Instituto Politcnico
Nova Friburgo
2008
Jos Alberto Avelino da Silva
Nova Friburgo
2008
CATALOGAO NA FONTE
UERJ/REDE SIRIUS/BIBLIOTECA CTC/E
CDU 65.011.7:519.217
_________________________________________ _______________________
Assinatura Data
Jos Alberto Avelino da Silva
Banca examinadora:
______________________________________
Roberto Aizik Tenenbaum,D.Sc. (Orientador)
Universidade do Estado do Rio de Janeiro. Instituto Politcnico
______________________________________
Raad Yahia Qassim, Ph.D.
Universidade Federal do Rio de Janeiro
______________________________________
Luiz Nelio Henderson Guedes de Oliveira, D.Sc.
Universidade do Estado do Rio de Janeiro. Instituto Politcnico
______________________________________
Marco van Hombeeck, D.Sc.
Universidade do Estado do Rio de Janeiro. Instituto Politcnico
______________________________________
Ktia Lucchesi Cavalca Dedini, Ph.D.
Universidade Estadual de Campinas
______________________________________
Antnio Carlos Marques Alvim
Universidade Federal do Rio de Janeiro
Nova Friburgo
2008
DEDICATRIA
SILVA, Jos Alberto Avelino da. Modelagem e avaliao da extenso da vida til de
plantas industriais. 2008. 167 f. Tese (Doutorado em Modelagem Computacional)
Instituto Politcnico, Universidade do Estado do Rio de Janeiro, Nova Friburgo, 2008.
During the useful life of an industrial plant, the failure occurrence follows an exponential
distribution. However, the aging process in an industrial plant generates an increase
of the failure number. The failure probability is a rating for the maintenance stopping
process. In this paper, an statistical method for the assessment of the failure probability
as a function of the operational time, based on the non-Markovian theory, is presented.
Two maintenance conditions are addressed: In the first one, the old parts are utilized,
after the repair this condition being called as good as old; in the second one the old
parts are substituted by brand new ones this condition being called as good as new. A
non-Markovian system with variable source term is modeled by using hyperbolic partial
differential equations. The system of equations is solved using the Lax-Wendroff and
fractional-step numerical schemes. The two methods achieve to approximately the same
results, due to the smooth behavior of the solution. The main conclusion is that the
system collapse depends essentially on the initial state of the Markov chain.
1.1 Curva da banheira. Relaciona o numero de falhas por hora com a idade de um equipa-
inferencia estatstica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
turbogerador equivalente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.7 Reducao dos componentes em paralelo. Os tres turbogeradores estavam em paralelo e
10
4.3 Esquema da hipotese simplificadora. . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4 Regiao de influencia das condicoes inicial e de contorno. . . . . . . . . . . . . . . . 58
4.5 Funcao densidade de probabilidades. . . . . . . . . . . . . . . . . . . . . . . . . 62
4.6 Funcao de distribuicao cumulativa de probabilidades. . . . . . . . . . . . . . . . . . 62
4.7 Regioes da curva da banheira. . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.8 Escolha do sistema de equacoes conforme a idade da planta. . . . . . . . . . . . . . 70
4.9 Curva da banheira sob reparo mnimo e de renovacao. . . . . . . . . . . . . . . . . 74
4.10 Probabilidades de falha calculadas por tecnica de Monte Carlo. . . . . . . . . . . . . 75
4.11 Diagrama de estados da cadeia de Markov, simplificado para representar apenas os
estados inicial e final. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.12 Comparacao entre a funcao ROCOF, (s), e a taxa de falha, (t), onde t e a idade do
equipamento e s e a duracao da missao. . . . . . . . . . . . . . . . . . . . . . . . 77
4.13 Matriz de probabilidades de transicao, T. . . . . . . . . . . . . . . . . . . . . . . 86
4.14 Diagrama de transicao de estados da cadeia de Markov. . . . . . . . . . . . . . . . 86
5.12 Taxa de falha do gerador nos modelos Weibull e Rayleigh. A linha curva e de Weibull
e a reta, de Rayleigh. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.13 Reducao da missao quando a inclinacao da taxa de falha aumenta. . . . . . . . . . . 104
5.14 Os fatores que aparecem na legenda multiplicam o coeficiente angular da taxa de falha
de Rayleigh. O fator 1 e a taxa correspondente a taxa de Weibull. . . . . . . . . . . 105
5.15 Os fatores que aparecem na legenda multiplicam o coeficiente angular da taxa de falha
de Rayleigh. O fator 1 e a taxa correspondente a taxa de Weibull. . . . . . . . . . . 105
5.16 Taxa de falha do sistema nas regioes I e III. . . . . . . . . . . . . . . . . . . . . . 107
5.17 Funcao densidade de probabilidades acumulada que da a probabilidade de colapso ope-
racional do sistema em funcao do tempo de operacao. . . . . . . . . . . . . . . . . 108
5.18 A densidade das classes das probabilidades de falha do conjunto turbogerador ficou com
aspecto de distribuicao exponencial. . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.1 Probabilidades de falha dos estados, sob reparo mnimo, avaliadas por solucao do sistema
6.4 Comparacao entre os metodos de sistema equivalente (aproximado) e markoviano (exato). 125
C.1 Otimizacao da confiabilidade do sistema turbogerador pela minimizacao do custo total. 142
Lista de Tabelas
14
E.1 Mapa de grau de criticidade do risco. . . . . . . . . . . . . . . . . . . . . . . . . 146
SUMARIO
1 Introducao 17
2 Revisao bibliografica 25
3 Descricao do problema 28
3.1 Metodologia 28
3.2 Confiabilidade de sistemas coerentes 30
3.3 Descricao do sistema fsico 36
3.3.1 Variaveis de estado do sistema 43
3.3.2 Diagrama de estados da cadeia de Markov 44
4 Formulacao matematica do problema 47
4.1 Curvas caractersticas 52
4.1.1 Metodo das caractersticas 53
4.1.2 Equacao de adveccao com coeficientes constantes 54
4.1.3 Equacao de Markov em condicoes nao-markovianas 56
4.1.4 Analise Qualitativa da Caracterstica 57
4.1.5 Analise Dimensional das Curvas Caractersticas 58
4.2 Sistema de EDP de Markov 59
4.3 Analise do sistema de equacoes 64
4.3.1 Analise do sistema de equacoes quanto a linearidade 64
4.3.2 Analise do sistema de equacoes quanto a natureza 65
4.4 Parametros do modelo 66
4.4.1 Taxa de falha 66
4.4.2 Sistema de equacoes durante a vida util 69
4.4.3 Itens reparaveis e nao reparaveis 72
4.4.4 Simplificacao da cadeia de Markov 74
4.4.5 Taxa de ocorrencia de falhas - ROCOF 76
4.4.6 Taxa de reparo - ROCOF 78
4.4.7 Parada administrativa 79
4.5 Procedimentos para as estimativas 80
4.5.1 Intervalo de confianca para a taxa de falha 80
4.5.2 Estatstica multi-amostral 81
4.5.3 Posto mediano 82
4.5.4 A distribuicao Binomial 83
4.5.5 Utilizacao do papel Weibull 83
4.6 Matriz de probabilidades de transicao 85
4.7 Dados experimentais 87
5 Solucao numerica 90
5.1 Analise do condicionamento dos parametros das distribuicoes 95
5.2 Analise das curvas de Weibull 96
5.3 Reconstituicao dos valores 98
5.4 Sensibilidade da taxa de falha em relacao ao ROCOF 103
5.5 Reducao de um sistema complexo a outro equivalente 106
5.6 Matriz fundamental da cadeia de Markov 110
5.7 Solucao numerica da matriz fundamental da cadeia de Markov 115
5.8 Solucao do sistema de equacoes diferenciais parciais de Markov 116
6 Resultados 121
7 Conclusoes 127
Referencias Bibliograficas 129
8 Apendices 133
A Extrato dos Dados originais do OREDA 134
B Determinacao grafica dos parametros das distribuicoes 136
B.1 Caso 1 - Turbina - Duracao da missao 137
B.2 Caso 2 - Turbina - Duracao do reparo 138
B.3 Caso 3 - Gerador - Duracao da missao 139
B.4 Caso 4 - Gerador - Duracao do reparo 140
C Custo de manutencao 141
D Custo de parada de turbogerador 143
E Inspecao baseada em risco 145
E.1 Analise da confiabilidade humana 146
F Metodo dos mnimos quadrados 149
G Codigos de computador 151
G.1 Programa para solucao do sistema de EDO 152
G.2 Simulacoes de Monte Carlo 155
G.2.1 Simulacao de Monte Carlo para o reparo mnimo 155
G.2.2 Simulacao de Monte Carlo para o reparo perfeito 158
G.3 Programa para regressao linear pelos mnimos quadrados 162
G.4 Solucao de distribuicao multivariaveis por uma equivalente 166
Captulo 1
Introducao
A extincao da vida util das instalacoes e equipamentos que iniciaram sua operacao na
decada de 1970 impoe uma necessidade de renovacao do parque industrial brasileiro.
Algumas instalacoes, entretanto, vao permanecer em operacao por mais tempo do
que o previsto e somente serao substitudas alem do perodo de vida util estimada ori-
ginalmente. Isto e, essas plantas vao operar em um regime de vida residual. Torna-se
imperioso, portanto, que se avalie a confiabilidade dessas plantas.
A simples observacao historica de plantas semelhantes indica que raramente os equipa-
mentos falham de maneira excessiva apos esgotado o limite de tempo de projeto (Lafraia,
2001 [25]). Essa observacao nao e suficiente para autorizar o uso continuado de uma
instalacao alem do tempo previsto. E necessario medir e avaliar o risco de colapso ope-
racional da planta. O risco deve ser avaliado subordinadamente aos seguintes objetivos,
tais como (Lafraia, 2001 [25]):
atendimento a legislacao;
nao aumentar os custos devido a paradas de producao;
manter a qualidade do produto; e
assegurar uma confiabilidade mnima previamente estabelecida.
A avaliacao da vida residual, utilizada como ferramenta, possibilita uma analise ge-
rencial para tomada de decisao se, e quando, uma instalacao deve ser descomissionada.
Permite, tambem, estabelecer a periodicidade tecnicamente recomendavel para a inspecao
e manutencao preventiva.
17
18
f (t) = et , (1.1)
deracoes que nao foram feitas por ocasiao da primeira estimativa da vida util. Na fase
de projeto, geralmente e estabelecido que a taxa de falha seja constante e que o reparo
seja perfeito. A condicao de reparo perfeito ou reparo de renovacao e aquela onde, em
um sistema complexo, se algum componente falhar, o componente falho e todos demais
associados a ele sao substitudos por componentes novos.
O estudo do aumento da vida util requer a adocao de premissas que considerem a taxa
de falha como funcao do tempo e o reparo na condicao de reparo mnimo, significando
que o equipamento retorna para um novo perodo de operacao menor a cada reparo e que
os reparos tornam-se cada vez mais demorados a cada nova falha. Na condicao de reparo
mnimo, o componente falho e reparado e recolocado em operacao.
Uma instalacao com a vida util esgotada, mesmo sendo adequadamente mantida e
operada, tem partes obsoletas tanto nos equipamentos quanto na filosofia de projeto e
nao deve ser operada nas condicoes originais. Embora nao existam estatsticas sobre o
fator de carga aplicavel a cada caso, e concebvel que, durante a avaliacao da vida residual,
sejam feitas consideracoes sobre a reducao do fator de carga da instalacao, no sentido de
reduzir algumas taxas de falha.
A manutencao de plantas de processo tem demonstrado ser um fator importante do
desempenho industrial. Nao apenas pelos impactos que pode causar ao meio ambiente,
nem pelos aspectos economicos enfatizados por prejuizos e lucros cessantes, mas, principal-
mente, pelas perdas das vidas das pessoas que podem ser atingidas por alguma fatalidade.
A avaliacao da extensao da vida util e o consequente aumento da confiabilidade da
planta em decorrencia dessa avaliacao pode minimizar os riscos de colapso operacional e
suas consequencias, tais como prejuizos, acidentes e perdas de vidas.
Alem dos aspectos de confiabilidade, no caso de uma plataforma martima de producao
de petroleo que sera abordada especificamente neste trabalho , o custo de construcao
de uma unidade para operar em local com mais de 1000 metros de profundidade fica, em
2006, entre 2,0 e 2,5 x 109 USD. Se este custo de construcao for amortizado de forma
exponencial, considerando a taxa de juros de 12 % ao ano, durante 30 anos estimados
para a vida util da plataforma, vai resultar num valor anual de cerca de 3 x 108 USD.
Cada ano, portanto, que o presente estudo de extensao da vida util conseguir incorporar
22
no tempo de vida da plataforma, vai representar uma postergacao daquele gasto por um
ano.
Este trabalho pretende estabelecer uma metodologia para avaliar a possibilidade de se
estender a vida util de uma planta industrial ate um prazo maximo que ofereca seguranca,
confiabilidade e rentabilidade. A probabilidade de ocorrencia de um colapso operacional
deve ser mnima. Colapso operacional fica definido como a condicao de impossibilidade de
operar uma planta de modo seguro, confiavel e rentavel. Quando uma planta industrial
e construda, se estabelece um prazo de vida util para aquela unidade. Transcorrido este
prazo de vida util, a planta deveria ser desativada. Entretanto, a experiencia com unida-
des fabris que ja ultrapassaram a vida util mostra que estas unidades podem continuar
operando ainda por algum tempo a mais. Seria esta uma operacao na fase de envelheci-
mento da planta, isto e, apos a vida util. A operacao durante essa fase esta sujeita a uma
ocorrencia maior de falhas. A ocorrencia de falhas aumenta com o aumento do tempo
de operacao. Em algum momento, essa operacao na fase de envelhecimento se tornara
insuportavel. Este estudo visa quantificar, em termos probabilsticos, o grau de perda de
operacionalidade da unidade.
No Captulo 2, a revisao bibliografica ressalta a principal contribuicao deste estudo
como sendo a generalizacao do estudo da confiabilidade na fase de envelhecimento. Os
trabalhos anteriores focalizaram o envelhecimento de um unico equipamento em face dos
demais, que foram considerados ainda na fase de vida util.
No Captulo 3, esta apresentada uma descricao do problema em estudo e da metodo-
logia empregada. Introduz, tambem, o conceito de confiabilidade coerente. Esse conceito
e imprescindvel para a generalizacao das conclusoes. O estudo compreende apenas duas
maquinas: uma turbina a gas e um gerador de eletricidade acoplados num sistema turbo-
gerador. Sendo a confiabilidade coerente, os resultados podem ser estendidos a toda a
planta.
No Captulo 4, e apresentada a formulacao matematica do problema. Apos a analise
para o caso de um componente e dois estados: funcionando e falho, e feita a generalizacao
para qualquer numero de componentes. Em seguida, faz-se a aplicacao da hipotese sim-
plificadora do ponto de vista matematico, mas que torna o problema mais realstico.
23
Revisao bibliografica
D. R. Cox ja escrevia (Renewal Theory, 1962 [11]): Em algumas aplicacoes pode ser util
considerar a falha dependente de uma propriedade fsica do componente, que nos vamos
chamar de desgaste. Cox estabeleceu a taxa de falha como funcao da idade e do desgaste,
(s, t), onde e a taxa de falha, t e a idade e s e o desgaste, mas nao utilizou a teoria
markoviana. Neste trabalho, o desgaste e denominado como envelhecimento.
Roy Billinton (Power System Reliability Evaluation, 1970 [7]) estudou uma aplicacao
de confiabilidade em um sistema markoviano constitudo por tres transformadores eletricos
agrupados em um banco. Este mesmo problema foi reestudado em 1977 num modelo nao-
markoviano. Chanan Singh e Roy Billinton (System Reliability Modelling and Evaluation,
1977 [43]) apresentaram uma aplicacao de confiabilidade em sistemas nao-markovianos.
O exemplo era especfico: tres transformadores eletricos, agrupados em um banco de
transformadores, onde somente dois eram necessarios e o terceiro ficava de reserva. Eles
estudaram as diversas configuracoes de falha e substituicao concluindo que o problema
era do tipo nao-markoviano.
Harold Ascher e Harry Feingold (Repairable Systems Reliability, 1984 [4]) estabelece-
ram a diferenca teorica, do ponto de vista da confiabilidade, entre sistemas reparaveis e
nao-reparaveis.
R. Ramakumar (Engineering Reliability, 1993 [36]) discutiu a utilizacao de modelos
de Markov na confiabilidade.
E. E. Lewis (Reliability Engineering, 1994 [26]) apresentou e analisou as diversas
25
26
dos sistemas coerentes. A analise e feita para as condicoes de reparo mnimo e reparo
de renovacao, definindo um envelope de solucoes onde as duas condicoes sao extremas.
No de reparo mnimo, e assumido que nenhum componente seja substitudo, enquanto
que, na condicao de reparo de renovacao, todos os componentes sao substitudos. Esses
dois extremos delimitam o envelope de solucoes. Na fase de envelhecimento, o sistema
de equacoes que modelam a confiabilidade e diferencial parcial. O modelo resulta nao-
markoviano. O metodo de solucao utiliza a inclusao de variaveis complementares para
tornar o problema markoviano. A solucao no reparo mnimo utiliza inicialmente o metodo
das curvas caractersticas para reduzir o sistema de equacoes diferenciais de parcial para
ordinario e, em seguida, resolve o sistema por metodos numericos.
Captulo 3
Descricao do problema
3.1 Metodologia
28
29
P m+n = P m P n m, n 0 (3.1)
coerentes;
multi-estados;
carga compartilhada; e
nao-coerentes.
Tabela 3.1: Estados possveis para o Tabela 3.2: Estados possveis para a
sistema de geracao, no sistema de multi- turbina ou gerador, no sistema de multi-
estados. estados.
A partir dos estados dos turbo-geradores e feita a reducao para o sistema de geracao,
conforme a Tab. 3.4.
O problema iniciou com tres estados, conforme Tab. 3.2 mas o sistema precisa de
cinco estados para ficar completamente definido. Esse aumento da complexidade e uma
caracterstica do sistema de confiabilidade de multi-estados. Devido a isso, o esforco
computacional torna impeditivo para grandes sistemas.
O tipo sistema de carga compartilhada se caracteriza por distribuir a carga pelos com-
33
P {T G} = P {T G} + P {T G} + P {T G} (3.2)
(. . . , 0, . . .) = (. . . , 1, . . .) (3.5)
(0, . . . , 0) = 0;
(1, . . . , 1) = 1; e (3.6)
(. . . , 0, . . .) (. . . , 1, . . .) .
Este trabalho focaliza a regiao de envelhecimento de plantas industriais. Nessa regiao,
35
a taxa de falha e crescente com o tempo, dando forma a curva da banheira. A teoria de
sistemas coerentes inclui um teorema, chamado Teorema de Fechamento, que relaciona o
envelhecimento dos componentes com o do sistema, e o teorema da taxa de falha media
crescente. E, tambem, conhecido por teorema IFRA, que e uma sigla que significa Increa-
sing Failure Rate Average. O teorema se refere a componentes independentes do ponto de
vista da falha, isto e, a falha de um e, estatisticamente, independente da falha dos outros
(Aven and Jensen, 1999 [5]).
Teorema 1 Se cada componente de um sistema tem uma taxa de falha media crescente,
entao o sistema tambem tera uma taxa de falha media crescente.
= (x), (3.7)
As turbinas a gas sao maquinas de combustao interna onde os gases, apos a combustao,
passam atraves dos pequenos aerofolios do rotor da turbina, transformando a potencia da
queima da mistura de ar e combustvel em movimento do rotor. A turbina consiste de
tres secoes, conforme indicado na Fig. 3.3: o compressor de ar; a camara de combustao;
e o expansor. A expansao dos gases, devido a queima, ao passar pelos rotores, fornece a
potencia necessaria tanto para acionar o compressor de ar, na entrada da turbina, como
para acionar o gerador. Os dois rotores sao independentes de modo que o primeiro rotor
e dimensionado para atender as necessidades do compressor e o segundo rotor fornece
a potencia de sada. A turbina funciona no ciclo ideal Brayton, mostrado a direita na
Fig. 3.3. As turbinas utilizadas nas plataformas martimas de producao de petroleo tem
potencia de 15 MW a 25 MW e rotacao entre 12 e 20 mil rpm. Conforme se observa na
Fig. 3.3, as taxas de falha e de reparo relativas a turbina incluem as falhas no estagio
de compressao, de combustao e de expansao. As falhas na lubrificacao, no sistema de
resfriamento, na instrumentacao, na alimentacao de gas e de ar e no sistema de exaustao
nao estao includas neste estudo.
Figura 3.3: Diagrama esquematico de uma turbina a gas. O grafico a direita e o ciclo ideal de Brayton
que descreve, de modo simplificado, a operacao de uma turbina a gas.
38
Figura 3.4: Arranjo do gerador e dos perifericos que compoem a geracao de eletricidade.
Figura 3.5: Configuracao inicial. Cada turbina Figura 3.6: Reducao dos componentes em serie.
esta em serie com o seu gerador. Cada par turbina e gerador foi substitudo por um
turbogerador equivalente.
Na Fig. 3.7, foi feita a substituicao dos tres componentes que estavam em paralelo por
um componente equivalente, de acordo com a Eq. (3.9).
A Fig. 3.8 apresenta a reducao de uma estrutura que tem tres componentes, mas
somente dois sao necessarios. Essa reducao e feita pelas Eqs. (3.10) e (3.11).
Figura 3.7: Reducao dos componentes em para- Figura 3.8: Reducao do tipo k de n. Existem
lelo. Os tres turbogeradores estavam em paralelo 3 turbogeradores equivalentes, mas 2 sao sufuci-
e foram substitudos por por um unico turboge- entes para atender a demanda. Trata-se de uma
rador equivalente. estrutura onde k = 2 e n = 3
Por meio das equacoes de reducao do sistema, que correlacionam as funcoes e sub-
funcoes de estrutura, e possivel fazer uma simulacao pela tecnica de Monte Carlo para
obter uma estimativa das probabilidades de ocorrencia de cada estado (Crowder, et al,
2000 [16]).
Foi desenvolvido um programa de computador atribuindo a cada variavel de estado,
x1 , . . . , x6 , um valor aleatorio distinto no intervalo contnuo [0, 1]. As variaveis com ndice
impar sao de turbinas e as de ndice par sao dos geradores. A confiabilidade de cada
equipamento e calculada em funcao do tempo, por
R(t) = et (3.12)
40
Figura 3.9: Probabilidades de falha dos estados Figura 3.10: Probabilidades de falha dos estados
sob reparo perfeito sob reparo mnimo
obtidos com tamanho da amostra igual a 105 para cada classe de tempo. O intervalo de
1500 horas foi dividido em 30 classes de 50 horas. Os valores das probabilidades estao na
forma decimal e o tempo em horas.
Essa estimativa da solucao, apesar de estocastica pelo o emprego de tecnicas de Monte
Carlo, pode ser considerada uma boa aproximacao porque foi calculada utilizando as taxas
de falha na regiao de envelhecimento e foram levados em conta os tempos de reparo.
E interessante observar nas Figs. 3.9 e
3.10 que a probabilidade de falha do sis-
tema, p8 , e fortemente dependente da pro-
babilidade de falha do estado inicial p1 . As
probabilidades de falha dos demais estados
fornecem pequena contribuicao para a pro-
babilidade de colapso operacional do sis-
Figura 3.11: Probabilidades dos estados pelo
metodo de Monte Carlo. tema.
As condicoes de reparo perfeito, ou de renovacao, e reparo mnimo sao condicoes
extremas onde ou todos os componentes sao substitudos por novos ou todos sao reparados.
Um reparo de qualquer sistema, na realidade, situa-se entre essas duas condicoes extremas,
uma parte dos componentes e reparada e outra parte e substituda por componentes
novos. A Fig. 3.11 apresenta as probabilidades de falha do sistema nas duas condicoes. A
probabilidade de um sistema real deve estar compreendida na regiao entre as duas curvas.
Como se pode observar, o colapso operacional com probabilidade de 100% ocorre em cerca
42
Suponha que duas maquinas identicas e com a mesma idade estejam operando simul-
taneamente. Se o processo fosse markoviano, a probabilidade de falha seria a mesma para
as duas maquinas. Mas o processo e nao-markoviano. Existe uma outra variavel, alem da
idade do equipamento, que interfere no processo. Essa variavel complementar, includa
para tornar o sistema de equacoes factvel de solucao markoviana, pode ser interpretada
como o tempo decorrido desde a ultima revisao geral. Nesse caso, a maquina que esti-
ver operando ha mais tempo tera maior probabilidade de falha, apesar de ambas terem
a mesma idade. Uma outra interpretacao possvel para a variavel complementar sao as
condicoes de trabalho. Por exemplo, se for algum tipo de veculo, a variavel complementar
pode representar a quilometragem. O veculo que tiver maior quilometragem devera ter
maior probabilidade de falha. Se for uma sonda de perfuracao, a variavel complemen-
tar pode significar metros perfurados. Assim, a sonda que tiver mais metros perfurados
devera apresentar maior probabilidade de falha. Essas condicoes de trabalho mais pe-
sadas, ao longo da vida do equipamento, vai determinar que o equipamento tenha tido
mais ocorrencias de falha do que outro submetido a condicoes mais suaves. O numero de
vezes que o equipamento esteve fora de operacao devido a falhas e outra interpretacao
para a variavel complementar. De um modo totalmente geral, que compreenda todos os
exemplos, e possvel considerar a variavel complementar como representativa do sacrifcio
que o equipamento sofreu durante a sua vida desde o incio de operacao ate o presente
momento.
Com a inclusao de variaveis complementares, o processo markoviano passa a existir
no espaco de estados bi-dimensional, onde uma das variaveis, t, e contnua e a outra
variavel, s, pode ser contnua em intervalos ou discreta. No caso da variavel complementar
representar a duracao da missao, sera uma variavel aleatoria contnua em intervalos.
Entretanto, se representar o numero de vezes que o equipamento falhou, sera aleatoria
discreta.
O conjunto das possibilidades das variaveis de estado dos equipamentos, agrupadas pela
condicao do sistema, esta apresentado na Tab. 3.6.
44
O mesmo conjunto de possibilidades da Tab. 3.6 pode ser representado sob a forma de
diagrama de estados da cadeia de Markov, como ilustrado na Fig. 3.12.
Os crculos representam os estados do sistema e as setas representam transicoes entre
os estados. O estado 8, que reune todas as condicoes de falha irreversvel do sistema, esta
representado por um retangulo devido ao seu tamanho grafico.
Junto as pontas das setas estao representadas as taxas de falha da turbina, T , e do
gerador, G , e as taxas de reparo da turbina, T , e do gerador, G , referentes a cada
transicao.
45
Para efeito de formulacao, o problema foi reduzido a um unico componente sujeito a dois
estados: operacional e falho. Posteriormente, as equacoes serao generalizadas para um
sistema de componentes incluindo diversos estados. A Fig. 4.1 ilustra a situacao inicial
de um componente e e valida tanto para a condicao de reparo mnimo quanto para a de
reparo de renovacao.
Condicao de reparo mnimo e aquela onde, apos a falha, o sistema recebe manutencao
apenas suficiente para restabelecer o estado operacional que possuia antes da falha. Isto
e, o sistema e reparado mantendo-se os componentes usados. Na condicao de reparo de
renovacao, entretanto, o sistema e reparado efetuando-se a substituicao dos componentes
falhos por novos, recompondo, assim, a condicao original do sistema (Ascher and Feingold,
1984 [4]). O reparo de renovacao tambem recebe a denominacao de reparo perfeito.
Na condicao de reparo mnimo, a taxa
de falha e (t) e a taxa de reparo e (t). Na
condicao de reparo de renovacao, a taxa de
falha e (t) e a taxa de reparo (t) = , ou
seja, e constante. Nessa condicao, o sistema
e substitudo em vez de ser reparado. A
Figura 4.1: Um unico componente sujeito a dois
estados: operacional e falho. taxa de reparo e constante e tem um valor
47
48
mnimo.
No modelo de reparo mnimo, em vez de substituir os componentes falhos por novos,
o reparo apenas restabelece o funcionamento do sistema. Assume-se que a taxa de falha
nao se altere apos efetuado o reparo mnimo.
A definicao do estado do sistema imediatamente antes da falha depende do grau de
informacao que se tem sobre o sistema: se todos os componentes de um sistema sao ob-
servados ou se somente a falha do sistema e reconhecida. No primeiro caso, onde todos os
componentes sao observados, inclusive aquele que falhou, o tempo de vida do componente
reparado altera o tempo de vida residual do sistema. Como todos os componentes sao
observados, o tempo de vida de cada um deve ser levado em conta no calculo do tempo
de vida do sistema. Este tipo de reparo mnimo e chamado de reparo mnimo fsico. No
segundo caso, quando somente a falha e reconhecida, a unica informacao sobre a condicao
do sistema imediatamente antes da falha e a idade. Entao, um reparo mnimo neste caso
significaria substituir o componente falho por outro de mesma idade, tal como se ainda
nao tivesse falhado. Reparo mnimo deste tipo e chamado reparo mnimo estatstico (Aven
and Jensen,1999 [5]).
Definindo, agora, (t)t = P (t < T t + t|T > t) como a probabilidade de ocorrer
uma falha no intervalo (t, t + t], dado que nao tenha falhado ate o instante t e (t)t
sendo a probabilidade de o reparo terminar no intervalo (t, t + t], pi (t) a probabilidade
de o sistema estar no estado i no tempo t e Pi (s, t) a probabilidade de o sistema estar no
estado i e a missao ter comecado no intervalo (t s, t s + s).
A nova variavel (t s) e apenas um deslocamento
do eixo para evitar o patamar e fazer a derivada sobre o
trecho inclinado da reta, como se observa na Fig. 4.2. A
idade do equipamento, t, representada no eixo horizon-
tal, nao apresenta interrupcoes, e um tempo contnuo. A
variavel complementar, s, e interrompida toda vez que
o equipamento estiver falho e reinicia a sua contagem
Figura 4.2: Interpretacao grafica da quando o componente reentrar em operacao. Essa inter-
variavel complementar.
rupcao esta registrada nos patamares.
49
Pi (s, t)
pi (s, t) = lim + para todo s [0, t] e pi (s, t) = 0 para s>t
s0 s
p1 (s + t, t + t) p1 (s, t)
= p1 (s, t) (t) + p2 (s, t) (t)
t
(4.2)
p2 (s + t, t + t) p2 (s, t) = p2 (s, t) (t) + p1 (s, t) (t)
t
Desenvolvendo em serie de Taylor, desprezando os termos de grau maior que um e
fazendo o lim das Eqs. (4.2), fica
t0
p1 (s, t) p1 (s, t)
+ = (t) p1 (s, t) + (t) p2 (s, t)
s t
(4.3)
p2 (s, t) + p2 (s, t) = (t) p1 (s, t) (t) p2 (s, t)
s t
As equacoes do processo nao-markoviano que serao empregadas, na condicao de reparo
mnimo, tem a forma geral
N N
pi (s, t) pi (s, t) X X
+ = i pi (s, t) + i pi (s, t) (4.4)
t s i=1 i=1
A inspecao visual da Eq. (4.4) sugere algumas regras para formacao do sistema de
equacoes de Markov, na condicao de reparo mnimo
no lado esquerdo das equacoes ficam as derivadas parciais da probabilidade do estado
i, em relacao a t e a s,
no lado direito ficam os somatorios:
-(seta que sai do estado i)*(probabilidade do estado de origem) e
+(seta que entra no estado i)*(probabilidade do estado de origem).
Na condicao de reparo de renovacao, a taxa de falha reflete o tempo de substituicao
dos componentes falhos, sendo considerada constante.
50
p1 (s + t, t + t) p1 (s, t)
= (t) p1 (s, t) + p2 (s, t)
t
(4.5)
p2 (s + t, t + t) p2 (s, t) = (t) p1 (s, t) p2 (s, t)
t
Desenvolvendo em serie de Taylor, desprezando os termos de grau maior que um e
fazendo o lim das Eqs. (4.5), tem-se
t0
p1 (s, t) p1 (s, t)
+ = (t) p1 (s, t)
s t
(4.6)
p2 (s, t) + p2 (s, t) = (t) p1 (s, t)
s t
Na condicao de reparo de renovacao, a forma geral da equacao e
N
pi (s, t) pi (s, t) X
+ = i (t) pi (s, t) (4.7)
s t i=1
s1 = s2 = = s6 .
51
Essa igualdade entre as variaveis complementares torna o modelo mais realista e sugere
uma hipotese simplificadora do ponto de vista matematico.
O metodo das curvas caractersticas, para resolver o sistema de equacoes de Markov, vai
confirmar essa igualdade e vai mostrar, tambem, que aquelas retas da Fig. 4.3 sao as curvas
caractersticas do sistema de equacoes. Durante o funcionamento da planta, a solucao do
sistema percorre uma curva caracterstica. Quando o equipamento falha, a duracao do
reparo, representada na Fig. 4.3 por um trecho horizontal, significa um deslocamento da
curva caracterstica ate o restabelecimento do funcionamento, quando, entao, o sistema
passa a percorrer uma nova curva caracterstica.
53
em duas variaveis, com a condicao inicial u (x, 0) = f (x). O metodo das caractersticas,
quando aplicado nesta equacao, consiste em mudar as coordenadas de (x, t) para um novo
sistema de coordenadas (x0 , r) no qual a EDP se torna uma equacao diferencial ordinaria
(EDO) ao longo de certas curvas no plano x t.
Tais curvas, {[x(r), t(r)] : 0 < r < }, ao longo das quais a solucao da EDP se reduz
a uma EDO, sao chamadas de curvas caractersticas ou apenas caractersticas.
No novo sistema de coordenadas, (x0 , r), r e variavel e x0 e constante ao longo da
caracterstica. A ordenada x0 pode variar ao longo do eixo x, quando t = 0, no plano
x t.
Explicitando a Eq. (4.8)
x = at + x0 (4.16)
55
ut + aux = 0 (4.17)
d
u (x(t), t) = u (x(t), t) + u (x(t), t) x (t) = ut + aux = 0 (4.18)
dt t x
O metodo das curvas caractersticas pode ser aplicado para resolver este problema de
valor inicial e EDP linear de primeira ordem (Smith, 1985 [44]). Na Eq. (4.8), fazendo
a(s, t) = 1, b(s, t) = 1 e c(s, t) = constante real, se obtem a EDP linear de primeira
ordem que equaciona o problema markoviano na hipotese nao-markoviana. No problema
markoviano, algumas variaveis receberam outros smbolos: a funcao incognita u recebeu a
letra p, inicial de probabilidade, a variavel independente x foi substituda por s porque x e
habitualmente associado a dimensao de comprimento e, no problema markoviano, ambas
as variaveis independentes, s e t, tem dimensao de tempo. Assim, u(x, t) ficou substitudo
por p(s, t).
p(s, t) p(s, t)
a (s, t) + b (s, t) = c (s, t) p(s, t) (4.20)
s t
A condicao inicial e p (s, 0) = f (s).
Neste caso particular, a equacao caracterstica, Eq. (4.10), torna-se
ds
= a(s, t) = 1 (4.21)
dr
e a Eq. (4.11) fica
dt
= b(s, t) = 1. (4.22)
dr
Ao longo da curva caracterstica, a EDP se torna a EDO, conforme Eq. (4.13)
dp
= c(s, t)p(s, t) = cp(s, t) (4.23)
dr
Explicitando dr nas Eqs (4.21), (4.22) e (4.23), as equacoes caractersticas podem ser
57
expressas por
ds dt dp
= = = dr. (4.24)
a(s, t) b(s, t) c(s, t)p(s, t)
Aplicando o caso particular do problema de Markov, fica
ds dt dp
= = . (4.25)
1 1 cp(s, t)
Resolvendo a primeira igualdade da Eq. (4.25) para t(0) = 0, obtem-se
s = t s0 (4.26)
dp(s, t)
= cp(s, t). (4.27)
dt
O problema ficou reduzido a um sistema de equacoes diferenciais ordinarias que pode
ser resolvido numericamente pelo metodo de Runge Kutta (Braun, 1992 [9]).
No plano st a igualdade entre as variaveis s e t indica uma curva caracterstica linear
fazendo um angulo de com o eixo t. Estas curvas caractersticas estao representadas
4
na Fig. 4.3, onde o deslocamento das curvas caractersticas representa o tempo s0 que a
maquina esteve fora de operacao.
p(s, t) p(s, t)
+a = cp(s, t), s, t > 0 (4.28)
t s
A condicao inicial e dada pela Eq. (4.29) e a condicao de contorno pela Eq. (4.30).
58
A Fig. 4.3 indica que o problema e sua solucao estao situados na regiao 1, porque
a idade do equipamento t sempre sera maior (ou pelo menos igual) que a duracao da
missao s.
Por esse motivo, os codigos de computador desenvolvidos para resolver o sistema de
equacoes de Markov empregam somente a condicao inicial, apesar da descricao do sistema
de equacoes diferenciais de Markov, Secao 4.2, apresentar as duas condicoes.
x = at + x0 (4.32)
onde x e posicao da frente de onda ao final de um tempo t, x0 e posicao inicial onde foi
59
gerada a onda.
[x x0 ] L
A dimensao do coeficiente angular a e [a] = = = LT 1 que e homogeneo a
[t] T
uma velocidade. A velocidade de propagacao da onda, que depende do meio, e a inclinacao
da caracterstica. Vale dizer que, a cada meio de propagacao da onda, corresponde uma
inclinacao.
A famlia de curvas caractersticas da equacao do problema markoviano, Eq. (4.26),
esta reapresentada abaixo
s = at s0 (4.33)
p3 p3
+ = G p1 (G + 2T + 2G )p3 , (4.36)
t s
p4 p4
+ = T p1 (T + 2T + 2G )p4 , (4.37)
t s
p5 p5
+ = G p1 (G + 2T + 2G )p5 , (4.38)
t s
p6 p6
+ = T p1 (T + 2T + 2G )p6 , (4.39)
t s
p7 p7
+ = G p1 (G + 2T + 2G )p7 , (4.40)
t s
p8 p8
+ = 2(T + G )(p2 + p3 + p4 + p5 + p6 + p7 ), (4.41)
t s
com a restricao
p1 + p2 + p3 + p4 + p5 + p6 + p7 + p8 = 1. (4.42)
p1 (s, 0) = u (t) ;
(4.43)
pi (s, 0) = 0, i = 2, . . . , 8
com as condicoes de contorno:
p1 (0, t) = u (t) ;
(4.44)
pi (0, t) = 0, i = 2, . . . , 8.
Aplicando a equacao de Markov em cada estado i = 1, . . . , 8, resulta em 8 equacoes,
na condicao de reparo de renovacao (Oliveira, 2005 [32]), onde, analogamente,
pi = pi (s, t), T = T (s), G = G (s), T = contante e G = contante.
p1 p1
+ = 3(T + G )p1 , (4.45)
t s
p2 p2
+ = (T + 2T + 2G )p2 , (4.46)
t s
p3 p3
+ = (G + 2T + 2G )p3 , (4.47)
t s
61
p4 p4
+ = (T + 2T + 2G )p4 , (4.48)
t s
p5 p5
+ = (G + 2T + 2G )p5 , (4.49)
t s
p6 p6
+ = (T + 2T + 2G )p6 , (4.50)
t s
p7 p7
+ = (G + 2T + 2G )p7 , (4.51)
t s
p8 p8
+ = 0, (4.52)
t s
com a restricao
p1 + p2 + p3 + p4 + p5 + p6 + p7 + p8 = 1. (4.53)
A Eq. (4.56) fornece a probabilidade de falha do estado anterior, que vem a ser a
condicao inicial para o estado que se inicia.
Figura 4.5: Funcao densidade de probabilidades. Figura 4.6: Funcao de distribuicao cumulativa de
probabilidades.
pi (s, 0) = 0, i = 2, . . . , 8 (4.60)
Z
p2 (0, t) = T (s)p1 ds (4.62)
0
Z
p3 (0, t) = G (s)p1 ds (4.63)
0
Z
p4 (0, t) = T (s)p1 ds (4.64)
0
Z
p5 (0, t) = G (s)p1 ds (4.65)
0
Z
p6 (0, t) = T (s)p1 ds (4.66)
0
Z
p7 (0, t) = G (s)p1 ds (4.67)
0
7
X Z Z
p8 (0, t) = 2 T (s)pi ds + G (s)pi ds (4.68)
i=2 0 0
64
3. sera nao-linear, tipo quase linear, se as matrizes A, B e C forem funcao das variaveis
x, t e v, mas nao das derivadas de v;
Pk () = det (I I) = (1 )8 ,
(4.71)
8 7 6 5 4 3 2
Pk () = 8 + 28 56 + 70 56 + 28 8 + 1,
que possui oito autovalores reais e iguais a 1. Os autovetores associados formam uma
base para o 8 ,
1 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0
0 0 1 0 0 0 0 0
0 0 0 1 0 0 0 0
0 0 0 0 1 0 0 0
0 0 0 0 0 1 0 0
0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 1
As estimativas das taxas de falha e taxas de reparo adotaram metodos estatsticos que
sao descritos a seguir.
A funcao taxa de falha indica a probabilidade de um item que sobreviveu ate o tempo t,
possa falhar durante o proximo intervalo de tempo. Se um item esta deteriorando, essa
probabilidade aumenta com a idade t.
Para dar uma definicao matematica da funcao taxa de falha, comecamos com o tempo
para falhar de um determinado item, T , isto e, o tempo desde que o item entrou em
operacao ate que a primeira falha ocorra. Esse tempo e uma variavel aleatoria com
67
alguma distribuicao. A funcao taxa de falha, (t), pode ser definida como
O lado direito desta relacao denota a probabilidade de que o item va falhar no in-
tervalo (t, t + t) quando o item esta funcionando no tempo t ou, em outras palavras,
a probabilidade de que um item que atingiu a idade t possa falhar no proximo intervalo
(t, t + t). A aproximacao e suficientemente acurada quando t e pequeno.
A funcao taxa de falha e designada na literatura inglesa como hazard rate ou force of
mortality.
A vida de um item pode ser observada em 3 fases: mortalidade infantil, vida util e
envelhecimento. A funcao taxa de falha tem aspectos diferentes em cada fase.
A funcao taxa de falha pode ser decrescente na fase de mortalidade infantil, aproxima-
damente constante na fase de vida util e crescente no envelhecimento. A curva da Fig. 4.7
e chamada de curva da banheira, devido ao seu aspecto, e e considerada um modelo
realstico para equipamentos que tem a taxa de falha decrescente na fase de mortalidade
infantil, aproximadamente constante durante a vida util e na fase de envelhecimento a
taxa de falha crescente (Rigdon and Basu, 2000 [38]).
Se assumimos que a funcao taxa de falha e constante durante a vida util, isso significa
que, no modelo matematico da taxa constante, o item nao esta deteriorando durante essa
fase, embora se saiba que, na realidade, o item esteja se deteriorando continuamente,
porem, nao apresente indcios significativos de deterioracao. A deterioracao se inicia
68
A taxa de falha constante acarreta que o tempo medio para falhar, MTTF, e igual ao
inverso da taxa de falha
69
Z Z
1
MT T F = R(t) dt = et dt = (4.74)
0 0
P (t) = et (4.75)
dp1
= 3(T + G )p1 + T p2 + G p3 + T p4 + G p5 + T p6 + G p7 (4.76)
dt
70
dp2
= T p1 (T + 2T + 2G )p2 (4.77)
dt
dp3
= G p1 (G + 2T + 2G )p3 (4.78)
dt
dp4
= T p1 (T + 2T + 2G )p4 (4.79)
dt
dp5
= G p1 (G + 2T + 2G )p5 (4.80)
dt
dp6
= T p1 (T + 2T + 2G )p6 (4.81)
dt
dp7
= G p1 (G + 2T + 2G )p7 (4.82)
dt
dp8
= 2(T + G )(p2 + p3 + p4 + p5 + p6 + p7 ) (4.83)
dt
p1 + p2 + p3 + p4 + p5 + p6 + p7 + p8 = 1 (4.84)
E importante distiguir entre items reparaveis e nao reparaveis quando vamos avaliar a
confiabilidade.
Para um item nao reparavel, como lampadas ou transitores, confiabilidade e a proba-
bilidade de sobrevivencia de um item alem da vida esperada ou por um perodo durante
sua vida quando somente uma falha pode ocorrer. Durante a vida do item, a probabili-
dade instantanea da primeira e unica falha e chamada de taxa de falha. A confiabilidade
do sistema e uma funcao do tempo para a primeira falha.
Quando itens reparaveis falham, confiabilidade e a probabilidade que a falha nao ocorra
em um perodo de interesse, quando mais de uma falha pode ocorrer. A probabilidade
pode ser expressa como taxa de falha ou taxa de ocorrencia de falhas (rate of occurrence
of failures - ROCOF). A taxa de falha expressa a probabilidade instantanea da falha
por unidade de tempo, quando diversas falhas podem ocorrer em um tempo contnuo. A
denominacao taxa de falha tem sido utilizada incorretamente para itens nao reparaveis.
Um item sendo nao reparavel nao pode ter uma taxa de falha. Um item nao reparavel
tem tempo medio para falhar.
A confiabilidade de sistemas reparaveis pode tambem ser caracterizada pelo tempo
medio entre falhas (time between failures - MTBF), mas somente no caso particular de
taxa de falha constante.
Estamos focalizando a disponibilidade de itens reparaveis porque o reparo consome
tempo. A disponibilidade e influenciada pela taxa de ocorrencia de falhas (taxa de falha)
e pelo tempo de manutencao. A manutencao pode ser corretiva ou preventiva (Lewis,
1996 [26]).
A manutencao corretiva visa recuperar o sistema que ja se encontra no estado falho
73
para o estado operacional. A corretiva nao pode ser programada, normalmente e uma
situacao imprevista.
A manutencao preventiva se antecipa a ocorrencia da falha e, por meio de uma in-
tervencao planejada, previne a falha efetuando um reparo preventivo. A manutencao
preventiva pode ser do tipo preditiva, planejada ou ambas. Na manutencao preditiva, e
feita uma inspecao que pode desencadear, ou nao, uma intervencao baseada na condicao
do equipamento, dependendo do resultado da inspecao. Na manutencao programada, e
feito um planejamento baseado no historico dos tempos entre falhas. Admite-se que os
tempos entre falhas sigam uma distribuicao normal e calcula-se o intervalo de manutencao
de modo que somente ocorra um determinado percentual de manutencao corretiva. O per-
centual toleravel de manutencao corretiva e escolhido para atender a disponibilidade do
sistema, definida para a regiao de vida util, como
A= (4.85)
+
onde A e a disponibilidade durante a vida util, e a taxa de falha e e a taxa de reparo.
O valor definido para a disponibilidade de cada equipamento e uma decisao gerencial,
que segue criterios de dependabilidade, isto e, um balanco entre confiabilidade, disponi-
bilidade, seguranca e custo (Logiaco, 1979 [28]).
Os tempos de parada para corretiva entram no calculo das taxas de falha e de reparo.
Os tempo de parada do equipamento para inspecao ou preventiva nao entram no calculo
das taxas. Entretanto, se, ao termino da inspecao ou da preventiva, o equipamento nao
puder ser operado normalmente, entao, a intervencao e reclassificada como corretiva e os
tempos sao computados nas taxas.
Um reparo pode ser feito de dois modos. Quando o sistema apresentar falha, o reparo
pode ser feito:
velho. Reparo de renovacao significa que, apos o reparo, o sistema recupera a sua condicao
de sistema novo. Ou seja, tao bom quanto o novo (Rigdon and Basu, 2000 [38]).
A substituicao de parte dos componentes nao e suficiente para caracterizar o reparo
de renovacao. O reparo de renovacao ideal pressupoe o atendimento de duas condicoes
(Ramakumar, 1993 [36]):
a duracao do reparo deve ser pequena quando comparado com o tempo entre falhas,
de modo que possa ser considerado igual a zero;
apos o reparo, o conjunto pode ser considerado como novo.
Conforme e possvel observar nas Figs. 3.9 e 3.10, que apresentam as probabilidades de fa-
lha calculadas por Monte Carlo, a probabilidade de colapso do sistema, p8 , e funcao, prin-
75
a relacao entre as probabilidades dos estados inicial e final pode ser representada por uma
linha reta unindo os pontos de p1 = 1 e p8 = 1. Na Fig. 4.10, essa reta aparece tracejada.
A adocao desta hipotese simplificadora resulta, na pratica, em modificar o diagrama
de estados da cadeia de Markov, Fig. 3.12, para apenas dois estados: o estado inicial e
o final, conforme Fig. 4.11. Tudo se passa como se a falha de uma das seis maquinas
acarretasse, imediatamente, a falha de outra determinando, assim, o colapso do sistema
de geracao.
O sistema de equacoes que modela o diagrama simplificado da Fig. 4.11 e formado
por uma equacao de Markov, para o estado inicial na condicao de reparo mnimo, e pela
equacao de restricao, para o estado final. Por simplicidade, sera utilizado pi = pi (s, t)
e = (s).
76
p1 p1
+ = 3(T + G )p1 , (4.86)
t s
p8 = 1 p1 . (4.87)
p1 (s, 0) = u (t) ;
(4.88)
p8 (s, 0) = 0,
com as condicoes de contorno:
p1 (0, t) = u (t) ;
(4.89)
p8 (0, t) = 0.
p1 = e3(T +G )t (4.90)
p8 = 1 e3(T +G )t (4.91)
Tanto o ROCOF como a taxa de falha podem ser utilizados em sistemas reparaveis,
como mostrado na Fig. 4.12.
O ROCOF, (s), se refere ao tempo local s, isto e, o contador de tempo e zerado a
cada vez que o sistema e reparado.
A taxa de falha, (t), se refere ao tempo global t, isto e, o contador de tempo e zerado
quando o sistema e instalado e segue independentemente do que acontece com o sistema.
E a idade do sistema.
A semelhanca entre as curvas ROCOF e taxa de falha permite que sejam utiliza-
dos valores da taxa de falha para calcular o envelhecimento local e a mesma curva seja
considerada para o caso do envelhecimento global. (OREDA 97 Supplement, 1997 [45])
Tudo se passa como se cada ponto da curva da funcao taxa de falha tivesse a sua
propria funcao taxa de falha. Para distinguir uma da outra, a curva do tempo global
recebe o nome de Taxa de Falha e e representada por (t) enquanto que a curva do tempo
local e chamada de ROCOF e e representada por (s). As variaveis independentes t e s
sao variaveis aleatorias.
No trecho aproximadamente reto e horizontal da funcao taxa de falha, (t) e aproxi-
78
madamente constante, (t) . Sendo t uma variavel aleatoria e (t) constante, acarreta
que a funcao densidade de probabilidades de t seja exponencial f (t) = et .
A distribuicao exponencial nao tem memoria, vale dizer que, no trecho aproximada-
mente reto e horizontal da funcao taxa de falha, correspondente a vida util do sistema, as
propriedades de cada ponto nao dependem de nenhum ponto anterior. Assim, a funcao
ROCOF de um determinado ponto vale para qualquer outro ponto da vida util do sistema.
Essa propriedade permite deslocar a funcao ROCOF, calculada em algum ponto da
vida util, para o ultimo instante da vida util que vem a ser o incio da fase de envelheci-
mento. E possvel, portanto, obter experimentalmente a funcao taxa de falha na regiao
de envelhecimento sem ter que esperar a ocasiao em que o sistema estiver realmente
envelhecido.
As curvas N (t) nao representam dados homogeneos dos quais se possa tirar a media
aritmetica com representatividade no conjunto das curvas. As curvas sao, portanto, ini-
cialmente censuradas, depois sao atribudos pesos as curvas remanescentes e, finalmente,
sao obtidas as medias ponderadas.
A derivada de M (t), denominada m(t), e definida como a taxa de reparo ROCOF. A
taxa de reparo e, portanto, a taxa de falhas media, por unidade de tempo.
Quando temos dados de falha de itens identicos que operaram sob as mesmas condicoes
operacionais e ambientais, entao temos uma amostra homogenea. O unico dado que
necessitamos para estimar a taxa de falha neste caso, sao o numero de falhas observadas,
n, e o tempo agregado em servico, .
O tempo agregado em servico e o tempo das maquinas em observacao, podendo ser
varias maquinas observadas uma vez cada, uma maquina observada varias vezes ou ambos
os casos.
O estimador e, entao:
n
= (4.92)
O tempo agregado em servico pode ser medido tanto em temo de calendario t como
em duracao da missao s.
Esta abordagem e valida somente nas seguintes situacoes:
Tempos de falhas para um especificado numero de itens, com a mesma taxa de falha.
Diversas falhas para um unico item, com a taxa de falha constante no perodo de
observacao.
Uma combinacao das duas situacoes acima, isto e, diversos itens onde cada item
pode ter diversas falhas. (OREDA 97 Supplement, 1997 [45]).
A incerteza do valor estimado pode ser apresentada como intervalo de confianca de 90%.
Isto e, um intervalo (L , U ), tal que o valor exato esteja no intervalo
81
Em muitos casos nao existe uma amostragem homogenea dos dados. Os dados agregados
para um item podem vir de diversas instalacoes com diferentes condicoes ambientais e
operacionais, ou e necessario apresentar uma estimativa da taxa de falha media para
itens diferentes. Neste caso, vai ocorrer a mistura de diversos itens de amostras nao-
homogeneas. Este procedimento chama-se estatstica multi-amostral. Ver teorema 3 do
Limite Central, na Secao 5.5, Reducao de um sistema complexo a outro equivalente.
As diversas amostras podem ter diferentes taxas de falhas e tamanhos diferentes e,
portanto, intervalos de confianca diferentes. Misturar todas as amostras e estimar uma
taxa de falha media dividindo o numero total de falhas pelo tempo agregado em servico
nem sempre vai dar um resultado correto. O intervalo de confianca sera excessivamente e
irrealisticamente pequeno. O procedimento de estimacao precisa ser mais avancado para
tratar o problema da estatstica multi-amostral.
O estimador OREDA esta baseado nas seguintes consideracoes:
Existem k amostras diferentes. Uma amostra pode, por exemplo, corresponder a
uma plataforma, e podem existir dados de itens similares de k plataformas diferentes.
Na amostra numero i, sao observadas ni falhas durante o tempo total em servico i ,
para i = 1, 2, . . . , k.
A amostra numero i tem uma taxa de falha constante i para i = 1, 2, . . . , k.
82
e a variancia fica:
Z
2 = ( )2 ()d (4.94)
0
n
X n!
mk (1 m)nk = 0.5 (4.96)
k=1
k! (n k)!
Neste trabalho foram adotadas amostras de tamanho igual a 7. A Tab. 4.2 apresenta
os valores do posto mediano para amostras de tamanho 7 (Abernethy, 2003 [1]).
x = ln (t) (4.99)
e
1
y = ln ln . (4.100)
1 F (t)
y = x ln () , (4.106)
n
n
(M R)k (1 M R)nk = 0.50,
P
k=i k
A cadeia de Markov apresentada na Fig. 3.12 e um sistema que pode estar em cada um
dos estados numerados de 1 a 8, e pode transitar de um estado para outro, uma transicao
de cada vez, segundo probabilidades estabelecidas.
Se o sistema de Markov estiver no estado i , existe uma certa probabilidade, pij , de
que o sistema va para o estado j. O valor pij e a probabilidade de transicao do estado i
para o estado j.
A matriz T , que reune as probabilidades pij , e a matriz de transicao associada ao
sistema. A soma dos elementos de cada linha e igual a 1. A matriz de transicao forma
uma tabela De-Para de probabilidades de transicao, onde as linhas sao os estados De
e as colunas sao os estados Para.
Os elementos da diagonal principal da matriz de transicao contem os complementos
para que cada linha totalize igual a 1. A matriz de probabilidades de transicao do sistema
em estudo esta apresentada na Fig. 4.13.
Esse sistema pode ser representado em um diagrama de transicao de estados, que e
onde aparecem todas as probabilidades de transicao entre os estados. Nesse diagrama sao
representadas tambem as probabilidades de transicao da diagonal, isto e, do estado i para
86
i e do estado j para j, de modo que, em qualquer estado, a soma das probabilidades das
setas que saem de cada estado resulte igual a 1.
A Fig. 4.14 ilustra o diagrama de transicao de estados.
A Tab. 4.5 mostra os valores da Tab. 4.4 apos a conversao das taxas de falha e de
reparo para duracao da missao e duracao do reparo, em horas.
Captulo 5
Solucao numerica
Para trabalhar com fenomenos aleatorios e necessario escolher uma distribuicao teorica
de probabilidades que represente adequadamente o fenomeno que estiver sendo estudado.
A distribuicao binomial, por exemplo, e apropriada para descrever o numero de falhas
que um equipamento pode apresentar.
A distribuicao binomial tem a expressao
N!
p (X) = pX q N X , (5.1)
X! (N X)!
X e
p (X) = (5.2)
X!
90
91
mial e Poisson nao representam bem a aleatoriedade do tempo entre falhas. Durante a
vida util de um sistema, a taxa de ocorrencia de falhas, que e o inverso do tempo entre
falhas, tem um valor constante. A distribuicao exponencial representa melhor o problema
da ocorrencia de falhas durante a fase de vida util porque tem taxa de falha constante.
A Eq. (5.3) e a expressao da distribuicao exponencial.
f (t) = et (5.3)
x = x1 + x2 + . . . + xn (5.7)
1 " #
t t
f (t) = exp , (5.9)
por regressao linear. Neste caso, entretanto, a insuficiencia de valores oferecidos pelo
banco de dados Oreda contra-indica este metodo. A utilizacao das relacoes teoricas entre
os parametros fornecidos pelo banco de dados, media e desvio padrao , das taxas de
falha, conforme Tab. 4.4, e os parametros da distribuicao de Weibull, forma e escala ,
permitem determinar com precisao os parametros da distribuicao sem a necessidade de
recorrer a regressao linear.
As relacoes teorias sao (Murthy, Xie, Jiang, 2004 [12]):
= ( 1 + 1) (5.10)
y = y1 y2 . . . yn (5.12)
Ln y = Ln y1 + Ln y2 + . . . + Ln yn (5.13)
A Eq. (5.13) indica que a lognormal e a distribuicao normal dos logaritmos das variaveis
aleatorias. Os fenomenos que tem a participacao humana apresentam essa caracterstica.
A representacao da distribuicao do tempo de reparo, porque o reparo tem participacao
humana, foi feita pela distribuicao lognormal. A Eq. (5.14) apresenta a funcao densidade
de probabilidades lognormal (Lewis, 1996 [26]).
( 2 )
1 1 ln(t)
f (t) = exp (5.14)
t 2 2
2
2
= Ln +1 (5.17)
exp [2Ln ()]
1 2
= Ln () (5.18)
2
Foi feita a determinacao grafica dos parametros das distribuicoes de Weibull e lognor-
mal, encontrando-se os valores da Tab. 5.2. Os desenhos, em papel Weibull e lognormal,
estao apresentados no Anexo B, Determinacao grafica dos parametros das distribuicoes.
Tabela 5.3: Distribuicao Weibull para Tabela 5.4: Distribuicao lognormal para
duracao da missao da turbina. duracao do reparo da turbina.
Tabela 5.5: Distribuicao Weibull para Tabela 5.6: Distribuicao lognormal para
duracao da missao do gerador. duracao do reparo do gerador.
95
distribuicoes
O banco de dados OREDA fornece as medias e desvios padrao das taxas de falha e
de reparo. Mas as distribuicoes utilizam outros parametros. A distribuicao de Weibull
utiliza o fator de forma e o fator de escala . A distribuicao lognormal utiliza a media
e o desvio padrao dos logaritmos dos dados.
Em princpio, as Eqs. (5.10) e (5.11) deveriam converter de e da taxa de falha para
e de Weibull. Entretanto, o metodo de Newton nao convergiu. As equacoes foram,
entao, modificadas conforme as Eqs. (5.19) e (5.20) e o parametro foi incrementado
desde 0, 1 ate o valor em que 1 fosse suficientemente proximo de 2 .
96
1 = (5.19)
1
+1
2 = r h i2 (5.20)
2 1
+1 +1
Figura 5.4: Os dados do problema de conversao Figura 5.5: Os dados do problema de conversao
de e para e da distribuicao de Weibull da de e para e da distribuicao de Weibull da
duracao da missao da turbina estao mal condici- duracao da missao do gerador estao mal condici-
onados. onados.
Valores do parametro menores do que 1 para equipamentos velhos sao causados por
paradas administrativas, conforme descrito na Secao 4.4.7, Parada administrativa.
A funcao taxa de falha obtida deste modo, para os dados em estudo, resulta na taxa
de mortalidade infantil.
dF (t) 1
(t) = (5.25)
dt 1 F (t)
A funcao taxa de falha no envelhecimento foi obtida por regressao linear pelo metodo
dos mnimos quadrados. A descricao do metodo esta no Anexo F e o codigo computacional
no Anexo G.3.
Para o Caso 1, turbina, a duracao da missao resulta em
A taxa de falha estimada pelo ROCOF e calculada com valores atuais, e nao com
os valores que seriam obtidos quando o equipamento estivesse realmente envelhecido.
Entretanto, esses valores atuais sao os que ocorrem na regiao de vida util onde o processo
estocatico de ocorrencia das falhas e markoviano. A distribuicao das duracoes da missao
e exponencial. O processo estocastico nessa regiao e sem memoria. Por esse motivo,
102
a curva do ROCOF pode ser deslocada no tempo para qualquer ocasiao, uma vez que
nao depende da historia do equipamento. Como a regiao de interesse e a regiao de
envelhecimento, a curva do ROCOF deve ser deslocada ate o incio do envelhecimento. A
partir da, o processo estocastico passa a ser do tipo nao-markoviano. O envelhecimento
do equipamento depende do sacrifcio a que o equipamento foi submetido durante a sua
vida util. Isto e, o processo no envelhecimento depende da historia do equipamento. O
conceito de ROCOF permite que se tenha a curva do envelhecimento global a partir de
observacoes efetuadas em qualquer epoca, como no envelhecimento local.
Embora nao seja objeto deste estudo, a aplicacao do procedimento descrito acima pode
fornecer a curva da taxa de falha na regiao I, de mortalidade infantil. Quando o equipa-
mento em observacao e novo, a funcao densidade de Weibull se aproxima da distribuicao
exponencial e esse procedimento resulta numa funcao potencia do tipo (t) = atb , que e
tpica para a regiao I. Por outro lado, se o equipamento for velho, a funcao densidade
de Weibull se aproxima de uma distribuicao normal e o resultado sera uma funcao expo-
nencial do tipo (t) = aebt , que e tpica para a regiao III, de envelhecimento. Para obter
a outra curva, em qualquer caso, equipamento novo ou velho, e necessario substituir as
variaveis da funcao densidade acumulada y = F (t) por t = F (y) e renomear as variaveis, t
passa a chamar-se y e vice-versa, obtendo-se novamente y = F (t). Essa troca de variaveis
vai permitir obter a funcao taxa de falha da regiao III para equipamentos novos.
As turbinas e geradores do banco de dados OREDA, que esta sendo utilizado nesta
tese, sao equipamentos usados em bom estado. E possvel supor que os equipamentos
estejam aproximadamente no meio da vida util. A distribuicao de Weibull que foi utilizada
para modelar as variaveis aleatorias deveria ter o aspecto apropriado a essa fase da vida.
Entretanto, devido a paradas administrativas, ver Secao 4.4.7, as curvas de Weibull se
parecem com distribuicoes exponenciais e resultam na taxa de falha tpica da regiao I. As
funcoes taxa de falha da regiao III, necessarias neste trabalho, foram, portanto, obtidas
por troca de variaveis.
103
A Secao 5.3 forneceu um metodo para estimar a taxa de falha na regiao III sem que seja
necessario aguardar que a planta realmente envelheca para, entao, efetuar as medicoes
de duracao das missoes. O ROCOF fornece uma aproximacao da taxa de falha que sera
obtida quando a planta estiver efetivamente na regiao de envelhecimento. E oportuno
avaliar a sensibilidade da taxa de falha em relacao ao ROCOF para saber, quantitativa
e qualitativamente, como a taxa de falha se comporta em face da imprecisao do metodo
ROCOF.
A definicao de sensibilidade e (Distefano, 1972 [22])
Figura 5.11: Taxa de falha da turbina nos mode- Figura 5.12: Taxa de falha do gerador nos mode-
los Weibull e Rayleigh. A linha curva e de Weibull los Weibull e Rayleigh. A linha curva e de Weibull
e a reta, de Rayleigh. e a reta, de Rayleigh.
As Eqs. (5.32) e (5.33) sao multiplicadas por coeficientes no intervalo [0, 4 . . . 3, 0], com
incremento de 0,2, de modo a fazer variar a inclinacao das retas que representam as taxas
de falha. O sistema de equacoes diferenciais parciais de Markov, Eqs. (4.34) a (4.41), e,
entao, resolvido para cada uma das retas. Foi feita a associacao entre o coeficiente angular
da taxa de falha de Rayleigh e a duracao da missao ate o colapso. E considerado colapso
quando a probabilidade de falha completa do sistema turbogerador atinge 99%. O valor
1.0 indica a taxa de falha utilizada em Weibull e corresponde a 800 horas de duracao da
missao.
A Fig. 5.13 mostra a reducao da duracao
da missao quando a inclinacao da funcao
taxa de falha aumenta. O valor que corres-
ponde a taxa de falha de Weibull esta in-
dicado pelo fator 1 no eixo horizontal, que
e a taxa basica. Os valores menores que
Figura 5.13: Reducao da missao quando a in- 1 indicam inclinacoes menores e os valores
clinacao da taxa de falha aumenta.
maiores que 1 indicam inclinacoes maiores
que a inclinacao de Weibull.
105
Pode-se observar que a sensibilidade da duracao da missao com a taxa de falha e maior
para valores menores que 1. A sensibilidade e, aproximadamente, linear para valores
maiores que 1. Se a taxa de falha, calculada pelo ROCOF, conduzir a valores maiores que
o devido, a propagacao do erro fica minimizada pela sensibilidade menor nessa parte.
A Fig. 5.14 mostra a variacao da probabilidade de falhar com a inclinacao da funcao
taxa de falha.
A medida que a linha reta que re-
presenta a funcao taxa de falha au-
menta a inclinacao, a probabilidade
de falhar aumenta. Porem, nas pro-
ximidades de uma inclinacao duas
vezes maior que a inclinacao basica,
o aumento da probabilidade de fa-
lhar fica reduzido. Em tres vezes
Figura 5.14: Os fatores que aparecem na legenda multipli-
cam o coeficiente angular da taxa de falha de Rayleigh. O o coeficiente angular da inclinacao
fator 1 e a taxa correspondente a taxa de Weibull.
basica, parece ser um limite para a
reducao da duracao da missao. Com o fator 3,0 a duracao se estabeleceu em 450 ho-
ras. Para pequenos erros introduzidos pelo metodo do ROCOF, ocorre uma propagacao
significativa do erro na probabilidade de falhar. Entretanto, para erros maiores, o erro
propagado e menor.
A sensibilidade calculada pela
definicao, Eq. (5.30), esta apresen-
tada na Fig. 5.15. A curva sinuosa e
formada pelos valores efetivamente
encontrados e a linha reta e uma
linha de tendencia. Pode-se obser-
var que a tendencia e de crescimento
da sensibilidade com o aumento da
Figura 5.15: Os fatores que aparecem na legenda multipli-
cam o coeficiente angular da taxa de falha de Rayleigh. O duracao da missao. Dentro do al-
fator 1 e a taxa correspondente a taxa de Weibull.
cance de valores de interesse, que vai
106
de, aproximadamente, 500 ate 1000 horas, a tendencia da sensibilidade e menor que 1,
indicando que, nessa faixa, o erro relativo propagado na determinacao da duracao da
missao e menor que o erro introduzido pelo metodo ROCOF.
valente
T G = T + G . (5.34)
Utilizando os valores de T (t) e G (t) fornecidos pelas Eqs. 5.26 e 5.27 na Eq. 5.34, a
taxa de falha do grupo turbogerador e
T G
T G = . (5.36)
T G T G
+ +
T G T G
A probabilidade total de sucesso, P , para um sistema consistindo de n unidades com
probabilidade de sucesso p, das quais k sao necessarias e
n
X n!
P = pi (1 p)ni . (5.37)
i=k
(n i)!i!
P = 3p2 (1 p) + p3 . (5.38)
107
As taxas de falha das Eqs. (5.40) e (5.41) estao apresentadas graficamente na Fig. 5.16.
As duas curvas sao trechos da mesma curva da banheira do sistema, aqui apresentadas
separadas porque a escala de uma e diferente da outra.
F (t) = 1 R(t)
(5.43)
F (t) = 1 e0,7742 exp(0,0031t) .
N
P PN
Xi i
i=1 i=1
Xnormal = s
N
i2
P
i=1
tem uma funcao cumulativa de distribuicao que se aproxima de uma distribuicao normal.
109
s
N N
i2 sevem para ajustar a
P P
A parcela que subtrai a variavel Xi , i , e o fator
i=1 i=1
posicao da variavel Xnormal , fazendo com que fique centrada.
A simulacao de Monte Carlo considera as duas distribuicoes de Weibull, a da turbina
e a do gerador, independentes. E feito sorteio do tempo de operacao, que e o mesmo
para os dois equipamentos. O tempo de operacao existe no intervalo contnuo [0 . . . 3000]
horas. Com o tempo de operacao determinam-se as confiabilidades para cada maquina,
segundo a distribuicao de Weibull, pela expressao
" #
t
R (t) = exp , (5.44)
100000 sorteios. Os sorteios validos foram divididos em 100 classes de igual amplitude.
A Fig. 5.18 e o grafico da probabilidade de cada classe pelo ponto medio da classe. Essa
funcao densidade de probabilidades foi transformada em funcao cumulativa de probabili-
dades e feita anamorfose logaritmica indicada pelas Eqs. (4.99) e (4.100). Finalmente, foi
feita determinacao dos parametros de forma, = 1, 1197, e de escala = 1518, 1 horas, de
uma distribuicao de Weibull para a variavel duracao da missao do conjunto turbogerador.
Substituindo os valores dos parametros na Eq. (5.44), fica
4 t1,1197
RT G (t) = e2,74110 . (5.45)
N = (I Q)1 . (5.49)
112
N N1,k
1,1
Nk,1 Nk,k
N = (5.50)
Nm+1,m+1 Nm+1,n
Nn,m+1 Nn,n
Tempo total de absorcao e o tempo decorrido desde o estado atual ate o primeiro
estado absorvente ocorrer, significa o tempo esperado para ocorrer a falha irrecuperavel.
Seja Tk o tempo total ate a absorcao partindo do estado k, representado na Eq. 5.50
pelo elemento Nk,k .
Seja o vetor
T
T = Tm+1 Tm+2 Tn . (5.51)
Esse tempo total ate a absorcao esta expresso em numero de transicoes. Com o
tempo esperado de cada transicao, determina-se o tempo em horas e a confiabilidade
correspondente.
U = N R. (5.57)
deia de Markov.
sistema.
Embora a Eq. (5.52) permita calcular o tempo total de absorcao, Tk , a partir de
qualquer estado k, o interesse desta tese e calcula-lo a partir do estado inicial, quando
todas as maquinas estao em condicoes operacionais.
A variavel independente no incio
desse procedimento numerico foi o
tempo de operacao do sistema de tur-
bogeracao e a variavel dependente no
final do processo e o tempo total de
absorcao. Entao, em resumo, o que
se obteve foi uma relacao funcional
Figura 5.26: Numero de passos ate o colapso operacional, numerica do tempo total de absorcao
partindo do estado 1.
dependente do tempo de operacao do
sistema turbogerador.
O procedimento descrito calcula o tempo total de absorcao em uma unidade deno-
minada passo. O passo corresponde a um ciclo completo de operacao, caracterizado na
Fig. 3.1 como: incio de operacao, operacao, falha inicial, aguardando reparo, incio do
reparo e reparo. O re-incio da operacao marca o incio do proximo passo.
Escolhendo-se, reiteradamente, valores de tempo de operacao t, em horas, calculam-se
os valores dos tempos para absorcao Tk , em passos.
A Fig. 5.26 fornece o numero de passos ate o colapso operacional em funcao das horas
de operacao.
ciais de Markov
O sistema de equacoes diferenciais parciais de Markov, Eqs. (4.34) a (4.41), pode ser
escrito na forma matricial:
P P
A +B = C(s)P, (5.58)
s t
117
onde
P = P (s, t) = [p1 , p2 , . . . , p8 ]T
e o vetor das incognitas, A e B sao matrizes identidade 88, e C e a matriz dos coeficientes
dos termos fonte.
A matriz C, na condicao de reparo mnimo, esta apresentada na Fig. 5.27.
O vetor das incognitas esta sujeito a equacao de restricao representada pela Eq. (4.42),
onde a soma dos elementos do vetor das incognitas deve ser igual a 1.
Esse sistema de equacoes diferenciais parciais e geral e a sua solucao fornece as pro-
babilidades de ocorrencia de cada estado pi (s, t), i = 1, . . . , 8 nas regioes de vida util e de
envelhecimento, na condicao de reparo mnimo.
O sistema e do tipo adveccao com termo fonte. Trata-se de um problema de valor
inicial com condicoes de contorno e uma equacao algebrica de restricao para as incognitas.
As variaveis independentes sao:
s - variavel complementar que representa o sacrifcio do equipamento (horas);
t - variavel que representa a idade do equipamento (horas).
Cada estado e representado pelo ndice i. As incognitas sao as probabilidades pi de
que cada estado i ocorra em pi (s, t), i = 1, . . . , 8.
Os parametros do modelo sao:
- taxa de falha (falhas/hora) = (t);
- taxa de reparo (reparos/hora) = (t),
conforme a Tab. 5.8.
As condicoes iniciais sao
118
p1 (s, 0) = 1 e
(5.59)
pi (s, 0) = 0, i = 2, . . . , 8.
As condicoes de contorno sao
p1 (s, 0) = 1 e
(5.60)
pi (s, 0) = 0, i = 2, . . . , 8.
Ha 3 possibilidades para solucao numerica de um sistema da forma
P (s, t) P (s, t)
A + = C(s)P (s, t) : (5.61)
s t
P (s, t) P (s, t)
A + = 0; (5.62)
s t
por Runge-Kutta-4
dP (s)
= C (P (s)) . (5.63)
dt
A primeira iteracao comeca com Lax-Wendroff com as condicoes iniciais
sA j j
s2 A2 j j
Unj+1 = Unj 2Unj + Un+1 + kCnj ,
Un+1 Un1 + Un1 (5.65)
2 2
onde s e a razao entre os incrementos s e t. Trata-se de um esquema de volumes finitos,
explcito, com diferencas centradas e erro local de truncamento LTE = O (s2 + t2 ).
O metodo das curvas caractersticas, Secao 4.1, pode ser aplicado para resolver este
problema de valor inicial e EDPs de primeira ordem (Smith, 1985 [44]).
Considere a EDP linear de primeira ordem
p(s, t) p(s, t)
a (s, t) + b (s, t) = c (s, t) (5.66)
s t
em duas variaveis, com a condicao inicial u (s, 0) = f (s).
As curvas caractersticas sao
ds
= a(s, t) (5.67)
dr
dt
= b(s, t) (5.68)
dr
dp
= c(s, t) (5.69)
dr
As equacoes das curvas caractersticas podem ser expressas por
ds dt dp
= = (5.70)
a(s, t) b(s, t) c(s, t)
A funcao b(s, t) e constante e vale 1 devido ao tipo do problema. A funcao a(s, t) e
constante e vale 1 devido as caractersticas particulares do problema em estudo, conforme
explicado na Secao 4.1.5, Analise Dimensional das Curvas Caractersticas.
ds dt dp
= = (5.71)
1 1 c(s, t)
fica
s=t (5.72)
e
dp(s, t)
= c(s, t) (5.73)
dt
120
Resultados
121
122
ja que somente dois serao necessarios para atender a carga. O estado 8 representa o foco
desta tese.
Tabela 6.1: Probabilidades de ocorrencia dos estados do sistema.
E nesse estado que ocorre o colapso operacional, quando o segundo turbogerador sai
de operacao antes que o primeiro a falhar tenha sido recuperado. Os demais estados,
de 2 a 7, sao estados intermediarios onde apenas um equipamento, uma turbina ou um
gerador, apresentou falha. Alem do significado desses estados ser de menor importancia,
o valor numerico das probabilidades e pequeno. A probabilidade de falha do gerador, por
exemplo, e, aproximadamente, nula.
O que se observa, pelo exame da
Tab. 6.1, e que a probabilidade de ocorrencia
de colapso operacional, p8 , e funcao princi-
palmente da probabilidade do estado 1, p1 .
As demais probabilidades apresentam con-
tribuicao de pequena relevancia. Este fato
se observa, tambem, no grafico da Fig. 6.1. Figura 6.1: Probabilidades de falha dos estados,
sob reparo mnimo, avaliadas por solucao do sistema
Devido a aparente indiferenca dos esta- de equacoes de Markov. A legenda das curvas e a
mesma da Fig. 3.10.
dos 2 a 7 no resultado final e correlacao ex-
clusiva entre os estado 1 e 8, o diagrama de estados da cadeia de Markov foi simplificado
para levar em conta somente os primeiro e ultimo estados, desprezando-se os estados
123
seja nao-markoviano.
O exame da figura indica que o metodo aproximado e conservador e aponta para uma
probabilidade de ocorrencia de colapso operacional cerca de 200 horas antes da ocorrencia
indicada pelo metodo exato.
Conclusoes
127
128
equivalente, e exato, pela solucao das equacoes de Markov, indica claramente que o metodo
aproximado consegue prever que o colapso operacional do sistema de geracao devera ocor-
rer apos 600 horas de funcionamento contnuo, enquanto que o metodo exato aponta o
colapso para apos decorridas 800 horas. Essa diferenca implica em reducao significativa
de custos.
Esses resultados concordam com as previsoes inferidas experimentalmente, validando
a metodologia desenvolvida no Captulo 4, oferecendo, portanto, uma ferramenta util para
a determinacao da probabilidade de falhar, dado que ate agora nao falhou.
O calculo do numero de passos, desde o estado 1, onde todas as maquinas estao em
funcionamento, ate o estado 8, onde ocorre o colapso operacional, e outro indicador da
proximidade de coplaso. Comparando os graficos das Figs. 6.4 e 6.5, observa-se que as
equacoes de Markov apontam para o colapso apos cerca de 800 horas de funcionamento,
enquanto que, nesse tempo, o colapso devera ocorrer apos cerca de cem intervencoes de
manutencao.
De acordo com a expressao da taxa de falha do sistema, calculada de modo aproximado,
Eq. (5.41), apos as 800 horas de funcionamento a taxa de falha e de, aproximadamente,
0,03 falhas por hora, significando que devera ocorrer, em media, cerca de uma falha a
cada 35 horas, representando uma perda da dependabilidade e caracterizando, assim, o
colapso operacional.
De forma sucinta, os objetivos propostos inicialmente foram atingidos, oferecendo
a possibilidade de avaliacao da extensao da vida util de plantas industriais atraves da
metodologia apresentada neste trabalho.
129
Referencias Bibliograficas
[2] WANG, G.; LEE, A. K.; SERRATELLA, C.; BASU, R. Flexible approaches to risk-
based inspection of FPSOs. In: Offshore Technology Conference. Houston, 2006. OTC
n. 18364.
[4] ASCHER, H.; FEINGOLD, H. Repairable systems reliability. New York: Marcel Dek-
ker, 1984.
[5] AVEN, T.; JENSEN, U. Stochastic models in reliability. New York: Springer, 1999.
[6] BARLOW, R. E.; PROSCHAN, F. Statistical theory of reliability and life testing.
New York: Holt, Rinehart and Winston, 1975.
[7] BILLINTON, R. Power system reliability evaluation. New York:, Gordon and Breach
Science Publishers, 1970.
[9] BRAUN, M. Differential equations and their applications. New York: Springer, 1992.
[12] XIE, M.; MURTHY, D. N. P.; JIANG, R. Weibull models. New Jersey: John Wiley
Sons, 2004.
[14] NATVIG, B. et al. Multistate reliability theory: a case study. Advances in Applied
Probability. v. 18, n. 4, p. 921-932, 1986.
[16] CROWDER, M. J. et al. Statistical analysis of reliability data. New York: Chapman
Hall, 2000.
[17] GAO, X. et al. Analysis for joint importance of components in a coherent system.
European Journal of Operational Research, n. 182, p. 282-299, 2007.
[18] HECHT, H. Systems reliability and failure prevention. Norwood: Artech House,
2004.
[21] HSU, H. Probability, random variables, and random processes. New York: McGraw-
Hill, 1997.
[24] KIJIMA, M. Markov processes for stochastic modeling. London: Chapman & Hall,
1997.
[26] LEWIS, E. E. Introduction to reliability engineering. Illinois: John Wiley & Sons,
1996.
[27] LIMNIOS, N.; OPRISAN, G. Semi-markov processes and reliability. Boston: New
York: Birkhauser, 2001.
[29] MEEKER, W. Q.; ESCOBAR, L. A. Statistical methods for reliability data. New
York: John Wiley & Sons, 1998.
131
[30] NOCEDAL, J.; WRIGHT, S. J. Numerical optimization. New York: Springer, 1999.
[31] NORRIS, J. R. Markov chains. New York: Cambridge University Press, 2005.
[35] PYY, P. Human reliability analysis methods for probabilistic safety assessment.
Technical Research Centre of Finland, n. 422, p. 1-67, 2000.
[37] RAUSAND, M.; HOYLAND, A. System reliability theory. New York: John Wiley
& Sons, 2004.
[38] RIGDON, S. E.; BASU, A. P. Statistical methods for the reliability of repairable
systems. New York: John Wiley & Sons, 2000.
[39] ROBERT, C. P.; CASELLA, G. Monte Carlo statistical methods. New York: Sprin-
ger, 2004.
[41] SENETA, E. Non-negative matrices and markov chains. New York: Springer, 2006.
[42] SHESKIN, T. J. Computing the fundamental matrix for a reducible markov chain.
Mathematics Magazine, v. 68, n. 5, p. 393-398, 1995.
[43] SINGH, C.; BILLINTON, R. System reliability modelling and evaluation. London:
Hutchinson Educational Publishers, 1977.
132
[45] SINTEF TECHNOLOGY AND SOCIETY. OREDA 97: supplement offshore relia-
bility data handbook. OREDA Participants. 1997. http://www.sintef.no/oreda.
[46] . Oreda: Offshore Reliability Data Handbook. Trondheim: Det Norske Veri-
tas, 2002.
[47] THOMAS, J. W. Numerical partial differential equations. New York: Springer, 1995.
[48] ZIO, Enrico. An introduction to the basics of reliability and risk analysis. Milano:
World Scientific Publishing, 2007.
Captulo 8
Apendices
133
Apendice A
134
135
136
137
Reconstituicao de valores
caso 1 - turbina - duracao da missao
= 0, 6098
= 617, 2 horas
138
Reconstituicao de valores
caso 2 - turbina - duracao do reparo
= 1, 379 horas
= 1, 896 horas
139
Reconstituicao de valores
caso 3 - gerador - duracao da missao
= 0, 2000
= 141, 2 horas
140
Reconstituicao de valores
caso 4 - gerador - duracao do reparo
= 1, 263 horas
= 1, 813 horas
Apendice C
Custo de manutencao
A atividade de manutencao durante e apos a vida util de uma planta industrial de-
monstra que os intervalos entre as intervencoes de manutencao devem ser gradativamente
diminudos na medida em que o tempo em operacao aumenta. A avaliacao do risco e
um dos criterios utilizados para saber se o intervalo de manutencao esta adequado para
aquela planta. Ver Anexo E.
As probabilidades de falha foram determinadas no Captulo 5, Solucao numerica, agora
e oportuno conhecer o risco associado aquelas probabilidades.
O custo total da falha e a soma do custo do reparo com o risco. O custo do reparo, em
homem-hora (HH), foi obtido no banco de dados OREDA, enquanto que a tarifa de energia
eletrica foi obtida em tabelas da Agencia Nacional de Energia Eletrica-ANEEL. Para
permitir a comparacao, a tarifa de energia sera expressa em homem-hora. A conversao
da tarifa de energia eletrica para homem-hora por cada turbogerador esta apresentada no
Anexo D.
O valor do custo da perda, ponderado por um expoente, multiplicado pela proba-
bilidade da perda ocorrer resulta no risco da instalacao, conforme Eq. (E.1). O valor
escolhido para o peso, k = 0, 25, foi determinado por tentativas para tornar o montante
do risco da mesma ordem de grandeza do custo de reparo. A probabilidade de ocorrencia
de perda do sistema de geracao e a probabilidade do estado 8, p8 (s, t).
A duracao do reparo segue uma distribuicao lognormal, conforme visto no Captulo 5.
Os parametros das distribuicoes estao apresentadas nas Tabs. 5.4 e 5.6. Na condicao de
141
142
O custo total foi considerado como sendo a soma do custo do reparo com o custo de
risco de faltar energia eletrica. O estudo mostra que o metodo da manutencao baseada
em risco nao conduz a uma minimizacao do custo, mas permite visualizar que o custo
total de manutencao e, aproximadamente, independente dos intervalos de manutencao.
A soma, em cada intervalo de tempo, do custo de reparo obtido por regressao linear
com o risco forneceu o custo total.
Apendice D
143
144
145
146
2
baixo medio
1
0
A B C D E
consequencia
n
X
R= xk p (E.1)
i=1
Um erro humano e uma acao que falha em atender a algum limite de aceitabilidade
definido para o sistema. Pode ser uma acao fsica indevida de operacao ou uma acao
cognitiva equivocada, isto e, a identificacao de uma falha ou o diagnostico das causas da
falha. Os erros em procedimentos de operacao ou de manutencao, por exemplo, conduzem
a um maior numero de demandas dos sistemas de protecao e aumentam o risco da planta.
A motivacao para estudo da confiabilidade humana decorre da variabilidade do desem-
penho humano. O ser humano nunca realiza uma tarefa exatamente da mesma forma. A
variabilidade humana influi diretamente nos valores das probabilidades de erros humanos.
A analise da confiabilidade humana mantem o risco de natureza humana dentro de limites
aceitaveis com referencia aos nveis de tolerancia estabelecidos pela analise de risco para
a operacao do sistema.
A analise da confiabilidade humana compreende:
O emprego das tecnicas de ACH permite obter resultados quantitativos que sao geral-
mente expressos na forma de taxas e probabilidades de erros humanos.
A probabilidade de erro humano e
Ne
Peh = (E.2)
No
148
Problema:
Dado o conjunto de N de pontos (x, y), onde os vetores x e y tem dimensao N , ajustar
uma equacao exponencial da forma
y = a ebx (F.1)
z = a0 + a1 x, (F.2)
onde z = Ln y, a0 = Ln a e a1 = b.
Os N pontos dados sao, entao, modificados para (x, z), onde z = Ln y.
O problema se transforma para:
Dado o conjunto de N de pontos (x, z), onde os vetores x e z tem dimensao N , ajustar
um polinomio
k
X
z = Pk (x) = a m xm , (F.3)
m=0
onde
F = Pk (x) z. (F.5)
Montar o Jacobiano
149
150
Pk (xi )
Ji,j = , i = 1, 2, . . . , N, j = 0, 1, . . . , k (F.6)
aj
Montar a equacao normal do metodo do gradiente
J T Ja = J T F. (F.7)
a = (J T J)1 J T F. (F.8)
a l+1 = a l + a. (F.9)
Codigos de computador
151
152
program RK45sis
integer i,n,nsteps,m
real deriv,h0,t,t0,tn,tend,f
real h(8),k1(8),k2(8),k3(8),k4(8),k5(8),k6(8),p0(8),pn(8)
real c2(8),c3(8),c4(8),c5(8),c6(8)
c real LT,LG,MT,MG
open(unit=6,file=RK45sis.out)
c open(unit=5,file=RK45sis.dat)
c*************************************************
m=0 ! imprime de m em m iterac~
oes
neq=8 ! numero de equacoes
c*************************************************
c condicoes iniciais
c*************************************************
t0=0.0 ! p0=p(t0)
p0(1)=1.0
do 110 i=2,neq
110 p0(i)=0.0
tend=1500.
nsteps=3000
c*************************************************
h0=(tend-t0)/nsteps
tn=t0 ! tn eh o t do problema
do 120 i=1,neq
120 pn(i)=p0(i) ! pn eh o valor da integral
n=0
print *,h= ,h0
print *, n t p1 p2 p3 p4
* p5 p6 p7 p8
write(6,1)n,tn,pn(1),pn(2),pn(3),pn(4),pn(5),pn(6),pn(7),pn(8)
1 format(1x,i4,2x,f5.0,2x,f8.4,6(2x,f9.3),2x,f8.4)
do 10 n=1,nsteps
c**********************************************************
c
do 130 i=1,neq
k1(i)=h0*f(i,tn,
* pn(1),pn(2),pn(3),pn(4),
* pn(5),pn(6),pn(7),pn(8))
130 continue
c
do 145 i=1,neq
145 c2(i)=k1(i)/4
do 140 i=1,neq
k2(i)=h0*f(i,tn+h0/4,
* pn(1)+c2(1),pn(2)+c2(2),pn(3)+c2(3),pn(4)+c2(4),
* pn(5)+c2(5),pn(6)+c2(6),pn(7)+c2(7),pn(8)+c2(8))
140 continue
c
do 155 i=1,neq
155 c3(i)=k1(i)*3/32+k2(i)*9/32
do 150 i=1,neq
k3(i)=h0*f(i,tn+h0*3/8,
* pn(1)+c3(1),pn(2)+c3(2),pn(3)+c3(3),pn(4)+c3(4),
* pn(5)+c3(5),pn(6)+c3(6),pn(7)+c3(7),pn(8)+c3(8))
150 continue
153
c
do 165 i=1,neq
165 c4(i)=k1(i)*1932/2197-k2(i)*7200/2197+k3(i)*7296/2197
do 160 i=1,neq
k4(i)=h0*f(i,tn+h0*12/13,
* pn(1)+c4(1),pn(2)+c4(2),pn(3)+c4(3),pn(4)+c4(4),
* pn(5)+c4(5),pn(6)+c4(6),pn(7)+c4(7),pn(8)+c4(8))
160 continue
c
do 170 i=1,neq
170 c5(i)=k1(i)*439/216-k2(i)*8+k3(i)*3680/513-k4(i)*845/4104
do 175 i=1,neq
k5(i)=h0*f(i,tn+h0,
* pn(1)+c5(1),pn(2)+c5(2),pn(3)+c5(3),pn(4)+c5(4),
* pn(5)+c5(5),pn(6)+c5(6),pn(7)+c5(7),pn(8)+c5(8))
175 continue
c
do 180 i=1,neq
c6(i)=-k1(i)*8/27+k2(i)*2-k3(i)*3544/2565+
* k4(i)*1859/4104-k5(i)*11/40
180 continue
do 185 i=1,neq
k6(i)=h0*f(i,tn+h0/2,
* pn(1)+c6(1),pn(2)+c6(2),pn(3)+c6(3),pn(4)+c6(4),
* pn(5)+c6(5),pn(6)+c6(6),pn(7)+c6(7),pn(8)+c6(8))
185 continue
c
do 190 i=1,neq
190 h(i)=k1(i)*25/216+k3(i)*1408/2565+k4(i)*2197/4104-k5(i)/5
c
tn=tn+h0
do 195 i=1,neq
195 pn(i)=pn(i)+h(i)
c
do 200 i=1,neq
if(abs(pn(i)).lt.1.e-11)pn(i)=0.0
200 continue
c
c***********************************************************
m=m+1
if (100-m)10,11,10
11 write(6,1)n,tn,pn(1),pn(2),pn(3),pn(4),pn(5),pn(6),pn(7),pn(8)
m=0
10 continue
c
stop
end
c*****Reparo minimo*****************************************
real function f(j,t,p1,p2,p3,p4,p5,p6,p7,p8)
integer j
real t,p1,p2,p3,p4,p5,p6,p7,p8
real LT,LG,MT,MG
LT=0.0028*exp(0.0017*t)+1/833.87
LG=6.0E-05*exp(0.0044*t)+1/10177.08
MT=0.036900
MG=0.035211
if(j.eq.1)f=-3*(LT+LG)*p1+MT*p2+MG*p3+MT*p4+MG*p5+MT*p6+MG*p7
if(j.eq.2)f=LT*p1-(MT+2*LT+2*LG)*p2
154
if(j.eq.3)f=LG*p1-(MG+2*LT+2*LG)*p3
if(j.eq.4)f=LT*p1-(MT+2*LT+2*LG)*p4
if(j.eq.5)f=LG*p1-(MG+2*LT+2*LG)*p5
if(j.eq.6)f=LT*p1-(MT+2*LT+2*LG)*p6
if(j.eq.7)f=LG*p1-(MG+2*LT+2*LG)*p7
if(j.eq.8)f=2*(LT+LG)*(p2+p3+p4+p5+p6+p7)
return
end
c*****Reparo de renovac~
ao***********************************
c real function f(j,t,p1,p2,p3,p4,p5,p6,p7,p8)
c integer j
c real t,p1,p2,p3,p4,p5,p6,p7,p8
c real LT,LG,MT,MG
c LT=0.0028*exp(0.0017*t)+1/833.87
c LG=6.0E-05*exp(0.0044*t)+1/10177.08
c MT=0.036900
c MG=0.035211
c if(j.eq.1)f=-3*(LT+LG)*p1
c if(j.eq.2)f=-(MT+2*LT+2*LG)*p2
c if(j.eq.3)f=-(MG+2*LT+2*LG)*p3
c if(j.eq.4)f=-(MT+2*LT+2*LG)*p4
c if(j.eq.5)f=-(MG+2*LT+2*LG)*p5
c if(j.eq.6)f=-(MT+2*LT+2*LG)*p6
c if(j.eq.7)f=-(MG+2*LT+2*LG)*p7
c if(j.eq.8)f=2*(LT+LG)*(p2+p3+p4+p5+p6+p7)
c return
c end
155
//Montecarl2.c
/* CONDIC~
AO DE REPARO MINIMO
Este programa faz uma simulac~
ao para estimar as probabilidades dos estados da
cadeia de Markov. Quando o estado atual e "funcionando=1", utiliza a taxa de
falha para passar ou nao para o estado "falho=0". Quando o estado atual e
"falho=0", utiliza a taxa de reparo para passar ou nao para o estado
"funcionando=1". */
#include<stdio.h>
#include<math.h>
#include<time.h>
#include<stdlib.h>
//float aleatorio(float,float,float);
int main()
{
clock_t
start,// Inicio do tempo de processamento
stop; // Termino do tempo de processamento
/******************************************************************************
Marca o inicio do tempo de processamento
******************************************************************************/
start=clock();
/******************************************************************************
Definicao das variaveis
******************************************************************************/
float
lambdaT,//taxa de falha da turbina
lambdaG,//taxa de falha do gerador
miT,miG,
st,p[8+1],pi[8+1],sp,
y1,
R,RT,RG,
s,t;
int
sx,x[6+1],fi[4+1],sfi,fx,x60,x61,
i,j,k;
/******************************************************************************
Abre arquivo Montecarlo.out para gravac~ao
******************************************************************************/
FILE *arqs;
arqs=fopen("Montecarl2.out","w");
/******************************************************************************
Inicializa a funcao aleatorio
******************************************************************************/
time_t now;
now=time(NULL);
srand (now);
/******************************************************************************
lambdaT=0.00119923;//taxa de falha media da turbina em falhas por hora
lambdaG=0.00009826;//taxa de falha media do gerador em falhas por hora
R=exp(-lambda*t); confiabilidade
*******************************************************************************/
156
/******************************************************************************
Rotina
******************************************************************************/
fprintf(arqs," Condic~
ao de reparo mnimo\n");
fprintf(arqs," t p1 p2 p3 p4 p5 p6 p7
p8\n");
for(t=0;t<=1500;t+=50){
for(i=1;i<=8;i++){pi[i]=0;}
for(i=1;i<=6;i++){x[i]=1;}
for(j=1;j<=100000;j++){
lambdaT=(1199.23+2800*exp(0.0017*t))*0.0000001;
// if(lambdaT<0.00119923){lambdaT=0.00119923;}
lambdaG=(98.26+60*exp(0.0044*t))*0.0000001;
// if(lambdaG<0.00009826){lambdaG=0.00009826;}
miT=36900e-6;
miG=35211e-6;
/*****************************************************************************/
sx=x[1];
if(sx==1){
R=exp(-lambdaT*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[1]=1;}
if(y1>=R){x[1]=0;}
}
if(sx==0){
s=150.0*rand()/RAND_MAX;
R=exp(-miT*s );
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[1]=1;}
if(y1>=R){x[1]=0;}
}
/*****************************************************************************/
sx=x[2];
if(sx==1){
R=exp(-lambdaG*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[2]=1;}
if(y1>=R){x[2]=0;}
}
if(sx==0){
s=150.0*rand()/RAND_MAX;
R=exp(-miG*s );
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[2]=1;}
if(y1>=R){x[2]=0;}
}
/*****************************************************************************/
sx=x[3];
if(sx==1){
R=exp(-lambdaT*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[3]=1;}
if(y1>=R){x[3]=0;}
}
157
if(sx==0){
s=150.0*rand()/RAND_MAX;
R=exp(-miT*s );
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[3]=1;}
if(y1>=R){x[3]=0;}
}
/*****************************************************************************/
sx=x[4];
if(sx==1){
R=exp(-lambdaG*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[4]=1;}
if(y1>=R){x[4]=0;}
}
if(sx==0){
s=150.0*rand()/RAND_MAX;
R=exp(-miG*s );
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[4]=1;}
if(y1>=R){x[4]=0;}
}
/*****************************************************************************/
sx=x[5];
if(sx==1){
R=exp(-lambdaT*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[5]=1;}
if(y1>=R){x[5]=0;}
}
if(sx==0){
s=150.0*rand()/RAND_MAX;
R=exp(-miT*s );
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[5]=1;}
if(y1>=R){x[5]=0;}
}
/*****************************************************************************/
sx=x[6];
if(sx==1){
R=exp(-lambdaG*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[6]=1;}
if(y1>=R){x[6]=0;}
}
if(sx==0){
s=150.0*rand()/RAND_MAX;
R=exp(-miG*s );
y1=1.0*rand()/RAND_MAX;
if(y1<R ){x[6]=1;}
if(y1>=R){x[6]=0;}
}
/*****************************************************************************/
fi[1]=x[1]*x[2];
fi[2]=x[3]*x[4];
fi[3]=x[5]*x[6];
fi[4]=1-(1-fi[1])*(1-fi[2])*(1-fi[3]);
158
sfi=fi[1]+fi[2]+fi[3];
if(sfi>=2){fx=1;}
if(sfi<2){fx=0;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==1)&&(x[4]==1)&&(x[5]==1)&&(x[6]==1)){
pi[1]++;goto g81;}
if((x[1]==0)&&(x[2]==1)&&(x[3]==1)&&(x[4]==1)&&(x[5]==1)&&(x[6]==1)){
pi[2]++;goto g81;}
if((x[1]==1)&&(x[2]==0)&&(x[3]==1)&&(x[4]==1)&&(x[5]==1)&&(x[6]==1)){
pi[3]++;goto g81;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==0)&&(x[4]==1)&&(x[5]==1)&&(x[6]==1)){
pi[4]++;goto g81;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==1)&&(x[4]==0)&&(x[5]==1)&&(x[6]==1)){
pi[5]++;goto g81;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==1)&&(x[4]==1)&&(x[5]==0)&&(x[6]==1)){
pi[6]++;goto g81;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==1)&&(x[4]==1)&&(x[5]==1)&&(x[6]==0)){
pi[7]++;goto g81;}
if(fx==0){pi[8]++;goto g81;}
g81:
for(i=1;i<=5;i++){;}
}
sp=0;
for(i=1;i<=8;i++){sp+=pi[i];}
for(i=1;i<=8;i++){p[i]=pi[i]/sp;}
//Montecarlo.c
/* CONDIC~
AO DE REPARO PERFEITO
Este programa faz uma simulac~
ao para estimar as probabilidades dos estados da
cadeia de Markov. Utiliza somente a taxa de falha para mudar ou nao de um
estado para o outro. */
#include<stdio.h>
#include<math.h>
#include<time.h>
#include<stdlib.h>
float aleatorio(float,float,float);
int main()
159
{
clock_t
start,// Inicio do tempo de processamento
stop; // Termino do tempo de processamento
/******************************************************************************
Marca o inicio do tempo de processamento
******************************************************************************/
start=clock();
/******************************************************************************
Definicao das variaveis
******************************************************************************/
float
lambdaT,//taxa de falha da turbina em falhas por hora
lambdaG,//taxa de falha do gerador em falhas por hora
st,
y1,
x[6+1],fi[4+1],
p[8+1],
sp,
sfi,
fx,
R,
t;
int
i,j;
/******************************************************************************
Abre arquivo Montecarlo.out para gravac~
ao
******************************************************************************/
FILE *arqs;
arqs=fopen("Montecarlo.out","w");
/******************************************************************************
Inicializa a funcao aleatorio
******************************************************************************/
time_t now;
now=time(NULL);
srand (now);
/******************************************************************************
Rotina
******************************************************************************/
fprintf(arqs," Condic~
ao de reparo perfeito\n");
fprintf(arqs," t p1 p2 p3 p4 p5 p6 p7 p8\n");
for (t=0;t<=1500;t+=50){
for(i=1;i<=8;i++){p[i]=0;}
for(j=1;j<=100000;j++){
lambdaT=(1199.23+2800*exp(0.0017*t))*0.0000001;
// if(lambdaT<0.00119923){lambdaT=0.00119923;}
lambdaG=(98.26+60*exp(0.0044*t))*0.0000001;
// if(lambdaG<0.00009826){lambdaG=0.00009826;}
R=exp(-lambdaT*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R) {x[1]=1.0;}
if(y1>=R){x[1]=0.0;}
R=exp(-lambdaG*t);
160
y1=1.0*rand()/RAND_MAX;
if(y1<R) {x[2]=1.0;}
if(y1>=R){x[2]=0.0;}
R=exp(-lambdaT*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R) {x[3]=1.0;}
if(y1>=R){x[3]=0.0;}
R=exp(-lambdaG*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R) {x[4]=1.0;}
if(y1>=R){x[4]=0.0;}
R=exp(-lambdaT*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R) {x[5]=1.0;}
if(y1>=R){x[5]=0.0;}
R=exp(-lambdaG*t);
y1=1.0*rand()/RAND_MAX;
if(y1<R) {x[6]=1.0;}
if(y1>=R){x[6]=0.0;}
fi[1]=x[1]*x[2];
fi[2]=x[3]*x[4];
fi[3]=x[5]*x[6];
fi[4]=1-(1-fi[1])*(1-fi[2])*(1-fi[3]);
sfi=fi[1]+fi[2]+fi[3];
if(sfi>=2){fx=1;}
if(sfi<2){fx=0;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==1)&&(x[4]==1)&&(x[5]==1)&&(x[6]==1)){
p[1]++;goto g81;}
if((x[1]==0)&&(x[2]==1)&&(x[3]==1)&&(x[4]==1)&&(x[5]==1)&&(x[6]==1)){
p[2]++;goto g81;}
if((x[1]==1)&&(x[2]==0)&&(x[3]==1)&&(x[4]==1)&&(x[5]==1)&&(x[6]==1)){
p[3]++;goto g81;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==0)&&(x[4]==1)&&(x[5]==1)&&(x[6]==1)){
p[4]++;goto g81;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==1)&&(x[4]==0)&&(x[5]==1)&&(x[6]==1)){
p[5]++;goto g81;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==1)&&(x[4]==1)&&(x[5]==0)&&(x[6]==1)){
p[6]++;goto g81;}
if((x[1]==1)&&(x[2]==1)&&(x[3]==1)&&(x[4]==1)&&(x[5]==1)&&(x[6]==0)){
p[7]++;goto g81;}
if(fx==0){p[8]++;goto g81;}
g81:
for(i=1;i<=5;i++){;}
}
sp=0;
161
for(i=1;i<=8;i++){
sp+=p[i];
}
for(i=1;i<=8;i++){
p[i]/=sp;
}
fprintf(arqs," %4.0f %4.4f %4.4f %4.4f %4.4f %4.4f %4.4f %4.4f %4.4f
%7.0f\n",t,p[1],p[2],p[3],p[4],p[5],p[6],p[7],p[8],sp);
}
/******************************************************************************
Marca o termino do tempo de processamento
******************************************************************************/
stop=clock();
st=(stop-start)/CLK_TCK;
printf("\n\n tempo de processamento %10.5f segundos \n",st);
fclose (arqs);
return (0);
}
162
quadrados
/**********************************************************
Abre arquivo de saida
**********************************************************/
FILE * pOut;
pOut = fopen("RegrLine.out","w");
/**********************************************************
Titulo
**********************************************************/
fprintf(pOut,"*****************************************************\n");
fprintf(pOut,"* -1 *\n");
fprintf(pOut,"* A = B*C -> C = B * A *\n");
fprintf(pOut,"* *\n");
fprintf(pOut,"* 2 *\n");
fprintf(pOut,"* U = F(V) -> X = F(T) -> X = C3*T + C2*T + C1 *\n");
fprintf(pOut,"*****************************************************\n");
/**********************************************************
Declaracao das variaveis
**********************************************************/
int i,j,k,l,m,n;
fscanf(pDat,"%i",&n);// grau da equacao
float a[n+2],b[n+2][n+2],sb[n+2][n+2],um[n+2][n+2],c[n+2];
fscanf(pDat,"%i",&m);//numero de pontos
float u[m],v[m],x[m],t[m],xest[m];
float ub,vb;
float expl,tot,r,r2,epe;
/**********************************************************
Le dados
163
**********************************************************/
for(i=1;i<=m;i++){
fscanf(pDat,"%f",&v[i]);
}
for(i=1;i<=m;i++){
fscanf(pDat,"%f",&u[i]);
}
ub=0;vb=0;
for(i=1;i<=m;i++){
ub=ub+u[i]/m;
vb=vb+v[i]/m;
}
for(i=1;i<=m;i++){
x[i]=u[i];//x[i]=u[i]-ub;
t[i]=v[i];//t[i]=v[i]-vb
}
/**********************************************************
Forma matriz A
**********************************************************/
for(l=1;l<=n+1;l++){
a[l]=0;
for(i=1;i<=m;i++){
a[l]=a[l]+x[i]*pow(t[i],l-1);
}
}
/**********************************************************
Forma matriz B
**********************************************************/
for(l=1;l<=n+1;l++){
for(k=l;k<=n+1;k++){
b[l][k]=0;
for(i=1;i<=m;i++){
b[l][k]=b[l][k]+pow(t[i],l+k-2);
}
}
}
b[1][1]=m;
for(l=1;l<=n+1;l++){
for(k=l;k<=n+1;k++){
b[k][l]=b[l][k];
}
}
/**********************************************************
Salva matriz B em SB
**********************************************************/
for(l=1;l<=n+1;l++){
for(k=1;k<=n+1;k++){
sb[l][k]=b[l][k];
}
}
/**********************************************************
Inverte matriz B em B por Shipley-Coleman
**********************************************************/
n=n+1;
for(i=1;i<=n;i++){
b[i][i]=1/b[i][i];//passo 1
for(k=1;k<=n;k++){
for(j=1;j<=n;j++){
164
if((k!=i)&&(j!=i)){b[j][k]=b[j][k]-b[j][i]*b[i][i]*b[i][k];}//passo 2
}
}
for(k=1;k<=n;k++){
if(k!=i){b[i][k]=-b[i][i]*b[i][k];}//passo 3
}
for(j=1;j<=n;j++){
if(j!=i){b[j][i]=b[i][i]*b[j][i];}//passo 4
}
}
/**********************************************************
Verifica inversao
**********************************************************/
for(l=1;l<=n;l++){
for(k=1;k<=n;k++){
um[l][k]=0;
for(j=1;j<=n;j++){
um[l][k]=um[l][k]+b[l][j]*sb[j][k];
}
}
}
/**********************************************************
Calcula vetor solucao C
**********************************************************/
for(l=1;l<=n;l++){
for(k=1;k<=n;k++){
c[l]=0;
for(j=1;j<=n;j++){
c[l]=c[l]+b[l][j]*a[j];
}
}
}
/**********************************************************
Exibe o vetor solucao C
**********************************************************/
fprintf(pOut," vetor C\n");
for(l=1;l<=n;l++){
fprintf(pOut," C[%1i]=%10.5f\n",l,c[l]);
}
/**********************************************************
Recupera dados a partir do vetor solucao C
**********************************************************/
for(i=1;i<=m;i++){
xest[i]=0;
for(l=1;l<=n;l++){
xest[i]=xest[i]+c[l]*pow(t[i],l-1);
}
}
/**********************************************************
Variacao explicada
**********************************************************/
expl=0;
for(i=1;i<=m;i++){
expl=expl+(xest[i]-ub)*(xest[i]-ub);
}
/**********************************************************
Variacao total
**********************************************************/
165
tot=0;
for(i=1;i<=m;i++){
tot=tot+(u[i]-ub)*(u[i]-ub);
}
/**********************************************************
Coeficiente de determinacao
**********************************************************/
r2=expl/tot;
/**********************************************************
Coeficiente de correlacao
**********************************************************/
r=sqrt(r2);
/**********************************************************
Erro padrao da estimativa
**********************************************************/
epe=0;
for(i=1;i<=m;i++){
epe=epe+(u[i]-xest[i])*(u[i]-xest[i]);
}
epe=sqrt(epe/m);
/**********************************************************
Eco dos dados de entrada
**********************************************************/
fprintf(pOut,"Grau do polinomio \n",n);
fprintf(pOut,"Numero de pontos \n",m);
/**********************************************************
Saida
**********************************************************/
fprintf(pOut,"\n");
fprintf(pOut,"Coef de determinacao R2 =%5.2f \n",r2);
fprintf(pOut,"Coef de correlacao R =%5.2f \n",r);
fprintf(pOut,"Erro padrao da estimativa =%5.2f \n",epe);
fprintf(pOut,"\n");
fprintf(pOut," V U T X Xest\n");
for(i=1;i<=m;i++){
fprintf(pOut," %8.4f %8.4f %8.4f %8.4f %8.4f \n",v[i],u[i],t[i],x[i],xest[i]);
}
/**********************************************************
Marca o termino do tempo de processamento
**********************************************************/
stop=clock();
st=(stop-start)/CLK_TCK;
fprintf(pOut,"\n\n tempo de processamento %10.1f segundos \n",st);
/**********************************************************
Fecha arquivos
**********************************************************/
fclose (pDat);
fclose (pOut);
return 0;
}
166
program Multivar(MVout);
label 370;
const ncl=100;
betaT=0.6098;
etaT=617.2;
betaG=0.2;
etaG=141.2;
Tmax=3500;
zero=1e-8;
Var x1,x2,y1,x12,SX12 : real;
Toper,Rturb,Tturb,Rger,Tger : real;
pow,scl,beta,eta : real;
i, j, k, m : integer;
MVout : text;
durTG : array [1..40000] of real;
Cmed : array [1..ncl+1] of real;
C : array [1..ncl+1] of real;
CL,X,Y,acumCL: array [1..ncl] of real;
begin
Randomize;
assign(MVout,Multivar.txt);
rewrite(MVout);
writeln(MVout,gpc -c Multivar.pas:19);
writeln(MVout,gpc -o Multivar Multivar.o:26);
writeln(MVout,./Multivar:10);
sx12:=0;
j:=0;
for i:=1 to 100000 do
begin
Toper:=Random(Tmax+1);
if Toper<zero then begin Toper:=zero end;
pow:=exp(betaT*(ln(Toper)-ln(etaT)));
Rturb:=exp(-pow);
Tturb:=Random;
if Tturb<Rturb then x1:=1 else x1:=0;
pow:=exp(betaG*(ln(Toper)-ln(etaG)));
Rger:=exp(-pow);
Tger:=Random;
if Tger<Rger then x2:=1 else x2:=0;
x12:=x1*x2;
sx12:=sx12+x12;
if x1+x2=1 then
begin
j:=j+1;
durTG[j]:=Toper;
end;
end;
for i:=1 to ncl+1 do
begin
C[I]:=(i-1)*Tmax/ncl;
end;
for m:=1 to ncl do begin CL[m]:=0; end;
167
for k:=1 to j do
begin
for m:=1 to ncl do
begin
if (durTG[k]>=C[m]) and (durTG[k]<C[m+1]) then
{ if (Toper>=C[m]) and (Toper<C[m+1]) then }
begin
CL[m]:=CL[m]+1;
goto 370;
end;
end;
370: end;
scl:=0;
for m:=1 to ncl do begin scl:=scl+CL[m]; end;
writeln(MVout, j=,j);
writeln(MVout, dur horas prob prob acum);
writeln(MVout, t f(t) F(t) );
for m:=1 to ncl do
begin
Cmed[m]:=(C[m]+C[m+1])/2;
end;
for m:=1 to ncl do
begin
CL[m]:=CL[m]/scl;
end;
acumCL[1]:=CL[1];
for m:=1 to ncl-1 do
begin
acumCL[m+1]:=acumCL[m]+CL[m];
end;
for m:=1 to ncl do
begin
acumCL[m]:=acumCL[m]/acumCL[ncl];
end;
for m:=1 to ncl do
begin
writeln(MVout,:3,Cmed[m]:4:0,:10,CL[m]:2:4,:10,acumCL[m]:3:5);
end;
for m:=1 to ncl-1 do
begin
if Cmed[m]<zero then begin Cmed[m]:=zero; end;
X[m]:=ln(Cmed[m]);
Y[m]:=ln(ln(1/(1-acumCL[m])));
end;
writeln(MVout);
writeln(MVout, # X y );
for m:=1 to ncl do
begin
writeln(MVout,:5,m:2,:10,X[m]:4:4,:10,Y[m]:4:4);
end;
beta:=-0.3138;
eta:=exp(0.5122/beta);
writeln(MVout, beta=:7,beta:4:4,eta=:7,eta:4:4);
close(MVout);
end.