The reliability of products has played a very important role for the competitiveness of enterprises. Foremost on the agricultural machinery area, where the reliability of the machinery will impact directly the production costs and profitability of farms. Agricultural tractors are complex machines with diverse systems and components interacting among themselves and establishing a dependency relationship among their performances. When these machines fail, are restored to recover their production capability. Many different techniques for reliability study have been developed based on components reliability studies, when testes under well defined conditions of bench tests to replicate well-known failure modes. Statistical distributions are used to represent the failures behavior of different kind of tests. Most of these studies, though, were developed for components that will be replaced when failed. Therefore they have to be analyzed under techniques that are suited for repairable systems. Many repairable systems have been analyzed with techniques that are only suited for non-repairable systems. This work proposes a comparison between the two techniques to analyze the differences and advantages of each one, and its applicability to the development of agricultural tractors / A confiabilidade dos produtos tem desempenhado um papel muito importante para a competitividade das empresas. Principalmente na área de máquinas agrícolas onde a confiabilidade do maquinário terá uma influência direta nos custos de produção e, conseqüentemente, na rentabilidade da mesma. Tratores agrícolas são máquinas complexas com diversos sistemas e componentes interagindo entre si e estabelecendo uma relação de dependência entre seus desempenhos. Quando estas máquinas falham, são restauradas para recuperar sua capacidade de produção. Muitas técnicas de estudo da confiabilidade têm sido desenvolvidas, baseadas em estudos de confiabilidade de componentes, quando submetidos a condições bem determinadas de solicitações, em testes de bancadas que reproduzem determinados modos de falha. Distribuições estatísticas são usadas para representar o comportamento de falhas de diversos tipos de ensaio. A maioria destes estudos, entretanto, foram desenvolvidos para componentes que irão ser substituídos quando falharem. Por isso devem ser analisados através de técnicas adequadas para sistemas reparáveis. Muitas análises de sistemas reparáveis têm sido feitas considerando técnicas desenvolvidas para sistemas não reparáveis. Este trabalho propõe uma comparação das duas técnicas para a análise das diferenças e vantagens de cada uma das técnicas e sua adequação ao desenvolvimento de tratores agrícolas. No final conseguimos concluir e comprovar a importância do conhecimento do embasamento matemático das diferentes técnicas para evitar análises de confiabilidade enganosas. A fácil disponibilidade e utilização de sofwares, permitem que engenheiros sem o devido embasamento teórico apresentado neste trabalho façam análises que levem a conclusões errôneas sobre a tendência da confiabilidade dos equipamentos analisados

Made available in DSpace on 2014-06-12T17:41:40Z (GMT). No. of bitstreams: 2 arquivo7328_1.pdf: 3505785 bytes, checksum: 08ba0b4fd9e921becd50bfdf276c052f (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Esta dissertação trata de sistemas reparáveis que sofrem reparo imperfeito, utilizando uma classe de modelos de processos estocásticos conhecida como Processo de Renovação Generalizado (PRG), a qual permite inserir uma maior flexibilidade quanto ao tratamento de diversos níveis de reparo. Para tanto, é proposto um modelo utilizando processos Markovianos não homogêneos para analisar o comportamento dinâmico de sistemas complexos, utilizando o PRG para modelar as probabilidades de transição para estados falhos. Os parâmetros destas distribuições são estimados a partir de um outro modelo proposto de inferência Bayesiana para solução das equações do PRG, considerando a situação de escassez de dados de falha, com múltiplos modos de falha, tempos incertos de ocorrência de falha e censura na amostra. Os modelos propostos permitiram obter diversos indicadores de desempenho de confiabilidade, como disponibilidade, níveis de incerteza acerca dos parâmetros do PRG, além permitir quantificar a eficácia da manutenção em seus reparos, por exemplo. Como exemplo de aplicação dos modelos propostos, foram coletados dados reais de operação de uma válvula do tipo PCV, situada em diferentes estações de redução de pressão de gás natural, sujeita à manutenção corretiva e preventiva

Submitted by Irene Nascimento (irene.kessia@ufpe.br) on 2015-03-13T19:26:15Z No. of bitstreams: 2 DISSERTAÇÃO Rafael Valença Azevedo.pdf: 3613931 bytes, checksum: 7fcd4342dc4b7b5e89fd3ebd5aab5be4 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T19:26:15Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO Rafael Valença Azevedo.pdf: 3613931 bytes, checksum: 7fcd4342dc4b7b5e89fd3ebd5aab5be4 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-11-20 / CNPQ / Esta dissertação trata de caminhos para modelagem e busca de solução para um problema de otimização da manutenção de forma a tornar o modelo mais aplicável a casos reais. Para tanto, considera um Algoritmo Genético (AG) Multiobjetivo acoplado com Simulação Discreta de Evento (SDE), mais especificamente a técnica de Simulação Monte Carlo (SMC) para resolver problemas de definição simultânea da política de substituição e da quantidade de sobressalentes para sistemas sujeitos a reparos imperfeitos. Uma abordagem multiobjetivo é utilizada, onde a taxa média de custo de manutenção, o número esperado de falhas por ciclo de substituição, a vida residual média e o investimento em sobressalentes devem ser minimizados, enquanto que a disponibilidade deve ser maximizada. O processo de falha-reparo do sistema é modelado por um Processo de Renovação Generalizado (PRG). A metodologia apresentada fornece um conjunto de soluções promissoras que incorporam não apenas o intervalo de substituição por idade, mas também o número máximo de falhas por ciclo e a quantidade de peças sobressalentes que deve ser comprada no início de um horizonte de planejamento. O AG Multiobjetivo e o algoritmo da SDE são validados por um exemplo com solução analítica. Além disso, um exemplo de aplicação é apresentado e uma análise sobre a disponibilidade e o investimento é sugerida para auxiliar o decisor a escolher uma solução do conjunto obtido.

Submitted by Rafael Santana (rafael.silvasantana@ufpe.br) on 2017-04-19T18:10:57Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Versão Final.pdf: 1475057 bytes, checksum: 12f4f23219e2dd8cfd695075bb204ac4 (MD5) / Made available in DSpace on 2017-04-19T18:10:57Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Versão Final.pdf: 1475057 bytes, checksum: 12f4f23219e2dd8cfd695075bb204ac4 (MD5) Previous issue date: 2016-08-23 / CAPES / Este trabalho trata de sistemas reparáveis que sofrem reparo imperfeito, utilizando uma classe de modelos de processos estocásticos conhecida como Processo de Renovação Generalizado (PRG), que é um modelo de idade virtual que determina a classificação do reparo de acordo com o grau de redução que este proporciona sob a idade real do equipamento, mensurada através de um parâmetro de rejuvenescimento, , e este modelo permite inserir uma maior flexibilidade quanto ao tratamento de dados de falhas. Foi proposto um modelo PRG com base na distribuição -Exponencial ( -PRG), onde o sucesso da Exponencial deve-se, em parte, à sua capacidade de exposições a caudas pesadas e fenômenos de lei de potência. Os estimadores de máxima verossimilhança não apresentaram expressões analíticas e, então, a estimação dos parâmetros -PRG foi realizada por meio do algoritmo evolucionário Differential Evolution (DE), que é algoritmo estocástico para resolver problemas de otimização global de funções não lineares, ou seja, é um método para minimizar funções não lineares e não diferenciáveis em um espaço contínuo de busca. Com base no método DE, foram realizadas simulações a partir de dados de falha extraídos da literatura. A partir das simulações executadas utilizando o método bootstrap paramétrico, mesmo existindo valores discrepantes, o processo de simulação manteve as características dos dados iniciais, de modo que informações sobre as falhas não foram perdidas. Com as simulações, concluiu-se que para tamanhos amostrais maiores, as abordagens bootstrap utilizadas tendem a fornecer estimativas intervalares semelhantes para os parâmetros -PRG. Além disso, foi possível obter alguns resultados estatísticos para os estimadores como a ausência de normalidade e estimar o parâmetro de rejuvenescimento do PRG. / This work deals with repairable systems that undergo imperfect repair, using a class of stochastic process models known as Generalized Renewal Process (GRP), which is a virtual age model that determines the classification of the repair according to the degree of reduction that This provides, under the real age of the equipment, measured through a rejuvenation parameter, , and this model allows to insert a greater flexibility in the treatment of data of failures. A GRP model was proposed based on the -Exponential distribution ( -GRP), where -Exponential success is due, in part, to its ability to expose heavy tails and power law phenomena. The maximum likelihood estimators did not present analytical expressions and, therefore, the estimation of the -GRP parameters was performed using the evolutionary algorithm Differential Evolution (DE), which is a stochastic algorithm to solve problems of global optimization of non-linear functions, that is, is a method to minimize non-linear and non-differentiable functions in a continuous search space. Based on the DE method, simulations were performed based on fault data extracted from the literature. From the simulations performed using the parametric bootstrap method, even if there were discrepant values, the simulation process maintained the characteristics of the initial data, so that information about the failures was not lost. With the simulations, it was concluded that for larger sample sizes, the bootstrap approaches used tend to provide similar interval estimates for the -GRP parameters. In addition, it was possible to obtain some statistical results for the estimators such as the absence of normality and to estimate the GRP rejuvenation parameter.

Os modelos de sistemas reparáveis usuais são os de reparo mínimo, perfeito e imperfeito, sendo que, na literatura, o modelo de reparo mínimo é o mais explorado. Em sistemas reparáveis é comum que componentes do mesmo tipo sejam estudados e nestes casos é relevante verificar a heterogeneidade entre eles. Segundo Vaupel et al. (1979), os métodos padrões em análise de dados de sistemas reparáveis ignoram a heterogeneidade não observada e em alguns casos esta deveria ser considerada. Tal variabilidade pode ser estimada a partir dos modelos de fragilidade, caracterizados pela utilização de um efeito aleatório. Propõe-se o modelo de reparo mínimo com fragilidade, afim de estimar a heterogeneidade não observada entre sistemas. Para este modelo foi realizado um estudo e simulação como objetivo de analisar as propriedades frequentistas do processo de estimação. A aplicação em um conjunto de dados reais mostrou a aplicabilidade do modelo proposto, em que a estimação dos parâmetros foram determinadas a partir das abordagens de máxima verossimilhança e Bayesiana. / The usual models in repair able systems are minimal, perfect and imperfect repair, and, in the literature, the minimum repair model is the most explored. In repair able systems it is common that the same type of components are studied and in these cases is relevant to verify the heterogeneity between them. According to Vaupel et al. (1979), the standard methods for analysis of repair able systems data ignore the heterogeneity not observed and in some cases this should be considered. Such variability can be estimated from frailty models, characterized by using a random effect. It is proposed that the minimum repair model with frailty in order to estimate the heterogeneity not observed between systems. For this model it was conducted a simulation study in order to analyze the frequentist properties of the estimation process. The application of a real data set showed the applicability of the proposed model, in which the estimation of the parameters were determined from maximum likelihood and Bayesian approaches.

Submitted by Daniele Amaral (daniee_ni@hotmail.com) on 2016-09-15T15:15:11Z No. of bitstreams: 1 DissCCF.pdf: 1472861 bytes, checksum: 937810926b98a08677085a559d13aec9 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-16T19:51:30Z (GMT) No. of bitstreams: 1 DissCCF.pdf: 1472861 bytes, checksum: 937810926b98a08677085a559d13aec9 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-16T19:51:36Z (GMT) No. of bitstreams: 1 DissCCF.pdf: 1472861 bytes, checksum: 937810926b98a08677085a559d13aec9 (MD5) / Made available in DSpace on 2016-09-16T19:51:41Z (GMT). No. of bitstreams: 1 DissCCF.pdf: 1472861 bytes, checksum: 937810926b98a08677085a559d13aec9 (MD5) Previous issue date: 2015-09-15 / Não recebi financiamento / The usual models in repairable systems are minimal, perfect and imperfect repair, and, in the literature, the minimum repair model is the most explored. In repairable systems it is common that the same type of components are studied and in these cases is relevant to verify the heterogeneity between them. According to Vaupel et al. (1979), the standard methods for analysis of repairable systems data ignore the heterogeneity not observed and in some cases this should be considered. Such variability can be estimated from frailty models, characterized by using a random e ect. It is proposed that the minimum repair model with frailty in order to estimate the heterogeneity not observed between systems. For this model it was conducted a simulation study in order to analyze the frequentist properties of the estimation process. The application of a real data set showed the applicability of the proposed model, in which the estimation of the parameters were determined from maximum likelihood and Bayesian approaches. / Os modelos de sistemas reparáveis usuais são os de reparo mí nimo, perfeito e imperfeito, sendo que, na literatura, o modelo de reparo mí nimo e o mais explorado. Em sistemas reparáveis e comum que componentes do mesmo tipo sejam estudados e nestes casos é relevante verifi car a heterogeneidade entre eles. Segundo Vaupel et al. (1979), os métodos padrões em análise de dados de sistemas reparáveis ignoram a heterogeneidade não observada e em alguns casos esta deveria ser considerada. Tal variabilidade pode ser estimada a partir dos modelos de fragilidade, caracterizados pela utilização de um efeito aleat ório. Propõe-se o modelo de reparo mí nimo com fragilidade, a fi m de estimar a heterogeneidade não observada entre sistemas. Para este modelo foi realizado um estudo de simula ção com o objetivo de analisar as propriedades frequentistas do processo de estimação. A aplicação em um conjunto de dados reais mostrou a aplicabilidade do modelo proposto, em que a estima ção dos parâmetros foram determinadas a partir das abordagens de m áxima verossimilhan ça e Bayesiana.

Um sistema reparável opera sob uma estratégia de manutenção que exige ações de recuperação preventiva em tempos pré-definidos e ações de reparo quando ocorre a perda de função do sistema. A manutenção preventiva (MP) é programada periodicamente e muitas vezes possui um intervalo de tempo fixo para ações. No entanto, as atividades de MP podem não restaurar o sistema para uma condição similar ao início de vida deste, mas para uma situação intermediária. Nesse caso, a MP é denominada de imperfeita. Além disso, ao longo da vida do sistema, são executados diferentes planos de manutenção com condições e atividades distintas que podem afetar a intensidade de falha de diferentes maneiras. Para modelar essas características da MP em um sistema reparável, propõe-se uma nova classe de modelo de fator de melhoria, denominado fator de melhoria variável que possibilita a modelagem da situação de manutenção perfeita. A formulação da função de verossimilhança foi desenvolvida para estimação dos parâmetros bem como desenvolvidos testes de verificação da qualidade de ajuste, intervalos de confiança para os parâmetros e otimização da periodicidade de realização da MP com base no enfoque dos novos modelos propostos. Os resultados foram aplicados em dados reais e verificou-se uma parametrização mais flexível a MP imperfeita e maior versatilidade nas análises de confiabilidade do sistema quando utilizado os novos modelos. / A repairable system operates under a maintenance strategy that calls for preventive repair actions at prescheduled times and the repair actions that restore system when failure occurs. The preventive maintenance (PM) is scheduled periodically and it often holds a fixed time interval for PM actions. However, PM activities are generally imperfect and cannot restore the system to as good as new condition but to an intermediate situation, which is called imperfect PM. In addition, throughout system life are implemented diverse maintenance policies with different activities and conditions that may affect the failure intensity in different ways. To model these PM characteristics, proposes a new model class of improvement factor called variable improvement factor that also enables modeling perfect maintenance situation. The likelihood function is developed for parameter estimation as well as goodness-of-fit tests and confidence intervals for the parameters are developed, and optimization of the PM intervals based on the proposed models is presented. The proposed model was applied to a data set and a more flexible parameterization for imperfect PM and greater versatility in the system reliability analysis were verified with the use of the new model.

Um sistema reparável opera sob uma estratégia de manutenção que exige ações de recuperação preventiva em tempos pré-definidos e ações de reparo quando ocorre a perda de função do sistema. A manutenção preventiva (MP) é programada periodicamente e muitas vezes possui um intervalo de tempo fixo para ações. No entanto, as atividades de MP podem não restaurar o sistema para uma condição similar ao início de vida deste, mas para uma situação intermediária. Nesse caso, a MP é denominada de imperfeita. Além disso, ao longo da vida do sistema, são executados diferentes planos de manutenção com condições e atividades distintas que podem afetar a intensidade de falha de diferentes maneiras. Para modelar essas características da MP em um sistema reparável, propõe-se uma nova classe de modelo de fator de melhoria, denominado fator de melhoria variável que possibilita a modelagem da situação de manutenção perfeita. A formulação da função de verossimilhança foi desenvolvida para estimação dos parâmetros bem como desenvolvidos testes de verificação da qualidade de ajuste, intervalos de confiança para os parâmetros e otimização da periodicidade de realização da MP com base no enfoque dos novos modelos propostos. Os resultados foram aplicados em dados reais e verificou-se uma parametrização mais flexível a MP imperfeita e maior versatilidade nas análises de confiabilidade do sistema quando utilizado os novos modelos. / A repairable system operates under a maintenance strategy that calls for preventive repair actions at prescheduled times and the repair actions that restore system when failure occurs. The preventive maintenance (PM) is scheduled periodically and it often holds a fixed time interval for PM actions. However, PM activities are generally imperfect and cannot restore the system to as good as new condition but to an intermediate situation, which is called imperfect PM. In addition, throughout system life are implemented diverse maintenance policies with different activities and conditions that may affect the failure intensity in different ways. To model these PM characteristics, proposes a new model class of improvement factor called variable improvement factor that also enables modeling perfect maintenance situation. The likelihood function is developed for parameter estimation as well as goodness-of-fit tests and confidence intervals for the parameters are developed, and optimization of the PM intervals based on the proposed models is presented. The proposed model was applied to a data set and a more flexible parameterization for imperfect PM and greater versatility in the system reliability analysis were verified with the use of the new model.