DISTRIBUIÇÕES ESTATÍSTICAS PARA FALHAS

Aluno Vinicyus Fernandes

Soufern@hotmail.com
Prof. Rodrigo Paduan Mendonça (UNYLEYA)

1. RESUMO
A confiabilidade sob a definição etimológica significa “qualidade daquele
ou daquilo que é confiável; fiabilidade.”, segundo o dicionário Michaelis, e
segundo a NBR 5462/94, confiabilidade é definida como a “capacidade de um
item desempenhar uma função requerida sob condições especificadas, durante
um dado intervalo de tempo”.

Definindo a disponibilidade, avançaremos para compreender a

importância de do aspecto tempo na análise da condição dos ativos. De acordo
com a mesma NBR 5462/94, disponibilidade é a “capacidade de um item estar
em condições de executar uma certa função em um dado instante ou durante
um intervalo de tempo determinado, levando-se em conta os aspectos
combinados de sua confiabilidade, manutenibilidade e suporte de manutenção,
supondo que os recursos externos requeridos estejam assegurados”.

Portanto, saber qual é a dimensão deste intervalo de tempo, indicará

qual é o período em que o item estará disponível e atuando com confiabilidade
adequada. Para isso, faz-se necessário coletar as informações a respeito das
características que definem o item, associando as alterações dessas
características ao tempo, de forma a criar um padrão previsível que possa ser
utilizado para estudar o comportamento do item ao longo do tempo,
extrapolando-o, de forma que ao se aplicar a análise mais adequada, se possa
prever o momento mais provável em que a condição do item deixe de ser
favorável e o item venha a deixar de executar a sua função adequadamente.

Palavras-chave:
Confiabilidade; Distribuição Estatística; Probabilidade de Falhas.
2. INTRODUÇÃO
Para realizar o estudo adequado do tempo e da confiabilidade, será
necessário conhecer os dados estatísticos de falha, tempo entre as falhas,
quantidade de falhas e tempo de reparo para a partir daí, criar a relação entre
as falhas e o tempo em que o item executa a sua função. Ao organizar esses
dados, aplica-se alguns modelos matemáticos para que o comportamento
funcional seja determinado e os tempos e modos de falhas sejam
predeterminados.

As variáveis relacionadas devem, portanto, serem estudadas. Uma

variável aleatória é um valor determinado por um resultado de um evento
aleatório. Essas variáveis podem ser classificadas como discretas ou
contínuas.

Uma variável discreta tem seus valores pertencentes a um espaço

amostral discreto, ou seja, o número de valores possíveis que essa variável
pode assumir é enumerável. Podem ser dados de contagem com um número
de falhas de um componente ou total de itens defeituosos em uma amostra.

Uma variável contínua é aquela que os valores pertencem a um espaço

amostral contínuo, ou seja, o domínio da variável é um conjunto não numerável
(ex.: dados do diâmetro de uma peça, peso, largura, etc).

Para compreender e analisar esses dados, faz-se necessário

compreender algumas características estatísticas na análise de dados. A
densidade de probabilidade é uma função que reúne os dados em função das
suas características em função da taxa de ocorrência, ou frequência em função
do tempo. O resultado gráfico é o que chamamos de histograma. A
probabilidade acumulada de falha, ou cdf (cumulative distribution function) é
usada para estimar a probabilidade de que o item em questão irá falhar, num
tempo determinado ‘t’.
3. DESENVOLVIMENTO DO ASSUNTO
As funções densidade de probabilidade e a probabilidade acumulada de
falha são as funções estatísticas mais importantes para o estudo da
confiabilidade e é a partir delas que se torna possível obter a maioria dos
demais indicadores de confiabilidade.

A função confiabilidade [R(x)] é a probabilidade acumulada do

equipamento ou sistema não falhar. A probabilidade de falha [F(x)] é a
probabilidade acumulada do equipamento ou sistema falhar. Portanto,
[R(x)+F(x)=1].

Graficamente, podemos apresentar o seguinte histograma para ilustrar a

junção das duas funções, confiabilidade [R(x)] e probabilidade de falha [F(x)]:

fonte: http://www.reliawiki.org/index.php/Basic_Statistical_Background

A função taxa de falha é a relação entre a probabilidade de falha e a

confiabilidade: λ(x)=F(x)/R(x). Este cálculo estabelece a taxa instantânea, ou
função de risco.

Uma distribuição estatística é totalmente descrita por sua PDF (ou

função de densidade de probabilidade). Algumas distribuições tendem a
representar melhor os dados de vida e são comumente chamadas de
distribuições de vida.

Em geral, as distribuições de tempo de vida usadas para confiabilidade e

análise de dados de vida são limitadas a um máximo de 3 parâmetros, que
podem ser estabelecidos como parâmetros de escala, forma e localização.
 O parâmetro de escala é o mais comum deles. Todas as distribuições
possuem um parâmetro de escala. No caso da distribuição normal, o parâmetro
de escala é o desvio padrão (σ).

O parâmetro de forma ajuda a definir a forma da distribuição. Algumas

distribuições como a exponencial ou a normal não possuem um parâmetro de
forma, pois as formas dessas distribuições não são alteradas. No caso da
distribuição normal, a forma é sempre familiar ao de um sino.

Parâmetro de localização é usado para deslocar uma distribuição em

uma direção ou outra. Geralmente, é denotado como ‘γ’, podendo ser negativo
ou positivo. Em termos de distribuição de tempo de vida, o parâmetro de
localização representa uma mudança no tempo. Pode-se argumentar que todas
as distribuições de vida possuem um parâmetro de localização, embora
algumas possam apresentar valores insignificantes.

Parâmetros negativos para a localização podem indicar falhas

acontecendo antes da utilização do item, ou antes da utilização do produto
(falhas de embalagem, transporte, etc.).

A distribuição Exponencial é comumente utilizada para modelar

comportamento de taxa de falhas constantes, porém, por sua simplicidade,
pode ser mal aplicada. A distribuição exponencial é dada pela seguinte
expressão:

F(t)= λ.e-λ.t,

Nesta definição, t é a variável aleatória ‘tempo’ e a letra grega lambda

representa o parâmetro de distribuição. Dependendo do valor de lambda, a
função F(t) será escalada de forma diferente.

A distribuição exponencial é comumente usada para componente ou

sistemas que exibem uma taxa de falha constante, ou unidades que não se
degradam com o tempo ou não se desgastam.
 A distribuição Normal, ou distribuição Gaussiana, é a mais utilizada
para análise da confiabilidade e dos dados de vida, sendo útil para calcular os
tempos de falha de componente ou sistemas eletrônicos e mecânicos mais
simples. A expressão que define esta distribuição é a seguinte:

F(t)=e-0,5(t/σ-µ/σ)²/ σ(2π)0,5,

A distribuição normal tem se mostrado útil para modelar a vida útil de

itens consumíveis, como cartuchos de toner de impressora, por exemplo.

fonte: http://www.reliawiki.org/index.php/Basic_Statistical_Background

A distribuição Lognormal é usada para descrever taxas de falhas

prematuras e por desgaste, sendo utilizada para análise geral de
confiabilidade. Em situações em que a probabilidade de completar o reparo
aumenta com o passar do tempo, é dado como características deste tipo de
distribuição.

F(t)=e-0,5(t/σ-µ/σ)²/ σ.t.(2π)0,5,

A distribuição lognormal é comumente usada para modelar a vida de

unidades cujos modos de falha são de natureza fadiga-estresse. Uma vez que
isso inclui a maioria, se não todos, os sistemas mecânicos, a distribuição
lognormal pode ter ampla aplicação. Consequentemente, a distribuição
lognormal é uma boa companhia para a distribuição Weibull ao tentar modelar
esses tipos de unidades.
 Como pode ser presumido pelo nome, a distribuição lognormal tem
certas semelhanças com a distribuição normal. Uma variável aleatória é
lognormalmente distribuída se o logaritmo da variável aleatória for normalmente
distribuído. Por causa disso, existem muitas semelhanças matemáticas entre
as duas distribuições. Por exemplo, o raciocínio matemático para a construção
das escalas de plotagem de probabilidade e o viés dos estimadores de
parâmetros é muito semelhante para essas duas distribuições.

fonte: http://www.reliawiki.org/index.php/Basic_Statistical_Background

A distribuição Weibulll é amplamente utilizada na confiabilidade e

análise de dados de vida devido à sua versatilidade. Dependendo dos valores
dos parâmetros, a distribuição Weibull pode ser usada para modelar uma
variedade de comportamentos de vida.

F(t)=β/η.(t/η-γ/η) β-1.e-(t/η-γ/η) β

Sendo β o parâmetro da forma e responsável pela inclinação da

distribuição.

As substituições apropriadas para obter as outras formas, como a forma

de 2 parâmetros onde γ=0, ou a forma de 1 parâmetro onde β=C= constante,
podem ser feitas facilmente.
 O parâmetro de forma de Weibull, β, também é conhecido como
inclinação. Isso ocorre porque o valor de β é igual à inclinação da linha
regredida em um gráfico de probabilidade. Diferentes valores dos parâmetros
de forma podem ter efeitos marcantes no comportamento da distribuição. De
fato, alguns valores do parâmetro de forma farão com que as equações de
distribuição se reduzam às de outras distribuições. Por exemplo, quando β = 1,
o pdf da distribuição Weibull de 3 parâmetros se reduz ao da distribuição
exponencial de 2 parâmetros ou:

O parâmetro β é um número puro, (ou seja, é adimensional). A forma

pode assumir uma variedade de formas com base no valor de β.

fonte: http://www.reliawiki.org/index.php/Basic_Statistical_Background

Uma mudança no parâmetro de escala η tem o mesmo efeito na

distribuição que uma mudança na escala de abcissas. Aumentar o valor de η
enquanto mantém β constante tem o efeito de esticar a PDF. Como a área sob
uma curva pdf é um valor constante de um, o "pico" da curva pdf também
diminuirá com o aumento de η, conforme indicado na figura acima.
Se η é aumentado enquanto β e γ são mantidos iguais, a distribuição se
estende para a direita e sua altura diminui, mantendo sua forma e localização.
Se η é diminuído enquanto β e γ são mantidos iguais, a distribuição é
empurrada para a esquerda (ou seja, em direção ao seu início ou em direção a
0 ou γ) e sua altura aumenta.
η tem as mesmas unidades que t, como horas, milhas, ciclos, atuações,
etc.
 fonte: http://www.reliawiki.org/index.php/Basic_Statistical_Background

O parâmetro γ pode assumir todos os valores e fornecer uma estimativa

do primeiro momento em que uma falha pode ser observada. Um γ negativo
pode indicar que ocorreram falhas antes do início do teste, ou seja, durante a
produção, no armazenamento, em trânsito, durante a verificação antes do início
de uma missão ou antes do uso real.

fonte: http://www.reliawiki.org/index.php/Basic_Statistical_Background
4. CONCLUSÕES
Conhecer as características das variáveis de um conjunto de dados é
importante na hora de definir qual distribuição é a mais adequada e que irá
imprimir o melhor resultado.
De forma geral, se a taxa de falha é constante ou se as unidades não se
degradam ou se desgastam com o tempo, usa-se a distribuição exponencial.
Para itens consumíveis, a distribuição normal é a que melhor se
apresenta.
Se os itens a ser estudado apresenta desgaste ou degradação por taxa,
a distribuição do lognormal é a mais utilizada.
No entanto, por suas características, a distribuição Weibull é a mais
aplicada pois é capaz de se modular e representar outras distribuições,
podendo ser utilizada em associação com os outros tipos de distribuições.

5. REFERÊNCIAS

 AMARAL, Giovanni Fernandes. Estudo e melhoria da confiabilidade do

sistema de controle eletrônico de voo de um Veículo Aéreo Não
Tripulado. 2009. Dissertação (Mestrado em Engenharia Eletrônica e
Computação) - Instituto Tecnológico de Aeronáutica, São Jose dos
Campos. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR
5462: Confiabilidade e Manutenibilidade. Rio de Janeiro, 1994.
 LEWIS, E. E. Introduction to Reliability Engineering. 2ª ed. Illinois, John
wiley & Sons, 1996.
 MONTGOMERY, Douglas C.; RUNGER, George C. Estatística Aplicada
e Probabilidade para Engenheiros. 6ª ed. Rio de Janeiro, LTC, 2016.
 RELIASOFT. G400 – Fundamentos dos Modelos e Análise de Dados da
Engenharia da Confiabilidade. São Paulo, 2019.
 RELIAWIKI. Life Data Analysis Reference Book, 2023. Disponível em
<http://www.reliawiki.org/index.php/Basic_Statistical_Background>, e em
<http://www.reliawiki.org/index.php/Life_Distributions>. Acesso em
10/01/2023