SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077

Tamanho: px
Começar a partir da página:

Download "SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077"

Transcrição

1 SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 6 DISPONIBILIDADE DE EQUIPAMENTOS 6.1 INTRODUÇÃO Diversas teorias em confiabilidade pressupõem o descarte dos componentes de interesse após a primeira falha. Sendo assim, a modelagem estatística das características dos componentes é mantida em um nível básico de complexidade, entretanto, na prática, grande parte de equipamentos e maquinários são projetados para operar sofrendo algum tipo de manutenção devido ao seu custo, caso seja descartado. Definem-se equipamentos (e sistemas) reparáveis como sendo aqueles que ações de manutenção podem ser aplicadas, durante um intervalo de tempo. Basicamente as ações de manutenção podem ser divididas em duas classes: ações corretivas e ações preventivas. A manutenção corretiva é efetuada após a falha do equipamento com o objetivo de trazê-lo de volta ao estado operante no menor tempo possível. A manutenção preventiva ocorre antes da falha do equipamento, sendo constituída de ações como lubrificação, reposição de partes (componentes) e pequenos ajustes com o objetivo de aumentar a confiabilidade do equipamento, retardando assim, a ocorrência de falhas. A medida de eficiência das ações de manutenção corretiva é feita pela disponibilidade do equipamento, sendo a mesma representada pela probabilidade de o equipamento estar operante quando necessitado. Em contrapartida, a eficiência das ações de manutenção preventiva é avaliada pelo incremento resultante na confiabilidade do equipamento. O objetivo principal em relação a equipamentos reparáveis submetidos a ações de manutenção corretiva, recai principalmente na determinação de medidas de disponibilidade para esses equipamentos, além de algumas informações derivadas do cálculo da disponibilidade. De posse dessas informações, é possível determinar a frequência de utilização da equipe responsável pelos reparos e seu número ideal de integrantes, bem como o número de peças de reposição a serem mantidas em estoque, de forma a minimizar o custo total do sistema de manutenção. Existem duas abordagens bem difundidas para a determinação da disponibilidade em equipamentos: (1) Baseada em processos estocásticos; (2) Baseada em equações diferenciais. A primeira, baseada nos processos estocásticos que compõe a teoria da renovação, é a mais genérica, modelando equipamentos em que a intensidade de ocorrência de falhas e a intensidade com que reparos são feitos apresentam ou não dependência entre si. A segunda abordagem, baseada em equações diferenciais, é mais restrita, limitando-se a situações em que a intensidade de ocorrência de falhas e reparos é independente CONCEITOS BÁSICOS SOBRE PROCESSOS ESTOCÁSTICOS 1

2 Os tempos até falha de equipamentos não-reparáveis são descritos pela distribuição de probabilidade de uma única variável aleatória. Esses equipamentos apresentam, assim, uma única falha no tempo. O momento no tempo em que a falha ocorre depende da função de risco do equipamento, h(t), que modela a ocorrência temporal das falhas. Se h(t) é decrescente, existe uma maior chance de falha prematura do equipamento; caso contrário, a falha ocorre mais tarde. Esses dois cenários estão apresentados na Figura 20. FIGURA 20 FUNÇÕES DE RISCO DECRESCENTE E CRESCENTE PARA EQUIPAMENTOS NÃO REPARÁVEIS FONTE: FOGLIATTO; RIBEIRO (2009) Em equipamentos reparáveis, falhas ocorrem em diversos pontos no tempo. A ocorrência das falhas é descrita por uma função de intensidade, análoga à função de risco h(t). Valores altos da função de intensidade indicam uma maior probabilidade de falhas. Se a função de intensidade é decrescente, diz-se que o equipamento apresenta melhoria; caso contrário, diz-se que o equipamento apresenta deterioração (de seu estado funcional). Esses dois cenários, similares aos da Figura 20, estão apresentados na Figura 21. A Figura 20 traz dois exemplos de realização da variável aleatória tempo até falha em um equipamento não-reparável. Cada realização consiste na ocorrência de exatamente uma falha. Em contrapartida, a Figura 21 traz dois exemplos de realização de uma sequência de variáveis aleatórias em um equipamento reparável; essas variáveis são o tempo até a primeira falha, tempo até a segunda-falha, e assim por diante. Os tempos até falha em equipamentos reparáveis são descritos por processos 2

3 probabilísticos caracterizados por uma sequência de variáveis aleatórias. Tais processos são denominados processos estocásticos. FIGURA 21 FUNÇÕES DE INTENSIDADE DECRESCENTE E CRESCENTE PARA EQUIPAMENTOS REPARÁVEIS FONTE: FOGLIATTO; RIBEIRO (2009) Os processos estocásticos citados pertencem à categoria dos processos de renovação. Nesses processos, as falhas no equipamento reparável ocorrem nos tempos T 1, T 2,..., e os tempos até reparo R 1, R 2,..., do equipamento podem ser tratados de duas maneiras distintas. Uma das maneiras é desconsiderando o tempo de reparo do equipamento, que pode ser considerado muito pequeno frente ao tempo médio entre as falhas (MTBF) dos equipamentos, sendo este processo de renovação denominado de simples. No entanto, quando os tempos de reparo são considerados para uma modelagem do desempenho do equipamento, o processo de renovação é denominado de alternante. PRINCIPAIS MEDIDAS DE PROCESSOS DE RENOVAÇÃO SIMPLES 1) Número de falhas entre o início da operação do equipamento e um tempo t; a. Notação - (N(t)) i. Objetivo da medida planejar o número de ações de manutenções corretivas no equipamento e provisionar materiais e mão-de-obra necessários para o mesmo. 3

4 2) Comportamento dos tempos X 1, X 2,..., até falha. a. Notação X i -> é definido como tempo transcorrido entre o final do reparo do equipamento após a falha (i - 1) e a ocorrência da falha i. i. Objetivo da medida Visualização do impacto do tempo de uso do equipamento na velocidade de sua degradação. Por exemplo, se os tempos entre falhas do equipamento diminuírem, tem-se indícios da degradação do equipamento, e medidas de manutenção preventivas devem ser associadas às ações de manutenção corretivas. PRINCIPAIS MEDIDAS DE PROCESSOS DE RENOVAÇÃO ALTERNANTES 1) Medida de disponibilidade do equipamento; i. Objetivo da medida informar o desempenho do equipamento e do próprio processo produtivo. 2) Tempo médio de reparos i. Objetivo da medida permite dimensionar a equipe de manutenção. PROCESSOS DE RENOVAÇÃO DEFINIÇÃO: uma renovação ocorre sempre que o equipamento voltar a funcionar, isto é, quando o reparo estiver completo. FUNÇÃO CONTADORA N(t): Informa o número de renovações no período (0, t]. Considerando os tempos de reparo desprezíveis, tem-se que o tempo até a k-ésima renovação é igual a soma do tempo até a k-ésima falha, ou seja, T k = X 1 + X X k (70) que representa a soma dos tempos entre as falhas até a falha k. A função N(t) pode ser definida, para t > 0, como N(t) = máx{k T k t} (71) O interesse recai sobre o valor esperado de N(t), ou seja, E[N(t)] = Λ(t) denominada de função de renovação do processo. A derivada da função de renovação corresponde a taxa de falhas do processo, representada por λ(t). 4

5 CONDIÇÕES PARA UM PROCESSO DE RENOVAÇÃO (1) N(0) = 0; (2) O processo apresenta incrementos independentes; (3) Os tempos até falha (X 1, X 2, ) e os tempos até reparo (R 1, R 2, ) são variáveis aleatórias não-negativas independentes e identicamente distribuídas; VARIÁVEIS DE INTERESSE NOS PROCESSOS DE RENOVAÇÃO (1) T k = (X 1 + R 1 ) + (X 2 + R 2 ) + + (X k + R k ) (Tempo até a k-ésima renovação) a. Onde: R k = k ésimo tempo de reparo (2) N(t) = máx{k T k t} (Número de renovações) (3) E[N(t)] = Λ(t) (Função de renovação) (4) λ(t) = Λ (Função de intensidade Correspondente a f.d.p. da renovação) t A função de renovação Λ(t) é dada pelo valor esperado do número de renovações até a k-ésima falha. Esse número, por sua vez, é função da soma de tempos até falha (X) e tempos até reparo (R) do equipamento. Considerando que as variáveis aleatórias X e R podem assumir qualquer distribuição de probabilidade, a determinação da distribuição que caracteriza sua soma pode não ser uma tarefa trivial. A especificação da função de renovação, em aplicações em que X e R assumem distribuições simples como a exponencial, envolve a utilização de transformadas de Laplace. À medida que o número de parâmetros das distribuições de X e R aumenta, a derivação analítica da função de renovação torna-se inviável, e o número esperado de renovações no equipamento pode ser aproximado utilizando integração numérica ou técnicas de simulação. A função de renovação Λ(t) escrita no domínio de Laplace é dada por Λ (s) = w (s)g (s) s[1 w (s)g (s)] (72) ONDE: w (s) = função densidade de probabilidade w(s) das variáveis X no domínio de Laplace; g (s) = função densidade de probabilidade g(s) das variáveis R no domínio de Laplace. A função de densidade de renovação é dada por λ(s) = w (s)g (s) 1 w (s)g (s) (73) 5

6 QUADRO 1 ALGUMAS TRANSFORMADAS DE LAPLACE EXEMPLO: Um sensor eletrônico exibe uma intensidade de falhas constante. O tempo até reparo do equipamento pode ser considerado desprezível se comparado ao seu tempo médio entre falhas (ou seja, R = 0). Assim, o tempo entre renovações segue uma distribuição exponencial com densidade de probabilidade dada por f(t) = λe λt. Deseja-se determinar o número esperado de renovações no intervalo (0, t]. EXEMPLO: Considere o mesmo equipamento do exemplo anterior, com intensidade constante de ocorrência de renovações dada por renovações/hora. Deseja-se determinar qual o número esperado de renovações no equipamento em um ano de operação. 6.3 MEDIDAS DA DISPONIBILIDADE EM COMPONENTES INDIVIDUAIS O conceito de disponibilidade de um equipamento pressupõe períodos de operação e reparo não-desprezíveis. Assim, o estudo da disponibilidade de equipamentos pressupõe um processo de ocorrência de falhas e reparos durante sua operação, representado na figura 22. Tal figura ilustra que a disponibilidade do equipamento é dada pela razão dos tempos X e R. OBS.: Em situações em que o tempo até reparo for considerado desprezível, a disponibilidade do equipamento, para uma dada missão de duração t, será de 100%. 6

7 ESTADO DE UM EQUIPAMENTO: é representado por uma variável binária X(t). Quando X(t) = 0, o equipamento está inoperante para um dado tempo t e quando X(t) = 1, o equipamento está operante para um dado tempo t. Durante a vida de um equipamento, espera-se que os valores de X(t) alternem-se entre 0 e 1. O equipamento estará disponível sempre que X(t) = 1. Assim, uma medida de desempenho do equipamento é dada pela fração do tempo em que este encontra-se no estado igual a 1. FIGURA 22 REALIZAÇÃO DO PROCESSOO DE FALHAS E REPAROS FONTE: FOGLIATTO; RIBEIRO (2009) A disponibilidade pode ser definida como a probabilidade de o equipamento estar funcionando em um determinado tempo t. FORMAS DE SE MEDIR A DISPONIBILIDADE (1) DISPONIBILIDADE PONTUAL: é a probabilidade de o equipamento estar funcionando em um determinado tempo t. A(t) = P[X(t) = 1] = E[X(t)], t > 0 (74) (2) DISPONIBILIDADE ASSINTÓTICA: pode ser interpretada como a disponibilidade de longo prazo. A(t) = lim t A(t) (75) EXEMPLO: Se A = 0,85, pode-se concluir, a longo prazo, que o equipamento estará operante 85% do tempo. (3) DISPONIBILIDADE MÉDIA NO INTERVALO [0, c): corresponde à fração média de tempo em que o equipamento está operando nas primeiras c unidades de tempo após o início de sua operação. A c = 1 c A(t)dt, c > 0 c 0 (76) 7

8 (4) DISPONIBILIDADE MÉDIA ASSINTÓTICA NO INTERVALO [0, c): possui o mesmo conceito que a disponibilidade assintótica do equipamento. A c (t) = lim c A c (77) CÁLCULO DA DISPONIBILIDADE DO EQUIPAMENTO NO DOMÍNIO DE LAPLACE A equação da disponibilidade de um equipamento no domínio de Laplace é dada por A (s) = 1 w (s) s[1 w (s).g (s)] (78) ONDE: w (s) = função densidade de probabilidade w(s) das variáveis X no domínio de Laplace; g (s) = função densidade de probabilidade g(s) das variáveis R no domínio de Laplace. A disponibilidade assintótica do equipamento é dada por A = lim t A(t) = lim s 0 s A (s) (79) Em muitas aplicações, o valor de A(t) converge rapidamente para A à medida que t aumenta. Prova-se que, nos casos em que a disponibilidade assintótica existe, a seguinte aproximação é válida A = A MTTF MTTF+MTTR (80) ONDE: MTTF = representa o tempo médio até a falha do equipamento, ou seja, E(X); MTTR = representa o tempo médio até o reparo do equipamento, ou seja, E(R). OBS.: Sempre que o cálculo de A(t) for complexo, a equação (80) pode ser utilizada como uma aproximação do seu valor. Vale ressaltar que a equação (80) dará um resultado exato somente quando a taxa de ocorrência de falhas e de reparos for constante. 8

9 EXEMPLO: Um equipamento apresenta tempos até falha e tempos até reparo exponencialmente distribuídos, com funções de densidade dadas por w(t) = λe λt e g(t) = μe μt. Determinar: (a) A disponibilidade A(t) do equipamento; (b) Sua disponibilidade assintótica. EXEMPLO: Suponha que os parâmetros nas funções de densidade no exemplo anterior sejam dados por λ = falhas/hora e µ = reparos/hora. Determine (i) o número esperado de renovações a serem observadas no equipamento em um período de dois anos; e (ii) a disponibilidade do equipamento no final do segundo ano de operação. Compare a disponibilidade em (ii) com a disponibilidade assintótica do equipamento. EXEMPLO: Nos últimos seis meses, ocorreram dez falhas em uma máquina perfiladeira. Os dias em que ocorreram as falhas, os tempos até falha e o tempo (em dias) para reparo do equipamento vêm apresentados a seguir. Suponha tempos até falha e tempos até reparo exponencialmente distribuídos. Pede-se: (i) estimativas do MTTF e MTTR do equipamento; (ii) a disponibilidade do equipamento num período de seis meses; (iii) o número esperado de renovações durante um período de seis meses; (iv) a disponibilidade assintótica do equipamento. Falha Tempo até falha Tempo até reparo 1 5,8 0,2 2 32,8 0,6 3 3,1 0,4 4 13,2 1,9 5 7,4 0,3 6 2,6 0,9 7 23,1 0,1 8 31,9 3,7 9 22,1 3, ,9 0,1 6.4 MEDIDA DA DISPONIBILIDADE EM SISTEMAS Anteriormente, foi visto o cálculo da disponibilidade em sistemas de um único componente ou com componentes investigados de forma agregada. Para melhor avaliar os benefícios da utilização de redundância ou de diferentes estratégias de reparo, sistemas devem ser investigados considerando seus componentes individualmente. Sendo assim, torna-se importante a determinação da disponibilidade de sistemas de componentes arranjados em série e paralelo. Como a disponibilidade é representada por uma probabilidade, a disponibilidade de sistemas pode ser determinada utilizando as expressões de confiabilidade de sistemas em série e paralelo, pressupondo taxas de falha e reparo independentes para os componentes. 9

10 SISTEMAS EM SÉRIE Para sistemas em série, o cálculo da disponibilidade segue a lei do produto de probabilidades. Assim, n A(t) = i=1 A i (t) (81) onde A i (t) representa a disponibilidade pontual do i-ésima componente. Quando a taxa de falhas é constante, tem-se que a disponibilidade do componente é dada pela equação A i (t) = μ i (λ i +μ i ) + λ i (λ i +μ i ) e (λ i+μ i )t (82) Se o interesse da análise recai sobre a disponibilidade assintótica, tem-se A i ( ) = μ i (λ i +μ i ) (83) onde μ i e λ i são as taxas de reparos e de falhas do i-ésimo componente, respectivamente. Assim, para o cálculo da disponibilidade assintótica, a equação (81) pode ser reescrita como n μ i (λ i +μ i ) A( ) = i=1 (84) SISTEMAS EM PARALELO Para sistemas em paralelo, a disponibilidade do sistema é dada pela equação n A(t) = 1 i=1 [1 A i (t)] (85) Para o cálculo da disponibilidade assintótica, a equação (85) pode ser reescrita como n A( ) = 1 [1 i=1 μ i (λ i + μ i ) ] onde μ i e λ i são as taxas de reparos e de falhas do i-ésimo componente, respectivamente. 10

11 EXEMPLO: Considere dois componentes, i = 1 e 2, idênticos, apresentando uma razão entre as taxas de reparos e falhas dada por μ λ = 100. Deseja-se determinar as disponibilidades assintóticas para (i) cada componente individual; (ii) um arranjo em série contendo os dois componentes; e (iii) um arranjo em paralelo contendo os dois componentes. Exercícios: 1) Um torno mecânico tem um taxa de falha constate igual a 0,05 falha por dia. O seu tempo até reparo pode ser considerado desprezível. Sabendo que o torno trabalha 300 dias por ano, determine o número de renovações em um ano. 2) Os tempos entre renovações de um brunidor são distribuídos exponencialmente, sendo o tempo médio igual a 40 dias. Considere R = 0 para determinar o número de falhas por mês dessa máquina. 3) Sabendo que o MTTF de um torno é igual a 45 dias, e o seu MTTR é igual a 1,5 dia, determine sua disponibilidade. 4) Considere o torno do exercício anterior. Determine sua disponibilidade média no intervalo (0,27] e sua disponibilidade média assintótica nesse mesmo intervalo. 5) A tabela a seguir lista dados de 15 falhas (em dias) de um equipamento. Determine a disponibilidade deste equipamento. Falha Tempo até falha Tempo até reparo 1 7,1 0,3 2 4,8 0,5 3 16,8 1,2 4 22,4 0,8 5 17,3 0,9 6 6,5 1,5 7 15,2 0,2 8 12,2 0, , ,2 0, ,9 2, ,4 1, ,2 0,6 14 5,7 3,8 15 2,9 0,4 6) Supondo que as duas distribuições do exercício anterior sejam exponenciais, determine o número esperado de falhas em um mês. 11

12 7) Um equipamento apresenta tempo até falha e tempo até reparo distribuídos exponencialmente, e dados, respectivamente, por: w(t) = 0,025e 0,025t e g(t) = 0,8e 0,8t. Calcule o número esperado de falhas e a disponibilidade do equipamento no instante t = 90 dias e a sua disponibilidade assintótica. 8) Para o equipamento do exercício anterior, determine a disponibilidade média e qual o número de falhas esperado nesse mesmo intervalo. 9) Três equipamentos idênticos estão arranjados em série e apresentam o tempo médio até a falha 20 vezes maior que o tempo médio até reparo. Calcule a disponibilidade assintótica do sistema. 10) Se os equipamentos do exercício anterior estivessem em paralelo, qual seria a disponibilidade assintótica? 11) Determine a disponibilidade de um sistema composto por oito máquinas iguais. As máquinas apresentam µ = 0,8 e λ = 45 e estão distribuídas em um sistema série-paralelo com n = 2 e m = 4. 12) Três equipamentos em série apresentam tempo até falha e tempo até reparo seguindo uma distribuição exponencial. Seus MTTF e MTTR (em dias) são dados na tabela a seguir: Equipamento MTTF MTTR , Calcule a disponibilidade assintótica desse sistema. 13) Considere que os equipamentos do exercício anterior estejam em paralelo. Determine a disponibilidade para essa disposição. 12

Módulo III: Processos de Poisson, Gaussiano e Wiener

Módulo III: Processos de Poisson, Gaussiano e Wiener Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo

Leia mais

ELT030. 2º Semestre-2016

ELT030. 2º Semestre-2016 ELT030 Instrumentação 2º Semestre-2016 Ferramental estatístico Na ciência da instrumentação, os métodos estatísticos se apresentam como ferramentas fundamentais para medição. Estatística é ciência que

Leia mais

Modelagem de um sistema por cadeias de Markov

Modelagem de um sistema por cadeias de Markov Modelagem de um sistema por cadeias de Markov Sistemas sem memória : somente o estado imediatamente anterior influencia o estado futuro. rocesso estacionário: probabilidades de transição de um estado para

Leia mais

Sistemas Reparáveis - Processo de Contagem

Sistemas Reparáveis - Processo de Contagem 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

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes

Leia mais

Aula 5. Processo de Poisson. Exemplos.

Aula 5. Processo de Poisson. Exemplos. Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência

Leia mais

DETERMINAÇÃO DO TEMPO MÉDIO ATÉ A FALHA PARA UM SISTEMA EM COLD STANDBY COM MANUTENÇÃO CORRETIVA BASEADO NA TEORIA DE SEMI-MARKOV

DETERMINAÇÃO DO TEMPO MÉDIO ATÉ A FALHA PARA UM SISTEMA EM COLD STANDBY COM MANUTENÇÃO CORRETIVA BASEADO NA TEORIA DE SEMI-MARKOV DETERMINAÇÃO DO TEMPO MÉDIO ATÉ A FALHA PARA UM SISTEMA EM COLD STANDBY COM MANUTENÇÃO CORRETIVA BASEADO NA TEORIA DE SEMI-MARKOV Angelica Alebrant Mendes (UFRGS) angelica@producao.ufrgs.br Jose Luis Duarte

Leia mais

Processos de Poisson

Processos de Poisson Processos de Poisson Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável

Leia mais

Introdução aos Proc. Estocásticos - ENG 430

Introdução aos Proc. Estocásticos - ENG 430 Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos

Leia mais

4 Metodologia de Previsão Proposta

4 Metodologia de Previsão Proposta 4 Metodologia de Previsão Proposta Os equipamentos eletrônicos apresentam uma baixíssima taxa de falhas, algo em torno de 1 falha a cada 100.000 horas. Tal característica levaria a pensar que os equipamentos

Leia mais

O Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis

O Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis O Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis Luiz Gustavo Fraga 1 Edmilson Rodrigues Pinto 2 Resumo: Sistemas reparáveis são aqueles sistemas que, após a ocorrência

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO CONJUNTA Em muitos

Leia mais

Modelagem e Análise de Sistemas de Computação Aula 19

Modelagem e Análise de Sistemas de Computação Aula 19 Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições

Leia mais

SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077

SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 1 INTRODUÇÃO À CONFIABILIDADE Devido a grande competitividade existente entre as indústrias de bens de consumo, dos mais variados ramos, observa-se um aumento

Leia mais

DISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL

DISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO NORMAL Definição:

Leia mais

Semana de Tecnologia FATEC Mauá

Semana de Tecnologia FATEC Mauá Semana de Tecnologia FATEC Mauá Confiabilidade em Redes Óticas Prof. MSc. Wallace Rodrigues de Santana Consultor Técnico Legislativo em Informática da Câmara Municipal de São Paulo Agenda Motivação Confiabilidade

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4

Leia mais

ANÁLISE DE DISPONIBILIDADE APLICADA A PROCESSO DE EXTRUSÃO - ESTUDO DE CASO EM UMA INDÚSTRIA DE EMBALAGENS PLÁSTICAS

ANÁLISE DE DISPONIBILIDADE APLICADA A PROCESSO DE EXTRUSÃO - ESTUDO DE CASO EM UMA INDÚSTRIA DE EMBALAGENS PLÁSTICAS ANÁLISE DE DISPONIBILIDADE APLICADA A PROCESSO DE EXTRUSÃO - ESTUDO DE CASO EM UMA INDÚSTRIA DE EMBALAGENS PLÁSTICAS JULIANA RODRIGUES DE SOUZA (PUC) ju_rodrigues1@hotmail.com Bruna Emanuelle de Avelar

Leia mais

Introdução aos Proc. Estocásticos - ENG 430

Introdução aos Proc. Estocásticos - ENG 430 Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 35 Fabrício Simões

Leia mais

Modelos de Distribuição PARA COMPUTAÇÃO

Modelos de Distribuição PARA COMPUTAÇÃO Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08 Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

Fernando Nogueira Simulação 1

Fernando Nogueira Simulação 1 Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos

Leia mais

Modelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014

Modelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014 Modelos Probabilísticos de Desempenho Profa. Jussara M. Almeida 1º Semestre de 2014 Modelos Probabilísticos Processos Estocásticos Processos de Poisson Filas M/M/1, M/G/1... Mais genericamente: modelos

Leia mais

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GMI 5 4 a 7 Outubro de 2007 Rio de Janeiro - RJ GRUPO XII GRUPO DE ESTUDO DE ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES

Leia mais

Lista de Exercícios 2 Probabilidades Escola Politécnica, Ciclo Básico

Lista de Exercícios 2 Probabilidades Escola Politécnica, Ciclo Básico Lista de Exercícios 2 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) O número de quilômetros que um carro pode rodar sem que a bateria descarregue possui distribuição exponencial

Leia mais

TE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017

TE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017 TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda

Leia mais

Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios

Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia

Leia mais

Qualidade de software. Prof. Emiliano Monteiro

Qualidade de software. Prof. Emiliano Monteiro Qualidade de software Prof. Emiliano Monteiro Por que realizar revisões por pares? 1. Para melhorar a qualidade. 2. Captura 80% de todos os erros se feito corretamente. 3. Captura erros de codificação

Leia mais

Engenharia da Confiabilidade

Engenharia da Confiabilidade GEÊNCIA DA MANUTENÇÃO Engenharia da Confiabilidade Professor: Emerson igoni, Dr. Eng. rigoni@utfpr.edu.br http://www.rigoni.com.br/cegem.htm Evolução dos Conceitos Parte 1 Estatística Análise de Dados

Leia mais

COS767 - Modelagem e Análise Aula 3 - Simulação

COS767 - Modelagem e Análise Aula 3 - Simulação COS767 - Modelagem e Análise Aula 3 - Simulação Validando resultados da simulação Média e variância amostral Teorema do Limite Central Intervalo de confiança Organizando as execuções da simulação Verificando

Leia mais

Processos Estocásticos aplicados à Sistemas Computacionais

Processos Estocásticos aplicados à Sistemas Computacionais Processos Estocásticos aplicados à Sistemas Computacionais Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia

Leia mais

Capítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto

Capítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população

Leia mais

Simulação a Eventos Discretos. Fernando Nogueira Simulação 1

Simulação a Eventos Discretos. Fernando Nogueira Simulação 1 Simulação a s Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos

Leia mais

Manutenção Centrada em Confiabilidade (MCC)

Manutenção Centrada em Confiabilidade (MCC) Origem MCC Manutenção Centrada em Confiabilidade (MCC) Anos 50: disciplinas de engenharia da confiabilidade Objetivo: estimar a confiabilidade de componentes, sistemas mecânicos e sistemas elétricos (principalmente).

Leia mais

PROCESSO DE POISSON. Processo Estocástico Prof, Ms. Eliana Carvalho

PROCESSO DE POISSON. Processo Estocástico Prof, Ms. Eliana Carvalho Processo Estocástico Prof, Ms. Eliana Carvalho Este processo estocástico deve o seu nome ao matemático francês Simion-Denis Poisson (1781-1840). Espaço de estados discreto (cadeia) Variável tempo é contínua

Leia mais

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Função Distribuição Condicional Calculando Probabilidades condicionando Esperança Condicional Aula de hoje Análise de Comandos de Programação

Leia mais

Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez

Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Distribuição de probabilidades Contexto O porquê desta aula Ao desenvolvermos

Leia mais

Avaliação e Desempenho Aula 18

Avaliação e Desempenho Aula 18 Avaliação e Desempenho Aula 18 Aula passada Fila com buffer finito Fila com buffer infinito Medidas de interesse: vazão, número médio de clientes na fila, taxa de perda. Aula de hoje Parâmetros de uma

Leia mais

Avaliação de Desempenho

Avaliação de Desempenho Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer

Leia mais

Noções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23

Noções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23 Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração

Leia mais

Análise de Dados e Simulação

Análise de Dados e Simulação Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Processo de Poisson. Processo de Poisson Homogêneo Considere N(t) o número de ocorrências de um determinado

Leia mais

Resumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf

Resumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação

Leia mais

Modelagem e Análise Aula 9

Modelagem e Análise Aula 9 Modelagem e Análise Aula 9 Aula passada Equações de fluxo Tempo contínuo Aula de hoje Parâmetros de uma fila Medidas de desempenho Cálculo do tempo de espera Resultado de Little Parâmetros da Fila chegada

Leia mais

Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017

Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:

Leia mais

Lista de Exercícios - SCE131

Lista de Exercícios - SCE131 Lista de Exercícios - SCE131 Prof. Eduardo F. Costa - ICMC - USP http://www.icmc.usp.br/ efcosta Parte 1 - Cadeia de Markov (a tempo discreto) Exercício 1. Seja uma cadeia de Markov com probabilidades

Leia mais

4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que:

4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que: GET189 Probabilidade I Lista de exercícios - Capítulo 6 1. ([Ross, 21] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:h; e trens partem para a cidade B de

Leia mais

Periodicidade óptima económica de MPS de um componente crítico apresentando mais de um modo de falha

Periodicidade óptima económica de MPS de um componente crítico apresentando mais de um modo de falha Jornadas de Manutenção APMI - 2018 Periodicidade óptima económica de MPS de um componente crítico apresentando mais de um modo de falha 1 Rui Assis; 2 João Ribeiro 1 Universidade Lusófona de Humanidades

Leia mais

Variáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22

Variáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22 all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário

Leia mais

Manutenção Industrial

Manutenção Industrial Manutenção Industrial Índice 1. Introdução... 2 2. O que é a Manutenção... 3 3. Tipos de Manutenção... 4 4.Vantagens e Importância da Manutenção... 8 5. Manutenção e Qualidade... 10 6. Plano de Manutenção...

Leia mais

Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018

Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral

Leia mais

Modelos básicos de distribuição de probabilidade

Modelos básicos de distribuição de probabilidade Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não

Leia mais

Tópicos Especiais em Qualidade

Tópicos Especiais em Qualidade Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando

Leia mais

COMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA

COMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA COMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA Felipe Matheus Gonçalves Costa (1); Divanilda Maia Esteves (2) 1 Universidade Estadual da Paraíba; felipematheusem@hotmail.com.br 2 Universidade

Leia mais

Modelização do Sistema Produtivo Teoria das Filas de Espera

Modelização do Sistema Produtivo Teoria das Filas de Espera Modelização do Sistema Produtivo Teoria das Filas de Espera http://www.fe.up.pt/maspwww Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves Gil.Goncalves@fe.up.pt 2004/2005 Outline

Leia mais

O tempo de sobrevivência é uma variável aleatória T, contínua e positiva.

O tempo de sobrevivência é uma variável aleatória T, contínua e positiva. ESPECIFICAÇÃO DO TEMPO DE SOBREVIVÊNCIA O tempo de sobrevivência é uma variável aleatória T, contínua e positiva. Os valores que T pode assumir têm alguma distribuição de probabilidade que pode ser especificada

Leia mais

O PERT PROBABILÍSTICO.

O PERT PROBABILÍSTICO. 8.1 Os tempos no PERT. 8 O PERT PROBABILÍSTICO. Como comentado anteriormente, a metodologia utilizada no estudo das redes tanto no método PERT como no CPM é a mesma. A diferença existente entre os dois

Leia mais

Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014

Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:

Leia mais

CORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011

CORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos

Leia mais

x, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade

x, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 6 Estimação Pontual Exercício 6.1. Considere a população X com função densidade de probabilidade { x, x < 1 f(x)

Leia mais

Distribuição Amostral e Estimação Pontual de Parâmetros

Distribuição Amostral e Estimação Pontual de Parâmetros Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada

Leia mais

Análise de Dados e Simulação

Análise de Dados e Simulação Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer

Leia mais

Modelagem e Análise de Sistemas de Computação Aula 20

Modelagem e Análise de Sistemas de Computação Aula 20 Modelagem e Análise de Sistemas de Computação Aula 20 Aula passada Lei dos grandes números Calculando integrais Gerando outras distribuições Método da transformada inversa Aula de hoje Simulando uma fila

Leia mais

Sumário. 2 Índice Remissivo 11

Sumário. 2 Índice Remissivo 11 i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação

Leia mais

Avaliação e Desempenho Aula 5

Avaliação e Desempenho Aula 5 Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade

Leia mais

2 Análise da Confiabilidade em Sistemas de Potência

2 Análise da Confiabilidade em Sistemas de Potência 2 Análise da Confiabilidade em Sistemas de Potência Confiabilidade é a capacidade de um dispositivo desempenhar seu propósito durante o período de tempo desejado, sob as condições operativas encontradas.

Leia mais

Conceitos matemáticos:

Conceitos matemáticos: Conceitos matemáticos: Para entender as possíveis mudanças quantitativas que ocorrem, ao nível de uma amostra de sementes, é preciso compreender alguns princípios básicos de cálculo. Tendo sido desenvolvido

Leia mais

ACH Introdução à Estatística Conteúdo Teórico: 12 - Simulação

ACH Introdução à Estatística Conteúdo Teórico: 12 - Simulação ACH2053 - Introdução à Estatística Conteúdo Teórico: Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte

Leia mais

4 Canais Iônicos Estocásticos

4 Canais Iônicos Estocásticos 4 Canais Iônicos Estocásticos 4.1 Processos Estocásticos e o Modelo de Hodgkin e Huxley O modelo de Hodgkin e Huxley clássico, macroscópico, tem como fundamento a variação dos valores das condutâncias

Leia mais

Confiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.

Confiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um

Leia mais

Modelos Probabilísticos Filas M/M/1, M/G/1. Profa. Jussara M. Almeida 1 o Semestre de 2014

Modelos Probabilísticos Filas M/M/1, M/G/1. Profa. Jussara M. Almeida 1 o Semestre de 2014 Modelos Probabilísticos Filas M/M/1, M/G/1 Profa. Jussara M. Almeida 1 o Semestre de 2014 Modelos Probabilísticos de Filas R W S λ Notação de Kendall Fila G / G / 1 1 = um único servidor Distribuição dos

Leia mais

AULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017

AULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu

Leia mais

SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS

SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS 4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está

Leia mais

4. Distribuições de probabilidade e

4. Distribuições de probabilidade e 4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio

Leia mais

4 Cálculo de Equivalentes Dinâmicos

4 Cálculo de Equivalentes Dinâmicos 4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 20

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 20 Teoria das Filas aplicadas a Sistemas Computacionais Aula 20 Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia

Leia mais

Capítulo 2 Processos de Poisson

Capítulo 2 Processos de Poisson Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 2002/03 Colectânea de Exercícios Capítulo 2 Processos de Poisson Exercício 2.1 Seja {X k, k 1} uma sucessão de variáveis aleatórias

Leia mais

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de

Leia mais

Modelos Probabiĺısticos Discretos

Modelos Probabiĺısticos Discretos Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Variância amostral Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum Likehood

Leia mais

Tiago Viana Flor de Santana

Tiago Viana Flor de Santana ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual

Leia mais

Cadeias de Markov de Tempo Contínuo (CTMC)

Cadeias de Markov de Tempo Contínuo (CTMC) Cadeias de Markov de Tempo Contínuo (CTMC) Cadeia de Markov Contínua (1) A análise de cadeias de Markov contínuas (CTMCs) é bem similar a análise em tempo discreto, com a diferença de que as transições

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09 Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

f(x t =x t )= F(X t =x t )/ x X 1 X 2 X 3 X 4 Representação Gráfica de um Processo Estocástico

f(x t =x t )= F(X t =x t )/ x X 1 X 2 X 3 X 4 Representação Gráfica de um Processo Estocástico CAÍTULO ROCESSOS ESTOCÁSTICOS - Introdução ) A variação de tráfego em um cruzamento que envolve a formação e dissipação de congestionamento de tráfego. ) A variação diária do nível de estoques de um determinado

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Quarta Lista de Exercícios 12 de fevereiro de 2014 1 Sejam X e Y duas VAs que só podem assumir os valores 1 ou -1 e seja p(x, y) = P (X = x, Y = y), x, y { 1, 1} a função de probabilidade

Leia mais

PROGRAMA DE MANUTENÇAÕ DE EQUIPAMENTO - PME

PROGRAMA DE MANUTENÇAÕ DE EQUIPAMENTO - PME PROGRAMA DE MANUTENÇAÕ DE EQUIPAMENTO - PME LICENÇA AMBIENTAL DE INSTALAÇÃO E OPERAÇÃO LAI E LAO 71.80.00 - Recuperação de Áreas Degradadas Empreendimento: Rua Bertolina May Kechelle, s/n Bairro Mulde

Leia mais

Modelo g.l. SQ Retas concorrentes ,46 Retas paralelas ,22 Retas com intercepto comum ,49 Retas coincidentes ,23

Modelo g.l. SQ Retas concorrentes ,46 Retas paralelas ,22 Retas com intercepto comum ,49 Retas coincidentes ,23 1 1) Em estudo observacional sobre comportamento de sono de 58 espécies de animais, uma das variáveis respostas foi o número total de horas de sono por dia (Y). O interesse desse estudo estava em relacionar

Leia mais

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de

Leia mais

Probabilidade, distribuição normal e uso de tabelas padronizadas. Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais

Probabilidade, distribuição normal e uso de tabelas padronizadas. Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é probabilidade? Perspectiva de que algo venha a ocorrer. Número

Leia mais

Distribuição Amostral e Estimação Pontual de Parâmetros

Distribuição Amostral e Estimação Pontual de Parâmetros Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra

Leia mais

MANUTENÇÃO PREDITIVA E PREVENTIVA. Samarone Ruas

MANUTENÇÃO PREDITIVA E PREVENTIVA. Samarone Ruas MANUTENÇÃO PREDITIVA E PREVENTIVA Samarone Ruas 1 RESUMO Custos de manutenção elevados por uma combinação de métodos de gestão ineficazes e falta de conhecimento da condição dos ativos representam um oportunidade

Leia mais

Universidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013

Universidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013 1. Seja X a duração de vida de uma válvula eletrônica e admita que X possa ser representada por uma variável aleatória contínua, com f.d.p. be bx, x 0. Seja p j = P (j X < j + 1). Verifique que p j é da

Leia mais