Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
2
Ao fazer uma anlise de confiabilidade, o sistema pode ser Sistema com compartilhamento de carga. Inicialmente o
representado por um conjunto de blocos organizados de acordo sistema opera com certo numero de unidades em paralelo.
com sua configurao fsica e/ou funcional dentro do sistema Quando uma unidade falha, as demais unidades operam sob
(Modarres, KIaminski, & Krivtsov, 2010). A continuao se uma condio de carga superior, mas ainda assim atendem
apresentam as configuraes usadas nos estudos de satisfatoriamente a funo do sistema. Quando um sistema
confiabilidade: apresenta este tipo de configurao a confiabilidade pode ser
calculada por:
Sistema em serie. possvel ter um sistema representado por ()=, ( )-2 + 2 { ( 1) 0 1 ( 1) ( 1)}
Onde,
obtida por:
1( 1) 1: a probabilidade do componente 1 entre 0 e 1;
( 1): a probabilidade de SS no falhar em 1;
3
Sistema serie-paralelo: Quando se quer modelar um sistema Na atualidade nmeros aleatrios so obtidos por algoritmos
serie-paralelo o mesmo deve ser descomposto em subsistemas em computadores de grande capacidade de processamento.
compostos exclusivamente por itens em serie ou paralelo para Claro que os nmeros aleatrios foram usados no passado
viabilizar o uso das equaes caractersticas para esses tipos de muito antes de existir os computadores. O primeiro exemplo
sistema. Na Figura 6 apresenta-se um sistema serie-paralelo. 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
Figura 6 Sistema em serie-paralelo correlao da distribuio t-estudent (Zio, 2013).
Sistemas complexos. Um sistema que no se pode descompor O nascimento geralmente aceitado do mtodo de simulao de
como um sistema serie-paralelo. Quando o sistema tem poucos Monte Carlo durante o desenvolvimento da segunda guerra
elementos como na Figura 7 pode-se usar uma decomposio mundial quando Fermi, Von Neumann e Ulam acharam que
condicionada, que pode-se modelar por: problemas onde existe um grande nmero de combinatrias
()= (| 3 ) 3( )
+ (| 3 ) ,1 3( )-
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.
4
Figura 9 Mtodo da transformada inversa
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.