Clique para editar o título mestre

Coordenadoria de
Engenharia de Produção
COENP/CEFET-RJ/UnedNI
Aluisio Monteiro, Master Black Belt/
aluisio.junior@cefet-rj.br
CÓDIGO DO CONSUMIDOR
Artigo 12: “O fabricante, o produtor, o construtor, nacional ou estrangeiro, e o
importador respondem, independentemente da existência de culpa, pela reparação
dos danos causados aos consumidores por defeitos decorrentes de projeto,
fabricação, construção, montagem, .... , bem como por informações insuficientes ou
inadequadas sobre sua utilização e riscos.”
Artigo 18: “Os fornecedores de produtos de consumo duráveis ou não duráveis
respondem solidariamente pelos vícios de qualidade ou quantidade que os tornem
impróprios ou inadequados ao consumo a que se destinam ou lhes diminuam o valor
... Podendo o consumidor exigir a substituição das partes viciadas.”

2 / 88
DEFINIÇÕES
Confiabilidade: Probabilidade de que um sistema ou componente esteja operando
dentro de condições especificadas por um determinado período de tempo ou número
de operações.
Falha: O término da capacidade de um sistema ou componente de realizar sua
função especificada. Podendo ser:
 Falha Parcial: Desvios de características, além de limites estabelecidos, mas que não causam perda
completa da função requerida.
 Falha Completa: Desvios além de limites estabelecidos, causando perda total da função requerida.

3 / 88
DESENVOLVIMENTO DE FALHAS
Falha Gradual: Ocorrência pode ser Análise:
prevista através de inspeção e/ou
acompanhamento Ensaios Qualitativos
 Descobrir os modos de falha
Falha Súbita: Ocorrência imprevisível e
aleatória Ensaios Quantitativos
 Estimar a confiabilidade dos modos de falha
Falha Catastrófica: Falha Súbita e
Completa
Falha Marginal: Súbita e Parcial
Degradação: Falha Gradual e Parcial.

4 / 88
VIDA ÚTIL DE UM COMPONENTE
Ex.: Uma lâmpada em particular
Confiabilidade
1.0

0.0
350 Tempo (h)

5 / 88
FUNÇÃO DE CONFIABILIDADE
Média dos testes de Vida Útil de uma população de componentes similares

1.0
R(t0)

R(t)

0.0
t0 Tempo (h)

6 / 88
FUNÇÃO DE CONFIABILIDADE
R(t0) equivale à Confiabilidade (probabilidade de operação) no instante t0
Também equivale à probabilidade de que a vida útil do componente ou sistema
exceda o instante t0
F(t) = 1 - R(t) = Probabilidade Cumulativa de Falhas
Vida Útil = Tempo de operação dentro do qual F(t) é menor que um valor
especificado

7 / 88
PROBABILIDADE CUMULATIVA DE FALHAS
1.0
R(t0)
R(t)

0.0
t0 t

1.0
d F(t)
F(t) = 1-R(t)

0.0
t0 t0+ d t t

8 / 88
A “CURVA DA BANHEIRA”
Mortalidade
Infantil Desgaste

Operação
z(t) Normal

Log (t)

9 / 88
“BURN – IN”
Operação do sistema por um período equivalente à mortalidade infantil, antes da
entrega para uso normal

z(t) Desgaste

Operação
Normal

Burn-in
Log (t)

10 / 88
MANUTENÇÃO PREVENTIVA
Substituição de componentes entrando na fase de desgaste, mesmo que não
apresentem falhas

z(t)

Log (t)
11 / 88
MODELOS DE FUNÇÕES DE CONFIABILIDADE
Distribuição Retangular
Aplica-se a componentes em que há esgotamento progressivo de um ingrediente
essencial (ex.: combustível, emissão iônica, eletrólitos)

R (t ) = 1 0  t  T
1.0 R (t ) = 0 t  T
R(t) f (t ) =  (T )
MTTF = T
0.0 T t
12 / 88
MODELOS DE FUNÇÕES DE Distribuição Normal
A função densidade de probabilidade da distribuição
CONFIABILIDADE normal tem uma distribuição simétrica, e por isso não
representa a maioria das distribuições de falha de
equipamentos ou sistemas.
Para essa distribuição, a forma e a posição da função
densidade de probabilidade é especificada em
termos do valor médio e do desvio padrão. Essas
propriedades criam a possibilidade de usar a
distribuição normal, incorretamente, já que toda
distribuição de qualquer evento pode ser
caracterizada pela média e o desvio padrão. Devido
a isso, Billinton e Allan (1983) afirmam que essa
distribuição é menos importante na análise da
confiabilidade, do que outras. Contudo é muito usada
para representar o comportamento no final de vida,
para falhas por envelhecimento, como as que ocorrem
em sistemas mecânicos, elétricos, eletrônicos, entre
outras.
É freqüente no controle de produção e de mercado,
por isso, também importante nas decisões gerenciais.

13 / 88
MODELOS DE FUNÇÕES DE Distribuição Exponencial
Taxa de Falhas constante; modela falhas aleatórias,
CONFIABILIDADE independentes do tempo.
É um modelo apropriado para descrever a vida de
sistemas complexos, como máquinas, e equipamentos
R (t ) = e −  t constituídos de diversos itens. Na distribuição
exponencial, a taxa de falha é constante λ(t) ao
f (t ) =  e − t
longo do ciclo de vida e por isso é utilizada para o
período normal de uso, ou fase 2 da curva da taxa
z (t ) =  de falha ou “curva da banheira”. Significa que as
1 falhas ocorrem de forma aleatória, não apresentando
MTTF = uma tendência de crescer ou decrescer no período
 considerado. Devido a isso o acompanhamento da
falha deve ser feito a partir da predição, uso de
R(t) sensores, ou simplesmente deixar falhar.
1.0
É para os itens que apresentam essa tendência que
ações corretivas ou preditivas tornam-se processos
adequados de manutenção, incluindo aí a manutenção
centrada na confiabilidade.

0.0
T t

14 / 88
 MODELOS DE FUNÇÕES DE Distribuição Log-Normal
Modelamento de processos físicos de fadiga
CONFIABILIDADE mecânica (propagação de fissuras, falhas
estruturais, etc.); desgastes em geral.
 1 2
Se caracteriza por rápida variabilidade no
 − 2 (log u −  ) 
1
 
R (t ) = 
t 2 
exp 
 2 du início do processo e lenta variação no final do
  processo de observação. É por isso usada em
 
1 1  log t −  2 
modelos que apresentam larga distribuição dos
f (t ) = t
exp −    eventos ao longo do tempo ou variabilidade.
2   2    
Exemplo: kilometragem acumulada por
consumidores de um determinado modelo de
f(t) automóvel, tempo de parada de máquina,
tempo de reparo de máquinas, concentração de
agentes químicos residuais, quantidade de
eletricidade consumida por diferentes
consumidores (Ireson et al., 1996).

0.0
t

15 / 88
MODELOS DE FUNÇÕES DE
CONFIABILIDADE
Para acompanhar estas variáveis podem-se utilizar
sensores para definir padrões de vida e orientar
os procedimentos de manutenção, na forma de
recuperação, troca ou descarte. Devido à predição
das falhas em função dos parâmetros
estabelecidos tem-se a chamada manutenção
preditiva ou manutenção preventiva de condição.
Distribuição Weibull
É a que melhor representa o evento relacionado com a
taxa de falha de sistemas técnicos. Permite representar
o evento de falha nos três períodos mais significativos
do ciclo de vida do produto, caracterizado pela curva
da taxa de falha como sendo:
Fase 1, com taxa de falhas decrescente, caracterizada
por falhas de projeto e/ou de processo, chamado
também de período de juventude
Fase 2, com taxa de falhas aleatórias durante o período
normal de uso. Nesse período, se aproxima da
distribuição exponencial e é chamado de período de
vida útil.
A fase 3, tem taxa de falha crescente dado que
descreve o período final de vida, chamado de período
de envelhecimento. O aumento da taxa de falhas se
manifesta gradativamente, na forma de desgaste,
fadiga, corrosão, vazamento, aumento de temperatura,
ruído, vibração, perda de características elétricas,
eletrônicas, químicas e físicas.
16 / 88
MODELOS DE FUNÇÕES DE
CONFIABILIDADE
A distribuição de Weibull pode ser triparamétrica
ou biparamétrica.
Com a distribuição triparamétrica pode-se
determinar o período inicial de vida, considerando-
se o tempo gasto em testes ou ensaios de
equipamentos eletrônicos (ensaios burn-in) ou
rolamentos. Em alguns casos é o período de tempo
decorrido até a primeira falha de um item, num
lote considerado.
Na distribuição biparamétrica, este período inicial é
desconsiderado, dado que o período de vida útil é
muito maior que este período inicial. Em qualquer dos
casos, o parâmetro mais significativo da distribuição
em termos de decisões para o projeto é o parâmetro
de forma, normalmente representado por (β).
 Se β < 1, os dados indicam que o item está se comportando
como se estivesse na parte inicial da vida, fase de juventude.
Nestes casos, diz-se que as falhas têm origem no projeto, no
processo, ou na utilização, devido a inadequada aplicação.
 Quando β = 1 a função densidade de probabilidade
equivale à função distribuição exponencial, a taxa de falha
é constante e o item está na fase de vida útil. Quando 1 < β
< 2 indica que se tem um rápido aumento da função
densidade de probabilidade para curto período de vida. A
curva passa a ter uma taxa de crescimento, praticamente
constante, se aproximando, neste caso, de uma logonormal.
 À medida que o parâmetro de forma aumenta β ≥ 2, a
função indica que existe um processo de envelhecimento, com
um aumento de falha da população.
 Quando β ≥ 3,44, se aproxima da distribuição Normal.
 No limite, quando β assume valores muito grandes, a função
tende a concentrar todos os pontos próximos a uma reta
paralela ao eixo das ordenadas, traçada a partir da taxa
de falha característica.
17 / 88
CONFIABILIDADE DE UM SISTEMA
Configuração Série:
O sistema opera se todos os blocos (partes) estiverem operando.

B1 B2 B3

R1 R2 R3
RS = R1  R2  R3 (se estatisticamente independentes)

18 / 88
CONFIABILIDADE DE UM SISTEMA
Configuração Paralela:
O sistema opera se pelo menos um bloco estiver operando.

B1
R1

B2
R2

RP = 1- (1- R1)  (1- R2 ) (se estatisticamente independentes)

19 / 88
REDUNDÂNCIA A NÍVEL DE SUBSISTEMA
Ex.: Transponder de Satélite
Ativo
Filtro X F.I. F.I. X Filtro

LNA P.A.
Osc Osc

“Stand-by”
Filtro X F.I. F.I. X Filtro

LNA P.A.
Osc Osc

20 / 88
 Utilizar o menor número possível de
PROJETO PARA CONFIABILIDADE DE componentes, etapas;
Dimensionar os componentes com
margem de segurança adequada;

SISTEMAS PRODUTIVOS Distribuir a confiabilidade por todos os

componentes (evitar pontos fracos –
TOC)
DIMENSIONAMENTO DE UM COMPONENTE
Capacidade do componente deve ser maior que o esforço a que é submetido

Margem de
Segurança
Resistência nominal
Esforço nominal do componente utilizado
aplicado

Esforço

22 / 88
DIMENSIONAMENTO DE UM COMPONENTE
Propriedades dos componentes e das condições de uso possuem dispersão

Esforço Resistência
aplicado do componente

Esforço

23 / 88
PORQUE OCORRE UMA FALHA
Esforço aplicado (físico, elétrico, mecânico) excede
a resistência do componente

Resistência
Esforço degradada
aplicado do componente

Probabilidade de falhas Esforço

24 / 88

TESTES ACELETADOS
Vassiliou e Mettas (2002) relatam que, em muitos
casos, a obtenção de medidas de vida sob
condições normais de funcionamento do produto é
difícil, devido a fatores como a longa vida útil dos
produtos ou o curto tempo disponível para os
ensaios entre a concepção e o lançamento do
produto, razão pela qual são executados os
ensaios acelerados.
Ensaio no qual o nível de estresse aplicado é
escolhido de forma a exceder o estabelecido, nas
condições de referência, de modo a encurtar o tempo
de espera necessário para se observar a resposta do
item (ex. FALHA) a este determinado estresse, ou para
ampliar o nível da resposta durante um tempo
estipulado.
Caracterizam uma classe de testes cujo objetivo é
abreviar o tempo necessário para obtenção de
dados de vida do produto, podendo ser executados
de duas formas: por meio do uso contínuo ou da
aceleração pela aplicação de estresse (VASSILIOU;
METTAS, 2002).
Na primeira forma, produtos que não funcionam
continuamente são assim operados nas condições
nominais de uso C0 até que a falha ocorra,
acelerando-se deste modo a sua falha.
Na segunda, a condição de uso C0 é excedida em
variáveis que interferem na vida, gerando-se as
condições de estresse Ci > C0 que fazem o produto
falhar mais rápido.
25 / 88
TESTES ACELETADOS
A variável de estresse é determinada e ajustada em um
valor nominal por meio de medições e da configuração
física de componentes de ensaio. Por exemplo, no caso de
relés, a variável de estresse utilizada é a corrente elétrica,
expressa em amperes (A), que deve ser ajustada por meio
da montagem de componentes elétricos apropriados no
banco de ensaio.
Os dados obtidos nestes ensaios são extrapolados para as
condições normais de uso, empregando os denominados
modelos de relacionamento vida-estresse (NELSON, 2004).
A figura ao lado ilustra esse conceito. Nela podem ser
vistas as curvas correspondentes aos modelos de
relacionamento clássicos de Eyring, Arrhenius e potência
inversa (NELSON, 2004), que são usados em vários
produtos para representar diferentes mecanismos de falha
e projeções de vida.

26 / 88
MODELO DE
TRANSPOSIÇÃO DE DADOS
Para discutir o processo de transposição (extrapolação ou
relacionamento) dos dados obtidos em um teste acelerado
às condições de uso, pode-se assumir que um produto
tenha sido testado sob um único nível de estresse e que os
tempos até a falha tenham sido obtidos para este nível.
Os dados de vida sob estresse podem ser analisados a
partir da função densidade de probabilidade
apropriada. Através desta função densidade pode-se
visualizar o comportamento do componente testado e
estimar sua vida neste nível de estresse. Entretanto, a meta
de um teste acelerado não é obter estimativas de vida no
nível de estresse do teste, mas sim nas condições normais
de uso, conforme ilustrado na Figura 1. Para isso, os
chamados modelos de transposição são usados para
relacionar os parâmetros de interesse das condições
aceleradas de ensaio para as condições normais de uso.

27 / 88
MODELO DE
TRANSPOSIÇÃO DE DADOS
Nas condições reais de análise de vida, através de
testes acelerados, quando um componente é submetido
a diferentes níveis de estresse pode ser observada
uma variação no perfil da distribuição dos dados,
especialmente na dispersão, para os diferentes níveis,
além da variabilidade nos resultados dentro de um
mesmo nível. A Figura ao lado ilustra esta situação.
Os modelos de relacionamento estresse-resposta ou
modelos de transposição tradicionais, com uma só
variável de estresse são Arrhenius, Eyring e Potência
Inversa. Os modelos de Arrhenius e Eyring são
especialmente indicados quando a variável de estresse
é a temperatura. O modelo da Potência Inversa é
utilizado nos casos em que a variável de estresse é de
natureza não-térmica.

28 / 88
APLICATIVOS DE TESTES
ACELERADOS
Os aplicativos de Ensaios de Testes Acelerados
realizam análise quantitativa de dados obtidos nos
ensaios de vida acelerados. Permite que a
confiabilidade seja levantada ainda na fase de
desenvolvimento de novos produtos.
Com eles é possível reduzir significativamente o
tempo nos testes de bancada, e consequentemente
antecipar a liberação do produto ao mercado,
além de reduzir os custos na fase de
desenvolvimento e retornos de garantia.

29 / 88
 Aumentar artificialmente o esforço
TESTE ACELERADO (temperatura, voltagem, vibração, etc.) para
obter taxas de falha mensuráveis em tempo
reduzido
Parâmetros de aceleração
• Temperatura Sobrecarga

• Vibração
• Tensão
• Corrente
• Força
• Pressão
• Sal
• Poeira
• Outros Probabilidade de falhas
Esforço

30 / 88
MÉTODOS DE TESTE ACELERADO
(SEMICONDUTORES)
Temperatura elevada (ex.: 1000 hs @ 125 Objetivos:
OC ou 16 hs a 300 OC ) Identificar riscos prioritários

Choque térmico (ex.: 1000 ciclos, –65 OC a Detectar mecanismos de falha

125 OC) Determinar soluções para as causas

Umidade (ex.: 150 hs @120 OC, 100% Tomar ações corretivas nos processos produtivos
R.H., 15 psi, ) Realimentar para as diretrizes de projeto.

Vibração (2000 G, 0.5 ms ou 50 G,

20~2kHz)
Centrífuga (20.000 G)
Sobrealimentação (destrutivo ou não)
Sobrecarga (ex.: 16 hs @ Tj=300 OC)

31 / 88
ANÁLISE DE CONFIABILIDADE
Benefícios
Identificar componentes críticos
Identificar margens de projeto inadequadas
Comparar alternativas de implementação
Reduzir custos evitando “excesso de
qualidade”
Verificar viabilidade de atingir um
determinado MTTF
Determinar tempo ideal para “Burn-in”
Determinar a influência de fatores
ambientais no MTTF
Riscos
Modelos não podem ser extrapolados para
níveis elevados de sobrecarga
Modelos para novos produtos e processos
são imprecisos
Fatores multiplicativos podem assumir valores
irreais ou indeterminados
Mudanças de processos ou insumos podem
alterar taxas de falhas dos componentes
32 / 88
IMPLANTAÇÃO DE ENSAIOS ACELERADOS NO
DESENVOLVIMENTO DE PRODUTOS
1. Determinação dos Indicadores de Confiabilidade;
2. Especificação da Meta de Confiabilidade e Intervalo de Confiança;
3. Determinação do programa de ensaios acelerados;
4. Execução de Ensaios HALT e outros similares;
5. Execução de Ensaios ALT, utilize o CALT p/um teste + eficaz;
6. Demonstração da Confiabilidade através de extrapolação matemática, utilizando programas
específicos;
7. Validação do Projeto do Produto, compare com a Meta;
8. Ensaio de Conformidade da Confiabilidade no Lote Piloto de Produção, avaliar se a
Confiabilidade está dentro especificado;
9. Análise de Dados de Campo – Análise Garantia & Pós-Vendas por RGT, para calcular o MTBF
e probabilidades de falhas etc.

33 / 88
CONFIABILIDADE DE SOFTWARE
Software é cada vez mais importante
como elemento susceptível a falhas
Definição: Probabilidade de operação
livre de falhas por um período de tempo
e em um ambeinete especificados.
 Não depende do tempo de uso; em geral não
há “desgaste” dos recursos.
34 / 88
FALHAS DE SOFTWARE
Podem ser devidas a:
 Erros, ambiguidades, interpretações erradas das especificações
 Descuido, incompetência na codificação
 Testes incompletos, não abrangentes
 Erros de documentação dos recursos utilizados
 Uso incorreto ou em condições não previstas
 Etc…

São principalmente falhas de projeto, ao contrário das falhas de hardware

 Não se aplicam conceitos de “teste acelerado”, modelos de taxas de falha, redundância, etc.
correspondentes às falhas de hardware

Há possibilidade de falhas físicas

 Ex.: “Soft errors” em memórias RAM, transientes elétricos, etc.

35 / 88
“CURVA DA BANHEIRA” PARA SOFTWARE
Teste e Depuração Vida Útil

Obsolescência

z(t)

Atualizações Log (t)

36 / 88
REFERÊNCIAS
BECKER, P., JENSEN, F., Design of Systems and Circuits for Maximum Reliability or Maximun
Production Yield. McGraw-Hill, 1977
IRESON,W. G., COOMBS, C. F., MOOS, R. Y., Handbook of Reliability Engineering and
Management . McGraw-Hill, 1995
WHITAKER, J., Mantaining Electronic Systems. CRC Press, 1991
General Description of Aluminum Electrolytic Capacitors – Nichicon Technical Notes 8101D – 2002
Cursos da Reliasoft RS401,RS402,RS403 e RS521 de 2007;
Curso de Confiabilidade para Projetos, DFR- Design for Reliability, Reliasoft Corporation, em
2009;
www.qualmark.com
Software Reliasoft: Weibull e ALTA
Software Proconf

37 / 88