Redes bayesianas para a parametrização da confiabilidade em sistemas complexos

• Ano de defesa: 2004
• Autor(a) principal: FIRMINO, Paulo Renato Alves
• Orientador(a): DROGUETT, Enrique Andrés López
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Palavras-chave em Português: Confiabilidade; Inferência Bayesiana; Incerteza
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/5864

A análise de confiabilidade é uma técnica de suporte a tomadas de decisão e controle que auxilia gestores na busca da garantia da execução satisfatória das funções dos ítens a respeito de um dado sistema, considerando suas limitações, o seu desgaste e os fatores que influenciam seu desempenho, sejam estes ítens equipamentos ou pessoas. É comum a aplicação de técnicas, tais como as de árvores de falhas e de eventos, na representação probabilística do funcionamento dos equipamentos integrantes do sistema, assim como métodos direcionados à análise de confiabilidade quando pessoas fazem parte do processo. Estas duas linhas são comumente chamadas de análise de confiabilidade de equipamentos e análise de confiabilidade humana, respectivamente. Um dos principais problemas de tais conjuntos de técnicas é que estas requerem adaptações que, em muitos casos, tornam a modelagem precária ou distante da realidade do sistema. Neste sentido, podese citar: suposições de independência entre variáveis que na verdade são relacionadas; partição simplória de eventos como favoráveis ou desfavoráveis e dificuldades para a inclusão de novos conhecimentos ou para sua quantificação nos modelos construídos. Neste trabalho, mostra-se que a modelagem, ou mesmo a abordagem, por redes Bayesianas de métodos direcionados às análises de confiabilidade de equipamentos e humana pode permitir uma maior flexibilidade e proporcionar uma maior fidelidade quanto aos mecanismos probabilísticos que regem as incertezas presentes nos sistemas, resultando em inferências mais precisas, além de uma maior compreensão diagramática do comportamento dinâmico do processo diante de eventos rotineiros ou anormais