Baixe o app para aproveitar ainda mais
Prévia do material em texto
CONFIABILIDADE DE SISTEMAS Abel José Vilseke Funções estatísticas de confiabilidade III Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: Calcular as funções de confiabilidade para distribuição exponencial, normal, log-normal e Weibull. Descrever as demais funções de distribuição utilizadas em confiabi- lidade e o conceito de curva de banheira. Relacionar as principais distribuições em confiabilidade com as suas aplicações. Introdução Os estudos das distribuições para as funções de confiabilidade têm como base a definição de confiabilidade de um sistema, que consiste na probabilidade de operação de um sistema com sucesso por um período esperado. Assim, a probabilidade de sobrevivência do sis- tema pode ser estimada corretamente, para qualquer instante nesse período, a partir da definição de qual forma de distribuição melhor descreve os tempos. Neste capítulo, você vai estudar as funções de confiabilidade e as suas aplicações, verificando as distribuições de probabilidade emprega- das em análises de tempo até a falha de sistemas. Você vai verificar as distribuições exponencial, normal, log-normal e Weibull, o cálculo das funções confiabilidade para as distribuições e suas aplicações. Você vai analisar também o conceito da curva da banheira, muito comum em estudos de confiabilidade. Cálculo das funções de confiabilidade para distribuição exponencial, normal, log-normal e Weibull Para demonstrar o cálculo das funções de confi abilidade, vamos falar pri- meiramente sobre a estimativa de parâmetros, que são classifi cados da seguinte forma: parâmetros de localização, utilizados para deslocar a distribuição de probabilidade ao longo do eixo do tempo, como a média µ em distri- buição normal; parâmetro de escala, utilizado para expandir ou contrair o eixo do tempo, como o parâmetro λ da distribuição exponencial; parâmetro de forma, que afeta a forma da função densidade, como o parâmetro γ da distribuição Weibull. Para estimar os parâmetros, pode-se empregar métodos conhecidos, como o método dos momentos, o método dos mínimos quadrados ou o método da máxima verossimilhança. Funções de confiabilidade para distribuição exponencial Sistemas complexos, constituídos de considerável número de componentes, têm a sua vida útil descrita pela distribuição exponencial, em que a taxa de falha λ(t) é sempre constante. Isso quer dizer que a ocorrência de falhas se dá de forma aleatória, sem indicar tendência crescente ou decrescente no período de operação normal, conforme leciona Dias (2005). Essa pro- priedade da distribuição exponencial corresponde à isenção de memória (memoryless) — ou seja, a vida útil restante do sistema é independente da sua idade atual. Tal comportamento é típico da fase operacional, em que não se tem as falhas prematuras provenientes de ajustes e erros de projeto ou fabricação, e antes que ocorram as falhas de final de ciclo da vida relacionadas ao desgaste ou envelhecimento. Dessa forma, pode-se dizer que a distribuição exponencial é um modelo apropriado para um período longo e com baixo risco de falha. Funções estatísticas de confiabilidade III2 Outra propriedade a se considerar em confiabilidade, relevante para a determinação da garantia de produtos, é referente a intervalos de eventos, como cargas pontuais e choques, de forma aleatória. Se o intervalo entre esses eventos puder ser modelado exponencialmente com parâmetro λ, o número de eventos no intervalo segue a distribuição de Poisson, com parâmetro λt. A distribuição exponencial se caracteriza, ainda, pela baixa complexidade matemática das equações derivadas, o que a torna muito empregada em análises de confiabilidade, conforme apontam Fogliatto e Ribeiro (2009). Sendo f(t) a função densidade de probabilidade de falha para uma va- riável aleatória T em um período de tempo, e R(t) a função confiabilidade, descrevendo o que se entende como sobrevida do sistema ou probabilidade de que esse sistema opere com sucesso no período de tempo esperado, h(t) vai descrever a taxa de falha. Ou seja, trata-se da probabilidade de o sistema falhar em um intervalo de tempo; é a associação da quantidade de risco de falha por unidade de tempo. Para uma distribuição exponencial de probabilidade, a função densidade f(t) é dada pela expressão: f(t) = λ e(-λt) para t ≥ 0 Aplicando-se a equação da função confiabilidade: Desse modo, substituindo na equação da função de risco, você terá: Veja na Figura 1 a representação gráfica para as funções de confiabilidade utilizando como parâmetro λ = 2. Observe que a taxa de risco é constante e igual a λ, como demonstrado na equação. 3Funções estatísticas de confiabilidade III Figura 1. Gráficos para as funções de confiabilidade com distribuição exponencial. Funções estatísticas de confiabilidade III4 Funções de confiabilidade para distribuição normal A distribuição normal é denominada também distribuição gaussiana, sendo a mais importante distribuição contínua, conforme aponta Navidi (2012). Essa não é uma função comumente utilizada para modelar os dados de confi abili- dade, como as demais distribuições, pois, ao observarmos o desvio padrão da função densidade, sua distribuição é simétrica; sendo assim, não representa a maioria das distribuições de falha. Contudo, a distribuição normal é usada para representar o comporta- mento no final da vida, relacionado a falhas no envelhecimento; podemos verificá-las nos sistemas mecânicos, elétricos, eletrônicos, entre outros. A sua utilização também é frequente no controle de produção, de mercado e nas decisões gerenciais. Ao observar o gráfico de uma distribuição normal, verifica-se uma curva simétrica, suave, em forma de sino. Sendo unimodal, o seu ponto de frequência máxima se situa no meio da distribuição, onde a média, a mediana e a moda coincidem. A curva normal é obtida a partir da função densidade, em que T é uma variável aleatória com distribuição normal. Então, a função densidade de falha é dada por: Para cada valor de µ e/ou σ de probabilidade empregado em análises de tempo até a falha de sistemas, você terá uma curva de distribuição de pro- babilidade. Ao calcular áreas específicas, utiliza-se a distribuição normal padronizada, denominada também standardized ou reduzida, em que a distribuição normal tem µ = 0 e σ =1. Quando a média µ é diferente de 0 e o desvio padrão σ é diferente de 1, devemos reduzi-la a uma variável Z, como demonstrado: 5Funções estatísticas de confiabilidade III Confira, na Figura 2, o formato gráfico das curvas das funções de confia- bilidade com distribuição normal elaboradas no software MS Excel®. Figura 2. Gráficos para funções de confiabilidade com distribuição normal. Funções estatísticas de confiabilidade III6 A distribuição normal pode ser aplicada na modelagem da vida de bens de consumo com risco de falha crescente, como resistências elétricas. Funções de confiabilidade para distribuição log-normal A distribuição log-normal é uma distribuição que se caracteriza por ser fl exível e possuir uma repentina variabilidade no início do processo e uma variação lenta no fi nal. É utilizada na modelagem de tempos até o reparo, devido à sua distribuição ser limitada à esquerda. Diante disso, é plausível presumir que a probabilidade de concluir o reparo aumenta com o passar do tempo; caso ocorra uma demora na operação, por algum motivo, obteremos um indicativo de causas especiais. Então, a taxa de reparos, ou seja, a intensidade com que os reparos são concluídos, equivale à função taxa de falha de uma distribuição log-normal. Segundo Fogliatto e Ribeiro (2009), as medidas de confi abilidade de interesse para a distribuição log-normal são: A distribuição log-normal é a distribuição normal com ln t como variável independente. Portanto, a função confiabilidade pode ser escrita como: onde Φ (t) é o valor da distribuição acumulada de distribuição normal padrão.A função taxa de falha é dada por: tendo como ϕ o valor da função densidade da distribuição normal. Observe, na Figura 3, que a curva para a função densidade de falha, com parâmetros μ = 0 e σ = 1, tem um rápido crescimento e logo começa a decrescer suavemente. 7Funções estatísticas de confiabilidade III Figura 3. Gráfico para função densidade com distribuição log-normal. Fonte: Adaptada de Navidi (2012). Funções de confiabilidade para distribuição Weibull A distribuição Weibull é considerada de grande importância nas análises de confi abilidade. É empregada na análise de confi abilidade e de dados de vida, por causa da sua versatilidade e efi cácia de representação nas amostras de tempos até a falha com desempenhos distintos. Em vista disso, a distribuição Weibull pode ser utilizada na modelagem de tempos até a falha (devido à fadiga dos metais, por exemplo), mostrando funções de risco constantes, estritamente crescentes ou estritamente decrescentes. As funções de confiabilidade são descritas pelas equações: Os parâmetros γ e θ de forma e escala, respectivamente, são estimadores de verossimilhança obtidos pela derivada do logaritmo na equação da função densidade, de acordo com Fogliatto e Ribeiro (2009). A Figura 4 apresenta gráficos para a taxa de falha, com três parâmetros de forma diferentes. Funções estatísticas de confiabilidade III8 Figura 4. Gráfico para função taxa de falha com distribuição Weibull. Fonte: Adaptada de Fogliatto e Ribeiro (2009). Wuttke e Sellitto (2008) corroboram com a percepção intuitiva a respeito dos gráficos da Figura 4, afirmando que, ao se alterar o parâmetro de forma, 9Funções estatísticas de confiabilidade III a função densidade de probabilidade Weibull apresenta formas distintas. Com isso, a distribuição Weibull pode ter diversas aplicações. Veja como ela pode se igualar ou ser muito semelhante a outras distribuições em razão do valor de γ: com γ = 1, a distribuição de Weibull é idêntica à distribuição exponencial; com γ = 2, a distribuição de Weibull é idêntica à distribuição Rayleigh; com γ = 2,5, a distribuição de Weibull aproxima-se da distribuição log-normal; com γ = 3,6, a distribuição de Weibull aproxima-se da distribuição normal. Outras funções de distribuição e a curva de banheira Distribuição de Poisson A distribuição de Poisson pode ser empregada para expressar a probabili- dade de uma série de eventos ocorrer em certo período, quando o número dos possíveis eventos é maior do que sua média no intervalo de tempo. Desconhecendo-se um número preciso de possíveis ocorrências, que se dão de forma aleatória, a probabilidade de ocorrência independe dos eventos ocorridos anteriormente. Assumindo como λ a média de eventos em um intervalo de tempo, e con- siderando que a variável aleatória X indica o número de eventos ocorridos no intervalo, assim se expressa: As funções de confiabilidade com distribuição de Poisson, segundo Sellitto (2005), podem ser descritas no período que indica o final da primeira fase de vida da unidade, em que os elementos suscetíveis às falhas são substitu- ídos, e apenas sobrecargas imprevisíveis e de intensidades extraordinárias as causarão. Funções estatísticas de confiabilidade III10 Distribuição gama A distribuição gama é, de acordo com Fogliatto e Ribeiro (2009), uma gene- ralização da distribuição exponencial. Descreve sistemas que operam com dispositivos em paralelo, em que que a última tarefa determina o fi m da atividade — a falha ocorre quando o último dispositivo falha. As expressões para as funções de confi abilidade da distribuição gama estão descritas abaixo: onde θ é o parâmetro de escala, γ é o parâmetro de forma, Γ é a função gama e t indica o tempo até a falha. A função de confiabilidade MTTF Em confi abilidade, o MTTF (mean time to failure) é o tempo médio em que a unidade vai funcionar antes de falhar — ou seja, a vida útil média do sistema. Com dados censurados (quando os tempos exatos para a falha são desconhecidos), a média aritmética não fornece uma medida do centro confi ável, pois alguns dos tempos de falha são desconhecidos. Então, o MTTF é uma estimativa do centro teórico da distribuição que considera observações censuradas. Quando o maior tempo observado é uma censura, a função de confiabilidade estimada não chega a zero, impossibilitando a estimativa confiável do MTTF. Pode-se descrever o MTTF como sendo a área sob a função de confiabilidade, isto é, a integração da função R(t). 11Funções estatísticas de confiabilidade III Veja, no Quadro 1, as expressões aplicáveis para o MTTF de acordo com as diferentes distribuições de probabilidade estudadas. Tipo de distribuição Expressão de MTTF Exponencial Gama Weibull Log-normal Quadro 1. Expressões para MTTF Curva da banheira Nas análises de confi abilidade, você vai se deparar, muitas vezes, com uma representação gráfi ca para o comportamento da taxa de falha de um sistema ao longo do tempo, denominada curva da banheira (bathtube curve). Ela re- presenta as fases da vida características de um sistema: mortalidade infantil, maturidade e envelhecimento. Essas fases, segundo Sellitto (2005), estão associadas ao fator de forma γ, um dos parâmetros da distribuição Weibull nas funções da confi abilidade do sistema. A Figura 5 ilustra a função de risco, descrita grafi camente no formato da curva da banheira. Funções estatísticas de confiabilidade III12 Figura 5. Curva da banheira. Fonte: Adaptado de Wuttke e Sellitto (2008). Segundo Wuttke e Sellitto (2008), na fase γ < 1 (mortalidade infantil), a taxa de falhas é alta e decrescente, pois as falhas prematuras provêm de erros de projeto, processos de fabricação ou montagem inapropriados, manuseio ou operacionalização em aprendizado, etc. Consistem em problemas que são resolvidos e, por isso, o risco diminui. O intervalo de tempo intermediário, em que γ = 1, denomina-se vida útil e representa o período operacional do sistema, em que as falhas se associam a eventos aleatórios e de alto impacto, como acidentes, podendo ter uma distribuição linearizada ao longo do tempo. Uma elevação na taxa de falhas pode indicar o início de uma nova fase, a do envelhecimento. Na fase final, em que γ > 1, os efeitos da fadiga e do desgaste refletem em uma taxa crescente de falhas. Esse período é entendido em confiabilidade como a probabilidade de a falha atingir níveis além de patamares seguros. 13Funções estatísticas de confiabilidade III Aplicação de distribuições em confiabilidade Agora que você conheceu as distribuições de probabilidade e verifi cou o comportamento das funções de confi abilidade em diversas possibilidades de distribuição, vamos demonstrar algumas aplicações. Aplicação de distribuição exponencial A distribuição exponencial é muito usada para modelar dados de confi abi- lidade, por ser simples, com apenas um parâmetro. Uma boa aplicação a se exemplifi car é na modelagem de componentes eletrônicos, como diodos, transistores, resistores e capacitores, que, normalmente, apresentam vida útil próxima à do produto que compõem. A distribuição exponencial também é eficiente para análises de períodos longos de tempo, com comportamento relativamente constante, com função de risco em baixo patamar. Essa condição é condizente com o tempo de vida útil, descrito pela fase intermediária da curva da banheira, quando a taxa de falhas é constante. As resistências elétricas para chuveiros fabricadas pela empresa X não têm expectativa de queima durante o tempo de uso normal estipulado. Os engenheiros da empresa pretendem assegurar que sua durabilidade seja de três anos (equivalente a 26.280 horas); para isso, submeteram uma amostra ao uso intensivo e anotaram os tempos em que ocorreram as queimas de cada resistência. Registrou-se uma taxa de falhas constante, estimada pelo teste acelerado, de uma a cada 100.000 horas, e a densidade assumiu uma distribuição exponencial, assim validada: R(t)= e-λt Dessa forma, concluiu-se que 23% das resistências podem falhar antes do período de garantia imaginado pelos engenheiros, de três anos. Funções estatísticas de confiabilidade III14 Aplicação de distribuição log-normal Como há a relação entre as distribuições log-normal e normal, o logaritmo de uma variável que segue distribuição log-normal com parâmetros µ e σ tem distribuição normal, com média e desvio-padrão µ e σ, respectivamente. Assim, a distribuição log-normal é analisada conforme uma distribuição normal, considerando o logaritmo dos dados. A distribuição log-normal é aplicada para a modelagem de dados que são mais ou menos simétricos ou assimétricos à direita; por ser flexível, pode apresentar-se graficamente de formas diferentes, dependendo do seu parâmetro de escala. É empregada quando o sistema fica exposto a fatores de falha que aumentam de forma aleatória, como elementos sujeitos a fissuras por estresse ou fadiga, degradação por reações químicas, corrosão, etc. Assim, tem aplicação para caracterizar o tempo de vida de produtos e materiais. A engenharia de confiabilidade de uma indústria detectou que, a partir do tempo decorrido para a falha, um equipamento em condições normais de operação apresen- tava taxa de falha decrescente ao longo do tempo, sendo modelado com distribuição log-normal com os parâmetros µ = 9,65 e σ = 0,1053. Os engenheiros, buscando indicar a confiabilidade dos equipamentos em 10.000 horas, constataram que: Ou seja, a confiabilidade dos equipamentos analisados supera a expectativa dos engenheiros. Aplicação de distribuição normal A distribuição normal pode ser aplicada na modelagem da durabilidade de bens de consumo quando o risco de falha é sempre crescente. Por exemplo, a proba- 15Funções estatísticas de confiabilidade III bilidade de falha com distribuição normal pode descrever o comportamento de dispositivos de fi lamentos elétricos, como lâmpadas incandescentes, torneiras elétricas, etc. De um modo geral, a distribuição normal não é utilizada com frequência para modelar os dados de confi abilidade, devido à forma simétrica, incomum para a maioria das distribuições de falha. Aplicação de distribuição Weibull A distribuição Weibull é amplamente empregada na modelagem de dados de confi abilidade. Pode-se aplicar para modelar dados simétricos e assimétricos, à direita ou à esquerda. Isso possibilita sua aplicação para avaliar a confi abilidade de componentes como tubos de vácuo, capacitores, rolamentos de esferas, relés, além de resistências de materiais. A distribuição Weibull permite descrever qualquer fase da vida de um produto, por indicar estabilidade, crescimento ou redução da taxa de risco. Por exemplo, permite estimar a expectativa de falha dos itens em termos percentuais em testes acelerados, a probabilidade de falhas de um certo item dentro de um período estipulado ou a alteração do comportamento da distribuição das falhas. É esperado que o tempo de vida de um componente eletrônico crítico, que opera inin- terruptamente, seja de um ano (8.760 horas) e obedeça a uma distribuição Weibull com parâmetros γ = 0,5 e θ = 100.000. Calculando a confiabilidade para um ano, obtém-se: Assim, foi possível determinar que há 74% de probabilidade de o sistema funcionar em razão da durabilidade do componente por, ao menos, um ano. Funções estatísticas de confiabilidade III16 DIAS, A. Projeto para confiabilidade: conceitos e fundamentos. In: AMARAL, C. D. (org.). Gestão do ciclo de vida dos produtos. Jaboticabal: Novos Talentos, 2005. v. 3. (Coleção Fábrica do Milênio). FOGLIATTO, F. S.; RIBEIRO, J. L D. Confiabilidade e manutenção industrial. Rio de Janeiro: Elsevier, 2009. NAVIDI, W. Probabilidade e estatística para ciências exatas. Porto Alegre: Bookman, 2012. SELLITTO, M. A. Formulação estratégica da manutenção industrial com base na con- fiabilidade dos equipamentos. Revista Produção Online, Florianópolis, v. 15, nº. 1, p. 44–59, abr. 2005. Disponível em: http://www.scielo.br/pdf/prod/v15n1/n1a04.pdf. Acesso em: 18 fev. 2019. WUTTKE, R. A.; SELLITTO, M. A. Cálculo da disponibilidade e da posição na curva da Banheira de uma válvula de processo petroquímico. Revista Produção Online, Florianó- polis, v. 8, nº. 4, dez. 2008. Disponível em: https://producaoonline.org.br/rpo/article/ view/134. Acesso em: 18 fev. 2019. Leituras recomendadas ABRAMAN. Glossário. In: ABRAMAN. Documento nacional: a situação da manutenção no Brasil — Edição 2019. Rio de Janeiro, RJ, 2019. Disponível em: http://www.eventos. abraman.org.br/pesquisa/glossario.php. Acesso em: 18 fev. 2019. INDICADORES (MTTR e MTBF). Centralsigma, São Paulo, SP, [2018?]. Disponível em: http://www.centralsigma.com.br/arquivos/marketing/ebook-indicadores-mttr-e-mtbf. pdf. Acesso em: 18 fev. 2019. SANTOS, I. P. Introdução à análise de confiabilidade: uma aplicação ao setor de transporte. 2016. Trabalho de Conclusão de Curso (Especialização em Estatística Aplicada) — Departamento de Estatística, Centro de Ciências e Tecnologia, Universidade Estadual da Paraíba, Campina Grande, PB, 2016. Disponível em: http://dspace.bc.uepb.edu. br/jspui/bitstream/123456789/10144/1/PDF%20-%20Isaac%20Pereira%20Santos.pdf. Acesso em: 18 fev. 2019. SILVA J. R. S. et al. Análise da confiabilidade: um estudo de caso. In: ENCONTRO NA- CIONAL DE ENGENHARIA DE PRODUÇÃO, 35., 2015, Fortaleza. Anais [...]. Ceará, 2015. 17Funções estatísticas de confiabilidade III
Compartilhar