CONFIABILIDADE DE SISTEMAS USANDO SIMULAO DE MONTE CARLO
RESUMO
O trabalho rene tpicos relacionados confiabilidade de
sistemas, as definies principais, a modelagem da taxa de
falha, a descrio das principais distribuies estadsticas de
falha, em seguida, descrevem-se as configuraes tpicas para a
anlise de confiabilidade: sistemas em srie, sistemas em
paralelo, sistemas com compartilhamento de carga, sistemas em
Standby, sistema serie-paralelo, sistemas complexos. O tpico
do Mtodo de Monte Carlo como ferramenta para uma anlise
de confiabilidade apresentado como uma alternativa que
permite simplificar clculos muito complexos por mdio o uso
de nmeros gerados aleatoriamente.
INTRODUO
As anlises de confiabilidade so motivadas pela crescente
complexidade dos sistemas, crescimento de exigncias de
desempenho, segurana e economia. As falhas dos componentes
de um sistema no se podem eliminar do design, mas com um
estudo de confiabilidade as falhas mais provveis e as aes
para mitigar as consequncias das falhas ou diminuir a
probabilidade de ocorrncia (LI & VALLA, 2015).
Tradicionalmente em projetos de engenharia sugere-se o uso de
fatores de segurana para definio da condio de operao 1960 e 1970 as indstrias nuclear e aeroespacial prope
como recurso para considerar as incertezas envolvidas na
operao do sistema como na modelagem usada para o
dimensionamento. Esta abordagem do projeto de engenharia faz
que quanto maior incerteza na condio de operao ou no
comportamento de seus componentes maior seja margem de
segurana recomendada. Adicionalmente todos os eventos
indesejveis so igualmente provveis. Finalmente esta
abordagem do projeto apresenta um superdimensionamento que
afeita operao, o custo e a manuteno.
De forma alternativa num estudo de confiabilidade as possveis
falhas so tratadas como aleatrias ou probabilsticas. Se existe
um bom conhecimento do processo de falha a estimativa dos
tempos esperados pode ser desenvolvida por mdio de modelos
fsicos, quando no possvel o desenvolvimento de tais
modelos, as falhas so modeladas por densidades de
probabilidades.
O estudo de confiabilidade contribui para: estabelecimento das
polticas de manuteno, especificao de inventrio de
estoques, estudos de avaliao custo-benefcio e definio da
vida operacional.
Um projeto ideal de um sistema seria aquele onde no
ocorreram falhas, mas ante a incapacidade de garantir um
projeto sem falhas, preciso uma modelagem considere
incertezas envolvidas e faa uso de informaes histricas para
entender da melhor forma o processo de falha ou degradao
do sistema.
BREVE HISTRICO
A confiabilidade tem sua origem na indstria de seguros,
como ferramenta para avaliar a expectativa de vida das pessoas
na dcada dos 30s (Ebeling, 1997). Depois Weibull prope uma
distribuio para avaliar a vida a fatiga de determinados
materiais. Aps a segunda Guerra mundial a indstria
aeronutica desenvolve testes de confiabilidade para o
aperfeioamento de sistemas eletrnicos. Durante as dcadas de
algumas tcnicas para avaliar a confiabilidade.
Em meados de 1980 a Fora Area Americana props o
programa R&M2000 para aumentar a disponibilidade dos
sistemas e reduzir os requisitos da manuteno e seus custos
totais. Com o acidente do Challenger em 1986 a NASA passou
a considerar obrigatria a anlise de confiabilidade e dos riscos
das suas misses.
CONFIABILIDADE DE SISTEMAS
A confiabilidade a probabilidade de um item componente
ou sistema executar a funo para a qual foi projetado durante
1
um perodo de tempo determinado, sob condies operacionais O primeiro intervalo da curva chamado de mortalidade
e ambientais, dado que estava funcionando no instante inicial. infantil, fazendo uma analogia com os seres humanos. Neste
Matematicamente a confiabilidade R(t) pode-se expressar intervalo os sistemas mecnicos complexos apresentam
como: problemas ao inicio de sua vida operacional, causados por erros
( ) = Pr( | 1, 2 )
de manufatura, montagem ou projeto. No segundo intervalo da
Onde t o tempo de misso que deve ser especificado; T a varivel aleatria que expressa o instante de falha do curva se apresenta uma taxa de falhas aleatria, onde a taxa de
sistema, e 1, 2... as condies de operao.
falhas aproximadamente constante. Nesta fase as atividades
A confiabilidade uma funo decrescente com R (t) 1 para t 0 e R (t) 0 manuteno e operao so consideradas ideais. No ultimo
para t +. Ou seja, quanto maior o tempo de operao maior ser a probabilidade
de estar em falha (Modarres, KIaminski, & Krivtsov, 2010). A representao desta intervalo chamado regio de desgaste, apresenta-se um
funo pode-se observar na Figura 1. incremento na taxa de falha caracterizado principalmente por
um fenmeno de envelhecimento dos sistemas mecnicos
causado por dano acumulado associado a fenmenos de
desgaste e fatiga.

A falha um evento aleatrio que pode ser descrito

adequadamente pela taxa de falha. O instante no qual ocorre
dita falha pode-se modelar como uma varivel aleatria
continua e pode-se calcular usando sua respetiva funo de
densidade de probabilidade, na Tabela 1 apresentam-se as
principais distribuies de probabilidade usadas na teoria da
Figura 1 Funo da confiabilidade confiabilidade para a modelagem da taxa de falha e suas
aplicaes caractersticas.
Falha do ingls failure a cessao da capacidade do sistema
em desempenhar uma funo especificada. Enquanto que falta Tabela 1 Distribuies de probabilidade
do ingls fault representa um estado permanente do sistema
onde no pode executar sua funo. Neste sentido a falha ocorre Distribuio Principal aplicao
em um instante de tempo enquanto a falta perdura at que a caracterstica
falha seja corrigida. Exponencial - Vida operacional dos componentes.
- Modelar componentes electrnicos.
A taxa de falha o numero de falhas esperadas por unidade de - Modelar sistemas complexos de muitos
componentes.
tempo ou por ciclos de operao. Enquanto que a frequncia de
Normal
falhas o nmero de falhas constatadas por unidade de tempo
- Aplicaes com domnio , +

- Parmetros com media muito superior varincia.

ou nmero de ciclos. O seja com uma frequncia de falha - Falha do sistema resultado de vrios efeitos
possvel fazer uma modelagem da taxa de falha de um sistema. Lognormal - Falha resultado de vrios fatores multiplicativos.
A representao grfica da taxa de falhas durante um perodo - Modelar falha de componentes em funo do
conhecida como Curva da Banheira. Na Figura 2 apresentada efeito da fatiga
uma representao da curva da banheira. - Modelar falhas atribudas execuo das
atividades de manuteno.
Weibull - Possibilita a modelagem das trs regies da curva
da banheira.
Gamma - Possibilita a modelagem das trs regies da curva
da banheira.
- Distribuio de tempo entre manuteno de
componentes.
- Sistemas com componentes em standby.
- Distribuio a priori em processos de atualizao
bayesiana.
Figura 2 Curva da banheira Beta - Domnio limitado em um intervalo fechado.
- Distribuio a priori em processos de atualizao
bayesiana.

Depois de conhecer a distribuio acumulada de falha pode-se

estimar o tempo esperado para a efetiva falha a partir do inicio
da operao e a media da distribuio de probabilidade de
falha. Este parmetro chamado de MTTF por as siglas em
ingls para Mean Time To First Failure; pode ser obtido por:

2
Ao fazer uma anlise de confiabilidade, o sistema pode ser
representado por um conjunto de blocos organizados de acordo
com sua configurao fsica e/ou funcional dentro do sistema
(Modarres, KIaminski, & Krivtsov, 2010). A continuao se
apresentam as configuraes usadas nos estudos de
confiabilidade:
Sistema em serie. possvel ter um sistema representado por
um sistema de blocos em serie, isto implica que a falha de um
nico componente leva a falha de todo o sistema. Na Figura
3apresentasse o diagrama de um sistema em serie. Se as falhas
de cada componente so independentes entre si, a
confiabilidade do sistema em serie pode-se calcular com:
()= =1
()
Figura 3 Sistema em serie
Sistema em paralelo. Um sistema representado por blocos em
paralelo s vai falhar somente quando todos os itens em
paralelo falharem. Na Figura 4 apresenta-se o diagrama de um
sistema em paralelo. Se a probabilidade falha de cada item so
independentes entre si a confiabilidade do sistema pode ser
obtida por:
( ) = 1 ,1 ( )-
=1
Figura 4 Sistema em paralelo
Sistema K x n. Se em um sistema de n componentes em paralelo
necessrio ter k sistemas funcionando para garantir o
funcionamento do sistema, a confiabilidade do sistema pode-se
calcular por:
( ) = . / , ( =)- ,1 ( )-
Sistema com compartilhamento de carga. Inicialmente o
sistema opera com certo numero de unidades em paralelo.
Quando uma unidade falha, as demais unidades operam sob
uma condio de carga superior, mas ainda assim atendem
satisfatoriamente a funo do sistema. Quando um sistema
apresenta este tipo de configurao a confiabilidade pode ser
calculada por:
()=, ( )-2 + 2 { ( 1) 0 1 ( 1) ( 1)}
Onde,
, ( )-2: a probabilidade de ambos componentes operarem durante toda a misso;
( 1) 1:
( 1):
a probabilidade de um componente falhar em 1;
a probabilidade de outro componente no falhar at 1;
( 1): a probabilidade do componente 2 no falhar entre 1 e .
Sistema em standby. Quando num sistema existe um
componente aguardando para entrar em operao caso que
outro falhe. Na Figura 5 apresentas-se um sistema um com
componente em standby. O estudo da confiabilidade de sistema
deve considerar que o primeiro componente vai operar at um
determinado instante quando ocorre sua falha; o SS (Acrnimo
de Switching System) identifica a falha do primeiro e aciona o
segundo componente; que o componente dois esteja em
condio de operar; que o componente dois inicie sua operao;
que o componente dois opere at a falha do sistema. Se todas
estas consideraes so independentes a confiabilidade do
sistema pode-se modelar por:
()= 1( ) + * 1( 1) ( 1) 2( 1) 2( 1)+
0 1
Onde,
1( 1) 1: a probabilidade do componente 1 entre 0 e 1;
( 1): a probabilidade de SS no falhar em 1;
2( 1): a probabilidade de outro componente no falhar enquanto est em standby;
2( 1): a probabilidade do componente 2 no falhar entre 1 e .
Figura 5 Sistema em standby
3
Sistema serie-paralelo: Quando se quer modelar um sistema
serie-paralelo o mesmo deve ser descomposto em subsistemas
compostos exclusivamente por itens em serie ou paralelo para
viabilizar o uso das equaes caractersticas para esses tipos de
sistema. Na Figura 6 apresenta-se um sistema serie-paralelo.
Figura 6 Sistema em serie-paralelo
Sistemas complexos. Um sistema que no se pode descompor
como um sistema serie-paralelo. Quando o sistema tem poucos
elementos como na Figura 7 pode-se usar uma decomposio
condicionada, que pode-se modelar por:
()= (| 3 ) 3( )
+ (| 3 ) ,1 3( )-
Figura 7 Sistema complexo
A modelagem da decomposio condicionada pode ser
ilustrada por dois sistemas serie-paralelo como na Figura 8.
Figura 8 Descomposio do sistema complexo
PRINCIPIOS DO MTODO DE MONTE CARLO
A ideia geral do mtodo de Monte Carlo resolver problemas
matemticos com simulaes que usam nmeros aleatrios.
Nmeros aleatrios como os que se geram numa roleta de jogos
de casino do Principado de Monte Carlo, de fato essa a razo
pela qual o mtodo leva esse nome, porque inicialmente os
nmeros aleatrios eram obtidos com roletas (Sobol, 1994).
Na atualidade nmeros aleatrios so obtidos por algoritmos
em computadores de grande capacidade de processamento.
Claro que os nmeros aleatrios foram usados no passado
muito antes de existir os computadores. O primeiro exemplo
atribui-se ao francs Buffon (1707-88), quem considerando
linhas paralelas separadas a uma distancia D umas de outras,
conseguiu estimar a probabilidade que linhas de comprimento
L<D aleatoriamente posicionadas interceptassem uma das
linhas paralelas. Anos depois a simulao de Monte Carlo foi
usada por Lord kelvin nas integrais da teoria cintica dos gases.
Ao longo da historia outros cientficos usaram amostras
aleatrias para resolver problemas de probabilidade, exemplo
disso Gosset (Student), quem ao comeo do sculo vinte usou
o Mtodo de Monte Carlo para estimar o coeficiente de
correlao da distribuio t-estudent (Zio, 2013).
O nascimento geralmente aceitado do mtodo de simulao de
Monte Carlo durante o desenvolvimento da segunda guerra
mundial quando Fermi, Von Neumann e Ulam acharam que
problemas onde existe um grande nmero de combinatrias
possveis podem ser aproximados por amostras estatsticas
(Eckhardt, 1987). Este mtodo tambm foi usado por para
resolver integrais empregadas no design do recobrimento de
aparelhos nucleares.
A gerao de nmeros aleatrios o corao do mtodo, o
processo pelo qual so obtidos os nmeros e de grande
importncia para o sucesso dele (Zio, 2013). Alguns destes
mtodos usados so:
- Lanar dados, roletas, neste mtodo tem-se que garantir que
os instrumentos no estejam viciados e cada nmero realmente
tenha a mesma probabilidade de ocorrer.
- Tabelas de nmeros aleatrios, uma metodologia para ter um
nmero era ir tabela onde so armazenados nmeros que
garantem a independncia entre eles. Quando se quer usar uma
tabela de nmeros aleatrios numa simulao computacional o
fato de armazena-la e procurar um nmero dentro dela utiliza
muito recurso e no vivel.
-Sequencias peridica ( +1 = ( )) foram bastante usadas para a gerao de nmeros aleatrios,
no obstante este mtodo apresenta uma desvantagem, a possibilidade de repetio das
sequncias.
-Mtodo linear congruente, dado atravs duma relao de recorrncia: +1 =( + ) . A escolha adequada dos
parmetros a, c e m vo determinar o comprimento do perodo
da sequncia dos nmeros aleatrios como o explica (Ferraz &
Pedro, 2002).
Garantindo a uniformidade na gerao de nmeros aleatrios pode-
se usar o mtodo da transformada inversa para ajustar o nmero
aleatrio obtido distribuio acumulada das diferentes
distribuies de falha de um componente. Na Figura 9 apresenta-se
o caminho que segue-se para a simulao de uma varivel aleatria
continua. Para distribuies que no tem uma funo inversa
definida preciso usar tcnicas de interpolao.
4
 Figura 9 Mtodo da transformada inversa
No estudo de confiabilidade realizado por (Kamat & Riley,
1975) pode-se observar como o mtodo de Monte Carlo pode
ser usado para encontrar a confiabilidade de um sistema
complexo com relativa facilidade. Realmente usar o mtodo de
Monte Carlo em uma anlise de confiabilidade a execuo de
um experimento virtual, onde um sistema apresenta um
desenvolvimento estocstico entre uma determinada quantidade
de estados durante um tempo de misso (Zio, 2013) . Na Figura
10 mostra-se os caminho aleatrios que poderia ter a
configurao de um sistema. Os quadrados representam um
ponto de transio e os crculos apresentam estados de falha do
sistema. K representa os possveis estados do sistema
(operando, falha, estandby), representa o tempo de misso.
Figura 10 Estados aleatrios de um sistema
Os estados de falha do sistema so contabilizados por um contador ( ), alm disso,
armazenado o tempo no qual ocorrem os diferentes estados da falha. Na Figura 11
apresenta-se o tempo de misso Tm do sistema subdividido em N intervalos de
longitude . Depois que se faz um grande simulaes M, a no confiabilidade do
sistema pode-se obter dividindo o nmero de simulaes que apresentaram falhas
com o nmero total de simulaes.
Figura 11 Simulaes da confiabilidade de um sistema
CONSIDERAES FINAIS
Acredita-se que o trabalho atinge o objetivo inicialmente proposto
de sintetizar e apresentar de uma forma organizada os conceitos
requeridos para fazer uma avaliao da confiabilidade de um
sistema usando a simulao de Monte Carlo.
Uma vantagem de usar o mtodo de monte Carlo, que com
clculos manuais somente se tem os resultados, em quanto que
com a simulao pode-se ter um sistema que continuamente
mostra os possveis estados no tempo e os resultados.
Apresentaram-se as diferentes configuraes usadas para
calcular a confiabilidade do sistema e como usando nmeros
aleatrios pode-se ter a distribuio de falha de um
componente, finalmente se faz a descrio de como obter os
diferentes estados estocsticos pelos quais passa o sistema
antes de cumprir sua funo em um tempo de misso Tm.
A simulao de Monte Carlo est ligada ao uso da capacidade
de processamento dos computadores para realizar um grande
nmero de simulaes. Por tanto uma tarefa futura
desenvolver um cdigo que permita avaliar a confiabilidade de
um sistema pelo Mtodo de Monte Carlo usando programao
orientada a objeto que permita integrar as funes de
probabilidade de falha que possam apresentar os componentes,
as inversas dessas distribuies, uma gerao adequada de
nmeros aleatrios e armazenamento de todos os diferentes
estados simulados.
5
Ebeling, C. (1997). An introduction to reliability and
Mantenability engineering. Boston, Massachusetts:
MacGraw-Hill.
Eckhardt, R. (1987). Stan Ulam, John Von Neumann and the
Monte Carlo Method. Los Alamos Science, 131-143.
Ferraz, F., & Pedro, V. (2002). Gerando Nmeros aleatrios.
So Paulo.
Kamat, S., & Riley, M. (1 de Abril de 1975). Determination of
reliability Using Even-Based Monte Carlo Simulation.
IEEE Transactions on Realiability, pgs. 73-75.
Li, Y., & Valla, S. Z. (2015). Reliability Assessment of generic
wind turbines by GTSM-MLD model and Monte Carlo
simulation. Renewable Energy, 222-223.
Modarres, M., KIaminski, M., & Krivtsov, V. (2010).
Reliability engineering and risk analysis-A practical
guide, 2 da edio. Florida: CRC Press.
Sobol, I. (1994). A primer for the Monte Carlo Method. CRC
Press.
Werner, L. (1996). Modelagem dos tempos de falha ao longo
do calendario. Porto Alegre: Universidade Federal Rio
Grande do Sul.
Zio, E. (2013). The Monte Carlo Method for system Reliability
and Risk Analysis. London: Springer.