Instituto Politcnico de Setbal

ESCOLA SUPERIOR DE TECNOLOGIA

FIABILIDADE

Filipe Didelet

2003

1
 NDICE

ndice 2
1 Introduo e definio 4
2 Fiabilidade e engenharia 6
2.1 Fiabilidade e risco 6
2.2 Fiabilidade e manuteno 7
2.3 Fiabilidade e Qualidade 10
2.4 Evoluo das teorias de Fiabilidade 11
2.4.1 Estatstica e Fiabilidade 12
2.4.2 A Fiabilidade e a concepo de equipamentos
e sistemas 12
2.4.3 Evoluo dos modelos de Fiabilidade 13
2.4.4 Bancos de dados de Fiabilidade 16
3 Noes de Estatstica 19
3.1 Probabilidade 19
3.2 Permutaes, arranjos e combinaes 19
3.3 Regras de probabilidade 20
3.4 Varivel aleatria 22
3.5 Distribuio 23
3.6 Distribuies mais comuns 24
3.6.1 Distribuies discretas 24
3.6.1.1 Distribuio hipergeomtrica 25
3.6.1.2 Distribuio de Poisson 25
3.6.2 Distribuies contnuas 27
3.7 Valor esperado 29
4 Fiabilidade de componentes e fiabilidade de equipamentos 32
4.1 Fiabilidade de componentes (no reparveis) 32
4.1.1 Funo de risco para componentes no reparveis 32
4.1.2 MTTF 34
4.1.3 Anlise estatstica de TTFs 35
4.2 Fiabilidade de equipamentos (reparveis) 38
4.2.1 Distribuies e processos 38
4.2.2 Processos pontuais 39
4.2.2.1 Taxa de avarias 40
4.2.2.2 MTBF 42
4.2.2.3 Funo de risco para sistemas reparveis 43
4.2.2.4 Escalas de tempos 45
4.2.2.5 Funo fiabilidade de um processo pontual 46
4.2.2.6 Processo de Poisson homogneo 47

2
 4.2.2.7 Processo de Poisson no homogneo 48
4.2.2.8 Processo de renovao 49
4.2.2.9 Escolha do modelo 50
4.3 Curva da banheira 52
5 Distribuies mais comuns em fiabilidade 55
5.1 Distribuio exponencial negativa 55
5.2 Distribuio de Weibull 57
5.3 Testes de hipteses e nveis de significncia 60
5.4 Teste de Laplace 64
5.5 Teste qui-quadrado 69
6 Associaes de equipamentos 71
6.1 Associaes em srie 71
6.2 Associaes em paralelo 71
6.2.1 Redundncia activa total 71
6.2.2 Redundncia activa parcial 72
6.2.3 Redundncia sequencial 72
Bibliografia 75
Anexos 78

3
 FIABILIDADE

1 Introduo e definio

Estas folhas tm como objectivo suprir uma lacuna nos elementos de

estudo recomendados para a disciplina de Fiabilidade do 3 ano do Curso
de Engenharia Electromecnica da Escola Superior de Tecnologia do
Instituto Politcnico de Setbal.

Com efeito, os elementos aqui reunidos encontram-se dispersos por

muitas publicaes e em diferentes lnguas para alm de, em alguns
casos, conceitos como os de taxa de avarias e de funo de risco no
serem apresentados de forma coerente. Outra questo, ainda, tem a ver
com a disparidade de designaes adoptada para aqueles conceitos nas
diversas fontes que consultmos.

Pensamos, por isso, que, para facilitar o trabalho dos estudantes, estes
apontamentos podero ser teis. No substituem as aulas nem a consulta
de outros elementos. Mas podem ser um guia de orientao para seguir
umas e outros.

A actual estrutura curricular do curso de Engenharia Electromecnica no

contempla uma disciplina de Estatstica durante os trs primeiros anos.
Por isso, a leccionao da disciplina de Fiabilidade iniciada sem que os
alunos tenham tido um contacto prvio com alguns conceitos estatsticos
que consideramos fundamentais e imprescindveis para uma boa
compreenso dos conceitos desenvolvidos medida que se vai cumprindo
o programa que aqui propomos para a Fiabilidade. Para colmatar esta
lacuna, depois de definido o conceito essencial de Fiabilidade e de se
enunciarem as razes que, em nosso entender, justificam a sua introduo
no currculo do curso, apresenta-se um captulo dedicado apenas ao
desenvolvimento de conceitos estatsticos aplicados em Fiabilidade.

Uma das questes mais importantes relacionadas com a Fiabilidade a

forma como deve ser encarada a fiabilidade de sistemas no reparveis e a
fiabilidade de sistemas reparveis. Os conceitos associados e os tipos de
problemas que surgem em cada uma destas situaes sero abordados no
captulo seguinte.

4
Depois de uma abordagem mais geral, passar-se- apresentao de
algumas das formas mais correntes que a funo fiabilidade toma.

Terminar-se- com o clculo da fiabilidade de associaes de

equipamentos ou de componentes.

Terminamos esta introduo com a definio de Fiabilidade, remetendo o

tratamento matemtico para o final do captulo 3.

Quando se adquire um bem espera-se, desde o incio da sua entrada em

funcionamento, que ele corresponda s expectativas. possvel, contudo,
que ocorra uma avaria de funcionamento em qualquer momento da sua
vida, considerando-se para os equipamentos apenas a vida til (o perodo
de tempo em que o bem est em condies econmicas e tecnolgicas de
desempenhar a sua funo).

por isso necessrio um conceito que relacione o estado de

funcionamento com o tempo. esse o papel da Fiabilidade.

Define-se, ento, Fiabilidade como a

capacidade de um bem desempenhar a sua funo especfica em

condies definidas e por um perodo de tempo determinado.

A Fiabilidade pode expressar-se atravs da probabilidade de que o bem

funcione correctamente nas condies e no perodo de tempo referidos.

Repare-se que a noo de tempo poder ser substituda por outro tipo de
unidade de contagem (horas, quilmetros, etc.).

5
2 Fiabilidade e engenharia

O ensino da engenharia concentrou-se durante muitos anos apenas nos

aspectos relacionados com o funcionamento dos equipamentos, ou seja,
com o projecto desses mesmos equipamentos.

As formas segundo as quais os equipamentos falham e os efeitos dessas

mesmas falhas tm sido muito menos objecto de estudo. Esta situao
fica-se a dever ao facto de ser necessrio saber como que um
equipamento funciona antes de saber como que falha. Contudo, nos
ltimos anos tem havido algum esforo no sentido de dar ateno aos
aspectos relacionados com a produo, a utilizao e a manuteno dos
equipamentos.

Por outro lado, a engenharia tem tido uma grande preocupao com o
aumento do tempo de funcionamento dos equipamentos sem ocorrncia
de falha. Isto , tem havido uma preocupao com o aumento da
fiabilidade dos equipamentos. Mas isto tem implicado um estudo
sistemtico dos aspectos relacionados com a variabilidade dos materiais
empregues em engenharia.

Ora, o ensino da engenharia essencialmente determinstico e no se tem

debruado o suficiente com a variabilidade. A fiabilidade, por ser uma
funo do tempo de funcionamento sem falha, est intimamente
relacionada com a variabilidade.

A fiabilidade dos componentes e dos equipamentos de importncia vital

para a definio de polticas de Manuteno, de Segurana e de
Qualidade. Estas funes das organizaes so estudadas em disciplinas
especficas. Vamos apontar de seguida alguns aspectos que relacionam a
fiabilidade com estas disciplinas.

2.1 Fiabilidade e risco

H parmetros de funcionamento dos equipamentos (massa, velocidade,

presso, caudal, coeficiente de atrito, tenso...) que nunca so absolutos
mas que dependem das condies variveis de funcionamento e, tambm,
do tempo. Esto, por isso, sujeitos a variabilidade nestes dois aspectos,
tempo de funcionamento e condies de servio.

6
Compreender as leis do acaso e as causas e efeitos da variabilidade torna-
se, ento, necessrio para a criao de produtos fiveis e para a soluo
dos problemas de infiabilidade.

A estatstica uma ferramenta essencial para se tratarem os problemas

colocados pela variabilidade. Mas o grau de incerteza com que a
engenharia tem de lidar nesta rea, principalmente tendo em conta os
factores humanos relacionados com a utilizao e a manuteno dos
equipamentos, muito grande e acaba por colocar maiores problemas aos
mtodos estatsticos do que aqueles que enfrenta noutras reas em que os
aspectos prticos no so to determinantes (sondagens, estudos de acaso
e jogos, experimentao, etc.).

O custo das avarias, os novos materiais, a reduo dos custos de produo

e a segurana aumentam os riscos no desenvolvimento dos produtos. H
que ter em conta aspectos to importantes como a competio, a presso
dos mercados e a garantia no ps-venda, entre outros. H que controlar os
riscos associados a toda esta problemtica e a engenharia de fiabilidade
tem que dar resposta a esta questo.

Outro aspecto, mais especfico, tem a ver com a probabilidade de

ocorrncia de falhas que, pela sua gravidade, ponham em risco a
segurana fsica de pessoas e bens. A fiabilidade tambm tem de tratar
este problema especfico.

2.2 Fiabilidade e manuteno

O conceito de Manuteno tem evoludo ao longo dos tempos assim

como tem evoludo o que se deve entender, dentro da empresa, como
funo do servio de Manuteno.

com o objectivo de definir polticas de Manuteno para os

equipamentos e instalaes que se aplicam modelos de Fiabilidade a
componentes e equipamentos.

Um outro aspecto importante relacionado com a manuteno o que, em

cada momento, se deve entender por avaria.

Por falha ou avaria entende-se a

7
cessao da capacidade de um bem para realizar a sua funo
especfica.

Esta definio leva, por arrastamento, a precisar o conceito de funo

especfica. Com efeito, no se dever entender que o bem ou equipamento
estar avariado quando, de todo, o seu funcionamento interrompido mas
quando no possvel que realize a sua funo de acordo com as
condies especficas segundo as quais se espera que funcione. Assim, o
equipamento poder estar a funcionar em condies consideradas
deficientes ou insuficientes o que levar a uma interveno dos servios
de Manuteno e, como tal, dever ser considerado que houve uma avaria
do equipamento.

Pelas razes apontadas, a norma NF X 06-501 apresenta um conjunto de

definies relativas classificao das avarias de acordo com a rapidez de
manifestao, com o grau de importncia, com ambos os anteriores e
ainda com as causas e as consequncias da avaria.

Surgem assim as definies de avaria progressiva, sbita (rapidez),

parcial, completa (grau), cataltica, por degradao (rapidez e grau), m
utilizao, primria, secundria (causas), crtica, maior, menor
(consequncias), etc.

A definio dos tipos de avarias est tambm relacionada com o estudo

da fiabilidade pois a fiabilidade depender do tipo de avarias ou do que
se considere como avaria.

A funo Manuteno tem grande importncia na qualidade dos produtos

fabricados influenciando, assim, os custos de Produo. Contudo, no
podemos esquecer tambm o problema da qualidade na prpria funo
Manuteno. Ou seja, a funo Manuteno s conseguir os seus
objectivos de minimizao dos custos da sua prpria funo, dos custos
de produo de produtos no conformes e dos custos de tempos de
indisponibilidade dos equipamentos produtivos, se ela prpria for um
servio de qualidade possuindo " o mnimo de atributos para no ser
rejeitada pelo cliente".

Essa qualidade passar pela garantia de bom funcionamento dos

equipamentos aps interveno da Manuteno, pelo cumprimento dos
prazos de interveno estipulados, por intervenes a custos competitivos
e por uma capacidade de satisfao global das necessidades do utilizador
dos equipamentos intervencionados. A quantificao de determinados

8
parmetros definidores das actividades produtivas e de manuteno
constitui uma forma de anlise dos desempenhos da funo Manuteno.
Assim, as flutuaes de produo e a cadncia produtiva so factores
produtivos a analisar e uma classificao das causas de paragem e
respectiva pesquisa so formas de visualizar os problemas existentes em
termos de manuteno.

Note-se, contudo, que a classificao de avarias e respectiva

discriminao e anlise podem servir para determinar as causas das
perdas produtivas mas no servem, por si s, para determinar as causas
das perdas de qualidade dos produtos fabricados. Esta perda de qualidade,
quando se fica a dever a funcionamento no adequado dos equipamentos,
est relacionada com a necessidade de interveno sobre os mesmos que,
entretanto, so mantidos em funcionamento para alm do aceitvel.

Compete aos servios utilizadores dos equipamentos e ao servio de

Manuteno encontrar o ponto de equilbrio que permita manter os
equipamentos no melhor estado possvel sem comprometer os objectivos
estabelecidos para a laborao dos mesmos e para os compromissos
assumidos com os clientes ou com os beneficirios dos produtos ou bens
produzidos.

Mas se a fiabilidade est relacionada com a variabilidade e com as

situaes dos sistemas ao longo do tempo, ento, uma das vertentes que
relacionam a fiabilidade com a manuteno tem a ver com os perodos
durante os quais os sistemas reparveis no esto em condies de
funcionar. Surge, assim, o conceito de disponibilidade.

A funo disponibilidade, A(t), a probabilidade de um item ou

equipamento se encontrar operacional no instante t, sabendo-se que no
instante t=0 ele se encontrava operacional.

O aumento de disponibilidade dos equipamentos e componentes um dos

principais objectivos de todos os modelos de Manuteno que qualquer
gestor pretenda aplicar. Pretende-se optimizar a relao "custo do
modelo"/"perodo de funcionamento".

A fraco de tempo total em que o equipamento se encontra disponvel

a disponibilidade estacionria, A:

UT
A= (2.1)
UT + DT

9
com
UT (up-time) - perodo de tempo em que o equipamento est
em condies de ser utilizado

DT (down-time) - perodo de tempo em que o equipamento no

est em condies de ser utilizado

Se a varivel mtrica for o tempo de calendrio e se nos referirmos ao

tempo entre avarias consecutivas, poder escrever-se:

MTBF
A= (2.2)
MTBF + MTTR

MTBF representa o tempo mdio de funcionamento entre avarias, como

veremos no captulo 4.

Na expresso anterior, ao tempo mdio de reparao, MTTR, poder

ainda juntar-se o tempo mdio de espera. Os parmetros que figuram nas
expresses 2.1 e 2.2 devem ser entendidos como funes do tempo.

Finalmente, note-se que o conceito de disponibilidade no implica

necessariamente que o equipamento esteja em funcionamento mas, to s,
que esteja em condies de funcionar.

Nas condies em que a expresso 2.2 vlida, ter-se- MTBF + MTTR

= UT + DT, com UT = MTBF e DT = MTTR. Se tiver lugar uma
reparao, se todos os componentes defeituosos forem reparados ou
substitudos e se o equipamento for imediatamente intervencionado aps
ocorrncia de avaria num tempo curto, poder considerar-se MTTR = 0.

2.3 - Fiabilidade e Qualidade

As noes de Fiabilidade e Qualidade so indissociveis. Com efeito, sem

qualidade durante a concepo e fabrico dos produtos no se poria sequer
a questo de saber se eram fiveis. Por isso, e segundo AFNOR (1988),
na norma X06-501, a Fiabilidade aparece como um prolongamento da
qualidade no tempo.

O perodo de tempo durante o qual a noo de Fiabilidade prolonga a

noo de qualidade o tempo de vida til dos bens utilizados.

10
A relao entre a Fiabilidade e a Qualidade pode ser encarada de duas
formas diferentes. Inicialmente, a Fiabilidade dos equipamentos vai
condicionar a Qualidade dos produtos produzidos e, aps a entrada em
funcionamento destes ltimos, a Qualidade com que forma produzidos
vai influenciar a sua prpria Fiabilidade.

Segundo a norma AFNOR X50-109, a Fiabilidade aparece como uma

componente da qualidade juntamente com:

- caractersticas e desempenhos
- manutenibilidade
- disponibilidade
- durabilidade
- segurana de utilizao
- caractersticas no poluentes
- custo global de posse

A Qualidade uma forma de garantir a fiabilidade dos bens produzidos

visto que a no fiabilidade tem custos elevados:

- devoluo do produto
- perda do mercado com a consequente degradao da
imagem
de marca
- manuteno mais cara

A Qualidade tem que ser garantida durante o fabrico para que o produto
seja de utilizao segura ao longo do seu tempo de vida til.

Nesta ptica, existem diferentes processos de garantir a qualidade dos

produtos fabricados, sendo a qualidade a forma de garantir a fiabilidade.

2.4 - A evoluo das teorias de Fiabilidade

Neste sub-captulo traa-se uma panormica sobre o aparecimento e

desenvolvimento das teorias de Fiabilidade e suas aplicaes, referindo-se
tambm a forma como a Fiabilidade recorre aos mtodos estatsticos.
Faz-se ainda a aproximao da Fiabilidade Qualidade quer atravs das
analogias inerentes utilizao de ferramentas comuns quer no que
concerne inter-relao por via de parmetros caractersticos.

11
2.4.1 - Estatstica e Fiabilidade

Os mtodos matemticos aplicados ao estudo da Fiabilidade dos

equipamentos recorrem a ferramentas de tratamento estatstico dos dados
disponveis pelo que existe uma relao profunda entre a Fiabilidade e a
Estatstica, ou seja, no possvel empreender qualquer estudo
fiabilstico sem um suporte estatstico prvio. Isto vem do facto de o
conhecimento ou, melhor, a previso de avaria de um produto ou
equipamento durante um determinado intervalo de tempo s poder ser
encarada em termos de probabilidade.

A previso, por se realizar estatisticamente, toma por base

acontecimentos anteriores, ou seja, parte-se de um conjunto de dados
referentes a acontecimentos j ocorridos para se preverem os
acontecimentos que viro a ocorrer e os momentos mais provveis para a
sua ocorrncia.

Tem que se partir de bases de dados que forneam:

- modos de avaria;
- para cada modo, os momentos de ocorrncia das avarias.

Um estudo de Fiabilidade necessita, por parte de quem o pretender

empreender, de:

- conhecimento do suporte estatstico prvio e formas de

utilizao;

- conhecimento profundo dos equipamentos em estudo no que

respeita, principalmente, a modos de avaria;

- definio, para cada caso, do que deve ser entendido como

avaria.

2.4.2 - A Fiabilidade e a concepo de equipamentos e sistemas

Apresentou-se a definio de Fiabilidade. Contudo, a possibilidade de

contribuir para a melhoria da Fiabilidade coloca-se a trs nveis:

- componentes

12
 - equipamentos
- instalaes

A nvel dos componentes a questo pe-se, antes de mais, ao nvel do

projecto. Interessar apenas prever, em termos da sua sobrevivncia, os
factores de que depende a ocorrncia mais ou menos prematura da falha.

A nvel dos equipamentos as aces a empreender devem ser encaradas

- durante a fase de seleco dos diferentes componentes em

separado e do equipamento como um todo
- durante o perodo de funcionamento atravs das aces de
Manuteno e da respectiva poltica de Manuteno

No primeiro aspecto incluem-se aces como as que so normalmente

levadas a cabo nas indstrias de processo:

- seleco de fornecedores
- seleco de empanques ou outros acessrios
- determinao exaustiva das condies de funcionamento
recorrendo s leis da Termodinmica e da Mecnica dos
Fluidos
- preparao para o arranque de instalaes
- poltica de peas de reserva como condicionante para a
escolha do fornecedor

No ltimo aspecto est includa a aplicao de modelos de Fiabilidade

baseados em dados do histrico dos equipamentos. Baseados nas
concluses obtidas com a aplicao desses modelos podemos construir a
nossa poltica de Manuteno.

2.4.3 - Evoluo dos modelos de Fiabilidade

O campo da Fiabilidade como cincia tem uma origem relativamente

recente, tendo sido o desenvolvimento tecnolgico dos equipamentos e
sistemas a provocar o desenvolvimento dos estudos de Fiabilidade nos
ltimos 25 anos. A necessidade de estudar a Fiabilidade prende-se com a
necessidade de compreenso e de controlo dos riscos com que nos
deparamos todos os dias face ao desenvolvimento tecnolgico.

13
Os trabalhos mais relevantes para o desenvolvimento da Fiabilidade
comearam a aparecer a partir do incio dos anos 60.

Na Europa, o Centre d'tudes des Tlcommunications (CNET) cria, em

1961, o seu Centro de Fiabilidade CNET.

A necessidade de desenvolver mtodos estatsticos para o estudo da

Fiabilidade aparece-nos no incio dos anos 70 no tendo, desde essa
poca, deixado de se aprofundar essa vertente com a busca dos meios
mais adequados para cada tipo de equipamento e/ou sistema.

Os anos 60 vem alargar-se o campo de aplicao da Fiabilidade. Surgem

as primeiras anlises detalhadas de avarias em componentes e dos seus
efeitos no desempenho dos sistemas em que esto integrados e na
segurana de pessoas e bens envolventes. Estas tcnicas desenvolveram-
se rapidamente nas indstrias aeronuticas e aeroespaciais.

Antes dessa poca, meados de 60, a grande maioria das anlises de

Fiabilidade restringia-se ao estudo de distribuies de avaria com o
recurso distribuio exponencial.

o aparecimento da distribuio de Weibull que vem mostrar que a

distribuio exponencial no deveria ser aplicada de forma to
generalizada como at a tinha sucedido.

Datam tambm dos anos 60 os primeiros livros dedicados divulgao

destes problemas, embora as primeiras revistas tivessem surgido na
dcada anterior; a adopo de um conjunto de normas de fiabilidade, a
serem adoptadas em todas as fases de desenvolvimento de um produto,
pelo Departamento de Defesa dos EUA, ainda desta poca (1966 a
1969).

O mais significativo avano na forma de encarar a aplicao da

Fiabilidade Manuteno tem a ver com o facto de, nos ltimos anos, j
terem surgido trabalhos a basear a gesto da Manuteno na fiabilidade
dos equipamentos. H diferentes tcnicas fiabilsticas como ferramentas
para aplicao ao planeamento do sistema de Manuteno.

Entre elas avulta a normalmente designada por "Reliability Centered

Maintenance" (RCM) cujas actividades esto viradas para o planeamento
da Manuteno e para a preveno de avarias. O RCM representa um
processo de deciso lgica destinado a estabelecer programas de

14
Manuteno, nomeadamente preventiva, mais eficientes. O autor
apresenta uma aplicao das tcnicas descritas segurana de um voo de
avio como forma de facilitar a anlise de um processo de RCM. de
referir que as tcnicas apresentadas levam em conta os defeitos e as
possibilidades de avaria que podem ter sido introduzidos ou causados
durante a produo, armazenagem e, obviamente, a operao e a
manuteno dos equipamentos e componentes. Procedem tambm a uma
normalizao dos defeitos potencialmente detectveis e construo das
rvores de falhas.

Paralelamente, de referir, num outro campo de aplicao da Fiabilidade,

os estudos relacionados com os riscos das centrais nucleares e das
indstrias petroqumicas.

Um modelo uma representao matemtica de um processo. Um modelo

de fiabilidade determinado por um dado nmero de condies sobre as
falhas dos elementos constituintes de um sistema. Quando tomadas em
conjunto, aquelas condies formam o modelo no qual se vo basear os
clculos fiabilsticos.

Em termos gerais podem-se considerar dois tipos fundamentais de

modelos de Fiabilidade, os determinsticos e os estatsticos. So exemplos
dos primeiros, o modelo de Arrhenius e o modelo electroltico. Os
modelos estatsticos podem ser paramtricos ou no paramtricos,
consoante pretendam ou no, respectivamente, ajustar uma distribuio
aos tempos de avaria/falha para uma populao homognea. H ainda os
modelos estatsticos estocsticos que so modelos pontuais que analisam
repetidas avarias no mesmo equipamento.

Os modelos paramtricos so os mais eficientes mas necessitam, para que

possam ser aplicados, que sejam exaustivamente verificadas as condies
bsicas de funcionamento e que sejam interpretados correctamente todos
os factores que possam ter influenciado os dados em anlise. So
exemplos as distribuies exponencial, Weibull, gamma e lognormal.

Constituem tambm exemplos os modelos aplicveis a sistemas:

- catastrfico
- tenso-extenso
- Markov

15
Quando no possvel proceder ao ajustamento de uma dada distribuio
aos dados em anlise ter que se recorrer a mtodos no paramtricos
que, se por um lado so menos eficientes, permitem, por outro, trabalhar
com um menor conjunto de condies iniciais.

Os modelos estocsticos so, essencialmente, modelos pontuais quando

aplicados a sistemas reparveis. Os principais referem-se a:

- processos homogneos de Poisson (HPP)

(taxa de avarias constante)

- processos no homogneos de Poisson (NHPP)

(taxa de avarias varivel com o tempo de funcionamento)

Veremos mais adiante a diferena entre distribuio e processo.

comum assumir-se, quando se utilizam aqueles modelos, que a avaria

ocorre num instante preciso no tempo. Os processos referidos so por isso
considerados pontuais. Contudo, isto pode no ser exactamente verdade
devendo, por isso, definir-se muito bem o que se entende, para cada caso
em estudo, por avaria. necessrio tambm assumir que os tempos de
reparao so curtos quando comparados com os tempos entre avarias, de
modo a considerar s os tempos de operao.

Quando se entende que um processo pontual no retrata a situao que se

pretende estudar, por se considerar que a avaria fruto de um processo de
degradao sucessiva das condies de funcionamento, h que recorrer a
modelos caracterizados por processos no pontuais.

2.4.4 - Bancos de dados de Fiabilidade

medida que as tcnicas de organizao e gesto da Manuteno vo

evoluindo, nomeadamente com o recurso informtica, vai havendo um
conjunto cada vez maior de dados sobre o histrico dos equipamentos nas
empresas. Esse conjunto de dados tem a ver, entre ns e na generalidade
das empresas que j vm realizando essa recolha de informao, com as
intervenes realizadas, tipos de tarefas e fases constituintes, mo de obra
utilizada, ferramentas, materiais, etc.

16
Esses dados podem ser analisados com vista construo de bancos de
dados de Fiabilidade que nos indiquem as avarias sofridas por um
equipamento, suas causas, periodicidades, etc.

A necessidade da existncia de bancos de dados de Fiabilidade obtidos a

partir de experincias no campo advem da necessidade de comparar com
os valores tericos as situaes prticas nos diferentes campos de
actividade a fim de se poder continuar a realizao de previses cada vez
mais seguras sobre os estados futuros de diferentes tipos de equipamentos
desde a instalao ao termo da sua vida til e, at, sobre a prpria durao
dessa vida til.

Contudo, tem havido, por motivos comerciais e tcnicos, alguma

dificuldade na divulgao desses bancos de dados e no seu acesso, o que
tem trazido grandes entraves ao desenvolvimento de diversos estudos
nesta rea.

AFNOR (1988) apresenta, na norma X60-502, Fiabilidade em explorao

e ps-venda, as formas pelas quais se deve proceder recolha, tratamento
e anlise de dados de Fiabilidade ao longo do tempo de vida do
equipamento em funo dos diferentes tipos de produtos e/ou
equipamentos.

Consideram-se os bancos de dados de Fiabilidade como uma ferramenta

fundamental para a concepo de futuros equipamentos e para a definio
das condies ptimas de explorao dos que j se encontram em servio
em funo dos desempenhos e dos custos.

Os bancos de dados de Fiabilidade dividem-se em bancos de dados

internos e bancos de dados externos. Os bancos de dados internos so os
que respeitam aos equipamentos da prpria empresa ou a equipamentos
anlogos em servio noutras empresas; so obtidos atravs do histrico
dos equipamentos da prpria empresa ou, se possvel, recorrendo a
informaes prestadas por empresas que possuam equipamentos
semelhantes. Nos casos em que tal faz sentido incluem-se aqui os dados
referentes a informaes dos clientes sobre o comportamento dos
produtos vendidos pela empresa. So dados desta espcie os "TBF" ou o
MTBF. Do histrico dos equipamentos devero constar, para alm dos
"TBF", o tipo de avaria e os rgos avariados que justificaram cada
interveno da manuteno.

17
 Os bancos de dados externos dizem respeito a tabelas referentes, de
forma geral, a determinados componentes electrnicos ou mecnicos mais
comuns. So editadas por diversos organismos e indicam, entre outros, a
designao do componente/material a que respeitam, o MTBF e a taxa de
avarias mdia. Contudo, a utilizao destas tabelas deve ser encarada com
alguns cuidados porque a sua construo baseia-se em condies padro
de funcionamento que nem sempre se verificam. H determinados
factores que, em condies especficas, servem como amplificadores de
condies de risco.

Em relao aos bancos de dados internos, note-se que a partir de uma

quantidade suficiente de valores de TBF possvel estabelecer leis de
Fiabilidade para os diversos equipamentos ou rgos com todas as
vantagens da decorrentes no que respeita ao estabelecimento de polticas
de manuteno preventiva e ao modelo a adoptar.

O aparecimento de bases de dados genricos e de larga utilizao na

indstria um dos mais relevantes desenvolvimentos dos ltimos anos no
campo das ferramentas postas ao dispor da engenharia de fiabilidade. De
referir especialmente, e como exemplo, a base de dados OREDA
(Offshore Reliability Database).

18
3 Noes de estatstica

Este captulo dedicado definio de conceitos estatsticos utilizados

em fiabilidade.

3.1 - Probabilidade

Um evento A pode ocorrer x vezes em n, igualmente possveis. Ento, a

probabilidade de ocorrncia do evento A

x
P(A) = (3.1)
n

3.2 - Permutaes, arranjos e combinaes

A permutao de itens o arranjo desses itens, todos tomados em

conjunto. Por exemplo, 3 itens, A, B, e C, do origem a seis diferentes
permutaes: ABC, BAC, CAB, ACB, BCA e CBA.

Para n itens, o nmero de permutaes igual a

n! = n. (n-1). (n-2). .. 1 = Pn (3.2)

Se dos n itens s forem tomados r para serem arranjados, dir-se- que

temos arranjos de n r a r e ser

n!
Arn = n.(n 1)...(n r + 1) = (3.3)
(n r ) !

Note-se que 0!=1.

Se a ordem no tem importncia, em vez de permutaes ou arranjos

temos combinaes. A combinao de n itens, tomando r de cada vez,
uma seleco de r itens tirados de n sem ter em conta a ordem pela qual
foram seleccionados.

As combinaes de n itens r a r so

19
 n!
Crn = (3.4)
r !(n r )!

Apresentam-se de seguida dois exemplos do que se exps.

Exemplo 1
Uma sala de aulas ocupada por uma turma de 15 alunos. Na 1 fila
existem 6 carteiras. Quantas permutaes diferentes de alunos nas
carteiras so possveis sem carteiras vazias?

15!
P615 =
6!

Exemplo 2
Um lote constitudo por 100 lmpadas. Quantas amostras diferentes de
5 lmpadas so possveis?

100!
C5100 = = 73287520
5! 95!

3.3 - Regras de probabilidade

Podem considerar-se as seguintes regras de probabilidade:

- A probabilidade conjunta de ocorrncia de A e B escreve-se

P(AB)

- A probabilidade de ocorrncia de A ou B escreve-se P(A+B)

- A probabilidade condicional de ocorrer A dado que B ocorreu

escreve-se P(AB)

- A probabilidade de ocorrer o acontecimento complementar,

noA escreve-se P( A )

P( A ) + P(A) = 1 (3.5)

- Se (e s se) os eventos A e B forem independentes tem-se

P(AB) = P(A B ) = P(A) (3.6)
e

20

P(BA) = P(B A ) = P(B) (3.7)

- A probabilidade conjunta de ocorrncia de dois acontecimentos A

e B independentes o produto das probabilidades individuais
P(AB) = P(A)P(B) (3.8)

- Se A e B forem dependentes, ento

P(AB) = P(A)P(BA) = P(B)P(AB) (3.9)
Se P(A)0, 3.9 pode rearranjar-se de modo a obter-se
P( AB )
P(BA) = (3.10)
P( A)

- A probabilidade de quaisquer 2 acontecimentos, A ou B,

ocorrerem
P(A+B) = P(A)+P(B)-P(AB) (3.11)

- A probabilidade de A ou B ocorrerem, se forem independentes,

P(A+B) = P(A)+P(B)-P(A)P(B) (3.12)

- Se os acontecimentos A e B forem mutuamente exclusivos, isto ,

no puderem ocorrer em simultneo, ento P(AB)=0 e
P(A+B) = P(A)+P(B) (3.13)

- De 3.9 pode ainda obter-se o chamado teorema de Bayes

P( A) P ( B A)
P(AB) = (3.14)
P( B)

Apresentam-se de seguida alguns exemplos de aplicao das regras de

probabilidade que acabmos de expr.

Exemplo 1
A probabilidade de um mssil atingir um alvo de 0.85. Se este falha o
alvo, a probabilidade de que o mesmo acontea com um segundo mssil
de 0.20. Tendo sido disparados dois msseis, qual a probabilidade de que
o primeiro falhe e o segundo atinja o alvo?

P( A B) = P( A). P( B / A) = 015
. x 0.8 = 012
.

21
Exemplo 2
A produo de um dado item realizada em duas fbricas. A fbrica 1
produz 70% dos itens e a fbrica 2 produz 30% dos itens. 90% dos itens
da fbrica 1 so aceitveis. 80% dos itens da fbrica 2 so aceitveis. A
produo de ambas as fbricas encaminhada para um armazm geral.

a) Qual a percentagem de itens aceitveis em armazm?

A - item aceitvel
B1 - item produzido pela fbrica 1
B2 - item produzido pela fbrica 2
P(A/ B1 )=0.9
P(A/ B2 )=0.8
P( B1 )=0.7
P( B2 )=0.3
P(A)= 0.9 . 0.7 + 0.8 . 0.3 = 0.87

b) Qual a probabilidade de um item aceitvel ser produzido pela fbrica

2?

P(A B2 ) - probabilidade de o tem ser aceitvel e provir da fbrica 2

P(A B2 )=P(A/ B2 ).P( B2 )= 0.8 .0.3 = 0.24
P( B2 /A) - probabilidade de o item provir da fbrica 2, dado que
aceitvel
P( AB2 ) 0.24
P( B2 /A) = = = 0.276
P( A) 0.87

3.4 Varivel aleatria

Um aspecto fundamental quando tratamos estatisticamente um conjunto

de acontecimentos o de varivel aleatria.

Consideremos, ento, uma experincia com um determinado nmero de

resultados possveis. Se a ocorrncia de cada um dos resultados for
regulada pelo acaso (resultado aleatrio), aos resultados podem ser
associados valores numricos. O processo de associao de um valor
numrico a cada resultado conseguido atravs da utilizao de uma
varivel aleatria (v.a.).

22
Usa-se uma letra maiscula (X, Y...) para representar uma v.a. e uma letra
minscula para representar um determinado valor numrico que uma v.a.
possa tomar. Por exemplo, se a v.a. X representar o nmero de avarias de
um dado equipamento, ento xi representar o nmero de avarias
ocorridas durante o isimo tempo de observao. Neste exemplo, o
espao de amostragem ser S = {x1, x2,...,xk}, representando k o nmero
de intervalos de tempo durante os quais se realizaram as observaes.

As v.a.s podem ser discretas ou contnuas. Sero discretas se o espao de

amostragem for finito e contvel. Sero contnuas se s puderem tomar
valores contnuos, ou seja, tomam valores num determinado intervalo por
oposio a um nmero contvel especfico. As v.a.s contnuas resultam
de variveis medidas e no de dados contados.

O nmero de avarias de um dado sistema num determinado perodo uma

v.a. discreta. Os tempos de funcionamento at falha de um conjunto de
lmpadas uma v.a. contnua, T, que toma um valor contnuo, t, para
cada lmpada. Isto pode ser representado pela amostra S = {t|t>0}, que se
deve ler o conjunto de todos os valores de t, tais que t maior que zero.

3.5 Distribuio

Um modelo de distribuio de probabilidades de uma dada experincia

uma funo que associa uma probabilidade a cada possvel valor que a
v.a. da experincia possa tomar de tal forma que o valor da probabilidade
total associada experincia seja a unidade.

Existem distribuies contnuas e distribuies discretas.

Para uma v.a. discreta, a distribuio de probabilidades representa-se por

Pr(xi), sendo xi um dos valores que a v.a. X pode tomar.

Se uma varivel aleatria discreta X puder tomar valores x1, x2xn com
probabilidades p1, p2pn, com p1+p2+pn = 1 e pi0 para qualquer i,
diz-se que existe uma distribuio de probabilidades para x. Trata-se,
nesse caso, de uma distribuio discreta.

A funo Pr(xi) tal que

Pr(xi) 0, i=1,2,...k
k

Pr( x ) = 1
i =1
i (3.15)

23
Diz-se que uma distribuio contnua quando a varivel aleatria pode
tomar qualquer valor dentro de determinado intervalo. Uma v.a. contnua
X tem uma probabilidade zero de tomar exactamente qualquer dos seus
possveis valores. Nesta situao, deve-se apresentar a probabilidade
associada a uma pequena gama de valores que a v.a. possa tomar. Por
exemplo, para uma situao em que a v.a. seja um tempo at falha, T,
pode-se determinar Pr(t1<T<t2), ou seja, a probabilidade de o tempo at
falha se situar entre t1 e t2.

A distribuio de probabilidades de uma v.a. T, contnua, representa-se

por f(t) e designa-se por funo densidade de probabilidade (fdp). Como
T contnua, o grfico de f(t) tambm contnuo ao longo da possvel
gama de valores de t. Uma fdp construda de tal forma que a rea sob a
curva que limita todos as possveis gamas de valores de t tem que ser
igual a 1.

A probabilidade de T assumir um valor entre t1 e t2 pode ser determinada

por
t
F (t ) = f(x)dx (3.16)
0

Em geral, f(t) tem que obedecer a

f(t) 0 para qualquer t
t
F (t ) = f(x)dx (3.17)
0
e
t
F (t ) = f(x)dx
0

3.6 - Distribuies mais comuns

3.6.1 - Distribuies discretas

Duas das distribuies discretas mais importantes so a distribuio

hipergeomtrica e a distribuio de Poisson.

24
3.6.1.1 - Distribuio hipergeomtrica

C xr CnNxr
P( x ) = (3.18)
CnN

em que
N - n total de elementos
n - n de elementos de uma dada amostra
r - n de elementos, de entre o total N, que possuem uma dada
propriedade
x - n de elementos com a referida propriedade encontrados na
amostra

3.6.1.2 - Distribuio de Poisson

Esta distribuio aplicvel quando:

a) O nmero de eventos que ocorrem em intervalos de tempo no

sobrepostos independente;

b) A probabilidade de um evento ocorrer num pequeno intervalo de

tempo aproximadamente proporcional dimenso desse intervalo;

c) A probabilidade de mais que um evento ocorrer num pequeno intervalo

muito pequena em comparao com a da ocorrncia de um evento nesse
mesmo intervalo.

Esta distribuio pode tambm ser aplicada quando os intervalos de

tempo so substitudos por espaos, como, por exemplo, o nmero de
defeitos num dado lote ou numa dada quantidade de material.

As probabilidades de Poisson so dadas por

e mm x
P( x) = (3.19)
x!

em que
m=np
n - n total de elementos

25
 p - probabilidade de um elemento dos n ter uma dada
propriedade

Os exemplos seguintes ilustram a aplicao das distribuies discretas

que foram expostas.

Exemplo 1
Um lote de 50 artigos contm 3 com defeito. Uma amostra de 5 artigos
colhida aleatoriamente. Calcular a probabilidade de se obter 2 artigos com
defeito na amostra.

Vai-se aplicar a distribuio hipergeomtrica com

N =50
n=5
r=3
x=2

C23 C347
P(2) = = 0.023
C550

Exemplo 2
A percentagem de artigos defeituosos num lote de 0.2%. Os artigos so
embalados em caixas de 200. Qual a proporo de caixas com

a) Artigos sem defeito?

Aplicando a distribuio de Poisson, tem-se

n = 200 p = 0.002 m = np = 0.4

e 0.4 0.4 x
P(x) =
x!
P(0) = e = 0.67
0 . 4

b) 2 ou mais artigos com defeito?

P(2 ou mais) = 1 - (P(0)+P(1)) = 1 - (0.67+0.268) = 1 - 0.938 = 0.062

26
3.6.2 Distribuies contnuas

A distribuio contnua mais comum a Distribuio Normal ou de

Gauss.

A funo densidade de probabilidade da Normal dada por:

1 1 x 2
f ( x) = exp ( ) (3.20)
2
1

(2 ) 2

- mdia ( parmetro de localizao )

Uma razo para a grande aplicao da Normal o facto de, quando um

valor est sujeito a muitos factores de variao, independentemente de
como estes factores so distribudos, a distribuio composta resultante se
aproximar muito da distribuio Normal.

A tabela em apndice d os valores para (z), funo acumulada da

distribuio normal estandardizada ( = 0 ; = 1 ) .

z representa o nmero de desvios padro de distncia em relao ao

valor mdio.

Uma distribuio normal caracterizada por apresentar uma maior

frequncia de valores da v.a. em torno de valores mdios e uma menor
frequncia junto aos extremos. A figura 3.1 uma representao tpica de
uma funo densidade de probabilidade da distribuio normal.

Qualquer distribuio normal pode ser calculada a partir da distribuio

normal estandardizada, determinando a varivel normal estandardizada z
e achando o valor de (z).

x
z=

27
 Figura 3.1
Representao da fdp da distribuio Normal

Exemplo:
O tempo de vida de uma lmpada incandescente tem uma distribuio
normal de mdia 1200H e desvio padro = 200H .
a) Qual a probabilidade desta lmpada falhar at s 900H?
b) Qual a probabilidade desta lmpada durar mais de 800H?
c) Ao fim de quantas horas deveremos fazer a substituio das
lmpadas para que no se verifique uma % de falhas superior a
5%?

a)
x 900 1200
z= = = 1.5
200

(1.5) = 1 (1.5) = 0.0668 6.68%

b)
x 800 1200
z= = = 2
200

(2) = 1 (2) = 0.0228

A probabilidade de falhar at s 800 h de 2.28%. A de durar mais que
isso ser de 100%-2.28%, ou seja, 97.72%.
c)
(1.65) = 1 (1.65) = 0.9505
(1.64) = 1 (1.64) = 0.9495
x 1200
z= = 1.645 x = 871h
200

28
As distribuies discretas e contnuas aqui exemplificadas so de
utilizao geral e comum em estatstica. No captulo 5 sero apresentadas
outras distribuies que so muito correntemente aplicadas nas
utilizaes especficas de fiabilidade e cuja apresentao ser feita com as
v.a.s especficas da fiabilidade introduzidas no captulo 4.

3.7 Valor esperado

O valor esperado ou esperana matemtica, E(X), de uma v. a. X, discreta

ou contnua, uma caracterstica de X.

Para v.a.s discretas o valor esperado define-se por

E ( X ) = xi Pr( xi )
i

desde que o somatrio seja convergente.

Para v.a.s contnuas o somatrio deve ser substitudo por um integral.

Para a v.a. contnua T, com fdp f(t), o valor esperado ser

+
E (T ) = tf (t )dt

tambm com a condio de o integral convergir.

O valor esperado um conceito muito utilizado em estatstica e pode-se

dizer que equivale a uma mdia por antecipao porque se baseia em
valores provveis e no em valores j previamente registados. Quando
representa a mdia de uma distribuio representado por . Tambm
considerado como o primeiro momento em relao origem.

De uma forma geral, pode-se obter o valor esperado de qualquer funo

real de uma v.a.. No caso de uma distribuio discreta, Pr(xi), o valor
esperado da funo g(X) ser definido por
k
E [g ( X )] = g ( xi ) Pr( xi )
i =1

E para uma v.a. contnua T, o valor esperado de g(T) definido por

29
 +
E [g (T )] = g (t ) f (t )dt

A ttulo de exemplo, vamos calcular o momento em relao origem para

a distribuio de Poisson.

xe m m x xe m m x
e m m x 1
E( X ) = = = m
x =0 x! x =1 x! x =1 ( x 1)!

Fazendo y=x-1 e tendo em conta as expresses 3.15 e 3.19, obtemos

em m y
E ( X ) = m =m
y =0 y !

Mas tambm se podem considerar momentos de ordem superior

primeira. Por exemplo, para o momento de segunda ordem em relao
origem, representado por E(X2), temos, para a distribuio de Poisson e
recorrendo aos resultados anteriores e, novamente, a 3.15 e 3.19:

x 2e m m x
x 2em m x
xe m m x 1
E( X ) =
2
= = m =
x =0 x! X =1 x! x =1 ( x 1)!

em m y
ye m m y
em m y
m ( y + 1) = m + m = m2 + m
y =0 y! y =0 y! y =0 y!

Uma medida da disperso de uma v.a. X em relao sua mdia a

chamada varincia, representada por v(X) ou 2. A varincia tambm se
designa por segundo momento em relao mdia e define-se como

v(X) = 2 =E(X-)2

normalmente designado por desvio padro e a v(X) costuma chamar-

se varincia.

Os momentos obedecem s seguintes leis:

30
E(aX)=aE(X)

E(a)=a

E(g(X)h(X)) =E(g(X))E(hX))

E(XY) = E(X) E(Y)

E(X.Y) = E(X).E(Y) se X e Y forem independentes

31
4 Fiabilidade de componentes e fiabilidade de equipamentos

Tambm se deve definir o que se entende por sistema reparvel e por

sistema no reparvel.

Sistema reparvel um conjunto de elementos em que a ocorrncia de

avaria no significa o fim da operacionalidade mas somente uma
interrupo dessa mesma operacionalidade.

Consideram-se tambm reparveis, embora no sejam encarados como

sistemas, todos os items cuja avaria no significa o seu fim de vida (ex.:
veio reparvel atravs de soldadura de enchimento).

Um sistema no reparvel um conjunto de elementos que formam um

todo que, por razes econmicas ou tecnolgicas, no se reparam ou um
item formado por um nico elemento (componente) cuja ocorrncia de
avaria significa o seu fim de vida.

O conceito de equipamento vulgarmente, embora, como se viu, nem

sempre seja assim, associado a sistemas reparveis e o conceito de
componente normalmente associado a itens no reparveis.

Deve ainda considerar-se que, pela utilizao, os componentes/peas se

desgastam enquanto que os sistemas/equipamentos se degradam.

A abordagem da fiabilidade dos componentes no reparveis diferente

da dos equipamentos reparveis, conduzindo ao aparecimento de
conceitos diferentes. o que se ir ver neste captulo. Comea-se pelos
componentes no reparveis por ser a situao mais simples.

4.1 Fiabilidade de componentes (no reparveis)

4.1.1 Funo de risco para componentes no reparveis

Se X representar a v.a. tempo at falha de uma pea ou componente,

ento a probabilidade de Xx, funo distribuio de X,

FX(x)=Pr{ Xx} (4.1)

32
Assumindo que F absolutamente contnua, podemos definir a funo de
risco associada a x como

f x ( x)
hX(x)= (4.2)
1 Fx ( x)

fX(x) uma fdp e a derivada de FX(x) em ordem a x.

A funo de risco representar a probabilidade condicional por unidade

de tempo de o componente falhar no intervalo de tempo x+dx, sabendo
que no falhou at x.

Matematicamente expressar-se- a funo fiabilidade atravs da

probabilidade do bem no falhar num dado perodo - a probabilidade
funo do tempo e representa-se por RX(x). A probabilidade de falha
nesse perodo expressa pela funo FX(x), como se viu, com:

FX(x) = 1 RX(x) (4.3)

Se tivermos a funo densidade de falhas, fx(x), com:

dFx ( x)
fX(x) = (4.4)
dx

teremos

dRx ( x)
= - fX(x) (4.5)
dx

ou
x
Fx ( x) = f x (y)dy (4.6)
0
e
x
Rx ( x) = 1 - f x ( y )dy (4.7)
0

33
A funo de risco, tal como definida na expresso 4.2, uma taxa relativa
referida ao tempo x, visto que a derivada de FX(x) dividida pela
probabilidade de sobreviver at ao instante x. Para ser uma taxa absoluta
no poderia ser dividida pela fiabilidade.

4.1.2 MTTF

Consideremos um componente no reparvel qualquer. Chama-se tempo

at falha (time to failure), TTF, ao tempo que medeia entre a entrada em
servio do componente e a respectiva falha.

Se pensarmos no universo de componentes semelhantes ao que

considermos anteriormente, podemos considerar o tempo esperado de
funcionamento desses componentes. o tempo que ser legtimo esperar,
ao instalar pela primeira vez cada um deles, que se aguentem em servio.
Estaremos ento a definir um tempo mdio at falha (MTTF).

MTTF (mean time to failure) representa o tempo at ocorrncia de falha

em sistemas no reparveis e pode-se introduzir tambm MTTFF (mean
time to first failure) para significar o tempo que medeia entre a entrada
em funcionamento e a ocorrncia da primeira avaria em sistemas
reparveis. Ser:

MTTF = t . f (t )dt (4.8)

0

MTTFF ser representado da mesma forma se tivermos em ateno que a

escala de tempos contada desde o comeo do funcionamento at
ocorrncia da primeira avaria.

Se considerarmos uma populao ou conjunto de componentes iguais,

com pdf f e distribuio acumulada de falhas F, poder-se- escrever

MTTF = E ( X ) = x. f x ( x)dx (4.9)
0

em que E(X) representa o valor esperado de X.

34
4.1.3 Anlise estatstica de TTFs

Se colocarmos n componentes iguais a funcionar em condies idnticas

como parte integrante de equipamentos tambm iguais entre si e de tal
modo que o funcionamento de cada componente seja independente dos
restantes, vamos obter, aps a falha de todos os componentes, n TTFs
que sero amostras independentes da mesma funo de distribuio FX(x).
Nesta situao diz-se que os TTFs so independentes e identicamente
distribudos (IID).

Para obter estimativas (valores estimados) da funo de risco ou da fdp

necessitamos de conhecer previamente mltiplos valores de TTFs. Mas
no devemos esquecer que, embora sejam necessrios, como base de
trabalho, vrios valores de TTFs, o que estamos a estimar so funes
associadas com o tempo at falha de um componente. O que se est a
estimar, atravs da repetio de um dado acontecimento (falha de um
componente), a probabilidade de ocorrncia desse acontecimento no
tempo x como funo de x.

Nas condies acima referidas, indiferente que os componentes entrem

em servio todos ao mesmo tempo ou em instantes distintos. Por vezes
confundem-se estas situaes ou o seu tratamento mas devero ser
tratadas de igual forma pois o que conta so apenas os diferentes TTFs.

Para a fiabilidade de um componente, poder ser obtido um estimador

atravs de uma experincia simples. Assim, basta colocar um conjunto de
componentes iguais a funcionar em condies semelhantes. A fiabilidade
ao fim do tempo x ser estimada pelo nmero de componentes que ao fim
desse tempo ainda funcionem dividido pelo nmero de componentes
inicial:

^ n( x )
R X ( x) = (4.10)
n

Colocado o problema, vo agora deduzir-se estimadores para a funo de

risco, hX(x), e a fdp, fX(x).

Designa-se por estimador natural uma expresso de tipo numrico que

representa uma estatstica directa anloga a uma funo probabilstica.
Representa-se colocando um ^ sobre a funo probabilstica a que diga
respeito, tal como se v na expresso 4.10.

35
Para os casos anteriores, vai-se verificar, tambm atravs dos
estimadores, que a funo de risco e a pdf no se devem confundir entre
si.

Comecemos por definir um estimador para Fx(x). Quando cada

componente em teste funciona at falhar, a funo de distribuio
emprica, Fn(x), definida como

n de TTF' s x
Fn(x)
n

e um estimador natural para FX(x) Pr{Xx}.

Para X(1) X(2) ... X(n), Fn(x) ser

0, X (1) > x

Fn(x) i / n, X (i) x < X (i +1)

1, X (n) x

A fdp a derivada em ordem a x de FX(x). Assim, um estimador natural

para a fdp

Fn ( x) 1 n( x) n( x + x)
f ^ X (x) (4.11)
x n x

em que n(x) representa o nmero de componentes que sobrevivem at x e

n(0) = n.

Um estimador natural para a funo de risco ser

^
f ^ ( x) f ^ X ( x) 1 n( x) n( x + x)
h X ( x) R ^ X ( x)
n( x ) / n n ( x ) x
(4.12)
X

36
A funo de risco aparece, assim, como o nmero de falhas por unidade
de tempo em x a dividir pelo nmero de componentes em risco tambm
em x.

A funo de risco aparece normalizada pelo nmero de elementos em

risco e a fdp aparece normalizada pelo nmero de elementos inicial.

A diferena entre estas duas funes pode ser avaliada com um exemplo
mais comum e referente vida humana. Imagine-se que em 2003
calculamos a probabilidade que um indivduo, nascido em 1913, tinha de
vir a falecer durante 2003, ou seja, de vir a falecer com noventa anos.
Estamos a calcular uma densidade de probabilidade e o estimador dado
pela expresso 4.11, dividindo o nmero de indivduos falecidos em 2003
com 90 anos pelo nmero de nascimentos verificados em 1913. Mas se
quisermos calcular a probabilidade de um indivduo com 90 anos vir a
falecer ao longo dos 12 meses seguintes devemos usar a expresso 4.12,
dividindo o nmero de indivduos com 90 anos falecidos nesse perodo
pelos que ainda estavam vivos data do incio da contagem. No primeiro
caso vamos obter um valor muito mais pequeno que no segundo.

Seja agora um exemplo aplicado engenharia. Suponhamos que temos

um conjunto de 210 ferramentas de corte rpido que vo falhando ao
longo do tempo.

Vamos contabilizar intervalos de 15 dias e construir uma tabela da qual

conste, sucessivamente, o nmero de falhas a cada intervalo de 15 dias,
desde o primeiro at ao ltimo, o nmero de ferramentas em
funcionamento no incio de cada intervalo, a fdp multiplicada pelo valor
do intervalo de tempo, a funo de risco multiplicada pelo mesmo valor e
o nmero de falhas acumuladas no final de cada intervalo. Ser tal como
se representa, a seguir, na tabela 4.1

Verificamos que a funo de risco tendencialmente crescente medida

que se avana no tempo, o que normal dado que estamos a exemplificar
com ferramentas de corte, e que a densidade de probabilidade tem um
pico volta do 5 intervalo e mostra as falhas centradas entre o 4 e o 9
intervalos.

37
 Tabela 4.1
Exemplo de clculo de fdp e funo de risco

Intervalo n(x+1)-n(x) n(x) 15fX(x) 15hX(x) 210FX(x)

1 0 210 0 0 0
2 0 210 0 0 0
3 4 210 4/210 4/210 4
4 28 206 28/210 28/206 32
5 42 178 42/210 42/178 74
6 28 136 28/210 28/136 102
7 30 108 30/210 30/108 132
8 28 78 28/210 28/78 160
9 26 50 26/210 26/50 186
10 12 24 12/210 12/24 198
11 4 12 4/210 4/12 202
12 4 8 4/210 4/8 206
13 4 4 4/210 4/4 210

4.2 Fiabilidade de equipamentos (reparveis)

O tratamento da fiabilidade de sistemas reparveis diferente do que se

viu para os no reparveis, acabando por ser mais complexo. Antes de
mais h que distinguir duas escalas de tempos, o tempo entre avarias e o
tempo de calendrio, ao longo do qual podem ocorrer diversas avarias,
aps as quais o sistema, por ser reparvel, recolocado em
funcionamento.

Para o tempo entre avarias, o tratamento semelhante ao que foi referido

para os sistemas no reparveis, utilizando-se a funo de risco como
parmetro de referncia para a fiabilidade. Para o tempo de calendrio
haver que utilizar outro parmetro de referncia.

4.2.1 Distribuies e processos

Uma distribuio representa a forma como uma dada funo,

normalmente a funo Fiabilidade, varia com o tempo entre avarias ou o
tempo at falha ou, de forma mais geral, com o valor de um intervalo de
tempo que no contenha momentos de ocorrncia de avarias. Varia ainda

38
com a funo de risco que, por sua vez, pode ser constante ou variar
tambm com o tempo atrs referido.

Um processo a forma segundo a qual vo ocorrendo acontecimentos

semelhantes. Em Fiabilidade esses acontecimentos semelhantes so as
avarias e a forma segundo a qual vo ocorrendo normalmente
representada atravs de uma funo de Fiabilidade que varia com o valor
de um intervalo de tempo que contenha momentos em que j ocorreram
avarias e com a taxa de avarias (constante ou varivel com aquele tempo).

Quando se analisam sistemas reparveis, um processo pontual aquele

em que se considera que as avarias ocorrem em momentos determinados
no tempo. Quando se considera que as avarias so o resultado de uma
degradao e, portanto, no ocorrem em momentos determinados, diz-se
que os processos so no pontuais.

Vamos tratar apenas de processos pontuais.

4.2.2 Processos pontuais

Um processo pontual estocstico um modelo matemtico para um

fenmeno fsico caracterizado por acontecimentos fortemente localizados
e distribudos aleatoriamente ao longo de um contnuo.

No caso presente o contnuo o tempo de calendrio e os acontecimentos

so as avarias que se assumem que ocorrem em instantes determinados ao
longo do tempo.

Trataremos os processos de Poisson homogneos (HPP) e no

homogneos (NHPP) e os processos de renovao (RP).

Para comear a discusso em torno destes processos, vamos assumir que

os sistemas estaro em funcionamento sempre que possvel e que os
tempos de reparao so desprezveis, por muito pequenos, quando
comparados com os tempos de funcionamento. As avarias iro ocorrendo
ao longo do tempo de calendrio.

O tempo de calendrio, contado desde o momento T=0 em que o

equipamento colocado em funcionamento pela primeira vez,
designado por T. Os tempos entre avarias sero designados por Xi, em

39
que i designa a ordem de ocorrncia das avarias. Xi ser o tempo que
medeia entre a ocorrncia da avaria i-1 e a ocorrncia da avaria i. A
varivel que designa qualquer momento no tempo contado desde a
ocorrncia da avaria i-1 ser xi. Por exemplo, quando xi=0 acabou de
ocorrer a avaria i-1; quando xi=Xi ocorre a avaria i. Xi, com i=1,2...,
uma v.a. designada por tempo entre avarias.

Os momentos de ocorrncia das avarias, quando contados desde o incio

do funcionamento, ou seja, quando contados em tempo de calendrio, so
representados por Ti, com i=1,2...Ti tambm uma v.a. e designada por
tempo global de ocorrncia de avarias.

Compatibilizando os conceitos e variveis acima introduzidos, teremos

xi = t Ti-1 | Ti-1 = ti-1

T0 = 0

Tk = X1 + X2 +...+ Xk

A v.a N(t) definida como o mximo valor de k para o qual Tk t, ou

seja, N(t) o nmero de avarias que ocorrem de 0 at t.

4.2.2.1 Taxa de avarias

A taxa instantnea de avarias define-se como a variao do nmero

esperado de avarias ocorrido com o tempo decorrido. Ser aqui designada
por (t). Se N(t) for a varivel que representa o nmero de avarias
acumuladas/sofridas pelo sistema ou conjunto de sistemas entre 0 e t, ter-
se-:
dE[ N(t)]
(t ) = (4.13)
dt

Com E[N(t)] a representar a esperana matemtica de N(t). N(t) uma

varivel aleatria discreta mas E[N(t)] a funo contnua e derivvel
que melhor aproxima N(t).
t

E[ N ( t )] = (t)dt
0
(4.14)

As figuras 4.1 e 4.2 ilustram a diferena entre N(t) e E[N(t)].

40
 N(t)

t
Nmero de avarias em funo do tempo - N(t)
Figura 4.1

E[N(t)]

t
Nmero esperado de avarias em funo do tempo - E[N(t)]
(exemplo de situao aproximadamente linear)
Figura 4.2

Assim, a taxa de avarias aparece-nos como um parmetro que respeita a

sistemas reparveis aplicando-se a qualquer ocorrncia repetitiva
observada, por unidade de tempo, num sistema reparvel ou num
conjunto de sistemas reparveis.

Na prtica interessa considerar situaes em que a taxa de avarias seja

constante ou decrescente. O clculo da taxa de avarias feito recorrendo
a estimadores.

Assim, pode-se utilizar como estimador da taxa de avarias

41
 N(t + t) - N(t)
(t ) = (4.15)
t

desde que a taxa de avarias seja constante em t.

4.2.2.2 - MTBF

O tempo mdio de funcionamento entre duas avarias, MTBF (mean time

between failures), definido como o inverso da taxa de avarias. Se a taxa
de avarias for constante, o MTBF no depende do tempo. Caso contrrio,
tambm o MTBF ser uma funo do tempo, ou seja, o valor esperado do
tempo entre avarias, E(X).

Para que no se confunda o tempo de funcionamento entre avarias, TBF

(tempo de bom funcionamento ou time between failures), com a diferena
cronolgica de tempos entre avarias, a figura 4.3 esquematiza uma
situao em que entre a ocorrncia da avaria N-1 e a ocorrncia da avaria
N existe um tempo de reparao, TTR (time to repair), e um tempo de
funcionamento. Presume-se que o equipamento no esteve parado por
falta de utilizao.

Esta representao s vlida quando se utiliza como varivel mtrica o

tempo de calendrio. Numa varivel mtrica absoluta, o MTBF coincide
com a mdia da diferena cronolgica dos tempos entre avarias se estas
ocorrerem de forma constante.

N-1 N

TTR TBF

t
TTR e TBF
Figura 4.3

Contudo, ao longo deste estudo, no iremos considerar TTRs no

desprezveis.

42
4.2.2.3 Funo de risco para sistemas reparveis

A funo de risco tambm pode ser aplicada a sistemas reparveis desde

que a varivel mtrica seja o tempo contado desde a ltima avaria.

No deve, contudo, confundir-se a funo de risco com a taxa de avarias.

(t)dt a probabilidade de uma avaria que no necessariamente a
primeira ocorra entre t e t+dt. hX(x)dx a probabilidade condicional de a
primeira e nica avaria vir a ocorrer entre x e x+dx, sabendo-se que no
ocorreu at x.

Referiu-se acima que tambm se poderia definir funo de risco para

sistemas reparveis. Como a funo de risco pressupe que no tenha
ocorrido previamente qualquer avaria, s se poder definir funo de
risco para os tempos entre avarias. E, assim, para cada tempo entre
avarias haver uma funo de risco, definida de modo semelhante ao que
foi utilizado para os componentes no reparveis. Ser:

FX' i ( xi )
h X i ( xi ) = (4.16)
1 FX i ( xi )

O ndice Xi significa que a funo de risco referida diz respeito ao tempo

entre avarias Xi. Isto ajuda a compreender que, para sistemas reparveis,
cada funo de risco uma propriedade de cada v.a. tempo entre avarias e
no de uma dada sequncia de tempos entre avarias.

Aparecem grandes discrepncias na literatura e, por vezes, grandes

confuses no tratamento dos conceitos de taxa de avarias e funo de
risco. importante referir que o conceito de taxa de avaria no se pode
aplicar a sistemas/componentes no reparveis considerados
isoladamente. Contudo, ambos os conceitos se podero aplicar a sistemas
reparveis.

A taxa de avarias deve associar-se a acontecimentos repetitivos e o seu

tempo de referncia conta-se desde a entrada em funcionamento at ao
momento presente; pelo contrrio, a funo de risco deve ser associada a
um acontecimento nico e toma como base o tempo passado desde a
ltima avaria at ao momento presente.

43
Como

dR X i ( xi ) 1 dR X i ( xi ) 1
hXi(xi) = . = . (4.17)
dxi R X i ( xi ) R X i ( xi ) dxi

hXi(xi) pode ser encarada como a diminuio relativa de RXi(xi) por

unidade de tempo. possvel ainda escrever

hXi(xi) = -
[
d ln R X i ( xi ) ] (4.18)
dxi

A figura 4.4 ilustra a relao entre a taxa de avarias de um sistema

composto por vrios componentes e a funo de risco de cada
componente.

Na figura est representado um sistema reparvel com N modos de avaria.

Para cada modo de avaria representa-se a funo de risco do componente
que provoca avarias no sistema.

Na figura, traa-se, para cada posio de componente, a curva

representativa da respectiva funo de risco entre avarias. A taxa de
avarias do conjunto dada pela razo entre o nmero de avarias ocorridas
em cada intervalo de tempo e o valor desse mesmo intervalo.

A taxa de avarias tende para um valor constante medida que o tempo de

funcionamento do sistema aumenta, ou seja, e recorrendo figura, a
tendncia para que em intervalos de tempo iguais (t1, t2,...) ocorram
iguais nmeros de avarias do sistema motivadas por falhas dos seus
componentes. Para cada componente, a funo de risco, representada,
respectivamente, por cada uma das curvas desenhadas, vai aumentando
ou mantendo-se constante desde a entrada em servio at ao momento de
falha.

44
 componente

.
n

t1 = t2 = t3 t

- avaria
Taxa de avarias e funo de risco
Figura 4.4

4.2.2.4 - Escalas de tempos

Feita a distino entre taxa de avarias e funo de risco, fundamental ter

sempre presente que a funo de risco aparece sempre associada ao tempo
entre avarias ou ao tempo at falha e a taxa de avarias aparece sempre
associada ao tempo de vida til dos equipamentos reparveis.

A funo de risco aparece associada ao tempo entre avarias quando

tratamos de avaliar a evoluo da funo de risco global de um
equipamento ao longo do tempo entre avarias. E aparece associada ao
tempo at falha sempre que estejamos a tratar de componentes no
reparveis.

Por exemplo, podemos estar interessados em avaliar a fiabilidade de um

componente para a qual construmos uma funo distribuio que
depender do tempo de vida do componente e da funo de risco. Quando

45
o componente falha, o tempo de vida desse componente atingiu o valor de
tempo at falha.

Em suma, quando tratamos com a funo de risco, os intervalos de tempo

nunca contm momentos em que ocorrem avarias e, pelo contrrio,
quando tratamos com a taxa de avarias, isso acontece sempre.

4.2.2.5 Funo fiabilidade de um processo pontual

A definio da funo fiabilidade que se vai apresentar referida ao

tempo de calendrio e no ao tempo entre avarias.

O clculo dos valores e grandezas a cuja definio se vai proceder de

seguida depende da histria do processo desde a sua origem e incluindo o
incio do intervalo, qualquer que ele seja, que nos interesse estudar. Esta
condio indicada atravs da notao |Ht.

J vimos que os tempos entre avarias so representados por Xi, com i

=1,2,... O tempo mdio entre avarias ser E(Xi) ser, em geral, funo de
i, tal como os Xs. O tempo at prxima avaria ser W(t)=TN(t)+1-t e o
tempo de calendrio que vai desde o momento em que estamos at ao
momento da ocorrncia da prxima avaria.

A distribuio de W(t) ser

Kt(w) = Pr{N(t, t+w)1|Ht} (4.19)

em que N(t, t+w) o nmero de avarias entre t e t+w, ou seja, ser igual a
N(t+w) N(t).

O valor esperado do tempo at prxima avaria ser

E [W (t )] = (1 K t ( w)dw
0

com (4.20)
1 K t ( w) = Pr{N (t , t + w) = 0 | H t }

Ocorrendo uma varia no momento t, o tempo instantneo entre avarias,

ITBF, ser W(t). ITBF ser diferente de Xi+1 se no se souber quanto vale
i no momento t.

46
No que se segue consideraremos que o valor esperado de ITBF ser o
tempo mdio entre avarias, MTBF, que ser o inverso da taxa de avarias,
j definida e para cujo estimador tomaremos o valor de t/N(t), com
N(t)>0.

A definio de fiabilidade, a probabilidade de funcionamento sem avarias

num dado intervalo de tempo, mais complicada do que no caso de
sistemas no reparveis/componentes. J vimos que pode ser importante a
histria do processo. Assim, a probabilidade de sobrevivncia entre dois
instantes no tempo, entre t e t+w, ser a fiabilidade ao longo desse
intervalo de amplitude w e ser

R (t , t + w) = Pr{N (t , t + w) = 0 | H t } = 1 K t ( w) (4.21)

Nas seces seguintes iremos ver as formas que a funo fiabilidade

reveste, atravs da definio 4.21, nos trs tipos de processos pontuais
que vamos estudar, HPP, NHPP e RP.

4.2.2.6 Processo de Poisson homogneo

O processo de Poisson homogneo, HPP, uma sequncia infinita de

tempos entre avarias, Xis, independentes e distribudos de forma
exponencialmente idntica.

O processo de contagem das avarias, {N(t), t0} um HPP se

- N(0)=0
- {N(t), t0} tiver incrementos independentes
- o nmero de avarias no intervalo t2-t1 obedecer a uma distribuio de
Poisson com mdia (t2-t1), ou seja

e ( t2 t1 ) [(t 2 t1 ) ]
j

Pr{N (t 2 N (t1 ) = j} =
j!
com
t 2 > t1 0 (4.22)
e
j0

47
Da terceira das condies anteriores e da expresso 4.22 vem que

E{N (t 2 t1 )} = (t 2 t1 ) (4.23)

Neste caso, constante a taxa de avarias. A funo fiabilidade ser dada

por

R(t1 , t 2 ) = e ( t2 t1 ) (4.24)

4.2.2.7 Processo de Poisson no homogneo

A diferena entre o HPP e o processo de Poisson no homogneo que a

taxa de avarias no constante. As duas primeiras condies que vimos
em 4.2.2.6 mantm-se mas a terceira ter a seguinte forma
t2
j

( t ) dt t 2
e t1
(t )dt
Pr{N (t 2 N (t1 ) = j} = t1
j!
com
t 2 > t1 0 (4.25)
e
j0

De forma idntica expresso 4.23, teremos

t2

E{N(t2)-N(t1)}= (t )dt
t1
(4.26)

A funo fiabilidade vir

t2
( t ) dt
R(t1, t2)= e t1
(4.27)

Desta forma, os tempos entre avarias no so nem independentes nem

identicamente distribudos. Mas os incrementos continuam a ser
independentes, uma vez que o nmero de avarias num intervalo no
depende do nmero de avarias noutro intervalo qualquer. Por incrementos

48
deve entender-se as variaes entre os nmeros de avarias de uns
intervalos para os outros. Como a taxa de avarias no constante, o
NHPP pode modelar as situaes em que temos degradao ou melhoria
dos equipamentos. Haver degradao se a taxa de avarias for
aumentando com o tempo e haver melhoria no caso contrrio.

Um sistema deteriora-se se entre 0 e t0

t1 t2 t1 + t 2

( y)dy + ( y)dy ( y)dy

0 0 0

com
0 < t1 + t 2 t 0

e melhora se
t1 t2 t1 + t 2

( y)dy + ( y)dy ( y)dy

0 0 0

com
0 < t1 + t 2 t 0

Para terminar, apresenta-se uma relao entre a taxa de avarias no

momento t, contado desde o incio do funcionamento do equipamento, e a
funo de risco no momento x, contado desde a ltima avaria e
pertencente ao intervalo X que o tempo entre a ltima avaria que houve
at t e a prxima

R(0,t)(t)dt = RX(x)hX(x)dx = fX(x)dx (4.28)

O facto de estarmos a considerar a primeira avaria entre t e t+dt

assegurado pela multiplicao de (t)dt por R(0,t).

4.2.2.8 Processo de renovao

O processo de renovao (RP) uma generalizao do HPP. Este

processo consiste numa sequncia infinita de tempos entre avarias
independentes e identicamente distribudos que no so todos nulos.

A taxa de renovao ser a taxa de avarias e, mesmo que a princpio no

seja constante, tender para um valor constante igual ao inverso do valor
esperado do tempo entre avarias.

49
Neste processo os incrementos no so independentes. Considerando
apenas a situao em que sabemos quando ocorreu a ltima avaria,
teremos

R(t,t+w) = Pr{N(t,t+w)=0|t-TN(t)} =

{RX(t-TN(t)+w)}/{RX(t-TN(t))}

(4.29)

4.2.2.9 Escolha do modelo

A figura da pgina seguinte, 4.5, apresenta o esquema de seleco do

modelo que representa o processo que estejamos a estudar. Assim,
basicamente, temos que distinguir entre processos com taxa de avarias
constante e processos sem taxa de avarias constante. Se a taxa de avarias
no for constante, deveremos verificar se o processo NHPP. Se for
constante mas a funo de risco no for constante (situao mais comum
nos equipamentos sujeitos a desgaste e degradao), deveremos optar por
um processo de renovao. Neste caso, o tempo de calendrio obedece a
uma distribuio exponencial negativa (ver captulo 5) com parmetro e
os tempos entre avarias obedecero a outra distribuio com parmetros
hX.

50
 Figura 4.5
Seleco do modelo
(Adaptado de Ascher e Feingold)

51
4.3 Curva da banheira

Os modelos referentes ao comportamento do material derivam da

necessidade de avaliar os modos de degradao dos equipamentos ao
longo da sua vida til. Essa degradao vai influenciar a evoluo da taxa
de avarias ao longo do tempo que representada pela conhecida "curva
da banheira" (fig. 4.6).

(t)

equipamento equipamento
mecnico electrnico

avarias aleatrias

arranque vida til desgaste t

Curva da banheira
Figura 4.6

Esta curva retrata os trs perodos distintos da vida do equipamento,

juventude (arranque), maturidade (vida til) e velhice (desgaste). No
perodo de maturidade as avarias devero ocorrer de forma aleatria com
taxa de avarias aproximadamente constante.

Actualmente tem que se ter em conta que os utilizadores, em muitos

casos, j no observam a primeira fase desta curva. Isto relaciona-se com
o facto de muitos equipamentos chegarem s mos dos utilizadores j
testados e rodados de forma a eliminar a parte de "mortalidade" inicial. A
curva fica, assim, apenas com duas zonas.

importante esclarecer que a curva da banheira, embora possa ser

apresentada com a mesma forma para sistemas reparveis e para sistemas
no reparveis, no representa o mesmo nos dois casos. Assim, nos
sistemas reparveis ela representa efectivamente a taxa de avarias em
funo do tempo de servio acumulado mas nos sistemas no reparveis

52
representar a variao da funo de risco com a idade. Em termos gerais,
pode-se considerar uma curva da banheira para sistemas reparveis e
outra para sistemas no reparveis.

Atravs de reconstrues ou de grandes revises das instalaes

industriais ou dos veculos podem esses equipamentos encetar novos
perodos de vida. Como, ento, j os equipamentos no se encontram
novos, esses perodos adicionais de vida vo sendo cada vez menores e
tm taxa de avarias a estacionar em valores cada vez mais altos. Pode-se
fazer a comparao com um processo de amortecimento.

As reconstrues deixam de ser rentveis quando os seus custos somados

aos custos de manuteno regular no so suficientemente superiores aos
benefcios retirados do funcionamento dos equipamentos.

No limite a taxa de avarias ser constante. Para efeitos prticos poder-se-

considerar taxa constante logo a partir de um nmero restrito de
"amortecimentos" (at 2 ou 3, por exemplo).

A passagem ao limite implica uma ocorrncia aleatria de avarias a taxa

constante, ou seja, apareceriam como resultado de um processo de
Poisson homogneo.

A aplicao de modelos matemticos em Manuteno, no que respeita ao

comportamento dos materiais, baseia-se essencialmente nas diferentes leis
de fiabilidade. Cada uma dessas leis origina uma distribuio que teremos
que comparar com os resultados observados.

No caso de ajustamento de modelos paramtricos (com ajustamento de

distribuio) a sistemas reparveis, a taxa de avarias aparece-nos
claramente definida como funo do tempo de servio (ou igual a
constante, como caso particular). H interesse na utilizao de modelos
aplicados a processos pontuais no homogneos de Poisson, processos em
que a taxa de avarias depende do tempo, quando os equipamentos se
encontram em situaes em que a taxa de avarias tende a decrescer com o
tempo. Repare-se que, em caso contrrio, no rentvel investir no
equipamento.

o comportamento dos materiais que vai determinar tambm o clculo

do MTBF e atravs deste clculo que se podem planear as intervenes
de manuteno preventiva. Contudo, as substituies preventivas s
devem ser feitas sobre componentes com funo de risco crescente.

53
54
5 - Distribuies mais comuns em fiabilidade

Neste captulo iremos estudar algumas das distribuies mais importantes

nas aplicaes fiabilsticas e alguns aspectos relacionados com a
respectiva utilizao.

H dois tipos caractersticos de problemas de fiabilidade tratados por

modelos estatsticos:

o problemas em que possumos um conjunto de dados a partir dos

quais pretendemos calcular a funo fiabilidade e respectivos
parmetros, ajustando ou no uma distribuio;
o problemas em que se pretende calcular a fiabilidade relativa a um
dado momento e/ou parmetros relacionados, conhecendo uma
distribuio prvia.

Neste captulo, para alm das distribuies propriamente ditas, iro ser
tratados aspectos relativos ao tratamento dos dados. Os dados so,
normalmente, tempos entre avarias ou tempos at falha.

Duas distribuies contnuas assumem particular relevncia em

Fiabilidade, a distribuio exponencial negativa, aplicvel quando a
funo de risco ou a taxa de avarias, conforme os casos, se podem
considerar constantes, e a distribuio de Weibull.

5.1 - Distribuio exponencial negativa

A distribuio exponencial negativa de fiabilidade dada por

R(t) = e t (5.1)

em que pode representar uma taxa de avarias constante e t um tempo de

funcionamento de um equipamento reparvel desde, por exemplo, a
entrada em funcionamento. Se, na expresso 5.1, substitussemos por h,
teramos uma funo de risco constante e t a representar um tempo
contado desde a ltima avaria.

Vejamos alguns exemplos de aplicao.

55
Exemplo 1
Uma mquina apresenta uma taxa de avarias constante de uma avaria em
cada 10 semanas.

a) Qual a probabilidade de ocorrer uma avaria antes de 5 semanas?

P(t<5) = 1 - e t = 1 e 0.1*0.5 = 0.39

b) Se houver 10 mquinas a trabalhar, qual a probabilidade de haver um

intervalo inferior a uma semana entre duas avarias?

= 1/10 * 10 = 1
P(t<1) = 1 - e 1*1 = 0.63

Exemplo 2
Um equipamento apresenta MTBF constante de 1000 horas. Em
funcionamento contnuo, qual a sua fiabilidade ao fim de 1 dia de
trabalho?

MTBF = 1000 h
= cte = 1/1000 h 1
t = 24 h
R(24) = e .24 = 0.98

Exemplo 3
Pretende fazer uma viagem de 1000 km por carro.

a) Supondo que o seu carro tem uma taxa de avarias constante,

= 10 4 km 1 , qual a possibilidade de o seu carro no avariar pelo
caminho?
4
R(1000) = e (10 ).1000
= e 0.1 = 0.905

b) Se o carro for reviso de 10000 em 10000 km e essa reviso durar 1

dia (em que faria, em mdia, 100 km), qual a disponibilidade do seu
carro?

A = (10000)/(10000+100) = 0.99

56
5.2 - Distribuio de Weibull

A distribuio de Weibull possui a importante propriedade de no possuir

uma forma caracterstica. De facto, ajustando os parmetros desta
distribuio, ela pode ajustar-se a diversas distribuies do tempo entre
avarias.

Aplica-se a muitos tipos de equipamentos mecnicos. Pode-se considerar

para a distribuio de Weibull a seguinte expresso:

t
R(t ) = exp(-( ) ) (5.2)

o parmetro de forma e o parmetro de escala ou vida caracterstica,

pois corresponde ao tempo ao fim do qual a probabilidade de falha atinge
63.2%.

A distribuio de Weibull tem uma grande vantagem quando utilizada em

trabalhos de fiabilidade, pois, por modificao dos parmetros da
distribuio, nomeadamente o parmetro de forma, pode ajustar-se a
muitas distribuies de tempos de vida tpicos. As mais importantes so a
distribuio exponencial negativa (=1) e a distribuio normal (=3.5).

Exemplo
O tempo de vida de um rolamento numa dada instalao representado
de forma satisfatria por uma distribuio de Weibull com = e =
5000.
a) Calcule a probabilidade de o rolamento durar pelo menos 6000
horas.
b) Calcule o tempo mdio de vida.

a) P(X>6000) = 1- F(6000) = exp(-(6000/5000)1/2) = 0.334

b) F(t) = 0.5 = 1 exp(-(t/5000)1/2 t = 2402 h

O exemplo anterior representa um problema em que pretendemos calcular

valores conhecendo de antemo a distribuio a que obedecem.

Vamos apresentar de seguida um mtodo grfico para ajustamento de

uma distribuio de Weibull a um conjunto de dados.

57
Vamos, portanto, proceder, atravs de um mtodo grfico estimativa
dos parmetros da distribuio de Weibull.

Viu-se que a distribuio de Weibull dos tempos entre avarias ou at

falha poderia tomar vrias formas, consoante os parmetros tomassem
uns ou outros valores.

H, por isso, perante um determinado conjunto de tempos aos quais se

pretenda ajustar a distribuio de Weibull, que determinar os valores
daqueles parmetros. Os processos de o fazer so essencialmente dois:

- atravs de programa informtico, e hoje h muitas verses divulgadas,

seja na literatura ou nos pacotes de software da especialidade;
- atravs de mtodo grfico, usando o chamado papel de Chartwell que
se apresenta em anexo.

esse mtodo que se passa a descrever.

O mtodo grfico permite obter resultados satisfatrios sem necessidade

de recorrer a tratamentos estatsticos mais complexos.

Para se utilizar o papel de Chartwell, deve-se ordenar a informao em

funo do tempo de funcionamento e, em seguida, estimar a funo
infiabilidade (1- funo fiabilidade) utilizando uma frmula do tipo

^ i 0.3
F= * 100(%) (5.3)
n + 0.4

em que
i - n de ordem da falha
n - dimenso da amostra (itens em observao)
^
Os pontos (TTF, F ) marcam-se no papel e, em seguida, traa-se a recta
que melhor se adequa a todos esses pontos.

Deve-se proceder como a seguir se indica:

1 - A recta deve passar pelo ltimo ponto marcado

2 - Deve-se procurar que os pontos de um e de outro lado da recta sejam

em igual nmero

58
 ^
O valor de obtido pela interseco da recta com o Estimador ,
sendo a leitura efectuada na escala dos tempos.
^
Para determinar tira-se uma perpendicular a partir do ponto de
Estimao. O ponto de interseco desta perpendicular com a escala
^ ^
dos fornece o valor de .

Exemplo

Falha n Tempo de funcionamento

(TTF)

1 331
2 478
3 715
4 779
5 982
6 1040
7 1299
8 1442
9 1466
10 1657
11 2041
12 2283

a) Acrescente tabela anterior a coluna correspondente a

^ i 0.3
F= * 100(%)
n + 0.4

i - n de falha
n - dimenso da amostra

b) Utilizando o papel de Chartwell, estime os parmetros da distribuio

de Weibull para este exemplo.

c) Indique tambm, recorrendo ao papel de Chartwell, a mdia estimada,

indicando esse valor no campo que lhe destinado no papel de Chartwell.
O exemplo anterior encontra-se resolvido em anexo.

59
5.3 - Testes de hipteses e nveis de significncia

Seja uma populao com distribuio F e desconhecido. Suponhamos

que pretendemos testar uma qualquer hiptese (palpite) sobre . Chama-
se a essa hiptese a hiptese nula ( H 0 ). Por exemplo, se a nossa
distribuio F for uma funo normal com mdia e varincia 1, ento
h duas hipteses possveis para :

H 0 : = 1
H1 : 1

Repare-se que, neste caso, a hiptese nula especifica completamente a

distribuio da populao enquanto H1 no o faz.

Ento, para testar H 0 necessrio ter uma amostra de uma populao;

seja X1, X2Xn a amostra observada com tamanho n. com base
naqueles n valores que temos de decidir sobre a aceitao ou no de H 0 .
O teste realizado definindo uma regio C fora da qual a nossa amostra
dever estar:

( X 1 , X 2 ... X n ) C aceitarH 0
( X 1 , X 2 ... X n ) C rejeitarH 0

Por exemplo, pode-se testar a hiptese de a mdia de uma populao

normal com varincia 1 ser 1 com a regio crtica C dada por

X 196
.
}
i
i =1
C = ( X 1 , X 2 ... X n ): 1 > (5.4)
n n

196
.
Se a mdia diferir de 1 mais que rejeita-se H 0 .
n

H dois tipos de erro num teste de hipteses:

- erro Tipo I rejeitar H 0 devendo aceit-la

- erro Tipo II aceitar H 0 devendo rejeit-la

60
O objectivo do teste no determinar se H 0 verdadeira mas se
consistente com os nossos dados. Para isso especifica-se um valor de de
tal modo que, sempre que H 0 seja verdadeira, a possibilidade de ser
rejeitada (Tipo I) nunca seja maior que . o nvel de significncia do
teste (normalmente 0.1, 0.05 ou 0.005).

Como exemplo, seja X1,Xn uma amostra de uma distribuio normal

com mdia desconhecida e varincia 2 conhecida.

H 0 : = 0
H1 : 0

X i
X =
i =1
um estimador de e ento:
n

C = ( X 1 ... X n ): X 0 > C (5.5)

Se quisermos especificar o nvel de significncia para o nosso teste,

teremos que ter

P0 X 0 > C = (5.6)

de modo a determinar o valor de C.

2
Quando = 0 , X normal com mdia 0 e varincia e pode-se
n
definir Z como

X 0
Z= (5.7)
/ n

e sabemos que Z normal unitria.

Ento pode-se escrever

C n
P Z > = (5.8)

61
ou
C n
2 P Z > = (5.9)

Mas { }
P Z > Z / 2 = / 2 (5.10)

C n
= Z / 2

e ento (5.11 a), b))
Z / 2
C=
n

Assim, as nossas condies de aceitao sero

n
aceitar H 0 se X 0 Z /2 (5.12)

n
rejeitar H 0 se X 0 > Z /2 (5.13)

Exemplo 1
Envia-se um sinal de valor de um local A para um local B. Em B esse
sinal recebido de forma normalmente distribuda com mdia e desvio
padro 2.

As pessoas pensam que o sinal enviado hoje ter =8. Teste essa hiptese
se esse sinal for enviado 5 vezes de forma independente com mdis do
valor recebido em B de 9.5. Use =0.05.

Sero os dados inconsistentes com aquela hiptese? Explique a sua

resposta.

Como caracterizaria o rudo aleatrio adicionado ao sinal?

Repita o teste com =0.1. Que aconteceu? Porqu?

=0.05

n 5
X 0 = (9.5 8) = 168
.
2

62
Z 0.025 = 1.96 > 1.68 H 0 aceite

Os dados no so inconsistentes com a hiptese nula no sentido em que

uma mdia de amostra afastada do valor 8 at 2 era esperada pelo menos
at 5% dos envios.

Quanto ao rudo segue uma normal N(0.4) com mdia 0 e desvio 2.

Para =0.1, encontramos um valor para o Z correspondente, consultando

mais uma vez as tabelas da normal, de 1.64. Como este valor inferior a
1.68, tem que se rejeitar a hiptese nula. Isto acontece porque no se
espera que a mdia da amostra se afaste tanto da mdia do sinal em 10%
dos envios (ou do tempo de envio).

Exemplo 2

Um rolamento de esferas tem um tempo de vida normalmente distribudo,

com uma mdia de 6000h e um desvio padro de 450h. Utilizmos um
novo lubrificante numa amostra de 9 unidades, tendo obtido um tempo de
vida mdio de 6400h. Teria o novo lubrificante provocado uma alterao
do tempo de vida mdio dos rolamentos?

| 6000 6400 |
z= = 2.67
450 x9 1 / 2

Do anexo 1, infere-se que z=2.67 indica uma probabilidade acumulada de

0.996. isto indica que s h uma probabilidade de 0.004 de a alterao se
verificar por acaso, ou seja, a alterao estatisticamente significativa ao
nvel de 0.4%. Ento, rejeitamos a hiptese nula de que os dados da
amostra derivem da mesma distribuio normal que a populao e
deduzimos que a alterao ao lubrificante proporciona de facto um
aumento da vida dos rolamentos.

5.4 - Teste de Laplace

Este teste ser o procedimento utilizado sempre que se pretenda verificar

uma das seguintes situaes: i ) se um modo de avaria I I D,
procurando-se posteriormente o seu ajustamento a uma determinada

63
distribuio estatstica; ii ) se a taxa de avarias de um sistema constante,
sabendo-se que as avarias tem como origem os vrios componentes que
compe o sistema.

O teste de Laplace pretende verificar se numa dada sequncia de

acontecimentos, fazendo parte de um processo de ocorrncias aleatrias,
estas so independentes e identicamente distribudas, constituindo um
Processo de Poisson Homogneo e tendo, portanto, uma taxa de avarias
constante.

Comearemos por aplicar o teste bilateral, sempre que no se conhea a

tendncia do fenmeno. Este teste baseia-se nos seguintes procedimentos:

a) Executar um teste de hipteses, em que a hiptese nula, Ho,

estabelece serem os acontecimentos I I D, Independentes e
Identicamente Distribudos, e em que a hiptese alternativa, H1,
estabelece serem os acontecimentos no I I D.
b) Calcular o valor da estatstica do teste, ET , determinando o valor
equivalente de U em que U > N ( 0, 1 ) .
ET = U em que, quando o teste limitado pelo tempo teremos:

N
Ti
U = 12 N i =1 0.5 (5.14)
NTo


N - nmero de ocorrncias
Ti - tempos das ocorrncias
To - tempo de observao

Quando o teste limitado por uma avaria vir :

N 1
Ti
U = 12( N 1) i =1 0.5 (5.15)
( N 1) To


N - nmero de ocorrncias
Ti - tempos das ocorrncias
To - tempo da ltima avaria

c) Especificar o nvel de significncia bilateral, , para o teste que

no nosso caso ser de = 5%.

64
 d) Determina o valor da normal padronizada referente ao nvel de
significncia definido, z/2, e compara-o com o valor de U
calculado, procedendo em seguida tomada de deciso.
Se -z/2 U z/2 o teste inconclusivo e aceita-se a Hiptese
Nula, se a amostra for representativa do fenmeno que est a
modelar; caso contrrio dever-se- recolher mais dados.
Se U< -z/2 ou U>z/2 o teste conclusivo e rejeita-se a
Hiptese Nula.
Nota: se considerarmos um nvel de significncia bilateral de 5% ,
teremos z=1,96.

Quando, aps ter conhecimento de que num processo de pontos

aleatrios, estes no so Independentes e Identicamente Distribudos,
constituindo um Processo de Poisson No Homogneo e tendo, portanto,
uma taxa de avarias que no constante no tempo e se pretende
determinar se a tendncia da taxa de avarias crescente ou decrescente,
passar-se- utilizao de um teste unilateral.

O teste de Laplace unilateral tem os seguintes procedimentos:

a) Executar um teste de hipteses, em que a hiptese nula, Ho,

estabelece que os acontecimentos so I I D, tendo uma taxa de
ocorrncias constante, e em que a hiptese alternativa, H1,
estabelece que a taxa de ocorrncias
(i) crescente ou
(ii) decrescente.
b) Calcular o valor da estatstica do teste, ET , determinando o
valor equivalente de U em que U > N ( 0, 1 ) . Sendo ET = U
c) Especificar o nvel de significncia unilateral, , para o teste
que no nosso caso ser = 5%.
d) Determinar o valor da normal padronizada referente ao nvel de
significncia definido, z, e compara-o com o valor de U
calculado, procedendo em seguida tomada de deciso, podendo,
neste caso, ocorrer uma de duas situaes:
i) Se U z o teste inconclusivo e aceita-se a Hiptese
Nula, se a amostra for representativa do fenmeno que est a
modelar; caso contrrio dever-se- aumentar o nmero de
observaes.
Se U > z, o teste conclusivo e rejeita-se a Hiptese Nula,
considerando-se a taxa de ocorrncias crescente.

65
 ii) Se U - z o teste inconclusivo e aceita-se a Hiptese
Nula, se a amostra for representativa do fenmeno que est a
modelar; caso contrrio dever-se- aumentar o nmero de
observaes.
Se U < -z o teste conclusivo e rejeita-se a Hiptese Nula,
considerando-se a taxa de ocorrncias decrescente.
Nota: para um nvel de significncia unilateral de 5% , z = 1,64.

Vamos ver de seguida algumas limitaes da aplicao terica do teste de

Laplace.

Ao considerarmos que a ocorrncia de avarias nos subsistemas IID,

uma vez que estamos perante sistemas reparveis, existem pressupostos
que podem ser questionados, tais como:

- O incio da nossa anlise no coincidir com o incio do funcionamento

do sistema.

- Os modos de avaria mais importantes do sistema serem usualmente

causados por partes que tm probabilidade de ocorrncia de avarias
crescente no tempo, como o caso das avarias causadas por desgaste de
peas.

- Por vezes uma avaria ou uma reparao de um subsistema poder causar

prejuzos noutros subsistemas, o que indiciar que os tempos de
funcionamento no sero obrigatoriamente independentes.

- As reparaes no restiturem o subsistema ao estado de novo e, no

sendo sempre perfeitas, introduzindo, eventualmente, outros defeitos que
iro provocar falhas noutros subsistemas. As reparaes so feitas
ajustando, lubrificando ou recondicionando os elementos de sistemas que
se esto desgastando, favorecendo um novo prolongamento de vida, o que
no o mesmo que restituir o elemento ao estado de novo.

- A substituio de uma parte por outra de diferente origem poder

originar variaes na taxa de avarias do sistema em que est inserido.

- A capacidade de diagnosticar as avarias altera-se com a aquisio de

experincia por parte dos trabalhadores do sector de manuteno, cuja
eficincia melhora com o tempo, aumentando a probabilidade de uma
reparao adequada. Verifica-se, assim, um aumento do nmero de

66
avarias sofridas pelo equipamento sempre que h alteraes dos
elementos que constituem as equipas de manuteno.

- No mecanismo de gerao de falhas por fadiga induzida os ciclos de

arranque-paragem, diferentes modos de uso, diferentes modos de
operao do sistema ou prticas de manuteno diferentes, serem
frequentemente mais importantes do que os tempos de operao.

- O processo de registo de avarias poder estar sujeito a erros, se o

conceito de avaria aparecer associado a perda de performance, sabendo-
se que a percepo de avarias est condicionada pela experincia anterior
e pela cobertura ou no de uma garantia de funcionamento. Existe sempre
alguma subjectividade num registo de dados de avarias.

- A probabilidade de ocorrncia de avarias ser afectada pelas polticas de

manuteno. Os sistemas que sofreram uma reparao geral, por terem
sido sujeitos a uma estratgia de melhoria de fiabilidade, frequentemente
passam por uma fase de mortalidade infantil, apresentando taxas de avaria
superiores logo aps a reparao, devido a componentes que noutras
circunstncias no teriam avariado . No caso de haver um perodo de
ensaio logo aps uma reparao geral, muitas destas falhas podem ser
eliminadas.

- As peas de substituio nem sempre serem produzidas para o mesmo

tipo de equipamento em que vo ser substitudas, provocando, por vezes,
um diferente funcionamento do sistema em que foram aplicadas .

- As avarias de um sistema poderem ser causadas por componentes que

individualmente cumprem as tolerncias de funcionamento mas que no
seu conjunto apresentam tolerncias que provocam avarias ao sistema .

- Algumas das avarias registadas no serem provocadas por qualquer

avaria de componentes mas por outros motivos, como ligaes
intermitentes e utilizao defeituosa.

Exemplo
Uma rotovlvula motorizada instalada numa cadeia de processo funciona
normalmente em stand-by, sendo solicitada apenas quando ocorre um
sobreaquecimento no referido processo. O nico modo de avaria

67
significativo a falha solicitao. A tabela seguinte mostra, por
ordem cronolgica de ocorrncias, os tempos entre avarias, em meses, o
nmero de solicitaes entre avarias e o respectivo nmero acumulado de
solicitaes. O nmero total de solicitaes, no perodo considerado, foi
de 5256. Determine se a taxa de avarias crescente.

Tempo entre avarias N de solicitaes Idem acumulado

4 104 104
5 131 235
62 1597 1832
2 59 1891
0 4 1895
19 503 2398
6 157 2555
0 6 2561
5 118 2679
7 173 2852
4 113 2966
2 62 3028
4 101 3129
8 216 3345
4 106 3451
5 140 3591
0 1 3592
4 102 3694
0 3 3697
15 393 4090
4 96 4186
9 232 4418
3 89 4507
2 61 4568
1 37 4605
11 293 4898
0 7 4905
6 165 5070
3 86 5157
4 99 5256
Como, neste exemplo, o fim da observao coincide com uma avaria,
vamos usar a expresso 5.15.

U = 2.41

68
Para testar a hiptese nula de que no h tendncia nos dados e de que a
taxa de avarias constante, usa-se a tabela da normal que consta do 1
anexo. Quando U=2.41, (z)=0.992. Rejeita-se ento a hiptese nula ao
nvel de significncia de 1%.

5.5 - Teste qui-quadrado

Se pretendermos verificar se um determinado conjunto de dados segue

uma qualquer distribuio podemos comparar os valores que essa
distribuio daria para um conjunto de valores equivalente com os dados
que possumos atravs de um teste de qui-quadrado.
Utiliza-se normalmente com um nmero de observaes maior ou igual a
50. Trata-se de um teste baseado nas diferenas entre os valores
observados e os valores fornecidos pelo modelo terico.

Utilizam-se geralmente classes de frequncia e, em cada classe, deve-se

obter um nmero de observaes maior ou igual a 5. A amplitude das
classe de frequncia no necessariamente igual.

A aplicao do teste do qui-quadrado faz-se segundo a frmula

k (o j e j ) 2
=
2
(5.16)
j =1 ej

em que o se refere a frequncias observadas e e se refere a frequncias

esperadas.

Exemplo

Efectuou-se um teste de qui-quadrado comparativo entre frequncias reais

e frequncias esperadas para os valores que uma varivel designada por
ampl tomava ao fim de um certo tempo t, medido em dias, e
obtiveram-se as seguintes tabelas de frequncias para cada caso:

Classes de frequncia por tempos de sobrevivncia

aps observao de .4<ampl<.6
Tabela 5.1

t (dias) at 8 8-9 9-10 10-11 11-12 12-13 >13

69
 freq. .25 .07 .08 .08 .17 .17 .18
rel.
freq. 27 7 9 8 18 18 19

Classes de frequncia por tempos de sobrevivncia esperados

para ampl = 0.5
Tabela 5.2

t (dias) at 8 8-9 9-10 10-11 11-12 12-13 >13

freq. .20 .06 .08 .05 .21 .19 .21
rel.
freq. 21 6 9 5 22 20 22

Da aplicao de 5.16 aos valores apresentados nas tabelas 5.1 e 5.2

resulta para qui-quadrado um valor de 5.03. Tendo sido feita uma
aplicao para 7 categorias diferentes, compara-se o valor obtido com o
valor crtico de qui-quadrado para 6 graus de liberdade (nmero de
classes de frequncia 1). Tem-se:

.299 = 16.8
.295 = 12.6

Face a estes resultados conclumos que as frequncias observadas e as

frequncias esperadas no diferem de modo significativo pelo que os
resultados obtidos devem ser considerados fiveis para esta aplicao.

70
6 - Associaes de equipamentos

Por vezes necessrio associar equipamentos em srie (para obter um

aumento de uma caracterstica) ou em paralelo (para aumento de
caractersticas ou de fiabilidade da instalao).

Neste captulo apresentam-se as expresses para a fiabilidade de algumas

associaes de equipamento.

6.1 - Associao em srie

A expresso para a fiabilidade dada por

n
Rs (t ) = Ri (t ) (6.1)
i =1

em que o ndice s se refere associao em srie e o ndice i ao item i.

6.2 - Associao em paralelo

Nas associaes em paralelo, a falha de um equipamento no implica a

falha da instalao que, assim, se torna redundante.

Distinguem-se trs classes de redundncias:

- Redundncia activa total

- Redundncia activa parcial
- Redundncia sequencial

6.2.1 - Redundncia activa total

um tipo de redundncia caracterizado por:

- todos os equipamentos funcionarem simultaneamente, se

disponveis
- a instalao s falhar quando todos os equipamentos falharem

A expresso geral da fiabilidade da instalao dada por

71
 [ ]
n
Rt (t ) = 1 1 Ri ( t ) (6.2)
i =1

6.2.2 - Redundncia activa parcial

Esta redundncia caracterizada por:

- todos os equipamentos funcionarem em simultneo, se

disponveis
- a instalao apenas precisa de k<n dos n equipamentos para
funcionar

Quando k=1, tem-se redundncia activa total e quando k=n, em termos de

fiabilidade, tem-se a associao em srie.

Considerando os equipamentos independentes e com fiabilidades iguais,

tem-se
k 1
Rk / n (t ) = 1 C in [R (t )] [1 R (t )]
n i
i
(6.3)
i =0

6.2.3 - Redundncia sequencial

Neste tipo de redundncia, os equipamentos encontram-se ligados em

paralelo. Contudo, um ou mais equipamentos esto na situao de stand-
by, ou seja, s comeam a operar quando falha o equipamento que
normalmente trabalha.

Para a expresso 6.4 abaixo ser vlida tm que se ter em conta os

seguintes pressupostos:

- os equipamentos tm todos taxas de avarias constantes e iguais a

- o comutador entre equipamentos no falha

- enquanto um equipamento estiver em stand-by no falha

Pode-se, ento, escrever, para n equipamentos:

72
 n 1
( t) i t
Rt (t ) = e (6.4)
i =0 i!

Exemplo 1
Um sistema electrnico composto por um transmissor, um receptor e
uma fonte de alimentao em srie.
As fiabilidades destes componentes para uma misso de 1000 h, so as
seguintes:
R ( transmissor ) : 0.8521
R ( receptor ) : 0.9712
R ( fonte de alimentao ) 0.9357
a)Diga qual a fiabilidade do sistema assim constitudo para as mesmas
1000 h?
b)Sabendo que o sistema tem uma taxa de avarias constante calcule a
fiabilidade do sistema para uma misso de 3000 h ?

a) R = R(t) x R(r) x R(fa) = 0.8521 x 0.9712 x 0.9357 = 0.7743

b) R(1000) = 0.7743 = exp(-1000) = 0.0002558 h-1
R(3000) = exp(-0.0002558x3000) = 0.4642

Exemplo 2
Um mquina agrcola tem um sistema de controlo de profundidade de
lavoura cujo funcionamento se pode representar por um diagrama de
blocos constitudos pelos componentes A, B e F; e pelos subsistemas C e
D, como o que se encontra representado na figura. Sabendo que:
O componente A tem uma lei de vida expressa por uma distribuio de
Weibull com um factor de forma 2,1 e uma vida caracterstica de 1950 h.
O componente B, tem uma vida normalmente distribuda de mdia 2400h
e desvio padro 450h.
O componente F, tem uma lei de vida expressa por uma distribuio de
Weibull com um factor de forma 2,7 e uma vida caracterstica de 2400 h.
O subsistema C tem uma taxa de avarias constante e igual a 0,000032
avarias/ hora.
O subsistema D tem um tempo mdio entre avarias de 2600h.

Calcule a fiabilidade do sistema apresentado s 1500h.

A Weibull
= 2.1 = 1950

R(1500) = exp(-(1500/1950)2.1) = 0.5619 = RA

73
B Normal
= 2400 = 450

z = (x-)/ = (1500-2400)/450 = -2

(2) = 1-(-2) = 0.9772 = RB

F Weibull
= 2.7 = 2400

R(1500) = exp(-(1500/2400)2.7) = 0.7549 = RF

C Sub-sistema
Exponencial negativa
= 0.000032
R(1500) = exp(-0.000032 x 1500) = 0.9531 = RC

D Sub-sistema
Exponencial negativa
MTBF = 2600
R(1500) = exp(-1500/2600) = 0.5616 = RD

RABC = 0.5619 x 0.9972 x 0.9531 = 0.5340

RDF = 0.5616 x 0.7549 = 0.4239

R = 1-(1-0.5340)(1-0.4239) = 0.7292

74
Bibliografia

AEM
El Mantenimiento en Espaa
Asociacion Espaola de Mantenimiento
Barcelona, 1990

AFNOR
Maintenance Industrielle
Paris, 1988

Anderson, Ronald T. e Neri, Lewis

Reliability Centered Maintenance
Elsevier Applied Science, 1990

Ascher, Harold e Feingold, Harry

Repairable Systems Reliability - Modeling, Inference, Misconceptions
and their causes
Marcel Dekker, Inc.
New York, 1984

Bloch, Heinz P.
Improving Machinery Reliability
Practical Machinery Management for Process Plants (vol 1)
Gulf Publishing Company
Houston, 1988

Cannon, A. G. e Bendell, A.
Reliability data banks
Elsevier Applied Science
Londres, 1991

Corder, A. S.
Maintenance Management Techniques
McGraw-Hill
Londres, 1976

Ireson, W. Grant e Coombs, Clyde F.

Handbook of Reliability Engineering and Management
McGraw-Hill
London, 1988

75
Jardine, A. K. S.
Maintenance, Replacement and Reliability
Pitman Publishing
Ontario, 1979

Jardine, A. K. S.
Operational research in Maintenance
Manchester University Press, 1973

Kelly, A. e Harris, M. J.
Management of Industrial Maintenence
Newnes-Butterworths
Londres, 1977

Klaasen, Klaas B.
System Reliability, concepts and applications
Edward Arnold
London, 1989

Krishnaiah, P. R. e Rao, C. R.
Quality Control and Reliability
North Holland - Handbook of Statistics, vol. 7
Amsterdam, Oxford, 1988

Lyonnet, Patrick
La maintenance - mathmatiques et mthodes
Technique et Documentation - Lavoisier
Paris, 1989

Lyonnet, Patrick
Les outils de la qualit totale
Technique et Documentation - Lavoisier
Paris, 1991

O'Connor, Patrick
Practical Reliability Engineering
John Wiley and Sons, 1992

Pereira, Filipe Jos Didelet

Modelos de Fiabilidade em Equipamentos Mecnicos
Tese de Doutoramento
Faculdade de Engenharia da Universidade do Porto

76
Porto, 1996

Villemeur, Alain
Reliability, Availability, Maintainability and Safety Assessment (Vol. 1) -
Methods and Techniques
John Wiley & Sons
Chichester, 1992

77
ANEXOS

78
Normal Estandardizada

(retirado de OConnor)

79
80
Papel de Chartwell

81
82
 Resoluo do exemplo do sub-captulo 5.2

Falha n t ^F=(i-3)/(n+0.4)x100

83
 1 331 5.6
2 478 13.7
3 715 21.7
4 779 29.8
5 982 37.9
6 1040 45.9
7 1299 54
8 1442 62.1
9 1466 70.1
10 1657 78.2
11 2041 86.3
12 2283 94.3

Na tabela anterior:
i n de falhas
n dimenso da amostra

Para o nosso exemplo, a dimenso da amostra de 12 com um tempo

mdio de 1209.4 h.

Utilizando o papel de Chartwell foram estimados os seguintes

parmetros, tal como se pode ver na pgina seguinte:

(forma) = 2.05 h
(vida caracterstica) = 1404.3 h
(mdia) = 1211.5 h

84
Qui-quadrado

85
(retirado de OConnor)

86
87