Apostila - Confiabilidade Maria Luiza

Análise de Confiabilidade
Outubro/2008
Profa. Maria Luíza Guerra de Toledo
malutoledo@bol.com.br
Instituto de Consultoria e Aperfeiçoamento profissional
Confiabilidade
Profa. Maria Luiza Guerra de Toledo
malutoledo@bol.com.br
Confiabilidade
O que é?
É a probabilidade de que um item cumpra adequadamente seu

propósito por um determinado período de tempo, sob condições de
operação específicas.
Normalmente, a confiabilidade é uma função do tempo. O “tempo” pode

ser medido de várias maneiras. Por exemplo:
• Tempo de operação
• Quilometragem
• Tempo de prateleira
• Número de ciclos
Figuras de mérito (desempenho)

desempenho)
• MTTF - tempo médio até a falha
• Percentual esperado de falhas no período de garantia
• B10: tempo no qual se espera que 10% dos produtos venham falhar
• B0,1: tempo no qual se espera que 0,1% dos produtos venham falhar
Exemplo: Na comparação de duas marcas de produtos, A e B:

MTTFProd_A=230 hs
MTTFProd_B=285 hs
Qual tem um melhor desempenho?
2
Confiabilidade
Por que usar?
Por exemplo:
• Que tipo de plástico é mais resistente?

• O novo motor resulta em um produto mais confiável?
• Quantos televisores se espera falhar durante o período de
garantia?
Confiabilidade
Elementos básicos em um estudo de confiabilidade:
Evento de interesse – o que é a falha?
Escala de medida do ‘tempo’ até a falha – ex. número de dias,

número de ciclos, quilometragem....
Objetivo de Estudos de Confiabilidade
Estimar a distribuição do tempo de falha de um produto:
Exemplo: Um fabricante de cabos elétricos quer estimar a vida útil

desses produtos.
Para isso, foi observado o tempo até a falha (em dias) de 50

circuitos.
3
50 56 67 48 34
60 45 62 67 79
53 61 100 66 91
40 92 58 27 41
51 73 46 59 64
99 51 51 48 81
35 49 27 77 105
55 24 52 58 84
74 37 48 51 54
101 31 79 97 23
Uso da
distribuição
Weibull para
representar os
dados
4
Estimar o MTTF (tempo médio até a falha)
Os circuitos
levam, em
média, 59,4
dias para
falhar
Estimar percentis
1% dos
circuitos
falham após
16,1 dias
Estimar percentis
20% dos
circuitos
falham após
41,8
5
Construir gráficos de falhas acumuladas
Estimar probabilidades acumuladas de falha
Após 41,8
dias, 20% dos
circuitos
falham
Construir curvas de sobrevivência
A probabilidade
de sobrevivência
diminui ao longo
do tempo
6
Estimar probabilidades de sobrevivência
92,7% dos
circuitos ainda
funcionam
após 30 dias
Estimar probabilidades de sobrevivência
6,64% dos
circuitos ainda
funcionam
após 90 dias
Construir gráficos de taxa de falha
Taxa de falha instantânea

A taxa de falha é
em cada tempo
crescente ao
longo do tempo:
os circuitos se
tornam mais
prováveis de
falhar à medida
que o tempo
passa
7

Um circuito que
em cada tempo
durou 30 dias tem
probabilidade de
0,01 (0,1%) de
falha instantânea

Um circuito que
em cada tempo
durou 80 dias tem
probabilidade de
0,075 (0,75%) de
falha instantânea

Isto significa que o
em cada tempo
circuito que durou
80 dias é 7 vezes
mais provável de
falhar do que o
circuito que durou
30 dias
8
Especificando o Tempo de Falha
T – v.a. que representa o tempo de falha
Usualmente especificada de duas formas:

Função de confiabilidade (ou fç de sobrevivência)
Função de taxa de falha
Funç
Função de Confiabilidade
A Função de Confiabilidade (Fç de Sobrevivência)
É definida como a probabilidade de um produto desenvolver sua

função sem falhar até um certo tempo t.
Em termos probabilísticos:
R(t)=P(T t)
Funç
Função de Confiabilidade
Funções de Confiabilidade para Dois Produtos:
O produto 1 é
superior ao
produto 2 com
relação a
durabilidade.
9
Funç
Quantidade de risco associada a um componente no tempo t
Pode ser usada como comparação entre unidades distintas:

valores menores da função de taxa de falha implicam em riscos
menores
Unidades com a mesma confiabilidade em um tempo t podem ter

funções de risco diferentes
Funç
Possíveis formas:
Crescente
Itens que se desgastam ou degradam com o tempo
Componentes mecânicos, em sua quase totalidade
Comportamento esperado para produtos ou componentes, que mostram
um efeito gradual de envelhecimento
Funç
Possíveis formas:
Decrescente
Função menos comum
Sabe-se que certos tipos de capacitores e alguns dispositivos
semicondutores têm taxas de falha decrescentes
Constante
A taxa de falha não se altera com o decorrer do tempo
Caracteriza o tempo de vida de vários produtos manufaturados
10
Especificando o Tempo de Falha
Três Funções de Taxa de Falha:
Funç
Alguns produtos tem uma função de taxa de falha que na verdade, é uma
combinação das três:
Funç
Mortalidade infantil: Alta taxa de falhas que decresce rapidamente com o tempo.
Falhas devido a defeitos grosseiros de fabricação, ou itens que sofreram
estresses extraordinários antes do uso.
As falhas prematuras podem ser removidas por um pré-envelhecimento (burn-in)
11
Funç
Perí
Período de vida útil: Se caracteriza por taxa de falha constante.
Falhas ocasionais, decorrentes de solicitações normais de uso, acidentes
ocasionados pelo uso incorreto, etc.
Funç
Perí
Período de desgaste (envelhecimento): Taxa de falha crescente devido ao
processo natural de envelhecimento ou desgaste do produto.
Podem ser evitadas por um programa adequado de manutenção preventiva.
Estimaç
Estimação na Ausência de Censura
Voltando ao exemplo dos 50 circuitos elétricos:
13 circuitos
falharam entre
50 e 60 dias
12
Estimaç
Uma estimativa para a taxa de falha no

período compreendido entre 50 e 60 dias é:
h([50,60))= no de falhas no intervalo [50,60)

no de circuitos em operação até t=50
= 13 = 0,38
34
Em palavras, a taxa de falha é 38% durante o período de 10 dias compreendido entre 50 e

60 dias.
Estimaç
A função de confiabilidade no tempo t=50 dias é:
R(50)= no de circuitos em operação até o tempo t=50 = 34 = 0,68

no de circuitos sob teste 50
Ou seja, 68% dos circuitos duram mais que 50 dias.
Estimaç
Usando o mesmo tipo de cálculo para os outros intervalos, temos:
Intervalo Taxa de falha (%/dia) Confiabilidade (%)

20-30 8 100
30-40 8,7 92
40-50 19,1 84
50-60 38,2 68
60-70 33,3 42
70-80 35,7 28
80-90 22,2 18
90-100 57,1 14
100-110 - 6
Pode-se observar que a taxa de falha é do tipo crescente.
13
Estimaç
Estimação na Presenç
Presença de Censura
O que são dados censurados?
Freqüentemente, dados de vida são censurados: o tempo exato de

falha de alguns itens é desconhecido, mas você deve saber uma das
seguintes informações:
As unidades foram removidas do estudo antes de ocorrer a falha, ou

ainda estão em operação ao final do estudo (censura
censura à direita)
direita
As unidades falharam antes do início do estudo (censura
censura à esquerda)
esquerda
As unidades falharam dentro de um intervalo particular de tempo
(censura
censura intervalar)
intervalar
Estimaç
Censura à direita 1=Falha

=Falha 0=Censura
=Censura
Unidade Tempo Censura
1 x 30 1
2 40 0
3 x
22 1
4
29 0
5
6 x 40 0
7 x 21 1
8 x
36 1
9 x
28 1
Tempo 20 1
Estimaç
Censura intervalar 1=Falha

=Falha 0=Censura
=Censura
Unidade Tempo Censura
1 x 24-28 1
2 40-* 0
3 x
16-20 1
4
24-* 0
5
6 x 40-* 0
7 x 16-20 1
8 x
32-36 1
9 x
24-28 1
4 8 12 16 20 24 28 32 36 40
12-16 1
Tempo
14
Exemplo
Teste de vida realizado com mecanismos manuais de
acionamento de vidro
O mecanismo de acionamento do vidro das portas de um veículo pode ser de

dois tipos: manual ou automático. Em ambos os casos, a função do
mecanismo é subir e descer o vidro da porta.
O fabricante realizou um teste para avaliar a confiabilidade desses produtos,

colocando os mecanismos sob uso contínuo com uma carga correspondente
ao peso do vidro, até ocorrer a falha (parar de operar).
Estima-se que 30000 ciclos (ato de descer e subir) equivalem a 10 anos de

uso em condições normais.
Exemplo
Um lote de 30 mecanismos manuais foi colocado sob teste. O teste consistiu

em deixá-los funcionando por 50000 ciclos e registrar, para cada, o no de
ciclos que ele completou até falhar (tempo de falha).
Após os 50000 ciclos, 18 mecanismos haviam falhado e o restante continuava

funcionando. Os nos de ciclos até a falha para os 18 mecanismos foram:
38590 16513 27847 13566 14922 40278

11223 36229 5626 39580 44540 31225
28613 12128 26791 41325 27144 22138
Exemplo
A partir desses dados, o fabricante deseja obter as seguintes informações

sobre seu produto:
1. Qual o número médio de ciclos completados até a falha deste mecanismo?

2. Os fabricantes conferem dois anos de garantia ao seu produto e sabem que o
número médio de ciclos de funcionamento do produto no período de dois anos é de
6000 ciclos. Qual é a fração de mecanismos defeituosos esperada nos dois
primeiros anos de uso?
3. Qual o número de ciclos no qual 10% dos produtos estarão fora de operação?
15
Estimaç
Técnicas estatísticas para estimar a função de confiabilidade na
presença de censuras:
Tabela de Vida (uma das mais antigas técnicas estatísticas para estimar
características associadas à duração dos tempos de falha)
Kaplan-Meier (o mais utilizado)
Tabela de Vida
Conceitos:
Dividir o eixo do tempo em k+1 intervalos, definidos pelos pontos de corte
t1, t2, ..., tk e t0=0.
Para cada um dos intervalos, estimamos a seguinte probabilidade:
qi = P(T [ti-1 , ti) / T ti-1)
onde qi é a probabilidade de um item falhar no intervalo [ti-1 , ti) sabendo-
se que ele não falhou até ti-1.
Essa estimativa pode ser reescrita da seguinte forma:

qi =. no de itens que falharam no intervalo [ti-1 , ti) .
no sob risco em ti-1 – (no censurado em [ti-1 , ti))/2
Produtos para os quais a censura ocorreu no intervalo [ti-1 , ti)são tratados como
se estivessem sob risco durante a metade do intervalo.
Tabela de Vida
Conceitos:
qi é a probabilidade do item falhar no intervalo [ti-1 , ti)
1-qi é a probabilidade dele não falhar
A funç
função de confiabilidade (probabilidade do item não falhar até o tempo
ti, i=1,...,k) pode ser dada em termos dos q’s como:
R(ti) = (1-q1) ... (1-qi)
16
Tabela de Vida - Exemplo

Retomando o exemplo do mecanismo de acionamento manual:
Dividir o conjunto de dados em 5 intervalos
[0,10), [10,20), [20,30), [30,40) e [40,50) (em 10000 ciclos)
38590 16513 27847 13566 14922 40278

11223 36229 5626 39580 44540 31225
28613 12128 26791 41325 27144 22138
Intervalo No de falhas
(x 10000 ciclos)
0-10 1
10-20 5
20-30 5
30-40 4
40-50 3

No sob risco:
Intervalo No de falhas No sob risco

(x 10000 ciclos)
0-10 1 30
10-20 5 29
20-30 5 24
30-40 4 19
40-50 3 15

Para cada um dos intervalos, estimamos:
qi =. no de itens que falharam no intervalo [ti-1 , ti) .
no sob risco em ti-1 – (no censurado em [ti-1 , ti))/2
Intervalo No de falhas No sob risco q

1
(x 10000 ciclos) (%) qˆ[ 0−10) = = 0,033
0-10 1 30 3,3 30 − 0
10-20 5 29 17,2
5
20-30 5 24 20,8
qˆ[10− 20) = = 0,172
29 − 0
30-40 4 19 21,1
40-50 3 15 20
17

A funç
função de confiabilidade de cada intervalo pode ser estimada como:
R(ti) = (1-q1) ... (1-qi)
R(10) = (1-0,033) = 0,967

R(20) = (1-0,033) (1-0,172) = 0,801 R(30) = (1-0,033) (1-0,172) (1-0,208) = 0,634
Intervalo No de falhas No sob risco q Confiabilidade

(x 10000 ciclos) (%) (%)
0-10 1 30 3,3 100,0 Um mecanismo
de acionamento
10-20 5 29 17,2 96,7 manual tem 63,4%
de chance de
20-30 5 24 20,8 80,1 durar mais de
30000 ciclos
30-40 4 19 21,1 63,4
40-50 3 15 20 50,0
Kaplan-
Kaplan-Meier
Conceitos:
Considera tantos intervalos de tempo quanto for o número de falhas
distintas.
Suponha que existem n itens sob teste e k ( n) falhas distintas nos

tempos t1 < t2 < ... < tk. Desta forma:
Seja di: no de falhas no tempo ti
Seja ni: no de itens sob risco (não falhou e não foi censurado) em ti (exclusive)
O estimador de Kaplan-Meier é definido como:

R(t) = [(n1-d1)/n1] [(n2-d2)/n2] ... [(nt -dt )/nt ]
0 0 0
18
Kaplan-
Kaplan-Meier - Exemplo
t d n R(t)
0 0 30 1,000
5625 1 30 0,967
11223 1 29 0,933
12128 1 28
13566 1 27 R(5625) = [(30-1)/30] = 0,967
14921 1 26
16513 1 25 R(11223) = [(30-1)/30] [(29-1)/29] = 0,933
22138 1 24
26791 1 23
27144 1 22
27847 1 21
28613 1 20
31224 1 19
36229 1 18
38590 1 17
39580 1 16
40278 1 15
41324 1 14
44540 1 13
Kaplan-
t d n R(t)
0 0 30 1,000
5625 1 30 0,967
11223 1 29 0,933
12128 1 28 0,900
13566 1 27 0,867
14921 1 26 0,833
16513 1 25 0,800
22138 1 24 0,767
26791 1 23 0,733
27144 1 22 0,700
27847 1 21 0,667
28613 1 20 0,633
31224 1 19 0,600
36229 1 18 0,567
38590 1 17 0,533
39580 1 16 0,500
40278 1 15 0,467
41324 1 14 0,433
44540 1 13 0,400
Kaplan-
19
Aná
Análise de Tempos de Falha:
Falha:
Modelos Probabilí
Probabilísticos
As técnicas de Tabela de Vida e Kaplan-Meier apresentadas são chamadas

de não-
não-paramé
paramétricas, pois não é necessário especificar uma distribuição de
probabilidade para o tempo até a falha.
No entanto, existem outras técnicas estatísticas conhecidas que requerem a

especificação de uma distribuição de probabilidade para o tempo de falha.
Elas são chamadas de técnicas paramé
paramétricas.
Aná
Análise de Tempos de Falha:
Falha:
Modelos Probabilí
Probabilísticos
Uma vez escolhida a distribuição de probabilidade que melhor descreve o

comportamento do tempo de falha de um produto sob teste, é então possível
estimar as figuras de mérito de interesse.
Se a distribuição de probabilidade for corretamente especificada, as té

técnicas
paramé
paramétricas serão mais eficientes que as não-
não-paramé
paramétricas.
Embora exista uma série de modelos probabilísticos utilizados em análise de

confiabilidade, alguns deles ocupam posição de destaque por sua
comprovada adequação a várias situações práticas. Entre estes, podemos
citar o Exponencial, Weibull e Lognormal.
Distribuiç
Distribuição Exponencial
É uma das mais simples em termos matemáticos, e é usada em situações em
que as falhas ocorrem de forma aleatória com uma taxa fixa e sem um
expressivo mecanismo de desgaste.
20
Distribuiç
A função de densidade para o tempo de falha T com distribuição exponencial
é dada por
f(t) = (1/α) exp(-t/α), t 0
onde α 0 é o tempo médio de vida.
A função de confiabilidade R(t) é dada para a distribuição exponencial por

R(t) = exp(-t/α)
A função taxa de falha é dada por

h(t) = 1/α
Distribuiç
Propriedades:
α = MTTF = t0,63
percentil 100p%: tp = -α ln(1-p)
parâmetro de escala: α 0
Distribuiç
A figura abaixo mostra a forma típica desta função de confiabilidade:
21
Distribuiç
Distribuição Exponencial - Exemplo
O tempo até a falha do ventilador de motores a diesel tem uma distribuição
exponencial com MTTF igual a 28700 horas.
A probabilidade de um destes ventiladores não falhar nas primeiras 8000

horas é então:
R(8000) = e-t/α = e-8000/28700 = 0,76
Se 8000 horas é o tempo de garantia dado pelo fabricante, significa que 24%
é a fração esperada de ventiladores que falhariam na garantia.
Distribuiç
Distribuição Exponencial - Exemplo
O tempo até a falha do ventilador de motores a diesel tem uma distribuição
exponencial com MTTF igual a 28700 horas.
Em estudos de durabilidade, queremos muitas vezes conhecer baixos

percentis, como o de 1%, e também a mediana, que é o percentil 50%
t0,01 = -α ln(1-p) = -28700 ln (1-0,01) = 288 horas

t0,50 = -28700 ln (1-0,50) = 19900 horas
Isto significa que é esperado que cerca de 1% dos ventiladores falhe nas
primeiras 288 horas de uso.
Distribuiç
Distribuição Weibull
Proposta originalmente por W. Weibull (1954) em estudos relacionados ao
tempo de falha devido a fadiga de metais.
É frequentemente empregada para descrever o tempo de vida de produtos

industriais.
Uma razão da popularidade da distribuição Weibull deve-se ao fato dela

apresentar uma grande variedade de formas: Sua função de taxa de falha
pode ser crescente, decrescente, ou constante.
Ela descreve adequadamente a vida de mancais, componentes eletrônicos,

cerâmicas, capacitores e dielétricos.
22
Distribuiç
Distribuiç
A função de densidade para o tempo de falha T com distribuição Weibull é
f(t) = ( /α ) t -1 exp[-(t/α) ], t 0
No caso especial em que =1, obtemos a distribuição Exponencial.
A função de confiabilidade é dada por

R(t) = exp[-(t/α) ]
A função taxa de falha é dada por

h(t) = ( /α) (t/α) -1, t 0
Distribuiç
Propriedades:
α = t0,63
percentil 100p%: tp = α [−ln(1-p)]1/
parâmetro de forma: 0
parâmetro de escala: α 0
MTTF = α (1 + 1/ ), onde (r) = (r – 1)!
23
Distribuiç
Distribuição Weibull - Exemplo
O tempo de vida de um capacitor pode ser descrito por uma distribuição
Weibull com α = 100000 horas e = 0,5.
A confiabilidade em um ano de uso é :

R(8760) = exp[-(t/α) ] = exp[-(8760/10000)0,5] = 0,74
A probabilidade do capacitor operar por um tempo superior a um ano é de

74%.
O tempo médio de vida do capacitor é de

MTTF = 100000 [1 + (1/0,5)] = 200000 horas
O percentil 10% é de
t0,10 = α [−ln(1-p)]1/ = 100000 [−ln(1-0,10)]1/0,5 = 1110 horas
Tabela da Funç
Função Gama
Distribuiç
Distribuição Lognormal
Assim como a distribuição Weibull, é bastante utilizada para caracterizar
tempo de vida de produtos e materiais.
É a que melhor descreve os tempos de vida de componentes semicondutores

cujos mecanismos de falha envolvem interações químicas, como as
encontradas em processos de corrosão, acúmulo superficial de cargas
elétricas, degradação de contatos, etc. É também adequada para os
mecanismos de falha por fadiga em materiais.
24
Distribuiç
Distribuiç
Distribuiç
A função de densidade para o tempo de falha T com distribuição Lognormal é
f (t ) =
1
exp −
[ln(t ) − µ ]2 ,t ≥ 0
2π tσ 2σ 2
onde µ é a média do logaritmo do tempo de falha, assim como σ é o desvio-

padrão.
A função de confiabilidade é dada por

R(t) = {- [ln(t) – µ]/σ}
onde é a função de distribuição acumulada de uma normal padrão.
25
Distribuiç
Propriedades:
percentil 100p%: tp = exp(zpσ+µ)

MTTF = exp(µ+σ2/2)
Tabela da Distribuiç
Distribuição Normal
Distribuiç
Distribuição Lognormal - Exemplo
Na temperatura de uso, o tempo de vida de isolações da classe H tem uma
distribuição Lognormal com µ = 9,65 horas e σ = 0,1053 horas.
A confiabilidade da isolação nas 20000 primeiras horas de uso é

R(20000) = {- [ln(t) – µ]/σ} = {- [ln(20000) – 9,65]/0,1053} = 0,008
Isto significa que é esperado que a grande maioria (99,2%) das isolações
falhem nas 20000 primeiras horas de uso.
O valor de MTTF estimado para as isolações é de

MTTF = exp(µ+σ2/2) = exp(9,65+0,10532/2) =15608,1
Em média, as isolações falham após 15608,1 horas de uso
26
Estimando os Parâmetros dos Modelos
Os modelos probabilísticos (Exponencial, Weibull e Lognormal) apresentados

são caracterizados por quantidades desconhecidas, denominadas
parâmetros.
Exponencial: α = média
Weibull: = forma; α = escala
Lognormal: α = locação; σ = escala
Estas quantidades conferem uma forma geral ao modelo probabilístico.
Entretanto, em cada estudo de confiabilidade, tais parâmetros devem ser

estimados a partir dos dados amostrais, de tal forma que o modelo fique
determinado e possibilite responder às perguntas de interesse.

O Método de Máxima Verossimilhança
O método de máxima verossimilhança trata o problema da estimação dos

parâmetros da seguinte forma:
Baseando-se nos resultados obtidos pela amostra, qual é a distribuição, entre

todas aquelas definidas pelos possíveis valores de seus parâmetros, com
maior possibilidade de ter gerado tais resultados?
Em outras palavras, se por exemplo a distribuição do tempo de falha e

Weibull, para cada combinação diferente de α e tem-se diferentes
distribuições Weibull. O método de máxima verossimilhança escolhe aqueles
valores de α e que melhor expliquem os resultados gerados pelo teste.

O Método de Máxima Verossimilhança
Para modelos mais simples (Exponencial), o método fornece uma solução

fechada para a estimação dos parâmetros.
n
ti
Para este modelo, o estimador de α é dado por α̂ = i =1
onde os ti são os tempos de falha observados ou censurados e r, o número

observado de falhas.
Entretanto, em outras situações não existem soluções fechadas, e métodos

numéricos são necessários para encontrá-las. Nestes casos, o método
iterativo de Newton-Raphson e freqüentemente utilizado (Softwares
estatísticos)
27

Escolha do modelo – Dados do mecanismo de acionamento manual
*Saída: Minitab Statistical Software

Escolha do modelo – Dados do mecanismo de acionamento manual
*Saída: Minitab Statistical Software
Exemplo – Vida de Prateleira dos Produtos
Um fabricante de bebidas precisa imprimir uma data de validade nas garrafas

de bebidas gasosas. A bebida é aceitável até que uma certa quantidade de
descoloração ocorra na mesma. O fabricante quer ter certeza de que somente
5% das bebidas irão descolorir antes da data de validade.
30 lotes do produto são fabricados em um período de três semanas. O tempo

de prateleira, que é o número de dias até que ocorra descoloração, é
registrado para cada lote.
28
Dados coletados (tempos de falha – em dias)
113 123 76
90 123 130
107 117 102
128 149 171
133 110 108
136 140 101
125 144 98
115 116 155
126 131 144
134 142 131
29

Assumindo que o tempo de prateleira das garrafas pode ser descrito por uma
distribuição Weibull com parâmetro de forma = 6,84159 e parâmetro de
escala α = 132,325 dias:
O tempo médio de prateleira das garrafas é de

MTTF = α (1 + 1/ ), onde (r) = (r – 1)! =
132,325 [1 + (1/6,84159)] = 123,634 dias
Ou seja, as garrafas levam, em média, 123,634 dias para descolorir.

t0,05 = α [−ln(1-p)]1/ = 132,325 [−ln(1-0,05)]1/6,84159 = 85,72 dias
Ou seja, espera-se que 5% das garrafas descoloram após 85,72 dias.
Portanto, a data de validade pode ser estabelecida em torno de 85 dias.

A confiabilidade após 70 dias é de

R(t) = exp[-(t/α) ] = exp[-(70/132,325)6,84159] = 0,9873 (ou 98,8%)

R(t) = exp[-(t/α) ] = exp[-(150/132,325)6,84159] = 0,0946 (ou 9,46%)
Portanto, 98,8% das garrafas sobrevivem após 70 dias, e apenas 9,46%

sobrevivem após 150 dias de prateleira.
A função de confiabilidade (sobrevivência) é, então, decrescente.
30
31

distribuição Lognormal com parâmetro de locação µ = 4,80617 e parâmetro
de escala σ = 0,167642 dias:
O tempo médio de prateleira das garrafas é de

MTTF = exp(µ+σ2/2) = exp(4,80617+0,1676422/2) = 123,992 dias
Ou seja, as garrafas levam, em média, 123,992 dias para descolorir.
32

t0,05 = exp(zpσ+µ) = exp(1,64*0,167612+4,80617) = 92,79 dias
Ou seja, espera-se que 5% das garrafas descoloram após 92,79 dias.
Portanto, a data de validade pode ser estabelecida em torno de 90 dias.


R(70) = {- [ln(70) – µ]/σ} = 0,9995 (ou 99,95%)

R(150) = {- [ln(70) – µ]/σ} = 0,1112 (ou 11,12%)
Portanto, 99,95% das garrafas sobrevivem após 70 dias, e apenas 11,12%

sobrevivem após 150 dias de prateleira.
A função de confiabilidade (sobrevivência) é, então, decrescente.
33
Comparando as duas distribuições:
Comparando os resultados obtidos com as duas distribuições:
Medida de desempenho Weibull Lognormal
MTTF 123,634 123,992
t0,05 85,72 92,79
R(70) 98,8% 99,95%
R(150) 9,46% 11,12%
34
Exemplo – Tempo de Vida dos Cabos de Torradeira
Um fabricante está considerando a hipótese de adquirir um

novo cabo mais barato para torradeiras, e quer comparar a
confiabilidade do cabo novo com o padrão.
Uma máquina de teste simula o estresse em cabos de torradeira durante um

tempo. A máquina reproduz o impulso feito pelo consumidor ao plugar e
desplugar a torradeira. Um engenheiro anota os tempos de falha (em minutos)
de cada cabo de torradeira. Para dar espaço para outros testes, alguns cabos
foram removidos da máquina antes que a falha ocorresse. Por isso, os dados
são censurados à direita.
Dados coletados (em minutos)
Padrão Censura Padrão Censura Padrão Censura Novo Censura

(Padrão) (Padrão) (Padrão) (Novo)
25,2 Exato 102,3 Exato 144,1 Exato 44,2 Exato
87,6 Exato 122,2 Exato 174,1 Censurado 85,7 Exato
95,0 Exato 132,7 Exato 184,9 Censurado 92,5 Exato
100,0 Exato 137,6 Exato 185,7 Censurado 98,5 Censurado
35
Cabo Padrão:
Assumindo que o tempo de falha do cabo padrão pode ser descrito por uma
escala α = 133,944 minutos:
O tempo médio de falha do cabo padrão é

MTTF = α (1 + 1/ ), onde (r) = (r – 1)! =
133,944 [1 + (1/3,0725)] = 119,738 minutos
Ou seja, o cabo padrão leva, em média, 119,738 minutos para falhar.
36
Cabo Padrão:
Assumindo que o tempo de falha do cabo padrão pode ser descrito por uma
t0,01 = α [−ln(1-p)]1/ = 133,944 [−ln(1-0,01)]1/3,07250 = 29,97 minutos
Ou seja, espera-se que 1% dos cabos padrão falhe após 29,97 minutos.
Portanto, 99% dos cabos padrão ainda funcionam após 29,97 minutos.
Cabo Novo:
Assumindo que o tempo de falha do cabo novo pode ser descrito por uma
O tempo médio de falha do cabo padrão é

MTTF = α (1 + 1/ ), onde (r) = (r – 1)! =
81,315 [1 + (1/4,42644)] = 74,1354 minutos
Ou seja, o cabo novo leva, em média, 74,1354 minutos para falhar.
Cabo Novo:
Assumindo que o tempo de falha do cabo novo pode ser descrito por uma
t0,01 = α [−ln(1-p)]1/ = 81,315 [−ln(1-0,01)]1/4,42644 = 28,76 minutos
Ou seja, espera-se que 1% dos cabos novos falhe após 28,76 minutos.
Portanto, 99% dos cabos novos ainda funcionam após 28,76 minutos.
37
Comparando os resultados obtidos para os dois cabos:
Medida de desempenho Cabo Padrão Cabo Novo
MTTF 119,738 74,1354
t0,01 29,97 28,76
38
Referências Bibliográ
Bibliográficas
O texto contido neste material foi extraído das seguintes fontes:
Minitab® Statistical Software. Partes da entrada e saída de dados contidas neste material estão
impressas com permissão da Minitab Inc. Todo material é de propriedade e direitos autorais
exclusivos da Minitab Inc. Todos os direitos reservados.
Marta A. Freitas e Enrico A. Colosimo. Confiabilidade: Analise de Tempo de Falha e Testes de Vida
Acelerados – Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG, 1997
39

Apostila - Confiabilidade Maria Luiza

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila - Confiabilidade Maria Luiza

Enviado por

Direitos autorais:

Formatos disponíveis

Análise de Confiabilidade

É a probabilidade de que um item cumpra adequadamente seu

Normalmente, a confiabilidade é uma função do tempo. O “tempo” pode

Figuras de mérito (desempenho)

• MTTF - tempo médio até a falha

• Percentual esperado de falhas no período de garantia

Exemplo: Na comparação de duas marcas de produtos, A e B:

Por que usar?

• Que tipo de plástico é mais resistente?

Elementos básicos em um estudo de confiabilidade:

Evento de interesse – o que é a falha?

Escala de medida do ‘tempo’ até a falha – ex. número de dias,

Objetivo de Estudos de Confiabilidade

Estimar a distribuição do tempo de falha de um produto:

Exemplo: Um fabricante de cabos elétricos quer estimar a vida útil

Para isso, foi observado o tempo até a falha (em dias) de 50

Objetivo de Estudos de Confiabilidade

Estimar a distribuição do tempo de falha de um produto:

Objetivo de Estudos de Confiabilidade

Estimar a distribuição do tempo de falha de um produto:

Objetivo de Estudos de Confiabilidade

Estimar a distribuição do tempo de falha de um produto:

Objetivo de Estudos de Confiabilidade

Estimar o MTTF (tempo médio até a falha)

Objetivo de Estudos de Confiabilidade

Objetivo de Estudos de Confiabilidade

Objetivo de Estudos de Confiabilidade

Construir gráficos de falhas acumuladas

Objetivo de Estudos de Confiabilidade

Estimar probabilidades acumuladas de falha

Objetivo de Estudos de Confiabilidade

Construir curvas de sobrevivência

Objetivo de Estudos de Confiabilidade

Estimar probabilidades de sobrevivência

Objetivo de Estudos de Confiabilidade

Estimar probabilidades de sobrevivência

Objetivo de Estudos de Confiabilidade

Construir gráficos de taxa de falha

Taxa de falha instantânea

Objetivo de Estudos de Confiabilidade

Construir gráficos de taxa de falha

Taxa de falha instantânea

Objetivo de Estudos de Confiabilidade

Construir gráficos de taxa de falha

Taxa de falha instantânea

Objetivo de Estudos de Confiabilidade

Construir gráficos de taxa de falha

Taxa de falha instantânea

Especificando o Tempo de Falha

T – v.a. que representa o tempo de falha

Usualmente especificada de duas formas:

A Função de Confiabilidade (Fç de Sobrevivência)

É definida como a probabilidade de um produto desenvolver sua

Quantidade de risco associada a um componente no tempo t

Pode ser usada como comparação entre unidades distintas:

Unidades com a mesma confiabilidade em um tempo t podem ter

Especificando o Tempo de Falha

Três Funções de Taxa de Falha:

Voltando ao exemplo dos 50 circuitos elétricos:

Uma estimativa para a taxa de falha no

h([50,60))= no de falhas no intervalo [50,60)

Em palavras, a taxa de falha é 38% durante o período de 10 dias compreendido entre 50 e

A função de confiabilidade no tempo t=50 dias é: