Baixe o app para aproveitar ainda mais
Prévia do material em texto
6.13 - DISTRIBUIÇÃO WEIBULL Você está aqui Início / Probabilidades / Modelos probabilísticos contínuos / 6.13 - Distribuição Weibull A distribuição Weibull foi proposta originalmente por W. Weibull (1954) em estudos relacionados ao tempo de falha devido a fadiga de metais. Ela é frequentemente usada para descrever o tempo de vida de produtos industriais. A sua popularidade em aplicações práticas deve-se ao fato dela apresentar uma grande variedade de formas, todas com uma propriedade básica: a sua função de taxa de falha é monótona. Isto é, ou ela é crescente ou decrescente ou constante. Ela descreve adequadamente a vida de mananciais, componentes eletrônicos, cerâmicas, capacitores e dielétricos. Podemos encontrar mais detalhes sobre a distribuição weibull na apostila de confiabilidade. Definição 6.13.1: Uma variável aleatória tem distribuição Weibull se tiver função densidade de probabilidade dada por: Sua função de distribuição acumulada é dada por O gráfico abaixo mostra a distribuição Weibull fixando o parâmetro e variando o parâmetro β=0,5, 1,5 e 3. Figura 6.13.1: Gráfico da função densidade da distribuição Weibull. Função Geradora de Momentos, Valor Esperado e Variância A função geradora de momentos da função Weibull não tem uma forma fechada, entretanto podemos encontrá-la. Assim fazendo uma substituição , temos que e, desta forma Assim, sendo uma variável aleatória com distribuição Weibull, o valor esperado de é dado por e a variância é dada por de onde concluímos que ‹ 6.12 - Distribuição Exponencialacima6.14 - Distribuição Gumbel (ou valor extremo) › 6.12 - DISTRIBUIÇÃO EXPONENCIAL Você está aqui Início / Probabilidades / Modelos probabilísticos contínuos / 6.12 - Distribuição Exponencial Esta é uma distribuição que se caracteriza por ter uma função de taxa de falha constante. A distribuição exponencial é a única com esta propriedade. Ela é considerada uma das mais simples em termos matemáticos. Esta distribuição tem sido usada extensivamente como um modelo para o tempo de vida de certos produtos e materiais. Ela descreve adequadamente o tempo de vida de óleos isolantes e dielétricos, entre outros. Definição 6.12.1: A variável aleatória tem distribuição Exponencial com parâmetro , , se tiver função densidade de probabilidade dada por: em que é o parâmetro de taxa da distribuição e deve satisfazer . Neste caso, é o tempo médio de vida e é um tempo de falha. O parâmetro deve ter a mesma unidade do tempo da falha . Isto é, se é medido em horas, também será medido em horas. A função de distribuição acumulada é dada por Utilizamos a notação . Observação 6.12.1: A distribuição Exponencial pode ser parametrizada de uma forma alternativa segundo a função densidade de probabilidade dada por Neste caso, dizemos que é o parâmetro de escala da distribuição e é o inverso do parâmetro taxa na definição acima. Neste definição alternativa, a variável aleatória pode ser interpretada como a duração de tempo em que um sistema mecânico ou biológico sobrevive. Para este caso, denotamos e, infelizmente, esta definição alternativa torna-se ambígua. Neste caso, devemos verificar qual das duas especificações está sendo utilizada quando escrevemos . Ou seja, devemos sempre verificar se está se referindo ao parâmetro taxa ou ao parâmetro escala da distribuição. Deixamos claro aqui que, a menos que especifiquemos o contrário, sempre que escrevemos estamos nos referindo à parametrização em que é o parâmetro taxa. Observação 6.12.2: Notem que a função exponencial, na verdade, é um caso particular da função Gama, pois se , então O gráfico abaixo mostra a distribuição exponencial com parâmetros e . Figura 6.12.1: Gráfico da função densidade para distribuição Exponencial. Exemplo 6.12.1: O tempo até a falha do ventilador de motores a diesel tem uma distribuição Exponencial com parâmetro horas. Qual a probabilidade de um destes ventiladores falhar nas primeiras 24000 horas de funcionamento? Ou seja, a probabilidade de um destes ventiladores falhar nas primeiras horas de funcionamento é de, aproximadamente, 56,7%. Exemplo 6.12.2: Suponha que o tempo de vida de uma determinada espécie de inseto tenha uma distribuição exponencial de parâmetro dia. Suponha também que estes insetos atinjam a maturidade sexual após dias de seu nascimento. Qual a função densidade de probabilidade, em dias, dos insetos que conseguem se reproduzir? E qual a probabilidade de que um inseto reprodutor viva mais de dias? Seja a distribuição do tempo de vida dos insetos, e a distribuição do tempo de vida dos insetos que chegam a reprodução. Observem que , assim Portanto, a função densidade de probabilidade de é dada por Agora falta encontramos qual a probabilidade de que o inseto reprodutor dure mais de 24 dias. Usando a densidade acima temos que Exemplo 6.12.3: Uma fábrica utiliza dois métodos para a produção de lâmpadas. 70% das lâmpadas são produzidas pelo método e as demais pelo método . A duração da lâmpada depende do método pelo qual ela foi produzida, sendo que as produzidas pelo método seguem uma distribuição exponencial com parâmetro e as do método seguem uma exponencial de parâmetro . Qual a probabilidade de que, se escolhermos uma lâmpada ao acaso, ela dure mais de horas? Sejam e e considere os evento C={Uma lâmpada durar mais de 100 horas}, A={A lâmpada ter sido fabricada pelo método A} e B={A lâmpada ter sido fabricada pelo método B}. Assim usando o teorema 1.4.2 obtemos que e, portanto, Portanto a probabilidade de que uma lâmpada escolhida ao acaso dure mais de 100 horas é de 31%. Exemplo 6.12.4: Sabendo que , qual a função densidade de probabilidade de . Sabemos que a densidade de é dada por Assim e portanto concluímos que Portanto segue uma distribuição uniforme em (0,1). Função Geradora de Momentos, Valor Esperado e Variância Seja um variável aleatória com distribuição exponencial com parâmetro . Então sua função geradora de momentos é dada por: Temos que o valor esperado e a variância de uma variável aleatória X com distribuição exponencial com parâmetro λ são dados, respectivamente, por e, resolvendo esta integral por partes concluímos que Portanto, o valor esperado de é . Para encontrar a variância de , vamos primeiramente calcular o valor esperado de . e, resolvendo a integral por partes, obtemos que Portanto a variância de é dada por Assim, o valor esperado e a variância de são dados, respectivamente por: Podemos calcular também o valor esperado e a variância utilizando a função geradora de momentos e Portanto, o valor esperado e a variância podem ser calculados por e Observação 6.12.3: Quando estamos trabalhando com a distribuição exponencial parametrizada com o parâmetro escala temos que Não demonstraremos estas propriedades, mas ressaltamos que elas são imediatas a partir do fato de que em que é parâmetro taxa. ‹ 6.11 - Distribuição Beta não-centralacima6.13 - Distribuição Weibull › Weibull++: Software para Análise de Dados de Vida The standard for reliability life data analysis! O software Weibull++ é o padrão para análise de dados de vida utilizado por milhares de companhias no mundo inteiro. Desenvolvido por uma equipe de especialistas da ReliaSoft, esse software realiza a análise de dados de vida utilizando mais de 13 distribuições estatísticas, com ênfase para todas as formas da distribuição Weibull. Característicasdo Software O Weibull++ oferece um conjunto completo de ferramentas para a análise de dados de vida (análise de confiabilidade), permitindo diversos tipos de cálculos, gráficos e relatórios. O software suporta diversas distribuições incluindo Weibull, Weibull Mista, Exponencial, Lognormal, Normal, Gamma Generalizada, Gamma, Loglogistic, Gumbel e Weibull-Bayesian). O software também inclui outras ferramentas para análises relacionadas à confiabilidade, incluindo análise de dados garantia, análise de degradação, análise de dados não paramétricos, análise de eventos recorrentes, delineamento de testes de confiabilidade e delineamento de experimentos (DOE). Características do Weibull++ Integração com a Plataforma Synthesis Com a integração da Plataforma Synthesis, as análises realizadas são armazenadas em um banco de dados centralizado que suporta o acesso simultâneo de vários usuários e também compartilha informações relevantes de confiabilidade entre as ferramentas da Synthesis. A plataforma Synthesis suporta os bancos de dados corporativos Microsoft SQL Server® e Oracle®. A Plataforma Synthesis Treinamento A ReliaSoft oferece um treinamento direcionado para análise de dados de vida (análise Weibull) e técnicas relacionadas. Consulte o conteúdo. G400: Engenharia da Confiabilidade Benefícios Analisar a confiabilidade de produtos, sistemas e processos Determinar o período ideal de garantia Realizar previsões de orçamento para peças de reposição Prever os retornos de garantia (forecast) Determinar períodos para manutenção preventiva Analisar quantitativamente os riscos Comparar a confiabilidade entre fabricantes e/ou projetos
Compartilhar