Apostila Icap 2009 Completa

PS-GRADUAO LATO SENSU APERFEIOAMENTO PROFISSIONAL
ENGENHARIA DE MANUTENO

CONFIABILIDADE APLICADA MANUTENO

Prof. Dr. Evaldo Khater
Abril/2009
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater
2

I - NOES DE ESTATSTICA

1- Fenmenos Aleatrios.

Em muitos fenmenos que ocorrem, com ou sem a interferncia do homem, tais como:
lanamento de uma moeda, jogo de dados, sorteio de uma carta de baralho, nascimento de
uma criana, extrao de uma entre vrias bolas de uma urna, produo de pea em
mquina automtica, etc.

Observamos que, mesmo repetidos vrias vezes, sob condies bem semelhantes,
apresentam resultados completamente imprevisveis. Tanto isto verdade que alguns
destes fenmenos so usados nos jogos de azar ( moeda, dados, cartas, loteria, etc. )
Chamaremos estes fenmenos de fenmenos aleatrios.

2- Conjunto Universo. Evento.

2.1 Definio:

O conjunto de todos os resultados possveis de um fenmeno aleatrio chama-se conjunto
universo ( ou espao de prova ) do fenmeno e representado por U.

Exemplos:

1) Joga-se um dado e l-se o nmero de pontos da face voltada para cima:

U = {1, 2, 3, 4, 5, 6}

2) Joga-se uma moeda e l-se a figura da face voltada para cima:

U = { cara, coroa }

3) Jogam-se dois dados ( um branco e outro azul ) e lem-se os nmeros de pontos,
respectivamente b e a , que se indica ( b, a ). O conjunto universo o conjunto dos pares
ordenados da tabela:

( 1, 1 ) ( 2, 1 ) ( 3, 1 ) ( 4, 1 ) ( 5, 1 ) ( 6, 1 )
( 1, 2 ) ( 2, 2 ) ( 3, 2 ) ( 4, 2 ) ( 5, 2 ) ( 6, 2 )
( 1, 3 ) ( 2, 3 ) ( 3, 3 ) ( 4, 3 ) ( 5, 3 ) ( 6, 3 )
( 1, 4 ) ( 2, 4 ) ( 3, 4 ) ( 4, 4 ) ( 5, 4 ) ( 6, 4 )
( 1, 5 ) ( 2, 5 ) ( 3, 5 ) ( 4, 5 ) ( 5, 5 ) ( 6, 5 )
( 1, 6 ) ( 2, 6 ) ( 3, 6 ) ( 4, 6 ) ( 5, 6 ) ( 6, 6 )

4) Jogam-se duas moedas diferentes e lem-se os resultados das faces voltadas para cima,
indicando cara por F e coroa por C:

U = { (F, F), (F, C), (C, F), (C, C) }

3
5) De uma urna contendo 5 bolas vermelhas ( V
1
, V
2
, V
3
, V
4
e V
5
) e 1 bola branca (B)
retira-se uma bola:

U = { V
1,
V
2
, V
3
, V
3
, V
4
, B}

2.2 Definio:

Qualquer subconjunto de U chama-se evento. Retomando os exemplos anteriores, temos:

1) A = { 2, 4, 6 } o evento nmero de pontos obtidos no jogo de dado par.

B = { 1, 2, 3, 4 } o evento nmero de pontos obtidos no jogo de dado menor ou igual
a 4

2) A = { cara} o evento resultou cara no lanamento de uma moeda

3) A = { (1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) } o evento a soma dos pontos no
lanamento de dois dados 7.

B = { (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6) } o evento o dado branco apresentou 2
pontos.

4) A = { (F, F), (C, C) } o evento as duas moedas lanadas apresentaram resultados
iguais.

5) A = { V
1
, V
2
, V
3
, V
4
, V
5
} o evento a bola retirada da urna vermelha.

Notemos que o conjunto vazio ( ) tambm subconjunto de U, portanto, tambm um
evento: = evento impossvel
Notemos que U U, portanto, tambm um evento:

U = evento certo

Assim, por exemplo:

1) Ao jogar um dado, obter nmero de pontos maior que 6 um evento impossvel e
obter nmero de pontos menor ou igual a 6 um evento certo.

2) de uma urna que contm 5 bolas vermelhas e 1 bola branca, extrair uma bola preta
um evento impossvel e extrair uma bola vermelha ou branca um evento certo.

Chama-se complementar do evento A o evento A tal que

A = U A

Isto , A o conjunto dos elementos de U que no pertencem a A.

4
3 - PROBABILIDADE.

Consideremos, mais uma vez, o fenmeno aleatrio lanamento de uma moeda e leitura
da face voltada para cima. Se fizermos n experincias e obtivermos m vezes o resultado
cara , diremos que a freqncia absoluta do evento cara, m e a freqncia relativa
n
m
.

claro que, jogando-se a moeda uma vez, o resultado absolutamente imprevisvel,
porm, a experincia provou que, repetindo-se a experincia em nmero n crescente de
vezes, a ocorrncia do evento cara tende a estabilizar-se em torno da metade de n, isto :

se n + , ento
n
m

2
1

A tabela abaixo mostra os resultados de algumas experincias histricas neste assunto:

experimentador
KERRICH
BUFFON PEARSON
M
502 511 497 529 504 476 507 528 504 529 2048 12012
N
1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 4040 25000
m/n
0,502 0,511 0,497 0,529 0,504 0,476 0,507 0,528 0,504 0,529 0,50643 0,5005

Isto significa que no lanamento de uma moeda perfeita (homognea, simtrica, etc.) a
chance ou a probabilidade de obter cara ou 50%.

Esta e outras experincias aleatrias levaram os matemticos a aceitar uma definio que
permita o clculo da probabilidade de um evento A a priori, isto , sem determinar pela
experincia o limite da freqncia relativa do evento A quando n tende a infinito.

3.1 -Definio:

Se, num fenmeno aleatrio, o nmero de elementos do conjunto universo n(U) e o
nmero de elementos do evento A o nmero P(A), tal que,

) (
) (
) (
U n
A n
A p =

Notemos que:

1) Esta definio s vale se todos os elementos de U tiverem a mesma probabilidade, isto
, se o espao de prova equiprobalstico;

2) Sendo assim, n(A) o nmero de casos favorveis a A e n(U) o nmero de casos
possveis quando se realiza o experimento.

Exemplos:

1) Qual a probabilidade de jogar um dado e obter:
5

I.- 3 pontos?
II. nmero de pontos par?
III. nmero de pontos menor ou igual a 4?

Soluo:

I- U = {1, 2, 3, 4, 5, 6} e A = {3}

P(A) =
6
1
) (
) (
=
U n
A n

II- U = {1, 2, 3, 4, 5, 6} e B = {2, 4, 6}

P(B) =
2
1
6
3
) (
) (
= =
U n
B n

III - U = { 1, 2, 3, 4, 5, 6 } e C = {1, 2, 3, 4}

P(C) =
3
2
6
4
) (
) (
= =
U n
C n

2) Qual a probabilidade de lanar uma moeda e obter coroa?

Soluo:

U = {cara, coroa} e A = {coroa}

P(A) =
) (
) (
U n
A n
=
2
1

3) Qual a probabilidade de lanar um dado branco e outro azul e obter:

I- soma dos pontos igual a 7?

II- 2 pontos no dado azul?

Soluo:

Vimos que n(U) = 36, ento:

I- A= {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) }
6

P(A) =
6
1
36
6
) (
) (
= =
U n
A n

II- B = { (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6) }

P(B) =
6
1
36
6
) (
) (
= =
C n
B n

4) Qual a probabilidade de lanar duas moedas e obter resultados iguais?

Soluo:

U= {(F, F), (F, C), (C, F), (C, C) } e A = {( F, F), (C, C) }

P(A) =
2
1
4
2
) (
) (
= =
U n
A n

5) Qual a probabilidade de retirar uma bola de uma urna, contendo 5 bolas vermelhas e 1
branca, e obter uma bola vermelha?

Soluo:

U = { V
1,
V
2,
V
3,
V
4,
V
5,
B} e A = { V
1,
V
2,
V
3,
V
4,
V
5
}

P(A) =
6
5
) (
) (
=
U n
A n

3.2 Teorema:

A probabilidade um nmero real que varia de 0 a 1, ou melhor:

1 . P() = 0

2 . P(U) = 1

3 . 0 P(A) 1
_
4 . P(A) + P( A ) = 1

7
Demonstrao:

Se A um evento qualquer ento:

A U

logo os nmeros de elementos satisfazem desigualdade:

n() n(A) n(U)

) ( ) ( ) (
) (
) (
) (
) (
) (
) (
U p A p p
U n
U n
U n
A n
U n
n

Ento:

0 P(A) 1

Por outro lado temos:

A + A = U n(A) + n( A) = n(U)
) (
) (
U n
A n
+
n(U)
A) ( n
= 1 P(A) + P( A) = 1

4- Adio de Probabilidades:

4.1 Definio:

Dois eventos A e B so mutuamente exclusivos se, e somente se, A B = .
imediata a propriedade:

A B = P(A B) = 0

Isto , a probabilidade de ocorrerem simultaneamente dois eventos mutuamente
exclusivos nula.

Exemplos:

1) Jogando-se um dado, sejam A o evento obter dois pontos na face superior e B o
evento obter cinco pontos na face superior. evidente que A e B so mutuamente
exclusivos.

2) Uma urna contm 5 bolas vermelhas e 1 bola branca. Sejam A o evento extrair uma
bola vermelha da urna e B o evento extrair uma bola branca da urna. A e B so
mutuamente exclusivos.

3) Um baralho contm 52 cartas. Consideremos os eventos

A = retirar do baralho uma carta de ouro
8

B = retirar do baralho um rei

Os eventos A e B no so mutuamente exclusivos pois AB = {rei de ouro}

4.2- Teorema:

Se A e B so dois eventos do conjunto universo U ento,

P (A B) = P(A) + P(B) P(A B)

Demonstrao:

O nmero de elementos do conjunto AB igual soma dos nmeros de elementos de A
e de B, menos o nmero de elementos de AB (que foram computados duas vezes),
ento:

n(AB) = n(A) + n(B) n(AB)

portanto:

n(AB)/n(U) = n(A)/n(U) + n(B)/n(U) - n(AB)/n(U)

e decorre a tese:

P(AB) = P(A) + P(B) P(AB)

Exemplos:

1) Qual a probabilidade de jogar um dado e obter 4 pontos ou nmero par de pontos?

Soluo:

Sejam A= {4} o evento obter 4 pontos e B= {2, 4, 6} o evento obter nmero par de
pontos.

Sabemos que o conjunto universo U= {1, 2, 3, 4, 5, 6}, portanto

P(AB)= P(A) + P(B) P(AB)=
=
6
1
+
6
3
-
6
1
=
2
1

2) Qual a probabilidade de, num baralho de 52 cartas, retirarmosuma carta de ouro e um
rei?

Soluo:

Sejam os eventos
A = retirar uma carta de ouro
9
B = retirar um rei
AB = retirar o rei de ouro
Ento:
n(A) = 13, n(B) = 4 e n(AB) = 1

portanto:

P(A B) = P(A) + P(B) P(AB) =
13
4
52
16
52
1
52
4
52
13
= = +

4.3 - Teorema:

Se A e B so dois eventos mutuamente exclusivos, ento:

P(A B) = P (A) + P(B)

Esta propriedade uma conseqncia anterior, bastando notar que agora P(AB) = 0.

Exemplo:

Um grupo de 100 universitrios formado por 52 estudantes de engenharia, 27 de
medicina, 10 de filosofia e os demais de direito. Escolhido ao acaso um elemento grupo,
qual a probabilidade dele ser de estudantes de engenharia?

Soluo:

Sejam os eventos:

A= escolher estudante de engenharia
B= escolher estudante de engenharia e medicina

AB = 52, n(B) = 27 e n(AB) = 0

Portanto:

P(AB) = P(A) + P(B) =
100
79
100
27
100
52
= +

O teorema anterior pode ser generalizado:

Se A
1
, A
2,
A
3, ....,
Na so eventos dois a dois mutuamente exclusivos, ento :

P ( A
1

A
2
A
3
..... A
n
) = P (A
1
) + P (A
2
) + P (A
3
) + ... + P (A
n
)

10
5 - Multiplicao de Probabilidades

Considere o seguinte problema: um grupo de pessoas apresenta a composio dada pela
tabela
homens (H) mulheres(M)
argentinos (A) 5 15
brasileiros (B) 10 10
chilenos (C) 35 25

Pergunta-se: escolhido um homem do grupo, qual a probabilidade que seja argentino?

P(A H) =
) (
) (
H n
H A n
=
10
1
50
5
=

Isto , o argentino-homem deve ser escolhido no conjunto dos homens, portanto, o
elemento procurado pertence ao conjunto A H e o conjunto universo, nesta operao,
H. Agora mais fcil compreender a seguinte definio.

5.1- Definio:

Chama-se probabilidade condicional de A, relativamente a B, a probabilidade do evento A
quando j se verificou o evento B. Indica-se por P(AB).

evidente que

P(AB) =
) (
) (
B n
B A n

Ou ainda:

P(AB) =
) (
) (
) (
) (
) (
) (
B P
B A P
U n
B n
U n
B A n

e decorre a principal conseqncia da definio

P(A B) = P(B) . P(AB) = P(A) . P(BA)

Isto , a probabilidade da interseco de dois eventos A e B igual ao produto da
probabilidade de um deles pela probabilidade condicional do outro em relao ao
primeiro.

Exemplos:

1) Uma urna contm 4 bolas vermelhas, 3 bolas azuis e 3 bolas brancas. Qual a
probabilidade de retirarmos uma vermelha e, sem reposio dela , uma branca?

11
Soluo:

P(V B) = P(V) . P(BV) =
15
2
9
3
10
4
= x

2) Jogam-se dois dados iguais. Qual a probabilidade da soma dos pontos ser 7 e um dos
dados apresentar 2 pontos?

Soluo:

Sejam os eventos:

A= obter soma dos pontos 7
B= obter 2 pontos em um dos dados

Vimos no item 2.1 que :

n(A) = 6, n(AB) = 2 e n(U) =36 ento,

P(AB) = P(A) . P(BA) =
18
1
6
2
36
6
= x

5.2 - Definio:

Dois eventos A e B so independentes quando a probabilidade de ocorrer um deles
independe do fato de ter ou no ocorrido o outro. Neste caso temos:

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

Exemplos:

1) Numa caixa existem 4 bolas vermelhas e uma branca. Os eventos retirar da caixa uma
bola vermelha e depois retirar uma bola branca, tendo reposto a bola vermelha na
caixa, so independentes.

2) Joga-se um dado duas vezes, obtendo-se os eventos 4 pontos e 2 pontos
respectivamente. Estes dois eventos so independentes.

5.3 - Teorema:

Se A e B so eventos independentes, ento:

P(AB) = P(A) . P(B)

Exemplo:

Joga-se um dado e lana-se uma moeda. Qual a probabilidade de obter os eventos 6
pontos no dado e cara na moeda?
12

Soluo:

Chamando os eventos de A e B, respectivamente, evidente que A e B so independentes,
ento
P(AB) = P(A) . P(B) =
12
1
2
1
6
1
= x

6 - LEI BINOMIAL DE PROBABILIDADE

Consideremos o problema: uma urna contm 5 bolas brancas, 8 azuis e 2 amarelas;
retirando-se 4 bolas sucessivamente, com reposio, qual a probabilidade de obter 3
bolas brancas?

Soluo:

Sejam os eventos:

A = retirar uma bola branca

A = retirar uma bola no branca

Em qualquer uma das 4 retiradas, tendo em vista que a bola reposta, temos

P(A) =
3
1
15
5
= e P( A)
3
2
15
10
=

Nas 4 retiradas, devemos obter 3 vezes bola branca e 1 vez bola no branca, isto ,
satisfazem os conjuntos ( ordenados de acordo com a ordem retirada) :

( A, A, A, A), (A, A, A, A ), ( A, A, A, A ) e ( A, A, A, A )

em nmero de C
4,3
=
|
|
.
|
\
|
3
4

Com a probabilidade de A (ou A ), em qualquer das retiradas, independente da
verificao de A (ou A) nas retiradas anteriores pois suas probabilidades so constantes,
decorre que em qualquer ordenao a probabilidade de ocorrer 3 brancas e uma no
branca igual ao produto das probabilidades, isto :

(
3
1
)
3
. (
3
2
)
1

13
logo, a probabilidade pedida :

|
|
.
|
\
|
3
4
. (
3
1
)
3
. (
3
2
)
1
= 4 .
81
8
3
2
.
27
1
=

6.1 Consideremos agora uma experincia que se repete n vezes e que em qualquer
delas tenhamos

P(A) = p e P( A) = 1-p

Qual a probabilidade do evento A ocorrer em i das n experincias?

Notemos que nas n experincias P(A) e P( A) so constantes e o resultado de cada
experincia independente dos resultados das anteriores; sendo assim, a probabilidade de

obter i vezes o evento A e n-i vezes o evento A , em qualquer ordem, o produto das
probabilidades, isto :

p
i
. (1-p)
n-i

Como convm ao problema qualquer conjunto ordenado de n elementos, sendo i iguais a

A e n-i iguais a A, no importando a ordem dos elementos, devemos calcular o nmero
de conjuntos ordenados que satisfazem (permutaes de n elementos com i iguais a A e

n-i iguais a A ), isto :

( )! !
!
i n i
n
que equivale a
|
|
.
|
\
|
i
n

e multiplicar este nmero pelo produto das probabilidades, obtendo:

P
i
=
|
|
.
|
\
|
i
n
. p
i
. (1-p)
n-i

denominada Lei Binomial de Probabilidade, porque expressa pelo termo T
i+l
do
desenvolvimento de [p+ (1-p)]
n

6.2 - Notemos que a lei binomial s aplicvel a uma experincia aleatria que
obedea s caractersticas seguintes:

1) a experincia deve ser repetida, nas mesmas condies, um nmero n pr-fixado de
vezes;
2) cada vez que a experincia feita ocorre evento A ou evento A;
14

3) P(A) constante em todas as n vezes;

4) cada experincia independente demais.

Exemplos

1) Lana-se uma moeda 5 vezes. Qual a probabilidade de se obter 3 caras e 2 coroas?

Soluo:

Seja A o evento obter cara num lanamento. Temos

P(A) = p =
2
1
, n=5 i=3, ento:

P=
|
|
.
|
\
|
3
5
. (
2
1
)
3
. (1-
2
1
)
5-3
= 10 . (
2
1
)
5
=
32
10
=
16
5

2) Joga-se um dado 4 vezes. Qual a probabilidade de se obter 5 pontos pelo menos 2
vezes?

Soluo:

Seja A o evento obter 5 pontos numa jogada. Temos:

P(A) =
6
1
, n = 4 e i = 2 ou 3 ou 4
Ento:

i = 2 P
2
=
|
|
.
|
\
|
2
4
. (
6
1
)
2
. (
2
5
)
2
=
216
150

i = 3 P
3
=
|
|
.
|
\
|
3
4
. (
6
1
)
3
. (
6
5
)
1
=
216
20

i = 4 P
4
=
|
|
.
|
\
|
4
4
. (
6
1
)
4
. (
6
5
)
0
=
216
1

P = P
2
+ P
3
+ P
4
=
24
19
216
171
=

15
7 - Aproximao de Funes - Mtodo dos Mnimos Quadrados

- Introduo

Abordaremos o problema de aproximar uma funo f por uma funo g de uma famlia
previamente escolhida.
Trataremos quando a funo f tabelada Domnio discreto-.

Estudaremos o mtodo dos mnimos quadrados comeando pelo caso particular de ajuste de
uma reta a uma tabela e depois generalizando o raciocnio para aproximar uma funo f por
uma g da famlia G das funes conhecidas, no nulas, g
k
, k = 0,1,.....,m,

g(x) =
=
m
k
k k
x g a
0
) (

A seguir, daremos uma idia de como podemos tratar do ajuste de uma funo por outra no
linear nos parmetros. Trataremos tambm do caso particular em que as funes g
k
so
polinmios ortogonais entre si e do caso em que g
k
so funes trigonomtricas, conhecido
como aproximao trigonomtrica ou anlise harmnica.

7.1- Generalidades

Quando se trata de fazer uma aproximao, surgem naturalmente algumas perguntas,
como:

Por que aproximar?
Qual famlia de funes escolher?
Como aproximar?

Nesta seo tentaremos responder estas perguntas e justificar, assim, a escolha do mtodo
dos mnimos quadrados.

Por que aproximar?

Quando estamos fazendo um experimento, normalmente conhecemos a famlia da funo
que descreve o fenmeno envolvido. Em geral, os valores obtidos j so afetados de erros e,
portanto, a funo desejada no necessita fornecer exatamente os valores medidos. Basta
achar, entre os diversos elementos da famlia, aquele que melhor aproximao fenmeno
medido.
Uma outra circunstncia quando se conhece a forma analtica da funo que descreve um
fenmeno e precisamos substitu-la por uma outra funo (por exemplo, para facilitar o
tratamento matemtico do modelo)porm, que se aproxime razoavelmenteda funo
original.

16
Qual famlia de funo escolher?
A escolha da famlia aproximadora G deve levar em conta os seguintes fatores:

- as caractersticas que a funo aproximadora deve ter para facilitar os clculos. Por
exemplo: polinmios so facilmente integrveis; adies, subtraes, multiplicaes e
translaes de polinmios resultam em polinmios;

- o comportamento das funes da famlia G deve se aproximar do comportamento da
funo f o mais possvel, porm, com forma analtica conveniente. Por exemplo,
periodicidade da funo pode ser obtida com funes trigonomtricas.

A escolha da famlia aproximadora no ser tratada neste texto. O mtodo dos mnimos
quadrados assume que a famlia G foi escolhida a contento.

Como aproximar?

Ao aproximar uma funo f por uma funo g de uma famlia G estaremos introduzindo um
erro r que ser chamado de resduo.

Assim

R(x) = f(x) - g(x) (1.1)

Aparentemente, uma boa aproximao seria obtida fazendo
=
x
x r 0 ) ( . Analisaremos tal
afirmao. Para simplificar, suponha que foi realizado um experimento em que se levantou os
pontos p
1
, p
2
, p
3
e p
4
. Sabendo-se que o fenmeno descrito por uma reta, vamos determin-
la de modo a satisfazer
=
x
x r 0 ) ( .

O problema que estamos enfrentado com esse critrio o fato dos erros positivos cancelarem
os erros negativos. Portanto, se deixarmos de considerar o sinal dos erros, evitaremos este
problema. Isso pode ser feito trabalhando com o valor absoluto dos resduos e exigindo que
x
x r ) ( seja mnimo. Achar o mnimo desta funo nos leva a uma dificuldade matemtica
no desejada. Um outro critrio com a mesma caracterstica, porm com tratamento
matemtico mais simples, exigir que ) (
2
x r
x
seja mnimo. O mtodo para aproximar uma

funo f por uma g G utilizando esse ltimo critrio denominado mtodo dos mnimos
quadrados.

Existem outros critrios para a escolha da funo aproximadora g: porm, neste texto,
trataremos apenas do mtodo dos mnimos quadrados.

17

7.2- Regresso linear

Nosso objetivo agora aproximar uma funo f por uma funo g da famlia a +bx pelo
mtodo dos mnimos quadrados.

Nesta seo vamos nos preocupar apenas em aproximar uma funo f tabelada nos pontos
x
i
, i = 1, 2,......,n, n2, por uma reta, utilizando o mtodo dos mnimos quadrados. Este caso
particular conhecido como regresso linear.

Aproximar uma funo f tabelada nos pontos x
i
, i = 1,....,n, pelo mtodo dos mnimos
quadrados, significa determinar os parmetros a e b da reta a+bx de modo que a soma dos
quadrados dos erros em cada ponto seja mnima.
O resduo em cada ponto (x
i
, y
i
) = (x
i,
f(x
i
)) dado por:

R(x
i
) = r
i
= y
i
- g(x
i
) ( 2.1)

Portanto, queremos determinar a e b que minimizam:

M(a,b) =
=
n
i
i
r
1
2
=
2
1
) (
i
n
i
i
bx a y
=
(2.2)

Para isto necessrio que :

0
) , (
=
a
b a M
e 0
) , (
=
b
b a M
(2.3)

ou seja,

) 1 )( ( 2
1

=
n
i
i
bx a y = 0 (2.4)

e

0 ) )( ( 2
1
=
=
n
i
i i i
x bx a y

Portanto:

= = =
= +
n
i
i
n
i
i
n
i
y x b a
1 1 1
1 (2.5)

e

i
n
i
i
n
i
i
n
i
i
x y x b x a

= = =
= +
1 1
2
1

18
ou, usando a notao matricial, temos o seguinte sistema linear:

= =
= =
n
i
i
n
i
i
n
i
i
n
i
x x
x
1
2
1
1 1
1

b
a
=
=
=
n
i
i i
n
i
i
y x
y
1
1
(2.6)

Este sistema denominado sistema normal.

Veremos mais adiante que este sistema tem determinante positivo, portanto sempre tem
soluo.

Se considerarmos x como um vetor em ) (
n n
x com componentes x
1
, x
2, .....,
x
n
; y
n
,
com componentes y
1
, y
2,.........
y
n
e o vetor 1
n
, com componentes 1, podemos notar que os
somatrios indicados em 2.6 podem ser escritos como produtos escalares em
n
:

=
n
i 1
1= (1/1) (2.7)

=
n
i
i
x
1
= (1/X) (2.8)

=
n
i
i
x
1
2
= (X/X) (2.9)

=
n
i
i
y
1
= (1/Y) (2.10)

=
n
i
i i
y x
1
=(X/Y) (2.11)

Reescrevendo o sistema (2.6), obtemos:

) / ( ) / 1 (' X X X
(1/y) (1/1)

b
a
=
) / (
) / 1 (
Y X
X
(2.12)

19
cuja soluo dada por :

2
) / 1 ( ) / )( 1 / 1 (
) / )( / 1 ( ) / )( / 1 (
X X X
Y X X X X Y
a
= (2.13)

2
) / 1 ( ) / )( 1 / 1 (
) / 1 )( / 1 ( ) / )( 1 / 1 (
X X X
X Y Y X
a
= (2.14)

Vamos verificar que ( a , b ) calculados em (2.13) e (2.14) correspondem a um ponto de
mnimo da funo M(a,b) = (r/r). Para isto, basta verificar que:

) , (
2
2
b a
a
M
>0 (2.15)

det
) , ( ) , (
) , ( ) , (
2
2 2
2
2
2
b a
b
M
b a
b a
M
b a
a b
M
b a
a
M
> 0 (2.16)

j que ( a , b ) foram determinados a partir de (2.3)

A relao (2.15) :

0 2 ) 1 / 1 ( 2 ) , (
2
2
> = =
n b a
a
M
(2.17)

e a relao (2.16) fica:

det

) / ( 2 ) / 1 ( 2
) / 1 ( 2 ) 1 / 1 ( 2
X X X
X
= 4[n(X/X) (1/X)
2
] (2.18)

Para provar que a expresso obtida em (2.18) positiva, vamos considerar o produto escalar
( . ), 1 / 1 + + X X

( ) / ( ) / 1 ( 2 ) 1 / 1 ( ) 1 / 1
2
X X X X X + + = + + (2.19)

Este produto escalar estritamente positivo, pois s poderia ser nulo se X = - 1
, ou seja, x
1
= x
2
=....=x
n
=- , caso que no ser considerado, pois corresponde ao ajuste de
uma reta a um nico ponto, e estamos supondo que a funo sempre conhecida em pelo
menos dois pontos. Portanto,
20

= =
+ +
n
i
n
i
i i
x x n
1 1
2 2
2 >0, (2.20)
Como a inequao do 2
o
grau em obtida em (2.20) verdadeira, o discriminante da
equao do 2
o
grau correspondente negativo, isto ,

= =
=
n
i
i
n
i
i
x n x
1
2
2
1
4 2 < 0 (2.21)

Portanto,

4n
2
1 1
2
4
>

= =
n
i
i
n
i
i
x x (2.22)

o que prova que 4[n(X/X) (1/X)
2
] > 0.
Acabamos de mostrar, tambm, o que o sistema normal (2.12) tem uma nica soluo, uma
vez que o determinante da matriz dos coeficientes do sistema normal (2.12) /e dado por
n(X/X) (1/X)
2
.

Exemplo 2.1
Como resultado de algum experimento, suponha que obtivemos os seguintes valores para a
funo f :

x 0 1 2 3 4
F(x) 0 1 1 4 4

Vamos determinar a reta que melhor se ajusta a esta funo segundo o mtodo dos mnimos
quadrados.

O sistema (2.6) (ou(2.12)) correspondente ;

30 10
10 5

b
a
=
31
10

que tem soluo a = -1/5 e b = 11/10. Portanto,

g(x) =
5
1
15
11
x

a reta aproximadora obtida.

21
II CONFIABILIDADE APLICADA MANUTENO

1.1 - Introduo
Segundo Wieland Kroener (1990) se tomarmos como exemplo a velocidade de
deslocamento do homem nos milnios de sua existncia constatamos que enquanto
durante 8 mil anos no ocorreu nenhuma variao digna de referncia, a partir do invento
da primeira mquina muita coisa mudou e cada vez mais depressa.
A inveno do computador e sua utilizao generalizada a partir dos anos 60 foi o
ponto de partida para toda uma evoluo tecnolgica sem a qual a Era Espacial seria
inimaginvel. E foi justamente a conquista do espao que levou ao alto nvel tecnolgico
de hoje, porque a exigncia de componentes cada vez menores, mais leves e com mais
informaes acabou levando a uma infinidade de invenes.
Esta evoluo tem e ter influncia cada vez maior sobre a manuteno, pois aliada
alta tecnologia est a exigncia de altssima produtividade. Juntamente com a
produtividade imprescindvel que os meios de produo apresentem flexibilidade e
confiabilidade.
Confiabilidade diz respeito a todas as caractersticas de um produto que podem mudar
com o tempo ou, ainda, com a possibilidade de deixar de ser conforme, aps um certo
perodo.
Na simples pergunta sobre a garantia de um determinado eletrodomstico que uma
dona de casa est comprando, est implcita a questo sobre a confiabilidade.
Da observao de aplicao de estudos objetivando aumentar a confiabilidade de
ativos, temos a possibilidade de identificar casos de sucesso e tambm de fracasso. Muitas
diferentes ferramentas metodolgicas so aplicadas e diversas alternativas de modificao
dos seus critrios de implantao tem sido tentadas.
Entretanto, temos tambm observado que a aplicao de RCM, Reliability Centred
Maintenance, tem sido a chave para se atingir a confiabilidade e os desempenhos
operacionais de cada instalao, processo ou equipamento, conforme requeridos pelos
usurios. A Engenharia da Confiabilidade, tem tambm como objetivo, possibilitar uma
afetiva anlise dos riscos associados, minimizando e eliminando eventos com
conseqncias no que diz respeito segurana e meio ambiente (Moubray, 1991).

22
1.2 - Objetivos
O uso de tcnicas de Engenharia da Confiabilidade fornece ferramentas tericas e
prticas que permitam especificar, projetar, testar e demonstrar a probabilidade e a
capacidade, segundo a qual, componentes, produtos e sistemas desempenharo suas
funes, por perodos determinados de tempo, em ambientes especficos e sem apresentar
falhas.
Com o custo e a complexidade cada vez maiores dos muitos sistemas industriais e de
defesa, a importncia da confiabilidade como um parmetro de eficincia, tornou-se
evidente (Lafraia, 2001).
Benefcios com a aplicao da Confiabilidade:
- Menos paradas no programadas;
- Menos custos de manuteno/operao;
- Menos possibilidades de acidentes.

1.3 - REVISO BIBLIOGRFICA

1.3.1 - Teoria da Confiabilidade

1.3.1.1- Introduo
O principal objetivo da engenharia , em princpio, proporcionar meios materiais que
maximizem o bem-estar humano. Porm, isto engloba uma grande quantidade de restries.
Estas restries tornam impossveis o planejamento e a operao de maneira ideal da grande
maioria dos sistemas ou processos fsicos. Conseqncias naturais destes fatores refletem-se
de uma forma implcita na noo de risco.
A definio de risco est amplamente ligada presena de situaes indesejveis. As
medidas adequadas contra essas situaes s podem ser implantadas se houver uma avaliao
criteriosa no que diz respeito ao nvel de risco envolvido, indicando assim os pontos "falhos"
de um determinado produto ou sistema, sugerindo aes preventivas ou corretivas mais
eficazes.
a avaliao probabilstica do risco/falha de um sistema ou produto que caracteriza o
aspecto fundamental da chamada Anlise da Confiabilidade. (Lafraia, 2001).
Esta anlise proporciona um bom desempenho funcional com baixo ndice de falhas de
um determinado produto.
A maior parte das variveis que fazem parte de um projeto so valores que no podem
ser precisamente definidos. Variveis estas aleatrias que requerem um mtodo probabilstico
23
para o problema. O objetivo fornecer parmetros para tratar estes aspectos no projeto, j que
para um produto em produo ou distribuio praticamente nada pode ser feito para melhorar
a confiabilidade.

1.3.1.2- Fundamentos
Um produto ou o projeto deste, muitas vezes no considera as diversas variveis
existentes. Elas no se constituem valores bem definidos.
Desta forma, o processo mais aceitvel nestes tipos de aplicaes seria um
procedimento estatstico.
A diferena principal entre o projeto de um produto e o enfoque probabilstico seria
que neste ltimo considerado uma possibilidade de falha. O procedimento estatstico deve
ser considerado mais prximo da realidade.
A confiabilidade est enfocada na confiana que temos em um determinado produto,
equipamento ou sistema, ou seja, que estes no apresentem falhas. Desta forma, uma das
finalidades da confiabilidade seria a de definir a margem de segurana a ser utilizada.
Segundo Lafraia (2001), O conceito estatstico de confiabilidade: a probabilidade
de que um componente ou sistema funcionando dentro dos limites especificados de projeto,
no falhe durante o perodo de tempo previsto para a sua vida, dentro das condies de
agressividade ao meio.

1.3.1.3- A Confiabilidade e a Qualidade
Hoje em dia, o consumidor est ciente da falta de perfeio no que se refere
confiabilidade de produtos domsticos e outros mais.
Companhias areas, setores militares, instituies voltadas para a sade pblica, etc.,
tambm esto cientes destes custos.
A dificuldade aparece quando se tenta mensurar valores confiveis para os vrios
nveis de confiabilidade.
O ponto de vista mais simples na confiabilidade aquele em que o produto avaliado
contra uma especificao e, se passar, enviado ao consumidor.
O consumidor, aceitando o produto, aceita tambm o fato de que ele pode falhar
futuramente.
Para satisfazer este temor do cliente o fabricante oferece um perodo de garantia. Caso
o seu produto falhe diversas vezes, o fabricante absorver altos custos de garantia e os clientes
tero uma grande dor de cabea com o inconveniente.
24
Em qualquer das situaes, o fabricante ter uma perda de reputao que refletir nos
seus negcios futuros.
No podemos falar de qualidade e confiabilidade separadamente.
Confiabilidade diz respeito a todas as caractersticas de um produto que podem
mudar com o tempo ou com a possibilidade de deixar de ser conformes aps um certo perodo
de tempo. (Lafraia, 2001).
Desta forma conclumos que confiabilidade um aspecto da incerteza da engenharia.
Se um item vai desempenhar sua funo durante um certo perodo de tempo, isto pode
ser respondido com uma Probabilidade.

1.3.1.4- Histrico
Com o aparecimento da indstria aeronutica aps a Primeira Guerra Mundial, deu-se
incio ao desenvolvimento de procedimentos para anlises de tempo atravs da aplicao da
confiabilidade.
Na dcada de 40, surgiu o desenvolvimento de teorias matemticas relacionadas aos
problemas. O matemtico Robert Lusser desenvolveu uma equao relacionada
confiabilidade de um sistema em srie. Surgiram as primeiras tentativas de alcanar a
melhoria de qualidade associada a uma manuteno preventiva.
Na dcada de 50, com o aparecimento da indstria aeroespacial e eletrnica associada
implantao da indstria nuclear, ocorreu um salto considervel no desenvolvimento de
metodologias de clculo e aplicaes da confiabilidade. Nessa poca os analistas
reconheceram que a confiabilidade deve ser aplicada, principalmente, no projeto. Ocorreram
nesta poca as primeiras investigaes de confiabilidade associada ao comportamento
humano.
Na dcada de 60, tanto os desenvolvimentos prticos como tericos continuaram a
avanar, com destaque para a proposio de H.A.Watson, da teoria de Anlise de rvore de
Falhas, em 1961. Sob o foco da aplicao prtica, foram estabelecidos os fundamentos da
anlise de confiabilidade em sistemas mecnicos (estruturas), baseados em modelos
denominados esforos e resistncia, assim como preliminares estudos de confiabilidade em
sistemas computacionais (hardware).
Na dcada de 70, houve a consolidao desta anlise em diversas reas, com destaque
para a rea nuclear. Surgiram tambm os primeiros modelos de anlise de confiabilidade em
programas computacionais (software).
25
A partir da dcada de 80, os pases possuidores de tecnologia avanada implantaram
definitivamente as tcnicas de anlise de confiabilidade em diversas reas da engenharia.
No Brasil, houve uma aplicao prtica da confiabilidade nos setores de
telecomunicaes, eltrico, de armamento e nuclear.

1.3.1.5- A Origem das Falhas
Os equipamentos falham devido a 3 fatores bsicos:
- Falha de projeto;
- Falha de fabricao;
- Falha de utilizao.

As falhas de projeto ocorrem quando o projetista no consegue identificar as
necessidades do cliente ou quando estas no esto identificadas, ou ainda, quando no se
consegue ou no possuem mtodos para modelar corretamente o problema.
Uma vez que o projeto tenha sido adequadamente abordado, a fase de fabricao pode
provocar falhas quando os processos de fabricao/montagem so inadequados.
Por ltimo, o uso incorreto do produto, que inclui manuteno inadequada, por falta de
instruo do fabricante ou de treinamento do cliente.

Tcnicas e atividades para anlise de falhas:
- Investigao de acidentes, queixas e incidentes;
- Confiabilidade do produto;
- FMEA ( Anlise de Modo de Falha e Efeito);
- Anlise de rvore de falhas.

Tcnicas para eliminar no projeto os pontos de falha potenciais na operao:
- Construindo operaes com recursos crticos redundantes;
- Tornar as atividades da operao prova de falhas;
- Manter as instalaes fsicas da operao.

Tcnicas para melhorar a confiabilidade das operaes:
- Eliminar no projeto os pontos de falhas potenciais na operao;
- Construindo operaes com recursos crticos redundantes;
- Tornar as atividades da operao prova de falhas;
26
- Manter as instalaes fsicas da operao.

1.3.2- Parmetros da Confiabilidade

1.3.2.1- Introduo

Matematicamente, confiabilidade definida como: probabilidade de que um
componente ou sistema cumpra sua funo com sucesso, por um perodo de tempo previsto,
sob condies de operao especificadas.
A definio de falha (que o inverso da confiabilidade), no contexto da
confiabilidade, : impossibilidade de um sistema ou componente cumprir com sua funo no
nvel especificado ou requerido.
Taxa de falhas (): freqncia com que as falhas ocorrem, num certo intervalo de
tempo, medida pelo nmero de falhas para cada hora de operao ou nmero de operaes do
sistema ou componente. (Lafraia, 2001).
O inverso da taxa de falhas conhecido como Tempo Mdio Entre Falhas (TMEF). A
expresso matemtica do TMEF :
TMEF = 1/

1.3.2.2- A Curva da Banheira

Esta curva apresenta as fases da vida de um componente. Ela s vlida para
componentes individuais.
Nesta curva um componente apresenta 3 perodos da vida caractersticos: mortalidade
infantil, perodo de vida til e perodo de desgaste.
No perodo de mortalidade infantil, ocorrem as falhas prematuras. Processos de
fabricao deficientes, controle da qualidade deficiente, mo-de-obra desqualificada,
27
amaciamento insuficiente, erro humano, instalao imprpria, etc., representam algumas das
origens destas falhas.
O perodo de vida til, caracterizado por falhas de natureza aleatria, pouco podendo
ser feito para evit-las. Interferncia indevida tenso/resistncia, fator de segurana
insuficiente, cargas aleatrias maiores que as esperadas, resistncia menor que a esperada,
erros humanos durante o uso, etc., so algumas das causas de falhas neste perodo.
J no perodo de desgaste, inicia-se o trmino da vida til do equipamento. Algumas
das causas desse perodo so: envelhecimento, degradao de resistncia, fadiga, corroso,
manuteno deficiente, etc.
Nem todos os tipos de componentes/sistemas apresentam sempre todas as fases. Um
exemplo de sistema que apresenta apenas o perodo de mortalidade infantil um programa de
computador; na medida em que os erros de programao so corrigidos, as falhas vo
desaparecendo.
Componentes eletrnicos apresentam normalmente falhas aleatrias; neste tipo de
falha deve haver a substituio da pea quando houver uma quebra.
Componentes mecnicos apresentam as 3 fases e normalmente deve se medir a sua
taxa para se evitar que estas passem ao perodo de desgaste.

1.3.2.3- Definies Ligadas Confiabilidade

Tempo Mdio para Falha (TMPF): o tempo para falha de componentes que no
podem ser reparados.
Tempo Mdio para Reparo (TMPR): o tempo para o reparo de componentes,
obtido de uma amostra nas mesmas condies de uso do componente desejado.

Disponibilidade (D): a probabilidade de que um componente que sofreu manuteno
cumpra sua funo satisfatoriamente para um dado perodo de tempo. representado
matematicamente pela expresso:

D = TMEF/ (TMEF+TMPR)

1.3.3 - Benefcios da Confiabilidade:

Fornecer solues s necessidades atuais das indstrias como:
- Aumento da produo de produtos/unidades mais lucrativas;
- Flexibilidade para utilizao de diversos tipos de cargas;
- Responder rapidamente s mudanas nas especificaes dos produtos;
28
- Cumprir com a legislao ambiental, de segurana e higiene.

Permitir a aplicao de investimento com base em informaes quantitativas:
- Segurana;
- Continuidade operacional;
- Meio ambiente.

Eliminao de causas bsicas de paradas no programadas de indstrias, usinas ou
instalaes:
- Diminuir os prazos de paradas programadas;
- Atravs do aumento da mantenabilidade das instalaes.

Atuao nas causas bsicas dos problemas e no nos sintomas atravs de:
- Histrico de falhas nos equipamentos;
- Determinao das causas bsicas das falhas;
- Preveno de falhas em equipamentos similares;
- Determinao de fatores crticos para a mantenabilidade dos equipamentos.

29
III - Distribuies Aplicadas Confiabilidade

1 - Distribuio Discretas

Se uma varivel x pode assumir um conjunto de valores x
1
, x
2
... x
k
, com as
probabilidades p
1
, p
2
, p
3
+ ... p
k
, respectivamente, sendo p
1
+ p
2
+ p
3
+...+ p
k
= 1, diz-se
que est definida uma distribuio de probabilidade discreta de x. A funo p(x) que
assume os valores p
1
, p
2
, p
3,
... p
k
, respectivamente, para x = x
1
, x
2
... x
k
, denominada
funo de probabilidades, ele frequentemente denominado varivel aleatria discreta.
A varivel aleatria tambm conhecida como varivel casual ou estocstica.
Exemplo:
Suponha-se o lanamento de um par de dados honestos e que x indique a soma dos
pontos obtidos. Ento, a distribuio de probabilidades dada pela Tabela 1.
Tabela 1
x
p(x)
2
1/36
3
2/36
4
3/36
5
4/36
6
5/36
7
6/36
8
5/36
9
4/36
10
3/36
11
2/36
12
1/36

Por exemplo, a probabilidade de obter-se a soma 5 de 4/36 = 1/9. Ento, pode-se
esperar que em 900 lances dos dados, 100 lances dem a soma 5.
Note-se que isso anlogo a uma distribuio de freqncias relativas, com estas
substitudas pelas probabilidades. Por essa razo, pode-se imaginar as distribuies de
probabilidades como uma forma terica ou de limite ideal das distribuies de freqncias
relativas, quando o nmero de observaes feitas torna-se muito grande. Por esta razo,
pode-se imaginar que as distribuies de probabilidade referem-se a populaes, ao passo
que as distribuies de freqncias relativas referem-se a amostras delas extradas.
A distribuio de probabilidade pode ser representada graficamente, mediante a
locao de p(x) em relao a x, da mesma forma que a distribuio de freqncia relativa.
1.1 - Distribuio Binominal

A distribuio binominal descreve a situao em que s h dois resultados possveis,
como falha ou no falha, e a probabilidade se mantm a mesma para todas as tentativas.
Portanto, esta funo muito utilizada em confiabilidade e controle de qualidade. A f.d.p.
dada por:
30
( )
( )
( ) x n x
x n x
n
q p x f

=
! !
!

Est a probabilidade de se obter x itens bons e (n x) itens defeituosos, numa amostra
de n itens, onde a probabilidade de obter-se um item bom p e um item defeituoso q. A mdia
dada por:

p n . =

e o desvio padro,

( )
2 / 1
. . q p n =

1.2- Distribuio de Poisson

Se os eventos so distribudos de acordo com Poisson, eles ocorrem a taxas mdias
constantes, com somente um de dois resultados possveis, ou seja, o nmero de falhas no
tempo ou defeitos por comprimento :

( ) ( )
= exp
! x
x
x f

,... 3 , 2 , 1 , 0 = x

onde a taxa de ocorrncia. A distribuio de Poisson pode ser considerada como uma
variao da distribuio binomial na qual n tende ao infinito.
Uma aproximao da distribuio de Poisson dada por:

( )
( )
( ) np x f
x
x
np
= exp
!

p n . =
e ( )
2 / 1 2 / 1
. = = p n

2 - Distribuies Contnuas

Se traarmos os valores obtidos numa medio qualquer um histograma, de uma
determinada amostra, obteremos as figuras 1 (a/c).
Neste caso, 30 itens foram medidos e a freqncia de ocorrncia de cada valor medido
como mostrado. Os valores variam de 2 a 9, com a maioria dos itens possuindo valor entre 5 e
7. Outra amostra aleatria de 30 medidas da mesma populao ir usualmente gerar um
histograma diferente, mas a forma geral provavelmente muito similar, exemplo figura 1 (b).
Se ns traarmos um nico diagrama mostrando a combinao vrias amostras, mas agora
31
com intervalos de medio de 0,5, obteremos a figura 1(c). Temos agora uma idia melhor
dos valores da distribuio, pois obtivemos a informao de uma amostra bem maior. Se
prosseguirmos medindo mais pontos e diminuirmos ainda mais o intervalo de medio, o
histograma tende a uma curva que descrever a funo de densidade de probabilidades (f.d.p.)
ou, simplesmente, a distribuio dos valores. A figura 2 mostra uma distribuio de
probabilidades unimodal, onde (x) a densidade de probabilidade de ocorrncia e x a
varivel relacionada. O valor de x que d (x) mximo denominado moda da distribuio.

Figura 1 a) Histograma de freqncia de uma amostra de uma amostra aleatria. b) Histograma de freqncia de outra
amostra da mesma populao. c) Dados de muitas amostras, mostrando valores em intervalos de 0,5.

Figura 2 Distribuio de probabilidades contnua

A rea sobre a curva igual a um, pois descreve a probabilidade de todos os valores possveis
de x, portanto:

f(x)
x
fdp
32
+

( ) 1 = dx x f

A probabilidade de um valor ocorrer entre x
1
e x
2
a rea compreendida neste intervalo
(ver figura 1.3), isto :

P (x
1
< x < x
2
) =
2
1
x
x
( )dx x f

O resultado da expresso anterior corresponde rea escura da figura 3.

Figura 3 Distribuio da probabilidade continua

A mdia da distribuio, , dada por:

( )
+

= dx x xf

que anlogo a achar o centro gravidade (c.g.) da f.d.p
A disperso ou espalhamento da funo medida pela sua varincia. Para uma
amostra n a varincia de uma distribuio contnua dada por

( ) ( ) dx x f x
2
2
=

onde chamado de desvio padro.
A funo de distribuio acumulada (f.d.a.), F (x), fornece a probabilidade de que o
valor medido fique entre - e x:
x
1
x
2
f (x)
fdp
33

( ) ( ) dx x f x F
x

=

A figura 4 mostra a forma tpica de uma f.d.a., com F(x)
1
com x
.

Figura 4 Funo de distribuio de probabilidade acumulada f.d.a

2.1 - Distribuio Normal ou de Gauss

A funo distribuio de probabilidade (f.d.p.) dada por:

( )
( )
( )

=

2
2
1
2
1
exp
2 / 1

x
x f

onde o parmetro de localizao, igual mdia. O parmetro de forma igual a .

Fazendo uma mudana de varivel, a expresso anterior passa a ser:

( ) ( )

=
x
x f
1

onde,
( )
( )
|
|
.
|
\
|
=
2
exp
2
2
1
2 / 1
z
z

=
x
z

A varivel z mede o desvio em relao mdia, em unidades de desvio padro, e
denominada varivel reduzida e uma quantidade abstrata (i.e., independe das unidades
usadas).
0
1
f (x)
x
34
Se os desvios em relao mdia forem dados em unidades de desvio padro, diz-se
que esto expressos em unidades ou escores reduzidos.
Um grfico desta curva normal reduzida est indicado na figura 5. Neste grfico, as
reas includas entre z = -1, e +1, z = -2 e +2, z = -3 e +3 so iguais, respectivamente, a
68,27%, 95,45% e 99,73% da rea total que unitria.

Figura 5 F.d.p e F.d.a da funo normal

Uma populao que se ajuste distribuio normal tem variaes simetricamente
dispostas ao redor da mdia. Uma razo importante para a aplicao da distribuio normal
advm do fato de que quando um valor est sujeito a muitas variaes que se somam,
independentemente de como estas variaes so distribudas, o resultado da distribuio
composta normalmente distribudo. Isto o que demonstra o teorema do valor central.
A figura 6 mostra a funo de densidade de probabilidade e a funo de densidade
acumulada da funo normal.
A funo densidade acumulada dada pela expresso:

( ) ( )
x
F x

=
35

Figura 6 reas notveis sob a normal

2.2 - Distribuio Log-Normal

Esta uma distribuio mais verstil que a distribuio normal, pois tem uma forma
mais variada, o que possibilita melhor ajuste da populao. Um exemplo de aplicao em
peas sujeitas a desgaste. Tambm no tem a desvantagens de trabalhar com valores de x <0.
representada pela funo:

( )
( )
( ) 0 / exp
2
1
2
1
2
1
2 / 1

=

x p x f
nx

( ) 0 = x f
p/x < 0
onde,
( )
( )
|
|
.
|
\
|
=
2
exp
2
2
1
2 / 1
z
z

=
x
z
log

Em outras palavras, a distribuio normal com lnx como varivel independente. A
mdia e o desvio padro so dados respectivamente por:

|
|
.
|
\
|
+ =
2
exp
2

( ) ( ) [ ]
2 / 1
2 2
2 exp 2 2 exp + + =

Para valores < a funo log-normal aproximadamente igual distribuio normal.
36
As equaes da probabilidade acumulada de falhas, confiabilidade e taxa de falhas, so
respectivamente:
( ) |
.
|
\
|
=
x
x F
log

( ) |
.
|
\
|
=
x
x C
log
1

( )
( )
( ) z
z
x
x

=
1
4343 , 0

Os grficos a seguir representam as equaes acima.

Figura 7 F.d.p da funo log-normal

Figura .8 Funo confiabilidade log-normal
37

Figura 9 Taxa de falha da funo log-normal

Aplicaes da Distribuio Log-Normal

Determinao dos ciclos para a falha fadiga de metais e componentes metlicos,
quando submetidos a tenses alternadas em nvel significativamente menos que o
limite de resistncia do metal.
Determinao da distribuio de tempos para a falha de componentes mecnicos
sujeitos a desgaste (wear).
Determinao de vida de rolamentos.
Determinao do tempo mdio para manuteno de componentes mecnicos

2.3 - Distribuio Exponencial

A distribuio exponencial descreve sistemas com taxa de falhas constante. A f.d.p.
dada por:

( ) = x f

Para sistemas onde a varivel independente t, denominado de taxa de falhas, o
que fornece:
( ) ( ) t t f = exp
A confiabilidade dada por:
( ) ( ) t t C = exp
a exp (-ax) p / x0
0 p / x< 0
38
As figuras 10, 11 e 12 representam as equaes acima.

Figura 10 F.d.p da exponencial

Figura 11 Funo confiabilidade da exponencial

Figuras 12 Taxa de falha da exponencial
(t) =

-t

Tempo, t
(t)

C(t) = e
-t

(t) =
0
(t)
39
Aplicaes da Distribuio Exponencial
Falhas de equipamentos com mais de 200 componentes sujeitos a mais de trs
manutenes corretivas / preventivas.
Sistemas complexos no redundantes.
Sistemas complexos com componentes com taxas de falhas independentes.
Sistemas com dados de falhas mostrando causas muito herorogneas.
Sistemas de vrios componentes, com substituies antes de falhas devido
manuteno preventiva.
2.4 - A Distribuio de Weibull

A funo distribuio de Weibull possui trs parmetros para determinar a
probabilidade de falha, confiabilidade e taxa instantnea (funo de risco). A tabela 1 mostra
as diversas expresses e o significado dos seus parmetros.

Tabela 1 Expresses da distribuio de Waibull
Significado Parmetro Expresso

Distribuio de falhas

(t)
( ) ( ) 0 / exp
0
1
0

t p t t
t t

0 p / t< 0
Probabilidade acumulada
de falhas
F(t)
( )

0
exp 1
t t

Confiabilidade C(t)
( )

0
exp
t t

Taxa de falhas (t)
( )
1
0

t t

Parmetros de escala
Parmetro de forma
Vida inicial
Tempo para a falha

0
t ou
t

2.4.1 - Casos Especiais da Funo de Weibull
Valores particulares dos parmetros da funo de Weibull transformam expresses de
outras distribuies usualmente utilizadas para descrever os modos de falhas, conforme pode-
se observar na tabela 2.

40
Tabela 2 Parmetros da funo de Waibull
Significado t
0
= 0 t
0
= 0 e = 0

Distribuio de falhas

( ) ( ) ( )

n
t
t t f exp
1

(t)

( )
|
|
.
|
\
|
=
t
t f exp
1

Probabilidade
acumulada de falhas
( )

t
t F exp 1 ) (
( ) [ ]
n
t
t F = exp 1
Confiabilidade
( ) ( )

t
t C exp
[ ]
t
t C = exp ) (
Taxa de falhas
( ) ( )
1
=

t
t
1
=

Tempo mdio
entre falhas

1
= TMEF
Observao Conhecida como distribuio
Exponencial.

2.4.2 - Representaes Grficas da Funo de Weibull

Figura 13 F.d.p da distribuio de Weibull

10
(x)

x
41

Figura 14 Funo densidade acumulada de falhas da distribuio de Weibull

Figura 15 Funo confiabilidade da distribuio de Weibull

F(x
+1/2
+2

+3

+4

Tempo, t
0,368
0,5
C(t)
1,0 = 1; =2
= = 1
= 1; = 1/2
= = 1/2
42

Figura 16 Funo de taxas de falhas da distribuio de Weibull

2.4.3 - Casos Especiais de

A Tabela 3 descreve o comportamento da funo de taxa de falhas com o valor de .

Tabela 3
Comportamento da Funo de Taxa de Falhas
<1 Taxa de falha decrescente com o tempo fase de mortalidade infantil.
=1 Taxa de falha constante falhas aleatrias funo exponencial.
>1 Taxa de falha crescente com o tempo.
=2 Taxa de falha linearmente crescente.
>2 Taxa de falha cresce a uma taxa proporcional potncia (-1); distribuio de
freqncia tornando-se mais simtrica medida que cresce.

=3,2 Distribuio de freqncia aproxima-se da distribuio normal, tornando-se
menos dispersa medida que cresce.

A figura 17 mostra a relao entre o valor de e as fases da curva da banheira.

= 1; = 3
= 1; = 2
= 1; = 1,5
= = 1
= = 1/2
= 1; = 1/2

+1

+2

+3

+4

Tempo, t
4
3
2
1
(t)
43

Figura 17 A relao de e as fases da curva da banheira

Tabela 4 - Interpretaes fsicas sobre os parmetros da funo de Weibull
t
0 Significado
= 0

< 1

= 1

> 1
No h confiabilidade intrnseca. Significa que em t = 0 a
probabilidade de falha 0

Taxa de falhas decrescente, possivelmente devida baixos
coeficientes de segurana na carga.

Taxa de falhas constante, falhas de origem aleatrias.

Taxa de falhas crescente, desgaste iniciando logo que o
componente entra em servio

> 0

< 1

0,5

0,8

> 1
H perodo de garantia, durante o qual no ocorre falha. O
componente possui confiabilidade intrnseca

Desgaste do tipo fadiga ou similar

Fadiga de baixo ciclo

Fadiga de alto ciclo

Desgaste do tipo eroso
< 0

< 1

> 1
H vida de prateleira, o componente pode falhar antes de ser
usado

Desgaste do tipo fadiga, iniciado antes do componente entrar em
em servio

Desgaste devido contnua reduo da resistncia
= 1
(t)
< 1 > 1
log Tempo

44

IV- ANLISE DE SISTEMAS COM COMPONENTES EM SRIE E EM PARALELO

At aqui, nos preocupamos com taxa de falhas de apenas um componente. Iremos abordar
neste tpico, no mais a confiabilidade de um nico elemento, mas a de um grupo formando
um conjunto funcional. Este conjunto ser formado pela interdependncia de vrios
elementos.
Para tal anlise, algumas consideraes bsicas sobre probabilidade:
Sendo E
1
e E
2
dois eventos independentes, com probabilidade de ocorrncia P(E
1
)
e P(E
2
), ento, para que ambos os eventos ocorram, ser necessrio:
( ) ( ) ( )
2 1 2 1
E P E P E E P =
Se ambos os eventos ocorrerem simultaneamente, a probabilidade de que tanto E
1
com E
2
, ou ambos venham a ocorrer ser:
( ) ( ) ( ) ( ) ( )
2 1 2 1 2 1
E P E P E P E P E E P + =

No caso dos eventos serem mutuamente exclusivos, ou seja, a ocorrncia de um
implica necessariamente na no ocorrncia do outro, ento:
( ) ( ) ( )
2 1 2 1
E P E P E E P + =
Se, temos apenas as alternativas dadas por E
1
e E
2
:
( ) ( ) ( ) 1
2 1 2 1
= + = E P E P E E P

1.1 Sistema em Srie
Os componentes so considerados em srie quando a falha de qualquer um deles
provocar a falha de todo o sistema, ficando completamente inoperante. Logo, o
funcionamento do sistema depender da plena capacidade de cada componente. Sua
representao dada a seguir, em analogia com os circuitos eltricos.

Figura 3.1 Sistema em srie

Os componentes 1,2,3,4,......., N tem confiabilidade C
1
(t),C
2
(t),...., C
N
(t)
respectivamente.

1 2
***
N
45
Considerando dois componentes em srie, com respectivas confiabilidades C
1
(t) e
C
2
(t), a probabilidade de que ambos os componentes sobrevivam ao tempo t, ser:
( ) ( ) ( ) t C t C t C
2 1 0
x =
onde C
0
(t) a confiabilidade de sistema.
Chamando P
1
(t), P
2
(t) a probabilidade de falha dos componentes 1 e 2, a
confiabilidade do sistema poder ser reescrita como:
( ) ( ) ( ) ( ) ( ) t P t P t C
2 1 0
1 1 =
Usando a expresso anteriormente deduzida:

( ) ( ) [ ] ( ) [ ] dt t f dt t f t C
2 1 0
exp exp =

Se (t) = Cte, temos a distribuio exponencial e vm:
( )
xt xt
e e t C
2 1
0

=

( )
( )xt
e t C
2 1
0
+
=

Assim, a taxa mdia de falhas ser dada pela soma das taxas mdias de falhas de cada
componente que compe o sistema. Generalizando obtemos:
( )
( ) t i
e t C

=

0

Como temos C
1
(t)
,
C
2
(t)
,
C
3
(t)
,....,
C
0
(t) so menores do que 1, a confiabilidade do
sistema ser menor que a confiabilidade do seu componente mais fraco. Por exemplo:
( ) ( ) ( ) 85 , 0 ; 8 , 0 ; 9 , 0
3 2 1
= = = t C t C t C

( ) 85 , 0 9 , 0 8 , 0
0
= t C

( ) 612 , 0
0
= t C

Normalmente, o valor esperado do tempo mdio igual ao inverso da taxa mdia de
falhas, ou seja, TMEF=1/. Assim, para = 0,0001, tem-se TMEF = 10 horas.
Deve-se procurar, no sobrecarregar em demasia inicialmente o sistema, para que a
taxa mdia de falhas no assuma valores altos, procurando reduzir o nvel de choques e
vibraes. Quanto menor o nmero de componentes aumenta-se a confiabilidade, e a
manuteno torna-se mais simples.
De maneira mais geral:
( ) ( ) ( ) ( ) t C t C t C t C
n
...
2 1 0
=

46
Se todos os componentes tm a mesma confiabilidade:

( ) ( ) ( ) ( ) t C t C t C t C
n m
= = = = ...
2 1

Portanto,
( ) ( )
n
m
t C t C =
0

onde n o nmero total de componentes e C
m
(t) a confiabilidade de cada um dos
componentes.
Na figura abaixo, observa-se como varia a confiabilidade do sistema em funo da
confiabilidade e nmero de componentes.

Figura 3.2 Confiabilidade de Sistema em srie

1.2 Sistema em Paralelo
Os componentes sero considerados em paralelo quando a falha do sistema s ocorrer
quando todos os componentes falharem ou o sistema continuar operando.
Neste sistema, a confiabilidade atingir altos valores.
O sistema poder ser representado pela figura a seguir.

47

Figura 3.3 Sistema em paralelo
Logo, fcil constatar mediante a figura que a falha do sistema ocorrer apenas
quando todos os componentes falharem.
A probabilidade de falha, considerando 2 componentes com falhas independentes,
ser:
( ) ( ) ( ) t P t P t P
2 1 0
=

Onde:
( ) ( )
( ) ( ) t C t P
t C t P
2 2
1 1
1
1
=
=

Generalizando, obteremos:
( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ] { } t C t C t C t C C
n
= 1 ... 1 1 1 1
3 2 1 0

Se todos os componentes tm a mesma confiabilidade:
( ) ( ) ( ) ( ) t C t C t C t C
n m
= = = = ...
2 1

Portanto,
( ) ( ) [ ]
n
m
t C t C = 1 1
0

onde n o nmero total de componentes e C
m
(t) a confiabilidade de cada um dos
componentes.
Na figura abaixo, observa-se como varia a confiabilidade do sistema em funo da
confiabilidade e nmero de componentes.

1
2
3
N
48

Figura 3.4 Confiabilidade de sistema em paralelo

Exemplo
Determinar a confiabilidade de 4 elementos em paralelo:
( )
( )
( )
( ) 7 , 0
95 , 0
9 , 0
8 , 0
4
3
2
1
=
=
=
=
t C
t C
t C
t C

Suas respectivas probabilidades sero:
( )
( )
( )
( ) 3 , 0 7 , 0 1
05 , 0 95 , 0 1
1 , 0 9 , 0 1
2 , 0 8 , 0 1
4
3
2
1
= =
= =
= =
= =
t P
t P
t P
t P

De acordo com:
( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ] t P t P t P t P C
4 3 2 1 0
1 =

3 , 0 05 , 0 1 , 0 2 , 0 1 ) (
0
= t C

( ) 9997 , 0
0
= t C

49
1.3 Sistema em Srie Paralelo
Como foi visto, em sistemas em srie, se um componente falhar, toda a linha pra. Isto
j no ocorre em sistemas em paralelo, aonde o sistema somente falhar se todos os
componentes falharem.
Logo, um estudo de sistema em srie paralelo ser de grande utilidade.
Por exemplo, representando um sistema com 5 elementos, conforme a figura abaixo:

Figura 3.5 Sistema misto: srie-paralelo

Fazendo uma analogia com sistemas eltricos:
( ) ( ) ( ) ( ) t C t C t C t C
linha 3 2 1 1
=

( ) ( ) ( ) t C t C t C
linha 4 5 2
=

Logo:
( ) ( ) ( ) [ ] [ ] t C t C t C
linha linha 2 1 0
1 1 1 =

Portanto,
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) t C t C t C t C t C t C t C t C t C t C t C
5 4 3 2 1 5 4 3 2 1 0
=

Exemplo

( )
( )
( )
( )
( )
( )
( ) 7408 , 0
85 , 0 7 , 0 5 , 0 8 , 0 9 , 0 85 , 0 7 , 0 5 , 0 8 , 0 9 , 0
85 , 0
7 , 0
5 , 0
8 , 0
9 , 0
0
0
5
4
3
2
1
=
+ =
=
=
=
=
=
t C
t C
t C
t C
t C
t C
t C

Adotando este conceito para um sistema, poderemos aumentar a sua confiabilidade.

Estudo de caso:
1 2 3
5 4
50
Em um sistema hidrulico, se um componente falhar, o conjunto inteiro falhar. Logo,
devem ser procuradas alternativas. Determine essas alternativas.
1 Filtro
1
= 0,3 x 10
-6
2 Bomba
2
= 10 x 10
-6
3 Redutor
3
= 0,3 x 10
-6
4 Vlvula alvio
4
= 5,7 x 10
-6
5 Vlvula
5
= 4,6 x 10
-6

6 Cilindro
6
= 0,2 x 10
-6

Para os elementos ligados em srie, teremos:

Figura 3.6 Sistema hidrulico

Para um tempo de 10 horas e um fator de agressivadade de 100, a confiabilidade de
cada elemento dada por:
( )
t xy kj
e t C

=

Sendo kj = 100 e t = 10 horas, teremos:
( )
( )
( )
( )
( )
( ) 9998 , 0
9954 , 0
9943 , 0
9997 , 0
9900 , 0
9997 , 0
6
5
4
3
2
1
=
=
=
=
=
=
t C
t C
t C
t C
t C
t C

Este sistema est instalado dentro de um avio comercial. Como foi visto, a taxa mdia
de falhas, para acidentes da ordem de 1 x 10
-6
/h ou o tempo mdio entre falhas 10
6
h. O
vo tem durao de 10 horas.
Adotando-se que o avio possui 6 sistemas, determinando a confiabilidade de cada
sistema, teremos, supondo que os sistemas tenham a mesma confiabilidade entre si, a
confiabilidade do avio :
10 6 10 0 x
e e C
t

= =

99999 , 0
0
= C
A confiabilidade de cada sistema ser:
1 2 3 4 5 6
51
9999984 , 0
99999 , 0
6 / 1
=
=
C
C

Logo, o sistema hidrulico dever ter uma confiabilidade mnima de 0,9999984.
A confiabilidade do conjunto apresentado :
9998 , 0 9954 , 0 9943 , 0 9900 , 0 9997 , 0
0
x x x x C =
9771 , 0
0
= C
V-se que o sistema considerado possui uma confiabilidade bem inferior ao mnimo
desejado de 0,9999984.
Para aumentar a confiabilidade, foi proposta uma utilizao em srie paralelo de
elementos, conforme a figura abaixo.

Figura 3.7 Sistema srie-paralelo: 1
a
. alternativa

Atravs da taxa mdia de falhas, conclui-se que os elementos 2, 4 e 5 deveriam ter
tripla redundncia.
Para determinarmos a confiabilidade do conjunto, prtico utilizar a taxa de falhas
equivalente para associao em paralelo vista anteriormente.
( )
1
0

=
n n
t n t f
Onde n o nmero de elementos em paralelo
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
9 - 1
2
6 -
6
8 2
3
6 -
5
8 2
3
6 -
4
8 - 1
2
6 -
3
7 2
3
6 -
2
-8 1
2
-6
1
10 8 10 100 10 2 , 0 2
10 92 , 2 10 x 100 x 10 x 4,6 x 3
10 55 , 5 10 x 100 x 10 x 5,7 x 3
10 8 , 1 10 100 10 3 , 0 2
10 0 , 3 10 x 100 x 10 x 10 x 3
10 8 , 1 10 100 10 3 , 0 2
= =
= =
= =
= =
= =
= =
x x f
f
f
x x f
f
x x f

A taxa mdia de falhas :
6 5 4 3 2 1 0
f f f f f f f + + + + + =

6
6
2
2
2
3
3
4
4
4
5
5
5
1
1
52
-7
0
10 x 287 . 4 = f
A confiabilidade do sistema ser dada por:
t x f
e C
0
0
=
10 x 7 - 10 x 287 , 4
0
= e C
9999957 , 0
0
= C

Observa-se que a confiabilidade do sistema hidrulico aumentou sensivelmente,
porm, fica ainda abaixo da confiabilidade mnima admissvel, que 0,9999984.
Logo, um novo estudo dever ser feito, com a utilizao de mais componentes,
analisando a taxa mdia de falhas de cada elemento obtida anteriormente, a fim de garantir
uma confiabilidade de 0,9999984.
Aumentando-se o n de elementos conforme a figura abaixo:

Figura 3.8 Sistema srie-paralelo: 2
a
. alternativa

( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
12 - 2
3
6 -
6
10 - 3
4
6 -
5
10 - 3
4
6 -
4
12 - 2
3
6 -
3
9 - 3
4
6 -
2
-12 2
3
-4
1
10 4 , 2 10 x 100 x 10 0,2 3
10 79 , 1 10 x 100 10 4,6 4
10 22 , 4 10 x 100 x 10 5,7 4
10 1 , 8 10 x 100 x 10 0,3 3
10 4 10 x 100 x 10 10 4
10 1 , 8 10 x 10 0,3 3
= =
= =
= =
= =
= =
= =
f
f
f
f
f
f

A taxa mdia de falhas ser:
10 x 4,6196

9 -
0
6 5 4 3 2 1 0
=
+ + + + + =
f
f f f f f f f

6
6
2
2
2
4
4
4
1
1
1
2
3
3
3
4
5
5
5
5
6
53

A confiabilidade do sistema ser:
99999995 , 0
0
10 9 10 x 6196 , 4
0
=
=

C
e C

Assim, a confiabilidade do sistema estar acima da mnima admissvel, podendo ser
esta a alternativa adotada.
Obviamente existem outras alternativas, porm, este exemplo visa a demonstrar como
deve ser o estudo em busca de solues.
Deve ser verificado se o aumento do peso no ser crtico para o caso do avio com a
utilizao do sistema em srie paralelo. A manuteno mais complicada e podem surgir
interferncias indesejadas com outros componentes do sistema.

1.4- Tipos Genricos de Configuraes Redundantes
As configuraes redundantes podem ser dos tipos
1) Ativas
a) Total
b) Parcial
c) Condicional
2) Stand-by
a) Unidades idnticas.
b) Unidades diferentes.
Redundncias Parcialmente Ativas
Considere trs unidades idnticas com confiabilidade R (ver Figura 2.6). Sabendo que
R + P = 1 onde P a probabilidade de falhas. A expresso binomial (R+P)
3
desenvolvida
produz:
( ) ( ) ( )
3 2 2 3 3 2 2 3
1 , 1 3 , 1 3 , R , 3 Q, 3 , R R R R R ou Q RQ R R

Figura 3.9 Redundncias parcialmente ativas

A
B
C
54
Esta expresso descreve a probabilidade de 0,1,2,3 falhas de uma unidade.
A confiabilidade do mesmo sistema para redundncia total ativa dada por: 1-(1-R)
3
.
Esta expresso consistente com as expresses acima pois igual a 1 menos o ltimo
termo. A soma dos termos a confiabilidade do sistema e, portanto a soma dos trs primeiros
termos, conduzindo a 0,1,2 falhas a confiabilidade do sistema.
Em muitos casos de redundncia, entretanto, o nmero de unidades que pode falhar
antes da falha do sistema menor do que no caso de redundncia total. No caso das trs
unidades exemplificadas, o sistema funciona com apenas uma unidade em funcionamento. No
caso de redundncia parcial, o sistema necessita sempre pelo menos de duas unidades em
funcionamento. Portanto, a confiabilidade pode ser obtida do desenvolvimento binomial para
0 ou 1 falhas. Portanto:
( )
3 2
( ) 3 1 R sistema R R R = +

Geralmente, se m itens podem falhar de n a confiabilidade a soma dos m + 1 termos
da expresso binomial. Portanto:
( )
( )
x n x
m
x
R R
x n x
n
Rs

1
!
!
1
0

Redundncias Condicionais Ativas
A melhor maneira de se explicar este caso atravs de um exemplo. Considere a
figura abaixo:

Figura 3.10 Redundncias condicionais ativas

Trs unidades de processamento digital (A, B e C) possuem confiabilidade R. Elas so
triplas para garantir a redundncia no caso de falha e suas sadas idnticas alimentam uma
unidade de votao 2/3. Se dois sinais idnticos so percebidos pela unidade de votao estes
so reproduzidos na sada. Assumindo que a unidade de votao muito mais confivel que
as unidades de processamento digital de forma que sua probabilidade de falha pode ser
descartada. A questo que resta determinar se o sistema tem:
A
B
C
2/3
55
a) Redundncia parcial 1 unidade pode falhar e somente uma.
b) Redundncia total 2 unidades pode falhar.
A resposta depende do modo de falha. Se duas unidades falharem no mesmo modo de
falha, ento a resposta da unidade de votao ser a mesma das duas falhas e o sistema falhar
como um todo. Se, por outro lado, duas unidades falharem de modos diferentes, a unidade
restante produzir uma resposta correta. Esta situao requer o teorema de Bayes para a
determinao da confiabilidade. Ento:
( ) / / ... / R sistema Rx a Pa Rx b Pb Rx n Pn = + + +

Neste caso, a soluo :
R(sistema) = R(confiabilidade do sistema no caso de falhas idnticas) (Probab. falha
idntica de 2 unidades).
Portanto,
( )
3 2
( ) 3 1 R sistema R R R = +

( )
3
1 1 Pa R Pb

+

Assumindo que a probabilidade de ambos os modos de falha idntico de forma que
Pa = Pb = 0,5, ento,
3
( ) 3 / 2 R sistema R R =

Redundncias Stand-by
Uma unidade Operando para n Stand-by .

Figura 3.11 sistema em stand-by
At ento somente foram considerados sistemas com redundncias ativas onde todas
as unidades esto operando e o sistema pode continuar operando a despeito da perda de uma
ou mais unidades. Redundncia em stand-by implica na existncia de unidades adicionais que
1
2
3
N + 1
56
so ativadas somente quando h falha de unidades operao. Um grande ganho de
confiabilidade esperado sobre os sistemas com redundncias ativas j que o tempo de
operao das unidades em stand-by bem menor. A figura na pgina 99 mostra n unidades
idnticas com 1 item ativo. Se alguma falha for detectada ento a unidade 2 ser colocada em
operao. Inicialmente, as seguintes consideraes so necessrias:
1. O mecanismo de deteco de falha e mudana para a unidade em stand-by
considerado isento de falha.
2. As unidades em stand-by so consideradas como idnticas e com a mesma taxa
de falhas.
3. As unidades em stand-by no falharo enquanto estiverem paradas.
4. Como nos casos de redundncias ativas, as unidades falhas no sero
reparadas.
A confiabilidade dada pelos primeiros n termos da expresso de Poisson:
( ) ( )
( ) ( )
( )
1 1 2 2
( ) exp 1 ...
2! 1 !
n n
t t
R sistema R t t t
n

| |
= = + + + +
|
|
\ .

Para 1 unidade em stand-by
( ) ( ) ( )
( ) exp 1 R sistema R t t t = = +

Para 2 unidades em stand-by
( ) ( )
2 2
( ) exp 1
2!
t
R sistema R t t t

| |
= = + +
|
\ .

N Unidade Operando para n Stand-by

Figura 3.12 Sistema em stand-by

1
1
N
N
57

Para 1 unidade em stand-by
( ) ( )( ) ( ) exp 1 R sistema R t N t N t = = +

Para 2 unidades em stand-by
( ) ( )
2 2 2
( ) exp 1
2!
N t
R sistema R t N t N t

| |
= = + +
|
\ .

Para n unidades em stand-by
( ) ( )
( ) ( ) ( )
( )
1 1 2 2 2
( ) exp 1 ...
2! 1 !
n n n t
N t N t
R sistema R t N t N t
n

| |
= = + + + +
|
|
\ .

V REFERNCIAS BIBLIOGRFICAS

CABRERA, L. C. Q. Transio 2000 Tendncias e Estratgias, Ed. Makron Books, 1993.

CARTER, A. Mechanical Reliability, MacMillan Educations Ltd., 1986.

KHATER, E. Confiabilidade Aplicada aos Manipuladores, Conferncia Internacional de
Aplicaes Industriais do IEEE, VI INDUSCON, 2004.

KHATER, E.; PAULA, D. A. & LIMA, R. C. Anlise de Falhas em Turbinas
Hidroeltricas atravs da Engenharia de Confiabilidade. V Simpsio Internacional de
Confiabilidade, Belo Horizonte, 2007.

KROENER, W. Manuteno no Ano 2000, Artigo Tcnico, Janeiro 1990.

LAFRAIA, J. R. B. Confiabilidade - Rio de Janeiro: Qualitymark, 2001.

MOUBRAY, J. - Reliability Centred Maintenance, Butterworth Heinemann, 1991.

PAUL, P. FMEA: Anlise dos Modos de Falha e Efeitos, Ed. Iman, 2004.

SPIEGEL, M. R. Estatstica, McGraw-Hill, 1985.

Apostila Icap 2009 Completa

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Apostila Icap 2009 Completa

Transféré par

Droits d'auteur :

Formats disponibles

PS-GRADUAO LATO SENSU APERFEIOAMENTO PROFISSIONAL

seja mnimo. O mtodo para aproximar uma

Vous aimerez peut-être aussi