UNIVERSIDADE FEDERAL DA PARAÍBA

CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA MECÂNICA
MANUTENÇÃO INDUSTRIAL

Trabalho de verificação de aprendizagem I

Professor: Virgílio Mendonça da Costa e Silva

Equipe:
Janylson Victor Lacerda De Oliveira – 11228266
José Marques Basílio Sobrinho - 11427797

João Pessoa - PB
2017
Sumário
1. Questão 1. ..................................................................................................................... 3
2. Questão 2 ...................................................................................................................... 6
3. Questão 3. ................................................................................................................... 10
4. Questão 4 .................................................................................................................... 15
5. Questão 5 .................................................................................................................... 20
6. Questão 6. ................................................................................................................... 24
7. Questão 7 .................................................................................................................... 26
8. Questão 8 .................................................................................................................... 28
9. Questão 9 .................................................................................................................... 32
10.Questão 10. ................................................................................................................ 35
1. Ajuste o rol de dados recebidos por email e calcule os tempos
entre falhas e tempos de reparos.

Os dados de falhas e os tempos de reparo do equipamento hipotético recebidos

por email estão na tabela 1.1, eles estão na ordem cronológica da ocorrência da falha.

Posto em funcionamento: 01/01/2015 às 08:00 horas

Datas das falhas Hora da falha Tempo de reparo
1 27/01/2015 06:54 11:56
2 01/02/2015 13:46 06:44
3 17/02/2015 11:46 06:52
4 25/02/2015 05:37 05:17
5 02/03/2015 20:36 07:50
6 12/03/2015 17:41 04:06
7 06/04/2015 05:30 08:40
8 03/05/2015 14:45 10:30
9 20/05/2015 16:22 09:35
10 30/05/2015 08:22 11:58
11 06/06/2015 18:43 14:20
12 26/06/2015 04:14 04:01
13 01/07/2015 07:20 09:34
14 06/07/2015 06:52 16:38
15 27/07/2015 10:25 10:19
16 04/08/2015 22:50 6:00
17 10/08/2015 18:18 16:09
18 03/09/2015 18:29 05:02
19 11/09/2015 15:48 06:23
20 16/09/2015 19:38 07:15
21 14/10/2015 16:37 02:12
22 07/11/2015 15:32 06:09
23 25/11/2015 14:23 08:47
24 13/12/2015 06:18 06:16
25 31/12/2015 14:13 06:37
26 25/01/2016 14:52 02:28
27 08/02/2016 11:59 18:44
28 03/03/2016 14:27 01:53
29 23/03/2016 01:16 11:14
30 06/04/2016 00:47 13:35
31 17/04/2016 10:36 10:36
32 26/04/2016 15:30 05:16
33 03/05/2016 19:11 05:48
34 12/05/2016 23:43 03:47
35 22/05/2016 04:18 06:29
Tabela 1.1 - Dados fornecidos

3
 Com os dados de falhas do equipamento em mãos, nós calculamos os tempos
entre falhas e os tempos de reparo em horas para cada data. Os resultados estão na
tabela 1.2.

Datas das falhas Hora da falha Tempo de reparo TEF (h) TR (h)
27/01/2015 06:54 11:56 622,900 11,933
01/02/2015 13:46 06:44 114,933 6,733
17/02/2015 11:46 06:52 375,267 6,867
25/02/2015 05:37 05:17 178,983 5,283
02/03/2015 20:36 07:50 129,700 7,833
12/03/2015 17:41 04:06 229,250 4,100
06/04/2015 05:30 08:40 583,717 8,667
03/05/2015 14:45 10:30 648,583 10,500
20/05/2015 16:22 09:35 399,117 9,583
30/05/2015 08:22 11:58 222,417 11,967
06/06/2015 18:43 14:20 166,383 14,333
26/06/2015 04:14 04:01 451,183 4,017
01/07/2015 07:20 09:34 119,083 9,567
06/07/2015 06:52 16:38 109,967 16,633
27/07/2015 10:25 10:19 490,917 10,317
04/08/2015 22:50 6:00 194,100 6,000
10/08/2015 18:18 16:09 133,467 16,150
03/09/2015 18:29 05:02 560,033 5,033
11/09/2015 15:48 06:23 184,283 6,383
16/09/2015 19:38 07:15 117,450 7,250
14/10/2015 16:37 02:12 661,733 2,200
07/11/2015 15:32 06:09 572,717 6,150
25/11/2015 14:23 08:47 424,700 8,783
13/12/2015 06:18 06:16 415,133 6,267
31/12/2015 14:13 06:37 433,650 6,617
25/01/2016 14:52 02:28 594,033 2,467
08/02/2016 11:59 18:44 330,650 18,733
03/03/2016 14:27 01:53 559,733 1,883
23/03/2016 01:16 11:14 464,933 11,233
06/04/2016 00:47 13:35 324,283 13,583
17/04/2016 10:36 10:36 260,233 10,600
26/04/2016 15:30 05:16 210,300 5,267
03/05/2016 19:11 05:48 166,417 5,800
12/05/2016 23:43 03:47 214,733 3,783
22/05/2016 04:18 06:29 216,800 6,483
Tabela 1.2 - Tempo entre falhas e tempos de reparo

Com os tempos entre falhas calculados, nós organizamos eles em ordem

crescente na tabela 1.3. A partir dos tempos entre falhas em ordem crescente nós
podemos calcular o que vai ser pedido na questão 2.

4
 i TEF (Horas)
1 109,967
2 114,933
3 117,450
4 119,083
5 129,700
6 133,467
7 166,383
8 166,417
9 178,983
10 184,283
11 194,100
12 210,300
13 214,733
14 216,800
15 222,417
16 229,250
17 260,233
18 324,283
19 330,650
20 375,267
21 399,117
22 415,133
23 424,700
24 433,650
25 451,183
26 464,933
27 490,917
28 559,733
29 560,033
30 572,717
31 583,717
32 594,033
33 622,900
34 648,583
35 661,733
Tabela 1.3 - Tempo entre falhas em ordem crescente

5
2. Com os dados do item anterior plotar as curvas referente à
confiabilidade, função cumulativa de falhas, função densidade de
probabilidade, função taxa de falhas e calcular os indicadores
MTBF, MTTR e disponibilidade operacional do hipotético
equipamento através de Métodos empíricos.

O método empírico que nós escolhemos para realizar os cálculos foi o método
do rank mediano de Bernard.

Para estimar a função cumulativa de falhas utilizamos a seguinte equação:

𝑖 − 0,3
𝐹̂ (𝑡) = 𝑝𝑎𝑟𝑎 𝑖 = 0, 1, 2, … , 𝑛 𝑬𝒒. (𝟐. 𝟏)
𝑛 + 0,4

A estimativa da função de densidade de probabilidade é dada pela seguinte

equação:

1
𝑓̂(𝑡𝑖 ) = 𝑬𝒒. (𝟐. 𝟐)
(𝑛 + 0,4)(Δ𝑡𝑖 )

Onde:

Δ𝑡𝑖 = 𝑡𝑖+1 − 𝑡𝑖

Para a função taxa de falhas temos a seguinte a equação:

1
𝜆̂(𝑡𝑖 ) = 𝐄𝐪. (𝟐. 𝟑)
(𝑛 − 𝑖 + 0,7)(𝑡𝑖+1 − 𝑡𝑖 )

Utilizando as Equações 2.1, 2.2 e 2.3 e os dados da tabela 1.3, nós montamos a
tabela 2.1.

i ti ti+1 Δ𝑡𝑖 𝑅̂ (𝑡𝑖 ) 𝐹̂ (𝑡𝑖 ) 𝑓̂(𝑡𝑖 ) 𝜆̂(𝑡𝑖 )

0 0 109,967 109,967 - - 0,00026 0,00025
1 109,967 114,933 4,967 0,980 0,020 0,00569 0,00580
2 114,933 117,450 2,517 0,952 0,048 0,01122 0,01179
3 117,450 119,083 1,633 0,924 0,076 0,01730 0,01872
4 119,083 129,700 10,617 0,895 0,105 0,00266 0,00297
5 129,700 133,467 3,767 0,867 0,133 0,00750 0,00865
6 133,467 166,383 32,917 0,839 0,161 0,00086 0,00102
7 166,383 166,417 0,033 0,811 0,189 0,84746 1,04530
8 166,417 178,983 12,567 0,782 0,218 0,00225 0,00287
9 178,983 184,283 5,300 0,754 0,246 0,00533 0,00707
10 184,283 194,100 9,817 0,726 0,274 0,00288 0,00396
11 194,100 210,300 16,200 0,698 0,302 0,00174 0,00250

6
 12 210,300 214,733 4,433 0,669 0,331 0,00637 0,00952
13 214,733 216,800 2,067 0,641 0,359 0,01367 0,02132
14 216,800 222,417 5,617 0,613 0,387 0,00503 0,00820
15 222,417 229,250 6,833 0,585 0,415 0,00413 0,00707
16 229,250 260,233 30,983 0,556 0,444 0,00091 0,00164
17 260,233 324,283 64,050 0,528 0,472 0,00044 0,00083
18 324,283 330,650 6,367 0,500 0,500 0,00444 0,00887
19 330,650 375,267 44,617 0,472 0,528 0,00063 0,00134
20 375,267 399,117 23,850 0,444 0,556 0,00118 0,00267
21 399,117 415,133 16,017 0,415 0,585 0,00176 0,00425
22 415,133 424,700 9,567 0,387 0,613 0,00295 0,00763
23 424,700 433,650 8,950 0,359 0,641 0,00316 0,00880
24 433,650 451,183 17,533 0,331 0,669 0,00161 0,00487
25 451,183 464,933 13,750 0,302 0,698 0,00205 0,00680
26 464,933 490,917 25,983 0,274 0,726 0,00109 0,00397
27 490,917 559,733 68,817 0,246 0,754 0,00041 0,00167
28 559,733 560,033 0,300 0,218 0,782 0,09416 0,43290
29 560,033 572,717 12,683 0,189 0,811 0,00223 0,01177
30 572,717 583,717 11,000 0,161 0,839 0,00257 0,01595
31 583,717 594,033 10,317 0,133 0,867 0,00274 0,02062
32 594,033 622,900 28,867 0,105 0,895 0,00098 0,00936
33 622,900 648,583 25,683 0,076 0,924 0,00110 0,01442
34 648,583 661,733 13,150 0,048 0,952 0,00215 0,04473
35 661,733 - - 0,020 0,980 - -
Tabela 2.1

Com os resultados da tabela 2.1, montamos os gráficos dos funções estimadas.

Temos o seguinte gráfico para a função confiabilidade estimada:

Função Confiabilidade
1.200

1.000

0.800
R(t)

0.600

0.400

0.200

0.000
0.000 100.000 200.000 300.000 400.000 500.000 600.000 700.000
T (Horas)

Gráfico 2.1 - Função confiabilidade

7
 Para a estimativa da função cumulativa de falhas temos o seguinte gráfico:

Função Cumulativa de falhas

1.600
1.400
1.200
1.000
F(t)

0.800
0.600
0.400
0.200
0.000
0.000 100.000 200.000 300.000 400.000 500.000 600.000 700.000
T (Horas)

Gráfico 2.2 - Função cumulativa de falhas

Para a estimativa da função densidade de probabilidade de falhas temos o

seguinte gráfico:

Função densidade de probabilidade de falhas

0.90000
0.80000
0.70000
0.60000
0.50000
f(t)

0.40000
0.30000
0.20000
0.10000
0.00000
0 100 200 300 400 500 600 700
T (Horas)

Gráfico 2.3 - Função densidade de probabilidade de falhas

8
 Para a estimativa da função taxa de falhas, temos o seguinte gráfico:

Função taxa de falhas

1.20000

1.00000

0.80000
h(t)

0.60000

0.40000

0.20000

0.00000
0 100 200 300 400 500 600 700
T (Horas)

Gráfico 2.4 - Função taxa de falhas

Para o cálculo empírico do MTBF (tempo médio entre falhas) nós realizamos
uma média dos tempos entre falhas (tempos entre falhas estão na tabela 1.3), assim
temos:
𝑛
𝑇𝐸𝐹𝑖
̂ =∑
𝑀𝑇𝐵𝐹 = 339,4795 𝐻𝑜𝑟𝑎𝑠
𝑛
𝑖=1

Para o cálculo empírico do TMPR seguimos o mesmo procedimento anterior,

temos:
𝑛
𝑇𝑃𝑅𝑖
𝑇𝑀𝑃𝑅 = ∑ = 8,2571 𝐻𝑜𝑟𝑎𝑠
𝑛
𝑖=1

A disponibilidade operacional do equipamento é dada pela seguinte equação:

𝑇𝑀𝐸𝐹 339,4795
𝐴𝑂 = = = 0,9763
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 339,4795 + 8,2571

9
3. Repetir o item 2 através do Método de estimação dos
parâmetros de distribuições usando a técnica de máxima
verossimilhança. Sugestão: Use o Proconf ou qualquer outro
software estatístico.
Nesta questão nós iremos estimar os parâmetros das distribuições candidatas
para os nossos dados. Utilizando o software Proconf, verificamos que nossos tempos de
falha se ajustavam a distribuição Weibull. Para os tempos de reparo nós verificamos que
a distribuição que se adequava era a distribuição lognormal. Os testes de aderência para
essas distribuições estão demonstrados na questão 5.

Com o software Proconf, nós estimamos os parâmetros da distribuição de

Weibull para os dados de falha, o método utilizado pelo software é o da máxima
verossimilhança.

Para a distribuição Weibull, obtemos:

Figura 3.1 - Estimação dos parâmetros da distribuição (Proconf)

No Proconf o "𝜃" é a vida característica e o 𝛾 é a o fator de forma.

AJUSTE DOS DADOS (Tempos de falha) - MODELO WEIBULL

Parâmetro de Localização = 0;

Estimativas da Verossimilhança Máxima:

𝛽 = 2,0225 (𝐹𝑎𝑡𝑜𝑟 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎);

𝜂 = 385,0619 ℎ𝑜𝑟𝑎𝑠(𝑉𝑖𝑑𝑎 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎 𝑜𝑢 𝑝𝑎𝑟â𝑚𝑒𝑡𝑟𝑜 𝑑𝑒 𝑒𝑠𝑐𝑎𝑙𝑎);

Var(𝛽) = 0,071;

Var(𝜂) = 1148,544;

10
Cov(𝜂, 𝛽) = 2,8275.

Estimativa não tendenciosa:

𝛽 = 1,9433 (𝐹𝑎𝑡𝑜𝑟 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎)

Var(𝛽) = 0,0723

𝜂 = 381,8645 horas (𝑉𝑖𝑑𝑎 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎 𝑜𝑢 𝑝𝑎𝑟â𝑚𝑒𝑡𝑟𝑜 𝑑𝑒 𝑒𝑠𝑐𝑎𝑙𝑎)

95% do Intervalo de Confiança:

para 𝛽 = 1,4172 até 2,4145

para 𝜂 = 315,5078 até 460,616 horas

t10 = 119,9505 horas;

t50 = 316,229 horas;

MTTF = 338,6316 horas(tempo médio entre falhas);

Desvio padrão = 181,6535.

Nós iremos usar portanto os parâmetros da estimava não tendenciosa, para que o
valor real do parâmetro não seja subestimado ou superestimado. Agora nós iremos
mostrar os gráficos obtidos através do programa Proconf para a distribuição de Weibull.

Gráfico da função confiabilidade:

1.0

0.8

0.6
R(t)

0.4

0.2

0.0
0 200 400 600 800 1000
t: tempo

Gráfico 3.1 - Confiabilidade (Proconf)

11
Gráfico da função cumulativa de falhas:

1.0

0.8

0.6
F(t)

0.4

0.2

0.0
0 200 400 600 800 1000
t: tempo

Gráfico 3.2 - Função cumulativa de falhas (Proconf)

Gráfico da função densidade de probabilidade:

0.0025

0.0020

0.0015
f(t)

0.0010

0.0005

0.0000
0 200 400 600 800 1000
t: tempo

Gráfico 3.3 - Função densidade de probabilidade (Proconf)

12
 Gráfico da função taxa de falhas:

0.015

h(t) 0.010

0.005

0.000
0 200 400 600 800 1000
t: tempo

Gráfico 3.4 - Função taxa de falhas (Proconf)

Utilizando o software Proconf novamente, temos para os dados de reparo os

seguintes parâmetros estimados da distribuição lognormal:

Figura 3.2 - Estimação dos parâmetros da distribuição (Proconf)

AJUSTE DOS DADOS (Tempos de reparo) - MODELO LOGNORMAL

𝜇 = 1,9759 (𝑀é𝑑𝑖𝑎 𝑑𝑜 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑜 𝑑𝑜𝑠 𝑑𝑎𝑑𝑜𝑠)

Tempo médio para reparo = 8,3722 horas;

95% do Intervalo de Confiança:

para a média do logaritmo dos dados = 1,795 até 2,1568

𝜎 2 = 0,298 (𝑉𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 𝑑𝑜 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑜 𝑑𝑜𝑠 𝑑𝑎𝑑𝑜𝑠)

𝜎 = 0,54589 (𝐷𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 𝑑𝑜 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑜 𝑑𝑜𝑠 𝑑𝑎𝑑𝑜𝑠)

13
95% do Intervalo de Confiança:

para a variância do logaritmo dos dados = 0,2026 até 0,5383

95% do Intervalo de Confiança:

para o tempo médio para reparo = 6,9495 até 10,175 horas;

t10 = 3,5831 horas.

𝑡𝑚𝑒𝑑 = 𝑡50 = 7,2133 horas.

Abaixo temos um gráfico de Z (variável normal padronizada) no tempo:

Z (V ariáv el No rma l Pa dro niz ada )

-1

-2

-3
10 100
t: tempo

Gráfico 3.5 - Função taxa de falhas (Proconf)

Calculando a disponibilidade do equipamento com o TMEF e o TMPR

calculados pelo Proconf (método da máxima verossimilhança), temos:

𝑇𝑀𝐸𝐹 338,6316
𝐴𝑂 = = = 0,97587
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 338,6316 + 8,3722

14
4. Repetir o item 2 usando a técnica de Mínimos Quadrados para
as distribuições que melhor se ajustaram aos dados, ou seja:
distribuições exponencial, Weibull, normal e lognormal. Sugestão:
Use a planilha Excel da Microsoft.

Nós iremos agora repetir o item 2, só que desta vez iremos utilizar a técnica dos
mínimos quadrados, iremos fazer isso para os dados de falha que seguem a distribuição
de Weibull e os dados de reparo que seguem a distribuição Lognormal.

Distribuição Weibull - Dados de falha

Para a distribuição Weibull, temos a seguinte função na forma linear:

𝐿𝑛{−𝐿𝑛[1 − 𝐹(𝑡)]} = 𝛽𝐿𝑛(𝑡 − 𝑡0 ) − 𝛽𝐿𝑛(𝜂)

Onde:

𝛽 − 𝐹𝑎𝑡𝑜𝑟 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎;

𝜂 − 𝑉𝑖𝑑𝑎 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎.

Fazendo:

𝑌 = 𝐿𝑛{−𝐿𝑛[1 − 𝐹(𝑡)]}

𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − ∑𝑛𝑖=1 𝑋𝑖 ∑𝑛𝑖=1 𝑌𝑖

𝑎=𝛽=
𝑛 ∑𝑛𝑖=1 𝑋𝑖 2 − (∑𝑛𝑖=1 𝑋𝑖 )²

𝑋 = 𝐿𝑛(𝑡 − 𝑡0 )

−𝑏
𝑏 = −𝛽𝐿𝑛(𝜂) → 𝜂=𝑒𝛽

Temos:

𝑌 = 𝑎𝑋+b

15
 Montando uma tabela com os cálculos da regressão linear, temos:

F(t) -
i t Bernard Y X Y² X² Y*X 𝛽 b 𝜂
1 109,9667 0,019774 -3,91342 4,700177 15,31484 22,09167 -18,3938
2 114,9333 0,048023 -3,01158 4,744352 9,069599 22,50888 -14,288
3 117,45 0,076271 -2,53405 4,766013 6,421429 22,71488 -12,0773
4 119,0833 0,10452 -2,20369 4,779824 4,856246 22,84671 -10,5332
5 129,7 0,132768 -1,94877 4,865224 3,797705 23,67041 -9,4812
6 133,4667 0,161017 -1,73975 4,893852 3,02672 23,94979 -8,51406
7 166,3833 0,189266 -1,56153 5,114294 2,438378 26,15601 -7,98613
8 166,4167 0,217514 -1,40536 5,114495 1,975029 26,15806 -7,18769
9 178,9833 0,245763 -1,26568 5,187293 1,601939 26,90801 -6,56544
10 184,2833 0,274011 -1,13874 5,216474 1,296739 27,21161 -5,94023
11 194,1 0,30226 -1,02191 5,268373 1,04429 27,75576 -5,38378
12 210,3 0,330508 -0,9132 5,348535 0,833941 28,60683 -4,8843
13 214,7333 0,358757 -0,81115 5,369397 0,657964 28,83042 -4,35538
14 216,8 0,387006 -0,71458 5,378975 0,510619 28,93337 -3,84369
15 222,4167 0,415254 -0,62254 5,404552 0,38756 29,20919 -3,36457
16 229,25 0,443503 -0,53428 5,434813 0,285451 29,53719 -2,90369
17 260,2333 0,471751 -0,44912 5,561579 0,20171 30,93116 -2,49783
18 324,2833 0,5 -0,36651 5,781618 0,134332 33,4271 -2,11904
1,9462 -11,5887 385,529
19 330,65 0,528249 -0,28595 5,80106 0,081765 33,6523 -1,65879
20 375,2667 0,556497 -0,20696 5,927637 0,042833 35,13688 -1,22679
21 399,1167 0,584746 -0,12912 5,989254 0,016673 35,87116 -0,77336
22 415,1333 0,612994 -0,05201 6,0286 0,002705 36,34401 -0,31357
23 424,7 0,641243 0,0248 6,051383 0,000615 36,61924 0,150073
24 433,65 0,669492 0,101765 6,072238 0,010356 36,87207 0,61794
25 451,1833 0,69774 0,179374 6,111874 0,032175 37,355 1,096311
26 464,9333 0,725989 0,258191 6,141894 0,066663 37,72286 1,585781
27 490,9167 0,754237 0,33889 6,196274 0,114846 38,39382 2,099855
28 559,7333 0,782486 0,422317 6,32746 0,178351 40,03676 2,672192
29 560,0333 0,810734 0,509587 6,327996 0,259679 40,04354 3,224667
30 572,7167 0,838983 0,602262 6,350391 0,36272 40,32747 3,824601
31 583,7167 0,867232 0,702676 6,369416 0,493754 40,56946 4,475637
32 594,0333 0,89548 0,814647 6,386935 0,66365 40,79294 5,2031
33 622,9 0,923729 0,945251 6,434386 0,8935 41,40132 6,082112
34 648,5833 0,951977 1,110568 6,47479 1,233362 41,92291 7,190698
35 661,7333 0,980226 1,366955 6,494863 1,868567 42,18324 8,878187
∑ - - -19,4526 198,4163 60,1767 1136,692 -87,1907
Tabela 4.1

Com os parâmetros da distribuição calculados na tabela 4.1, podemos determinar o

tempo médio entre falhas (TMEF), para isso utilizamos a seguinte equação:

𝑇𝑀𝐸𝐹 = 𝑡0 + 𝜂Γ(1 + 𝛽 −1 ) = 0 + (385,529)(0,8867) = 341,8695 ℎ𝑜𝑟𝑎𝑠

16
 Montando um gráfico para a função cumulativa (seguindo a distribuição
Weibull) na forma linear, temos:

Distribuição Weibull
2

0
Ln Ln[1/(1-F(t))]

-1

-2

-3

-4

-5
4 4.5 5 5.5 6 6.5 7
Ln[T(horas)]

Gráfico 4.1

Distribuição Lognormal - Dados de reparo

Para a distribuição lognormal, temos a seguinte função na forma linear:

𝐿𝑛 𝑡 = 𝜎. 𝜙 −1 [𝑀(𝑡)] + 𝜇

Onde:

𝜇 − 𝑀é𝑑𝑖𝑎 𝑑𝑜𝑠 𝑑𝑎𝑑𝑜𝑠;

𝜎 − 𝐷𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜;

𝑀(𝑡) − 𝐹𝑢𝑛çã𝑜 𝑚𝑎𝑛𝑡𝑒𝑛𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒;

𝜙 −1 − 𝐼𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑎 𝑛𝑜𝑟𝑚𝑎𝑙 𝑝𝑎𝑑𝑟𝑜𝑛𝑖𝑧𝑎𝑑𝑎.

Fazendo:

𝑌 = ln 𝑡

𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − ∑𝑛𝑖=1 𝑋𝑖 ∑𝑛𝑖=1 𝑌𝑖

𝑎=𝜎=
𝑛 ∑𝑛𝑖=1 𝑋𝑖 2 − (∑𝑛𝑖=1 𝑋𝑖 )²

𝑋 = 𝜙 −1 [𝑀(𝑡)]

17
 ∑𝑛𝑖=1 𝑌𝑖 ∑𝑛𝑖=1 𝑋𝑖
𝑏=𝜇= −𝑎
𝑛 𝑛
Utilizando as equações anteriores, montamos a seguinte tabela:

M(t) -
t
i Bernard Yi Xi Yi² Xi² XiYi 𝜎 𝜇
1 1,883333 0,019774 0,633043 -2,05844 0,400744 4,237171 -1,30308
2 2,2 0,048023 0,788457 -1,66434 0,621665 2,770016 -1,31226
3 2,466667 0,076271 0,902868 -1,43061 0,81517 2,046641 -1,29165
4 3,783333 0,10452 1,330605 -1,25621 1,770511 1,578066 -1,67152
5 4,016667 0,132768 1,390452 -1,1134 1,933358 1,239659 -1,54813
6 4,1 0,161017 1,410987 -0,99029 1,990884 0,980668 -1,39728
7 5,033333 0,189266 1,616082 -0,88061 2,611723 0,775467 -1,42313
8 5,266667 0,217514 1,661398 -0,78062 2,760242 0,609362 -1,29691
9 5,283333 0,245763 1,664557 -0,68788 2,770751 0,473185 -1,14502
10 5,8 0,274011 1,757858 -0,60073 3,090064 0,360872 -1,05599
11 6 0,30226 1,791759 -0,51791 3,210402 0,268233 -0,92797
12 6,15 0,330508 1,816452 -0,43851 3,299498 0,192291 -0,79653
13 6,266667 0,358757 1,835245 -0,36178 3,368123 0,130887 -0,66396
14 6,383333 0,387006 1,85369 -0,28713 3,436168 0,082445 -0,53225
15 6,483333 0,415254 1,869235 -0,21405 3,494039 0,045817 -0,40011
16 6,616667 0,443503 1,889592 -0,14209 3,570557 0,020191 -0,2685
17 6,733333 0,471751 1,90707 -0,07087 3,636917 0,005022 -0,13515
18 6,866667 0,5 1,926679 -1,4E-16 3,712091 1,94E-32 -2,7E-16
0,56502 1,97593
19 7,25 0,528249 1,981001 0,070868 3,924367 0,005022 0,14039
20 7,833333 0,556497 2,058388 0,142094 4,236962 0,020191 0,292485
21 8,666667 0,584746 2,159484 0,214049 4,663372 0,045817 0,462236
22 8,783333 0,612994 2,172856 0,287132 4,721303 0,082445 0,623896
23 9,566667 0,641243 2,258285 0,361783 5,09985 0,130887 0,817009
24 9,583333 0,669492 2,260025 0,43851 5,107715 0,192291 0,991043
25 10,31667 0,69774 2,333761 0,517912 5,446439 0,268233 1,208682
26 10,5 0,725989 2,351375 0,600726 5,528966 0,360872 1,412532
27 10,6 0,754237 2,360854 0,687885 5,573632 0,473185 1,623995
28 11,23333 0,782486 2,418886 0,780616 5,851007 0,609362 1,888221
29 11,93333 0,810734 2,479336 0,880606 6,147105 0,775467 2,183318
30 11,96667 0,838983 2,482125 0,990287 6,160945 0,980668 2,458016
31 13,58333 0,867232 2,608844 1,1134 6,806065 1,239659 2,904686
32 14,33333 0,89548 2,662588 1,256211 7,089374 1,578066 3,344772
33 16,15 0,923729 2,78192 1,430609 7,739079 2,046641 3,979839
34 16,63333 0,951977 2,811409 1,664337 7,904019 2,770016 4,67913
35 18,73333 0,980226 2,930304 2,058439 8,586684 4,237171 6,031853
∑ - - 69,15747 -3,6E-15 147,0798 31,63198 17,87264
Tabela 4.2

18
 Calculando o tempo médio para reparo, temos:

𝜎2 1,975932
𝑇𝑀𝑃𝑅 = exp [𝜇 + ] = exp [0,56502 + ] = 8,4617 𝐻𝑜𝑟𝑎𝑠
2 2

Calculando a disponibilidade do equipamento com o TMEF e o TMPR

calculados pelo método dos mínimos quadrados, temos:

𝑇𝑀𝐸𝐹 341,8695
𝐴𝑂 = = = 0,97585
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 341,8695 + 8,4617

19
5. Fazer o cálculo do teste de aderência de pelo menos dois
métodos e comparar com os resultados obtidos pelo software
utilizado.

Neste item nós iremos realizar o teste de aderência qui-quadrado para verificar a
hipótese dos tempos de falhas seguirem a distribuição de Weibull, e os tempos de reparo
seguirem a distribuição Lognormal. Depois disso iremos comparar com os resultados
obtidos pelo Proconf.

Para a distribuição de Weibull:

Para calcular a quantidade de classes, nós utilizamos a seguinte equação:

𝑘 = [1 + 3,3 𝑙𝑜𝑔10 𝑛]

Logo, temos que:

𝑘 = [1 + 3,3 𝑙𝑜𝑔10 35] = [6,0954] = 6

Para encontrar os limites superiores de cada classe, nós pegamos o maior valor
da população e o menor valor e dividimos pelo número de classes. E para incluir todas
as amostras, adicionamos em cada limite superior o menor valor das amostras, assim,
obtemos:

Célula Limite superior Nº de tempos de falhas

1 201,928 11
2 293,889 6
3 495,817 10
4 697,745 8
5 899,672 0
6 1101,600 0

Para que nenhuma classe ficasse com 0 números de falhas, juntamos a classe 4,
5 e 6, ficando com a seguinte tabela:

Célula Limite superior Nº de tempos de falhas

1 201,928 11
2 293,889 6
3 495,817 10
4 inf 8

Os parâmetros testados serão os obtidos pela método da máxima

verossimilhança utilizando o programa Proconf (Questão 2), neste caso utilizaremos os
obtidos através de uma estimativa não tendenciosa.

20
 𝛽 (𝑓𝑎𝑡𝑜𝑟 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎) 1,9433
𝜂 (Vida característica) 381,8645

Nós calculamos os seguintes números de falhas esperados:

E1 8,80842
E2 7,005602
E3 12,53837
E4 6,64761

Escolhendo um nível de significância 𝛼 = 0,10. Teremos apenas um grau de

liberdade e portanto um 𝜒²𝑐𝑟𝑖𝑡 = 2,71.

Limite superior N° observado Probabilidade Valor esperado (O-E)²/E

201,928 11 0,25167 8,80842 0,545276
293,889 6 0,20016 7,005602 0,144347
495,817 10 0,35824 12,53837 0,513887
inf 8 0,18993 6,64761 0,27513

Logo 𝜒² = 3,5921, como ele é menor que 𝜒²𝑐𝑟𝑖𝑡 , logo, aceitamos a hipótese da
população seguir o modelo de distribuição de Weibull.

O Proconf realiza dois testes de aderência: qui-quadrado e o analítico de

Kolmogorov-Smirnov. A imagem a seguir mostra o teste realizado pelo software.

Figura 5.1 - Testes de aderência (Proconf)

Vemos na figura 5.1 que o Proconf não rejeitou a hipótese de que a população
segue o modelo Weibull.

21
 Para a distribuição Lognormal:
Calculando a quantidade de classes, temos que:

𝑘 = [1 + 3,3 𝑙𝑜𝑔10 35] = [6,0954] = 6

Para encontrar os limites superiores de cada classe, nós pegamos o maior valor
da população e o menor valor e dividimos pelo número de classes. E para incluir todas
as amostras, adicionamos em cada limite superior o menor valor das amostras, assim,
obtemos:

Célula Limite superior Nº Observado

1 4,692 5
2 7,5 13
3 10,308 6
4 13,117 6
5 15,925 2
6 inf 3

Para que nenhuma classe ficasse com o número de reparos menor que 5,
juntamos a classe 5 e 6, ficando com a seguinte tabela:

Célula Limite superior Nº Observado

1 4,692 5
2 7,5 13
3 10,308 6
4 13,117 6
5 inf 5

Os parâmetros testados serão os obtidos pela método da máxima

verossimilhança utilizando o programa Proconf (Questão 2):

𝜇 − 𝑀é𝑑𝑖𝑎 1,975928
𝜎 − 𝐷𝑒𝑠𝑣𝑖𝑜 𝑃𝑎𝑑𝑟ã𝑜 0,545884

Nós calculamos os seguintes números de reparos esperados:

E1 7,538
E2 10,959
E3 7,525
E4 4,196
E5 4,784

22
 Escolhendo um nível de significância 𝛼 = 0,10. Teremos apenas dois graus de
liberdade e portanto um 𝜒²𝑐𝑟𝑖𝑡 = 4,61.

Limite superior N° observado Probabilidade Valor esperado (O-E)²/E

4,692 5 0,2154 7,5375 0,854252
7,5 13 0,3131 10,9586 0,380284
10,308 6 0,2149 7,5248 0,308981
13,117 6 0,1199 4,1956 0,776059
inf 5 0,1367 4,7836 0,009794

Logo 𝜒² = 2,329, como ele é menor que 𝜒²𝑐𝑟𝑖𝑡 , logo, aceitamos a hipótese da
população seguir o modelo de distribuição Lognormal.

O Proconf realiza dois testes de aderência: qui-quadrado e o analítico de

Kolmogorov-Smirnov. A imagem a seguir mostra o teste realizado pelo software.

Figura 5.2 - Testes de aderência (Proconf)

Vemos na figura 5.2 que o Proconf concorda com o que foi dito anteriormente, a
hipótese de que a população segue o modelo lognormal não pode ser rejeitada.

Concluímos então, que os tempos de reparo seguem a distribuição lognormal e

os tempos de falha seguem a distribuição Weibull.

23
6. Para valores de taxas de custos de uma intervenção de
manutenção preventiva com relação uma manutenção corretiva,
iguais a 0.6, 0.4, 0.2 e 0.1, observar se existe período ótimo para
realização de manutenção preventiva sistemática.

Para o modelo baseado no tempo temos que para que a política de manutenção
preventiva seja mais efetiva que a corretiva é necessário que:

𝐾𝑝 1 σ2
< (1 − 2 ) 𝑬𝒒. (𝟔. 𝟏)
𝐾𝑐 2 𝜇

Onde:

𝐾𝑝
− é 𝑎 𝑟𝑒𝑙𝑎çã𝑜 𝑒𝑛𝑡𝑟𝑒 𝑜𝑠 𝑐𝑢𝑠𝑡𝑜𝑠 𝑑𝑎 𝑚𝑎𝑛𝑢𝑡𝑒𝑛çã𝑜 𝑝𝑟𝑒𝑣𝑒𝑛𝑡𝑖𝑣𝑎 𝑒 𝑐𝑜𝑟𝑟𝑒𝑡𝑖𝑣𝑎
𝐾𝑐
𝐾𝑝 1 σ2
Quando < 2 (1 − 𝜇2 ) , existirá um tempo mínimo para realização da
𝐾𝑐
manutenção preventiva que irá trazer uma relação entre custo horário de manutenção
preventiva e custo horário de manutenção corretiva menor que 1, sendo então mais
efetivo a manutenção preventiva. Caso o contrário ocorra, o tempo mínimo irá trazer um
relação entre os custos horários maior que 1, sendo então menos vantajoso.

Utilizando os parâmetros obtidos pelo método da máxima verossimilhança,

temos que:

𝜇 = 𝑇𝑀𝐸𝐹 = 𝑡0 + 𝜂. Γ(1 + 𝛽 −1 )

𝜇 = (381,8645)Γ(1 + 1,9433−1 )

𝜇 = 338, 6316 ℎ𝑜𝑟𝑎𝑠

σ = 𝜂[Γ(1 + 2𝛽 −1 ) − Γ 2 (1 + 𝛽 −1 )]2

σ = 181,7 horas

Substituindo na Eq.(6.1), obtemos:

𝐾𝑝
< 0,35612
𝐾𝑐
𝐾𝑝
Montamos o gráfico 6.1 para valores valores de K = , para ilustrar o que foi
𝐾𝑐
dito.

24
 4
3.8
3.6
3.4 K=0.1
3.2
K=0.2
Custo da MP/Custo da MC

3
2.8
2.6 K=0.3
2.4 K=0.4
2.2
2 K=0.5
1.8
1.6 K=0.6
1.4
1.2 K=0.7
1
0.8 K=0.8
0.6
0.4 K=0.9
0.2 K=1
0
0 100 200 300 400 500 600 700
Tempo (horas)

Gráfico 6.1

Vemos que as curvas estão de acordo com o que foi calculado, a relação entra
Cmp/Cmc é maior que 1 para Kp/Kc maior que 0,35612. Então o tempo mínimo para
realização da manutenção preventiva baseada no tempo só será efetivo para o Kp/Kc =
0,1 e 0,2. Para Kp/Kc = 0,4 e Kp/Kc = 0,6, temos que o tempo mínimo nos dá um
Cmp/Cmc maior que 1.

25
7. Calcular os períodos ótimos para realização da manutenção
preventiva, por tempo e por idade, com e sem a duração dos
reparos.
Os parâmetros da distribuição Weibull que iremos utilizar para os cálculos aqui,
serão os obtidos através do método da máxima verossimilhança.

Modelo baseado em intervalos de tempo constante - (Por tempo)

Para o modelo baseado no tempo temos que o tempo ótimo é obtido através da
seguinte equação:
1
𝐾𝑃 1 𝛽
𝑇 = 𝑡𝑜 + 𝜂 ( ) , 𝑝𝑎𝑟𝑎: 𝛽 > 1
𝐾𝐶 (𝛽 − 1)

Calculando através da equação anterior, obtemos a seguinte tabela:

T
KP/KC Verossimilhança Mínimos quadrados
0,6 295,843672 307,7858041
0,4 242,1007578 251,8734841
0,2 171,8524021 178,7894581
0,1 121,9874254 126,9116137
Tabela 7.1

De acordo com o que foi calculado na questão 6, apenas os valores da tabela

anterior (marcados em amarelo) trarão uma relação Cmp/Cmc menor que 1.

Modelo baseado na idade

Para o modelo baseado na idade, temos a seguinte equação para o custo total:

𝐶𝑃 𝑥𝑅(𝑡𝑝 ) + 𝐶𝑓 𝑥[1 − 𝑅(𝑡𝑝 )]

𝐶(𝑡𝑝 ) = 𝑡
𝑡𝑝 𝑅(𝑡𝑝 ) + ∫0 𝑝 𝑡𝑓(𝑡)𝑑𝑡

ou

𝐶𝑃 𝑥𝑅(𝑡𝑝 ) + 𝐶𝑓 𝑥[1 − 𝑅(𝑡𝑝 )]

𝐶(𝑡𝑝 ) = 𝑡𝑝
∫0 𝑅(𝑡)𝑑𝑡

Utilizando as equações anteriores, nós iremos plotar dois gráficos comparando

o modelo baseado na idade e o modelo baseado em intervalos de tempo constante, o
primeiro gráfico será para Kp/Kc = 0,1 e o segundo para Kp/Kc = 0,2, com os gráficos
poderemos visualizar o ponto mínimo (T mín que minimiza os custos da manutenção).
Colocamos então os seguintes valores de custos fictícios para Kp/Kc = 0,1: Cp = 100,
Cc = 1000. Para Kp/Kc = 0,2 : Cp = 200, Cc = 1000.

26
 Gráfico 7.1 - Comparação entre os modelos para Kp/Kc = 0,1

Gráfico 7.2 - Comparação entre os modelos para Kp/Kc = 0,2

Vemos que os pontos mínimos para intervalos de tempo constante resultaram

nos mesmos valores que obtemos na tabela 7.1.

27
8. Simular através do método Monte Carlo, com o auxílio do
MATLAB ou qualquer software, o funcionamento do equipamento
para o mesmo período de tempo de coleta de dados, considerando
que o mesmo está submetido a manutenções preventivas com os
tempos calculados no item anterior.

Iremos fazer simulações do funcionamento do equipamento seguindo o modelo

baseado na idade, ou seja, será realizado manutenção preventiva no equipamento após
determinado tempo de operação. Caso ocorra uma manutenção corretiva antes desse
tempo para manutenção preventiva, então iremos considerar que o equipamento volta ao
estado de "tão bom quanto novo", e começamos novamente a contar o tempo "Tp" para
realizar a manutenção preventiva. A data de início e fim de funcionamento do
equipamento na simulação será o mesmo da dos dados coletados, sendo que, como os
tempos de reparo e de falha do equipamento são estocásticos, os tempos entre cada
simulação e o tempo de coleta serão um pouco diferentes. A simulação portanto terá
inicia em 1 de janeiro de 2015 as 08:00 e irá terminar entre 22 a 23 de maio de 2016.
Através da figura 8.1, podemos visualizar uma ilustração de como esse modelo atua.

Figura 8.1

A lógica por trás da simulação é:

 Um número aleatório maior que 0 e menor que 1 é gerado, esse número irá
representar probabilidade de falha. Através dele obtemos o tempo de falha do
equipamento. Para a distribuição Weibull teremos:
1 ( ⁄𝛽 )
1
𝑡 = 𝜂 [ln ( )]
1 − 𝐹(𝑥)
 Após isso, comparamos o tempo "t" com o tempo da manutenção preventiva,
caso ele seja maior igual a "tp", ignoramos "t" e mantemos "tp" como sendo a
ocorrência de uma manutenção preventiva, desta forma, o tempo de reparo será
igual ao tempo de duração da manutenção preventiva, que deve ser logicamente
menor que os tempos de manutenção corretiva (nessa simulação ele será
equivalente a 0,5 horas);
 Caso ocorra do tempo "t" ser menor que o tempo "tp", a manutenção corretiva
irá ocorrer e será gerado um outro número aleatório maior que 0 e menor que 1

28
 para calcular o tempo de duração da manutenção corretiva, ele será calculado
através da seguinte equação para a distribuição lognormal:

𝑡 = exp[𝜙 −1 (𝑀(𝑡)) ∗ 𝜎 + 𝜇]

 Esses processos iram se repetir até o tempo estabelecido como limite para a
simulação ser alcançando.

Com os resultados obtidos na questão anterior, temos os seguintes tempos para

realização da manutenção preventiva baseada no modelo da idade:

Para Kp/Kc = 0,1 o tempo para realização da manutenção preventiva é 130

horas, para Kp/Kc = 0,2 o tempo para realização da manutenção preventiva é 200 horas.
O custo para manutenção corretiva é de 1000, enquanto o custo para a manutenção
preventiva com Kp/Kc = 0,1 é 100, e para Kp/Kc = 0,2 é 200.

Depois de terminarmos a simulação, iremos comparar os tempos entre falhas e

os tempos de reparo com os dados coletados. Iremos também comparar os custos com
manutenção para os três casos: sem manutenção preventiva (dados iniciais), com
manutenção preventiva a cada 130 horas de operação e com manutenção preventiva a
cada 200 horas de operação. Na próxima pagina está a tabela com os resultados da
simulação. Destacado em amarelo está as manutenções corretivas, em azul está as
manutenções preventivas. Abaixo está novamente a tabela com os tempo entre falhas e
tempos para reparo dos dados coletados.

Dados Coletados - Sem Manutenção preventiva

i TEF TPR i TEF TPR
1 622,900 11,933 21 661,733 2,200
2 114,933 6,733 22 572,717 6,150
3 375,267 6,867 23 424,700 8,783
4 178,983 5,283 24 415,133 6,267
5 129,700 7,833 25 433,650 6,617
6 229,250 4,100 26 594,033 2,467
7 583,717 8,667 27 330,650 18,733
8 648,583 10,500 28 559,733 1,883
9 399,117 9,583 29 464,933 11,233
10 222,417 11,967 30 324,283 13,583
11 166,383 14,333 31 260,233 10,600
12 451,183 4,017 32 210,300 5,267
13 119,083 9,567 33 166,417 5,800
14 109,967 16,633 34 214,733 3,783
15 490,917 10,317 35 216,800 6,483
16 194,100 6,000
17 133,467 16,150
18 560,033 5,033
19 184,283 6,383
20 117,450 7,250

29
Simulação para Kp/Kc = 0,1 - Tp = 130 h Simulação para Kp/Kc = 0,2 - Tp = 200 h
i T (h) 𝜏 (h) i T (h) 𝜏 (h) i T (h) 𝜏 (h) i T (h) 𝜏 (h)
1 130,00 0,50 51 130,00 0,50 1 151,24 12,04 51 200,00 0,5
2 130,00 0,50 52 130,00 0,50 2 200,00 0,50 52 170,81 9,4086224
3 130,00 0,50 53 130,00 0,50 3 200,00 0,50 53 167,98 6,0049381
4 130,00 0,50 54 130,00 0,50 4 105,03 6,67 54 200,00 0,5
5 130,00 0,50 55 130,00 0,50 5 124,22 18,99 55 200,00 0,5
6 130,00 0,50 56 130,00 0,50 6 24,06 10,89 56 107,14 16,103726
7 130,00 0,50 57 130,00 0,50 7 200,00 0,50 57 200,00 0,5
8 130,00 0,50 58 130,00 0,50 8 200,00 0,50 58 200,00 0,5
9 130,00 0,50 59 130,00 0,50 9 109,47 6,28 59 200,00 0,5
10 130,00 0,50 60 130,00 0,50 10 200,00 0,50 60 200,00 0,5
11 130,00 0,50 61 130,00 0,50 11 200,00 0,50 61 200,00 0,5
12 130,00 0,50 62 130,00 0,50 12 200,00 0,50 62 200,00 0,5
13 130,00 0,50 63 130,00 0,50 13 200,00 0,50 63 200,00 0,5
14 97,51 19,91 64 130,00 0,50 14 167,11 5,11 64 200,00 0,5
15 119,14 7,69 65 130,00 0,50 15 147,41 3,96 65 200,00 0,5
16 130,00 0,50 66 130,00 0,50 16 200,00 0,50 66 200,00 0,5
17 124,47 9,98 67 91,97 6,65 17 200,00 0,50 67 200,00 0,5
18 130,00 0,50 68 109,35 7,87 18 200,00 0,50 68 200,00 0,5
19 130,00 0,50 69 130,00 0,50 19 147,08 12,79
20 130,00 0,50 70 130,00 0,50 20 200,00 0,50
21 130,00 0,50 71 130,00 0,50 21 200,00 0,50
22 130,00 0,50 72 130,00 0,50 22 200,00 0,50
23 130,00 0,50 73 130,00 0,50 23 200,00 0,50
24 130,00 0,50 74 130,00 0,50 24 103,43 4,90
25 130,00 0,50 75 130,00 0,50 25 134,50 4,41
26 130,00 0,50 76 130,00 0,50 26 196,29 6,44
27 130,00 0,50 77 130,00 0,50 27 82,51 14,64
28 130,00 0,50 78 130,00 0,50 28 200,00 0,50
29 130,00 0,50 79 130,00 0,50 29 200,00 0,50
30 130,00 0,50 80 130,00 0,50 30 200,00 0,50
31 130,00 0,50 81 130,00 0,50 31 200,00 0,50
32 101,13 10,45 82 130,00 0,50 32 200,00 0,50
33 130,00 0,50 83 130,00 0,50 33 200,00 0,50
34 130,00 0,50 84 130,00 0,50 34 127,09 11,00
35 130,00 0,50 85 130,00 0,50 35 200,00 0,50
36 130,00 0,50 86 28,02 6,06 36 197,13 6,32
37 130,00 0,50 87 130,00 0,50 37 117,62 3,92
38 130,00 0,50 88 130,00 0,50 38 200,00 0,50
39 130,00 0,50 89 130,00 0,50 39 200,00 0,50
40 130,00 0,50 90 130,00 0,50 40 200,00 0,50
41 103,66 9,74 91 130,00 0,50 41 91,03 4,86
42 130,00 0,50 92 130,00 0,50 42 200,00 0,50
43 130,00 0,50 93 130,00 0,50 43 200,00 0,50
44 130,00 0,50 94 130,00 0,50 44 44,77 2,83
45 130,00 0,50 95 130,00 0,50 45 160,30 8,89
46 130,00 0,50 46 200,00 0,50
47 130,00 0,50 47 200,00 0,50
48 130,00 0,50 48 200,00 0,50
49 130,00 0,50 49 200,00 0,50
50 130,00 0,50 50 200,00 0,50

30
 Dados iniciais - Sem Simulação para Kp/Kc = 0,1; Simulação para Kp/Kc = 0,2;
Manutenção preventiva Tp = 130 horas Tp = 200 horas
Tempo de 12050,78 Tempo de Tempo de
funcionamento (Horas) funcionamento (Horas) 12207,1 funcionamento (Horas) 12276,21
Quantidade de horas 11761,78 Quantidade de horas Quantidade de horas
ativo (Horas) ativo (Horas) 12085,24 ativo (Horas) 12076,25
Quantidade de horas 289,00 Quantidade de horas Quantidade de horas
parado (Horas) parado (Horas) 121,84 parado (Horas) 199,96
Quantidade de 35 Quantidade de Quantidade de
manutenções corretivas manutenções corretivas 8 manutenções corretivas 21
Quantidade de Quantidade de Quantidade de
manutenções - manutenções manutenções
preventivas preventivas 87 preventivas 47
Custo com manutenção - Custo com manutenção Custo com manutenção
preventiva preventiva 8700 preventiva 9400
Custo com manutenção 35000 Custo com manutenção Custo com manutenção
corretiva corretiva 8000 corretiva 21000
Custo total com 35000 Custo total com Custo total com
manutenção manutenção 16700 manutenção 30400

Vemos através da tabela acima a eficiência da manutenção preventiva, apesar da

maior quantidade de paradas do equipamento, o custo com manutenção diminuiu muito
para ambos os casos simulados. Além dos custos, nós podemos comparar a quantidade
de tempo que os equipamentos ficaram funcionando ou ficaram parados, e vemos
novamente a melhor eficácia (com relação aos custos) da política de manutenção
preventiva sobre a realização de somente manutenções corretivas para os casos de
Kp/Kc =0,1 e Kp/Kc =0,2.

Na próxima página está o código no Matlab utilizado para realizar a simulação.

31
 Código no MATLAB utilizado na simulação
clear all
close all
clc

%%%%%%%%%% Dados de entrada %%%%%%%%%%%%%

%Parâmetros para a distribuição Weibull (Tempos de falha)
neta = 381.8645; % Vida caracteristica
beta = 1.9433; % Fator de forma

%Parâmetros para a distribuição lognormal (Tempos de reparo)

u = 1.975928; % Média
sigma=0.545884; % Desvio Padrão

%%%%%%% Tempo de funcionamento do equipamento %%%%%%%%%%%%%%%%%%

data_inicial = 'January 1, 2015 08:00:00'; % Data de inicio da
operação
data_final = 'May 22, 2016 23:59:00'; % Data final de operação
di = datevec(data_inicial,'mmm dd, yyyy HH:MM:SS');
df = datevec(data_final,'mmm dd, yyyy HH:MM:SS');

tempo_total = (etime(df,di))/3600; % tempo total de operação

tp = 130; % tempo ótimo para manutenção preventiva
dprev = 0.5; % duração manutenção preventiva
cp = 200; % custo com manutenção preventiva
cc = 1000; % custo com manutenção corretiva
i=0;
t=0;
v=0;
cont1 = 0; % Contador de manutenções corretivas
cont2 = 0; % Contador de manutenções preventivas
Tparado = 0;
while v < tempo_total
i=1+i;
x = neta*(log(1/(1-rand)))^(1/beta)
if x<=tp
TF(i)=x
y = exp(norminv(rand)*sigma+u)
TR(i)=y
cont1=cont1+1;
else
TF(i)=tp;
x = tp;
y = dprev;
TR(i)=y
cont2=cont2+1;
end
Tparado = y + Tparado;
v=x+y+v;
t(i)=v
end

cpt = cont2*cp; % Custo com manutenção preventiva total

cct = cont1*cc; % Custo com manutenção corretiva total
ctotal = cpt+cct; % Custo total com manutenção: cpt+cct
toperando = v - Tparado % Tempo operando

32
9. Fazer uma análise comparativa dos resultados obtidos
anteriormente através dos métodos e técnicas diferentes.

Análise comparativa dos cálculos do TMEF, TMPR e disponibilidade

pelos métodos utilizados
Empírico Mínimos Quadrados Máxima verossimilhança
Disponibilidade 0,9763 0,9758 0,9759
TMEF 339,4795 341,8695 338,6316
TMPR 8,2571 8,4617 8,3722
Tabela 9.1

Vemos a partir da tabela 9.1 que através dos três métodos utilizados, obtemos
para os três indicadores (TMPR, TMEF e disponibilidade) valores bastante semelhantes,
isso demonstra que até mesmo o método empírico pode apresentar resultados bons
quando comparado com os métodos teóricos.

Análise comparativa dos métodos de estimação de parâmetros

Comparando os dois métodos de estimação de parâmetros para a distribuição
Weibull, temos a tabela 9.2.

Distribuição Weibull
Parâmetros Máxima verossimilhança Mínimos Quadrados
𝜂 381,8645 385,5295
𝛽 1,9433 1,9462
Diferenças entre o parâmetro neta: 0,951 %
Diferenças entre o parâmetro beta: 0,148 %
Tabela 9.2

Comparando os dois métodos de estimação de parâmetros para a distribuição

Lognormal, temos a tabela 9.3.

Distribuição Lognormal
Parâmetros Máxima verossimilhança Mínimos Quadrados
𝜇 1,9759 1,9759
𝜎 0,5459 0,5650
Diferenças entre o parâmetro neta: 0 %
Diferenças entre o parâmetro beta: 3,502 %
Tabela 9.3

Vemos na tabela 9.2 e 9.3 que ambos os métodos de estimação de parâmetros

mostram obter resultados praticamente iguais.

33
 Análise dos testes de aderência
Como foi mostrado anteriormente, ambos os métodos para estimar os
parâmetros das distribuições mostram resultados praticamente iguais, e por este motivo
escolhemos realizar o teste de aderência apenas para os parâmetros obtidos pelo método
da máxima verossimilhança.

Comparando os testes de aderência realizados, percebemos que o Proconf

utilizando o método do Qui-quadrado e o método de Kolmogorov-Smirnov concordou
com o que foi demonstrado no trabalho.

Análise dos tempos ótimos para realizar a manutenção preventiva

Vimos através do gráfico 6.1 quais seriam os Kp/Kc que possuem o tempo
ótimo para realizar a manutenção preventiva através do modelo de tempo constante, que
traz uma relação entre Cmp/Cmc menor que 1. Comparado esse gráfico com a restrição
para o Kp/Kc calculada, vemos que ambos fornecem a mesma resposta, Kp/Kc deve ser
menor que 0,356.

Após isso, montamos um gráfico no Matlab que faz uma comparação entre os
dois modelos (modelo por idade o modelo por tempo constante). Verificamos no gráfico
7.1 e gráfico 7.2, que o ponto mínimo para o modelo de tempo constante resultou em
valores iguais aos obtidos através da equação utilizada. Nestes mesmos gráficos é
possível verificar a diferença entre os modelos. Inicialmente ambos modelos trazem
resultados praticamente iguais para os custos, mas com o aumento do tempo de
realização da manutenção, o modelo baseado na idade resulta em custos menores para o
mesmo tempo.

Análise da simulação do equipamento com manutenções preventivas

seguindo o modelo de tempo baseado na idade
Concluímos através das tabelas dos resultados da simulação que a realização da
manutenção preventiva resultou em uma redução dos custos com a manutenção. Mesmo
com realizando mais paradas para realizar manutenção, a manutenção preventiva é mais
vantajosa para esses casos, pois ela possui um tempo de duração de reparo muito baixo,
além de custo também muito baixo. Esse resultado mostra o que era esperado, pois
através dos cálculos de tempo ótimo para manutenção preventiva, observamos que para
Kp/Kc = 0,1 e Kp/Kc = 0,2, a manutenção preventiva se mostra mais efetiva que a
corretiva com relação aos custos.

34
10. Censure o terceiro, quinto, décimo terceiro, décimo nono,
vigésimo terceiro e vigésimo sétimo de tempo de falhas e
recalcule o item 2, 3 e 4.

10.1. Plotar as curvas referente à confiabilidade, função cumulativa de falhas,

função densidade de probabilidade, função taxa de falhas e calcular os indicadores
MTBF, MTTR e disponibilidade operacional do hipotético equipamento através de
Métodos empíricos.

O método empírico que iremos utilizar aqui será o método estimador limite de
produto. Através desse método podemos calcular a estimativa da confiabilidade para
cada 𝑡𝑖 através da seguinte equação:

𝑛 + 1 − 𝑖 𝛿𝑖
𝑅̂ (𝑡𝑖 ) = ( ) 𝑅̂ (𝑡𝑖−1 )
𝑛+2−𝑖
Onde:

1 𝑠𝑒 𝑎 𝑓𝑎𝑙ℎ𝑎 𝑜𝑐𝑜𝑟𝑟𝑒 𝑛𝑜 𝑡𝑒𝑚𝑝𝑜 𝑡𝑖

𝛿𝑖 = {
0 𝑠𝑒 𝑎 𝑐𝑒𝑛𝑠𝑢𝑟𝑎 𝑜𝑐𝑜𝑟𝑟𝑒 𝑛𝑜 𝑡𝑒𝑚𝑝𝑜 𝑡𝑖

𝑅̂ (0) = 1

Para a estimativa da densidade de probabilidade de falhas, temos:

𝐹(𝑡𝑖+1 ) − 𝐹(𝑡𝑖 )
𝑓̂(𝑡𝑖 ) =
∆𝑡𝑖

E para a estimativa da taxa de falhas, temos:

𝑓̂(𝑡𝑖 )
𝜆̂(𝑡) =
𝑅̂ (𝑡𝑖 )

Montando uma tabela com os dados censurados, temos:

i ti (ti+1 - ti) (36-i)/(37-i) 𝑅̂(ti) 𝐹̂ (ti) 𝑓̂(ti) 𝜆̂ (i)

0 0 109,9667 1 0 0,0002526 0,0002526
1 109,9667 4,966667 0,97222222 0,972222 0,027778 0,0055928 0,0057526
2 114,9333 4,15 0,97142857 0,944444 0,055556 0,0068963 0,0073019
3 117,45+ - 0,97058824 - - - -
4 119,0833 14,38333 0,96969697 0,915825 0,084175 0,002054 0,0022427
5 129,7+ - 0,96875 - - - -
6 133,4667 32,91667 0,96774194 0,886282 0,113718 0,0008975 0,0010127
7 166,3833 0,033333 0,96666667 0,856739 0,143261 0,8862822 1,0344828
8 166,4167 12,56667 0,96551724 0,827197 0,172803 0,0023509 0,002842

35
 9 178,9833 5,3 0,96428571 0,797654 0,202346 0,0055741 0,0069881
10 184,2833 9,816667 0,96296296 0,768111 0,231889 0,0030094 0,003918
11 194,1 16,2 0,96153846 0,738568 0,261432 0,0018236 0,0024691
12 210,3 6,5 0,96 0,709026 0,290974 0,0047426 0,006689
13 214,7333+ - 0,95833333 - - - -
14 216,8 5,616667 0,95652174 0,678199 0,321801 0,0054885 0,0080928
15 222,4167 6,833333 0,95454545 0,647371 0,352629 0,0045113 0,0069686
16 229,25 30,98333 0,95238095 0,616544 0,383456 0,000995 0,0016138
17 260,2333 64,05 0,95 0,585717 0,414283 0,0004813 0,0008217
18 324,2833 50,98333 0,94736842 0,55489 0,44511 0,0006402 0,0011538
19 330,65+ - 0,94444444 - - - -
20 375,2667 23,85 0,94117647 0,522249 0,477751 0,0013686 0,0026205
21 399,1167 16,01667 0,9375 0,489609 0,510391 0,0020379 0,0041623
22 415,1333 18,51667 0,93333333 0,456968 0,543032 0,0018984 0,0041543
23 424,7+ - 0,92857143 - - - -
24 433,65 17,53333 0,92307692 0,421817 0,578183 0,0020048 0,0047529
25 451,1833 13,75 0,91666667 0,386665 0,613335 0,0025565 0,0066116
26 464,9333 94,8 0,90909091 0,351514 0,648486 0,000412 0,0011721
27 490,9167+ - 0,9 - - - -
28 559,7333 0,3 0,88888889 0,312457 0,687543 0,1301903 0,4166667
29 560,0333 12,68333 0,875 0,2734 0,7266 0,0030794 0,0112634
30 572,7167 11 0,85714286 0,234343 0,765657 0,0035506 0,0151515
31 583,7167 10,31667 0,83333333 0,195285 0,804715 0,0037858 0,0193861
32 594,0333 28,86667 0,8 0,156228 0,843772 0,001353 0,0086605
33 622,9 25,68333 0,75 0,117171 0,882829 0,0015207 0,0129786
34 648,5833 13,15 0,66666667 0,078114 0,921886 0,0029701 0,0380228
35 661,7333 - 0,5 0,039057 0,960943 - -
Tabela 10.1

Temos o seguinte gráfico para a confiabilidade:

Função Confiabilidade
1.2
1
0.8
R(t)

0.6
0.4
0.2
0
0 100 200 300 400 500 600 700
T (horas)

Gráfico 10.1 - Estimativa da função confiabilidade com dados censurados

36
 Para a função cumulativa de falhas temos:

Função Cumulativa de falhas

1.4

1.2

1
F(t)

0.8

0.6

0.4

0.2

0
0 100 200 300 400 500 600 700

T (horas)
Gráfico 10.2 - Estimativa da função cumulativa de falhas com dados censurados

Para a estimativa da função densidade de probabilidade de falhas:

Função densidade de probabilidade de

falhas
1
0.9
0.8
0.7
f(t)

0.6
0.5
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700

T (horas)

Gráfico 10.3 - Estimativa da função densidade de probabilidade de falhas com dados censurados

37
 Para a função taxa de falhas, obtemos:

Função taxa de falhas

1.2

0.8
h(t)

0.6

0.4

0.2

0
0 100 200 300 400 500 600 700

T (horas)

Gráfico 10.4 - Estimativa da função taxa de falhas

Para o cálculo do MTBF, temos:

𝑛
𝑇𝐸𝐹𝑖
̂ =∑
𝑀𝑇𝐵𝐹 = 350,815 𝐻𝑜𝑟𝑎𝑠
𝑛−𝑟
𝑖=1

Onde r é a quantidade de dados censurados.

Para o cálculo do TMPR, temos:

𝑛
𝑇𝑃𝑅𝑖
𝑇𝑀𝑃𝑅 = ∑ = 8,146 𝐻𝑜𝑟𝑎𝑠
𝑛−𝑟
𝑖=1

A disponibilidade operacional do equipamento é dada pela seguinte equação:

𝑇𝑀𝐸𝐹 350,815
𝐴𝑂 = = = 0,9773
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 350,815 + 8,146

10.2. Repetir o item 10.1 através do Método de estimação dos parâmetros de

distribuições usando a técnica de máxima verossimilhança. Sugestão: Use o
Proconf ou qualquer outro software estatístico.

Com o software Proconf, nós estimamos os parâmetros da distribuição Weibull

para os tempos de falha, o método utilizado pelo software é o da máxima
verossimilhança.

38
 Para a distribuição Weibull, obtemos:

Figura 10.1 - Estimação dos parâmetros da distribuição (Proconf)

AJUSTE DOS DADOS - MODELO WEIBULL

Parâmetro de Localização = 0

Estimativas da Verossimilhança Máxima:

𝛽 = 2,1135 (𝑓𝑎𝑡𝑜𝑟 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎);

𝜂 = 424,8312 (𝑉𝑖𝑑𝑎 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎);

Var(𝛽) = 0,1126;

Var(𝜂) = 1413,163.

Estimativa não tendenciosa:

𝛽 = 2,0308 (𝑓𝑎𝑡𝑜𝑟 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎);

𝜂 = 422,7854 (𝑉𝑖𝑑𝑎 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎)

95% do Intervalo de Confiança:

para 𝛽 = 1,3816 até 2,6306

para 𝜂 = 352,5709 até 515,1931

t10 = 139,5938
39
t50 = 352,9711

MTTF = 374,5897 Horas

Agora nós iremos mostrar os gráficos obtidos através do programa Proconf para
a distribuição de Weibull:

Gráfico da função confiabilidade:

1.0

0.8

0.6
R(t)

0.4

0.2

0.0
0 200 400 600 800 1000
t: tempo

Gráfico 10.5 - Confiabilidade (Proconf)

Gráfico da função cumulativa de falhas:

1.0

0.8

0.6
F(t)

0.4

0.2

0.0
0 200 400 600 800 1000
t: tempo

Gráfico 10.6 - Função cumulativa de falhas (Proconf)

40
 Gráfico da função densidade de probabilidade:

0.0025

0.0020

0.0015
f(t)

0.0010

0.0005

0.0000
0 200 400 600 800 1000
t: tempo

Gráfico 10.7 - Função densidade de probabilidade (Proconf)

Gráfico da função taxa de falhas:

0.015

0.010
h(t)

0.005

0.000
0 200 400 600 800 1000
t: tempo

Gráfico 10.8- Função taxa de falhas (Proconf)

Para dados com censuras aleatórias a distribuição lognormal não está disponível
no software Proconf. Então fizemos os cálculos utilizando as equações para este método
da máxima verossimilhança.

41
 Temos as seguintes equações:

Para o cálculo da média:

𝑛
ln 𝑡𝑖
𝜇=∑ = 1,9548
𝑛
𝑖=1

Para o cálculo do desvio padrão:

∑𝑛𝑖=1(ln 𝑡𝑖 − 𝜇)²
𝑠=√ = 0,5611
𝑛

Para o cálculo do tempo mediano:

𝑡𝑚𝑒𝑑 = 𝑒 𝜇 = 7,0622

Para o cálculo do tempo médio para reparo:

𝑠2
(𝜇+ )
𝑇𝑀𝑃𝑅 = 𝑒 2 = 8,266

Calculando a disponibilidade do equipamento com o TMEF e o TMPR

calculados pelo Proconf (método da máxima verossimilhança), temos:

𝑇𝑀𝐸𝐹 374,5897
𝐴𝑂 = = = 0,9784
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 374,5897 + 8,266

10.3. Repetir o item 10.1 usando a técnica de Mínimos

Quadrados para as distribuições que melhor se ajustaram aos
dados, ou seja: distribuições exponencial, Weibull, normal e
lognormal. Sugestão: Use a planilha Excel da Microsoft.

Nós iremos agora repetir o item 10.1 utilizando a técnica dos mínimos
quadrados, iremos fazer isso para os dados de falha que seguem a distribuição Weibull e
os dados de reparo que seguem a distribuição Lognormal.

Distribuição Weibull - Dados de falha

Nós vamos utilizar as mesmas equações já definidas na questão 4.

42
 Montando uma tabela, temos:

i T F(t) Y X Y*Y X*X Y*X 𝛽 b 𝜂

1 109,9667 0,027778 -3,56947 4,700177 12,7410916 22,09167 -16,7771
2 114,9333 0,055556 -2,86193 4,744352 8,19063575 22,50888 -13,578
3 119,0833+ - - - - - -
4 119,0833 0,084175 -2,43121 4,779824 5,91079865 22,84671 -11,6208
5 133,4667+ - - - - - -
6 133,4667 0,113718 -2,11428 4,893852 4,47018978 23,94979 -10,347
7 166,3833 0,143261 -1,86678 5,114294 3,48485049 26,15601 -9,54724
8 166,4167 0,172803 -1,66224 5,114495 2,76305546 26,15806 -8,50154
9 178,9833 0,202346 -1,48686 5,187293 2,21076617 26,90801 -7,7128
10 184,2833 0,231889 -1,33249 5,216474 1,77551741 27,21161 -6,95088
11 194,1 0,261432 -1,19389 5,268373 1,42536301 27,75576 -6,28984
12 210,3 0,290974 -1,06751 5,348535 1,139579 28,60683 -5,70962
13 216,8+ - - - - - -
14 216,8 0,321801 -0,94594 5,378975 0,89479846 28,93337 -5,08818
15 222,4167 0,352629 -0,83279 5,404552 0,69353604 29,20919 -4,50085
16 229,25 0,383456 -0,72644 5,434813 0,52772185 29,53719 -3,94809
17 260,2333 0,414283 -0,62564 5,561579 0,39142608 30,93116 -3,47955
18 324,2833 0,44511 -0,52935 5,781618 0,28021463 33,4271 -3,06052
1,8889 -11,4484 428,7806
19 375,2667+ - - - - - -
20 375,2667 0,477751 -0,43138 5,927637 0,18609068 35,13688 -2,55708
21 399,1167 0,510391 -0,33666 5,989254 0,11334237 35,87116 -2,01636
22 415,1333 0,543032 -0,24444 6,0286 0,05975157 36,34401 -1,47364
23 433,65+ - - - - - -
24 433,65 0,578183 -0,14713 6,072238 0,02164626 36,87207 -0,89339
25 451,1833 0,613335 -0,05109 6,111874 0,00260988 37,355 -0,31224
26 464,9333 0,648486 0,044501 6,141894 0,00198035 37,72286 0,273321
27 559,7333+ - - - - - -
28 559,7333 0,687543 0,151252 6,32746 0,02287702 40,03676 0,957038
29 560,0333 0,7266 0,259916 6,327996 0,06755611 40,04354 1,644745
30 572,7167 0,765657 0,372233 6,350391 0,13855755 40,32747 2,363826
31 583,7167 0,804715 0,490598 6,369416 0,24068652 40,56946 3,124823
32 594,0333 0,843772 0,618659 6,386935 0,38273863 40,79294 3,951333
33 622,9 0,882829 0,762728 6,434386 0,58175476 41,40132 4,90769
34 648,5833 0,921886 0,93593 6,47479 0,87596505 41,92291 6,059951
35 661,7333 0,960943 1,176416 6,494863 1,38395414 42,18324 7,640659
Soma -19,6453 165,3669 50,9790552 952,8109 -93,4413
Tabela 10.2

Para determinarmos o Tempo médio entre falhas (TMEF), fazemos:

𝑇𝑀𝐸𝐹 = 𝑡0 + 𝜂Γ(1 + 𝛽 −1 ) = 0 + (428,7806)(0,8875) = 380,5575 ℎ𝑜𝑟𝑎𝑠

43
 Montando um gráfico temos:

2
Distribuição de Weibull
1

0
LnLn[1/(1-F(t))]

-1

-2

-3

-4

-5
4 4.5 5 5.5 6 6.5 7
Ln[T(horas)]

Gráfico 10.9

Distribuição Lognormal - Dados de reparo

Nós vamos utilizar as mesmas equações já definidas na questão 4.

Montamos então a seguinte tabela:

i t M(t) Yi Xi Yi² Xi² XiYi 𝑎−𝜎 𝑏−𝜇

1 1,883333 0,019774 0,633043 -2,05844 0,4007438 4,2371706 -1,30308
2 2,2 0,048023 0,788457 -1,66434 0,621665 2,7700161 -1,31226
3 2,466667 0,076271 0,902868 -1,43061 0,8151701 2,0466414 -1,29165
4 3,783333 0,10452 1,330605 -1,25621 1,7705109 1,5780656 -1,67152
5 4,016667+ - - - - - -
6 4,1 0,161017 1,410987 -0,99029 1,9908842 0,9806682 -1,39728
7 5,033333+ - - - - - -
8 5,266667 0,217514 1,661398 -0,78062 2,7602422 0,6093617 -1,29691
9 5,283333 0,245763 1,664557 -0,68788 2,7707507 0,4731853 -1,14502
10 5,8 0,274011 1,757858 -0,60073 3,0900645 0,3608715 -1,05599
0,5736 1,9712
11 6 0,30226 1,791759 -0,51791 3,210402 0,2682327 -0,92797
12 6,15 0,330508 1,816452 -0,43851 3,2994982 0,1922906 -0,79653
13 6,266667 0,358757 1,835245 -0,36178 3,3681227 0,130887 -0,66396
14 6,383333 0,387006 1,85369 -0,28713 3,4361682 0,0824447 -0,53225
15 6,483333 0,415254 1,869235 -0,21405 3,4940387 0,0458172 -0,40011
16 6,616667 0,443503 1,889592 -0,14209 3,5705569 0,0201907 -0,2685
17 6,733333 0,471751 1,90707 -0,07087 3,6369172 0,0050223 -0,13515
18 6,866667 0,5 1,926679 -1,4E-16 3,7120911 1,938E-32 -2,7E-16
19 7,25 0,528249 1,981001 0,070868 3,9243668 0,0050223 0,14039
20 7,833333+ - - - - - -

44
 21 8,666667 0,584746 2,159484 0,214049 4,6633722 0,0458172 0,462236
22 8,783333 0,612994 2,172856 0,287132 4,7213031 0,0824447 0,623896
23 9,566667 0,641243 2,258285 0,361783 5,0998504 0,130887 0,817009
24 9,583333+ - - - - - -
25 10,31667 0,69774 2,333761 0,517912 5,4464391 0,2682327 1,208682
26 10,5 0,725989 2,351375 0,600726 5,5289656 0,3608715 1,412532
27 10,6 0,754237 2,360854 0,687885 5,5736316 0,4731853 1,623995
28 11,23333 0,782486 2,418886 0,780616 5,8510073 0,6093617 1,888221
29 11,93333 0,810734 2,479336 0,880606 6,147105 0,775467 2,183318
30 11,96667+ - - - - - -
31 13,58333 0,867232 2,608844 1,1134 6,8060647 1,2396593 2,904686
32 14,33333+ - - - - - -
33 16,15 0,923729 2,78192 1,430609 7,7390792 2,0466414 3,979839
34 16,63333 0,951977 2,811409 1,664337 7,904019 2,7700161 4,67913
35 18,73333 0,980226 2,930304 2,058439 8,5866843 4,2371706 6,031853
SOMA - - 56,68781 -0,8331 119,93971 26,845643 13,75759
Tabela 10.3

Calculando o tempo médio para reparo, temos:

𝜎2 1,9712²
𝑇𝑀𝑃𝑅 = exp [𝜇 + ] = exp [0,5736 + ] = 8,4635 𝐻𝑜𝑟𝑎𝑠
2 2

Calculando a disponibilidade do equipamento com o TMEF e o TMPR

calculados pelo método dos mínimos quadrados, temos:

𝑇𝑀𝐸𝐹 380,5575
𝐴𝑂 = = = 0,9782
𝑇𝑀𝐸𝐹 + 𝑇𝑀𝑃𝑅 380,5575 + 8,4635

Podemos notar que mesmo com a censura dos dados, os três métodos
utilizados para calcular TMEF, TMPR e a disponibilidade, apresentaram bons
resultados se comparado com os resultados obtidos dos dados sem censura. Fizemos a
tabela 10.4 para realizar uma comparação.

Dados sem censura

Empírico Mínimos Quadrados Máxima verossimilhança
Disponibilidade 0,9763 0,9758 0,9759
TMEF 339,4795 341,8695 338,6316
TMPR 8,2571 8,4617 8,3722
Dados com a censura
Empírico Mínimos Quadrados Máxima verossimilhança
Disponibilidade 0,9773 0,9782 0,9784
TMEF 350,8149 380,5575 374,5897
TMPR 8,1460 8,4635 8,2660
Tabela 10.4

Vemos que houve diferenças entre os resultados para os dados com e sem
censura, mas os resultados ainda aparentam ser bons.

45
46