Академический Документы
Профессиональный Документы
Культура Документы
ESCOLA POLITCNICA
PROGRAMA DE PS GRADUAO EM ENGENHARIA INDUSTRIAL - PEI
TESE DE DOUTORADO
Salvador
19 de julho de 2013
Trabalho apresentado ao Programa de Ps Graduao em Engenharia Industrial - PEI da Universidade Federal da Bahia como requisito parcial para obteno do grau de Doutor em Engenharia Industrial.
Orientadores:
Prof. Dr. Ernesto Pinheiro Borges
Prof. Dr. Silvio Alexandre Beisl Vieira de Melo
Prof. Dr. Leizer Schnitman
Salvador
19 de julho de 2013
A848
q -Weibull
Prof.
CDD : 670.42
O Modelo
q -Weibull
Salvador, BA
19 de julho de 2013
De
todas
as coisas
humanas, a nica que
tem o m em si mesma a arte.
(Machado de Assis)
No se preocupe muito
com as suas diculdades em
Matemtica, posso assegurar-lhe que
as minhas so ainda maiores.
(Albert Einstein)
Agradecimentos
Agradeo a todas as pessoas que colaboraram de alguma forma para a realizao
deste trabalho, especialmente:
Resumo
A distribuio
q -Weibull
generalizao com quatro parmetros de uma distribuio amplamente utilizada em conabilidade, a distribuio Weibull, que possui trs parmetros. A distribuio Weibull
baseada na funo exponencial do negativo de uma potncia. A distribuio
utiliza uma generalizao da funo exponencial, chamada
q -exponencial,
q -Weibull
que apresenta
o comportamento assinttico a uma lei de potncia e recupera, tambm como caso particular, uma exponencial. Desta forma, em comparao com a distribuio Weibull, foi
acrescentado mais um parmetro s expresses da funo densidade de probabilidade, da
funo de falha acumulada e da taxa de falha. Foram identicados cinco padres distintos
para a taxa de falha da distribuio
parmetros do modelo. Isto representa uma melhoria em relao ao modelo Weibull, capaz de representar trs padres de comportamento para a taxa de falha. Particularmente
a taxa de falha
q -Weibull
q -exponencial,
e exponencial.
q -Weibull,
Weibull,
mulada e para taxa de falha de todas as portas de rvores de falha dinmica, com base
na distribuio
q -Weibull.
q -Weibull.
foram apresentadas considerando trs critrios diferentes: o custo mnimo por ciclo de
manuteno, o valor mximo permitido para a taxa de falha, e o valor mnimo permitido
para a conabilidade. Para estes dois ltimos critrios, as expresses deduzidas para um
componente foram estendidas para uma associao em porta de rvore de falha dinmica
e foram apresentados dois exemplos.
Abstract
The
q -Weibull
q -Weibull
q -exponential.
law, and also recovers the exponential function, as a particular case. Thus, when compared with the Weibull distribution, it has been added into the expressions an additional
parameter
q.
It has been identied ve distinct patterns for the failure rate distribution of
This represents an
improvement over the Weibull model, that is able to represent three patterns of behavior
for the failure rate. Particularly,
q -Weibull
to the decreasing, steadily, and increasing formats, two additional cases, the unimodal
and the bathtub curve, which are not possible for the Weibull distribution with xed parameters. It has been deduced expressions for the moments around zero and around the
average, and also the median, the mode, besides other characteristic properties. The tting method was validated by using three real examples: components of oil wells, robotic
welding station, and an instance of the stock market. The examples of welding station
and the stock market were also used to compare the eciency of four models,
Weibull,
q -exponential,
q -Weibull
q -Weibull,
deduced expressions for the unreliability and failure rate functions of all ports of dynamic
fault trees. All expressions of unreliability were validated by means of the Monte Carlo
method. Expressions for the reliability and the failure rate of a component subjected to
preventive maintenance at regular intervals of time under conditions of perfect and imperfect repair were deduced in the context of the
q -Weibull
for the determination of the optimal preventive maintenance interval were presented, considering three dierent criteria: the minimum cost per maintenance cycle, the maximum
allowed value for the failure rate, and the minimum allowable reliability. For the latter
two criteria, the expressions deduced for a component have been extended to a port of
dynamic fault tree, and two examples were presented.
Sumrio
1 Introduo
1.1
Justicativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Objetivo geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Objetivos especcos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Fundamentos de conabilidade
2.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
10
2.3
. . . . . . . . . . . . . .
18
2.4
Entropia de Tsallis
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
25
3.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
3.2
28
3.3
3.4
. . . . . .
32
. . . . . . . . . . . . . . . . .
33
. . . . . . . . . . . . . . . . . . . . . . .
35
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
3.3.1
Momentos da distribuio
3.3.2
Inuncia do parmetro
3.3.3
Anlise de
3.3.4
Inuncia do parmetro
3.3.5
Inuncia do parmetro
3.3.6
Equaes adimensionais
tmax
q -Weibull
q -Weibull .
. . . . . . . . . . . . . . . . . . . . . . .
37
. . . . . . . . . . . . . . . . . . . . . . .
39
. . . . . . . . . . . . . . . . . . . . . . . .
41
Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
4.2
46
q -Weibull
q -exponencial
4.2.1
Distribuies
. . . . . . . . . . . . . . . .
46
4.2.2
. . . . . . . . . . . . . . . . . . . .
47
4.2.3
Estimao de parmetros . . . . . . . . . . . . . . . . . . . . . . . .
47
4.3
. . . . . . . . . . . . . .
50
4.4
54
4.5
Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.1
5.2
q -Weibull
62
63
5.2.1
AND . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
5.2.2
OR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
73
5.2.3
KofN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
5.2.4
5.2.6
5.2.7
Modelagem
61
. . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.5
5.3
61
Probabilistic dependency )
PAND AND com Prioridade (Priority AND ) . . . . . . . . .
SEQ Sequncia forada (Sequence Enforcing )
. . . . . . . .
WSP Sobressalente (Warm spare )
. . . . . . . . . . . . . .
. . .
83
. . .
89
. . .
96
. . . 101
Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
117
6.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.2
6.3
6.4
q -Weibull
. . . . . . . . . . . . 118
6.2.1
6.2.2
6.2.3
Exemplos
. . . . . . . . . . . . . . . . . . 121
. . . . 122
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.3.1
6.3.2
6.3.3
6.3.4
6.3.5
Cenrios 5a e 5b
. . . . . . . . . . . . . . 127
. . . . . . . . 130
. . . . . . . . . . . . . . 133
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
7 Consideraes nais
141
7.1
Concluses
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
7.2
Referncias
147
157
A.1
A.1.2
A.1.3
Funo
A.1.4
A.1.5
q -exponencial
q -Weibull
. . . . . . . . . . . . 157
. . . . . . . . . . . . . . . . . . . . . . . . . . 157
. . . . . . . . . . . . . . . . . . . . . . 158
A.1.6
A.1.7
A.1.8
q -Weibull
. . . . . . . . . . . . . 162
A.2
A.3
Momentos da distribuio
. . . . . . . . . . . . . . . 167
A.3.1
Momento de
. . . . . . . . . . . . . . . 167
A.3.2
Momento de
A.3.3
A.4
. . . . . . . . . . . . . . . . . . . 166
q -Weibull para t0 6= 0
ordem n para q > 1 . . . .
ordem n para q < 1 . . . .
q -Weibull para t0 = 0
ordem n para q > 1 . . . .
ordem n para q < 1 . . . .
. . . . . . . . . . . . . . . 170
Momentos da distribuio
. . . . . . . . . . . . . . . 174
A.4.1
Momento de
. . . . . . . . . . . . . . . 174
A.4.2
Momento de
. . . . . . . . . . . . . . . 176
A.5
A.6
Mdia ou MTBF
A.7
Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
A.8
Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
A.9
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
A.9.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
. . . . . . . . . . . . . . . . . . . . . . . . . . . 183
A.10.2 Soluo de
t0
T
tfq (t)dt
. . . . . . . . . . . . . . . . . . . . . . . . . . 185
Rq (t)dt
. . . . . . . . . . . . . . . . . . . . . . . . . . 187
t0
O modelo
q -Weibull
em mercado de aes
191
. . . . . . . . . . . . . . . . . . 191
Lista de Figuras
2.2.1
rvore de dependabilidade.
3.2.1
3.2.2
3.3.1
3.3.2
3.3.3
hq (t). . . . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha da q -Weibull dada pela Equao 3.2.9, com q = 0,9.
.
Taxa de falha da q -Weibull dada pela Equao 3.2.9, com q = 1,5, = 1
e t0 = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha q -Weibull em funo do tempo para diferentes valores de
q < 1 em escala loglog. . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha q -Weibull em funo do tempo para diferentes valores de
q < 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha da q -Weibull para o caso unimodal e diferentes valores de
q > 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Taxa de falha da q -Weibull para o caso decrescente e diferentes valores
de q > 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
q.
11
. .
30
. . . .
32
. . . . . . . . . . . . . . .
35
q -Weibull.
q < 1.
37
38
38
39
40
40
41
3.3.10
42
3.3.11
43
4.3.1
51
4.3.2
52
4.3.3
53
4.4.1
3.3.5
3.3.6
3.3.7
3.3.8
3.3.9
em
36
3.3.4
Efeito de
. . . . . . . . . . . . . . . . . . . . . . . .
. .
modelos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Rq (t)
4.4.2
Curvas
4.4.3
hq (t)
54
56
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
58
4.4.4
Curvas
5.2.1
5.2.2
Fq,C3 (t) com linha contnua Fq,C14 (t) com linha tracejada.
hq,C3 (t) com linha contnua hq,C14 (t) com linha tracejada.
. . . . . . .
66
. . . . . . . .
66
5.2.3
68
5.2.4
70
5.2.5
Funes taxa de falha para uma porta AND e suas duas entradas. Casos
a) at f ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.6
71
Funes taxa de falha para uma porta AND e suas duas entradas. Casos
g) at j). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
5.2.7
74
5.2.8
5.2.9
Funes taxa de falha para uma porta OR e suas duas entradas. Casos
. . . . . . . . . . . . . . . . . .
. . . . .
a) at f ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.10
75
76
Funes taxa de falha para uma porta OR e suas duas entradas. Casos
g) at j). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
5.2.11
. . . . . . . . . . . . . . . . .
79
5.2.12
80
5.2.13
81
5.2.14
82
5.2.15
84
5.2.16
5.2.17
87
5.2.18
88
5.2.19
. . . . . . . . . .
90
5.2.20
91
5.2.21
93
5.2.22
Funes taxa de falha para portas PAND e suas duas entradas. Casos
f1 (x1 )
. . . . . . . . . . . . . .
f2 (x2 ).
. . .
a) at f ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.23
86
94
Funes taxa de falha para portas PAND e suas duas entradas. Casos
g) at j). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
95
5.2.24
97
5.2.25
98
5.2.26
. . . .
a) at f ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.27
99
5.2.28
5.2.29
5.2.30
. . . . . . . . . . . . . . . . . 102
Funes densidade de probabilidade do componente principal e do componente reserva no estado ativado. . . . . . . . . . . . . . . . . . . . . . 103
5.2.31
5.2.32
C20 .
. . . . 105
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.2.33
5.2.34
C22 .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2.36
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2.35
C21 .
C23 .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
C24 .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.2.37
109
5.2.38
Funes
110
5.2.39
Funes
5.2.40
5.3.1
C24 .
. . . . . . . . . . . . . . . . . . . . . . . . . 113
113
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.3.1
6.3.2
6.3.3
6.3.4
6.3.5
6.3.6
C1
C1 .
. . 125
C1
em
C1
6.3.7
6.3.8
6.3.9
Derivada temporal da no
C2
preventiva. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.3.11
6.3.12
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
C2
C2
em regime de manu-
6.3.14
6.3.15
6.3.16
. . . 136
6.3.17
B.1.1
Curvas
Rq (t)
Lista de Tabelas
2.1
3.1
q -Weibull
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1
4.2
q -Weibull
21
44
50
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
4.3
51
4.4
52
4.5
53
4.6
4.7
5.1
Parmetros da
q -Weibull
58
. . . . . . . . . . . . . . . . . . . . .
65
. . . . . . . . .
para os modelos.
C18 ),
valores
tlim
Parmetros da
ttim atv
65
SEQ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
5.4
67
5.5
5.3
Krishnamoorthi (1992).
. . . . . . . . . . . . . . . .
Adaptado de
. . . . . . . . . . . . . . . . . . . . . . . . . .
69
5.6
5.7
5.8
83
5.9
89
5.10
95
5.11
5.12
5.13
6.1
Parmetros da distribuio
falha dos componentes.
6.2
q -Weibull
73
.
78
100
. . . . . . . . . . . . . 102
q -Weibull
em AFD.
. . . . 116
. . . . . . . . . . . . . . . . . . . . . . . . . . 124
. . . . . . . . . . . . . . . . . . . . . . . . 124
B.1
B.2
. . . . . . . . . . . . . . . . . . . . . . 192
. . . . 193
rvore de Falha
AFD
AIC
AND
BGS
Boltzmann-Gibbs-Shannon
CDMS
CM
Cadeia de Markov
DBD
EQM
fdp
IBEX-35
Iberia index
KofN
Porta lgica
MTBF
OR
Porta lgica OR
PAND
PDEP
RB
Rede Bayesiana
RSS
SEQ
de
WSP
Lista de Smbolos
ndice entrpico
t0
[x]+
Fator de dormncia
(x)
Funo Gama de
No-conabilidade estimada
0n
Momento de ordem
em torno do zero
Momento de ordem
em torno da mdia
2 F1
(a, b; c; z)
ou
Funo hipergeomtrica
Cc
Ci
i-simo
componente
Cp
E[T ]
f (t)
F (x)
Fq (t)
hq (t)
P (X x)
pi
Probabilidade de ocorrncia do
qupper
R2
Coeciente de determinao
Rq (t)
Funo conabilidade em
Rmq (t)
Conabilidade no instante
Sq
Entropia generalizada
tlim
tlim atv
tlim dor
tmax
Z[T ]
i-simo
microestado
t
t
Md
Mediana
Mo
Moda
Lista de Algoritmos
5.1
AND_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
70
5.2
OR_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
74
5.3
KofN_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
80
5.4
PDep_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
85
5.5
PAND_Monte_Carlo.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
92
5.6
SEQ_Monte_Carlo.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
97
5.7
WSP_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.8
WSP2S_Monte_Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
1 Introduo
A engenharia de conabilidade tem como uma de suas principais tarefas manter
as instalaes industriais, equipamentos, ou simples componentes funcionando de forma
adequada.
Captulo: 1
Introduo
1.1 Justicativa
Existe uma grande quantidade de modelos para tempos de vida e aplicaes em
conabilidade. Alguns destes so modicaes de distribuies estatsticas j existentes
e outros so combinaes de duas ou mais distribuies. Uma classe de modelos busca a
interpretao de fenmenos complexos luz da mecnica estatstica no extensiva e tem
sido aplicada a diversos fenmenos, alguns dos quais em reas que extrapolam aquelas
usualmente abordadas pela fsica.
Os modelos baseados na estatstica de Tsallis tm sido aplicados a sistemas correlacionados, muitos dos quais so exemplicados por situaes que extrapolam os exemplos
fsicos usuais.
q -exponencial,
ao passo que a distribuio Weibull se ajustou melhor para vtimas de ciclones e venda de
medicamentos. Por outro lado, os comprimentos de estradas no foram satisfatoriamente
descritos nem pela distribuio
q -Weibull (vide Picoli, Mendes e Malacarne (2003)). Em Tsallis et al. (2003) mostrada a
generalizao por parmetro q como ponte para a compreenso de fenmenos econmicos,
entre os quais opes de preos, distribuies de volume e rentabilidade e a onipresena
do conceito de averso ao risco. Trs anos antes, os nmeros de gols por artilheiros em
campeonatos de futebol foram descritos por uma
(2000).
q -exponencial
em Malacarne e Mendes
(2009).
q -exponencial
so relativamente bem ajustadas (vide Borges (2004a)). No mesmo ano, Rizzo e Rapisarda
(2004) desenvolveram uma anlise em medidas de esforo de vento coletadas no aeroporto
de Florena entre 2002 e 2003, utilizando as ferramentas usuais adotadas pela turbulncia
hidrodinmica para reproduzir as funes densidade de probabilidade das componentes de
1.1
Justificativa
experimentos de turbulncia.
q -Weibull
sitivo, foi de Costa et al. (2006). Eles analisaram a ruptura dieltrica em xidos, assunto
de extremo interesse no avano tecnolgico da eletrnica, e obtiveram um ajuste da distribuio
q -Weibull
fato mostrou que o mecanismo de falha descrito por Weibull pode ser melhorado com as
ferramentas provenientes da estatstica de Tsallis.
q -funes
ter sido
testada com sucesso, o modelo Weibull usual tem sido alvo de outras generalizaes fora
do mbito da no-extensividade. Em Bebbington, Lai e Zitikis (2007) foi proposta uma
nova generalizao da Weibull com dois parmetros. O modelo tem uma funo taxa de
falha simples e com a escolha adequada dos valores dos parmetros capaz de representar
vrias classes de envelhecimento. As faixas dos valores dos dois parmetros so claramente
denidas para separar as classes. O clculo de parmetros foi realizado por plotagem de
probabilidade e mxima verossimilhana.
Esta variedade de sistemas inspirou a aplicao da estatstica de Tsallis, em conabilidade e, posteriormente a extenso para o formalismo de rvore de falha dinmica, e a
utilizao na denio de estratgia de manuteno preventiva, em sistemas tecnolgicos
sucientemente intrincados, onde existam correlaes espaciais ou temporais.
Em tais
circunstncias, deve ser mais adequada a modelagem com uso ferramentas cujo enfoque
mais prximo de sistemas complexos.
Embora a distribuio
q -Weibull
q -Weibull
Aplicaes
em diversas reas do conhecimento podem ser includas, por exemplo, fsica, matemtica, biologia,
algoritmos de otimizao e nanas.
Captulo: 1
Introduo
q -Weibull,
de modelos existentes usando as ferramentas da estatstica de Tsallis, incluindo as funcionalidades combinacional e sequencial das rvores de falha dinmicas e a manuteno
preventiva por substituio
q -funes,
industriais;
c) desenvolvimento de um mtodo de clculo de conabilidade de sistemas considerando componentes associados por meio de rvore de falha dinmica, com a distribuio
q -Weibull;
q -Weibull;
q -Weibull;
d) o Captulo 4 compara ajustes das distribuies
q -Weibull,
Weibull,
q -exponencial
q -Weibull
1.3
Objetivos especficos
2 Fundamentos de conabilidade
2.1 Introduo
Para Ramirez-Mrquez e Jiang (2006), no mercado competitivo dos dias de hoje,
a conabilidade de sistemas e produtos contribui consideravelmente para a percepo da
ecincia operacional do sistema, assim consequentemente, para a satisfao de seus consumidores. Por anos, a anlise da conabilidade tem sido reconhecida como imprescindvel
nas reas militar e de sistemas eletrnicos. Contudo, nas ltimas dcadas, a competio
no mercado globalizado forou esta anlise em quase todos os produtos comerciais.
Em sistemas em ope-
rao, possvel ter estimativas com qualidade suciente para evitar custos inesperados,
perda de conana do consumidor ou cliente e provvel perda de espao no mercado.
Para Sandtorv, Hokstad e Thompson (1996) as consequncias de um projeto incorreto ou uma manuteno ineciente podem afetar negativamente a segurana, o ambiente,
ou o custo em muitas categorias dos processos industriais e, em particular, a explorao
de petrleo
oshore
oshore
que est
Captulo: 2
Fundamentos de confiabilidade
De acordo com a norma ISO 14224:1999 a coleta de dados um investimento. Podese alcanar melhoria da qualidade por meio da padronizao e melhoria dos sistemas de
gerenciamento de informao que permitam coleta eletrnica e transferncia de dados.
Uma das formas de aumentar a quantidade e diversidade de dados com custo vivel
a cooperao entre indstrias.
De posse de um conjunto de dados organizados, de procedncia convel e de natureza representativa, as informaes obtidas podem ser teis na melhoria do sistema,
tornando-o mais eciente, mais robusto e menos custoso.
Pascual, Meruane e Rey (2008) propem uma aproximao para estudar e aumentar
a eccia de um sistema considerando a taxa de custo esperado por ciclo de vida deste.
O modelo proposto considera que o sistema protegido contra utuao de demanda e
ocorrncia de falhas com elementos como estoque, equipamentos em redundncia e o uso
de mtodos alternativos de produo.
Pascual, Meruane e Rey (2008) consideram que a tomada de deciso difcil por
causa das descontinuidades na interveno e nos custos de parada bem como por causa
das limitaes de oramento.
minimiza a taxa de custo total considerando reparo, paradas de manuteno (e seu fator
de melhoria) e tempos de substituio. O modelo proposto considera os reparos mnimos
e as paradas de manuteno imperfeitas.
2.1
Introduo
Para Kiureghian, Ditlevsen e Song (2007), considerar que sistemas possuem componentes reparveis com falhas aleatrias interessante em muitos campos da engenharia.
Como exemplo de tais sistemas podem-se citar: uma rede de computadores consistindo de
servidores, hubs, roteadores e estaes de trabalho; um sistema de distribuio de energia
eltrica consistindo de plantas de gerao e linhas de transmisso, subestaes e linhas
de distribuio locais; uma rede de transportes terrestres englobando rodovias, tneis e
pontes. O ponto de interesse no apenas a disponibilidade do sistema para a operao
em qualquer instante de tempo ou a conabilidade para operao durante um intervalo
de tempo, mas tambm a medida de quo rapidamente o sistema pode voltar a funcionar.
10
Captulo: 2
Fundamentos de confiabilidade
temas complexos
seja pela anlise de como cada componente tem responsabilidade sobre a disponibilidade
ou conabilidade do sistema inteiro, seja pela investigao de como os componentes se
relacionam entre si ou como as aes de manuteno interagem.
Para Silva (2006) a engenharia de reservatrios tem apresentado um grande crescimento no que diz respeito utilizao de poos inteligentes. Esse tipo de poo possui um
conjunto de equipamentos de instrumentao tais como sensores, vlvulas e dispositivos
de controle de uxo, instalados ao longo de sua tubulao de produo.
Esses equipa-
Ainda para Silva (2006) a grande quantidade de dados gerada permite a implementao de estratgias para melhorar a operao dos poos, ter uma melhor noo do que
est acontecendo quando intervenes so feitas e, principalmente, prever o que pode
acontecer no futuro.
2.2
11
ser ainda menos convel do que aquele que no foi desenhado para tolerncia falha.
Os autores denem
coverage
Um modelo
coverage
Entretanto, tratam
Para Doyle e Dugan (1995), modelos combinatoriais so classes de modelos de conabilidade nos quais as causa das falhas do sistema podem ser expressas por termos das
combinaes das falhas dos componentes.
12
Captulo: 2
Fundamentos de confiabilidade
coverage
Para Gulati e Dugan (1997) as trs tcnicas analticas comumente usadas para clculo e representao da conabilidade so rvores de Falha (AF), Diagramas Binrios de
Deciso (DBD) e Cadeias de Markov. Cada uma das tcnicas tem vantagens e desvantagens e a escolha de uma ou outra depende do sistema a ser modelado. Para construo
do modelo analtico do sistema, as rvores de Falha tm sido a escolha mais frequente,
pois fornecem uma representao compacta do sistema e so de fcil compreenso. Entretanto, rvores de falha no apresentam exibilidade de modelagem para cobrir, por
exemplo, componentes sobressalentes, e o seu tempo de soluo aumenta exponencialmente com o tamanho do sistema a ser modelado. Gulati e Dugan (1997) ainda mostram
que as desvantagens dos Diagramas Binrios de Deciso e cadeias de Markov so devidas
difcil especicao, propensa a erros e demorada.
Para Manian et al. (1998) as rvores de Falha so uma estrutura grca e lgica
para analisar a conabilidade de sistemas e fornecem uma abordagem de modelagem simples para representar as interaes entre os componentes de um sistema. As rvores de
Falhas Dinmicas apresentam dispositivos (portas) capazes de modelar comportamentos
seqenciais. A metodologia para representar as rvores de Falha Dinmicas apresentada
por Manian et al. (1998) chamada de rvore de Falhas Dinmicas e Inovativas (DIFTree). Esta metodologia baseada na tcnica de dividir e conquistar modularizando as
rvores de Falha em subrvores independentes que podem ser resolvidas por tcnicas
diferentes.
Manian et al. (1998) estenderam a capacidade das DIFTree para modelar diferentes
distribuies de tempos de falha incluindo probabilidades xas (independente do tempo e
2.2
13
Gulati e Dugan (1997) apresentam uma aproximao modular para anlise de rvores de Falha estticas e dinmicas. Aplicam uma combinao de Diagramas Binrios
de Deciso para rvore de Falhas Estticas e cadeias de Markov para rvores de Falha
Dinmicas, juntamente com deteco de subrvores independentes.
Manian et al. (1998) e Dugan, Sullivan e Coppit (1999) armam que rvores de
Falha Estticas so modeladas de forma mais eciente por meio de Diagramas Binrios
de Deciso, e rvores de Falha Dinmicas , por mtodos de Markov.
A principal contribuio de Manian et al. (1998) foi estender a estrutura de modelagem das DIFTree para suportar novas distribuies de tempos de falha e conguraes
de rvores de Falhas, assim como suportar uma tcnica alternativa de soluo na forma
de simulao de Monte Carlo. No caso da distribuio exponencial, as taxas de transio
de um estado de Markov para outro so funes das taxas de falha constantes e a soluo
encontrada por meio de equaes diferenciais ordinrias.
Para tempos de falha que seguem a distribuio Weibull, as taxas de falha variam
no tempo. Para cobrir este pressuposto, so criadas classes diferentes de transio para
as Cadeias de Markov. A transio temporal calculada para encontrar o valor numrico
da taxa de falha por meio da expresso algbrica referenciada pela transio na Cadeia de
Markov. A primeira avaliao da Cadeia de Markov cria a matriz de taxa de transio.
Conforme Manian et al. (1998), as entradas na matriz so de transies Weibull que
esto denidas pelo seu estgio.
14
Captulo: 2
Fundamentos de confiabilidade
Para Marques e Dutra (2007), uma Rede Bayesiana uma representao compacta
de uma tabela de conjuno de probabilidades do universo do problema.
Do ponto de
Segundo esses autores, atualmente, estudos em inteligncia articial podem ser divididos em duas reas:
Segundo Marques e Dutra (2007), para que um sistema possa atuar adequadamente
em situaes de incerteza, este deve ser capaz de atribuir nveis de conabilidade para
todas as sentenas em sua base de conhecimento e ainda estabelecer relaes entre as
sentenas.
que engloba teoria de grafos, para o estabelecimento das relaes entre sentenas, e ainda
teoria de probabilidades, para a atribuio de nveis de conabilidade.
Para Bobbio et al. (2001), as Redes Bayesianas (RB) fornecem um mtodo probabilstico robusto para raciocnio sobre incerteza. As RB foram aplicadas com sucesso em
uma variedade de tarefas no mundo real, mas tm recebido pouca ateno na rea da
dependabilidade. Bobbio et al. (2001) exploram as capacidades do formalismo de RB em
analisar sistemas com dependncia. Para tal comparam RB com rvores de Falha. Ainda
mostram que qualquer rvore de falha pode ser convertida diretamente em uma RB e as
tcnicas bsicas de inferncia de uma RB podem ser usadas para obter os parmetros clssicos de uma rvore de Falha. Alm disso, vrios pressupostos restritivos em uma rvore
de Falha podem ser removidos e vrios tipos de dependncias podem ser acomodados. O
artigo ainda compara as duas metodologias por meio de um exemplo.
Ainda segundo Bobbio et al. (2001), as RB tm se tornado um formalismo largamente usado, pois representam o conhecimento de incerteza em sistemas probabilsticos e
2.2
15
Para Bobbio et al. (2001), RB so mais adequadas que rvores de Falha para representar dependncias complexas entre componentes e para incluir incerteza na modelagem.
Embora o uso de RB parea promissor em diferentes nveis de anlise de dependabilidade
de Sistemas Eletrnicos Programveis, as RB no fornecem um mecanismo direto para
representao de dependncias temporais, as quais so bem implementadas em tcnicas
amplamente difundidas para anlise de dependabilidade como, por exemplo, Cadeias de
Markov e Redes Estocsticas de Petri.
As Redes Bayesianas tambm permitem realizar otimizao de manuteno. Langseth (2002) apresenta um modelo de conabilidade para componentes que esto sujeitos
a vrios mecanismos de falha e que nem sempre tm um reparo perfeito. As anlises so
realizadas para otimizar o regime de manuteno. O modelo representado por uma RB
e foram utilizadas relaes de independncia condicional codicadas na estrutura da rede
e nos clculos geradores de estimativas de parmetros.
Para Santos (2005), a relao de causa e efeito numa Rede Bayesiana, ou seja,
relao de dependncia condicional entre as variveis, denida por meio de funes
de densidade de probabilidades condicionais, se as variveis associadas aos ns forem
contnuas. Caso as variveis sejam discretas, as possveis combinaes de valores entre os
ns pais so apresentadas por uma tabela de probabilidade condicional. Tal combinao
chamada de instanciao dos conjuntos dos pais. Santos (2005) tambm descreve passos
de converso de uma rvore de Falhas para uma Rede Bayesiana.
Segundo Barros Jnior (2006), para estruturar as tabelas de probabilidade condicional necessrio evidenciar todas as combinaes possveis entre os valores de cada n lho
e seus pais, para da estimar-se a probabilidade de ocorrncia dessas combinaes, quer
pela opinio de especialistas, quer de forma frequentista utilizando uma base de dados.
16
Captulo: 2
Fundamentos de confiabilidade
t ,
conhecidos todos os
t1 .
Segundo Montani et al. (2006) e Bobbio et al. (2008), rvores de Falha Dinmicas
(AFD) so uma recente extenso de rvores de Falha capazes de tratar diversos tipos de
dependncia. As AFDs introduzem quatro portas novas: WSP (
warm spare ),
capaz de
stand-by, podendo este ltimo estar compartilhado com outros sistemas; SEQ (sequence enforcing ), que representa a situao em que
representar componentes primrios e em
functional dependence ),
cca; FDEP (
causa, em outro componente, o estado inacessvel (falho), estando este ltimo com ou
Para Montani et al. (2006), a anlise quantitativa de uma rvore de Falha Dinmica
requer a expanso do modelo em seu estado de espao e a soluo da Cadeia de Markov
de Tempo Contnuo (CMTC). Por meio de um processo de modularizao possvel
identicar as subrvores de falha com portes dinmicos e usar um modelo de Markov
diferente, muito menor que um modelo da rvore de Falha inteira, para cada uma das
subrvores. Mesmo assim ainda existe o problema da exploso de estados. Para diminuir
esta limitao os autores propem a converso de uma rvore de Falha Dinmica em
Rede Bayesiana Dinmica (RBD). Uma RBD um modelo de tempo discreto no qual
o sistema representado em vrios intervalos de tempo e as dependncias condicionais
entre as variveis nos instantes de tempo so introduzidas a m de capturar a evoluo
temporal. Quando o pressuposto de Markov vlido, o instante de tempo futuro
condicionalmente independente dos anteriores, dado que o instante atual
t.
t + t
Assim
Para O'Hagan (2006), nos ltimos 5 a 10 anos, uma variedade de ferramentas foram
desenvolvidas usando estatstica Bayesiana para resolver muitos problemas enfrentados
pelos desenvolvedores e usurios de modelos de processos complicados.
Estes mtodos
podem ser vistos como desenvolvimento de trabalhos em Projeto e Anlise de Experimentos Computacionais (PAEC) na dcada de 1980, que introduziu a idia fundamental da
construo de um emulador estatstico de um modelo de simulao. O autor arma que,
embora boa parte do PAEC seja a rigor no Bayesiana, possvel reconhecer claramente
uma interpretao Bayesiana e alguns momentos so explicitamente mtodos Bayesianos.
Para Prez, Martn e Rufo (2006), o advento do mtodo de Cadeia de MarkovMonte Carlo (CMMC) para simular distribuio
a posteriori
2.2
17
Aps realizar toda a anlise de conabilidade por AF ou RB, pode-se encontrar uma
medida de conabilidade de um sistema complexo com muitos componentes e dependncias. Entretanto, este valor no pode ser tomado como exato e sim um valor em torno do
qual oscila a verdadeira medida de conabilidade do sistema.
Para Filho (2006) difcil a determinao de um valor apropriado quando so considerados valores dos dados de falhas e reparos associados a uma rvore de Falhas.
seleo realstica dos dados de falha e reparo para um componente particular ou evento
bsico da rvore de falha depende principalmente da experincia passada dos operadores e
o uso de outros julgamentos. O autor acredita que, a menos que possam ser adotados valores realsticos de probabilidade (como taxas de falha) com algum grau de conana para
os eventos bsicos, o resultado do evento topo no poder representar algo de particular
signicncia.
Isto
Para Bobbio et al. (2008), Redes Bayesianas Dinmicas (RBD) estendem o formalismo de Redes Bayesianas pelo fornecimento explcito de uma dimenso temporal
discreta.
probabilsticos temporais como Cadeias de Markov que RBD um modelo de transio estocstico fatorado no nmero de variveis aleatrias e no conjunto de dependncias
condicionais denido.
18
Captulo: 2
Fundamentos de confiabilidade
Ainda para os autores, as Redes Bayesianas Dinmicas possuem funcionalidade similar s rvores de Falha Dinmicas sendo possvel converter um problema tratado por
um mtodo em outro.
Diz-se que o sistema deixou de cumprir sua funo quando este falha. Um sistema
pode falhar de forma completa ou parcial. Por exemplo, um motor pode funcionar ainda
que superaquecido. Neste caso, cabe especicar ou no o superaquecimento como uma das
maneiras de falhar. A maneira como um equipamento ou componente falha chamada
modo de falha. Cada tipo de equipamento ou componente possui os seus modos de falha e
um mesmo equipamento ou componente pode apresentar vrios modos de falha. Pneu de
aeronave, por exemplo, pode falhar devido a um corte ou devido ao desgaste de sua banda
de rodagem, constituindo assim dois modos de falha distintos (consulte Assis (1999) para
maiores detalhes).
Para Weibull (1939), a ruptura dos materiais determinada pelas tenses internas
em um ponto, assumindo que, por meio de uma combinao adequada das trs principais
tenses ou cortantes, um valor caracterstico para o material em questo pode ser calculado. Este valor considerado como denitivamente decisivo no julgamento se a ruptura
2.3
19
o esforo
dv , ento a probabilidade de
considerarmos p elementos de volume dv , a
ruptura ser
dS = n dv .
probabilidade de ruptura
S = 1 (1 ds)p ,
(2.3.1)
S = 1 (1 n dv)p ,
(2.3.2)
ou seja,
p dv = v
(2.3.3)
nv
S =1 1
p
Ainda segundo Weibull (1939), fazendo
minui na proporo necessria para que
S = 1 plim
nv
Observa-se que se
n.v = 1,
p
.
(2.3.4)
dv
di-
nv
1
p
npv n v
= 1 exp (n v) .
(2.3.5)
mdio ocupado por cada local de fraqueza, ento a probabilidade de ruptura de apenas
20
Captulo: 2
Fundamentos de confiabilidade
63%.
(x)
(2.3.6)
x = xu ,
citada
A forma
m
x xu
,
F (x) = 1 exp
xo
onde
xu
a raiz de
F (x), x0
(2.3.7)
um parmetro de escala.
a) elasticidade de ao;
b) distribuio da dimenso de cinzas;
c) resistncia da bra de algodo indiano;
d) fadiga do ao.
"
#
.(t )1
t
f (t) =
exp
onde
e
o parmetro de forma,
o parmetro de escala,
(t ) ,
(2.3.8)
o parmetro de localizao
o tempo de vida.
2.3
21
Aplicao
Referncia
Alturas de ondas
Channel Henderson e
Weber (1978)
Brilho termoluminescente
Falha de revestimentos
Almeida (1999)
Falhas em rolamentos
Finos do carvo
Flutuaes de temperatura
Fratura em concreto
Xu e Barr (1995)
Frequncia de enchentes
Granulometria
Resistncia de vidro
Neshyba (1980)
Terremotos
Boorla e Rotenberger
(1973)
(1997)
Fonte : Murthy, Xie e Jiang (2004, p. 13).
Com foco em manuteno, Fleming e Assis (1999) utilizaram esta distribuio para
analisar dados de falha provenientes de uma frota de aeronaves EMB-120 e descrever o
desgaste dos pneus segundo a sua utilizao em termos de horas de vo e nmero de
22
Captulo: 2
Fundamentos de confiabilidade
pousos.
Apesar do grande nmero de aplicaes e da simplicidade de implementao, a distribuio Weibull apresenta a limitao de expressar apenas taxas de falha montonas.
Para representar todo o ciclo de vida de componentes mecnicos por exemplo, so necessrias trs funes, uma para cada trecho de taxa de falha decrescente, constante e crescente
e assim perfazer toda a curva da banheira (ou formato de U). A mesma limitao ocorre
para sistemas cuja taxa de falha tem formato de U invertido ou unimodal.
q:
W
P
Sq = k
onde
1q
(2.4.1)
constante de Boltzmann,
pqi 1
pi
a probabilidade de ocorrncia do
i-simo
microestado e
Boltzmann-Gibbs-Shannon (BGS),
S1 = k
PW
i
pi ln pi ,
quando
q 1.
expq (x)
e a
lnq (x),
funes possuem um
q -exponencial
parmetro de controle q ,
chamadas
q -logaritmo
respectivamente. Ambas as
alm do argumento
x.
q -logaritmo,
q,
q-
2.4
Entropia de Tsallis
23
(
1
[1 + (1 q) x] 1q ,
expq (x) =
0,
se
[1 + (1 q) x] > 0
(2.4.2)
em outro caso,
lnq x =
onde
x, q R.
x1q 1
1q
(x > 0, q 6= 1),
x, e as funes usuais so
lnq 1 = 0 e expq 0 = 1 , q .
(2.4.3)
recuperadas no limite
Outras propriedades
em Tsallis (2009). Estas funes generalizadas tm sido aplicadas em diversas reas alm
da mecnica estatstica, por exemplo, em matemtica e em estatstica.
restries de normalizao (
x2 p(x)dx = 2 ,
onde
a varincia e
p(x)
(2.4.4)
x.
Na mecnica
estatstica no extensiva, esse conceito tambm foi generalizado, surgindo assim, o segundo
q -momento:
x2 [p(x)]q dx = 2
(2.4.5)
q -Gaussiana
(1 q)
Cq =
para
q<1
1/2
maximizada com
aparece:
Sq
(2.4.6)
(2.4.7)
, e
(1 q)
Cq =
1/2
(1/(1 q))
((3 q)/2(1 q))
(2.4.8)
24
para
Captulo: 2
1 < q < 3,
()
Fundamentos de confiabilidade
q 1,
q -Gaussiana
r
P (x) =
A
q -Gaussiana
exp(x2 ).
(2.4.9)
q =
3 Uma distribuio plana uma distribuio uniforme com suporte innito (de
+).
25
capaz
no-extensiva, usada para descrever sistemas complexos com interaes de longo alcance
1
q 1,
q -Weibull
q -Weibull
t,
onde
t<T
o tempo at a falha,
dada por:
f (t) =
t0
onde
> 0, > t0 , t t0
t t0
t0
1
"
#
t t0
exp
,
t0
f (x)dx = 1.
= 1.
(3.1.1)
1 Tambm ocorre a quebra de ergodicidade. Esta a hiptese central da mecnica estatstica, que diz que
a mdia temporal igual mdia de
ensembles (conjuntos).
experimento muitas vezes, ou a execuo de muitos experimentos similares uma nica vez produzem
o mesmo resultado. Em sistemas complexos, isto pode no ocorrer.
26
Captulo: 3
tem
ou exponenciais de
vrias funes.
As funes exponenciais so usualmente encontradas em sistemas com interao
fraca ou sem interao.
Sistemas complexos usualmente apresentam interaes espaciais de longo alcance,
ou memria de longa durao, ou efeitos de cooperao/competio, como pode ser visto
em Bak (1997). Para sistemas complexos, as distribuies estatsticas so geralmente leis
de potncia, ao passo que para sistemas simples ocorrem leis exponenciais.
Falhas de componentes podem ter causas mltiplas e tambm causas de interao
que podem ser recentes ou no, algumas destas agindo em cooperao ou em conito com
outras, por isso esperado que um sistema de comportamento complexo aparea. Desta
forma, podem surgir distribuies em lei de potncia, que no seriam adequadamente
descritas por um modelo baseado na funo exponencial.
A mecnica estatstica de sistemas simples tem uma estrutura bem estabelecida
por meio das distribuies de probabilidade exponenciais como, por exemplo, peso de
Boltzmann e a distribuio de Maxwellian. Estas distribuies exponenciais so derivadas
da entropia de Boltzmann-Gibbs-Shannon (BGS). A base terica da descrio estatstica
de sistemas complexos ainda objeto de pesquisa, entretanto existem muitas evidncias
que apontam na direo da mecnica estatstica no extensiva.
A denio da entropia por Tsallis (1988), que a generalizao da entropia BGS por
meio do ndice entrpico
q,
q -funes.
q -exponencial
denida por:
3.1
Introduo
27
x, q R.
O smbolo
[a]+
signica
[a]+ = a
se
a > 0
(3.1.2)
[a]+ = 0
Equao 2.4.2). A
forma
a 0 (veja
q 1. Desta
se
q > 1,
q > 1)
A
q -exponencial
q = 1).
Steinberg (2008). Para uma leitura mais aprofundada, Tsallis (2009) um livro recente e
abrangente sobre a estatstica no-extensiva com os fundamentos e aplicaes em fsica,
biologia, sistemas sociais e articiais. Em Tsallis (2013) h uma bibliograa em constante
atualizao.
Para a aplicao da estatstica no-extensiva na distribuio Weibull, o caminho natural sua generalizao com a
com aplicaes na distribuio de frequncias para diferentes sistemas. A primeira utilizao da distribuio
q -Weibull
em Costa et al. (2006), onde a distribuio foi usada para modelar o tempo at falhar por
ruptura dieltrica de xidos ultranos em dispositivos eletrnicos.
Esta seo tem o objetivo de introduzir o modelo para taxa de falha e analisar as suas
principais propriedades. A distribuio
28
Captulo: 3
q -Weibull
q -exponencial.
mostrados mais detalhes sobre esta substituio. Ainda na Equao 3.1.1, t0 o parmetro
de localizao ou vida mnima, ou seja, um valor de tempo abaixo do qual no so
previstas falhas. Desta forma a funo densidade de probabilidade da
q -Weibull denida
por:
fq (t) = (2 q)
t0
t t0
t0
1
"
#
t t0
expq
,
t0
(3.2.1)
(1942),
c k1
t
tc1
f (t) = ck c 1 +
s
s
(3.2.2)
e no o contrrio, como armado por Nadarajah e Kotz (2006), uma vez que a Equao
3.2.2 pressupe
q>1
A funo conabilidade da
q -Weibull
q 1.
denida por:
fq (t0 )dt0
Rq (t) =
t
# 2q
1q
t t0
= 1 (1 q)
t0
+
"
"
##2q
t t0
,
=
expq
t0
"
q -exponencial:
(3.2.3)
3.2
29
expq (ax) dx =
Note que
para
1
[expq (ax)]2q .
(2 q)a
q 6= 1,
(3.2.4)
entretanto
(3.2.5)
"
Rq (t) = expq0 (2 q)
onde
q 0 = 1/(2 q).
Mais propriedades da
t t0
t0
#
,
q -exponencial
(3.2.6)
Yamano (2002).
A funo acumulada
Fq (t)
por:
Fq (t) = 1 Rq (t).
(3.2.7)
hq (t)
fq (t)
,
Rq (t)
(3.2.8)
#1
t t0
1 (1 q)
t0
+
"
"
1
##q1
(2 q) t t0
t t0
=
,
expq
t0
t0
t0
(2 q)
hq (t) =
t0
Tomando-se o limite
q 1,
t t0
t0
1 "
(3.2.9)
h1 (t) =
t0
t t0
t0
1
.
(3.2.10)
30
Captulo: 3
Comparando a Equao 3.2.9 com a Equao 3.2.10, nota-se a diferena dos comportamentos entre a
q -Weibull
e a Weibull.
exponencial multiplicada por uma constante; estas se cancelam na Equao 3.2.8, enquanto, devido propriedade descrita pela Equao 3.2.4, no ocorre cancelamento de
q -exponenciais.
A Equao 3.2.9 capaz de representar quatro diferentes tipos de comportamento
1,5
Formato U
hq(t)
Decrescente
Unimodal
0,5
0
0
Crescente
10
Os valores dos parmetros foram escolhidos para uma boa visualizao das curvas
na mesma gura . Os quatro tipos so:
a) montona decrescente:
b) montona crescente:
tmax = 10)
c) unimodal:
Para
q < 1
q = 0,5, = 2, = 7,071
q = 1,5, = 2, = 1
e
t0 = 0;
t0 = 0;
d) curva da banheira:
tmax = 10)
q = 1,5, = 0,5, = 1
t0 = 0;
t0 = 0.
tmax = t0 + ( t0 ) (1 q)1/ .
(3.2.11)
3.2
31
h0q (t)
(2 q)( 1)
=
( t0 )2
t t0
t0
2
1q
1
1 (1 q)
tt0
t0
tt0
t0
2 .
(3.2.12)
hq (t) dt,
Hq (t) =
(3.2.13)
q -Weibull
<1
lim
t tmax
<q<2
Hq
< 1 (t)
> 1)
H1 em t ,
lim tmax = .
mas de
q 1
t = t0 + ( t0 )
1
1q
1/
,
(3.2.14)
que corresponde ao extremo, mximo para unimodal e mnimo para curva da banheira
2q
hq (t ) =
t0
1
1q
(1)/
.
(3.2.15)
Captulo: 3
hq(t)
32
1
0,8
0,6
0,4
0,2
0
-0,2
-0,4
Formato U
Unimodal
10
hq0 (t)
q -Weibull.
q = 0,5,
q = 1,5, = 2,
(q = 1)
tona
h01 (t)
( 1)
=
( t0 )2
t t0
t0
2
.
(3.2.16)
0< <1
ocorre para
para
h1 (t) > 0,
q -Weibull
h1 (t) < 0
= 1.
> 1.
A descrio da fase de
reproduz a curva da banheira completa por meio de uma funo contnua, com
ad hoc.
q -Weibull,
a anlise da
t0
da distribuio
vida mnima t0 o valor de tempo mnimo em que uma falha pode ocorrer. Este parmetro
3.3
33
expq (x) =
2
2q
1q
e1+iu
(1 + iu)
2q
1q
e(1q)(1+iu)x du,
(3.3.1)
expq (x) =
1
q1
(3.3.2)
q<1
em
32q
1q
n
,
0n = n 1 +
(1 q)n/ 32q + n
1q
t0 = 0,
(3.3.3)
0n
n
X
nj
j
j
t0 ( t0 ) 1 +
n
j
j=0
e para
q>1
( 32q
1q )
j
(1q) ( 32q
+ j )
1q
,
t0 6= 0,
(3.3.4)
em
0n = n 1 +
n
,
n/
(q 1) 2q
q1
2q
q1
t0 = 0,
(3.3.5)
34
Captulo: 3
0n
n
P
nj
t0 ( t0 )j 1 + j
n
j
j=0
( 2q
j )
q1
t0 6= 0,
(q1) ( 2q
q1 )
(3.3.6)
1 < q < qupper e qupper = 1 + /(n + ). Note que, para q 1, ambos os momentos
o
n n
P
j
n nj
j
n
0
n
0
cam n = 1 +
,
t
=
0
e
=
t
(
t
)
1
+
, t0 6= 0 que
0
0
n
j 0
com
j=0
os momentos mais altos, o que no se constitui num problema mas uma caracterstica
da distribuio. Existem muitas distribuies que no possuem todos os momentos. A
Cauchy-Lorentz por exemplo no possui mdia, varincia ou momentos mais altos.
distribuio
2, ou seja, 00
= 1.
A Weibull usual possui todos os momentos, algo tpico para distribuies com decaimento
exponencial.
n =
n
X
k=0
e para
n
k
!
nk
(1)nk 0k (01 )
t0 = 0,
(3.3.7)
t0 6= 0
n =
n
P
n
j
(t0 01 )nj ( t0 )j 1 + j
j=0
( 2q
j )
q1
(q1) ( 2q
q1 )
1<q <1+
,
+n
(3.3.8)
n =
n
P
n
j
(t0 01 )nj ( t0 )j 1 + j
j=0
A mediana da
q -Weibull
(veja A.7)
( 32q
1q )
j
(1q) ( 32q
+ j )
1q
,
q < 1.
(3.3.9)
3.3
ln
Md
= t0 + ( t0 )
1
2q
0.5
35
! 1
,
q2
(3.3.10)
1
Mo = t0 + ( t0 )
+ ( 1) (1 q)
1
,
> 1.
(3.3.11)
t = para
(q 6= 1) o
q = 1,
Fq ()
3.3.1. Nota-se que a condio de corte na denio da Equao 3.1.2 impe zero para a
tt0
0, assim, 100% de falha alcanado em t = tmax =
q -exponencial se 1 (1 q) t
0
1
t0 + ( t0 ) (1 q) .
1
-1
0,8
Fq(t)
0,5
0,6
q=1
0,4
q = 1,5
0,2
0
0
0,5
= 0,5
=1
2
1,5
t
Figura 3.3.1: Falha acumulada para diferentes valores de
= 0,5, = 1 e t0 = 0.
q.
(q =
Fq>1 () < F1 ()
A Weibull usual
Fq (q ) = 1 e1 63,2%, q,
36
Captulo: 3
em A.5)
q = t0 + ( t0 ) lnq e
Tomando a inversa da
q -exponencial
1
q2
1
(3.3.12)
q -logaritmo
((2.4.3)),
x1q 1
lnq x
,
1q
e
ln1 x = ln x
x > 0,
(3.3.13)
so
1/
(3.3.14)
limq q = t0 , limq1 q =
limq2 q =
, .
tmax
q -Weibull
com
q<1
<1
para
q < 0, tmax
diferentes valores de
q.
Se
e no limite
3
q = 0,3
tmax/
0,2
2
0,1
0,01
0
-0,1
0
0
0,2
-1
0,4
tmax
-5
0,8
com
como funo
0,6
3.3
37
forma similar Weibull usual que no apresenta tempo de vida mximo tem-se tmax
q 1 .
De
para
No limite
) e t0 = 0,
parmetro controla o
tempo (t
o
10
hq(t)
10
hq(t)
10
10
10
0,8
q = 0,9
= 0,1
0,6
tmax = 100
= 0,9
0,4
0,2
= 0,1
0
0 20 40 60 80 100
t
-1
10
= 0,9
-2
10
-7
-6
-5
-4
-3
-2
-1
em
10 10 10 10 10 10 10 10 10 10
hq (t).
1/
Para
>1
ocorre
hq<1 (0) = 0,
mostrando o comando de
q = 0,9
e diferentes valores
38
Captulo: 3
hq(t)
10
0,8
10
0,6
10
0,4
10
-2
10
-1
10
10
10
=1
=1,2
40
60
20
1,2
-2
0
0
=1
-1
-3
0,2
O parmetro
10
=2
80
q -Weibull
q = 0,9
100
para
= 1; 1,2; 2
q = 0,9.
tmax = 100
t0 = 0
respectivamente. O detalhe
1).
Para
Figura
hq(t)
1,5
1
q = 1,5
=3
= 1,5
hq(t)
loglog
0,5
=2
=3
=2
0
0,5
0,5
= 1,5
0
0 2 4 6 8 10 12 14 16 18 20
q -Weibull
q = 1,5, = 1
t0 = 0.
hq (t) mostra o comportamento unimodal para 1 < q < 2 e > 1. O valor mximo
de hq (t) aumenta com . O inserto mostra um detalhe para pequenos valores de tempo
(regio de taxa de falha crescente). Para valores pequenos de tempo, 1 < < 2 corresponde concavidade negativa em hq (t) e > 2 corresponde concavidade positiva. hq (t)
tem crescimento linear para = 2 e t/ 1.
3.3
A razo entre
t0 = 0,
de 0 (para
) at
depende apenas de
= (1 )1/ ,
tmax
t /tmax varia
39
e1 0,367879
(3.3.15)
(para
0).
q<1
na
de uma unidade, o trecho de falha aleatria (taxa de falha praticamente constante) es-
limq1 hq (t ) .
lim1 limq hq (t ) = 1/tmax .
hq (t )
encontrado por
10
10
hq(t)
10
10
10
q < 1
=1
10
10
q = -1
0
0,5
0,8
0,9
= 0,5
=1
-1
q=1
-2
10
-4
10
-3
10
q -Weibull
-2
10
-1
10
10
10
10
= 0,5,
q = 1 at
t0 = 0.
t = para
q decresce a
partir de
40
Captulo: 3
q=0,97
= 0,5
tmax = 100
0,8
hq(t)
0,95
0,6
0,9
0,4
0,5
0,2
0
0
Figura 3.3.7: Taxa de falha
20
40
80
60
0
-1
100
= 0,5, tmax = 100 e t0 = 0, assim o parmetro foi calculado pela Equao 3.2.11: = 0,09; 0,25; 1; 25; 100; 400 correspondentes a
q = 0,97; 0,95; 0,9; 0,5; 0; 1 respectivamente. medida que o parmetro q se aproxima
Todas as curvas foram calculadas com
hq (t )
aumenta
hq (t )
para
q 1.
hq (t ) = 0,02
q ,
tmax = 100,
medida que
= 0,5
q para o caso unimodal (1 < q < 2 e > 1) pode ser vista na Figura
1 < q < 2 e 0 < < 1 a taxa de falha q -Weibull uma funo montona
A inuncia de
3.3.8. Para
10
1
10
0
10
-1
10
-2
10 1
1,2
1
1,5
0,5
0
0
=2
hq(t*)
hq(t)
1,5
1,7
10
1,5
q
1,9
20
30
40
3.3
41
3
= 0,5
=1
hq(t)
q = 1,0
q = 1,2
q = 1,5
q = 1,9
0
0
Figura 3.3.9: Taxa de falha da
1, t0 = 0
0,5
q -Weibull
1,5
q > 1. hq (t)
0 < < 1.
e diferentes valores de
decrescente para
1<q<2
= 0,5, =
tmax .
< q < 2
> 1),
t
t
u =
t
1q
1
(1)/
,
onde o ndice
(q
<1
l
onde o ndice
t
tmax
(3.3.16)
o caso da curva da banheira
t
= (1 q)1/ ,
(3.3.17)
denota limitado.
( ) hq (t)/hq (t ),
(3.3.18)
normalizada pelo seu valor extremo conforme a Equao 3.2.15, sendo o mximo para a
unimodal e o mnimo para a curva da banheira.
que
hq (t)
l .
Note
42
Captulo: 3
(u ) =
com
u1
1 + ( 1)u
(3.3.19)
(1)/
(l ) = (1 )
l1
1 l
(3.3.20)
com
(u )
0,8
0,6
0,4
0,2
0
0
= 1,5
2
3
1
tado
(u ) hq (t)/hq (t ) (Equao
> 1. O tempo adimensional ilimi-
3.4
Concluses
43
= 0,99
0,9
0,5
0,01
(l )
3
2
1
0
0
0,2
0,4
0,6
0,8
(l ) hq (t)/hq (t )
0 < < 1.
O tempo adimensi-
1 praticamente uma
de (l ) ocorre em dado
1/e (para 0). Todas
1)
q e = 1)
at
adimensional com
= 0,5.
3.4 Concluses
Vrios modelos para taxa de falha so encontrados na literatura, muitos deles usam
a distribuio Weibull (ou similares) como base. Estas distribuies tm em comum a natureza exponencial e alguns so muito complicados, com muitos parmetros introduzidos
empiricamente.
A generalizao
q -Weibull
apenas em uma situao limite e capaz de representar leis de potncia assintticas. Este
modelo capaz de descrever quatro tipos de comportamento de taxa de falha denominados
montono decrescente, montono crescente, unimodal e curva da banheira, sempre com
apenas trs parmetros e representa a unicao de vrios modelos incluindo a verstil
distribuio Burr XII. A Tabela 3.1 sumariza as possibilidades com as correspondentes
faixas de parmetros.
44
Captulo: 3
q -Weibull
q<1
0<<1
=1
>1
Curva da
Montona
Montona
banheira
crescente
crescente
(Figura 3.3.7)
(Figura 3.3.4)
(Figura 3.3.4)
Montona
q=1
1<q<2
Montona
decrescente
Constante
(Figura 3.3.9)
crescente
(Figura 3.3.4)
Montona
Montona
Unimodal
decrescente
decrescente
(Figura 3.3.5)
(Figura 3.3.9)
(Figura 3.3.9)
h1 (t)
de .
< 1 para a
> 1 para a
funes com
fase de amaciamento,
aleatria e
fase de desgaste.
q -Weibull.
q -Weibull
no montona, possvel
realizar uma abordagem que considera num nico modelo dois ou trs modos de falha
predominantes simultaneamente (veja Captulo 4).
A distribuio
q -Weibull
q -Weibull
obter modelos com uma grande variedade de formatos de taxa de falha como exemplos.
45
4.1 Introduo
A modelagem de conabilidade um dos passos mais importantes para a avaliao da conabilidade, disponibilidade, manutenabilidade e segurana (CDMS). Existem
muitas distribuies estatsticas que podem modelar tempos de vida, contudo para alguns sistemas, as distribuies estatsticas clssicas no so satisfatrias porque suas
taxas de falha so montonas.
q -distribuies.
rias cincias.
q -distribuies
q -exponencial.
q -Weibull
q -distribuies
se ajustam
melhor aos dados e proporcionam uma exibilidade extra s curvas de taxa de falha.
1
q -exponencial e q -Weibull.
q -Weibull
1 Alguns resultados obtidos neste captulo foram publicados em Assis, Borges e Melo (2013) e em Sartori
et al. (2009).
Captulo: 4
46
q -Weibull
descreve,
com apenas um conjunto de parmetros, toda a curva encontrada. A tubulao de produo apresenta tempos de vida com comportamento unimodal em sua taxa de falha.
A simplicidade e a exibilidade de utilizao do modelo
q -Weibull
como
"
Fq (t) = 1 exp
onde
dade da distribuio
>0
=1
1
2q
(2 q)
fator de escala (
t t0
#
,
(4.2.1)
= t0 ).
q -exponencial
Fq (t) = 1 exp
1
2q
(2 q)
t t0
.
(4.2.2)
q<2
a m de que a Equao
4.2
47
h1
q -Weibull
q -Weibull
O com-
(taxa de falha da Weibull). Podem ser descritos quatro formatos diferentes da funo
taxa de falha
hq (t):
q<1
1<q<2
1<q<2
>1
q<1
0<<1
> 1;
;
0 < < 1.
Uma vez que consegue representar todo o ciclo de vida funcional de um item, cobrindo as fases de amaciamento, vida til e envelhecimento, a distribuio
aproxima mais das recomendaes de gesto de recursos das normas
Institution's
q -Weibull
se
British Standards
q=1
=1
= 1.
q-
e dada por
1
= .
(4.2.3)
q -logaritmo
qo
[1 Fq (t)] ,
n
exponencial, a Equao 4.2.1 escrita como y = x + b, com y = ln ln
1
2q
Captulo: 4
48
x = ln(t t0 )
b = ln
(2q)
rank
aproximao de Bernard do
median
i 0,3
Fi =
,
n + 0,4
onde
(4.2.4)
dian rank
me-
so realizados
P (X n) = 0,5 na varivel p
dentro do contexto de uma varivel de distribuio binomial X B(n, p). O median rank
tambm poderia ser generalizado para o contexto de q -funes a m representar situaes
ocorrerem
ti
ns temos
xi = ln(ti t0 )
(4.2.5)
yi = ln ln
Uma maneira alternativa de calcular
1
2q
Fi
(1 Fi ) .
(4.2.6)
R2 ,
n
P
R =1
[yi ybi ]2
i=1
n
P
[yi yi ]2
i=1
(4.2.7)
4.2
49
>0
>0
t0 < tmin
q < 2,
sujeito a:
onde
yi
n
ln ln
1
2q
o
[1 Fq (ti )] , yi
R2 1,
yi
e
n
tmin
(4.2.8)
q = 1.
R2
com a
q -Weibull,
na subseo 4.2.1. Como critrio adicional da qualidade do ajuste, foi calculado o erro
i2
Ph
AIC
onde
= n ln
RSS
n
resduos e
+ 2K,
yi ), RSS
(4.2.9)
a soma dos quadrados dos
aquele que possui o menor AIC. O AIC requer uma correo quando o nmero de pontos
experimentais pequeno (
bias-correction ).
AICc
= n ln
RSS
n
+ 2K +
2K (K + 1)
.
nK 1
(4.2.10)
i :
i .
(4.2.11)
i = 0
e o pior
Captulo: 4
50
q -Weibull
o modelo Weibull de trs parmetros, quando aplicada a trs exemplos extrados de equipamentos de poos de petrleo.
Tabela 4.1: Tempo at falhar (em dias) de bombas de petrleo em ordem crescente
Tempos at a falha (em dias) de bombas de petrleo
8
38
42
59
71
146
184
185
199
204
214
379
457
457
494
515
568
680
684
808
964
O ajuste da distribuio
q -Weibull
apresenta
< 1
q < 1,
conforme mostra a
Tabela 4.2. O formato da funo taxa de falha para esta combinao de resultados a
curva da banheira. O ajuste da distribuio Weibull indica uma taxa de falha levemente
crescente (
> 1).
O coeciente de determinao
R2
do ajuste da distribuio
q -Weibull
q -Weibull
q -Weibull
se ajusta
bas de fundo.
R2
EQM
3
2,1610
3
1,5910
Weibull
1,05
391
383
-7,66
1,00
0,9761
q -Weibull
0,82
1 277
1 277
-0,51
0,00
0,9815
das amostras, ao passo que, a Weibull se afasta destes por apresentar decaimento menos
acentuado. Esta caracterstica da
q -Weibull
formatos de U e unimodal. A Figura 4.3.1 mostra, para ambos os modelos, as curvas
de conabilidade e de taxa de falha das bombas.
4.3
51
3,2
Rq
Weibull
10-1
hq I10-3dias -1L
100
q-Weibull
2,8
2,6
Weibull
2,4
q-Weibull
101
102
103
5
2
t H10 diasL
t HdiasL
Figura 4.3.1: Modelos Weibull (linha tracejada) e
perimentais (circunferncias).
de conabilidade.
q -Weibull
Painel direito:
As abscissas
Hastes de bombeio
Na Tabela 4.3, 1 448 tempos at a falha de hastes de bombeio foram agrupados em
20 intervalos de tempo e a frequncia relativa de ocorrncia foi usada para estimar a no
conabilidade para cada intervalo.
Intervalos de tempo
1
93,1
185,2
277,3
369,4
461,5
553,6
645,7
737,8
10
829,9
t
<t
<t
<t
<t
<t
<t
<t
<t
<t
Falhas
Intervalos de tempo
Falhas
<t
<t
<t
<t
<t
<t
<t
<t
<t
<t
1014,1
1106,2
1198,3
1290,4
1382,5
1474,6
1566,7
1658,8
1750,9
1843
93,1
625
11
922
185,2
320
12
1014,1
277,3
170
13
1106,2
369,4
65
14
1198,3
461,5
65
15
1290,4
553,6
67
16
1382,5
645,7
12
17
1474,6
737,8
33
18
1566,7
829,9
33
19
1658,8
922
22
20
1750,9
q -Weibull,
dade levemente superior a do modelo Weibull (de taxa de falha decrescente). O modelo
q -Weibull
Captulo: 4
52
Tabela 4.4: Parmetros dos ajustes dos tempos de vida das hastes de bombeio.
q -Weibull
10
Rq
Weibull
10-2
hq I10-3dias -1L
7
-1
6
5
Weibull
q-Weibull
q-Weibull
10-3
3
102
103
10
15
t H102diasL
t HdiasL
Figura 4.3.2: O modelo Weibull est em linha tracejada e
q -Weibull
em linha contnua.
Os dados experimentais esto representados por circunferncias. Painel esquerdo: grco log-log das curvas de conabilidade. Painel direito: curvas
de taxa de falha. As abscissas mostram os tempos at a falha de hastes de
bombeio.
Tubulao de produo
A Tabela 4.5 mostra 115 valores de tempo diferentes (as repeties foram excludas
a m de reduzir o tamanho da tabela). Todos os 438 valores amostrais foram usados para
estimar a no conabilidade por meio do
median rank.
4.3
53
4(2)
6(10)
7(8)
8(7)
9(2)
10(3)
12(2)
14(4)
15(2)
17(9)
19(8)
20(3)
22(3)
23(3)
24(5)
25(1)
26(10)
27(5)
29(6)
30(5)
31(2)
32(1)
34(3)
35(5)
36(12)
38(16)
41(2)
42(3)
43(11)
44(2)
46(2)
47(5)
48(3)
51(2)
53(6)
55(6)
56(3)
60(2)
61(4)
63(9)
64(8)
65(6)
68(2)
69(3)
70(4)
73(6)
74(3)
75(2)
78(3)
79(3)
80(2)
81(4)
82(2)
83(4)
86(4)
87(4)
88(2)
89(6)
91(5)
92(3)
93(4)
94(3)
101(4)
106(3)
107(2)
108(3)
111(4)
117(3)
119(3)
121(3)
123(3)
124(3)
126(3)
133(4)
136(2)
142(3)
143(1)
148(2)
150(2)
154(2)
157(3)
161(4)
163(2)
167(3)
168(2)
170(5)
172(3)
177(2)
178(4)
185(4)
189(3)
194(3)
203(3)
207(6)
210(4)
219(3)
220(3)
222(3)
226(3)
227(2)
233(3)
234(3)
238(3)
245(3)
248(4)
265(2)
277(3)
347(4)
393(2)
425(3)
432(4)
488(2)
688(2)
691(3)
A Tabela 4.6 mostra os valores dos parmetros dos ajustes, o coeciente de deter-
R2
minao
q -Weibull
> 1).
>1
Tabela 4.6: Parmetros dos ajustes dos tempos at falhar de tubulao de produo.
A Figura 4.3.3 mostra as curvas de conabilidade no painel esquerdo. Note que para
valores elevados de tempo, o modelo
q -Weibull
100
12
Rq
10-1
10-2
Weibull
hq I10-3dias-1L
q-Weibull
Weibull
10
q-Weibull
8
6
10-3
4
0
10
10
10
t H102diasL
t HdiasL
q -Weibull
Captulo: 4
54
q -Weibull,
Weibull,
ex-
q -Weibull
foram comparados
quanto qualidade de ajuste a dados de tempo de operao de uma planta de processamento de gs natural.
Foram considerados aproximadamente
1 250
q-
desta representao que os pontos amostrais cam dispostos numa linha reta se forem
2,5
= 1,00 q = 1,00
2 = 32 081 min
t0= -57 165 min
1,5
R = 0,9652
1
HaL
0,5
10,5
11
11,5
12
ln 8-ln@1 - FHtLD<
ln 8-ln@1 - FHtLD<
12,5
1
HcL
0,5
ln Ht - t0L
12
12,5
ln 8-lnq'@1 - FHtLD<
= 1,00 q = 1,10
2 = 19 421 min
t0= -38 240 min
1,5 R = 0,9706
11,5
HbL
10
10,5
11
11,5
12
ln Ht - t0L
2,5
11
0,5
9,5
ln Ht - t0L
10,5
= 0,59 q = 1,00
= 7 610 min
1,5 t0= -13 942 min
R = 0,9736
1
2
HdL
11
12
ln Ht - t0L
q -Weibull.
q -exponencial
4.4
55
Os parmetros calculados esto indicados. As linhas verticais nos painis (a) e (b)
so exemplos de valores limites de tempo (t
trs comportamentos diferentes de falha. A Figura 4.4.4 ilustra melhor esta diviso. Uma
vez que cada modelo tem um valor diferente para o parmetro t0 , as escalas das abscissas
so diferentes para cada grco.
R2 = 0.9652
de falha constante muito restritiva e no corresponde aos dados, como car claro a
seguir. Os dados incluem todos os modos de falha e no h garantia de que a combinao
de todos eles produzam taxa de falha constante. Outra maneira de observar esta limitao
considerar que o sistema possui vrios modos de falha e todos eles com taxas de falha
constantes.
relaxada para um comportamento montono, ento pode ser utilizado o modelo Weibull
(com
a taxa de falha para este exemplo deveria ser monotonicamente decrescente, contudo ser
mostrado na prxima seo que isto no verdade. Este resultado se deve limitao do
modelo (b) imposta aos dados.
q -exponencial ( = 1, q 6= 1).
< q < 2)
ou montona crescente (q
< 1).
q -exponencial
Os resultados so mostrados na
Figura 4.4.1(c).
que a qualidade deste ajuste maior do que as das anlises anteriores e o coeciente de
determinao maior do que 0,99 conrma isto.
variao de valores de tempo, enquanto que as outras distribuies se afastam dos pontos
Captulo: 4
56
100
q-Weibull
10-1
q-exponential
exponencial
Weibull
10-2
exponencial 1,00
10-3
HminL
t0 HminL
R2
1,00 0,9652
q
Weibull 0,59
7 610 -13 942
1,00 0,9736
q-exponencial 1,00 19 421 -38 240
1,10 0,9706
q-Weibull 0,13 216 894
2 261 -0,01 0,9970
104
105
t HminL
Figura 4.4.2: Grco do tempo at a falha (circunferncias) e funo conabilidade calculada pelos modelos: exponencial (linha tracejada violeta), Weibull (linha
pontilhada azul),
dog-leg ),
1 250
(q = 1) foi
o caso para este exemplo, como pode ser visto com este procedimento: todos os
tempos at a a falha foram divididos em trs grupos e um modelo Weibull
t 40 000
realizao de testes com diferentes valores e foram escolhidos aqueles que resultaram nos
melhores ajustes nos painis da Figura 4.4.3.
1,75
= 0,65
1,5
1,25 = 3 124 min
1 t0= -2 080 min
0,75 R = 0,9847
0,5
0,25
0
8
8,5
57
ln 8-ln@1 - FHtLD<
ln 8-ln@1 - FHtLD<
4.4
HaL
9,5
10
= 1,04
0 = 30 747 min
t0= 39 785 min
-1
R = 0,9796
-2
-3
HbL
-4
10,5
ln 8-ln@1 - FHtLD<
ln Ht - t0L
10
11
ln Ht - t0L
0,5 = 1,74
0 = 45 502 min
-0,5 t0= 98 964 min
R = 0,9716
-1
-1,5
-2
9
9,5
HcL
10
10,5
11
ln Ht - t0L
Figura 4.4.3: Exemplos de ajustes Weibull para amostras agrupadas pelo tempo at a
falha: (a) tempo at a falha
110 000
40 000
> 1).
40 000 <
110 000 min.
min.; (b)
tempo at a falha
median rank.
Fica
q -Weibull
constante e nalmente crescente. As linhas verticais, que tambm aparecem nas Figuras
4.4.1(a) e 4.4.1(b), separam estes trs comportamentos distintos.
Captulo: 4
58
hq I10-5 min-1L
6
exponencial
Weibull
q-exponencial
q-Weibull
q
HminL t0 HminL
1,00 32 081 -57 165 1,00
0,59
7 610 -13 942 1,00
1,00 19 421 -38 240 1,10
0,13 216 890
2 261 -0,01
Weibull
4
R2
0,9652
0,9736
0,9706
0,9970
q-Weibull
exponencial
3
q-exponencial
2
0
10
4
15
t H10 minL
Figura 4.4.4: Curvas de taxa de falha calculadas pelos modelos: exponencial (linha tracejada), Weibull (linha pontilhada),
q -exponencial
(linha trao-ponto) e
q-
q -Weibull
o que se ajusta
i .
q -exponencial
-246,17
226.32
exponencial
-258,96
213.53
Weibull
-270,32
202.17
q -Weibull
-472,49
Modelo
para os modelos.
4.5 Concluses
Os modelos Weibull e
q -Weibull
4.5
Concluses
59
contnua. As Figuras 4.3.1 e 4.3.2 mostram que a principal diferena no traado do modelo
q -Weibull
q -exponencial das distribuies usuais Weibull e exponencial (casos particulares nos quais
q = 1). As generalizaes so baseadas na funo q -exponencial. A aproximao do
median rank
q -distribuies so muito
falha. Estas q -distribuies
possivelmente podero ser usadas com sucesso em outros sistemas e melhorar a soluo
de problemas de engenharia de conabilidade.
a estao de solda. Esta foi capaz de identicar trs comportamentos distintos da taxa
de falha: decrescente, constante e crescente, com o mesmo conjunto de parmetros. Estes
comportamentos podem ser interpretados como trs modos de falha predominantes, uma
vez que, todos os modos de falha zeram parte das amostras de tempo. Em um outro
contexto, as trs fases podem representar o trecho de mortalidade infantil, vida til e
envelhecimento de um item.
Foi considerado tambm o Critrio de Informao Akaike como mais uma fonte de
q,
(como deveria ser devido incluso do parmetro adicional), mas tambm qualitativa
uma vez que a distribuio
q -Weibull
unimodal que so impossveis de serem descritos pelo modelo Weibull com um simples
conjunto de parmetros.
q -Weibull
para
61
rvores de falha dinmicas (AFD) so extenses das AF que tm sido mais utilizadas
atualmente devido a capacidade de modelar dependncia entre os eventos de falha. As
rvores de falha dinmicas proporcionam uma anlise de falha que aplicvel tanto a
sistemas tolerantes falha quanto a sistemas no tolerantes. Sistemas tolerantes a falhas
podem responder ativamente a falhas e erros. So programados para antecipar certos tipos
de falhas e erros e incluir tcnicas de deteco, de recuperao ou recongurao (Doyle
e Dugan (1995)). Uma AFD usa os portes tradicionais OR, AND, e KofN presentes nas
AF, mas incluem quatro outras portas: PAND, PDEP, WSP and SEQ. Estes portes
acrescentam a possibilidade de modelar dependncias tais como falhas em sequncia,
falhas que so desencadeadas por um gatilho e associao de componentes principal e
sobressalentes.
Uma das principais diferenas entre AF e AFD que nestas ltimas, a sequncia
de ocorrncia das falhas pode ser considerada. A modelagem matemtica de sequencialidade pode ser feita de maneira exata ou por simulao dentre outros mtodos. Long,
Sato e Zhang (2000) aplicaram simulao de Monte Carlo em anlise de falhas sequenciais comparando os resultados com o clculo exato realizado por mltiplas integraes.
Merle et al. (2010) deniram eventos como variveis temporais, e com a criao de dois
operadores temporais, modelaram as portas com prioridade. Uma AFD tambm capaz
de modelar as falhas de sistemas de proteo e segurana nos quais um equipamento pode
falhar em operao ou em modo de espera. Cadeias de Markov (CM) foram usadas para
62
A utilizao do modelo
q -Weibull
paciais de longo alcance e/ou memria de longa durao, em conjunto com estruturas
lgicas de AFD que consideram combinao e sequncia de falhas em equipamentos ou
componentes, pode possibilitar a predio de conabilidade e taxa de falha de subsistemas
ou sistemas de forma coerente com o arranjo funcional de seus componentes.
q -Weibull
i-simo
compo-
= {i , i , t0i , qi } .
(5.1.1)
A funo densidade de probabilidade de cada componente expressa por (veja Equao 3.2.1)
fq,i (t) =
i 1
i
tt
tt
(2q
)
0
0
i
i
i
expqi i t0i
,
(i t0i ) i t0i
i
0,
t < t0i ,
t > t0i
(5.1.2)
5.2
63
Fq,i (t) =
tt0i i
1
,
(2 qi ) i t0
1 exp 2q
i
i
0,
t > t0i
(5.1.3)
t < t0i ,
"
[t t0i ]+
i t0i
i
i # 2q
1qi
qi 6= 1,
(5.1.4)
Rq,i (t) =
i
tt
0
i
1
(2 qi ) i t0
,
exp 2q
i
i
1,
t > t0i
(5.1.5)
t < t0i ,
ou
"
hq,i
[t t0i ]+
i t0i
i
i # 2q
1qi
qi 6= 1.
(5.1.6)
hq,i (t) =
f q,i (t)
.
Rq,i (t)
(5.1.7)
64
de porta de uma AFD e verica tais valores com o resultado da simulao de Mtodo
de Monte Carlo (MC). O mtodo de MC foi executado com a gerao de 50.000 valores
aleatrios para cada componente ou evento.
Seja
buio
q -Weibull.
Fq1 ()
"
ln
1
2qi
[1 F q,i (t)] = (2 qi )
t t0i
i t0i
i #
,
(5.2.1)
1
ca
i
ln
1
2qi
[1 F q,i (t)]
qi 2
t t0i
.
i t0i
(5.2.2)
Assim temos
(
t = t0i + (i t0i )
Assuma que
ln
1
2qi
[1 F q,i (t)]
qi 2
(5.2.3)
Fq,i (t)
U U (0, 1) .
Note que
1U
(5.2.4)
X = F 1 (U ) = t0i + (i t0i )
ln
1
2qi
qi 2
(5.2.5)
1
1qi
2q
i
1 i
U
, q 6= 1
qi 1
1
X = F (U ) = t0i + (i t0i )
.
1
(-lnU ) i , q = 1
(5.2.6)
5.2
65
das das portas AND, OR, KofN, PDep PAnd e SEQ. A Tabela 5.2 mostra os parmetros
de outros 5 componentes hipotticos utilizados nas portas WSP. O tempo limite mximo
tlim (veja Equao 3.2.11) o tempo a partir do qual certeza haver falha. tlim atv e
tlim dor so estes tempos calculados para componentes em estado ativo e dormncia. O
termo dormncia e o seu respectivo fator so explicados na subseo 5.2.7.
q -Weibull
C18 ),
valores
tlim
e formatos
C1
C2
C3
C4
C5
C6
C7
C8
C9
C10
C11
C12
C13
C14
C15
C16
C17
C18
0,5
1
4000
tlim
10
10000
0,5
10717,7
Crescente
2,5
2500
1,2
Unimodal
0,5
4500
0,5
18000
Banheira
2,5
4500
1,2
Unimodal
0,5
5000
0,6
31250
Banheira
2,5
3500
1,5
Unimodal
0,5
4500
0,4
12500
Banheira
1500
1,5
1000
Constante
2000
0,5
3500
0,5
14000
Banheira
10
10000
Crescente
10
7000
10000
600
1500
1,5
ttim atv
Componente
C20
C21
C22
C23
C24
(h)
t0
(h)
5000
q -Weibull
1,2
Formato
Decrescente
Constante
Unimodal
Constante
Crescente
Constante
Constante
Unimodal
(h) t0 (h) q
tlim atv tlim dor
0,5
5000
0
1,2
0,5
1
4000
0
1
0,5
10
10000
0
1
0,5
2,5
2500
0
1,2
0,5
0,5
4500
0,5
0,5
18000
36000
Formato
Decrescente
Constante
Crescente
Unimodal
Banheira
O valores dos parmetros foram escolhidos de forma a obter uma visualizao melhor nos grcos de falha acumulada e taxa de falha e para cobrir o maior nmero de
combinaes de formatos de taxas de falhas das entradas de cada porta. A taxa de falha
66
C14 e C15 . Contudo o componente C3 tem um corte na curva de no conabilidade em tlim = 10717, 7 h (veja Tabela
5.1 e Figura 5.2.1), assim Fq,C3 (t > tlim ) = 1, enquanto que em C14 a no conabilidade
tende assintoticamente a 1 para t .
do componente
C3
1
0,8
C3
0,6
C14
0,4
tlim = 10,72 103 h
0,2
0
0
10
12
14
t 10 h
Figura 5.2.1:
Fq,C3 (t)
Fq,C14 (t)
tlim .
t > tlim .
tlim
tlim ,
de falha resultantes das portas, evita-se tratar esta descontinuidade e parmetros que
proporcionem uma taxa de falha crescente, entretanto sem divergncia, foram adotados.
3,5
hq H10-2h-1L
3
2,5
2
C14
C3
1,5
1
0,5
0
4
10
3
12
14
t H10 hL
Figura 5.2.2:
hq,C3 (t)
hq,C14 (t)
5.2
67
Os componentes das entradas das portas AND, OR, KofN, PDep, PAnd e SEQ e os
formatos de entrada de cada caso so mostrados na Tabela 5.3. Os casos marcados com
* so possveis graas distribuio
q -Weibull
pelo menos uma entrada tem funo taxa de falha com formato unimodal ou banheira. A
rigor, o diferencial da utilizao desta distribuio pode ser visto mais claramente nestes
casos, embora isto nem sempre possa ser evidenciado nos formatos de taxa de falha.
Tabela 5.3: Componentes de entradas das portas AND, OR, KofN, PDep, PAnd e SEQ.
Caso
AND
OR
PDep
Pand
Seq
Entradas
Caso
KofN
Entradas
a)
12
12
12
12
12
a)
1215
115
115
115
114
114
b)*
124
&
&
b)
&
&%
c)*
14
16
110
14
14
&
c)*
1125
&
d)*
19
15
15
15
15
d)*
11510
e)
215
215
214
214
214
e)*
1159
f )*
24
28
1110
1110
1110
f )*
149
g)*
125
27
125
125
125
g)*
111518
h)*
158
1510
1410
1410
1410
h)*
111513
i)*
155
155
155
155
155
i)*
21013
j)*
47
109
109
109
109
&
%
%
%
j)*
151013
1115
125
&%
&%
&
%
%
%
Legenda
&
Decrescente
Constante
Crescente
Unimodal
Banheira
Os componentes das portas WSP e os formatos das taxas de falha das respectivas
entradas so mostrados na Tabela 5.4. Os casos assinalados com * so possveis apenas
com a implementao da distribuio
q -Weibull
na porta WSP.
WSP
Entradas
1)
2020
&&
2)
2121
3)
2222
4)*
2323
5)*
2424
6)*
2324
7)*
242424
%%
Legenda
&
Decrescente
Constante
Unimodal
Crescente
Banheira
5.2.1 AND
A sada da porta AND apresenta estado falho se todas as suas entradas esto falhas.
Esta porta representa uma associao de componentes em paralelo se a funo de interesse
68
AN Dlist (t) =
n
Y
Fq,listj (t) ,
(5.2.7)
j=1
onde
list
porta AND,
uma porta AND que tem como entradas os componentes C5 e C8 ca AN DC5 ,C8 (t) =
2
Q
Fq,listj (t) onde list = {5; 8}. Para a distribuio q -Weibull temos a funo de falha
j=1
acumulada
"
i # qqii 2
tt0i ]
, qi =
6 1
1
1
+
(q
1)
i
i t0i
Y
AN Dlist (t) =
"
i # +
tt
[ 0i ]
i=list1,2, ,n
, qi = 1
1 exp i t0+
(5.2.8)
AN Dlist (t) =
n
n
X
Y
i=1
j=1
Fq,listj (t) , i 6= j
fq,listj (t) , i = j
And
C1 C2 ... Cn
Figura 5.2.3: Representao simblica da porta AND
(5.2.9)
5.2
69
Cada entrada da porta AND recebe um valor de tempo de falha. A porta devolve
o maior tempo de falha de suas entradas, isto , ela falha quando todas as suas entradas
assumirem o estado falho. O mtodo ento repetido e uma distribuio de tempos de
falha construda para a porta AND. A conabilidade da porta AND pode ser calculada
ao dividir o tempo total em intervalos e calcular a proporo de amostras que sobrevivem
ao m de cada intervalo. O valor da no conabilidade o complemento deste valor. Para
ilustrar melhor o mtodo, considere o exemplo da Tabela 5.5 onde temos 1000 valores de
tempo de funcionamento em meses para compressores de refrigerador.
Tabela 5.5: Dados do teste de 1000 compressores de refrigerador. Adaptado de Krishnamoorthi (1992).
ConSobrevivente ConabilidadeNo
abilidade
ao m do
ao m do
ao m do
intervalo
intervalo
intervalo
Intervalo
em meses
Nmero
de falhas
00
0 < t 10
10 < t 20
20 < t 30
30 < t 40
40 < t 50
50 < t 60
60 < t 70
70 < t 80
80 < t 90
1000
1,000
347
653
0,653
0,347
Total
61
592
0,592
0,408
69
523
0,523
0,477
87
436
0,436
0,564
101
335
0,335
0,665
103
232
0,232
0,768
101
131
0,131
0,869
97
34
0,034
0,966
34
0,000
1000
F (10) = 0, 347.
q-
component_1, component_2, , component_m. O valor de sada do algoritmo a lista times (tempos de falha da porta AND).
Weibull para cada uma das entradas, a saber:
Durante a execuo so usadas as variveis ti (tempo aleatrio) e n (quantidade de tempos aleatrios) e as funes InvF(component) que retorna um tempo aleatrio seguindo
70
a distribuio
tm]
q -Weibull
Input(component_1,...,component_m)
n=0
times={}
While n < 50.000
t1=InvF(component_1)
t2=InvF(component_2)
...
tm=InvF(component_m)
times=times+{max[t1,t2,...,tm]}
n=n+1
End_While Output(times)
C4
C7 .
AN DC4 ,C7
e das en-
FqHtL
0,8
0,6
0,4
0,2
0
0
10
12
14
16
t H10 hL
Figura 5.2.4: No conabilidade para a porta
com linha tracejada e
Fq,C7 (t)
em linha contnua,
Fq,C4 (t)
Os resultados de
De acordo com os formatos das funes taxa de falha dos componentes podem ser
obtidos vrios formatos de taxa de falha resultante.
alguns exemplos.
5.2
71
0,5
hq H10-3h-1L
hq H10-3h-1L
0,25
0,2
0,15
0,1
0,3
0,2
0,1
0,05
0
0
10
15
3
20
25
10
t H10 hL
t H10 hL
a) Unimodal
b) Unimodal
0,8
0,8
hq H10-3h-1L
hq H10-3h-1L
0,4
0,6
0,4
0,2
0,6
0,4
0,2
0
0
10
15
3
20
25
10
12
t H10 hL
t H10 hL
c) Unimodal
d) Decrescente
1,4
hq H10-3h-1L
hq H10-3h-1L
1,2
0,8
0,6
0,4
0,8
0,6
0,4
0,2
0,2
0
0
0
10
10
20
30
40
50
t H10 hL
t H10 hL
e) Unimodal-constante
f ) Unimodal-constante
Figura 5.2.5: Funes taxa de falha para uma porta AND e suas duas entradas. Primeira
entrada em linha tracejada, segunda em linha trao-ponto e sada em linha
contnua. Entradas de cada painel: a)
C1
C9 ;
e)
C2
C15
e f)
C2
C4
C1
C2 ;
b)
C1
C15 ;
c)
C1
C4 ;
d)
0,8
0,8
hq H10-3h-1L
hq H10-3h-1L
72
0,6
0,4
0,6
0,4
0,2
0,2
0
0
0
2,5
7,5
10
12,5
15
17,5
10
12
14
t H10 hL
t H10 hL
g) Degrau-unimodal
h) Unimodal
1,2
1
hq H10-3h-1L
hq H10-3h-1L
2,5
1,5
1
0,5
0,8
0,6
0,4
0,2
0
0
2,5
7,5
10
12,5
15
10
t H10 hL
15
3
20
25
30
t H10 hL
i) Unimodal-crescente
j) Unimodal-crescente
Figura 5.2.6: Funes taxa de falha para uma porta AND e suas duas entradas. Primeira
entrada em linha tracejada, segunda em linha trao-ponto e sada em linha
contnua. Entradas de cada painel: g)
C4
C12
C5 ;
h)C15 e
C8 ;
i)
C15
C5 ;
j)
C7 .
5.2
73
Tabela 5.6: Formatos da funo taxa de falha das entradas e sada de portas AND.
Painel
Entrada I
Entrada II
Sada AND
a)
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C2 constante
C12 constante
C15 crescente
C15 crescente
C4 unimodal
C2 constante
C15 crescente
C4 unimodal
Unimodal
b)
c)
d)
e)
f)
g)
h)
i)
j)
C9
Unimodal
Unimodal
formato de U
C15 crescente
C4 unimodal
Decrescente
Unimodal-constante
Unimodal-constante
C5 formato de U
C8 unimodal.
C5 formato de U
C7 formato de U
Degrau-unimodal
Unimodal
Unimodal-crescente
Unimodal-crescente
5.2.2 OR
A porta OR resulta em estado falho se pelo menos uma de suas entradas falha. Esta
porta representa uma associao em srie onde se pelo menos um componente falha, todo
o conjunto da associao falha. A funo de falha acumulada para a porta OR expressa
por
n
Y
ORlist (t) = 1
1 Fq,listj (t) ,
(5.2.10)
j=1
onde
o instante de tempo,
list
um conjunto
C11
C2 ,
temos
list = {11,
2} e a no
"
2
i # qqii 1
tt0i ]
, qi =
6 1
1 + (qi 1) i t0i
Y
ORlist (t) = 1
"
i # +
tt
[
]
0
i=list1,2, ,n
i +
, qi = 1
exp
i t0i
(5.2.11)
74
ORlist (t) =
n
n
X
Y
i=1
j=1
1 Fq,listj (t) , i 6= j
fq,listj (t)
,i=j
!
,
(5.2.12)
Or
C1 C2 ... Cn
Figura 5.2.7: Representao simblica da porta OR.
Em cada ciclo da simulao de Monte Carlo, um valor de tempo para cada entrada
da porta OR gerado, segundo a Equao 5.2.6. A porta devolve o menor dos tempos de
suas entradas, ou seja, o tempo em que ocorreu a primeira falha em uma de suas entradas.
Os ciclos so repetidos um grande nmero de vezes e assim tem-se uma distribuio de
tempos da porta, conforme mostrado no Algoritmo 5.2. O algoritmo para a porta OR
semelhante ao da porta AND no que diz respeito aos valores de entrada, sada, variveis
e funes envolvidas exceto pelo uso da funo
Input(component_1,...,component_m)
n=0
times={}
While n<50.000
t1=InvF(component_1)
t2=InvF(component_2)
...
tm=InvF(component_m)
times=times+{min[t1,t2,...,tm]}
n=n+1
End_While Output(times)
5.2
75
FqHtL
0,8
0,6
0,4
0,2
0
0
t H10 hL
e no conabilidade de suas entradas:
As Figuras 5.2.9 e 5.2.10 apresentam alguns dos formatos de taxa de falha resultante
em uma porta OR de duas entradas. Note que o formato da funo taxa de falha mostrada
em b) semelhante curva da banheira modelada pela distribuio
a distribuio
q -Weibull
q -Weibull.
Logo
76
1
0,8
hq H10-3h-1L
hq H10-3h-1L
0,8
0,6
0,4
0,2
0,6
0,4
0,2
0
10
15
20
3
25
30
35
t H10 hL
t H10 hL
a) Decrescente-constante
b) Curva da banheira
2
1,75
hq H10-3h-1L
hq H10-3h-1L
0,8
0,6
0,4
1,5
1,25
1
0,75
0,5
0,2
0,25
0
0
10
20
30
40
50
60
70
2,5
7,5
t H10 hL
12,5
15
t H10 hL
c) Decrescente-unimodal (tobog)
d) Curva da banheira
0,5
0,8
0,4
hq H10-3h-1L
hq H10-3h-1L
10
3
0,6
0,4
0,2
0,3
0,2
0,1
0
0
10
10
20
30
40
t H10 hL
t H10 hL
e) Constante-crescente
Figura 5.2.9: Funes taxa de falha para uma porta OR e suas duas entradas. Primeira
entrada em linha tracejada, segunda em linha trao-ponto e sada em linha
contnua. Entradas de cada painel: a)
C1
C5 ;
e)
C2
C15
e f)
C2
C8 .
C1
C2 ;
b)
C1
C15 ;
c)
C1
C6 ;
d)
5.2
77
2
1,75
hq H10-3h-1L
hq H10-3h-1L
0,8
0,6
0,4
1,5
1,25
1
0,75
0,5
0,2
0,25
0
0
0
10
15
3
20
25
t H10 hL
t H10 hL
g) Curva da banheira
h) Unimodal-crescente
1
1,75
hq H10-3h-1L
hq H10-3h-1L
0,8
0,6
0,4
0,2
1,5
1,25
1
0,75
0,5
0,25
0
0
8
3
10
12
14
t H10 hL
6
3
10
t H10 hL
i) Curva da banheira
j) Formato de W
Figura 5.2.10: Funes taxa de falha para uma porta OR e suas duas entradas. Primeira
entrada em linha tracejada, segunda em linha trao-ponto e sada em linha
contnua. Entradas de cada painel: g)
C10
C2
C7 ;
h)C15 e
C10 ;
i)
C15
C5 ;
j)
C9 .
78
Tabela 5.7: Formatos da funo taxa de falha das entradas e sada de portas OR.
Painel
Entrada I
Entrada II
Sada OR
a)
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C2 constante
C2 constante
C15 crescente
C15 crescente
C10 unimodal
C2 constante
C15 crescente
C6 unimodal
Decrescente-constante
b)
c)
d)
e)
f)
g)
h)
i)
j)
C5
Formato de U
Decrescente-unimodal ou tobog
formato de U
Formato de U
C15 crescente
C8 unimodal
C7 formato de U
C10 unimodal.
C5 formato de U
C9 formato de U
Constante-crescente
Unimodal deslocada para cima
Formato de U deslocado para cima
Unimodal-crescente
Formato de U
Formato de W
5.2.3 KofN
KofN uma associao de
dos
falham. A porta KofN pode ser interpretada como uma associao de portas AND e
Q
i
m h
j=1
2m
1
P
x=0
0,
m
P
m
P
xj (m k)
j=1
(5.2.13)
xj > (m k) ,
j=1
#
"
x
+
(1
2x
)
j
j
m
m
m
, i 6= j P
P
xj (m k)
,
F
(t)
q,list
i=1
j=1
j=1
2P
1
,i=j
(1 2xj ) fq,listj (t)
=
x=0
0,
xj > (m k) ,
j=1
(5.2.14)
5.2
79
onde
K of n
K/N
C1 C2 ... Cn
Figura 5.2.11: Representao simblica da porta KofN.
k -simo
menor instante de tempo de falha de suas entradas. Por exemplo se os tempos de entrada
numa porta 2de3 so 11h, 45h, e 19h, a porta retorna 19h, o segundo menor tempo. O
Algoritmo 5.3 recebe, como dados de entrada, os parmetros de cada componente de suas
entradas e o valor
k.
times.
sample.
k -simo
80
Algoritmo 5.3
k)
Input(component_1,...,component_n,k)
j=0
times={}
While j<50.000
t1=InvF(component_1)
t2=InvF(component_2)
....
tm=InvF(component_n)
sample=sort[{t1,t2,...,tm}]
times=times+{sample[k]}
j=j+1
End_While Output(times)
A Figura 5.2.12 mostra os valores de no conabilidade para uma porta KofN e suas
entradas.
FqHtL
0,8
0,6
0,4
0,2
0
0
10
12
t H10 hL
Kof N{C1 ,C10 ,C13 },2 (t) traada com litracejada, Fq,C10 (t) em linha trao ponto
Fq,C13 (t)
Fq,C1 (t)
em linha
5.2
81
1,4
hq H10-3h-1L
hq H10-3h-1L
1,2
1
0,8
0,6
0,4
0,8
0,6
0,4
0,2
0,2
0
0
0
10
10
20
t H10 hL
(b) Unimodal-constante
1,4
1,4
1,2
1,2
hq H10-3h-1L
hq H10-3h-1L
40
t H10 hL
(a) Unimodal-constante
0,8
0,6
0,4
0,8
0,6
0,4
0,2
0,2
0
0
0
2,5
7,5
10
12,5
15
17,5
2,5
7,5
10
12,5
15
17,5
10
12
t H10 hL
t H10 hL
(c) Unimodal-crescente
(c*) Bimodal
hq H10-3h-1L
hq H10-4h-1L
30
3
3
2
3
2
1
1
0
0
0
2,5
7,5
10
12,5
15
17,5
t H103hL
t H103hL
(d) Bimodal
Figura 5.2.13: Funes taxa de falha de portas KofN e suas 3 entradas. As funes taxa
de falha das entradas esto em linha tracejada, trao-ponto e pontilhada,
a sada apresentada em linha contnua. Os componentes usados em cada
painel so: a)C1 ,
C5 ;
c**)
C1 , C2
C2 e C15 ; b) C1 , C2 e C4 ;
C5 ; d) C1 , C15 e C10 .
c)
C1 , C11
C5 ;
c*)
C1 , C12
82
2,5
2
hq H10-3h-1L
hq H10-3h-1L
1,5
1
0,5
0
0
10
12
t H103hL
10
12
t H103hL
(e) Unimodal-crescente
(f ) Bimodal
8
14
7
6
hq H10-3h-1L
hq H10-3h-1L
12
10
8
6
4
5
4
3
2
1
0
0
0
10
t H103hL
10
12
14
t H103hL
(g) Bimodal
(h) Degrau-unimodal-crescente
6
1,4
hq H10-3h-1L
hq H10-3h-1L
1,2
1
0,8
0,6
4
3
2
0,4
1
0,2
0
0
10
12
14
t H103hL
(i) Bimodal
10
12
14
t H103hL
(j) Bimodal-crescente
Figura 5.2.14: Funes taxa de falha de portas KofN e suas 3 entradas. As funes taxa
de falha das entradas esto em linha tracejada, trao-ponto e pontilhada,
a sada apresentada em linha contnua. Os componentes usados em cada
C1 , C15 e C9 ; f ) C1 , C4 e C9 ;
C2 , C10 e C13 ; j) C15 , C10 e C13 .
painel so: e)
C13 ;
i)
g)
C17 , C15
C18 ;
h)
C11 , C15
5.2
83
A Tabela 5.8 mostra os formatos das entradas e sadas das portas PDep das Figuras
5.2.17 e 5.2.18.
Tabela 5.8: Formatos da funo taxa de falha das entradas e sada de portas KofN.
Parte
a)
b)
c)
c*)
c**)
d)
e)
f)
g)
h)
i)
j)
Entrada I
Entrada II
Entrada III
Sada KofN
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C17 constante
C11 constante
C2 constante
C15 crescente
C2 constante
C2 constante
C11 constante
C12 constante
C2 constante
C15 crescente
C15 crescente
C4 unimodal
C15 crescente
C15 crescente
C10 unimodal
C10 unimodal.
C15 crescente
C4 unimodal
Unimodal-constante
C5 formato de U
C5 formato de U
C5 formato de U
C10 unimodal
C9 formato de U
C9 formato de U
C18 unimodal
C13 formato de U
C13 formato de U
C13 formato de U
Unimodal-crescente
Unimodal-constante
Bimodal
Unimodal achatada
Bimodal
Unimodal-crescente
Bimodal
Bimodal
Degrau-unimodal-crescente
Bimodal
Bimodal-crescente
Note que os itens c), c*) e c**) foram calculados com entradas com taxa de falha
de formatos decrescente, constante e de formato de U. O que diferencia estes grcos
o valor da taxa de falha constante tomado em cada caso. medida em que aumenta,
este valor torna a taxa de falha resultante em unimodal achatada, bimodal e unimodalcrescente. Os valores de todos os parmetros utilizados esto na Tabela 5.1.
(T )
induz a
falha de componentes dependentes, quaisquer que sejam seus estados operacionais (falho
ou no falho).
pd 1.
pd = 1 .
t
FT (t) =
fT (t1 )dt1 ,
(5.2.15)
0
onde
t1 .
A probabilidade de falha de cada componente no instante
C
plemento Fq,i (t)
= Rq,i (t).
Fq,i (t)
e o seu com-
84
exclusivamente ao gatilho
pd ,
PDep
C
(t)pd
P Depi,T (t) = FT (t)Fq,i (t) + FTC (t)Fq,i (t) + FT (t)Fq,i
C
C
= Fq,i (t) FT (t) + FT (t) + FT (t)Fq,i (t)pd
= Fq,i (t) + (1 Fq,i (t)) FT (t)pd ,
(5.2.16)
e a funo densidade de falha de falha para a porta PDep, ou seja, a derivada em relao
ao tempo da no conabilidade
P Depi,T (t) = fq,i (t) + (1 Fq,i (t)) FT (t)pd + (1 Fq,i (t)) fT (t)pd
= fq,i (t) fq,i (t)FT (t)pd + (1 Fq,i (t)) fT (t)pd
= fq,i (t) (1 FT (t)pd ) + (1 Fq,i (t)) fT (t)pd .
(5.2.17)
entradas de componentes.
PDEP
T
C1 C2 ... Cn
A porta PDep retorna o valor de tempo de falha de seu gatilho se este tempo
menor que o tempo de falha do componente afetado pelo gatilho e, por outro lado, a
porta retorna o tempo de falha do componente se este for menor. Para portas PDep com
vrios componentes de entrada, o raciocnio o mesmo, de forma que as anlises seguintes
vo abordar, apenas para simplicao, uma porta PDep com apenas uma entrada.
pd .
t_comp
menor que
t_trig
sample.
Caso contrrio,
pd.
Se este valor
5.2
menor ou igual a
varivel
t_trig
pd
85
sample,
amostra. Caso contrrio, a amostra ser o tempo de falha do componente. Estes passos
so repetidos um grande nmero de vezes e a lista times ser devolvida com a distribuio
dos tempos da porta PDep.
A Figura 5.2.16 mostra as curvas de no conabilidade para a porta PDep, o componente de entrada e seu gatilho.
86
FqHtL
0,8
0,6
0,4
0,2
0
0
10
12
t H10 hL
P DepC14 ,C10 (t) calculada com pd = 0, 9 em linha
contnua e as no conabilidades do componente Fq,C14 (t) em linha tracejada e do gatilho Fq,C10 (t) em linha trao-ponto. Os crculos representam a
As Figuras 5.2.17 e 5.2.18 mostram as funes taxa de falha para portas PDep em
linha contnua, para seu componente em linha tracejada e para o gatilho em linha traoponto.
tambm mostrada a curva da taxa de falha PDep (em linha cinza) com a seguinte
congurao: componente em linha trao-ponto e gatilho em linha tracejada.
5.2
87
hq H10-3h-1L
hq H10-3h-1L
0,8
0,6
0,4
1,5
0,5
0,2
0
0
10
15
3
20
25
30
10
t H10 hL
t H10 hL
a) Decrescente; decrescente-constante
1,5
hq H10-3h-1L
hq H10-3h-1L
1,75
0,5
1,5
1,25
1
0,75
0,5
0,25
0
0
10
2,5
7,5
10
12,5
15
17,5
t H10 hL
t H10 hL
c) Decrescente-unimodal (tobog)
2
1,75
1,5
1,5
hq H10-3h-1L
hq H10-3h-1L
1,75
1,25
1
0,75
1,25
1
0,75
0,5
0,5
0,25
0,25
0
0
8
3
10
12
14
10
12
t H103hL
t H10 hL
e) Unimodal deslocada; constante-crescente
Figura 5.2.17: Funes taxa de falha da porta PDep representadas em linhas contnuas
preta e cinza e de suas entradas, em linha tracejada e trao-ponto. A curva
mostrada em linha preta contnua tem componente em linha tracejada e
gatilho em trao-ponto.
Para
cada painel os componentes das curvas tracejadas e trao ponto so respectivamente: a)C1 e
f )C11 e
C10 .
C2 ;
b)C1 e
C15 ;
c)C1 e
C10 ;
d)C1 e
C5 ;
e)C2 e
C14 ;
88
1
1,4
0,9
hq H10-3h-1L
hq H10-3h-1L
1,2
0,8
0,7
0,6
1
0,8
0,6
0,5
0,4
0,4
0,2
0
0
2,5
7,5
10
3
12,5
15
17,5
2,5
7,5
t H10 hL
12,5
15
17,5
t H10 hL
h) Unimodal-crescente; bimodal
2,5
2,5
hq H10-3h-1L
hq H10-3h-1L
10
3
1,5
1
0,5
1,5
1
0,5
0
0
2,5
7,5
10
12,5
15
10
12
t H10 hL
i) Formato de U; formato de W
t H10 hL
j) Decrescente-unimodal (tobog);
formato de W
Figura 5.2.18: Extenso da Figura 5.2.17 para os casos i) e j). Os componentes em cada
painel (linhas tracejada e trao-ponto) so: g)C12 e
e
C5 ;
j)C10 e
C5 ;
h)C14 e
C10 ; i)C15
C9 .
A Tabela 5.9 mostra os formatos das entradas e sadas das portas PDep das Figuras
5.2.17 e 5.2.18.
5.2
89
Tabela 5.9: Formatos da funo taxa de falha das entradas e sada de portas PDep.
Parte
Entrada I
Entrada II
Taxa de falha
I componente
II gatilho
Taxa de falha
II componente
I gatilho
a)
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C11 constante
C12 constante
C14 crescente
C15 crescente
C10 unimodal
C2 constante
C15 crescente
C10 unimodal
Decrescente
Decrescente-constante
Decrescente-unimodal
Formato de U
Decrescente-unimodal
Decrescente-unimodal
b)
c)
d)
e)
f)
g)
h)
i)
j)
C5
Decrescente
Formato de U
C14 crescente
C10 unimodal
formato de U
Unimodal deslocada
Constante-crescente
Unimodal deslocada
Unimodal
C5 formato de U
C10 unimodal.
C5 formato de U
C9 formato de U
Decrescente-constante
Formato de U
Unimodal-crescente
Bimodal
Formato de U
Formato de W
Decrescente-unimodal
Formato de W
AND )
Esta porta resulta em estado falho se e somente se todas as suas entradas falham em
uma ordem predenida. A principal diferena entre as portas PAND e AND que nesta
ltima a falha de todas as suas entradas gera falha na sada ao passo que numa PAND
preciso que as falhas ocorram em uma ordem especicada, embora qualquer ordem seja
possvel de ocorrer.
Sejam
X1
X2
x1
x2
f1 (x1 )
f2 (x2 )
90
f1(x1)
f2(x2)
dx2
x2
X1
x
f1 (x1 )
f2 (x2 ).
x2
x
1 =x2
P (X1 < x2 ) =
f1 (x1 )dx1 ,
(5.2.18)
x1 =0
assim a probabilidade de
X1 < X2
at o valor
P (X1 < X2 ) =
=
x
2 =t
x1=x2
f2 (x2 )dx2
x2 =0
x1 =0
x
=x2
2 =t x1
!
f1 (x1 )dx1
(5.2.19)
x2 =0 x1 =0
q -Weibull,
tempo t
seguindo a distribuio
componente
C2
at o
a probabilidade do componente
C1
falhar antes do
x
2 =t x1 =x2
(5.2.20)
5.2
91
x
n =t
x2=x3 x1=x2
(5.2.21)
fq,n (xn )fq,n1 (xn1 ) fq,2 (x2 )fq,1 (x1 ) dx1 dx2
x2 =t02 x1 =t01
t01
dxn1 dxn ,
t02 t0n ,
x2=x3 x1=x2
xn1
=t
xn2=xn1
(5.2.22)
fq,n1 (xn1 )fq,n2 (xn2 ) fq,2 (x2 )fq,1 (x1 ) dx1 dx2
x2 =t02 x1 =t01
dxn2 dxn1 ,
t01 t02 t0n
A Figura 5.2.20 mostra a representao simblica da porta PAND. As entradas
resultam em falha se ocorrem da esquerda para a direita.
Pand
PAND
C1 C2 ... Cn
Figura 5.2.20: Representao simblica da porta PAND.
92
q -Weibull.
em ordem crescente. Caso contrario a porta gera um tempo de sada innito. Os valores de tempo innitos no so computados na contagem dos intervalos para o clculo da
conabilidade (veja Tabela 5.5), mas so considerados como amostras e esta quantidade
armazenada na varivel
q.
ordem denida, nem todas as circunstncias de entrada produziro tempos nitos e, por
consequncia, esta porta produz
um total de 50.000 valores de tempo nitos que montam a distribuio de tempos de vida
da porta PAND.
Input(component_1,...,component_m)
n=0
q=0
times={}
While n < 50.000
t1=InvF(component_1)
...
tm=InvF(component_m)
If t1 <= t2 <= ... <= tm then
times=times+{tm}
n=n+1
Else
times=times+{Infinity}
q=q+1
End_If
End_While
Output(times)
5.2
93
FqHtL
0,8
0,6
0,4
0,2
0
0
10
12
t H10 hL
P AndC10 ,C9 (t) traada
Fq,C10 (t), da primeira entrada,
Fq,C9 (t),
em linha contnua, e
com linha tracejada e
As Figuras 5.2.22 e 5.2.23 mostram alguns exemplos de funes taxa de falha para
uma porta PAND de duas entradas. A Tabela 5.10 mostra os componentes utilizados em
cada grco, os formatos de suas taxas de falha e os formatos da taxa de falha PAND.
Note que para todos os exemplos testados no houve alterao no formato da taxa de falha
resultante PAND em decorrncia da inverso de suas entradas. Os valores dos parmetros
utilizados esto na Tabela 5.1.
94
1,5
1
hq H10-4h-1L
hq H10-5h-1L
hq H10-4h-1L
2,5
2,
1,5
1,
0,5
0
0
10
0,5
15
3
20
hq H10-5h-1L
3,5
2,5
3
2,5
2
1,5
1,4
1,2
1,
0,8
0,6
0,4
0,2
0
0
25
t H10 hL
10 15 20 25 30 35
3
t H10 hL
0,5
0
0
0
10
15
20
25
10
15
20
25
30
35
t H10 hL
t H10 hL
a) Unimodal; unimodal
b) Unimodal; unimodal
1
0,4
hq H10-4h-1L
0,6
0,8
3,5
3,
2,5
2,
1,5
1,
0,5
0
hq H10-3h-1L
0,8
hq H10-5h-1L
hq H10-3h-1L
0,2
8
3
10 12 14
0,6
0,4
1
0,8
0,6
0,4
0,2
0
0
2,5
t H103hL
0,2
t H10 hL
0
0
0
10
12
14
2,5
7,5
t H10 hL
0,2
hq H10-4h-1L
t H10 hL
0,8
0,6
0,4
0,8
0,6
0,4
0,2
0
0,2
2,5
7,5
10
12,5
15
17,5
10
12
t H103hL
0
0
17,5
1,2
1,4
1,2
1,
0,8
0,6
0,4
0,2
0
0 2,5 5 7,5 10 12,5 15 17,5
3
0,4
15
d) Decrescente; decrescente
hq H10-3h-1L
0,6
hq H10-5h-1L
hq H10-3h-1L
0,8
12,5
t H10 hL
c) Unimodal; unimodal
10
3
10
12
t H10 hL
t H10 hL
e) Unimodal; unimodal
f ) Unimodal; unimodal
Figura 5.2.22: Funes taxa de falha para portas PAND de duas entradas.
Em linha
C14
e f)
C11
C10 .
C1
C2 ;
b)
C1
C14 ;
c)
C1
C4 ;
d)
C1
C5 ;
e)
C2
5.2
95
0,8
hq H10-7h-1L
0,6
hq H10-3h-1L
hq H10-3h-1L
3,5
0,4
2,5
2
2,5
2
1,5
1
0,5
0
1,5
10 12 14
t H103hL
0,2
0,5
0
0
0
2,5
7,5
10
12,5
15
17,5
t H10 hL
8
3
10
12
14
t H10 hL
g) Unimodal; unimodal
h) Unimodal; unimodal
2
1,25
1
0,75
0,5
1,4
1,2
1,
0,8
0,6
0,4
0,2
0
hq H10-5h-1L
hq H10-3h-1L
1,5
hq H10-3h-1L
hq H10-5h-1L
1,75
1,5
7,
6,
5
4,
3,
2,
1,
0
0
10
12
t H103hL
0,5
t H10 hL
0,25
0
0
10
15
3
20
25
10
12
t H10 hL
t H10 hL
i) Unimodal; unimodal
j) Unimodal; unimodal
Figura 5.2.23: Extenso da Figura 5.2.22 para os casos g), h), i) e j). Os componentes das
linhas tracejadas e trao-ponto de cada painel so respectivamente: g)C12
e
C5 ;
h)C14 e
C10 ; i)C15
C5
e j)C10 e
C9 .
Tabela 5.10: Formatos da funo taxa de falha das entradas e sada de portas PAND.
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C11 constante
C12 constante
C14 crescente
C15 crescente
C10 unimodal
C2 constante
C14 crescente
C4 unimodal
C5
formato de U
C14 crescente
C10 unimodal
C5
formato de "U"
C10
C5
C9
unimodal
Unimodal
Unimodal
Unimodal
Decrescente
Unimodal
Unimodal
Unimodal
Unimodal
formato de "U"
Unimodal
formato de "U"
Unimodal
96
Enforcing )
A porta SEQ tem o funcionamento muito parecido com a porta PAND, entretanto
na SEQ as falhas s podem ocorrer em uma nica ordem especca. Ento a porta SEQ
retorna falha quando todas suas entradas falham. A funo de no conabilidade desta
porta
KSEQ
x2=x3 x1=x2
xn1
=xn
(5.2.23)
fq,n (xn )fq,n1 (xn1 ) fq,2 (x2 )fq,1 (x1 ) dx1 dx2
x2 =t02 x1 =t01
t01
dxn1 dxn ,
t02 t0n ,
onde
KSEQ =
xn=
xn =t0n
x2
=xn x1
=x2
x2 =t0
x1 =t0
1
(5.2.24)
em
relao ao tempo
x2=x3 x1=x2
xn1
=xn
xn2
=xn
fq,n1 (xn1 )fq,n2 (xn2 ) fq,2 (x2 )fq,1 (x1 ) dx1 dx2
x2 =t02 x1 =t01
dxn2 dxn1 ,
t01 t02 t0n ,
A Figura 5.2.24 mostra a representao simblica da porta SEQ.
(5.2.25)
5.2
97
Seq
SEQ
C1 C2 ... Cn
Figura 5.2.24: Representao simblica da porta SEQ.
O Algoritmo 5.6 recebe os parmetros de todas as entradas da porta por meio das
variveis
component_1, . . ., component_m
times.
reside a diferena para o Algoritmo 5.5 da porta PAND), ento a distribuio de tempos
de falha retornada por meio da varivel
times.
Input(component_1,...,component_m)
n=0
times={}
While n < 50.000
t1=InvF(component_1)
...
tm=InvF(component_m)
If t1 <= t2 <= ... <= tm then
times=times+{tm}
n=n+1
End_If
End_While
Output(times)
98
FqHtL
0,8
0,6
0,4
0,2
0
0
10
12
t H10 hL
SEQC10 ,C9 (t) em linha contnua, no conabilidade do primeiro componente Fq,C10 (t) traada em linha tracejada e do
segundo componente Fq,C9 (t) em linha trao-ponto. Os crculos so os va-
As Figuras 5.2.26 e 5.2.27 mostram, para alguns exemplos, as funes taxa de falha
para portas SEQ e sua entradas. Os parmetros das distribuies esto na Tabela 5.1. A
Tabela 5.11 mostra os formatos das funes taxa de falha dos componentes e das sadas
das portas SEQ.
hq H10-4h-1L
0,7
hq H10-3h-1L
0,6
0,5
0,4
0,3
99
0,6
0,5
0,4
0,3
0,2
0,1
0
2,5
10
15
20
25
hq H10-4h-1L
5.2
30
t H103hL
0,2
2
1,5
1
0,5
0,1
0
0
10
15
3
20
25
30
10
t H10 hL
t H10 hL
a) Crescente; unimodal
b) Crescente; crescente
1,2
1
0,8
0,6
0,4
hq H10-3h-1L
hq H10-4h-1L
hq H10-3h-1L
1
0,8
0,6
0,4
0,2
0
0
10 15 20 25 30
3
0,2
0,8
0,6
0,4
0,2
t H10 hL
0
0
10
15
3
20
25
30
2,5
7,5
10
12,5
15
17,5
t H10 hL
t H10 hL
c) Unimodal; unimodal
3
1,2
1
hq H10-3h-1L
hq H10-4h-1L
2,5
2
1,5
1
0,5
0,8
0,6
0,4
0,2
0
0
10
12
10
12
t H10 hL
t H10 hL
e) Crescente; crescente
f ) Unimodal; crescente-constante
Figura 5.2.26: Funes taxa de falha de dois componentes e da porta SEQ. O primeiro
componente em linha tracejada e o segundo com linha trao ponto.
O detalhe mostra o
C14 ;
c)
C1
C4 ;
d)
C1
C5 ;
e)
C2
C14
e f)
C11
C10
C1
C2 ;
b)
C1
100
1,4
1,2
hq H10-3h-1L
hq H10-3h-1L
0,8
0,6
0,4
0,2
1
0,8
0,6
0,4
0,2
0
0
2,5
7,5
10
12,5
15
17,5
t H10 hL
8
3
10
12
14
t H10 hL
g) Crescente; crescente
h) Crescente; crescente
1,2
1,4
1
hq H10-3h-1L
hq H10-3h-1L
1,2
0,8
0,6
0,4
0,2
1
0,8
0,6
0,4
0,2
0
0
8
3
10
12
14
10
12
t H10 hL
t H10 hL
i) Crescente; crescente
j) Crescente; unimodal-crescente
Figura 5.2.27: Extenso da Figura 5.2.26 para os casos g), h), i) e j). Os componentes das
taxas de falha em linhas tracejada e trao-ponto so: g)C12 e
C10 ; i)C15
C5
e j)C10 e
C5 ;
h)C14 e
C9 .
Tabela 5.11: Formatos da funo taxa de falha das entradas e sada de portas SEQ.
Painel
Entrada I
Entrada II
a)
C1 decrescente
C1 decrescente
C1 decrescente
C1 decrescente
C2 constante
C11 constante
C12 constante
C14 crescente
C15 crescente
C10 unimodal
C2 constante
C14 crescente
C4 unimodal
b)
c)
d)
e)
f)
g)
h)
i)
j)
C5
formato de U
C14
C10
C5
Taxa de falha
II depois I
Crescente
Unimodal
Crescente
Crescente
Unimodal
Unimodal
Formato de U
Formato de U
crescente
Crescente
Crescente
unimodal
Unimodal
Crescente-constante
formato de "U"
Crescente
Crescente
C10
C5
C9
Taxa de falha
I depois II
unimodal
Crescente
Crescente
formato de "U"
Crescente
Crescente
formato de "U"
Crescente
Unimodal-crescente
5.2
101
spare )
Uma porta WSP modela a situao em que um componente principal pode ser substitudo por um sobressalente ou mais sobressalentes com a mesma funcionalidade. A porta
WSP retorna falha se o componente principal falha e todos os seus sobressalentes falham
ou esto indisponveis. Um componente reserva torna-se indisponvel se ele for compartilhado por outra porta WSP e estiver em uso por ela. O reserva tambm pode falhar
mesmo sem estar em operao, embora a sua propenso em falhar nesta circunstncia
deva ser menor, uma vez que est em estado de dormncia (veja Bobbio et al. (2008)). A
Figura 5.2.28 mostra a representao simblica de uma porta WSP.
Wsp
WSP
P S1 S2 ... Sn
Figura 5.2.28: Representao simblica da porta WSP.
a sua taxa de
d =
onde
com dormncia.
0<1
(5.2.26)
mas isto pode ser modelado diretamente na funo de falha acumulada tornando-a nula
para sobressalentes em dormncia.
Si
em estado de dor-
102
"
#
[t t0i ]+ i
i (2 qi )
i 1
fSi dor (t) =
,
i [t t0i ]+ expqi i
i
t0i
0
i
(5.2.27)
fator de dormncia,
componente reserva
Na primeira, o
Falha anterior
Falha posterior
S1 dor
P
P
S1 atv
fS,dor(x1)
x2
dx2
fP(x2)
5.2
103
fS,atv(x2)
fP(x1)
ta
ta
P
S
W SPP1 ,S1 (t) = 1 1 W SPPS71
1 W SPPP17
,S1 (t)
,S1 (t) ,
onde
P
W SPPS71
,S1 (t)
a no conabilidade em
(5.2.28)
S
W SPPP17
,S1 (t)
P
W SPPS71
,S1 (t) como a probabilidade do
P
W SPPS71
,S1 (t) =
x
=x2
2 =t x1
x2 =t02 x1 =t01
x
2 =t
t01 t02
(5.2.29)
x2 =t02
onde
104
x2
x2 x 1
como argumento de
S
W SPPP17
,S1 (t) = KW SP
= KW SP
x
1 =t
x1 =t01
x
1 =t
"
fq,P (x1 )
x
2 =t
#
fS1 atv (x2 x1 )dx2 dx1
x2 =x1
(5.2.30)
x1 =t01
com
KW SP =
1
x1=
(5.2.31)
x1 =t01
(5.2.32)
x1 =t01
tatv
tdor
tp
que o tempo de falha do sobressalente em estado ativo. Este ltimo valor gerado
tp
tdor, tp
tatv,
ou seja, o componente
tp.
5.2
105
tatv
e o ciclo de execuo se
encerrar.
FqHtL
0,8
0,6
0,4
0,2
0
0
10
15
20
25
t H10 hL
Figura 5.2.31: Funo no conabilidade
bressalente iguais a
C24
conabilidade WSP calculada por simulao de Monte Carlo. Os parmetros utilizados esto na Tabela 5.2.
As Figuras 5.2.32, 5.2.33, 5.2.34, 5.2.35 e 5.2.36 a seguir so referentes a portas WSP
106
q -Weibull.
do componente
parmetros do componente
o
C21 (i = 21)
e assim
0,5
hq H10-3h-1L
0,4
0,3
0,2
0,1
0
0
2,5
7,5
10
3
12,5
15
17,5
20
t H10 hL
Caso 1)
Figura 5.2.32: Funes taxa de falha para porta WSP (linha contnua) de componentes
principal e reserva iguais a
C20
5.2
107
0,25
hq H10-3h-1L
0,2
0,15
0,1
0,05
0
0
10
15
3
20
25
30
t H10 hL
Caso 2)
Figura 5.2.33: Funes taxa de falha para porta WSP (linha contnua) de componentes
principal e reserva iguais a
C21 (ativo
linha trao-ponto). Embora o formato da funo taxa de falha dos componentes (ativo em linha tracejada e dormente em linha trao-ponto) seja
constante, o formato da taxa de falha WSP crescente (linha contnua) se
aproximando da taxa do componente principal ativo para tempos maiores.
0,5
hq H10-3h-1L
0,4
0,3
0,2
0,1
0
0
2,5
7,5
10
3
12,5
15
17,5
20
t H10 hL
Caso 3)
Figura 5.2.34: Funes taxa de falha para porta WSP (linha contnua) de componentes principal e reserva iguais a
em linha trao-ponto).
C22
108
hq H10-3h-1L
1
0,8
0,6
0,4
0,2
0
0
10
15
20
3
25
30
35
40
t H10 hL
Caso 4)
Figura 5.2.35: Funes taxa de falha para porta WSP (linha contnua) de componentes
principal e reserva iguais a
C23
hq H10-3h-1L
0,8
0,6
0,4
0,2
0
0
10
15
20
25
30
t H10 hL
Caso 5)
Figura 5.2.36: Funes taxa de falha para porta WSP (linha contnua) de componentes
principal e reserva iguais a
C24
A funo da taxa de
5.2
109
C23
e o sobressalente o
W SPC23 ,C24 (t) uma porta onde o comC24 . A Figura 5.2.37 mostra o grco da
FqHtL
0,8
0,6
0,4
0,2
0
0
10
15
20
25
t H10 hL
Figura 5.2.37:
W SPC23 ,C24 (t) em linha contnua, Fq,C23 atv (t) representando a no conabilidade do componente principal em linha tracejada, Fq,C24 atv (t) denotando
a no conabilidade do componente reserva para o estado ativo em linha
trao-ponto e
W SPC23 ,C24
e suas
110
1,2
hq H10-3h-1L
1
0,8
0,6
0,4
0,2
0
0
10
15
20
25
30
35
t H10 hL
Caso 6)
Figura 5.2.38: Funo taxa de falha para a porta
W SPC23 ,C24
C23
C24
ponente sobressalente
Uma porta WSP pode ser denida com dois ou mais componentes sobressalentes.
Para o caso de dois reservas, considere que o componente principal e o primeiro reserva
funcionam como um novo componente principal numa nova porta WSP. Esta nova porta
teria como nico reserva, o segundo componente sobressalente. Em outras palavras, a formulao de uma porta WSP com um nico reserva substitui a funo de falha acumulada
de um novo componente principal.
h
ih
i
S 7[P1 ,S1 ]
[P1 ,S1 ]7S2
W SP 2SP1 ,S1 ,S2 (t) = 1 1 W SP[P21 ,S1 ],S
(t)
1
W
SP
(t)
,
[P1 ,S1 ],S2
2
(5.2.33)
5.2
111
onde
x
2 =t
S 7[P ,S ]
1 1
W SP[P21 ,S1 ],S
(t) =
2
(5.2.34)
x2 =t02
[P ,S ]7S
W SP[P11,S11],S2 2 (t) =
KW SP 2S
x
1 =t
(5.2.35)
x1 =t01
com
KW SP 2S =
x1=
(5.2.36)
x1 =t01
O Algoritmo 5.8 cria a distribuio de 50.000 tempos de vida para uma porta WSP com
dois componentes sobressalentes. Cada tempo criado de forma similar ao Algoritmo 5.7
com a diferena que o tempo do componente principal criado com um ciclo do mesmo
Algoritmo 5.7 (com os componentes principal e primeiro sobressalente).
Apesar de ser
possvel denir o Algoritmo 5.8 com recursividade, a forma estruturada no recursiva foi
preferida para maior clareza.
112
A Figura 5.2.39 mostra a no conabilidade para uma porta WSP com dois componentes sobressalentes.
5.2
113
FqHtL
0,8
0,6
0,4
0,2
0
0
10
15
20
25
t H10 hL
W SP 2SC24 ,C24 ,C24 (t) traada em linha
Fq,C24 atv (t) em linha tracejada, Fq,C24 dor (t)
contem li-
hq H10-3h-1L
0,8
0,6
0,4
0,2
0
0
10
15
20
25
30
35
t H10 hL
Caso 7)
Figura 5.2.40: Funes taxa de falha da porta
(formato de subida em
C24
(formato
114
5.3 Concluses
rvore de falha dinmica uma ferramenta importante para a anlise de conabilidade pois permite considerar o estado falho dos componentes e tambm a ordem em que
a falha se processa.
Este captulo mostrou o clculo exato de cada uma das portas de uma rvore de falha
dinmica: AND, OR, KofN, PDep, PAND, SEQ e WSP. Para cada porta foi desenvolvido
um algoritmo e para a gerao de tempos por simulao de Monte Carlo. Em todos os
casos apresentados, a simulao de Monte Carlo se mostrou adequada para substituir o
clculo analtico conforme inspeo das Figuras 5.2.4, 5.2.8, 5.2.12, 5.2.16, 5.2.21, 5.2.25,
5.2.31, 5.2.37 e 5.2.39.
Dois componentes foram usados para exemplicar o formato da taxa de falha das
portas AND, OR, PDep, PAND e SEQ. Em cada porta foram combinados 2 formatos
diferentes nas entradas com a nalidade de determinar os formatos resultantes (10 para
AND e OR e 20 para PDep, PAND e SEQ devido s sequncias possveis das falhas
das entradas).
Com
estes exemplos, vrios formatos de taxa de falha resultante foram encontrados incluindo
praticamente todos os tipos de formato classicados em Murthy, Xie e Jiang (2004, p. 48)
(que inclui vrias de modicaes do Weibull como parmetros dependentes do tempo,
exponenciais aninhadas e Weibull exponenciada) conforme a Figura 5.3.1.
5.3
Concluses
115
h(t)
h(t)
Tipo 1
Tipo 3
Tipo 4
Tipo 2
Tipo 5
0
h(t)
h(t)
Tipo 7
Tipo 8
Tipo 6
Figura 5.3.1: Formatos de taxa de falha. Figura refeita a partir de Murthy, Xie e Jiang
(2004, p. 48)
q -Weibull.
A variedade de formatos de taxa de falha encontrados no creditada a modicaes no modelo da distribuio probabilstica encontrada, mas a exibilidade do modelo
116
q -Weibull
q -Weibull
parmetros.
A Tabela 5.13 mostra alguns dos formatos de taxa de falha possveis devido a implementao da distribuio
q -Weibull
em AFD.
Porta
q -Weibull
em AFD.
Casos
Bimodal
KofN
c*) d) f ) g) i)
Bimodal-crescente
KofN
j)
Crescente-constante
SEQ
f)
Decrescente-constante
PDep
g)
Decrescente-unimodal
OR
c)
Decrescente-unimodal
PDep
c) j)
Degrau-unimodal
AND
g)
Degrau-unimodal-crescente
KofN
h)
Formato de W
OR
j)
Formato de W
PDep
i) j)
Unimodal achatada
KofN
c**)
OR
f)
Unimodal-constante
AND
f)
Unimodal-constante
KofN
b)
Unimodal-crescente
AND
i) j)
Unimodal-crescente
OR
h)
Unimodal-crescente
KofN
c) e)
Unimodal-crescente
SEQ
j)
Unimodal-crescente e Bimodal
PDep
h)
Uma vez que possvel prever a falha de um sistema a partir de seus componentes,
uma poltica de manuteno programada pode ser criada para reduzir os custos de manter
um sistema em operao. Ao estabelecer um critrio para que uma tarefa de manuteno
seja iniciada, pode-se antecipar condio falha e evitar os prejuzos de uma parada
no esperada. O Captulo 6 trata da aplicao da distribuio
manuteno corretiva e preventiva.
q -Weibull
em modelos de
117
As atividades de manuteno preventiva so responsveis por uma proporo signicativa do total da atividades de manuteno. Este tipo de manuteno procura manter
as instalaes em bom estado operacional pela inspeo sistemtica, deteco e correo
de falhas incipientes. Um programa de manuteno preventiva adequado pode ampliar a
vida produtiva do equipamento, reduzir as perdas de produo causadas por suas falhas
e melhorar a sade e segurana do pessoal de manuteno.
Especialmente no caso de
Hongzhou (2002) resume, classica e compara vrias polticas de manuteno existentes para sistemas com uma ou vrias unidades (com nfase em apenas uma unidade)
tais como: substituio por idade, substituio em bloco, manuteno preventiva peridica, limite de falha, manuteno oportunista.
Yeh e Chang (2007) calcularam o valor limite de taxa de falha para produtos aluga-
118
Captulo: 6
dos com tempos de vida que seguem a distribuio Weibull. Quando este valor atingido,
aes adicionais de manuteno preventiva so tomadas para reduzir as falhas dos produtos. Neste cenrio o valor limite de taxa de falha calculado para minimizar o custo
total esperado.
Panagiotidou e Tagaras (2007) apresentam um modelo para otimizao de manuteno preventiva em um processo de produo com dois estados de qualidade: sob controle
e fora de controle. Apresentam ainda exemplos numricos com as distribuies Weibull
e Gama.
ventivas e a quantidade tima destas manutenes antes do sistema ser substitudo que
minimizam a taxa de custo esperado, considerando dois modos de falha, uma passvel de
manuteno e outro no. O mtodo utiliza taxa de falha no decrescente e so apresentados exemplos numricos para modelos de leis de potncia. You, Li e Meng (2011) desenvolvem duas polticas de manuteno preventiva sujeitas a reparos imperfeitos e condies
operacionais variveis utilizando o modelo de falha proporcional estendido (EPHM).
Manuteno preventiva baseada no tempo a substituio de um sistema, subsistema ou componente, ainda que em perfeito estado de funcionamento, em intervalos de
tempo constante. A manuteno preventiva deve ser chamada de manuteno preditiva
quando existir uma razo plausvel para o agendamento do servio. So apresentadas as
formulaes para aplicar trs razes diferentes: mnima conabilidade admissvel, mxima
taxa de falha permitida e mnimo custo estimado por ciclo de manuteno.
Embora exista um grande nmero de trabalhos sobre manutenes corretiva e preventiva, no foram encontradas aplicaes da distribuio
q -Weibull.
As expresses de
t,
posteriormente pela
6.2
Assuma que
abilidade
119
Rq (t) quando t T
(6.2.1)
t>T
no intervalo de tempo
T < t 2T
O valor da conabilidade
T.
T < t 2T,
T.
Neste caso,
(6.2.2)
tT
unidades de
tempo desde que a manuteno reparou o item para a condio de novo no instante
Equao 6.2.3 estende o conceito para qualquer valor de tempo
T.
(1987)).
(6.2.3)
t
n(t) = integerpart
,
T
onde integerpart(x) retorna a parte inteira de
expressa por:
(6.2.4)
q -Weibull
(6.2.5)
120
Captulo: 6
Rmq,T (t) =
exp
exp
n(t)
(2 q)
t0
(2 q) tn(t)T
.
t0
1
2q
1
2q
T t0
t0
, , t0
(6.2.6)
t (Rmq,T (t))
e o intervalo
T.
n(t)
T t0
(6.2.7)
2q
n(t)
T t0
1
(2q) xn(t)T t0
t
(t0 )
t0
1 n(t)T
t0
expq xn(t)T
t0
dx
(6.2.8)
ou ainda
T t0
t0
n(t)
n(t)
(2
q)
exp 2q
t0
Tt
t
0
1
(2q) xn(t)T t0
n(t)T +t0
(t0 )
t0
xn(t)T
t
expq
t0
(6.2.9)
dx.
Note que a primeira parte da soma que compe a Equao 6.2.9, ou seja,
1 O termo
preditiva
foi utilizado, pois o intervalo de manuteno foi especicado com base na predio
6.2
exp
1
2q
n(t)
T t0
(2 q) t0
,
relao ao tempo de
F mq,T (t)
121
constante de
t.
at
Assim, a derivada em
n(t)
(2 q)
f mq,T (t) =
exp 1 T t
2q
t00
t0
.
expq tn(t)T
t0
n(t)T
(2q)
(t0 )
tn(t)T t0
t0
1
(6.2.10)
hmq,T (t) =
f mq,T (t)
.
Rmq,T (t)
(6.2.11)
hmq,T
de falha limite.
com
kR
0 < k < 1.
Quando
k1
Rmkq,T (t) =
k exp
1
2q
(2 q)
T t0
t0
n(t)
exp
1
2q
(2 q)
tn(t)T t0
t0
(6.2.12)
A no conabilidade em manuteno preventiva com reparo imperfeito :
F mkq,T (t) = 1 k exp
1
2q
(2 q)
T t0
t0
n(t)
exp
1
2q
(2 q)
tn(t)T t0
t0
(6.2.13)
122
Captulo: 6
n(t)
(2 q)
f mkq,T (t) =
k exp 1 T t
2q
t00
tn(t)T t0
.
expq
t0
(2q)
(t0 )
tn(t)T t0
t0
1
(6.2.14)
T
t0
O tempo esperado por ciclo de manuteno segundo Huang, Miller e Okogbaa (1995)
tf (t)dt + T
f (t)dt.
Utilizando a distribuio
q -Weibull
podemos escrever:
T
E[T ] =
tfq (t)dt + T
t0
fq (t)dt.
(6.2.15)
T
tfq (t)dt = T Rq (T ) +
t0
Rq (t)dt,
(6.2.16)
t0
E[T ] = T Rq (T ) +
= T Rq (T ) +
=
T
t0
T
Rq (t)dt + T
fq (t)dt
Rq (t)dt + T Rq (T )
(6.2.17)
t0
Rq (t)dt.
t0
6.3
Exemplos
123
q2 1
T t0
1
,
(T t0 ) 2 F1 1q , ; 1 + ; (1 q) t0
E[T ] =
(t )
t0
1
,
0
, q = 1,
0 1 , Tt
q 6= 1
(6.2.18)
ab
onde 2 F1 (a, b; c; z) a funo hipergeomtrica denida por 1 +
z + a(a+1)b(b+1)
z2 +
c 1!
c(c+1)2!
a(a+1)(a+2)b(b+1)(b+2) 3
z + (vide Gradshteyn, Ryzhik e Jerey (1994) equaes 9.14 1 e
c(c+1)(c+2)3!
9.100 )
O custo esperado por ciclo de manuteno (vide Huang, Miller e Okogbaa (1995))
E[C] = Cc Fq (T ) + Cp Rq (T ),
onde
Cc
Cp
(6.2.19)
De acordo com o modelo Barlow-Hunter o custo de manuteno esperado por unidade de tempo de operao (Barlow e Hunter (1960), Assis (1999)):
Z[T ] =
E[C]
Cc Fq (T ) + Cp Rq (T )
=
E[T ]
E[T ]
(6.2.20)
Minimizar
Z[T ] =
Cc Fq (T )+Cp Rq (T )
E[T ]
calculado por
(6.2.21)
6.3 Exemplos
Foram criados cinco cenrios para exemplicar a inuncia da manuteno preventiva na conabilidade, na derivada temporal da no conabilidade e na taxa de falha.
Os cenrios 1 e 3 representam componentes cujos tempos de vida seguem a distribuio
q -Weibull
C4
e o componente dependente
C3 .
C3 o gatilho que
pd = 0, 9. Veja o captulo
C4 .
124
Captulo: 6
5 para mais detalhes sobre a porta PDep em rvores de falha dinmicas e distribuio
q -Weibull.
q -Weibull
dos componentes.
Componente
t0
Taxa de falha
C1
C2
C3
C4
2,5
1000
1,5
Unimodal
2,5
2000
0,5
Crescente
1500
1,5
Unimodal
10
10000
Crescente
T,
os fatores de perfeio
k,
os
formatos das funes taxa de falha e os custos de manuteno corretiva e preventiva para
todos os cenrios so mostrados na Tabela 6.2.
Taxa de falha
CC
CP
C1
C1
C2
C2
500
Unimodal
10 000
500
500
0,85
Unimodal
500
Crescente
10 000
500
500
0,9
Crescente
1 000
Bimodal
10 000
500
1 000
10 000
500
1)
2)
3)
4)
5a)
5b)
P DepC3 ,C4
pd = 0, 9
P DepC4 ,C3
com pd = 0, 9
com
Unimodal/
Crescente
T = 173h
C1
Exemplos
125
6.3
1
0,9
0,8
0,7
0,6
0,5
0
10
20
30
40
50
60
t 10 h
Figura 6.3.1: Conabilidade sob manuteno preventiva com intervalo de tempo
(linha contnua), com intervalo
T = 400h
T = 173h
C1
C1
0,5
0,4
0,3
0,2
0,1
0
0
10
20
30
40
50
60
t 10 h
Figura 6.3.2: Derivada temporal da funo no conabilidade do componente
a manuteno preventiva com intervalo de tempo
Rq,T (3000) = 0, 9
T = 173h
C1
sujeito
calculado com
126
Captulo: 6
hmax = 3, 0 104 h1
T = 399h. A Figura 6.3.3
0,8
0,6
0,4
0,2
0
0
10
20
30
40
50
60
t 10 h
Figura 6.3.3: Funo taxa de falha do componente
intervalo de tempo
T = 399h
C1
C1
C1 ,
Cc = 10.000
unidades
Cp = 500
Zq = 2, 40
T = 353h
e o
6.3
Exemplos
127
ZqHtL
12
ZqHtL
10
8
3,6
3,4
3,2
3
2,8
2,6
2,4
2
t 10 h
4
2
0
20
40
60
80
100
t 10 h
Figura 6.3.4: Custo por ciclo de manuteno (unidades monetrias/h). O detalhe mostra
a localizao do custo mnimo.
k = 0, 85
a ocorrncia de manuteno.
T = 548h
T = 700h)
, e sem
Captulo: 6
128
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0
10
20
30
40
50
60
t 10 h
Figura 6.3.5: Funo conabilidade com manuteno preventiva de intervalo
T = 548h
Rmkq,T (1000) = 0, 8), com reparo imperfeito e fator de perfeio k = 0, 85 traada em linha contnua. Funo conabilidade
com manuteno preventiva de intervalo T = 700h (tracejada) e conabi(valor calculado fazendo
C1
Note que a imperfeio nos reparos faz com que a conabilidade com as intervenes
de manuteno atinja valores menores do que sem tais intervenes para os instantes de
tempo iniciais. A medida em que o tempo
C1
Exemplos
129
6.3
0,5
0,4
0,3
0,2
0,1
0
0
10
20
30
40
50
60
t 10 h
Figura 6.3.6: Derivada temporal da funo no conabilidade do componente
nuteno preventiva com intervalos de tempo
tos com fator de perfeio
T = 500h
C1 , em ma-
e reparos imperfei-
densidade de probabilidade de
componente
C1
O intervalo de manuteno
mximo de taxa de falha
hmax
as aes de manuteno reduzam a taxa de falha, neste exemplo, para valores de tempo
superiores a
4 000h,
uma taxa de falha mais alta nos instantes iniciais compensa uma taxa de falha inferior
em instantes futuros sem realizar manutenes programadas. A Figura 6.3.7 mostra as
funes taxa de falha.
Captulo: 6
130
0,8
0,6
0,4
0,2
0
0
10
20
30
40
50
60
t 10 h
Figura 6.3.7: Funo taxa de falha de
C1
tempo
Os
em linha tracejada.
1 500h.
T = 264h,
de funcionamento de
em intervalos de
Exemplos
131
6.3
1
0,9
0,8
0,7
0,6
0,5
0
10
15
20
25
30
t 10 h
C2
T = 264h
C2
T = 500h em linha
C2
C2 .
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
10
15
20
25
30
t 10 h
Figura 6.3.9: Derivada temporal da no conabilidade do componente
C2
em manuteno
C2
hmax = 5 104 h1
as manutenes
132
Captulo: 6
800h.
3,5
3
2,5
2
1,5
1
0,5
0
0
10
15
20
25
30
t 10 h
C2 sob regime de manuteno preT = 800h e reparo perfeito traada em
linha contnua e taxa de falha de C2 sem aes de manuteno em linha
tracejada. Os parmetros do componente C2 esto na Tabela 6.1.
Cc = 10 000
(valores iguais aos aplicados na subseo 6.3.1, veja Tabela 6.2). O intervalo encontrado
(T
= 443h)
Zq = 1, 88
Exemplos
133
16
2,1
14
2,05
ZqHtL
6.3
ZqHtL
12
10
2
1,95
1,9
t 10 h
6
4
2
0
10
15
20
25
30
t 10 h
Figura 6.3.11: Custo por ciclo de manuteno. O detalhe mostra a localizao do custo
mnimo.
544h,
350h.
que intervalos de manuteno menores necessariamente no signicam valores de conabilidade mais altos quando se trata de reparo imperfeito. Neste caso, intervalos menores
tornaram a conabilidade menor, fato no ocorrido no exemplo da subseo 6.3.2.
Captulo: 6
134
1
0,9
0,8
0,7
0,6
0,5
0
10
15
20
25
30
t 10 h
Figura 6.3.12: Funo conabilidade do componente
C2
T = 544h (calculado com Rmkq,T (1500) = 0, 7) e reparos imperfeitos com fator de perfeio k = 0, 9 (linha slida), conabilidade
para T = 350h com mesmo valor de k (linha tracejada) e conabilidade
de C2 sem manuteno (linha trao-ponto). Os parmetros de C2 esto na
intervalos de tempo
Tabela 6.1.
C2
sob regime
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
10
15
20
25
30
t 10 h
C2 em regime de manuteno
T = 544h e fator de perfeio k = 0, 9 traada em
C2
6.3
Exemplos
135
hmax
= 516h)
= 2, 5 104 h1 .
2
1,75
1,5
1,25
1
0,75
0,5
0,25
0
0
10
15
20
25
30
t 10 h
Figura 6.3.14: Funo taxa de falha de
tempo
T = 516h
C2
e fator de perfeio
k = 0, 9
C2
esto na
Tabela 6.1.
6.3.5 Cenrios 5a e 5b
Os cenrios 5a e 5b utilizam um subsistema composto de dois componentes associados por uma porta PDep (Dependncia Probabilstica). No cenrio 5a um componente
C3
cenrio 5b o componente
C4
pd = 0, 9.
A Figura 6.3.15
Captulo: 6
1
0,9
0,8
0,7
0,6
0,5
0
136
1
0,9
0,8
0,7
0,6
0,5
0
t 10 h
t 10 h
a)
b)
Figura 6.3.15: Funo conabilidade da porta PDep sob manuteno preventiva em intervalos de tempo
Em a)
Em ambas as situaes, as intervenes de manuteno retardam a queda da conabilidade medida em os intervalos de manuteno tornam-se menores. Os parmetros
dos componentes do subsistema esto na Tabela 6.1.
6.3
Exemplos
137
0,6
0,5
0,4
0,3
0,2
0,1
0,5
0,4
0,3
0,2
0,1
0
0
t 103h
t 103h
a)
b)
Figura 6.3.16: Derivada temporal da funo no conabilidade da porta PDep sob manuteno preventiva em intervalos de tempo
C3
T = 568h ; em b) o compoT = 884h. Os parmetros dos
C4 ,
C4
o gatilho e
C3
o gatilho
1,4
1,2
1
0,8
0,6
0,4
0,2
0
2
1,5
1
0,5
0
8
3
10
12
14
10
t 103h
t 10 h
a) bimodal
b) unimodal-crescente
Figura 6.3.17: Funo taxa de falha da porta PDep sob manuteno preventiva em intervalos de tempo
a)
com
8 700h,
o valor da taxa
138
Captulo: 6
cada vez mais do valor mximo de taxa de falha adotado. Fica evidente que a adoo de
um valor mximo de taxa de falha preservar o sistema para valores de tempo elevados.
Para o painel a) da mesma gura, esta mesma constatao no pode ser vericada. Para
tempos superiores a
12 500h,
inferior ao valor mximo adotado, e para alguns instantes de tempo, inferior taxa de
falha do subsistema submetido a manutenes programadas.
6.4 Concluses
A distribuio
q -Weibull
reparos perfeitos e imperfeitos. Trs mtodos para a determinao do intervalo de manuteno foram apresentados:
permitido para taxa de falha e custo mnimo por ciclo de manuteno. Os dois primeiros
mtodos foram utilizados para servios de manuteno com reparo perfeito e imperfeito
enquanto que o ltimo mtodo foi aplicado apenas para reparo perfeito. Para o clculo
do custo mnimo por ciclo de manuteno, foi deduzida a expresso do custo por ciclo de
manuteno em funo do intervalo de tempo de interveno.
Os custos por ciclo de manuteno de cada subsistema podem indicar qual ou quais
deles mais contribuem para gastos.
podem ser investigados num nvel de detalhamento maior, especicando cada componente
e reaplicando alguma das tcnicas descritas para controle de taxa de falha, conabilidade
ou custo.
Os resultados mostram novas possibilidades de determinao de intervalos de manuteno preventiva, especialmente em situaes nas quais os modelos de Weibull e ex-
6.4
Concluses
139
ponencial no so realistas. Os casos mostrados nas Figuras 6.3.7 e 6.3.17a) ilustram tais
situaes onde as taxas de falha so crescentes para os instantes iniciais, mas no so
montonas. Estes casos no podem ser modelados pela distribuio Weibull (com taxa de
falha montona), nem pela exponencial, cuja taxa de falha constante, mas so cobertos
com o uso da distribuio
q -Weibull.
141
7 Consideraes nais
7.1 Concluses
Vrias formulaes matemticas para a funo taxa de falha so encontradas na
literatura. Muitos destes modelos, so complicados e apresentam muitos parmetros. A
incluso dos parmetros muitas vezes feita de forma emprica, ou com algum objetivo
especco, como por exemplo, a especicao de parmetros dependentes do tempo, ou
a exponenciao da distribuio elevando a funo acumulada a um expoente positivo.
Muitos modelos propostos modicam modelos j existentes, como por exemplo, os modelos
derivados da distribuio Weibull. Tais modelos possuem em comum a grande quantidade
de parmetros e o fato de suas naturezas serem exponenciais.
O modelo proposto para aplicao em conabilidade a generalizao q -Weibull.
"
"
##2q
t t0
, onde expq =
A sua funo de falha acumulada Fq (t) = 1 expq
t0
1
[1 + (1 q) x]+1q ,
q 1.
Em situaes adequadas
o modelo tende a uma lei de potncia, com cauda de caimento acentuado, caracterstica
esta, capaz de garantir mais exibilidade ao seu formato de taxa de falha.
O modelo
q -Weibull
quatro formatos de taxa de falha: montono crescente (com e sem tempo limite), montono decrescente, unimodal ou banheira (ou com formato de U). Todos estes formatos
so obtidos com um conjunto de parmetros xo. Este o primeiro trabalho que identica
na distribuio
q -Weibull
buio Weibull capaz de representar em sua taxa de falha, apenas formatos montonos,
decrescente (
< 1),
q -Weibull
constante (
= 1)
e crescente (
> 1).
q-
q -Weibull
A distribuio
142
Captulo: 7
Consideraes finais
q -Weibull
q -Weibull e Weibull.
Os dois formatos no
poderiam ser obtidos com a utilizao da distribuio Weibull, com apenas um conjunto
de parmetros. Para tal, seria necessrio
< 1,
= 1,
todas as anlises,
Tal concluso
perceptvel nas Figuras 4.3.1, 4.3.2 e 4.3.3 (pginas 51, 52 e 53), nas quais se observa que
a curva de taxa de falha
q -Weibull
na cauda da distribuio.
tempos de vida, com todos os modos de falha, foram utilizados para cada um dos ajustes.
A distribuio
= 1, 74).
= 0, 65),
= 1, 04)
no
e, no trecho
De forma geral, modelos com um nmero maior de parmetros tendem a ser mais
exveis.
ajuste do modelo. O Critrio de Informao Akaike (AIC) foi utilizado para comparar
a ecincia dos modelos, considerando que possuem quantidades diferentes de parme-
7.1
Concluses
tros. O modelo
143
q -Weibull
q -Weibull
diferentes, a combinao destes formatos nas duas entradas fornecem 10 casos para as
portas AND e OR e 20 casos para as portas PDep, PAND e SEQ, pois nestas, a ordem
(ou a posio) das entradas interfere no resultado.
Para a porta KofN foi ilustrada a situao
2de3
A porta WSP foi ilustrada com 7 casos diferentes, 5 destes com apenas um componente
principal e um reserva com mesmo formato de taxa de falha, outro com principal e reserva
de formatos diferentes e o ltimo caso com principal e dois componentes reserva de mesmo
formato de taxa de falha.
Os resultados mostram uma grande variedade de formatos de taxa de falha diferentes. Praticamente todos os formatos classicados em Murthy, Xie e Jiang (2004, p. 48),
que apresenta muitas maneiras de modicao do modelo Weibull, como parmetros dependentes do tempo, exponenciais aninhadas e Weibull exponenciada, foram reproduzidos
(vide Figura 5.3.1 na pgina 115).
Um resultado importante foi encontrado na porta que modela a dependncia probabilstica PDep com apenas 2 entradas (e consequentemente 6 parmetros). Este modelo
apresenta 10 formatos de taxa de falha diferentes:
a) decrescente;
b) decrescente-constante;
144
Captulo: 7
Consideraes finais
c) decrescente-unimodal;
d) constante-crescente;
e) unimodal;
f ) unimodal deslocada;
g) unimodal-crescente;
h) bimodal;
i) formato de U ;
j) formato de W .
Este modelo parece ter sido o mais verstil quando so comparados seus resultados ao
nmero de parmetros necessrios para sua utilizao. Trabalhos futuros podero utilizar
as funes densidade e acumulada deduzidas segundo o formalismo PDep como uma
distribuio derivada da
q -Weibull.
Embora os formatos de taxa de falha unimodal e banheira possam ser obtidos a partir
de duas entradas, uma com taxa de falha decrescente, e outra crescente, em portas AND
e OR respectivamente a distribuio Weibull possui a desvantagem de necessitar para
isto, do uso de 3 parmetros adicionais.
A distribuio
q -Weibull
q -Weibull
formatos diferentes de taxa de falha. A Tabela 5.13 na pgina 116 mostra alguns destes
formatos possveis (vide Captulo 5 na pgina 61).
Uma vez que possvel prever a falha de um sistema a partir de seus componentes,
uma poltica de manuteno programada pode ser criada para reduzir os custos de manter
um sistema em operao. Ao estabelecer um critrio para que tarefas de manuteno sejam
iniciadas, pode-se antecipar condio falha e evitar os prejuzos de uma parada no
esperada. A distribuio
q -Weibull
0<k <1
foi usado para descrever o grau de perfeio do reparo (tanto maior quanto
mais prximo de 1). Este fator multiplicativo afeta o valor da conabilidade cada vez que
o reparo imperfeito realizado.
7.2
145
O formalismo das AFD torna possvel que, em sistemas nos quais h um grande
nmero de componentes, estes possam ser agrupados como subsistemas e as funes de
no conabilidade e suas derivadas possam ser montadas (analiticamente ou em forma
tabular).
q -Weibull.
Houve acesso apenas a tempos de vida de uma estao de solda e a dados isolados
sobre alguns equipamentos de poos de petrleo, o que proporcionou a validao do modelo
de taxa de falha. O acesso a informaes adicionais sobre manuteno de componentes,
de equipamentos, condies de operao, estratgias de manuteno, fatores ambientais,
dentre outros, permitiria a validao do modelo de forma bem mais ampla e rigorosa.
q -Weibull
e o modelo IDB (
Increasing, Decrea-
exponencial, pode ser realizada para vericar as vantagens e desvantagens de cada uma.
propostos, pode ser feita para permitir uma comparao entre os modelos aplicados.
O conhecimento dos custos por ciclo de manuteno dos subsistemas podem fornecer
a indicao de quais deles oneram a instituio. Os subsistemas mais custosos podem ento
ser estudados em um nvel de detalhamento mais profundo, alcanando cada componente
146
Captulo: 7
Consideraes finais
e reaplicando alguma das tcnicas descritas para controle de taxa de falha, conabilidade
ou custo.
147
Referncias
AKAIKE, H. A new look at the statistical model identication.
IEEE Transactions on
q -Weibull
Fundamental Concepts of
Operations
IMEC
[s.n.], 2004.
Reliability
148
Referncias
BORGES, E. P. On a
q -generalization
Extensivos.
J. Phys A
v. 340, p.
95101, 2004.
BRITISH STANDARDS INSTITUTION'S.
PAS 55-1:2008 :
Asset management.
PAS 55-2:2008 :
Asset management.
093509, 2008.
CASTRO, I. A model of imperfect preventive maintenance with dependent failure
modes.
CHEN, M.; FELDMAN, R. M. Optimal replacement policies with minimal repair and
age-dependent costs.
1997.
CODETTA-RAITERI, D. Integrating several formalisms in order to increase fault
trees' modeling power.
Physica A: Statistical
Referncias
149
Engineering. Boca Raton, FL, USA: IEEE Computer Society, 1999. p. 222231.
[s.n.], 1999.
Products. 5
GULATI, R.; DUGAN, J. B. A modular approach for analyzing static and dynamic
fault trees. In:
s.n.], 1997.
Annals
European
Reliability
370377.
HURVICH, C. M.; TSAI, C.-L. Regression and time series model selection in small
samples.
14224:1999(E) :
ISO
150
Referncias
pi
Journal of Mathematical
Journal of
v. 4, n. 2, p. 150161,
1998.
JOHNSON, L. The median ranks of sample values in their population with an
application to certain fatigue studies.
System Safety, v. 96, n. 8, p. 925932, 2011. Khakzad, Nima Khan, Faisal Amyotte,
Paul.
KIM, C. Warranty and discrete preventive maintenance.
Wisconsin: ASQC
Tese
p.
Referncias
151
LEMIEUX, C.
Springer, 2009.
ISBN 9780387781648.
LENZI, E.; MENDES, R.; RAJAGOPAL, A. Quantum statistical mechanics for
nonextensive systems.
LEWIS, E. E.
q-
numbers.
LONG, W.; SATO, Y.; ZHANG, H. Monte carlo simulation for analysis of sequential
Physica A: Statistical Mechanics and its Applications, v. 286, n. 1-2, p. 391395, 2000.
MANIAN, R.; DUGAN, J. B.; COPPIT, D.; SULLIVAN, K. J. Combining various
solution techniques for dynamic fault tree analysis of computer systems. In:
Reliability,
TRANSACTIONS ON RELIABILITY,
IEEE
152
Referncias
2006.
MURTHY, D. N. P.; XIE, M.; JIANG, R.
ISBN 978-1-84800-270-8.
NADARAJAH, S.; KOTZ, S. On some recent modications of Weibull distribution.
Phys. Lett. A,
Hall, 2004.
NEPOMUCENO, L. X.
Editora Edgard
Reliability
European Journal of
PASCUAL, R.; MERUANE, V.; REY, P. On the eect of downtime costs and budget
constraint on preventive and replacement policies.
PREZ, C.; MARTN, J.; RUFO, M. Sensitivity estimations for bayesian inference
models solved by MCMC methods.
p.
13101314, 2006.
PHAM, H.; LAI, C. On recent generalizations of the Weibull distribution.
IEEE
Referncias
153
q -exponential,
Weibull, and
q-
Physical
New
RAUZY, A. B. Sequence algebra, sequence decision diagrams and dynamic fault trees.
q -Weibull
J. E. C. (Ed.).
17971802.
154
Referncias
t-
and
r-distributions:
Unied derivation
Gerenciamento. Salvador:
J. Stat. Phys.,
p. 468471, 1994.
TSALLIS, C.
Springer, 2009.
[S.l.]:
http://tsallis.cat.cbpf.br/biblio.htm, 2013.
TSALLIS, C.; ANTENEODO, C.; BORLAND, L.; OSORIO, R. Nonextensive
statistical mechanics and economics.
TSALLIS, C.; LEVY, S. V. F.; SOUZA, A. M. C.; MAYNARD, R. Statisticalmechanical foundation of the ubiquity of Lvy distributions in nature.
Physical Review
TSALLIS, C.; LEVY, S. V. F.; SOUZA, A. M. C.; MAYNARD, R. Statisticalmechanical foundation of the ubiquity of Lvy distributions in nature.
q -central
fq -
Physical Review
transform.
Physics
307328, 2008. ISI Document Delivery No.: 387ZA Times Cited: 25 Cited Reference
Count: 54 Umarov, Sabir Tsallis, Constantino Steinberg, Stanly Birkhauser verlag ag
Basel.
Referncias
155
Handbook. Washington:
WEIBULL, W.
Fault Tree
Royal Swedish
q -logarithm
and
q-
Journal of
v. 305, p. 486496,
2002.
YEH, R. H.; CHANG, W. L. Optimal threshold value of failure-rate for leased
products with preventive maintenance actions.
157
f (t) =
(t t0 )1
( t0 )
"
#
t t0
exp
t0
t t0
(A.1.1)
t t0
t0
1
"
#
t t0
expq
,
t0
t t0
(A.1.2)
expq (x) =
exp(x),
(1 + (1 q) x)
0,
se
1
1q
se
se
q 6= 1
q 6= 1
q=1
(1 + (1 q) x) > 0
(1 + (1 q) x) 0
(A.1.3)
Rq (t) =
fq (x)dx,
ou seja,
Rq (t) =
t
Sabe-se que
(2 q)
t0
t0 t0
t0
1
"
#
t0 t0
expq
dt0
t0
(A.1.4)
158
Apndice A
expq ()d =
2q
1
expq ()
(2 q)
(A.1.5)
Identicando
t0 t0
t0
d =
, logo
Rq (t) = (2 q)
1
t0
t0 t0
t0
1
dt0
expq [] d ,
temos:
(A.1.6)
usando a integral da
q -exponencial
2q
1
Rq (t) = (2 q) (2q)
expq ()
t
2q
= expq ()
t 2q
0 t
0
= expq tt
0
(A.1.7)
e a conabilidade :
"
#)2q
t t0
expq
,
t0
(
Rq (t) =
t t0
(A.1.8)
(
F q (t) = 1
t t0
(A.1.9)
tt0
expq t0
2q
tt0
expq t0
(A.1.10)
"
1 (
#)q1
t t0
expq
t0
(A.1.11)
hq (t) =
f (t)
=
R(t)
(2 q)
hq (t) =
t0
(2q)
t0
t t0
t0
tt0
t0
1
A.1
159
q -exponencial
q
d expq x
= expq x
dx
Fazendo
k=
(2q)
e
t0
tt0
t0
(A.1.12)
d =
1
dt
t0
q1
hq (t) = k 1 expq
h0 q (t)
k
(A.1.13)
q1
1
= ( 1) 2 t
expq
+
0
1
q2
q
1
() 1 t
+
(q 1) expq
expq
0
(A.1.14)
q1 22
2q2
h0 q (t)
1
1
= ( 1) 2
expq
+
(q 1) expq
()
k
t0
t0
(A.1.15)
h0 q (t) =
o
q1 2 n
q1
k
expq
( 1) + (q 1) expq
()
t0
(A.1.16)
Chamando
l = ( 1) + (q 1) expq
l = ( 1) + (q 1)
q1
()
temos
n
1 oq1
1 + (1 q) +1q
()
l = ( 1) + (q 1)
l = ( 1) +
l=
n
1 + (1 q)
1 o
+
()
(q 1) ()
[1 + (1 q) ( )]+
( 1) 1 + (1 q) + + (q 1) ()
[1 + (1 q) ( )]+
(A.1.17)
(A.1.18)
(A.1.19)
(A.1.20)
160
Apndice A
( 1) + ( 1) (1 q) + (q 1) ()
l=
[1 + (1 q) ( )]+
(A.1.21)
( 1) + ( 1) (q 1) + (q 1) ()
l=
[1 + (1 q) ( )]+
(A.1.22)
( 1) + (q 1) [( 1) + ()]
l=
[1 + (1 q) ( )]+
(A.1.23)
( 1) + (1 q)
l=
[1 + (1 q) ( )]+
(A.1.24)
l=
h0 q (t) =
h0 q (t) =
1+
1q
1
q1 2
k ( 1)
expq
[1 + (1 q) ( )]+
t0
1+
1q
1
(A.1.26)
k ( 1)
t0 [1 + (1 q) ( )]+ [1 + (1 q) ( )]+
h0 q (t) =
k ( 1)
t0
(2 q) ( 1)
t0
t0
2
tt0
(2 q) ( 1) t
0
( t0 )2
1+
1q
1
(A.1.27)
(A.1.28)
[1 + (1 q) ( )]2+
h q (t) =
(A.1.25)
[1 + (1 q) ( )]+
h0 q (t) =
h
i
1q
( 1) 1 + 1
1+
1q
1
(A.1.29)
[1 + (1 q) ( )]2+
1+
1q
1
tt0
t0
2
tt
1 + (1 q) t00
(A.1.30)
A.1
0
Note que lim hq (t)
q1
(1)
(t0 )2
tt0
t0
1+
2
h0 q (t) = 0
161
1q
1
1q
1
t t0
t0
t t0
t0
t t0
t0
=
=0
(A.1.31)
=1
(A.1.32)
(A.1.33)
1
1q
1
1/
t t0
1
=
t0
1q
t = t0 + ( t0 )
1
1q
(A.1.34)
1/
(A.1.35)
(2 q)
hq (t ) =
t0
t t0
t0
"
1 (
#)q1
t t0
expq
t0
(2q)
t0
t0 +(t0 )( 1
1q )
1/
t0
1
t0
"
#)
q1
1/
t0 +(t0 )( 1
t0
1q )
expq
t0
hq (t ) =
(2q)
t0
hq (t ) =
1
1q
hq (t ) =
(2q)
t0
Recorrendo a denio da
1
1q
#)q1
h
1
n
ioq1
1
expq 1q
q -exponencial
(A.1.37)
1/ 1
"
1/
1
expq
1q
(A.1.36)
em Equao A.1.3
(A.1.38)
(A.1.39)
162
Apndice A
hq (t ) =
(2q)
t0
1
1q
h
1
(2q)
t0
hq (t ) =
hq (t ) =
1 (1 q)
1
1q
(2q)
t0
1
1q
q1
1
i 1q
(A.1.40)
q1
1
1
1q
[]+
2q
t0
hq (t ) =
1
1q
1
1
1q
(A.1.41)
(A.1.42)
1
(A.1.43)
m=
1+
v=
(2q)(1)
, fazendo
(t0 )2
1q
1
tt0
t0
u=
tt0
t0
2
2
tt0
1 + (1 q) t0
(A.1.44)
(A.1.45)
(A.1.46)
Sabemos que:
u =
2
t0
t t0
t0
3
(A.1.47)
2
1q
tt0
tt0
Na Equao A.1.44 fazendo r = 1+
e s = 1 + (1 q)
1
t0
t0
+
0
0
r 0
r srs
r
0
temos v =
e a derivada do quociente v =
=
.
s
s
s2
A.1
r =
163
1q
1
t0
tt0
t0
1
(A.1.48)
"
#)
1
() (1 q) t t0
t
t
0
0
s = 2 1 + (1 q)
t0
t0
t0
(
(A.1.49)
2
tt0
vs =
1 + (1 q) t0
1
()(1q)
1q
tt0
tt0
tt0
1 + 1
2
1
+
(1
q)
t0
t0
t0
t0
0 2
1q
1
t0
tt0
t0
1
(A.1.50)
1
tt0
1 + (1 q) t0
tt0
1
1 + (1 q) t0
+
1
1q
tt0
2
1 + 1
t0
(1q)
t0
vs =
0 2
Chamando
p =
p=
tt0
t0
1
1
(A.1.51)
1q
tt0
tt0
+ 1 + 1
2
1 + (1 q) t0
t0
te-
mos
p=
1
1
1q
1
1
1
1q
tt0
tt0
t0
+ 2 + 2 1
t0
p=
1q
1
1
1
tt0
t0
1q
1
+2+2
tt0
t0
1q
1
+2
tt0
t0
(A.1.52)
(A.1.53)
(A.1.54)
164
Apndice A
0 2
vs =
(1q)
t0
tt0
t0
1
tt0
1q
tt
1
0
1 + (1 q) t0
+ 1
+2
1
t
0
(A.1.55)
v0 =
(1q)
t0
tt0
t0
1
1q
1
+ 1
1
3
tt
1+(1q) t0
0
tt0
t0
+2
(A.1.56)
Agora temos:
h00q (t) = m
0
+
1
(1q)
tt0
1q
tt0
1
+ 1
+2
t0
t0
1
t0
3
tt0
1+(1q) t
0
3
2
tt0
t0
t0
2
tt
t0
tt0
1q
1+( 1
) t
0
2
tt
1+(1q) t0
(A.1.57)
h00q (t) = m
1
2
tt
(t0 ) 1+(1q) t0
0
Denominando
tt0
t0
3
1q
1
tt0
t0
( 2) + ( 2)
+
tt0
1q
tt0
1
(1 q) t
+
+2
0
1
1
t
0
tt
1+(1q) t0
0
(A.1.58)
1q
tt
( 2) + ( 2) 1
+
t0
tt
1q
0
tt
1
0
g =
(1 q) t0
+ 1
+2
1
t0
tt0
1+(1q)
t0
mos:
te-
A.1
g=
165
tt0
( 2) + ( 2)
1 + (1 q) t0
+
tt0
1q
tt0
1
(1 q) t
+ 1
+2
0
1
t0
1q
1
tt0
t0
tt
1+(1q) t0
0
(A.1.59)
g=
1q
tt0
( 2) + ( 2) 1
+
t0
1q
tt0
tt0
(1 q) t0
+
( 2) + ( 2) 1
t0
tt0
1q
tt0
1
(1 q) t
+
+2
0
1
1
t0
tt
1+(1q) t0
0
1q
tt0
tt0
( 2) + ( 2) 1
( 2) (1 q) t0 +
2 0
1q
1q
tt0
tt0
( 2) (1 q) t0
+ 1
+
1
t0
1q
tt0
tt0
(1 q) 1
+ 2 (1 q) t
t0
0
g=
tt0
1 + (1 q) t
(A.1.60)
(A.1.61)
1q
tt
tt
0
0
( 2) + (2 2) 1
+ ( + 2) (1 q) t0 +
t0
2
1q
tt0
2 (1 q) 1
t0
g=
tt0
1 + (1 q) t0
(A.1.62)
166
Apndice A
2
1q
tt0
tt0
tt0
( 2) + 2 (1 q) t
+ ( + 2) (1 q) t0 + 2 (1 q) 1
t0
0
g=
tt0
1 + (1 q) t
0
(A.1.63)
2
1q
tt0
tt0
( 2) + ( + 4) (1 q) t
+ 2 (1 q) 1
t0
0
g=
tt0
1 + (1 q) t
0
Retornando os valores de
h00q (t) =
(2q)(1)
3
(t0 )
tt0
t0
3
(A.1.64)
m:
tt0
+ 2 (1
t0
3
tt
1+(1q) t0
( 2) + ( + 4) (1 q)
q)
1q
1
tt0
t0
2
(A.1.65)
(1 q)
tmax t0
t0
tmax t0
=
t0
1
1q
=1
tmax t0
t0
tmax t0
t0
1
tmax t0 = ( t0 )
=0
(A.2.1)
1
1q
(A.2.2)
1
1q
1
(A.2.3)
tmax = t0 + ( t0 ) (1 q)
(A.2.4)
A.3
167
0n =
tn fq (t)dt =
t t0
t0
1
"
#
t t0
dt
expq
t0
(A.3.1)
t0
chamando
0n
tn (2 q)
t0
tt0
temos
t0
t = ( t0 ) + t0
dt = ( t0 ) d
h
i
= [( t0 ) + t0 ] (2 q)
( )
expq ( ) ( t0 ) d
t0
i
h
o
n n
P
1
j nj
n
( t0 ) d
(
)
(
)
exp
=
(2
q)
[(
t
)
]
t
0
q
0
t0
j
t0 j=0
)
(
h
i
n
j
P
j
1
n nj
t
( t0 ) (2 q) ( )
expq ( ) d
=
j 0
j=0
t0
(
)
h
i
n
P
n nj
=
t
( t0 )j (2 q) ( )+j1 expq ( ) d
j 0
n
t0
j=0
t0
(A.3.2)
= x
chamando
d =
0n
1
1
x
dx.
temos
dx = 1 d
0n
Retornando a
= x
logo
d =
1
1 1 dx ou seja
temos:
1 +j1
1
1
( t0 ) (2 q) x
expq x
=
1 dx
x
j=0
0
n
+j1
1
P
j
n nj
t
(
t
)
(2
q)
x expq [x] x dx
=
0
j 0
j=0
0
j
n
P
j
n nj
=
t
( t0 ) (2 q) x expq [x] dx
j 0
n
P
n
j
tnj
0
j=0
expq (x) =
(A.3.3)
1
q1
q -exponencial
0
(A.3.4)
168
Apndice A
0n
n-simo
=
=
n
P
momento ca:
n
j
tnj
0
n
j
tnj
0
j=0
n
P
j=0
( t0 ) (2 q)
( t0 ) (2 q)
x dx expq [x]
j
x dx
1
1
( q1
)
1
1
q1
(q1)xu
du
(A.3.5)
0n
n
P
j
nj
n t0 (t0 ) (2q)
j
( 1 )
q1
j=0
du u
1
1
q1
(q1)xu
dxx e
(A.3.6)
ev v z1 dv
(z) =
(A.3.7)
Identicando
z = 1 + j/
v = (q 1)xu
temos
x=
v
com
(q1)u
dx =
dv
e
(q1)u
z 1 = j/
logo
temos que:
(q1)xu
dxx e
dv
(q1)u
v
(q1)u
0 (q1)
1+
1+
(q1)
1+
1+
1+
(q1)
ev
dv
1+
j
v ev
(A.3.8)
v e dv
j
1+
0
Retornando:
0n
n
P
j=0
Organizando:
j
nj
n t0 (t0 ) (2q)
j
( 1 )
q1
du u
1
1
q1
(1+ j )
(q1)
1+
1+
(A.3.9)
A.3
0n =
j
j
nj
n t0 (t0 ) (2q)(1+ )
n
P
j=0
=
=
(q1)
j=0
1
q1
1+
(q1)
1
q1
)
du u
1
1
q1
eu
j=0
du u
1
11 j
q1
0n =
n
P
j=0
1
1+
j
j
nj
j
1
n t0 (t0 ) (2q)(1+ )
du u q1 2
j
j
1+
1
(q1) ( q1
0
)
n
P
1+
j
j
nj
n t0 (t0 ) (2q)(1+ )
n
P
169
)
eu
)
(A.3.10)
eu
temos:
j
j
nj
n t0 (t0 ) (2q)(1+ )
j
1
j
j
q1
1+
1
(q1) ( q1
)
)
(A.3.11)
1
1
> 0 q 1 > 0 q > 1 e q1
1 j > 0 q1
> 1 + j
q 1 < +j
q < 1 + +j
, ou seja 1 < q < 1 +
, onde j = 1, 2, , n ento
+j
1
1 < q < 1 + +n . A Equao A.3.11 pode ser reescrita considerando que q1
1 = 2q
q1
1
e usando a propriedade da funo gama (m + 1) = m(m). Identicando m + 1 =
,
q1
2q
1
1
1
= q1
1 q1
1 = 2q
q1
. Com isso Equao A.3.11
portanto
q1
q1
1
q1
Com as restries
ca:
0n =
n
P
j=0
0n =
n
P
j
j
nj
n t0 (t0 ) (2q)(1+ )
j
j
1+
2q
(q1) ( 2q
q1 ) ( q1 )
(
n nj
t
( t0 )j
j 0
(1+ j )
j
(q1)
1
q1
1
q1
)
(A.3.12)
)
(
j
j
1
1
1 + q1 1
=
j
( 2q
q1 )
(q1)
j=0
n
P
(t0 )j
(nj)tnj
0
j
2q
j
1
=
1 + q1
j
( 2q
q1 )
(q1)
j=0
j=0
n
P
n
j
(t0 )j
)tnj
0
2q
q1
(A.3.13)
ou seja:
0n =
n
P
j=0
(
n
j
tnj
0
( t0 ) 1 +
( 2q
j )
q1
j
(q1)
2q
q1
,
)
1<q <1+
+n
(A.3.14)
170
Apndice A
0
Note que limq1 n
o
n n
P
j
n nj
j
que a expresso do n-simo
( t0 ) 1 +
=
t
j 0
j=0
=2
e limj qmax
qmax = 1 +
Chamando
= 1,
= 1.
q -exponencial
vlida para
q<1
vide Lenzi,
expq (x) =
2q
1q
e1+iu
2q
e(1q)(1+iu)x du,
(A.3.15)
(1+iu) 1q
n-simo
momento ca
1+iu
j 1
2q
n nj
e
(1q)(1+iu)x
0n =
t0 ( t0 )j (2 q) dx x
e
du
2q
j
2
1q
1q
(1
+
iu)
j=0
0
n
X
(A.3.16)
0n =
n
X
n
j=0
tnj
( t0 )j (2 q)
0
2q
1q
du
(1 + iu)
1+iu
dx x e(1q)(1+iu)x
2q
1q
(A.3.17)
v = (1 q)(1 + iu)x,
dx x e(1q)(1+iu)x =
=
dv v z1 ev ,
logo
dv = (1 q)(1 + iu)dx
j
dv
1
(1q)(1+iu)
1
(1q)(1+iu)
(1q)
1+
1+ j
=
e assim
0
e a integral ca
(z) =
1+
(1+iu)
v
(1q)(1+iu)
j
dv (v) ev
0
1 + j ,
ev
(A.3.18)
A.3
171
2q
nj
( 1q
)
j
t0 ( t0 ) (2 q) 2
0
n =
1+iu
1
du e 2q
1 + j
j
j
j=0
1+
1+
1q
n
j
(1+iu)
(1q)
(A.3.19)
(1+iu)
2q
j
1
+
1+iu
1q
n nj
e
1
t0 ( t0 )j (2 q)
du
0n =
2q
j
1+
1+ j
j
2
1q (1 + iu)
(1
+
iu)
(1
q)
j=0
n
X
(A.3.20)
0n =
n
X
n
j
tnj
0
( t0 )
j=0
2q
1q
e1+iu
du
(2q) (1+ ) 1
j 2
(1q)
(1q)
1
2q
(1+iu) 1q (1+iu)
1+
(A.3.21)
j
n nj
2 q (2 q) 1 + 1
e1+iu
j
0
n =
t
( t0 )
du
,
2q
+1+ j
j 0
1 q (1 q) (1 q) j 2
1q
(1
+
iu)
j=0
n
X
(A.3.22)
mas a funo gama admite outra representao integral (vide Gradshteyn, Ryzhik e Jerey
(1994) equao 8.315 2).
2eab bz1
=
(z)
du
ebui
(a + iu)z
(A.3.23)
identicando
a = 1, z =
du
assim a expresso do
2q
1q
+1+
j
,
e1+iu
2q
j
+1+
(1+iu) 1q
n-simo
b = 1,
=e
du
eui
2q
(1+iu) 1q
2e1 1z1
e 2q +1+ j
( 1q
)
2
( 2q
+1+ j )
1q
momento ca:
+1+
(A.3.24)
172
Apndice A
j
n
1
+
X
2 q (2 q)
n nj
2
1
t0 ( t0 )j
0n =
j
1 q (1 q) (1 q) j 2 2q + 1 + j
j=0
1q
(A.3.25)
1+ j
n nj
1
2q
j (2 q)
0
t
( t0 )
n =
j 0
(1 q)
1 q (1 q) j 2q + 1 + j
j=0
1q
n
X
usando a propriedade
(z + 1) = z(z)
(A.3.26)
tem-se:
1+ j
1
n nj
2q
j
0
+1
n =
t
( t0 )
j
j
j 0
1q
(1 q) 2q
+
1
+
j=0
1q
(A.3.27)
2q
+
1
1q
n nj
j
0n =
t0 ( t0 )j 1 +
j
(1 q) j 2q + 1 + j
j=0
(A.3.28)
32q
1q
n nj
j
j
0
n =
t
( t0 ) 1 +
j 0
(1 q) j 32q + j
j=0
1q
(A.3.29)
n
X
n
X
1q
n
X
n-simo
momento ca:
0n =
n
P
j=0
(
n
j
tnj
0
( t0 ) 1 +
q<1
( 32q
1q )
j
(1q) ( 32q
+ j )
1q
)
,
(A.3.30)
A.3
173
(t
n =
n
01 )
(t
fq (t)dt =
n
01 )
(2 q)
t0
t t0
t0
"
#
t t0
expq
dt
t0
1
t0
(A.3.31)
h
i
1
[( t0 ) + t0 01 ]n (2 q) t
(
)
exp
(
)
( t0 ) d
q
0
t0 (
)
h
i
n
nj
j
+j1
n
( t0 ) (2 q) ( )
expq ( ) d
(t0 01 )
=
j
n =
j=0
(A.3.32)
t0
n =
n
P
(
n
j
j=0
(t0 01 )nj ( t0 )j 1 +
( 2q
j )
q1
j
(q1)
2q
q1
1<q <1+
+n
(A.3.33)
n =
n
P
j=0
n
j
(t0 01 )nj ( t0 )j 1 +
j
(1q)
32q
1q
32q
+ j
1q
q<1
Note que
lim n =
q1
n h
P
n
j=0
(t0
01 )nj
( t0 ) 1 +
i
,
)
(A.3.34)
174
Apndice A
tn fq (t)dt =
n =
0
chamado
tn (2 q)
" #
1
t
t
expq
dt
(A.4.1)
= t/
dt = d
temos
n =
h
i
n n (2 q) ( )1 expq ( ) d
= (2 q) n
(A.4.2)
+n1 expq d
chamando
= x
temos
dx = 1 d
= x
logo
d =
d =
x
dx.
Retornando a
temos:
1 +n1
1
expq x
= (2 q) x
= n (2 q)
= n (2 q)
1
1 dx ou seja
1
x
+n1
expq [x] x
dx
dx
(A.4.3)
x expq [x] dx
expq (x) =
n-simo
1
q1
q -exponencial
(A.4.4)
momento ca:
n = n (2 q)
x dx expq [x]
= (2 q)
x dx 1
( q1 )
1
1
q1
(A.4.5)
(q1)xu
du
A.4
175
n =
n (2q)
1
( q1
)
du u q1 1 eu
dxx e(q1)xu
(A.4.6)
ev v z1 dv
(z) =
(A.4.7)
Identicando
z = 1 + n/
v = (q 1)xu
v
com
(q1)u
x=
temos
dv
e
(q1)u
dx =
z 1 = n/
logo
temos que:
(q1)xu
dxx e
dv
(q1)u
ev
v ev
(A.4.8)
v e dv
n
1
+
1+ n
1+ n 1+ n
u
(q1)
n
n
dv
1+ n 1+ n
(q1) u
v
(q1)u
0
1+ n
u
(q1)
Retornando:
n =
n (2q)
1
( q1
)
(1+ n
)
du u q1 1 eu
1+ n 1+ n
u
(q1)
(A.4.9)
Organizando:
n =
=
n (2q)(1+ n
)
1+ n
(q1)
1
q1
n
(2q)
(1+ n )
1+ n
1
( q1
)(q1)
du u q1 1 eu
u
1
2 n
q1
1
q1
> 1+
du
1+ n
temos:
1
q1
(A.4.11)
1
> 0 q 1 > 0 q > 1 e q1
1 n > 0
q 1 < +n
q < 1 + +n
, ou seja 1 < q < 1 +
. A Equa+n
Com as restries
1
q1
n (2q)(1+ n
)
1
( q1
)(q1)
(A.4.10)
n =
1+ n
176
Apndice A
1
q1
1 =
(m + 1) = m(m). Identicando m + 1
2q
2q
1
q1
. Com isso Equao A.4.11
1 q1
1 = q1
da funo gama
1
q1
2q
e usando a propriedade
q1
1
1
= q1
, portanto
=
q1
n (1+ n
)
1
n
q1
2q
( 2q
q1 ) ( q1 )
n
1
= 2q
1 + n 2q
n
n
q1
( q1 ) (q1)
n =
2q
q1
ca:
n
(q1)
(A.4.12)
ou seja:
n = n 1 + n
(q1) ( 2q
q1 )
= n 1 + n
( 2q
n
q1
)
1<q <1+
que a expresso do
qmax = 1 +
+n
(A.4.13)
n-simo
= 1,
momento da dis-
lim qmax
=2
= 1.
q -exponencial
vlida para
q<1
vide Lenzi,
expq (x) =
2q
1q
e1+iu
2q
e(1q)(1+iu)x du,
(A.4.14)
(1+iu) 1q
n-simo
momento ca
n = n (2 q)
1
dx x 2
2q
1q
e1+iu
2q
(1+iu) 1q
e(1q)(1+iu)x du .
(A.4.15)
n = n (2 q)
2q
( 1q
)
du
e1+iu
2q
(1+iu) 1q
dx x e(1q)(1+iu)x .
v = (1 q)(1 + iu)x,
logo
(A.4.16)
dv = (1 q)(1 + iu)dx
(z) =
dv v z1 ev ,
0
e a integral ca
A.4
dx x e
(1q)(1+iu)x
=
=
0
dv
177
1
(1q)(1+iu)
1
(1q)(1+iu)
v
(1q)(1+iu)
1+ n
n
ev
dv (v) ev
0
n
1
+
,
1+ n
(A.4.17)
1+ n
(1+iu)
(1q)
e assim
( 2q
1+iu
1q )
1
n
du e 2q
1
+
n = n (2 q) 2
n
n
1+
1+
n
2q (1+ ) 1
e1+iu
= n 2q
du
,
n
2q
1q
1q
+1+ n
2
(1q)
(1+iu) 1q
(A.4.18)
mas a funo gama admite outra representao integral (vide Gradshteyn, Ryzhik e Jerey
(1994) equao 8.315 2)
2eab bz1
=
(z)
du
ebui
,
(a + iu)z
(A.4.19)
identicando
a = 1, z =
2q
1q
du
assim a expresso do
+1+
n
,
b = 1,
e1+iu
2q
+1+ n
(1+iu) 1q
n-simo
=e
du
eui
2q
(1+iu) 1q
2e1 1z1
e 2q +1+ n
( 1q
)
2
,
( 2q
+1+ n
1q
)
+1+ n
momento ca:
1+ n
( ) 1
2q
2
n = n 2q
n
2q
n
1q
1q
(1q) 2 ( 1q +1+ )
1+ n
( )
1
= n 2q
2q
.
n
2q
1q
1q
+1+ n
(
(1q)
1q
)
Usando a propriedade
(A.4.20)
(z + 1) = z(z)
tem-se
(A.4.21)
178
Apndice A
n = n
2q
1q
+1
(1+ n )
1
n
2q
n
(1q) ( 1q +1+ )
+1
( 2q
)
1q
= n 1 + n
n
(1q) ( 2q
+1+ n
1q
)
32q
( 1q )
n
n
= 1+
.
n
(1q) ( 32q
+n
1q
)
O
n-simo
(A.4.22)
momento ca:
n = n 1 + n
( 32q
1q )
n
(1q) ( 32q
+n
1q
)
q<1
(A.4.23)
A.5 q
Clculo de
q :
Fq (q ) = 1 e1
(A.5.1)
"
#)2q
q t 0
expq
= 1 e1
t0
(A.5.2)
"
#)2q
q t0
expq
= e1
t0
(A.5.3)
(
1
"
#
1
1
q t0
= e1 2q = e q2
expq
t0
q t0
t0
(A.5.4)
= lnq e q2
(A.5.5)
1
1
q t0
q2
= lnq e
t0
q = t0 + ( t0 ) lnq e
1
q2
(A.5.6)
1
(A.5.7)
A.6
Mdia ou MTBF
179
01 = M T BF =
1
P
t1j
( t0 )j 1 +
0
j=0
( 2q
j )
q1
j
(q1)
2q
q1
1<q <1+
+n
(A.6.1)
01 = M T BF =
1
P
tnj
( t0 )j 1 +
0
j=0
( 32q
1q )
(1q) ( 32q
+ j )
1q
)
,
(A.6.2)
q<1
A.7 Mediana
Mediana:
"
Rq (t) = exp
(2 q)
1
2q
t t0
t0
#
,
t t0
Rq (Md) = 0.5
"
exp
(2 q)
1
2q
(2 q)
t0
t0
t0
t0
Md
t0
t0
t0
t0
Md
(A.7.2)
Md
Md
(A.7.1)
#
= 0.5
(A.7.3)
0.5
(A.7.4)
= ln
ln
=
0.5
2q
ln
1
2q
1
2q
1
2q
(A.7.5)
0.5
q2
(A.7.6)
180
Apndice A
ln
t0
=
t0
Md
1
2q
0.5
(A.7.7)
q2
ln
Md
! 1
= t0 + ( t0 )
1
2q
0.5
! 1
(A.7.8)
q2
Note que:
lim Md = t0 + ( t0 ) (ln 2)
(A.7.9)
q1
A.8 Moda
A Moda denida pelo
dfq (t)
=
dt
(2 q)
dfq (t)
=
dt
t0
tal que
(2q)
t0
tt0
t0
= 0,
1
(
t t0
t0
1
=0
"
#)0
t t0
=0
expq
t0
(
1
(t t0 )
logo:
tt0
expq t0
dt
dfq (t)
(2 q)
=
dt
( t0 )
dfq (t)
=
dt
dfq (t)
dt
"
#)0
t t0
expq
=0
t0
"
#)0
t
t
0
(t t0 )1 expq
= 0,
t0
(A.8.1)
(A.8.2)
(A.8.3)
(A.8.4)
logo
( 1) (t t0 )
"
"
#
#0
t t0
t t0
1
expq
+ (t t0 )
expq
=0
t0
t0
(A.8.5)
A.8
Moda
181
tt0
( 1) (t t0 )
expq t0
+
1
()
tt0
q
(t t0 )
expq t0
(t t0 )1 = 0
(t )
2
(A.8.6)
"
"
#
#
t t0
t t0
=0
( 1) (t t0 )2 expq
+ (t t0 )22 expqq
t0
t0
( t0 )
(A.8.7)
"
"
# (
#)
t
t
t
t
t
t
0
0
0
(t t0 )2 expq
1 + ()
expqq1
=0
t0
t0
t0
(A.8.8)
1 + ()
Chamando
a=
tt0
t0
t t0
t0
"
#
t
t
0
expq1
=0
q
t0
temos:
1 + () a expq1
[a] = 0
q
(A.8.10)
() a expq1
[a] = 1
q
(A.8.11)
expq1
[a] =
q
expq [a] =
1
a
1
1q
[1 + (1 q) (a)]+
[1 (1 q) a]
1
1q
=
(A.8.9)
1
a
=
1
a
(A.8.12)
1
q1
1
a
>1
(A.8.13)
1
q1
q 6= 1
(A.8.14)
(1 (1 q) a) > 0
(A.8.15)
1
q1
q 6= 1
182
Apndice A
a
1
(A.8.16)
a
=0
1
(A.8.17)
1 (1 q) a =
1 (1 q) a
1 (1 q) ( 1) a
a
=0
1
1
(A.8.18)
1 (1 q) ( 1) a a
=0
1
(A.8.19)
1 (1 q) ( 1) a a = 0
(A.8.20)
(1 q) ( 1) a + a = 1
(A.8.21)
a [(1 q) ( 1) + ] = 1
(A.8.22)
a [ 1 q + q + ] = 1
(A.8.23)
a [ (2 q) + q 1] = 1
(A.8.24)
a=
Retornando o valor de
1
(2 q) + q 1
(A.8.25)
temos:
t t0
t0
t t0
=
t0
1
(2 q) + q 1
1
(2 q) + q 1
(A.8.26)
1
(A.8.27)
A.9
183
t = t0 + ( t0 )
1
(2 q) + q 1
1
(A.8.28)
A Moda vale:
Mo
= t0 + ( t0 )
Mo
= t0 + ( t0 )
Mo
= t0 + ( t0 )
= t0 + ( t0 )
1
,
1
+ q + q 1
1
+ (1 q) (1 q)
Mo
1
(2 q) + q 1
>1
(A.8.29)
1
,
>1
(A.8.30)
1
,
1
+ ( 1) (1 q)
>1
(A.8.31)
1
,
>1
(A.8.32)
Note que:
lim Mo = t0 + ( t0 )
q1
1
,
>1
(A.8.33)
P
S
W SPP1 ,S1 (t) = 1 1 W SPPS71
1 W SPPP17
,S1 (t)
,S1 (t) .
(A.9.1)
0
0
P
P 7S
W SPP1 ,S1 (t) = 1 W SPPS71
(t)
1
W
SP
(t)
+
,S1
P1 ,S1
0
S7P
P 7S
1 W SPP1 ,S1 (t) 1 W SPP1 ,S1 (t) .
(A.9.2)
184
Apndice A
(A.9.3)
0
P
S
W SP aP1 ,S1 (t) = 1 W SPPS71
1 W SPPP17
,S1 (t)
,S1 (t)
(A.9.4)
0
P
S
W SP bP1 ,S1 (t) = 1 W SPPS71
1 W SPPP17
,S1 (t)
,S1 (t) .
(A.9.5)
assim
0
P
W SPPS71
= fq,P (t)FS1 dor (t).
(t)
,S1
(A.9.6)
d
g(t)p(t x1 ) dx1
dt
(A.9.7)
a
na Equao 5.2.30, assim temos
0
S
W SPPP17
,S1 (t) = KW SP
x1 =t
x1 =t01
(A.9.8)
S
W SP aP1 ,S1 (t) = fq,P (t)FS1 dor (t) 1 W SPPP17
,S1 (t)
e Equao A.9.5
(A.9.9)
A.10
x
1 =t
185
P
1 W SPPS71
(t)
KW SP
,S1
)
(A.9.10)
x1 =t01
temos
0
S
W SPP1 ,S1 (t) = fq,P (t)FS1 dor (t) 1 W SPPP17
,S1 (t) +
P
+ 1 W(SPPS71
(t)
,S1
)
x
=t
1
KW SP
fq,P (x1 )fS1 atv (t x1 )dx1 + fq,P (t)FS1 atv (0) ,
x1 =t01
(A.9.11)
e nalmente
tfq (t)dt
t0
t0
do produto
udv = uv
Assuma que
u = t,
logo
du = dt.
Fazendo
vdu,
dv = fq (t)dt
temos
(A.10.1)
v=
fq (t)dt
186
Apndice A
tt0
expq t0
dt
v =
1
tt0
tt0
1
= (2 q)
t0
expq t0
dt,
t0
Adote
tt0
t0
(2q)
(t0 )
tt0
t0
1
, portanto
d =
tt0
t0
1
1
t0
dt
(A.10.2)
v = (2 q)
A integral da funo
q -exponencial
expq xdx =
expq d.
(A.10.3)
2q
1
expq x
+ C,
(2 q)
(A.10.4)
2q
1
v = (2 q) (2q)
expq
+C
2q
= expq
+ C.
Aplicando esta identidade da
(A.10.5)
q -exponencial
expq x
a
= exp1 1q (ax),
a
(A.10.6)
temos
h
i
v = exp1 1q [(2 q)] + C
2q
h
i
= exp 1 [(2 q)] + C
2q
tt0
= exp 1 (2 q) t0
+ C.
(A.10.7)
2q
(2 q)
1
tfq (t)dt = t exp
+C +
tt0
2q
t0
(2 q)
exp 1 tt + C dt,
2q
0
t0
(A.10.8)
A.10
187
T
t0
t=T
(2 q)
+
tfq (t)dt =
t exp 1 tt tC
2q
0
t0
t=t0
(2
q)
exp 1 tt + C dt
2q
0
t0
(A.10.9)
t0
t0
1
2q
(2 q)
T C+
T t
0
t0
(A.10.10)
(2 q)
dt + T C,
exp
t0
1
2q
tt0
t0
T
tfq (t)dt = T Rq (T ) +
t0
A.10.2 Soluo de
Rq (t)dt
(A.10.11)
t0
Rq (t)dt
t0
A integral
Rq (t)dt,
para
q 6= 1
t0
t=T "
1 + (q 1)
IRq (T ) =
t t0
t0
# 2q
1q
dt
+
t=t0
Fazendo
dt =
tt0
t0
b = q 1, x =
1
( t0 ) dx
tt0
t0
IRq (T ) =
[1 +
t=t0
tt0
t0
= x ,
ento
v =
2q
temos
1q
1
dx =
tt0
t0
1
1
dt e
t0
logo
t=T
mas
(A.10.12)
bx]v
+
t t0
t0
( t0 ) dx
(A.10.13)
188
Apndice A
IRq (T ) =
t=T
t=t0
Fazendo
=a
1 1
( t0 ) dx
[1 + bx]v
+ x
(t0 )
t=T
1
1
(A.10.14)
[1 +
bx]v
+
dx
t=t0
temos
t=T
xa1 [1 + bx]v
+ dx
IRq (T ) = ( t0 ) a
(A.10.15)
t=t0
Para
t=T
temos
x=
T t0
t0
t = t0 , x = 0
e para
T t0
t0
xa1 [1 + bx]v
+ dx
IRq (T ) = ( t0 ) a
(A.10.16)
fazendo
u=
T t0
t0
u
xa1 [1 + bx]v
+ dx
IRq (T ) = ( t0 ) a
(A.10.17)
u
xa1 (1 + bx)v dx =
ua
2 F1 (v, a ; 1 + a; bu)
a
(A.10.18)
ento
Retornando
a=
1
,
b = q 1, v =
q2
e
1q
u=
T t0
t0
(A.10.19)
A.10
IRq (T ) = ( t0 )
T t0
t0
= (T t0 ) 2 F1
Para
q=1
1
q2 1
,
1q
189
q2 1
,
1q
; 1 + (q 1)
T t0
1
; 1 + ; (1 q) t0
.
2 F1
T t0
t0
(A.10.20)
temos
T
R(t)dt =
IR(T ) =
x=
tt0
temos
t0
dx =
"
#
t t0
exp
dt
t0
(A.10.21)
t0
t0
Fazendo
1
;
1
dt e
t0
dt = ( t0 ) dx
t=T
exp x ( t0 ) dx
IR(T ) =
(A.10.22)
t=t0
T t
x= t 0
exp x dx
IR(T ) = ( t0 )
(A.10.23)
x=0
xm exp (axn ) dx =
para
m=0
a=1
(, axn )
,
na
m+1
, a 6= 0, n 6= 0
n
(A.10.24)
temos
exp (x ) dx =
1
, xn
n
,
n 6= 0
(A.10.25)
logo
t0
x= Tt
0
1
( t0 )
IR(T ) =
,x
x=0
(A.10.26)
190
Apndice A
"
( t0 )
IR(T ) =
1
,
T t0
t0
!
+
#
1
,0 .
(A.10.27)
Resumindo
q2 1
T t0
1
,
(T t0 ) 2 F1 1q , ; 1 + ; (1 q) t0
IRq (t) =
(t )
t0
1
,
0
, q = 1.
0 1 , Tt
q 6= 1
(A.10.28)
191
q -Weibull
ticularmente aos tempos entre valores extremos. Embora possa parecer, em uma leitura
mais apressada, que o escopo dira daquele principal da tese, a seo ilustra que a metodologia apresentada e o modelo
q -Weibull
Os
A srie dos tempos entre os retornos extremos obtida a partir da leitura dos
instantes de tempo em que os retornos excedem um limiar
quando o retorno positivo maior que
preestabelecido, ou seja,
u.
Desta forma possvel construir sries de intervalos de tempo entre valores positivos,
valores negativos, nas mudanas de positivo para negativo e vice-versa e tambm de
intervalos de tempo nos quais o mdulo do retorno supera o valor
u.
Os resultados das
anlises destas sries podem indicar qual o intervalo de tempo deve ser aguardado para
comprar ou vender aes com o objetivo de ter o melhor retorno nanceiro. Esta seo
mostra os resultados para os ajustes com tempos de espera dos mdulos dos retornos e com
1O
Iberia Index (IBEX-35) o principal ndice de referncia da bolsa espanhola. O ndice administrado
Sociedad de Bolsas , uma subsidiria da Bolsas y Mercados Espaoles (BME), a
e calculado pela
empresa que administra os mercados de valores mobilirios da Espanha (incluindo a Bolsa de Madrid).
um ndice de capitalizao de mercado envolvendo as 35 aes espanholas mais lquidas negociadas
na Bolsa de Madrid.
192
Apndice B
os tempos entre as mudanas de positivo para negativo fora dos limiares especicados .
u = 0, 0063 e os tempos
(log (retorno) > u) para negativo
< u),
100
100
exponencial
exponencial
10-1
10-1
q-exponencial
Rq
Rq
q-exponencial
q-Weibull
10-2
10-2
q-Weibull
Weibull
Weibull
10-3
10-3
102
103
104
102
103
t HminL
104
t HminL
q -exponencial
Weibull
(min)
(min)
t0 (min)
q
R2
Weibull
1, 00
1525
1102
423
1, 00
0, 7490
0, 58
742
756
14
1, 00
0, 9773
q -exponencial
1, 00
278
279
1
1, 41
0, 9919
q -Weibull
0, 82
318
329
11
1, 31
0, 9944
2 Esta seo parte do resultado de uma colaborao com Miguel A. Rivera-Castro, durante seu doutoramento, e seu orientador Juan C. Reboredo, da
Todos os resultados esto em Reboredo, Rivera-Castro e Assis (2013). Neste artigo, so apresentadas
as anlises dos cinco tipos de sries ajustando a distribuio de
intradirios S&P 500, DAX e IBEX-35.
q -Weibull
B.1
193
(min)
(min)
t0 (min)
q
R2
as