Estatística e Fiabilidade
Estatística e Fiabilidade
Estatística e Fiabilidade
Segurança no Trabalho
Estatística e Fiabilidade
1. TECNICAS DE AMOSTRAGEM
Amostra
Uma amostra trata-se de um subconjunto de um universo ou
população, por meio do qual se podem estabelecer relações
por inferência ou estimativa com esse universo ou população.
Entende-se por população ou universo um conjunto de
elementos que possuem um conjunto de qualidades ou
carterísticas comuns.
1. TECNICAS DE AMOSTRAGEM
Amostra vs. População
Recolha de dados.
1. TECNICAS DE AMOSTRAGEM
Classificação de Amostras
Vantagens Desvantagens
Fácil compreensão. Pode conduzir a elevados custos.
Conclusões mais imediatas. Pode não ser representativa da
população.
Recolha simples.
1. TECNICAS DE AMOSTRAGEM
Amostragem probabilística.
Amostragem sistemática
O ponto de partida é escolhido de forma aleatória e depois são escolhidos
𝑁
todos os restantes elementos a partir desse no intervalo 𝑖 = 1, onde N
𝑛
representa o número de indivíduos da população e n o tamanho da
amostra.
Vantagens Desvantagens
Fácil compreensão. Pode conduzir a elevados custos.
Conclusões mais precisas. Poderá não ser aleatória
dependendo de algum critério ou
juízo.
Recolha simples.
1. TECNICAS DE AMOSTRAGEM
Amostragem probabilística.
Amostragem estratificada
Primeira fase – Identificação ou divisão dos estratos ou categorias (o
número de estratos não deverá ultrapassar 6).
Segunda fase – Construção da amostra pela seleção de elementos de forma
aleatória de cada um dos estratos.
20 × 26
D 26 𝑥= = 5,84 ≈ 6
89
Total 89 20
2. TAMANHO DA AMOSTRA
Como visto anteriormente, a qualidade dos resultados está
diretamente relacionada com o erro (𝐸) admitido na colheita
da amostra.
𝑍𝛼 × 𝜎 2
2
𝑛=
𝐸
Onde:
𝑍𝛼 - corresponde ao valor do intervalo de confiança admitido, pela
2
normal.
𝜎 – Desvio padrão.
𝐸 – Erro admitido.
2. TAMANHO DA AMOSTRA
2. TAMANHO DA AMOSTRA
Como determinar o tamanho da amostra?
𝜎 – Desvio padrão.
𝑍𝛼 × 𝜎 2
2
𝑛=
𝐸
𝑍𝛼 = 1,96.
2
𝜎 = 10.
𝐸 = 5.
1,96 × 102
𝑛= = 39,2 ≈ 39
5
3. FIABILIDADE.
A fiabilidade é a característica de um dispositivo desempenhar
a sua função específica em condições definidas e por um
determinado período de tempo.
Pode expressar-se através da probabilidade do correto
funcionamento nas condições e pelo período definidos.
𝑭 𝒕 +𝑹 𝒕 =𝟏
𝑅 𝑓 representa a fiabilidade.
𝐹 𝑓 representa a não fiabilidade (falhas).
3. FIABILIDADE.
O estudo da fiabilidade é muito recente tendo tido um
desenvolvimento mais significativo nos últimos 30 anos,
motivado pela necessidade de compreender e controlar riscos,
sobretudo os associados ao desenvolvimento da tecnologia.
Função exponencial
100
80
60
f(T)
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Tempo
3. FIABILIDADE.
Distribuição exponencial.
Exemplo: Uma máquina apresenta uma taxa de avarias constante
de uma avaria em cada 10 semanas.
a) Qual é a probabilidade de ocorrer uma avaria antes do 1º
mês?
b) Se existirem 10 maquinas iguais a trabalhar, qual a
probabilidade de haver um intervalo inferior a uma semana
entre duas avarias?
3. FIABILIDADE.
Distribuição exponencial.
Exemplo: Uma máquina apresenta uma taxa de avarias constante de uma avaria em
cada 10 semanas.
a) Qual é a probabilidade de ocorrer uma avaria antes do 1º mês?
Resolução:
10 semanas = 70 (10x7) dias, 1 mês = 30 dias.
1
−𝜆𝑡 − ×30
𝐹 𝑡 < 30 = 1 − 𝑅 𝑡 < 30 = 1 − 𝑒 =1−𝑒 70 ≈ 0,348
Existe uma probabilidade de 34,8% de ocorrer uma avaria.
3. FIABILIDADE.
Distribuição exponencial.
Exemplo: Uma máquina apresenta uma taxa de avarias constante de uma avaria em
cada 10 semanas.
a) Se existirem 10 maquinas iguais a trabalhar, qual a probabilidade de haver um
intervalo inferior a uma semana entre duas avarias?
Resolução:
1
𝜆10 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠 = 𝜆 × 10 = × 10 (a taxa 𝜆 é constante!)
70
1
−𝜆𝑡 − ×10 ×7
𝐹 𝑡 <7 =1−𝑅 𝑡 <7 =1−𝑒 =1−𝑒 70 ≈ 0,632
Existe uma probabilidade de 63,2% de uma avaria.
3. FIABILIDADE.
Distribuição exponencial.
Exemplo: Um equipamento apresenta uma MTBF constante de 1000 horas. Em
funcionamento contínuo, qual é a fiabilidade ao fim de uma semana de
trabalho?
Resolução:
1 semana = 168 (7x24) horas
1
𝜆= (a taxa 𝜆 é constante!)
𝑀𝑇𝐵𝐹
1
−𝜆𝑡 − ×168
𝑅 𝑡 = 168 = 𝑒 =𝑒 1000 ≈ 0,845
Existe uma probabilidade de 84,5% de não ocorrer uma avaria.
3. FIABILIDADE.
Distribuição Weibull.
A distribuição de Weibull é particularmente usada pela sua propriedade
de não possuir uma forma característica, isto é, a sua forma varia em
função dos seus parâmetros podendo ajustar-se a diferentes tipos de
equipamentos ou sistemas de equipamentos bem como os seus tempos
de vida típicos.
𝑡 𝛽
−
𝑅 𝑡 = 𝑒 𝜂
𝛽 – parâmetro de forma.
𝜂 – parâmetro de escala ou vida caraterística (corresponde ao tempo
para o qual a probabilidade de falha atinge os 63,2%.
3. FIABILIDADE.
Distribuição Weibull.
Variação do
parâmetro de forma
𝛽.
3. FIABILIDADE.
Distribuição Weibull.
Variação do
parâmetro de escala
𝜂.
3. FIABILIDADE.
Distribuição Weibull.
Exemplo: O tempo de vida de um rolamento de um determinado
sistema é representado de forma satisfatória por uma distribuição de
Weibull com 𝛽 = 0,5 e 𝜂 = 5000.
a) Qual é a probabilidade do rolamento durar pelo menos 6000 horas.
b) Qual é o tempo médio de vida?
3. FIABILIDADE.
Distribuição Weibull.
Exemplo: O tempo de vida de um rolamento de um determinado
sistema é representado de forma satisfatória por uma distribuição de
Weibull com 𝛽 = 0,5 e 𝜂 = 5000.
a) Qual é a probabilidade do rolamento durar pelo menos 6000 horas.
Resolução:
6000 0,5
−
𝑅 𝑡 > 6000 = 𝑒 5000 ≈ 0,334
O rolamento deverá durar pelo menos 6000 horas com uma
probabilidade de 33,4%.
3. FIABILIDADE.
Distribuição Weibull.
Exemplo: O tempo de vida de um rolamento de um determinado
sistema é representado de forma satisfatória por uma distribuição de
Weibull com 𝛽 = 0,5 e 𝜂 = 5000.
a) Qual é o tempo médio de vida?
Resolução:
𝑡 0,5
− 2
𝐹 𝑡 = 0,5 ⟺ 𝑒 5000 = 0,5 ⟺ − ln 0,5 × 5000 = 𝑡 ⟺ 𝑡
≈ 2402
O tempo médio de vida é de cerca de 2400h.
3. FIABILIDADE.
Distribuição de Weibull.
Exemplo: Um componente eletrónico obedece a uma distribuição de Weibull
com os seguintes parâmetros: 𝛽 = 0,75 e 𝜂 = 100000.
Qual é a probabilidade de estar a funcionar no final de um ano?
Resolução:
1 ano = 52 semanas = 52x7x24 = 8736 horas
8736 0,25
−
𝑅 𝑡 = 8736 = 𝑒 100000 ≈ 0, 852
Existe uma probabilidade de 85,2% de estar a funcionar sem falhas no fina do
primeiro ano.
3. FIABILIDADE.
Distribuição de Weibull.
Qual será o seu MTTF (valor de referência que pode ser intrepertado como o
valor médio até à ocorrência de falhas)?
Resolução:
Para a distribuição de Weibull o MTTF é estimado pela expressão:
1
𝑀𝑇𝑇𝐹 = 𝜂 Γ 1 +
𝛽
Onde,
Γ 𝑥 = න 𝑢 𝑥−1 𝑒 𝑥 𝑑𝑢
Γ 3 = 2! = 2 × 1 = 2
log 𝑡 − 𝜇
𝑅 𝑡 =Φ −
𝜎
log 𝑡 − 𝜇
𝑅 𝑡 =Φ −
𝜎
Resolução:
log 𝑡 − 𝜇
𝐹 𝑡 =Φ −
𝜎
Resolução:
𝑅 𝑡 = 1 − 𝐹 𝑡 = 1 − Φ −0,306 ≈ 1 − 0,3802 = 0,6198