INTRODUÇÃO À CONFIABILIDADE │ UNIDADE I

Curva típica de falhas

Há uma maneira de caracterizar a taxa de falhas quando o número de componentes e

sistemas é grande. Isto é feito por uma curva, chamada “Curva em Banheira”, e nela é
possível diferenciar três regiões diferentes.

Veja no Gráfico 1 a representação dessa curva em banheira.

Gráfico 1. Curva em banheira.

Mortalidade Período de vida Período de

Infantil útil desgaste

Redução de Taxa de Aumento da

taxa de falhas taxa de
falhas constante falhas
Fonte: https://www.manutencaoemfoco.com.br/wp-content/uploads/2017/07/Curva-da-banheira-508x300.png.
Acesso em: 8 jun. 2019.

A primeira região é a comumente chamada de período de taxa de falhas inicial, um

período “juvenil” para o sistema.

É o período em que se dá o ponto de partida, com uma taxa de falha alta, mas que
decresce rapidamente. Depois desse período, a curva tende a ser constante por certo
tempo.

Analogicamente, pode-se pensar na vida humana, em que a mortalidade infantil é

mais alta nos recém-nascidos do que em crianças. Isso também ocorre em circuitos
eletrônicos e rolamentos, por exemplo.

A segunda região do gráfico é chamada de período de taxa de falhas constante,

analogicamente comparando com a fase adulta.

Esse é o período que normalmente abrange a maior parte da vida útil e apresenta
falhas constantes, ou seja, não há períodos em que ocorram mais ou menos falhas.

21
 UNIDADE I │ INTRODUÇÃO À CONFIABILIDADE

O mesmo também acontece na fase adulta do ser humano, em que a mortalidade

devido a diferentes causas mantém-se em uma constante.

Por fim, há o período de falhas devido à deterioração. Esse período é a fase logo após
a fase adulta. Aqui as falhas sobem drasticamente por conta da deterioração que
o equipamento ou sistema sofreram durante a sua vida útil, sejam elas mecânicas,
químicas ou elétricas.

O mesmo acontece na fase idosa da população, em que a taxa de mortalidade volta a

subir rapidamente.

Manutenções preventivas devem ser realizadas para prolongar a vida útil do sistema
ou componente.

Função de confiabilidade
Quando se fala em probabilidade em confiabilidade, a definição é a seguinte:
confiabilidade é a probabilidade de que um item (componente ou sistema completo)
realizará a tarefa atribuída dentro de um tempo específico. O tempo especificado é
designado como o intervalo t = [0, tM].

Vamos, neste momento, lidar apenas com sistemas que consistem em elementos
capazes de assumir um dos dois estados a seguir:

» Elemento é operacional (designado como o estado 1).

» Elemento falhou (designado como o estado 0).

Vamos também considerar sistemas coerentes, ou seja, que possuem as seguintes

características:

» Confiabilidade do sistema aumenta se a confiabilidade de seus

componentes aumenta.

» Sistema não possui componentes irrelevantes.

O fracasso de qualquer componente ou conjunto de componentes em um sistema

coerente não causa aumento na confiabilidade.

Cada componente tem algum efeito, por menor que seja, na confiabilidade geral do
sistema.

22
 INTRODUÇÃO À CONFIABILIDADE │ UNIDADE I

Se a confiabilidade do componente i de um sistema é pi e se esse componente tiver um

qi que indica não confiabilidade, então pode-se traduzir na equação:

pi = 1 – qi

O componente está sempre em um dos dois estados possíveis, operando ou com falhas,
como:

qi + pi = 1

Quando se deseja realizar a análise quantitativa da confiabilidade do sistema, é

necessário atribuir uma probabilidade de que os componentes pi estejam operacionais
ou tenham falhado.

Uma função de confiabilidade define a probabilidade que o componente executará a

tarefa especificada (geralmente sujeito a algum conjunto de condições ambientais,
como, por exemplo, vibração, temperatura, vapor etc.) no período de desempenho.

O período de desempenho pode ser definido como uma função de ciclos, distância ou
tempo.

As técnicas apresentadas podem empregar uma função de confiabilidade e esta

depende de qualquer um desses três parâmetros (distância, ciclo ou tempo), mas o
foco está em determinar a probabilidade de falha do sistema em função do tempo.

As características de falha dos elementos precisam ser determinadas usando uma

abordagem que seja caracterizada pelo ambiente em que operam. Essa probabilidade
de falha deve ser estimada de forma crítica.

Durante os anos, diversas funções diferentes foram utilizadas para caracterizar a

distribuição de probabilidade de falhas em função do tempo. Algumas das funções de
confiabilidade mais comuns são:

» Distribuição exponencial.

» Distribuição log-normal.

» Distribuição de Weibull.

» Distribuição de Gumbel.

Esses modelos são utilizados em análises de dados de confiabilidade e apresentam

grande destaque por serem adequados a situações práticas envolvendo confiabilidade.

23
 UNIDADE I │ INTRODUÇÃO À CONFIABILIDADE

A utilização de um método errado pode gerar erros grandes de estimativa, portanto

cada caso deve ser minuciosamente analisado para a escolha do método correto.

Veja na Figura 3 os modelos de distribuição mais utilizados.

Figura 3. Distribuições mais utilizadas.

Exponencial

Principais modelos
utilizados em
análises de
confiabilidade

Log-normal

Fonte: Adaptado de: http://www.portalaction.com.br/sites/default/files/Confiabilidade/figuras/principais_modelos.png.

Acesso em: 11 jun. 2019.

Distribuição exponencial

A distribuição exponencial é apropriada para componentes com uma taxa de falha

constante.

Essa distribuição tem por característica ser a única distribuição absolutamente

contínua por apresentar falha constante.

Em termos matemáticos, pode ser considerada como a mais simples das distribuições.
Sua utilização se dá, na maioria das vezes, no cálculo de tempo de vida útil de
componentes, como, por exemplo, produtos e materiais.

A função de confiabilidade para um sistema de componente único associada à

distribuição exponencial pode ser descrita como:

𝑟𝑟(λ, 𝑡𝑡) = 𝑒𝑒 −λ𝑡𝑡

24
 INTRODUÇÃO À CONFIABILIDADE │ UNIDADE I

Onde:

r(λ,t) é a probabilidade que um componente com taxa de falha λ estará operando

normalmente

t é o tempo

λ é a taxa de falhas, que pode ser calculada como:

1
λ=
MTBF

Em que MTBF, operacionalmente falando:

𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑒𝑒𝑒𝑒 𝑏𝑏𝑏𝑏𝑏𝑏 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓

𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 =
𝑛𝑛ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑓𝑓𝑓𝑓𝑓𝑓ℎ𝑎𝑎𝑎𝑎

A confiabilidade pode ser descrita graficamente usando gráficos de probabilidade de

falha em função do tempo.

O Gráfico 2 mostra a probabilidade de falhas para componentes com taxas de falhas λ

= 100, 200 e 400 falhas por milhão de horas (fpmh).

Gráfico 2. Probabilidade de falha em função do tempo.

Probabilidade de falhas
0.005

λ = 400 fpmh
0.002

λ = 200 fpmh
0.001

λ = 100 fpmh
0.0005

0.0002

0.0001

Tempo em
1 2 5 10
horas

Fonte: Adaptado de: Basic Elements of System Reliability (2010).

25
 UNIDADE I │ INTRODUÇÃO À CONFIABILIDADE

A probabilidade de um componente falhar aumenta com o tempo t e com a taxa de

falhas λ. Note que as curvas são quase linhas retas no intervalo de tempo de interesse.

Pode-se deduzir a expressão da confiabilidade da seguinte forma:

1. Considerando uma população inicial de No componentes iguais, todos

operando normalmente ou em fase de teste. No final do tempo t, há um
número específico de Ns (t) de sobreviventes. Portanto o número Nf (t)
de elementos que falharam no final do tempo t pode ser expresso por:

Nf (t) = No − Ns (t)

2. Como já foi definido, a confiabilidade é a probabilidade de sobrevivência

num determinado tempo:

Ns (t)
𝑅𝑅(𝑡𝑡) =
No

3. Pode-se admitir que esta população de componentes idênticos possua

uma taxa de falha λ constante. Isso significa que em intervalos de tempo
de duração dt, o número de componentes que apresenta falhas é:

𝑑𝑑𝑑𝑑(𝑡𝑡) = −𝑁𝑁(𝑡𝑡)λ. dt

Onde N(t) é a população no instante t.

1. Com essas expressões em mãos, pode-se deduzir o seguinte:

𝑑𝑑𝑑𝑑(𝑡𝑡)
= −λdt
𝑁𝑁(𝑡𝑡)

𝑁𝑁(𝑡𝑡)
1
∫ 𝑑𝑑𝑑𝑑(𝑡𝑡) = −λdt
No 𝑁𝑁(𝑡𝑡)

ln[𝑁𝑁(𝑡𝑡)] − ln[𝑁𝑁𝑁𝑁] = −λt

𝑁𝑁(𝑡𝑡)
𝑙𝑙𝑙𝑙 = −λt
𝑁𝑁𝑁𝑁

𝑁𝑁(𝑡𝑡)
= 𝑒𝑒 −λt
𝑁𝑁𝑁𝑁

26
 INTRODUÇÃO À CONFIABILIDADE │ UNIDADE I

Por esta expressão, nota-se que a quantidade de componentes em operabilidade

correta decai em função do tempo. O que é comprovado na prática, pois quanto maior
o tempo de operação, menor o número de componentes que nunca apresentou falhas
antes, sendo essa uma curva típica de diminuição de população ativa.

Um componente que está em operação há 20 horas tem a mesma chance de falhar, em

um intervalo de mesmo comprimento, que um componente que esteja em operação há
40 horas.

Essa propriedade descrita é chamada de falta de memória de distribuição.

Há também uma outra característica quanto à durabilidade do componente MTTF. A

média da distribuição exponencial MTTF é descrita por:

1
𝐸𝐸(𝑇𝑇) = 𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 =
λ

E a variância é descrita por:

1
𝑉𝑉𝑉𝑉𝑉𝑉(𝑇𝑇) =
λ2

O tempo esperado para que todos os componentes falhem é obtido a partir da função
de confiabilidade:

1
𝑡𝑡𝑝𝑝 = log (1 − 𝑝𝑝)
λ

Muitas vezes, o que se deseja calcular e conhecer são percentuais pequenos como 1%
de falhas prematuras, ou também quando metade dos componentes falha em 50%.

Para maiores informações e exemplos de exercícios envolvendo distribuição

exponencial, consulte: http://www.portalaction.com.br/confiabilidade/411-
distribuicao-exponencial

Distribuição log-normal

A distribuição log-normal é utilizada para caracterizar tempo de vida dos componentes,

produtos e materiais.

Sua aplicação de estimativa de tempo de vida pode ser feita em diversas áreas como,
por exemplo, em semicondutores, fadiga de metais, diodos, isolação elétrica, entre
outros.

27
 UNIDADE I │ INTRODUÇÃO À CONFIABILIDADE

Sua função de densidade de probabilidade é definida por:

2
1 1 log(𝑡𝑡) − 𝜇𝜇
𝑓𝑓(𝑡𝑡) = 𝑒𝑒𝑒𝑒𝑒𝑒 ⌈− ( ) ⌉, 𝑡𝑡 > 0
√2𝜋𝜋 𝑡𝑡𝑡𝑡 2 𝜎𝜎

Sendo −∞ < 𝜇𝜇 < ∞ e 𝜎𝜎 > 0

Há uma relação entre a distribuição normal e a log-normal. Uma variável que segue
distribuição log-normal (com µ e σ) possui logariltmo com distribuição normal com
média µ e desvio padrão σ.

Isso significa que os dados de um distribuição log-normal podem ser analisados numa
distribuição normal, desde que seja utilizado o logaritmo dos dados e não os valores
originais.

Sua função de confiabilidade é definida por:

log(𝑡𝑡) − 𝜇𝜇
𝑅𝑅(𝑡𝑡) = 𝛷𝛷 (− )
𝜎𝜎

Sendo φ a função de distribuição acumulada de uma distribuição normal.

Taxa de falha:

𝑓𝑓(𝑡𝑡)
ℎ(𝑡𝑡) =
𝑅𝑅(𝑡𝑡)

Tempo médio de vida:

𝜎𝜎 2
𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 = 𝑒𝑒𝑒𝑒𝑒𝑒 (𝜇𝜇 + )
2

Variância da distribuição log-normal:

𝑉𝑉𝑉𝑉𝑉𝑉(𝑇𝑇) = exp(2𝜇𝜇 + 𝜎𝜎 2 ) [exp(𝜎𝜎 2 ) − 1]

Para maiores informações e exemplos de exercícios envolvendo distribuição

log-normal, consulte:http://www.portalaction.com.br/confiabilidade/414-
distribuicao-log-normal

28
 INTRODUÇÃO À CONFIABILIDADE │ UNIDADE I

Distribuição de Weibull

A distribuição de Weibull tem esse nome porque foi proposta por W. Weibull em 1954.

O estudo que W. Weibull estava fazendo era sobre o tempo de falhas por conta de
fadiga de metais.

Sua principal utilização é no cálculo de confiabilidade de itens irreparáveis, como

lâmpadas, capacitores, entre outros.

Essa distribuição tem como principal uso a descrição de vida de produtos industriais,
pois apresenta um número alto de formas com função de taxa de falha monótona. Isso
quer dizer que é estritamente constante, crescente ou decrescente.

Observe a sua função densidade de probabilidade:

𝛿𝛿 𝛿𝛿−1 𝑡𝑡 𝛿𝛿
𝑓𝑓(𝑡𝑡) = 2 𝑡𝑡 𝑒𝑒𝑒𝑒𝑒𝑒 [− ( ) ]
λ λ

Sendo tempo 𝑡𝑡 > 0 , forma 𝛿𝛿 > 0 e escala λ > 0 .

Esta distribuição nada mais é que uma generalização da distribuição exponencial.

Sua função de confiabilidade é definida por:

𝑡𝑡 𝛿𝛿
𝑅𝑅(𝑡𝑡) = 𝑒𝑒𝑒𝑒𝑒𝑒 {− } 𝑡𝑡 > 0
λ

Função de risco:

𝛿𝛿 𝑡𝑡 𝛿𝛿−1
ℎ(𝑡𝑡) = ( )
λ λ

Tempo médio de vida:

1
𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 = λ𝜏𝜏 [1 + ]
𝛿𝛿

Sendo τ a função gama que é definida como:

∞
𝜏𝜏(𝑥𝑥) = ∫ 𝑢𝑢 𝑥𝑥−1 𝑒𝑒 −𝑢𝑢 𝑑𝑑𝑑𝑑, 𝑥𝑥 ≥ 0
0

29
 UNIDADE I │ INTRODUÇÃO À CONFIABILIDADE

Variância da distribuição de Weibull:

2 1
𝑉𝑉𝑉𝑉𝑉𝑉(𝑇𝑇) = λ2 {𝜏𝜏 [1 + ] − 𝜏𝜏 2 [1 + ]}
𝛿𝛿 𝛿𝛿

Para maiores informações e exemplos de exercícios envolvendo distribuição

de Weibull, consulte:http://www.portalaction.com.br/confiabilidade/412-
distribuicao-de-weibull

Distribuição de Gumbel

Esta é uma distribuição também chamada de distribuição de valor extremo, é

relacionada à distribuição de Weibull e surge quando o logaritmo natural de uma
variável aleatória com distribuição Weibull é considerado.

Se uma variável T possuir distribuição de Weibull com parâmetro de escala λ e forma

δ, a variável Y = log (T) possui distribuição de valor extremo.

Sua função densidade de probabilidade é dada por:

1 𝑦𝑦 − 𝜇𝜇 𝑦𝑦 − 𝜇𝜇
𝑓𝑓(𝑦𝑦) = 𝑒𝑒𝑒𝑒𝑒𝑒 [ − 𝑒𝑒𝑒𝑒𝑒𝑒 ( )] , ∞ < 𝑦𝑦 < ∞
𝜎𝜎 𝜎𝜎 𝜎𝜎

Sendo µ = log (λ) o parâmetro de locação e

1
𝜎𝜎 = o parâmetro de escala.
𝛿𝛿
A função de confiabilidade da variável Y é definida como:

𝑦𝑦 − 𝜇𝜇
𝑅𝑅(𝑦𝑦) = 𝑒𝑒𝑒𝑒𝑒𝑒 [−𝑒𝑒𝑒𝑒𝑒𝑒 ( )] , − ∞ < 𝑦𝑦 < ∞
𝜎𝜎

Função de risco:

1 𝑦𝑦 − 𝜇𝜇
ℎ(𝑦𝑦) = 𝑒𝑒𝑒𝑒𝑒𝑒 [ ] , − ∞ < 𝑦𝑦 < ∞
𝜎𝜎 𝜎𝜎

Tempo médio de vida:

𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 = 𝜇𝜇 − 𝛾𝛾𝛾𝛾

30