Sei sulla pagina 1di 22

Capitolo I

Insiemi e probabilit
Si definisce insieme un gruppo di entit che posseggono una propriet che pu essere
usata per determinare univocamente la loro appartenenza all'insieme.
Ogni oggetto dell'insieme chiamato elemento dell'insieme.
L'appartenenza di un oggetto a all'insieme A si indica con aA.
Un insieme detto finito o infinito se contiene un numero finito o infinito di elementi.
L'insieme nullo 0 non contiene elementi, mentre l'insieme universo I contiene tutti gli elementi
che stiamo prendendo in considerazione.
Si dice che un insieme A contenuto nell'insieme B se tutti gli elementi di A sono contenuti
in B; A allora un sottoinsieme di B (AB).
Due insiemi A e B sono uguali se contengono gli stessi elementi e cio se AB e BA
allora A=B.
L'unione di due insiemi (somma logica) AB l'insieme che contiene tutti gli elementi che
appartengono ad almeno uno dei due insiemi.
L'intersezione di due insiemi (prodotto logico) AB l'insieme costituito dagli elementi
comuni ai due insiemi.
Se AB allora la differenza dei due insiemi B-A l'insieme costituito da tutti gli elementi
contenuti in B e non in A.
Due insiemi A e A sono complementari se A A =I e A A =0.
Valgono le seguenti regole:
XY=YX
XY=YX
X (Y Z) = (X Y) Z
X (Y Z) = (X Y) Z
X (Y Z) = (X Y) (X Z)
X (Y Z) = (X Y) (X Z)
XX=X
XX=X
X (X Y) = X
X (X Y) = X
XX=0
XX=I
(X Y) = X Y
(X Y) = X Y
0X=0
0X=X
IX=X
IX=I
X ( X Y) = X Y
X (X Y ) = X Y = (X Y)
Definiamo probabilit la misura della fiducia che abbiamo nel verificarsi di un evento
casuale.
Associamo lo spazio campionario, e cio l'insieme di tutti i possibili risultati di un evento
casuale, all'insieme universo I, i punti campionari agli elementi e gli eventi a sottoinsiemi dello

spazio campionario. Uno spazio campionario discreto se contiene un numero finito o infinito
ma numerabile di punti campionari. Uno spazio campionario detto continuo se contiene un
numero infinito non numerabile di punti campionari.
Valgono le seguenti regole fondamentali:
P(0) = 0
P(E) + P( E ) = 1
Se E1 ed E2 sono due eventi arbitrari:
P(E1 E2) = P(E1) + P(E2) - P(E1 E2)
la probabilit che almeno uno dei due eventi si verifichi.
Per n eventi si ha:
n

n 1 n

P(E1 E2 ... En) = P ( E i ) P ( E i E j ) +


i=1

n n 1

i=1 j= i+1

P ( E i E j E k ) +...+ ( 1) n P ( E 1 E 2 ...E n )

i=1 j= i+1 k = j+1

Se n eventi sono mutuamente escludentisi la probabilit che almeno uno si verifichi :


n

(E1 E2 ... En) = P ( E i )


i=1

La probabilit che l'evento E1 si verifichi una volta che si verificato l'evento E2 (probabilit
condizionata) data da:
P(E1/E2) = P(E1 E2)/P(E2)
e pertanto:
P(E1 E2) = P(E1/E2)P(E2) = P(E2/E1)P(E1)
Due eventi sono indipendenti se:
P(E2/E1) = P(E2) e P(E1/E2) = P(E1)
In tal caso si deve avere:
P(E1 E2) = P(E1)P(E2)
n eventi Ei sono indipendenti se tutte le coppie di eventi Ei,Ej sono indipendenti. In tal caso:
P(E1 E2 ... En) = P(E1)P(E2)...P(En)
1. Teorema di Bayes
Siano Ei n eventi mutuamente escludentisi e la cui unione lo spazio campionario; se F
un evento arbitrario dello stesso spazio campionario, tale che P(F) 0, allora per ogni coppia di
eventi Ei, F si ha:
P(Ei/F) =

P Ei F
P ( F)

P( E i ) P( F / E i )
n

P( E j ) P( F / E j )

j=1

Si supporranno noti i seguenti concetti:


a) variabile random t;
b) funzione di distribuzione di una variabile random F(t)=Pr[tt];
c) E[t], valore atteso di t e momenti di ordine pi elevato E[tn].
2. Funzione caratteristica
Data una funzione di distribuzione F di una variabile random (v.r.) x, si definisce funzione
caratteristica (f.c.) (t), con t variabile reale -<t<+, una funzione data da:
+

(t) = e

it

dF( )

i=

-1

= E[e itX]
Se F ha densit di probabilit f, la f.c. data da:

(t) = e

it

f ( ) d

Se F la distribuzione di una variabile discreta l'integrale diventa una sommatoria.


L'importanza della funzione caratteristica deriva dalle seguenti propriet:
a) la relazione tra funzione caratteristica e distribuzione uno a uno;
b) Se X1,X2,...,Xn sono v.r. indipendenti la f.c. della loro somma il prodotto delle singole f.c. e
quindi l'uso delle f.c. rende molto semplice trattare con somme di v.r.;
c) se sono finiti, i momenti di una variabile casuale si ottengono semplicemente derivando la
funzione caratteristica:
1

E[Xk] =

(k)(0)

con (k)(t) derivata kesima di (t).


3. Funzioni generatrici e trasformata di Laplace
Data una v.r. i cui possibili valori sono gli interi non negativi, si definisce funzione generatrice
(f.g.) la funzione:

k
k
g(s) = p k s = E s
K= 0

con pk= Pr[X=k], funzione definita per s 1.


Se si pone s=eit allora:
f(t) = E[eitX] = E[(eit)X] = g(eit)
pertanto la f.g. gode delle stesse propriet della f.c.
Si pu sostituire la funzione caratteristica con la trasformata di Laplace della funzione di
distribuzione. Se F ha densit f la trasformata di Laplace definita da:

F * ( s) = e

sx

f ( x ) dx

con s variabile complessa (s=+it, s e t reali e 0). Se s immaginario (=0) la trasformata di


Laplace si riduce alla funzione caratteristica (-t). In modo ovvio si definisce la trasformata se la
variabile discreta.
Vista la relazione tra trasformata e funzione caratteristica, la trasformata della distribuzione
della somma di variabili random indipendenti il prodotto delle singole trasformate.

4. Affidabilit, distribuzioni di probabilit e tasso di guasto


Si definisce affidabilit di un sistema, al tempo t, la probabilit che esso fornisca il servizio
richiesto per tutto il tempo 0 t in prefissate condizioni operative. Essa pu essere espressa in
funzione della variabile random t, istante di guasto del sistema.
La funzione densit di probabilit di guasto (FDP) f(t) ha il seguente significato:
f(t)dt = P(ttt+dt) = Pr(il guasto avvenga tra t e t+dt).
La funzione di distribuzione cumulata (FD) assume il significato:
F(t)=P(tt)=Pr(il guasto si verifica ad un istante minore o uguale a t).
Possiamo quindi definire l'affidabilit R(t):
R(t) = P(t>t) = Pr(il guasto si verifica dopo t) =
t

= 1 - F(t) = 1 - f ( x ) dx = f ( x) dx
L'affidabilit

pertanto data dalla distribuzione cumulata complementare di t


[ R ( t ) = 1 F( t ) = F( t )] ; F(t) si indica anche come inaffidabilit.
Essendo:
f(t) = d dt [ F( t )]
dalle precedenti relazioni si ottiene:
f(t) = - d dt [ R ( t )]
Quando si studia il meccanismo di guasto di un elemento fondamentale un'altra grandezza
chiamata tasso di guasto ed indicata con (t) o z(t) o h(t).
Essa pu essere definita in termini di una qualunque delle grandezze prima indicate. Sia
(t)dt la probabilit che l'elemento si guasti al tempo t<t+dt dato che non si guastato fino al
tempo t ( una probabilit condizionata). Applicando le relazioni prima viste si ha:
P[( t > t) ( t < t + dt)]
=
P( t > t)
P[ t < t < t + dt ]
f(t) dt
=
=
P(t > t )
R(t)

(t)dt = P(t<t+dt/t>t) =

quindi:
(t) = f ( t ) R( t )
Tenendo conto delle relazioni prima viste si pu scrivere:

(t)= f ( t ) R( t ) = [ dR( t ) dt] [1 F( t )] = [ dF( t ) dt] [1 F( t )] = f ( t ) f ( t ) dt


t

Le precedenti relazioni mostrano che, nota una delle quattro grandezze f(t), F(t), R(t) o (t)
possono ricavarsi le altre tre.
In particolare, nota (t) si ha:
(t)dt = - dR( t ) R( t )
integrando tra 0 e t:
t

R(t) = exp ( x) dx
t

f(t) = (t)R(t) = (t)exp ( x) dx


Un altro parametro molto utilizzato quale indicazione dell'affidabilit di un sistema il tempo
medio fino al guasto [MTTF]. Esso il valore atteso della variabile casuale t ed quindi dato
da:

MTTF = t f ( t ) dt
0

in termini di affidabilit:

MTTF = - t
0

d
R ( t ) dt = t dR ( t )
dt
0

integrando per parti:

MTTF = - t R( t )] 0 + R( t ) dt
0

Il primo termine a secondo membro si annulla sia per t=0 che per t (basta applicare la
regola dell'Hospital), pertanto:
4

MTTF = R( t ) dt
0

6. Distribuzioni di probabilit
Esamineremo brevemente nel seguito le distribuzioni di probabilit pi usate in affidabilit.
Esse sono note dal corso di Statistica; qui si metter in evidenza il meccanismo di guasto che
porta alla loro utilizzazione e l'andamento del tasso di guasto.
7. Distribuzioni discrete: binomiale e di Poisson
Si supponga di avere un insieme che contiene infiniti elementi di cui una frazione p ha una
certa propriet (per esempio si guasta prima di aver fornito il servizio richiesto per T unit di
tempo). Indichiamo con p la probabilit di guasto di un elemento (prima del tempo T) e con q la
probabilit che il guasto avvenga dopo T; evidentemente q=1-p.
La probabilit che eseguendo una prova su N elementi prelevati in modo random dalla
popolazione se ne guastino esattamente n data dalla distribuzione binomiale:
C(N,n) pn (1-p)N-n
con C(N,n) =

N!
n! (N - n)!

La probabilit di un numero di guasti n fornita dall'espressione:


n

C( N , i) pi (1 p) N i

i= 0

Media e varianza valgono:


N

= n c( N , n) p n (1 p) N n = Np
n= 0

Var(n) = Np(1-p)
Se il numero di elementi prelevati cresce (N ) mentre p diminuisce (p 0) mantenendosi
costante il prodotto Np, si ottiene:
1 N p n
N!
N!
f(n) =
pn (1-p)N-n =

(1-p)N =
(N - n)! n!
(N - n)! N n n! 1 p
=
=

N!

( N - n ) !N n

n
1 Np

exp[Nln(1-p)] =
n! 1 p

n
1 Np

exp[-Np]

( N - n ) ! N n n! 1 p

N!

ponendo Np = e calcolando il limite per N e p 0 si ottiene:


f(n) =

n
e
n!

che la distribuzione di Poisson. Essa spesso utilizzata come approssimazione alle


distribuzioni binomiale ed ipergeometrica; per la binomiale l'approssimazione gi buona per
N>10 e p<0.1. La Poisson la distribuzione adatta quando il numero dei possibili eventi
grande e la probabilit che si verifichino bassa. Per esempio nel conteggio del numero di
difetti, nelle code, etc.
Valore medio e varianza valgono:
E[n] =
Var[n] =
7a Stima dei parametri
Distribuzione binomiale - Supponiamo di prelevare un campione di numerosit n da una
popolazione la cui frazione p ha una certa caratteristica, per esempio sono difettosi, e di averne
trovati d difettosi. La stima di massima verosimiglianza di p :
p$ = d/n
L'intervallo di confidenza, al livello , si ottiene risolvendo le equazioni:
5

1-
2

C( n, i) pi ( 1 p) n i =

i= d
d

1-
2

C( n, i) pi (1 p) ni =

i= 0

I limiti di confidenza possono ottenersi facilmente utilizzando i diagrammi di Pearson e


Clopper.
Distribuzione di Poisson - Se si eseguono n test e si verificano di eventi, per esempio pezzi
difettosi, all'iesimo test, la stima di massima verosimiglianza del parametro :
n

= d i n
i =1

Il limite di confidenza superiore a livello si ottiene dall'equazione:


k d

d =0 d!

e = 1

dove k il numero totale di eventi osservati.


8. Distribuzioni continue
Le distribuzioni continue maggiormente utilizzate nel settore dell'affidabilit sono: normale,
lognormale, Weibull, esponenziale, gamma, dei valori estremi.
8.a - distribuzione normale
Essa applicabile in molte situazioni ed in particolare tutte le volte che la variabile random X
la somma di un numero elevato di effetti random in cui nessuno ha una influenza
predominante. Un cavo, per esempio, costituito da un numero elevato N di fili ciascuno con
resistenza xi. La resistenza del cavo, data da:
X = x1+x2+...+xN
distribuita normalmente. La densit di probabilit, la distribuzione di probabilit, l'affidabilit ed
il tasso di guasto,sono date da:

f(t) =

t 2

exp 0.5

x 2
1
dx
F(t) =
exp 0.5

x 2
1
dx
R(t) =
exp 0.5

t 2
t

(t)=

1
2

R(x)

0.8

7
F(x)

0.2
0

Fig. 1-1a

6
5

0.6
0.4

x 2
t 2
1
dx

exp 0.5

t 2

exp 0.5

4
3

f(x)

2
x

Fig. 1-1b

e riportate nelle Fig. 1-1a-b. Le espressioni sono valide per 3. La figura mostra che il tasso
di guasto sempre crescente. La distribuzione adatta a descrivere situazioni in cui possiamo
ragionevolmente definire un tempo di usura .
8. b - distribuzione lognormale
E' definita dalla funzione:

f(t) =

ln( t ) 2

exp 0.5

2 t

t>0

ln( x) 2
dx
exp 0.5

2 x
+

ln( x) 2
1
dx
R(t)=
exp 0.5

t 2 x

1
ln( t ) 2

(t)==
exp 0.5


2 t

ln( x) 2
1
dx
exp 0.5

t 2 x
t

F(t) =

f(x)

F(x)

0.8

4
3

=0.1

0,5

0.4

=0,1
0,5
1

0.6

=0

=0

0.2

Fig. 1-2a

2.5

=0

1.5

=0,1
0,5
1

0.25

Fig. 1-2b

1
R(x)
0.75
0.5

=0,1
0,5
1

=0

1
0.5

0
0

Fig. 1-2c
Fig. 1-2d
Le Fig. 1-2a/d riportano FDP, DP, R(t) e tasso di guasto. Il tasso di guasto inizialmente
crescente e successivamente decrescente. La distribuzione frequentemente utilizzata per la
fatica, quando il guasto provocato dall'usura (teoria dell'affetto proporzionale) e per altri
fenomeni di guasto dipendenti dall'invecchiamento e che provocano tassi di guasto crescenti. E'
utilizzata per modellare i tempi di completamento di una manutenzione. Essa in generale
applicabile tutte le volte che una variabile random X il prodotto di un numero elevato N di
variabili random xi:
X = x1x2...xN
Prendendo i logaritmi naturali di ambo i membri, ponendo Y = ln X, la variabile Y distribuita
normalmente (se sono valide le condizioni prima viste). Eseguendo la trasformazione di variabili
si ottiene per la f(X) la precedente espressione.
Valore medio e varianza valgono:
MTTF = E[X] = exp[+2/2]
Var[X] = exp[2+2] [exp(2)-1]

8c - distribuzione di Weibull
E' definita dalla funzione a tre parametri:
f(x)=/ (x-)-1 exp{-(x-)/}
x

F(x) = 1 - exp

( x )

R(x) = exp

( x )

(x) = /(x-)-1
2

F(x)

f(x)

1.5

0.8

=1

=0,5
=2

0.5

=1

0.6
=0,5
=2

0.4
0.2

0
0

Fig. 1-3a
1

Fig. 1-3b
10

R(x)

0.8

=1
=0,5
=2

0.6
0.4

0.2

=1

=2

=0,5

0
0

Fig. 1-3c

Fig. 1-3d

E' molto utilizzata in affidabilit ed la distribuzione asintotica dei valori estremi di Tipo III.
Le Fig.1-3a/d riportano alcune FDP, DP,R(t) e (t) al variare dei parametri e . Il tasso di
guasto crescente decrescente o costante a seconda del valore di . La distribuzione si adatta
bene a molte situazioni sperimentali.
Valore medio e varianza sono dati da:
MTTF = E[x] = 1/(1+1/)
Var[x] = 2/{(1+2/) - [(1+1/)]2}
8d - distribuzione esponenziale
Se nella distribuzione di Weibull si pone =1 allora la FDP diventa:
f(x) = exp[-x]
= 1/ x0
che la FDP della distribuzione esponenziale.
Nel campo dell'affidabilit ci si aspetta una tale distribuzione quando un sistema si deteriora
con meccanismi molto complessi che operano con differenti tassi di guasto. Se i componenti
costituenti un sistema hanno distribuzione dei tempi di guasto esponenziali, ed i guasti sono
indipendenti, il sistema ha distribuzione dei tempi di guasto esponenziale.
La Fig. 1-4 mostra l'andamento di FDP, DP, R(t) e (t).
Media e varianza valgono:
MTTF = E[x] = 1/
Var[x] = (1/)2

1
R(x)

0.8

F(x)

0.6

0.4
0.2

f(x)

0
0

Fig. 1-4
8e - distribuzione gamma
E' definita dalla funzione a due parametri:
f(x) =

x
1
1
+1 x exp
!

[!=(1+)]

Se intero la distribuzione prende il nome di distribuzione di Erlang.


Si ha:
F(x) =

1
!

+1(x/)

R(x) = 1 - F(x) = 1 -

1
!

+1(x/)

(x) = x exp( x ) z exp( z ) dz


x

con (x/) funzione Gamma incompleta.


Supponiamo di avere un sistema costituito da n elementi, che entrano in funzione in
sequenza (ognuno entra in funzione quando il precedente si guasta), e che si guasti se tutti i
componenti si guastano. Allora il tempo di guasto del sistema la somma dei tempi di guasto
dei singoli elementi e la distribuzione di probabilit del tempo di guasto del sistema la
convoluzione di quelle dei singoli elementi. Se i tempi di guasto dei singoli componenti siano
indipendenti ed identicamente distribuiti con fdp f(x), allora la fdp di guasto del sistema g(x)
l'nesima convoluzione di f(x):
g(x) = [f(x)](n)
con:
[f(x)](n) = [f(x)]*[f(x)](n-1)
[f(x)](n-1) = [f(x)]*[f(x)](n-2)
[f(x)](2) = [f(x)]*[f(x)]
Supponiamo che sia f(x) data da:
f(x) = exp[-x]
x0
x

[f(x)](2) = 2 e t e( x t ) dt = 2 x e x
0

ed in generale, in modo recursivo, si ottiene:


g(x) = [f(x)](n)= n xn-1 e-x/(n)
che la fdp Gamma (=1/ e =n-1) con parametro di forma n e di scala 1/.
f(x)

0.8
0.6
0.4
0.2

=1

0.8

=0,5
=1
=2

0.6

F(x)

=0,5
=1
=2

0.4
0.2

=1

0
0

Fig. 1-5a

Fig. 1-5b

R(x)

=0,5
=1
=2

0.8
0.6

=1
=0,5
=1
=2

1.5
=1

0.4

1
0.5

0.2
0

0
0

Fig. 1-5c

x 6

Fig. 1-5d

f(x)

1.4
1.2
1
0.8
0.6
0.4
0.2
0

=0,5
=0

=1

F(x)

0.8
0.6

=1
=2

0.4

=0
=0,5

0.2

=2
=1
=1

Fig. 1-5e

Fig. 1-5f

f(x)

1.4
1.2
1
0.8
0.6
0.4
0.2
0

3
=0,5
=0

=1

=0
=1
=2

=1
=2

=1

=0,5

2.5
1.5
1
0.5
0

Fig. 1-5g

Fig. 1-5h

Le Fig. 1-5a/h riportano fdp,DP,R(t) e (t). Si rileva che il tasso di guasto crescente (e
tendente a 1/), decrescente (e tendente a 1/), o costante (e pari a 1/), a seconda del valore
di (rispettivamente minore, maggiore o uguale a 0). Essa quindi utilizzabile in molte
situazioni sperimentali.
Valore medio e varianza sono dati da:
MTTF = E[x] = (+1)
Var[x] = 2 (+1)
8f- distribuzioni dei valori estremi
f1 - distribuzione dei valori massimi
Supponiamo di avere N variabili random xi ciascuna con DP Fxi(x). Sia y la variabile random
"valore massimo delle N xi". La DP di y, espressa in termini di quelle delle xi, se queste sono
indipendenti, data da:
Fy(y) = P(yy) = P(x1y) P(x2y) ... P(xny) =
= Fx1(y) Fx2(y) ... Fxn(y)
Se le Fxi(y) sono tutte uguali:
Fy(y) = [Fx(y)]N
Derivando rispetto ad y si ottiene la FDP, data da:
fy(y) = N [Fx(y)]N-1 fx(y)
f2 - distribuzione dei valori minimi
10

Si ottiene in modo analogo alla precedente. Indicando con z il valore minimo di N variabili
random xi, indipendenti e con identica DP, si ha:
Fz(z) = 1 - [1-Fx(z)]N
fz(z) = N [1-Fx(z)]N-1 fx(z)
Nelle due distribuzioni la Fx(y) prende il nome di distribuzione genitrice o generatrice. Nota
questa ed il numero degli elementi immediata la distribuzione dei valori estremi.
In pratica, per, N generalmente molto grande e le assunzioni che le variabili xi siano
indipendenti ed identicamente distribuite non sono valide.
E' allora pi semplice determinare direttamente la distribuzione dei valori estremi. Inoltre,
poich i dati sui valori estremi sono generalmente poco numerosi, risultano di grande utilit le
distribuzioni teoriche dei valori estremi i cui parametri sono determinati dai dati disponibili. Le
distribuzioni teoriche dei valori estremi utilizzate sono le distribuzioni asintotiche che si
ottengono quando il numero di variabili tende ad infinito. Esse si ottengono supponendo che la
distribuzione genitrice abbia prefissate caratteristiche. Le distribuzioni di Tipo I, o di Gumbel, si
ottengono quando la distribuzione genitrice Fx(x) ha la coda destra (massimi) o sinistra (minimi)
di tipo esponenziale e cio, per i massimi, quando per x elevato:
Fx(x) 1 - exp[-g(x)]
e g(x) aumenta con x. In tali condizioni si ha:
Fy(y) = exp{-exp[-(y-u)/]}
-y+ >0
fy(y) =

1 -(y-u)/
e
exp[-e-(y-u)/]

u il valore di y a cui corrisponde il massimo di fy(y), mentre una misura della dispersione.
Valore medio e varianza sono dati da:
y = u +
Var[y] =

2 2

=0.577215 la costante di Eulero. Se si esegue la trasformazione di variabili:


w = [y-u]/ si ottiene:
Fw(w) = exp[-exp(-w)]
Le Fig. 1-6a/b mostrano FDP, DP, R(t), l(t).
1

R(x)

0.8

F(x)

1.5

0.6

f(x)

0.4

0.5

0.2
0

0
0

Fig. 1-6a

Fig. 1-6b

Analogamente, per la distribuzione dei minimi, se la coda sinistra della distribuzione


generatrice di tipo esponenziale, si ottiene:
Fz(z) = 1 - exp{-exp[(z-u)/]}
fz(z) =

1
e(z-u)/ exp[-e(z-u)/]

con media e varianza dati da:


mz = u -
Var(z) =

2 2

f(t), F(t), R(t) e (t) sono mostrate nelle Fig. 1-6c/d.

11

1
0.8
0.6

15

F(x)

R(x)

10

f(x)

0.4

0.2
0

0
0

Fig. 1-6c

Fig. 1-6d

Le distribuzioni di Tipo II si ottengono quando le variabili xi possono assumere solo valori 0.


La distribuzione dei massimi si ottiene quando, per elevati valori di x, la distribuzione
generatrice ha la forma:
Fx(x) 1 - (1/x)m
In tal caso si ottiene:

Fy(y) = exp ( y )
fy(y) =

y0 ,>0, m>0

m
m+1
( y)
exp[-(/y)m]

Media e varianza valgono:


my = (1-1/m)
m>1
Var(y) =

( 1 2 m)

2 ( 1 1 m)

m>2

Tale distribuzione non altro che la Weibull a due parametri. Si noti che se y ha una
distribuzione di Tipo II allora ln(y) ha una distribuzione di Tipo I. La distribuzione asintotica di
Tipo II dei valori minimi raramente utilizzata.
Le distribuzioni di Tipo III si ottengono quando la x non pu assumere valori pi grandi o pi
piccoli di un certo valore u.
Per la distribuzione dei massimi deve essere:
Fx(x) 1 - C (u-x)m
xu
e per i minimi:
Fx(x) C (x-u)m
xu
Nei due casi si ottiene:
Fy(y) = exp{-[(u-y)/]m}
Fz(z) = 1 - exp{-[(z-u)/]m}
Si rileva che la Fz(z), la pi utilizzata, la Weibull a tre parametri.

12

9. Tasso di guasto dei sistemi


L'andamento del tasso di guasto nel tempo molto indicativo delle cause di guasto. Un
sistema, senza ridondanza, ha generalmente un tasso di guasto che varia come indicato in Fig.
1-7 (curva a vasca da bagno); in essa distinguiamo tre distinte zone.

II

III
t

Fig. 1-7
Fig. 1-7a
Nella I il tasso di guasto decrescente. Ci si riferisce ad essa con i termini di mortalit
infantile o guasti precoci. In questo periodo i guasti sono causati da parti del sistema non
correttamente costruite o montate, mancanti, fuori tolleranza o danneggiate per esempio nel
trasporto. Durante tale periodo il tasso di guasto diminuisce perch i sistemi con difetti si
guastano e sono eliminati dalla popolazione.
La porzione centrale della curva, con il valore pi basso e quasi costante del tasso di
guasto, indicata come vita utile ed i guasti sono di tipo random provocati da sovraccarichi
accidentali e quindi non sono dovuti a difetti del sistema.

Fig. 1-7b

Fig. 1-7c

La parte destra del diagramma mostra un tasso di guasto crescente. Durante tale periodo i
guasti sono dovuti all'invecchiamento (corrosione, fragilizzazione, fatica, diffusione, etc). La
curva di Fig. 1-7 mostra un andamento generale. In sistemi particolari uno dei tre meccanismi di
guasto pu essere predominante ottenendosi gli andamenti di Fig. 1-7a/c.
La prima curva tipica di un sistema elettronico (hardware), la seconda di un software e la
terza di sistemi meccanici (pompe, valvole, etc). In quest'ultimo caso uno dei problemi pi
importanti quello della determinazione della vita economicamente utile.
Le distribuzioni di probabilit prima viste sono utilizzate per modellare l'andamento del tasso
di guasto di sistemi e sono particolarmente utili quando predomina uno dei meccanismi di
guasto. Tuttavia vengono utilizzate anche quando sono presenti pi meccanismi di guasto. In
tali condizioni la curva del tasso di guasto pu essere vista come la sovrapposizione di curve
dovute a differenti modi di guasto; per il tasso di guasto relativo ad ogni modo di guasto si
utilizza una espressione analitica.
Supponiamo infatti di avere un sistema con N distinti modi di guasto.
L'affidabilit di tale sistema data da:
R(t) = P(X1X2...XN)
avendo indicato con Xi l'evento "l'i-esimo modo di guasto non si verifica prima di t".
Se i modi di guasto sono indipendenti allora:
R(t) = P(X1) P(X2) ... P(XN)
P(Xi)=Ri(t)
13

avendo indicato con Ri(t) la probabilit che il sistema sopravviva all'i-esimo modo di guasto.
Pertanto:
R(t) = i Ri(t)
t

Ri(t) = exp i ( x) dx
essendo (t) il tasso di guasto relativo all'i-esimo modo di guasto. Si ha pertanto:
t

0 i

R(t) = exp i ( x) dx
Si conclude pertanto che il sistema ha un tasso di guasto dato da:
(t) = i i(t)
Alle stesse relazioni si arriva se si considera un sistema costituito da N componenti ed il
guasto di uno qualunque di essi provoca quello del sistema.

10. Rodaggio
Per migliorare l'affidabilit, in servizio, di un sistema si utilizza talvolta una operazione di
rodaggio e cio prima di porre il sistema in servizio si fa funzionare per un certo periodo di
tempo Tr. Le condizioni di carico e ambientali possono essere o meno uguali a quelle di
servizio. Supponiamo di eseguire il rodaggio nelle identiche condizioni in cui il sistema operer.
In tale ipotesi possiamo scrivere:
R(t+Tr/Tr) = P( t ' > t + Tr / t ' > Tr ) =
=

P ( t ' > t + Tr ) ( t ' > Tr )

P( t ' > Tr )

P t ' > t + Tr

P t ' > Tr

R t + Tr

( )

R Tr

Pertanto:

t + Tr

Tr

R( t + Tr / Tr ) = exp ( x) dx exp ( x) dx
0

t + Tr
= exp ( x) dx
T

Il rodaggio migliora l'affidabilit al tempo t di servizio se:


/Tr[R(t+Tr/Tr)]>0. Si ha:
/Tr[R(t+Tr/Tr)] = [(Tr) - (t+Tr)]R(t+Tr/Tr)
Si conclude pertanto che l'operazione vantaggiosa se il tasso di guasto decrescente. Se
il guasto dovuto prevalentemente ad usura, il rodaggio deteriora il sistema ed abbassa
l'affidabilit in servizio.Le Fig. 1.8a-c, mostrano l'affidabilit al tempo T0 di servizio senza e con
rodaggio, rispettivamente curva 1 e 2, per tre sistemi con tasso di guasto rispettivamente
decrescente, costante e crescente.
1
R(t)
0.75

1
R(t)
0.75

0.5
0.25
0

0.5

0.25

1
Tr

To To+Tr

1
Tr

To To+Tr

Fig. 1-8a
Fig. 1-8b
Si rileva che nel primo caso l'affidabilit al tempo T0 di servizio (e quindi dopo un tempo
Tr+T0) superiore al valore che avrebbe se non si eseguisse il rodaggio (affidabilit al tempo

14

T0), nel secondo l'affidabilit costante, mentre nel terzo sistema (usura) l'affidabilit
notevolmente peggiorata.
1
R(t)
0.75

0.5
1

0.25
0

To Tr

To+Tr

Fig. 1-8c
11. Affidabilit e progettazione
Abbiamo visto i parametri da cui dipende l'affidabilit e vedremo nel seguito la loro
utilizzazione per la stima dell'affidabilit di un sistema.
Una tale analisi generalmente condotta sia in sede di progettazione che in sede di
modifica di un sistema quando gli obiettivi di affidabilit non sono stati raggiunti.
I moderni sistemi sono sempre pi complessi e ci generalmente provoca una drastica
riduzione di affidabilit se non si prendono le opportune contromisure e cio l'utilizzazione di
componenti a pi alta affidabilit, progettazione robusta, ridondanza, manutenzione preventiva
e, come si visto, rodaggio. Come intuitivo, generalmente tali contromisure implicano un
aumento di costo (dato per scontato che si sia eseguita una progettazione robusta). E' quindi
evidente che in sede di progettazione debba eseguirsi un bilancio tra incrementi di affidabilit e
di costo. Perch ci sia possibile evidentemente necessario che le grandezze siano espresse
in modo omogeneo e cio che si possa esprimere l'affidabilit in termini monetari. Un costo
connesso con l'affidabilit quello di produzione, un altro costo quello di manutenzione. Il
primo costo cresce, come si detto, con l'affidabilit, mentre il secondo diminuisce in quanto
maggiore l'affidabilit minori saranno gli interventi manutentivi e quindi minori i relativi costi
Fig 1-9
Una tale struttura dei costi ci indica che esister un valore ottimale dell'affidabilit: il valore a
cui corrisponde il minimo costo.
In pratica la situazione ben diversa e il criterio di progettazione dipende dall'applicazione
del bene.
Supponiamo che si tratti di un bene di largo consumo. In tali condizioni gioca un ruolo
determinante la psicologia del consumatore e ci si devono porre le seguenti domande:
1) disposto ad affrontare oggi un pi elevato prezzo di acquisto per ridurre le spese di
manutenzione in cui incorrer domani?
2) quali saranno le conseguenze sulle vendite se il prezzo di acquisto si innalza?
3) quali sono le conseguenze sulle vendite della pubblicit sulla affidabilit del prodotto?
4) un consumatore che acquista oggi un bene a basso costo e quindi poco affidabile comprer
nel futuro un prodotto della stessa azienda?
Evidentemente le risposte a queste domande dipendono anche dalle politiche aziendali
quali, per esempio, l'efficienza del servizio manutenzione offerto e la lunghezza del periodo di
garanzia.
Se si tratta di un prodotto industriale il parametro che maggiormente interessa il costo di
produzione per prodotto e cio il costo dell'investimento e di gestione ed il numero di beni
prodotti nell'unit di tempo. In tali condizioni i parametri pi importanti sono: il numero di ore
annue in cui il sistema produttivo (e cio la disponibilit) che dipende sia dall'affidabilit che
dalla manutenibilit cio da quanto tempo occorre mediamente per eseguire la manutenzione
preventiva e di emergenza e se questa implica la fermata dell'impianto o solo un funzionamento
degradato; per quanto riguarda il costo di gestione occorre poi valutare il costo di manutenzione
e cio quello dei ricambi e quello della squadra di manutenzione.
Se si tratta invece di una apparecchiatura il cui cattivo funzionamento mette in pericolo vite
umane allora occorre raggiungere un elevato livello di affidabilit, anche se ci implica forti
aumenti di costi, ed in tal caso sono spesso i governi, o le compagnie di assicurazione,
attraverso l'entit dei premi, a decidere sul valore dell'affidabilit. In tali condizioni assumono un

15

ruolo determinante sia la manutenzione preventiva che dei sistemi di preallarme che
permettono di mettere fuori servizio il sistema prima che si verifichi il guasto.
Stabiliti cos gli obiettivi di affidabilit, il progettista in grado di scegliere la struttura del
sistema e la componentistica che, in base alla sua esperienza, gli consentono, con un
procedimento iterativo, di ottenere i requisiti richiesti. Si passa quindi alla realizzazione del
prototipo ed alla stima dall'affidabilit ed eventualmente, se gli obiettivi non sono stati raggiunti,
alla modifica.

Totale

Capit.
Manut.

Affid.

Fig. 1-9
Abbiamo indicato i metodi utilizzabili per migliorare l'affidabilit e visto come questa
rapidamente diminuisce al crescere della complessit del sistema.
Vogliamo qui mostrare alcune implicazioni della ridondanza e come l'affidabilit dipenda dal
livello della ridondanza.

16

12. Ridondanza
Uno dei metodi pi semplici per aumentare l'affidabilit di un sistema, senza migliorare la
qualit (affidabilit) e quindi il costo dei componenti, l'uso di elementi in parallelo. Supponiamo
di avere una pompa di alimentazione di una caldaia con affidabilit R(t), che riteniamo
insufficiente, e di volerla pertanto migliorare. Possiamo installare una seconda pompa, per
esempio identica alla prima e quindi in grado da sola di alimentare la caldaia, e utilizzare
contemporaneamente le due pompe oppure di alimentare la caldaia con una e mantenere la
seconda di riserva inserendo in tal caso un sistema di controllo-commutazione che, constatato il
mancato funzionamento della prima pompa, inserisca automaticamente la seconda.
Nei due casi diremo di avere rispettivamente un sistema parallelo o un sistema stand-by. Nel
primo caso ogni pompa eroga le met della portata richiesta solo se ambedue funzionano,
mentre nel sistema stand-by la pompa inserita eroga sempre tutta la portata.
Esaminiamo, per il momento, il sistema parallelo; il sistema stand-by, che richiede tecniche
pi complesse, sar studiato nel seguito. Per semplicit supporremo che la probabilit di guasto
di una pompa quando eroga met o tutta la portata richiesta sia invariata (ci implica che i
guasti di una pompa non dipendono dallo stato dell'altra e quindi non c' dipendenza). Se
R(t)1,2 l'affidabilit di una pompa, l'affidabilit del sistema Rs(t) si calcola facilmente se si
determina inizialmente la probabilit di guasto. Perch il sistema sia guasto necessario che
siano guaste ambedue le pompe e cio;
Pf= [1-R1(t)] [1-R2(t)] = 1 - R1(t) - R2(t) + R1(t) R2(t)
Pertanto l'affidabilit del sistema data da:
Rs(t) = 1 - Pf = R1(t) + R2(t) - R1(t)R2(t)
Se si tiene presente che le affidabilit sono 1, il terzo termine pi piccolo del pi piccolo
tra i primi due e pertanto l'affidabilit del sistema parallelo ha un valore maggiore del pi elevato
dei due valori R1,2(t). Se le due affidabilit sono uguali allora:
Rs(t) = 2R1(t) - [R1(t)]2
Si deve quindi concludere che l'inserire elementi in parallelo migliora l'affidabilit di un
sistema. In generale per N elementi, tutti uguali e con guasti indipendenti, si ha: (Fig. 1-10)
Rs(t) = 1-[1-R1(t)]N
Per quanto riguarda il tasso di guasto, considerando un sistema parallelo di due unit uguali
a guasti indipendenti e tasso di guasto costante, si ha:
Rs(t) = 2 e-t - e-2t
fs(t) = 2 e-t - 2 e-2t
s(t)=fs(t)/Rs(t)=- d/dt[R(t)]/R(t)=2 (1 - e-t)/(2-e-t)
il tasso di guasto quindi nullo per t=0 e cresce tendendo asintoticamente a (Fig. 1-10a).
Per quanto riguarda il tempo medio fino al guasto, esso dato da:

MTTF = R s ( t ) dt = 3/(2)
0

e quindi aumentato del 50% rispetto al sistema costituito da un singolo elemento.

Rs

0.8

0.6

0.4

3
N=2

0.2

N=2

0
0

Fig. 1-10a

0.5

Fig. 1-10b

Sembra quindi che aggiungendo elementi in parallelo si possa ottenere qualunque valore
dell'affidabilit partendo anche da componenti di bassa affidabilit. Comunque, a parte la

17

convenienza economica di un tale modo di procedere, necessario tener presenti altri modi di
guasto che potrebbero abbassare notevolmente l'affidabilit del sistema ottenuto. Con
riferimento all'esempio delle due pompe in parallelo, una analisi pi completa dell'affidabilit
dell'intero sistema potrebbe mostrare che i vantaggi ottenuti sono meno brillanti di quanto ci si
poteva aspettare. Supponiamo infatti che le due pompe siano alimentate dalla stessa linea
elettrica. In tali condizioni per determinare l'affidabilit complessiva del sistema occorre
considerare che il guasto nella rete elettrica metterebbe fuori servizio il sistema di pompaggio. Il
sistema pertanto si guaster se si guasta la rete elettrica oppure se si guastano ambedue le
pompe. Supponendo che i guasti siano indipendenti, si ha:
Rs(t) = Ra(t) {2 R1(t) - [R1(t)]2}
avendo indicato con Ra(t) l'affidabilit della alimentazione elettrica.
Evidentemente se l'affidabilit di quest'ultima non opportunamente elevata, l'affidabilit del
sistema governata da questa e non da quella delle pompe. Si tenga inoltre presente che la
ridondanza pu provocare una dipendenza tra i guasti degli elementi (vibrazioni, riscaldamento,
etc.).
Quando si utilizza la ridondanza in sistemi complessi sorge il problema se utilizzare una
ridondanza di alto o di basso livello. Sempre con riferimento all'esempio precedente, per
migliorare l'affidabilit del sistema pompa-linea di alimentazione, nell'ipotesi che anche
quest'ultima non abbia una affidabilit sufficiente, si possono duplicare ambedue gli elementi. In
tal caso si possono ottenere sistemi differenti a seconda di come fatta la duplicazione. In
particolare possiamo:
a) mettere in parallelo le due linee ed alimentare con ciascuna le due pompe,
b) mettere in parallelo due sistemi costituiti ciascuno da una linea e una pompa.
Nei due casi gli schemi affidabilistici che si ottengono sono riportati nella Fig. 1-11.
L1

P1

L2

P2

L1

P1

L2

P2

Fig. 1-11
Nel primo caso diremo che si ha un sistema parallelo-serie, o ridondanza a basso livello, e
nel secondo un sistema serie-parallelo, o ridondanza ad alto livello.
I due sistemi hanno lo stesso numero di componenti, ma affidabilit differenti. Nel primo
caso l'affidabilit vale:
Rps(t) = {2 Ra(t)-[Ra(t)]2} {2 R1(t)-[R1(t)]2}
e nel secondo:
Rsp(t) = 2 Ra(t) R1(t) - [Ra(t) R1(t)]2
E' facile verificare che l'affidabilit del sistema parallelo-serie, ridondanza a basso livello,
pi elevata di quella del sistema serie-parallelo.
Se per semplicit supponiamo che
le affidabilit di linea e pompa siano uguali e pari a R, si ha:
Rps(t)-Rsp(t)={2 R - R2}2-2 R2+R4=4 R2+R4-4 R3-2 R2+R4 =
= 2 R2-4 R3+2 R4= 2 R2 [1-R]2 >0
Tale conclusione per valida se si verificano le seguenti condizioni:
a) l'affidabilit dei componenti non dipende dalla configurazione del sistema,
b) in ambedue le configurazione del sistema i guasti debbono essere effettivamente
indipendenti.

18

Nella realt invece pi facile che nella ridondanza a basso livello si creino delle
dipendenze, che potrebbero aumentare il tasso di guasto, ed essere il sistema pi soggetto ai
guasti di modo comune (guasto dell'unica linea elettrica nell'esempio prima sviluppato). Per
esempio le due linee elettriche dovendo alimentare i due motori sono connessi alla stessa
morsettiera ed un guasto in questa provoca il guasto del sistema; ancora un corto circuito in
una delle due linee, se non si prendono opportuni provvedimenti, provoca la messa fuori
servizio di ambedue le linee e quindi delle pompe.
13. Sistema m/N
Un metodo usato per migliorare l'affidabilit quello indicato come sistema m/N. Un tale
sistema costituito da N elementi in parallelo, ma necessario che almeno m elementi
funzionino perch il sistema possa ritenersi funzionante (I sistemi prima analizzati sono dei
sistemi 1/N). Tali sistemi sono molto utilizzati specialmente quando, per ottenere determinate
prestazioni, necessario utilizzare pi componenti commerciali in parallelo.
1
R(t)
0.75

Sist. 2/4

0.5

El. sing.

0.25
0
0

0.5

1.5 tt 2

Fig. 1-12
Per calcolare l'affidabilit di un tale sistema, se i componenti sono tutti uguali ed i guasti
indipendenti, si pu utilizzare la distribuzione binomiale.
Se indichiamo con p la probabilit che uno qualunque degli elementi funzioni, la probabilit
che ne funzionino esattamente r data da:
P = C(N,r) pr (1-p)N-r
pertanto la probabilit che il sistema funzioni data da:
N

Rs = C( N , i) pi (1 p) N i
i= m

La Fig. 1-12 mostra, nell'ipotesi di tasso di guasto costante, l'andamento dell'affidabilit di un


componente e di un sistema 2/4.
Il punto di intersezione ha coordinate (1.36,0.27). Per tempi inferiori a 1.36/ pi affidabile
il sistema 2/4, mentre per tempi superiori il sistema costituito da un singolo componente.
14. Manutenzione preventiva
Altro metodo per migliorare l'affidabilit di un sistema la manutenzione preventiva. Essa
verr trattata con maggiori dettagli nel seguito; qu vogliamo mostrare come e quando essa
possa migliorare l'affidabilit di sistemi. Se in un sistema alcuni componenti subiscono un
deterioramento pi rapido di altri allora per migliorare l'affidabilit pu essere conveniente
eseguire delle sostituzioni degli elementi che si sono deteriorati. Supponiamo di aver avviato il
sistema all'istante t=0, di trovarci all'istante Tm e di voler valutare la convenienza di sostituire un
componente.
E' evidente, ma facilmente dimostrabile, che la manutenzione preventiva conveniente solo
se il componente che sostituiamo ha un tasso di guasto crescente nel tempo; infatti
supponiamo, per semplicit, di voler valutare la probabilit di guasto nel successivo intervallo di
tempo Tm (e cio all'istante 2Tm) nell'ipotesi che la manutenzione sia perfetta e cio: a) il
componente che sostituiamo non difettoso (cosa sempre possibile), b) il montaggio esente
da errori. Le Fig. 1-13a/b mostrano come varia l'affidabilit per effetto di una manutenzione
preventiva perfetta all'istante Tm quando il tasso di guasto decrescente (a) o crescente (b).
Nelle figure la curva a mostra l'andamento dell'affidabilit dell'elemento, la b l'affidabilit in
seguito alla manutenzione preventiva e la c l'affidabilit dell'elemento se non si esegue la
19

manutenzione preventiva all'istante Tm. Le distribuzioni dei tempi di guasto sono delle Weibull
con a=1 e b rispettivamente 0.5 e 3. La Fig. 1-13a (b=0.5 tasso di guasto decrescente) mostra
che la manutenzione preventiva peggiora l'affidabilit. Indichiamo con Rm(t) e con R(t) le
affidabilit con e senza manutenzione preventiva. Se all'istante Tm l'elemento ancora
funzionante, all'istante 2Tm le due affidabilit valgono rispettivamente:

2Tm 1
x dx

Tm

R(2Tm) = R(2Tm/Tm) = R(2Tm)/R(Tm) = exp

(perch all'istante Tm l'elemento ancora funzionante)

2Tm
( x Tm ) 1 dx

Tm

Rm(2Tm) = Rm(2Tm/Tm) = exp

(perch l'elemento nuovo, sostituito a Tm, non pu guastarsi prima di Tm).


Nei due casi le affidabilit all'istante 2Tm valgono (curve b e c):
=1, =0.5, Tm=2 (tasso di guasto decrescente):
Rm(2Tm) = 0.243
R(2Tm) = 0.557
=1, =3,Tm=1 (tasso di guasto crescente):
Rm(2Tm) = 0.368
R(2Tm) = 0.0003
valori che mostrano quanto affermato.
1
R(t)
0.75

1
R(t)
0.75

0.5
0.25
a

0.5

0.25

0
0

Fig. 1-13a

8 t 10

Fig. 1-13b

Abbiamo visto che la manutenzione preventiva riduce la probabilit condizionata di guasto, e


cio la probabilit che il sistema funzionante all'istante Tm si guasti nel successivo periodo, se il
tasso di guasto crescente. Vediamo adesso come calcolare l'affidabilit di un sistema
sottoposto a manutenzione preventiva con cadenza Tm. Indichiamo ancora con R(t) l'affidabilit
del sistema senza manutenzione e con Rm(t) quella con manutenzione preventiva con cadenza
Tm. Si suppone che il sistema sia costantemente in funzione. La manutenzione preventiva non
ha alcuna influenza sull'affidabilit nell'intervallo di tempo 0-Tm e cio:
Rm(t) = R(t)
0 t < Tm
Se all'istante Tm eseguiamo una manutenzione preventiva, perfetta, per Tm < t 2Tm la
probabilit che il sistema funzioni uguale alla probabilit che il sistema funzioni fino a Tm per
la probabilit che il sistema funzioni da Tm a t, e cio:
Rm(t) = R(Tm) R(t-Tm) Tm t < 2Tm
In modo analogo si calcola la probabilit di funzionamento per t compreso tra 2Tm e 3Tm e
cos via. Si ottiene:
Rm(t) = R(Tm)NR(t-N Tm)
NTm t < (N+1) Tm
Il tempo medio fino al guasto dato da:

MTTF = R m ( t ) dt
0

che si pu scrivere:

( N +1) Tm

MTTF =

R m ( t ) dt

N = 0 NTm

Sostituendo il valore di Rm(t) si ha:

20

( N +1) Tm

MTTF =

N = 0 NTm

[ R(Tm )] N R( t N Tm ) dt
Tm

= [ R (Tm )] R ( x) dx
N

N =0

La sommatoria vale:

1/[1-R(Tm)]
e pertanto:
Tm

MTTF = R( x) dx [1 R(Tm )]
0

Supponiamo che la distribuzione dei tempi di guasto sia una Weibull e cio che l'affidabilit
abbia la forma:
t

R(t) = exp
Si ha:

N T
t N Tm )
(

exp
Rm(t)= exp

Per valutare gli effetti della manutenzione preventiva calcoliamo il rapporto delle affidabilit
con e senza manutenzione preventiva in corrispondenza degli istanti di intervento. Si ottiene:

Rm(NTm)/R(NTm) = exp N

( N T )
Tm
m
+

T ale rapporto maggiore di uno, e quindi l'affidabilit con manutenzione preventiva


conveniente se:
N(-1) - 1 > 0
e cio se >1 risultato che conferma quanto gi trovato.
Le Fig. 1-14a/b mostrano l'andamento dell'affidabilit per due valori di (2 e 0,5
rispettivamente).
1
R(t)
0.75

Rm

0.5

0.25
0

1
R(t)
0.75
0.5

0.25

Rm

0
0

0.5

Fig. 1-14a

1.5 t 2

0.5

1.5

t 2

Fig. 1-14b

Logicamente accade che un sistema abbia diversi modi di guasto con andamenti del tasso
di guasto diversi; evidentemente in tal caso occorre intervenire su quei componenti che hanno
un tasso di guasto crescente. Per esempio in un motore a scoppio si cambieranno con una
certa frequenza le candele e non il carburatore perch le prime hanno una usura pi rapida.
Abbiamo supposto sinora che la manutenzione fosse perfetta e cio abbiamo escluso la
possibilit di montare componenti difettosi o che il montaggio non fosse fatto correttamente;
nella pratica ci non si verifica e, specialmente per quanto riguarda il montaggio sul campo,
"l'affidabilit" del personale di manutenzione non sempre vale uno. Intervengono cio fattori
umani pi che tecnici. Per tener conto di ci possiamo supporre che la squadra di
manutenzione, ogni volta che si esegue la manutenzione, abbia una probabilit 1-p di eseguirla
correttamente. In tali condizioni le precedenti espressioni si modificano e si ottiene:
Rm(t)=R(Tm)N(1-p)NR(t-N Tm)
NTm t < (N+1)Tm
Tenendo presente che per p molto piccolo (1-p) e-p, seguendo lo stesso procedimento, si
ottiene che la manutenzione preventiva conveniente se:

21

( N Tm )
Tm

Rm(NTm)/R(NTm) = exp
N+
+ N p

maggiore di uno e cio se:

Tm

p < N( 1) 1

conseguentemente per valori elevati di N e Tm.


Ci logico perch solo dopo che il sistema ha subito una elevata usura, e quindi elevata
la probabilit di guasto, la manutenzione preventiva produce effetti tali da compensare la
probabilit che la manutenzione, non perfetta, possa aumentare il rischio di guasto. La Fig. 1-15
mostra l'effetto della manutenzione imperfetta sull'affidabilit del sistema.
1
R(t)
0.75
0.5

Rm

0.25

0
0

0.5

Fig. 1-15

22

1.5

t 2

Potrebbero piacerti anche