo
A engenharia de conabilidade tem como uma de suas principais tarefas manter
as instalaes industriais, equipamentos, ou simples componentes funcionando de forma
adequada.

De forma geral manter os sistemas livres de falhas ajuda a afastar perdas

nanceiras e prejuzos ambientais.


Novos produtos tm aparecido num ritmo cada vez maior e os produtos que j
existem precisam ser produzidos de forma cada vez mais acelerada. Isto se deve ao prprio
avano tecnolgico e tambm ao aumento de demanda, provocado por uma quantidade
crescente de consumidores, cada vez mais exigentes. A demanda e o avano tecnolgico
so fatores que tm se realimentado de forma a exigir que os sistemas de produo sejam
cada vez mais conveis e menos suscetveis a falhas.
A importncia da manuteno de tais sistemas cresceu e provocou o surgimento
da gesto da manuteno. Com uma mecanizao cada vez maior e, com a incluso da
automao, o nmero de pessoas em atividades de produo tem diminudo, ao passo
que o capital empregado em equipamentos de produo e nas instalaes tem aumentado.
Com equipamentos mais caros e menos empregados nos setores produtivos, os gastos com
manuteno aumentam, em funo da natureza dos equipamentos e da proporo cada
vez maior de funcionrios em manuteno. Nas renarias, por exemplo, no raro que
os servios de manuteno e operao sejam os maiores departamentos na empresa e que
cada um deles compreenda cerca de 30% da mo de obra total (vide Rommert (1996)).
A gesto de manuteno foi beneciada com o desenvolvimento de uma grande rea
da pesquisa operacional, chamada otimizao de manuteno. Esta rea foi fundada no
incio da dcada de sessenta do Sc.

XX, por Barlow, Proschan, Jorgenson, McCall,

Radner e Hunter. Desde ento os modelos matemticos e probabilsticos j desenvolvidos


foram incorporados e outros novos criados.
Neste contexto, a engenharia de conabilidade aborda o sistema de forma qualitativa, pelo estudo dos modos de falha e de suas consequncias para o sistema, e de forma
quantitativa, por exemplo, pela estimao de probabilidades de falha.
A natureza de tais sistemas pode prever tolerncia a falhas por meio da reao automtica do sistema com medidas que objetivam a manuteno do funcionamento ou uma
possvel preveno de eventos desastrosos. Desta forma tcnicas de clculo de conabilidade devem ser desenvolvidas para funcionarem de acordo com cenrios que se aproximam
da realidade de modo satisfatrio.

Captulo: 1

Introduo

1.1 Justicativa
Existe uma grande quantidade de modelos para tempos de vida e aplicaes em
conabilidade. Alguns destes so modicaes de distribuies estatsticas j existentes
e outros so combinaes de duas ou mais distribuies. Uma classe de modelos busca a
interpretao de fenmenos complexos luz da mecnica estatstica no extensiva e tem
sido aplicada a diversos fenmenos, alguns dos quais em reas que extrapolam aquelas
usualmente abordadas pela fsica.

Os modelos baseados na estatstica de Tsallis tm sido aplicados a sistemas correlacionados, muitos dos quais so exemplicados por situaes que extrapolam os exemplos
fsicos usuais.

Em sistemas nanceiros, biolgicos, sociais, dentre outros, as interaes

entre os elementos constituintes so fortes, e, apesar destes pertencerem a categorias


completamente distintas, modelos baseados na estatstica no extensiva tm se mostrado
bastante adequados na sua descrio.

Dentre os exemplos de sistemas complexos que tm sido descritos estatisticamente


de modo satisfatrio encontram-se as distribuies de frequncias de cestas de basquete,
vtimas de ciclones, vendas a retalho de medicamentos de marca e comprimentos de estradas. As quantidades de cestas de basquete so mais bem descritas pela

q -exponencial,

ao passo que a distribuio Weibull se ajustou melhor para vtimas de ciclones e venda de
medicamentos. Por outro lado, os comprimentos de estradas no foram satisfatoriamente
descritos nem pela distribuio

q -exponencial nem pela Weibull, mas sim pela distribuio

q -Weibull (vide Picoli, Mendes e Malacarne (2003)). Em Tsallis et al. (2003) mostrada a
generalizao por parmetro q como ponte para a compreenso de fenmenos econmicos,
entre os quais opes de preos, distribuies de volume e rentabilidade e a onipresena
do conceito de averso ao risco. Trs anos antes, os nmeros de gols por artilheiros em
campeonatos de futebol foram descritos por uma
(2000).

q -exponencial

em Malacarne e Mendes

Um elenco de exemplos, bem mais completo, pode ser encontrado em Tsallis

(2009).

Frequncia de terremotos, comportamento de material granular, distribuio de raios


csmicos que chegam Terra, parcerias sexuais e medida de sucesso entre msicos so
alguns sistemas fsicos e sociais para os quais as distribuies da famlia da

q -exponencial

so relativamente bem ajustadas (vide Borges (2004a)). No mesmo ano, Rizzo e Rapisarda
(2004) desenvolveram uma anlise em medidas de esforo de vento coletadas no aeroporto
de Florena entre 2002 e 2003, utilizando as ferramentas usuais adotadas pela turbulncia
hidrodinmica para reproduzir as funes densidade de probabilidade das componentes de

1.1

Justificativa

velocidades intermitentes. A anlise foi realizada seguindo a aproximao no-extensiva


e o conceito de superestatstica

demonstrando o sucesso da estatstica de Tsallis em

experimentos de turbulncia.

O primeiro trabalho que relaciona a distribuio

q -Weibull

com falha de um dispo-

sitivo, foi de Costa et al. (2006). Eles analisaram a ruptura dieltrica em xidos, assunto
de extremo interesse no avano tecnolgico da eletrnica, e obtiveram um ajuste da distribuio

q -Weibull

com qualidade superior ao obtido pela Weibull no generalizada. Tal

fato mostrou que o mecanismo de falha descrito por Weibull pode ser melhorado com as
ferramentas provenientes da estatstica de Tsallis.

Mesmo aps a generalizao da funo de Weibull com o uso das

q -funes

ter sido

testada com sucesso, o modelo Weibull usual tem sido alvo de outras generalizaes fora
do mbito da no-extensividade. Em Bebbington, Lai e Zitikis (2007) foi proposta uma
nova generalizao da Weibull com dois parmetros. O modelo tem uma funo taxa de
falha simples e com a escolha adequada dos valores dos parmetros capaz de representar
vrias classes de envelhecimento. As faixas dos valores dos dois parmetros so claramente
denidas para separar as classes. O clculo de parmetros foi realizado por plotagem de
probabilidade e mxima verossimilhana.

Esta variedade de sistemas inspirou a aplicao da estatstica de Tsallis, em conabilidade e, posteriormente a extenso para o formalismo de rvore de falha dinmica, e a
utilizao na denio de estratgia de manuteno preventiva, em sistemas tecnolgicos
sucientemente intrincados, onde existam correlaes espaciais ou temporais.

Em tais

circunstncias, deve ser mais adequada a modelagem com uso ferramentas cujo enfoque
mais prximo de sistemas complexos.

Embora a distribuio

q -Weibull

tenha sido utilizada para modelar vrios fenme-

nos, a sua utilizao em engenharia de conabilidade ainda no foi plenamente explorada.


Esta Tese complementa as lacunas do desenvolvimento de metodologias para a aplicao
da distribuio

q -Weibull

em conabilidade de componentes isolados, de sistemas forma-

dos por componentes conectados segundo o formalismo de rvores de falha dinmicas e


tambm em gesto de manuteno.

1 A mecnica estatstica de Boltzmann-Gibbs apresenta limitaes em classes de sistemas anmalos,


essencialmente quando interaes ou memria de longo alcance esto presentes. A mecnica estatstica
no-extensiva generaliza o formalismo usual e permite estudar alguns destes sistemas.

Aplicaes

em diversas reas do conhecimento podem ser includas, por exemplo, fsica, matemtica, biologia,
algoritmos de otimizao e nanas.

2 Superestatstica um ramo da mecnica estatstica ou fsica estatstica dedicado ao estudo de sistemas


no-lineares e fora do equilbrio.

Captulo: 1

Introduo

1.2 Objetivo geral


O objetivo geral desse trabalho foi o desenvolvimento de um novo mtodo para
anlise de conabilidade baseado no modelo

q -Weibull,

obtido a partir da generalizao

de modelos existentes usando as ferramentas da estatstica de Tsallis, incluindo as funcionalidades combinacional e sequencial das rvores de falha dinmicas e a manuteno
preventiva por substituio

1.3 Objetivos especcos


a) desenvolvimento da generalizao da funo taxa de falha da distribuio Weibull
por meio da incorporao de ferramentas da estatstica de Tsallis;
b) desenvolvimento e validao de um mtodo de clculo dos parmetros da distribuio
generalizada do modelo Weibull, a partir de dados amostrais, com a utilizao das

q -funes,

e exemplicao com equipamentos de poos de petrleo e instalaes

industriais;
c) desenvolvimento de um mtodo de clculo de conabilidade de sistemas considerando componentes associados por meio de rvore de falha dinmica, com a distribuio

q -Weibull;

d) desenvolvimento de um mtodo de clculo de intervalo de tempo para manuteno


preventiva utilizando a distribuio

q -Weibull;

O captulos desta Tese esto organizados da seguinte forma:


a) o Captulo 1 apresenta a introduo, trata da importncia do tema e sua interao
com a engenharia de conabilidade;
b) o Captulo 2 apresenta a reviso do estado da arte e os principais conceitos em
engenharia de conabilidade;
c) o Captulo 3 contm uma anlise detalhada da funo taxa de falha da distribuio

q -Weibull;
d) o Captulo 4 compara ajustes das distribuies

q -Weibull,

Weibull,

q -exponencial

exponencial, com dados de componentes de poos de petrleo e de uma estao de


solda robotizada;
e) o Captulo 5 aplica a distribuio

q -Weibull

em rvore de falhas dinmicas;

f ) o Captulo 6 prope o clculo de intervalos de manuteno preventiva com base em


valores limites de conabilidade e taxa de falha, e tambm com o menor custo por
ciclo de manuteno;
g) o Captulo 7 apresenta as concluses da Tese e sugestes para trabalhos futuros;

1.3

Objetivos especficos

h) o Apndice A detalha as principais dedues matemticas da Tese;


i) o Apndice B mostra uma aplicao da distribuio

q -Weibull em mercado de aes.

2 Fundamentos de conabilidade
2.1 Introduo
Para Ramirez-Mrquez e Jiang (2006), no mercado competitivo dos dias de hoje,
a conabilidade de sistemas e produtos contribui consideravelmente para a percepo da
ecincia operacional do sistema, assim consequentemente, para a satisfao de seus consumidores. Por anos, a anlise da conabilidade tem sido reconhecida como imprescindvel
nas reas militar e de sistemas eletrnicos. Contudo, nas ltimas dcadas, a competio
no mercado globalizado forou esta anlise em quase todos os produtos comerciais.

Ainda segundo Ramirez-Mrquez e Jiang (2006), os mtodos de clculo, vericao


e validao de conabilidade de sistemas esto se tornando cada vez mais importantes,
uma vez que os consumidores procuram produtos conveis e de melhor qualidade. Geralmente estes mtodos so baseados em informaes sobre como a conabilidade de cada
componente impacta na conabilidade geral do sistema. Para sistemas na fase de projeto,
dados sobre a conabilidade de cada componente so limitados.

Em sistemas em ope-

rao, possvel ter estimativas com qualidade suciente para evitar custos inesperados,
perda de conana do consumidor ou cliente e provvel perda de espao no mercado.

Os avanos tecnolgicos tm produzido sistemas cada vez mais complicados, de custo


de instalao elevado e com possibilidade de gerar grandes perdas nanceiras ou danos
ambientais caso no funcionem como projetados (veja Ramakumar (1993)).

Com o alto grau de complexidade atingido por muitas instalaes industriais, a


manuteno focada em conabilidade tornou-se um imperativo para manter o sistema
funcionando de forma adequada e garantir a qualidade de seus produtos ao longo do
tempo.

Para Sandtorv, Hokstad e Thompson (1996) as consequncias de um projeto incorreto ou uma manuteno ineciente podem afetar negativamente a segurana, o ambiente,
ou o custo em muitas categorias dos processos industriais e, em particular, a explorao
de petrleo

oshore

e indstrias de produo. O projeto OREDA (maiores detalhes em

OREDA (2002)) um programa de coleta de dados para a indstria


em operao desde o incio da dcada de 1980.

oshore

que est

Um alto nvel de conhecimento em es-

pecicao de dados e em mtodos de coleta e utilizao de dados foi alcanado a partir


deste programa. Alguns resultados e parte do conhecimento obtido a partir do OREDA

Captulo: 2

Fundamentos de confiabilidade

conduzem a recomendaes para projetos de coleta de dados.

As companhias de petrleo participantes do OREDA utilizam seus dados para o


desenvolvimento de novos campos de petrleo e para a melhoria dos servios em operao. Os dados de conabilidade so utilizados em anlise de conabilidade e segurana.
Alguns benefcios so operaes mais seguras, aumento da disponibilidade de produo
e a otimizao da manuteno. Veja em Langseth, Haugen e Sandtorv (1998) que esta
prtica j existe h mais de 2 dcadas. A anlise de conabilidade um dos vrios fatores
chave na escolha de solues com maior relao custo benefcio.

De acordo com a norma ISO 14224:1999 a coleta de dados um investimento. Podese alcanar melhoria da qualidade por meio da padronizao e melhoria dos sistemas de
gerenciamento de informao que permitam coleta eletrnica e transferncia de dados.
Uma das formas de aumentar a quantidade e diversidade de dados com custo vivel
a cooperao entre indstrias.

Esta norma fornece recomendaes para a indstria de

petrleo e gs natural a respeito da especicao e execuo de coleta de dados para


anlise de conabilidade, ambas como atividades distintas e de aplicao diria para
catalogao de dados histricos.

De posse de um conjunto de dados organizados, de procedncia convel e de natureza representativa, as informaes obtidas podem ser teis na melhoria do sistema,
tornando-o mais eciente, mais robusto e menos custoso.

Pascual, Meruane e Rey (2008) propem uma aproximao para estudar e aumentar
a eccia de um sistema considerando a taxa de custo esperado por ciclo de vida deste.
O modelo proposto considera que o sistema protegido contra utuao de demanda e
ocorrncia de falhas com elementos como estoque, equipamentos em redundncia e o uso
de mtodos alternativos de produo.

Estas polticas de projeto permitem manter ou

minimizar a produo nominal enquanto medidas corretivas so tomadas. Para o modelo


do sistema tambm considerado o processo de envelhecimento que depende da frequncia
e da qualidade das aes preventivas.

Pascual, Meruane e Rey (2008) consideram que a tomada de deciso difcil por
causa das descontinuidades na interveno e nos custos de parada bem como por causa
das limitaes de oramento.

Os autores apresentam uma formulao no linear que

minimiza a taxa de custo total considerando reparo, paradas de manuteno (e seu fator
de melhoria) e tempos de substituio. O modelo proposto considera os reparos mnimos
e as paradas de manuteno imperfeitas.

Para Pascual, Meruane e Rey (2008) uma quantidade signicativa de pesquisadores


na rea de engenharia de conabilidade considera que o estudo das polticas de manu-

2.1

Introduo

teno previne as falhas do sistema e aumenta a sua conabilidade. Para os autores, a


modelagem de manuteno tem sido reconhecida como um assunto em ascenso e tambm
como uma espcie de retardamento. Dentre outras razes, isto se deve ao fato da manuteno realizar aes em plantas de equipamentos e no em produtos; como consequncia,
esta considerada uma atividade marginal da companhia.

Para Kiureghian, Ditlevsen e Song (2007), considerar que sistemas possuem componentes reparveis com falhas aleatrias interessante em muitos campos da engenharia.
Como exemplo de tais sistemas podem-se citar: uma rede de computadores consistindo de
servidores, hubs, roteadores e estaes de trabalho; um sistema de distribuio de energia
eltrica consistindo de plantas de gerao e linhas de transmisso, subestaes e linhas
de distribuio locais; uma rede de transportes terrestres englobando rodovias, tneis e
pontes. O ponto de interesse no apenas a disponibilidade do sistema para a operao
em qualquer instante de tempo ou a conabilidade para operao durante um intervalo
de tempo, mas tambm a medida de quo rapidamente o sistema pode voltar a funcionar.

Assim, a identicao de componentes crticos dentro de um sistema um ponto

importante, especialmente no contexto da melhoria da disponibilidade e conabilidade do


sistema. Em sistemas complicados formados por numerosos componentes, a identicao
de componentes crticos no simples.

A anlise de desempenho utilizando tcnicas de conabilidade tem crescido e se


tornado importante. Desta forma, sistemas existentes podem ter manuteno melhorada
se mtodos de clculo adequados para estimar a conabilidade do sistema forem capazes
de analisar quais modos de falha e quais componentes contribuem mais intensamente
para a queda da conabilidade global do sistema ao longo do tempo e das solicitaes de
utilizao. De maneira geral, a antecipao das aes de manuteno deve diminuir as
consequncias de falhas inesperadas.

Segundo Nepomuceno (1989), a manuteno dividida em trs nveis. O nvel I


o mais elementar e consiste simplesmente em conservar o equipamento funcionando. O
nvel II a manuteno preventiva clssica, que consiste na substituio de peas em perodos regulares assim como na execuo de reparos e consertos devido a quebras ou falhas
inesperadas. O nvel III estabelece numa estratgia diferente pela qual a manuteno
executada no momento adequado e antes que se processe o rompimento ou a falha qualquer, a chamada manuteno preditiva conhecida internacionalmente como  Condition
Monitoring .

Para Tavares (1996), o controle preditivo de manuteno consiste na determinao


do ponto timo para executar a manuteno preventiva num equipamento, ou seja, o ponto
a partir do qual a probabilidade do equipamento falhar assume valores indesejveis.

10

Captulo: 2

Fundamentos de confiabilidade

Consequentemente, pode-se tratar a manuteno preditiva baseada na probabilidade


de falha como uma particularizao da manuteno preventiva desde que esta se justique
probabilisticamente aplicando quanticao de conabilidade. De forma geral, o objetivo
da manuteno proporcionar o aumento da disponibilidade, seja do componente, seja
do sistema como um todo.

Desta forma, observa-se que o clculo da conabilidade e da disponibilidade em sis1

temas complexos

fator de grande importncia para o bom desempenho destes sistemas,

seja pela anlise de como cada componente tem responsabilidade sobre a disponibilidade
ou conabilidade do sistema inteiro, seja pela investigao de como os componentes se
relacionam entre si ou como as aes de manuteno interagem.

Os poos de petrleo tm se tornado cada vez mais automatizados e dotados de


dispositivos de controle para assegurar a sua funcionalidade e retorno nanceiro.

Para Silva (2006) a engenharia de reservatrios tem apresentado um grande crescimento no que diz respeito utilizao de poos inteligentes. Esse tipo de poo possui um
conjunto de equipamentos de instrumentao tais como sensores, vlvulas e dispositivos
de controle de uxo, instalados ao longo de sua tubulao de produo.

Esses equipa-

mentos medem as variveis de operao do poo, por exemplo, temperatura, presso e


abertura de vlvula, alimentam bancos de dados e so usadas para monitorar, em tempo
real, todas as operaes do poo.

Ainda para Silva (2006) a grande quantidade de dados gerada permite a implementao de estratgias para melhorar a operao dos poos, ter uma melhor noo do que
est acontecendo quando intervenes so feitas e, principalmente, prever o que pode
acontecer no futuro.

2.2 Integrao de componentes e sistemas


Doyle e Dugan (1995) armam que muitos sistemas tolerantes a falhas, especialmente
aqueles que so desenhados para controle de aplicaes embarcadas, podem responder
ativamente a falhas e erros. So programados para antecipar certos tipos de falhas e erros
e incluir tcnicas de deteco, de recuperao ou recongurao. A anlise de tais sistemas,
que dependem criticamente da tolerncia falha, tem que incluir estes comportamentos.
Se os prprios mecanismos de tolerncia falha forem falhos, o sistema resultante pode

1 Complexo no sentido de sistemas cujos componentes funcionam entre si em numerosas relaes de


interdependncia ou de subordinao, apresentando compreenso difcil. Nestes sistemas no se aplica
a teoria do caos nem se pressupe a ocorrncia de Emergncia que um fenmeno ou processo de
formao de padres complexos a partir de uma multiplicidade de interaes simples como ocorre em
sistemas sociais (redes sociais), biolgicos (colnias de animais) e fsicos (clima).

2.2

Integrao de componentes e sistemas

11

ser ainda menos convel do que aquele que no foi desenhado para tolerncia falha.

Os autores denem

coverage

como a probabilidade de um sistema se recuperar de

uma falha dado que ela tenha ocorrido.

Um modelo

coverage

usado para analisar a

falha e o ambiente de recuperao do erro de um sistema adaptativo. Este modelo inclui


informao sobre a durao da falha, se esta permanente ou transitria e a ecincia
dos procedimentos de recuperao do sistema. E inclui a possibilidade da recuperao ter
sido imperfeita, muito importante para uma avaliao precisa da dependabilidade.

Murthy, Rausand e sters (2008, p. 6) armam que alguns autores tm usado o


termo dependabilidade com o mesmo signicado de conabilidade.

Entretanto, tratam

dependabilidade para descrever o nvel de disponibilidade e seus fatores inuenciantes, tais


como conabilidade e manutenabilidade.

Para eles, a manutenabilidade a habilidade

de um item, analisado sob condies especicadas de uso, ser mantido em funcionamento


ou ter seu funcionamento restaurado quando uma ao de manuteno realizada sob
condies preestabelecidas utilizando procedimentos e recursos prescritos.

Segundo Avizienis, Laprie e Randell (2001) o conceito de dependabilidade pode ser


explicitado em trs partes: seus atributos, os riscos resultantes, e os meios pelos quais a
dependabilidade pode ser alcanada. A Figura 2.2.1 ilustra este conceito.

Figura 2.2.1: rvore de dependabilidade.

Para Doyle e Dugan (1995), modelos combinatoriais so classes de modelos de conabilidade nos quais as causa das falhas do sistema podem ser expressas por termos das
combinaes das falhas dos componentes.

Modelos combinatoriais incluem os modelos

grcos usados para anlise de rede de conabilidade, rvores de Falha e diagramas de


bloco de conabilidade. Modelos combinatoriais no requerem o pressuposto de taxa de

12

Captulo: 2

Fundamentos de confiabilidade

falha constante e tm sido aplicados com sucesso na anlise de conabilidade de sistemas


mecnicos e eltricos. Particularmente, rvores de Falha tm sido aplicadas em programas
computacionais de anlise de conabilidade humana.

rvore de Falhas um diagrama lgico para associao de possveis falhas dos


componentes de um sistema por meio das portas lgicas E, OU e NO. A rvore de
Falhas permite o clculo da probabilidade de ocorrncia de um evento topo originado
pela combinao das falhas dos componentes do sistema.

At recentemente, segundo Doyle e Dugan (1995), modelos combinatoriais teriam


sido considerados inapropriados para anlise de sistemas computacionais tolerantes a falha
dada a sua incapacidade de incorporar modelagem de

coverage, excetuando-se a converso

automtica de rvores de Falha em modelo de Markov com a posterior adio do modelo


de

coverage

na Cadeia de Markov. Outras modelagens, como Markov, e simulaes so

necessrias quando a falha do sistema depende da seqncia na qual os eventos ocorrem


ao invs apenas da sua combinao.

Para Gulati e Dugan (1997) as trs tcnicas analticas comumente usadas para clculo e representao da conabilidade so rvores de Falha (AF), Diagramas Binrios de
Deciso (DBD) e Cadeias de Markov. Cada uma das tcnicas tem vantagens e desvantagens e a escolha de uma ou outra depende do sistema a ser modelado. Para construo
do modelo analtico do sistema, as rvores de Falha tm sido a escolha mais frequente,
pois fornecem uma representao compacta do sistema e so de fcil compreenso. Entretanto, rvores de falha no apresentam exibilidade de modelagem para cobrir, por
exemplo, componentes sobressalentes, e o seu tempo de soluo aumenta exponencialmente com o tamanho do sistema a ser modelado. Gulati e Dugan (1997) ainda mostram
que as desvantagens dos Diagramas Binrios de Deciso e cadeias de Markov so devidas
difcil especicao, propensa a erros e demorada.

Para Manian et al. (1998) as rvores de Falha so uma estrutura grca e lgica
para analisar a conabilidade de sistemas e fornecem uma abordagem de modelagem simples para representar as interaes entre os componentes de um sistema. As rvores de
Falhas Dinmicas apresentam dispositivos (portas) capazes de modelar comportamentos
seqenciais. A metodologia para representar as rvores de Falha Dinmicas apresentada
por Manian et al. (1998) chamada de rvore de Falhas Dinmicas e Inovativas (DIFTree). Esta metodologia baseada na tcnica de dividir e conquistar modularizando as
rvores de Falha em subrvores independentes que podem ser resolvidas por tcnicas
diferentes.

Manian et al. (1998) estenderam a capacidade das DIFTree para modelar diferentes
distribuies de tempos de falha incluindo probabilidades xas (independente do tempo e

2.2

Integrao de componentes e sistemas

13

geralmente aplicadas em modelagem de falhas de programas computacionais), tempos de


falha exponencialmente distribudos (taxa de falha constante), tempos de falha com distribuio Weibull (taxa de falha varivel com o tempo) e tempos de falha com distribuio
lognormal.

Gulati e Dugan (1997) apresentam uma aproximao modular para anlise de rvores de Falha estticas e dinmicas. Aplicam uma combinao de Diagramas Binrios
de Deciso para rvore de Falhas Estticas e cadeias de Markov para rvores de Falha
Dinmicas, juntamente com deteco de subrvores independentes.

Manian et al. (1998) e Dugan, Sullivan e Coppit (1999) armam que rvores de
Falha Estticas so modeladas de forma mais eciente por meio de Diagramas Binrios
de Deciso, e rvores de Falha Dinmicas , por mtodos de Markov.

A principal contribuio de Manian et al. (1998) foi estender a estrutura de modelagem das DIFTree para suportar novas distribuies de tempos de falha e conguraes
de rvores de Falhas, assim como suportar uma tcnica alternativa de soluo na forma
de simulao de Monte Carlo. No caso da distribuio exponencial, as taxas de transio
de um estado de Markov para outro so funes das taxas de falha constantes e a soluo
encontrada por meio de equaes diferenciais ordinrias.

Para tempos de falha que seguem a distribuio Weibull, as taxas de falha variam
no tempo. Para cobrir este pressuposto, so criadas classes diferentes de transio para
as Cadeias de Markov. A transio temporal calculada para encontrar o valor numrico
da taxa de falha por meio da expresso algbrica referenciada pela transio na Cadeia de
Markov. A primeira avaliao da Cadeia de Markov cria a matriz de taxa de transio.
Conforme Manian et al. (1998), as entradas na matriz so de transies Weibull que
esto denidas pelo seu estgio.

O algoritmo resolve as equaes diferenciais por meio

da integrao, no tempo de misso, e chama a interface funcional da Cadeia de Markov


para recalcular a taxa de falha Weibull em cada instante de tempo. Segundo os autores,
o sistema de equaes pode ter soluo difcil uma vez que os coecientes da matriz de
transio podem variar dentro de uma grande faixa de valores em distribuies Weibull
com parmetros de forma

muito menores que a unidade.

Dugan, Sullivan e Coppit (1999) apresentam um programa computacional capaz de


analisar rvores de Falha Dinmicas e divid-las em mdulos, a m de que sejam resolvidos
separadamente por meio de tcnicas apropriadas a cada mdulo. Segundo eles, modelos de
Markov de sistemas complexos, incluindo

coverage, podem alcanar tamanhos intratveis,

ao passo que as rvores de Falha Dinmicas (AFD) so representaes compactas que


muitas vezes podem ser convertidas automaticamente em modelos de Markov. Os autores
acreditam apresentar a semntica das AFD de forma precisa e razoavelmente completa

14

Captulo: 2

Fundamentos de confiabilidade

baseada em predicados lgicos e teoria dos conjuntos.

Redes Bayesianas (RB), segundo Neapolitan (2004), so estruturas grcas para


representao de relaes de probabilidades para um grande nmero de variveis e para
realizar inferncia probabilstica entre tais variveis. As RB tm sido usadas para anlise
de conabilidade especialmente em sistemas em que a dependabilidade observada.

Para Marques e Dutra (2007), uma Rede Bayesiana uma representao compacta
de uma tabela de conjuno de probabilidades do universo do problema.

Do ponto de

vista de um especialista, Redes Bayesianas constituem um modelo grco que representa


de forma simples as relaes de causalidade das variveis de um sistema.

Segundo esses autores, atualmente, estudos em inteligncia articial podem ser divididos em duas reas:

o desenvolvimento de sistemas que agem como humanos e o

desenvolvimento de sistemas que agem racionalmente. Dentro do contexto dos sistemas


que agem racionalmente, duas abordagens principais podem ser utilizadas: raciocnio lgico e raciocnio probabilstico. O raciocnio lgico pondera sobre o conhecimento prvio
a respeito do problema e desta base de conhecimento retira suas concluses. Esta abordagem pode no ser til em situaes onde no se conhece previamente todo o escopo do
problema. Nestes casos, o raciocnio probabilstico surge como uma boa opo.

Segundo Marques e Dutra (2007), para que um sistema possa atuar adequadamente
em situaes de incerteza, este deve ser capaz de atribuir nveis de conabilidade para
todas as sentenas em sua base de conhecimento e ainda estabelecer relaes entre as
sentenas.

Redes Bayesianas oferecem uma abordagem para o raciocnio probabilstico

que engloba teoria de grafos, para o estabelecimento das relaes entre sentenas, e ainda
teoria de probabilidades, para a atribuio de nveis de conabilidade.

Para Bobbio et al. (2001), as Redes Bayesianas (RB) fornecem um mtodo probabilstico robusto para raciocnio sobre incerteza. As RB foram aplicadas com sucesso em
uma variedade de tarefas no mundo real, mas tm recebido pouca ateno na rea da
dependabilidade. Bobbio et al. (2001) exploram as capacidades do formalismo de RB em
analisar sistemas com dependncia. Para tal comparam RB com rvores de Falha. Ainda
mostram que qualquer rvore de falha pode ser convertida diretamente em uma RB e as
tcnicas bsicas de inferncia de uma RB podem ser usadas para obter os parmetros clssicos de uma rvore de Falha. Alm disso, vrios pressupostos restritivos em uma rvore
de Falha podem ser removidos e vrios tipos de dependncias podem ser acomodados. O
artigo ainda compara as duas metodologias por meio de um exemplo.

Ainda segundo Bobbio et al. (2001), as RB tm se tornado um formalismo largamente usado, pois representam o conhecimento de incerteza em sistemas probabilsticos e

2.2

Integrao de componentes e sistemas

15

tm sido aplicadas a vrios problemas do mundo real. RB so denidas como diagrama


acclico direcionado (grafo) em que variveis aleatrias discretas so associadas a cada
n junto com as informaes de dependncia condicional dos ns pais. Os ns que no
possuem pais so chamados de razes e tm associados valores de probabilidade iniciais. A
principal caracterstica de uma RB a possibilidade de especicar diretamente as causas
que inuenciam um dado efeito por meio da incluso de dependncias condicionais locais
no modelo.

Para Bobbio et al. (2001), RB so mais adequadas que rvores de Falha para representar dependncias complexas entre componentes e para incluir incerteza na modelagem.
Embora o uso de RB parea promissor em diferentes nveis de anlise de dependabilidade
de Sistemas Eletrnicos Programveis, as RB no fornecem um mecanismo direto para
representao de dependncias temporais, as quais so bem implementadas em tcnicas
amplamente difundidas para anlise de dependabilidade como, por exemplo, Cadeias de
Markov e Redes Estocsticas de Petri.

As Redes Bayesianas tambm permitem realizar otimizao de manuteno. Langseth (2002) apresenta um modelo de conabilidade para componentes que esto sujeitos
a vrios mecanismos de falha e que nem sempre tm um reparo perfeito. As anlises so
realizadas para otimizar o regime de manuteno. O modelo representado por uma RB
e foram utilizadas relaes de independncia condicional codicadas na estrutura da rede
e nos clculos geradores de estimativas de parmetros.

Para Santos (2005), a relao de causa e efeito numa Rede Bayesiana, ou seja,
relao de dependncia condicional entre as variveis, denida por meio de funes
de densidade de probabilidades condicionais, se as variveis associadas aos ns forem
contnuas. Caso as variveis sejam discretas, as possveis combinaes de valores entre os
ns pais so apresentadas por uma tabela de probabilidade condicional. Tal combinao
chamada de instanciao dos conjuntos dos pais. Santos (2005) tambm descreve passos
de converso de uma rvore de Falhas para uma Rede Bayesiana.

Segundo Barros Jnior (2006), para estruturar as tabelas de probabilidade condicional necessrio evidenciar todas as combinaes possveis entre os valores de cada n lho
e seus pais, para da estimar-se a probabilidade de ocorrncia dessas combinaes, quer
pela opinio de especialistas, quer de forma frequentista utilizando uma base de dados.

Para Moura (2006), os processos Markovianos so um dos processos estocsticos mais


importantes para modelagem de sistemas dinmicos. Em Engenharia de Conabilidade, os
processos de Markov so utilizados basicamente quando modelos como rvore de Falhas,
rvore de eventos ou diagrama de blocos so insucientes para representar funcionalmente
um sistema complicado.

Segundo Gelman et al. (2004, p.

286), Cadeias de Markov

16

Captulo: 2

Fundamentos de confiabilidade

1 , 2 , . . ., para as quais, para qualquer t, a


0
prvios s, dependem apenas do mais recente

so uma sequncia de variveis aleatrias


distribuio de
valor

t ,

conhecidos todos os

t1 .
Segundo Montani et al. (2006) e Bobbio et al. (2008), rvores de Falha Dinmicas

(AFD) so uma recente extenso de rvores de Falha capazes de tratar diversos tipos de
dependncia. As AFDs introduzem quatro portas novas: WSP (

warm spare ),

capaz de

stand-by, podendo este ltimo estar compartilhado com outros sistemas; SEQ (sequence enforcing ), que representa a situao em que
representar componentes primrios e em

as falhas podem ocorrer em componentes nica e exclusivamente em uma ordem espe-

functional dependence ),

cca; FDEP (

que representa o arranjo onde um evento gatilho

causa, em outro componente, o estado inacessvel (falho), estando este ltimo com ou

priority and ), que resulta no estado

sem condies de uso (operacional ou no); e PAND (

falho se e somente se todas as suas entradas falham em uma ordem predeterminada.

Para Montani et al. (2006), a anlise quantitativa de uma rvore de Falha Dinmica
requer a expanso do modelo em seu estado de espao e a soluo da Cadeia de Markov
de Tempo Contnuo (CMTC). Por meio de um processo de modularizao possvel
identicar as subrvores de falha com portes dinmicos e usar um modelo de Markov
diferente, muito menor que um modelo da rvore de Falha inteira, para cada uma das
subrvores. Mesmo assim ainda existe o problema da exploso de estados. Para diminuir
esta limitao os autores propem a converso de uma rvore de Falha Dinmica em
Rede Bayesiana Dinmica (RBD). Uma RBD um modelo de tempo discreto no qual
o sistema representado em vrios intervalos de tempo e as dependncias condicionais
entre as variveis nos instantes de tempo so introduzidas a m de capturar a evoluo
temporal. Quando o pressuposto de Markov vlido, o instante de tempo futuro
condicionalmente independente dos anteriores, dado que o instante atual

t.

t + t
Assim

consegue-se representar dois instantes consecutivos de tempo numa rede.

Para O'Hagan (2006), nos ltimos 5 a 10 anos, uma variedade de ferramentas foram
desenvolvidas usando estatstica Bayesiana para resolver muitos problemas enfrentados
pelos desenvolvedores e usurios de modelos de processos complicados.

Estes mtodos

podem ser vistos como desenvolvimento de trabalhos em Projeto e Anlise de Experimentos Computacionais (PAEC) na dcada de 1980, que introduziu a idia fundamental da
construo de um emulador estatstico de um modelo de simulao. O autor arma que,
embora boa parte do PAEC seja a rigor no Bayesiana, possvel reconhecer claramente
uma interpretao Bayesiana e alguns momentos so explicitamente mtodos Bayesianos.

Para Prez, Martn e Rufo (2006), o advento do mtodo de Cadeia de MarkovMonte Carlo (CMMC) para simular distribuio

a posteriori

contribuiu para a prtica

2.2

Integrao de componentes e sistemas

17

da estatstica Bayesiana, mas infelizmente a anlise de sensibilidade em mtodos CMMC


uma difcil tarefa.

Os autores propuseram um mtodo de estimao de sensibilidade

local e paramtrico para modelos Bayesianos. A medida de sensibilidade feita por um

a posteriori relacionada ao parmetro. As simulaes


valores a posteriori podem ser reutilizadas para estimar as

vetor gradiente de uma quantidade


CMMC usadas para estimar

medidas de sensibilidade e seus erros evitando a necessidade de mais amostragem.

Segundo esses autores, a metodologia Bayesiana se tornou mais utilizada devido


introduo de mtodos CMMC. A implementao desta tcnica baseada em simulao
permitiu obter solues numricas de problemas baseados em modelos realmente complicados. Este fato produziu um aumento no nmero de artigos tericos, que foram seguidos
por trabalhos aplicados em um grande nmero de reas do conhecimento, e algumas vezes
as CMMC so a nica alternativa computacionalmente eciente.

Aps realizar toda a anlise de conabilidade por AF ou RB, pode-se encontrar uma
medida de conabilidade de um sistema complexo com muitos componentes e dependncias. Entretanto, este valor no pode ser tomado como exato e sim um valor em torno do
qual oscila a verdadeira medida de conabilidade do sistema.

Para Filho (2006) difcil a determinao de um valor apropriado quando so considerados valores dos dados de falhas e reparos associados a uma rvore de Falhas.

seleo realstica dos dados de falha e reparo para um componente particular ou evento
bsico da rvore de falha depende principalmente da experincia passada dos operadores e
o uso de outros julgamentos. O autor acredita que, a menos que possam ser adotados valores realsticos de probabilidade (como taxas de falha) com algum grau de conana para
os eventos bsicos, o resultado do evento topo no poder representar algo de particular
signicncia.

Ainda segundo Filho (2006), o uso de intervalos de probabilidades para os eventos


bsicos produzem indicaes mais realsticas para os resultados do evento topo.

Isto

dever permitir a obteno de melhores resultados de tomada de deciso em reas de


gerenciamento de risco e de conabilidade

Para Bobbio et al. (2008), Redes Bayesianas Dinmicas (RBD) estendem o formalismo de Redes Bayesianas pelo fornecimento explcito de uma dimenso temporal
discreta.

As RBD representam a distribuio de probabilidade nos possveis desdobra-

mentos de um processo invariante ao tempo.

A vantagem das RBD quanto a modelos

probabilsticos temporais como Cadeias de Markov que RBD um modelo de transio estocstico fatorado no nmero de variveis aleatrias e no conjunto de dependncias
condicionais denido.

18

Captulo: 2

Fundamentos de confiabilidade

Ainda para os autores, as Redes Bayesianas Dinmicas possuem funcionalidade similar s rvores de Falha Dinmicas sendo possvel converter um problema tratado por
um mtodo em outro.

2.3 Distribuio de Weibull aplicada conabilidade


Segundo Ramakumar (1993), conabilidade de sistema a probabilidade de o sistema funcionar, cumprindo a funo para a qual foi projetado, dentro de um intervalo
especco de tempo e sob condies preestabelecidas. As condies preestabelecidas para
o funcionamento do sistema se referem a aspectos ambientais como umidade, temperatura,
exposio poeira, etc.

Diz-se que o sistema deixou de cumprir sua funo quando este falha. Um sistema
pode falhar de forma completa ou parcial. Por exemplo, um motor pode funcionar ainda
que superaquecido. Neste caso, cabe especicar ou no o superaquecimento como uma das
maneiras de falhar. A maneira como um equipamento ou componente falha chamada
modo de falha. Cada tipo de equipamento ou componente possui os seus modos de falha e
um mesmo equipamento ou componente pode apresentar vrios modos de falha. Pneu de
aeronave, por exemplo, pode falhar devido a um corte ou devido ao desgaste de sua banda
de rodagem, constituindo assim dois modos de falha distintos (consulte Assis (1999) para
maiores detalhes).

A unidade de tempo considerada depende do sistema em anlise. O tempo pode ser


medido cronologicamente em minutos, horas, dias, anos e em ciclos de funcionamento. A
conabilidade expressa em funo do tempo e pode ser interpretada como a proporo da
populao de equipamentos ou sistemas que sobrevive, ou seja, funciona alm de um tempo
especicado. O valor numrico desta proporo pode ser entendido como a probabilidade
de que um indivduo da populao funcione alm de um valor de tempo determinado.
Existem mtodos matemticos capazes de inferir sobre os valores destas probabilidades e
a maioria destes mtodos requer ajuda computacional para processar dados amostrais.

Algumas teorias foram desenvolvidas para explicar o fenmeno da falha de forma


geral e alguns modelos foram criados usando as distribuies exponencial, lognormal e
Weibull. Esta ltima se destaca por ser a mais exvel. A seguir, o texto explora alguns
estudos nesse sentido.

Para Weibull (1939), a ruptura dos materiais determinada pelas tenses internas
em um ponto, assumindo que, por meio de uma combinao adequada das trs principais
tenses ou cortantes, um valor caracterstico para o material em questo pode ser calculado. Este valor considerado como denitivamente decisivo no julgamento se a ruptura

2.3

Distribuio de Weibull aplicada confiabilidade

19

foi alcanada ou no.


Ainda para Weibull (1939), medidas experimentais conduzem a resultados que dicilmente estaro de acordo com esta teoria. Entretanto, considerando as leis elementares
da probabilidade como ponto de partida, uma teoria pode ser desenvolvida com uma
formulao de acordo com os resultados considerados inconsistentes com a teoria clssica.
Weibull (1939) assume que para um material existem vrios pontos de fraqueza
em um determinado volume.

Se todos os pontos de fraqueza so de natureza tal que

provocam a ruptura no instante em que falham dentro de um volume sujeito a um esforo

e, supondo ainda que existam

o esforo

destes pontos de fraqueza na unidade de volume e que

dv , ento a probabilidade de
considerarmos p elementos de volume dv , a

concentrado dentro de um pequeno volume

ruptura ser

dS = n dv .

Se, ao invs disto

probabilidade de ruptura

S = 1 (1 ds)p ,

(2.3.1)

S = 1 (1 n dv)p ,

(2.3.2)

ou seja,

O volume total sujeito ao esforo

p dv = v

(2.3.3)

nv
S =1 1
p
Ainda segundo Weibull (1939), fazendo
minui na proporo necessria para que


S = 1 plim
nv

Observa-se que se

n.v = 1,

p
.

aumentar innitamente enquanto

(2.3.4)

dv

di-

permanea constante obtm-se:

nv
1
p

 npv n v
= 1 exp (n v) .

(2.3.5)

isto , o volume sujeito ao esforo igual ao volume

mdio ocupado por cada local de fraqueza, ento a probabilidade de ruptura de apenas

20

Captulo: 2

Fundamentos de confiabilidade

63%.

Em Weibull (1951), a expresso

P (X x) = F (x) = 1 exp [ (x)] ,


onde

(x)

uma funo positiva, no decrescente e se reduz a zero para

(2.3.6)

x = xu ,

como uma forma de representar qualquer funo de distribuio acumulada.

citada
A forma

mais simples de satisfazer estas condies :

m 
 
x xu
,
F (x) = 1 exp
xo
onde

xu

a raiz de

F (x), x0

(2.3.7)

um parmetro de escala.

No mesmo artigo so apresentados alguns exemplos de aplicao da Equao 2.3.7,


dentre os quais:

a) elasticidade de ao;
b) distribuio da dimenso de cinzas;
c) resistncia da bra de algodo indiano;
d) fadiga do ao.

A distribuio Weibull pode ter a sua funo densidade representada por:

" 
 #
.(t )1
t
f (t) =
exp

onde
e

o parmetro de forma,

o parmetro de escala,

(t ) ,

(2.3.8)

o parmetro de localizao

o tempo de vida.

Inmeros trabalhos sobre a distribuio Weibull foram apresentados em diversas


reas do conhecimento. A Tabela 2.1 a seguir mostra alguns exemplos de aplicao.

2.3

Distribuio de Weibull aplicada confiabilidade

21

Tabela 2.1: Aplicaes da distribuio Weibull

Aplicao

Referncia

Alturas de ondas

Channel Henderson e
Weber (1978)

Brilho termoluminescente

Pagonis et al. (2001)

Conito de trfego em juno de via de trnsito rpido

Chin et al. (1991)

Corroso perfurante em tubo

Sheikh et al. (1990)

Crescimento de conabilidade de programas computacionais

Yamada et al. (1993)

Danos em materiais laminados

Kwon e Berner (1994)

Desgaste adesivo de metais

Quereshi e Sheikh (1997)

Distribuio da velocidade do vento

Seguro e Lambert (2000),


Lun e Lam (2000)

Falha de revestimentos

Almeida (1999)

Falha em materiais em bras de carbono

Durham e Padgett (1997),


Padgett et al. (1995)

Falhas em rolamentos

Lieblein e Zelen (1956)

Falhas latentes de produtos eletrnicos

Yang et al. (1995)

Finos do carvo

Rosen e Rammler (1933)

Flutuaes de temperatura

Talkner et al. (2000)

Fratura em concreto

Xu e Barr (1995)

Frequncia de enchentes

Heo et al. (2001)

Granulometria

Fang et al. (1993)

Material duro e quebradio

Fok et al. (2001)

Precipitao no noroeste do Pacco

Duan et al. (1998)

Previso de mudanas tecnolgicas

Sharif e Islam (1980)

Resistncia de bras de cascas de coco

Kulkarni et al. (1973)

Resistncia de vidro

Keshvan et al. (1980)

Rupturas dieltricas por tenso

Nossier et al. (1980), Mu et


al. (2000), Wang et al.
(1997)

Tamanho da gota de chuva

Jiang et al. (1997)

Tamanho de fragmentos de rochas

Rad e Olson (1974)

Tamanho de gotas em sprays

Fraser e Eisenklam (1956)

Tamanho de icebergs Antrticos

Neshyba (1980)

Tempo de morte aps a exposio a agentes cancergenos

Pike (1966), Peto e Lee

Terremotos

Huillet e Raynaud (1999)

Variao de carga em voo de helicptero

Boorla e Rotenberger

(1973)

(1997)
Fonte : Murthy, Xie e Jiang (2004, p. 13).

Com foco em manuteno, Fleming e Assis (1999) utilizaram esta distribuio para
analisar dados de falha provenientes de uma frota de aeronaves EMB-120 e descrever o
desgaste dos pneus segundo a sua utilizao em termos de horas de vo e nmero de

22

Captulo: 2

Fundamentos de confiabilidade

pousos.

Dada a sua larga aplicabilidade e relativa simplicidade, a distribuio Weibull foi


enormemente difundida na engenharia. Barringer (2004) considera grcos de crescimento
de conabilidade, conhecidos como Crow-AMSAA, e grcos de probabilidade de Weibull
como ferramentas analticas mnimas necessrias para qualquer engenheiro de conabilidade e mostra exemplos de aplicao incluindo falhas em nave espacial da NASA.

Apesar do grande nmero de aplicaes e da simplicidade de implementao, a distribuio Weibull apresenta a limitao de expressar apenas taxas de falha montonas.
Para representar todo o ciclo de vida de componentes mecnicos por exemplo, so necessrias trs funes, uma para cada trecho de taxa de falha decrescente, constante e crescente
e assim perfazer toda a curva da banheira (ou formato de U). A mesma limitao ocorre
para sistemas cuja taxa de falha tem formato de U invertido ou unimodal.

2.4 Entropia de Tsallis


Esta seo apresenta resumidamente a generalizao da entropia generalizada de
Tsallis.

Tsallis (1988) introduziu uma generalizao do conceito de entropia em termos de


um parmetro

q:
W
P

Sq = k
onde

1q

(2.4.1)

uma constante positiva que fornece consistncia dimensional expresso, a

constante de Boltzmann,

pqi 1

pi

a probabilidade de ocorrncia do

i-simo

microestado e

o nmero total de microestados do sistema. Esta expresso recupera a entropia de

Boltzmann-Gibbs-Shannon (BGS),

S1 = k

PW
i

pi ln pi ,

quando

q 1.

A mecnica estatstica no extensiva induziu generalizaes em outros campos por


exemplo em matemtica. Duas funes normalmente aparecem no incio do formalismo,
a

expq (x)

e a

lnq (x),

funes possuem um

q -exponencial
parmetro de controle q ,
chamadas

q -logaritmo

respectivamente. Ambas as

alm do argumento

x.

A mecnica estatstica no extensiva introduz generalizaes das funes exponencial


e logaritmo, atravs de um parmetro adimensional
exponencial e

q -logaritmo,

q,

denidas por Tsallis (1994b):

estas funes so chamadas

q-

2.4

Entropia de Tsallis

23

(
1
[1 + (1 q) x] 1q ,
expq (x) =
0,

se

[1 + (1 q) x] > 0

(2.4.2)

em outro caso,

lnq x =
onde

x, q R.

x1q 1
1q

(x > 0, q 6= 1),

Estas funes so inversas uma da outra, ou seja,

x, e as funes usuais so
lnq 1 = 0 e expq 0 = 1 , q .

(2.4.3)

expq (lnq x) = lnq (expq x) =

q 1. As funes ainda satisfazem


destas q -funes podem ser encontradas

recuperadas no limite
Outras propriedades

em Tsallis (2009). Estas funes generalizadas tm sido aplicadas em diversas reas alm
da mecnica estatstica, por exemplo, em matemtica e em estatstica.

A distribuio Gaussiana a distribuio que maximiza a entropia BGS sujeita s

restries de normalizao (

p(x) = 1) e de nitude2 do segundo momento denida como:

x2 p(x)dx = 2 ,

onde

a varincia e

p(x)

(2.4.4)

a funo densidade de probabilidade em

x.

Na mecnica

estatstica no extensiva, esse conceito tambm foi generalizado, surgindo assim, o segundo

q -momento:

x2 [p(x)]q dx = 2

(2.4.5)

Este esquema variacional foi generalizado consistentemente dentro do contexto da


mecnica estatstica no extensiva (veja Tsallis et al. (1995)). Se
as restries apropriadas, a distribuio

q -Gaussiana

(1 q)
Cq =

para

q<1

1/2

maximizada com

aparece:

p(x) = Cq expq (x2 ),


com

Sq

((5 3q)/2(1 q))


,
((2 q)/(1 q)))

(2.4.6)

(2.4.7)

, e

(1 q)
Cq =

1/2

(1/(1 q))
((3 q)/2(1 q))

2 qualidade, propriedade ou condio do que nito.

(2.4.8)

24

para

Captulo: 2

1 < q < 3,

()

Fundamentos de confiabilidade

a funo Gama. Se tomarmos o limite

q 1,

q -Gaussiana

recupera a distribuio Gaussiana usual:

r
P (x) =
A

q -Gaussiana

exp(x2 ).

(2.4.9)

tambm generaliza outras distribuies largamente utilizadas:

q =

recupera a distribuio Dirac; q = 2 recupera a distribuio de Cauchy-Lorentz, para


3+m
recupera a t-Student's
q = 3 a q -Gaussiana se torna uma distribuio plana3 , com q = 1+m
n6
com m graus de liberdade e para q =
com n > 4 a q -Gaussiana se torna a r -Student's
n4
com n 2 graus de liberdade (veja Souza e Tsallis (1997)). Existem outras possibilidades
de generalizao da distribuio Gaussiana conforme uma estrutura no extensiva, veja
Prato e Tsallis (1999) para mais detalhes.

3 Uma distribuio plana uma distribuio uniforme com suporte innito (de

+).

25

3 Anlise da funo taxa de falha pelo


modelo q -Weibull
3.1 Introduo
A generalizao da distribuio Weibull por meio de um nico parmetro
de modelar cinco tipos de taxa de falha:

capaz

montona decrescente, constante, montona

crescente, unimodal e curva da banheira. O modelo

q -Weibull tem inspirao na estatstica

no-extensiva, usada para descrever sistemas complexos com interaes de longo alcance
1

e/ou memria de longa durao . A distribuio


a Weibull usual no limite

q 1,

q -Weibull

tem 4 parmetros e se torna

e tambm a distribuio Burr XII (para um conjunto de

valores especcos, vide Equao 3.2.2). A

q -Weibull

representa a unicao de modelos

usualmente encontrados em anlise de conabilidade. O uso de uma escala adequada para


a taxa de falha adimensional reduz suas curvas a um modelo de um parmetro. Parte do
contedo deste captulo foi publicada em Assis, Borges e Melo (2013).

A anlise de conabilidade usa frequentemente a distribuio Weibull que um


modelo emprico simples e poderoso. Para mais detalhes ver Weibull (1951). A funo
densidade de probabilidade (fdp) no tempo

t,

onde

t<T

o tempo at a falha,

dada por:

f (t) =
t0
onde

> 0, > t0 , t t0

particular da Equao 3.1.1 quando

t t0
t0

1

" 
 #
t t0
exp
,
t0

f (x)dx = 1.
= 1.

(3.1.1)

A distribuio exponencial um caso

Vrias generalizaes do modelo Weibull foram propostas: transformaes linear e


no linear do tempo, a utilizao de mltiplas distribuies, parmetros em funo do
tempo e modelos estocsticos dentre outros. Em Murthy, Xie e Jiang (2004) h vrias
destas propostas de modelos.

1 Tambm ocorre a quebra de ergodicidade. Esta a hiptese central da mecnica estatstica, que diz que
a mdia temporal igual mdia de

ensembles (conjuntos).

Para sistemas simples, a repetio de um

experimento muitas vezes, ou a execuo de muitos experimentos similares uma nica vez produzem
o mesmo resultado. Em sistemas complexos, isto pode no ocorrer.

26

Captulo: 3

Anlise da funo taxa de falha pelo modelo q-Weibull

Conforme visto em Pham e Lai (2007) e Nadarajah e Kotz (2005) no h clareza


quanto originalidade das funes densidade de probabilidade usadas em conabilidade.
Segundo Berberan-Santos, Bodunov e Valeur (2008), o uso da exponencial esticada

tem

registro anterior ao artigo de Weibull (1951) em um trabalho de Kohlrausch descrevendo


a descarga de capacitor.
Quase todas as propostas de generalizao do modelo de Weibull tm estrutura
3

exponencial, seja simplesmente exponencial, exponenciais aninhadas

ou exponenciais de

vrias funes.
As funes exponenciais so usualmente encontradas em sistemas com interao
fraca ou sem interao.
Sistemas complexos usualmente apresentam interaes espaciais de longo alcance,
ou memria de longa durao, ou efeitos de cooperao/competio, como pode ser visto
em Bak (1997). Para sistemas complexos, as distribuies estatsticas so geralmente leis
de potncia, ao passo que para sistemas simples ocorrem leis exponenciais.
Falhas de componentes podem ter causas mltiplas e tambm causas de interao
que podem ser recentes ou no, algumas destas agindo em cooperao ou em conito com
outras, por isso esperado que um sistema de comportamento complexo aparea. Desta
forma, podem surgir distribuies em lei de potncia, que no seriam adequadamente
descritas por um modelo baseado na funo exponencial.
A mecnica estatstica de sistemas simples tem uma estrutura bem estabelecida
por meio das distribuies de probabilidade exponenciais como, por exemplo, peso de
Boltzmann e a distribuio de Maxwellian. Estas distribuies exponenciais so derivadas
da entropia de Boltzmann-Gibbs-Shannon (BGS). A base terica da descrio estatstica
de sistemas complexos ainda objeto de pesquisa, entretanto existem muitas evidncias
que apontam na direo da mecnica estatstica no extensiva.
A denio da entropia por Tsallis (1988), que a generalizao da entropia BGS por
meio do ndice entrpico

q,

introduziu a possibilidade de estender a mecnica estatstica

para sistemas complexos de forma natural e coerente, levando o contexto de memria de


longa durao (processos no markovianos) para as distribuies baseadas em

q -funes.

Esta evoluo ultrapassou os limites da fsica e proporcionou aplicaes em outras reas


do conhecimento como, por exemplo, matemtica aplicada.
A funo

q -exponencial

aparece naturalmente no contexto de no extensividade e

denida por:

2 A distribuio Weibull tambm pode ser chamada de exponencial esticada.


3 So exponenciais em cascata como por exemplo exp [ exp (x)].

3.1

Introduo

27

expq (x) = [1 + (1 q) x]+1q


com

x, q R.

O smbolo

[a]+

signica

[a]+ = a

se

a > 0

(3.1.2)

[a]+ = 0

q -exponencial se reduz a funo exponencial no limite


exp1 x = exp x e a Equao 3.1.2 uma generalizao da exponencial.

Equao 2.4.2). A
forma

a 0 (veja
q 1. Desta

se

Para valores grandes de

q > 1,

q -exponencial assintoticamente uma lei de


expq (x) 1/xn , com n = 1/(q 1). A q -

potncia e apresenta cauda esticada, pois

exponencial passa continuamente do comportamento em lei de potncia (assintoticamente


para

q > 1)
A

para um comportamento exponencial (com

q -exponencial

q = 1).

tem sido utilizada em diferentes contextos da matemtica pura e

aplicada, como, por exemplo, em funes deformadas em Borges (1998), generalizao


de estruturas algbricas por Borges (2004b) e Cardoso et al. (2008), teoria dos nmeros
em Lobo et al. (2009), a generalizao da transformada de Fourier em Umarov e Tsallis
(2008), Jauregui, Tsallis e Curado (2011), Jauregui e Tsallis (2011), a generalizao do
teorema central do limite por Moyano, Tsallis e Gell-Mann (2006), Umarov, Tsallis e
Steinberg (2008) e a representao do delta de Dirac em Jauregui e Tsallis (2010).

q -Gaussiana vista em Tsallis et al. (1995), Tsallis et al. (1996) e Prato


e Tsallis (1999) generaliza a Gaussiana (com q = 1) e tambm a distribuio de CauchyLorentz (com q = 2). O teorema central do limite foi generalizado por Umarov, Tsallis e
A distribuio

Steinberg (2008). Para uma leitura mais aprofundada, Tsallis (2009) um livro recente e
abrangente sobre a estatstica no-extensiva com os fundamentos e aplicaes em fsica,
biologia, sistemas sociais e articiais. Em Tsallis (2013) h uma bibliograa em constante
atualizao.

Para a aplicao da estatstica no-extensiva na distribuio Weibull, o caminho natural sua generalizao com a

q -exponencial feita em Picoli, Mendes e Malacarne (2003)

com aplicaes na distribuio de frequncias para diferentes sistemas. A primeira utilizao da distribuio

q -Weibull

em anlise de conabilidade parece ter sido apresentada

em Costa et al. (2006), onde a distribuio foi usada para modelar o tempo at falhar por
ruptura dieltrica de xidos ultranos em dispositivos eletrnicos.

Esta seo tem o objetivo de introduzir o modelo para taxa de falha e analisar as suas
principais propriedades. A distribuio

q -Weibull reproduz vrios tipos de comportamento

de taxa de falha: montona decrescente, constante, montona crescente, unimodal e em


formato da curva da banheira, sempre com quatro parmetros. A seo 3.2 introduz o
modelo, a seo 3.3 mostra algumas de suas caractersticas e a seo 3.4 apresenta algumas
concluses.

28

Captulo: 3

Anlise da funo taxa de falha pelo modelo q-Weibull

3.2 Taxa de falha da distribuio q-Weibull


O modelo

q -Weibull

obtido a partir do modelo Weibull (Equao 3.1.1) por meio

da substituio da funo exponencial pela

q -exponencial.

Em Costa et al. (2006) so

mostrados mais detalhes sobre esta substituio. Ainda na Equao 3.1.1, t0 o parmetro
de localizao ou vida mnima, ou seja, um valor de tempo abaixo do qual no so
previstas falhas. Desta forma a funo densidade de probabilidade da

q -Weibull denida

por:

fq (t) = (2 q)
t0

t t0
t0

1

" 
 #
t t0
expq
,
t0

(3.2.1)

> 0, t0 > 0 e t t0 0. O fator (2 q) e a restrio q < 2 so necessrios


para garantir a normalizao de fq (t). Fazendo o limite q 1, a funo densidade de
probabilidade q -Weibull torna-se a Weibull e pode ser escrita, daqui em diante, como
f1 (t). O valor t0 conhecido como , o parmetro de escala da distribuio.
onde

q -Weibull tambm uma generalizao da distribuio Burr XII, descrita em Burr

(1942),


 c k1
t
tc1
f (t) = ck c 1 +
s
s

(k > 0, c > 0, s > 0),

(3.2.2)

q -Weibull forem tomados como = c, = s/(k + 1)1/c , q = (k +


2)/(k+1) > 1 e t0 = 0. vlido ressaltar que a q -Weibull uma generalizao de Burr XII
se os parmetros da

e no o contrrio, como armado por Nadarajah e Kotz (2006), uma vez que a Equao
3.2.2 pressupe

q>1

enquanto que a Equao 3.2.1 tambm est denida para

A funo conabilidade da

q -Weibull

q 1.

denida por:

fq (t0 )dt0

Rq (t) =
t

 # 2q
1q
t t0
= 1 (1 q)
t0
+
"
" 
 ##2q
t t0
,
=
expq
t0
"

onde foi usada a propriedade da

q -exponencial:

(3.2.3)

3.2

Taxa de falha da distribuio q-Weibull

29

expq (ax) dx =
Note que

(expq x)a 6= expq (ax)

para

1
[expq (ax)]2q .
(2 q)a

q 6= 1,

(3.2.4)

entretanto

(expq x)a = exp1(1q)/a (ax) q.

(3.2.5)

Logo, a Equao 3.2.3 pode ser reescrita como:

"

Rq (t) = expq0 (2 q)

onde

q 0 = 1/(2 q).

Mais propriedades da

t t0
t0

 #
,

q -exponencial

(3.2.6)

podem ser encontradas em

Yamano (2002).

A funo acumulada

Fq (t)

o complemento da funo conabilidade e denida

por:

Fq (t) = 1 Rq (t).

(3.2.7)

A funo taxa de falha :

hq (t)

fq (t)
,
Rq (t)

(3.2.8)

e ca escrita como:

 #1
t t0
1 (1 q)
t0
+
"
"

1

 ##q1
(2 q) t t0
t t0
=
,
expq
t0
t0
t0

(2 q)
hq (t) =
t0

Tomando-se o limite

q 1,

t t0
t0

1 "

(3.2.9)

resulta na taxa de falha da Weibull:

h1 (t) =
t0

t t0
t0

1
.

(3.2.10)

30

Captulo: 3

Anlise da funo taxa de falha pelo modelo q-Weibull

Comparando a Equao 3.2.9 com a Equao 3.2.10, nota-se a diferena dos comportamentos entre a

q -Weibull

e a Weibull.

A integral de uma funo exponencial uma

exponencial multiplicada por uma constante; estas se cancelam na Equao 3.2.8, enquanto, devido propriedade descrita pela Equao 3.2.4, no ocorre cancelamento de

q -exponenciais.
A Equao 3.2.9 capaz de representar quatro diferentes tipos de comportamento

hq (t) montona decrescente para 1 q < 2


e 0 < < 1, montona crescente para q 1 e > 1, unimodal para 1 < q < 2 e
> 1 e tem formato de curva da banheira (bathtub curve ou u-shaped curve ) para q < 1
e 0 < < 1. claro que a funo tambm reproduz a taxa de falha constante para q = 1
e = 1. A Figura 3.2.1 mostra estas possibilidades.
a depender dos valores dos parmetros.

1,5
Formato U

hq(t)

Decrescente
Unimodal

0,5

0
0

Crescente

10

Figura 3.2.1: Quatro diferentes tipos de comportamento da funo taxa de falha.

Os valores dos parmetros foram escolhidos para uma boa visualizao das curvas
na mesma gura . Os quatro tipos so:

a) montona decrescente:
b) montona crescente:

tmax = 10)
c) unimodal:

Para

q < 1

q = 0,5, = 2, = 7,071

q = 1,5, = 2, = 1
e

t0 = 0;

(calculado pela Equao 3.2.11 com

t0 = 0;

d) curva da banheira:

tmax = 10)

q = 1,5, = 0,5, = 1

t0 = 0;

q = 0,5, = 0,5, = 2,5

(calculado pela Equao 3.2.11 com

t0 = 0.

a Equao 3.2.9 apresenta uma divergncia no mximo valor permitido de

tempo (nal do tempo de vida) em (vide A.2)

tmax = t0 + ( t0 ) (1 q)1/ .

(3.2.11)

3.2

Taxa de falha da distribuio q-Weibull

31

A derivada temporal da taxa de falha dada por (detalhe da deduo em A.1.7)


h0q (t)

(2 q)( 1)
=
( t0 )2

t t0
t0

2

1q
1




1 (1 q)

tt0
t0

tt0
t0

 

 2 .

(3.2.12)

Um tempo mximo nito corresponde relaxao da restrio usualmente imposta


para funo taxa de falha acumulada

hq (t) dt,

Hq (t) =

(3.2.13)

conforme Pham e Lai (2007). Espera-se normalmente que


acordo com o modelo

q -Weibull

Para o tipo unimodal (1


(q

<1

0 < < 1),

lim

t tmax

<q<2

Hq

< 1 (t)

> 1)

H1 em t ,
lim tmax = .

mas de

q 1

e tambm para o tipo curva da banheira

a raiz da Equao 3.2.12

t = t0 + ( t0 )

1
1q

1/
,

(3.2.14)

que corresponde ao extremo, mximo para unimodal e mnimo para curva da banheira

2q
hq (t ) =
t0

1
1q

(1)/
.

A Figura 3.2.2 ilustra a mudana de sinal da derivada da taxa de falha.

(3.2.15)

Captulo: 3

hq(t)

32

1
0,8
0,6
0,4
0,2
0
-0,2
-0,4

Anlise da funo taxa de falha pelo modelo q-Weibull

Formato U
Unimodal

10

Figura 3.2.2: Derivadas temporais da taxa de falha da distribuio

Observe que as curvas

hq0 (t)

q -Weibull.

q = 0,5,
q = 1,5, = 2,

so traadas com a Equao 3.2.12, fazendo

= 0,5, = 2,5 e t0 = 0 (curva da banheira ou em formato de U) e


= 1 e t0 = 0 (curva unimodal). Os parmetros so os mesmos mostrados na Figura
3.2.1. A mudana do sinal de hq 0 (t) a responsvel pela descrio completa da curva da
banheira.

A derivada temporal da taxa de falha Weibull

(q = 1)

uma lei de potncia mon-

tona

h01 (t)

( 1)
=
( t0 )2

t t0
t0

2
.

(3.2.16)

A Equao 3.2.16 incapaz de representar a curva da banheira completa.

0< <1
ocorre para

para

e esta situao descreve apenas a fase de amaciamento. A fase de desgaste


0

h1 (t) > 0,

que na Weibull usual ocorre com

falha aleatria durante a vida til ocorre com

q -Weibull

h1 (t) < 0

= 1.

> 1.

A descrio da fase de

A funo taxa de falha dada pela

reproduz a curva da banheira completa por meio de uma funo contnua, com

o mesmo conjunto de parmetros e sem a necessidade de introduzir hipteses

ad hoc.

3.3 Comportamento da funo densidade de probabilidade q-Weibull


Nesta seo so mostrados os momentos da distribuio

q -Weibull,

a anlise da

inuncia dos parmetros e duas formas adimensionais da distribuio. O parmetro

t0

q -Weibull, tem o papel de ajustar melhor o modelo para tempos iniciais.

da distribuio

vida mnima t0 o valor de tempo mnimo em que uma falha pode ocorrer. Este parmetro

3.3

Comportamento da funo densidade de probabilidade q-Weibull

33

tem a mesma interpretao na distribuio Weibull e estar presente nas formulaes a


seguir embora seja considerado nulo nos exemplos numricos, sem perda da generalizao
adotada.

3.3.1 Momentos da distribuio q -Weibull

0n = 0 tn fq (t) dt, da Equao 3.2.1,


so considerados separadamente os casos q > 1 e q < 1 (vide sees A.3 e A.4 para detalhes
das dedues). Para o caso q < 1 considere a representao integral da q -exponencial
Para calcular os momentos em torno de zero,

apresentada por Lenzi, Mendes e Rajagopal (1999):

expq (x) =
2

2q
1q

e1+iu
(1 + iu)

2q
1q

e(1q)(1+iu)x du,

(3.3.1)

proveniente da mudana de variveis da equao 8315.2 de Gradshteyn, Ryzhik e Jerey


(1994) e para o caso

q > 1 a q -exponencial pode ser representada segundo Tsallis (1994a),

tambm em Gradshteyn, Ryzhik e Jerey (1994), equaes 8.310 1 e 8.312 2 por

expq (x) =

1
q1

u q1 1 eu e(q1)xu du (q > 1, x > 0).

(3.3.2)

Os clculos resultam para

q<1

em



32q



1q
n
,

0n = n 1 +
(1 q)n/ 32q + n
1q

t0 = 0,

(3.3.3)

0n

n 
X



 nj
j
j
t0 ( t0 ) 1 +

n
j

j=0

e para

q>1

( 32q
1q )
j

(1q) ( 32q
+ j )
1q


,

t0 6= 0,

(3.3.4)

em

0n = n 1 +


n
 ,
n/
(q 1) 2q
q1

2q
q1

t0 = 0,

(3.3.5)

34

Captulo: 3

0n

n
P

Anlise da funo taxa de falha pelo modelo q-Weibull



 nj
t0 ( t0 )j 1 + j

n
j

j=0

( 2q
j )
q1


t0 6= 0,

(q1) ( 2q
q1 )

(3.3.6)

1 < q < qupper e qupper = 1 + /(n + ). Note que, para q 1, ambos os momentos



o
n n 
P
j
n nj
j
n
0
n
0
cam n = 1 +
,
t
=
0
e

=
t
(

t
)

1
+
, t0 6= 0 que
0
0
n

j 0

com

j=0

qupper tem seu comportamento delimitado


limn qupper = 1.

so os momentos da Weibull. O limite superior


por:

lim0 qupper = 1, lim qupper = 2

q -Weibull no possui todos os momentos


para q > 1, embora todos os momentos estejam denidos para q < 1. Uma vez que q tem
o seu valor mximo limitado por qupper (funo de n para constante), a q -Weibull perde
O ltimo limite signica que a distribuio

os momentos mais altos, o que no se constitui num problema mas uma caracterstica
da distribuio. Existem muitas distribuies que no possuem todos os momentos. A
Cauchy-Lorentz por exemplo no possui mdia, varincia ou momentos mais altos.
distribuio

q -Weibull tem a normalizao preservada para qualquer q <

2, ou seja, 00

= 1.

A Weibull usual possui todos os momentos, algo tpico para distribuies com decaimento
exponencial.

Os momentos em torno da mdia, tambm conhecidos como momentos centrais, so


calculados usando a transformao binomial dos momentos em torno do zero

n =

n
X
k=0

e para

n
k

!
nk

(1)nk 0k (01 )

t0 = 0,

(3.3.7)

t0 6= 0

n =

n
P

n
j



(t0 01 )nj ( t0 )j 1 + j

j=0

( 2q
j )
q1

(q1) ( 2q
q1 )

1<q <1+

,
+n
(3.3.8)

n =

n
P

n
j



(t0 01 )nj ( t0 )j 1 + j

j=0

A mediana da

q -Weibull

(veja A.7)

( 32q
1q )
j

(1q) ( 32q
+ j )
1q


,

q < 1.

(3.3.9)

3.3

Comportamento da funo densidade de probabilidade q-Weibull

ln
Md

= t0 + ( t0 )

1
2q

0.5

35

! 1
,

q2

(3.3.10)

e a moda (deduo em A.8)

1
Mo = t0 + ( t0 )
+ ( 1) (1 q)

 1
,

> 1.

(3.3.11)

3.3.2 Inuncia do parmetro


Na distribuio Weibull, o parmetro

conhecido como vida caracterstica e pode

ser interpretado, por meio da Equao 3.2.7, fazendo

t = para
(q 6= 1) o

q = 1,

como o valor de tempo

o qual se espera que 63,2% da populao falhe. Para o modelo generalizado


valor

Fq ()

no constante, mas depende de

conforme mostra a Figura

3.3.1. Nota-se que a condio de corte na denio da Equao 3.1.2 impe zero para a


tt0
0, assim, 100% de falha alcanado em t = tmax =
q -exponencial se 1 (1 q) t
0
1

t0 + ( t0 ) (1 q) .
1
-1
0,8

Fq(t)

0,5
0,6

q=1

0,4
q = 1,5
0,2
0
0

0,5

= 0,5
=1
2

1,5

t
Figura 3.3.1: Falha acumulada para diferentes valores de

Todas as curvas foram calculadas com

= 0,5, = 1 e t0 = 0.

q.

(q =
Fq>1 () < F1 ()

A Weibull usual

1) corresponde a F1 () 0,632 (linha horizontal tracejada). Note que


e Fq<1 () > F1 (). Devido condio de corte na denio da q -exponencial, 100% das
falhas so alcanadas para um valor nito de tempo se q < 1, diferentemente da Weibull
usual na qual F1 (t) assintoticamente alcana 1 para t . Particularmente tem-se F0 ()
= 1.
possvel denir uma vida caracterstica generalizada
o estatstica, isto ,

Fq (q ) = 1 e1 63,2%, q,

para manter a interpreta-

e da Equao 3.2.7 vem (detalhes

36

Captulo: 3

Anlise da funo taxa de falha pelo modelo q-Weibull

em A.5)

q = t0 + ( t0 ) lnq e
Tomando a inversa da

q -exponencial

1
q2

 1

(3.3.12)

(Equao 3.1.2) que o

q -logaritmo

((2.4.3)),

detalhes em Tsallis (1994b) ,

x1q 1
lnq x
,
1q
e

ln1 x = ln x

lnq (1/x) = xq1 lnq x,

x > 0,

(3.3.13)

a Equao 3.3.12 reescrita como

q = t0 + ( t0 ) e(2q)(1q) lnq e2q


Os limites do comportamento de

so

1/

(3.3.14)

limq q = t0 , limq1 q =

limq2 q =

, .

3.3.3 Anlise de tmax


A funo taxa de falha
de vida

tmax

q -Weibull

com

q<1

<1

apresenta um tempo mximo

para
q < 0, tmax

(Equao 3.2.11) exibido pela Figura 3.3.2 como uma funo de

0 < q < 1, tmax decresce com , enquanto que se


aumenta com . No limite superior = 1 , tmax = t0 + ( t0 ) / (1 q)
0, tmax se 0 < q < 1 e tmax = t0 se q < 0.

diferentes valores de

q.

Se

e no limite

3
q = 0,3

tmax/

0,2
2

0,1
0,01

0
-0,1

0
0

0,2

Figura 3.3.2: Tempo mximo de vida


proporcional a
cados).

-1
0,4

tmax

-5

0,8

t0 = 0 (dividido por , pois tmax se torna


de para diferentes valores de q < 1 (indi-

com

como funo

0,6

3.3

Comportamento da funo densidade de probabilidade q-Weibull

Valores mais altos de

37

no so mostrados apenas para melhor visualizao.

forma similar Weibull usual que no apresenta tempo de vida mximo tem-se tmax

q 1 .

De

q , tmax coincide com a abscissa (tmax 0). Ocorre


convergncia no uniforme para q = 0 a = 0: lim0 limq0 (tmax /) = 1, enquanto que
limq0+ lim0 (tmax /) = e limq0 lim0 (tmax /) = 0 .

para

No limite

3.3.4 Inuncia do parmetro


Uma vez que
a Equao 3.2.9 se

expq (0) = 1 q , para pequenos valores de


1
torna hq (t) (2 q)(/)(t/)
. Assim

 ) e t0 = 0,
parmetro controla o

tempo (t
o

decaimento da lei de potncia da fase de amaciamento para o tipo da curva da banheira


(inclinao no painel central da Figura 3.3.3).
4

10

hq(t)

10

hq(t)

10

10

10

0,8
q = 0,9
= 0,1
0,6
tmax = 100
= 0,9
0,4
0,2
= 0,1
0
0 20 40 60 80 100
t

-1

10

= 0,9

-2

10

-7

-6

-5

-4

-3

-2

-1

em

10 10 10 10 10 10 10 10 10 10

Figura 3.3.3: Efeito de

hq (t).

q = 0,9, tmax = 100 e t0 = 0, assim


= tmax (1 q)
e = 10
para = 0,1 e = 7,7426 para = 0,9. A inclinao na
fase de amaciamento em escala loglog 1.
As curvas da banheira foram calculadas com

1/

Para

>1

ocorre

hq<1 (0) = 0,

e a funo taxa de falha montona crescente. A

Figura 3.3.4 ilustra o comportamento da taxa de falha para


de

mostrando o comando de

q = 0,9

e diferentes valores

na lei de potncia para pequenos valores de tempo.

38

Captulo: 3

hq(t)

10

0,8

10

0,6

10

0,4

10

-2

10

-1

10

10

10

=1
=1,2
40
60

20

Figura 3.3.4: Taxa de falha da

para todas as curvas:

1,2

-2

0
0

=1

-1

-3

0,2

O parmetro

Anlise da funo taxa de falha pelo modelo q-Weibull

10

=2

80

q -Weibull

q = 0,9
100

dada pela Equao 3.2.9, com

foi calculado pela Equao 3.2.11 de sorte que

= 10; 14,68; 31,62

para

= 1; 1,2; 2

q = 0,9.

tmax = 100

t0 = 0

respectivamente. O detalhe

mostra as mesmas curvas em um grco loglog exibindo o comportamento da lei de


potncia para pequenos valores de tempo (a inclinao da fase de amaciamento em escala

1).

> 1, hq>1 (t) reproduz


3.3.5 para q = 1,5.

Para
Figura

hq(t)

1,5
1

a curva unimodal de taxa de falha exemplicada na

q = 1,5
=3

= 1,5

hq(t)

loglog

0,5

=2
=3

=2
0

0,5

0,5

= 1,5

0
0 2 4 6 8 10 12 14 16 18 20

Figura 3.3.5: Taxa de falha da

q -Weibull

dada pela Equao 3.2.9, com

q = 1,5, = 1

t0 = 0.

hq (t) mostra o comportamento unimodal para 1 < q < 2 e > 1. O valor mximo
de hq (t) aumenta com . O inserto mostra um detalhe para pequenos valores de tempo
(regio de taxa de falha crescente). Para valores pequenos de tempo, 1 < < 2 corresponde concavidade negativa em hq (t) e > 2 corresponde concavidade positiva. hq (t)
tem crescimento linear para = 2 e t/  1.

3.3

Comportamento da funo densidade de probabilidade q-Weibull

A razo entre

(Equao 3.2.14) e o tempo de vida mximo tmax (Equao 3.2.11),

t0 = 0,

para o caso da curva da banheira com

de 0 (para

) at

depende apenas de

= (1 )1/ ,

tmax
t /tmax varia

39

e1 0,367879

(3.3.15)

(para

0).

3.3.5 Inuncia do parmetro q


q -Weibull, considere por exemplo
= 0,5 e t0 = 0. Primeiramente mantenha o parmetro constante ( = 1). A distribuio Weibull no apresenta um tempo limite (tmax = ). Uma vez que o parmetro q varia
de uma unidade para valores menores, o tempo mximo de vida tmax assume valores cada
vez menores conforme visto na Figura 3.3.6. Posteriormente mantenha tmax constante
(por exemplo = 0,5 e tmax = 100), assim calculado pela Equao 3.2.11. A Figura
3.3.7 mostra curvas para diferentes valores de q . medida que o parmetro q se aproxima
Para demonstrar o efeito do parmetro

q<1

na

de uma unidade, o trecho de falha aleatria (taxa de falha praticamente constante) es-

limq1 hq (t ) .
lim1 limq hq (t ) = 1/tmax .

treita e o mnimo valor da taxa da falha aumenta. Particularmente


O mnimo valor de

hq (t )

encontrado por

10

10

hq(t)

10

10
10

Figura 3.3.6: Taxa de falha

q < 1
=1

10
10

q = -1
0
0,5
0,8
0,9

= 0,5
=1

-1

q=1

-2

10

-4

10

-3

10

q -Weibull

-2

10

-1

10

10

10

10

em funo do tempo para diferentes valores de

= 0,5,
q = 1 at

em escala loglog. Todas as curvas foram calculadas com


e

t0 = 0.

O tempo mximo de vida varia de

valores menores e nitos medida de o parmetro


uma unidade.

t = para
q decresce a

partir de

40

Captulo: 3

Anlise da funo taxa de falha pelo modelo q-Weibull

q=0,97
= 0,5
tmax = 100

0,8

hq(t)

0,95
0,6

0,9

0,4

0,5

0,2
0
0
Figura 3.3.7: Taxa de falha

20

40

80

60

0
-1
100

q -Weibull em funo do tempo para diferentes valores de q < 1.

= 0,5, tmax = 100 e t0 = 0, assim o parmetro foi calculado pela Equao 3.2.11: = 0,09; 0,25; 1; 25; 100; 400 correspondentes a
q = 0,97; 0,95; 0,9; 0,5; 0; 1 respectivamente. medida que o parmetro q se aproxima
Todas as curvas foram calculadas com

da unidade, o trecho de falha praticamente constante se torna mais estreito e o mnimo


valor da taxa de falha

hq (t )

aumenta

hq (t )

para

q 1.

as curvas tendem a um limite inferior (para este exemplo onde


ocorre

hq (t ) = 0,02

q ,
tmax = 100,

medida que

= 0,5

pela Equao 3.2.15.

q para o caso unimodal (1 < q < 2 e > 1) pode ser vista na Figura
1 < q < 2 e 0 < < 1 a taxa de falha q -Weibull uma funo montona

A inuncia de
3.3.8. Para

decrescente. A Figura 3.3.9 mostra exemplos.

10
1
10
0
10
-1
10
-2
10 1

1,2

1
1,5
0,5
0
0

=2

hq(t*)

hq(t)

1,5

1,7
10

1,5
q

1,9
20

30

40

q -Weibull para o caso unimodal, com = 2, = 1 e t0 = 0


para diferentes valores de q > 1 (indicados). O detalhe mostra a expresso
do mximo da taxa de falha como funo de q (Equao 3.2.15).

Figura 3.3.8: Taxa de falha da

3.3

Comportamento da funo densidade de probabilidade q-Weibull

41

3
= 0,5
=1

hq(t)

q = 1,0
q = 1,2
q = 1,5
q = 1,9

0
0
Figura 3.3.9: Taxa de falha da

1, t0 = 0

0,5

q -Weibull

1,5

dada pela Equao 3.2.9, com

q > 1. hq (t)
0 < < 1.

e diferentes valores de

decrescente para

1<q<2

= 0,5, =

uma funo montona

3.3.6 Equaes adimensionais


Embora no seja comum, interessante analisar a funo taxa de falha na forma
adimensional. conveniente denir a adimensionalidade temporal diferentemente para
o caso unimodal, no qual o tempo ilimitado e para o caso curva da banheira no qual
o tempo limitado a

tmax .

Para taxa de falha unimodal (1

< q < 2

> 1),

adimensionalidade ao tempo denida como

t
t
u =
t

1q
1

(1)/
,

u denota ilimitado (do ingls unlimited ). Para


0 < < 1), a adimensionalidade denida como

onde o ndice
(q

<1

l
onde o ndice

t
tmax

(3.3.16)
o caso da curva da banheira

t
= (1 q)1/ ,

(3.3.17)

denota limitado.

Em ambos os casos a taxa de falha adimensional

( ) hq (t)/hq (t ),

(3.3.18)

normalizada pelo seu valor extremo conforme a Equao 3.2.15, sendo o mximo para a
unimodal e o mnimo para a curva da banheira.
que

hq (t)

tem dimenso inversa do tempo.

sem ndice denota ambos

l .

Note

42

Captulo: 3

Anlise da funo taxa de falha pelo modelo q-Weibull

Para o caso unimodal, a taxa de falha reescrita como

(u ) =

com

u1
1 + ( 1)u

(3.3.19)

> 1 , 0 < u < , 0 (u ) 1 ((0) = () = 0).

Para a curva da banheira a

taxa de falha reescrita como

(1)/

(l ) = (1 )

l1
1 l

(3.3.20)

0 < < 1 , 0 < l < 1 , (l ) 1. Em ambos os casos a dependncia dos parmetros


q e absorvida pela adimensionalidade ao tempo devido escala adotada e a taxa de
falha adimensional depende apenas de e . O ndice q desta vez desnecessrio e apenas
usa-se e no q . Os comportamentos de (u ) e (l ) so mostrados na Figura 3.3.10 e

com

na Figura 3.3.11 respectivamente.

(u )

0,8
0,6
0,4
0,2
0
0

= 1,5
2
3
1

tado

(u ) hq (t)/hq (t ) (Equao
> 1. O tempo adimensional ilimi-

Figura 3.3.10: Taxa de falha unimodal adimensional


3.3.19), para diferentes valores de

denido pela Equao 3.3.16.

3.4

Concluses

43

= 0,99
0,9
0,5
0,01

(l )

3
2
1
0
0

0,2

0,4

0,6

0,8

Figura 3.3.11: Taxa de falha adimensional com formato de banheira

(l ) hq (t)/hq (t )

0 < < 1.

O tempo adimensi-

(Equao 3.3.20 para diferentes valores de


onal limitado

denido pela Equao 3.3.17.

1 praticamente uma

de (l ) ocorre em dado
1/e (para 0). Todas

Note, na Figura 3.3.11, que a fase de amaciamento para


linha vertical superposta ao eixo das ordenadas. O mnimo

1)
q e = 1)

pela Equao 3.3.15 e deslocada de 0 (para

at

as curvas da Figura 3.3.6 (vrios valores de

se reduzem a uma nica curva

adimensional com

= 0,5.

3.4 Concluses
Vrios modelos para taxa de falha so encontrados na literatura, muitos deles usam
a distribuio Weibull (ou similares) como base. Estas distribuies tm em comum a natureza exponencial e alguns so muito complicados, com muitos parmetros introduzidos
empiricamente.

A generalizao

q -Weibull

proposta usa uma funo que exponencial

apenas em uma situao limite e capaz de representar leis de potncia assintticas. Este
modelo capaz de descrever quatro tipos de comportamento de taxa de falha denominados
montono decrescente, montono crescente, unimodal e curva da banheira, sempre com
apenas trs parmetros e representa a unicao de vrios modelos incluindo a verstil
distribuio Burr XII. A Tabela 3.1 sumariza as possibilidades com as correspondentes
faixas de parmetros.

44

Captulo: 3

Anlise da funo taxa de falha pelo modelo q-Weibull

Tabela 3.1: Comportamento da taxa de falha


metros

q -Weibull

de acordo com valores dos par-

q<1

0<<1

=1

>1

Curva da

Montona

Montona

banheira

crescente

crescente

(Figura 3.3.7)

(Figura 3.3.4)

(Figura 3.3.4)

Montona

q=1

1<q<2

Montona

decrescente

Constante

(Figura 3.3.9)

crescente
(Figura 3.3.4)

Montona

Montona

Unimodal

decrescente

decrescente

(Figura 3.3.5)

(Figura 3.3.9)

(Figura 3.3.9)

A Weibull usual incapaz de representar a curva da banheira completa, pois


montona decrescente, montona crescente ou estacionria, dependendo do valor

h1 (t)
de .

A modelagem da curva da banheira com a Weibull requer a montagem descontnua de

< 1 para a
> 1 para a

= 1 para a fase intermediria de falha


q -Weibull reproduz a curva da banheira

funes com

fase de amaciamento,

aleatria e

fase de desgaste.

inteira de forma contnua com o mesmo conjunto de parmetros e sem a necessidade de


introduzir hipteses adicionais. No foi detectado nenhum registro anterior a este trabalho
que tenha alcanado a representao da curva da banheira com a distribuio

q -Weibull.

Este modelo permite avaliar a conabilidade, e por consequncia a no-conabilidade, o


MTBF (tempo mdio entre falhas), a moda, a mediana, os momentos e demais valores
caractersticos da distribuio, considerando o ciclo de vida completo do item em estudo.

Uma vez que a taxa de falha da distribuio

q -Weibull

no montona, possvel

realizar uma abordagem que considera num nico modelo dois ou trs modos de falha
predominantes simultaneamente (veja Captulo 4).

A distribuio

q -Weibull

uma extenso natural da Weibull usual e sua denio

inspirada na estatstica no-extensiva. A introduo de generalizaes adicionais de forma


emprica ou terica, tais como o uso de transformaes linear e no-linear do tempo, o uso
de mltiplas distribuies, parmetros dependentes do tempo dentre outras, tal como foi
feito com a Weibull, podem futuramente aumentar a exibilidade e a preciso da

q -Weibull

e abrir novas oportunidades para os prossionais de engenharia de conabilidade.


Captulo 5 mostra distribuies

q -Weibull associadas no formalismo de portas lgicas para

obter modelos com uma grande variedade de formatos de taxa de falha como exemplos.

45

4 Anlise comparativa das


distribuies generalizadas q -Weibull
e q -exponencial aplicadas
engenharia de conabilidade

4.1 Introduo
A modelagem de conabilidade um dos passos mais importantes para a avaliao da conabilidade, disponibilidade, manutenabilidade e segurana (CDMS). Existem
muitas distribuies estatsticas que podem modelar tempos de vida, contudo para alguns sistemas, as distribuies estatsticas clssicas no so satisfatrias porque suas
taxas de falha so montonas.

As distribuies estatsticas generalizadas recentemente

desenvolvidas de acordo com a mecnica estatstica no extensiva so conhecidas como

q -distribuies.
rias cincias.

Estas distribuies generalizadas tm sido aplicadas com sucesso em v-

Este captulo apresenta as

q -distribuies

com o objetivo de melhorar a

modelagem de problemas de engenharia de conabilidade. Primeiramente mostraremos


duas funes deduzidas para analisar tempos de vida usando a distribuies

q -exponencial.

q -Weibull

Posteriormente, estas distribuies so aplicadas para descrever tempos

de vida de quatro exemplos.

Os resultados mostram que as

q -distribuies

se ajustam

melhor aos dados e proporcionam uma exibilidade extra s curvas de taxa de falha.
1

O principal foco deste captulo

comparar por meio de exemplos prticos, quatro

modelos de tempos de vida. Os modelos utilizados so os usuais exponencial e Weibull e


suas verses generalizadas,

q -exponencial e q -Weibull.

A metodologia utilizada a aplica-

o dos modelos a exemplos prticos (equipamentos de poos de petrleo e uma estao


de solda), com estimao dos parmetros por meio do mtodo de mnimos quadrados e
utilizao do Critrio de Informao Akaike (AIC). A mesma metodologia pode ser aplicada a outros sistemas como por exemplo o mercado de aes.
utilizao da distribuio

q -Weibull

A seo B.1 mostra a

para modelar os tempos entre valores extremos de

ndices da bolsa de valores da Espanha.

1 Alguns resultados obtidos neste captulo foram publicados em Assis, Borges e Melo (2013) e em Sartori
et al. (2009).

Captulo: 4
46

Anlise comparativa das distribuies generalizadas q-Weibull e q-exponencial aplicadas


engenharia de confiabilidade

Os tempos de vida das bombas de fundo, hastes de bombeio e da estao de solda


apresentam trs comportamentos de taxa de falha distintos: decrescente, constante e crescente, perfazendo por completo a curva da banheira. A distribuio

q -Weibull

descreve,

com apenas um conjunto de parmetros, toda a curva encontrada. A tubulao de produo apresenta tempos de vida com comportamento unimodal em sua taxa de falha.
A simplicidade e a exibilidade de utilizao do modelo

q -Weibull

trazem benefcios que

ultrapassam o inconveniente de possuir um parmetros a mais. As propriedades da distribuio

q -Weibull, como por exemplo, momentos, no conabilidade e conabilidade, taxa

de falha e anlises das inuncias de parmetros foram apresentadas no Captulo 3.

4.2 Distribuies de tempos de vida


Algumas distribuies estatsticas tendem a representar melhor os tempos de vida e
por isso so chamadas de distribuies de tempos de vida. Uma distribuio de tempos
de vida mostra como os itens falham no tempo ou como suas falhas esto distribudas
no tempo. Tais distribuies so exatamente como qualquer outra distribuio estatstica
exceto pelo fato dos dados envolvidos serem tempo at a falha ou tempos de vida. Uma
distribuio de tempos de vida conhecida quando um ajuste realizado e seus parmetros
so estimados.

4.2.1 Distribuies q -Weibull e q -exponencial


A funo no conabilidade de

q -Weibull pode ser denida a partir da Equao 3.2.7

como

"
Fq (t) = 1 exp

onde

> 0, t > t0 , q < 2


O caso particular

dade da distribuio

>0

=1

1
2q


(2 q)

fator de escala (

t t0

 #
,

(4.2.1)

= t0 ).

aplicado na Equao 4.2.1 retorna a funo no conabili-

q -exponencial

Fq (t) = 1 exp

1
2q


(2 q)

t t0

De maneira similar a Equao 4.2.1, necessrio que


4.2.2 seja normalizvel.


.

(4.2.2)

q<2

a m de que a Equao

4.2

Distribuies de tempos de vida

47

q < 2 e > 0 a generalizao de trs modelos:


Weibull (com > 0 e q = 1), q -exponencial (com = 1 e q 6= 1), e exponencial (com
= 1 e q = 1). Os quatro modelos (incluindo o q -Weibull) so comparados nos exemplos
A Equao 4.2.1)com os parmetros

apresentados na seo 4.4.

4.2.2 Taxa de falha das distribuies


A taxa de falha da distribuio
portamento da taxa de falha da

h1

q -Weibull

q -Weibull

denida pela Equao 3.2.9.

O com-

pode ser muito diferente do caso particular

(taxa de falha da Weibull). Podem ser descritos quatro formatos diferentes da funo

taxa de falha

hq (t):

a) montona decrescente para

q<1

b) montona crescente para


c) unimodal para

1<q<2

d) curva da banheira para

1<q<2

>1

q<1

0<<1

> 1;
;

0 < < 1.

q = 1 e = 1. Os formatos c) e d) no podem ser


reproduzidos com a funo taxa de falha Weibull (q = 1). No Captulo 3 h uma anlise
detalhada da funo taxa de falha q -Weibull.

A taxa de falha constante obtida para

Uma vez que consegue representar todo o ciclo de vida funcional de um item, cobrindo as fases de amaciamento, vida til e envelhecimento, a distribuio
aproxima mais das recomendaes de gesto de recursos das normas

Institution's

q -Weibull

se

British Standards

(BSI) PAS 55-1:2008 e PAS 55-2:2008. Tais normas buscam a integrao de

todos os aspectos do ciclo de vida do ativo, a partir do reconhecimento da necessidade de


projeto, aquisio, operao manuteno, renovao, alterao, at o descarte nal.

Um caso particular da Equao 3.2.9 a funo taxa de falha da distribuio


exponencial, obtida com
atribuindo

q=1

=1

= 1.

q-

A taxa de falha da distribuio exponencial encontrada

e dada por

1
= .

(4.2.3)

4.2.3 Estimao de parmetros


Levando em conta que o

q -logaritmo

qo
[1 Fq (t)] ,

(veja Equao 2.4.3) a funo inversa da

n
exponencial, a Equao 4.2.1 escrita como y = x + b, com y = ln ln

1
2q

Captulo: 4
48

Anlise comparativa das distribuies generalizadas q-Weibull e q-exponencial aplicadas


engenharia de confiabilidade


x = ln(t t0 )

b = ln

(2q)

Os dados amostrais so tempos at a falha organizados em ordem crescente e os


valores de no conabilidade so estimados usando

rank

aproximao de Bernard do

median

fornecida em Johnson (1951)

i 0,3
Fi =
,
n + 0,4
onde

(4.2.4)

n o tamanho da amostra, i o nmero de ordem da falha variando de 1 at n.

dian rank

me-

o valor de probabilidade de falha para cada experimento de sorte que, quando

so realizados

destes experimentos estatisticamente independentes, a probabilidade de

P (X n) = 0,5 na varivel p
dentro do contexto de uma varivel de distribuio binomial X B(n, p). O median rank
tambm poderia ser generalizado para o contexto de q -funes a m representar situaes
ocorrerem

ou mais falhas 50%, ou seja, soluo de

em que a aproximao de Bernard se torne inadequada.

Para cada amostra de tempo

ti

ns temos

xi = ln(ti t0 )

(4.2.5)

yi = ln ln
Uma maneira alternativa de calcular

1
2q

Fi

(1 Fi ) .

(4.2.6)

consider-la como a soma das frequncias

relativas de ocorrncia de falha nos intervalos de tempo anteriores. Este procedimento


adequado para um grande nmero de amostras e utilizado na seo 4.4.

Os parmetros da Equao 4.2.1 so estimados pela maximizao do coeciente de


determinao

R2 ,
n
P

R =1

[yi ybi ]2

i=1
n
P

[yi yi ]2

i=1

(4.2.7)

4.2

Distribuies de tempos de vida

49

>0

>0

t0 < tmin

q < 2,

sujeito a:

onde

yi

n
ln ln

1
2q

o
[1 Fq (ti )] , yi

A Equao 4.2.7 retorna

R2 1,

yi
e
n

tmin

(4.2.8)

o menor tempo amostral.

incluindo valores negativos.

Note que os par-

metros da distribuio Weibull podem ser determinados pela maximizao de


restrio adicional

q = 1.

R2

com a

O mesmo procedimento tambm vlido para os outros dois

modelos generalizados pelo modelo

q -Weibull,

com as restries adicionais mencionadas

na subseo 4.2.1. Como critrio adicional da qualidade do ajuste, foi calculado o erro
i2
Ph

quadrtico mdio, EQM =


Fq (ti ) Fi /n . De maneira geral, quanto menor o EQM
maior a qualidade do ajuste. O mtodo da mxima verossimilhana no foi utilizado por
apresentar diculdades de convergncia.

O Critrio de Informao Akaike (AIC) um ndice que pode auxiliar na comparao


de modelos com diferentes nmeros de parmetros. AIC denido por (Akaike (1974))


AIC
onde

= n ln

RSS
n

o nmero de pontos experimentais (xi ,

resduos e


+ 2K,
yi ), RSS

(4.2.9)
a soma dos quadrados dos

o nmero de parmetros do modelo. Supe-se que o melhor modelo seja

aquele que possui o menor AIC. O AIC requer uma correo quando o nmero de pontos
experimentais pequeno (

bias-correction ).


AICc

= n ln

RSS
n

Para detalhes veja Hurvich e Tsai (1989).


+ 2K +

A diferena entre cada AICc e o menor AICc

2K (K + 1)
.
nK 1

(4.2.10)

i :

i = AICci min [AICc ] ,


onde min [AICc ] o menor AICc .
modelo possui o maior

i .

O melhor modelo aquele em que

(4.2.11)

i = 0

e o pior

Captulo: 4
50

Anlise comparativa das distribuies generalizadas q-Weibull e q-exponencial aplicadas


engenharia de confiabilidade

4.3 Aplicao em equipamentos de poos de petrleo


A exibilidade da distribuio

q -Weibull

pode ser observada pela comparao com

o modelo Weibull de trs parmetros, quando aplicada a trs exemplos extrados de equipamentos de poos de petrleo.

Bombas de fundo 1 3/4" X 11'


A Tabela apresenta tempos at a falha (em dias) de bombas de petrleo.

Tabela 4.1: Tempo at falhar (em dias) de bombas de petrleo em ordem crescente
Tempos at a falha (em dias) de bombas de petrleo
8

38

42

59

71

146

184

185

199

204

214

379

457

457

494

515

568

680

684

808

964

O ajuste da distribuio

q -Weibull

apresenta

< 1

q < 1,

conforme mostra a

Tabela 4.2. O formato da funo taxa de falha para esta combinao de resultados a
curva da banheira. O ajuste da distribuio Weibull indica uma taxa de falha levemente
crescente (

> 1).

O coeciente de determinao

R2

do ajuste da distribuio

levemente superior ao da Weibull, da mesma forma que a

q -Weibull

q -Weibull

tem um erro quadr-

tico mdio menor. Estas diferenas so indcios de que a distribuio

q -Weibull

se ajusta

melhor aos tempos de vida que a Weibull.

Tabela 4.2: Parmetros das distribuies

q -Weibull e Weibull dos tempos de vida de bom-

bas de fundo.

(dias) (dias) t0 (dias)

R2

EQM

3
2,1610
3
1,5910

Weibull

1,05

391

383

-7,66

1,00

0,9761

q -Weibull

0,82

1 277

1 277

-0,51

0,00

0,9815

As curvas das duas distribuies se afastam na medida em que o tempo aumenta.


Fica evidente que para valores de tempo maiores a

q -Weibull consegue se aproximar mais

das amostras, ao passo que, a Weibull se afasta destes por apresentar decaimento menos
acentuado. Esta caracterstica da

q -Weibull

a torna mais exvel e permite modelar os

formatos de U e unimodal. A Figura 4.3.1 mostra, para ambos os modelos, as curvas
de conabilidade e de taxa de falha das bombas.

4.3

Aplicao em equipamentos de poos de petrleo

51

3,2

Rq

Weibull

10-1

hq I10-3dias -1L

100

q-Weibull
2,8
2,6
Weibull
2,4

q-Weibull
101

102

103

5
2

t H10 diasL

t HdiasL
Figura 4.3.1: Modelos Weibull (linha tracejada) e
perimentais (circunferncias).
de conabilidade.

q -Weibull

(linha contnua). Dados ex-

Painel esquerdo: grco log-log das curvas

Painel direito:

curvas de taxa de falha.

As abscissas

mostram os tempos at a falha das bombas.

Hastes de bombeio
Na Tabela 4.3, 1 448 tempos at a falha de hastes de bombeio foram agrupados em
20 intervalos de tempo e a frequncia relativa de ocorrncia foi usada para estimar a no
conabilidade para cada intervalo.

Tabela 4.3: Tempo at falhar de hastes de bombeio (em dias).


i
1

Intervalos de tempo
1

93,1

185,2

277,3

369,4

461,5

553,6

645,7

737,8

10

829,9

t
<t
<t
<t
<t
<t
<t
<t
<t
<t

Falhas

Intervalos de tempo

Falhas

<t
<t
<t
<t
<t
<t
<t
<t
<t
<t

1014,1

1106,2

1198,3

1290,4

1382,5

1474,6

1566,7

1658,8

1750,9

1843

93,1

625

11

922

185,2

320

12

1014,1

277,3

170

13

1106,2

369,4

65

14

1198,3

461,5

65

15

1290,4

553,6

67

16

1382,5

645,7

12

17

1474,6

737,8

33

18

1566,7

829,9

33

19

1658,8

922

22

20

1750,9

Os parmetros das distribuies so mostrados na Tabela 4.4 e indicam que o ajuste


do modelo

q -Weibull,

cuja taxa de falha tem o formato de curva da banheira, tem quali-

dade levemente superior a do modelo Weibull (de taxa de falha decrescente). O modelo

q -Weibull

tem um coeciente de determinao um pouco maior e um erro quadrtico

mdio bastante menor.

Captulo: 4
52

Anlise comparativa das distribuies generalizadas q-Weibull e q-exponencial aplicadas


engenharia de confiabilidade

Tabela 4.4: Parmetros dos ajustes dos tempos de vida das hastes de bombeio.

(dias) (dias) t0 (dias)


q
R2
EQM
4
Weibull
0,95
251
195
-56
1,00
0,9904
2,0510
5
q -Weibull 0,42
462
520
59
0,46
0,9981
2,7410

A Figura 4.3.2, no seu painel esquerdo, mostra as curvas e os dados amostrais. A


distribuio

q -Weibull

se aproxima mais amostras na maior parte dos valores de tempo e

especialmente em tempos superiores. O painel direito da mesma gura mostra as curvas


de taxa de falha com formato de U (q -Weibull) e decrescente (para Weibull).

10

Rq

Weibull
10-2

hq I10-3dias -1L

7
-1

6
5

Weibull

q-Weibull

q-Weibull
10-3
3
102

103

10

15

t H102diasL

t HdiasL
Figura 4.3.2: O modelo Weibull est em linha tracejada e

q -Weibull

em linha contnua.

Os dados experimentais esto representados por circunferncias. Painel esquerdo: grco log-log das curvas de conabilidade. Painel direito: curvas
de taxa de falha. As abscissas mostram os tempos at a falha de hastes de
bombeio.

Tubulao de produo
A Tabela 4.5 mostra 115 valores de tempo diferentes (as repeties foram excludas
a m de reduzir o tamanho da tabela). Todos os 438 valores amostrais foram usados para
estimar a no conabilidade por meio do

median rank.

4.3

Aplicao em equipamentos de poos de petrleo

53

Tabela 4.5: Tempo at falhar de tubulao de produo (em dias).


Tempo em dias at a falha de tubulao de produo (repeties entre parnteses)
1(2)

4(2)

6(10)

7(8)

8(7)

9(2)

10(3)

12(2)

14(4)

15(2)

17(9)

19(8)

20(3)

22(3)

23(3)

24(5)

25(1)

26(10)

27(5)

29(6)

30(5)

31(2)

32(1)

34(3)

35(5)

36(12)

38(16)

41(2)

42(3)

43(11)

44(2)

46(2)

47(5)

48(3)

51(2)

53(6)

55(6)

56(3)

60(2)

61(4)

63(9)

64(8)

65(6)

68(2)

69(3)

70(4)

73(6)

74(3)

75(2)

78(3)

79(3)

80(2)

81(4)

82(2)

83(4)

86(4)

87(4)

88(2)

89(6)

91(5)

92(3)

93(4)

94(3)

101(4)

106(3)

107(2)

108(3)

111(4)

117(3)

119(3)

121(3)

123(3)

124(3)

126(3)

133(4)

136(2)

142(3)

143(1)

148(2)

150(2)

154(2)

157(3)

161(4)

163(2)

167(3)

168(2)

170(5)

172(3)

177(2)

178(4)

185(4)

189(3)

194(3)

203(3)

207(6)

210(4)

219(3)

220(3)

222(3)

226(3)

227(2)

233(3)

234(3)

238(3)

245(3)

248(4)

265(2)

277(3)

347(4)

393(2)

425(3)

432(4)

488(2)

688(2)

691(3)

A Tabela 4.6 mostra os valores dos parmetros dos ajustes, o coeciente de deter-

R2

minao

q -Weibull

e o erro quadrtico mdio (EQM). Desta vez a taxa de falha da distribuio

tem formato unimodal (

taxa de falha crescente (

> 1).

>1

q > 1), ao passo que, o modelo Weibull tem


distribuio q -Weibull apresentou um coeciente de
e

determinao maior e um menor erro mdio quadrtico.

Tabela 4.6: Parmetros dos ajustes dos tempos at falhar de tubulao de produo.

(dias) (dias) t0 (dias)


q
R2
EQM
4
Weibull
1,12
105
105
0,61
1,00
0,9818
5,8110
4
q -Weibull 1,31
65
65
0,24
1,30
0,9900
2,5210

A Figura 4.3.3 mostra as curvas de conabilidade no painel esquerdo. Note que para
valores elevados de tempo, o modelo

q -Weibull

se aproxima muito mais das amostras que

o Weibull. No painel direito da mesma gura esto as curvas de taxa de falha.

100
12

Rq

10-1

10-2
Weibull

hq I10-3dias-1L

q-Weibull

Weibull
10
q-Weibull
8
6

10-3
4
0

10

10

10

Figura 4.3.3: Modelos Weibull e

t H102diasL

t HdiasL

q -Weibull

em linhas tracejada e contnua, dados experi-

mentais em circunferncias. Painel esquerdo: grco log-log das curvas de


conabilidade. Painel direito: curvas de taxa falha. Tempos at a falha de
tubulao de produo mostrados nas abscissas.

Captulo: 4
54

Anlise comparativa das distribuies generalizadas q-Weibull e q-exponencial aplicadas


engenharia de confiabilidade

4.4 Aplicao em estao de solda robotizada


Esta seo compara o ajuste das quatro distribuies:

q -Weibull,

Weibull,

ex-

ponencial e exponencial considerando os tempos de operao de uma estao de solda


robotizada. Em Sartori et al. (2009), os modelos Weibull e

q -Weibull

foram comparados

quanto qualidade de ajuste a dados de tempo de operao de uma planta de processamento de gs natural.
Foram considerados aproximadamente

1 250

tempos de operao (em minutos) de

uma estao de solda robotizada usada em processo de manufatura. Os tempos de vida


foram agrupados em 50 intervalos e a probabilidade de falha foi calculada para cada
intervalo como a frequncia relativa de ocorrncia. Foram testados quatro modelos para
este sistema: (a) distribuio exponencial; (b) distribuio Weibull; (c) distribuio

q-

q -Weibull. A Figura 4.4.1 mostra a varivel y (obtida


funo de ln(t t0 ) para cada modelo. A principal vantagem

exponencial e (d) distribuio


pela Equao 4.2.6) em

desta representao que os pontos amostrais cam dispostos numa linha reta se forem

2,5

= 1,00 q = 1,00
2 = 32 081 min
t0= -57 165 min
1,5
R = 0,9652
1
HaL

0,5
10,5

11

11,5

12

ln 8-ln@1 - FHtLD<

ln 8-ln@1 - FHtLD<

perfeitamente descritos pelo modelo.

12,5

1
HcL

0,5

ln Ht - t0L

12

12,5

ln 8-ln q'@1 - FHtLD<

ln 8-lnq'@1 - FHtLD<

= 1,00 q = 1,10
2 = 19 421 min
t0= -38 240 min
1,5 R = 0,9706

11,5

HbL
10

10,5

11

11,5

12

ln Ht - t0L

2,5

11

0,5
9,5

ln Ht - t0L

10,5

= 0,59 q = 1,00
= 7 610 min
1,5 t0= -13 942 min
R = 0,9736
1
2

0,6 = 0,13 q = -0,01


0,5 = 216 890 min
0,4 t0= 2 261 min
0,3 R = 0,9970
0,2
0,1
0
7
8
9
10

HdL
11

12

ln Ht - t0L

Figura 4.4.1: Grcos de tempos at a falha (circunferncias) e curvas ajustadas (linhas


contnuas) dos modelos: (a) exponencial, (b) Weibull, (c)
(d)

q -Weibull.

q -exponencial

4.4

Aplicao em estao de solda robotizada

55

Os parmetros calculados esto indicados. As linhas verticais nos painis (a) e (b)
so exemplos de valores limites de tempo (t

= 40 000 min e t = 110 000 min) que separam

trs comportamentos diferentes de falha. A Figura 4.4.4 ilustra melhor esta diviso. Uma
vez que cada modelo tem um valor diferente para o parmetro t0 , as escalas das abscissas
so diferentes para cada grco.

(a) distribuio exponencial.

Hipteses compatveis para esta distribuio: itens

no reparveis, modo de falha nico e taxa de falha constante. Embora o coeciente de


determinao

R2 = 0.9652

indique uma boa qualidade de ajuste, a simplicao de taxa

de falha constante muito restritiva e no corresponde aos dados, como car claro a
seguir. Os dados incluem todos os modos de falha e no h garantia de que a combinao
de todos eles produzam taxa de falha constante. Outra maneira de observar esta limitao
considerar que o sistema possui vrios modos de falha e todos eles com taxas de falha
constantes.

Ainda assim, a taxa de falha do sistema no constante de acordo com a

teoria de conabilidade de sistema (para mais detalhes veja Lewis (1987))

(b) distribuio Weibull.

Se a hiptese de falha constante assumida em (a) for

relaxada para um comportamento montono, ento pode ser utilizado o modelo Weibull

6= 1, q = 1). Este modelo pode descrever taxas de falha com decrescimento


montono (para 0 < < 1) ou crescimento montono (para > 1). Obviamente o caso
particular = 1 se reduz ao item (a). A Figura 4.4.1(b) mostra os resultados. O ajuste
2
da distribuio Weibull tem coeciente de determinao R um pouco maior do que o da
2
distribuio exponencial (R = 0.9736). O valor calculado do parmetro < 1 indica que

(com

a taxa de falha para este exemplo deveria ser monotonicamente decrescente, contudo ser
mostrado na prxima seo que isto no verdade. Este resultado se deve limitao do
modelo (b) imposta aos dados.

(c) distribuio q -exponencial .


buio

q -exponencial ( = 1, q 6= 1).

A generalizao de (a) obtida com a distri-

valido mencionar que a distribuio

no se restringe taxa de falha constante como no caso (a).


decrescente (1

< q < 2)

ou montona crescente (q

< 1).

q -exponencial

Esta pode ser montona

Os resultados so mostrados na

Figura 4.4.1(c).

(d) distribuio q -Weibull.

Este o modelo mais geral que ser considerado

e apresenta taxa de falha no montona.

A inspeo visual da Figura 4.4.1(d) indica

que a qualidade deste ajuste maior do que as das anlises anteriores e o coeciente de
determinao maior do que 0,99 conrma isto.

Rq (t) em funo do tempo para cada um


Note que a distribuio q -Weibull capaz de descrever toda a

A Figura 4.4.2 apresenta a conabilidade


dos quatro modelos (a)(d).

variao de valores de tempo, enquanto que as outras distribuies se afastam dos pontos

Captulo: 4
56

Anlise comparativa das distribuies generalizadas q-Weibull e q-exponencial aplicadas


engenharia de confiabilidade

experimentais para valores de tempo iniciais e nais.

100
q-Weibull

10-1
q-exponential

exponencial
Weibull
10-2

exponencial 1,00

10-3

HminL

t0 HminL

32 081 -57 165

R2
1,00 0,9652
q

Weibull 0,59
7 610 -13 942
1,00 0,9736
q-exponencial 1,00 19 421 -38 240
1,10 0,9706
q-Weibull 0,13 216 894
2 261 -0,01 0,9970
104

105

t HminL
Figura 4.4.2: Grco do tempo at a falha (circunferncias) e funo conabilidade calculada pelos modelos: exponencial (linha tracejada violeta), Weibull (linha
pontilhada azul),

q -exponencial (linha trao-ponto verde) e q -Weibull (linha

contnua vermelha). A tabela em detalhe apresenta os parmetros.

A Figura 4.4.1(b) no apresenta uma mudana abrupta na inclinao dos dados


amostrais (

dog-leg ),

que tpica quando ocorre a mistura de modos de falha, mas este

1 250
(q = 1) foi

o caso para este exemplo, como pode ser visto com este procedimento: todos os
tempos at a a falha foram divididos em trs grupos e um modelo Weibull

t 40 000

< 1 que corresponde a uma


taxa de falha decrescente. Para a regio intermediria 40 000 min < t 110 000 min, foi
encontrado 1, que signica taxa de falha constante, e a ltima regio, t > 110 000 min,
teve > 1, que corresponde a uma taxa de falha crescente. A Figura 4.4.3 mostra estes
resultados. O limites de tempo 40 000 min e 110 000 min foram encontrados por meio da

ajustado para cada grupo. Para

min, foi obtido

realizao de testes com diferentes valores e foram escolhidos aqueles que resultaram nos
melhores ajustes nos painis da Figura 4.4.3.

1,75
= 0,65
1,5
1,25 = 3 124 min
1 t0= -2 080 min
0,75 R = 0,9847
0,5
0,25
0
8

8,5

57

ln 8-ln@1 - FHtLD<

Aplicao em estao de solda robotizada

ln 8-ln@1 - FHtLD<

4.4

HaL
9,5

10

= 1,04
0 = 30 747 min
t0= 39 785 min
-1
R = 0,9796
-2
-3

HbL

-4

10,5

ln 8-ln@1 - FHtLD<

ln Ht - t0L

10

11

ln Ht - t0L

0,5 = 1,74
0 = 45 502 min
-0,5 t0= 98 964 min
R = 0,9716
-1
-1,5
-2
9

9,5

HcL

10

10,5

11

ln Ht - t0L
Figura 4.4.3: Exemplos de ajustes Weibull para amostras agrupadas pelo tempo at a
falha: (a) tempo at a falha

110 000

40 000

min, e (c) tempo at a falha >

A taxa de falha decrescente em (a) (


e crescente em (c) (

> 1).

40 000 <
110 000 min.

min.; (b)

tempo at a falha

< 1), praticamente constante em (b) ( 1)

As probabilidades de falha so estimadas por: (a) frequncia

relativa da ocorrncia de falha; (b) e (c)

median rank.

As curvas de taxa de falha so mostradas na Figura 4.4.4. Estas curvas so feitas


com todos os dados, sem dividi-los nas trs regies mencionadas anteriormente.
evidente que os modelos exponencial, Weibull e

Fica

q -exponencial so incapazes de reproduzir

os trs comportamentos detectados com um nico conjunto de parmetros enquanto que


o modelo

q -Weibull

apresenta as regies de taxa de falha decrescente, aproximadamente

constante e nalmente crescente. As linhas verticais, que tambm aparecem nas Figuras
4.4.1(a) e 4.4.1(b), separam estes trs comportamentos distintos.

Captulo: 4
58

Anlise comparativa das distribuies generalizadas q-Weibull e q-exponencial aplicadas


engenharia de confiabilidade

hq I10-5 min-1L

6
exponencial
Weibull
q-exponencial
q-Weibull

q
HminL t0 HminL
1,00 32 081 -57 165 1,00
0,59
7 610 -13 942 1,00
1,00 19 421 -38 240 1,10
0,13 216 890
2 261 -0,01

Weibull
4

R2
0,9652
0,9736
0,9706
0,9970

q-Weibull
exponencial

3
q-exponencial

2
0

10
4

15

t H10 minL
Figura 4.4.4: Curvas de taxa de falha calculadas pelos modelos: exponencial (linha tracejada), Weibull (linha pontilhada),

q -exponencial

(linha trao-ponto) e

q-

Weibull (linha contnua). As linhas verticais indicam a separao dos tempos


de vida em trs regimes distintos. Os parmetros so mostrados no detalhe.

A Tabela 4.7 apresenta o AICc (Critrio de Informao Akaike corrigido) e os valores

para os ajustes. De acordo com os resultados o modelo

melhor possuindo o menor

q -Weibull

o que se ajusta

i .

Tabela 4.7: AICc (Critrio de Informao Akaike corrigido) e


AICc

q -exponencial

-246,17

226.32

exponencial

-258,96

213.53

Weibull

-270,32

202.17

q -Weibull

-472,49

Modelo

para os modelos.

4.5 Concluses
Os modelos Weibull e

q -Weibull

foram comparados por meio de trs exemplos de

equipamentos de poos de petrleo, que apresentaram comportamentos diferentes: taxa


de falha em formato de banheira e em formato unimodal. Estes dois formatos no podem
ser representados pela distribuio Weibull com um conjunto de parmetros, de forma

4.5

Concluses

59

contnua. As Figuras 4.3.1 e 4.3.2 mostram que a principal diferena no traado do modelo

q -Weibull a queda mais ngreme para valores de tempo elevados.

Esta caracterstica faz

deste modelo o mais apropriado para tais exemplos.

Para os ajustes da estao de solda robotizada foram comparados quatro modelos


que descrevem o tempo de vida, sendo dois deles as verses generalizadas

q -Weibull

q -exponencial das distribuies usuais Weibull e exponencial (casos particulares nos quais
q = 1). As generalizaes so baseadas na funo q -exponencial. A aproximao do

median rank

e o mtodo dos mnimos quadrados foram usados para estimar os parmetros

q -distribuies so muito
falha. Estas q -distribuies

dos modelos para dois exemplos. Os resultados mostram que as


mais exveis para descrever formatos da funo taxa de

possivelmente podero ser usadas com sucesso em outros sistemas e melhorar a soluo
de problemas de engenharia de conabilidade.

Dentre os modelos considerados, a distribuio

q -Weibull foi a mais apropriada para

a estao de solda. Esta foi capaz de identicar trs comportamentos distintos da taxa
de falha: decrescente, constante e crescente, com o mesmo conjunto de parmetros. Estes
comportamentos podem ser interpretados como trs modos de falha predominantes, uma
vez que, todos os modos de falha zeram parte das amostras de tempo. Em um outro
contexto, as trs fases podem representar o trecho de mortalidade infantil, vida til e
envelhecimento de um item.

Foi considerado tambm o Critrio de Informao Akaike como mais uma fonte de

q -Weibull realmente o melhor modelo, dentre


para representar os dados da estao de solda. As q -distribuies podem

informao para mostrar que a distribuio


os considerados,

ser usadas com sucesso em outros sistemas e melhorar a modelagem de conabilidade em


problemas de engenharia.

Estes resultados poderiam ser esperados devido presena do parmetro adicional

q,

mas importante lembrar que a melhoria dos ajustes no meramente quantitativa

(como deveria ser devido incluso do parmetro adicional), mas tambm qualitativa
uma vez que a distribuio

q -Weibull

pode descrever os comportamentos de banheira e

unimodal que so impossveis de serem descritos pelo modelo Weibull com um simples
conjunto de parmetros.

O desempenho adequado da funo de um componente requer a sua operao em


conjunto com outros formando equipamentos, subsistemas e sistemas. O prximo captulo
trata destas associaes entre componentes considerando a distribuio
modelar os tempos de vida.

q -Weibull

para

61

5 q -Weibull aplicada a rvore de Falha


Dinmica
5.1 Introduo
rvores de Falha (AF) so estruturas que usam portes booleanos para representar o
modo pelo qual a falha dos componentes produz a falha do sistema (Vesely et al. (1981)).
As rvores de falha podem ser analisadas de diversas maneiras e tambm podem ser
convertidas em outras metodologias a exemplo da sua converso para Diagramas Binrios
de Deciso (DBD) (ver Jinglun e Quan (1998)). Uma rvore de falha pode ser convertida
diretamente em uma Rede Bayesiana (RB) e as tcnicas bsicas de inferncia de uma RB
podem ser usadas para obter os parmetros clssicos de uma rvore de Falha (Bobbio et
al. (2001)).

rvores de falha dinmicas (AFD) so extenses das AF que tm sido mais utilizadas
atualmente devido a capacidade de modelar dependncia entre os eventos de falha. As
rvores de falha dinmicas proporcionam uma anlise de falha que aplicvel tanto a
sistemas tolerantes falha quanto a sistemas no tolerantes. Sistemas tolerantes a falhas
podem responder ativamente a falhas e erros. So programados para antecipar certos tipos
de falhas e erros e incluir tcnicas de deteco, de recuperao ou recongurao (Doyle
e Dugan (1995)). Uma AFD usa os portes tradicionais OR, AND, e KofN presentes nas
AF, mas incluem quatro outras portas: PAND, PDEP, WSP and SEQ. Estes portes
acrescentam a possibilidade de modelar dependncias tais como falhas em sequncia,
falhas que so desencadeadas por um gatilho e associao de componentes principal e
sobressalentes.

Uma das principais diferenas entre AF e AFD que nestas ltimas, a sequncia
de ocorrncia das falhas pode ser considerada. A modelagem matemtica de sequencialidade pode ser feita de maneira exata ou por simulao dentre outros mtodos. Long,
Sato e Zhang (2000) aplicaram simulao de Monte Carlo em anlise de falhas sequenciais comparando os resultados com o clculo exato realizado por mltiplas integraes.
Merle et al. (2010) deniram eventos como variveis temporais, e com a criao de dois
operadores temporais, modelaram as portas com prioridade. Uma AFD tambm capaz
de modelar as falhas de sistemas de proteo e segurana nos quais um equipamento pode
falhar em operao ou em modo de espera. Cadeias de Markov (CM) foram usadas para

62

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

esta tarefa por Meshkat, Dugan e Andrews (2002).

Para Bobbio et al. (2008), rvores

de falha dinmica possuem funcionalidade similar s Redes Bayesianas Dinmicas sendo


possvel converter um problema tratado por um mtodo em outro. H ainda propostas de
integrao entre modelos como a rvore de falha generalizada de Codetta-Raiteri (2011),
que engloba as rvores de falha paramtricas, dinmicas e reparveis.

Rauzy (2011) estendeu os trabalhos de Merle et al. (2010) introduzindo a lgebra


das sequncias que pode ser interpretada como a lgebra dos eventos bsicos. Khakzad,
Khan e Amyotte (2011) aplicam Redes Bayesianas em anlise de segurana de sistemas
comparando as RB com as rvores de Falha.

Em resumo, a avaliao da conabilidade e da segurana de um sistema considerando


falhas sequenciais uma questo importante nas indstrias, uma vez que a conabilidade
e a segurana de tais sistemas dependem, no s dos estados falhos dos componentes do
sistema, mas tambm da sequncia de ocorrncia de tais falhas.

A utilizao do modelo

q -Weibull

cuja natureza capaz de modelar interaes es-

paciais de longo alcance e/ou memria de longa durao, em conjunto com estruturas
lgicas de AFD que consideram combinao e sequncia de falhas em equipamentos ou
componentes, pode possibilitar a predio de conabilidade e taxa de falha de subsistemas
ou sistemas de forma coerente com o arranjo funcional de seus componentes.

O principal foco deste captulo apresentar um mtodo de conabilidade de sistema


baseado na distribuio

q -Weibull

calculando cada porta de uma AFD de forma exata e

por simulao de Monte Carlo.

5.1.1 Modelagem q -Weibull


Associando-se cada componente a um conjunto de parmetros

i-simo

compo-

nente tem seus parmetros como

= {i , i , t0i , qi } .

(5.1.1)

A funo densidade de probabilidade de cada componente expressa por (veja Equao 3.2.1)

fq,i (t) =

 

i 1
 i 
tt
tt

(2q
)
0
0
i
i
i

expqi i t0i
,

(i t0i ) i t0i
i

0,

t < t0i ,

t > t0i
(5.1.2)

5.2

Portas das rvores de Falha Dinmicas

63

a funo no conabilidade para cada componente

Fq,i (t) =


 

tt0i i

1
,
(2 qi ) i t0

1 exp 2q
i
i

0,

t > t0i
(5.1.3)

t < t0i ,

ou utilizando a denio da Equao 3.1.2

"

Fq,i (t) = 1 1 + (qi 1)

[t t0i ]+
i t0i

i
i # 2q
1qi

qi 6= 1,

(5.1.4)

e a funo conabilidade de cada componente

Rq,i (t) =



 i 
tt

0
i

1
(2 qi ) i t0
,

exp 2q
i
i

1,

t > t0i
(5.1.5)

t < t0i ,

ou

"

Rq,i (t) = 1 + (qi 1)

A funo taxa de falha

hq,i

[t t0i ]+
i t0i

i
i # 2q
1qi

qi 6= 1.

(5.1.6)

hq,i (t) =

f q,i (t)
.
Rq,i (t)

(5.1.7)

5.2 Portas das rvores de Falha Dinmicas


rvores de Falha Dinmicas (AFD) usam as portas AND, OR e KofN denidas para
as rvores de Falha (estticas). Alm das portas lgicas estticas, as AFD conseguem
modelar componentes sobressalentes, falhas que ocorrem apenas se as entradas falham em
uma ordem especca, situaes de dependncia nas quais a falha de uma entrada provoca
a falha em outra entrada e ainda conguraes em que a falha s pode acontecer em uma
ordem predenida das entradas.
Esta seo apresenta o clculo exato para a conabilidade resultante de cada tipo

64

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

de porta de uma AFD e verica tais valores com o resultado da simulao de Mtodo
de Monte Carlo (MC). O mtodo de MC foi executado com a gerao de 50.000 valores
aleatrios para cada componente ou evento.

Seja
buio

uma varivel aleatria que denota tempo de funcionamento e segue a distri-

q -Weibull.

A funo inversa da no conabilidade

cada valor de tempo

Fq1 ()

usada para calcular

correspondente a uma no conabilidade gerada aleatoriamente

(veja Lemieux (2009)).

A aplicao de lnq em ambos os lados da Equao 4.2.1 resulta em

"
ln

que elevada ao termo

1
2qi

[1 F q,i (t)] = (2 qi )

t t0i
i t0i

i #
,

(5.2.1)

1
ca
i

ln

1
2qi

[1 F q,i (t)]

qi 2

t t0i
.
i t0i

(5.2.2)

Assim temos

(
t = t0i + (i t0i )

Assuma que

ln

1
2qi

[1 F q,i (t)]

qi 2

(5.2.3)

uma varivel aleatria entre 0 e 1 que segue a distribuio uniforme.

Esta varivel ser associada ao valor da funo no conabilidade

Fq,i (t)

U U (0, 1) .
Note que

1U

(5.2.4)

so iguais e os tempos aleatrios so gerados por

X = F 1 (U ) = t0i + (i t0i )

ln

1
2qi

qi 2

(5.2.5)

ou utilizando a denio de lnq da Equao 2.4.3


1
1qi

2q
i
1 i
U
, q 6= 1
qi 1
1
X = F (U ) = t0i + (i t0i )
.
1

(-lnU ) i , q = 1

(5.2.6)

5.2

Portas das rvores de Falha Dinmicas

65

Foram criados 18 componentes hipotticos cujos tempos de funcionamento seguem a


distribuio

q -Weibull conforme mostrado na Tabela 5.1.

Estes componentes so as entra-

das das portas AND, OR, KofN, PDep PAnd e SEQ. A Tabela 5.2 mostra os parmetros
de outros 5 componentes hipotticos utilizados nas portas WSP. O tempo limite mximo

tlim (veja Equao 3.2.11) o tempo a partir do qual certeza haver falha. tlim atv e
tlim dor so estes tempos calculados para componentes em estado ativo e dormncia. O
termo dormncia e o seu respectivo fator so explicados na subseo 5.2.7.
q -Weibull

Tabela 5.1: Parmetros da

dos componentes (C1 a

C18 ),

valores

tlim

e formatos

da funo taxa de falha.


Componente

C1
C2
C3
C4
C5
C6
C7
C8
C9
C10
C11
C12
C13
C14
C15
C16
C17
C18

0,5
1

4000

tlim

10

10000

0,5

10717,7

Crescente

2,5

2500

1,2

Unimodal

0,5

4500

0,5

18000

Banheira

2,5

4500

1,2

Unimodal

0,5

5000

0,6

31250

Banheira

2,5

3500

1,5

Unimodal

0,5

4500

0,4

12500

Banheira

1500

1,5

1000

Constante

2000

0,5

3500

0,5

14000

Banheira

10

10000

Crescente

10

7000

10000

600

1500

1,5

Tabela 5.2: Parmetros da

ttim atv
Componente

C20
C21
C22
C23
C24

(h)

t0

(h)

5000

q -Weibull

1,2

Formato
Decrescente
Constante

Unimodal
Constante

Crescente
Constante
Constante
Unimodal

para os componentes das portas WSP, tempos

tlim dor e formatos das curvas de taxa de falha.

(h) t0 (h) q
tlim atv tlim dor
0,5
5000
0
1,2
0,5

1
4000
0
1
0,5

10
10000
0
1
0,5

2,5
2500
0
1,2
0,5

0,5

4500

0,5

0,5

18000

36000

Formato
Decrescente
Constante
Crescente
Unimodal
Banheira

O valores dos parmetros foram escolhidos de forma a obter uma visualizao melhor nos grcos de falha acumulada e taxa de falha e para cobrir o maior nmero de
combinaes de formatos de taxas de falhas das entradas de cada porta. A taxa de falha

66

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

C14 e C15 . Contudo o componente C3 tem um corte na curva de no conabilidade em tlim = 10717, 7 h (veja Tabela
5.1 e Figura 5.2.1), assim Fq,C3 (t > tlim ) = 1, enquanto que em C14 a no conabilidade
tende assintoticamente a 1 para t .

do componente

C3

crescente, tal como as dos componentes

Fq,C3 HtL, Fq,C14 HtL

1
0,8

C3

0,6

C14

0,4
tlim = 10,72 103 h
0,2
0
0

10

12

14

t 10 h
Figura 5.2.1:

Fq,C3 (t)

com linha contnua

Fq,C14 (t)

com linha tracejada.

Como consequncia do corte da funo de falha acumulada, a funo taxa de falha


diverge em

tlim .

A taxa de falha no pode ser calculada para valores superiores a

o que signica dizer que nenhum item sobrevive alm de


capaz de falha em

t > tlim .

tlim

tlim ,

e portanto nenhum item

Uma vez que o objetivo analisar o formato geral das taxas

de falha resultantes das portas, evita-se tratar esta descontinuidade e parmetros que
proporcionem uma taxa de falha crescente, entretanto sem divergncia, foram adotados.

3,5

tlim = 10,72 103 h

hq H10-2h-1L

3
2,5
2

C14

C3

1,5
1
0,5
0
4

10
3

12

14

t H10 hL
Figura 5.2.2:

hq,C3 (t)

com linha contnua

hq,C14 (t)

com linha tracejada.

5.2

Portas das rvores de Falha Dinmicas

67

Os componentes das entradas das portas AND, OR, KofN, PDep, PAnd e SEQ e os
formatos de entrada de cada caso so mostrados na Tabela 5.3. Os casos marcados com
* so possveis graas distribuio

q -Weibull

no ser montona. Note que nestes casos,

pelo menos uma entrada tem funo taxa de falha com formato unimodal ou banheira. A
rigor, o diferencial da utilizao desta distribuio pode ser visto mais claramente nestes
casos, embora isto nem sempre possa ser evidenciado nos formatos de taxa de falha.

Tabela 5.3: Componentes de entradas das portas AND, OR, KofN, PDep, PAnd e SEQ.
Caso

AND

OR

PDep

Pand

Seq

Entradas

Caso

KofN

Entradas

a)

12

12

12

12

12

a)

1215

115

115

115

114

114

b)*

124

&
&

b)

&
&%

c)*

14

16

110

14

14

&

c)*

1125

&

d)*

19

15

15

15

15

d)*

11510

e)

215

215

214

214

214

e)*

1159

f )*

24

28

1110

1110

1110

f )*

149

g)*

125

27

125

125

125

g)*

111518

h)*

158

1510

1410

1410

1410

h)*

111513

i)*

155

155

155

155

155

i)*

21013

j)*

47

109

109

109

109

&
 %


%
%

j)*

151013

1115
125

&%
&%
&
 %
 %

%

Legenda

&

Decrescente

Constante

Crescente

Unimodal

Banheira

Os componentes das portas WSP e os formatos das taxas de falha das respectivas
entradas so mostrados na Tabela 5.4. Os casos assinalados com * so possveis apenas
com a implementao da distribuio

q -Weibull

na porta WSP.

Tabela 5.4: Componentes de entrada das portas WSP.


Caso

WSP

Entradas

1)

2020

&&

2)

2121

 

3)

2222

4)*

2323

5)*

2424

6)*

2324

7)*

242424

%%

Legenda

&

Decrescente

Constante

Unimodal

Crescente

Banheira

5.2.1 AND
A sada da porta AND apresenta estado falho se todas as suas entradas esto falhas.
Esta porta representa uma associao de componentes em paralelo se a funo de interesse

68

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

a no conabilidade. A no conabilidade resultante numa porta AND em funo das


no conabilidades de seus componentes de entrada expressa por:

AN Dlist (t) =

n
Y

Fq,listj (t) ,

(5.2.7)

j=1

onde

list

um conjunto de ndices que representam todos os componentes de entrada da

porta AND,

o nmero total de entradas da porta e

o instante de tempo. Assim

uma porta AND que tem como entradas os componentes C5 e C8 ca AN DC5 ,C8 (t) =
2
Q
Fq,listj (t) onde list = {5; 8}. Para a distribuio q -Weibull temos a funo de falha
j=1
acumulada

"
i # qqii 2


tt0i ]

, qi =
6 1
1

1
+
(q

1)
i

i t0i
Y
AN Dlist (t) =
" 
i # +

tt
[ 0i ]
i=list1,2, ,n

, qi = 1
1 exp i t0+

(5.2.8)

e funo densidade de falha equivalente, ou seja, a derivada temporal da Equao 5.2.8

AN Dlist (t) =

n
n
X
Y
i=1

j=1

Fq,listj (t) , i 6= j
fq,listj (t) , i = j

A Figura 5.2.3 mostra a representao simblica de uma porta AND.

And

C1 C2 ... Cn
Figura 5.2.3: Representao simblica da porta AND

(5.2.9)

5.2

Portas das rvores de Falha Dinmicas

69

Cada entrada da porta AND recebe um valor de tempo de falha. A porta devolve
o maior tempo de falha de suas entradas, isto , ela falha quando todas as suas entradas
assumirem o estado falho. O mtodo ento repetido e uma distribuio de tempos de
falha construda para a porta AND. A conabilidade da porta AND pode ser calculada
ao dividir o tempo total em intervalos e calcular a proporo de amostras que sobrevivem
ao m de cada intervalo. O valor da no conabilidade o complemento deste valor. Para
ilustrar melhor o mtodo, considere o exemplo da Tabela 5.5 onde temos 1000 valores de
tempo de funcionamento em meses para compressores de refrigerador.

Tabela 5.5: Dados do teste de 1000 compressores de refrigerador. Adaptado de Krishnamoorthi (1992).

ConSobrevivente ConabilidadeNo
abilidade
ao m do
ao m do
ao m do
intervalo
intervalo
intervalo

Intervalo
em meses

Nmero
de falhas

00
0 < t 10
10 < t 20
20 < t 30
30 < t 40
40 < t 50
50 < t 60
60 < t 70
70 < t 80
80 < t 90

1000

1,000

347

653

0,653

0,347

Total

61

592

0,592

0,408

69

523

0,523

0,477

87

436

0,436

0,564

101

335

0,335

0,665

103

232

0,232

0,768

101

131

0,131

0,869

97

34

0,034

0,966

34

0,000

1000

A primeira coluna mostra os intervalos de tempo em meses considerados. A coluna


intitulada como nmero de falhas mostra quantos valores de tempo de falha ocorrem em
cada intervalo. O total desta coluna igual ao total de amostras de tempo. A terceira
coluna apresenta a quantidade de sobreviventes, ou seja, itens que ainda esto em estado
operacional, ao m de cada intervalo. A conabilidade a proporo de sobreviventes ao
nal de cada intervalo em relao ao total de itens analisados e a no conabilidade ou
falha acumulada o complementar da conabilidade. Neste exemplo a no conabilidade
aos dez meses de idade :

F (10) = 0, 347.

O algoritmo para clculo da no conabilidade da porta AND (veja Algoritmo 5.1)


tem

parmetros de entrada que so os conjuntos de parmetros da distribuio

q-

component_1, component_2, , component_m. O valor de sada do algoritmo a lista times (tempos de falha da porta AND).
Weibull para cada uma das entradas, a saber:

Durante a execuo so usadas as variveis ti (tempo aleatrio) e n (quantidade de tempos aleatrios) e as funes InvF(component) que retorna um tempo aleatrio seguindo

70

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

a distribuio

tm]

q -Weibull

com parmetros especicados por componente e

que retorna o maior dos valores

t1, t2, ..., tm.

max[t1, t2, ...,

Algoritmo 5.1 AND_Monte_Carlo (component_1, component_2, , component_m)

Input(component_1,...,component_m)
n=0
times={}
While n < 50.000
t1=InvF(component_1)
t2=InvF(component_2)
...
tm=InvF(component_m)
times=times+{max[t1,t2,...,tm]}
n=n+1
End_While Output(times)

A Figura 5.2.4 mostra o grco da funo no conabilidade


tradas

C4

C7 .

AN DC4 ,C7

e das en-

Note que o valor da no conabilidade resultante AND inferior aos

valores de no conabilidade dos componentes e que esta diferena diminui medida em


tais valores se aproximam dos limites 0 e 1.

FqHtL

0,8
0,6
0,4
0,2
0
0

10

12

14

16

t H10 hL
Figura 5.2.4: No conabilidade para a porta
com linha tracejada e

Fq,C7 (t)

AN DC4 ,C7 (t)

em linha contnua,

com linha trao-ponto.

Fq,C4 (t)

Os resultados de

Monte Carlo so representados em crculos.

De acordo com os formatos das funes taxa de falha dos componentes podem ser
obtidos vrios formatos de taxa de falha resultante.
alguns exemplos.

As Figuras 5.2.5 e 5.2.6 mostram

5.2

Portas das rvores de Falha Dinmicas

71

0,5

hq H10-3h-1L

hq H10-3h-1L

0,25
0,2
0,15
0,1

0,3
0,2
0,1

0,05

0
0

10

15
3

20

25

10

t H10 hL

t H10 hL

a) Unimodal

b) Unimodal

0,8

0,8

hq H10-3h-1L

hq H10-3h-1L

0,4

0,6
0,4
0,2

0,6
0,4
0,2

0
0

10

15
3

20

25

10

12

t H10 hL

t H10 hL

c) Unimodal

d) Decrescente

1,4

hq H10-3h-1L

hq H10-3h-1L

1,2

0,8
0,6
0,4

0,8
0,6
0,4
0,2

0,2
0

0
0

10

10

20

30

40

50

t H10 hL

t H10 hL

e) Unimodal-constante

f ) Unimodal-constante

Figura 5.2.5: Funes taxa de falha para uma porta AND e suas duas entradas. Primeira
entrada em linha tracejada, segunda em linha trao-ponto e sada em linha
contnua. Entradas de cada painel: a)

C1

C9 ;

e)

C2

C15

e f)

C2

C4

C1

C2 ;

b)

C1

C15 ;

c)

C1

C4 ;

d)

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

0,8

0,8

hq H10-3h-1L

hq H10-3h-1L

72

0,6
0,4

0,6
0,4
0,2

0,2
0

0
0

2,5

7,5

10

12,5

15

17,5

10

12

14

t H10 hL

t H10 hL

g) Degrau-unimodal

h) Unimodal

1,2
1

hq H10-3h-1L

hq H10-3h-1L

2,5

1,5
1
0,5

0,8
0,6
0,4
0,2

0
0

2,5

7,5

10

12,5

15

10

t H10 hL

15
3

20

25

30

t H10 hL

i) Unimodal-crescente

j) Unimodal-crescente

Figura 5.2.6: Funes taxa de falha para uma porta AND e suas duas entradas. Primeira
entrada em linha tracejada, segunda em linha trao-ponto e sada em linha
contnua. Entradas de cada painel: g)

C4

C12

C5 ;

h)C15 e

C8 ;

i)

C15

C5 ;

j)

C7 .

Os valores dos parmetros utilizados nas Figuras 5.2.5 e 5.2.6 so mostrados na


Tabela 5.1. Cada curva de taxa de falha da sada AND foi construda a partir de uma
porta com duas entradas.

Os formatos das taxas de falha dos componentes e formato

resultante so mostrados na Tabela 5.6.

5.2

Portas das rvores de Falha Dinmicas

73

Tabela 5.6: Formatos da funo taxa de falha das entradas e sada de portas AND.

Painel

Entrada I

Entrada II

Sada AND

a)

C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C2 constante
C12 constante
C15 crescente
C15 crescente
C4 unimodal

C2 constante
C15 crescente
C4 unimodal

Unimodal

b)
c)
d)
e)
f)
g)
h)
i)
j)

C9

Unimodal
Unimodal

formato de U

C15 crescente
C4 unimodal

Decrescente
Unimodal-constante
Unimodal-constante

C5 formato de U
C8 unimodal.
C5 formato de U
C7 formato de U

Degrau-unimodal
Unimodal
Unimodal-crescente
Unimodal-crescente

As Figuras 5.2.5 e 5.2.6 no esgotam todas as possibilidades de formato, uma vez


que no foram cobertas todas as possibilidades de valores dos parmetros nem criadas
guras para AND com 3 ou mais entradas. Murthy, Xie e Jiang (2004) nomeia de tipo
III(c) um arranjo de funes de falha acumulada com modelos Weibull modicados similar
a AND e classica alguns formatos de taxa de falha.

5.2.2 OR
A porta OR resulta em estado falho se pelo menos uma de suas entradas falha. Esta
porta representa uma associao em srie onde se pelo menos um componente falha, todo
o conjunto da associao falha. A funo de falha acumulada para a porta OR expressa
por

n
Y


ORlist (t) = 1
1 Fq,listj (t) ,

(5.2.10)

j=1
onde

o instante de tempo,

o nmero de entradas da porta e

list

um conjunto

com os ndices de identicao de todos os componentes de entrada da porta. Se uma


porta OR tem como entrada os componentes

C11

C2 ,

temos

list = {11,

2} e a no

ORC11 ,C2 . A funo de falha acumulada resultante de


distribuio q -Weibull da Equao 5.1.3

conabilidade da associao igual a


uma porta OR considerando a

"
2

i # qqii 1

tt0i ]

, qi =
6 1
1 + (qi 1) i t0i
Y
ORlist (t) = 1
" 
i # +

tt
[
]
0
i=list1,2, ,n
i +

, qi = 1
exp

i t0i

(5.2.11)

74

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

e a sua derivada em relao ao tempo

ORlist (t) =

n
n
X
Y
i=1

j=1

1 Fq,listj (t) , i 6= j
fq,listj (t)
,i=j

!
,

(5.2.12)

A Figura 5.2.7 mostra a representao simblica de uma porta OR.

Or

C1 C2 ... Cn
Figura 5.2.7: Representao simblica da porta OR.

Em cada ciclo da simulao de Monte Carlo, um valor de tempo para cada entrada
da porta OR gerado, segundo a Equao 5.2.6. A porta devolve o menor dos tempos de
suas entradas, ou seja, o tempo em que ocorreu a primeira falha em uma de suas entradas.
Os ciclos so repetidos um grande nmero de vezes e assim tem-se uma distribuio de
tempos da porta, conforme mostrado no Algoritmo 5.2. O algoritmo para a porta OR
semelhante ao da porta AND no que diz respeito aos valores de entrada, sada, variveis
e funes envolvidas exceto pelo uso da funo

min[t1, t2, ..., tm]

que retorna o menor

dos valores de entrada.

Algoritmo 5.2 OR_Monte_Carlo (component_1, component_2, , component_m)

Input(component_1,...,component_m)
n=0
times={}
While n<50.000
t1=InvF(component_1)
t2=InvF(component_2)
...
tm=InvF(component_m)
times=times+{min[t1,t2,...,tm]}
n=n+1
End_While Output(times)

5.2

Portas das rvores de Falha Dinmicas

75

A Figura 5.2.8 mostra as curvas de no coabilidade de uma porta OR e suas


entradas.

FqHtL

0,8
0,6
0,4
0,2
0
0

t H10 hL
e no conabilidade de suas entradas:

ORC10 ,C9 (t) em linha contnua


Fq,C10 (t) em linha tracejada e Fq,C9 (t)

representada por linha trao-ponto.

Os crculos so valores gerados pela

Figura 5.2.8: Funo no conabilidade resultante da porta

simulao de Monte Carlo.

As Figuras 5.2.9 e 5.2.10 apresentam alguns dos formatos de taxa de falha resultante
em uma porta OR de duas entradas. Note que o formato da funo taxa de falha mostrada
em b) semelhante curva da banheira modelada pela distribuio
a distribuio

q -Weibull

q -Weibull.

Logo

pode representar, desde que com os parmetros adequados, o

comportamento da falha resultante de dois modos de falha distintos: um com taxa de


falha decrescente e outro crescente. Murthy, Xie e Jiang (2004) faz referncia ao modelo
Weibull modicado denominado de tipo III(b) no qual por meio de uma associao OR
podem ser obtidos trs formatos de taxa de falha:
banheira.

decrescente, crescente e curva da

76

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

1
0,8

hq H10-3h-1L

hq H10-3h-1L

0,8
0,6

0,4

0,2

0,6
0,4
0,2
0

10

15

20
3

25

30

35

t H10 hL

t H10 hL

a) Decrescente-constante

b) Curva da banheira
2

1,75

hq H10-3h-1L

hq H10-3h-1L

0,8
0,6
0,4

1,5
1,25
1
0,75
0,5

0,2

0,25
0
0

10

20

30

40

50

60

70

2,5

7,5

t H10 hL

12,5

15

t H10 hL

c) Decrescente-unimodal (tobog)

d) Curva da banheira

0,5

0,8

0,4

hq H10-3h-1L

hq H10-3h-1L

10
3

0,6
0,4
0,2

0,3
0,2
0,1

0
0

10

10

20

30

40

t H10 hL

t H10 hL

e) Constante-crescente

f ) Unimodal deslocada para cima

Figura 5.2.9: Funes taxa de falha para uma porta OR e suas duas entradas. Primeira
entrada em linha tracejada, segunda em linha trao-ponto e sada em linha
contnua. Entradas de cada painel: a)

C1

C5 ;

e)

C2

C15

e f)

C2

C8 .

C1

C2 ;

b)

C1

C15 ;

c)

C1

C6 ;

d)

5.2

Portas das rvores de Falha Dinmicas

77

2
1,75

hq H10-3h-1L

hq H10-3h-1L

0,8
0,6
0,4

1,5
1,25
1
0,75
0,5

0,2

0,25
0

0
0

10

15
3

20

25

t H10 hL

t H10 hL

g) Curva da banheira

h) Unimodal-crescente

1
1,75

hq H10-3h-1L

hq H10-3h-1L

0,8
0,6
0,4
0,2

1,5
1,25
1
0,75
0,5
0,25

0
0

8
3

10

12

14

t H10 hL

6
3

10

t H10 hL

i) Curva da banheira

j) Formato de W

Figura 5.2.10: Funes taxa de falha para uma porta OR e suas duas entradas. Primeira
entrada em linha tracejada, segunda em linha trao-ponto e sada em linha
contnua. Entradas de cada painel: g)

C10

C2

C7 ;

h)C15 e

C10 ;

i)

C15

C5 ;

j)

C9 .

Os valores dos parmetros utilizados nas Figuras 5.2.9 e 5.2.10 so mostrados na


Tabela 5.1. Cada curva de taxa de falha da sada OR foi construda a partir de uma porta
com duas entradas. Os formatos das taxas de falha dos componentes e formato resultante
so mostrados na Tabela 5.7.

78

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

Tabela 5.7: Formatos da funo taxa de falha das entradas e sada de portas OR.

Painel

Entrada I

Entrada II

Sada OR

a)

C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C2 constante
C2 constante
C15 crescente
C15 crescente
C10 unimodal

C2 constante
C15 crescente
C6 unimodal

Decrescente-constante

b)
c)
d)
e)
f)
g)
h)
i)
j)

C5

Formato de U
Decrescente-unimodal ou tobog

formato de U

Formato de U

C15 crescente
C8 unimodal
C7 formato de U
C10 unimodal.
C5 formato de U
C9 formato de U

Constante-crescente
Unimodal deslocada para cima
Formato de U deslocado para cima
Unimodal-crescente
Formato de U
Formato de W

5.2.3 KofN
KofN uma associao de

componentes que resulta em falha se pelo menos

dos

falham. A porta KofN pode ser interpretada como uma associao de portas AND e

OR que produzir o estado falho quando no mnimo

de suas entradas esto em estado

falho. A funo de falha acumulada para esta porta

Kof Nlist, k (t) =

Q
i
m h

xj + (1 2xj ) Fq,listj (t) ,

j=1

2m
1
P
x=0

0,

m
P

m
P

xj (m k)

j=1

(5.2.13)

xj > (m k) ,

j=1

e sua derivada temporal

Kof Nlist, k (t) =

#
"

x
+
(1

2x
)

j
j

m
m
m
, i 6= j P
P

xj (m k)
,
F
(t)

q,list

i=1
j=1
j=1

2P
1
,i=j
(1 2xj ) fq,listj (t)
=

x=0

0,
xj > (m k) ,

j=1

(5.2.14)

5.2

Portas das rvores de Falha Dinmicas

79

list um conjunto dos ndices de todas entradas da porta KofN, m a quantidade de


entradas da porta, k o nmero mnimo de entradas falhas que causam a falha da porta,
t o instante de tempo e xj o j -simo bit da representao de x na base 2, sendo que
j = 1 o bit mais signicativo. Por exemplo se list = {2, 5, 7} e k = 2, temos tempos
3
uma porta 2de3, m = 3, x varia de 0 at 2 1 = 7 e quando x = 6 temos x1 = 1, x2 = 1
e x3 = 0 pois 610 = 1102 . Esta situao signica que C2 e C5 esto funcionando e C7 est

onde

falho. A Figura 5.2.11 mostra a representao simblica da porta KofN.

K of n

K/N

C1 C2 ... Cn
Figura 5.2.11: Representao simblica da porta KofN.

Na simulao de Monte Carlo, a porta KofN retorna como tempo de falha o

k -simo

menor instante de tempo de falha de suas entradas. Por exemplo se os tempos de entrada
numa porta 2de3 so 11h, 45h, e 19h, a porta retorna 19h, o segundo menor tempo. O
Algoritmo 5.3 recebe, como dados de entrada, os parmetros de cada componente de suas
entradas e o valor

k.

Gera um valor de tempo aleatrio para cada componente a cada ciclo

de execuo e armazena tais valores em ordem crescente na varivel


valor de tempo desta varivel armazenado na lista

times.

vezes e uma distribuio de tempos de falha retornada.

sample.

k -simo

Os ciclos so repetidos 50.000

80

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

Algoritmo 5.3

KofN_Monte_Carlo (component_1, component_2, , component_n,

k)

Input(component_1,...,component_n,k)
j=0
times={}
While j<50.000
t1=InvF(component_1)
t2=InvF(component_2)
....
tm=InvF(component_n)
sample=sort[{t1,t2,...,tm}]
times=times+{sample[k]}
j=j+1
End_While Output(times)

A Figura 5.2.12 mostra os valores de no conabilidade para uma porta KofN e suas
entradas.

FqHtL

0,8
0,6
0,4
0,2
0
0

10

12

t H10 hL
Kof N{C1 ,C10 ,C13 },2 (t) traada com litracejada, Fq,C10 (t) em linha trao ponto

Figura 5.2.12: Funo no conabilidade resultante


nha contnua,
e

Fq,C13 (t)

Fq,C1 (t)

em linha

representada em linha pontilhada. Os crculos representam os

valores de no conabilidade gerados por simulao de Monte Carlo.

As Figuras 5.2.13 e 5.2.14 mostram alguns exemplos de curvas de taxa de falha de


portas KofN e de suas 3 entradas.

5.2

Portas das rvores de Falha Dinmicas

81

1,4

hq H10-3h-1L

hq H10-3h-1L

1,2
1
0,8
0,6
0,4

0,8
0,6
0,4
0,2

0,2
0

0
0

10

10

20

t H10 hL

(b) Unimodal-constante

1,4

1,4

1,2

1,2

hq H10-3h-1L

hq H10-3h-1L

40

t H10 hL

(a) Unimodal-constante

0,8
0,6
0,4

0,8
0,6
0,4
0,2

0,2
0

0
0

2,5

7,5

10

12,5

15

17,5

2,5

7,5

10

12,5

15

17,5

10

12

t H10 hL

t H10 hL

(c) Unimodal-crescente

(c*) Bimodal

hq H10-3h-1L

hq H10-4h-1L

30
3

3
2

3
2
1

1
0

0
0

2,5

7,5

10

12,5

15

17,5

t H103hL

t H103hL

(c**) Unimodal achatada

(d) Bimodal

Figura 5.2.13: Funes taxa de falha de portas KofN e suas 3 entradas. As funes taxa
de falha das entradas esto em linha tracejada, trao-ponto e pontilhada,
a sada apresentada em linha contnua. Os componentes usados em cada
painel so: a)C1 ,

C5 ;

c**)

C1 , C2

C2 e C15 ; b) C1 , C2 e C4 ;
C5 ; d) C1 , C15 e C10 .

c)

C1 , C11

C5 ;

c*)

C1 , C12

82

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

2,5
2

hq H10-3h-1L

hq H10-3h-1L

1,5
1
0,5

0
0

10

12

t H103hL

10

12

t H103hL

(e) Unimodal-crescente

(f ) Bimodal
8

14

7
6

hq H10-3h-1L

hq H10-3h-1L

12
10
8
6
4

5
4
3
2

1
0

0
0

10

t H103hL

10

12

14

t H103hL

(g) Bimodal

(h) Degrau-unimodal-crescente
6

1,4

hq H10-3h-1L

hq H10-3h-1L

1,2
1
0,8
0,6

4
3
2

0,4
1

0,2

0
0

10

12

14

t H103hL
(i) Bimodal

10

12

14

t H103hL
(j) Bimodal-crescente

Figura 5.2.14: Funes taxa de falha de portas KofN e suas 3 entradas. As funes taxa
de falha das entradas esto em linha tracejada, trao-ponto e pontilhada,
a sada apresentada em linha contnua. Os componentes usados em cada

C1 , C15 e C9 ; f ) C1 , C4 e C9 ;
C2 , C10 e C13 ; j) C15 , C10 e C13 .

painel so: e)

C13 ;

i)

g)

C17 , C15

C18 ;

h)

C11 , C15

Em todos grcos das Figuras 5.2.13 e 5.2.14, a curva de no conabilidade da porta


est traada em linha contnua, e as curvas das entradas esto em linha tracejada, traoponto e pontilhada respectivamente, segundo a ordem em que aparecem nas descries:

5.2

Portas das rvores de Falha Dinmicas

83

A Tabela 5.8 mostra os formatos das entradas e sadas das portas PDep das Figuras
5.2.17 e 5.2.18.

Tabela 5.8: Formatos da funo taxa de falha das entradas e sada de portas KofN.

Parte
a)
b)
c)
c*)
c**)
d)
e)
f)
g)
h)
i)
j)

Entrada I

Entrada II

Entrada III

Sada KofN

C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C17 constante
C11 constante
C2 constante
C15 crescente

C2 constante
C2 constante
C11 constante
C12 constante
C2 constante
C15 crescente
C15 crescente
C4 unimodal
C15 crescente
C15 crescente
C10 unimodal
C10 unimodal.

C15 crescente
C4 unimodal

Unimodal-constante

C5 formato de U
C5 formato de U
C5 formato de U
C10 unimodal
C9 formato de U
C9 formato de U
C18 unimodal
C13 formato de U
C13 formato de U
C13 formato de U

Unimodal-crescente

Unimodal-constante

Bimodal
Unimodal achatada
Bimodal
Unimodal-crescente
Bimodal
Bimodal
Degrau-unimodal-crescente
Bimodal
Bimodal-crescente

Note que os itens c), c*) e c**) foram calculados com entradas com taxa de falha
de formatos decrescente, constante e de formato de U. O que diferencia estes grcos
o valor da taxa de falha constante tomado em cada caso. medida em que aumenta,
este valor torna a taxa de falha resultante em unimodal achatada, bimodal e unimodalcrescente. Os valores de todos os parmetros utilizados esto na Tabela 5.1.

5.2.4 PDep  Dependncia probabilstica (Probabilistic dependency )


A porta PDep representa uma associao em que um evento gatilho

(T )

induz a

falha de componentes dependentes, quaisquer que sejam seus estados operacionais (falho
ou no falho).

Toda vez que um evento gatilho ocorre, seus componentes dependentes

falham com probabilidade

pd 1.

Segundo Bobbio et al. (2008), PDep a generalizao

da porta FDEP que apresenta apenas

pd = 1 .

Nesta porta, a falha do componente no

tem inuncia sobre o evento gatilho. A probabilidade de ocorrncia do evento gatilho

t
FT (t) =

fT (t1 )dt1 ,

(5.2.15)

0
onde

fT (t1 ) o valor da funo densidade de probabilidade do evento gatilho para o tempo

t1 .
A probabilidade de falha de cada componente no instante

C
plemento Fq,i (t)

= Rq,i (t).

Fq,i (t)

e o seu com-

A probabilidade do componente ser levado a falhar devido

84

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

exclusivamente ao gatilho

pd ,

ento a probabilidade de falha para cada componente

PDep

C
(t)pd
P Depi,T (t) = FT (t)Fq,i (t) + FTC (t)Fq,i (t) + FT (t)Fq,i


C
C
= Fq,i (t) FT (t) + FT (t) + FT (t)Fq,i (t)pd
= Fq,i (t) + (1 Fq,i (t)) FT (t)pd ,

(5.2.16)

e a funo densidade de falha de falha para a porta PDep, ou seja, a derivada em relao
ao tempo da no conabilidade

P Depi,T (t) = fq,i (t) + (1 Fq,i (t)) FT (t)pd + (1 Fq,i (t)) fT (t)pd
= fq,i (t) fq,i (t)FT (t)pd + (1 Fq,i (t)) fT (t)pd
= fq,i (t) (1 FT (t)pd ) + (1 Fq,i (t)) fT (t)pd .

(5.2.17)

A Figura 5.2.15 mostra a representao simblica de uma porta PDep com um


gatilho

entradas de componentes.

PDEP
T

C1 C2 ... Cn

Figura 5.2.15: Representao simblica de uma porta PDep.

A porta PDep retorna o valor de tempo de falha de seu gatilho se este tempo
menor que o tempo de falha do componente afetado pelo gatilho e, por outro lado, a
porta retorna o tempo de falha do componente se este for menor. Para portas PDep com
vrios componentes de entrada, o raciocnio o mesmo, de forma que as anlises seguintes
vo abordar, apenas para simplicao, uma porta PDep com apenas uma entrada.

O Algoritmo 5.4 recebe como dados de entrada os parmetros de seu componente,


do gatilho e o valor de probabilidade

pd .

Os tempos de falha do componente e do gatilho

so gerados segundo a Equao 5.2.6 e armazenados nas variveis


tivamente. Se

t_comp

menor que

t_trig

t_comp e t_trig respec-

ento o componente falhou sem a ocorrncia

do evento gatilho e seu tempo de falha armazenado na varivel

sample.

Caso contrrio,

pd.

Se este valor

um valor aleatrio entre 0 e 1 gerado e comparado com a varivel

5.2

Portas das rvores de Falha Dinmicas

menor ou igual a
varivel

t_trig

pd

85

signica que o gatilho provocar a falha do componente e o valor da

ser atribudo a varivel

sample,

guardando assim o tempo de mais uma

amostra. Caso contrrio, a amostra ser o tempo de falha do componente. Estes passos
so repetidos um grande nmero de vezes e a lista times ser devolvida com a distribuio
dos tempos da porta PDep.

Algoritmo 5.4 PDep_Monte_Carlo (component, trigger, pd)

Input(component, trigger, pd)


j=0
times={}
While j < 50.000
t_comp=InvF(component)
t_trig=InvF(trigger)
If t_comp <= t_trig then
sample=t_comp
Else
If Random(0;1) <= pd then
sample=t_trig
else
sample=t_comp
End_If
End_If
times=times+{sample}
j=j+1
End_While Output(times)

A Figura 5.2.16 mostra as curvas de no conabilidade para a porta PDep, o componente de entrada e seu gatilho.

86

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

FqHtL

0,8
0,6
0,4
0,2
0
0

10

12

t H10 hL
P DepC14 ,C10 (t) calculada com pd = 0, 9 em linha
contnua e as no conabilidades do componente Fq,C14 (t) em linha tracejada e do gatilho Fq,C10 (t) em linha trao-ponto. Os crculos representam a

Figura 5.2.16: Funo no conabilidade

no conabilidade calculada por Monte Carlo. Todos os parmetros esto


mostrados na Tabela 5.1.

As Figuras 5.2.17 e 5.2.18 mostram as funes taxa de falha para portas PDep em
linha contnua, para seu componente em linha tracejada e para o gatilho em linha traoponto.

Uma vez que, gatilho e componente tm funes diferentes, no mesmo grco

tambm mostrada a curva da taxa de falha PDep (em linha cinza) com a seguinte
congurao: componente em linha trao-ponto e gatilho em linha tracejada.

5.2

Portas das rvores de Falha Dinmicas

87

hq H10-3h-1L

hq H10-3h-1L

0,8
0,6
0,4

1,5

0,5

0,2

0
0

10

15
3

20

25

30

10

t H10 hL

t H10 hL

a) Decrescente; decrescente-constante

b) Decrescente-unimodal; formato de U

1,5

hq H10-3h-1L

hq H10-3h-1L

1,75

0,5

1,5
1,25
1
0,75
0,5
0,25

0
0

10

2,5

7,5

10

12,5

15

17,5

t H10 hL

t H10 hL

c) Decrescente-unimodal (tobog)

d) Decrescente; formato de U

2
1,75
1,5

1,5

hq H10-3h-1L

hq H10-3h-1L

1,75

1,25
1
0,75

1,25
1
0,75

0,5

0,5

0,25

0,25

0
0

8
3

10

12

14

10

12

t H103hL

t H10 hL
e) Unimodal deslocada; constante-crescente

f ) Unimodal deslocada; unimodal

Figura 5.2.17: Funes taxa de falha da porta PDep representadas em linhas contnuas
preta e cinza e de suas entradas, em linha tracejada e trao-ponto. A curva
mostrada em linha preta contnua tem componente em linha tracejada e
gatilho em trao-ponto.

A taxa de falha em linha cinza contnua tem o

componente em linha trao-ponto e o gatilho em linha tracejada.

Para

cada painel os componentes das curvas tracejadas e trao ponto so respectivamente: a)C1 e
f )C11 e

C10 .

C2 ;

b)C1 e

C15 ;

c)C1 e

C10 ;

d)C1 e

Os parmetros utilizados esto na Tabela 5.1.

C5 ;

e)C2 e

C14 ;

88

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

1
1,4

0,9

hq H10-3h-1L

hq H10-3h-1L

1,2
0,8
0,7
0,6

1
0,8
0,6

0,5

0,4

0,4

0,2
0
0

2,5

7,5

10
3

12,5

15

17,5

2,5

7,5

t H10 hL

12,5

15

17,5

t H10 hL

g) Decrescente-constante; formato de U

h) Unimodal-crescente; bimodal

2,5

2,5

hq H10-3h-1L

hq H10-3h-1L

10
3

1,5
1
0,5

1,5
1
0,5

0
0

2,5

7,5

10

12,5

15

10

12

t H10 hL
i) Formato de U; formato de W

t H10 hL
j) Decrescente-unimodal (tobog);
formato de W

Figura 5.2.18: Extenso da Figura 5.2.17 para os casos i) e j). Os componentes em cada
painel (linhas tracejada e trao-ponto) so: g)C12 e
e

C5 ;

j)C10 e

C5 ;

h)C14 e

C10 ; i)C15

C9 .

A Tabela 5.9 mostra os formatos das entradas e sadas das portas PDep das Figuras
5.2.17 e 5.2.18.

5.2

Portas das rvores de Falha Dinmicas

89

Tabela 5.9: Formatos da funo taxa de falha das entradas e sada de portas PDep.

Parte

Entrada I

Entrada II

Taxa de falha
I componente
II gatilho

Taxa de falha
II componente
I gatilho

a)

C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C11 constante
C12 constante
C14 crescente
C15 crescente
C10 unimodal

C2 constante
C15 crescente
C10 unimodal

Decrescente

Decrescente-constante

Decrescente-unimodal

Formato de  U

Decrescente-unimodal

Decrescente-unimodal

b)
c)
d)
e)
f)
g)
h)
i)
j)

C5

Decrescente

Formato de  U

C14 crescente
C10 unimodal

formato de U

Unimodal deslocada

Constante-crescente

Unimodal deslocada

Unimodal

C5 formato de U
C10 unimodal.
C5 formato de U
C9 formato de U

Decrescente-constante

Formato de  U

Unimodal-crescente

Bimodal

Formato de  U

Formato de  W

Decrescente-unimodal

Formato de  W

5.2.5 PAND  AND com Prioridade (Priority

AND )

Esta porta resulta em estado falho se e somente se todas as suas entradas falham em
uma ordem predenida. A principal diferena entre as portas PAND e AND que nesta
ltima a falha de todas as suas entradas gera falha na sada ao passo que numa PAND
preciso que as falhas ocorram em uma ordem especicada, embora qualquer ordem seja
possvel de ocorrer.

A modelagem da porta PAND necessita da denio probabilstica da sequncia


de eventos.

Sejam

X1

X2

duas variveis aleatrias que assumem os valores

x1

x2

respectivamente. As funes densidade de probabilidade que controlam tais variveis so

f1 (x1 )

f2 (x2 )

mostradas na Figura 5.2.19.

90

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

f1(x1)

f2(x2)

dx2

x2

Figura 5.2.19: Funes densidade de probabilidade

A probabilidade da varivel aleatria

X1

x
f1 (x1 )

f2 (x2 ).

ser menor ou igual ao valor

x2

x
1 =x2

P (X1 < x2 ) =

f1 (x1 )dx1 ,

(5.2.18)

x1 =0

assim a probabilidade de

X1 < X2

at o valor

P (X1 < X2 ) =
=

x
2 =t

x1=x2

f2 (x2 )dx2
x2 =0
x1 =0
x
=x2
2 =t x1

!
f1 (x1 )dx1
(5.2.19)

f2 (x2 )f1 (x1 )dx1 dx2 .

x2 =0 x1 =0

Considerando as variveis aleatrias como tempos de funcionamento de componentes

q -Weibull,
tempo t

seguindo a distribuio
componente

C2

at o

a probabilidade do componente

C1

falhar antes do

x
2 =t x1 =x2

P AN DC1 ,C2 (t) =

fq,2 (x2 )fq,1 (x1 )dx1 dx2 .


x2 =t02 x1 =t01

A formulao pode ser estendida para

componentes de entrada como

(5.2.20)

5.2

Portas das rvores de Falha Dinmicas

91

P AN DC1 ,C2 , ,Cn (t) =


xn1
=xn

x
n =t

x2=x3 x1=x2

xn =t0n xn1 =t0n1

(5.2.21)

fq,n (xn )fq,n1 (xn1 ) fq,2 (x2 )fq,1 (x1 ) dx1 dx2

x2 =t02 x1 =t01

t01

dxn1 dxn ,
t02 t0n ,

a derivada em relao ao tempos de

P AN DC1 ,C2 , ,Cn (t)

P AN DC1 ,C2 , ,Cn (t) =


fq,n (t)

x2=x3 x1=x2

xn1
=t

xn2=xn1

xn1 =t0n1 xn2 =t0n2

(5.2.22)

fq,n1 (xn1 )fq,n2 (xn2 ) fq,2 (x2 )fq,1 (x1 ) dx1 dx2

x2 =t02 x1 =t01

dxn2 dxn1 ,
t01 t02 t0n
A Figura 5.2.20 mostra a representao simblica da porta PAND. As entradas
resultam em falha se ocorrem da esquerda para a direita.

Pand

PAND
C1 C2 ... Cn
Figura 5.2.20: Representao simblica da porta PAND.

A simulao de Monte Carlo feita gerando

n tempos at a falha segundo a distribui-

92

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

q -Weibull.

A porta retornar o maior tempo de entrada se todos os tempos estiverem

em ordem crescente. Caso contrario a porta gera um tempo de sada innito. Os valores de tempo innitos no so computados na contagem dos intervalos para o clculo da
conabilidade (veja Tabela 5.5), mas so considerados como amostras e esta quantidade
armazenada na varivel

q.

Uma vez que as falhas das entradas podem ocorrer fora da

ordem denida, nem todas as circunstncias de entrada produziro tempos nitos e, por
consequncia, esta porta produz

limt P AN DC1 ,C2 , ,Cn (t) < 1.

O Algoritmo 5.5 gera

um total de 50.000 valores de tempo nitos que montam a distribuio de tempos de vida
da porta PAND.

Algoritmo 5.5 PAND_Monte_Carlo (component_1, ..., component_m)

Input(component_1,...,component_m)
n=0
q=0
times={}
While n < 50.000
t1=InvF(component_1)
...
tm=InvF(component_m)
If t1 <= t2 <= ... <= tm then
times=times+{tm}
n=n+1
Else
times=times+{Infinity}
q=q+1
End_If
End_While
Output(times)

A Figura 5.2.21 mostra a funo no conabilidade da porta PAND e de suas entradas.

5.2

Portas das rvores de Falha Dinmicas

93

FqHtL

0,8
0,6
0,4
0,2
0
0

10

12

t H10 hL
P AndC10 ,C9 (t) traada
Fq,C10 (t), da primeira entrada,

Figura 5.2.21: Funo no conabilidade


no conabilidades

Fq,C9 (t),

em linha contnua, e
com linha tracejada e

a segunda entrada com linha trao ponto. Os crculos so os re-

sultados da no conabilidade calculada por Monte Carlo.

As Figuras 5.2.22 e 5.2.23 mostram alguns exemplos de funes taxa de falha para
uma porta PAND de duas entradas. A Tabela 5.10 mostra os componentes utilizados em
cada grco, os formatos de suas taxas de falha e os formatos da taxa de falha PAND.
Note que para todos os exemplos testados no houve alterao no formato da taxa de falha
resultante PAND em decorrncia da inverso de suas entradas. Os valores dos parmetros
utilizados esto na Tabela 5.1.

94

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

1,5
1

hq H10-4h-1L

hq H10-5h-1L

hq H10-4h-1L

2,5
2,
1,5
1,
0,5
0
0

10

0,5

15
3

20

hq H10-5h-1L

3,5

2,5

3
2,5
2
1,5

1,4
1,2
1,
0,8
0,6
0,4
0,2
0
0

25

t H10 hL

10 15 20 25 30 35
3

t H10 hL

0,5
0

0
0

10

15

20

25

10

15

20

25

30

35

t H10 hL

t H10 hL

a) Unimodal; unimodal

b) Unimodal; unimodal
1

0,4

hq H10-4h-1L

0,6

0,8

3,5
3,
2,5
2,
1,5
1,
0,5
0

hq H10-3h-1L

0,8

hq H10-5h-1L

hq H10-3h-1L

0,2

8
3

10 12 14

0,6
0,4

1
0,8
0,6
0,4
0,2
0
0

2,5

7,5 10 12,5 15 17,5

t H103hL

0,2

t H10 hL
0

0
0

10

12

14

2,5

7,5

t H10 hL

0,2

hq H10-4h-1L

t H10 hL

0,8
0,6
0,4

0,8
0,6
0,4
0,2
0

0,2

2,5

7,5

10

12,5

15

17,5

10

12

t H103hL

0
0

17,5

1,2

1,4
1,2
1,
0,8
0,6
0,4
0,2
0
0 2,5 5 7,5 10 12,5 15 17,5
3

0,4

15

d) Decrescente; decrescente

hq H10-3h-1L

0,6

hq H10-5h-1L

hq H10-3h-1L

0,8

12,5

t H10 hL

c) Unimodal; unimodal

10
3

10

12

t H10 hL

t H10 hL

e) Unimodal; unimodal

f ) Unimodal; unimodal

Figura 5.2.22: Funes taxa de falha para portas PAND de duas entradas.

Em linha

preta contnua, para a falha do componente em linha tracejada antes do


componente em linha trao-ponto, em linha cinza contnua para a situao
inversa.

Os detalhes mostram as menores taxas de falha resultantes do

grco principal. Os componentes das linhas tracejadas e trao-ponto so


respectivamente: a)

C14

e f)

C11

C10 .

C1

C2 ;

b)

C1

C14 ;

c)

C1

C4 ;

d)

C1

C5 ;

e)

C2

5.2

Portas das rvores de Falha Dinmicas

95

0,8

hq H10-7h-1L

0,6

hq H10-3h-1L

hq H10-3h-1L

3,5

0,4

2,5
2

2,5
2
1,5
1
0,5
0

1,5

10 12 14

t H103hL

0,2

0,5
0

0
0

2,5

7,5

10

12,5

15

17,5

t H10 hL

8
3

10

12

14

t H10 hL

g) Unimodal; unimodal

h) Unimodal; unimodal
2

1,25
1
0,75
0,5

1,4
1,2
1,
0,8
0,6
0,4
0,2
0

hq H10-5h-1L

hq H10-3h-1L

1,5

hq H10-3h-1L

hq H10-5h-1L

1,75
1,5

7,
6,
5
4,
3,
2,
1,
0
0

10

12

t H103hL

0,5

0 2,5 5 7,5 10 12,5 15 17,5


3

t H10 hL

0,25

0
0

10

15
3

20

25

10

12

t H10 hL

t H10 hL

i) Unimodal; unimodal

j) Unimodal; unimodal

Figura 5.2.23: Extenso da Figura 5.2.22 para os casos g), h), i) e j). Os componentes das
linhas tracejadas e trao-ponto de cada painel so respectivamente: g)C12
e

C5 ;

h)C14 e

C10 ; i)C15

C5

e j)C10 e

C9 .

Tabela 5.10: Formatos da funo taxa de falha das entradas e sada de portas PAND.

Painel Entrada I (tracejada) Entrada II (trao-ponto) Taxa de falha


a)
b)
c)
d)
e)
f)
g)
h)
i)
j)

C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C11 constante
C12 constante
C14 crescente
C15 crescente
C10 unimodal

C2 constante
C14 crescente
C4 unimodal
C5

formato de U

C14 crescente
C10 unimodal
C5

formato de "U"

C10
C5
C9

unimodal

Unimodal
Unimodal
Unimodal
Decrescente
Unimodal
Unimodal
Unimodal
Unimodal

formato de "U"

Unimodal

formato de "U"

Unimodal

96

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

5.2.6 SEQ  Sequncia forada (Sequence

Enforcing )

A porta SEQ tem o funcionamento muito parecido com a porta PAND, entretanto
na SEQ as falhas s podem ocorrer em uma nica ordem especca. Ento a porta SEQ
retorna falha quando todas suas entradas falham. A funo de no conabilidade desta
porta

SEQC1 ,C2 , ,Cn (t) =


x
n =t

KSEQ

x2=x3 x1=x2

xn1
=xn

xn =t0n xn1 =t0n1

(5.2.23)

fq,n (xn )fq,n1 (xn1 ) fq,2 (x2 )fq,1 (x1 ) dx1 dx2

x2 =t02 x1 =t01

t01

dxn1 dxn ,
t02 t0n ,

onde

KSEQ =

xn=
xn =t0n

x2
=xn x1
=x2
x2 =t0

fq,n (xn )fq,2 (x2 )fq,1 (x1 )dx1 dx2 dxn

x1 =t0
1

(5.2.24)

t01 t02 t0n


O termo

KSEQ um coeciente de normalizao para a porta.

Este valor necessrio

pela imposio de ordem das falhas inerente a SEQ. A derivada de

SEQC1 ,C2 , ,Cn (t)

em

relao ao tempo

SEQC1 ,C2 , ,Cn (t) =


KSEQ fq,n (t)

x2=x3 x1=x2

xn1
=xn

xn2
=xn

xn1 =t0n1 xn2 =t0n2

fq,n1 (xn1 )fq,n2 (xn2 ) fq,2 (x2 )fq,1 (x1 ) dx1 dx2

x2 =t02 x1 =t01

dxn2 dxn1 ,
t01 t02 t0n ,
A Figura 5.2.24 mostra a representao simblica da porta SEQ.

(5.2.25)

5.2

Portas das rvores de Falha Dinmicas

97

Seq

SEQ
C1 C2 ... Cn
Figura 5.2.24: Representao simblica da porta SEQ.

O Algoritmo 5.6 recebe os parmetros de todas as entradas da porta por meio das
variveis

component_1, . . ., component_m

e executa o ciclo de gerao dos tempos alea-

trios. Os tempos so vericados a respeito de terem a mesma ordem especicada pelas


entradas da porta. Para cada vericao positiva, o maior tempo gerado acrescentado
na lista

times.

O ciclo repetido at que ocorram 50.000 vericaes positivas (nisto

reside a diferena para o Algoritmo 5.5 da porta PAND), ento a distribuio de tempos
de falha retornada por meio da varivel

times.

Algoritmo 5.6 SEQ_Monte_Carlo (component_1, ..., component_m)

Input(component_1,...,component_m)
n=0
times={}
While n < 50.000
t1=InvF(component_1)
...
tm=InvF(component_m)
If t1 <= t2 <= ... <= tm then
times=times+{tm}
n=n+1
End_If
End_While
Output(times)

A Figura 5.2.25 mostra a no conabilidade de uma porta SEQ e de suas entradas.

98

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

FqHtL

0,8
0,6
0,4
0,2
0
0

10

12

t H10 hL
SEQC10 ,C9 (t) em linha contnua, no conabilidade do primeiro componente Fq,C10 (t) traada em linha tracejada e do
segundo componente Fq,C9 (t) em linha trao-ponto. Os crculos so os va-

Figura 5.2.25: Funo no conabilidade

lores de no conabilidade calculados por simulao de Monte Carlo.

As Figuras 5.2.26 e 5.2.27 mostram, para alguns exemplos, as funes taxa de falha
para portas SEQ e sua entradas. Os parmetros das distribuies esto na Tabela 5.1. A
Tabela 5.11 mostra os formatos das funes taxa de falha dos componentes e das sadas
das portas SEQ.

Portas das rvores de Falha Dinmicas

hq H10-4h-1L

0,7

hq H10-3h-1L

0,6
0,5
0,4
0,3

99

0,6
0,5
0,4
0,3
0,2
0,1
0

2,5

10

15

20

25

hq H10-4h-1L

5.2

30

t H103hL

0,2

2
1,5
1
0,5

0,1

0
0

10

15
3

20

25

30

10

t H10 hL

t H10 hL

a) Crescente; unimodal

b) Crescente; crescente

1,2
1

0,8
0,6
0,4

hq H10-3h-1L

hq H10-4h-1L

hq H10-3h-1L

1
0,8
0,6
0,4
0,2
0
0

10 15 20 25 30
3

0,2

0,8
0,6
0,4
0,2

t H10 hL

0
0

10

15
3

20

25

30

2,5

7,5

10

12,5

15

17,5

t H10 hL

t H10 hL

c) Unimodal; unimodal

d) Formato de U; formato de U

3
1,2
1

hq H10-3h-1L

hq H10-4h-1L

2,5
2
1,5
1
0,5

0,8
0,6
0,4
0,2

0
0

10

12

10

12

t H10 hL

t H10 hL

e) Crescente; crescente

f ) Unimodal; crescente-constante

Figura 5.2.26: Funes taxa de falha de dois componentes e da porta SEQ. O primeiro
componente em linha tracejada e o segundo com linha trao ponto.

funo taxa de falha resultante da SEQ traada em linha preta contnua


se refere a porta em que ocorre a falha do primeiro componente antes do
segundo.

A curva contnua em cinza mostra a taxa de falha SEQ para

a falha do segundo componente antes do primeiro.

O detalhe mostra o

grco da menor taxa de falha do grco principal. Os componentes das


taxas de falha em linhas tracejada e trao-ponto so: a)

C14 ;

c)

C1

C4 ;

d)

C1

C5 ;

e)

C2

C14

e f)

C11

C10

C1

C2 ;

b)

C1

100

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

1,4

1,2

hq H10-3h-1L

hq H10-3h-1L

0,8
0,6
0,4
0,2

1
0,8
0,6
0,4
0,2

0
0

2,5

7,5

10

12,5

15

17,5

t H10 hL

8
3

10

12

14

t H10 hL

g) Crescente; crescente

h) Crescente; crescente

1,2
1,4
1

hq H10-3h-1L

hq H10-3h-1L

1,2
0,8
0,6
0,4
0,2

1
0,8
0,6
0,4
0,2

0
0

8
3

10

12

14

10

12

t H10 hL

t H10 hL

i) Crescente; crescente

j) Crescente; unimodal-crescente

Figura 5.2.27: Extenso da Figura 5.2.26 para os casos g), h), i) e j). Os componentes das
taxas de falha em linhas tracejada e trao-ponto so: g)C12 e

C10 ; i)C15

C5

e j)C10 e

C5 ;

h)C14 e

C9 .

Tabela 5.11: Formatos da funo taxa de falha das entradas e sada de portas SEQ.

Painel

Entrada I

Entrada II

a)

C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C11 constante
C12 constante
C14 crescente
C15 crescente
C10 unimodal

C2 constante
C14 crescente
C4 unimodal

b)
c)
d)
e)
f)
g)
h)
i)
j)

C5

formato de U

C14
C10
C5

Taxa de falha
II depois I

Crescente

Unimodal

Crescente

Crescente

Unimodal

Unimodal

Formato de  U

Formato de  U

crescente

Crescente

Crescente

unimodal

Unimodal

Crescente-constante

formato de "U"

Crescente

Crescente

C10
C5
C9

Taxa de falha
I depois II

unimodal

Crescente

Crescente

formato de "U"

Crescente

Crescente

formato de "U"

Crescente

Unimodal-crescente

5.2

Portas das rvores de Falha Dinmicas

101

5.2.7 WSP  Sobressalente (Warm

spare )

Uma porta WSP modela a situao em que um componente principal pode ser substitudo por um sobressalente ou mais sobressalentes com a mesma funcionalidade. A porta
WSP retorna falha se o componente principal falha e todos os seus sobressalentes falham
ou esto indisponveis. Um componente reserva torna-se indisponvel se ele for compartilhado por outra porta WSP e estiver em uso por ela. O reserva tambm pode falhar
mesmo sem estar em operao, embora a sua propenso em falhar nesta circunstncia
deva ser menor, uma vez que est em estado de dormncia (veja Bobbio et al. (2008)). A
Figura 5.2.28 mostra a representao simblica de uma porta WSP.

Wsp
WSP
P S1 S2 ... Sn
Figura 5.2.28: Representao simblica da porta WSP.

Assumindo que a taxa de falha de um componente em operao

a sua taxa de

, onde o fator de dormncia e est limitado por (0 1).


O componentes reserva so chamados de quentes se = 1 e frios se = 0. Uma vez que a
distribuio q -Weibull tem taxa de falha varivel, o parmetro d usado para controlar

falha fora de operao

a escala de tempo e expressar a dormncia como

d =
onde

com dormncia.

0<1

(5.2.26)

Esta denio no cobre os componentes reservas frios,

mas isto pode ser modelado diretamente na funo de falha acumulada tornando-a nula
para sobressalentes em dormncia.

A funo densidade de probabilidade do componente reserva


mncia

Si

em estado de dor-

102

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

" 
 #
[t t0i ]+ i
i (2 qi )
i 1
fSi dor (t) =
,
i [t t0i ]+ expqi i
i
t0i

0
i

Si o i-simo componente reserva da porta WSP, o


i , i , t0i e qi so os parmetros da distribuio q -Weibull do i-simo
e [x]+ o maior dos valores: x ou 0.
onde

(5.2.27)

fator de dormncia,
componente reserva

A anlise da falha da porta WSP foi dividida em duas partes.

Na primeira, o

componente reserva falha em estado de dormncia, antes do componente principal. Na


segunda parte, o componente principal falha e o sobressalente falha posteriormente. A
Tabela 5.12 mostra os dois casos possveis.

Tabela 5.12: Possveis situaes das falhas dos componentes.


Caso

Falha anterior

Falha posterior

S1 dor
P

P
S1 atv

A Figura 5.2.29 mostra as funes densidade de probabilidade para o caso 1.

fS,dor(x1)

x2

dx2

fP(x2)

Figura 5.2.29: Funo densidade de probabilidade do componente reserva no estado de


dormncia, em linha contnua, e a funo densidade para o componente
principal traada em linha tracejada.

A Figura 5.2.30 as duas funes densidade de probabilidade para o caso 2.

5.2

Portas das rvores de Falha Dinmicas

103

fS,atv(x2)

fP(x1)

ta

Figura 5.2.30: Funo densidade de probabilidade para a falha do componente principal


traada em linha contnua e a f.d.p. para o componente reserva em estado
ativado traado em linha tracejada. O componente reserva entra em operao no instante de tempo

ta

(tempo de ativao) em que o principal falha.

A falha da porta WSP ocorre se as falhas se processam conforme o caso 1 ou o


caso 2.

Considerando que os eventos falha do sobressalente em estado de dormncia e

posterior falha do componente principal em estado ativo (caso 1) e falha do componente


principal antes da falha do componente sobressalente em estado ativo (caso 2) so eventos
independentes, a probabilidade de falha WSP pode ser escrita como




P
S
W SPP1 ,S1 (t) = 1 1 W SPPS71
1 W SPPP17
,S1 (t)
,S1 (t) ,
onde

P
W SPPS71
,S1 (t)

a no conabilidade em

especicada para o caso 1 e

(5.2.28)

S
W SPPP17
,S1 (t)

o mesmo para o caso 2.

Pode-se recorrer subseo 5.2.5 para denir

P
W SPPS71
,S1 (t) como a probabilidade do

sobressalente falhar antes do principal, ento a sua expresso

P
W SPPS71
,S1 (t) =

x
=x2
2 =t x1
x2 =t02 x1 =t01
x
2 =t

fq,P (x2 )fS1 dor (x1 )dx1 dx2 ,

t01 t02
(5.2.29)

fq,P (x2 )FS1 dor (x2 )dx2 ,

x2 =t02
onde

fq,P (ta ) a f.d.p.

da falha do componente principal. A probabilidade de falha para o

caso 2 calculada de forma similar. A diferena que o sobressalente s entra em estado

104

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

operacional depois da falha do componente principal, da a necessidade de mover o tempo


inicial para um valor adequado fazendo

x2

x2 x 1

como argumento de

fS1 atv () e no apenas

como a analogia com o caso 1 sugere.

S
W SPPP17
,S1 (t) = KW SP

= KW SP

x
1 =t
x1 =t01
x
1 =t

"
fq,P (x1 )

x
2 =t

#
fS1 atv (x2 x1 )dx2 dx1

x2 =x1

(5.2.30)

fq,P (x1 )FS1 atv (t x1 )dx1,

x1 =t01

com

KW SP =

1
x1=

(5.2.31)

fq,P (x1 )FS1 atv (t x1 )dx1

x1 =t01

A funo densidade para a porta WSP (veja no Apndice A subseo A.9.1):

W SPP1 ,S1 (t) = f"q,P (t)FS1 dor (t)


#
x
1 =t
1 KW SP
fq,P (x1 )FS1 atv (t x1 )dx1 +
x1 =t01
#
"
x
2 =t
1
fq,P (x2 )FS1 dor (x2 )dx2
x2 =t02
)
(
x
1 =t
KW SP
fq,P (x1 )fS1 atv (t x1 )dx1 + fq,P (t)FS1 atv (0) .

(5.2.32)

x1 =t01

O Algoritmo 5.7 gera a distribuio dos tempos de vida a partir da repetio de


50.000 vezes do ciclo de gerao de tempo da porta WSP. Cada ciclo compreende a gerao
de 3 tempos aleatrios:
principal,

tatv

tdor

tp

que representa o tempo de funcionamento do componente

que signica o tempo de falha do sobressalente em estado de dormncia e

que o tempo de falha do sobressalente em estado ativo. Este ltimo valor gerado

pela soma de dois outros valores aleatrios:


estado ativo.

tp

e o tempo de falha do sobressalente em

Isto se deve ao fato de o componente sobressalente entrar em operao

apenas depois da falha do principal.


Se os tempos em ordem crescente forem

tdor, tp

tatv,

ou seja, o componente

sobressalente falhou em dormncia antes do componente principal e o tempo de falha do


sobressalente ativo foi maior que os anteriores, o resultado do ciclo de execuo ser

tp.

5.2

Portas das rvores de Falha Dinmicas

105

Em qualquer outra combinao de posies, o resultado ser

tatv

e o ciclo de execuo se

encerrar.

Algoritmo 5.7 WSP_Monte_Carlo (spare_dormancy, spare_active, principal)

Input(spare_dormancy, spare_active, principal)


n=0
While n<50.000
tp=InvF(principal)
tdor=InvF(spare_dormancy)
tatv=InvF(principal)+InvF(spare_active)
times={}
If tdor < tp then
times=times+{Min(tp,tatv)}
Else
times=times+{tatv}
End_If
n=n+1
End_While
Output(times)

A Figura 5.2.31 mostra curvas de no conabilidade para um porta WSP e suas


entradas.

FqHtL

0,8
0,6
0,4
0,2
0
0

10

15

20

25

t H10 hL
Figura 5.2.31: Funo no conabilidade
bressalente iguais a

C24

para componente principal e so-

traada em linha contnua, funo no conabili-

dade do componente ativo


em dormncia

W SPC24 ,C24 (t)

Fq,C24 dor (t)

Fq,C24 atv (t)

em linha tracejada e do componente

em linha trao-ponto. O crculos mostram a no

conabilidade WSP calculada por simulao de Monte Carlo. Os parmetros utilizados esto na Tabela 5.2.

As Figuras 5.2.32, 5.2.33, 5.2.34, 5.2.35 e 5.2.36 a seguir so referentes a portas WSP

106

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

com um componente principal e um componente sobressalente com os mesmos parmetros


de distribuio

q -Weibull.

Em todos os grcos, a funo taxa de falha

traada em linha contnua, a taxa de falha

hq,Ci atv (t)

do componente

W SPCi ,Ci (t)


principal i (ou

sobressalente ativo) em linha tracejada e taxa de falha do sobressalente em dormncia

hq,Ci dor (t)

desenhada com linha trao ponto.

Para a Figura 5.2.32, foram usados os

C20 , ou seja i = 20; para a Figura 5.2.33, o componente usado


por diante at a Figura 5.2.36 onde i = 24. Os valores dos

parmetros do componente
o

C21 (i = 21)

e assim

parmetros de todos os componentes so mostrados na Tabela 5.2.

0,5

hq H10-3h-1L

0,4
0,3
0,2
0,1
0
0

2,5

7,5

10
3

12,5

15

17,5

20

t H10 hL
Caso 1)
Figura 5.2.32: Funes taxa de falha para porta WSP (linha contnua) de componentes
principal e reserva iguais a

C20

(ativo em linha tracejada e dormente em

linha trao-ponto). As funes taxa de falha dos componentes e da porta


tm o mesmo formato decrescente. A funo taxa de falha WSP se mantm
abaixo da taxa de falha do componente ativo para tempos menores e se
aproxima desta para tempos maiores

5.2

Portas das rvores de Falha Dinmicas

107

0,25

hq H10-3h-1L

0,2
0,15
0,1
0,05
0
0

10

15
3

20

25

30

t H10 hL
Caso 2)
Figura 5.2.33: Funes taxa de falha para porta WSP (linha contnua) de componentes
principal e reserva iguais a

C21 (ativo

em linha tracejada e dormente em

linha trao-ponto). Embora o formato da funo taxa de falha dos componentes (ativo em linha tracejada e dormente em linha trao-ponto) seja
constante, o formato da taxa de falha WSP crescente (linha contnua) se
aproximando da taxa do componente principal ativo para tempos maiores.

0,5

hq H10-3h-1L

0,4
0,3
0,2
0,1
0
0

2,5

7,5

10
3

12,5

15

17,5

20

t H10 hL
Caso 3)
Figura 5.2.34: Funes taxa de falha para porta WSP (linha contnua) de componentes principal e reserva iguais a
em linha trao-ponto).

C22

(ativo em linha tracejada e dormente

Todos os formatos das funes taxa de falha so

crescentes. A taxa de falha WSP se mantm abaixo da taxa de falha do


componente ativo.

108

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

hq H10-3h-1L

1
0,8
0,6
0,4
0,2
0
0

10

15

20
3

25

30

35

40

t H10 hL
Caso 4)
Figura 5.2.35: Funes taxa de falha para porta WSP (linha contnua) de componentes
principal e reserva iguais a

C23

(ativo em linha tracejada e dormente em

linha trao-ponto). Todos os formatos de taxa de falha so unimodais. A


taxa de falha resultante tornou-se, para alguns valores de tempo, superior
a taxa de falha do componente ativo embora o valor mximo da taxa de
falha WSP seja inferior a taxa de sua entrada em estado ativo.

hq H10-3h-1L

0,8
0,6
0,4
0,2
0
0

10

15

20

25

30

t H10 hL
Caso 5)
Figura 5.2.36: Funes taxa de falha para porta WSP (linha contnua) de componentes
principal e reserva iguais a

C24

(ativo em linha tracejada e dormente em


3
3
linha trao-ponto). A distoro encontrada entre 15 10 h e 20 10 h se
deve ao valor limite tlim

= 18.000h (veja a Tabela5.2) que signica o maior

tempo de funcionamento do componente principal e o maior instante de


tempo em que o sobressalente entra em operao.
falha resultante tem formato de U distorcido.

A funo da taxa de

5.2

Portas das rvores de Falha Dinmicas

109

A modelagem da porta WSP permite cobrir situaes nas quais os componentes


principal e reserva no so iguais, por exemplo
ponente principal o

C23

e o sobressalente o

W SPC23 ,C24 (t) uma porta onde o comC24 . A Figura 5.2.37 mostra o grco da

funo no conabilidade para este exemplo.

FqHtL

0,8
0,6
0,4
0,2
0
0

10

15

20

25

t H10 hL
Figura 5.2.37:

W SPC23 ,C24 (t) em linha contnua, Fq,C23 atv (t) representando a no conabilidade do componente principal em linha tracejada, Fq,C24 atv (t) denotando
a no conabilidade do componente reserva para o estado ativo em linha
trao-ponto e

Fq,C24 dor (t),

o mesmo para estado dormente com linha pon-

tilhada. Os crculos representam a no conabilidade da porta calculada


por simulao de Monte Carlo.

A Figura 5.2.38 mostra as curvas de taxa de falha da porta


entradas.

W SPC23 ,C24

e suas

110

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

1,2

hq H10-3h-1L

1
0,8
0,6
0,4
0,2
0
0

10

15

20

25

30

35

t H10 hL
Caso 6)
Figura 5.2.38: Funo taxa de falha para a porta

W SPC23 ,C24

traada em linha cont-

nua (bimodal) resultante do componente principal

C23

cuja taxa de falha

(unimodal) mostrada em linha tracejada para seu estado ativo, e o com-

C24

ponente sobressalente

tem sua taxa de falha (formato de U) para

estado ativo em linha trao-ponto e para dormncia em linha pontilhada.


Os valores dos parmetros so mostrados na Tabela 5.2.

A formulao matemtica ainda permite expressar a falha do componente reserva


com dois conjuntos de parmetros distintos: um para a falha no estado ativo e outro para
modelar a falhar em dormncia. Esta funcionalidade permite cobrir a falha do componente
em estado ativo com um modo de falha diferente do estado dormente, no s em escala
de tempo, mas tambm no formato da funo taxa de falha.

Uma porta WSP pode ser denida com dois ou mais componentes sobressalentes.
Para o caso de dois reservas, considere que o componente principal e o primeiro reserva
funcionam como um novo componente principal numa nova porta WSP. Esta nova porta
teria como nico reserva, o segundo componente sobressalente. Em outras palavras, a formulao de uma porta WSP com um nico reserva substitui a funo de falha acumulada
de um novo componente principal.

Este procedimento pode ser repetido para modelar

portas com 3 ou mais sobressalentes.

Para dois sobressalentes a no conabilidade WSP2S

h
ih
i
S 7[P1 ,S1 ]
[P1 ,S1 ]7S2
W SP 2SP1 ,S1 ,S2 (t) = 1 1 W SP[P21 ,S1 ],S
(t)
1

W
SP
(t)
,
[P1 ,S1 ],S2
2

(5.2.33)

5.2

Portas das rvores de Falha Dinmicas

111

onde

x
2 =t

S 7[P ,S ]

1 1
W SP[P21 ,S1 ],S
(t) =
2

W SPP1 ,S1 (x2 )FS2 dor (x2 )dx2

(5.2.34)

x2 =t02

[P ,S ]7S

W SP[P11,S11],S2 2 (t) =

KW SP 2S

x
1 =t

W SPP1 ,S1 (x1 )FS2 atv (t x1 )dx1

(5.2.35)

x1 =t01

com

KW SP 2S =

x1=

W SPP1 ,S1 (x1 )FS2 atv (t x1 )dx1 .

(5.2.36)

x1 =t01

O Algoritmo 5.8 cria a distribuio de 50.000 tempos de vida para uma porta WSP com
dois componentes sobressalentes. Cada tempo criado de forma similar ao Algoritmo 5.7
com a diferena que o tempo do componente principal criado com um ciclo do mesmo
Algoritmo 5.7 (com os componentes principal e primeiro sobressalente).

Apesar de ser

possvel denir o Algoritmo 5.8 com recursividade, a forma estruturada no recursiva foi
preferida para maior clareza.

112

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

Algoritmo 5.8 WSP2S_Monte_Carlo (spare_dormancy_1, spare_active_1,


spare_dormancy_2, spare_active_2, principal)

Input(spare_dormancy_1, spare_active_1, spare_dormancy_2, spare_active_2,


principal)
Module_WSP(spare_dormancy_1, spare_active_1, principal):=
tp=InvF(principal)
tdor_1=InvF(spare_dormancy_1)
tatv_1=InvF(principal)+InvF(spare_active_1)
If tdor_1 < tp then
time=Min(tp,tatv_1)
Else
time=tatv_1
End_If
Output(time)
End Module_WSP
n=0
While n<50.000
tmod=Module_WSP(spare_dormancy_1, spare_active_1, principal)
tdor_2=InvF(spare_dormancy_2)
tatv_2=Module+InvF(spare_active_2)
times={}
If tdor_2 < tmod then
times=times+{Min(tmod,tatv_2)}
Else
times=times+{tatv_2}
End_If
n=n+1
End_While
Output(times)

A Figura 5.2.39 mostra a no conabilidade para uma porta WSP com dois componentes sobressalentes.

5.2

Portas das rvores de Falha Dinmicas

113

FqHtL

0,8
0,6
0,4
0,2
0
0

10

15

20

25

t H10 hL
W SP 2SC24 ,C24 ,C24 (t) traada em linha
Fq,C24 atv (t) em linha tracejada, Fq,C24 dor (t)

Figura 5.2.39: Funo no conabilidade


nua, no conabilidade,

contem li-

nha trao-ponto e crculos representam a no conabilidade calculada por


Monte Carlo.

Os valores de no conabilidade resultante so inferiores aos valores do componente


reserva at aproximadamente 4.000 h e so sempre inferiores no conabilidade do
componente em estado ativo. Os parmetros utilizados nos grcos esto na Tabela 5.2.
A Figura 5.2.40 mostra as funes taxa de falha.

hq H10-3h-1L

0,8
0,6
0,4
0,2
0
0

10

15

20

25

30

35

t H10 hL
Caso 7)
Figura 5.2.40: Funes taxa de falha da porta

W SP 2SC24 ,C24 ,C24

(formato de subida em

degrau distorcido) traada em linha contnua, do componente

C24

(formato

de U) em estado ativo em linha tracejada e do mesmo componente em


estado de dormncia em linha trao-ponto (formato de U).

114

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

5.3 Concluses
rvore de falha dinmica uma ferramenta importante para a anlise de conabilidade pois permite considerar o estado falho dos componentes e tambm a ordem em que
a falha se processa.

Este captulo mostrou o clculo exato de cada uma das portas de uma rvore de falha
dinmica: AND, OR, KofN, PDep, PAND, SEQ e WSP. Para cada porta foi desenvolvido
um algoritmo e para a gerao de tempos por simulao de Monte Carlo. Em todos os
casos apresentados, a simulao de Monte Carlo se mostrou adequada para substituir o
clculo analtico conforme inspeo das Figuras 5.2.4, 5.2.8, 5.2.12, 5.2.16, 5.2.21, 5.2.25,
5.2.31, 5.2.37 e 5.2.39.

Dois componentes foram usados para exemplicar o formato da taxa de falha das
portas AND, OR, PDep, PAND e SEQ. Em cada porta foram combinados 2 formatos
diferentes nas entradas com a nalidade de determinar os formatos resultantes (10 para
AND e OR e 20 para PDep, PAND e SEQ devido s sequncias possveis das falhas
das entradas).

Para a porta KofN foram utilizados 3 formatos diferentes de taxa de

falha nas entradas perfazendo tambm um total de 10 formatos.


foram criados 7 casos diferentes.

Para a porta WSP

Em 5 deles um componente principal foi associado a

um reserva com mesmo formato de taxa de falha. Em outro, os componentes principal e


reserva tiveram formatos diferentes de taxa de falha e, no ltimo, dois componentes reserva
foram associados a um principal, todos com o mesmo formato de taxa de falha.

Com

estes exemplos, vrios formatos de taxa de falha resultante foram encontrados incluindo
praticamente todos os tipos de formato classicados em Murthy, Xie e Jiang (2004, p. 48)
(que inclui vrias de modicaes do Weibull como parmetros dependentes do tempo,
exponenciais aninhadas e Weibull exponenciada) conforme a Figura 5.3.1.

5.3

Concluses

115

h(t)

h(t)
Tipo 1

Tipo 3

Tipo 4

Tipo 2
Tipo 5
0

h(t)

h(t)
Tipo 7

Tipo 8

Tipo 6

Figura 5.3.1: Formatos de taxa de falha. Figura refeita a partir de Murthy, Xie e Jiang
(2004, p. 48)

A porta que modela a dependncia probabilstica PDep com apenas 2 entradas (e


consequentemente 6 parmetros) tem taxas de falha resultantes que englobam 10 formatos
diferentes:
a) decrescente;
b) decrescente-constante;
c) decrescente-unimodal;
d) constante-crescente;
e) unimodal;
f ) unimodal deslocada;
g) unimodal-crescente;
h) bimodal;
i) formato de  U ;
j) formato de  W .
Este modelo parece ter sido o mais verstil quando so comparados seus resultados ao
nmero de parmetros necessrios para sua utilizao. Trabalhos futuros podero utilizar
as funes densidade e acumulada deduzidas segundo o formalismo PDep como uma
distribuio derivada da

q -Weibull.

A variedade de formatos de taxa de falha encontrados no creditada a modicaes no modelo da distribuio probabilstica encontrada, mas a exibilidade do modelo

116

Captulo: 5 q-Weibull aplicada a rvore de Falha Dinmica

q -Weibull

em conjunto com a capacidade da rvore de falha dinmica em representar

associaes combinacionais e prioritrias.

Os formatos de taxa de falha unimodal e banheira podem ser obtidos a partir de


duas entradas, uma com taxa de falha decrescente, e outra crescente, em portas AND e
OR respectivamente. Isto acarreta no uso de mais 3 parmetros quando em comparao
com a distribuio

q -Weibull

que capaz de proporcionar estes resultados com apenas 3

parmetros.

A Tabela 5.13 mostra alguns dos formatos de taxa de falha possveis devido a implementao da distribuio

q -Weibull

em AFD.

Tabela 5.13: Alguns formatos resultantes de aplicao da


Formato

Porta

q -Weibull

em AFD.

Casos

Bimodal

KofN

c*) d) f ) g) i)

Bimodal-crescente

KofN

j)

Crescente-constante

SEQ

f)

Decrescente-constante

PDep

g)

Decrescente-unimodal

OR

c)

Decrescente-unimodal

PDep

c) j)

Degrau-unimodal

AND

g)

Degrau-unimodal-crescente

KofN

h)

Formato de  W

OR

j)

Formato de  W

PDep

i) j)

Unimodal achatada

KofN

c**)

Unimodal deslocada para cima

OR

f)

Unimodal-constante

AND

f)

Unimodal-constante

KofN

b)

Unimodal-crescente

AND

i) j)

Unimodal-crescente

OR

h)

Unimodal-crescente

KofN

c) e)

Unimodal-crescente

SEQ

j)

Unimodal-crescente e Bimodal

PDep

h)

Uma vez que possvel prever a falha de um sistema a partir de seus componentes,
uma poltica de manuteno programada pode ser criada para reduzir os custos de manter
um sistema em operao. Ao estabelecer um critrio para que uma tarefa de manuteno
seja iniciada, pode-se antecipar condio falha e evitar os prejuzos de uma parada
no esperada. O Captulo 6 trata da aplicao da distribuio
manuteno corretiva e preventiva.

q -Weibull

em modelos de

117

6 Manutenes corretiva e preventiva


baseadas no modelo q -Weibull
6.1 Introduo
Conforme Dhillon (2006), manuteno corretiva a ao corretiva realizada por
causa de falhas ou decincias encontradas durante a manuteno preventiva, ou seja, a
ao que repara um item para o seu estado de funcionamento. Geralmente a manuteno
corretiva uma manuteno no planejada.

As atividades de manuteno preventiva so responsveis por uma proporo signicativa do total da atividades de manuteno. Este tipo de manuteno procura manter
as instalaes em bom estado operacional pela inspeo sistemtica, deteco e correo
de falhas incipientes. Um programa de manuteno preventiva adequado pode ampliar a
vida produtiva do equipamento, reduzir as perdas de produo causadas por suas falhas
e melhorar a sade e segurana do pessoal de manuteno.

Especialmente no caso de

falhas que tm consequncias catastrcas, por exemplo, em aeronaves, plantas nucleares


e qumicas, testes e atividades de inspeo constituem uma importante parte do trabalho
de manuteno que deve enfatizar a segurana (veja Rommert (1996))

Substituio e reparo tm sido tratados por diferentes mtodos. Chen e Feldman


(1997) tratam o problema de substituio e reparo mnimo modicado como processo de
Markov. Kumar e Westberg (1997) usam o modelo de falha proporcional para mostrar a
importncia das variveis monitoradas em um plano de manuteno e calcula os custos
totais com base em custos da manuteno planejada e no planejada e nos valores das
variveis monitoradas estimando um intervalo timo de substituio ou valores limites
das variveis monitoradas.

Hongzhou (2002) resume, classica e compara vrias polticas de manuteno existentes para sistemas com uma ou vrias unidades (com nfase em apenas uma unidade)
tais como: substituio por idade, substituio em bloco, manuteno preventiva peridica, limite de falha, manuteno oportunista.

Kim (2004) apresenta um modelo para

determinar at quando a manuteno preventiva realizada em intervalos de tempo ao


longo do perodo de garantia vale a pena quando suportada pelo comprador.

Yeh e Chang (2007) calcularam o valor limite de taxa de falha para produtos aluga-

118

Captulo: 6

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

dos com tempos de vida que seguem a distribuio Weibull. Quando este valor atingido,
aes adicionais de manuteno preventiva so tomadas para reduzir as falhas dos produtos. Neste cenrio o valor limite de taxa de falha calculado para minimizar o custo
total esperado.
Panagiotidou e Tagaras (2007) apresentam um modelo para otimizao de manuteno preventiva em um processo de produo com dois estados de qualidade: sob controle
e fora de controle. Apresentam ainda exemplos numricos com as distribuies Weibull
e Gama.

Castro (2009) determina o intervalo timo entre sucessivas manutenes pre-

ventivas e a quantidade tima destas manutenes antes do sistema ser substitudo que
minimizam a taxa de custo esperado, considerando dois modos de falha, uma passvel de
manuteno e outro no. O mtodo utiliza taxa de falha no decrescente e so apresentados exemplos numricos para modelos de leis de potncia. You, Li e Meng (2011) desenvolvem duas polticas de manuteno preventiva sujeitas a reparos imperfeitos e condies
operacionais variveis utilizando o modelo de falha proporcional estendido (EPHM).
Manuteno preventiva baseada no tempo a substituio de um sistema, subsistema ou componente, ainda que em perfeito estado de funcionamento, em intervalos de
tempo constante. A manuteno preventiva deve ser chamada de manuteno preditiva
quando existir uma razo plausvel para o agendamento do servio. So apresentadas as
formulaes para aplicar trs razes diferentes: mnima conabilidade admissvel, mxima
taxa de falha permitida e mnimo custo estimado por ciclo de manuteno.
Embora exista um grande nmero de trabalhos sobre manutenes corretiva e preventiva, no foram encontradas aplicaes da distribuio

q -Weibull.

As expresses de

conabilidade, da no conabilidade e sua derivada temporal sob manuteno preventiva


baseada nesta distribuio foram deduzidas. Dois tipos de anlises foram feitas: reparo
perfeito e reparo imperfeito. Os efeitos da substituio preventiva nas curvas de conabilidade e taxa de falha so discutidos para dois casos: um item com taxa de falha unimodal
e outro com taxa de falha crescente no tempo. Ser mostrado que o intervalo de substituio pode ser calculado de trs maneiras diferentes.

Primeiramente pela adoo de

um valor mnimo admissvel para a conabilidade at um instante

t,

posteriormente pela

determinao de uma taxa de falha mxima permitida e nalmente pela minimizao da


funo de custo por ciclo de manuteno.

6.2 Conabilidade e manuteno com o modelo q-Weibull


A funo conabilidade foi denida na Equao 3.2.6.

Esta denio no inclui

nenhuma ao de manuteno mas ser usada para o clculo da conabilidade afetada


por ao de manuteno.

6.2

Confiabilidade e manuteno com o modelo q-Weibull

Assuma que
abilidade

119

o intervalo de tempo para a manuteno preventiva. O valor de con-

Rq (t) quando t T

no inuenciado pela manuteno, assim a conabilidade

de um item sob manuteno peridica :

Rmq (t) = Rq (t).

(6.2.1)

6.2.1 Manuteno com reparo perfeito


Primeiramente consideraremos que o modelo assume que a manuteno capaz de
tornar o sistema to bom quanto novo, assim, sempre que o sistema est operacional em

t>T

, este no sofre nenhum efeito por ter idade superior a

no intervalo de tempo

T < t 2T

O valor da conabilidade

Rmq (t) = Rq (T )Rq (t T ),


R(t T )

T.

T < t 2T,

a conabilidade no tempo adicional alm de

T.

Neste caso,

(6.2.2)

tT

unidades de

tempo desde que a manuteno reparou o item para a condio de novo no instante
Equao 6.2.3 estende o conceito para qualquer valor de tempo

T.

(veja detalhes em Lewis

(1987)).

Rmq (t) = Rq (T )n Rq (t nT ) com nT < t (n + 1)T


n = 0, 1, 2 . . . ,
onde

(6.2.3)

Rq (T )n a probabilidade de sobrevivncia a n intervalos de manuteno e Rq (tnT )

a probabilidade de sobreviver alm da ltima manuteno preventiva. A quantidade de


intervalos de manutenes preventivas at o instante de tempo

 
t
n(t) = integerpart
,
T
onde integerpart(x) retorna a parte inteira de

expressa por:

(6.2.4)

x efetuando a remoo da parte fracionria.

A Equao 6.2.3 pode ser reescrita como:

Rmq,T (t) = Rq (T )n(t) Rq [t n(t)T ] ,


que nos termos da distribuio

q -Weibull

(6.2.5)

120

Captulo: 6

Manutenes corretiva e preventiva baseadas no modelo q-Weibull


Rmq,T (t) =
exp
exp

Uma vez que os parmetros

 n(t)

(2 q)





t0
(2 q) tn(t)T
.
t0

1
2q

1
2q

T t0
t0

, , t0

so conhecidos, um valor mnimo admissvel

de conabilidade pode ser especicado para um dado instante


de manuteno preditiva

(6.2.6)

t (Rmq,T (t))

e o intervalo

pode ser calculado resolvendo a Equao 6.2.6 em

T.

A funo no conabilidade para manuteno preventiva :




 n(t)
T t0

F mq,T (t) = 1 exp 1 (2 q) t0


 2q



tn(t)T t0
exp 1 (2 q)
.
t0

(6.2.7)

2q

A Equao 6.2.7 pode ser reescrita de outra forma (veja 3.2.1):




 n(t)
T t0

F mq,T (t) = 1 exp 1 (2 q) t0


2q


1
(2q) xn(t)T t0

t
(t0 )
 t0
 
1 n(t)T
t0

expq xn(t)T
t0

dx

(6.2.8)

ou ainda

T t0
t0

 n(t)

F mq,T (t) = 1 exp 1 (2 q)


+
2q

n(t)

(2

q)




exp 2q
t0

Tt

t
0

1
(2q) xn(t)T t0
n(t)T +t0

(t0 )

  t0

 

xn(t)T
t

expq
t0

(6.2.9)

dx.

Note que a primeira parte da soma que compe a Equao 6.2.9, ou seja,

1 O termo

preditiva

foi utilizado, pois o intervalo de manuteno foi especicado com base na predio

de um valor mnimo admissvel de conabilidade.

6.2

Confiabilidade e manuteno com o modelo q-Weibull


exp

1
2q



 n(t)
T t0
(2 q) t0
,

relao ao tempo de

F mq,T (t)

121

constante de

t.

at

Assim, a derivada em

n(t)
(2 q)
f mq,T (t) =
exp 1  T t 
2q

t00

 

t0
.
expq tn(t)T
t0

n(t)T

(2q)
(t0 )

tn(t)T t0
t0

1

(6.2.10)

Note que a Equao 6.2.10 no uma funo densidade de probabilidade, pois


no necessariamente normalizada nem contnua. Contudo, a funo taxa de falha sob
manuteno preventiva denida conforme a Equao 6.2.10, e expressa por

hmq,T (t) =

f mq,T (t)
.
Rmq,T (t)

Podemos estabelecer um mximo valor permitido para


varivel

(6.2.11)

hmq,T

e resolver sua expresso na

para determinar o intervalo de manuteno preventiva em funo de uma taxa

de falha limite.

6.2.2 Manuteno com reparo imperfeito


Vamos supor que o servio de manuteno no perfeito e que a condio inicial do
item que ainda no houve reparo. Desta forma, o valor da conabilidade decrescer a
cada reparo de acordo com o fator de perfeio

com

kR

0 < k < 1.

Quando

k1

o reparo considerado perfeito. A conabilidade em manuteno preventiva com reparo


imperfeito denida por


Rmkq,T (t) =


k exp

1
2q

(2 q)

T t0
t0

 n(t)


exp

1
2q

(2 q)

tn(t)T t0
t0

 

(6.2.12)
A no conabilidade em manuteno preventiva com reparo imperfeito :


F mkq,T (t) = 1 k exp

1
2q

(2 q)

T t0
t0

 n(t)


exp

1
2q

(2 q)

tn(t)T t0
t0

 

(6.2.13)

122

Captulo: 6

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

e a sua derivada em relao ao tempo

n(t)
(2 q)
f mkq,T (t) =
k exp 1  T t 

2q

t00
 
 
tn(t)T t0
.
expq
t0

(2q)
(t0 )

tn(t)T t0
t0

1

(6.2.14)

Os valores de intervalo de manuteno preventiva podem ser calculados a partir da


conabilidade mnima admissvel at um instante de tempo

t ou da mxima taxa de falha

permitida da mesma maneira mostrada na subseo 6.2.1.

6.2.3 Intervalo timo de manuteno preventiva baseada em custo

T
t0

O tempo esperado por ciclo de manuteno segundo Huang, Miller e Okogbaa (1995)

tf (t)dt + T

f (t)dt.

Utilizando a distribuio

q -Weibull

podemos escrever:

T
E[T ] =

tfq (t)dt + T

t0

fq (t)dt.

(6.2.15)

A primeira parcela da 6.2.15 (veja subseo A.10.1):

T
tfq (t)dt = T Rq (T ) +

t0

Rq (t)dt,

(6.2.16)

t0

retornando Equao 6.2.15 temos

E[T ] = T Rq (T ) +
= T Rq (T ) +
=

T
t0
T

Rq (t)dt + T

fq (t)dt

Rq (t)dt + T Rq (T )

(6.2.17)

t0

Rq (t)dt.

t0

A Equao 6.2.17 deve ser usada para o tempo esperado de um subsistema ou de


componentes associados em portas, tais como no captulo 5. Para um componente isolado
o tempo esperado para o ciclo de manuteno (vide subseo A.10.2)

6.3

Exemplos

123


 


q2 1
T t0
1

,
(T t0 ) 2 F1 1q , ; 1 + ; (1 q) t0




E[T ] =





(t )
t0
1

,
0
, q = 1,
0 1 , Tt

q 6= 1
(6.2.18)

ab
onde 2 F1 (a, b; c; z) a funo hipergeomtrica denida por 1 +
z + a(a+1)b(b+1)
z2 +
c 1!
c(c+1)2!
a(a+1)(a+2)b(b+1)(b+2) 3
z + (vide Gradshteyn, Ryzhik e Jerey (1994) equaes 9.14 1 e
c(c+1)(c+2)3!
9.100 )

O custo esperado por ciclo de manuteno (vide Huang, Miller e Okogbaa (1995))

E[C] = Cc Fq (T ) + Cp Rq (T ),
onde

Cc

o custo da manuteno corretiva e

Cp

(6.2.19)

o custo da manuteno preventiva.

De acordo com o modelo Barlow-Hunter o custo de manuteno esperado por unidade de tempo de operao (Barlow e Hunter (1960), Assis (1999)):

Z[T ] =

E[C]
Cc Fq (T ) + Cp Rq (T )
=
E[T ]
E[T ]

(6.2.20)

O objetivo desta poltica de manuteno minimizar o custo por unidade de tempo


de operao. Isto indiretamente minimiza o custo esperado e maximiza o tempo esperado
por ciclo de substituio. O intervalo timo de substituio

Minimizar

Z[T ] =

Cc Fq (T )+Cp Rq (T )
E[T ]

calculado por

(6.2.21)

6.3 Exemplos
Foram criados cinco cenrios para exemplicar a inuncia da manuteno preventiva na conabilidade, na derivada temporal da no conabilidade e na taxa de falha.
Os cenrios 1 e 3 representam componentes cujos tempos de vida seguem a distribuio

q -Weibull

e tm reparo perfeito, nos cenrios 2 e 4 o reparo imperfeito. O cenrio 5a

representa a dependncia probabilstica (porta dinmica PDep) na qual o componente


gatilho o

C4

e o componente dependente

C3 .

No cenrio 5b foi feita a inverso entre

C3 o gatilho que
pd = 0, 9. Veja o captulo

componentes gatilho e dependente do cenrio 5a, ou seja, o componente


inuencia o componente

C4 .

Em ambos os cenrios foi adotado

124

Captulo: 6

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

5 para mais detalhes sobre a porta PDep em rvores de falha dinmicas e distribuio

q -Weibull.

Os parmetros dos componentes e os formatos de suas funes taxa de falha

so mostrados na Tabela 6.1.

Tabela 6.1: Parmetros da distribuio

q -Weibull

e formatos das funes taxa de falha

dos componentes.
Componente

t0

Taxa de falha

C1
C2
C3
C4

2,5

1000

1,5

Unimodal

2,5

2000

0,5

Crescente

1500

1,5

Unimodal

10

10000

Crescente

O intervalo de tempo de manuteno preventiva

T,

os fatores de perfeio

k,

os

formatos das funes taxa de falha e os custos de manuteno corretiva e preventiva para
todos os cenrios so mostrados na Tabela 6.2.

Tabela 6.2: Especicaes dos cenrios.


Cenrios

Taxa de falha

CC

CP

C1
C1
C2
C2

500

Unimodal

10 000

500

500

0,85

Unimodal

500

Crescente

10 000

500

500

0,9

Crescente

1 000

Bimodal

10 000

500

1 000

10 000

500

1)
2)
3)
4)

5a)
5b)

P DepC3 ,C4
pd = 0, 9
P DepC4 ,C3
com pd = 0, 9

com

Unimodal/
Crescente

6.3.1 Cenrio 1 - Unimodal - Reparo perfeito


O intervalo de manuteno preventiva para o componente
trando o valor

T = 173h

C1

foi calculado encon-

para o qual a conabilidade para um tempo de misso de

Rq,T (3000) = 0, 9 na varivel T . A Figura


6.3.1 mostra as funes conabilidade para o componente C1 com e sem a ocorrncia de
manuteno preventiva sob reparo perfeito (k = 1).

3 000h vale 0,9, ou seja, resolvendo a equao

Exemplos

125

Rmq,T=173 HtL, Rmq,T=400 HtL, RqHtL

6.3

1
0,9
0,8
0,7
0,6
0,5
0

10

20

30

40

50

60

t 10 h
Figura 6.3.1: Conabilidade sob manuteno preventiva com intervalo de tempo
(linha contnua), com intervalo

T = 400h

T = 173h

(linha tracejada) e conabilidade

sem manuteno preventiva (linha trao-ponto). Neste cenrio foi utilizado


o componente

C1

cujos parmetros esto na Tabela 6.1.

Note que, para um mesmo instante de tempo, o valor da conabilidade torna-se


maior medida em que o intervalo de manuteno preventiva diminui. A Figura 6.3.2
mostra a funo densidade de probabilidade de

C1

e a derivada temporal da no cona-

@ fmq,T=173 HtL, fqHtLD10-3

bilidade para a manuteno preventiva.

0,5
0,4
0,3
0,2
0,1
0
0

10

20

30

40

50

60

t 10 h
Figura 6.3.2: Derivada temporal da funo no conabilidade do componente
a manuteno preventiva com intervalo de tempo

Rq,T (3000) = 0, 9

T = 173h

C1

sujeito

calculado com

(linha contnua) e funo densidade de probabilidade (li-

nha tracejada). Os parmetros usados esto na Tabela 6.1.

126

Captulo: 6

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

hmax = 3, 0 104 h1
T = 399h. A Figura 6.3.3

Um valor mximo admissvel para a funo taxa de falha


foi adotado e a Equao 6.2.11 foi resolvida, encontrando-se

@hmq,T=399 HtL, hqHtLD10-3

mostra as funes taxa de falha com e sem o efeito da manuteno preventiva.

0,8
0,6
0,4
0,2
0
0

10

20

30

40

50

60

t 10 h
Figura 6.3.3: Funo taxa de falha do componente
intervalo de tempo

T = 399h

C1

sujeito manuteno preventiva em

traada em linha contnua e a taxa de falha

sem a adoo de manuteno preventiva em linha tracejada. Os parmetros


usados para o componente

C1

esto na Tabela 6.1.

Supondo que o custo da manuteno corretiva do item

C1 ,

isto , o custo total para

coloc-lo em estado operacional aps a falha ter ocorrido, seja

Cc = 10.000

unidades

monetrias e o custo da manuteno preventiva, ou seja, o custo da manuteno com


antecipao do estado falho

Cp = 500

unidades monetrias, a minimizao da Equao

6.2.21 calcula o intervalo que minimiza o custo por ciclo de manuteno


respectivo custo por ciclo

Zq = 2, 40

T = 353h

unidades monetrias /h (vide Figura 6.3.4).

e o

6.3

Exemplos

127

ZqHtL

12

ZqHtL

10
8

3,6
3,4
3,2
3
2,8
2,6
2,4
2

t 10 h
4
2
0

20

40

60

80

100

t 10 h
Figura 6.3.4: Custo por ciclo de manuteno (unidades monetrias/h). O detalhe mostra
a localizao do custo mnimo.

6.3.2 Cenrio 2 - Unimodal - Reparo imperfeito


Num sistema submetido a reparos imperfeitos, a funo conabilidade apresenta
descontinuidades em seu grco cada vez que a manuteno realizada. A Figura 6.3.5
mostra as curvas de conabilidade calculadas com reparo imperfeito, cujo fator de perfeio

k = 0, 85

(com intervalos entre manutenes iguais a

a ocorrncia de manuteno.

T = 548h

T = 700h)

, e sem

Captulo: 6

Rmkq,T=548 HtL, Rmkq,T=750 HtL, RqHtL

128

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0

10

20

30

40

50

60

t 10 h
Figura 6.3.5: Funo conabilidade com manuteno preventiva de intervalo

T = 548h

Rmkq,T (1000) = 0, 8), com reparo imperfeito e fator de perfeio k = 0, 85 traada em linha contnua. Funo conabilidade
com manuteno preventiva de intervalo T = 700h (tracejada) e conabi(valor calculado fazendo

lidade sem manuteno em linha traco-ponto. Os parmetros usados deste


componente

C1

esto na Tabela 6.1.

Note que a imperfeio nos reparos faz com que a conabilidade com as intervenes
de manuteno atinja valores menores do que sem tais intervenes para os instantes de
tempo iniciais. A medida em que o tempo

t aumenta, o reparo imperfeito provoca degraus

cada vez menores na conabilidade e se torna menos visvel a sua inuncia.

A Figura6.3.6 mostra a derivada em relao ao tempo da funo no conabilidade


para o componente

C1

com e sem a ocorrncia da manuteno preventiva.

Exemplos

129

@ fmkq,T=548 HtL, fqHtLD10-3

6.3

0,5
0,4
0,3
0,2
0,1
0
0

10

20

30

40

50

60

t 10 h
Figura 6.3.6: Derivada temporal da funo no conabilidade do componente
nuteno preventiva com intervalos de tempo
tos com fator de perfeio

T = 500h

C1 , em ma-

e reparos imperfei-

k = 0, 85, traada em linha contnua e funo


C1 em linha tracejada. Os parmetros do

densidade de probabilidade de
componente

C1

esto na Tabela 6.1.

T = 692h foi calculado de forma a atender o limite


= 6, 0 104 h1 . Embora para instantes iniciais de tempo

O intervalo de manuteno
mximo de taxa de falha

hmax

as aes de manuteno reduzam a taxa de falha, neste exemplo, para valores de tempo
superiores a

4 000h,

a taxa de falha com a manuteno preventiva maior que a taxa

sem intervenes de manuteno. A modelagem desta situao no seria possvel se as


distribuies Weibull ou exponencial fossem utilizadas, uma vez que, suas taxas de falha
so montonas.

Entretanto, neste caso, necessrio investigar se assumir o risco de

uma taxa de falha mais alta nos instantes iniciais compensa uma taxa de falha inferior
em instantes futuros sem realizar manutenes programadas. A Figura 6.3.7 mostra as
funes taxa de falha.

Captulo: 6

@hmkq,T=692 HtL, hqHtLD10-3

130

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

0,8
0,6
0,4
0,2
0
0

10

20

30

40

50

60

t 10 h
Figura 6.3.7: Funo taxa de falha de

C1

em manuteno preventiva com intervalo de

T = 692h em linha contnua e taxa de falha de C1


parmetros de usados em C1 esto na Tabela 6.1..

tempo
Os

em linha tracejada.

6.3.3 Cenrio 3 - Taxa de falha crescente - Reparo perfeito


Neste cenrio o objetivo manter uma conabilidade mnima de 95% num tempo

1 500h.
T = 264h,

de funcionamento de
em intervalos de

Para tal, preciso que ocorram manutenes preventivas


valor calculado pela soluo de

Rmq,T (1 500) = 0, 95.

Figura6.3.8 mostra as curvas de conabilidade com e sem a considerao da manuteno


preventiva realizada com reparos perfeitos.

Exemplos

131

Rmq,T=264 HtL, Rmq,T=500 HtL, RqHtL

6.3

1
0,9
0,8
0,7
0,6
0,5
0

10

15

20

25

30

t 10 h
C2

Figura 6.3.8: Funo conabilidade do componente


em intervalos de tempo

T = 264h

sujeito a manuteno preventiva

e reparos perfeitos traada em linha

contnua, funo conabilidade para intervalos de tempo


tracejada e conabilidade de

C2

T = 500h em linha

sem manuteno preventiva em linha trao-

ponto. Os parmetros do componente

C2

esto na Tabela 6.1.

A Figura 6.3.9 mostra a derivada em relao ao tempo da funo de falha acumulada


(componente em manuteno preventiva) e funo densidade de probabilidade de

C2 .

@ fmq,T=264 HtL, fqHtLD10-3

0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0

10

15

20

25

30

t 10 h
Figura 6.3.9: Derivada temporal da no conabilidade do componente

C2

em manuteno

T = 264h (linha contnua) e funo


C2 traada em linha tracejada. Os parmetros

preventiva com intervalos de tempo


densidade de probabilidade de
do componente

C2

esto na Tabela 6.1.

Para manter o valor da taxa de falha abaixo de

hmax = 5 104 h1

as manutenes

132

Captulo: 6

@hmq,T=800 HtL, hqHtLD10-3

devem ocorrer em intervalos de

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

800h.

A Figura 6.3.10 mostra as funes taxa de falha.

3,5
3
2,5
2
1,5
1
0,5
0
0

10

15

20

25

30

t 10 h
C2 sob regime de manuteno preT = 800h e reparo perfeito traada em
linha contnua e taxa de falha de C2 sem aes de manuteno em linha
tracejada. Os parmetros do componente C2 esto na Tabela 6.1.

Figura 6.3.10: Funo taxa de falha do componente


ventiva em intervalos de tempos

O clculo do intervalo timo de manuteno preventiva feito pela minimizao da


Equao 6.2.21.

Para tal foi atribudo um custo de manuteno corretiva

unidades monetrias e um custo de manuteno preventiva

Cc = 10 000

Cp = 500 unidades monetrias

(valores iguais aos aplicados na subseo 6.3.1, veja Tabela 6.2). O intervalo encontrado
(T

= 443h)

corresponde a um custo mnimo

manuteno conforme a Figura 6.3.11.

Zq = 1, 88

unidades monetrias por ciclo de

Exemplos

133

16

2,1

14

2,05

ZqHtL

6.3

ZqHtL

12
10

2
1,95
1,9

3 3,5 4 4,5 5 5,5 6 6,5


2

t 10 h

6
4
2
0

10

15

20

25

30

t 10 h
Figura 6.3.11: Custo por ciclo de manuteno. O detalhe mostra a localizao do custo
mnimo.

6.3.4 Cenrio 4 - Crescente - Reparo imperfeito


A Figura 6.3.12 mostra duas curvas da funo conabilidade com a manuteno preventiva e reparo imperfeito e outra curva de conabilidade sem adotar aes de manuteno. A curva em linha contnua se refere conabilidade com intervenes de manuteno
a cada

544h,

enquanto que na curva tracejada o intervalo

350h.

Este exemplo mostra

que intervalos de manuteno menores necessariamente no signicam valores de conabilidade mais altos quando se trata de reparo imperfeito. Neste caso, intervalos menores
tornaram a conabilidade menor, fato no ocorrido no exemplo da subseo 6.3.2.

Captulo: 6

Rmkq,T=544 HtL, Rmkq,T=350 HtL, RqHtL

134

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

1
0,9
0,8
0,7
0,6
0,5
0

10

15

20

25

30

t 10 h
Figura 6.3.12: Funo conabilidade do componente

C2

sob manuteno preventiva em

T = 544h (calculado com Rmkq,T (1500) = 0, 7) e reparos imperfeitos com fator de perfeio k = 0, 9 (linha slida), conabilidade
para T = 350h com mesmo valor de k (linha tracejada) e conabilidade
de C2 sem manuteno (linha trao-ponto). Os parmetros de C2 esto na

intervalos de tempo

Tabela 6.1.

A Figura 6.3.13 mostra a derivada da funo no conabilidade para

C2

sob regime

@ fmkq,T=544 HtL, fqHtLD10-3

de manuteno preventiva e a sua funo densidade de probabilidade.

0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0

10

15

20

25

30

t 10 h
C2 em regime de manuteno
T = 544h e fator de perfeio k = 0, 9 traada em

Figura 6.3.13: Derivada temporal da no conabilidade para


preventiva com intervalo

linha contnua e a funo densidade de probabilidade em linha tracejada.


Os parmetros do componente

C2

esto na Tabela 6.1.

6.3

Exemplos

135

O intervalo de tempo entre manutenes (T


admissvel para a taxa de falha de

hmax

= 516h)
= 2, 5 104 h1 .

assegura um nvel mximo


A Figura 6.3.14 mostra as

@hmkq,T=516 HtL, hqHtLD10-3

funes taxa de falha com e sem a manuteno preventiva.

2
1,75
1,5
1,25
1
0,75
0,5
0,25
0
0

10

15

20

25

30

t 10 h
Figura 6.3.14: Funo taxa de falha de
tempo

T = 516h

C2

em manuteno preventiva com intervalos de

e fator de perfeio

k = 0, 9

em linha contnua e taxa de

falha sem manuteno em linha tracejada. Os parmetros de

C2

esto na

Tabela 6.1.

6.3.5 Cenrios 5a e 5b
Os cenrios 5a e 5b utilizam um subsistema composto de dois componentes associados por uma porta PDep (Dependncia Probabilstica). No cenrio 5a um componente

C3

C4 ( porta P DepC3 ,C4 ) e no


componente C3 . Em ambos os casos, a

est associado a um gatilho

tem como gatilho o

cenrio 5b o componente

ocorrncia do evento gatilho

provoca a falha do componente associado com probabilidade


mostra as curvas de conabilidade para os dois casos

C4

pd = 0, 9.

A Figura 6.3.15

Captulo: 6

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

1
0,9
0,8
0,7
0,6
0,5
0

Rmq,T=884 HtL, Rmq,T=1200 HtL, RqHtL

Rmq,T=568 HtL, Rmq,T=1000 HtL, RqHtL

136

1
0,9
0,8
0,7
0,6
0,5
0

t 10 h

t 10 h

a)

b)

Figura 6.3.15: Funo conabilidade da porta PDep sob manuteno preventiva em intervalos de tempo

T1 e reparos perfeitos (linha contnua), funo conabilidade


T2 (linha tracejada) e conabili-

da PDep com intervalos de manuteno

dade PDep sem intervenes de manuteno (linha trao-ponto).

Em a)

C3 o componente dependente, C4 o gatilho, T1 = 568h (calculado com


Rmq,T (3000) = 0, 95) e T2 = 1000h; em b) o componente dependente C4 ,
o gatilho C3 , T1 = 884h (calculado com Rmq,T (2000) = 0, 9) e T2 = 1200h.

Em ambas as situaes, as intervenes de manuteno retardam a queda da conabilidade medida em os intervalos de manuteno tornam-se menores. Os parmetros
dos componentes do subsistema esto na Tabela 6.1.

A Figura 6.3.16 mostra as derivadas das funes no conabilidade com e sem as


intervenes de manuteno.

6.3

Exemplos

137

@ fmq,T=884 HtL, fqHtLD10-3

@ fmq,T=568 HtL, fqHtLD10-3

0,6
0,5
0,4
0,3
0,2
0,1

0,5
0,4
0,3
0,2
0,1

0
0

t 103h

t 103h

a)

b)

Figura 6.3.16: Derivada temporal da funo no conabilidade da porta PDep sob manuteno preventiva em intervalos de tempo

e reparos perfeitos traada

em linha contnua, derivada em relao ao tempo da no conabilidade da

C3
T = 568h ; em b) o compoT = 884h. Os parmetros dos

PDep sem intervenes de manuteno com linha tracejada. Em a)


o componente dependente,
nente dependente

C4 ,

C4

o gatilho e

C3

o gatilho

componentes do subsistema esto na Tabela 6.1.

A Figura 6.3.17 mostra as funes da taxa de falha para o subsistema submetido

1,4

@hmq,T=975 HtL, hqHtLD10-3

@hmq,T=1042 HtL, hqHtLD10-3

manutenes peridicas e sem as intervenes de manuteno.

1,2
1
0,8
0,6
0,4
0,2
0

2
1,5
1
0,5
0

8
3

10

12

14

10

t 103h

t 10 h
a) bimodal

b) unimodal-crescente

Figura 6.3.17: Funo taxa de falha da porta PDep sob manuteno preventiva em intervalos de tempo

e reparos perfeitos traada em linha contnua, taxa de

falha da PDep sem intervenes de manuteno com linha tracejada. Em

C3 o componente dependente, C4 o gatilho e T = 1042h (calculado


hmax = 4 104 h1 ); em b) o componente dependente C4 , o gatilho
C3 e T = 975h (calculado com hmax = 3 104 h1 ). Os parmetros dos

a)

com

componentes do subsistema esto na Tabela 6.1.

A Figura 6.3.17b) mostra que, para tempos superiores a

8 700h,

o valor da taxa

de falha do subsistema sem manuteno cresce continuamente com o tempo e se afasta

138

Captulo: 6

Manutenes corretiva e preventiva baseadas no modelo q-Weibull

cada vez mais do valor mximo de taxa de falha adotado. Fica evidente que a adoo de
um valor mximo de taxa de falha preservar o sistema para valores de tempo elevados.
Para o painel a) da mesma gura, esta mesma constatao no pode ser vericada. Para
tempos superiores a

12 500h,

a taxa de falha do subsistema sem manuteno se torna

inferior ao valor mximo adotado, e para alguns instantes de tempo, inferior taxa de
falha do subsistema submetido a manutenes programadas.

6.4 Concluses
A distribuio

q -Weibull

foi aplicada no clculo de conabilidade, da derivada tem-

poral da funo de falha acumulada e da taxa de falha de sistemas sob manuteno


preventiva em intervalos constantes de tempo.

Duas anlises mostram resultados para

reparos perfeitos e imperfeitos. Trs mtodos para a determinao do intervalo de manuteno foram apresentados:

mnimo valor de conabilidade tolerado, mximo valor

permitido para taxa de falha e custo mnimo por ciclo de manuteno. Os dois primeiros
mtodos foram utilizados para servios de manuteno com reparo perfeito e imperfeito
enquanto que o ltimo mtodo foi aplicado apenas para reparo perfeito. Para o clculo
do custo mnimo por ciclo de manuteno, foi deduzida a expresso do custo por ciclo de
manuteno em funo do intervalo de tempo de interveno.

Em sistemas com grande nmero de componentes, possvel realizar o agrupamento


destes, em subsistemas, de acordo com o formalismo de portas (ver Captulo 5), e montar
as funes de no conabilidade e suas derivadas. Uma vez estimados os custos de manuteno corretiva e preventiva para cada componente ou subsistema, pode-se determinar o
intervalo de manuteno preditiva para o menor custo por ciclo de manuteno.

Os custos por ciclo de manuteno de cada subsistema podem indicar qual ou quais
deles mais contribuem para gastos.

Os subsistemas mais custosos para a manuteno

podem ser investigados num nvel de detalhamento maior, especicando cada componente
e reaplicando alguma das tcnicas descritas para controle de taxa de falha, conabilidade
ou custo.

Desta forma possvel encontrar qual subsistema ou componente aumenta, de forma


mais acentuada, os custos devido manuteno preventiva ou corretiva ou ainda qual item
acarreta um decrscimo de conabilidade a nveis abaixo do tolerado. Estas aes podem
ser teis em anlise de sensibilidade e at mesmo no traado de estratgias para melhorias
dos sistemas de produo.

Os resultados mostram novas possibilidades de determinao de intervalos de manuteno preventiva, especialmente em situaes nas quais os modelos de Weibull e ex-

6.4

Concluses

139

ponencial no so realistas. Os casos mostrados nas Figuras 6.3.7 e 6.3.17a) ilustram tais
situaes onde as taxas de falha so crescentes para os instantes iniciais, mas no so
montonas. Estes casos no podem ser modelados pela distribuio Weibull (com taxa de
falha montona), nem pela exponencial, cuja taxa de falha constante, mas so cobertos
com o uso da distribuio

q -Weibull.

141

7 Consideraes nais
7.1 Concluses
Vrias formulaes matemticas para a funo taxa de falha so encontradas na
literatura. Muitos destes modelos, so complicados e apresentam muitos parmetros. A
incluso dos parmetros muitas vezes feita de forma emprica, ou com algum objetivo
especco, como por exemplo, a especicao de parmetros dependentes do tempo, ou
a exponenciao da distribuio elevando a funo acumulada a um expoente positivo.
Muitos modelos propostos modicam modelos j existentes, como por exemplo, os modelos
derivados da distribuio Weibull. Tais modelos possuem em comum a grande quantidade
de parmetros e o fato de suas naturezas serem exponenciais.
O modelo proposto para aplicao em conabilidade a generalizao q -Weibull.
"
" 
 ##2q
t t0
, onde expq =
A sua funo de falha acumulada Fq (t) = 1 expq
t0
1

[1 + (1 q) x]+1q ,

so parmetros responsveis pela forma e

distribuio exponencial apenas na situao limite onde

q 1.

afeta a escala. Esta

Em situaes adequadas

o modelo tende a uma lei de potncia, com cauda de caimento acentuado, caracterstica
esta, capaz de garantir mais exibilidade ao seu formato de taxa de falha.

O modelo

q -Weibull

capaz de reproduzir, alm da taxa de falha constante, outros

quatro formatos de taxa de falha: montono crescente (com e sem tempo limite), montono decrescente, unimodal ou banheira (ou com formato de U). Todos estes formatos
so obtidos com um conjunto de parmetros xo. Este o primeiro trabalho que identica
na distribuio

q -Weibull

o formato da curva da banheira em sua taxa de falha. A distri-

buio Weibull capaz de representar em sua taxa de falha, apenas formatos montonos,
decrescente (

< 1),

q -Weibull

constante (

= 1)

e crescente (

> 1).

ainda representa a unicao de vrios modelos: Burr XII, Weibull,

q-

exponencial e exponencial. uma generalizao de modelos e no um modelo alternativo


adicional. A distribuio

q -Weibull

uma extenso natural da Weibull e sua denio

inspirada na estatstica no-extensiva de Tsallis. A Tabela 3.1 na pgina 44 mostra os


comportamentos da taxa de falha em funo dos parmetros

A distribuio

q -Weibull permite avaliar a conabilidade,

e por consequncia a no-

conabilidade, o MTBF, a moda, a mediana, os momentos e demais valores caractersticos

142

Captulo: 7

Consideraes finais

da distribuio, considerando o ciclo de vida completo do item em estudo.

A introduo de generalizaes adicionais de forma emprica ou terica, tais como


o uso de transformaes linear e no-linear do tempo, o uso de mltiplas distribuies,
parmetros dependentes do tempo dentre outras, tal como foi feito com a Weibull (Murthy,
Xie e Jiang (2004)), podem futuramente aumentar a exibilidade e a preciso da

q -Weibull

e abrir novas oportunidades para os prossionais de engenharia de conabilidade.

Trs exemplos de aplicao utilizaram os tempos de funcionamento de equipamentos


de poos de petrleo para comparar os desempenhos das distribuies

q -Weibull e Weibull.

As bombas de fundo e as hastes apresentaram taxas de falha com formato de banheira


e a tubulao de produo, mostrou taxa de falha unimodal.

Os dois formatos no

poderiam ser obtidos com a utilizao da distribuio Weibull, com apenas um conjunto
de parmetros. Para tal, seria necessrio

< 1,

para taxa de falha decrescente,

> 1 para taxe da falha crescente. Em


modelo q -Weibull foi superior ao Weibull.

para taxa de falha constante, e


a qualidade do ajuste do

= 1,

todas as anlises,
Tal concluso

perceptvel nas Figuras 4.3.1, 4.3.2 e 4.3.3 (pginas 51, 52 e 53), nas quais se observa que
a curva de taxa de falha

q -Weibull

se aproxima mais dos dados amostrais especialmente

na cauda da distribuio.

Os tempos de funcionamento de uma estao de solda robotizada tambm foram

q -Weibull. Desta vez, alm da distribuio


Weibull, foram feitos ajustes com as distribuies q -exponencial e exponencial. Os quatro
modelos (trs deles so casos particulares da q -Weibull) foram comparados. Todos os
usados para exemplicar o uso da distribuio

tempos de vida, com todos os modos de falha, foram utilizados para cada um dos ajustes.
A distribuio

q -Weibull foi a que melhor se ajustou s amostras e a curva da funo taxa

de falha teve formato de banheira.

Todas as amostras foram divididas em trs intervalos disjuntos e a cada um foi


ajustada uma distribuio Weibull. Os limites de diviso foram escolhidos empiricamente
de forma a tornar os ajustes melhores. Os resultados da aplicao da distribuio Weibull
mostraram que nos instantes iniciais a taxa de falha foi decrescente (
intervalo central a taxa de falha foi aproximadamente constante (
nal, a taxa de falha foi crescente (

= 1, 74).

= 0, 65),

= 1, 04)

no

e, no trecho

O resultado comprova que o formato da

curva da banheira realmente coerente com cada trecho considerado isoladamente, da


mesma forma que com a totalidade dos dados amostrais.

De forma geral, modelos com um nmero maior de parmetros tendem a ser mais
exveis.

A incluso de parmetro, naturalmente, costuma consumir mais recursos no

ajuste do modelo. O Critrio de Informao Akaike (AIC) foi utilizado para comparar
a ecincia dos modelos, considerando que possuem quantidades diferentes de parme-

7.1

Concluses

tros. O modelo

143

q -Weibull

foi o melhor dos modelos testados na estao de solda, mesmo

possuindo um nmero maior de parmetros.


Para desenvolver sua funo adequadamente, um componente precisa funcionar em
conjunto com outro ou com vrios outros. As formas de associao entre os componentes
foram apresentadas segundo o formalismo de rvores de Falha Dinmicas (AFD). As
AFD consideram no somente o estado falho dos componentes, mas tambm a ordem em
que falhas se processam, permitindo a anlise em carter combinacional e sequencial de
falhas.
Os clculos da funo de falha acumulada (no conabilidade) e da funo densidade de cada porta de uma AFD (AND, OR, KofN, PDep, PAND, SEQ e WSP) foram
mostrados. Clculos alternativos, por meio de algoritmos baseados na gerao de tempos
por simulao de Monte Carlo foram desenvolvidos para cada porta. Para todos os exemplos de associao mostrados, os algoritmos conduziram a resultados compatveis com os
clculos exatos.
Para ilustrar os possveis formatos da funo taxa de falha da sada das portas
AND, OR, PDep, PAND e SEQ, dois componentes hipotticos foram denidos como suas
entradas. Uma vez que na distribuio

q -Weibull

a taxa de falha apresenta 5 formatos

diferentes, a combinao destes formatos nas duas entradas fornecem 10 casos para as
portas AND e OR e 20 casos para as portas PDep, PAND e SEQ, pois nestas, a ordem
(ou a posio) das entradas interfere no resultado.
Para a porta KofN foi ilustrada a situao

2de3

tambm com 10 casos diferentes.

A porta WSP foi ilustrada com 7 casos diferentes, 5 destes com apenas um componente
principal e um reserva com mesmo formato de taxa de falha, outro com principal e reserva
de formatos diferentes e o ltimo caso com principal e dois componentes reserva de mesmo
formato de taxa de falha.
Os resultados mostram uma grande variedade de formatos de taxa de falha diferentes. Praticamente todos os formatos classicados em Murthy, Xie e Jiang (2004, p. 48),
que apresenta muitas maneiras de modicao do modelo Weibull, como parmetros dependentes do tempo, exponenciais aninhadas e Weibull exponenciada, foram reproduzidos
(vide Figura 5.3.1 na pgina 115).
Um resultado importante foi encontrado na porta que modela a dependncia probabilstica PDep com apenas 2 entradas (e consequentemente 6 parmetros). Este modelo
apresenta 10 formatos de taxa de falha diferentes:
a) decrescente;
b) decrescente-constante;

144

Captulo: 7

Consideraes finais

c) decrescente-unimodal;
d) constante-crescente;
e) unimodal;
f ) unimodal deslocada;
g) unimodal-crescente;
h) bimodal;
i) formato de  U ;
j) formato de  W .

Este modelo parece ter sido o mais verstil quando so comparados seus resultados ao
nmero de parmetros necessrios para sua utilizao. Trabalhos futuros podero utilizar
as funes densidade e acumulada deduzidas segundo o formalismo PDep como uma
distribuio derivada da

q -Weibull.

Embora os formatos de taxa de falha unimodal e banheira possam ser obtidos a partir
de duas entradas, uma com taxa de falha decrescente, e outra crescente, em portas AND
e OR respectivamente a distribuio Weibull possui a desvantagem de necessitar para
isto, do uso de 3 parmetros adicionais.

A distribuio

q -Weibull

capaz de, sozinha,

proporcionar estes resultados com apenas 3 parmetros (e no 6 como na Weibull). Em


associaes por meio de AFD, a

q -Weibull

amplia mais ainda a capacidade de modelar

formatos diferentes de taxa de falha. A Tabela 5.13 na pgina 116 mostra alguns destes
formatos possveis (vide Captulo 5 na pgina 61).

Uma vez que possvel prever a falha de um sistema a partir de seus componentes,
uma poltica de manuteno programada pode ser criada para reduzir os custos de manter
um sistema em operao. Ao estabelecer um critrio para que tarefas de manuteno sejam
iniciadas, pode-se antecipar condio falha e evitar os prejuzos de uma parada no
esperada. A distribuio

q -Weibull

foi aplicada no clculo de conabilidade, da derivada

temporal da funo de falha acumulada e da taxa de falha de sistemas sob manuteno


preventiva em intervalos constantes de tempo.

Foram cobertos os casos de reparos perfeitos e imperfeitos. O coeciente de perfeio

0<k <1

foi usado para descrever o grau de perfeio do reparo (tanto maior quanto

mais prximo de 1). Este fator multiplicativo afeta o valor da conabilidade cada vez que
o reparo imperfeito realizado.

Trs mtodos para a determinao do intervalo de manuteno foram apresentados:


mnimo valor de conabilidade tolerado, mximo valor permitido para taxa de falha e
custo mnimo por ciclo de manuteno. Os dois primeiros mtodos foram utilizados para
servios de manuteno com reparo perfeito e imperfeito enquanto que o ltimo mtodo

7.2

Sugestes para trabalhos futuros

145

foi aplicado apenas para reparo perfeito.

Para o clculo do custo mnimo por ciclo de

manuteno, foi deduzida a expresso do custo por ciclo de manuteno em funo do


intervalo de tempo de interveno. O resultado pode ser encontrado analiticamente para
um componente. Para associaes de componentes em portas, mtodos numricos podem
encontrar os resultados.

O formalismo das AFD torna possvel que, em sistemas nos quais h um grande
nmero de componentes, estes possam ser agrupados como subsistemas e as funes de
no conabilidade e suas derivadas possam ser montadas (analiticamente ou em forma
tabular).

De posse de estimativas de custos de manuteno corretiva e preventiva dos

subsistemas, pode-se determinar o intervalo de manuteno preditiva com o menor custo


por ciclo de manuteno.

Os resultados mostram possibilidades de determinao de intervalos de manuteno


preventiva, especialmente em situaes nas quais os modelos de Weibull e exponencial no
so realistas, por apresentarem taxas de falha montonas. Os casos mostrados na Figura
6.3.7 na pgina 130 e na Figura 6.3.17a) na pgina 137 ilustram duas destas situaes onde
as taxas de falha so crescentes para os instantes iniciais, mas no so montonas. Estes
casos no podem ser modelados pela distribuio Weibull (com taxa de falha montona),
nem pela exponencial, cuja taxa de falha constante, mas so cobertos com o uso da
distribuio

q -Weibull.

Houve acesso apenas a tempos de vida de uma estao de solda e a dados isolados
sobre alguns equipamentos de poos de petrleo, o que proporcionou a validao do modelo
de taxa de falha. O acesso a informaes adicionais sobre manuteno de componentes,
de equipamentos, condies de operao, estratgias de manuteno, fatores ambientais,
dentre outros, permitiria a validao do modelo de forma bem mais ampla e rigorosa.

7.2 Sugestes para trabalhos futuros


Uma comparao entre o modelo

sing and Bathtub shaped ),

q -Weibull

e o modelo IDB (

Increasing, Decrea-

que tambm apresenta 3 parmetros, embora tenha natureza

exponencial, pode ser realizada para vericar as vantagens e desvantagens de cada uma.

A generalizao de testes de hiptese com as

q -funes e sua aplicao aos exemplos

propostos, pode ser feita para permitir uma comparao entre os modelos aplicados.

O conhecimento dos custos por ciclo de manuteno dos subsistemas podem fornecer
a indicao de quais deles oneram a instituio. Os subsistemas mais custosos podem ento
ser estudados em um nvel de detalhamento mais profundo, alcanando cada componente

146

Captulo: 7

Consideraes finais

e reaplicando alguma das tcnicas descritas para controle de taxa de falha, conabilidade
ou custo.

Desta forma possvel encontrar qual subsistema ou componente aumenta, de forma


mais acentuada, os custos devido manuteno preventiva ou corretiva ou ainda qual item
acarreta um decrscimo de conabilidade a nveis abaixo do tolerado. Trabalhos futuros
podem aplicar estas aes em sistemas reais para a denio de estratgias de manuteno
e para melhorias dos prprios sistemas de produo.

Trabalhos futuros podero ainda aplicar a metodologia proposta nos sistemas de


poos de petrleo automatizados e um programa de computador pode ser desenvolvido
para guiar a aplicao das ferramentas propostas de forma amigvel e automatizada.

147

Referncias
AKAIKE, H. A new look at the statistical model identication.

Automatic Control, AC-19, n. 6, p. 716723, 1974.

IEEE Transactions on

Otimizao do intervalo timo de substituio dos pneus de uma frota de


aeronaves EMB-120. Tese (Dissertao de Mestrado)  Departamento de Engenharia
ASSIS, E. M.

Mecnica, Universidade Federal da Bahia, Salvador, 1999.


ASSIS, E. M.; BORGES, E. P.; MELO, S. A. B. Vieira de. Generalized
model and the bathtub curve.

Management, v. 30, n. 7, 2013.

International Journal of Quality & Reliability

AVIZIENIS, A.; LAPRIE, J. C.; RANDELL, B.

Dependability. [S.l.], 2001.


BAK, P.

q -Weibull

How Nature Works. Oxford:

Fundamental Concepts of

Oxford University Press, 1997.

BARLOW, R.; HUNTER, L. Optimal preventive maintenance policies.

Research, v. 8, p. 90100, 1960.

Operations

BARRINGER, P. Predict failures: Crow-AMSAA 101 and Weibull 101. In:

2004 International Mechanical Engineering Conference. Kuwait:

IMEC

[s.n.], 2004.

Uma metodologia para anlise de disponibilidade de


sistemas complexos via hibridismo de Redes Bayesianas e processos Markovianos.
BARROS JNIOR, P. F. d. R.

Tese (Dissertao de Mestrado)  Programa de Ps-Graduao em Engenharia de


Produo, Universidade Federal de Pernambuco, Recife, 2006.
BEBBINGTON, M.; LAI, C. D.; ZITIKIS, R. A exible Weibull extension.

Engineering and System Safety, p. 719726, 2007.

Reliability

BERBERAN-SANTOS, M.; BODUNOV, E.; VALEUR, B. History of the kohlrausch


(stretched exponential) function: Focus on uncited pioneering work in luminescence.

arXiv:0804.1814v1 [physics.hist-ph], 2008.


BOBBIO, A.; CODETTA-RAITERI, D.; MONTANI, S.; PORTINALE, L. Reliability
analysis of systems with dynamic dependencies. In:

Guide to Applications. [S.l.]:

Bayesian Networks: A Practical

John Wiley & Sons, Ltd, 2008. p. 225238.

BOBBIO, A.; PORTINALE, L.; MINICHINO, M.; CIANCAMERLA, E. Improving


the analysis of dependable systems by mapping fault trees into bayesian networks.

Reliability Engineering and System Safety, v. 71, p. 249260, 2001.

148

Referncias

BORGES, E. P. On a

q -generalization

of circular and hyperbolic functions.

Math. Gen, v. 31, n. 23, p. 52815288, Jun. 1998.


BORGES, E. P.

Extensivos.

J. Phys A

Manifestaes Dinmicas e Termodinmicas de Sistemas No-

Tese (Tese de Doutorado)  Centro Brasileiro de Pesquisas Fsicas,

Instituto nacional de Fsica do Ministrio da Cincia, Tecnologia e Inovao, Rio de


Janeiro, 2004.
BORGES, E. P. A possible deformed algebra and calculus inspired in nonextensive
thermostatistics.

Physica A: Statistical Mechanics and its Applications,

v. 340, p.

95101, 2004.
BRITISH STANDARDS INSTITUTION'S.

PAS 55-1:2008 :

Asset management.

Specication for the optimized management of physical assets. 2008.


BRITISH STANDARDS INSTITUTION'S.

PAS 55-2:2008 :

Asset management.

Guidelines for the application of PAS 55-1. 2008.


BURR, I. Cumulative frequency functions.

Ann. Math. Statist, v. 13, p. 215232, 1942.

CARDOSO, P.; BORGES, E.; AO, T. L.; PINHO, S. Nondistributive algebraic


structures derived from nonextensive statistical mechanics.

J. Math. Phys., v. 49, n.

093509, 2008.
CASTRO, I. A model of imperfect preventive maintenance with dependent failure
modes.

European Journal of Operational Research, v. 196, n. 1, p. 217224, 2009.

CHEN, M.; FELDMAN, R. M. Optimal replacement policies with minimal repair and
age-dependent costs.

European Journal of Operational Research, v. 98, n. 1, p. 7584,

1997.
CODETTA-RAITERI, D. Integrating several formalisms in order to increase fault
trees' modeling power.

Reliability Engineering & System Safety, v. 96, n. 5, p. 534544,

2011. Codetta-Raiteri, Daniele.


COSTA, U.; FREIRE, V.; MALACARNE, L.; MENDES, R.; PICOLI, S.;
VASCONCELOS, E. A. de; SILVA, E. F. da. An improved description of the dielectric
breakdown in oxides based on a generalized Weibull distribution.

Physica A: Statistical

Mechanics and its Applications, v. 361, n. 1, p. 209215, Feb. 2006.


DHILLON, B.

Maintainability, maintenance, and reliability for engineers. New York:

CRC Press, 2006. ISBN 0-8493-7243-7.

Referncias

149

DOYLE, S. A.; DUGAN, J. B. Dependability assessment using binary decision


diagrams (bdds). In: FTCS-25 (Ed.).

Fault-Tolerant Computing, 1995. [S.l.:

Twenty-Fifth International Symposium on


s.n.], 1995.

DUGAN, J.; SULLIVAN, K.; COPPIT, D. Developing a high-quality software tool


for fault tree analysis. In:

10th International Symposium on Software Reliability

Engineering. Boca Raton, FL, USA: IEEE Computer Society, 1999. p. 222231.

Anlise de rvore de Falhas Considerando Incertezas na Denio


dos Eventos Bsicos. Tese (Tese de Doutorado)  COPPE/UFRJ, Universidade
FILHO, S. Simes.

Federal do Rio de Janeiro, Rio de Janeiro, 2006.


FLEMING, P. V.; ASSIS, E. M. A reliability analysis of braslia emb-120 aircraft tyre
replacement policy. In: SCHULLER, G. I.; KAFKA, P. (Ed.).

The Tenth European

Conference on Safety and Reliability. Munich-Garching / Germany:


GELMAN, A.; CARLIN, J. B.; STERN, H. S.; RUBIN, D. B.

[s.n.], 1999.

Bayesian Data Analysis.

2nd.. ed. Washington, D.C.: CHAPMAN & HALUCRC, 2004.


GRADSHTEYN, I.; RYZHIK, I.; JEFFREY, A.

Products. 5

Table of Integrals, Series, and

. ed. San Diego: Academic Press, 1994.

GULATI, R.; DUGAN, J. B. A modular approach for analyzing static and dynamic
fault trees. In:

Reliability and Maintainability Symposium. [S.l.:

s.n.], 1997.

HILL, B. M. Simple general approach to inference about tail of a distribution.

of Statistics, v. 3, n. 5, p. 11631174, 1975. Times Cited:

Annals

748 Hill, bm.

HONGZHOU, W. A survey of maintenance policies of deteriorating systems.

Journal of Operational Research, v. 139, n. 3, p. 469489, 2002.

European

HUANG, J.; MILLER, C. R.; OKOGBAA, O. G. Optimal preventive-replacement


intervals for the Weibull life distribution: solutions and applications. In:

and Maintainability Symposium, 1995. Proceedings., Annual.

Reliability

[S.l.: s.n.], 1995. p.

370377.
HURVICH, C. M.; TSAI, C.-L. Regression and time series model selection in small
samples.

Biometrika, v. 76, n. 2, p. 297307, 1989.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION.

14224:1999(E) :

ISO

Petroleum and natural gas industries - Collection and exchange of

reliability and maintenance data for equipment. 1999.

150

Referncias

JAUREGUI, M.; TSALLIS, C. New representations of

pi

and dirac delta using the

nonextensive-statistical-mechanics q- exponential function.

Physics, v. 51, n. 6, p. 063304, 2010.

Journal of Mathematical

JAUREGUI, M.; TSALLIS, C. q-generalization of the inverse fourier transform.

Physics Letters A, v. 375, n. 21, p. 20852088, 2011.


JAUREGUI, M.; TSALLIS, C.; CURADO, E. M. F. q-moments remove the
degeneracy associated with the inversion of theq-fourier transform.

Journal of

Statistical Mechanics: Theory and Experiment, v. 2011, n. 10, p. P10016, 2011.

JINGLUN, Z.; QUAN, S. Reliability analysis based on binary decision diagrams.

Journal of Quality in Maintenance Engineering Cybernetics,

v. 4, n. 2, p. 150161,

1998.
JOHNSON, L. The median ranks of sample values in their population with an
application to certain fatigue studies.

Industry Mathematics, v. 2, p. 19, 1951.

KHAKZAD, N.; KHAN, F.; AMYOTTE, P. Safety analysis in process facilities:


Comparison of fault tree and bayesian network approaches.

Reliability Engineering &

System Safety, v. 96, n. 8, p. 925932, 2011. Khakzad, Nima Khan, Faisal Amyotte,
Paul.
KIM, C. Warranty and discrete preventive maintenance.

System Safety, v. 84, n. 3, p. 301309, 2004.

Reliability Engineering &

KIUREGHIAN, A. D.; DITLEVSEN, D. O.; SONG, J. Availability, reliability and


downtime of systems with repairable components.

Safety 92, p. 231242, 2007.


KRISHNAMOORTHI, K. S.

Reliability Enginnering and System

Reliability Methods for Engineers.

Wisconsin: ASQC

Quality Press, 1992.


KUMAR, D.; WESTBERG, U. Maintenance scheduling under age replacement policy
using proportional hazards model and ttt-plotting.

Research, v. 99, n. 3, p. 507515, 1997.


LANGSETH, H.

European Journal of Operational

Bayesian Networks with Applications in Reliability Analysis.

Tese

(Dr. Ing. Thesis)  Department of Mathematical Sciences, Norwegian University of


Science and Technology, Trondheim, 2002.
LANGSETH, H.; HAUGEN, K.; SANDTORV, H. Analysis of oreda data for
maintenance optimization.
103110, 1998.

Reliability Engineering and System Safety 60 (1998),

p.

Referncias

151

LEMIEUX, C.

Monte Carlo and Quasi-Monte Carlo Sampling. Berlin:

Springer, 2009.

ISBN 9780387781648.
LENZI, E.; MENDES, R.; RAJAGOPAL, A. Quantum statistical mechanics for
nonextensive systems.
LEWIS, E. E.

Phys. Rev. E, v. 59, p. 13981407, 1999.

Introduction to Reliability Engineering. New York:

John Wiley & Sons,

1987. ISBN 0-471-81199-8.


LOBO, T. C. P.; CARDOSO, P. G. S.; PINHO, S. T. R.; BORGES, E. P. Some
properties of deformed

q-

numbers.

Braz. J. Phys., v. 39 (2A), p. 402407, 2009.

LONG, W.; SATO, Y.; ZHANG, H. Monte carlo simulation for analysis of sequential

Ieice Transactions on Fundamentals of Electronics Communications and


Computer Sciences, E83A, n. 5, p. 812817, 2000. Long, W Sato, Y Zhang, H.
failure logic.

MALACARNE, L. C.; MENDES, R. S. Regularities in football goal distributions.

Physica A: Statistical Mechanics and its Applications, v. 286, n. 1-2, p. 391395, 2000.
MANIAN, R.; DUGAN, J. B.; COPPIT, D.; SULLIVAN, K. J. Combining various
solution techniques for dynamic fault tree analysis of computer systems. In:

High-Assurance Systems Engineering Symposium, 1998. Washington, DC, USA: Third


IEEE International Publication, 1998. p. 2128.

Redes Bayesianas: o que so, para que servem,


algoritmos e exemplos de aplicaes. [S.l.]: COPPE UFRJ, 2007.
MARQUES, R. L.; DUTRA, I.

MERLE, G.; ROUSSEL, J. M.; LESAGE, J. J.; BOBBIO, A. Probabilistic algebraic


analysis of fault trees with priority dynamic gates and repeated events.

IEEE Transactions on, v. 59, n. 1, p. 250261, 2010.

Reliability,

MESHKAT, L.; DUGAN, J. B.; ANDREWS, J. D. Dependability analysis of


systems with on- demand and active failure modes, using dynamic fault trees.

TRANSACTIONS ON RELIABILITY,

IEEE

v. 51, n. 2, p. 240251, 2002. Meshkat, L

Dugan, JB Andrews, JD.


MONTANI, S.; PORTINALE, L.; BOBBIO, A.; VARESIO, M.; CODETTA-RAITERI,
D. A tool for automatically translating dynamic fault trees into dynamic bayesian
networks. In:

Reliability and Maintainability Symposium 2006 RAMS '06 Annual.

[S.l.: s.n.], 2006. p. 434441.

Processos semi Markovianos e Redes Bayesianas para avaliao


de indicadores de desempenho de conabilidade de sistemas complexos tolerantes
falha. Tese (Dissertao de Mestrado)  Programa de ps-graduao em Engenharia
MOURA, M. J. d. C.

de Produo, Universidade Federal de Pernambuco, Recife, 2006.

152

Referncias

MOYANO, L. G.; TSALLIS, C.; GELL-MANN, M. Numerical indications of a


q-generalised central limit theorem.

Europhysics Letters (EPL), v. 73, n. 6, p. 813819,

2006.
MURTHY, D. N. P.; XIE, M.; JIANG, R.

Weibull Models. New York:

John Wiley &

Sons, Inc, 2004. (Wiley Series in Probability and Statistics).


MURTHY, D. P.; RAUSAND, M.; STERS, T.

and performance. London:

Product Reliability: specication

Springer, 2008. (Springer Series in Reliability Engineering).

ISBN 978-1-84800-270-8.
NADARAJAH, S.; KOTZ, S. On some recent modications of Weibull distribution.

IEEE Trans. Reliability, v. 54, n. 4, p. 561562, 2005.


NADARAJAH, S.; KOTZ, S.

exponential is a Burr distribution.

Phys. Lett. A,

v. 359, p. 577579, 2006.


NEAPOLITAN, R. E.

Learning Bayesian Networks.

New Jersey: Pearson Prentice

Hall, 2004.
NEPOMUCENO, L. X.

Tcnicas de manuteno preditiva. So Paulo:

Editora Edgard

Blcher Ldta, 1989.


O'HAGAN, A. Bayesian analysis of computer code outputs: A tutorial.

Engineering and System Safety 91, p. 12901300, 2006.


OREDA.

Oshore Reliability Data Handbook. 4th. ed. [S.l.]:

Reliability

Det Norske Veritas (DNV)

Technica, 2002. ISBN 82-14-02705-5.


PANAGIOTIDOU, S.; TAGARAS, G. Optimal preventive maintenance for equipment
with two quality states and general failure time distributions.

Operational Research, v. 180, n. 1, p. 329353, 2007.

European Journal of

PASCUAL, R.; MERUANE, V.; REY, P. On the eect of downtime costs and budget
constraint on preventive and replacement policies.

Safety 93 (2008), p. 144151, 2008.

Reliability Engineering and System

PREZ, C.; MARTN, J.; RUFO, M. Sensitivity estimations for bayesian inference
models solved by MCMC methods.

Reliability Engineering and System Safety,

p.

13101314, 2006.
PHAM, H.; LAI, C. On recent generalizations of the Weibull distribution.

Trans. Reliability, v. 56, n. 3, p. 454458, 2007.

IEEE

Referncias

153

PICOLI, S.; MENDES, R.; MALACARNE, L.


Weibull distributions: an empirical analysis.

Applications, v. 324, p. 678688, Jun. 2003.

q -exponential,

Weibull, and

Physica A: Statistical Mechanics and its

PRATO, D.; TSALLIS, C. Nonextensive foundation of Lvy distributions.

Review E, v. 60, n. 2, p. 23982401, Aug. 1999.


RAMAKUMAR, R.

q-

Physical

Engineering Reliability: Fundamentals and Applications.

New

Jersey: Prentice-Hall, 1993.


RAMIREZ-MRQUEZ, J. E.; JIANG, W. On improved condence bounds for system
reliability.

IEEE Transactions on Reliability, v. 55, Maro 2006.

RAUZY, A. B. Sequence algebra, sequence decision diagrams and dynamic fault trees.

Reliability Engineering & System Safety, v. 96, n. 7, p. 785792, 2011.


REBOREDO, J. C.; RIVERA-CASTRO, M. A.; ASSIS, E. M. Power law behavior in
time durations between extreme returns.

Quantitative Finance. A ser publicado., 2013.

RIZZO, S.; RAPISARDA, A. Environmental atmospheric turbulence at orence


airport. In:

8th Experimental Chaos Conference.

Florence, ITALY: AIP Conference

proceedings, 2004. v. 742, p. 176.


ROMMERT, D. Applications of maintenance optimization models: a review and
analysis.

Reliability Engineering and System Safety, v. 51, n. 3, p. 229240, 1996.

SANDTORV, H. A.; HOKSTAD, P.; THOMPSON, D. W. Practical experiences with


a data collection project: the oreda project.

51 (1996), p. 159167, 1996.

Reliability Engineering and System Safety

Anlise probabilstica de riscos via redes Bayesianas: uma


aplicao na construo de Poos multilaterais. Tese (Dissertao de Mestrado)
SANTOS, W. B. d.

Programa de ps-graduao em Engenharia de Produo, Universidade Federal de


Pernambuco, Recife, 2005.
SARTORI, I.; ASSIS, E. M.; SILVA, A. L. da; MELO, R. L. F. Vieira de; BORGES,
E. P.; MELO, S. A. B. Vieira de. Reliability modeling of a natural gas recovery plant
using

q -Weibull

J. E. C. (Ed.).

distribution. In: ALVES, C. A. O. d. N. Rita Maria de B.; BISCAIA,

Computer Aided Chemical Engineering. [S.l.]:

Elsevier, 2009. v. 27, p.

17971802.

Inteligncia computacional para predio de produo de


reservatrios de petrleo. Tese (Tese de Doutorado)  Coordenao dos Programas de
SILVA, L. C. F. d.

Ps- graduao de Engenharia (COPPE), Universidade Federal do Rio de Janeiro, Rio


de Janeiro, 2006.

154

Referncias

SOUZA, A. M. de; TSALLIS, C. Student's


from an entropic variational principle.

Applications, v. 236, p. 52, 1997.


TAVARES, L. A.

t-

and

r-distributions:

Unied derivation

Physica A: Statistical Mechanics and its

Excelncia na Manuteno - Estratgias, Otimizao e

Gerenciamento. Salvador:

Casa da Qualidade Editora Ltda, 1996.

TSALLIS, C. Possible generalization of Boltzmann- Gibbs statistics.

J. Stat. Phys.,

v. 52, n. 1/2, p. 479487, 1988.


TSALLIS, C. Extensive versus nonextensive physics. In: MORN-LPEZ, J.;
SANCHEZ, J. (Ed.).

New Trends in Magnetism, Magnetic Materials and Their

Applications. New York:

Plenum Press, 1994. p. 451463.

TSALLIS, C. What are the numbers that experiments provide?

Quimica Nova, v. 17,

p. 468471, 1994.
TSALLIS, C.

Introduction to nonextensive statistical mechanics, approaching a

complex world. New York:


TSALLIS, C.

Springer, 2009.

Nonextensive Statistical Mechanics and Thermodynamics.

[S.l.]:

http://tsallis.cat.cbpf.br/biblio.htm, 2013.
TSALLIS, C.; ANTENEODO, C.; BORLAND, L.; OSORIO, R. Nonextensive
statistical mechanics and economics.

Applications, p. 89100, 2003.

Physica A: Statistical Mechanics and its

TSALLIS, C.; LEVY, S. V. F.; SOUZA, A. M. C.; MAYNARD, R. Statisticalmechanical foundation of the ubiquity of Lvy distributions in nature.

Letters, v. 75, n. 20, p. 35893593, Nov. 1995.

Physical Review

TSALLIS, C.; LEVY, S. V. F.; SOUZA, A. M. C.; MAYNARD, R. Statisticalmechanical foundation of the ubiquity of Lvy distributions in nature.

Letters, v. 77, n. 27, p. 5442, 1996.


UMAROV, S.; TSALLIS, C. On a representation of the inverse

Letters A, v. 372, n. 29, p. 48744876, 2008.


UMAROV, S.; TSALLIS, C.; STEINBERG, S. On a
with nonextensive statistical mechanics.

q -central

fq -

Physical Review

transform.

Physics

limit theorem consistent

Milan Journal of Mathematics, v. 76, n. 1, p.

307328, 2008. ISI Document Delivery No.: 387ZA Times Cited: 25 Cited Reference
Count: 54 Umarov, Sabir Tsallis, Constantino Steinberg, Stanly Birkhauser verlag ag
Basel.

Referncias

155

VESELY, W. E.; GOLDBERG, F. F.; ROBERTS, N. H.; HAASL, D. F.

Handbook. Washington:
WEIBULL, W.

Fault Tree

US NRC, 1981. (NUREG-0492).

A Statistical Theory of the Strength of Materials. [S.l.]:

Royal Swedish

Institute for Engineering Research, 1939. 45 p.


WEIBULL, W. A statistical distribution function of wide applicability.

Applied Mechanics, p. 293297, Sept. 1951.


YAMANO, T. Some properties of
statistics.

q -logarithm

and

q-

Journal of

exponential functions in Tsallis

Physica A: Statistical Mechanics and its Applications,

v. 305, p. 486496,

2002.
YEH, R. H.; CHANG, W. L. Optimal threshold value of failure-rate for leased
products with preventive maintenance actions.

Mathematical and Computer Modelling,

v. 46, n. 5-6, p. 730737, 2007.


YOU, M.-Y.; LI, H.; MENG, G. Control-limit preventive maintenance policies for
components subject to imperfect preventive maintenance and variable operational
conditions.

Reliability Engineering & System Safety, v. 96, n. 5, p. 590598, 2011.

157

Apndice A  Dedues das principais


expresses
A.1 Funes de conabilidade e derivadas
A.1.1 Funo densidade de probabilidade Weibull

f (t) =

(t t0 )1
( t0 )

" 
 #
t t0
exp
t0

t t0

(A.1.1)

A.1.2 Funo densidade de probabilidade q -Weibull


(2 q)
fq (t) =
t0

t t0
t0

1

" 
 #
t t0
expq
,
t0

t t0

(A.1.2)

A.1.3 Funo q -exponencial

expq (x) =

exp(x),
(1 + (1 q) x)
0,

se
1
1q

se
se

q 6= 1
q 6= 1

q=1
(1 + (1 q) x) > 0
(1 + (1 q) x) 0

(A.1.3)

A.1.4 Funo conabilidade


A funo conabilidade

Rq (t) =

fq (x)dx,

ou seja,

Rq (t) =
t

Sabe-se que

(2 q)
t0

t0 t0
t0

1

" 
 #
t0 t0
expq
dt0
t0

(A.1.4)

158

Apndice A

expq ()d =

2q
1 
expq ()
(2 q)

(A.1.5)

Identicando

t0 t0
t0

d =

, logo

Rq (t) = (2 q)

1
t0



t0 t0
t0

1

dt0

expq [] d ,

temos:

(A.1.6)

usando a integral da

q -exponencial

(Equao A.1.5) ca:


2q
1
Rq (t) = (2 q) (2q)
expq ()

t



2q

= expq ()


  t  2q

0 t


0
= expq tt

0

(A.1.7)

e a conabilidade :

" 
 #)2q
t t0
expq
,
t0

(
Rq (t) =

t t0

(A.1.8)

A.1.5 Funo de falha acumulada


" 
 #)2q
t t0
expq
,
t0

(
F q (t) = 1

t t0

(A.1.9)

 
 
tt0
expq t0

 
 2q
tt0
expq t0

(A.1.10)

" 
1 (
 #)q1
t t0
expq
t0

(A.1.11)

A.1.6 Funo taxa de falha

hq (t) =

f (t)
=
R(t)

(2 q)
hq (t) =
t0

(2q)
t0

t t0
t0

tt0
t0

1

A.1

Funes de confiabilidade e derivadas

159

A.1.7 Derivada temporal da taxa de falha


A derivada da

q -exponencial

q
d expq x
= expq x
dx
Fazendo

k=

(2q)
e
t0

tt0
t0

(A.1.12)

na Equao A.1.11 temos

d =

1
dt
t0

 q1


hq (t) = k 1 expq

h0 q (t)
k

(A.1.13)



 q1
1
= ( 1) 2 t
expq
+
0
 1

  q2 

 q
1
() 1 t
+
(q 1) expq
expq
0

(A.1.14)




 q1 22
 2q2
h0 q (t)
1
1 
= ( 1) 2
expq
+
(q 1) expq
()
k
t0
t0
(A.1.15)

h0 q (t) =

o

 q1 2 n


 q1
k 
expq

( 1) + (q 1) expq
()
t0
(A.1.16)

Chamando

l = ( 1) + (q 1) expq

l = ( 1) + (q 1)

 q1

()

temos

n
 1 oq1
1 + (1 q) +1q
()

l = ( 1) + (q 1)

l = ( 1) +

l=

n

1 + (1 q)

1 o
+

()

(q 1) ()
[1 + (1 q) ( )]+



( 1) 1 + (1 q) + + (q 1) ()
[1 + (1 q) ( )]+

(A.1.17)

(A.1.18)

(A.1.19)

(A.1.20)

160

Apndice A


( 1) + ( 1) (1 q) + (q 1) ()
l=
[1 + (1 q) ( )]+

(A.1.21)


( 1) + ( 1) (q 1) + (q 1) ()
l=
[1 + (1 q) ( )]+

(A.1.22)


( 1) + (q 1) [( 1) + ()]
l=
[1 + (1 q) ( )]+

(A.1.23)


( 1) + (1 q)
l=
[1 + (1 q) ( )]+

(A.1.24)

l=

h0 q (t) =

h0 q (t) =

1+

1q
1


 q1 2
k ( 1) 
expq

[1 + (1 q) ( )]+
t0

1+

1q
1

(A.1.26)

k ( 1)

t0 [1 + (1 q) ( )]+ [1 + (1 q) ( )]+

h0 q (t) =

k ( 1)
t0

(2 q) ( 1)
t0
t0

2

tt0

(2 q) ( 1) t
0
( t0 )2

1+

1q
1

(A.1.27)

(A.1.28)

[1 + (1 q) ( )]2+

h q (t) =

(A.1.25)

[1 + (1 q) ( )]+

h0 q (t) =

h


i
1q
( 1) 1 + 1

1+

1q
1

(A.1.29)

[1 + (1 q) ( )]2+

1+

1q
1



tt0
t0


 
 2

tt

1 + (1 q) t00

(A.1.30)

A.1

Funes de confiabilidade e derivadas

0
Note que lim hq (t)
q1

(1)
(t0 )2

tt0
t0


1+

2

h0 q (t) = 0

Tempo para o qual a derivada

161

1q
1

1q
1





t t0
t0

t t0
t0

t t0
t0


=


=0

(A.1.31)


=1

(A.1.32)

(A.1.33)

1
1q
1


1/
t t0
1
=
t0
1q


t = t0 + ( t0 )

1
1q

(A.1.34)

1/
(A.1.35)

Valor extremo da taxa de falha

(2 q)
hq (t ) =
t0

t t0
t0

" 
1 (
 #)q1
t t0
expq
t0

(2q)
t0

t0 +(t0 )( 1
1q )

1/

t0

1

t0
" 
#)
 q1
1/
t0 +(t0 )( 1
t0
1q )
expq
t0

hq (t ) =

(2q)
t0

hq (t ) =



1
1q

hq (t ) =

(2q)
t0

Recorrendo a denio da

1
1q

 #)q1

h 
 1
n
ioq1

1
expq 1q

q -exponencial

(A.1.37)

1/ 1

" 

1/
1
expq
1q

(A.1.36)

em Equao A.1.3

(A.1.38)

(A.1.39)

162

Apndice A

hq (t ) =

(2q)
t0

1
1q

h
 1

(2q)
t0

hq (t ) =

hq (t ) =

1 (1 q)

1
1q

(2q)
t0

1
1q

q1
1
i 1q

(A.1.40)


q1
 1
1

1q
[]+

2q
t0

hq (t ) =

1
1q

 1

1
1q

(A.1.41)

(A.1.42)

 1

(A.1.43)

A.1.8 Segunda derivada temporal da taxa de falha


Identicando na Equao A.1.30

m=

1+
v=

(2q)(1)
, fazendo
(t0 )2

1q
1



tt0
t0

u=

tt0
t0

2

 
 2
tt0
1 + (1 q) t0

(A.1.44)

A segunda derivada temporal da taxa de falha :

h00q (t) = m(uv)0

(A.1.45)

h00q (t) = m(u0 v + uv 0 )

(A.1.46)

Sabemos que:

u =

2
t0



t t0
t0

3
(A.1.47)


 



 2
1q
tt0
tt0
Na Equao A.1.44 fazendo r = 1+
e s = 1 + (1 q)
1
t0
t0
+

0
0
r 0
r srs
r
0
temos v =
e a derivada do quociente v =
=
.
s
s
s2

A.1

Funes de confiabilidade e derivadas

r =

163

1q
1

t0

tt0
t0

1

(A.1.48)

" 
 #)

1
() (1 q) t t0
t

t
0
0
s = 2 1 + (1 q)
t0
t0
t0
(

(A.1.49)

 
 2
tt0
vs =
1 + (1 q) t0












1
()(1q)
1q
tt0
tt0
tt0
1 + 1
2
1
+
(1

q)

t0
t0
t0
t0
0 2

1q
1

t0

tt0
t0

1 

(A.1.50)

 
1 
 
tt0
1 + (1 q) t0









tt0
1
1 + (1 q) t0
+

1


 


1q
tt0

2
1 + 1

t0

(1q)
t0

vs =

0 2

Chamando

p =

p=

tt0
t0

1
1



(A.1.51)

 
  
 


1q
tt0
tt0
+ 1 + 1
2
1 + (1 q) t0
t0

te-

mos

p=



1
1

1q
1

1
1

 
  

 

1q
tt0
tt0
t0
+ 2 + 2 1
t0

p=

1q
1



1
1

Retornando a Equao A.1.51

tt0
t0

1q
1

+2+2



tt0
t0

1q
1



+2

tt0
t0

(A.1.52)

(A.1.53)

(A.1.54)

164

Apndice A

0 2

vs =

(1q)
t0

tt0
t0

 

1 
   
 


tt0
1q
tt
1
0
1 + (1 q) t0
+ 1
+2
1
t
0

(A.1.55)

v0 =

(1q)
t0

tt0
t0

1  



1q
1
+ 1
1

 
 3
tt
1+(1q) t0
0

tt0
t0


+2
(A.1.56)

Agora temos:

h00q (t) = m

0
+



1 
 


(1q)
tt0
1q
tt0
1

+ 1
+2

t0
t0
1
t0


 
 3

tt0

1+(1q) t
0


3


2
tt0

t0
t0


2

tt

t0



tt0
1q
1+( 1
) t
0

 
 2
tt
1+(1q) t0

(A.1.57)

h00q (t) = m

1

 
 2
tt
(t0 ) 1+(1q) t0
0

Denominando

tt0
t0

3

1q
1



tt0
t0

( 2) + ( 2)
+

  
 


tt0
1q
tt0
1
(1 q) t
+
+2
0
1
1
t
0


 
 
tt
1+(1q) t0
0

(A.1.58)




1q
tt

( 2) + ( 2) 1
+

t0





 
 


tt
1q
0
tt
1
0
g =
(1 q) t0
+ 1
+2
1
t0


 

 

tt0

1+(1q)
t0

mos:

te-

A.1

Funes de confiabilidade e derivadas

g=

165

 
  
 
tt0
( 2) + ( 2)
1 + (1 q) t0
+



 
 


tt0
1q
tt0
1
(1 q) t
+ 1
+2
0
1
t0


1q
1



tt0
t0

 
 
tt
1+(1q) t0
0

(A.1.59)

g=




1q
tt0
( 2) + ( 2) 1
+
t0
 


 
 

1q
tt0
tt0
(1 q) t0
+
( 2) + ( 2) 1
t0


  

 

tt0
1q
tt0
1
(1 q) t
+
+2
0
1
1
t0


 
 
tt
1+(1q) t0
0







1q
tt0
tt0

( 2) + ( 2) 1
( 2) (1 q) t0 +


2 0





1q
1q
tt0
tt0

( 2) (1 q) t0
+ 1
+

1
t0








1q

tt0
tt0

(1 q) 1
+ 2 (1 q) t
t0
0

 

g=


tt0

1 + (1 q) t

(A.1.60)

(A.1.61)






1q

tt
tt
0
0

( 2) + (2 2) 1
+ ( + 2) (1 q) t0 +

t0



2

1q
tt0

2 (1 q) 1
t0



g=



tt0

1 + (1 q) t0

(A.1.62)

166

Apndice A







2

1q

tt0
tt0
tt0
( 2) + 2 (1 q) t
+ ( + 2) (1 q) t0 + 2 (1 q) 1
t0
0

 

g=


tt0

1 + (1 q) t
0

(A.1.63)





2

1q

tt0
tt0
( 2) + ( + 4) (1 q) t
+ 2 (1 q) 1
t0
0

 

g=


tt0

1 + (1 q) t
0
Retornando os valores de

h00q (t) =

(2q)(1)
3
(t0 )

tt0
t0

3

(A.1.64)

m:


tt0
+ 2 (1
t0

 
 3
tt
1+(1q) t0


( 2) + ( + 4) (1 q)

q)

1q
1



tt0
t0

2

(A.1.65)

A.2 Tempo mximo da distribuio q-Weibull



(1 + (1 q) x) = 0 1 (1 q)


(1 q)

tmax t0
t0

tmax t0
=
t0

1
1q


=1

tmax t0
t0

tmax t0
t0

 1


tmax t0 = ( t0 )

=0

(A.2.1)

1
1q

(A.2.2)

1
1q

 1
(A.2.3)

tmax = t0 + ( t0 ) (1 q)

(A.2.4)

A.3

Momentos da distribuio q-Weibull para t0 6= 0

167

A.3 Momentos da distribuio q-Weibull para t0 6= 0


A.3.1 Momento de ordem n para q > 1

0n =

tn fq (t)dt =

t t0
t0

1

" 
 #
t t0
dt
expq
t0

(A.3.1)

t0

chamando

0n

tn (2 q)
t0

tt0
temos
t0

t = ( t0 ) + t0

dt = ( t0 ) d

h
i

= [( t0 ) + t0 ] (2 q)
( )
expq ( ) ( t0 ) d
t0
i
h
o
n n 
P

1
j nj
n

( t0 ) d

(
)
(
)
exp
=
(2

q)
[(

t
)

]
t
0
q
0
t0
j
t0 j=0
)
(
h
i
n

j
P

j
1
n nj
t
( t0 ) (2 q) ( )
expq ( ) d
=
j 0
j=0
t0
(
)
h
i

n


P
n nj
=
t
( t0 )j (2 q) ( )+j1 expq ( ) d
j 0
n

t0

j=0

t0

(A.3.2)

= x

chamando

d =

0n

1
1
x

dx.

temos

dx = 1 d

0n

Retornando a

= x

logo

d =

1
 1 1 dx ou seja

temos:

   


 1 +j1
1
1

( t0 ) (2 q) x
expq x
=
1 dx
x
j=0 
0

n

+j1
1
P
j
n nj
t
(

t
)
(2

q)
x expq [x] x dx
=
0
j 0
j=0 
0

j
n


P
j
n nj

=
t
( t0 ) (2 q) x expq [x] dx
j 0
n
P

n
j

tnj
0

j=0

Utilizando a representao integral da

expq (x) =

(A.3.3)

1
q1

q -exponencial

de Tsallis (1994a) temos:

u q1 1 eu e(q1)xu du (q > 1, x > 0).


0

(A.3.4)

168

Apndice A

0n

n-simo

=
=

n
P

momento ca:

n
j

tnj
0

n
j

tnj
0

j=0 
n
P

j=0

( t0 ) (2 q)
( t0 ) (2 q)

x dx expq [x]
j

x dx

1
1
( q1
)

1
1
q1

(q1)xu


du

(A.3.5)

Invertendo a ordem da integrao:

0n

n
P

j
 nj
n t0 (t0 ) (2q)
j
( 1 )
q1

j=0

du u

1
1
q1

(q1)xu

dxx e

(A.3.6)

Comparando a integral interna com a denio da funo

ev v z1 dv

(z) =

(A.3.7)

Identicando

z = 1 + j/

v = (q 1)xu

temos

x=

v
com
(q1)u

dx =

dv
e
(q1)u

z 1 = j/

logo

temos que:

(q1)xu

dxx e

dv
(q1)u

v
(q1)u

0 (q1)

1+

1+

(q1)

1+

1+

1+

(q1)

ev

dv
1+

 j

v ev

(A.3.8)

v e dv

j
1+
0

Retornando:

0n

n
P
j=0

Organizando:

j
 nj
n t0 (t0 ) (2q)
j
( 1 )
q1

du u

1
1
q1

(1+ j )
(q1)

1+

1+

(A.3.9)

Momentos da distribuio q-Weibull para t0 6= 0

A.3

0n =

j
j
 nj

n t0 (t0 ) (2q)(1+ )

n
P

j=0

=
=

(q1)

j=0

1
q1

1+

(q1)

1
q1

)
du u

1
1
q1

eu

j=0

du u

1
11 j
q1

Comparando novamente com a denio de

0n =

n
P

j=0

1
1+

j
j
 nj

j
1
n t0 (t0 ) (2q)(1+ )
du u q1 2
j
j
1+
1
(q1) ( q1
0
)

n
P

1+

j
j
 nj

n t0 (t0 ) (2q)(1+ )

n
P

169

)
eu
)

(A.3.10)

eu

temos:



j
j
 nj
n t0 (t0 ) (2q)(1+ )
j
1

j
j
q1

1+
1
(q1) ( q1
)

)
(A.3.11)

1
1
> 0 q 1 > 0 q > 1 e q1
1 j > 0 q1
> 1 + j

q 1 < +j
q < 1 + +j
, ou seja 1 < q < 1 +
, onde j = 1, 2, , n ento
+j

1
1 < q < 1 + +n . A Equao A.3.11 pode ser reescrita considerando que q1
1 = 2q
q1
1
e usando a propriedade da funo gama (m + 1) = m(m). Identicando m + 1 =
,
q1

 
    
 
2q
1
1
1
= q1
1 q1
1 = 2q
q1
. Com isso Equao A.3.11
portanto
q1
q1
1
q1

Com as restries

ca:

0n =

n
P
j=0

0n =

n
P

j
j
 nj
n t0 (t0 ) (2q)(1+ )

j
j
1+
2q
(q1) ( 2q
q1 ) ( q1 )

(

n nj
t
( t0 )j
j 0

(1+ j )
j
(q1)

1
q1

1
q1

)
(A.3.12)

)
 

(
j
j
1
1
1 + q1 1
=
j
( 2q
q1 )
(q1)
j=0 

 

n
P
(t0 )j
(nj)tnj
0
j
2q
j
1
=
1 + q1
j
( 2q
q1 )
(q1)
j=0
j=0

n
P

n
j

(t0 )j
)tnj
0

2q
q1

(A.3.13)

ou seja:

0n =

n
P
j=0

(
n
j

tnj
0

( t0 ) 1 +

( 2q
j )
q1
j
(q1)

2q
q1

,
)

1<q <1+

+n

(A.3.14)

170

Apndice A

0
Note que limq1 n

o

n n 
P
j
n nj
j
que a expresso do n-simo
( t0 ) 1 +
=
t
j 0
j=0

momento da distribuio Weibull.


lim qmax

=2

e limj qmax

qmax = 1 +

Chamando

tem-se lim0 qmax


j+

= 1,

= 1.

A.3.2 Momento de ordem n para q < 1


Utilizando a representao integral da

q -exponencial

vlida para

q<1

vide Lenzi,

Mendes e Rajagopal (1999)

expq (x) =

2q
1q

e1+iu
2q

e(1q)(1+iu)x du,
(A.3.15)

(1+iu) 1q

(q < 1, 1 (1 q)x > 0)


o

n-simo

momento ca





1+iu
j 1
2q
n nj
e
(1q)(1+iu)x
0n =
t0 ( t0 )j (2 q) dx x
e
du
2q
j

2
1q
1q
(1
+
iu)
j=0
0

n 
X

(A.3.16)

Invertendo a ordem de integrao:

0n =

n  
X
n
j=0

tnj
( t0 )j (2 q)
0

2q
1q

du

(1 + iu)

1+iu

dx x e(1q)(1+iu)x

2q
1q

(A.3.17)

Comparando a integral interna com a denio da funo gama:


identicando

v = (1 q)(1 + iu)x,

dx x e(1q)(1+iu)x =
=

dv v z1 ev ,

logo

dv = (1 q)(1 + iu)dx

 j

dv

1
(1q)(1+iu)

1
(1q)(1+iu)

(1q)

1+



1+ j

=
e assim

0
e a integral ca

(z) =

1+

(1+iu)

v
(1q)(1+iu)
j

dv (v) ev
0

1 + j ,

ev
(A.3.18)

A.3

Momentos da distribuio q-Weibull para t0 6= 0

171

2q
 nj
( 1q
)
j

t0 ( t0 ) (2 q) 2
0


n =

1+iu
1

du e 2q
1 + j

j
j
j=0
1+
1+
1q
n
j

(1+iu)

(1q)

(A.3.19)

(1+iu)

 


2q
j


1
+
1+iu
1q

n nj
e
1
t0 ( t0 )j (2 q)
du
0n =
2q
j
1+
1+ j
j
2
1q (1 + iu)
(1
+
iu)
(1

q)
j=0

n 
X

(A.3.20)

0n =

n
X

n
j

tnj
0

( t0 )

j=0

2q
1q

e1+iu

du

(2q) (1+ ) 1
j 2
(1q)
(1q)
1

2q

(1+iu) 1q (1+iu)

1+

(A.3.21)




j




n nj
2 q (2 q) 1 + 1
e1+iu
j
0
n =
t
( t0 )
du
,
2q
+1+ j
j 0
1 q (1 q) (1 q) j 2
1q
(1
+
iu)
j=0

n 
X

(A.3.22)

mas a funo gama admite outra representao integral (vide Gradshteyn, Ryzhik e Jerey
(1994) equao 8.315 2).

2eab bz1
=
(z)

du

ebui
(a + iu)z

(A.3.23)

identicando

a = 1, z =

du

assim a expresso do

2q
1q

+1+

j
,

e1+iu
2q
j
+1+

(1+iu) 1q

n-simo

b = 1,

=e

a integral interna ca

du

eui
2q

(1+iu) 1q

2e1 1z1
e 2q +1+ j
( 1q
)

2
( 2q
+1+ j )
1q

momento ca:

+1+

(A.3.24)

172

Apndice A




j


n  

1
+
X

2 q (2 q)
n nj
2
1


t0 ( t0 )j
0n =
j
1 q (1 q) (1 q) j 2 2q + 1 + j
j=0
1q

(A.3.25)






 1+ j

n nj
1
2q
j (2 q)
0


t
( t0 )
n =

j 0
(1 q)
1 q (1 q) j 2q + 1 + j
j=0
1q

n 
X

usando a propriedade

(z + 1) = z(z)

(A.3.26)

tem-se:




 1+ j



1
n nj
2q
j
0


+1
n =
t
( t0 )
j
j
j 0
1q
(1 q) 2q
+
1
+
j=0
1q

(A.3.27)




2q




+
1

1q
n nj
j


0n =
t0 ( t0 )j 1 +
j
(1 q) j 2q + 1 + j
j=0

(A.3.28)




32q




1q
n nj
j
j
0


n =
t
( t0 ) 1 +
j 0
(1 q) j 32q + j
j=0
1q

(A.3.29)

n 
X

n 
X

1q

n 
X

n-simo

momento ca:

0n =

n
P
j=0

(
n
j

tnj
0

( t0 ) 1 +
q<1

( 32q
1q )
j

(1q) ( 32q
+ j )
1q

)
,

(A.3.30)

A.3

Momentos da distribuio q-Weibull para t0 6= 0

173

A.3.3 Momentos em torno da mdia

(t

n =

n
01 )

(t

fq (t)dt =

n
01 )

(2 q)
t0

t t0
t0

" 
 #
t t0
expq
dt
t0

1

t0
(A.3.31)

Equao A.3.2 ca:

h
i
1

[( t0 ) + t0 01 ]n (2 q) t
(
)
exp

(
)
( t0 ) d
q
0
t0 (
)
h
i

n


nj
j
+j1
n
( t0 ) (2 q) ( )
expq ( ) d
(t0 01 )
=
j

n =

j=0

(A.3.32)

t0

Observando a Equao A.3.14 e a Equao A.3.30 temos:

n =

n
P

(

n
j

j=0

(t0 01 )nj ( t0 )j 1 +

( 2q
j )
q1

j
(q1)

2q
q1

1<q <1+

+n
(A.3.33)

n =

n
P

j=0


n
j

(t0 01 )nj ( t0 )j 1 +

j
(1q)

32q
1q

32q
+ j
1q

q<1

Note que

lim n =

q1

n h 
P
n
j=0

(t0

01 )nj

( t0 ) 1 +

i

,
)

(A.3.34)

174

Apndice A

A.4 Momentos da distribuio q-Weibull para t0 = 0


A.4.1 Momento de ordem n para q > 1

tn fq (t)dt =

n =
0

chamado

tn (2 q)

"   #
 1

t
t
expq
dt

(A.4.1)

= t/

dt = d

temos

n =

h
i
n n (2 q) ( )1 expq ( ) d

= (2 q) n

(A.4.2)



+n1 expq d

chamando

= x

temos

dx = 1 d

= x

logo

d =

d =
x

dx.

Retornando a

temos:

   

 1 +n1
1

expq x
= (2 q) x

= n (2 q)
= n (2 q)

1
1 dx ou seja

1
x

+n1

expq [x] x

dx

dx

(A.4.3)

x expq [x] dx

Utilizando a representao integral da

expq (x) =

n-simo

1
q1

q -exponencial

Tsallis (1994a) temos:

u q1 1 eu e(q1)xu du (q > 1, x > 0).

(A.4.4)

momento ca:

n = n (2 q)

x dx expq [x]

= (2 q)

x dx 1
( q1 )

1
1
q1

(A.4.5)

(q1)xu

du

A.4

Momentos da distribuio q-Weibull para t0 = 0

175

Invertendo a ordem da integrao:

n =

n (2q)
1
( q1
)

du u q1 1 eu

dxx e(q1)xu

(A.4.6)

Comparando a integral interna com a denio da funo

ev v z1 dv

(z) =

(A.4.7)

Identicando

z = 1 + n/

v = (q 1)xu

v
com
(q1)u

x=

temos

dv
e
(q1)u

dx =

z 1 = n/

logo

temos que:

(q1)xu

dxx e

dv
(q1)u

ev

v ev
(A.4.8)

v e dv

n

1
+
1+ n

1+ n 1+ n
u

(q1)

 n
n

dv

1+ n 1+ n
(q1) u

v
(q1)u

0

1+ n
u

(q1)

Retornando:

n =

n (2q)
1
( q1
)

(1+ n
)

du u q1 1 eu

1+ n 1+ n
u

(q1)

(A.4.9)

Organizando:

n =
=

n (2q)(1+ n
)

1+ n
(q1)

1
q1
n
(2q)

(1+ n )

1+ n

1
( q1
)(q1)

du u q1 1 eu
u

1
2 n
q1

1
q1

> 1+

du

1+ n

temos:

1
q1

(A.4.11)

1
> 0 q 1 > 0 q > 1 e q1
1 n > 0

q 1 < +n
q < 1 + +n
, ou seja 1 < q < 1 +
. A Equa+n

Com as restries

1
q1

n (2q)(1+ n
)
1
( q1
)(q1)

(A.4.10)

Comparando novamente com a denio de

n =

1+ n

176

Apndice A

1
q1

o A.4.11 pode ser reescrita considerando que

1 =

(m + 1) = m(m). Identicando m + 1
 
    
2q
2q
1
q1
. Com isso Equao A.4.11
1 q1
1 = q1

da funo gama

1
q1

2q
e usando a propriedade
q1
 
1
1
= q1
, portanto
=
q1

n (1+ n
)



1
n

q1

2q
( 2q
q1 ) ( q1 )

 

n
1
= 2q
1 + n 2q
n
n
q1
( q1 ) (q1)

n =

2q
q1

ca:

n
(q1)

(A.4.12)

ou seja:



n = n 1 + n

Note que limq1 n

(q1) ( 2q
q1 )



= n 1 + n

tribuio Weibull. Chamando


lim qmax

( 2q
n
q1
)

1<q <1+

que a expresso do

qmax = 1 +

+n

(A.4.13)

n-simo

tem-se lim0 qmax


n+

= 1,

momento da dis-

lim qmax

=2

= 1.

A.4.2 Momento de ordem n para q < 1


Utilizando a representao integral da

q -exponencial

vlida para

q<1

vide Lenzi,

Mendes e Rajagopal (1999)

expq (x) =

2q
1q

e1+iu
2q

e(1q)(1+iu)x du,
(A.4.14)

(1+iu) 1q

(q < 1, 1 (1 q)x > 0)


o

n-simo

momento ca

n = n (2 q)

1
dx x 2

2q
1q

e1+iu
2q
(1+iu) 1q

e(1q)(1+iu)x du .

(A.4.15)

Invertendo a ordem de integrao:

n = n (2 q)

2q
( 1q
)

du

e1+iu
2q
(1+iu) 1q

dx x e(1q)(1+iu)x .

Comparando a integral interna com a denio da funo gama:


identicando

v = (1 q)(1 + iu)x,

logo

(A.4.16)

dv = (1 q)(1 + iu)dx

(z) =

dv v z1 ev ,

0
e a integral ca

A.4

Momentos da distribuio q-Weibull para t0 = 0

dx x e

(1q)(1+iu)x

=
=

0


dv

177

1
(1q)(1+iu)

1
(1q)(1+iu)



v
(1q)(1+iu)

1+ n

 n

ev

dv (v) ev
0

n

1
+
,
1+ n

(A.4.17)

1+ n
(1+iu)

(1q)

e assim




( 2q
1+iu
1q )
1
n
du e 2q

1
+
n = n (2 q) 2
n
n
1+
1+

(1+iu) 1q (1q) (1+iu)

  
n

2q (1+ ) 1
e1+iu
= n 2q
du
,
n
2q
1q
1q
+1+ n
2
(1q)

(1+iu) 1q

(A.4.18)

mas a funo gama admite outra representao integral (vide Gradshteyn, Ryzhik e Jerey
(1994) equao 8.315 2)

2eab bz1
=
(z)

du

ebui
,
(a + iu)z

(A.4.19)

identicando

a = 1, z =

2q
1q

du

assim a expresso do

+1+

n
,

b = 1,

e1+iu
2q
+1+ n

(1+iu) 1q

n-simo

a integral interna ca

=e

du

eui
2q

(1+iu) 1q

2e1 1z1
e 2q +1+ n
( 1q
)

2
,
( 2q
+1+ n
1q
)

+1+ n

momento ca:

    1+ n
( ) 1
2q
2
n = n 2q
n
2q
n
1q
1q
(1q) 2 ( 1q +1+ )
    1+ n
( )
1
= n 2q
2q
.
n
2q
1q
1q

+1+ n

(
(1q)
1q
)
Usando a propriedade

(A.4.20)

(z + 1) = z(z)

tem-se

(A.4.21)

178

Apndice A

n = n

2q
1q

+1


(1+ n )

1
n
2q
n
(1q) ( 1q +1+ )
+1
( 2q
)
1q


= n 1 + n
n
(1q) ( 2q
+1+ n
1q
)


32q

( 1q )
n
n
= 1+
.
n
(1q) ( 32q
+n
1q
)
O

n-simo

(A.4.22)

momento ca:



n = n 1 + n

( 32q
1q )
n

(1q) ( 32q
+n
1q
)

q<1

(A.4.23)

A.5 q
Clculo de

q :

Fq (q ) = 1 e1

(A.5.1)

" 
 #)2q
q t 0
expq
= 1 e1
t0

(A.5.2)

" 
 #)2q
q t0
expq
= e1
t0

(A.5.3)

(
1

" 
 #
 1
1
q t0
= e1 2q = e q2
expq
t0


q t0
t0

(A.5.4)

= lnq e q2

(A.5.5)

 1
1
q t0 
q2
= lnq e
t0

q = t0 + ( t0 ) lnq e

1
q2

(A.5.6)

 1

(A.5.7)

A.6

Mdia ou MTBF

179

A.6 Mdia ou MTBF


Mdia:

01 = M T BF =

1
P

t1j
( t0 )j 1 +
0

j=0

( 2q
j )
q1

j
(q1)

2q
q1

1<q <1+

+n
(A.6.1)

01 = M T BF =

1
P

tnj
( t0 )j 1 +
0

j=0

( 32q
1q )

(1q) ( 32q
+ j )
1q

)
,

(A.6.2)

q<1

A.7 Mediana
Mediana:

"
Rq (t) = exp


(2 q)

1
2q

t t0
t0

 #
,

t t0

Rq (Md) = 0.5

"
exp


(2 q)

1
2q


(2 q)

t0
t0

t0
t0

Md

t0
t0

t0
t0

Md

(A.7.2)

Md

Md

(A.7.1)

 #
= 0.5

(A.7.3)

0.5

(A.7.4)


= ln

ln


=

0.5

2q

ln

1
2q

1
2q

1
2q

(A.7.5)

0.5

q2

(A.7.6)

180

Apndice A

ln

t0
=
t0

Md

1
2q

0.5

(A.7.7)

q2

ln
Md

! 1

= t0 + ( t0 )

1
2q

0.5

! 1
(A.7.8)

q2

Note que:

lim Md = t0 + ( t0 ) (ln 2)

(A.7.9)

q1

A.8 Moda
A Moda denida pelo


dfq (t)
=
dt

(2 q)
dfq (t)
=
dt
t0

tal que

(2q)
t0

tt0
t0

= 0,

1

(

t t0
t0

1

=0

" 
 #)0
t t0
=0
expq
t0

(
1

(t t0 )

logo:

 
 
tt0
expq t0

dt

dfq (t)
(2 q)
=
dt
( t0 )

dfq (t)
=
dt

dfq (t)
dt

" 
 #)0
t t0
expq
=0
t0

" 
 #)0
t

t
0
(t t0 )1 expq
= 0,
t0

(A.8.1)

(A.8.2)

(A.8.3)

(A.8.4)

logo

( 1) (t t0 )

" 
" 
 #
 #0
t t0
t t0
1
expq
+ (t t0 )
expq
=0
t0
t0

(A.8.5)

A.8

Moda

181

 
 
tt0
( 1) (t t0 )
expq t0
+
 


1
()
tt0
q
(t t0 )
expq t0
(t t0 )1 = 0
(t )
2

(A.8.6)

" 
" 
 #
 #
t t0
t t0

=0
( 1) (t t0 )2 expq
+ (t t0 )22 expqq
t0
t0
( t0 )
(A.8.7)

" 
" 
 # (


 #)
t

t
t

t
t

t
0
0
0
(t t0 )2 expq
1 + ()
expqq1
=0
t0
t0
t0
(A.8.8)


1 + ()

Chamando

a=

tt0
t0

t t0
t0

" 
 #
t

t
0
expq1

=0
q
t0

temos:

1 + () a expq1
[a] = 0
q

(A.8.10)

() a expq1
[a] = 1
q

(A.8.11)

expq1
[a] =
q


expq [a] =

1
a

1
1q

[1 + (1 q) (a)]+

[1 (1 q) a]

1
1q


=

(A.8.9)

1
a


=

1
a

(A.8.12)

1
 q1

1
a

>1

(A.8.13)

1
 q1

q 6= 1

(A.8.14)

(1 (1 q) a) > 0

(A.8.15)

1
 q1

q 6= 1

182

Apndice A

a
1

(A.8.16)

a
=0
1

(A.8.17)

1 (1 q) a =

1 (1 q) a

1 (1 q) ( 1) a
a

=0
1
1

(A.8.18)

1 (1 q) ( 1) a a
=0
1

(A.8.19)

1 (1 q) ( 1) a a = 0

(A.8.20)

(1 q) ( 1) a + a = 1

(A.8.21)

a [(1 q) ( 1) + ] = 1

(A.8.22)

a [ 1 q + q + ] = 1

(A.8.23)

a [ (2 q) + q 1] = 1

(A.8.24)

a=

Retornando o valor de

1
(2 q) + q 1

(A.8.25)

temos:

t t0
t0

t t0
=
t0

1
(2 q) + q 1

1
(2 q) + q 1

(A.8.26)

 1
(A.8.27)

A.9

rvore de Falha Dinmica

183


t = t0 + ( t0 )

1
(2 q) + q 1

 1
(A.8.28)

A Moda vale:


Mo

= t0 + ( t0 )


Mo

= t0 + ( t0 )


Mo

= t0 + ( t0 )

= t0 + ( t0 )

 1
,

1
+ q + q 1

1
+ (1 q) (1 q)


Mo

1
(2 q) + q 1

>1

(A.8.29)

 1
,

>1

(A.8.30)

 1
,

1
+ ( 1) (1 q)

>1

(A.8.31)

 1
,

>1

(A.8.32)

Note que:


lim Mo = t0 + ( t0 )

q1

 1
,

>1

(A.8.33)

A.9 rvore de Falha Dinmica


A.9.1 Derivada temporal da funo de falha acumulada da porta
WSP
A funo de falha acumulada da porta WSP denida por




P
S
W SPP1 ,S1 (t) = 1 1 W SPPS71
1 W SPPP17
,S1 (t)
,S1 (t) .

(A.9.1)

A sua derivada temporal


0 

0
P
P 7S
W SPP1 ,S1 (t) = 1 W SPPS71
(t)
1

W
SP
(t)
+
,S1
P1 ,S1


0
S7P
P 7S
1 W SPP1 ,S1 (t) 1 W SPP1 ,S1 (t) .

(A.9.2)

184

Apndice A

Dividindo em duas partes ca

W SPP1 ,S1 (t) = W SP aP1 ,S1 (t) + W SP bP1 ,S1 (t),

(A.9.3)


0 

P
S
W SP aP1 ,S1 (t) = 1 W SPPS71
1 W SPPP17
,S1 (t)
,S1 (t)

(A.9.4)



0
P
S
W SP bP1 ,S1 (t) = 1 W SPPS71
1 W SPPP17
,S1 (t)
,S1 (t) .

(A.9.5)

assim

A derivada em relao ao tempo presente na Equao A.9.4


0
P
W SPPS71
= fq,P (t)FS1 dor (t).
(t)
,S1

(A.9.6)

Para a derivada temporal presente na Equao A.9.5 vamos aplicar a relao


d

g(t)p(t x1 ) dx1

g(t)p0 (t x1 ) dx1 + g(t)p(0)

dt

(A.9.7)

a
na Equao 5.2.30, assim temos


0
S
W SPPP17
,S1 (t) = KW SP

x1 =t

x1 =t01

fq,P (x1 )fS1 atv (t x1 )dx1 + fq,P (t)FS1 atv (0) .

(A.9.8)

Retornando Equao A.9.4



S
W SP aP1 ,S1 (t) = fq,P (t)FS1 dor (t) 1 W SPPP17
,S1 (t)
e Equao A.9.5

(A.9.9)

A.10

Tempo esperado por ciclo de manuteno

W SP bP1 ,S1 (t) =


(

x
1 =t

185


P
1 W SPPS71
(t)
KW SP
,S1
)

fq,P (x1 )fS1 atv (t x1 )dx1 + fq,P (t)FS1 atv (0) ,

(A.9.10)

x1 =t01
temos



0
S
W SPP1 ,S1 (t) = fq,P (t)FS1 dor (t) 1 W SPPP17
,S1 (t) +


P
+ 1 W(SPPS71
(t)

,S1
)
x
=t
1
KW SP
fq,P (x1 )fS1 atv (t x1 )dx1 + fq,P (t)FS1 atv (0) ,
x1 =t01
(A.9.11)
e nalmente

W SPP1 ,S1 (t) = fq,P


" (t)FS1 dor (t)
#
x
1 =t
1 KW SP
fq,P (x1 )FS1 atv (t x1 )dx1 +
x1 =t01
"
#
x
2 =t
+ 1
fq,P (x2 )FS1 dor (x2 )dx2
x2 =t02
(
)
x
1 =t
KW SP
fq,P (x1 )fS1 atv (t x1 )dx1 + fq,P (t)FS1 atv (0) .
x1 =t01
(A.9.12)

A.10 Tempo esperado por ciclo de manuteno


A.10.1 Soluo de

tfq (t)dt

t0

A primeira parte da Equao 6.2.15, ou seja, de

tfq (t)dt resolvida com a integral

t0
do produto

udv = uv

Assuma que

u = t,

logo

du = dt.

Fazendo

vdu,

dv = fq (t)dt

temos

(A.10.1)

v=

fq (t)dt

186

Apndice A

 
  
tt0
expq t0
dt
v =




1

  

tt0
tt0
1
= (2 q)
t0
expq t0
dt,
t0

Adote

tt0
t0

(2q)
(t0 )

tt0
t0

1

, portanto

d =

tt0
t0

1 

1
t0

dt

(A.10.2)

e a Equao A.10.2 ca

v = (2 q)
A integral da funo

q -exponencial

expq xdx =

expq d.

(A.10.3)

2q
1 
expq x
+ C,
(2 q)

(A.10.4)

e a Equao A.10.2 reescrita como


2q
1
v = (2 q) (2q)
expq
+C

2q
= expq
+ C.
Aplicando esta identidade da

(A.10.5)

q -exponencial

expq x

a

= exp1 1q (ax),
a

(A.10.6)

temos

h
i
v = exp1 1q [(2 q)] + C
2q
h
i
= exp 1 [(2 q)] + C
2q

 
tt0
= exp 1 (2 q) t0
+ C.

(A.10.7)

2q

Retornando Equao A.10.1 temos

(2 q)




1
tfq (t)dt = t exp
+C +
tt0
2q

t0

(2 q)

exp 1  tt  + C dt,
2q
0

t0

(A.10.8)

A.10

Tempo esperado por ciclo de manuteno

187

colocando os limites de integrao temos

T
t0

t=T

(2 q)
+
tfq (t)dt =
t exp 1  tt  tC
2q
0

t0

t=t0

(2

q)

exp 1  tt  + C dt
2q
0

t0

(A.10.9)

t0

tfq (t)dt = T exp

t0

1
2q

(2 q)
 T C+

T t
0

t0

(A.10.10)

(2 q)
 dt + T C,


exp

t0

1
2q

tt0
t0

usando a Equao 3.2.6, temos

T
tfq (t)dt = T Rq (T ) +

t0

A.10.2 Soluo de

Rq (t)dt

(A.10.11)

t0

Rq (t)dt

t0

A integral

Rq (t)dt,

para

q 6= 1

t0

t=T "


1 + (q 1)

IRq (T ) =

t t0
t0

 # 2q
1q
dt
+

t=t0

Fazendo

dt =

tt0
t0

b = q 1, x =

1

( t0 ) dx

tt0
t0

IRq (T ) =

[1 +
t=t0

tt0
t0

= x ,

ento

v =

2q
temos
1q

1

dx =

tt0
t0

1

1
dt e
t0

logo

t=T

mas

(A.10.12)

bx]v
+

t t0
t0

( t0 ) dx

(A.10.13)

188

Apndice A

IRq (T ) =

t=T

t=t0

Fazendo

=a

1 1
( t0 ) dx
[1 + bx]v
+ x

(t0 )

t=T

1
1

(A.10.14)

[1 +

bx]v
+

dx

t=t0

temos

t=T
xa1 [1 + bx]v
+ dx

IRq (T ) = ( t0 ) a

(A.10.15)

t=t0

Para

t=T

temos

x=

T t0
t0

t = t0 , x = 0

e para

T t0
t0

xa1 [1 + bx]v
+ dx

IRq (T ) = ( t0 ) a

(A.10.16)

fazendo

u=

T t0
t0

u
xa1 [1 + bx]v
+ dx

IRq (T ) = ( t0 ) a

(A.10.17)

De acordo com Gradshteyn, Ryzhik e Jerey (1994) equao 3.194.1

u
xa1 (1 + bx)v dx =

ua
2 F1 (v, a ; 1 + a; bu)
a

(A.10.18)

ento

IRq (T ) = ( t0 ) a ua 2 F1 (v, a ; 1 + a; bu)


= ( t0 ) ua 2 F1 (v, a ; 1 + a; bu)

Retornando

a=

1
,

b = q 1, v =

q2
e
1q

u=

T t0
t0

(A.10.19)

A.10

Tempo esperado por ciclo de manuteno

IRq (T ) = ( t0 )



T t0
t0


= (T t0 ) 2 F1

Para

q=1

  1

q2 1
,
1q

189

q2 1
,
1q

; 1 + (q 1)

 
T t0
1
; 1 + ; (1 q) t0
.
2 F1

T t0
t0

 
(A.10.20)

temos

T
R(t)dt =

IR(T ) =

x=

tt0
temos
t0

dx =

" 
 #
t t0
exp
dt
t0

(A.10.21)

t0

t0

Fazendo

1
;

1
dt e
t0

dt = ( t0 ) dx

t=T


exp x ( t0 ) dx

IR(T ) =

(A.10.22)

t=t0

T t

x= t 0



exp x dx

IR(T ) = ( t0 )

(A.10.23)

x=0

Em Gradshteyn, Ryzhik e Jerey (1994) equao 2.33 10.* temos

xm exp (axn ) dx =

para

m=0

a=1

(, axn )
,
na

m+1
, a 6= 0, n 6= 0
n

(A.10.24)

temos

exp (x ) dx =

1
, xn
n


,

n 6= 0

(A.10.25)

logo

t0


x= Tt
0
1
( t0 )
IR(T ) =

,x

x=0

(A.10.26)

190

Apndice A

"
( t0 )

IR(T ) =

1
,

T t0
t0

 !


+

#
1
,0 .

(A.10.27)

Resumindo



 

q2 1
T t0
1

,
(T t0 ) 2 F1 1q , ; 1 + ; (1 q) t0




IRq (t) =





(t )
t0
1

,
0
, q = 1.
0 1 , Tt

q 6= 1
(A.10.28)

191

Apndice B  Exemplo de aplicao da


distribuio q -Weibull
B.1 O modelo q-Weibull em mercado de aes
Esta seo mostra a aplicao da distribuio

q -Weibull

em mercado de acoes, par-

ticularmente aos tempos entre valores extremos. Embora possa parecer, em uma leitura
mais apressada, que o escopo dira daquele principal da tese, a seo ilustra que a metodologia apresentada e o modelo

q -Weibull

so sucientemente poderosos e versteis para

serem aplicados a sistemas bastante diferentes.

As variaes destes ndices indicam a tendncia da bolsa, de alta ou de baixa, em


um determinado momento do prego. O estimador de Hill utilizado para identicar os
retornos extremos e estimar os intervalos de tempo (veja detalhes em Hill (1975)).
resultados mostram que a distribuio de

Os

q -Weibull modela adequadamente os tempos de

intervalo entre valores extremos dos ndices de aes no mercado.

Os dados utilizados so os ndices intradirios do IBEX-35

. Coletados com inter-

valos de 15 minutos, estes abrangem de 4 de janeiro de 2005 at 20 de janeiro de 2012


e foram obtidos do banco de dados Olsendata (http://www.olsendata.com). Os retornos
dos ndices foram calculados como as diferenas dos logaritmos dos valores dos ndices
consecutivos.

A srie dos tempos entre os retornos extremos obtida a partir da leitura dos
instantes de tempo em que os retornos excedem um limiar
quando o retorno positivo maior que

preestabelecido, ou seja,

e quando o retorno negativo menor que

u.

Desta forma possvel construir sries de intervalos de tempo entre valores positivos,
valores negativos, nas mudanas de positivo para negativo e vice-versa e tambm de
intervalos de tempo nos quais o mdulo do retorno supera o valor

u.

Os resultados das

anlises destas sries podem indicar qual o intervalo de tempo deve ser aguardado para
comprar ou vender aes com o objetivo de ter o melhor retorno nanceiro. Esta seo
mostra os resultados para os ajustes com tempos de espera dos mdulos dos retornos e com

1O

Iberia Index (IBEX-35) o principal ndice de referncia da bolsa espanhola. O ndice administrado
Sociedad de Bolsas , uma subsidiria da Bolsas y Mercados Espaoles (BME), a

e calculado pela

empresa que administra os mercados de valores mobilirios da Espanha (incluindo a Bolsa de Madrid).
um ndice de capitalizao de mercado envolvendo as 35 aes espanholas mais lquidas negociadas
na Bolsa de Madrid.

192

Apndice B

os tempos entre as mudanas de positivo para negativo fora dos limiares especicados .

A Figura B.1.1 mostra as curvas de conabilidade para os tempos de retorno calcu-

u = 0, 0063 e os tempos
(log (retorno) > u) para negativo

lado com o mdulo do logaritmo dos retornos superando o limiar


nos quais ocorre mudana dos logaritmos de positivo
(log (retorno)

< u),

para p ndice IBEX-35.

100

100
exponencial

exponencial

10-1

10-1
q-exponencial

Rq

Rq

q-exponencial
q-Weibull
10-2

10-2

q-Weibull

Weibull

Weibull

10-3

10-3
102

103

104

102

103

t HminL

104

t HminL

Figura B.1.1: Curvas de conabilidade dos modelos


em linha pontilhada,

q -exponencial

q -Weibull em linha contnua,

Weibull

em linha trao-ponto e exponencial e

|log (retorno)| >


log (retorno) > u e

linha tracejada. Painel esquerdo: tempos de espera para

u. Painel direito: tempos


log (retorno) < u.

de espera entre os eventos

A Tabelas B.1 e B.2 mostram os parmetros das distribuies e os coecientes de


determinao para os dois ajustes.

Tabela B.1: Parmetros das distribuies e coeciente de determinao para tempos de


espera de

(min)
(min)
t0 (min)
q
R2

|log (retorno)| > u.


exponencial

Weibull

1, 00
1525
1102
423
1, 00
0, 7490

0, 58
742
756
14
1, 00
0, 9773

q -exponencial
1, 00
278
279
1
1, 41
0, 9919

q -Weibull
0, 82
318
329
11
1, 31
0, 9944

2 Esta seo parte do resultado de uma colaborao com Miguel A. Rivera-Castro, durante seu doutoramento, e seu orientador Juan C. Reboredo, da

Universidad de Santiago de Compostela , Espanha.

Todos os resultados esto em Reboredo, Rivera-Castro e Assis (2013). Neste artigo, so apresentadas
as anlises dos cinco tipos de sries ajustando a distribuio de
intradirios S&P 500, DAX e IBEX-35.

q -Weibull

aos dados dos trs ndices

B.1

O modelo q-Weibull em mercado de aes

193

Tabela B.2: Parmetros das distribuies e coeciente de determinao para tempos de

log (retorno) > u e log (retorno) < u.


exponencial
Weibull
q -exponencial q -Weibull
1, 00
0, 59
1, 00
0, 74
1445
813
319
416
1123
826
306
426
322
13
13
10
1, 00
1, 00
1, 40
1, 24
0, 8214
0, 9896
0, 9914
0, 9964

espera entre os eventos

(min)
(min)
t0 (min)
q
R2

A inspeo visual da Figura B.1.1 e a comparao do coeciente de determinao

q -Weibull , dentre as estudadas, a que mais se adqua ao


distribuies q -exponencial, Weibull e exponencial seguem nesta

mostram que a distribuio


dados amostrais.

as

ordem de qualidade do ajuste.