Sistemas Reparáveis - Processo de

Contagem

Enrico A. Colosimo

Colaboração: Rodrigo C. P. dos Reis e Maria Luiza Toledo

Programa de Pós-Graduação em Estatística - UFMG
Teoria básica de Processos de Contagem

I Um processo contagem é um modelo estocástico que

descreve a ocorrência de eventos no tempo.
I Essas ocorrências sao descritas como pontos no eixo do
tempo.
I Nesses estudos, essas "ocorrências no tempo"são os
tempos de falha de um sistema reparável.
Notação e Conceitos Básicos

I Denotaremos os tempos de falha de um sistema medido

em tempo global por 0 < T1 < T2 < . . ., ou seja, o
tempo desde a inicialização do sistema.
I Os tempos entre falhas, ou os gaps, são denotados por
X1 , X2 , . . ..
Notação e Conceitos Básicos

I Denotaremos os tempos de falha de um sistema medido

em tempo global por 0 < T1 < T2 < . . ., ou seja, o
tempo desde a inicialização do sistema.
I Os tempos entre falhas, ou os gaps, são denotados por
X1 , X2 , . . ..
I Com esta formulação, temos

X 1 = T 1

X 2 = T 2 − T1
X 3 = T 3 − T2
.
.
.
Teoria Básica de Processos de Contagem

Denição: Variável aleatória de contagem

I Seja N (t ) a variável aleatória que denota o número de
falhas no intervalo [0, t ], e N (a, b] o número de falhas no
intervalo (a, b].
∞
N (t ) = I (Tk ≤ t )
X

k =1
I N é chamada variável aleatória de contagem.
Teoria Básica de Processos de Contagem

Observe que o processo de contagem é contínuo à direita.

Teoria Básica de Processos de Contagem

Observe que o processo de contagem é contínuo à direita.

Métodos alternativos de especicar o modelo do
processo de contagem são:
Teoria Básica de Processos de Contagem

Observe que o processo de contagem é contínuo à direita.

Métodos alternativos de especicar o modelo do
processo de contagem são:
I Fornecer a função densidade de probabilidade
conjunta dos tempos de falha 0 < T < T < . . . < Tn .
1 2
Teoria Básica de Processos de Contagem

Observe que o processo de contagem é contínuo à direita.

Métodos alternativos de especicar o modelo do
processo de contagem são:
I Fornecer a função densidade de probabilidade
conjunta dos tempos de falha 0 < T < T < . . . < Tn .
1 2

I Fornecer a função densidade de probabilidade

conjunta dos tempos entre falhas X , X , . . . , Xn .
1 2
Teoria Básica de Processos de Contagem

Denição: Função média de um processo pontual

I A função média de um processo pontual é denida como
sendo a esperança:

Λ(t ) = E (N (t )) (1)

I Assim, Λ(t ) é o número esperado de falhas até o tempo t

(função não-decrescente).
Teoria Básica de Processos de Contagem

Denição: Função de Intensidade Completa

I
P (N (t , t + ∆t ) = 1/Ht )
λ(t /Ht ) = lim ,
∆t →0 ∆t
em que Ht = {N (s ) : 0 ≤ s < t } é a história do processo.
I λ pode ser interpretada como a taxa instantânea de
mudança no número esperado de falhas.
Processo de Contagem

Denição: Incrementos independentes

I Um processo pontual tem incrementos independentes se
∀n e ∀ r < s ≤ r < s ≤ . . . ≤ rn < sn , as v.a.'s
1 1 2 2

N (r , s ], N (r , s ], . . . , N (rn , sn ] são independentes. Em

1 1 2 2

outras palavras:
n
P (N (r1 , s1 ] = k1 , . . . , N (rn , sn ] = kn ) = P (N (ri , si ] = ki )
Y

i =1
I a história do processo Ht não afeta a falha instânea em t .
Teoria Básica de Processos de Contagem

Denição: Função intensidade (incrementos

independentes)
P (N (t , t + ∆t ] = 1)
λ(t ) = lim (2)
∆t →0 ∆t
A função intensidade é a probabilidade de falha em um
intervalo pequeno dividida pelo tamanho do intervalo.
Visão geral de modelos

I Um modelo probabilístico ou estatístico para um sistema

reparável deve descrever a ocorrência de eventos no
tempo.
I Suposiçoes em relaçao a forma com que o sistema
envelhece, sobre o efeito dos reparos, vão
inuenciar a escolha do modelo.
Visão geral de modelos

Denição: Reparo mínimo

I O reparo feito no sistema faz com que ele retorne a
mesma condição que estava imediatamente antes da
ocorrência da falha ("tão ruim quanto velho").
I A suposição de reparo mínimo leva ao processo de
Poisson nao-homogêneo (NHPP).
Visão geral de modelos

Denição: Reparo perfeito (ou de renovação)

I O reparo faz com que o sistema retorne a condição de
novo ("tão bom quanto novo").
I Se todos os reparos sao perfeitos, entao os tempos entre
as falhas são i.i.d. (processo de renovação)
I Um caso particular é o processo de Poisson homogêneo
(Xi's ∼ exponencial)
O Processo de Poisson

Denição:
I Uma v.a. X segue uma distribuiçao Poisson se é uma v.a.
discreta com fdp:
φx exp (−φ)
p (x ) = P (X = x ) = , x = 0, 1, 2, . . .
x!
Teorema:
I Se X ∼ Poisson(φ), entao E (X ) = φ e Var (X ) = φ.
O Processo de Poisson

Denição: Processo de Poisson

Um processo de contagem N (t ) é um processo de Poisson se:
1 N (0) = 0
2 Para qualquer a < b ≤ c < d as v.a.'s N (a, b] e N (c , d ]
são independentes (propriedade dos incrementos
independentes)
O Processo de Poisson

Denição: Processo de Poisson

Um processo de contagem N (t ) é um processo de Poisson se:
3 Existe uma função λ tal que
P (N (t , t + ∆t ] = 1)
λ(t ) = lim
∆t →0 ∆t
λ(t ) é a função intensidade do processo de Poisson.
4
P (N (t , t + ∆t ] ≥ 2)
lim =0
∆t → 0 ∆t
A probabilidade de falhas simultâneas é zero.
O Processo de Poisson

Teorema:
I As propriedades (1) a (4) implicam que:
Z t n  Z t 
P (N (t ) = n) = n!
1
λ(x )dx exp − λ(x )dx , n = 0, 1, 2, . . .
0 0

t
R 
I Ou seja, N (t ) ∼ Poisson 0 λ(x )dx .
O Processo de Poisson

Corolário:
I Para um processo de Poisson, a v.a. N (a, b] tem uma
distribuição Poisson com média:
Z b
λ(x )dx
a
b
R 
I Ou seja, N (a, b] ∼ Poisson a λ(x )dx .
O Processo de Poisson

Teorema:
Um processo de contagem N (t ) é um processo de Poisson see:

1. N (0) = 0,
2. O processo tem a propriedade de incrementos
independentes, e
b
R 
3. Para qualquer a < b, N (a, b] ∼ Poisson a λ(x )dx .
O Processo de Poisson Homogêneo

Denição: Processo de Poisson Homogêneo

I O processo de Poisson homogêneo (HPP) é um processo
de Poisson com função intensidade constante λ(t ) = λ.
I Como a função intensidade é constante, o HPP nao pode
ser usado para modelar sistemas em deterioração ou
melhoria.
O Processo de Poisson Homogêneo

Teorema:
I Um processo é um HPP com função intensidade λ, see os
tempos entre as falhas (Xi's) são v.a.'s i.i.d exponencial
com média 1/λ.
O Processo de Poisson Homogêneo

Fato:
Pn
I Para um HPP, Tn = i =1 Xi , em que Xi0 s i.i.d.
∼ Exp (1/λ).
Corolário:
I Tn ∼ Gama(n , 1/λ).
O Processo de Poisson Não-Homogêneo

Deniçao: Processo de Poisson não-homogêneo:

I O processo de Poisson não-homogêneo (NHPP) é um
processo de Poisson cuja função intensidade não é
constante.
I Quando a função intensidade tem a forma
λ(t ) = (β/θ)(t /θ)β−1 , onde β > 0 e θ > 0, o processo é
chamado de processo lei de potência.
Processo de Renovação

Denição: Processo de Renovação

I Se os tempos entre as falhas X , X , . . . são iid, entao
1 2

diz-se que o processo de falha é um processo de

renovação.
I A v.a. discreta N (t ) é denida como o número de falhas
no intervalo [0, t ]. Ela satisfaz:
k
P (N (t ) ≥ k ) = P (Tk ≤ t ) = P ( Xk ≤ t ) = F (k ) (t ),
X

i =1
(3)
onde F (k ) (t ) é a fda da convolução de densidades f .
Processo de Renovação

I A função intensidade completa,

P (N (t , t + ∆t ) = 1/Ht )
λ(t ) = lim ,
∆t →0 ∆t
depende da história Ht do processo apenas a partir de x ,
o tempo desde a falha mais recente.
Processo de Renovação

I A função intensidade completa abaixo é condicionada as

falhas ocorrendo nos tempos t = 2; 4, 5; 8, 5; 10, 5; 13 e
15.
Processo de Renovação

I A função média para um processo de renovação é então:

∞
Λ(t ) = E (N (t )) = kP (N (t ) = k )
X

k =0
∞
k [P (N (t ) ≥ k ) − P (N (t ) ≥ k + 1)]
X
=
k =1
∞
P (N (t ) ≥ k )
X
=
k =1
∞
F (k ) (t )
X
=
k =1
Processo de Renovação

Exemplo:
I Suponha que os tempos entre falhas sejam iid GAM(3, θ).
I Logo, Tn ∼ GAM(3n, θ).
I E portanto:
∞
(k )
∞
t 3k −1 −t /θ
λ(t ) = f (t ) = e .
X X
θ3k Γ(3k )
k =1 k =1
Processo de Renovação
Exemplo:
I Assumindo θ = 1, temos Xi0 s ∼ Gama(3, 1).
I Logo, Tk ∼ Gama(3k , 1)
I As fdp para os cinco primeiros tempos de falha
(T1 , T2 , . . . , T5 ) são dadas por:
Processo de Renovação

Exemplo:
I A λ é portanto:
∞
t 3k −1 −t
µ(t ) = e .
X
Γ(3k )
k =1
Processo de Renovação

Exemplo:

As g. 3.3 e 3.5 sugerem que a λ (ou densidade de renovação)

converge para 1/η = 1/E (Xi ) = 1/3.
Processo de Renovação

Teorema:
I Para um processo de renovação X1 , X2 , . . ., com
η = E (Xi ) e σ 2 = V (Xi ),
Λ(t ) 1
1. lim t →∞ t = η
limt →∞ µ(t ) =
1
2.
η
Processo de Renovação

Teorema:
I Para um processo de renovação em que os tempos entre
os eventos têm média η e variância σ 2 ,

lim P (N (t ) < a(t )) = Φ(y ),

t →∞

onde a(t ) = t /η + y σ t /η 3 e Φ é a fda da N (0, 1).

p
Processo de Renovação

Exemplo:
I Em uma copiadora, a demanda de alguns dias é maior
que a de outros. Assim, os tempos de vida X dos toners
variam entre si.
I A distribuição da vida do toner, medida em dias, é
Weibull (6, 16), ou seja, Xi0 s ∼ iid Weibull(6, 16).
I Qual é a probabilidade de que um pedido de 25 toners
dure pelo menos um ano inteiro?
Processo de Renovação

Exemplo:
I A probabilidade desejada, com uma correção de
continuidade, é:

P (N (365) ≤ 25) = P (N (365) < 25, 5)

I O tempo de vida esperado até a falha e a variância do tempo de

falha são, respectivamente,

η = θΓ(1 + 1/β) = 16Γ(7/6) ≈ 14, 84

σ 2 = θ2 [Γ(1+2/β)−(Γ(1+1/β))2 ] = 162 [Γ(4/3)−(Γ(7/6))2 ≈ 8, 273

Processo de Renovação

Exemplo:
I O valor de a(365) satisfaz:
s
365 365
25, 5 = a(365) = + yσ
η η3

Resolvendo para y temos:

25, 5 − 365/η 25, 5 − 365/14, 84
y= ≈√ ≈ 0, 947
σ 365/η 8, 273 365/14, 843
p p
3

Aplicando o Teorema temos:

P (N (365) ≤ 25, 5) ≈ Φ(y ) ≈ Φ(0, 947) ≈ 0, 83.

Piecewise Exponential Model - PEXP

I Se Xi0 s ∼ idd Exponencial, temos o HPP.

I Se relaxarmos a suposição de tempos entre falhas
identicamente distribuídos, e permitirmos que os tempos
entre falhas tenham diferentes distribuições (embora
possivelmente na mesma família de distribuições),
podemos obter um modelo útil para sistemas reparáveis.
Piecewise Exponential Model - PEXP

I O modelo PEXP assume que os tempos entre falhas

X1 , X2 , . . . , Xn são v.a.'s independentes com distribuição
exponencial com
δ
E (Xi ) = i δ−1 , i = 1, 2, . . .
µ

onde δ > 0 e µ > 0.

I Quando δ = 1, temos o caso iid exponencial.
I Quando δ > 1, entao E (Xi ) é uma função crescente de i ;
corresponde a melhoria da conabilidade.
I Quando δ < 1, entao E (Xi ) é uma função decrescente de
i ; corresponde a deterioração da conabilidade.
Piecewise Exponential Model - PEXP

O modelo PEXP difere do NHPP devido a:

I O PEXP assume que a conabilidade do sistema
permanece inalterada entre as falhas, e que ela dá um
salto no momento de uma falha.
I O NHPP assume que a conabilidade do sistema muda
continuamente a medida que o sistema envelhece, e que
ela permanece inalterada no momento de uma falha.
I No caso de melhoria da conabilidade, em que as
melhorias sao feitas a cada vez que um protótipo do
sistema falha, o modelo PEXP pode ser mais apropriado
que o NHPP.
Imperfect Repair Models

I Brown e Proschan (1983) sugeriram um modelo no qual

uma unidade que falhou é reparada a uma condição de
"tão boa quanto nova"ou a uma condição de "tão ruim
quanto velha".
I Esses tipos de reparo (perfeito e mínimo,
respectivamente) são chamados entao de modelo de
reparo imperfeito de Brown e Proschan (BP).
I Sob esse modelo, uma unidade que falhou é submetida a
um reparo perfeito com probabilidade p e a um reparo
imperfeito com probabilidade q = 1 − p .
I Como casos especiais, se p = 0, então temos um NHPP e
se p = 1 temos um processo de renovação.
Imperfect Repair Models

I Seja F (t ) a fda da distribuição do tempo de falha após

um reparo perfeito, e r (t ) a função de taxa de falha
correspondente.
I A função de taxa de falha para o tempo até o reparo
perfeito é então
P (t < T ≤ t + ∆t /T > t )
rPerfeito (t ) = lim
∆t →0 ∆t
1
= lim P (uma falha ocorre em(t , t + ∆t ]&
∆t →0 ∆t
& o reparo é perfeito)
1
= lim P (uma falha ocorre em(t , t + ∆t ]
∆t →0 ∆t
xP (reparo perfeito/falha ocorre em(t , t + ∆t ])
= pr (t ).
Imperfect Repair Models

I Aqui, T representa o tempo até o primeiro reparo

perfeito. Similarmente, a função de sobrevivência para o
tempo até o primeiro reparo perfeito é:
 Z t 
F Perfeito (t ) = P (T > t ) = exp − rPerfeito (x )dx
 Z t  0
= exp −p r (x )dx
0

= [F (t )]p .
Imperfect Repair Models

I Brown and Proschan também mostraram que a ROCOF

µ(t ) para o modelo de reparo imperfeito BP satisfaz
1
µ(t ) = µPerfeito (t ),
p
onde µPerfeito é a ROCOF da funçao de renovação para o
processo de reparos perfeitos.
Imperfect Repair Models

I O modelo Block, Borges e Savits (BBS model) é uma

extensão do modelo de reparo imperfeito BP que permite
que a probabilidade de reparo perfeito seja dependente do
tempo.
I Eles supõem que uma unidade que falhou é submetida a
um reparo perfeito com probabilidade p (t ), onde t é o
tempo desde o reparo perfeito mais recente, e a um
reparo imperfeito com probabilidade q (t ) = 1 − p (t ).
I Seja F a fda do tempo até a primeira falha. Eles
mostraram que os reparos perfeitos formam um processo
de renovação com fda:
 Z t 
−1
FPerfeito (t ) = exp − p (x )F (x )F (x )dx .
0
0