PÓS-GRADUAÇÃO LATO SENSU APERFEIÇOAMENTO PROFISSIONAL

ENGENHARIA DE MANUTENÇÃO

CONFIABILIDADE APLICADA À MANUTENÇÃO

Prof. Dr. Evaldo Khater

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

I - NOÇÕES DE ESTATÍSTICA

1- Fenômenos Aleatórios.

Em muitos fenômenos que ocorrem, com ou sem a interferência do homem, tais como:
lançamento de uma moeda, jogo de dados, sorteio de uma carta de baralho, nascimento de
uma criança, extração de uma entre várias bolas de uma urna, produção de peça em
máquina automática, etc.

Observamos que, mesmo repetidos várias vezes, sob condições bem semelhantes,
apresentam resultados completamente imprevisíveis. Tanto isto é verdade que alguns
destes fenômenos são usados nos jogos de azar ( moeda, dados, cartas, loteria, etc. )
Chamaremos estes fenômenos de fenômenos aleatórios.

2- Conjunto Universo. Evento.

2.1 Definição:

O conjunto de todos os resultados possíveis de um fenômeno aleatório chama-se conjunto

universo ( ou espaço de prova ) do fenômeno e é representado por U.

Exemplos:

1°) Joga-se um dado e lê-se o número de pontos da face voltada para cima:

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

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

U = { cara, coroa }

3°) Jogam-se dois dados ( um branco e outro azul ) e lêem-se os números de pontos,
respectivamente b e a , que se indica ( b, a ). O conjunto universo é 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 lêem-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) }

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

5°) De uma urna contendo 5 bolas vermelhas ( V1, V2, V3, V4 e V5) e 1 bola branca (B)
retira-se uma bola:

U = { V1, V2, V3, V3, V4, B}

2.2 Definição:

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

1°) A = { 2, 4, 6 } é o evento “número de pontos obtidos no jogo de dado é par”.

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

a 4”

2°) A = { cara} é o evento “resultou cara no lançamento de uma moeda”

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

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

4°) A = { (F, F), (C, C) } é o evento “as duas moedas lançadas apresentaram resultados
iguais”.

5°) A = { V1, V2, V3, V4, V5 } é o evento “a bola retirada da urna é vermelha”.

Notemos que o conjunto vazio ( ∅ ) também é subconjunto de U, portanto, também é um

evento: ∅ = evento impossível
Notemos que U⊂ U, portanto, também é um evento:

U = evento certo

Assim, por exemplo:

1°) Ao jogar um dado, “obter número de pontos maior que 6” é um evento impossível e
“obter número de pontos menor ou igual a 6” é um evento certo.

2°) de uma urna que contém 5 bolas vermelhas e 1 bola branca, “extrair uma bola preta” é
um evento impossível e “extrair uma bola vermelha ou branca” é um evento certo.

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

A =U–A

Isto é, A é o conjunto dos elementos de U que não pertencem a A.

3
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

3 - PROBABILIDADE.

Consideremos, mais uma vez, o fenômeno aleatório lançamento de uma moeda e leitura
da face voltada para cima. Se fizermos n experiências e obtivermos m vezes o resultado
“cara” , diremos que a freqüência absoluta do evento “cara”, é m e a freqüência relativa é
m
.
n

É claro que, jogando-se a moeda uma vez, o resultado é absolutamente imprevisível,

porém, a experiência provou que, repetindo-se a experiência em número n crescente de
vezes, a ocorrência do evento “cara” tende a estabilizar-se em torno da metade de n, isto é:

m 1
se n→ + ∞, então →
n 2

A tabela abaixo mostra os resultados de algumas experiências históricas 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 lançamento de uma moeda perfeita (homogênea, simétrica, etc.) a
‘chance” ou a “probabilidade” de obter “cara” é ½ ou 50%.

Esta e outras experiências aleatórias levaram os matemáticos a aceitar uma definição que
permita o cálculo da probabilidade de um evento A “a priori”, isto é, sem determinar pela
experiência o limite da freqüência relativa do evento A quando n tende a infinito.

3.1 -Definição:

Se, num fenômeno aleatório, o número de elementos do conjunto universo é n(U) e o

número de elementos do evento A é o número P(A), tal que,

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

Notemos que:

1°) Esta definição só vale se todos os elementos de U tiverem a mesma probabilidade, isto
é, se o espaço de prova é equiprobalístico;

2°) Sendo assim, n(A) é o número de casos favoráveis a A e n(U) é o número de casos
possíveis quando se realiza o experimento.

Exemplos:

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

4
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

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

Solução:

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

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

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

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

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

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

2°) Qual é a probabilidade de lançar uma moeda e obter coroa?

Solução:

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

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

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

I- soma dos pontos igual a 7?

II- 2 pontos no dado azul?

Solução:

Vimos que n(U) = 36, então:

I- A= {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) }
5
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

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

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

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

4°) Qual é a probabilidade de lançar duas moedas e obter resultados iguais?

Solução:

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

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

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

Solução:

U = { V1, V2, V3, V4, V5, B} e A = { V1, V2, V3, V4, V5 }

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

3.2 Teorema:

A probabilidade é um número 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

6
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Demonstração:

Se A é um evento qualquer então:

∅⊂A⊂U

logo os números de elementos satisfazem à desigualdade:

n(φ ) n( A) n(U )
n(∅) ≤ n(A) ≤ n(U) ≤ ≤
n(U ) n(U ) n(U )
p (φ ) p ( A) p (U )

Então:

0 ≤ P(A) ≤ 1

Por outro lado temos:

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

4- Adição de Probabilidades:
4.1 Definição:

Dois eventos A e B são mutuamente exclusivos se, e somente se, A ∩ B = ∅ .

É imediata a propriedade:

A∩B=∅ P(A ∩ B) = 0

Isto é, a probabilidade de ocorrerem simultaneamente dois eventos mutuamente

exclusivos é 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”. É evidente que A e B são mutuamente
exclusivos.

2°) Uma urna contém 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 são
mutuamente exclusivos.

3°) Um baralho contém 52 cartas. Consideremos os eventos

A = retirar do baralho uma carta de ouro

7
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

B = retirar do baralho um rei

Os eventos A e B não são mutuamente exclusivos pois A∩B = {rei de ouro}

4.2- Teorema:

Se A e B são dois eventos do conjunto universo U então,

P (A∪B) = P(A) + P(B) – P(A∩B)

Demonstração:

O número de elementos do conjunto A∪B é igual à soma dos números de elementos de A

e de B, menos o número de elementos de A∩B (que foram computados duas vezes),
então:

n(A∪B) = n(A) + n(B) – n(A∩B)

portanto:

n(A∪B)/n(U) = n(A)/n(U) + n(B)/n(U) - n(A∩B)/n(U)

e decorre a tese:

P(A∪B) = P(A) + P(B) – P(A∩B)

Exemplos:

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

Solução:

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

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

P(A∪B)= P(A) + P(B) – P(A∩B)=

1 3 1 1
= + - =
6 6 6 2

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

Solução:

Sejam os eventos
A = retirar uma carta de ouro

8
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

B = retirar um rei
A∩B = retirar o rei de ouro
Então:
n(A) = 13, n(B) = 4 e n(A∩B) = 1

portanto:

13 4 1 16 4
P(A ∪ B) = P(A) + P(B) – P(A∩B) = + − = =
52 52 52 52 13

4.3 - Teorema:

Se A e B são dois eventos mutuamente exclusivos, então:

P(A ∪ B) = P (A) + P(B)

Esta propriedade é uma conseqüência anterior, bastando notar que agora P(A∩B) = 0.

Exemplo:

Um grupo de 100 universitários é 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?

Solução:

Sejam os eventos:

A= escolher estudante de engenharia

B= escolher estudante de engenharia e medicina

A∩B = 52, n(B) = 27 e n(A∩B) = 0

Portanto:

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

⋅ O teorema anterior pode ser generalizado:

Se A1, A2, A3, ...., Na são eventos dois a dois mutuamente exclusivos, então :

P ( A1∪ A2∪A3∪.....∪An) = P (A1) + P (A2) + P (A3) + ... + P (An)

9
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

5 - Multiplicação de Probabilidades

Considere o seguinte problema: um grupo de pessoas apresenta a composição 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?

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

Isto é, o argentino-homem deve ser escolhido no conjunto dos homens, portanto, o

elemento procurado pertence ao conjunto A ∩ H e o conjunto universo, nesta operação, é
H. Agora é mais fácil compreender a seguinte definição.

5.1- Definição:

Chama-se probabilidade condicional de A, relativamente a B, a probabilidade do evento A

quando já se verificou o evento B. Indica-se por P(A B).

È evidente que

n( A ∩ B )
P(A B) =
n( B)

Ou ainda:

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

e decorre a principal conseqüência da definição

P(A∩B) = P(B) . P(A B) = P(A) . P(B A)

Isto é, a probabilidade da intersecção de dois eventos A e B é igual ao produto da

probabilidade de um deles pela probabilidade condicional do outro em relação ao
primeiro.

Exemplos:

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

10
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Solução:

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

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

Solução:

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(A ∩ B) = 2 e n(U) =36 então,

6 2 1
P(A∩B) = P(A) . P(B A) = x =
36 6 18

5.2 - Definição:

Dois eventos A e B são independentes quando a probabilidade de ocorrer um deles

independe do fato de ter ou não ocorrido o outro. Neste caso temos:

P(A B) = P(A) e P(B A) = 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, são independentes.

2°) Joga-se um dado duas vezes, obtendo-se os eventos “4 pontos” e “2 pontos”

respectivamente. Estes dois eventos são independentes.

5.3 - Teorema:

Se A e B são eventos independentes, então:

P(A∩B) = P(A) . P(B)

Exemplo:

Joga-se um dado e lança-se uma moeda. Qual a probabilidade de obter os eventos “6

pontos” no dado e “cara” na moeda?

11
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Solução:

Chamando os eventos de A e B, respectivamente, é evidente que A e B são independentes,

então
1 1 1
P(A∩B) = P(A) . P(B) = x =
6 2 12

6 - LEI BINOMIAL DE PROBABILIDADE

Consideremos o problema: uma urna contém 5 bolas brancas, 8 azuis e 2 amarelas;

retirando-se 4 bolas sucessivamente, com reposição, qual é a probabilidade de obter 3
bolas brancas?

Solução:

Sejam os eventos:

A = retirar uma bola branca

A = retirar uma bola não branca

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

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

Nas 4 retiradas, devemos obter 3 vezes bola branca e 1 vez bola não branca, isto é,
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 )

4
em número de C4,3 =
3

Com a probabilidade de A (ou A ), em qualquer das retiradas, é independente da

verificação de A (ou A ) nas retiradas anteriores pois suas probabilidades são constantes,
decorre que em qualquer ordenação a probabilidade de ocorrer 3 brancas e uma não
branca é igual ao produto das probabilidades, isto é:

1 2
( )3 . ( )1
3 3

12
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

logo, a probabilidade pedida é:

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

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

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

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

Notemos que nas n experiências P(A) e P( A ) são constantes e o resultado de cada

experiência é 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, é o produto das
probabilidades, isto é:

pi . (1-p)n-i

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

A e n-i iguais a A , não importando a ordem dos elementos, devemos calcular o número
de conjuntos ordenados que satisfazem (permutações de n elementos com i iguais a A e

n-i iguais a A ), isto é:

n! n
que equivale a
i!(n − i )! i

e multiplicar este número pelo produto das probabilidades, obtendo:

n
Pi= . pi . (1-p)n-i
i

denominada Lei Binomial de Probabilidade, porque é expressa pelo termo Ti+l do

desenvolvimento de [p+ (1-p)]n

6.2 - Notemos que a lei binomial só é aplicável a uma experiência aleatória que
obedeça às características seguintes:

1ª) a experiência deve ser repetida, nas mesmas condições, um número n pré-fixado de
vezes;
2ª) cada vez que a experiência é feita ocorre evento A ou evento A;

13
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

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

4ª) cada experiência é independente demais.

Exemplos

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

Solução:

Seja A o evento “obter cara” num lançamento. Temos

1
P(A) = p = , n=5 i=3, então:
2

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

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

vezes?

Solução:

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

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

4 1 5 150
i = 2 → P2 = . ( )2 . ( )2 =
2 6 2 216

4 1 5 20
i = 3 → P3 = . ( )3 . ( )1 =
3 6 6 216

4 1 5 1
i = 4 → P4 = . ( )4 . ( )0 =
4 6 6 216

171 19
P = P2 + P3 + P4 = =
216 24

14
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

7 - Aproximação de Funções - Método dos Mínimos Quadrados

- Introdução

Abordaremos o problema de aproximar uma função f por uma função g de uma família
previamente escolhida.
Trataremos quando a função f é tabelada – Domínio discreto-.

Estudaremos o método dos mínimos quadrados começando pelo caso particular de ajuste de
uma reta a uma tabela e depois generalizando o raciocínio para aproximar uma função f por
uma g da família G das funções conhecidas, não nulas, gk, k = 0,1,.....,m,

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

A seguir, daremos uma idéia de como podemos tratar do ajuste de uma função por outra não
linear nos parâmetros. Trataremos também do caso particular em que as funções gk são
polinômios ortogonais entre si e do caso em que gk são funções trigonométricas, conhecido
como aproximação trigonométrica ou análise harmônica.

7.1- Generalidades

Quando se trata de fazer uma aproximação, surgem naturalmente algumas perguntas,

como:

Por que aproximar?

Qual família de funções escolher?
Como aproximar?

Nesta seção tentaremos responder estas perguntas e justificar, assim, a escolha do método
dos mínimos quadrados.

Por que aproximar?

Quando estamos fazendo um experimento, normalmente conhecemos a família da função

que descreve o fenômeno envolvido. Em geral, os valores obtidos já são afetados de erros e,
portanto, a função desejada não necessita fornecer exatamente os valores medidos. Basta
achar, entre os diversos elementos da família, aquele que “melhor aproxima”o fenômeno
medido.
Uma outra circunstância é quando se conhece a forma analítica da função que descreve um
fenômeno e precisamos substituí-la por uma outra função (por exemplo, para facilitar o
tratamento matemático do modelo)porém, que “se aproxime razoavelmente”da função
original.

15
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Qual família de função escolher?

A escolha da família aproximadora G deve levar em conta os seguintes fatores:

- as características que a função aproximadora deve ter para facilitar os cálculos. Por
exemplo: polinômios são facilmente integráveis; adições, subtrações, multiplicações e
translações de polinômios resultam em polinômios;

- o comportamento das funções da família G deve se aproximar do comportamento da

função f o mais possível, porém, com forma analítica conveniente. Por exemplo,
periodicidade da função pode ser obtida com funções trigonométricas.

A escolha da família aproximadora não será tratada neste texto. O método dos mínimos
quadrados assume que a família G foi escolhida a contento.

Como aproximar?

Ao aproximar uma função f por uma função g de uma família G estaremos introduzindo um
erro r que será chamado de resíduo.

Assim

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

Aparentemente, uma “boa” aproximação seria obtida fazendo r ( x) = 0 . Analisaremos tal

x
afirmação. Para simplificar, suponha que foi realizado um experimento em que se levantou os
pontos p1, p2, p3 e p4. Sabendo-se que o fenômeno é descrito por uma reta, vamos determiná-
la de modo a satisfazer r ( x) = 0 .
x

O problema que estamos enfrentado com esse critério é 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 resíduos e exigindo que
r ( x) seja mínimo. Achar o mínimo desta função nos leva a uma dificuldade matemática
x
não desejada. Um outro critério com a mesma característica, porém com tratamento
matemático mais simples, é exigir que r 2 ( x) seja mínimo. O método para aproximar uma
x
função f por uma g ∈ G utilizando esse último critério é denominado método dos mínimos
quadrados.

Existem outros critérios para a escolha da função aproximadora g: porém, neste texto,
trataremos apenas do método dos mínimos quadrados.

16
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

7.2- Regressão linear

Nosso objetivo agora é aproximar uma função f por uma função g da família a +bx pelo
método dos mínimos quadrados.

Nesta seção vamos nos preocupar apenas em aproximar uma função f tabelada nos pontos
xi, i = 1, 2,......,n, n ≥ 2, por uma reta, utilizando o método dos mínimos quadrados. Este caso
particular é conhecido como regressão linear.

Aproximar uma função f tabelada nos pontos xi, i = 1,....,n, pelo método dos mínimos
quadrados, significa determinar os parâmetros a e b da reta a+bx de modo que a soma dos
quadrados dos erros em cada ponto seja mínima.
O resíduo em cada ponto (xi, yi ) = (xi, f(xi)) é dado por:

R(xi) = ri = yi - g(xi) ( 2.1)

Portanto, queremos determinar a e b que minimizam:

n n
M(a,b) = ri 2 = ( y i − a − bxi ) 2 (2.2)
i =1 i =1

Para isto é necessário que :

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

ou seja,

n
2 ( y − a − bxi )(−1) = 0 (2.4)
i =1

n
2 ( y i − a − bxi )(− xi ) = 0
i =1

Portanto:

n n n
a 1+ b xi = yi (2.5)
i =1 i =1 i =1

n n n
a xi + b xi2 = y i xi
i =1 i =1 i =1

17
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

ou, usando a notação matricial, temos o seguinte sistema linear:

n n n
1 xi yi
a
i =1
n
i =1
n = n
i =1
(2.6)
2 b
xi x i xi y i
i =1 i =1 i =1

Este sistema é denominado sistema normal.

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

Se considerarmos x como um vetor em ℜ n ( x ∈ ℜ n ) com componentes x1, x2, .....,xn; y ∈ ℜ n ,

com componentes y1, y2,.........yn e o vetor 1 ∈ ℜ n , com componentes 1, podemos notar que os
somatórios indicados em 2.6 podem ser escritos como produtos escalares em ℜ n :

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

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

n
xi2 = (X/X) (2.9)
i =1

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

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

Reescrevendo o sistema (2.6), obtemos:

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

18
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

cuja solução é dada por :

(1 / Y )( X / X ) − (1 / X )( X / Y )
a= (2.13)
(1 / 1)( X / X ) − (1 / X ) 2
(1 / 1)( X / Y ) − (1 / Y )(1 / X )
a= (2.14)
(1 / 1)( X / X ) − (1 / X ) 2

Vamos verificar que ( a , b ) calculados em (2.13) e (2.14) correspondem a um ponto de

mínimo da função M(a,b) = (r/r). Para isto, basta verificar que:

∂2M
(a, b) >0 (2.15)
∂a 2

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

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

A relação (2.15) é:

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

e a relação (2.16) fica:

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

Para provar que a expressão obtida em (2.18) é positiva, vamos considerar o produto escalar
( λ1 + X / λ1 + X ), ∀λ ∈ ℜ.

( λ1 + X / λ1 + X ) = λ2 (1 / 1) + 2λ (1 / X ) + ( X / X ) (2.19)

Este produto escalar é estritamente positivo, pois só poderia ser nulo se X = - λ1

, ou seja, x1 = x2 =....=xn =- λ , caso que não será considerado, pois corresponde ao ajuste de
uma reta a um único ponto, e estamos supondo que a função é sempre conhecida em pelo
menos dois pontos. Portanto,

19
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

n n
λ 2 n + 2λ xi + xi2 >0, ∀λ ∈ ℜ (2.20)
i =1 i =1
Como a inequação do 2o grau em λ obtida em (2.20) é verdadeira, o discriminante da
equação do 2ograu correspondente é negativo, isto é,

n 2 n
∆= 2 xi − 4n xi2 < 0 (2.21)
i =1 i =1

Portanto,

n n 2

4n x >4
2
i xi (2.22)
i =1 i =1

o que prova que 4[n(X/X) – (1/X)2] > 0.

Acabamos de mostrar, também, o que o sistema normal (2.12) tem uma única solução, 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
função f :

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

Vamos determinar a reta que melhor se ajusta a esta função segundo o método dos mínimos
quadrados.

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

5 10 a 10
=
10 30 b 31

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

11 1
g(x) = x−
15 5

é a reta aproximadora obtida.

20
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

II – CONFIABILIDADE APLICADA À MANUTENÇÃO

1.1 - Introdução
Segundo Wieland Kroener (1990) se tomarmos como exemplo a velocidade de
deslocamento do homem nos milênios de sua existência constatamos que enquanto
durante 8 mil anos não ocorreu nenhuma variação digna de referência, a partir do invento
da primeira máquina muita coisa mudou e cada vez mais depressa.
A invenção do computador e sua utilização generalizada a partir dos anos 60 foi o
ponto de partida para toda uma evolução tecnológica sem a qual a “Era Espacial” seria
inimaginável. E foi justamente a conquista do espaço que levou ao alto nível tecnológico
de hoje, porque a exigência de componentes cada vez menores, mais leves e com mais
informações acabou levando a uma infinidade de invenções.
Esta evolução tem e terá influência cada vez maior sobre a manutenção, pois aliada à
alta tecnologia está a exigência de altíssima produtividade. Juntamente com a
produtividade é imprescindível que os meios de produção apresentem flexibilidade e
confiabilidade.
Confiabilidade diz respeito a todas as características de um produto que podem mudar
com o tempo ou, ainda, com a possibilidade de deixar de ser conforme, após um certo
período.
Na simples pergunta sobre a garantia de um determinado eletrodoméstico que uma
dona de casa está comprando, está implícita a questão sobre a confiabilidade.
Da observação de aplicação de estudos objetivando aumentar a confiabilidade de
ativos, temos a possibilidade de identificar casos de sucesso e também de fracasso. Muitas
diferentes ferramentas metodológicas são aplicadas e diversas alternativas de modificação
dos seus critérios de implantação tem sido tentadas.
Entretanto, temos também observado que a aplicação de RCM, Reliability Centred
Maintenance, tem sido a chave para se atingir a confiabilidade e os desempenhos
operacionais de cada instalação, processo ou equipamento, conforme requeridos pelos
usuários. A Engenharia da Confiabilidade, tem também como objetivo, possibilitar uma
afetiva análise dos riscos associados, minimizando e eliminando eventos com
conseqüências no que diz respeito à segurança e meio ambiente (Moubray, 1991).

21
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

1.2 - Objetivos
O uso de técnicas de Engenharia da Confiabilidade fornece ferramentas teóricas e
práticas que permitam especificar, projetar, testar e demonstrar a probabilidade e a
capacidade, segundo a qual, componentes, produtos e sistemas desempenharão suas
funções, por períodos determinados de tempo, em ambientes específicos e sem apresentar
falhas.
Com o custo e a complexidade cada vez maiores dos muitos sistemas industriais e de
defesa, a importância da confiabilidade como um parâmetro de eficiência, tornou-se
evidente (Lafraia, 2001).
Benefícios com a aplicação da Confiabilidade:
- Menos paradas não programadas;
- Menos custos de manutenção/operação;
- Menos possibilidades de acidentes.

1.3 - REVISÃO BIBLIOGRÁFICA

1.3.1 - Teoria da Confiabilidade

1.3.1.1- Introdução
O principal objetivo da engenharia é, em princípio, proporcionar meios materiais que
maximizem o bem-estar humano. Porém, isto engloba uma grande quantidade de restrições.
Estas restrições tornam impossíveis o planejamento e a operação de maneira ideal da grande
maioria dos sistemas ou processos físicos. Conseqüências naturais destes fatores refletem-se
de uma forma implícita na noção de risco.
A definição de risco está amplamente ligada à presença de situações indesejáveis. As
medidas adequadas contra essas situações só podem ser implantadas se houver uma avaliação
criteriosa no que diz respeito ao nível de risco envolvido, indicando assim os pontos "falhos"
de um determinado produto ou sistema, sugerindo ações preventivas ou corretivas mais
eficazes.
É a avaliação probabilística do risco/falha de um sistema ou produto que caracteriza o
aspecto fundamental da chamada Análise da Confiabilidade. (Lafraia, 2001).
Esta análise proporciona um bom desempenho funcional com baixo índice de falhas de
um determinado produto.
A maior parte das variáveis que fazem parte de um projeto são valores que não podem
ser precisamente definidos. Variáveis estas aleatórias que requerem um método probabilístico
22
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

para o problema. O objetivo é fornecer parâmetros para tratar estes aspectos no projeto, já que
para um produto em produção ou distribuição praticamente nada pode ser feito para melhorar
a confiabilidade.

1.3.1.2- Fundamentos
Um produto ou o projeto deste, muitas vezes não considera as diversas variáveis
existentes. Elas não se constituem valores bem definidos.
Desta forma, o processo mais aceitável nestes tipos de aplicações seria um
procedimento estatístico.
A diferença principal entre o projeto de um produto e o enfoque probabilístico seria
que neste último é considerado uma possibilidade de falha. O procedimento estatístico deve
ser considerado mais próximo da realidade.
A confiabilidade está enfocada na confiança que temos em um determinado produto,
equipamento ou sistema, ou seja, que estes não apresentem falhas. Desta forma, uma das
finalidades da confiabilidade seria a de definir a margem de segurança a ser utilizada.
Segundo Lafraia (2001), “O conceito estatístico de confiabilidade: é a probabilidade
de que um componente ou sistema funcionando dentro dos limites especificados de projeto,
não falhe durante o período de tempo previsto para a sua vida, dentro das condições de
agressividade ao meio”.

1.3.1.3- A Confiabilidade e a Qualidade

Hoje em dia, o consumidor está ciente da falta de perfeição no que se refere à
confiabilidade de produtos domésticos e outros mais.
Companhias aéreas, setores militares, instituições voltadas para a saúde pública, etc.,
também estão cientes destes custos.
A dificuldade aparece quando se tenta mensurar valores confiáveis para os vários
níveis de confiabilidade.
O ponto de vista mais simples na confiabilidade é aquele em que o produto é avaliado
contra uma especificação e, se passar, é enviado ao consumidor.
O consumidor, aceitando o produto, aceita também o fato de que ele pode falhar
futuramente.
Para satisfazer este temor do cliente o fabricante oferece um período de garantia. Caso
o seu produto falhe diversas vezes, o fabricante absorverá altos custos de garantia e os clientes
terão uma grande “dor de cabeça” com o inconveniente.

23
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Em qualquer das situações, o fabricante terá uma perda de reputação que refletirá nos
seus negócios futuros.
Não podemos falar de qualidade e confiabilidade separadamente.
“Confiabilidade diz respeito a todas as características de um produto que podem
mudar com o tempo ou com a possibilidade de deixar de ser conformes após um certo período
de tempo.” (Lafraia, 2001).
Desta forma concluímos que confiabilidade é um aspecto da incerteza da engenharia.
Se um item vai desempenhar sua função durante um certo período de tempo, isto pode
ser respondido com uma Probabilidade.

1.3.1.4- Histórico
Com o aparecimento da indústria aeronáutica após a Primeira Guerra Mundial, deu-se
início ao desenvolvimento de procedimentos para análises de tempo através da aplicação da
confiabilidade.
Na década de 40, surgiu o desenvolvimento de teorias matemáticas relacionadas aos
problemas. O matemático Robert Lusser desenvolveu uma equação relacionada à
confiabilidade de um sistema em série. Surgiram as primeiras tentativas de alcançar a
melhoria de qualidade associada a uma manutenção preventiva.
Na década de 50, com o aparecimento da indústria aeroespacial e eletrônica associada
à implantação da indústria nuclear, ocorreu um salto considerável no desenvolvimento de
metodologias de cálculo e aplicações da confiabilidade. Nessa época os analistas
reconheceram que a confiabilidade deve ser aplicada, principalmente, no projeto. Ocorreram
nesta época as primeiras investigações de confiabilidade associada ao comportamento
humano.
Na década de 60, tanto os desenvolvimentos práticos como teóricos continuaram a
avançar, com destaque para a proposição de H.A.Watson, da teoria de “Análise de Árvore de
Falhas”, em 1961. Sob o foco da aplicação prática, foram estabelecidos os fundamentos da
análise de confiabilidade em sistemas mecânicos (estruturas), baseados em modelos
denominados esforços e resistência, assim como preliminares estudos de confiabilidade em
sistemas computacionais (“hardware”).
Na década de 70, houve a consolidação desta análise em diversas áreas, com destaque
para a área nuclear. Surgiram também os primeiros modelos de análise de confiabilidade em
programas computacionais (“software”).

24
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

A partir da década de 80, os países possuidores de tecnologia avançada implantaram

definitivamente as técnicas de análise de confiabilidade em diversas áreas da engenharia.
No Brasil, houve uma aplicação prática da confiabilidade nos setores de
telecomunicações, elétrico, de armamento e nuclear.

1.3.1.5- A Origem das Falhas

Os equipamentos falham devido a 3 fatores básicos:
- Falha de projeto;
- Falha de fabricação;
- Falha de utilização.

As falhas de projeto ocorrem quando o projetista não consegue identificar as

necessidades do cliente ou quando estas não estão identificadas, ou ainda, quando não se
consegue ou não possuem métodos para modelar corretamente o problema.
Uma vez que o projeto tenha sido adequadamente abordado, a fase de fabricação pode
provocar falhas quando os processos de fabricação/montagem são inadequados.
Por último, o uso incorreto do produto, que inclui manutenção inadequada, por falta de
instrução do fabricante ou de treinamento do cliente.

Técnicas e atividades para análise de falhas:

- Investigação de acidentes, queixas e incidentes;
- Confiabilidade do produto;
- FMEA ( Análise de Modo de Falha e Efeito);
- Análise de árvore de falhas.

Técnicas para eliminar no projeto os pontos de falha potenciais na operação:

- Construindo operações com recursos críticos redundantes;
- Tornar as atividades da operação à prova de falhas;
- Manter as instalações físicas da operação.

Técnicas para melhorar a confiabilidade das operações:

- Eliminar no projeto os pontos de falhas potenciais na operação;
- Construindo operações com recursos críticos redundantes;
- Tornar as atividades da operação à prova de falhas;

25
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

- Manter as instalações físicas da operação.

1.3.2- Parâmetros da Confiabilidade

1.3.2.1- Introdução

Matematicamente, confiabilidade é definida como: probabilidade de que um

componente ou sistema cumpra sua função com sucesso, por um período de tempo previsto,
sob condições de operação especificadas.
A definição de falha (que é o inverso da confiabilidade), no contexto da
confiabilidade, é: impossibilidade de um sistema ou componente cumprir com sua função no
nível especificado ou requerido.
Taxa de falhas ( ): freqüência com que as falhas ocorrem, num certo intervalo de
tempo, medida pelo número de falhas para cada hora de operação ou número de operações do
sistema ou componente.” (Lafraia, 2001).
O inverso da taxa de falhas é conhecido como Tempo Médio Entre Falhas (TMEF). A
expressão matemática do TMEF é:
TMEF = 1/

1.3.2.2- A Curva da Banheira

Esta curva apresenta as fases da vida de um componente. Ela só é válida para

componentes individuais.
Nesta curva um componente apresenta 3 períodos da vida característicos: mortalidade
infantil, período de vida útil e período de desgaste.
No período de mortalidade infantil, ocorrem as falhas prematuras. Processos de
fabricação deficientes, controle da qualidade deficiente, mão-de-obra desqualificada,

26
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

amaciamento insuficiente, erro humano, instalação imprópria, etc., representam algumas das
origens destas falhas.
O período de vida útil, é caracterizado por falhas de natureza aleatória, pouco podendo
ser feito para evitá-las. Interferência indevida tensão/resistência, fator de segurança
insuficiente, cargas aleatórias maiores que as esperadas, resistência menor que a esperada,
erros humanos durante o uso, etc., são algumas das causas de falhas neste período.
Já no período de desgaste, inicia-se o término da vida útil do equipamento. Algumas
das causas desse período são: envelhecimento, degradação de resistência, fadiga, corrosão,
manutenção deficiente, etc.
Nem todos os tipos de componentes/sistemas apresentam sempre todas as fases. Um
exemplo de sistema que apresenta apenas o período de mortalidade infantil é um programa de
computador; na medida em que os erros de programação são corrigidos, as falhas vão
desaparecendo.
Componentes eletrônicos apresentam normalmente falhas aleatórias; neste tipo de
falha deve haver a substituição da peça quando houver uma quebra.
Componentes mecânicos apresentam as 3 fases e normalmente deve se medir a sua
taxa para se evitar que estas passem ao período de desgaste.

1.3.2.3- Definições Ligadas à Confiabilidade

Tempo Médio para Falha (TMPF): é o tempo para falha de componentes que não
podem ser reparados.
Tempo Médio para Reparo (TMPR): é o tempo para o reparo de componentes,
obtido de uma amostra nas mesmas condições de uso do componente desejado.

Disponibilidade (D): é a probabilidade de que um componente que sofreu manutenção

cumpra sua função satisfatoriamente para um dado período de tempo. É representado
matematicamente pela expressão:

D = TMEF/ (TMEF+TMPR)

1.3.3 - Benefícios da Confiabilidade:

• Fornecer soluções às necessidades atuais das indústrias como:

- Aumento da produção de produtos/unidades mais lucrativas;
- Flexibilidade para utilização de diversos tipos de cargas;
- Responder rapidamente às mudanças nas especificações dos produtos;
27
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

- Cumprir com a legislação ambiental, de segurança e higiene.

• Permitir a aplicação de investimento com base em informações quantitativas:

- Segurança;
- Continuidade operacional;
- Meio ambiente.

• Eliminação de causas básicas de paradas não programadas de indústrias, usinas ou

instalações:
- Diminuir os prazos de paradas programadas;
- Através do aumento da mantenabilidade das instalações.

• Atuação nas causas básicas dos problemas e não nos sintomas através de:
- Histórico de falhas nos equipamentos;
- Determinação das causas básicas das falhas;
- Prevenção de falhas em equipamentos similares;
- Determinação de fatores críticos para a mantenabilidade dos equipamentos.

28
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

III - Distribuições Aplicadas à Confiabilidade

1 - Distribuição Discretas

Se uma variável x pode assumir um conjunto de valores x1, x2... xk, com as
probabilidades p1, p2, p3 + ... pk, respectivamente, sendo p1+ p2 + p3 +...+ pk = 1, diz-se
que está definida uma distribuição de probabilidade discreta de x. A função p(x) que
assume os valores p1, p2, p3, ... pk, respectivamente, para x = x1, x2 ... xk, é denominada
função de probabilidades, ele é frequentemente denominado variável aleatória discreta.
A variável aleatória é também conhecida como variável casual ou estocástica.
Exemplo:
Suponha-se o lançamento de um par de dados honestos e que x indique a soma dos
pontos obtidos. Então, a distribuição de probabilidades é dada pela Tabela 1.
Tabela 1
x 2 3 4 5 6 7 8 9 10 11 12
p(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

Por exemplo, a probabilidade de obter-se a soma 5 é de 4/36 = 1/9. Então, pode-se

esperar que em 900 lances dos dados, 100 lances dêem a soma 5.
Note-se que isso é análogo a uma distribuição de freqüências relativas, com estas
substituídas pelas probabilidades. Por essa razão, pode-se imaginar as distribuições de
probabilidades como uma forma teórica ou de limite ideal das distribuições de freqüências
relativas, quando o número de observações feitas torna-se muito grande. Por esta razão,
pode-se imaginar que as distribuições de probabilidade referem-se a populações, ao passo
que as distribuições de freqüências relativas referem-se a amostras delas extraídas.
A distribuição de probabilidade pode ser representada graficamente, mediante a
locação de p(x) em relação a x, da mesma forma que a distribuição de freqüência relativa.

1.1 - Distribuição Binominal

A distribuição binominal descreve a situação em que só há dois resultados possíveis,

como falha ou não falha, e a probabilidade se mantém a mesma para todas as tentativas.
Portanto, esta função é muito utilizada em confiabilidade e controle de qualidade. A f.d.p. é
dada por:

29
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

f (x ) = n!
x !(n − x )!
p x q (n − x )

Está é 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 é p e um item defeituoso q. A média
é dada por:

µ = n.p
e o desvio padrão,

σ = (n. p .q )1 / 2

1.2- Distribuição de Poisson

Se os eventos são distribuídos de acordo com Poisson, eles ocorrem a taxas médias
constantes, com somente um de dois resultados possíveis, ou seja, o número de falhas no
tempo ou defeitos por comprimento é:

f (x ) = exp (− µ )
µx
x! x = 0,1,2,3,...

onde µ é a taxa de ocorrência. A distribuição de Poisson pode ser considerada como uma
variação da distribuição binomial na qual n tende ao infinito.
Uma aproximação da distribuição de Poisson é dada por:

f (x ) = (np
x!
)x
exp (− np )

µ = n. p e σ = (n.p) = µ
1/ 2 1/ 2

2 - Distribuições Contínuas

Se traçarmos os valores obtidos numa medição qualquer um histograma, de uma

determinada amostra, obteremos as figuras 1 (a/c).
Neste caso, 30 itens foram medidos e a freqüência de ocorrência de cada valor medido é
como mostrado. Os valores variam de 2 a 9, com a maioria dos itens possuindo valor entre 5 e
7. Outra amostra aleatória de 30 medidas da mesma população irá usualmente gerar um
histograma diferente, mas a forma geral é provavelmente muito similar, exemplo figura 1 (b).
Se nós traçarmos um único diagrama mostrando a combinação várias amostras, mas agora

30
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

com intervalos de medição de 0,5, obteremos a figura 1(c). Temos agora uma idéia melhor
dos valores da distribuição, pois obtivemos a informação de uma amostra bem maior. Se
prosseguirmos medindo mais pontos e diminuirmos ainda mais o intervalo de medição, o
histograma tende a uma curva que descreverá a função de densidade de probabilidades (f.d.p.)
ou, simplesmente, a distribuição dos valores. A figura 2 mostra uma distribuição de
probabilidades unimodal, onde ƒ(x) é a densidade de probabilidade de ocorrência e x a
variável relacionada. O valor de x que dá ƒ(x) máximo é denominado moda da distribuição.

Figura 1 – a) Histograma de freqüência de uma amostra de uma amostra aleatória. b) Histograma de freqüência de outra
amostra da mesma população. c) Dados de muitas amostras, mostrando valores em intervalos de 0,5.

fdp

f(x)

x
Figura 2 – Distribuição de probabilidades contínua

A área sobre a curva é igual a um, pois descreve a probabilidade de todos os valores possíveis
de x, portanto:

31
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

+∞
f ( x )dx = 1
−∞

A probabilidade de um valor ocorrer entre x1 e x2 é a área compreendida neste intervalo

(ver figura 1.3), isto é:

f (x )dx
x2
P (x1< x < x2) =
x1

O resultado da expressão anterior corresponde à área escura da figura 3.

fdp

f (x)

x1 x2
Figura 3 – Distribuição da probabilidade continua

A média da distribuição, µ, é dada por:

+∞
µ= xf (x ) dx
−∞
que é análogo a achar o centro gravidade (c.g.) da f.d.p
A dispersão ou espalhamento da função é medida pela sua variância. Para uma
amostra n a variância de uma distribuição contínua é dada por

∞ 2
σ 2
= (x − µ ) f (x ) dx
∞

onde σ é chamado de desvio padrão.

A função de distribuição acumulada (f.d.a.), F (x), fornece a probabilidade de que o
valor medido fique entre - ∞ e x:

32
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

x
F (x ) = f (x ) dx
−∞

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

f (x)

0
x
Figura 4 – Função de distribuição de probabilidade acumulada f.d.a

2.1 - Distribuição Normal ou de Gauss

A função distribuição de probabilidade (f.d.p.) é dada por:

f (x ) = 1
σ (2π ) 1/ 2 exp − 12 ( ) x−µ 2
σ

onde µ é o parâmetro de localização, igual à média. O parâmetro de forma é igual a σ.

Fazendo uma mudança de variável, a expressão anterior passa a ser:

f (x ) = 1
σ
ϕ ( )
x−µ
σ
onde,
z2
σ (z ) = 1
exp e z =
x−µ
(2 π )1 / 2 2 σ

A variável z mede o desvio em relação à média, em unidades de desvio padrão, e é

denominada variável reduzida e é uma quantidade abstrata (i.e., independe das unidades
usadas).

33
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Se os desvios em relação à média forem dados em unidades de desvio padrão, diz-se

que estão expressos em unidades ou escores reduzidos.
Um gráfico desta curva normal reduzida está indicado na figura 5. Neste gráfico, as
áreas incluídas entre z = -1, e +1, z = -2 e +2, z = -3 e +3 são iguais, respectivamente, a
68,27%, 95,45% e 99,73% da área total que é unitária.

Figura 5 – F.d.p e F.d.a da função normal

Uma população que se ajuste à distribuição normal tem variações simetricamente

dispostas ao redor da média. Uma razão importante para a aplicação da distribuição normal
advém do fato de que quando um valor está sujeito a muitas variações que se somam,
independentemente de como estas variações são distribuídas, o resultado da distribuição
composta é normalmente distribuído. Isto é o que demonstra o teorema do valor central.
A figura 6 mostra a função de densidade de probabilidade e a função de densidade
acumulada da função normal.
A função densidade acumulada é dada pela expressão:

F (x) = Φ ( )
x−µ
σ

34
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Figura 6 – Áreas notáveis sob a normal

2.2 - Distribuição Log-Normal

Esta é uma distribuição mais versátil que a distribuição normal, pois tem uma forma
mais variada, o que possibilita melhor ajuste da população. Um exemplo de aplicação é em
peças sujeitas a desgaste. Também não tem a desvantagens de trabalhar com valores de x <0.
É representada pela função:

f (x ) = 1
σ (2π )1 / 2
exp − 2 σ
(
1 1nx − µ
2
) p/x≥0

f (x ) = 0 p/x < 0
onde,
z2
ϕ (z ) = 1
exp z =
log x − µ
( 2π ) 1/ 2
2 e σ

Em outras palavras, é a distribuição normal com lnx como variável independente. A

média e o desvio padrão são dados respectivamente por:

2
σ
µ = exp µ +
2

[ ( )
σ = exp 2 µ + 2σ 2 − exp 2 µ + σ 2 ( )] 1/ 2

Para valores µ<σ a função log-normal é aproximadamente igual à distribuição normal.

35
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

As equações da probabilidade acumulada de falhas, confiabilidade e taxa de falhas, são

respectivamente:
log x − µ
F (x ) = Φ
σ

log x − µ
C (x ) = 1 − Φ
σ

σ (z )
λ (x ) = 0 , 4343
xσ
⋅ 1− Φ ( z )
Os gráficos a seguir representam as equações acima.

Figura 7 – F.d.p da função log-normal

Figura .8 – Função confiabilidade log-normal

36
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Figura 9 – Taxa de falha da função log-normal

Aplicações da Distribuição Log-Normal

• Determinação dos ciclos para a falha à fadiga de metais e componentes metálicos,

quando submetidos a tensões alternadas em nível significativamente menos que o
limite de resistência do metal.
• Determinação da distribuição de tempos para a falha de componentes mecânicos
sujeitos a desgaste (wear).
• Determinação de vida de rolamentos.
• Determinação do tempo médio para manutenção de componentes mecânicos

2.3 - Distribuição Exponencial

A distribuição exponencial descreve sistemas com taxa de falhas constante. A f.d.p. é

dada por:
a exp (-ax) p / x 0
f (x ) =
0 p / x< 0

Para sistemas onde a variável independente é t, λ é denominado de taxa de falhas, o

que fornece:
f (t ) = λ exp (− λ t )
A confiabilidade é dada por:
C (t ) = exp (− λ t )

37
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

As figuras 10, 11 e 12 representam as equações acima.

λ
-λt
ƒ(t) =λθ

ƒ(t)

Tempo, t

Figura 10 – F.d.p da exponencial

-λt
C(t) = e

Figura 11 – Função confiabilidade da exponencial

λ(t)
λ(t) = λ

0
Figuras 12 – Taxa de falha da exponencial

38
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Aplicações da Distribuição Exponencial

• Falhas de equipamentos com mais de 200 componentes sujeitos a mais de três

manutenções corretivas / preventivas.
• Sistemas complexos não redundantes.
• Sistemas complexos com componentes com taxas de falhas independentes.
• Sistemas com dados de falhas mostrando causas muito herorogêneas.
• Sistemas de vários componentes, com substituições antes de falhas devido à
manutenção preventiva.

2.4 - A Distribuição de Weibull

A função distribuição de Weibull possui três parâmetros para determinar a

probabilidade de falha, confiabilidade e taxa instantânea (função de risco). A tabela 1 mostra
as diversas expressões e o significado dos seus parâmetros.

Tabela 1 – Expressões da distribuição de Waibull

Significado Parâmetro Expressão

Distribuição de falhas ƒ(t)

β
ηβ
(t − t 0 )β −1 exp − ( )
t −t0 β
η
p/t ≥ 0

0 p / t< 0
Probabilidade acumulada
de falhas
F(t)
1 − exp − ( )t − t0
η
β

Confiabilidade C(t)
exp − ( )
t − t0
η
β

Taxa de falhas λ(t) β

η
( )
t − t0
η
β −1

Parâmetros de escala
Parâmetro de forma η
Vida inicial t 0 ou γ
Tempo para a falha t

2.4.1 - Casos Especiais da Função de Weibull

Valores particulares dos parâmetros da função de Weibull transformam expressões de

outras distribuições usualmente utilizadas para descrever os modos de falhas, conforme pode-
se observar na tabela 2.

39
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Tabela 2 – Parâmetros da função de Waibull

Significado t0 = 0 t0 = 0 e β = 0

Distribuição de falhas
f (t ) =
β
ηβ
(t )β −1 exp − (nt )β f (t ) = 1
η
exp −
η
t

(t)
Probabilidade F ( t ) = 1 − exp − () t β
η
F (t ) = 1 − exp − [ t
n
]
acumulada de falhas
Confiabilidade C (t ) = exp − () t
η
β C ( t ) = exp − [ ] t
η

Taxa de falhas λ (t ) = β
η
( )
η
t β −1
λ = η1
Tempo médio TMEF = 1
λ
entre falhas
Observação Conhecida como distribuição
Exponencial.

2.4.2 - Representações Gráficas da Função de Weibull

ƒ (x)

10
x

Figura 13 – F.d.p da distribuição de Weibull

40
Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

F(x

Figura 14 – Função densidade acumulada de falhas da distribuição de Weibull

1,0 η = 1; β =2

η=β=1

η = 1; β = 1/2

η = β = 1/2
C(t) 0,5

0,368

+3 +4
γ γ+1/2 γ+2 γ γ

Tempo, t
Figura 15 – Função confiabilidade da distribuição de Weibull

41
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

η = 1; β = 3
η = 1; β = 2

4 η = 1; β = 1,5

λ (t) η=β=1
2
η = β = 1/2

η = 1; β = 1/2
1

γ γ+1 γ
+2
γ+3 γ
+4

Tempo, t
Figura 16 – Função de taxas de falhas da distribuição de Weibull

2.4.3 - Casos Especiais de β

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

Tabela 3
β Comportamento da Função de Taxa de Falhas
<1 Taxa de falha decrescente com o tempo – fase de mortalidade infantil.
=1 Taxa de falha constante – falhas aleatórias – função exponencial.
>1 Taxa de falha crescente com o tempo.
=2 Taxa de falha linearmente crescente.
>2 Taxa de falha cresce a uma taxa proporcional à potência (-1); distribuição de
freqüência tornando-se mais simétrica à medida que β cresce.

=3,2 Distribuição de freqüência aproxima-se da distribuição normal, tornando-se

menos dispersa à medida que β cresce.

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

42
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

λ (t)

β=1

β<1 β>1

log Tempo

Figura 17 – A relação de β e as fases da curva da banheira

Tabela 4 - Interpretações físicas sobre os parâmetros da função de Weibull

t0 β Significado
=0 Não há confiabilidade intrínseca. Significa que em t = 0 a
probabilidade de falha é 0

<1 Taxa de falhas decrescente, possivelmente devida à baixos

coeficientes de segurança na carga.

=1 Taxa de falhas constante, falhas de origem aleatórias.

>1 Taxa de falhas crescente, desgaste iniciando logo que o

componente entra em serviço

>0 Há período de garantia, durante o qual não ocorre falha. O

componente possui confiabilidade intrínseca

<1 Desgaste do tipo fadiga ou similar

≅0,5 Fadiga de baixo ciclo

≅0,8 Fadiga de alto ciclo

>1 Desgaste do tipo erosão

<0 Há vida de prateleira, o componente pode falhar antes de ser
usado

<1 Desgaste do tipo fadiga, iniciado antes do componente entrar em

em serviço

>1 Desgaste devido à contínua redução da resistência

43
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

IV- ANÁLISE DE SISTEMAS COM COMPONENTES EM SÉRIE E EM PARALELO

Até aqui, nos preocupamos com taxa de falhas de apenas um componente. Iremos abordar
neste tópico, não mais a confiabilidade de um único elemento, mas a de um grupo formando
um conjunto funcional. Este conjunto será formado pela interdependência de vários
elementos.
Para tal análise, algumas considerações básicas sobre probabilidade:
• Sendo E1 e E2 dois eventos independentes, com probabilidade de ocorrência P(E1)
e P(E2), então, para que ambos os eventos ocorram, será necessário:
P (E1 E 2 ) = P (E1 ) × P (E 2 )

• Se ambos os eventos ocorrerem simultaneamente, a probabilidade de que tanto E1

com E2, ou ambos venham a ocorrer será:
P (E1 E 2 ) = P (E1 ) + P (E 2 ) − P (E1 ) × P (E 2 )
• No caso dos eventos serem mutuamente exclusivos, ou seja, a ocorrência de um
implica necessariamente na não ocorrência do outro, então:
P (E1 E 2 ) = P (E1 ) + P (E 2 )

• Se, temos apenas as alternativas dadas por E1 e E2:

P (E1 E 2 ) = P (E1 ) + P (E 2 ) = 1

1.1 Sistema em Série

Os componentes são considerados em série quando a falha de qualquer um deles
provocar a falha de todo o sistema, ficando completamente inoperante. Logo, o
funcionamento do sistema dependerá da plena capacidade de cada componente. Sua
representação é dada a seguir, em analogia com os circuitos elétricos.

1 2 *** N
Figura 3.1 – Sistema em série

Os componentes 1,2,3,4,......., N tem confiabilidade C1(t),C2(t),...., CN(t)

respectivamente.

44
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Considerando dois componentes em série, com respectivas confiabilidades C1(t) e

C2(t), a probabilidade de que ambos os componentes sobrevivam ao tempo t, será:
C 0 (t ) = C1 (t ) x C 2 (t )
onde C0(t) é a confiabilidade de sistema.
Chamando P1(t), P2(t) a probabilidade de falha dos componentes 1 e 2, a
confiabilidade do sistema poderá ser reescrita como:
C 0 (t ) = (1 − P1 (t )) (1 − P2 (t ))
Usando a expressão anteriormente deduzida:

[ ] [
C 0 (t ) = exp − f1 (t )dt × exp − f 2 (t )dt ]
Se ƒ(t) = Cte, temos a distribuição exponencial e vêm:

C0 (t ) = e −1xt × e −λ 2 xt

C0 (t ) = e −(λ1+λ 2 )xt
Assim, a taxa média de falhas será dada pela soma das taxas médias de falhas de cada
componente que compõe o sistema. Generalizando obtemos:

C0 (t ) = e −( λi×t )

Como temos C1(t), C2(t), C3(t),...., C0(t) são menores do que 1, a confiabilidade do
sistema será menor que a confiabilidade do seu componente mais fraco. Por exemplo:
C1 (t ) = 0,9; C 2 (t ) = 0,8; C 3 (t ) = 0,85

C 0 (t ) = 0,8 × 0,9 × 0,85

C 0 (t ) = 0,612
Normalmente, o valor esperado do tempo médio é igual ao inverso da taxa média de
falhas, ou seja, TMEF=1/λ. Assim, para λ = 0,0001, tem-se TMEF = 10 horas.
Deve-se procurar, não sobrecarregar em demasia inicialmente o sistema, para que a
taxa média de falhas não assuma valores altos, procurando reduzir o nível de choques e
vibrações. Quanto menor o número de componentes aumenta-se a confiabilidade, e a
manutenção torna-se mais simples.
De maneira mais geral:
C 0 (t ) = C1 (t )× C 2 (t )× ...C n (t )

45
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Se todos os componentes têm a mesma confiabilidade:

C m (t ) = C1 (t ) = C 2 (t ) = ... = C n (t )
Portanto,

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

onde n é o número total de componentes e Cm(t) a confiabilidade de cada um dos

componentes.
Na figura abaixo, observa-se como varia a confiabilidade do sistema em função da
confiabilidade e número de componentes.

Figura 3.2 – Confiabilidade de Sistema em série

1.2 Sistema em Paralelo

Os componentes serão considerados em paralelo quando a falha do sistema só ocorrer
quando todos os componentes falharem ou o sistema continuar operando.
Neste sistema, a confiabilidade atingirá altos valores.
O sistema poderá ser representado pela figura a seguir.

46
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Figura 3.3 – Sistema em paralelo

Logo, é fácil constatar mediante a figura que a falha do sistema ocorrerá apenas
quando todos os componentes falharem.
A probabilidade de falha, considerando 2 componentes com falhas independentes,
será:
P0 (t ) = P1 (t )× P2 (t )
Onde:
P1 (t ) = 1 − C1 (t )
P2 (t ) = 1 − C 2 (t )

Generalizando, obteremos:
C 0 = 1 − {[1 − C1 (t )]× [1 − C 2 (t )]× [1 − C 3 (t )]× ... × [1 − C n (t )]}
Se todos os componentes têm a mesma confiabilidade:
C m (t ) = C1 (t ) = C 2 (t ) = ... = C n (t )
Portanto,

C 0 (t ) = 1 − [1 − C m (t )]n

onde n é o número total de componentes e Cm(t) a confiabilidade de cada um dos

componentes.
Na figura abaixo, observa-se como varia a confiabilidade do sistema em função da
confiabilidade e número de componentes.

47
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Figura 3.4 – Confiabilidade de sistema em paralelo

Exemplo
Determinar a confiabilidade de 4 elementos em paralelo:
C1 (t ) = 0,8
C 2 (t ) = 0,9
C 3 (t ) = 0,95
C 4 (t ) = 0,7

Suas respectivas probabilidades serão:

P1 (t ) = 1 − 0,8 = 0,2
P2 (t ) = 1 − 0,9 = 0,1
P3 (t ) = 1 − 0,95 = 0,05
P4 (t ) = 1 − 0,7 = 0,3

De acordo com:
C 0 = 1− [P1 (t )] [P2 (t )] [P3 (t )] [P4 (t )]
C 0 (t ) = 1 − 0,2 × 0,1× 0,05 × 0,3

C 0 (t ) = 0,9997

48
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

1.3 Sistema em Série Paralelo

Como foi visto, em sistemas em série, se um componente falhar, toda a linha pára. Isto
já não ocorre em sistemas em paralelo, aonde o sistema somente falhará se todos os
componentes falharem.
Logo, um estudo de sistema em série paralelo será de grande utilidade.
Por exemplo, representando um sistema com 5 elementos, conforme a figura abaixo:

1 2 3

4 5

Figura 3.5 – Sistema misto: série-paralelo

Fazendo uma analogia com sistemas elétricos:

C1ª linha (t ) = C1 (t )× C 2 (t )× C 3 (t )

C 2 ª linha (t ) = C 5 (t )× C 4 (t )
Logo:
C 0 (t ) = 1 − [1 − C1ª linha (t ) ⋅ [1 − C 2 ª linha (t )]]

Portanto,
C 0 (t ) = C1 (t )× C 2 (t )× C 3 (t )× C 4 (t )× C 5 (t ) − C1 (t )× C 2 (t )× C 3 (t )× C 4 (t )× C 5 (t )
Exemplo
C1 (t ) = 0,9
C 2 (t ) = 0,8
C 3 (t ) = 0,5
C 4 (t ) = 0,7
C 5 (t ) = 0,85
C 0 (t ) = 0,9 × 0,8 × 0,5 + 0,7 × 0,85 − 0,9 × 0,8 × 0,5 × 0,7 × 0,85
C 0 (t ) = 0,7408

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

Estudo de caso:

49
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Em um sistema hidráulico, se um componente falhar, o conjunto inteiro falhará. Logo,

devem ser procuradas alternativas. Determine essas alternativas.
1 – Filtro λ1 = 0,3 x 10-6
2 – Bomba λ2 = 10 x 10-6
3 – Redutor λ3 = 0,3 x 10-6
4 – Válvula alívio λ4 = 5,7 x 10-6
5 – Válvula λ5 = 4,6 x 10-6
6 – Cilindro λ6 = 0,2 x 10-6

Para os elementos ligados em série, teremos:

1 2 3 4 5 6

Figura 3.6 – Sistema hidráulico

Para um tempo de 10 horas e um fator de agressivadade de 100, a confiabilidade de

cada elemento é dada por:

C (t ) = e − kj× xy×t
Sendo kj = 100 e t = 10 horas, teremos:
C1 (t ) = 0,9997
C 2 (t ) = 0,9900
C 3 (t ) = 0,9997
C 4 (t ) = 0,9943
C 5 (t ) = 0,9954
C 6 (t ) = 0,9998

Este sistema está instalado dentro de um avião comercial. Como foi visto, a taxa média
de falhas, para acidentes é da ordem de 1 x 10-6/h ou o tempo médio entre falhas é 106h. O
vôo tem duração de 10 horas.
Adotando-se que o avião possui 6 sistemas, determinando a confiabilidade de cada
sistema, teremos, supondo que os sistemas tenham a mesma confiabilidade entre si, a
confiabilidade do avião é:
t
C 0 = e −λ = e −10−6 x10
C 0 = 0,99999
A confiabilidade de cada sistema será:

50
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

C = 0,999991 / 6
C = 0,9999984

Logo, o sistema hidráulico deverá ter uma confiabilidade mínima de 0,9999984.

A confiabilidade do conjunto apresentado é:
C 0 = 0,9997 x 0,9900 x 0,9943 x 0,9954 x 0,9998

C 0 = 0,9771

Vê-se que o sistema considerado possui uma confiabilidade bem inferior ao mínimo
desejado de 0,9999984.
Para aumentar a confiabilidade, foi proposta uma utilização em série paralelo de
elementos, conforme a figura abaixo.

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

Figura 3.7 – Sistema série-paralelo: 1a. alternativa

Através da taxa média de falhas, conclui-se que os elementos 2, 4 e 5 deveriam ter

tripla redundância.
Para determinarmos a confiabilidade do conjunto, é prático utilizar a taxa de falhas
equivalente para associação em paralelo vista anteriormente.

f 0 (t ) = nλ n × t n −1
Onde n é o número de elementos em paralelo

( )
f1 = 2 × 0,3 × 10 -6 x 100 x(10)1 = 1,8 × 10 -8
2

= 3 x (10 x 10 x 100) x (10) = 3,0 × 10

-6 3 2 −7
f2

= 2 × (0,3 × 10 x 100) x(10) = 1,8 × 10

-6 2 1 -8
f3

= 3 x (5,7 x 10 x 100) x (10) = 5,55 × 10

-6 3 2 −8
f 4

= 3 x (4,6 x 10 x 100) x (10) = 2,92 × 10

-6 3 2 −8
f5

= 2 × (0,2 × 10 x 100) x(10) = 8 × 10

-6 2 1 -9
f6

A taxa média de falhas é:

f 0 = f1 + f 2 + f 3 + f 4 + f 5 + f 6

51
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

f 0 = 4.287 x 10 -7
A confiabilidade do sistema será dada por:

C0 = e − f 0 x t

C 0 = e −4, 287 x 10-7 x 10

C 0 = 0,9999957

Observa-se que a confiabilidade do sistema hidráulico aumentou sensivelmente,

porém, fica ainda abaixo da confiabilidade mínima admissível, que é 0,9999984.
Logo, um novo estudo deverá ser feito, com a utilização de mais componentes,
analisando a taxa média de falhas de cada elemento obtida anteriormente, a fim de garantir
uma confiabilidade de 0,9999984.
Aumentando-se o nº de elementos conforme a figura abaixo:

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

Figura 3.8 – Sistema série-paralelo: 2a. alternativa

(
f 1 = 3 × 0,3 × 10 -4) x (10) = 8,1× 10
3 2 -12

= 4 × (10 × 10 x 100) x (10) = 4 × 10

-6 4 3 -9
f2

= 3 × (0,3 × 10 x 100) x (10 ) = 8,1× 10

-6 3 2 -12
f3

= 4 × (5,7 × 10 x 100) x (10) = 4,22 × 10

-6 4 3 -10
f4

= 4 × (4,6 × 10 × 100) x (10) = 1,79 × 10

-6 4 3 -10
f5

= 3 × (0,2 × 10 x 100) x (10 ) = 2,4 × 10

-6 3 2 -12
f6

A taxa média de falhas será:

f 0 = f1 + f 2 + f 3 + f 4 + f 5 + f 6
f 0 = 4,6196 x 10 -9

52
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

A confiabilidade do sistema será:

C 0 = e −4,6196 x 10 −9 × 10
C 0 = 0,99999995

Assim, a confiabilidade do sistema estará acima da mínima admissível, podendo ser

esta a alternativa adotada.
Obviamente existem outras alternativas, porém, este exemplo visa a demonstrar como
deve ser o estudo em busca de soluções.
Deve ser verificado se o aumento do peso não será crítico para o caso do avião com a
utilização do sistema em série paralelo. A manutenção é mais complicada e podem surgir
interferências indesejadas com outros componentes do sistema.

1.4- Tipos Genéricos de Configurações Redundantes

As configurações redundantes podem ser dos tipos
1) Ativas
a) Total
b) Parcial
c) Condicional
2) Stand-by
a) Unidades idênticas.
b) Unidades diferentes.
Redundâncias Parcialmente Ativas
Considere três unidades idênticas com confiabilidade R (ver Figura 2.6). Sabendo que
R + P = 1 onde P é a probabilidade de falhas. A expressão binomial (R+P)3 desenvolvida
produz:

R 3 ,3R 2 Q, 3RQ 2 , Q 3 ou R 3 , 3R 2 (1 − R ),3R (1 − R )2 , (1 − R )3

Figura 3.9 – Redundâncias parcialmente ativas

53
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Esta expressão descreve a probabilidade de 0,1,2,3 falhas de uma unidade.

A confiabilidade do mesmo sistema para redundância total ativa é dada por: 1-(1-R)3.
Esta expressão é consistente com as expressões acima pois é igual a 1 menos o último
termo. A soma dos termos é a confiabilidade do sistema e, portanto a soma dos três primeiros
termos, conduzindo a 0,1,2 falhas é a confiabilidade do sistema.
Em muitos casos de redundância, entretanto, o número de unidades que pode falhar
antes da falha do sistema é menor do que no caso de redundância total. No caso das três
unidades exemplificadas, o sistema funciona com apenas uma unidade em funcionamento. No
caso de redundância 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:

R( sistema) = R3 + 3R 2 (1 − R )
Geralmente, se m itens podem falhar de n a confiabilidade é a soma dos m + 1 termos
da expressão binomial. Portanto:
m −1
n!
Rs = R x (1 − R )n − x
x=0
x! (n − x )

Redundâncias Condicionais Ativas

A melhor maneira de se explicar este caso é através de um exemplo. Considere a
figura abaixo:

B 2/3

Figura 3.10 – Redundâncias condicionais ativas

Três unidades de processamento digital (A, B e C) possuem confiabilidade R. Elas são

triplas para garantir a redundância no caso de falha e suas saídas idênticas alimentam uma
unidade de votação 2/3. Se dois sinais idênticos são percebidos pela unidade de votação estes
são reproduzidos na saída. Assumindo que a unidade de votação é muito mais confiável que
as unidades de processamento digital de forma que sua probabilidade de falha pode ser
descartada. A questão que resta é determinar se o sistema tem:

54
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

a) Redundância parcial 1 unidade pode falhar e somente uma.

b) Redundância total 2 unidades pode falhar.
A resposta depende do modo de falha. Se duas unidades falharem no mesmo modo de
falha, então a resposta da unidade de votação será a mesma das duas falhas e o sistema falhará
como um todo. Se, por outro lado, duas unidades falharem de modos diferentes, a unidade
restante produzirá uma resposta correta. Esta situação requer o teorema de Bayes para a
determinação da confiabilidade. Então:
R ( sistema ) = Rx / a ∗ Pa + Rx / b ∗ Pb + ... + Rx / n ∗ Pn
Neste caso, a solução é:
R(sistema) = R(confiabilidade do sistema no caso de falhas idênticas) ∗ (Probab. falha
idêntica de 2 unidades).
Portanto,

R( sistema) = R 3 + 3R 2 (1 − R ) ∗Pa + 1 − (1 − R )
3
Pb

Assumindo que a probabilidade de ambos os modos de falha é idêntico de forma que

Pa = Pb = 0,5, então,
R( sistema ) = 3R − R 3 / 2

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

N+1

Figura 3.11 – sistema em stand-by

Até então somente foram considerados sistemas com redundâncias ativas onde todas
as unidades estão operando e o sistema pode continuar operando a despeito da perda de uma
ou mais unidades. Redundância em stand-by implica na existência de unidades adicionais que

55
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

são ativadas somente quando há falha de unidades operação. Um grande ganho de

confiabilidade é esperado sobre os sistemas com redundâncias ativas já que o tempo de
operação das unidades em stand-by é bem menor. A figura na página 99 mostra n unidades
idênticas com 1 item ativo. Se alguma falha for detectada então a unidade 2 será colocada em
operação. Inicialmente, as seguintes considerações são necessárias:
1. O mecanismo de detecção de falha e mudança para a unidade em stand-by é
considerado isento de falha.
2. As unidades em stand-by são consideradas como idênticas e com a mesma taxa
de falhas.
3. As unidades em stand-by não falharão enquanto estiverem paradas.
4. Como nos casos de redundâncias ativas, as unidades falhas não serão
reparadas.
A confiabilidade é dada pelos primeiros n termos da expressão de Poisson:

λ 2t 2 λ ( n −1)t ( n −1)
R( sistema) = R ( t ) = exp ( −λt ) 1 + λt + + ... +
2! ( n − 1)!
Para 1 unidade em stand-by

R( sistema) = R ( t ) = exp ( −λt ) ⋅ (1 + λt )

Para 2 unidades em stand-by

λ 2t 2
R( sistema) = R ( t ) = exp ( −λt ) 1 + λt +
2!
N Unidade Operando para n Stand-by

Figura 3.12 – Sistema em stand-by

56
 Icap del Rei Fundamentos de Confiabilidade Prof. Dr. Evaldo Khater

Para 1 unidade em stand-by

R ( sistema) = R ( t ) = exp ( − N λ t )(1 + N λ t )

Para 2 unidades em stand-by

N 2 λ 2t 2
R( sistema) = R ( t ) = exp ( − N λt ) 1 + N λt +
2!
Para n unidades em stand-by

N ( ) λ ( )t (
n −1 n −1 n −t )
N 2 λ 2t 2
R( sistema ) = R ( t ) = exp ( − N λt ) 1 + N λt + + ... +
2! ( n − 1)!

V – REFERÊNCIAS BIBLIOGRÁFICAS

CABRERA, L. C. Q. – Transição 2000 – Tendências e Estratégias, Ed. Makron Books, 1993.

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

KHATER, E. – Confiabilidade Aplicada aos Manipuladores, Conferência Internacional de

Aplicações Industriais do IEEE, VI INDUSCON, 2004.

KHATER, E.; PAULA, D. A. & LIMA, R. C. – Análise de Falhas em Turbinas

Hidroelétricas através da Engenharia de Confiabilidade. V Simpósio Internacional de
Confiabilidade, Belo Horizonte, 2007.

KROENER, W. – Manutenção no Ano 2000, Artigo Técnico, Janeiro 1990.

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

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

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

SPIEGEL, M. R. – Estatística, McGraw-Hill, 1985.

57