GERÊNCIA DA MANUTENÇÃO

Engenharia da Confiabilidade

Professor: Emerson Rigoni, Dr. Eng. rigoni@utfpr.edu.br

http://www.rigoni.com.br/cegem.htm
 Evolução dos Conceitos

Parte 1 – Estatística  Análise de Dados de Vida (LDA)

Parte 2 – Confiabilidade de Sistemas (RBD)

Parte 3 – Manutenção Centrada na Confiabilidade

 Evolução dos Conceitos

Data Horário Conteúdo

17/06/2016 Tarde/Noite Análise de Dados de Vida (LDA)

18/06/2016 Manhã Confiabilidade de Sistemas (RBD)

01/07/2016 Tarde/Noite Manutenção Centrada na Confiabilidade - Implantação

02/07/2016 Manhã Manutenção Centrada na Confiabilidade - Implantação

 Bibliografia Sugerida

1. NORMAS:

• NBR-5462 Confiabilidade e Mantenabilidade - Terminologia.

• IEC - 60300 Dependability Management http://www.iec.ch/about/brochures/pdf/technology/dependablility.pdf

• Normas Militares Americanas http://www.weibull.com/knowledge/milhdbk.htm

2. LAFRAIA, João Ricardo Barusso, Manual de Confiabilidade, Mantenabilidade e Disponibilidade. Editora

Qualitymark, Rio de Janeiro, 2001.

3. MORTELARI, Denis; SIQUEIRA, Kleber; PIZZATI, Nei. O RCM na Quarta Geração da Manutenção de Ativos. RG
Editores, 1ª Edição, 2011.

4. MOUBRAY, J., Reliability Centered Maintenance. New York, Editora Industrial Press, Revisão da 2ª Edição, 2001.

5. PALLEROSI, Carlos Amadeu, Confiabilidade a Quarta Dimensão da Qualidade: Volumes 1 a 10. Reliasoft
Brasil, 2006.

6. RIGONI, E.; DIAS, A.; CALIL, L. F. P.; OGLIARI, A.; SAKURADA, E. Y.; KAGUEIAMA, H. A.; Metodologia para
análise de risco: mitigação de perda de SF6 em disjuntores, 2011.

7. SIQUEIRA, Iony Patriota de., Manutenção Centrada na Confiabilidade - Manual de Implementação. Rio de
Janeiro, 1ªed., Editora Qualitymark Ltda., 2005.

8. SMITH, A. M., HINCHCLIFFE, G. R., RCM – Gateway to World Class Maintenance. Editora Elsevier Butterworth-
Heinemann, 2004.
SITES NA INTERNET RELACIONADOS COM O TEMA

 Biblioteca da UFSC: http://www.bu.ufsc.br

 Biblioteca da USP: http://www2.usp.br/index.php/bibliotecas

 Biblioteca da UNICAMP: http://cutter.unicamp.br/

 Engineering Statistics Handbook: http://www.itl.nist.gov/div898/handbook/index.htm

 Industrial Maintenance Portal: http://www.plant-maintenance.com/index.shtml

 Normas Militares Americanas: http://www.weibull.com/knowledge/milhdbk.htm

 Norwegian University of Science and Technology: http://www.ntnu.no/ross/info/standards.php

 Roy Billinton Home Page: http://www.ece.usask.ca/eceresearch/faculty/rob250/

 System Reliability Center: http://src.alionscience.com/inforesources/

 Análise de Dados de Vida: http://www.weibull.com

SGM – SISTEMA DE GERENCIAMENTO DA MANUTENÇÃO DA VALE

O “Sistema de Gerenciamento da Manutenção” reúne de forma coordenada os princípios e

elementos que abrangem o campo do conhecimento da manutenção na VALE.

• Atuação pró-ativa, eliminando os modos de falha;

Processos Avançados
Pirâmide 4o Estágio • Medidas para evitar o aparecimento dos modos da falhas
do SGM

ANO 3
Engenharia de potenciais e funcionais;
Confiabilidade • Maior efetividade na execução de reparos;

• O aumento da confiabilidade dos equipamentos;

• Operadores agregam grande valor na saúde do equipamento;

Processos Avançados
• Maior entendimento do cenário operacional para a

ANO 2
manutenção;

• Técnicas preventivas e preditivas;

• Eliminação dos modos de falha ou redução da sua

probabilidade de ocorrência;
Processos de Rotina

• Atividades que compõem a manutenção do dia-a-dia;

ANO 1

• Conhecimento e previsibilidade;

• Informações consistentes dos ativos para a tomada de

decisões e a otimização da manutenção.
Noção de Confiabilidade – Ideias Relacionadas

Durabilidade

Operação Equipamento
Sem Falhas Pronto para Operar

Confiabilidade
Qualidade
Q
Q QQ
Q Q
Disponibilidade  Confiabilidade + Mantenabilidade

Capacidade de um item ser mantido ou

recolocado em condições de executar
suas funções requeridas, sob condições
de uso especificadas, quando a
manutenção é executada sob condições
determinadas e mediante
procedimentos e meios prescritos.
Mantenabilidade

Fonte - Documento Nacional - ABRAMAN

Qualidade
Disponibilidade dos
Confiabilidade
Ativos Q QQ Q
Q Q

Dependabilidade  Termo coletivo usado para descrever o desempenho da disponibilidade e seus fatores de
influência: confiabilidade, mantenabilidade e suporte logístico de manutenção.
 Definições de Confiabilidade

NBR 5462 (1994)  Confiabilidade é a capacidade de um item desempenhar uma

função requerida sob condições especificadas, durante um dado intervalo de tempo

Blanchard & Fabrycky  Confiabilidade é uma

característica inerente ao projeto e pode ser

definida como a probabilidade na qual um sistema

ou produto irá operar de modo satisfatório em um

dado intervalo de tempo, quando utilizado restrito

às condições de operação específicas Wolter Fabrycky - Benjamin S. Blanchard

BLANCHARD, Benjamin S., FABRYCKY, Wolter J., Systems Engineering and Analysis, Prentice Hall International Series in
Industrial & Systems Engineering, 1990, p.346-347.
 Estatística - Introdução

Estatística: É um conjunto de métodos

para o planejamento de experimentos,
obtenção de dados e, consequente
organização, resumo, apresentação,
análise, interpretação e elaboração de
conclusões baseadas nos dados.

Estatística Descritiva: parte da estatística que descreve os aspectos importantes de um

conjunto de características observadas e faz comparações de valores.
Probabilidade: ramo da Matemática que formula modelos que permitem tratar fenômenos
aleatórios e mensurar incertezas.
Inferência Estatística: parte da estatística que usa uma amostra para fazer generalizações
a respeito de aspectos importantes de uma população.
 Definições

 POPULAÇÃO é a coleção completa de todos os elementos

(escores, pessoas, medidas, etc...) a serem estudados.

 AMOSTRA é um subconjunto de membros selecionados de

uma população. De certa forma, seria uma “fotocópia
reduzida” da população.

 DADOS são observações, tais como medidas, respostas de

pesquisas, que tenham sido coletados.

 CENSO é o conjunto de dados obtidos de todos os membros

da população.
 Medidas de Posição

A média considera todos os valores de um conjunto de dados:

x i
  i 1
N
A mediana divide um conjunto de dados ordenados em duas partes iguais:

 x( n 1) / 2 se n for ímpar


xmed  ~
x  1
 ( xn / 2  xn / 2 1 ) se n for par
2

A moda de um conjunto de dados é o valor que ocorre com maior

frequência. Ou seja, aquele valor que mais se repete

A ponto médio considera o menor e o maior valor de um conjunto de dados

xmax  xmin
Ponto Médio 
2
 Medidas de Posição

Seja o seguinte conjunto de valores ordenados:

6,5 6,7 6,8 7,0 8,0 8,5 8,7 8,8 9,2 9,3

média = 7,95 mediana = 8,25 moda = N/A ponto médio = 7,9

Se alterarmos significativamente o último valor:

6,5 6,7 6,8 7,0 8,0 8,5 8,7 8,8 9,2 46,3

média = 11,65 mediana = 8,25 moda = N/A ponto médio = 26,4

Se alterarmos significativamente o primeiro valor:

0,5 6,7 6,8 7,0 8,0 8,5 8,7 8,8 9,2 9,3

média = 7,35 mediana = 8,25 moda = N/A ponto médio = 4,9

 Medidas de Posição

CUIDADO ao escolher uma medida de posição para representar um conjunto de dados:

– “Média” e “Ponto Médio” são muito afetados por valores extremos

A “moda” nem sempre existe e, também, nem sempre é única !

Em geral, a melhor política é utilizar os dois parâmetros: “média” e “mediana”

– Valores de “Média” e “Mediana” muito próximos é uma indicação que o

conjunto de valores é razoavelmente simétrico em relação à posição central
(média / mediana).
 Medidas de Posição

Fonte: “Introdução à Estatística”, 9ª ed., TRIOLA, M.F., Editora LTC – p.47

 Medidas de Posição

Em distribuições de probabilidade (como veremos mais adiante) podemos

perceber ASSIMETRIA dos valores de um conjunto de dados

Fonte: “Introdução à Estatística”, 9ª ed., TRIOLA, M.F., Editora LTC – p.51

 Medidas de Dispersão - Desvio Padrão

Desvio-padrão  Medida da variação de um conjunto de valores em relação à média.

Número não negativo na mesma unidade de medida dos dados observados.

 x  x 
i
2

 i 1
n 1

Seja o seguinte conjunto de preços de geladeiras em 7 lojas distintas:

750,00 800,00 790,00 810,00 820,00 760,00 780,00

  787 ,14   25,63

Seja o seguinte conjunto de preços de liquidificadores nas mesmas lojas:

50,00 45,00 55,00 43,00 52,00 45,00 54,00

  49 ,14   4 ,81
Qual dos produtos têm uma maior variabilidade de preços?
Medidas de Dispersão – Coeficiente de Variação

O coeficiente de variação indica a magnitude relativa do desvio-padrão

quando comparado com a média do conjunto de valores

O coeficiente de variação (CV) é útil para compararmos a variabilidade

(dispersão) de dois conjuntos de dados de ordem de grandezas diferentes
OU de unidades de medidas diferentes (p.ex., “kg” e “m”)

 O coeficiente de variação é uma medida adimensional

CV  que normaliza o desvio padrão em relação à média.


25,63 4,81
CVgeladeira   3,3 % CVliquidificador   9,8 %
787,14 49,14
 Classificação das Variáveis

Nominal Ex: naturalidade, religião, cor dos

Qualitativas olhos, etc...
Não há ordenação

Categóricas
ou
De atributos Ordinal
Ex: grau de instrução, etc...
Existe ordenação

Vaiáveis

Discretas Ex: resultados do lançamento de um

dados, quantidades de falhas em um
Conjunto finito
Quantitativas enumerável
período, etc...

Numéricas
Contagem ou Medida
Contínuas Ex: tempo de voo, duração da bateria,
distância percorrida, etc...
Conjunto infinito
 Variável Aleatória Discreta

FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE

Seja X uma variável aleatória Discreta com possíveis valores {x1, x2, ...}. A
função distribuição de probabilidade associa para cada valor xi uma
probabilidade p(xi):

Propriedades

P( xi )  1
6 P( xi )  0 , xi
Exemplo:
X = número obtido

 P( x )  1
no lançamento de
um dado comum. i
i

 P( x )  1 6  1 6  1 6  1 6  1 6  1 6  1
i

  E ( X )   xi  Pi  ( xi   )  Pi
i

2

i i
 Variável Aleatória Discreta

FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE ACUMULADA

X = número obtido no lançamento de um dado comum.

 Variável Aleatória Contínua

FUNÇÃO DENSIDADE DE PROBABILIDADE

Seja x uma variável aleatória Contínua. A função densidade de

probabilidade f(x) é uma função que satisfaz as seguintes condições:

ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br

0,30
1) f(x)  0 , x

0,27

 f(x) dx  1
0,24
D e n s i d a d e d e P ro b a b i l i d a d e d e F a l h a f( t)

0,21

0,18
2)
0,15 -
0,12
b
3) P(a  x  b)   f(x) dx
0,09

0,06

0,03

0,00
a
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0

a b
Tempo( t)

ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br

1,00

0,90
Função Distribuição de Probabilidade Acumulada
0,80
F ( t) = 1 - R ( t)

0,70

x
F ( x)   f ( x)dx F ( x )  0,5  Mediana
0,60
|
P ro b a b i l i d a d e d e F a l h a

0,50

0,40

0,30

0,20

0,10

0,00
0,0 1,0 2,0 3,0 4,0 5,0
Tempo( t)
6,0 7,0 8,0 9,0 10,0

Esperança ou Média E ( x )     x  f ( x )dx


 Representação Matemática da Confiabilidade

Considerando N0 o Número Total de Itens de um lote em x=0 e NF(x) e NS(x)

respectivamente o número de itens que Falharam e que Sobreviveram em um período de
vida (x ≠ 0). Tem-se que:

N S ( x) N F ( x)
N 0  N F ( x)  N S ( x) Assim: R( x)  e F ( x)  (1)
N0 N0

• R(x) é a Função Confiabilidade.

• F(x) é a Probabilidade Acumulada de Falha ou Não Confiabilidade.

Conclui-se portanto que:

R( x)  F ( x)  1 (2)

N F ( x) N S ( x)
R( x)  1  F ( x)  1 
N0 N0
 Representação Matemática da Confiabilidade

Integrando-se f(x), ao longo do período de vida (x), tem-se que:

x x
F ( x)   f ( x)dx Portanto, de 2 conclui-se que: R( x)  1   f ( x)dx (3)
0 0

f(x)
Considerando que a área da curva de f(x) deve ser unitária,
podemos reescrever a equação da Confiabilidade (3) como:
F(x) R(x) Período de
Vida

x
(x)
R( x)   f ( x)dx (4)
F(x) é a probabilidade acumulada de falha no ponto (x).
x
R(x) a probabilidade de sobrevivência após o ponto (x).

Derivando-se a função da Probabilidade Acumulada de Falha F(x) ao longo do Período de Vida

(x) tem-se a Função Densidade de Probabilidade de Falha f(x) ou pdf (Probability Density
Function), portanto:

dF ( x) 1 dN F ( x) dR( x) 1 dN S ( x)
De (1, 2 e 3) tem-se: f ( x)       (5)
dx N0 dx dx N0 dx
 Representação Matemática da Confiabilidade

De (5) tem-se que:

1 dN F ( x) dN F ( x)
f ( x)  * (
) N0
N 0  f ( x) 
N0 dx (6)
dx

Na equação (6) dividindo todos os termos por NS(x) tem-se:

N0 1 dN ( x) 1 dN ( x) f ( x)
 f ( x)  * F  ( x)  * F ou  ( x)  (7)
N S ( x) N S ( x) dx N S ( x) dx R( x)

Em (7)  (x) é a Taxa Instantânea de Falha ou Probabilidade Condicional de Falha

(x) =
Número de Falhas por Unidade do Período de Vida
(8)
Número de Itens Expostos à Falha

Probabilidade Condicional de Falha – A probabilidade de que uma falha venha a ocorrer em um período
desde que o item em questão tenha sobrevivido ao início de tal período.
 Histogramas  Revisão

ROL  Dados colocados na ordem crescente ou decrescente.

Frequência Observada
AMPLITUDE DO ROL (R)  Valor Máximo Observado - Valor Mínimo Observado

NÚMERO DE CLASSES (K)  Regra de Sturges: K = 1 + 3,3 log N

K N
 Bom senso

Onde : N  número de observações da amostra (dados)

Variável Aleatória - Intervalos de Classe

AMPLITUDE DA CLASSE (h)  Diferença entre o limite superior e inferior de um intervalo de classe: h  R / k

PONTO CENTRAL OU PONTO MÉDIO DA CLASSE (Pmi)  Pmi = (Valor mín. da classe + Valor máx. da classe) / 2

FREQUÊNCIA DA CLASSE (fi)  Número de observações que caem dentro da classe.

FREQUÊNCIA ACUMULADA (fa)  Soma de todas as observações de um intervalo de classes (classe 1 até “n”).

FREQUÊNCIA RELATIVA SIMPLES OBSERVADA [FRSO (%)]  fi / N

FREQUÊNCIA RELATIVA ACUMULADA OBSERVADA [FRAO (%)]  fa / N

 Histogramas  Exemplo

Suponha que foram coletados os Tempos Até a Falha Fratura de Rodas em Ciclos ( x105 )
48 80 30 39 29 9 23 23 39 6
(ciclos até a fratura) de uma amostra de 50 rodas de
37 79 50 60 10 72 7 47 29 38
aço, utilizadas em veículos ferroviários, e estas 31 24 17 50 64 11 22 12 21 49
48 40 29 15 43 18 34 25 52 18
apresentaram falhas de acordo com a tabela ao lado:
34 77 31 76 45 37 29 38 32 27

Amplitude do Rol (R)  R = 80 - 6 = 74

Número de Classes (K)  Regra de Sturges: K = 1 + 3,3 log N  K = 1 + 3,3 Log 50 = 6,607  7,0

Amplitude do Intervalo de Classe (h)  h = R / K = 74 / 7 = 10,57  11

Ciclos para Falhar (x 105) Marcação Total

6  17 IIIII II 7
17  28 IIIII IIII 9
28  39 IIIII IIIII IIIII 15
39  50 IIIII IIII 9
50  61 IIII 4
61  72 II 2
72  83 IIII 4
 Tabela da Distribuição de Frequências
Frequência Frequência Relativa
Ciclos para Frequência da Frequência Confiabilidade
Classe Ponto Médio Relativa Acumulada
Falhar (x105) Classe Acumulada (1 - FRA)
(FR) (FRA)
i xi Pmi fi f(xi) fa F(xi)
1 6  17 11,5 7 0,14 7 0,14 0,86
2 17  28 22,5 9 0,18 16 0,32 0,68
3 28  39 33,5 15 0,30 31 0,62 0,38
4 39  50 44,5 9 0,18 40 0,80 0,20
5 50  61 55,5 4 0,08 44 0,88 0,12
6 61  72 66,5 2 0,04 46 0,92 0,08
7 72  83 77,5 4 0,08 50 1,00 0
Total - 50 1,00 - - -

Função Densidade de Probabilidade

Probabilidade f(x) Acumulada F(x)

Confiabilidade R(x)
R(x) = 1 – F(x)
 Tabela da Taxa de Falhas
Ciclos para Frequência da Intervalo da Itens Expostos a Falha no Taxa de Falha
Classe Ponto Médio
Falhar (x105) Classe Classe Início da Classe ()
i xi Pmi fi xi fa  (Falhas / 105 Ciclos)
1 6  17 11,5 7 11 50 0,01273
2 17  28 22,5 9 11 43 0,01903
3 28  39 33,5 15 11 34 0,04011
4 39  50 44,5 9 11 19 0,04306
5 50  61 55,5 4 11 10 0,03636
6 61  72 66,5 2 11 6 0,03030
7 72  83 77,5 4 11 4 0,09091
Total - 50 - - -

(x) =
Número de Falhas por Unidade do Período de Vida
Taxa de Falha (x)
Número de Itens Expostos à Falha
 Representação Matemática da Confiabilidade – Exemplo Prático

ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br

0,30

f(t) ≈ 0,28

Resumindo !
0,27

0,24
D e n s i d a d e d e P ro b a b i l i d a d e d e F a l h a f( t)

0,21

pdf  f (t )
0,18

0,15 ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br

0,60
0,12

0,09
0,54

0,06

0,48
0,03

0,00
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0
0,42
Tempo( t)

ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br

1,00 0,36

Ta x a d e F a lh a s
0,90

0,30
0,80 t
F (t )   f (t )dt
F ( t) = 1 - R ( t)

0,70
0,24

0,60

0
|

F(t) = 0,5
0,18
P ro b a b i l i d a d e d e F a l h a

0,50

0,40
0,12

0,30

0,20
F (t )  1  R(t ) 0,06

0,10

0,00
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
0,00
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0
Tempo( t)
Tempo( t)

ReliaSoft Weibull++ 7 - www.ReliaSoft.com.br

1,00

f (t )
 (t ) 
0,90

0,80 
R(t )   f (t )dt R(t )
R ( t) = 1 - F ( t)

0,70

0,60

t
0,50
R(t) = 0,5
|
C o n fi a b i l i d a d e

0,40

f (t ) 0,28
0,30

R(t )  1  F (t )  (t )    0,56 falhas / tempo

0,20

0,10
R(t ) 0,5
0,00
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0
Tempo( t)

Tempo = 5
 Considerações sobre a Taxa de Falhas

Em sistemas complexos, com muitos componentes, cada um com um mecanismo de falha diferente, a variação
da Taxa de Falhas [λ(t)] ao longo do período de vida do sistema será uma combinação da taxa de falha de cada
componente, ponderada pela sua participação e sua influência temporal na função principal do sistema.

Falhas Prematuras Falhas por Desgaste

Mortalidade Infantil - Falhas em equipamentos Fim de Vida Útil ou Fim de Vida Econômica - Falhas
recém montados ou saindo de uma Manutenção. em equipamentos com muito tempo de uso.

Falhas Aleatórias
Falhas sem nenhuma inter-relação com o tempo ou com condição de uso, provocadas por situações
não usuais ou por influências externas.
Considerações sobre a Taxa de Falhas
 Considerações sobre a Taxa de Falhas

Probabilidades: Aviação x Hidrelétricas

Aviação Hidrelétricas

1 4% 0,3% Manutenção:
Fadiga
Corrosão 2% Sob Condição
Oxidação
2 75%
Inspeções
Monitoramento
3
5% 0% Técnicas Preditivas

4 7%
Eletrônicos
24,5%
Hidráulicos 5 14%
Pneumáticos

6 0,2%
68%

Fonte: Márcio de Souza Soares e Urbano Moreira Filho - Software de Gestão Copel - 5.200 MF
Distribuições Aplicadas na Engenharia da Confiabilidade

WEIBULL
Hiper
Exponencial
Exponencial Normal
 Distribuições Aplicadas a Confiabilidade - Weibull

Ernst Hjalmar Waloddi Weibull (18 de Junho de 1887 / 12 de Outubro de 1979) foi um
engenheiro e matemático sueco. É reconhecido pelo seu trabalho na área da fadiga de
materiais e na estatística pelos seus estudos sobre a distribuição de Weibull.

A distribuição de Weibull é uma distribuição de probabilidade contínua, usada em estudos

de tempo de vida de equipamentos e estimativa de falhas.

Desenvolvida em 1937 e publicada em setembro de 1951 pelo "Jornal de

Mecânica Aplicada" (Journal of Applied Mechanics) número 293, em um
artigo intitulado "Uma Função de Distribuição Estatística de Larga
Aplicação" (A Statistical Distribution Function of Wide Applicability) 
Estudo sobre resistência do aço.

A Força Aérea Americana reconheceu o mérito de Weibull em 1975.

Nos dias de hoje a análise de Weibull é o método líder no mundo para

encontrar e encaixar os dados de vida.

Referência adicional: http://www.weibull.com/LifeDataWeb/the_weibull_distribution.htm

 Distribuição de Weibull

Densidade de Probabilidade de Falhas f(t): Confiabilidade C(t):


 t t 0 
 
  
 t t 0 

R(t )  e  

 
 


f (t )   .(t  t0 )  1.e   , para x ≥ t0

Densidade Acumulada de
f (t )  0 , para x < t0 Falha F(t):


 t t 0 
 
  
F (t )  1  e  

 - Vida Característica ou Parâmetro de Escala

 - Parâmetro de Forma Taxa de Falha λ(t):

t0 - Vida Mínima ou Parâmetro de Locação  1

  t  t0 
t - Período de Vida Transcorrido  (t )  . 
   
Tempo Médio para Falhar ou Entre Falhas (MTTF ou MTBF) - Weibull

Item Não Reparável  Tempo Médio Para Falhar (MTTF)

Item Reparável  Tempo Médio Entre Falhas (MTBF)

 
Definição Geral  TMédio   R(t )dt   t. f (t )dt
0 0

1 
TMédio  t0  .  1
 

Cálculo da Função Gama:  Excel: =EXP(LNGAMA(x))

 Internet: http://www.reliasoft.org/_rsapps/itools/qsr.aspx
 Distribuições Aplicadas a Confiabilidade - Weibull

t - Período de Vida Transcorrido  Ponto desejado dos parâmetros da Distribuição de Weibull.

t0 – Vida Inicial ou Parâmetro de Locação  Vida mínima livre de falha  Valor mais provável de
tempo de vida até o qual não haverá falha. A Taxa de Falha (x) só é diferente de zero após o tempo t0.


 t t 0 
f (t )  (t ) f (t ) 

.(t  t0 )  1.e

 





 

t0  5 
t0  5  t t 0 
  
  
 R(t )  e  


 t t 0 
R(t ) F (t )  
  
F (t )  1  e  

 1
t0  5 t0  5   t  t0 
 
 (t )  . 
   
Distribuições Aplicadas a Confiabilidade - Weibull

 - Parâmetro de Forma  Aparência da distribuição.

Parâmetro de Forma ()  t0 = 0 e  = 20

f (t )  (t )

R(t ) F (t )
 Distribuições Aplicadas a Confiabilidade - Weibull

Confiabilidade C(t):  < 1  Falhas Prematuras > 1  Falhas por Desgaste


 t t 0 
 
  
R(t )  e  

Probabilidade de Falha F(t):


 t t 0 
 
  
F (t )  1  e  

Taxa de Falha λ(t): = 1  Falhas Aleatórias.

 1
  t  t0 
 (t )  . 
    MCC - SELEÇÃO DAS TAREFAS DE MANUTENÇÃO APLICÁVEIS E EFETIVAS

 - Vida Característica
Valor do  Tendência da Taxa de Falhas () Tipo de Manutenção
 - Parâmetro de Forma <1 Decrescente  Corretiva
t0 - Vida Mínima
=1 Constante = Preditiva / Corretiva
t - Período de Vida Transcorrido
>1 Crescente  Preventiva Sistemática

Miguel Afonso Sellitto (Unisinos) - Formulação Estratégica da Manutenção Industrial com Base na Confiabilidade dos Equipamentos
 Distribuições Aplicadas a Confiabilidade - Weibull

 - Vida Característica ou Parâmetro de Escala  Período para que ocorram cerca de 63%
-1
das falhas. Neste período  = (t – t0) e R(x) = e = 37% portanto F(x) = 63%.

Vida Característica ou Parâmetro de Escala ()  t0 = 0 e  = 3

f (t )  (t )

R(t ) F (t )
 Uso do Papel Probabilístico de Weibull

Determinação Gráfica dos Parâmetros de Weibull:

Este procedimento se aplica a forma biparamétrica da
Equação de Weibull ou seja para t0 = 0

Probabilidade Acumulada de Falha Estimada

a) Ordenar os tempos para a falha em ordem crescente.

b) Estimar a Probabilidade Acumulada de Falha F(t) a partir

Rank Mediano

do “Rank Mediano” ou Categoria Mediana.

c) Inserir os valores estimados de F(t) “Eixo Y” e do tempo

até a falha “Eixo X” no Papel Probabilístico de Weibull.

d) Plotados os pontos traçar a melhor Reta equidistante aos

10  100 1000 pontos plotados.

Tempo até a Falha

d) No Papel Probabilístico de Weibull determinar os
parâmetros desejados no tempo requerido.

Download do Papel Probabilístico de Weibull: http://www.weibull.com/GPaper/index.htm

1, 2, 3 and 4 cycle papers are in the same *.pdf document
 Rank Mediano ou Categoria Mediana

Para uma Distribuição de Weibull o Rank Mediano (ou Categoria Mediana) é utilizado para
estimar a Probabilidade Acumulada de Falha.

Aproximação de Benard:
 i  0,3 
F (t )    *100(%) i = Número de Ordem ou Classe

 n  0,4  n = Tamanho da Amostra (ou Quantidade de Falhas)

http://www.reliasoft.org/_rsapps/itools/qsr.aspx
 Uso do Papel Probabilístico de Weibull

Exemplo: Os tempos para falhar de 5 itens são anotados conforme abaixo. Determinar:

Tempo para a Falha (h): 270 440 66 160 700

a) O Parâmetro de Forma ()

b) Vida Característica ()

c) A Confiabilidade R(t) e a Probabilidade Acumulada de Falha F(t) para um período de 100

horas de operação

d) O momento da vida dos itens até o qual se tem uma Confiabilidade de pelo menos 90%

e) A Taxa de Falhas do conjunto dos 5 itens em 100 horas de operação

f) O Tempo Médio para Falhar (MTTF) dos 5 itens

Obs.: 1) Considerar que os itens são novos e estão funcionando adequadamente no início da missão.
2) Adotar Weibull Biparamétrica (t0 = 0).
 Uso do Papel Probabilístico de Weibull

Ordenar os tempos para a falha em ordem crescente

 ≈ 1,15

Ordem 1 2 3 4 5
87,06 Tempo para a Falha 66 160 270 440 700
68,62
Estimar a probabilidade acumulada de falha F(t) a partir
50,00
do “Rank Mediano”
31,38

 i  0,3  1≤i≤5
12,95 F (t )    *100(%)
 n  0,4  n =5
Probabilidade Acumulada de Falha F(t) - Estimada

Ordem 1 2 3 4 5
Tempo para a Falha 66 160 270 440 700
Rank Mediano F(t) 12,95 31,38 50,00 68,62 87,06

a) Parâmetro de Forma ():  ≈ 1,15

b) Vida Característica ():  ≈ 370

10 100  ≈ 3701000
66 160 270 440 700
 Uso do Papel Probabilístico de Weibull

 ≈ 1,15  ≈ 370

c) R(t) e F(t) para 100 horas de funcionamento

F (100)Gráfico  20% R(100)Gráfico  80%


 t t 0  1,15
   100  0 
F ≈ 20     
R(t )  e  
R(100)  e  370 
R(100)  80,1%
F = 10
F (100)  1  80,1  19,9%
Probabilidade Acumulada de Falha F(t) - Estimada

d) Momento até o qual se tem Confiabilidade ≥ 90%

100 horas

R( x)  90% F ( x)  10% t ( R  90%)Gráfico  49horas

49 horas

 t t 0  1,15
t ( R  90%)  52,3horas
 t 0 
   
  
R(t )  e  
0,90  e  370 

10 100 1000
 Uso do Papel Probabilístico de Weibull

Gráfico  ≈ 1,15  ≈ 370

e) Taxa de Falhas do conjunto dos 5 itens para 100 horas de operação

 1 1,15 1
  t  t0  1,15  100  0 
 (t )  .   (t )  .   2,55.10 3 falhas / hora
    370  370 

f) Tempo Médio para Falhar (MTTF)

1 
TMédio  t0      1
 

 1 
TMédio  0  370  Γ  1  370  Γ1,87   370  0,95184  352,18 horas
 1,15 

No Excel: =EXP(LNGAMA((1/1,15)+1))
 Uso do Papel Probabilístico de Weibull

Weibull   ≈ 1,15 |  ≈ 370 | t0 = 0

0,0025 0,0040

0,0035
0,0020
0,0030

0,0015 0,0025

0,0020
0,0010 0,0015

0,0010
0,0005
0,0005

0,0000 0,0000
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
950

100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
950
0

0
1000

1000
50

50
Densidade de Probabilidade de Falhas f(x) Taxa de Falha λ(x)

1,00 1,00
0,90 0,90
0,80 0,80
0,70 0,70
0,60 0,60
0,50 0,50
0,40 0,40
0,30 0,30
0,20 0,20
0,10 0,10
0,00 0,00
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
950

100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
950
0

0
1000

1000
50

50

Confiabilidade R(x) Probabilidade Acumulada de Falha F(x)

Distribuições Aplicadas a Confiabilidade - Weibull

Resultados  Gráfico
(Manual)

 ≈ 1,15
 ≈ 370
R(100) = 0,8 = 80 %
T(R=0,9) = 49 horas
MTTF = 352,18 horas

http://www.reliasoft.org/_rsapps/itools/simpleweibull.aspx
FINAL PARTE 1 - DÚVIDAS E SUGESTÕES

OBRIGADO PELA ATENÇÃO