Parreira, Rui Manuel RibeiroMorais , Luis Miguel Rodrigues de2016-02-032016-02-0320152015-09http://hdl.handle.net/10400.26/11258A estatística clássica associa probabilidades apenas a variáveis aleatórias, enquanto que a estatística Bayesiana permite a associação de probabilidades a qualquer grau de crença ou incerteza sobre uma quantidade aleatória, evento ou hipótese. Esta abordagem leva à definição de probabilidades à priori e à posteriori. A primeira advém das informações que cada indivíduo traz consigo de experiências passadas e a outra é obtida à medida que novas experiências são realizadas e novos dados são adquiridos. A aplicação de uma abordagem deste género na Marinha Portuguesa faz todo o sentido pois, os meios de que esta dispõe são operados constantemente e durante anos pelos seus militares. O uso da experiencia adquirida por estes será uma grande mais-valia para a instituição no que respeita à aquisição de sobresselentes e novos equipamentos e na elaboração/atualização de politicas de manutenção. Neste trabalho procurou-se aplicar este conceito na predição de avarias para os grupos eletrogéneos (GE´s) das Fragatas da classe Vasco da Gama. Procedeu-se à elaboração de um questionário capaz de recolher a experiência adquirida pelos militares e técnicos responsáveis pela manutenção e condução deste equipamento. Usando a informação da experiência humana conjugada com os dados históricos, a utilização da inferência estatística Bayesiana permitiu retirar conclusões sobre o comportamento dessas avarias. Foram feitas comparações entre os dois tipos de informação recolhidos (experiencia pessoal e registos históricos) por forma a tentar perceber até que ponto existe coerência entre os dois e foram efetuadas as devidas simulações computacionais de modo a obter resultados e conclusões sólidas. Por fim, foi proposto um modelo de integração desta abordagem com base nos conhecimentos adquiridos durante a elaboração de toda a investigação.The classical statistics associates probabilities with only random variables, whereas Bayesian statistics allows the association of probabilities with any degree of belief or uncertainty of a random quantity, event or hypothesis. This new approach leads to the definition of probabilities à priori and à posteriori. The first comes from the information that each individual brings from past experiences and the other is obtained as new experiments are carried out and new data is acquired.The application of such an approach in the Portuguese Navy makes perfect sense, since the means at its disposal are operated constantly and for years by their military. Using the experience gained by them over their working time will be an added value for the institution, namely in the acquisition of spare parts and new equipment and in the preparation/updating of maintenance policies. In this investigation the aim was to apply this concept to faults prediction in the electrical power generators of the Vasco da Gama´s frigates class. It was carried out a preparation of a questionnaire that was be able to collect the experience acquired by the military and technicians responsible for the maintenance and operation of this systems. Using this information in parallel with the historical data, the use of statistical bayesian inference allowed to withdraw knowledge relatively to de fault behavior. Were made some comparisons between the two kinds of information(personal experience and historical data) in order to understand if coherence between them exists, and were made some computational simulations to obtain solid and strong results/conclusions. Lastly, it was proposed a model of integration of this new approach, based on acquired knowledge during the whole investigation.porInferência Bayesiana, Gestão da manutenção, Previsão de avarias, Marinha Portuguesa, Apoio à decisão, Experiência humanaBayesian Inference, Maintenance management, Fault prediction , Portuguese Navy, Decision support, Human knowledgeIntegração da Experiência Humana na Gestão da Manutenção e na Predição de Avarias e Necessidades de Sobressalentes na Marinha.master thesis201006553