Um modelo integrado de inferência Bayesiana e processos Markovianos para análise de sistemas reparáveis sujeitos a reparo imperfeito via processo de renovação generalizado

Abstract

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