Escolar Documentos
Profissional Documentos
Cultura Documentos
ENGENHARIA DE MANUTENÇÃO
I - NOÇÕES DE ESTATÍSTICA
1- Fenômenos Aleatórios.
Em muitos fenômenos que ocorrem, com ou sem a interferência do homem, tais como:
lançamento de uma moeda, jogo de dados, sorteio de uma carta de baralho, nascimento de
uma criança, extração de uma entre várias bolas de uma urna, produção de peça em
máquina automática, etc.
Observamos que, mesmo repetidos várias vezes, sob condições bem semelhantes,
apresentam resultados completamente imprevisíveis. Tanto isto é verdade que alguns
destes fenômenos são usados nos jogos de azar ( moeda, dados, cartas, loteria, etc. )
Chamaremos estes fenômenos de fenômenos aleatórios.
2.1 Definição:
Exemplos:
1°) Joga-se um dado e lê-se o número de pontos da face voltada para cima:
U = {1, 2, 3, 4, 5, 6}
2°) Joga-se uma moeda e lê-se a figura da face voltada para cima:
U = { cara, coroa }
3°) Jogam-se dois dados ( um branco e outro azul ) e lêem-se os números de pontos,
respectivamente b e a , que se indica ( b, a ). O conjunto universo é o conjunto dos pares
ordenados da tabela:
( 1, 1 ) ( 2, 1 ) ( 3, 1 ) ( 4, 1 ) ( 5, 1 ) ( 6, 1 )
( 1, 2 ) ( 2, 2 ) ( 3, 2 ) ( 4, 2 ) ( 5, 2 ) ( 6, 2 )
( 1, 3 ) ( 2, 3 ) ( 3, 3 ) ( 4, 3 ) ( 5, 3 ) ( 6, 3 )
( 1, 4 ) ( 2, 4 ) ( 3, 4 ) ( 4, 4 ) ( 5, 4 ) ( 6, 4 )
( 1, 5 ) ( 2, 5 ) ( 3, 5 ) ( 4, 5 ) ( 5, 5 ) ( 6, 5 )
( 1, 6 ) ( 2, 6 ) ( 3, 6 ) ( 4, 6 ) ( 5, 6 ) ( 6, 6 )
4°) Jogam-se duas moedas diferentes e lêem-se os resultados das faces voltadas para cima,
indicando cara por F e coroa por C:
2
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
5°) De uma urna contendo 5 bolas vermelhas ( V1, V2, V3, V4 e V5) e 1 bola branca (B)
retira-se uma bola:
2.2 Definição:
3°) A = { (1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) } é o evento “a soma dos pontos no
lançamento de dois dados é 7”.
B = { (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6) }é o evento “o dado branco apresentou 2
pontos”.
4°) A = { (F, F), (C, C) } é o evento “as duas moedas lançadas apresentaram resultados
iguais”.
5°) A = { V1, V2, V3, V4, V5 } é o evento “a bola retirada da urna é vermelha”.
U = evento certo
1°) Ao jogar um dado, “obter número de pontos maior que 6” é um evento impossível e
“obter número de pontos menor ou igual a 6” é um evento certo.
2°) de uma urna que contém 5 bolas vermelhas e 1 bola branca, “extrair uma bola preta” é
um evento impossível e “extrair uma bola vermelha ou branca” é um evento certo.
A =U–A
3
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
3 - PROBABILIDADE.
Consideremos, mais uma vez, o fenômeno aleatório lançamento de uma moeda e leitura
da face voltada para cima. Se fizermos n experiências e obtivermos m vezes o resultado
“cara” , diremos que a freqüência absoluta do evento “cara”, é m e a freqüência relativa é
m
.
n
m 1
se n→ + ∞, então →
n 2
Isto significa que no lançamento de uma moeda perfeita (homogênea, simétrica, etc.) a
‘chance” ou a “probabilidade” de obter “cara” é ½ ou 50%.
Esta e outras experiências aleatórias levaram os matemáticos a aceitar uma definição que
permita o cálculo da probabilidade de um evento A “a priori”, isto é, sem determinar pela
experiência o limite da freqüência relativa do evento A quando n tende a infinito.
3.1 -Definição:
n( A)
p ( A) =
n(U )
Notemos que:
1°) Esta definição só vale se todos os elementos de U tiverem a mesma probabilidade, isto
é, se o espaço de prova é equiprobalístico;
2°) Sendo assim, n(A) é o número de casos favoráveis a A e n(U) é o número de casos
possíveis quando se realiza o experimento.
Exemplos:
I.- 3 pontos?
II. – número de pontos par?
III. – número de pontos menor ou igual a 4?
Solução:
I- U = {1, 2, 3, 4, 5, 6} e A = {3}
n( A) 1
P(A) = =
n(U ) 6
n( B ) 3 1
P(B) = = =
n(U ) 6 2
III - U = { 1, 2, 3, 4, 5, 6 } e C = {1, 2, 3, 4}
n(C ) 4 2
P(C) = = =
n(U ) 6 3
Solução:
n( A) 1
P(A) = =
n(U ) 2
Solução:
I- A= {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) }
5
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
n( A) 6 1
P(A) = = =
n(U ) 36 6
II- B = { (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6) }
n( B ) 6 1
P(B) = = =
n(C ) 36 6
Solução:
n( A) 2 1
P(A) = = =
n(U ) 4 2
5°) Qual a probabilidade de retirar uma bola de uma urna, contendo 5 bolas vermelhas e 1
branca, e obter uma bola vermelha?
Solução:
n( A) 5
P(A) = =
n(U ) 6
3.2 Teorema:
1 . P(∅) = 0
2 . P(U) = 1
3 . 0 ≤ P(A) ≤ 1
_
4 . P(A) + P( A ) = 1
6
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Demonstração:
∅⊂A⊂U
n(φ ) n( A) n(U )
n(∅) ≤ n(A) ≤ n(U) ≤ ≤
n(U ) n(U ) n(U )
p (φ ) p ( A) p (U )
Então:
0 ≤ P(A) ≤ 1
n( A) n(A)
A + A = U → n(A) + n( A ) = n(U) + =1 P(A) + P( A ) = 1
n(U ) n(U)
4- Adição de Probabilidades:
4.1 Definição:
A∩B=∅ P(A ∩ B) = 0
Exemplos:
1°) Jogando-se um dado, sejam A o evento “obter dois pontos na face superior” e B o
evento “obter cinco pontos na face superior”. É evidente que A e B são mutuamente
exclusivos.
2°) Uma urna contém 5 bolas vermelhas e 1 bola branca. Sejam A o evento “extrair uma
bola vermelha da urna” e B o evento “extrair uma bola branca da urna”. A e B são
mutuamente exclusivos.
7
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
4.2- Teorema:
Demonstração:
portanto:
e decorre a tese:
Exemplos:
1°) Qual é a probabilidade de jogar um dado e obter 4 pontos ou número par de pontos?
Solução:
Sejam A= {4} o evento “obter 4 pontos” e B= {2, 4, 6} o evento “obter número par de
pontos”.
2°) Qual a probabilidade de, num baralho de 52 cartas, retirarmosuma carta de ouro e um
rei?
Solução:
Sejam os eventos
A = retirar uma carta de ouro
8
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
B = retirar um rei
A∩B = retirar o rei de ouro
Então:
n(A) = 13, n(B) = 4 e n(A∩B) = 1
portanto:
13 4 1 16 4
P(A ∪ B) = P(A) + P(B) – P(A∩B) = + − = =
52 52 52 52 13
4.3 - Teorema:
Esta propriedade é uma conseqüência anterior, bastando notar que agora P(A∩B) = 0.
Exemplo:
Solução:
Sejam os eventos:
Portanto:
52 27 79
P(A∪B) = P(A) + P(B) = + =
100 100 100
Se A1, A2, A3, ...., Na são eventos dois a dois mutuamente exclusivos, então :
9
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
5 - Multiplicação de Probabilidades
n( A ∩ H ) 5 1
P(A H) = = =
n( H ) 50 10
5.1- Definição:
È evidente que
n( A ∩ B )
P(A B) =
n( B)
Ou ainda:
n( A ∩ B )
n(U ) P( A ∩ B)
P(A B) = =
n( B ) P( B)
n(U )
Exemplos:
1°) Uma urna contém 4 bolas vermelhas, 3 bolas azuis e 3 bolas brancas. Qual é a
probabilidade de retirarmos uma vermelha e, sem reposição dela , uma branca?
10
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Solução:
4 3 2
P(V∩ B) = P(V) . P(B V) = x =
10 9 15
2°) Jogam-se dois dados iguais. Qual é a probabilidade da soma dos pontos ser 7 e um dos
dados apresentar 2 pontos?
Solução:
Sejam os eventos:
6 2 1
P(A∩B) = P(A) . P(B A) = x =
36 6 18
5.2 - Definição:
Exemplos:
1°) Numa caixa existem 4 bolas vermelhas e uma branca. Os eventos “retirar da caixa uma
bola vermelha” e depois “retirar uma bola branca”, tendo reposto a bola vermelha na
caixa, são independentes.
5.3 - Teorema:
Exemplo:
11
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Solução:
Solução:
Sejam os eventos:
Em qualquer uma das 4 retiradas, tendo em vista que a bola é reposta, temos
5 1 10 2
P(A) = = e P( A ) =
15 3 15 3
Nas 4 retiradas, devemos obter 3 vezes bola branca e 1 vez bola não branca, isto é,
satisfazem os conjuntos ( ordenados de acordo com a ordem retirada) :
( A, A, A, A ), (A, A, A , A ), ( A, A , A, A ) e ( A , A, A, A )
4
em número de C4,3 =
3
1 2
( )3 . ( )1
3 3
12
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
4 1 2 1 2 8
. ( )3 . ( )1 = 4 . . =
3 3 3 27 3 81
6.1 Consideremos agora uma experiência que se repete n vezes e que em qualquer
delas tenhamos
P(A) = p e P( A ) = 1-p
obter i vezes o evento A e n-i vezes o evento A , em qualquer ordem, é o produto das
probabilidades, isto é:
pi . (1-p)n-i
A e n-i iguais a A , não importando a ordem dos elementos, devemos calcular o número
de conjuntos ordenados que satisfazem (permutações de n elementos com i iguais a A e
n! n
que equivale a
i!(n − i )! i
n
Pi= . pi . (1-p)n-i
i
6.2 - Notemos que a lei binomial só é aplicável a uma experiência aleatória que
obedeça às características seguintes:
1ª) a experiência deve ser repetida, nas mesmas condições, um número n pré-fixado de
vezes;
2ª) cada vez que a experiência é feita ocorre evento A ou evento A;
13
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Exemplos
Solução:
1
P(A) = p = , n=5 i=3, então:
2
5 1 1 1 10 5
P= . ( )3 . (1- )5-3= 10 . ( )5 = =
3 2 2 2 32 16
Solução:
1
P(A) = , n = 4 e i = 2 ou 3 ou 4
6
Então:
4 1 5 150
i = 2 → P2 = . ( )2 . ( )2 =
2 6 2 216
4 1 5 20
i = 3 → P3 = . ( )3 . ( )1 =
3 6 6 216
4 1 5 1
i = 4 → P4 = . ( )4 . ( )0 =
4 6 6 216
171 19
P = P2 + P3 + P4 = =
216 24
14
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
- Introdução
Abordaremos o problema de aproximar uma função f por uma função g de uma família
previamente escolhida.
Trataremos quando a função f é tabelada – Domínio discreto-.
Estudaremos o método dos mínimos quadrados começando pelo caso particular de ajuste de
uma reta a uma tabela e depois generalizando o raciocínio para aproximar uma função f por
uma g da família G das funções conhecidas, não nulas, gk, k = 0,1,.....,m,
m
g(x) = a k g k ( x)
k =0
A seguir, daremos uma idéia de como podemos tratar do ajuste de uma função por outra não
linear nos parâmetros. Trataremos também do caso particular em que as funções gk são
polinômios ortogonais entre si e do caso em que gk são funções trigonométricas, conhecido
como aproximação trigonométrica ou análise harmônica.
7.1- Generalidades
Nesta seção tentaremos responder estas perguntas e justificar, assim, a escolha do método
dos mínimos quadrados.
15
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
- as características que a função aproximadora deve ter para facilitar os cálculos. Por
exemplo: polinômios são facilmente integráveis; adições, subtrações, multiplicações e
translações de polinômios resultam em polinômios;
A escolha da família aproximadora não será tratada neste texto. O método dos mínimos
quadrados assume que a família G foi escolhida a contento.
Como aproximar?
Ao aproximar uma função f por uma função g de uma família G estaremos introduzindo um
erro r que será chamado de resíduo.
Assim
O problema que estamos enfrentado com esse critério é o fato dos erros positivos cancelarem
os erros negativos. Portanto, se deixarmos de considerar o sinal dos erros, evitaremos este
problema. Isso pode ser feito trabalhando com o valor absoluto dos resíduos e exigindo que
r ( x) seja mínimo. Achar o mínimo desta função nos leva a uma dificuldade matemática
x
não desejada. Um outro critério com a mesma característica, porém com tratamento
matemático mais simples, é exigir que r 2 ( x) seja mínimo. O método para aproximar uma
x
função f por uma g ∈ G utilizando esse último critério é denominado método dos mínimos
quadrados.
Existem outros critérios para a escolha da função aproximadora g: porém, neste texto,
trataremos apenas do método dos mínimos quadrados.
16
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Nosso objetivo agora é aproximar uma função f por uma função g da família a +bx pelo
método dos mínimos quadrados.
Nesta seção vamos nos preocupar apenas em aproximar uma função f tabelada nos pontos
xi, i = 1, 2,......,n, n ≥ 2, por uma reta, utilizando o método dos mínimos quadrados. Este caso
particular é conhecido como regressão linear.
Aproximar uma função f tabelada nos pontos xi, i = 1,....,n, pelo método dos mínimos
quadrados, significa determinar os parâmetros a e b da reta a+bx de modo que a soma dos
quadrados dos erros em cada ponto seja mínima.
O resíduo em cada ponto (xi, yi ) = (xi, f(xi)) é dado por:
n n
M(a,b) = ri 2 = ( y i − a − bxi ) 2 (2.2)
i =1 i =1
∂M (a, b) ∂M (a, b)
=0 e =0 (2.3)
∂a ∂b
ou seja,
n
2 ( y − a − bxi )(−1) = 0 (2.4)
i =1
n
2 ( y i − a − bxi )(− xi ) = 0
i =1
Portanto:
n n n
a 1+ b xi = yi (2.5)
i =1 i =1 i =1
n n n
a xi + b xi2 = y i xi
i =1 i =1 i =1
17
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
n n n
1 xi yi
a
i =1
n
i =1
n = n
i =1
(2.6)
2 b
xi x i xi y i
i =1 i =1 i =1
Veremos mais adiante que este sistema tem determinante positivo, portanto sempre tem
solução.
n
1 = (1/1) (2.7)
i =1
n
xi = (1/X) (2.8)
i =1
n
xi2 = (X/X) (2.9)
i =1
n
y i = (1/Y) (2.10)
i =1
n
xi y i =(X/Y) (2.11)
i =1
(1/1) (1/y) a (1 / X )
= (2.12)
('1 / X ) ( X / X ) b (X /Y)
18
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
(1 / Y )( X / X ) − (1 / X )( X / Y )
a= (2.13)
(1 / 1)( X / X ) − (1 / X ) 2
(1 / 1)( X / Y ) − (1 / Y )(1 / X )
a= (2.14)
(1 / 1)( X / X ) − (1 / X ) 2
∂2M
(a, b) >0 (2.15)
∂a 2
∂2M ∂2M
( a, b) ( a, b )
det ∂2a
2
∂b∂a >0 (2.16)
∂ M ∂2M
( a, b) ( a , b)
∂a∂b ∂b 2
A relação (2.15) é:
∂2M
(a,b) = 2(1 / 1) = 2n > 0 (2.17)
∂a 2
2(1 / 1) 2(1 / X )
det = 4[n(X/X) – (1/X)2] (2.18)
2(1 / X ) 2( X / X )
Para provar que a expressão obtida em (2.18) é positiva, vamos considerar o produto escalar
( λ1 + X / λ1 + X ), ∀λ ∈ ℜ.
( λ1 + X / λ1 + X ) = λ2 (1 / 1) + 2λ (1 / X ) + ( X / X ) (2.19)
19
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
n n
λ 2 n + 2λ xi + xi2 >0, ∀λ ∈ ℜ (2.20)
i =1 i =1
Como a inequação do 2o grau em λ obtida em (2.20) é verdadeira, o discriminante da
equação do 2ograu correspondente é negativo, isto é,
n 2 n
∆= 2 xi − 4n xi2 < 0 (2.21)
i =1 i =1
Portanto,
n n 2
4n x >4
2
i xi (2.22)
i =1 i =1
Exemplo 2.1
Como resultado de algum experimento, suponha que obtivemos os seguintes valores para a
função f :
x 0 1 2 3 4
F(x) 0 1 1 4 4
Vamos determinar a reta que melhor se ajusta a esta função segundo o método dos mínimos
quadrados.
5 10 a 10
=
10 30 b 31
11 1
g(x) = x−
15 5
20
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
1.1 - Introdução
Segundo Wieland Kroener (1990) se tomarmos como exemplo a velocidade de
deslocamento do homem nos milênios de sua existência constatamos que enquanto
durante 8 mil anos não ocorreu nenhuma variação digna de referência, a partir do invento
da primeira máquina muita coisa mudou e cada vez mais depressa.
A invenção do computador e sua utilização generalizada a partir dos anos 60 foi o
ponto de partida para toda uma evolução tecnológica sem a qual a “Era Espacial” seria
inimaginável. E foi justamente a conquista do espaço que levou ao alto nível tecnológico
de hoje, porque a exigência de componentes cada vez menores, mais leves e com mais
informações acabou levando a uma infinidade de invenções.
Esta evolução tem e terá influência cada vez maior sobre a manutenção, pois aliada à
alta tecnologia está a exigência de altíssima produtividade. Juntamente com a
produtividade é imprescindível que os meios de produção apresentem flexibilidade e
confiabilidade.
Confiabilidade diz respeito a todas as características de um produto que podem mudar
com o tempo ou, ainda, com a possibilidade de deixar de ser conforme, após um certo
período.
Na simples pergunta sobre a garantia de um determinado eletrodoméstico que uma
dona de casa está comprando, está implícita a questão sobre a confiabilidade.
Da observação de aplicação de estudos objetivando aumentar a confiabilidade de
ativos, temos a possibilidade de identificar casos de sucesso e também de fracasso. Muitas
diferentes ferramentas metodológicas são aplicadas e diversas alternativas de modificação
dos seus critérios de implantação tem sido tentadas.
Entretanto, temos também observado que a aplicação de RCM, Reliability Centred
Maintenance, tem sido a chave para se atingir a confiabilidade e os desempenhos
operacionais de cada instalação, processo ou equipamento, conforme requeridos pelos
usuários. A Engenharia da Confiabilidade, tem também como objetivo, possibilitar uma
afetiva análise dos riscos associados, minimizando e eliminando eventos com
conseqüências no que diz respeito à segurança e meio ambiente (Moubray, 1991).
21
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
1.2 - Objetivos
O uso de técnicas de Engenharia da Confiabilidade fornece ferramentas teóricas e
práticas que permitam especificar, projetar, testar e demonstrar a probabilidade e a
capacidade, segundo a qual, componentes, produtos e sistemas desempenharão suas
funções, por períodos determinados de tempo, em ambientes específicos e sem apresentar
falhas.
Com o custo e a complexidade cada vez maiores dos muitos sistemas industriais e de
defesa, a importância da confiabilidade como um parâmetro de eficiência, tornou-se
evidente (Lafraia, 2001).
Benefícios com a aplicação da Confiabilidade:
- Menos paradas não programadas;
- Menos custos de manutenção/operação;
- Menos possibilidades de acidentes.
1.3.1.1- Introdução
O principal objetivo da engenharia é, em princípio, proporcionar meios materiais que
maximizem o bem-estar humano. Porém, isto engloba uma grande quantidade de restrições.
Estas restrições tornam impossíveis o planejamento e a operação de maneira ideal da grande
maioria dos sistemas ou processos físicos. Conseqüências naturais destes fatores refletem-se
de uma forma implícita na noção de risco.
A definição de risco está amplamente ligada à presença de situações indesejáveis. As
medidas adequadas contra essas situações só podem ser implantadas se houver uma avaliação
criteriosa no que diz respeito ao nível de risco envolvido, indicando assim os pontos "falhos"
de um determinado produto ou sistema, sugerindo ações preventivas ou corretivas mais
eficazes.
É a avaliação probabilística do risco/falha de um sistema ou produto que caracteriza o
aspecto fundamental da chamada Análise da Confiabilidade. (Lafraia, 2001).
Esta análise proporciona um bom desempenho funcional com baixo índice de falhas de
um determinado produto.
A maior parte das variáveis que fazem parte de um projeto são valores que não podem
ser precisamente definidos. Variáveis estas aleatórias que requerem um método probabilístico
22
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
para o problema. O objetivo é fornecer parâmetros para tratar estes aspectos no projeto, já que
para um produto em produção ou distribuição praticamente nada pode ser feito para melhorar
a confiabilidade.
1.3.1.2- Fundamentos
Um produto ou o projeto deste, muitas vezes não considera as diversas variáveis
existentes. Elas não se constituem valores bem definidos.
Desta forma, o processo mais aceitável nestes tipos de aplicações seria um
procedimento estatístico.
A diferença principal entre o projeto de um produto e o enfoque probabilístico seria
que neste último é considerado uma possibilidade de falha. O procedimento estatístico deve
ser considerado mais próximo da realidade.
A confiabilidade está enfocada na confiança que temos em um determinado produto,
equipamento ou sistema, ou seja, que estes não apresentem falhas. Desta forma, uma das
finalidades da confiabilidade seria a de definir a margem de segurança a ser utilizada.
Segundo Lafraia (2001), “O conceito estatístico de confiabilidade: é a probabilidade
de que um componente ou sistema funcionando dentro dos limites especificados de projeto,
não falhe durante o período de tempo previsto para a sua vida, dentro das condições de
agressividade ao meio”.
23
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Em qualquer das situações, o fabricante terá uma perda de reputação que refletirá nos
seus negócios futuros.
Não podemos falar de qualidade e confiabilidade separadamente.
“Confiabilidade diz respeito a todas as características de um produto que podem
mudar com o tempo ou com a possibilidade de deixar de ser conformes após um certo período
de tempo.” (Lafraia, 2001).
Desta forma concluímos que confiabilidade é um aspecto da incerteza da engenharia.
Se um item vai desempenhar sua função durante um certo período de tempo, isto pode
ser respondido com uma Probabilidade.
1.3.1.4- Histórico
Com o aparecimento da indústria aeronáutica após a Primeira Guerra Mundial, deu-se
início ao desenvolvimento de procedimentos para análises de tempo através da aplicação da
confiabilidade.
Na década de 40, surgiu o desenvolvimento de teorias matemáticas relacionadas aos
problemas. O matemático Robert Lusser desenvolveu uma equação relacionada à
confiabilidade de um sistema em série. Surgiram as primeiras tentativas de alcançar a
melhoria de qualidade associada a uma manutenção preventiva.
Na década de 50, com o aparecimento da indústria aeroespacial e eletrônica associada
à implantação da indústria nuclear, ocorreu um salto considerável no desenvolvimento de
metodologias de cálculo e aplicações da confiabilidade. Nessa época os analistas
reconheceram que a confiabilidade deve ser aplicada, principalmente, no projeto. Ocorreram
nesta época as primeiras investigações de confiabilidade associada ao comportamento
humano.
Na década de 60, tanto os desenvolvimentos práticos como teóricos continuaram a
avançar, com destaque para a proposição de H.A.Watson, da teoria de “Análise de Árvore de
Falhas”, em 1961. Sob o foco da aplicação prática, foram estabelecidos os fundamentos da
análise de confiabilidade em sistemas mecânicos (estruturas), baseados em modelos
denominados esforços e resistência, assim como preliminares estudos de confiabilidade em
sistemas computacionais (“hardware”).
Na década de 70, houve a consolidação desta análise em diversas áreas, com destaque
para a área nuclear. Surgiram também os primeiros modelos de análise de confiabilidade em
programas computacionais (“software”).
24
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
25
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
1.3.2.1- Introdução
26
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
amaciamento insuficiente, erro humano, instalação imprópria, etc., representam algumas das
origens destas falhas.
O período de vida útil, é caracterizado por falhas de natureza aleatória, pouco podendo
ser feito para evitá-las. Interferência indevida tensão/resistência, fator de segurança
insuficiente, cargas aleatórias maiores que as esperadas, resistência menor que a esperada,
erros humanos durante o uso, etc., são algumas das causas de falhas neste período.
Já no período de desgaste, inicia-se o término da vida útil do equipamento. Algumas
das causas desse período são: envelhecimento, degradação de resistência, fadiga, corrosão,
manutenção deficiente, etc.
Nem todos os tipos de componentes/sistemas apresentam sempre todas as fases. Um
exemplo de sistema que apresenta apenas o período de mortalidade infantil é um programa de
computador; na medida em que os erros de programação são corrigidos, as falhas vão
desaparecendo.
Componentes eletrônicos apresentam normalmente falhas aleatórias; neste tipo de
falha deve haver a substituição da peça quando houver uma quebra.
Componentes mecânicos apresentam as 3 fases e normalmente deve se medir a sua
taxa para se evitar que estas passem ao período de desgaste.
Tempo Médio para Falha (TMPF): é o tempo para falha de componentes que não
podem ser reparados.
Tempo Médio para Reparo (TMPR): é o tempo para o reparo de componentes,
obtido de uma amostra nas mesmas condições de uso do componente desejado.
D = TMEF/ (TMEF+TMPR)
• Atuação nas causas básicas dos problemas e não nos sintomas através de:
- Histórico de falhas nos equipamentos;
- Determinação das causas básicas das falhas;
- Prevenção de falhas em equipamentos similares;
- Determinação de fatores críticos para a mantenabilidade dos equipamentos.
28
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
1 - Distribuição Discretas
Se uma variável x pode assumir um conjunto de valores x1, x2... xk, com as
probabilidades p1, p2, p3 + ... pk, respectivamente, sendo p1+ p2 + p3 +...+ pk = 1, diz-se
que está definida uma distribuição de probabilidade discreta de x. A função p(x) que
assume os valores p1, p2, p3, ... pk, respectivamente, para x = x1, x2 ... xk, é denominada
função de probabilidades, ele é frequentemente denominado variável aleatória discreta.
A variável aleatória é também conhecida como variável casual ou estocástica.
Exemplo:
Suponha-se o lançamento de um par de dados honestos e que x indique a soma dos
pontos obtidos. Então, a distribuição de probabilidades é dada pela Tabela 1.
Tabela 1
x 2 3 4 5 6 7 8 9 10 11 12
p(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
29
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
f (x ) = n!
x !(n − x )!
p x q (n − x )
µ = n.p
e o desvio padrão,
σ = (n. p .q )1 / 2
Se os eventos são distribuídos de acordo com Poisson, eles ocorrem a taxas médias
constantes, com somente um de dois resultados possíveis, ou seja, o número de falhas no
tempo ou defeitos por comprimento é:
f (x ) = exp (− µ )
µx
x! x = 0,1,2,3,...
onde µ é a taxa de ocorrência. A distribuição de Poisson pode ser considerada como uma
variação da distribuição binomial na qual n tende ao infinito.
Uma aproximação da distribuição de Poisson é dada por:
f (x ) = (np
x!
)x
exp (− np )
µ = n. p e σ = (n.p) = µ
1/ 2 1/ 2
2 - Distribuições Contínuas
30
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
com intervalos de medição de 0,5, obteremos a figura 1(c). Temos agora uma idéia melhor
dos valores da distribuição, pois obtivemos a informação de uma amostra bem maior. Se
prosseguirmos medindo mais pontos e diminuirmos ainda mais o intervalo de medição, o
histograma tende a uma curva que descreverá a função de densidade de probabilidades (f.d.p.)
ou, simplesmente, a distribuição dos valores. A figura 2 mostra uma distribuição de
probabilidades unimodal, onde ƒ(x) é a densidade de probabilidade de ocorrência e x a
variável relacionada. O valor de x que dá ƒ(x) máximo é denominado moda da distribuição.
Figura 1 – a) Histograma de freqüência de uma amostra de uma amostra aleatória. b) Histograma de freqüência de outra
amostra da mesma população. c) Dados de muitas amostras, mostrando valores em intervalos de 0,5.
fdp
f(x)
x
Figura 2 – Distribuição de probabilidades contínua
A área sobre a curva é igual a um, pois descreve a probabilidade de todos os valores possíveis
de x, portanto:
31
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
+∞
f ( x )dx = 1
−∞
f (x )dx
x2
P (x1< x < x2) =
x1
fdp
f (x)
x1 x2
Figura 3 – Distribuição da probabilidade continua
+∞
µ= xf (x ) dx
−∞
que é análogo a achar o centro gravidade (c.g.) da f.d.p
A dispersão ou espalhamento da função é medida pela sua variância. Para uma
amostra n a variância de uma distribuição contínua é dada por
∞ 2
σ 2
= (x − µ ) f (x ) dx
∞
32
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
x
F (x ) = f (x ) dx
−∞
A figura 4 mostra a forma típica de uma f.d.a., com F(x)1 com x∞.
f (x)
0
x
Figura 4 – Função de distribuição de probabilidade acumulada f.d.a
f (x ) = 1
σ (2π ) 1/ 2 exp − 12 ( ) x−µ 2
σ
f (x ) = 1
σ
ϕ ( )
x−µ
σ
onde,
z2
σ (z ) = 1
exp e z =
x−µ
(2 π )1 / 2 2 σ
33
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
F (x) = Φ ( )
x−µ
σ
34
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Esta é uma distribuição mais versátil que a distribuição normal, pois tem uma forma
mais variada, o que possibilita melhor ajuste da população. Um exemplo de aplicação é em
peças sujeitas a desgaste. Também não tem a desvantagens de trabalhar com valores de x <0.
É representada pela função:
f (x ) = 1
σ (2π )1 / 2
exp − 2 σ
(
1 1nx − µ
2
) p/x≥0
f (x ) = 0 p/x < 0
onde,
z2
ϕ (z ) = 1
exp z =
log x − µ
( 2π ) 1/ 2
2 e σ
2
σ
µ = exp µ +
2
[ ( )
σ = exp 2 µ + 2σ 2 − exp 2 µ + σ 2 ( )] 1/ 2
35
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
log x − µ
C (x ) = 1 − Φ
σ
σ (z )
λ (x ) = 0 , 4343
xσ
⋅ 1− Φ ( z )
Os gráficos a seguir representam as equações acima.
36
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
37
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
λ
-λt
ƒ(t) =λθ
ƒ(t)
Tempo, t
-λt
C(t) = e
λ(t)
λ(t) = λ
0
Figuras 12 – Taxa de falha da exponencial
38
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
0 p / t< 0
Probabilidade acumulada
de falhas
F(t)
1 − exp − ( )t − t0
η
β
Confiabilidade C(t)
exp − ( )
t − t0
η
β
Parâmetros de escala
Parâmetro de forma η
Vida inicial t 0 ou γ
Tempo para a falha t
39
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Distribuição de falhas
f (t ) =
β
ηβ
(t )β −1 exp − (nt )β f (t ) = 1
η
exp −
η
t
(t)
Probabilidade F ( t ) = 1 − exp − () t β
η
F (t ) = 1 − exp − [ t
n
]
acumulada de falhas
Confiabilidade C (t ) = exp − () t
η
β C ( t ) = exp − [ ] t
η
Taxa de falhas λ (t ) = β
η
( )
η
t β −1
λ = η1
Tempo médio TMEF = 1
λ
entre falhas
Observação Conhecida como distribuição
Exponencial.
ƒ (x)
10
x
40
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
F(x
1,0 η = 1; β =2
η=β=1
η = 1; β = 1/2
η = β = 1/2
C(t) 0,5
0,368
+3 +4
γ γ+1/2 γ+2 γ γ
Tempo, t
Figura 15 – Função confiabilidade da distribuição de Weibull
41
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
η = 1; β = 3
η = 1; β = 2
4 η = 1; β = 1,5
λ (t) η=β=1
2
η = β = 1/2
η = 1; β = 1/2
1
γ γ+1 γ
+2
γ+3 γ
+4
Tempo, t
Figura 16 – Função de taxas de falhas da distribuição de Weibull
Tabela 3
β Comportamento da Função de Taxa de Falhas
<1 Taxa de falha decrescente com o tempo – fase de mortalidade infantil.
=1 Taxa de falha constante – falhas aleatórias – função exponencial.
>1 Taxa de falha crescente com o tempo.
=2 Taxa de falha linearmente crescente.
>2 Taxa de falha cresce a uma taxa proporcional à potência (-1); distribuição de
freqüência tornando-se mais simétrica à medida que β cresce.
42
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
λ (t)
β=1
β<1 β>1
log Tempo
43
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Até aqui, nos preocupamos com taxa de falhas de apenas um componente. Iremos abordar
neste tópico, não mais a confiabilidade de um único elemento, mas a de um grupo formando
um conjunto funcional. Este conjunto será formado pela interdependência de vários
elementos.
Para tal análise, algumas considerações básicas sobre probabilidade:
• Sendo E1 e E2 dois eventos independentes, com probabilidade de ocorrência P(E1)
e P(E2), então, para que ambos os eventos ocorram, será necessário:
P (E1 E 2 ) = P (E1 ) × P (E 2 )
1 2 *** N
Figura 3.1 – Sistema em série
44
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
[ ] [
C 0 (t ) = exp − f1 (t )dt × exp − f 2 (t )dt ]
Se ƒ(t) = Cte, temos a distribuição exponencial e vêm:
C0 (t ) = e −1xt × e −λ 2 xt
C0 (t ) = e −(λ1+λ 2 )xt
Assim, a taxa média de falhas será dada pela soma das taxas médias de falhas de cada
componente que compõe o sistema. Generalizando obtemos:
C0 (t ) = e −( λi×t )
Como temos C1(t), C2(t), C3(t),...., C0(t) são menores do que 1, a confiabilidade do
sistema será menor que a confiabilidade do seu componente mais fraco. Por exemplo:
C1 (t ) = 0,9; C 2 (t ) = 0,8; C 3 (t ) = 0,85
C 0 (t ) = 0,612
Normalmente, o valor esperado do tempo médio é igual ao inverso da taxa média de
falhas, ou seja, TMEF=1/λ. Assim, para λ = 0,0001, tem-se TMEF = 10 horas.
Deve-se procurar, não sobrecarregar em demasia inicialmente o sistema, para que a
taxa média de falhas não assuma valores altos, procurando reduzir o nível de choques e
vibrações. Quanto menor o número de componentes aumenta-se a confiabilidade, e a
manutenção torna-se mais simples.
De maneira mais geral:
C 0 (t ) = C1 (t )× C 2 (t )× ...C n (t )
45
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
C m (t ) = C1 (t ) = C 2 (t ) = ... = C n (t )
Portanto,
C 0 (t ) = C m (t )n
46
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Logo, é fácil constatar mediante a figura que a falha do sistema ocorrerá apenas
quando todos os componentes falharem.
A probabilidade de falha, considerando 2 componentes com falhas independentes,
será:
P0 (t ) = P1 (t )× P2 (t )
Onde:
P1 (t ) = 1 − C1 (t )
P2 (t ) = 1 − C 2 (t )
Generalizando, obteremos:
C 0 = 1 − {[1 − C1 (t )]× [1 − C 2 (t )]× [1 − C 3 (t )]× ... × [1 − C n (t )]}
Se todos os componentes têm a mesma confiabilidade:
C m (t ) = C1 (t ) = C 2 (t ) = ... = C n (t )
Portanto,
C 0 (t ) = 1 − [1 − C m (t )]n
47
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
Exemplo
Determinar a confiabilidade de 4 elementos em paralelo:
C1 (t ) = 0,8
C 2 (t ) = 0,9
C 3 (t ) = 0,95
C 4 (t ) = 0,7
De acordo com:
C 0 = 1− [P1 (t )] [P2 (t )] [P3 (t )] [P4 (t )]
C 0 (t ) = 1 − 0,2 × 0,1× 0,05 × 0,3
C 0 (t ) = 0,9997
48
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
1 2 3
4 5
C 2 ª linha (t ) = C 5 (t )× C 4 (t )
Logo:
C 0 (t ) = 1 − [1 − C1ª linha (t ) ⋅ [1 − C 2 ª linha (t )]]
Portanto,
C 0 (t ) = C1 (t )× C 2 (t )× C 3 (t )× C 4 (t )× C 5 (t ) − C1 (t )× C 2 (t )× C 3 (t )× C 4 (t )× C 5 (t )
Exemplo
C1 (t ) = 0,9
C 2 (t ) = 0,8
C 3 (t ) = 0,5
C 4 (t ) = 0,7
C 5 (t ) = 0,85
C 0 (t ) = 0,9 × 0,8 × 0,5 + 0,7 × 0,85 − 0,9 × 0,8 × 0,5 × 0,7 × 0,85
C 0 (t ) = 0,7408
Estudo de caso:
49
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
1 2 3 4 5 6
C (t ) = e − kj× xy×t
Sendo kj = 100 e t = 10 horas, teremos:
C1 (t ) = 0,9997
C 2 (t ) = 0,9900
C 3 (t ) = 0,9997
C 4 (t ) = 0,9943
C 5 (t ) = 0,9954
C 6 (t ) = 0,9998
Este sistema está instalado dentro de um avião comercial. Como foi visto, a taxa média
de falhas, para acidentes é da ordem de 1 x 10-6/h ou o tempo médio entre falhas é 106h. O
vôo tem duração de 10 horas.
Adotando-se que o avião possui 6 sistemas, determinando a confiabilidade de cada
sistema, teremos, supondo que os sistemas tenham a mesma confiabilidade entre si, a
confiabilidade do avião é:
t
C 0 = e −λ = e −10−6 x10
C 0 = 0,99999
A confiabilidade de cada sistema será:
50
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
C = 0,999991 / 6
C = 0,9999984
C 0 = 0,9771
Vê-se que o sistema considerado possui uma confiabilidade bem inferior ao mínimo
desejado de 0,9999984.
Para aumentar a confiabilidade, foi proposta uma utilização em série paralelo de
elementos, conforme a figura abaixo.
2 4 5
1 3 6
2 4 5
1 3 6
2 4 5
f 0 (t ) = nλ n × t n −1
Onde n é o número de elementos em paralelo
( )
f1 = 2 × 0,3 × 10 -6 x 100 x(10)1 = 1,8 × 10 -8
2
51
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
f 0 = 4.287 x 10 -7
A confiabilidade do sistema será dada por:
C0 = e − f 0 x t
C 0 = 0,9999957
2 4 5
1 3 6
2 4 5
1 3 6
2 4 5
1 3 6
2 4 5
(
f 1 = 3 × 0,3 × 10 -4) x (10) = 8,1× 10
3 2 -12
52
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
53
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
R( sistema) = R3 + 3R 2 (1 − R )
Geralmente, se m itens podem falhar de n a confiabilidade é a soma dos m + 1 termos
da expressão binomial. Portanto:
m −1
n!
Rs = R x (1 − R )n − x
x=0
x! (n − x )
B 2/3
54
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
R( sistema) = R 3 + 3R 2 (1 − R ) ∗Pa + 1 − (1 − R )
3
Pb
Redundâncias Stand-by
Uma unidade Operando para n Stand-by .
N+1
Até então somente foram considerados sistemas com redundâncias ativas onde todas
as unidades estão operando e o sistema pode continuar operando a despeito da perda de uma
ou mais unidades. Redundância em stand-by implica na existência de unidades adicionais que
55
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
λ 2t 2 λ ( n −1)t ( n −1)
R( sistema) = R ( t ) = exp ( −λt ) 1 + λt + + ... +
2! ( n − 1)!
Para 1 unidade em stand-by
λ 2t 2
R( sistema) = R ( t ) = exp ( −λt ) 1 + λt +
2!
N Unidade Operando para n Stand-by
56
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
N 2 λ 2t 2
R( sistema) = R ( t ) = exp ( − N λt ) 1 + N λt +
2!
Para n unidades em stand-by
N ( ) λ ( )t (
n −1 n −1 n −t )
N 2 λ 2t 2
R( sistema ) = R ( t ) = exp ( − N λt ) 1 + N λt + + ... +
2! ( n − 1)!
V – REFERÊNCIAS BIBLIOGRÁFICAS
PAUL, P. – FMEA: Análise dos Modos de Falha e Efeitos, Ed. Iman, 2004.
57