Os modelos de sistemas reparáveis usuais são os de reparo mínimo, perfeito e imperfeito, sendo que, na literatura, o modelo de reparo mínimo é o mais explorado. Em sistemas reparáveis é comum que componentes do mesmo tipo sejam estudados e nestes casos é relevante verificar a heterogeneidade entre eles. Segundo Vaupel et al. (1979), os métodos padrões em análise de dados de sistemas reparáveis ignoram a heterogeneidade não observada e em alguns casos esta deveria ser considerada. Tal variabilidade pode ser estimada a partir dos modelos de fragilidade, caracterizados pela utilização de um efeito aleatório. Propõe-se o modelo de reparo mínimo com fragilidade, afim de estimar a heterogeneidade não observada entre sistemas. Para este modelo foi realizado um estudo e simulação como objetivo de analisar as propriedades frequentistas do processo de estimação. A aplicação em um conjunto de dados reais mostrou a aplicabilidade do modelo proposto, em que a estimação dos parâmetros foram determinadas a partir das abordagens de máxima verossimilhança e Bayesiana.

The usual models in repair able systems are minimal, perfect and imperfect repair, and, in the literature, the minimum repair model is the most explored. In repair able systems it is common that the same type of components are studied and in these cases is relevant to verify the heterogeneity between them. According to Vaupel et al. (1979), the standard methods for analysis of repair able systems data ignore the heterogeneity not observed and in some cases this should be considered. Such variability can be estimated from frailty models, characterized by using a random effect. It is proposed that the minimum repair model with frailty in order to estimate the heterogeneity not observed between systems. For this model it was conducted a simulation study in order to analyze the frequentist properties of the estimation process. The application of a real data set showed the applicability of the proposed model, in which the estimation of the parameters were determined from maximum likelihood and Bayesian approaches.