2022

A análise de dados de vida.

Módulo 1 – Livro 2

Prof. Carlos Henrique Mariano

Universidade Tecnológica Federal
do Paraná - UTFPR
1/9/2022
 1

A análise de dados de vida – Life Data Analysis (LDA)

Uma característica chave do estágio de projeto é antecipar onde e
quando qualquer parte do sistema pode falhar e tentar evitar isso. Prever,
antecipar e prevenir falhas são habilidades importantes que os(as)
engenheiros(as) precisam aprimorar para serem capazes de construir
produtos confiáveis que sejam seguros para uso repetidas vezes.
Curiosamente, para evitar futuras falhas catastróficas, os(as)
engenheiros(as) precisam garantir que eles levem as peças e
componentes do produto ao limite e os façam falhar. Dessa forma,
eles(as) entenderão os limites da operação segura dos sistemas que
estão fazendo. Al-Atabi, 2014

De acordo com o Livro 1, módulo 1, o item falha quando

deixa de desempenhar a função para qual foi projetado. O
evento de nosso interesse então se chama falha e, que é
provocado por um determinado modo de falha. O modo de
falha, por sua vez, é um evento aleatório. Bom, antes de
estudarmos como vamos modelar o evento aleatório de nosso
interesse, vamos primeiramente definir o que é um evento não
aleatório. Um evento não aleatório é um fato onde se
consegue prever o resultado. Então, se estamos em um veículo
viajando a 100 km/h é de esperar que ao término de uma 1
hora o veículo tenha rodado ou percorrido 100 km. Claro que
estamos aqui desprezando uma série de variáveis restritivas,
mas o que queremos destacar é a previsibilidade do fato.
Logo, um evento aleatório é aquele que não podemos
prever seu resultado. Mas, o mais interessante nele é que
podemos estimar qual seria a chance dele acontecer.
Então podemos definir a análise de dados de vida como
um ramo da estatística, baseado na teoria de probabilidades,
que estuda a chance de acontecer dos eventos aleatórios.

Curso de Especialização em Engenharia da Confiabilidade

Curso de Graduação em Engenharia Elétrica
Curso de Graduação em Engenharia de Controle e Automação
 2

Estes eventos são os modos de falha que podem ser

modelados a partir de um conjunto de dados de falha. Estes
dados podem vir do registro dos tempos de ocorrência das
falhas, ou do momento em que a capacidade de um item é
suplantada pela carga a qual é submetido ou quando uma
determinada condição passa dos limites que garantem a
operação satisfatória do sistema.
Em outras palavras, a LDA também é conhecida como
análise de sobrevivência e, será utilizada quando o tempo até
falhar for o objeto de interesse, seja este interpretado como o
tempo até a ocorrência de uma falha ou o risco de ocorrência
de uma falha por unidade de tempo. Considerando ou não a
possível perda de seguimento ou de informação sobre o
momento da falha ou da não falha (censura)
As perguntas passíveis de resposta neste tipo de
abordagem são:
Qual o efeito de um determinado procedimento1 sobre o
tempo de sobrevivência?
Quais os fatores associados ao tempo de duração da
falha?
Quais os fatores preditivos para mitigação das falhas,
considerando o tempo para falhar?
Qual o efeito da política de manutenção na
sobrevivência após uma falha catastrófica?
Como estabelecer a garantia com base no
conhecimento da confiabilidade de um item?

1Procedimento pode ser operacional ou de manutenção. Um procedimento

gerencial abrange tanto os aspectos operacionais quantos os de manutenção.

Curso de Especialização em Engenharia da Confiabilidade

Curso de Graduação em Engenharia Elétrica
Curso de Graduação em Engenharia de Controle e Automação
 3

Assim o fenômeno da falha pode ser descrito em termos

probabilísticos segundo três abordagens principais:
1. Tempo para falhar
2. Estresse-Esforço (Stress-Strength)
3. Baseado na condição.

1. Abordagem tempo para falhar

No caso da abordagem do tempo até falhar
consideramos que há uma função na qual a cada tempo 𝑡𝑖
corresponde um evento elementar (falha) 𝑎𝑖 do espaço
amostral S. Este tempo é uma variável aleatória que se
chamará tempo para falhar (TPF) ou TTF do inglês Time to
Failure. Então, a probabilidade de que a variável TTF tomará
um valor de 𝑡𝑖 é denotada por 𝑝𝑖 = 𝑃(𝑇 = 𝑡𝑖 ). (Knesevic, 1993)
Nesta abordagem a confiabilidade pode ser totalmente
definida pela distribuição de probabilidade da variável
aleatória TTF. Tal distribuição de probabilidade pode ser
definida através de funções de probabilidade contínuas. Estas
funções são: densidade de probabilidade de falha DPF ou
Probability Density Function PDF, função de densidade
acumulada de falha FDAF ou Cumulative Density function CDF
(função probabilidade de falha) ou pelas medidas sumárias
(valor esperado, mediana, variância dentre outras). (Knesevic,
1993). Ou obter a função de sobrevivência por meio de
métodos não paramétricos que não pressupõe o
conhecimento de nenhuma função de probabilidade.
A partir desta abordagem podemos avaliar aspectos da
confiabilidade de itens por meio de métricas como: a função
de falha; a vida TTFp ; a função de confiabilidade, o tempo
médio para falhar (entre produtos idênticos), o tempo de

Curso de Especialização em Engenharia da Confiabilidade

Curso de Graduação em Engenharia Elétrica
Curso de Graduação em Engenharia de Controle e Automação
 4

sucesso da missão ou pela função de risco ou taxa de falha.

No Livro 3 definiremos estas métricas. (Knesevic, 1993)

2. Abordagem Estresse-Resistência/Stress-Strenght

A base desta abordagem é assumir que um determinado

item tem uma capacidade de resistência ao estresse e a falha
vai ocorrer se esta capacidade for excedida pelo estresse
infligido por uma condição de operação ou regime de
operação. Assim a confiabilidade de um item é expressa em
termos da função de estresse e da função de resistência (ou
de capacidade). Segundo Barlow apud Knesevic, p.85, 1993
esta abordagem é baseada em duas suposições:
a. A capacidade ou esforço de um item é
independente do tempo (características
dependentes do tempo: fadiga; deformação; e
corrosão são desprezadas) Carter 1972, apud
Kenesevic, p.85, 1992.
b. Se o estresse devido ao carregamento é menor
do que a resistência de um item então ele
prevalece operacional, mas se o estresse for
maior do que a resistência(capacidade) ele
falhará

3. Abordagem baseada na condição

Nesta abordagem se pressupõe que a confiabilidade de
um item pode ser expressa pela condição dele. Tal condição
em qualquer instante de tempo pode ser descrita por um
parâmetro relevante da condição PRC ou RCP do inglês

Curso de Especialização em Engenharia da Confiabilidade

Curso de Graduação em Engenharia Elétrica
Curso de Graduação em Engenharia de Controle e Automação
 5

relevant condition parameter. O estado de falha é definido

pelo instante de tempo quando o PRC excede um nível limite
𝑃𝑅𝐶 > 𝑃𝑅𝐶𝑙𝑖𝑚. O PRC em qualquer instante de tempo é uma
variável aleatória que é totalmente definida por uma função
de distribuição de probabilidade, por exemplo, 𝑓𝑃𝑅𝐶 (𝑐, 𝑡).
Vamos aprofundar nesta disciplina a abordagem do
tempo até falhar que é notadamente a mais usual nos estudos
da confiabilidade de itens ou sistemas e, muito apropriada
para a análise de sistemas não reparáveis.
E, para finalizar vamos apresentar uma outra definição
para a análise de dados de vida, é uma técnica estatística
usada para analisar vários tipos de dados de vida (no caso
dados de falha) com o objetivo de predizer a tendência das
falhas no sistema.

Referências
Knesevic, Jezdimir. Reliability, Maintainability and Supportability
- A probabilistic approach. Cambridge, University Press, 1993

Al-Atabi. Mushtak. Think Like na Engineer – Use systematic

thinking to solve everyday challenges&unlock the inherent
values in them. Selangor, Malaysia, e-book, 2014

Curso de Especialização em Engenharia da Confiabilidade

Curso de Graduação em Engenharia Elétrica
Curso de Graduação em Engenharia de Controle e Automação