Baixe o app para aproveitar ainda mais
Prévia do material em texto
Distribuição Weibull e Log-normal Confiabilidade de Produtos e Processos Engenharia de Produção - PUC Minas Distribuição Weibull Proposta originalmente por Waloddi Weibull em estudos relacionados ao tempo de falha nos anos 50. É a mais popular das distribuições utilizadas em aplicações na Engenharia de Confiabilidade. Distribuição Weibull Usada frequentemente para modelar tempo de vida de produtos industriais, componentes eletrônicos, capacitores e cerâmicas. Descreve adequadamente o tempo de vida de produtos formados de várias partes (elementos) cuja falha ocorre quando a primeira parte falhar, dentre outros. Distribuição Weibull A curva da distribuição Weibull é dada por: 𝑓 𝑡 = 𝛽 η𝛽 𝑡𝛽−1𝑒 − 𝑡 η 𝛽 𝑡 ≥ 0 𝛽 é um parâmetro de forma da distribuição. η é um parâmetro de escala da distribuição ou característica de vida. η representa o tempo de vida 𝑡 em que 63,2% dos produtos terá falhado. 𝛽 e η são obtidos experimentalmente. Distribuição Weibull A média (mean-time to failure ou MTTF) e o desvio-padrão da distribuição Weibull são dadas por: 𝜇 = 𝑀𝑇𝑇𝐹 = η𝛤 1 𝛽 + 1 𝜎 = η 𝛤 2 𝛽 + 1 − 𝛤 1 𝛽 + 1 2 𝛤(𝑥) = න 0 ∞ 𝑢𝑥−1𝑒−𝑢𝑑𝑢 , 𝑥 ≥ 0 𝛤 𝑥 = 𝑥 − 1 !, 𝑥 𝜖 𝑁+ Distribuição Weibull Possui grande variedade de formas. Pode-se ajustar bem a muitos tipos de tempo até a falha (time to failure - TTF) apenas alterando parâmetros dessa distribuição. Distribuição Weibull Vermelho: 𝛽 = 3.5 (se aproxima da distribuição normal) Azul: 𝛽 = 1.0 (se aproxima da distribuição exponencial) Verde: 𝛽 = 0.5 η = 100.000 Distribuição Weibull A distribuição Weibull acumulada (área à esquerda do ponto na curva de distribuição) é dada por: 𝐹 𝑡 = 1 − 𝑒 − 𝑡 η 𝛽 𝑡 ≥ 0 A distribuição acumulada é útil quando se deseja saber probabilidades até um dado intervalo de tempo. A probabilidade de sobrevivência ou confiabilidade após decorrido um tempo é dada pelo complemento da acumulada da falha, ou 𝑅 𝑡 = 1 − 𝐹 𝑡 . 𝑅 𝑡 = 𝑒 − 𝑡 η 𝛽 Distribuição Weibull Em algumas situações, é interessante saber em qual tempo 𝑡 um certo percentual de produtos, ou percentil 𝑝, terá falhado. Para isso, buscamos isolar o tempo 𝑡 na função acumulada. 𝐹 𝑡 = 𝑝 𝑝 = 1 − 𝑒 − 𝑡 η 𝛽 𝑒 − 𝑡 η 𝛽 = 1 − 𝑝 ln 𝑒 − 𝑡 η 𝛽 = ln(1 − 𝑝) − 𝑡 η 𝛽 = ln(1 − 𝑝) 𝑡 = η − ln(1 − 𝑝) 1 𝛽 Distribuição Weibull Exemplo 1. Considere um capacitor cujo tempo de vida segue uma distribuição Weibull com η = 100.000 horas e 𝛽 = 0,5. Qual a confiabilidade após 1 ano de uso? Com quantas horas de uso 10% dos capacitores terão falhado? Qual a média do tempo de vida do capacitor? Qual o desvio-padrão do tempo de vida do capacitor? Distribuição Weibull Qual a confiabilidade após 1 ano de uso? 1 ano = 365 ∗ 24 = 8760 horas 𝑅 𝑡 = 𝑒 − 𝑡 η 𝛽 𝑅 8760 = 𝑒 − 8760 100000 0,5 ≈ 0,7438 Distribuição Weibull Com quantas horas de uso 10% dos capacitores terão falhado? 𝑡 = η − ln(1 − 𝑝) 1 𝛽 𝑡 = 100.000 ∗ − ln(1 − 0,1) 1 0,5 𝑡 = 100.000 ∗ − ln(0,9) 2 𝑡 = 100.000 ∗ 0,10536 2 𝑡 ≈ 1110,08 ℎ𝑜𝑟𝑎𝑠 Distribuição Weibull Qual a média do tempo de vida do capacitor? 𝜇 = 𝑀𝑇𝑇𝐹 = η𝛤 1 𝛽 + 1 = 100.000 ∗ 𝛤 1 0.5 + 1 𝛤 3 = 3 − 1 ! = 2! = 2 𝑀𝑇𝑇𝐹 = 100.000 ∗ 𝛤 3 = 200.000 Distribuição Weibull Qual o desvio-padrão do tempo de vida do capacitor? 𝜎 = η 𝛤 2 𝛽 + 1 − 𝛤 1 𝛽 + 1 2 𝜎 = 100.000 𝛤 2 0,5 + 1 − 𝛤 1 0,5 + 1 2 = 100.000 ∗ 𝛤 5 − 𝛤[3]2 𝛤 5 = 5 − 1 ! = 4! = 24 𝛤 3 = 3 − 1 ! = 2! = 2 𝜎 = 100.000 ∗ 24 − 4 = 100.000 ∗ 4,4721 = 447.213,6 Distribuição Weibull Exemplo 2. Suponha que o tempo de vida de um componente seja modelado pela distribuição Weibull com valores de η = 50.000 horas e 𝛽 = 0,3. Calcule a probabilidade de o aparelho durar mais do que o tempo de cobertura da garantia estabelecida pela fábrica de 20.000 horas. Com quantas horas de uso 50% dos componentes terão falhado? Distribuição Weibull Calcule a probabilidade de o aparelho durar mais do que o tempo de cobertura da garantia estabelecida pela fábrica de 20.000 horas. 𝑅 𝑡 = 𝑒 − 𝑡 η 𝛽 𝑅 20000 = 𝑒 − 20000 50000 0,3 = 𝑒 −0,7597 ≈ 0,4678 Garantia está mal estimada para a empresa pois apenas 46,78% dos produtos duram mais do que a garantia. Distribuição Weibull Com quantas horas de uso 50% dos componentes terão falhado? 𝑡 = η − ln(1 − 𝑝) 1 𝛽 𝑡 = 50.000 ∗ − ln(1 − 0,5) 1 0,3 𝑡 = 50.000 ∗ − ln(0,5) 10 3 𝑡 = 50.000 ∗ 0,6931472 10 3 𝑡 ≈ 14.736,29 ℎ𝑜𝑟𝑎𝑠 Distribuição Log-normal É a distribuição que melhor descreve os tempos de vida de componentes semicondutores cujos mecanismos de falha envolvem interações químicas. Corrosão, acúmulo superficial de cargas elétricas, degradação de contatos, etc. O logaritmo natural do tempo até a falha (TTF) em uma distribuição log-normal segue uma distribuição normal. Distribuição Log-normal A curva da distribuição log-normal é dada por: 𝑓 𝑡 = 1 2𝜋𝜎𝑡 𝑒 − 1 2 ln(𝑡)−𝜇 𝜎 2 𝑡 ≥ 0 𝜇 e 𝜎 são parâmetros da distribuição. Distribuição Log-normal A média (mean-time to failure ou MTTF) e o desvio-padrão (SD) da distribuição log-normal são dadas por: 𝑀𝑇𝑇𝐹 = 𝑒 𝜇+ 𝜎2 2 𝑆𝐷 = 𝑒 2𝜇+2𝜎 2 − 𝑒 2𝜇+𝜎 2 Distribuição Log-normal Tempo até a falha (TTF) em uma distribuição log-normal. Distribuição Log-normal A distribuição log-normal acumulada (área à esquerda do ponto na curva de distribuição) é dada por: 𝐹 𝑡 = 1 − Φ − ln 𝑡 − 𝜇 𝜎 𝑡 ≥ 0 Φ é a função de distribuição acumulada de uma normal padrão (disponível em tabelas no final dos livros de estatística). A probabilidade de sobrevivência ou confiabilidade após decorrido um tempo é dada pelo complemento da acumulada da falha, ou 𝑅 𝑡 = 1 − 𝐹 𝑡 . 𝑅 𝑡 = Φ − ln 𝑡 − 𝜇 𝜎 Distribuição Log-normal Em algumas situações, é interessante saber em qual tempo 𝑡 um certo percentual de produtos, ou percentil 𝑝, terá falhado. 𝑡 = 𝑒 𝑧𝑝𝜎+𝜇 Em que 𝑧𝑝 é o percentil da normal-padrão. Distribuição Log-normal Exemplo 1. Considere um componente semicondutor cujo tempo de vida segue uma distribuição log-normal com 𝜇 = 9,65 horas e 𝜎 = 0,1053 horas. Qual a confiabilidade após 20.000 horas de uso? Com quantas horas de uso 25% dos componentes terão falhado? Qual a média do tempo de vida do componente? Qual o desvio-padrão do tempo de vida do componente? Distribuição Log-normal Qual a confiabilidade após 20.000 horas de uso? 𝑅 𝑡 = Φ − ln 𝑡 − 𝜇 𝜎 𝑅 20000 = Φ − ln 20000 − 9,65 0,1053 = Φ −2,41 = 0,008 Distribuição Log-normal Com quantas horas de uso 25% dos componentes terão falhado? 𝑡 = 𝑒 𝑧𝑝𝜎+𝜇 𝑡 = 𝑒 𝑧0,250,1053+9,65 𝑧0,25 = −0,67449 𝑡 = 𝑒 −0,67449∗0,1053+9,65 = 𝑒 9,57898 𝑡 ≈ 14.457,61 ℎ𝑜𝑟𝑎𝑠 Distribuição Log-normal Qual a média do tempo de vida do componente? 𝑀𝑇𝑇𝐹 = 𝑒 𝜇+ 𝜎2 2 𝑀𝑇𝑇𝐹 = 𝑒 9,65+ 0,10532 2 𝑀𝑇𝑇𝐹 = 15.608,08 horas Distribuição Log-normal Qual o desvio-padrão do tempo de vida do componente? 𝑆𝐷 = 𝑒 2𝜇+2𝜎 2 − 𝑒 2𝜇+𝜎 2 𝑆𝐷 = 𝑒 2∗9,65+2∗0,1053 2 − 𝑒 2∗9,65+0,1053 2 𝑆𝐷 = 1.648,097 horas Histograma Também conhecido como distribuição de frequências. Representação gráfica em barras de dados divididos em classes (intervalos). Eixo 𝑥 representa as classes e eixo 𝑦 representa a frequência. Histograma Para a determinação da quantidade 𝑘 de classes em um histograma, pode-se utilizar a regra de Sturges: 𝑘 = 3,322 ∗ log 𝑛 + 1 A amplitude total (𝐴) dos dados com a diferença entre o maior e o menor valor é calculada. A amplitude de cada classe ou intervalo (ℎ) é calculada através da razão da amplitude total pelo número de classes 𝑘. ℎ = 𝐴 𝑘 Histograma Exemplo. Foram calculadas 36 medidas de durabilidade de um componente em dias e deseja- se construir um histograma das medidas. Dias Dias Dias1 60,29 13 56,65 25 59,47 2 59,41 14 60,51 26 60,19 3 61,14 15 58,36 27 57,65 4 55,14 16 55,95 28 61,29 5 64,44 17 65,94 29 61,71 6 61,41 18 51,00 30 60,26 7 59,36 19 56,07 31 66,82 8 64,30 20 54,60 32 60,23 9 56,17 21 63,23 33 50,46 10 58,33 22 59,34 34 61,86 11 59,27 23 57,98 35 60,11 12 61,11 24 63,27 36 63,24 Histograma Regra de Sturges: 𝑘 = 3,322 ∗ log𝑛 + 1 𝑘 = 3,322 ∗ log 36 + 1 = 3,322 ∗ 1,5563 + 1 = 6,1859 = 7 A amplitude total (𝐴) dos dados com a diferença entre o maior e o menor valor é calculada. 𝐴 = 66,82 − 50,46 = 16,36 A amplitude de cada classe ou intervalo (ℎ) é calculada através da razão da amplitude total pelo número de classes 𝑘. ℎ = 𝐴 𝑘 = 16,36 7 ≈ 2,337 Histograma Calcula-se os limites das classes com base no menor valor somado ao intervalo ℎ calculado. Por exemplo, a classe 1 é calculada assim: Limite inferior: 50,46 (menor valor) Limite superior: 50,46+2,337 ≈ 52,80 Classes Limite Inferior Limite Superior 1 50,46 52,80 2 52,80 55,13 3 55,13 57,47 4 57,47 59,81 5 59,81 62,15 6 62,15 64,48 7 64,48 66,82 Histograma Inclui-se para cada classe a quantidade de observações que se encontra neste intervalo: Classes Limite Inferior Limite Superior Frequência Absoluta 1 50,46 52,80 2 2 52,80 55,13 1 3 55,13 57,47 5 4 57,47 59,81 9 5 59,81 62,15 12 6 62,15 64,48 5 7 64,48 66,82 2 Histograma Gera-se um gráfico de barras com os dados de frequência absoluta observada das classes: Histograma Inclui-se para cada classe também a frequência relativa de cada classe: Classes Limite Inferior Limite Superior Frequência Absoluta Frequência Relativa 1 50,46 52,80 2 5,56% 2 52,80 55,13 1 2,78% 3 55,13 57,47 5 13,89% 4 57,47 59,81 9 25,00% 5 59,81 62,15 12 33,33% 6 62,15 64,48 5 13,89% 7 64,48 66,82 2 5,56% Histograma Gera-se um gráfico de barras com os dados de frequência relativa das classes: Histograma O formato dos histogramas vai gerar uma boa aproximação para as distribuições de probabilidade do evento estudado. Distribuição Normal Distribuição Exponencial Referências O'CONNOR, Patrick D. T.; KLEYNER, Andre. Practical reliability engineering. 5th ed. Chichester, West Sussex, England: Wiley, c2012. xviii, 484 p. ISBN 9780470979815 MONTGOMERY, Douglas C. Introdução ao controle estatístico de qualidade. 7. ed. Rio de Janeiro, RJ: LTC -Livros Técnicos e Científicos, 2016. COSTA, Antonio Fernando Branco; EPPRECHT, Eugenio Kahn; CARPINETTI, Luiz Cesar Ribeiro. Controle estatístico de qualidade. 2. ed. São Paulo: Atlas, 2005. 334 p. Dúvidas?
Compartilhar