UMA METODOLOGIA BAYESIANA PARA

ESTUDOS DE CONFIABILIDADE NA
FASE DE PROJETO: APLICAO EM UM
PRODUTO ELETRNICO

Ruth Myriam Ramrez Pongo

Escola Politcnica da USP
Depto. de Engenharia de Produo

Pedro Rodrigues Bueno Neto

v.4, n.3, p. 305-320, dez. 1997

Escola Politcnica da USP

Depto. de Engenharia de Produo

Resumo
Hoje em dia as indstrias tm de colocar seus produtos em um mercado altamente competitivo, e as presses, visando eficincia do programa de testes e do ciclo de desenvolvimento
de um produto, so cada vez maiores. Neste contexto, os mtodos estatsticos clssicos
(baseados na teoria de amostragem), usados para analisar a confiabilidade de um produto,
mostram-se cada vez menos eficientes, enquanto que os mtodos bayesianos so vistos
favoravelmente e seu uso comea a ser uma alternativa necessria.
Para avaliar o desempenho de um item, que possui uma taxa de falhas muito baixa, as
tcnicas estatsticas clssicas exigem tamanhos grandes de amostra e tempo de teste longo,
principalmente quando a tecnologia do produto limita o fator de acelerao, como o caso
dos produtos eletrnicos, por exemplo.
A metodologia, proposta neste artigo, combina resultados de testes, que so realizados
rotineiramente durante o ciclo de desenvolvimento, com informao adicional relevante e til
ao estabelecimento da confiabilidade do equipamento.
Com o objetivo de ilustrar a metodologia, esta aplicada em um equipamento eletrnico,
cuja confiabilidade foi estabelecida, durante sua fase de projeto, a partir das confiabilidades
de seus componentes, utilizando dados de teste por atributo e incorporando o julgamento da
equipe de desenvolvimento do produto.

Palavras-chave: confiabilidade, estatstica bayesiana, qualidade, taxa de falha,

opinio de especialista.

306

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

1. Introduo

vanos rpidos da tecnologia, desenvolvimento de produtos altamente

sofisticados, competio intensamente global, juntamente com a crescente
expectativa do consumidor tm-se combinado para impor novas presses aos fabricantes para produzir produtos de alta qualidade.
Os clientes esperam comprar produtos que
sejam confiveis e seguros, sendo que sua
satisfao conseguida durante a vida til
do produto, e no apenas na ocasio da
compra. A confiabilidade reflete a probabilidade de bom funcionamento de um produto, ou de ele no falhar, em um determinado perodo de tempo. Dentre as medidas
mais comuns da confiabilidade esto o
tempo mdio para a primeira falha, o
tempo mdio entre falhas e a taxa de
falhas por unidade de tempo.
Historicamente, as previses ou medidas
indiretas de confiabilidade baseadas em
testes de laboratrio, tm sido usadas de
maneira eficiente (apesar de serem potencialmente inexatas) para verificar se a linha de
fabricao de um item atende especificao de taxas de falhas. Taxas de falhas,
devido a defeitos aleatrios, tm sido estimadas com sucesso usando dados de testes
de vida acelerados do item em estudo, os
quais so convertidos a condies normais
de operao uma vez que os mecanismos de
falha sejam entendidos.
Na fabricao de produtos eletrnicos, o
teste de vida acelerado e a anlise de falha
post-mortem, como metodologia de confiabilidade, est sendo cada vez menos
eficiente, na medida que os produtos tm
especificaes menores para as taxas de
falhas, e na medida que se tornam mais
complexos, com tamanhos menores e maior
sofisticao de operacionalidade.
Por exemplo, embora parecesse que as
leis da fsica limitassem a demanda de melhoria contnua do desempenho e densidade

dos chips, a realidade indica que esta tendncia continuar, e certamente ela causar
um impacto na confiabilidade dos componentes eletrnicos. As projees indicam
que, na mudana do sculo, os chips de
microcomputadores tero 100 milhes de
transistores e as taxas de falhas sero menores que 10 FIT (Failure In Time, 1 falha em
um milho de componentes operando por
1000 horas). Isto significa que as tcnicas de
medio de confiabilidade tero srias
limitaes para lidar com taxas de falhas de
10 FIT dos circuitos impressos.
Em oposio necessidade de mais teste
para alcanar alta qualidade e confiabilidade, existe, hoje em dia, uma presso extrema
para reduzir a extenso de tempo entre a
concepo do produto e sua produo. Esta
presso reduz ainda mais o tempo disponvel
para testar a confiabilidade em todos os
estgios do processo de desenvolvimento do
produto. Isto cria novos desafios para o
projeto do produto e processo de produo e
para o planejamento e anlise dos resultados
dos estudos de confiabilidade, a fim de
reduzir o risco de no detectar problemas
potenciais de confiabilidade.
Combinar em um plano de teste, de
maneira tima, o nmero de unidades de
ensaio, tempo de teste, nvel de acelerao e
nvel de confiana para se obter inferncias
de boa qualidade sobre a confiabilidade de
um item em estudo, sob os princpios da
teoria de amostragem, est se tornando um
problema cada vez mais crtico. Se a esta
situao adicionarmos a caracterstica do
produto observado ser altamente confivel,
o que significa que os dados de falha so
escassos, ento fica praticamente invivel
achar um ponto de equilbrio entre o uso de
metodologias cientficas e o desafio da
empresa concorrer de maneira competitiva
em um mercado altamente agressivo.

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

Diante destes fatos, surgem, do meio de

engenharia de desenvolvimento, as seguintes
questes: 1) O ensaio proposto atende ao
objetivo do teste de demonstrao de
confiabilidade? 2) Quanta confiana, e/ou
melhoria, o ensaio proposto acrescentar
qualidade do produto? 3) Se a fabricao
dos produtos exige a prvia qualificao de
componentes, projeto e processo, este
ambiente de manufatura no favorece, de
alguma forma, a certeza nas afirmaes
feitas sobre a confiabilidade do produto?
Os projetos de engenharia so processos
evolucionrios, e isto proporciona ao
desenvolvedor um conhecimento tcnico e
experincia que o habilita a possuir julgamentos subjetivos de especialista (expert
opinion), alm do que, informao valiosa
sobre o produto em desenvolvimento pode

307

ser obtida dos ensaios realizados em

prottipos. A pergunta : como aproveitar e
formalizar a utilizao desta informao nos
clculos para estimar a confiabilidade de um
produto?
Nossa proposta a de fornecer uma
metodologia rpida e econmica para
quantificar toda informao (subjetiva e
objetiva) relevante ao estudo, baseada em
mtodos de inferncia bayesiana. Alguns
trabalhos de aplicao em problemas prticos podem ser citados, por exemplo os de:
MASTRAN (1968), COLE (1975), HART
(1990), MARTZ & WALLER (1990), entre
outros. Os benefcios desta metodologia
esto alinhados com o desafio atual que as
empresas devem enfrentar: desenvolvimento
rpido de produtos altamente confiveis com
custos otimizados.

2. Mtodos Bayesianos em Confiabilidade

abordagem bayesiana em inferncia estatstica prope-se a combinar

dados obtidos de observaes com
avaliaes ou julgamentos subjetivos. Em
muitos problemas de confiabilidade, a
utilizao dos mtodos bayesianos apresenta-se no como uma opo e sim como uma
necessidade. No estudo de confiabilidade
em novos prottipos, principalmente quando
estes so disponveis em nmero extremamente reduzido s vezes um ou dois itens
a inferncia estatstica clssica no d
respostas adequadas, pois no permite o uso
da experincia anterior com modelos
similares, nem a opinio dos especialistas da
rea. Surge assim a teoria bayesiana como a
ferramenta indicada para o aproveitamento
de toda a informao disponvel, seja ela
objetiva, fornecida pelos resultados de
testes, ou subjetiva, ditada pela experincia.
Por meio dos mtodos bayesianos
possvel incorporar, anlise estatstica,
convices, conhecimento prvio e opinies.
Para conseguir isto vale-se dos argumentos

sobre probabilidades condicionais. Nesta

formulao, para uma varivel aleatria X ,
com funo densidade de probabilidade
(f.d.p.) f(x), supe-se que esta densidade
depende de um parmetro desconhecido .
Na teoria estatstica clssica o parmetro
considerado uma constante fixa. Na teoria
bayesiana se introduz a convico pessoal
nos possveis valores de , considerando-a
como uma varivel aleatria , com uma
densidade h(), denominada distribuio a
priori de . Por esta densidade representa-se
quantitativamente nosso grau de convico,
ou a fora de nossa opinio, a favor de
certos conjuntos de valores de . No estamos dizendo que no seja uma constante,
mas apenas que, pelo fato de no sabermos
seu valor exato mas termos uma razovel
idia de quais so os possveis valores desta
constante, com certezas diferentes para estes
valores, modelamos este conhecimento por
uma distribuio de probabilidades.
A introduo da distribuio a priori tem
duas conseqncias. Primeiro, f ( ) con-

308

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

ter freqentemente informao sobre o

valor de , e supondo que esta informao
seja correta, a inferncia sobre ser
refinada. Segundo, o fato de que seja uma
varivel aleatria esclarece grandemente os
mtodos de anlise a serem utilizados.
Na prtica, poder acontecer duas situaes de interesse: a) obteno de informao
sobre o parmetro baseada na observao
de variveis aleatrias relacionadas; e b)
obteno de informao sobre uma observa
o futura, X , que depende de . Na
primeira situao, quando X=x observado,
ser necessrio calcular a f.d.p condicional
de dado X=x; esta a denominada
distribuio a posteriori. Na segunda
situao, ser possvel obter a distribuio

condicional do valor X dado os dados da

distribuio a posteriori de .
O mecanismo que combina a distribuio a
priori e os dados para formar a distribuio a
posteriori o conhecido Teorema de Bayes,
um resultado simples da teoria de probabilidades dado por Thomas Bayes em 1763.
Assim, se X 1 , X 2 ,..., X n constituem
uma amostra aleatria, obtida da densidade
f(x), poder-se- construir uma estatstica
y = y( x1 , x2 ,......, xn ) como funo dos
valores observados na amostra. Para um

valor dado, tem-se f(y/) que indica a

densidade condicional de y para dado.
Pode-se tambm calcular a densidade
conjunta de y e por meio da expresso:

f Y , ( y , ) = h ( ) f Y / ( y / )

(2.1)

E se for contnua, a distribuio marginal de y ser,

f Y ( y ) = h ( ) f Y / ( y / ) d

(2.2)

Logo, pelo Teorema de Bayes, a densidade condicional de , dado y, ser

h / Y ( / y ) =

h ( ) f Y / ( y / )
,
fY ( y)
fY ( y ) > 0

(2.3)

ou

h / Y ( / y ) =

h ( ) f Y / ( y / )

h ( ) f Y / ( y / )d

(2.4)

ou

h / Y ( / y ) f Y / ( y / )h ( )

(2.5)

As equaes 2.3 a 2.5 correspondem

expresso da distribuio a posteriori de ,
isto , aps a obteno dos resultados de
ensaios.

3. Aplicao no Concentrador FDDI IBM 8240

3.1 Descrio do Produto

concentrador 8240 foi desenvolvido com base na arquitetura FDDI

(Fiber Distributed Data Interface) e
tem como funo principal a de interconectar estaes de trabalho e perifricos por
meio de fibra ptica.
Como principal caracterstica tem-se que
sua velocidade de transmisso de 100
Mbits por segundo; a possibilidade de conexo por fibra ptica ou cobre, a facilidade de
instalao e o fato de acompanhar o padro

da indstria definido pelo ANSI (American

National Standard Institute) para o FDDI
so outras vantagens para os usurios.
Fisicamente, o IBM 8240 constitudo
por uma estrutura metlica, uma fonte de
alimentao, um circuito impresso me, um
mdulo de controle do concentrador, um
mdulo de conexo rede e at seis
mdulos de ligao ao dispositivo. O projeto
foi inteiramente desenvolvido e fabricado no
Brasil no ano de 1991.

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

309

3.2 Ambiente de Desenvolvimento

O desenvolvimento de um produto novo
deve atender aos requisitos de um programa
formal, que toda empresa especifica para
garantir a qualidade dos seus produtos que
sero lanados no mercado. A tabela abaixo

relaciona as atividades de teste s diferentes

fases de desenvolvimento de um produto,
que por necessidade da aplicao usou-se a
terminologia padro IBM.

Tabela 3.1. Descrio dos testes realizados durante o desenvolvimento do produto.

TESTES

DESCRIO

EVT - Engineering Verification Test

Verifica se os prottipos atendem especificao funcional e

aos objetivos de desempenho do produto, como uma
preparao ao DVT.
Verifica se o projeto de hardware est completo, se atende
especificao funcional, se fabricvel e se adequado para
receber manuteno, em amostras da linha piloto.
Teste conduzido para medir a robustez do projeto, que
consiste em lev-lo at a falha, fora da especificao, pela
variao de parmetros ambientais e de operao.
O teste de Usability simula o ambiente do cliente em todas
suas fases, desde a desembalagem at o funcionamento do
produto.
Verifica se o produto atende todos os requisitos definidos na
especificao funcional.
Verifica o desempenho do produto na rede.
Verifica se a produo em volume no impacta a qualidade do
produto. As amostras provm da linha de produo final.

DVT - Design Verification Test

Guardband

Usability

FVT - Functional Verification Test

SVT - System Verification Test
MVT - Manufacturing Verification
Test

O EVT, DVT e MVT so testes direcionados a hardware (estrutura fsica do produto), microcdigo e fabricao, enquanto
que as outras atividades so testes direcionados principalmente a microcdigo. Para

tal fim, foram desenvolvidos uma srie de

softwares (Test Cases), focando a integridade do protocolo de comunicao, a simulao da operao no cliente, e a promoo e
monitoramento do stress do hardware.

3.3 Suposies do Modelo Proposto para o Estudo de Confiabilidade

As afirmaes subjetivas sobre a confiabilidade do concentrador so extradas sob a
suposio de que a vida til deste produto
bem representada pela distribuio exponencial. A confiabilidade ser revisada, partindo deste conhecimento, com os dados de
testes obtidos durante seu desenvolvimento.
Este estudo considera os seguintes itens:

A anlise est focada na confiabilidade

do hardware;

Taxa de falhas constante aps o processo

de burn-in (depurao);
Configurao em srie do produto;
Uso de dados a priori e de teste de
componentes;
Baseado no design do produto, considera-se que as partes (ou componentes)
falham de maneira independente;
Fixado o tempo de teste, a confiabilidade
considerada como a probabilidade de
sobrevivncia, constante em cada ensaio;

310

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

A confiabilidade do produto ser composta a partir das confiabilidades das

partes;

As estimativas podero ser atualizadas

toda vez que forem disponveis dados
amostrais de um novo hardware.

3.4 Metodologia
Estimao da confiabilidade, combinando
dados de teste, com informao adicional,
relevante ao conhecimento do produto,

prvia aos ensaios. Este problema de

inferncia estatstica tratado aplicando a
abordagem bayesiana.

3.4.1 Formulao do Conhecimento, da Confiabilidade de Componente, Prvio s

Atividades de Teste (Distribuio a Priori)
Se, ao processar a operao de um componente, for observado seu sucesso ou falha,
ento se dir que so disponveis dados por
atributo. Neste caso, a distribuio de
amostragem o modelo Binomial, com
parmetro Ri , onde Ri = P ( X i = 1) e o
evento Xi = 1 representa a operao satisfatria do i-simo componente.

hi ( Ri ) =

De acordo com a abordagem bayesiana, o

conhecimento prvio sobre a confiabilidade
do componente, Ri , pode ser descrito mediante um modelo probabilstico. Para tal fim
escolhe-se a distribuio Beta (7), uma famlia de distribuies a priori conjugada, i.e.,
uma famlia em que a distribuio a priori
tal que a distribuio a posteriori pertence
mesma famlia. Sua f.d.p. dada por:

(ni0 + 2)
s
Ri i0 (1 Ri ) ni0 si0
( si0 + 1)(ni0 si 0 + 1)

(3.1)

Ri (si0 + 1, n i0 s i0 + 1)

(3.2)

Isto :

s i0 considerado como o nmero total

de unidades que tiveram sucesso em um
pseudoteste de n i0 unidades.
A distribuio especificada mediante a
determinao de seus parmetros. Estes foram
determinados usando a tcnica proposta por

MARTZ & WALLER (1982). O modelo

selecionado representa a opinio do especialista baseada em experincia passada e
em evidncias numricas disponveis at a
data do estudo.

3.4.2 Reviso da Confiabilidade dos Componentes do Produto com os Dados de Teste

(Distribuio a Posteriori)
Suponha que ni unidades so testadas e
que si sobreviventes foram observados,
hi (Ri / s i ) =

ento a f.d.p. a posteriori para Ri dada

por:

(n i + 2)
Ri s i (1 Ri )n i s i
(s i + 1)(n i s i + 1)

(3.3)

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

311

modelo Beta de parmetros ni = ni0 + ni e

si = si0 + si , ou seja:

Isto , a distribuio da confiabilidade

aps incorporar os dados de teste um

Ri (si + 1, n i s i + 1)

(3.4)

3.4.3 Distribuio de Produtos a Posteriori

possvel derivar a distribuio a posteriori da confiabilidade do produto a partir de
dados de teste dos componentes.
Para um sistema em srie, composto de k
componentes, a confiabilidade (R) dada

pelo produto das

componentes. Isto :
R=

confiabilidades

dos

i =k

Ri

(3.5)

i =1

Modelo probabilstico

A distribuio exata da confiabilidade R

a distribuio do produto de k variveis
aleatrias Beta independentes, onde a
i-sima varivel tem a distribuio a
posteriori Beta dada pela equao 3.3. Neste
trabalho, para obter o modelo probabilstico

da confiabilidade de produto, foi utilizado

uma aproximao da distribuio exata,
sugerida por THOMPSON & HAYNES
(1980). Esta distribuio uma Beta de
parmetros a e b e ser notada como ha ( R ) ,
ou seja,

R / s (a , b) : ha ( R )

(3.6)

com:
M 2 (1 M ) VM
V

(3.7)

M (1 M ) 2 V (1 M )
V

(3.8)

a=

b=

parmetros tais que a Beta tenha mdia M e varincia V, que so a mdia e a varincia do
produto de Betas, ou seja:
i=k

M =
i =1

( si0 + si + 1)
(ni0 + ni + 2)

i =k
( s + s i + 1)( s i0 + si + 2)
2
V = i0
M
(
2
)(
3
)
n
n
n
n
+
+
+
+
i =1
i0
i
i0
i

(3.9)

(3.10)

necessrio examinar a qualidade desta aproximao Beta, antes de obter as estimativas

da confiabilidade.

312

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

Estimadores de Bayes para a confiabilidade do produto

Para uma funo de perda erro quadrtico, a estimativa bayesiana pontual a mdia da
distribuio a posteriori de R:
i=k

( si0 + si + 1)
=M
i = 1 ( ni0 + ni + 2 )

E (R / s) =

(3.11)

Uma estimativa bayesiana por intervalo de 90% para R dada pelos quantis 0,05 e 0,95
de sua distribuio a posteriori.

3.5 Resultados Numricos para o IBM 8240

O exemplo apresentado aqui, apesar dos
nmeros serem apenas ilustrativos, uma
aplicao da metodologia proposta, que foi
realizada em dois momentos do processo de
desenvolvimento do produto. Os primeiros
resultados foram obtidos na fase DVT. As
estimativas obtidas foram atualizadas aps o
MVT. importante enfatizar que a metodologia apresentada foi desenvolvida de

acordo com o ambiente fsico da informao

disponvel para o produto.
O conjunto de componentes de um produto IBM definido internamente como
FRUs (Field Replaceable Units). Um FRU
o componente mnimo de uma mquina
plausvel de substituio em caso de falha,
para restaurar sua operao.

3.5.1 Distribuio de FRU a priori

Participaram deste trabalho profissionais
dos departamentos de Projeto, Fabricao e
de Garantia de Qualidade de Produto, sob o
suporte da analista (autora do trabalho). A
informao utilizada para definir o modelo a
priori foi baseada nos valores de previso de
confiabilidade do produto, bem como na
opinio dos especialistas, fundamentada em
seu know how e em dados de desempenho
em campo de produtos IBM anteriores. Os
dados de previso foram obtidos utilizando
metodologia convencionada e bancos de
dados da prpria empresa.
Uma das convenes foi que os clculos
de previso de confiabilidade baseados
nestas fontes tem a caracterstica de ser
valores conservadores (a favor da segurana). Por exemplo, dados de campo do
produto IBM 5394 revelaram que a taxa de
falhas real dos componentes eletrnicos

40% do valor predito, dado equivalente a

um tempo mdio entre falhas (MTBF) 2,5
vezes maior. A opinio dos engenheiros
envolvidos no projeto de que o valor
predito representaria um limite inferior de
desempenho do produto no campo. E, de
acordo com os dados de campo dos produtos
IBM, a expectativa para o produto em
estudo de que sua confiabilidade seja
melhor em relao ao valor predito.
Partindo da conveno anterior, a equipe
de desenvolvimento achou mais confortvel
adotar uma atitude ainda pessimista (a
favor da segurana). Em lugar de esperar
uma melhoria de 2,5 vezes no valor
predito do MTBF do produto, supe-se
apenas uma melhoria de 1,4 vezes. neste
contexto que o exemplo numrico a seguir
foi desenvolvido.

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

313

Esquema do Estudo da Confiabilidade do Produto IBM 8240

Abordagem Bayesiana
Varivel Experimental
CONTAGEM DE FALHAS
Modelo Probabilstico:
BINOMIAL

DADOS AMOSTRAIS:
- DVT
- FVT
- SVT
- Usability
TEOREMA DE
BAYES
INFORMAO ADICIONAL:
- Projeto: ALORS2
- Expert Opinion
Representao: Mod. Prob.
BETA (a, b)

Verso Atualizada da informao sobre a Confiabilidade com os resultados dos

testes.
Representao : Mod. Prob.
BETA (a, b)

Estimativa da
CONFIABILIDADE

Figura 3.1. Esquema do modelo de estudo de confiabilidade aplicado

ao produto IBM 8240

Para determinar os parmetros ni0 e si0

do modelo a priori, utilizando o mtodo de
Martz e Waller, necessrio definir dois valores da confiabilidade do item: o valor esperado e o 95o percentil (ou o 5o percentil).
Pelo exposto acima, para este problema
foi conveniente definir o 5o percentil, pois se
sups que o banco de dados usado para a
previso de confiabilidade era conservador.
Assim, o 5o percentil significa que a chance
de valores de confiabilidade serem piores
que este valor de 5%. E, o valor esperado
ser aquele que represente uma expectativa
mais realista.
Assumindo como modelo de vida a distribuio exponencial, o que coerente
supor para produtos eletrnicos, fica
imediato o clculo da confiabilidade dos

FRUs considerando-se que sua operao

de 24 horas por dia. Suponha que a previso
para o equipamento, era um MTBF equivalente a 4,26 anos. Ento, esta ser a referncia para definir o 5o percentil da distribuio
a priori das confiabilidades dos FRUs.
Agora, suponha que o MTBF esperado
pelos especialistas foi convencionado ser de
6 anos, valor que representa um fator de 1,4
vezes melhor que o calculado mediante
metodologia de previso, ento est
estabelecido o critrio que servir de base
para o valor esperado da confiabilidade.
Observe que dita melhoria equivale a
estabelecer que a taxa de falhas do produto
ser aproximadamente 71% do valor
predito. Veja a tabela 3.2.

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

314

Tabela 3.2. Taxas de falhas obtidas a partir de um MTBF de 4,26 e 6 anos para o produto.
FRU

Taxa de Falhas predita

(% / KPOH) = 10-5

Taxa de falhas esperada

(% / KPOH) = 10-5

1,0431

0,7412

0,4655

0,3307

0,7579

0,5386

0,1795

0,1275

0,2315

0,1646

Produto

2,6776

1,9026

Apresenta-se aqui um exerccio considerando um tempo de misso igual a cinco

anos (equivalente a 43.800 horas), e, como
se est considerando uma taxa de falhas
constante, suficiente estabelecer as taxas

de falhas, para se chegar nos valores das

confiabilidades requeridas. A tabela abaixo
resume a informao a priori discriminada
por FRU:

Tabela 3.3. Dados a priori por FRU

FRU

R1,i

R3,i

ni0

si0

0.72

0.63

72

52

0.87

0.82

137

119

0.79

0.72

100

79

0.94

0.92

427

401

0.93

0.90

224

208

ni0 e si0 so os parmetros da distribuio Beta a priori do i-simo FRU. R1,i

esperada; R3,i representa o 50 percentil da

distribuio a priori da confiabilidade do

representa a mdia da distribuio a priori

FRU

da confiabilidade do FRU (E(Ri)), onde

R1= e

1t

=e

0 , 438 1

, com 1 a taxa de falhas

R3 = e

(
3t

P(R< R3,i )=0,05

=e

0 , 438 3

),

com

, e 3 a taxa de falhas

obtida por mtodos de previso.

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

315

40

35

30

D
e
n
s.
P
r
o
b.

D: R1 = 0.94 ; R3 = 0.92

25

E: R1 = 0.93 ; R3 = 0.90

20

B: R1 = 0.87 ; R3 = 0.82
15

C: R1 = 0.79 ; R3 = 0.72
10

A: R1 = 0.72 ; R3 = 0.63
5

0
0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Confiabilidade

Figura 3.2. Representao probabilstica da informao a priori do DVT,

sobre as confiabilidades dos componentes do produto.

Das operaes matemticas resumidas na

Tabela 3.3, se deduz a seguinte relao:
fixado R3 , o valor da confiabilidade esperada pode ser expressa como R1 = (R3)0,71.
Observe que, R1 = e 0, 4381 = e 0, 438 x 0,713 =
= (e 0, 4383 ) 0, 71 = R30,71.
MARTZ & WALLER (1982) fornecem
tabelas que podem ser usadas para achar os
parmetros da Beta, porm se alguma
combinao no for encontrada, os mesmos

podem ser calculados recorrendo-se a um

mtodo iterativo. Neste trabalho, para avaliar os parmetros, utilizou-se os recursos do
Microsoft EXCEL e, para os grficos, o
Statgraphics. As respectivas distribuies
Beta esto representadas na figura 3.2.
Dispondo de dados de ensaios, ser possvel revisar a distribuio a priori determinada para cada FRU, obtendo-se assim suas
correspondentes distribuies a posteriori.

316

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

3.5.2 Distribuio de FRU a Posteriori

Tabela 3.4, onde n i representa o nmero
total de unidades testadas, f i o nmero
observado de unidades falhas e s i o nmero
de unidades com operao satisfatria, para i
= A,B,C,D,E.

Considerou-se amostras do mesmo nvel

de hardware as mquinas dedicadas s
atividades de DVT, FVT, SVT e Usability.
Os resultados observados durante o perodo
pr-definido de ensaio, esto sumarizados na

Tabela 3.4. Resultados dos testes por FRU

FRU

ni

fi

si

27

27

27

24

145

141

27

27

19

18

Tabela 3.5. Dados a posteriori por FRU

FRU

n i

s i

ai

bi

Ri

99

79

80

21

0.79

164

143

144

22

0.87

245

220

221

26

0.89

454

428

429

27

0.94

243

226

227

18

0.93

Na Tabela 3.5, ai e bi so parmetros da

distribuio Beta de FRU a posteriori aps o
DVT do produto. R i a mdia da distribuio a posteriori da confiabilidade do FRU.

Para os clculos utilizam-se as seguintes

expresses:
ni = ni 0 + ni ; si = si 0 + si ;
ai = si +1 ; bi = ni - si +1.

3.5.3 Resultados de Produto

Aplicando as equaes da seo 3.4.3,
obtm-se que os parmetros da distribuio
Beta assumem os seguintes valores: a(1) =
104 e b(1) = 90. Assim, (a(1), b(1)) a
distribuio que representa a confiabilidade
do produto aps o DVT.
Uma estimativa pontual para a confiabilidade do produto dada pela mdia desta
distribuio, cujo valor de 0,54 (MTBF

equivalente: 1/ = -t / ln R(t) = -5/ln 0,54 =

8 anos).
Da distribuio (a(1), b(1)), que representa a confiabilidade do 8240, obtm-se o
intervalo probabilstico de 90%, o qual
dado pelo 5o percentil (0,48) e pelo 95o
percentil (0,59). Em termos de MTBF, isto
equivalente a 6,8 anos e 9,5 anos respectivamente.

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

317

3.5.4 Avaliao da Qualidade da Distribuio Aproximada

k=5 e cada Ri (si + 1, n i s i + 1) .

Para que as afirmaes da seo anterior

sejam vlidas necessrio avaliar se a
aproximao utilizada no distante da
distribuio exata da confiabilidade do
produto. Para isto obteve-se uma estimativa
da densidade exata mediante o mtodo de
simulao de Monte Carlo, gerando 1000
observaes da varivel R =

A qualidade da aproximao pode ser

avaliada comparando os grficos das
distribuies acumuladas de ambas as
densidades ou tambm comparando alguns
quantis das mesmas:

i =k

Ri ,

onde

i =1

Tabela 3.6. Avaliao da qualidade da aproximao

Distribuio

Percentil 5

Mdia

Percentil 95

Exata simulada
Aproximada

0.479
0.48

0.538
0.54

0.592
0.59

Para a simulao foi utilizado o software

MINITAB, verso para Windows. Dos
resultados mostrados na tabela pode-se

afirmar que a qualidade da aproximao

muito boa e portanto as inferncias so
vlidas.

3.5.5 Reviso dos Clculos Aps o MVT

Durante esta etapa do processo de desenvolvimento, foram obtidos novos resultados
de ensaios realizados com amostras de lotes
de produo em volume, os quais foram
utilizados para atualizar o conhecimento,
que foi obtido aps o DVT, a respeito da
confiabilidade do equipamento em estudo.

A informao obtida na etapa anterior

viria a representar o conhecimento a priori
para este novo conjunto de dados. Na Tabela
3.5 apresentam-se os dados obtidos aps o
DVT para determinao dos parmetros da
distribuio a priori, e na Tabela 3.7 os resultados amostrais obtidos durante o MVT.

Tabela 3.7. Informao a priori para os resultados amostrais obtidos durante o MVT
FRU

ni

si

99

79

164

143

245

220

454

428

243

226

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

318

Tabela 3.8. Dados de ensaios realizados durante o MVT para cada FRU
FRU

ni

fi

si

15

15

15

15

33

33

15

15

15

15

Onde:

n i : Nmero total testado deste FRU.

f i : Nmero total de FRUs que falharam durante o perodo do ensaio estendido.
s i : Nmero total de FRUs sobreviventes aps a concluso do ensaio.
Tabela 3.9. Parmetros da distribuio a posteriori do MVT para cada FRU com suas
correspondentes mdias
FRU

n i

s i

ai

bi

Mdia

114

94

95

21

0.82

179

158

159

22

0.88

278

253

254

26

0.91

469

443

444

27

0.94

258

241

242

18

0.93

Onde a e b so parmetros da distribuio Beta a posteriori do MVT de FRU

obtidos de acordo com:

a i = si +1
bi = ni - si +1

3.5.5.1 Atualizao da Confiabilidade do Equipamento

A partir dos resultados obtidos por FRU
(ver Tabela 3.9), pode-se calcular a confiabilidade do 8240. Para isso, necessrio obter
os parmetros da distribuio a posteriori de
produto, os quais so:
a(2) = 124
b(2) = 93

A estimativa da mdia desta distribuio

Beta (a(2), b(2)) 0,57, o que d um MTBF
equivalente a 9 anos.
O verdadeiro valor da confiabilidade do
produto encontra-se com 0,90 de probabilidade no intervalo (0,52; 0,63); este resultado, expresso em termos de MTBF, equivalente a 7,6 e 10,8 anos respectivamente.

4. Concluses

procedimento utilizado neste trabalho tem a principal vantagem de

aproveitar toda informao disponvel para o estudo, seja objetiva e/ou

subjetiva. No sendo a quantidade de

ensaios a nica e exclusiva fonte de informao, os custos de desenvolvimento foram
grandemente beneficiados. Possibilitou uma

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

melhor compreenso das falhas observadas

no produto, pois os testes foram realizados
em condies normais de operao. A
qualidade das inferncias obtidas foi
superior em relao proposta baseada na
estatstica clssica. A metodologia proposta
possibilita adaptar as ferramentas estatsticas
ao cenrio de desenvolvimento de maneira
simples e econmica.

319

Este trabalho no exclusividade da

indstria eletrnica, h um campo potencial
de aplicao dos mtodos bayesianos na rea
fabril de equipamentos mecnicos, em que o
conhecimento do especialista tem um papel
muito importante. Tambm, pode-se afirmar
que problemas, de difcil tratamento
matemtico na rea de confiabilidade de
software, podem ser facilmente resolvidos
por tcnicas Bayesianas.

Referncias Bibliogrficas:
COLE, P.V.Z.: A bayesian reliability assessment of
complex systems for binomial sampling. IEEE
Transactions on Reliability, v.24, n.2, June 1975,
pp 114-117.
CROOK, D.L.: Evolution of VLSI reliability
engineering. Quality and Reliability Engineering
International, v.7, 1991, pp 221-233.
GARVIN, D.A.: Gerenciando a qualidade. Brasil,
Qualitymark Editora, 1992.
HART, L.: Reliability of modified designs: a Bayes
analysis of an accelerated test of electronic
assemblies. IEEE Transactions on Reliability,
v.39, n.2, June 1990, pp 140-144.
MARTZ, H.F. & WALLER, R.A.: Bayesian
reliability analysis of complex series/parallel
systems of binomial subsystems and components. Technometrics, v.32, n.4, November
1990, pp 407-416.

_________: Bayesian reliability analysis. USA, John

Wiley & Sons, 1982.
MARTZ, H.F.; WALLER, R.A. & FICKAS, E.T.:
Bayesian reliability analysis of series systems of
binomial subsystems and components. Technometrics, v.30, n.2, May 1988, pp 143-154.
MASTRAN, D.V.: A bayesian approach for
assessing the reliability of air force re-entry
systems. Proc. Ann. R&M Conf., 1968, pp 380383.
MEEKER, W.Q. & HAMADA, M.: Statistical tools
for the rapid development & evaluation of high
reliability products. IEEE Transactions on
Reliability, v.44, n.2, June 1995, pp 187-198.
THOMPSON, F.A. & HAYNES, R.D.: On the
reliability, availability and Bayes confidence
intervals for multicomponents systems. Naval
Research Logistics Quarterly, v.27, 1980, pp
345-358.

A BAYESIAN METHODOLOGY FOR RELIABILITY STUDIES IN THE

DESIGN PHASE: APPLICATION TO AN ELECTRONIC PRODUCT
Abstract
Nowadays industries have to place their products in a highly competitive market, and there
have been increasing pressures on efficiency test programs and product development cycles.
In this context, the classical statistical methods (based on sampling theory), which are used to
analyze product reliability, are negatively affected, while the bayesian methods are favorably
regarded, and their use is becoming a necessary alternative.
In order to evaluate the performance of an item with a very low failure rate, the classical
statistical techniques require a large sample size and a long test time. This is particularly true

320

GESTO & PRODUO v.4, n.3, p. 305-320, dez. 1997

when the product technology limits the acceleration factor, as with electronic products, for
example.
The methodology proposed in this paper combines test results, which are routinely performed during the product development cycle, with additional relevant information that is
useful in the assessment of its reliability.
In order to illustrate the methodology, it was applied to an electronic equipment, assessing
its reliability during the design phase. The computations were performed considering
component reliabilities, attribute test data, and also judgement of the product development
team.

Key words: reliability, bayesian statistics, quality, failure rate, expert opinion.