SSA som en egenverdi

Por vezes, devido a restrições práticas ou para simplificar o modelo utilizado apenas são considerados os eventos que ocorrem dentro de uma janela temporal de observação. Todos os eventos que ocorrem fora deste espaço de tempo não são observados e consequentemente a sua existência não é conhecida. Os dados que têm este enquadramento são considerados truncados.

Os dados truncados podem ser classificados em dados truncados à direita e truncados à esquerda.

Os dados são considerados truncados à esquerda quando ocorrem antes do início do intervalo de observação e não são considerados para o estudo do sistema. Consequentemente se T é uma variável aleatória que representa o tempo de falha e Γe é uma variável aleatória

independente de T que corresponde ao início do registo da informação, apenas são considerados para o estudo se T ≥ Γe.

Analogamente, os dados são considerados truncados à direita quando ocorrem depois do início do intervalo de observação e não são considerados para o estudo do sistema. Consequentemente se Γd é uma variável aleatória independente de T que corresponde ao fim

do registo da informação, apenas são considerados para o estudo se T ≤ Γd.

Para além da classificação referida anteriormente, que divide os dados em completos e incompletos (censurados e truncados), os dados também podem ser classificados em diferentes grupos com base na origem dos dados, no tamanho da amostra e na qualidade dos dados, conforme referido na figura 2.6.

Do ponto de vista da origem, os dados podem ser classificados em dados obtidos de ensaios ou no contexto operacional (em fase de exploração). Com base no número de observações ou no tamanho da amostra, um conjunto de dados pode ser classificado em pequena, média ou grande dimensão.

Normalmente, um conjunto com menos de 20 dados é considerado como um conjunto de pequena dimensão (Abernethy, 2006).

Os dados podem também ser divididos em dados de boa ou má qualidade. Dados de boa qualidade, idealmente, não têm erros de medição nas observações ou o erro é pequeno o suficiente para ser desprezado, enquanto os dados de má qualidade envolvem valores atípicos ou observações em falta por exemplo.

Para certos equipamentos, a falha é catastrófica, sendo claro o seu ponto e modo de ocorrência. Noutros casos, a degradação lenta da capacidade funcional impede a clareza quanto à ocorrência do fim de vida e respetiva qualidade de informação. Outro exemplo são os dados obtidos em exploração, muitas vezes, devido aos métodos de recolha e registo são

agrupados por intervalos. Os tempos específicos de falha não são conhecidos devidamente o que implica perda na qualidade de informação.

Verifica-se que os dados obtidos pelo registo histórico do sistema ou pelos testes de laboratório apresentam características específicas que dificultam a sua análise.

Conforme referido anteriormente, a presença de dados censurados é muito comum. Porém outros problemas práticos estão geralmente associados na recolha dessa informação, nomeadamente,

a) Dados escassos:

Um dos principais problemas associados com a análise de dados é a falta de informação suficiente para executar corretamente as análises estatísticas. De facto, verifica-se que as metodologias estatísticas são limitadas quando realizadas com base num número reduzido de dados.

Os dados provenientes dos tempos de falhas dos equipamentos são normalmente reduzidos, o que enfatiza a necessidade de desenvolver métodos para lidar adequadamente com pequenos conjuntos de dados. Naturalmente, quanto maior for o conjunto de dados, mais precisa será a análise estatística. Por isso, o conteúdo da informação obtida pode ser incorreto sem uma análise cuidada.

Poder-se-á afirmar, que este problema referente à quantidade insuficiente de dados relativos aos tempos de falha dos equipamentos será uma constante, dado que o objectivo da manutenção é fazer com que as falhas sejam eventos raros. Deve-se esperar que com o aumento do desempenho da manutenção menos falhas devam ocorrer.

b) Efeito das ações de manutenção:

Normalmente, na prática, os componentes podem ser reparados ou ajustados, ao invés de substituídos, sempre que ocorre uma falha. Essas intervenções são suscetíveis de modificar os dados de fiabilidade do componente. Por isso, pode-se argumentar que o tempo de falha esperado após uma intervenção de reparação é diferente do tempo previsto para a primeira falha de um novo componente.

A abordagem fiabilística utilizada para o tempo de falha de um componente não reparável é equivalente para o tempo da primeira falha de um sistema reparável.

c) Qualidade dos dados:

Outro problema que está associado com a recolha dos dados é a qualidade da informação registada. A má qualidade da informação registada é devida a vários fatores, por exemplo, a dificuldade que pode surgir em identificar o modo de falha, a falta de formação do operador responsável pelo preenchimento do registo, a

informação incorreta do tempo de funcionamento do sistema em análise e a conservação do arquivo dos registos.

d) Combinação de dados:

Uma alternativa válida quando os dados são escassos é a combinação ou agrupamento de dados de componentes de outros equipamentos idênticos.

Este é um procedimento normalmente utilizado na análise da fiabilidade, especialmente em operações em que um grande número de equipamentos idênticos são utilizados.

A palavra ''idêntico'' pode ser substituída por ''semelhante'', em muitos casos. Deve-se ter em atenção a avaliação das semelhanças entre dois ou mais equipamentos antes de serem analisados em conjunto. Outro fator a ter em atenção é a semelhança das condições de funcionamento. Equipamentos idênticos, mas com condições de funcionamento diferentes, podem apresentar resultados completamente díspares.

Se for necessária uma análise mais rigorosa, quando na presença de duas ou mais amostras de dados a partir de diferentes equipamentos, vários métodos estatísticos podem ser utilizados para determinar se há diferenças significativas entre as amostras, mesmo em conjuntos de dados fortemente censurados.

Normalmente, os dados obtidos em ensaios têm algumas características especiais. Por exemplo, pequenos conjuntos de dados e dados censurados são muito comuns devido à necessidade de reduzir o tempo e o custo associado. O aumento do número de sistemas altamente fiáveis também conduz à dificuldade de recolha dos dados de falha. Um modo de contornar este obstáculo é a utilização de testes de vida acelerados. São então usadas relações matemáticas (propostas ou existentes) para extrapolar os resultados obtidos nos testes de vida acelerados para as condições ambientais usuais.

Os dados obtidos no contexto operacional, são maioritariamente caracterizados por pequenos conjuntos de dados, com combinações de diferentes tipos de censura e com má qualidade.