Início / Manutenção / Confiabilidade

Análise de dados de vida: Weibull, lognormal e exponencial com censura

Cole do Excel as horas (ou ciclos, km) até a falha de cada unidade e as que ainda funcionam, e veja o padrão de falha, a vida B10 com intervalo de confiança, a confiabilidade na missão, o custo de garantia e quantas unidades testar para provar a meta. Basta uma coluna de tempos e outra dizendo F (falhou) ou C (ainda funcionando); com 5 a 10 falhas já se tem uma primeira estimativa, com faixas largas.

Ferramenta de pré-dimensionamento e estimativa: os resultados não substituem projeto, cálculo ou laudo assinado por profissional habilitado nem a verificação conforme as normas aplicáveis.

VerificaçãoRevisão 03/11/2026
Dados de vida
Ver o que foi lido

Status: F ou 1 = falha; C ou 0 = censura à direita (ainda funcionando). Coluna de grupo (fornecedor, lote) e de quantidade são opcionais.

Análise
Garantia (opcional)
Teste de demonstração

Os dados ficam só neste navegador e não são enviados. Desmarque para apagar.

—Padrão de falha e vida
—

Gráfico de probabilidade com intervalo de confiança

Cada ponto é uma falha, na posição de Kaplan-Meier modificado; as censuras entram no cálculo das posições. Reta = distribuição ajustada; faixa = IC dos percentis. Pontos sobre a reta: a distribuição descreve bem os dados.

Como ler: eixo horizontal = tempo até a falha (escala log); eixo vertical = % acumulado de falhas, numa escala em que a distribuição vira reta. Pontos = falhas reais; reta = modelo ajustado; faixa = intervalo de confiança. Para ler o B10, siga a linha de 10% até a reta e desça ao eixo do tempo. Reta inclinada (β alto) = falhas concentradas, desgaste previsível; reta deitada = falhas espalhadas.

Toque no gráfico para ver os valores.

Identificação da distribuição

Os mesmos dados nas quatro escalas. Escolha a de pontos mais retos: menor Anderson-Darling (ajustado) e maior correlação.

Como ler: cada quadro mostra os mesmos tempos na escala de uma distribuição (Weibull, lognormal, exponencial, normal). A que deixa os pontos mais alinhados na reta descreve melhor os dados; na tabela, isso é o menor Anderson-Darling e a maior correlação. Se duas empatam, prefira a que tem explicação física: Weibull para fadiga e desgaste, lognormal para corrosão e trincas.

Estimativas, características e percentis

Parâmetros com erro-padrão e intervalo de confiança, médias e quartis da distribuição ajustada e a tabela de percentis (vida Bx).

Estimativas dos parâmetros

Características da distribuição

Tabela de percentis

Probabilidades de sobrevivência

Função de sobrevivência R(t)

Degraus = Kaplan-Meier (dados, sem supor distribuição; + = censura); curva = distribuição ajustada com IC. As duas juntas confirmam o ajuste.

Como ler: eixo horizontal = tempo; eixo vertical = % das unidades que ainda funcionam. Os degraus vêm direto dos dados (Kaplan-Meier, + marca unidades censuradas) e a curva lisa é o modelo, com sua faixa. Degraus e curva juntos = bom ajuste. Para saber quantas sobrevivem a um tempo, suba desse tempo até a curva.

Toque no gráfico para ver os valores.

Taxa de falha h(t)

Risco instantâneo de falha das unidades que ainda funcionam. Crescente = desgaste (a troca preventiva compensa); constante = aleatória; decrescente = mortalidade infantil (melhore montagem e partida).

Como ler: eixo horizontal = tempo; eixo vertical = risco de falhar agora, entre as unidades que ainda funcionam. Curva subindo = desgaste (troca preventiva antes da subida compensa); reta horizontal = falhas aleatórias (preventiva não ajuda, só redundância ou estoque); curva descendo = falhas de juventude (faça amaciamento ou burn-in e melhore a montagem).

Toque no gráfico para ver os valores.

Função densidade de probabilidade f(t)

Onde as falhas se concentram no tempo. Traços no eixo = falhas observadas.

Como ler: eixo horizontal = tempo; a curva mostra em que época as falhas acontecem; o pico é o momento mais provável. Os traços no eixo são as falhas observadas. Curva estreita = falhas previsíveis (bom para planejar a troca); curva larga ou com cauda longa = falhas difíceis de prever.

Toque no gráfico para ver os valores.

Análise não paramétrica (Kaplan-Meier)

Tabela de Kaplan-Meier e taxa de falha empírica

Comparação de grupos

Cada grupo ajustado separadamente, testes de igualdade dos parâmetros (razão de verossimilhança) e das curvas de sobrevivência (log-rank e Wilcoxon).

Gráfico de probabilidade por grupo

Retas paralelas = mesma forma (mesmo modo de falha), uma deslocada para a direita dura mais. Retas que se cruzam = modos de falha diferentes.

Como ler: uma reta por grupo (fornecedor, lote, projeto) no mesmo papel de probabilidade. Retas paralelas = mesmo modo de falha; a mais à direita dura mais. Retas com inclinações diferentes ou que se cruzam = modos de falha diferentes: investigue a causa antes de escolher o "melhor" grupo.

Toque no gráfico para ver os valores.

Sobrevivência por grupo

Kaplan-Meier de cada grupo (degraus) e distribuição ajustada (tracejado). A diferença de vida B10 entre grupos aparece direto no gráfico.

Como ler: uma curva de sobrevivência por grupo: degraus = dados, tracejado = modelo. A curva mais alta e mais à direita é a do grupo que dura mais. A distância horizontal entre as curvas na altura de 90% é a diferença de vida B10 entre os grupos.

Toque no gráfico para ver os valores.

Falhas esperadas na garantia

Falhas acumuladas esperadas no lote vendido ao longo do tempo, com IC; a linha vertical é o fim da garantia.

Como ler: eixo horizontal = tempo em campo; eixo vertical = número acumulado de unidades vendidas que devem ter falhado, com a faixa de incerteza. A linha vertical marca o fim da garantia: onde ela cruza a curva está o total de reclamações esperadas. Se a curva sobe rápido depois da linha, estender a garantia sai caro.

Toque no gráfico para ver os valores.

Plano de teste de demonstração

Quantas unidades e quanto tempo de teste para provar a meta com a confiança escolhida (Weibull com β conhecido).

Probabilidade de passar no teste

Eixo x = quanto a vida real (η) supera a meta. Um projeto só “no limite” passa com probabilidade 1 − C; aceitar falhas (m > 0) protege o projeto um pouco melhor que a meta.

Como ler: eixo horizontal = quantas vezes a vida real do projeto supera a meta (1× = exatamente na meta); eixo vertical = chance de passar no teste. Uma curva por número de falhas admitidas. Um projeto "no limite" quase sempre reprova; quanto mais à direita a curva sobe, mais folga o projeto precisa ter para passar com segurança.

Toque no gráfico para ver os valores.

Tempo de teste por unidade × nº de unidades

Cada curva é um plano igualmente válido: escolha a combinação que cabe na bancada e no prazo.

Como ler: cada curva liga combinações de nº de unidades (eixo horizontal) e tempo de teste por unidade (eixo vertical, como múltiplo do tempo da meta) que dão a mesma prova. Mais unidades = teste mais curto. Escolha o ponto que cabe na sua bancada e no seu prazo.

Toque no gráfico para ver os valores.

Próximo passo

Leve os resultados desta página para outra calculadora, com os campos já preenchidos.

O memorial reúne entradas, resultados, equações, hipóteses e referências desta página, com campos para projeto, responsável e revisão. O relatório completo traz também os gráficos e as interpretações, em cores. Na janela de impressão, escolha Salvar como PDF.

Método, hipóteses e referências

Equações usadas

Weibull: F(t) = 1 − exp[−(t/η)^β]; lognormal: F(t) = Φ[(ln t − μ)/σ]; exponencial: F(t) = 1 − exp(−t/θ); normal: F(t) = Φ[(t − μ)/σ]
Verossimilhança: ln L = Σ falhas ln f(tᵢ) + Σ censuras ln R(tⱼ) + Σ intervalos ln[F(bₖ) − F(aₖ)]; IC dos parâmetros pela matriz de informação observada (normal em ln η, ln σ, ln β)
Percentil: t_p = exp(μ + σ·w_p), w_p = ln[−ln(1 − p)] (Weibull) ou Φ⁻¹(p) (lognormal); Var(ln t_p) = Var μ + 2w_p Cov(μ, σ) + w_p² Var σ
Posições de plotagem: Kaplan-Meier modificado, F = 1 − [S(tᵢ) + S(tᵢ₋₁)]/2; LSXY: regressão de ln t sobre w(F); Anderson-Darling (aj.) = n·∫(Fₙ − F)²/[F(1 − F)] dF
Kaplan-Meier: S(t) = Π(1 − dⱼ/nⱼ), EP de Greenwood; teste de demonstração: p = Beta⁻¹(C; m + 1, n − m), T = η₀·[−ln(1 − p)]^(1/β)

Hipóteses e limites

  • Unidades independentes, mesmo modo de falha e mesma condição de uso; a censura não depende da iminência da falha (retirar unidades “que iam falhar” distorce o resultado).
  • Para sistemas reparáveis (o mesmo equipamento falha várias vezes), os tempos entre falhas só valem aqui se o reparo deixar o equipamento como novo; com degradação, use modelos de processo (Crow-AMSAA).
  • Os intervalos usam a aproximação normal da máxima verossimilhança; com menos de 10 falhas ficam otimistas. No LSXY, os intervalos usam a matriz de informação calculada nas estimativas LSXY.
  • Teste de demonstração: β de Weibull conhecido, unidades testadas pelo mesmo tempo, sem reposição; distribuições de 3 parâmetros e vida acelerada não são tratadas aqui.

Normas e documentos técnicos

  • Meeker, W. Q.; Escobar, L. A. Statistical Methods for Reliability Data. Wiley, 1998 (cap. 3, 7, 8 e 10)
  • Abernethy, R. B. The New Weibull Handbook, 5th ed., 2006
  • Nelson, W. Applied Life Data Analysis. Wiley, 1982
  • Klein, J. P.; Moeschberger, M. L. Survival Analysis, 2nd ed. Springer, 2003 (Kaplan-Meier, log-rank)
  • IEC 61649:2008 Weibull analysis
  • IEC 61124:2023 Reliability testing — Compliance tests for constant failure rate and constant failure intensity
  • IEC 61810-2 / VDI 4002 (B10 e ensaios de vida)

Legislação e regulamentos no Brasil

  • ABNT NBR ISO 14224:2011: coleta e intercâmbio de dados de confiabilidade e manutenção de equipamentos
  • Código de Defesa do Consumidor (Lei 8.078/1990), art. 26 e 50: prazos de garantia legal e contratual

Perguntas frequentes

O que é análise de Weibull e para que serve?

É o ajuste de uma distribuição de vida aos tempos até a falha de um componente. A forma β diz se as falhas são precoces (β < 1), aleatórias (β ≈ 1) ou de desgaste (β > 1), e a escala η é a idade em que 63,2% já falharam. Com isso você estima vida B10, confiabilidade na missão, intervalo de troca preventiva e custo de garantia.

O que fazer com as unidades que ainda não falharam?

Inclua todas, marcadas com status C (censura à direita). Descartá-las ou tratá-las como falhas subestima a vida: no exemplo dos rolamentos, 12 das 26 unidades do Fornecedor A ainda funcionavam. A máxima verossimilhança usa a informação de que elas duraram pelo menos aquele tempo.

Máxima verossimilhança ou mínimos quadrados (LSXY)?

Use máxima verossimilhança como padrão, principalmente com muita censura: ela é a que trata as censuras de forma exata e dá intervalos de confiança. LSXY, a reta no gráfico de probabilidade, costuma ir melhor com poucas falhas (menos de 10 a 15) e pouca censura.

Como escolher entre Weibull, lognormal e exponencial?

Compare o Anderson-Darling (ajustado) e a correlação da identificação da distribuição: menor AD e maior correlação ganham. Se duas empatam, escolha pela física: Weibull para fadiga, desgaste e rolamentos; lognormal para trincas, corrosão e reparos; exponencial só quando a taxa de falha é constante, como em eletrônica após o amaciamento.

O que é a vida B10?

É o tempo até o qual 10% das unidades falham. Rolamentos são especificados pela vida L10 (= B10), e garantias costumam ser fixadas abaixo do B1 ou B5. Use o limite inferior do intervalo de confiança para decisões conservadoras, porque a estimativa vem de uma amostra.

Como comparar dois fornecedores ou lotes?

Cole a coluna de grupo. A página ajusta cada grupo, testa se os parâmetros são iguais (razão de verossimilhança) e se as curvas de sobrevivência diferem (log-rank e Wilcoxon). No exemplo, o Fornecedor A tem B10 bem maior que o B, com p ≈ 0,03 no log-rank: a diferença é real.

Quantas peças preciso testar para provar uma confiabilidade?

Use o plano de teste de demonstração: informe a meta (por exemplo, 90% em 4.000 h), a confiança, o β conhecido e quantas falhas aceita. A página devolve o tempo de teste por unidade para um dado número de peças, ou o número de peças para um dado tempo, e mostra a chance de um projeto bom passar.