Você está na página 1de 157

UNIVERSIDADE FEDERAL DO PARAN

CLUDIO MARCHAND KRGER

ANLISE DE CONFIABILIDADE ESTRUTURAL


APLICADA S BARRAGENS DE CONCRETO

CURITIBA
2008

ii

CLUDIO MARCHAND KRGER

ANLISE DE CONFIABILIDADE ESTRUTURAL


APLICADA S BARRAGENS DE CONCRETO
Tese apresentada ao Curso de Ps-Graduao em
Mtodos Numricos em Engenharia, Setor de
Cincias Exatas, Universidade Federal do Paran,
como requisito parcial obteno do ttulo de Doutor
em Mtodos Numricos em Engenharia.
Orientador:
Prof. Dr. Anselmo Chaves Neto
Co-orientadora: Profa. Dra. Mildred Ballin Hecke

CURITIBA
2008

iii

minha esposa Denise,


e aos meus filhos Ana Carolina e Renato,
razes principais de minha existncia.

iv

AGRADECIMENTOS
Agradeo a todos aqueles que me acompanharam nesta caminhada, me trouxeram
inspirao e contriburam com idias para a superao das dificuldades.
Em especial, minha esposa Denise, principal motivadora para a minha deciso em
ingressar no Doutorado em Mtodos Numricos em Engenharia da UFPR.
Ao orientador Prof. Anselmo Chaves Neto, pela amizade, pela orientao precisa e
objetiva e pela confiana depositada em mim e no meu trabalho.
Profa. Midred Ballin Hecke, pelo incentivo ao meu ingresso no PPGMNE e pelo
encaminhamento inicial da pesquisa.
Aos colegas estudantes do PPGMNE, pela amizade e solidariedade e, em especial, aos
colegas Ana Beatriz Tozzo Martins e Edson Antnio Alves da Silva.
secretria do CESEC, Maristela Bandil, pela alegria e amizade constantes, que
motivam os alunos todos os dias.
Ao Prof. Eloy Kaviski, pela importante contribuio na soluo de problemas
computacionais.
Profa. Flvia Tormena, pela reviso do captulo de metodologia e pelas sugestes
para a soluo do problema estrutural.
Companhia Paranaense de Energia COPEL e ao Instituto de Tecnologia para o
Desenvolvimento LACTEC pela cesso dos dados do controle tecnolgico do concreto da
barragem de Salto Caxias para a realizao do estudo.
Universidade Positivo, em especial aos professores Marcos Jos Tozzi e Maurcio
Dziedzic, pelo incentivo ao meu ingresso e participao nas atividades do PPGMNE.

SUMRIO
1

INTRODUO.......................................................................................................................... 1
O PROBLEMA ...........................................................................................................................1
OBJETIVO..................................................................................................................................1
JUSTIFICATIVA........................................................................................................................2
ESTRUTURA DO ESTUDO ......................................................................................................2
2
REVISO DA LITERATURA .................................................................................................. 3
2.1 A SEGURANA DAS BARRAGENS ......................................................................................3
2.2 O CONCEITO DA CONFIABILIDADE ESTRUTURAL ........................................................5
2.3 FUNDAMENTOS DA ANLISE DE CONFIABILIDADE ESTRUTURAL ........................11
2.4 MTODO DAS TENSES ADMISSVEIS ............................................................................13
2.5 MTODO DOS ESTADOS LIMITES PROJETO SEMI-PROBABILSTICO....................15
2.6 CONFIABILIDADE E OTIMIZAO....................................................................................16
2.7 MTODOS PROBABILSTICOS............................................................................................16
2.7.1
Mtodos de Confiabilidade de Primeira Ordem (FORM)............................................22
2.7.2
Mtodos de Confiabilidade de Segunda Ordem (SORM)............................................35
2.7.3
Anlise de Confiabilidade com variveis correlacionadas...........................................43
2.7.4
Simulao Monte Carlo................................................................................................46
2.7.5
A tcnica computacionalmente intensiva Bootstrap.................................................49
2.7.6
ndices probabilsticos de sensibilidade .......................................................................55
2.7.7
Avaliao da confiabilidade de um sistema .................................................................56
2.7.8
Estimativa da confiabilidade com cargas e resistncias variveis no tempo................58
2.7.9
O Mtodo dos Elementos Finitos Estocstico..............................................................62
2.7.10
O problema das funes desempenho implcitas .........................................................64
3
MATERIAIS E MTODOS..................................................................................................... 67
3.1 DADOS UTILIZADOS .............................................................................................................67
3.1.1
Controle de qualidade do CCR Dados Estatsticos....................................................69
3.1.2
Ensaios dos testemunhos de CCR ................................................................................71
3.2 DEFINIO DO PROBLEMA ESTRUTURAL .....................................................................75
3.2.1
Foras que atuam em uma barragem gravidade ........................................................75
3.2.2
Fatores de segurana para projeto de barragens de concreto .......................................77
3.2.3
Tenses admissveis no concreto-massa ......................................................................81
3.2.4
Tenses admissveis na fundao.................................................................................81
3.2.5
Valores mnimos admissveis dos coeficientes de segurana ......................................82
3.3 DEFINIO DO PROBLEMA EM TERMOS PROBABILSTICOS ....................................83
3.3.1
Flutuao......................................................................................................................83
3.3.2
Tombamento ................................................................................................................84
3.3.3
Deslizamento................................................................................................................85
3.3.4
Tenses Normais..........................................................................................................86
3.4 APLICAO DOS MTODOS BARRAGEM DE SALTO CAXIAS ...............................88
3.4.1
Fluxogramas dos mtodos de anlise de confiabilidade ..............................................88
4
RESULTADOS E DISCUSSO ............................................................................................. 95
4.1 QUANTO FLUTUAO .....................................................................................................95
4.2 QUANTO AO TOMBAMENTO..............................................................................................95
4.3 QUANTO S TENSES NORMAIS ......................................................................................96
4.4 QUANTO AO DESLIZAMENTO .........................................................................................105
5
CONCLUSO ........................................................................................................................112
REFERNCIAS...................................................................................................................................115
APNDICE 1 Listagens de programas de computador
APNDICE 2 Listagens de resultados dos programas e outros clculos
1.1
1.2
1.3
1.4

vi

LISTA DE FIGURAS
Figura 1 Distribuio da freqncia de falhas em perodos de 10 anos .................................. 4
Figura 2 Grficos da freqncia e do nmero total de vtimas em grandes catstrofes de
barragens,............................................................................................................................ 4
Figura 3 Fluxograma de um estudo probabilstico ................................................................10
Figura 4 Ilustrao do conceito de avaliao de risco ........................................................... 17
Figura 5 Ilustrao do conceito de estado limite. ..................................................................20
Figura 6 Regio de integrao para determinao da probabilidade de falha .......................20
Figura 7 Classificao dos mtodos de anlise de confiabilidade......................................... 22
Figura 8 Regies de falha e de segurana no espao das variveis reduzidas....................... 25
Figura 9 Mtodo de Hasofer-Lind. Sistema de coordenadas originais..................................31
Figura 10 Mtodo de Hasofer-Lind. Sistema de coordenadas reduzidas. ............................. 31
Figura 11 ndice de confiabilidade de Hasofer-Lind. Funo desempenho no-linear......... 33
Figura 12 Rotao de coordenadas no mtodo SORM..........................................................38
Figura 13 Gerao de variveis aleatrias Normais .............................................................. 47
Figura 14 Fluxograma do algoritmo da distribuio bootstrap............................................. 53
Figura 15 Vista area da Usina Hidreltrica de Salto Caxias................................................67
Figura 16 Salto Caxias. Seo transversal tpica...................................................................68
Figura 17 Extrao das amostras de CCR da barragem de Salto Caxias .............................. 74
Figura 18 Amostras de CCR da barragem de Salto Caxias................................................... 74
Figura 19 Foras atuantes na seo de uma barragem gravidade .......................................76
Figura 20 Ncleo Central de Inrcia em uma seo retangular.............................................87
Figura 21 Fluxograma do procedimento FOSM....................................................................89
Figura 22 Fluxograma do procedimento AFOSM (Hasofer-Lind) ....................................... 90
Figura 23 Fluxograma do procedimento de simulao Monte Carlo .................................... 91
Figura 24 Fluxograma do procedimento SORM ...................................................................92
Figura 25 Curva de distribuio acumulada Bootstrap - Compresso (1998) ................. 100
Figura 26 Curva de distribuio acumulada Bootstrap - Compresso (2005) ................. 100
Figura 27 Curva de distribuio acumulada Bootstrap - Trao (1998).......................... 101
Figura 28 Curva de distribuio acumulada Bootstrap - Trao (2005).......................... 101
Figura 29 Histograma de freqncias Bootstrap Compresso (1998) .......................... 102
Figura 30 Histograma de freqncias Bootstrap Compresso (2005) .......................... 102
Figura 31 Histograma de freqncias Bootstrap Trao (1998) ................................... 103
Figura 32 Histograma de freqncias Bootstrap Trao (2005) ................................... 103
Figura 33 Reta de regresso y = 1,522 x + 3,323 dos ensaios de cisalhamento .................. 109

vii

LISTA DE TABELAS
Tabela 1 Causas de rupturas de barragens............................................................................... 4
Tabela 2 Estados limites tpicos para estruturas.................................................................... 11
Tabela 3 Controle de Qualidade do CCR - Dados Estatsticos. ............................................70
Tabela 4 Resistncia Compresso do CCR - Dados Estatsticos........................................ 71
Tabela 5 Densidade Mdia do CCR - Dados Estatsticos. .................................................... 72
Tabela 6 Cisalhamento - ngulo de Atrito e Coeso do CCR - Dados Estatsticos. ............ 72
Tabela 7 Mdulo de Elasticidade do CCR - Dados Estatsticos............................................72
Tabela 8 Resistncia Trao Tenso Direta do CCR - Dados Estatsticos...................... 73
Tabela 9 Resistncia Trao Compresso diametral do CCR - Dados Estatsticos......... 73
Tabela 10 Dados do CCR obtidos em 1998 e 2005............................................................... 75
Tabela 11 Tenses admissveis do concreto-massa trao e compresso .......................... 81
Tabela 12 Coeficientes de segurana para as tenses admissveis na fundao ................... 82
Tabela 13 Fatores de reduo da resistncia do atrito e da coeso e fatores de segurana ... 82
Tabela 14 Coeficientes de segurana de cargas e de resistncia ........................................... 82
Tabela 15 Propriedades geomtricas da barragem de Salto Caxias. ..................................... 93
Tabela 16 Propriedades fsicas do CCR da Barragem de Salto Caxias (dados de 1998). ..... 94
Tabela 17 Anlise de tenses normais - Resultados.............................................................. 98
Tabela 18 Intervalos de confiana Bootstrap................................................................... 104
Tabela 19 Anlise do Deslizamento - Resultados. ..............................................................110

viii

LISTA DE SMBOLOS
i = co-seno diretor em relao ao eixo coordenado Zi
= ndice de confiabilidade
= erro
= fator de minorao da resistncia; ngulo de atrito interno do material
( ) = funo distribuio Normal acumulada

= peso especfico da gua


c = peso especfico do concreto
= metade do comprimento da base
= fator de majorao de cargas
= mdia ou valor esperado

i(i ) = elementos dos autovetores de C

(i )

= autovetor do i-simo modo

i = estimador de
~

i = pseudo-valor

X , X = coeficiente de correlao entre X1 e X2


1

= desvio padro; tenso


2 = varincia
A = rea
C = matriz de correlao
C = coeso
D = matriz de derivadas segundas
G (x) = comprimento do vetor gradiente de x

e = excentricidade da fora resultante


E(X) = valor esperado de X
f X (x) = funo densidade de probabilidade de X
FX (x) = funo distribuio acumulada de X

FS = fator de segurana
FSF = fator de segurana flutuao
FST = fator de segurana ao tombamento
g(X) = funo desempenho

ix

GS = funo desempenho de segunda ordem


hm, hj = carga hidrulica de montante e jusante
Hh, Hv = fora hidrosttica horizontal e vertical
I = matriz identidade
I = momento de inrcia
ki = curvaturas principais da superfcie de estado limite
L(tL) = confiabilidade ao longo da vida til tL
L = comprimento da base
M = matriz de mdias
M = momento
m = margem de segurana
N = fora normal
p ( x , ) = funo de verossimilhana da amostra aleatria x, dependente do parmetro

pf = probabilidade de falha
Q = carga
r = raio de curvatura principal mdio
R = matriz do mtodo SORM
R = resistncia
S = matriz de rotao do mtodo SORM; matriz de desvios padres
T = tempo de recorrncia
T = matriz de transformao
Tn( ) = estimador de
Tt = matriz T transposta
ui = varivel uniforme
U = espao n-dimensional de variveis normais padro
U = sub-presso
V(X) = varincia de X
X = vetor de variveis X1, X2, ..., Xn
X* = ponto de projeto X1*, X2*, ..., Xn* no espao das variveis originais
W = peso prprio
Yi , Zi = variveis normais reduzidas
Z* = ponto de projeto Z1*, Z2*, ..., Zn* no espao das variveis reduzidas

RESUMO
A construo de barragens um exemplo mpar da obrigatoriedade da considerao dos
aspectos de incerteza e risco para a obteno de uma estrutura com desempenho e segurana
adequados. O Brasil possui um grande nmero de barragens construdas e projetos em
andamento, e os critrios de projeto so permanentemente questionados e revisados em fruns
diversos. A confiabilidade estrutural um assunto relativamente recente e existem poucos
trabalhos publicados com aplicaes em barragens de concreto gravidade. O objetivo
principal do presente estudo desenvolver uma metodologia para a anlise de confiabilidade
estrutural de barragens de concreto, e compar-la com os procedimentos determinsticos
normalmente utilizados nas anlises de estabilidade, bem como elaborar programas
computacionais genricos em linguagem FORTRAN, para o clculo da probabilidade de
falha, ponto de projeto, etc., em situaes semelhantes de barragens de concreto gravidade.
Foram desenvolvidas equaes de estado limite para os vrios modos de falha analisados em
barragens de concreto gravidade: flutuao, tombamento, deslizamento e tenses normais.
Foram implementados algoritmos computacionais para aplicao dos mtodos de
confiabilidade de primeira ordem FOSM e AFOSM e para o mtodo de segunda ordem
SORM. Para fins de comparao de resultados, tambm foram realizadas simulaes pelo
mtodo Monte Carlo. O procedimento desenvolvido foi testado e validado a partir de dados
do concreto compactado com rolo (CCR) obtidos durante a construo e de levantamentos
recentes, na barragem de Salto Caxias, situada no Rio Iguau, Estado do Paran. Neste
volume, so apresentadas as principais formulaes tericas da anlise de confiabilidade
estrutural, a aplicao desses mtodos barragem de Salto Caxias e a comparao dos
resultados dos vrios modelos probabilsticos com a anlise determinstica convencional.
Palavras-chave: confiabilidade estrutural, estabilidade de barragens, bootstrap.

xi

ABSTRACT
Dam construction is a civil engineering field where the importance of the consideration of
uncertainty and risk concepts is crucial for the attainment of a structure with adequate
performance and safety during its lifetime. Brazil has a considerable number of constructed
dams and projects in progress, and the design criteria are permanently questioned and revised
in diverse forums. Structural reliability is a relatively recent research topic and there are few
published works applied to concrete gravity dams. The main objective of the present study is
to develop a methodology for the analysis of structural reliability of concrete gravity dams,
and compare it to the deterministic procedures normally used in the structural stability
analyses of gravity dams, as well as to implement generic software in the FORTRAN
language for the computation of the probability of failure, design point and so on, in
analogous situations in concrete dams. Limit state functions had been developed for the most
common failure modes in gravity dams: fluctuation, rotation, slipping and by normal tension.
Computational algorithms were developed for the application of first order FOSM method
and AFOSM reliability procedures and for the second order SORM method. For the purpose
of comparison of results, simulations had been also carried through Monte Carlo method. The
developed procedures were tested and validated with roller-compacted concrete (RCC) data
obtained during the construction phase and in recent surveys, in the Salto Caxias dam,
situated in the Iguau River, State of Paran. In this report, the main theoretical formulations
of the structural reliability analysis are discussed, and the main advantages and disadvantages
of the above methods are also presented.
Keywords: structural reliability analysis, stability analysis of dams, bootstrap.

1 INTRODUO
1.1 O PROBLEMA
Assegurar a segurana e o bom desempenho de estruturas construdas ,
essencialmente, uma tarefa de engenharia. Atingir esse objetivo no simples,
particularmente para grandes obras, como so as barragens. Os sistemas de engenharia
ocasionalmente falham nas funes para as quais foram projetados, incluindo at casos de
rupturas de grandes estruturas. Em vista disso, o risco de falha pode ser admitido como algo
implcito em todos os sistemas de engenharia.
A construo de barragens, dada a multiplicidade de aspectos e reas de conhecimento
envolvidas, um exemplo mpar da obrigatoriedade da considerao dos aspectos de incerteza
e risco para a obteno de uma estrutura com desempenho e segurana adequados.
O Brasil um pas que possui um grande nmero de barragens construdas e muitos
projetos e obras em andamento. Os critrios de projeto so permanentemente questionados e
revisados em fruns diversos, tais como centros de pesquisas, empresas projetistas,
seminrios tcnicos e grupos de trabalho em rgos governamentais envolvidos com a
segurana e projeto de barragens.
Mesmo com a tradio e profissionalismo em projeto e construo de barragens
existente no Brasil, que remonta a mais de um sculo de experincia, acidentes tm ocorrido
com relativa freqncia. So exemplos recentes: a ruptura da barragem Camar, no Estado da
Paraba, ocorrida no ano de 2004 e a ruptura da estrutura de desvio da barragem Campos
Novos e o conseqente esvaziamento do reservatrio, em Santa Catarina em 2006.
1.2 OBJETIVO
O objetivo principal do presente estudo desenvolver um procedimento para a anlise
de confiabilidade estrutural de barragens de concreto gravidade que possa ser aplicado em
projetos de engenharia, e comparar este procedimento com a abordagem determinstica
geralmente utilizada. O procedimento desenvolvido foi testado a partir de dados do concreto
compactado com rolo (CCR), coletados durante a construo e de levantamentos recentes, na
barragem de Salto Caxias, situada no Rio Iguau, no Estado do Paran.

1.3 JUSTIFICATIVA
A rea de confiabilidade estrutural relativamente recente e existem poucos trabalhos
publicados sobre o assunto com aplicao em barragens de concreto gravidade. Os trabalhos
existentes no respondem de forma objetiva a perguntas, tais como:

Tendo-se um banco de dados composto por observaes das variveis fundamentais


do projeto (tais como as resistncias do concreto e tenses oriundas de efeitos como
variaes trmicas, presses hidrostticas, entre outras) e obtidas durante a construo
da obra e em um determinado perodo da vida til de uma barragem, possvel
estimar com razovel preciso o nvel de segurana estrutural?

Os mtodos de anlise de confiabilidade so viveis para aplicao em estruturas no


convencionais, tais como barragens, e acessveis para avaliaes prticas em
engenharia?
A motivao principal do presente trabalho propor um procedimento para anlise de

confiabilidade estrutural de barragens de concreto gravidade que seja suficientemente


acessvel para ser aplicado em projetos de engenharia e que utilize dados estatsticos do
concreto para a estimativa da confiabilidade de uma seo representativa da barragem.
1.4 ESTRUTURA DO ESTUDO
A estrutura deste documento a seguinte: no captulo 2 apresentada uma reviso de
literatura sobre o assunto da confiabilidade estrutural, os conceitos mais importantes e os
modelos matemticos mais utilizados em anlises prticas em engenharia estrutural. No
captulo 3 apresenta-se a metodologia utilizada no estudo, no captulo 4 so apresentados os
resultados da aplicao dos mtodos barragem de Salto Caxias e finalmente no captulo 5
so apresentadas as concluses do estudo. Ao final do volume, encontram-se os Anexos 1, 2 e
3. O Anexo 1 contm um detalhamento terico do mtodo dos elementos finitos estocstico,
para um caso simples com apenas duas variveis; o Anexo 2 contm as listagens dos
programas de computador desenvolvidos neste trabalho, e o Anexo 3 contm as listagens de
resultados dos programas de computador e outros clculos relevantes.

2 REVISO DA LITERATURA

2.1 A SEGURANA DAS BARRAGENS

At 1999, havia 44.000 grandes barragens em servio no mundo. Dessas,


aproximadamente 43.000 foram construdas no sculo 20, incluindo 37.400 desde 1950
(KALUSTYAN, 1999). A figura 1 mostra a freqncia de acidentes (P igual relao entre
o nmero de falhas pelo nmero de barragens em servio, em escala logartmica). De acordo
com esses dados, a freqncia de acidentes para todos os tipos de barragens chegou a 18% no
perodo entre 1920 e 1930 e foi reduzido por um fator de trs entre 1971 e 1980. Para
barragens de concreto, uma reduo similar chegou a aproximadamente cinco vezes entre
1981 e 1990. A freqncia de falhas para todos os tipos de barragens, o qual atingiu 4% nos
anos 1920 e 1930 foi reduzido para 0,7% de 1971 a 1980. A freqncia de falhas de barragens
de concreto foi reduzido por um fator de aproximadamente 30 ao longo de todo o perodo (de
3% entre 1911-1920 a 0,1% entre 1981-1990).
Catstrofes tm servido como sinalizaes ao longo do tempo para a avaliao dos
critrios de projeto existentes e seleo de mtodos mais efetivos para monitoramento da
segurana de barragens. A figura 2 mostra o nmero de vtimas humanas nos maiores
desastres com barragens no perodo entre 1900 e 1995. Observa-se que houve um aumento no
nmero de vtimas de 1.074 para 4.165, isto , de 4 vezes entre os perodos de 1920-1940 e
1940-1960, e um aumento subseqente para 4.576 pessoas de 1960 a 1980. Uma reduo no
nmero de vtimas aps 1980 explicada pela falta de dados no perodo (KALUSTYAN,
1999).
Comparando os dados das figuras 1 e 2, percebe-se uma tendncia inversa de aumento
do nmero de vtimas, apesar do aumento nos nveis de confiabilidade das barragens no
perodo considerado.
Yenigun e Erkek (2007) apresentaram uma estimativa das freqncias percentuais
encontradas em vrias das causas mais comuns de rupturas de barragens (tabela 1). Apesar de
no citados explicitamente como causas na tabela 1, erros de projeto so a causa inicial de
alguns dos fatores que podem provocar uma ruptura de barragem (vertedouro inadequado, por
exemplo).

P(%)
20

Freqncia de falhas ou danos


em todos os tipos de barragens

10
5
Freqncia de falhas ou danos
em barragens de concreto
Freqncia de falhas em
todos os tipos de barragens

1
Freqncia de falhas em
barragens de concreto

0.5

0.1
1900

1910

1920

1930

1940 1950
Anos

1960

1970

1980

1990

Figura 1 Distribuio da freqncia de falhas em perodos de 10 anos (KALUSTYAN, 1999)

250

257

Nmero de vtimas

Freqncia (pessoas/ano)

300

240

200

208

150
100
50
0
1900

53

54
1920

1940

1960

1980

2000

2020

5000
4500
4576
4000
4165
3500
3000
2500
2000
1500
1000
1075 1074
500
0
1900 1920 1940 1960 1980

3858

2000

2020

Anos

Anos

Figura 2 Grficos da freqncia e do nmero total de vtimas em grandes catstrofes de barragens,


em intervalos de 20 anos (KALUSTYAN, 1999)

Tabela 1 Causas de rupturas de barragens


Causas de rupturas
Problemas de fundao
Vertedouro inadequado
Problemas de construo
Recalques diferenciais
Subpresso elevada
Atos de guerra
Ruptura de aterros
Materiais defeituosos
Operao incorreta
Terremotos

Freq. (%)
40
23
12
10
5
3
2
2
2
1

Total
100
Fonte: YENIGUN e ERKEK (2007)

Dos nmeros expostos nos grficos e tabela conclui-se que a confiabilidade estrutural
, ainda, um problema que merece a ateno dos engenheiros e pesquisadores. E, o
desenvolvimento de metodologias, algoritmos, programas computacionais, e outros
procedimentos que otimizem os pontos crticos dos projetos e forneam a probabilidade de
falha com rapidez e preciso uma tarefa que exige a dedicao dos pesquisadores da rea da
engenharia.
2.2 O CONCEITO DA CONFIABILIDADE ESTRUTURAL
Conscientes da responsabilidade em projetar obras seguras, os engenheiros
freqentemente dimensionam estruturas conservadoras, por meio da aplicao de coeficientes
de segurana ou fatores de sobrecarga. Usualmente, os coeficientes de segurana so
definidos por padres e normas oficiais e representam o conhecimento e experincia de
muitos engenheiros ao longo da histria. Mesmo assim, falhas ainda ocorrem, algumas delas
catastrficas, como as j citadas na seo 1.1. Ao mesmo tempo, tambm comum se
encontrar estruturas que so excessivamente conservadoras e superdimensionadas, e isto,
evidentemente, com aumentos de custos, sem necessidade.
Os requisitos principais de um projeto de engenharia, alm de sua funcionalidade,
devem ser a adequao de custos, segurana, durabilidade e minimizao de impactos
ambientais. Desses objetivos, a segurana o mais importante, pois uma eventual perda de
vidas em um evento catastrfico no pode ser compensada. O custo de manuteno tambm
muito importante, pois uma estrutura projetada de forma inadequada pode causar despesas de
manuteno que podem ser da ordem ou maiores que o custo dos prprios componentes da
estrutura. Falhas estruturais podem resultar na destruio de outras propriedades, incorrendo
em custos no previstos de enorme magnitude. Catstrofes em estruturas de desempenho
crtico (usinas nucleares, por exemplo) podem impactar o meio ambiente atual e as futuras
geraes.
Nesse contexto e, como conseqncia desses requisitos, a incerteza ou aleatoriedade
dos dados de entrada e parmetros de projeto deve ser includa no projeto. necessrio
estabelecer quais so os parmetros mais relevantes e o quanto esses parmetros podem
variar, para ser inferida a confiabilidade da estrutura que est sendo projetada.
Muitos fenmenos observados na natureza ou nas atividades humanas contm uma
certa incerteza inerente, ou seja, estes fenmenos no podem ser previstos com preciso
absoluta. Em geral, observaes repetidas de fenmenos fsicos geram mltiplos resultados,

alguns sendo mais freqentes que outros. A ocorrncia de mltiplos resultados sem um padro
caracterstico descrita atravs de termos como incerteza, aleatoriedade e estocasticidade. A
palavra estocasticidade vem do grego stochos, que significa incerto. A capacidade de carga
de um elemento estrutural , portanto, uma quantidade aleatria formalmente conhecida como
varivel aleatria. Em geral, todos os parmetros de interesse em projetos de engenharia so
representados por estatsticas que possuem algum grau de incerteza, podendo, portanto, ser
considerados como variveis aleatrias.
O planejamento e projeto de sistemas em engenharia utilizam geralmente os conceitos
bsicos de capacidade, resistncia, ou suprimento, que devem pelo menos satisfazer a uma
certa demanda ou solicitao. Diferentes terminologias so usadas para descrever esse
conceito, dependendo do problema. Em engenharia estrutural, geotcnica e mecnica, o
suprimento pode ser representado pela capacidade ou resistncia de um elemento ou conjunto
de elementos, e a demanda pode ser expressa em termos das cargas aplicadas, combinaes de
cargas, seus efeitos, ou ainda, solicitao.
A presena de incerteza em projetos de engenharia sempre foi um fato reconhecido,
contudo, as abordagens tradicionais simplificam o problema ao considerar os parmetros de
maneira determinstica e no considerar as estatsticas existentes para represent-los. A forma
usada para se levar em conta a variabilidade dos parmetros considerados atravs do uso de
coeficientes de segurana empricos. Os coeficientes de segurana so geralmente baseados
em experincias anteriores, porm no garantem segurana ou desempenho satisfatrio de
forma absoluta. Tambm no proporcionam informaes sobre a influncia que os diferentes
parmetros do sistema possuem sobre a segurana do mesmo. Portanto, difcil projetar um
sistema com uma distribuio uniforme de nveis de segurana entre os diferentes
componentes ao utilizar coeficientes de segurana empricos.
O ponto central do problema que, independentemente de como as cargas e
resistncias sejam modeladas ou descritas, a meta principal de um projeto assegurar um
desempenho satisfatrio, ou seja, assegurar que a capacidade ou resistncia seja maior que a
solicitao durante a vida til do sistema. Tendo em vista as incertezas do problema, o
desempenho satisfatrio no pode ser assegurado com confiana absoluta. Neste caso, deve-se
inferir a probabilidade de falha para satisfazer a algum critrio de desempenho. Em termos da
engenharia, confiabilidade seria a probabilidade de ocorrncia do desempenho satisfatrio.
Para Hartford e Baecher (2004), a noo de risco depende da rea profissional na qual
utilizada. Segundo os mesmos autores, quando aplicado engenharia, o termo risco
interpretado como sendo: (1) uma estimativa da probabilidade de um conjunto de eventos no

desejados; e (2) uma estimativa das conseqncias destes mesmos eventos ocorrerem. Em
termos mais simples, o risco normalmente definido como o produto da probabilidade e de
suas conseqncias ou, em outras palavras, o valor esperado de um resultado adverso:
Risco = probabilidade x conseqncias

(2.1)

Uma forma simples de se avaliar a probabilidade de falha de um sistema atravs da


anlise estatstica de dados histricos. Essa avaliao no requer nenhum conhecimento da
constituio e funcionamento dos componentes do sistema, mas usualmente no pode ser
realizada por falta de dados, ou, ainda, por se tratar de um sistema no-estacionrio, ou seja,
varivel no tempo (VIEIRA, 2005). Um exemplo clssico dessa forma de avaliao a
utilizao do chamado Mtodo do Perodo de Retorno, onde um evento indesejado
associado ao intervalo de tempo mdio T de ocorrncia ou superao do evento. A
probabilidade p de ocorrncia do evento em um perodo de n intervalos de tempo pode ser
avaliada por:
p = 1 (1 1 / T ) n

(2.2)

Termos diferentes podem ser utilizados na descrio da confiabilidade de um sistema


em engenharia. Alguns desses termos so auto-explicativos, outros no. O termo comumente
utilizado probabilidade de falha est sempre associado com um critrio de desempenho em
particular. Um sistema normalmente ter vrios critrios de desempenho, e uma probabilidade
de falha est associada a cada critrio. Adicionalmente, uma probabilidade de falha global
poder tambm ser calculada.
Uma medida da confiabilidade no contexto das especificaes de um projeto o fator
ou coeficiente de segurana, cujo valor proporciona uma medida qualitativa da segurana.
Um fator ou coeficiente de segurana pode ser utilizado no contexto das aes (ou
solicitaes) sobre o sistema, da resistncia (ou capacidade) do sistema, ou ambos. No
contexto da carga, o valor nominalmente observado da carga (chamada de carga de servio)
multiplicado por um coeficiente maior que 1,0 para se obter uma carga de projeto. No
contexto da resistncia, o valor nominal da resistncia multiplicado por um valor menor que
1,0 (um coeficiente redutor da capacidade do sistema) para se obter uma resistncia

admissvel. Tanto a resistncia (R), como a carga (Q), so quantidades sujeitas a incertezas, de
modo que podem ser representadas na forma:
R = R +

Q = Q +

(2.3)

onde R e Q so, respectivamente, as esperanas matemticas (mdias) das variveis


aleatrias R e Q e corresponde ao erro associado variabilidade das variveis aleatrias.
Assim, tem-se: R = E(R) e Q = E(Q), onde E( ) significa a esperana matemtica ou valor
esperado. Geralmente, tem distribuio de probabilidade gaussiana (Normal) com mdia
igual

a zero e varincia 2, ou seja, ~ N(0, 2). A palavra nominal significa que um

valor determinstico (parmetro) especificado pelo projetista ou fabricante para a carga e/ou
resistncia para fins de projeto. No caso das cargas, o valor nominal normalmente maior que
a mdia. No caso das resistncias, o valor nominal em geral menor que o valor mdio.
Em muitos campos da engenharia, particularmente aqueles que envolvem produtos
manufaturados produzidos em massa, as demandas e capacidades so relativamente
previsveis; a tecnologia facilmente controlada e existe um amplo acesso a dados do
desempenho dos produtos, disponveis por meio de testes de componentes. As conseqncias
de falhas so, principalmente, inconvenincias ou perdas econmicas. Na rea de engenharia
civil e estrutural em geral, a situao muito diferente: a maioria das estruturas no
produzida em massa, de modo que o desempenho no pode ser verificado por meio de
repeties de circunstncias. As demandas no sistema, exercidas pelos usurios e por
fenmenos naturais, so altamente variveis. Alm disso, na engenharia civil, em geral, as
falhas so altamente visveis e podem ter conseqncias severas (ELLINGWOOD, 2000).
As incertezas em um sistema podem ser de origem quantitativa (ou no-cognitivas) ou
qualitativa (cognitivas). As incertezas quantitativas podem surgir de diversas fontes, tais
como: aleatoriedade do fenmeno fsico, incerteza estatstica devido insuficincia ou
inadequao dos dados observados e incerteza no modelo escolhido para representar o
fenmeno em estudo.
As incertezas qualitativas surgem em funo de fatores difceis de quantificar, tais
como a definio dos parmetros relevantes no desempenho, qualidade, deteriorao dos
materiais, experincia e habilidade dos operrios e engenheiros, impactos ambientais dos
projetos, condies de estruturas existentes, fatores humanos e outras definies das interrelaes entre os parmetros.

Uma classificao ligeiramente diferente, utilizada por Ang e Tang (2007),


separar as incertezas em aleatrias e epistmicas. Incertezas aleatrias seriam aquelas
relacionadas com a aleatoriedade natural dos fenmenos, exibida como variabilidade nos
dados observados, enquanto que as do tipo epistmico (relacionadas ao conhecimento
cientfico) seriam baseadas nas imprecises das previses e estimativas dos fenmenos do
mundo real, muitas vezes causadas por um desconhecimento ou inadequao dos modelos
utilizados.
Segundo Bulleit (2008), os cinco tipos de incerteza a seguir cobrem a maioria dos
exemplos mais importantes:
1. Tempo: incerteza na previso do futuro (qual a carga que a estrutura ir suportar?)
ou passado (qual era a resistncia do concreto na velha estrutura que dever ser
renovada?);
2. Limites estatsticos: nem sempre possvel conseguir dados suficientes (o nmero
de corpos de prova suficiente para conhecer a resistncia do concreto da
estrutura?);
3. Limites do modelo: o modelo estrutural adotado na anlise simplifica alguns
aspectos da estrutura e possvel que o modelo no seja conceitualmente correto;
4. Aleatoriedade: as propriedades estruturais (por ex., mdulo de elasticidade,
resistncias do concreto) no so simples nmeros, mas podem variar em uma
determinada faixa, pois so variveis aleatrias;
5. Erro humano: possvel que erros sejam cometidos durante a fase de projeto ou
construo.
Convm notar que nenhuma das cinco causas de incertezas acima se divide claramente
em incertezas aleatrias ou epistmicas. Em geral, h aspectos dos dois tipos em cada uma das
cinco categorias.
O presente estudo pretende quantificar a incerteza em projetos onde as fontes de
incerteza so quantitativas e onde as informaes necessrias estejam disponveis. A
informao coletada constitui um espao amostral. As observaes amostrais podem ser
organizadas graficamente na forma de histogramas ou diagramas de freqncia, os quais
fornecem uma idia da forma da distribuio de probabilidade da varivel aleatria que foi
observada. Para uma representao mais geral, o diagrama de freqncia pode ser aproximado
por uma funo densidade de probabilidades conhecida, como a distribuio Normal, por

10

exemplo. Para descrever esta funo densidade de forma nica, os parmetros da distribuio
terica devem ser estimados. A aleatoriedade presente em cada caracterstica relacionada com
as cargas e resistncias pode ser quantificada atravs dessas estatsticas. Assim, o risco
envolvido no projeto pode ser estimado para um critrio de desempenho especfico. A figura 3
ilustra os passos necessrios para a modelagem da incerteza.

Mundo real

Informaes relevantes

Espao
amostral

Representao matemtica de
quantidades incertas

Histograma

Estimativa de
parmetros ou
estatsticas

Distribuio de
probabilidades

Definio do critrio
de desempenho

Avaliao da
probabilidade de falha

Conseqncias

Decises de projeto

Figura 3 Fluxograma de um estudo probabilstico


(adaptado de Haldar e Mahadevan, 2000)

11

2.3 FUNDAMENTOS DA ANLISE DE CONFIABILIDADE ESTRUTURAL


O resultado final de um projeto de engenharia consiste em proporcionar os elementos
de um sistema de forma que o mesmo satisfaa aos diversos critrios para o desempenho,
segurana, funcionalidade e durabilidade sob vrias demandas e solicitaes. Por exemplo,
uma estrutura deve ser projetada de forma que sua resistncia seja maior que os efeitos das
cargas aplicadas. Contudo, existem muitas fontes de incertezas nas cargas e nos parmetros da
resistncia. Em geral, essas incertezas j foram identificadas e quantificadas por diversos
autores e esto disponveis na literatura. A necessidade de incorporar as incertezas em
projetos de engenharia deu origem a vrios mtodos de anlise de confiabilidade, alguns dos
quais sero apresentados a seguir.
Quando uma estrutura submetida a um conjunto de cargas, ela ir responder de uma
forma que depende do tipo e magnitude das cargas e da resistncia ou rigidez da estrutura. Os
requisitos para que o desempenho da estrutura seja considerado satisfatrio podem incluir a
segurana da estrutura em relao ao seu colapso, ou danos at um certo limite, deflexes
mximas ou ainda vrios outros critrios. Cada um desses requisitos pode ser considerado
como um estado limite. A violao de um estado limite pode ser definida como o ponto em
que se atinge uma condio indesejvel da estrutura. Alguns estados limites tpicos so
exemplificados na Tabela 2.
Tabela 2 Estados limites tpicos para estruturas

______________________________________________________________________
Tipo de estado limite

Descrio

____________________________________________________________________________________
ltimo

Perda de equilbrio da estrutura, admitida como corpo rgido;


Esgotamento da capacidade resistente da estrutura, no seu todo
ou em parte;
Colapso progressivo;
Vibraes excessivas;
Ressonncia ou amplificaes dinmicas;
Fadiga.

Servio

Perda dos requisitos de durabilidade, aparncia, conforto do usurio e


boa utilizao da estrutura.
____________________________________________________________________________________
Fonte: adaptado da NBR 6118 (ABNT, 2003)

12

A idia da anlise de confiabilidade estrutural foi inicialmente introduzida por


Freudenthal (1947). Nos ltimos 60 anos, houve muitas contribuies para o desenvolvimento
do campo da segurana estrutural (RACKWITZ, 2001), em geral utilizando a teoria da
probabilidade, estatstica, anlise de decises, lgica difusa e outros mtodos relacionados.
Apesar de toda essa atividade, e da clara indicao pelo seu uso, a aceitao ampla pela
comunidade de engenharia de projeto ainda no ocorreu.
Sexsmith (1999) faz uma reviso crtica sobre a utilidade, vantagens e problemas
envolvidos com a anlise probabilstica de confiabilidade estrutural. Segundo o autor, a teoria
da probabilidade a base lgica para se lidar com incertezas. Portanto, h poucas razes para
duvidar de que a teoria da probabilidade deva ser a base para a segurana estrutural.
A anlise probabilstica da confiabilidade estrutural composta por um certo nmero
de atividades distintas, porm relacionadas (SEXSMITH, 1999). Essas atividades, comeando
da fundamental, so:
1. Determinao de probabilidades para diversas estruturas e sistemas sob diferentes
aes e combinaes de aes, ao longo do tempo ou em algum instante;
2. Calibrao de mtodos de confiabilidade estrutural baseados em probabilidade com
os cdigos de segurana estabelecidos em normas, e o subseqente ajuste dos
cdigos para proporcionar nveis de segurana consistentes. Consistncia, neste
contexto, significa que a probabilidade estimada seja, aproximadamente, a mesma
em cada um dos estados limites previstos nos cdigos utilizados;
3. Uso de anlise de confiabilidade estrutural para tomada de decises em projetos
especficos ou partes de um projeto, em estruturas existentes ou projetadas.
Segundo Diniz (2006), a grande variedade de modelos de avaliao de confiabilidade
de estruturas incorporados nas normas tcnicas leva necessidade de se dispor de uma
classificao. De acordo com a mesma autora, nos ltimos anos tem ocorrido uma evoluo
constante das normas tcnicas no sentido de se dar um melhor tratamento s incertezas
presentes no projeto estrutural.
Os mtodos de confiabilidade estrutural tambm podem ser divididos em nveis, de
acordo com a quantidade de informao usada e disponvel sobre o problema estrutural, a
saber (MADSEN ET AL., 1986):

13

nvel 0: mtodos de confiabilidade que usam o formato das tenses admissveis. No


mtodo das tenses admissveis todas as cargas so tratadas similarmente e as
tenses elsticas so reduzidas por um fator de segurana;
nvel 1: mtodo dos estados limites: mtodos de confiabilidade que empregam um
valor caracterstico para cada valor incerto. Como exemplos tm-se os
formatos do tipo LRFD (Load and Resistance Factor Design) ou Mtodo dos
Estados Limites;
nvel 2: mtodo do ndice de confiabilidade: mtodos de confiabilidade que empregam
duas

estatsticas

para

cada parmetro incerto (usualmente mdia e

varincia) e uma medida da correlao entre parmetros (usualmente a


correlao linear de Pearson);
nvel 3: mtodo da probabilidade de falha: mtodos de confiabilidade que empregam a
probabilidade de falha da estrutura como medida de sua confiabilidade, nos
quais a funo densidade de probabilidade das variveis bsicas requerida;
nvel 4: mtodo da minimizao dos custos envolvidos ao longo da vida til: mtodos
que combinam a confiabilidade com a otimizao estrutural. Nestes mtodos,
todos os custos que sero incorridos ao longo da vida til devem ser calculados
e referidos ao tempo presente. O objetivo ento a minimizao do custo total.
Adiante, se descrevem os mtodos desses cinco nveis.
2.4 MTODO DAS TENSES ADMISSVEIS
No mtodo das tenses admissveis, a filosofia de dimensionamento consiste em se
calcular uma tenso , no regime elstico-linear, para o carregamento mximo esperado e
compar-la tenso admissvel adm, que uma frao da tenso limite. A tenso limite
define o nvel de tenso a partir do qual o comportamento elstico-linear no mais se aplica.
Este critrio de projeto pode ser definido como segue:

adm =

lim
FS

(2.4)

onde FS o fator de segurana. A interpretao tradicional do mtodo das tenses admissveis


:

14

1. sob a influncia das cargas de servio a estrutura tem um comportamento elsticolinear;


2. a resistncia e o carregamento so incertos, mas postula-se que um limite superior
para o carregamento e um limite inferior para a resistncia podem ser
estabelecidos.
Existem muitas objees a este modo de tratar o problema da segurana estrutural,
tanto do ponto de vista cientfico, quanto probabilstico ou econmico, a saber (GALAMBOS,
1992 apud DINIZ, 2006):
.
1. tenses e deformaes nem sempre so lineares; por exemplo, a curva tensodeformao do concreto no-linear mesmo para baixas tenses;
2. efeitos do tempo (fluncia e retrao do concreto), efeitos ambientais (corroso do
ao) e efeitos de taxas de carregamento introduzem no-linearidades no espao e
no tempo;
3. efeitos do carregamento e deformao nem sempre so lineares;
4. o comportamento carga-deformao ps-escoamento pode ser: dctil, com grande
ou pequena reserva de resistncia, ou frgil;
5. em algumas circunstncias, necessrio utilizar a capacidade de absoro de
energia da regio no-linear para resistir a terremotos ou a exploses;
6. a chance de exceder o estado limite depende da variabilidade das cargas, dos
materiais e do modelo computacional utilizado. A confiabilidade dos elementos
dentro

da

estrutura

ou

de

diferentes

estruturas

pode

ento

variar

consideravelmente;
7. novos materiais de construo e tcnicas de projeto podem demandar anos de
testes at que um fator de segurana possa ser definido;
8. todas as cargas so assumidas como tendo a mesma variabilidade;
9. a probabilidade de falha desconhecida e o mesmo fator de segurana pode
corresponder a distintas probabilidades de falha.

15

2.5 MTODO DOS ESTADOS LIMITES PROJETO SEMI-PROBABILSTICO


Normas e especificaes atuais, como a NBR 6118 (ABNT, 2003) se baseiam no
Mtodo dos Estados Limites, ou seja, mtodos do nvel 1 (tambm chamado projeto semiprobabilstico). Mesmo sendo reconhecido que seria mais adequado projetar uma estrutura
para uma determinada probabilidade de falha, o grande apego ao projeto semi-probabilstico
se deve sua simplicidade e incorporao de forma implcita de conceitos probabilsticos
(DINIZ, 2006).
No sentido de minorar as objees relativas ao Mtodo das Tenses Admissveis, foi
desenvolvido o Mtodo dos Estados Limites. Um estado limite uma condio onde a
estrutura ou elemento estrutural torna-se inadequado para desempenhar a funo proposta. No
Mtodo dos Estados Limites, o projeto estrutural comea com a verificao da resistncia
ltima, seguida da verificao do estado limite de servio (DINIZ, 2006).
A idia central deste critrio a de que as resistncias devem ser minoradas (por um
fator ) e as cargas devem ser majoradas (fator ). O formato geral deste critrio de projeto
(GALAMBOS, 1992; ELLINGWOOD, 2000):

Rn i Qi

(2.5)

onde < 1,0 o fator de minorao da resistncia Rn ou = 1 / m , m > 1,0 o fator de


majorao do material. O lado direito da inequao representa o somatrio dos efeitos das
cargas Qi .
A NBR 6118 (ABNT, 2003) e a NBR 8681 (ABNT, 2003) adotam o formato do
Mtodo dos Estados Limites como critrio de segurana, e so usados fatores de minorao de
resistncia para cada material.
O Mtodo dos Estados Limites tambm conhecido como Mtodo SemiProbabilstico. Os fatores de majorao das cargas e minorao da resistncia so ajustados de
tal maneira a se obter maior uniformidade do ndice de confiabilidade (ou da probabilidade
de falha pf), considerado aceitvel para uma determinada classe de estruturas.

16

2.6 CONFIABILIDADE E OTIMIZAO


O projeto timo de estruturas deve envolver no apenas estimativas de custos iniciais,
mas tambm todos os custos envolvidos ao longo da vida til. O custo total ao longo da vida
til da estrutura, CVU, dado por (DINIZ, 2006):

CVU = C i + C insp + C r + C f

(2.6)

onde Ci o custo inicial, Cinsp o custo da inspeo, Cr o custo do reparo e Cf o custo


associado falha, sendo Cf dado por:
n

C f = p fi C fi

(2.7)

i =1

onde pfi a probabilidade de falha associada ao i-simo modo de falha e Cfi o custo
associado ao i-simo modo de falha (custo em decorrncia de danos, perda de vidas humanas,
atrasos para o usurio, etc). Desta maneira, o problema de projeto um problema de
otimizao sujeito a restries quanto confiabilidade da estrutura.
2.7 MTODOS PROBABILSTICOS
No simples satisfazer aos requisitos bsicos de um projeto na presena de
incertezas. A figura 4 mostra um caso no qual se consideram apenas duas variveis: uma
representando a demanda sobre o sistema, por exemplo, cargas na estrutura, Q, e a outra
relacionada com a capacidade do sistema, por exemplo, resistncia da estrutura, R. Tanto Q
como R so variveis aleatrias. Os parmetros dessas variveis aleatrias so suas mdias,
respectivamente: Q e R , e os seus desvios padres Q e R . Suas correspondentes
funes densidade de probabilidade podem ser representadas por f Q (q ) e f R (r ) . A figura 4

tambm mostra os valores determinsticos (nominais) dessas variveis aleatrias: Q N e R N ,


utilizados em uma abordagem convencional baseada em coeficientes de segurana. Observase que a segurana do projeto assegurada se R N for maior que Q N , com um fator de
segurana especificado como:

17

Fator de segurana nominal =

RN
QN

(2.8)

A resistncia nominal R N geralmente um valor conservador, digamos 1, 2 ou KR


desvios padres abaixo do valor mdio R . A carga Q N tambm um valor conservador, um
mltiplo KQ de desvios padres acima do valor mdio Q . J o conservadorismo introduzido
em um projeto na forma de um coeficiente de segurana nominal depende de muitos outros
fatores, notadamente as incertezas inerentes s cargas e resistncias e o quo conservadora a
escolha das cargas e resistncias nominais. Portanto, o coeficiente de segurana nominal pode
falhar na determinao da margem de segurana real em um projeto.

f R (r )

Densidade de
probabilidade

f Q (q )

A B C D

E F G H

QN RN

K Q Q

R, Q

K R R

Figura 4 Ilustrao do conceito de avaliao de risco


(adaptado de Weber, 1995)

Ainda na figura 4, segundo Weber (1995), as probabilidades A, B, C e D podem


resultar de vrios fatores, tais como: acrscimos de tenses, cargas desconhecidas e condies
ambientais, tenses residuais internas desconhecidas, diferentes parmetros relativos aos
materiais e outros fatores causadores de aumentos de tenses. As probabilidades E, F, G e H
representariam fatores de reduo da resistncia, como, por exemplo, degradao dos
materiais ao longo do tempo causada por deformaes, fadiga, corroso, desgaste,
desconhecimento da resistncia inicial, defeitos no detectados e variaes nos mtodos

18

construtivos. A rea de sobreposio das duas curvas (regio sombreada) fornece uma medida
quantitativa da probabilidade de falha. Essa rea depende essencialmente de trs fatores:
1. Posio relativa das duas curvas: medida que as duas curvas se distanciam,
reduzindo a rea de interseo, a probabilidade de falha diminui. As posies
relativas das duas curvas so representadas pelas mdias Q e R das duas
variveis;
2. A disperso das duas curvas: se as duas curvas forem estreitas, a rea de
sobreposio e a probabilidade de falha tambm so pequenas. A disperso
caracterizada pelos desvios padres Q e R das duas variveis. Assim, quanto
maior for a qualidade dos materiais empregados na obra, bem como a habilidade
da mo de obra executora, menores sero os desvios padres e, conseqentemente,
as curvas sero mais delgadas e a rea de sobreposio ser reduzida;
3. As formas das duas curvas: as formas podem ser representadas pelas funes
densidade de probabilidades f Q (q ) e f R (r ) .

O objetivo de um projeto seguro em procedimentos determinsticos pode ser alcanado


selecionando-se as variveis de projeto de forma que a rea de interseo das duas curvas seja
a menor possvel. A abordagem convencional atinge esse objetivo deslocando as posies das
curvas por meio de coeficientes de segurana. Evidentemente, isso implica em um aumento de
custo. Uma abordagem mais racional deveria calcular a probabilidade de falha levando em
conta os trs fatores descritos acima e selecionando as variveis de projeto de forma que um
risco aceitvel seja atingido. Este o fundamento do conceito de projeto baseado em risco.
Com esta abordagem, contudo, so necessrias informaes sobre as funes densidade de
probabilidades das cargas e resistncias, geralmente difceis de obter.
Pode-se exprimir a probabilidade de falha por:
p f = P( falha ) = P( R < Q)

(2.9)

Essa probabilidade pode ser calculada pela integrao da funo densidade de


probabilidade conjunta f R ,Q (r , q ) das variveis aleatrias envolvidas. No caso de variveis
aleatrias independentes tem-se:

19

pf = f R (r )dr f Q (q)dq = FR (q ) f Q (q )dq


0
0
0

(2.10)

onde FR (q ) a funo distribuio acumulada de R avaliada no ponto q. A equao (2.10)


estabelece que quando a carga Q = q, a probabilidade de falha FR (q ) e como a carga uma
varivel aleatria, a integrao deve ser realizada para todos os valores possveis de Q, com
suas respectivas verossimilhanas representadas pela funo densidade de Q. A equao
(2.10) a equao bsica do conceito de projeto baseado em uma anlise probabilstica.
Uma das dificuldades na aplicao da equao (2.10) o fato de que nem sempre a
distribuio acumulada de R ou a funo densidade de Q so disponveis em forma explcita.
O primeiro passo para a avaliao da confiabilidade ou probabilidade de falha de uma
estrutura escolher critrios de desempenho da estrutura e os parmetros de cargas e
resistncias relevantes para o problema. Assim, no lugar das variveis Q e R haver um vetor
de variveis bsicas X, composto pelas variveis aleatrias Xi e necessrio conhecer as
relaes funcionais entre as variveis que correspondem a um determinado critrio de
desempenho. Matematicamente, essa relao a chamada funo desempenho, que pode ser
escrita como:
g (X) = g ( X 1 , X 2 ,..., X n )

(2.11)

A chamada superfcie de falha, ou funo de estado limite de interesse, pode ser


definida no estado limite no qual g(X) = 0. Essa a fronteira entre as regies de segurana e
de falha no espao dos parmetros de projeto e, tambm, representa o estado alm do qual o
sistema de engenharia no mais capaz de desempenhar a funo para a qual foi projetado.
O estado limite e as regies seguras e inseguras esto esquematizadas na figura 5,
onde, por simplicidade, R e Q so as duas variveis aleatrias consideradas no projeto. A
figura 6 mostra funes densidade marginais fr e fq para R e Q, respectivamente, juntamente
com a funo densidade bivariada fR,Q(r,q).

20

g(R,Q) < 0
Regio insegura

Carga
Q
Estado limite
g(R,Q) = 0
g(R,Q) > 0
Regio segura

Resistncia
R
Figura 5 Ilustrao do conceito de estado limite.

f R (r )

f RQ (r , q )
f Q (q )

r
f RQ ( )

Q
g=0

g < 0: domnio
de falha

g > 0: domnio
da segurana

Figura 6 Regio de integrao para determinao da probabilidade de falha


(adaptado de MELCHERS, 1987)

A equao do estado limite uma parte importante no desenvolvimento de mtodos de


anlise de confiabilidade estrutural. Um estado limite pode ser uma funo explcita ou
implcita das variveis aleatrias bsicas e pode ser uma funo simples ou complexa.
Usando a equao (2.10), pode-se estabelecer que a falha ocorre quando g(X) < 0.
Portanto, a probabilidade de falha p f dada pela integral:

21

p f = L

X
g ( X )<0

( x1 , x 2 ,..., x n )dx1 dx 2 ...dx n

(2.12)

onde f X ( x1 , x 2 ,..., x n ) a funo densidade conjunta para as variveis bsicas X 1 , X 2 ,..., X n


e a integrao realizada na regio de falha, isto , onde g(X) < 0. Se as variveis bsicas
forem estatisticamente independentes, a distribuio conjunta pode ser substituda pelo
produto das funes densidade individuais na integral.
A equao (2.12) uma representao mais geral da equao (2.10). O clculo de pf
pela equao (2.12) chamado de abordagem distribucional completa e esta a equao
fundamental da anlise de confiabilidade.
Em geral, a distribuio de probabilidades conjunta muito difcil de se obter.
Segundo Haldar e Mahadevan (2000), mesmo que esta informao estivesse disponvel, seria
extremamente complicado avaliar a integral mltipla da equao (2.12). Assim, uma possvel
abordagem utilizar aproximaes analticas da integral que sejam mais simples de calcular.
Essa abordagem analtica pode ser agrupada em dois conjuntos de mtodos: mtodos de
confiabilidade de primeira ordem (da sigla inglesa, FORM) e mtodos de confiabilidade de
segunda ordem (SORM), alm da simulao Monte Carlo.
A funo do estado limite pode ser linear ou no linear em relao s variveis
bsicas. Abordagens do tipo FORM podem ser utilizadas para avaliar a equao (2.12)
quando a funo do estado limite uma funo linear de variveis normais no
correlacionadas ou quando a equao do estado limite representada por uma aproximao de
primeira ordem (linear) de variveis normais equivalentes. Abordagens SORM podem ser
aplicadas para estimar probabilidades de falha para funes desempenho no lineares, e para
casos de variveis correlacionadas e no normais.
Hurtado e Alvarez (2003) apresentam uma classificao de mtodos disponveis para
anlises de confiabilidade (figura 7). Os mtodos podem ser classificados como aqueles
baseados na teoria das probabilidades (e expanses em sries de Taylor) e mtodos baseados
na gerao de amostras sintticas (simulaes Monte Carlo). Na primeira categoria, podem
ser encontrados mtodos que procuram estimar a confiabilidade com momentos de baixa
ordem (normalmente mdias e covarincias) das respostas estruturais. A estimativa da
confiabilidade de uma estrutura por esses mtodos deve recorrer a vrias hipteses bsicas,
tais como a normalidade das variveis analisadas. Alm desses, tambm podem ser
encontrados mtodos que procuram estimar as funes densidade de algumas variveis

22

relevantes. Segundo Hurtado e Alvarez (2003), dessa maneira a estimativa da confiabilidade


poderia ser conseguida sem maiores dificuldades. Em outro extremo, existe a categoria dos
mtodos baseados em simulaes Monte Carlo, os quais podem ser considerados mtodos
diretos, pois geralmente usam programas computacionais de Elementos Finitos para calcular
as variveis de resposta estrutural.

Mtodos de anlise de confiabilidade

Expanso em srie de Taylor

FORM

Simulaes Monte Carlo

SORM

Figura 7 Classificao dos mtodos de anlise de confiabilidade


(adaptado de Hurtado e Alvarez, 2003).

2.7.1 Mtodos de Confiabilidade de Primeira Ordem (FORM)


O desenvolvimento de abordagens FORM historicamente ocorreu a partir de mtodos
que usam o primeiro e segundo momentos das variveis aleatrias. Estes mtodos podem ser
divididos em segundo momento e primeira ordem (do original, FOSM) e segundo momento e
primeira ordem avanado (AFOSM). Nos mtodos FOSM, as informaes sobre a
distribuio das variveis aleatrias so ignoradas, e na abordagem AFOSM estas
informaes so usadas de forma apropriada.
a) Mtodo do Segundo Momento e Primeira Ordem (FOSM) ou Mtodo MVFOSM
O mtodo FOSM tambm conhecido na literatura como mtodo do valor mdio
segundo momento e primeira ordem (MVFOSM). Os mtodos MVFOSM receberam esta
denominao devido ao fato de que so baseados em aproximaes em sries de Taylor de
primeira ordem, onde a funo desempenho linearizada nos valores mdios das variveis
aleatrias, e tambm porque o mtodo usa apenas estatsticas at segunda ordem (mdias e
covarincias).
Em sua forma mais simples, anlises de confiabilidade em abordagens FOSM utilizam
apenas os dois primeiros momentos (mdias e varincias) das variveis aleatrias escolhidas

23

para a anlise. Utilizando inicialmente apenas duas variveis, uma funo desempenho pode
ser escrita como:
g (X) = X 1 X 2 , com X1 = R e X2 = Q

(2.13)

Para variveis normais (gaussianas):


Uma varivel aleatria X tem distribuio Normal ou gaussiana quando a sua funo
densidade de probabilidades tem a forma (MOOD et al., 1986):

f X ( x) =

( x )2
2 2

(2.14)

X , , + , E( X ) = , V( X ) = 2

Assumindo que R e Q sejam estatisticamente independentes e normalmente


distribudas, g(X) tambm normal, pois uma combinao linear de variveis aleatrias
gaussianas tambm gaussiana.
Um evento de falha pode ser definido como o estado no qual R < Q, ou
g (X) = R Q < 0 .

Portanto,

probabilidade

de

falha

pode

ser

definida

p f = P[ g (X) < 0] , ou:

g (X) g ( X )

p f = P
< 0 ,

g (X)

(2.15)

R Q R Q

p f = P
< 0 ,

R Q

(2.16)

0 ( )
R
Q
p f =
2
2
R + Q

(2.17)

onde

ou seja,

ou,

como

24


R
Q
p f = 1
2
R + Q2

(2.18)

onde ( ) a funo distribuio acumulada da Normal Padro.


A probabilidade de falha depende da relao entre o valor mdio de g (X) e seu
desvio padro. Esta razo conhecida como ndice de confiabilidade, geralmente denotado
por :

g ( X ) R Q
R Q
=
=
g ( X ) R Q
R2 + Q2

(2.19)

Comparando-se a expresso acima com a anterior, definida para a probabilidade de


falha, pode-se redefinir a probabilidade de falha como:
p f = 1 ( ) = ( )

(2.20)

A interpretao fsica do ndice de confiabilidade pode ser entendida como sendo o


afastamento da mdia g ( X ) em relao ao estado limite g(X) = 0, em unidades de desvios
padres da funo desempenho.
Uma informao importante que o ndice de confiabilidade geometricamente
corresponde distncia de g (X) , no caso de uma reta, origem no espao bidimensional das
variveis reduzidas Y1 e Y2 (figura 8), pois tem-se que, se a margem de segurana m dada
por:
m(Y1 , Y2 ) = R Q = Y1 R + R Y2 Q Q , com
Y1 =

R R

e Y2 =

Q Q

ento a distncia de m(Y1 , Y2 ) origem obtida por:

(2.21)
(2.22)

25

d=

R .0 Q .0 + R Q

R2 + Q2

R Q
R2 + Q2

(2.23)

g (X) = 0

Regio de falha

g (X) < 0

d
R
g (X) > 0

Regio de segurana

Figura 8 Regies de falha e de segurana no espao das variveis reduzidas

Para variveis log-normais:


Uma varivel aleatria X tem distribuio Log-normal quando a funo de X,

= ln( X ) , tem distribuio Normal. A funo densidade de probabilidades da varivel


aleatria X com distribuio Log-normal dada pela expresso (MOOD et al., 1986):

f X ( x) =

1
x 2

1
2 2

(ln( x ) ) 2

(2.24)

X + , , +

e com = ln( X ) , tem-se:


E( ) = E(ln( X )) = e V( ) = V(ln( X )) = 2

(2.25)

J a esperana e a varincia da varivel aleatria X com distribuio Log-normal so


dadas por:
E( X ) = = e

1
2

+ 2

(2.26)

= ln( ) 2 e

(2.27)

o que implica que:


1
2

V ( X ) = 2 = 2 (e 1) ,

(2.28)

26

resultando, ento,
2
2 = ln1 + 2

(2.29)

Logo, possvel representar X e = ln( X ) em funo dos parmetros mdia e


varincia: X LN( , 2 ) e N( , 2 ) e a funo densidade de pode ser representada,
nesses termos, como:
f ( ) =

, , , +

(2.30)

Considerando os aspectos fsicos de um problema real de projeto, pode ser mais


apropriado utilizar uma abordagem alternativa que considera R e Q como variveis
independentes, porm com distribuies log-normais. Define-se ento uma nova funo
desempenho atravs de uma varivel aleatria como:

R
,
Q

(2.31)

ou,
ln( ) = ln( R) ln(Q)

(2.32)

Ento, se for o quociente entre duas variveis aleatrias log-normais e sabe-se que
n

i =1

i =1

se V = U i com U i log-normal e independentes ento ln(V ) = ln(U i ) normal.


Assim, como ln(V ) uma combinao linear de variveis aleatrias gaussianas, tambm
gaussiana e V log-normal. Portanto, com R LN( R , R2 ) e Q LN( Q , Q2 ), obtm-se
ln( ) = ln( R) ln(Q) e tem-se que:
E[ln( )] = = E[ln( R) ln(Q)] = R Q

(2.33)

V [ln( )] = 2 = V [ln( R) ln(Q)] = R2 + Q2

(2.34)

27

Assim, o evento de falha definido como < 1 ou g(X) = ln( ) = ln( R) ln(Q) < 0 .
Se R e Q so log-normais, ln(R) e ln(Q) so normais e, portanto, ln( ) tambm normal.
Logo, g (X) uma varivel normal, e a probabilidade de falha pode ser definida por:
p f = P[ln( ) < 0] = P[ln( R) ln(Q) < 0]

(2.35)

Transformando para uma varivel normal padro N(0,1),


ln( R) ln(Q) E[ln( R) ln(Q)] 0 [ E[ln( R )] E[ln(Q)]
p f = P
<

V [ln( R)] + V [ln(Q)]


V [ln( R )] + V [ln(Q)]


0 ( R Q )
R
Q

pf = P Z <
= 1
2
2
2

R + Q2
R + Q

(2.36)

(2.37)

Estas formulaes podem ser generalizadas para n variveis aleatrias, representadas


por um vetor X. A funo desempenho pode ser escrita como:
g(X) = g ( X 1 , X 2 ,..., X n )

(2.38)

Uma expanso em srie de Taylor da funo desempenho em torno da mdia resulta


em:
n

g (X) = g ( g ( X ) ) +
i =1

g
1 n n 2g
( X i Xi ) +
( X i Xi )( X j Xj ) + ... (2.39)
X i
2 i =1 j =1 X i X j

onde as derivadas so avaliadas nos valores mdios das variveis aleatrias ( X 1 , X 2 ,..., X n ) e

Xi o valor mdio de X i . Truncando esta srie nos termos lineares, obtm-se a


aproximao de primeira ordem da mdia e varincia como:

g ( X ) g ( X , X ,..., X )
1

(2.40)

e
n

g g
cov( X i , X j )
j =1 X i X j
n

g2( X )
i =1

(2.41)

28

onde cov( X i , X j ) a covarincia de X i e X j , ou seja,


cov( X i , X j ) = E[( X i X i )( X j X j )]

(2.42)

Assim, se as variveis no forem correlacionadas, ento a varincia calculada por


(ANG e TANG, 2007):

2
g (X)

g

i =1 X i
n

V ( X i )

(2.43)

O ndice de confiabilidade pode ser calculado pela razo entre a mdia e o desvio
padro de g(X), como na equao (2.19). Convm lembrar que a funo desempenho, neste
caso, linearizada nos valores mdios das variveis aleatrias, de acordo com o conceito do
mtodo MVFOSM.
Ao utilizar o ndice , possvel calcular as probabilidades de falha exatas apenas em
alguns poucos casos. Por exemplo, se todas as variveis X i forem normais e independentes e
se g(X) for uma funo linear dos X i , ento g(X) normal e a probabilidade de falha pode
ser calculada pela equao p f = 1 ( ) . Da mesma forma, se todos os X i forem variveis
log-normais independentes e se g(X) uma funo multiplicativa dos X i , ento ln[g(X)]
normal e a probabilidade de falha tambm dada pela equao p f = 1 ( ) .
Entretanto, na maioria dos casos nem todas as variveis sero independentes e com
distribuio normal ou log-normal. E, ainda, nem sempre a funo desempenho ser uma
funo aditiva ou multiplicativa destas variveis. Nesses casos, o ndice no pode ser
relacionado diretamente com a probabilidade de falha. Mas mesmo assim, pode fornecer um
valor aproximado do nvel de risco ou confiabilidade do projeto (RACKWITZ, 2001).
Segundo Haldar e Mahadevan (2000), o mtodo MVFOSM possui algumas
deficincias. O mtodo no usa a informao da distribuio das variveis quando esta
disponvel. A funo g(X) linearizada nos valores mdios dos valores de X i . Quando g(X)
no-linear, erros significativos podem ser introduzidos ao se desprezar os termos de ordem
mais elevada. Mais importante ainda, o ndice de confiabilidade definido na equao (2.19)

29

no constante sob formulaes diferentes, mas mecanicamente equivalentes da mesma


funo desempenho. Por exemplo, as margens de segurana definidas como RQ < 0 e R/Q
< 1 so mecanicamente equivalentes, mas as probabilidades de falha fornecidas pelas
equaes podem ser diferentes, para as duas formulaes. Alm disso, um problema de
engenharia pode ser formulado em termos de tenso ou resistncia e deveriam produzir
resultados idnticos em cada caso, mas a formulao MVFOSM pode gerar dois ndices de
confiabilidade diferentes.
Segundo Vieira (2005) o mtodo MVFOSM, embora de grande utilizao prtica,
apresenta algumas desvantagens, dentre as quais a j citada variabilidade do risco calculado
para diferentes formulaes da funo desempenho. A outra desvantagem citada pelo autor
a de que nos projetos de engenharia civil os eventos de falha correspondem a valores
extremos e no a valores mdios. As variveis envolvidas so na maioria das vezes associadas
a grandes varincias e distribuies assimtricas. Alm disso, os sistemas de engenharia civil
usualmente apresentam comportamento no-linear. Assim, o risco calculado a partir do
desenvolvimento em srie de g(X) e dos valores mdios das variveis Xi pode diferir do risco
real.
Diversos trabalhos j foram publicados sobre o estudo e soluo das deficincias
acima apresentadas. Com um ganho considervel de complexidade matemtica e custo
computacional, possvel avaliar a confiabilidade para conjuntos de variveis no-normais,
correlacionadas e com funes desempenho no lineares, ou combinaes dos casos
anteriores. A abordagem conhecida como mtodo de Hasofer-Lind um dos procedimentos
clssicos que podem ser utilizados para esta finalidade.
b) Mtodo AFOSM para Variveis Normais e independentes (Mtodo de Hasofer-Lind)
O mtodo de Hasofer-Lind (H-L) aplicvel s variveis aleatrias normais
(gaussianas). O mtodo usa variveis normais reduzidas (padronizadas), ou seja:

Zi =

X i Xi

Xi

(i = 1, 2, ... , n)

(2.44)

onde Z i uma varivel aleatria com mdia zero e desvio padro unitrio, ou seja, normal
padro. A equao (2.44) utilizada para transformar o estado limite original g(X) = 0 para
o estado limite reduzido g(Z) = 0. Assim, transforma-se do espao original de projeto para o

30

espao reduzido. O sistema de coordenadas X chamado de sistema original de coordenadas


e o novo sistema Z o sistema de coordenadas transformado ou reduzido. conveniente
notar que, se X i normal, Zi normal padro.
Pelo mtodo de Hasofer-Lind, o ndice de confiabilidade HL definido como a
mnima distncia da origem de um sistema de coordenadas formado pelas variveis reduzidas
at a superfcie do estado limite (ou superfcie de falha). Esta distncia pode ser calculada por:

H L = (z*)T (z*)

(2.45)

O ponto de mnima distncia na superfcie de estado limite chamado de ponto de


projeto ou ponto de verificao. Este ponto representado pelo vetor x* do sistema de

coordenadas do espao original e pelo vetor z* no sistema de coordenadas no espao


reduzido. Estes vetores representam os valores de todas as variveis aleatrias, isto ,
X 1 , X 2 ,..., X n no ponto de projeto no sistema de coordenadas em uso.

O mtodo de Hasofer-Lind pode ser melhor entendido com a ajuda das figuras 9 e 10.
Considerando uma equao de estado limite com duas variveis:
g(Z) = R Q = 0

(2.46)

Um conjunto de variveis reduzidas definido por:

ZR =
ZQ =

R R

Q Q

(2.47)
(2.48)

Se as equaes (2.47) e (2.48) forem substitudas na equao (2.46), a equao do


estado limite no sistema de coordenadas reduzidas fica:
g ( Z) = R Z R Q Z Q + R Q = 0

(2.49)

31

Q
Ponto de projeto
(r*, q*)

RQ=0

q*
Regio insegura

( R , Q )

Regio segura

r*

Figura 9 Mtodo de Hasofer-Lind. Sistema de coordenadas originais.

ZQ
regio
insegura
Z<0

Ponto de projeto
(zr*, zq*)

(0,

R Q
)
Q

regio
segura
Z>0

H-L
(-

R Q
,0)
R

ZR

Figura 10 Mtodo de Hasofer-Lind. Sistema de coordenadas reduzidas.

A transformao da equao do estado limite da forma original para as variveis


reduzidas mostrada na figura 10, assim como as regies de segurana e de falha. Na figura
10 mostra-se que se a linha de falha (linha do estado limite) mais prxima da origem, a
regio de falha maior, e se ela estiver mais afastada da origem, a regio de falha menor.
Assim, a posio da superfcie do estado limite em relao origem no sistema de
coordenadas reduzido uma medida da confiabilidade do sistema. Utilizando apenas
geometria, a distncia da linha de estado limite origem dada pela equao (2.50),
conforme j foi detalhado no item 2.7.1:

32

H L =

R Q

(2.50)

R2 + Q2

Essa distncia chamada de ndice de confiabilidade ou fator de segurana e trata-se


do mesmo ndice de confiabilidade definido pelo mtodo MVFOSM expresso na equao
(2.19), sendo que, naquele caso, R e Q deveriam ser variveis normais. A equao (2.50)
expressa o mesmo ndice que foi obtido de uma forma completamente diferente, utilizando
geometria. Isso indica que, se a funo de estado limite linear e as variveis aleatrias R e Q
forem normais, ambos os mtodos iro produzir ndices de confiabilidade idnticos, mas o
mesmo no ocorre em outras situaes (HALDAR e MAHADEVAN, 2000).
No

caso

geral,

para

variveis

aleatrias

representadas

pelo

vetor

X = ( X 1 , X 2 ,..., X n ) no sistema de coordenadas original e Z = ( Z 1 , Z 2 ,..., Z n ) no sistema de


coordenadas reduzidas, a funo de estado limite g ( Z) = 0 uma funo no-linear. Esse fato
representado esquematicamente na figura 11, para duas coordenadas. Nesse caso, g ( Z) > 0
representa o estado seguro e g ( Z) < 0 representa o estado de falha. Da mesma forma, o ndice
de confiabilidade HL aqui definido como a distncia mnima da origem at o ponto de
projeto no sistema de coordenadas reduzidas, podendo assim ser expresso pela equao
(2.45), onde z * representa as coordenadas do ponto de projeto ou o ponto de mnima
distncia da origem at o estado limite. Nesta definio, o ndice de confiabilidade
invariante, porque, independentemente da forma na qual a equao do estado limite escrita,
sua forma geomtrica e a distncia da origem permanecem constantes. Para uma superfcie de
estado limite onde a regio de falha esteja longe da origem, possvel notar na mesma figura
que z * o ponto de maior probabilidade de falha. possvel notar que quanto mais perto z *
estiver da origem, maior a probabilidade de falha. Portanto, o ponto de mnima distncia na
superfcie de estado limite tambm o ponto de maior probabilidade de falha. O ponto de
mnima distncia da origem at a superfcie de estado limite, z * , representa a pior
combinao de variveis estocsticas e tambm apropriadamente denominado de ponto de
projeto ou mais provvel ponto (MPP) de falha.

33

Z2
g ( Z) < 0

z * (ponto de projeto)
g ( Z) = 0

HL
g ( Z) > 0

Z1
Figura 11 ndice de confiabilidade de Hasofer-Lind. Funo desempenho no-linear.

Para estados limites no-lineares, o clculo da mnima distncia torna-se um problema


de otimizao:

Minimizar D = Z Z
Sujeito restrio g ( Z) = 0

onde o vetor z, a ser estimado, representa as coordenadas do ponto de clculo na equao do


estado limite em coordenadas reduzidas. Por meio do mtodo dos multiplicadores de
Lagrange, possvel obter a expresso para a mnima distncia (ANG e TANG, 1990):

g
z

i =1
Z i
=
n
g
z i*

i =1
Z i
n

HL

*
i

*2

(2.51)

34

onde (g / Z i ) * a i-sima derivada parcial avaliada no ponto de projeto com coordenadas


( z1* , z 2* ,..., z n* ) . O asterisco na derivada parcial indica que a mesma avaliada no ponto
( z1* , z 2* ,..., z n* ) . O ponto de projeto em coordenadas reduzidas dado por:
z i* = i H L (i = 1, 2, ... , n)

(2.52)

onde

i =

Z i

i =1 Z i
n

(2.53)

*2

so os co-senos diretores entre o vetor que representa e os eixos coordenados Z i . No espao


das coordenadas originais, o ponto de projeto :
xi* = X i i X i H L

(2.54)

Ditlevsen (1979) apud Haldar e Mahadevan (2000) mostraram que, para uma
superfcie de estado limite no linear, HL perde a condio de comparabilidade; a ordem dos
valores de HL podem no ser consistentes com a ordem das verdadeiras confiabilidades. Isto
pode ser demonstrado observando-se a figura 11, com duas funes de estado limite: uma
plana e outra curva. A regio sombreada direita de cada curva representa a correspondente
regio de falha. A estrutura com funo de estado limite plana possui uma confiabilidade
diferente daquela com superfcie de estado limite curva, mas os valores de HL so iguais nas
duas superfcies, sugerindo uma mesma confiabilidade. Para superar esta inconsistncia,
Ditlevsen (1979) introduziu o conceito de um ndice de confiabilidade generalizado, g ,
definido como:

g = 1 [ L ( z1 ) ( z 2 ) L ( z n )dz1 dz 2 L dz n ]

g ( Z > 0)

(2.55)

onde e so a funo distribuio acumulada e a funo densidade de probabilidade de


uma varivel normal padro, respectivamente. Como este ndice de confiabilidade inclui toda

35

a regio segura, proporciona uma ordenao consistente da confiabilidade de segundo


momento. A integral desta equao se parece com a da equao (2.12), obviamente sendo de
difcil avaliao direta. Sendo assim, Ditlevsen (1979) props uma aproximao para estados
limites no lineares por meio de uma superfcie polidrica consistindo de hiperplanos
tangentes em pontos selecionados da superfcie.
Vrias observaes importantes so necessrias quando se comparam os ndices de
segurana calculados pelo mtodo MVFOSM (equao 2.19) e pelo mtodo AFOSM,
segundo Hasofer-Lind (equao 2.51). Sendo linear a equao de estado limite da resistncia
e carga e todas as variveis sendo normais, os ndices de segurana calculados pelos dois
mtodos sero iguais. Entretanto, o mtodo MVFOSM no usa nenhuma informao sobre a
distribuio da resistncia e carga, enquanto que o mtodo AFOSM de Hasofer-Lind
aplicvel apenas quando esta distribuio normal. A diferena mais importante o fato de
que no mtodo MVFOSM o ponto de projeto representado pelos valores mdios de R e Q,
indicando que este ponto no est sobre a linha de estado limite. No mtodo AFOSM de
Hasofer-Lind o ponto de projeto est sobre a linha de estado limite.
c) Mtodos AFOSM para variveis no-normais
O ndice de confiabilidade de Hasofer-Lind pode ser relacionado exatamente com a
probabilidade de falha apenas se todas as variveis envolvidas forem estatisticamente
independentes e normalmente distribudas e se a superfcie de estado limite for linear. Em
qualquer outra situao, o mtodo no fornece a informao correta sobre a probabilidade de
falha (HALDAR e MAHADEVAN, 2000). Diversos autores, como Rackwitz e Fiessler, Chen
e Lind e outros, corrigiram este problema e incluram informaes sobre as distribuies das
variveis aleatrias para equaes de estado limite lineares e no lineares. No contexto do
mtodo AFOSM, a probabilidade de falha estimada utilizando dois tipos de aproximaes
ao estado limite no ponto de projeto: primeira ordem (conhecido pela sigla FORM) e segunda
ordem (SORM). O mtodo MVFOSM j apresentado uma verso mais antiga da abordagem
FORM.
2.7.2 Mtodos de Confiabilidade de Segunda Ordem (SORM)
Os estados limites, implcitos ou explcitos, lineares ou no, so essenciais na anlise
de risco e confiabilidade. Os clculos necessrios para anlise de confiabilidade de problemas

36

com equaes de estado limite lineares so relativamente simples. Entretanto, o estado limite
pode ser no-linear ou devido a uma relao no linear entre as variveis aleatrias na
equao do estado limite ou devido existncia de variveis no-normais no problema. Um
estado limite linear no espao de coordenadas originais torna-se no-linear quando
transformado para um espao de variveis normais padro, que onde a busca da distncia ao
ponto de projeto conduzida, se qualquer das variveis envolvidas for no-normal (HALDAR
e MAHADEVAN, 2000). Alm disso, a transformao de variveis correlacionadas para nocorrelacionadas tambm pode induzir no-linearidades. Se a funo densidade de
probabilidade conjunta decai rapidamente medida que se move para longe do ponto de
mnima distncia, ento a estimativa de primeira ordem da probabilidade de falha
suficientemente precisa. Se o decaimento da funo densidade conjunta lento e o estado
limite altamente no-linear, ento torna-se necessrio utilizar uma aproximao de maior
ordem para o clculo da probabilidade de falha.
A figura 11, apresentada anteriormente, contm duas funes de estado limite: uma
linear e outra no-linear. Ambas possuem o mesmo ponto de distncia mnima, mas os
domnios de falha, representados pelas regies sombreadas, so diferentes nos dois casos. A
abordagem FORM produzir a mesma estimativa de confiabilidade em ambos os casos. Mas
pode-se observar que a probabilidade de falha na condio de estado limite no-linear deve
ser menor que no estado limite linear, devido diferena nos domnios de falha.
A curvatura do estado limite no-linear ignorada na abordagem FORM. A curvatura
da funo de estado limite em torno do ponto de distncia mnima determina a preciso da
aproximao de primeira ordem no mtodo FORM. A curvatura, em uma funo qualquer,
avaliada por meio das derivadas segundas das variveis bsicas. Logo, a abordagem de
segunda ordem SORM melhora a aproximao FORM ao incluir informaes sobre a
curvatura da funo de estado limite.
Uma aproximao em srie de Taylor de segunda ordem para uma funo genrica no
linear g ( X 1 , X 2 ,..., X n ) no ponto ( x1* , x 2* ,..., x n* ) pode ser escrita como:
g ( X 1 , X 2 ,..., X n ) = g ( x1* , x 2* ,..., x n* ) +

g 1 n n
2g
*
*
+ ( xi x )
+ ( xi xi )( x j x j )
+ ...
X i 2 i =1 j =1
X i X j
i =1
n

*
i

onde as derivadas so calculadas no ponto de projeto dos X i s.

(2.56)

37

As variveis ( X 1 , X 2 ,..., X n ) so utilizadas na equao (2.56) com um sentido


genrico, mas podem ser denotadas conforme o espao a ser considerado. No caso da anlise
de confiabilidade, a aproximao de segunda ordem de g(X) construda no espao das
variveis normais padro, no ponto de distncia mnima. A seguinte notao ser utilizada
nesta seo: X i refere-se a uma varivel aleatria no espao original e Yi representa a
varivel aleatria no espao de variveis normais padro e no-correlacionadas. Se todas as
variveis forem no-correlacionadas,

Yi =

( X i XNi )

XN

(2.57)

onde XNi e XNi so a mdia e desvio padro da varivel normal equivalente de X i no ponto
de projeto xi* . A transformao de X i em Yi exige um algoritmo especfico para variveis
correlacionadas (HALDAR e MAHADEVAN, 2000).
Na aproximao em srie de Taylor da equao anterior, a abordagem FORM ignora
os termos alm dos de primeira ordem (envolvendo derivadas primeiras), e a abordagem
SORM ignora os termos alm dos de segunda ordem (envolvendo derivadas de segunda
ordem).
A abordagem SORM foi primeiro explorada por Fiessler et al. (1979) apud Haldar e
Mahadevan (2000) usando aproximaes quadrticas. Uma soluo para o clculo da
probabilidade ( p f 2 ) usando uma aproximao de segunda ordem foi dada por Breitung
(1984) que usa a teoria das aproximaes assintticas:
n 1

p f 2 ( ) (1 + k i ) 1 / 2

(2.58)

i =1

onde k i representa as curvaturas principais da funo de estado limite no ponto de mnima


distncia, e o ndice de confiabilidade usando a abordagem FORM. Breitung (1984)
mostrou que a probabilidade calculada pelo mtodo SORM estimada assintoticamente se
aproxima da estimativa de primeira ordem medida que se aproxima do infinito, se ki
permanecer constante.

38

Y2
g (Y1 , Y2 ) < 0

( y1* , y 2* ) (ponto de projeto)

Y1

g (Y1 , Y2 ) = 0

g (Y1 , Y2 ) > 0

Y1

Y2
Figura 12 Rotao de coordenadas no mtodo SORM.

Na equao (2.58), necessrio calcular as curvaturas principais k i . Para fazer isto,


em primeiro lugar rotacionam-se as variveis Yi (no espao de Y) para outro conjunto de
variveis Yi , de forma que a ltima varivel Yi coincida com o vetor , o vetor gradiente
unitrio da funo de estado limite no ponto de mnima distncia. Este procedimento
ilustrado na figura 12, para uma situao com apenas duas variveis aleatrias. Pode ser
observado que se trata de uma rotao de coordenadas, podendo ser descrita pela
transformao do espao de Y em um espao de Y , com uma transformao ortogonal:
Y = R Y

(2.59)

onde R a matriz de rotao e R R = R R = I , sendo I a matriz identidade. Para um caso


com apenas duas variveis,

39

cos
R=
sen

sen
,
cos

(2.60)

onde o ngulo de rotao mostrado na figura 12 (rotao no sentido anti-horrio dos eixos
para um valor positivo de ). Quando o nmero de variveis for maior que dois, a matriz R
calculada em duas etapas. Primeiro, uma matriz R0 calculada como:
1 0
0 1

R0 = .
.

.
.
1 2

. .

0 . .
.
.

. .
. .

. .

0
0
.

.
n

(2.61)

onde 1 , 2 ,K, n so os co-senos diretores, isto , os componentes do vetor gradiente


unitrio mostrado na figura anterior. Na segunda etapa, o procedimento de ortogonalizao
de Gram-Schmidt aplicado a esta matriz, resultando assim na matriz R.
Uma vez que a matriz R seja obtida, uma outra matriz A, cujos elementos so
denotados por aij , calculada. A expresso para clculo dos aij :

aij =

(RDR T ) ij
*

G ( y )

i, j = 1, 2, ... , n 1

(2.62)

onde D a matriz das derivadas segundas da matriz da superfcie do estado limite, no espao
das variveis normais padro, calculada no ponto de projeto, R a matriz de rotao, e
*

G ( y ) o comprimento do vetor gradiente no espao normal padro.


No espao rotacionado, a ltima varivel, Yn , coincide com o vetor calculado por
FORM. Na prxima etapa, a ltima linha e ltima coluna da matriz A e a ltima linha do
vetor Y so eliminados para levar este fator em considerao. O estado limite ento pode ser
reescrito em termos de uma aproximao de segunda ordem neste espao normal padro
Y como:

y n = +

1 T
y A y
2

(2.63)

40

onde a matriz A, agora, tem a ordem (n 1) (n 1).


Finalmente, os valores das curvaturas principais k i , usadas na frmula de
Breitung (1984), so calculados como os autovalores da matriz A. Uma vez que os k i s sejam
calculados, a frmula de Breitung (equao 2.58) pode ser aplicada para calcular a estimativa
de segunda ordem da probabilidade de falha.
O mtodo SORM de Breitung usa uma aproximao parablica, isto , no usa uma
aproximao geral de segunda ordem. O mtodo ignora os termos mistos e suas derivadas na
aproximao em srie de Taylor. Tambm usa a teoria das aproximaes assintticas para
calcular as estimativas da probabilidade. A frmula assinttica precisa apenas para valores
grandes de , o que pode ocorrer no caso de problemas com valores altos de confiabilidade.
Em Zhao et al. (2002), as aproximaes de Breitung (1984) e outra expresso definida
por Zhao e Ono (1999) so apresentadas. Segundo Breitung, uma aproximao geral
parablica pode ser definida por:

G S ( U) = F u n +

1 n 1
k j j 2j

2 j =1

(2.64)

onde G S ( U) a funo desempenho de segunda ordem definida no espao n-dimensional U


de variveis normais padro u j , j = 1,..., n e k j , j = 1,..., n so as curvaturas principais da
superfcie, determinadas como sendo os autovalores de uma matriz com n-1 colunas e n-1
linhas, transformada a partir de uma matriz Hesseana (BREITUNG, 1984) no ponto de projeto
obtida pelo mtodo FORM. F o ndice de confiabilidade de primeira ordem.
A aproximao de Zhao e Ono (1999) apud Zhao et al. (2002) expressa por uma
aproximao parablica simples:

GS ( U) = F un +

1 n 1 2
u j
2 R j =1

(2.65)

onde R o raio de curvatura principal mdio, o qual pode ser obtido sem o uso de matriz de
transformao ou anlise de autovalores e n o nmero de variveis aleatrias.
Zhao e Ono (1999) investigaram a preciso das abordagens FORM e SORM,
concluindo que a exatido dos resultados depende principalmente de trs parmetros: o raio

41

de curvatura R no ponto de projeto, o nmero n de variveis aleatrias do problema e o valor


do ndice de confiabilidade F obtido na abordagem de primeira ordem FORM. Os resultados
obtidos pelos autores auxiliam no julgamento de quando o mtodo FORM suficientemente
preciso, quando o mtodo SORM recomendvel e quando um mtodo mais preciso como a
transformao rpida inversa de Fourier (IFFT) recomendvel. Os mesmos autores tambm
propuseram um procedimento geral para a abordagem FORM/SORM por meio de regresso
da funo de estado limite, clculo da soma das curvaturas principais e clculo da
probabilidade de falha baseada no valor obtido da soma das curvaturas principais.
Zhao et al. (2002) apresentam as propriedades dos momentos das aproximaes
representadas pelas equaes (2.64) e (2.65). Dois ndices de confiabilidade baseados nas
aproximaes de segunda ordem usando os trs primeiros momentos so apresentados nos
itens a) e b) a seguir:
a) ndice de confiabilidade de segunda ordem e terceiro momento para a aproximao
parablica simples.
Usando as definies dos momentos de probabilidades, os trs primeiros momentos
centrais de GS da equao (2.65) so:

S = F +

n 1
,
2R

(2.66)

s2 = 1 +

n 1
,
2R 2

(2.67)

3 S s3 =

n 1
,
R3

(2.68)

onde S e S so, respectivamente, a mdia e o desvio padro da funo desempenho de


segunda ordem G S ( U) e 3 S o terceiro momento central adimensional. O ndice de
confiabilidade que corresponde aproximao parablica simples obtido como:
1
6

2
SOTM = SOSM + 3 S ( SOSM
1) ,

onde

(2.69)

42

SOSM =

S
+ (n 1) / 2 R
= F
S
1 + (n 1) / 2 R 2

(2.70)

J que os momentos de segunda e terceira ordem so usados nas equaes anteriores,


os ndices propostos so chamados de ndices de confiabilidade de segunda ordem e terceiro
momento (SOTM) e segunda ordem e segundo momento (SOSM). Particularmente, quando

3 S = 0, SOTM = SOSM . Quando o raio de curvatura da funo desempenho suficientemente


grande, S se aproxima de 1 e 3 S tende a zero, e ento os ndices SOTM e SOSM
degeneram para SOTM = SOSM = F , o ndice de confiabilidade de primeira ordem.
b) ndice de confiabilidade de segunda ordem e terceiro momento para a aproximao
parablica geral.
Para a aproximao parablica geral da equao (2.64), os trs primeiros momentos
centrais so:

S = F +
s2 = 1 +

1 n 1
ki ,
2 i =1

1 n 1 2
ki ,
2 i =1
n 1

3 S s3 = k i3

(2.71)
(2.72)
(2.73)

i =1

O ndice de confiabilidade que corresponde aproximao parablica geral :

SOSM =

S
=
S

F +

1 n 1
ki
2 i =1

1 n 1
1 + k i2
2 i =1

(2.74)

Lembrando que a abordagem FORM aplicvel apenas nos casos em que o raio de
curvatura da funo desempenho muito grande, Zhao et al. (2002) definiram um critrio
para julgar quando a abordagem FORM suficientemente precisa:

43

S F

(2.75)

onde o erro tolervel na abordagem FORM (em porcentagem).


Na expresso (2.75), para a aproximao parablica simples,

S = F +

n 1
2R

(2.76)

1 n 1
ki
2 i =1

(2.77)

e para a aproximao parablica geral,

S = F +

A expresso da faixa aplicvel da abordagem FORM (equao 2.75), portanto, pode


tambm ser escrita como:

n 1
2 F

(aproximao parablica simples)

(2.78)

2 F

(2.79)

ou
n 1

k
i =1

2.7.3

Anlise de Confiabilidade com variveis correlacionadas


Os mtodos FORM e SORM, da forma como foram aqui apresentados, assumem

implicitamente que as variveis bsicas X 1 , X 2 ,..., X n no so correlacionadas. Entretanto,


muitas vezes algumas dessas variveis so correlacionadas. Considerando-se que os X i s
sejam variveis correlacionadas com mdias X i e desvios padro X i , a matriz de
covarincia do vetor X representada por:

44

X2 1
Cov( X 1 , X 2 )

Cov( X 2 , X 1 )
X2 2

V(X) =

M
M

Cov( X n , X 1 ) Cov( X n , X 2 )

L Cov( X 1 , X n )

L Cov( X 2 , X n )

O
M

2
L
Xn

(2.80)

Se as variveis reduzidas Z i forem definidas como:

Zi =

X i Xi

(i = 1, 2, ... , n)

(2.81)

ento, possvel mostrar que a matriz de correlao C das variveis reduzidas Z i :

Z ,Z
C = 2 1
M

Z n , Z1

Z ,Z
1

1
M

n ,Z 2

L Z1 , Z n
L Z 2 , Z n
O
M

1
L

(2.82)

onde Z i , Z j o coeficiente de correlao das variveis Z i e Z j .


Os mtodos FORM e SORM podem ser usados se as variveis X i forem
transformadas em variveis no correlacionadas normais reduzidas Y, exprimindo a equao
do estado limite em funo destas variveis Y. Isto pode ser feito por meio da seguinte
equao matricial:
X = ST Y + M

(2.83)

Na equao (2.83) a matriz S diagonal e corresponde matriz de desvios padres, ou


seja, contm na diagonal principal os desvios padres XNi das variveis normais equivalentes
de X i , i = 1, 2, ..., n no ponto de projeto, usando a equao da superfcie de estado limite. O
vetor M de dimenso n contm as mdias XNi destas mesmas variveis, e T a matriz de
transformao para converter as variveis reduzidas correlacionadas de Z em variveis no
correlacionadas normais reduzidas Y. Pode-se mostrar que a matriz T (HALDAR e
MAHADEVAN, 2000):

45

1(1) 1( 2)
(1)
2 2( 2)

T=
M
M
(1)
( 2)
n n

L 1( n )

L 2( n )
O M

L n(1)

(2.84)

onde os i(i ) so os elementos dos autovetores de C .


Assim, a matriz de transformao T ortogonal ( T T t = T t T = I ) e composta pelos
autovetores da matriz de correlao C .

(i )

o autovetor do i-simo modo e 1(i ) , 2( i ) , L, n( i )

so os componentes do i-simo autovetor. Usando a equao matricial acima, pode-se


escrever a equao do estado limite em funo de variveis normais reduzidas nocorrelacionadas de Y.
Para problemas prticos de grandes dimenses, as variveis correlacionadas podem
tambm ser transformadas em no-correlacionadas usando uma transformao ortogonal do
tipo:
Y = L1 ( Z) t

(2.85)

onde L uma matriz triangular inferior obtida por fatorizao de Cholesky da matriz de
correlao C . Se as variveis originais forem no-normais, seus coeficientes de correlao se
alteram na transformao para variveis normais equivalentes (HALDAR e MAHADEVAN,
2000).
O procedimento apresentado nesta seo pode ser aplicado quando as distribuies
marginais de todas as variveis e a matriz de covarincia forem conhecidas, o que , em geral,
difcil de acontecer. Quando as distribuies conjuntas de todas as variveis correlacionadas
no-normais forem conhecidas, um conjunto equivalente de variveis normais independentes
pode ser obtido usando a transformao Rosenblatt (ANG e TANG, 1990). De um ponto de
vista prtico, esta situao rara (HALDAR e MAHADEVAN, 2000), a menos que todas as
variveis sejam normais ou todas sejam log-normais. Alm disso, no possvel definir a
funo densidade de probabilidade conjunta apenas usando as informaes sobre as
distribuies marginais e a matriz de covarincia (BICKEL e DOKSUM, 1977).
No presente estudo, as variveis envolvidas nas equaes de estado limite do projeto
foram consideradas independentes (no-correlacionadas).

46

2.7.4

Simulao Monte Carlo


A simulao Monte Carlo uma tcnica que pode ser utilizada para gerar resultados

numericamente sem a necessidade de realizar a simulao fsica do fenmeno. Podem ser


utilizados resultados de testes prvios, ou outras informaes, para estabelecer as distribuies
de probabilidade dos parmetros do problema. Esta informao utilizada para gerar amostras
de dados numricos. Segundo Ang e Tang (1990), uma amostra obtida de uma simulao
Monte Carlo similar a uma amostra de observao experimental. Portanto, os resultados das
simulaes podem ser tratados estatisticamente. Por esta razo, o mtodo Monte Carlo
tambm uma tcnica de amostragem, possuindo os mesmos problemas da teoria da
amostragem, ou seja, os resultados so tambm sujeitos a erros amostrais. Em geral, as
solues obtidas pelo mtodo Monte Carlo com amostras finitas no so exatas, a menos que
o tamanho da amostra seja infinitamente grande.
O Mtodo Monte Carlo freqentemente aplicado em trs situaes (NOWAK e
COLLINS, 2000):
1. Para resolver problemas complexos para os quais uma soluo analtica muito
difcil ou mesmo impossvel de se obter;
2. Para resolver problemas complexos que podem ser resolvidos (pelo menos
aproximadamente) de forma analtica, mas de forma simplificada. Utilizando
simulao Monte Carlo, o problema original pode ser estudado sem as
simplificaes e assim resultados mais realistas podem ser obtidos;
3. Para verificar os resultados de outras tcnicas.
No caso do presente estudo, o Mtodo Monte Carlo foi utilizado na situao (3), para
conferir e comparar resultados com os demais mtodos de confiabilidade estrutural.
A base de todos os procedimentos de simulao Monte Carlo a gerao de nmeros
aleatrios. A gerao desses nmeros depende de um valor pseudo-aleatrio uniforme u(0,1).
Muitas rotinas computacionais so disponveis para a gerao de nmeros aleatrios
uniformes (PRESS et al., 1992). Em geral, essas rotinas exigem que o usurio fornea uma
semente que inicia o algoritmo de gerao de nmeros aleatrios. Em geral, ao usar a
mesma semente, a seqncia de nmeros gerados ser sempre a mesma. Os nmeros gerados
so chamados de pseudo-aleatrios porque so obtidos de um algoritmo construdo para essa
finalidade.

47

Tendo em vista que a distribuio Normal desempenha um importante papel na anlise


de confiabilidade estrutural, a gerao de nmeros aleatrios normalmente distribudos de
grande utilidade prtica. Para gerar um conjunto de n nmeros aleatrios normais
padronizados z1, z2, ... , zn, necessrio primeiro gerar um conjunto de n nmeros aleatrios
uniformes u1, u2, ... , un entre 0 e 1. Em seguida, para cada ui gera-se um valor zi:
z i = 1 (u i )

(2.86)

onde 1 a inversa da distribuio acumulada normal padro. A figura 13 ilustra


graficamente esta relao.
1

u = (z)

ui

0,5

0 zi

Figura 13 Gerao de variveis aleatrias Normais

Para uma varivel aleatria X com mdia X e desvio padro X , a varivel xi gerada
na simulao i pode ser calculada por:
xi = X + z i X

(2.87)

Um procedimento geral pode ser formulado, o qual, teoricamente, aplicvel a


qualquer tipo de funo distribuio. Considerando uma varivel aleatria X com uma funo
distribuio FX ( x) , para gerar valores amostrais xi para a varivel aleatria, os seguintes
passos podem ser seguidos (NOWAK e COLLINS, 2000):

48

1. Gerar um valor amostral xi de uma varivel aleatria uniforme distribuda entre 0 e


1;
2. Calcular o valor amostral xi pela expresso xi = FX1 (u i ) , onde FX1 a funo
inversa de FX .
Este procedimento completamente geral. Entretanto, em alguns casos difcil achar
uma soluo analtica para a funo distribuio inversa.
Os resultados da simulao podem ser usados para estimar a probabilidade de falha.
importante reconhecer que esta estimativa de probabilidade apenas uma estimativa, contudo,
a preciso aumenta com o nmero de simulaes realizadas. A estimativa da probabilidade de
falha de um elemento estrutural que est sendo simulado pelo Mtodo Monte Carlo :

pf =

n
N

(2.88)

onde N o nmero total de simulaes e n o nmero de ocorrncias de falha nas N


simulaes. Nos dias atuais, com a computao veloz e barata, a magnitude de N pode ser
muito grande, da ordem de muitos milhares, pelo menos. Sendo pfv a probabilidade terica
estimada por pf, prova-se que o valor esperado e a varincia da estimativa pf so (SOONG e
GREGORIU, 1993 apud NOWAK e COLLINS, 2000):
E ( p f ) = p fv ,

p2 =
f

1
[ p fv (1 p fv )]
N

(2.89)
(2.90)

Observe-se, nesta expresso da varincia (2.90), que a incerteza na estimativa de pfv


diminui medida que o nmero de simulaes N aumenta. Os parmetros em (2.89) e (2.90)
servem para se determinar quantas simulaes so necessrias para se alcanar uma
estimativa adequada da probabilidade, e assim limitar a incerteza.
Outros mtodos alternativos simulao Monte Carlo so comumente utilizados,
principalmente para melhorar a eficincia computacional do processo quando o problema em
anlise mais complexo. O mtodo do Hipercubo Latino um exemplo de simulao
alternativa (VIEIRA, 2005), o qual no ser explorado no presente estudo. Porm, Tekie e

49

Ellingwood (2003) utilizaram o mtodo do Hipercubo Latino para realizar anlises de


fragilidade de barragem de concreto, utilizando conceitos probabilsticos na estimativa de
abalos ssmicos para o projeto e tambm na escolha de parmetros dos materiais da barragem.
Foram adotadas distribuies uniformes para vrios elementos da barragem, o que significa
desconhecimento completo da distribuio dessas variveis. A nica exceo foi o concreto, o
qual considerado com distribuio Normal. A anlise probabilstica foi realizada por meio
de simulaes, utilizando o mtodo do Hipercubo Latino, o qual possui uma menor
tendenciosidade e diminui o trabalho computacional, segundo os autores.
2.7.5

A tcnica computacionalmente intensiva Bootstrap


Sob condies de incerteza, qualquer resultado obtido por meio de modelos

matemticos ir tambm conter incertezas na resposta do modelo, e conhecer essa incerteza


to importante quanto o prprio resultado da anlise. A probabilidade de falha ou de
desempenho inadequado de um sistema est associada variabilidade aleatria, enquanto a
incerteza na probabilidade calculada de falha devida ao tipo epistmico de incerteza. Esta
ltima incerteza (na probabilidade de falha calculada) pode ser expressa em termos de sua
distribuio de probabilidades. Ang (2008) observa que se os dois tipos de incertezas forem
combinados em uma incerteza total, a probabilidade de falha calculada teria a sua melhor
estimativa (um nico valor). Esse valor da melhor estimativa , de fato, o valor mdio (ou
prximo da mdia) da distribuio de probabilidade da falha anteriormente descrita. Segundo
Ang (2008), para evitar um elevado risco de falha, um alto valor do percentil do ndice de
confiabilidade pode ser especificado para tentar minimizar o efeito da incerteza epistmica.
Por exemplo, ao selecionar um valor do percentil de 90%, assume-se implicitamente uma
probabilidade de 10% de que o valor selecionado seja inadequado. Por outro lado, observa-se
que a melhor estimativa (ou valor mdio) do ndice de confiabilidade poderia ser
inadequado por uma probabilidade de 50%.
Essas consideraes conduzem concluso de que os valores estimados do ndice de
confiabilidade contm, em si, uma parcela de incerteza, a qual deve ser levada em
considerao e, portanto, no podem ser tomados como resultados finais da anlise de
confiabilidade.
Com a finalidade de se obter, a partir dos dados amostrais, uma estimativa da incerteza
contida nas estimativas do ndice de confiabilidade, pode-se realizar simulaes
computacionais pelo mtodo conhecido como Bootstrap (DAVISON e HINKLEY, 1997).

50

a) O incio, com a tcnica Jackknife


O incio das tcnicas estatsticas computacionalmente intensivas em Estatstica surgiu
com os trabalhos de Quenoille (1949, 1956). Em um artigo de 1949 foi apresentada a
primeira verso da tcnica, hoje conhecida como Jackknife. Posteriormente, em 1956,
Quenouille publicou outro trabalho que veio completar a sua proposta original. O objetivo da
tcnica reduzir a tendenciosidade de um estimador da correlao serial com base na diviso
da amostra aleatria original em duas semi-amostras. No segundo trabalho, generalizou-se o
mtodo, dividindo a amostra original de tamanho n em g subamostras de tamanho h. Assim,
n = gh, e fixando h = 1 se obtm n grupos com uma unidade observacional cada. A partir da,
procurou-se aplicar a tcnica em vrios problemas.
Supe-se que x = [x1, x2, .... , xn] seja uma amostra aleatria com observaes
independentes e identicamente distribudas (i.i.d). Seja p(x,) a funo de verossimilhana
dessa amostra aleatria com dependncia do parmetro , que por sua vez estimado pela
estatstica = Tn(x) e, ainda, i = Tn-1(x) o estimador de baseado na mesma amostra
aleatria, mas considerando n 1 observaes, ou seja, retirando-se um ponto amostral. Desta
forma, com estes estimadores i constroem-se os pseudo-valores:
~
i = n (n 1) i

i = 1, 2, .... , n

(2.91)

e define-se o estimador Jackknife de como a mdia aritmtica dos n pseudo-valores


~
( i ) dada pela expresso:

1 n ~
~
= i
n i =1

(2.92)

A vantagem do estimador Jackknife que ele reduz a tendenciosidade de um


estimador viciado, pois elimina o termo de ordem 1/n no desenvolvimento em srie da
tendenciosidade do estimador . A prova desse argumento pode ser encontrada em Chaves
Neto (1991). As aplicaes do estimador Jackknife so inmeras e, entre elas, possvel
destacar: estimao de parmetro do tipo funo da mdia q(), intervalo de confiana do
erro-padro de uma varivel aleatria distribuda segundo uma distribuio Poisson,

51

estimao da tendenciosidade do estimador de mxima verossimilhana da varincia 2 dado


por
2 =

1 n
( xi x ) 2

n i =1

(2.93)

e reduo da tendenciosidade do estimador da razo

R=

X
Y

(2.94)

b) O Bootstrap.
O Bootstrap uma tcnica no-paramtrica computacionalmente intensiva que
permite a avaliao da variabilidade de estatsticas com base nos dados de uma nica amostra
original. Essa tcnica foi desenvolvida por Efron (1979) e, hoje em dia, j faz parte das
opes existentes nos programas computacionais estatsticos. Essa tcnica um produto do
estgio atual da computao eletrnica, que se tornou extraordinariamente veloz e barata. Em
1979, Efron estudou o problema da estimao da distribuio amostral de uma estatstica
Tn(x, F) com base nos dados de uma nica amostra de tamanho n, x = [x1, x2, ... ,xn], de uma
distribuio de probabilidade desconhecida F, sendo os xi i.i.d. segundo uma distribuio de
probabilidades F, ou seja: xi ~ i.i.d. F.
Operacionalmente, o procedimento Bootstrap consiste na re-amostragem de mesmo
tamanho e com reposio dos dados da amostra original e clculo da estatstica de interesse
para cada re-amostragem denominada bootstrap. Tem-se, assim, os pseudodados. E o
conjunto de valores bootstrap obtido para a estatstica em questo corresponde a uma
estimativa da verdadeira distribuio amostral dessa estatstica. Uma descrio desse
procedimento em trs passos apresentada a seguir.
Considere-se o parmetro e o seu estimador Tn(x, F), onde x = [x1, x2,...,xn] a
amostra aleatria disponvel da varivel aleatria com distribuio desconhecida F, sendo os
xi ~ i.i.d. F. Ento, o procedimento composto dos passos:
1. o estimador no-paramtrico de mxima verossimilhana F n(x) de F :

52

1
F n(x) =
n

I( x
i =1

x)

(2.95)

com I(xi x) sendo uma funo indicadora e, assim, uma distribuio emprica
formada colocando-se uma massa probabilstica 1/n em cada ponto amostral;
2. toma-se de F n(x) um nmero muito grande, B, de amostras bootstrap de mesmo
tamanho n, ou seja,
*

x 1 = [ x11* , x12* ,....., x1n* ]


*

*
*
*
x 2 = [ x21
, x22
,...., x2n
]
...................................
...................................
*
*
*
x B = [ xB* 1 , xB2
,..., xBn
]

(2.96)

3. calculam-se as B estatsticas bootstrap Tn*( x l ), l = 1, 2 ,...., B correspondentes


*

s B amostras bootstrap e forma-se o conjunto {Tn*( x l ), l = 1, 2, .... , B} que


*

uma simulao da verdadeira distribuio amostral da estatstica Tn(x, F) e obtmse a estimativa bootstrap do parmetro , dada por:
Tn* =

1
B

T
l =1

*
n

(x l )

(2.97)

A partir do conjunto {Tn*( x l ), l = 1, 2 ,...., B} pode-se obter uma medida da variabilidade de


*

Tn(x, F), tal como o erro-padro bootstrap e a tendenciosidade dessa estimativa, a qual
definida por:
b[, Tn(x, F)] = Tn(x, F) Tn*

(2.98)

Ento, a distribuio boostrap obtida por simulao Monte Carlo com um nmero,
B, suficientemente grande de replicaes. Na figura 14 tem-se o fluxograma do algoritmo da
distribuio bootstrap de Tn(x, F).

53

Amostra original

x = [x1, x2, ... , xn]

Estimador no-paramtrico
associado amostra aleatria x

1
F n(x) =
n

I( x
i =1

x)

Amostra bootstrap de x
x* = [x1*, x2*, ... , xn*]
repete B
vezes
Clculo da estatstica bootstrap

Tn(x*)

Distribuio bootstrap de

Tn*(x*)

{Tn*( x l ), l = 1, 2 ,...., B}
*

Figura 14 Fluxograma do algoritmo da distribuio bootstrap

A estatstica de interesse calculada por:

Tn* =

1
[
B

T
l =1

*
n

(x l ) ]

(2.99)

A construo do algoritmo Monte Carlo para obteno da distribuio bootstrap das


estatsticas usuais , em geral, muito simples. E, em alguns programas estatsticos, j est
disponvel para uso regular dos usurios da tcnica. A convergncia do resultado obtido no
algoritmo com B tendendo para o infinito est garantida pela Lei dos Grandes Nmeros, pois
a seqncia T(x 1* ), T(x *2 ), T(x *3 ),....,T(x *n ) nada mais do que uma amostra de variveis
aleatrias i.i.d. com a distribuio condicional de Tn(X, F )|X = x. Assim, quando B tende para
o infinito, a mdia amostral Tn* se aproxima de E[Tn(X, F )|X = x]. Efron sugeriu que a

54

distribuio condicional bootstrap de Tn(X, F )|X = x pode ser usada como a distribuio de
Tn(X, F )|X = x. Como se v, no procedimento bootstrap os pontos da amostra original
(x1, x2 ,..., xn) so considerados como uma populao com funo distribuio F e mdia x . A
estatstica bootstrap T *n considerada como um estimador de T(x, F ). E ainda, a
distribuio de Tn(x*, F ) pode ser usada para aproximar a distribuio amostral desconhecida
de Tn(x, F ). Portanto, a distribuio de
distribuio amostral de
assinttica de

n (T *n Tn) pode ser usada para aproximar a

n (Tn). Da mesma forma que no caso Jackknife, a normalidade

n (T *n Tn) e a convergncia em probabilidade da varincia bootstrap,

1
s =
B 1
*2

(T ( x
l =1

*
l

) Tn* ) 2 ,

(2.100)

para V(Tn) foram investigadas e provadas por Bickel e Freedman (1981).


As aplicaes do Bootstrap so inmeras e possvel destacar, entre outras, a
estimao da autocorrelao parcial nos modelos ARIMA(p,d,q), estimao dos parmetros e
intervalos de confiana dos modelos ARIMA(p,d,q) nas regies de quase rudo branco
(CHAVES NETO, 1991), inferncia Bayesiana, modelos economtricos e coeficiente de
correlao.
c) Intervalo de Confiana Bootstrap
Uma vez que se tenha a distribuio bootstrap do estimador do parmetro, podem
ser construdos os intervalos de confiana para o parmetro. Esses intervalos de confiana
podem ser obtidos das estatsticas bootstrap (CHAVES NETO, 1996). O mais simples dos
intervalos bootstrap o percentlico. O intervalo percentlico simtrico e de nvel 1 para
o parmetro aquele que tem por extremos:
*
*
inf
= F 1 ( / 2) e sup
= F 1 (1 / 2)

(2.101)

onde F (k) = P*( * k ) aproximadamente igual a #( * k)/B, onde o smbolo #( ) significa


*
*
nmero de elementos com a condio ( ). Portanto, o intervalo [ inf
; sup
].

55

2.7.6

ndices probabilsticos de sensibilidade


Haldar e Mahadevan (2000) comentam que nem todas as variveis de um problema de

confiabilidade necessitam ser consideradas aleatrias. Para avaliar a sua importncia relativa
na determinao da confiabilidade geral, o conceito de ndices probabilsticos de sensibilidade
interessante. Variveis cujo ndice de sensibilidade seja relativamente baixo podem ser
tratadas como determinsticas, reduzindo assim a dimenso do problema.
A idia de um ndice de sensibilidade se baseia no fato de que nem todas as variveis
aleatrias possuem a mesma influncia nas estatsticas das respostas de um problema. A
quantidade g(Y) , o vetor gradiente da funo desempenho no espao das variveis normais
padro, usado para este fim. Seja um vetor unitrio na direo deste vetor gradiente,
ento, como o ponto de projeto pode ser expresso como y = , mostra-se que:
*

i =

y i*

(2.102)

Portanto, os elementos do vetor esto relacionados diretamente com as derivadas de em


relao s variveis normais padro. Se estes esto relacionados com as variveis originais e
sua variao estatstica, um vetor de sensibilidade unitrio pode ser derivado como (DER
KIUREGHIAN e KE, 1985 apud HALDAR e MAHADEVAN, 2000):

SB t
SB t

(2.103)

onde S uma matriz diagonal com os desvios padres das variveis de entrada (desvios
padres das variveis equivalentes normais das variveis aleatrias no-normais) e B
tambm uma matriz diagonal necessria para a transformao das variveis originais para as
variveis equivalentes no correlacionadas normais padro Y, isto : Y=A+BX. Para a i-sima
varivel aleatria, esta transformao Yi = ( X i X i ) / X i . Portanto, a matriz B contm os
inversos dos desvios padres das variveis equivalentes normais. Se estas variveis forem
estatisticamente independentes, o produto SBt ser uma matriz unitria diagonal. Logo, o
vetor de sensibilidades ser idntico ao vetor dos co-senos diretores das variveis aleatrias.

56

Contudo, se as variveis forem correlacionadas, ser necessrio usar tambm a matriz de


transformao T, j explicada. Neste caso, o vetor de sensibilidades e o vetor de co-senos
diretores sero diferentes.
Os elementos do vetor podem ser considerados como ndices de sensibilidade das
variveis individuais. Estes ndices de sensibilidade podem ser usados para melhorar a
eficincia computacional do problema. Variveis com pequenos ndices de sensibilidade ao
final de algumas iteraes, no processo de busca da menor distncia superfcie de estado
limite, podero ser tratadas como determinsticas em seus valores mdios. Este procedimento
poder diminuir o tempo de clculo porque apenas algumas variveis tero efeitos
significativos no clculo da probabilidade de falha (DER KIUREGHIAN e KE, 1985 apud
HALDAR e MAHADEVAN, 2000).
No presente estudo, o procedimento acima descrito no foi utilizado, devido grande
simplicidade das funes de estado limite envolvidas e pelo reduzido nmero de variveis
aleatrias consideradas no problema.
2.7.7

Avaliao da confiabilidade de um sistema


A estimativa da confiabilidade de um elemento estrutural isolado pode ser realizada

com os mtodos FORM e SORM apresentados, mas, em geral, qualquer sistema em


engenharia deve satisfazer a mais de um critrio de desempenho. Mesmo para uma viga
simples, o critrio de desempenho poderia ser ligado, por exemplo, resistncia, momento
fletor ou cisalhamento, ou ao atendimento a uma restrio de deflexo ou vibrao. Logo, a
viga poderia falhar em mais de um modo de desempenho. Uma estrutura como uma trelia ou
grelha consiste de mltiplos elementos estruturais ou componentes, e a falha pode ocorrer em
um ou vrios componentes. O conceito usado para considerar mltiplos modos de falha ou
mltiplas falhas de componentes conhecido como avaliao de confiabilidade de um

sistema. Uma anlise de confiabilidade completa deveria incluir tanto estimativas no nvel dos
componentes quanto para o sistema como um todo.
Em geral, a avaliao de confiabilidade de um sistema complexa, pois depende de
muitos fatores, como: (1) contribuio da falha dos componentes na falha do sistema, (2)
redundncias no sistema, (3) comportamento de um componente ou de todo o sistema aps
uma falha, (4) correlao estatstica entre os eventos de falha, e (5) falha progressiva de
componentes.

57

Um sistema estrutural sempre ter mltiplos modos de falha potenciais (ZHAO e


ANG, 2003). Se estes modos forem identificados como E1 , E 2 ,..., E m , a falha do sistema
representada pela ocorrncia de um ou mais modos de falha, isto , a unio de todos os modos

E1 E 2 ... E m . Para um sistema estrutural, cada um dos modos Ei pode ser definido por
uma funo desempenho gi = gi(X), de forma que Ei = ( g i < 0) e a probabilidade de falha do
sistema , portanto:

p f = P[ g1 0 g 2 0 L g m 0]

(2.104)

Analogamente, a segurana de um sistema o evento no qual nenhum dos m modos de


falha potenciais ocorre. Assim,

p S = P[ g1 > 0 g 2 > 0 L g m > 0]

(2.105)

p S = P[ min( g1 , g 2 ,..., g m ) > 0 ]

(2.106)

e a funo desempenho do sistema G(X) pode ser escrita como o valor mnimo das funes
desempenho que correspondem a todos os modos de falha potenciais:

G (X) = min( g1 , g 2 ,..., g m )

(2.107)

onde g i = g i (X) a funo desempenho para o i-simo modo de falha.


No caso de um sistema em srie, as funes desempenho dos modos de falha
individuais so suaves. Para um sistema em paralelo, cada modo de falha em geral ir
envolver combinaes dos mximos e mnimos das funes desempenho dos componentes.
Conseqentemente, a funo desempenho G(X) do sistema ser mais complexa se comparada
com um sistema em srie (ZHAO e ANG, 2003). Os mesmos autores propem aproximaes
de momentos para a avaliao da confiabilidade de um sistema. Pelo mtodo proposto, se os
momentos centrais da funo desempenho do sistema puderem ser obtidos para um sistema
em srie, a probabilidade de falha do sistema (P[G(X) < 0]) pode ser definida como uma
funo dos momentos centrais. O mtodo proposto, entretanto, se baseia na premissa de que
achando a relao entre a probabilidade de falha e os momentos centrais de G(X), a
probabilidade de falha do sistema pode ser avaliada. Como os primeiros dois momentos

58

podem ser insuficientes para esta estimativa, Zhao e Ang (2003) sugerem o uso de momentos
de ordem elevada (at terceira ou quarta ordens, por exemplo, envolvendo assim a assimetria
e curtose da funo desempenho).
Na presente pesquisa, apesar de ser correta e factvel a considerao da confiabilidade
da barragem como sistema, as dificuldades para estabelecimento das correlaes entre os
modos de falha e a falta de estudos especficos desta natureza para barragens, inviabilizaram a
aplicao prtica desta considerao dentro da metodologia proposta. Ademais, foi assumida
no incio do estudo a premissa no sentido de propor uma metodologia que pudesse ser
aplicada em paralelo com a abordagem determinstica tradicional de anlise de estabilidade da
barragem, a qual considera os modos de falha independentes entre si.
2.7.8

Estimativa da confiabilidade com cargas e resistncias variveis no tempo


Aplicaes na rea de confiabilidade estrutural geralmente idealizam as cargas como

invariantes no tempo. A confiabilidade estimada de forma a corresponder a uma aplicao


do carregamento, o qual normalmente representa um valor extremo da carga em um dado
perodo de tempo. Na realidade, entretanto, como as cargas e propriedades estruturais variam
com o tempo, a confiabilidade tambm varia com o tempo (DEY e MAHADEVAN, 2000).
Esta noo especialmente importante em obras de infra-estrutura como pontes, oleodutos,
barragens, estruturas martimas, entre outras.
A deteriorao da resistncia estrutural provocada por processos fsicos e qumicos
naturais, fatores ambientais externos, desgastes durante a operao, uso e manuteno
inadequados, etc. Se a dependncia no tempo considerada, a formulao do problema da
confiabilidade e respectivas tcnicas de soluo tornam-se significativamente diferentes dos
problemas com cargas invariantes. Ao incluir a dependncia no tempo na formulao do
problema, permite-se o tratamento das questes como a manuteno e reabilitao das
estruturas, permitindo uma anlise mais realista da confiabilidade (DEY e MAHADEVAN,
2000).
No caso do concreto armado, questes crticas em relao vida til das estruturas
esto relacionadas corroso da armadura, ataques de substncias qumicas agressivas,
fissurao do concreto, entre outros. Os modelos matemticos que prevem os efeitos da
degradao dos materiais so essencialmente empricos. Clifton e Knab (1989) apud Dey e
Mahadevan (2000) sugerem um modelo exponencial:

59

g (a, t ) = 1 at n ;

n 1

(2.108)

onde g (a, t ) a funo de degradao, representando a frao da resistncia original no


tempo t; a a taxa de degradao, t o tempo decorrido e n uma constante. Os valores de a
e n podem ser encontrados na literatura mas, geralmente, no h dados suficientes disponveis
para sua determinao (MORI e ELLINGWOOD, 1993 apud DEY e MAHADEVAN, 2000).
Considerando-se inicialmente um nico elemento estrutural com resistncia inicial r,
a resistncia deste elemento ir deteriorar com o tempo:

r (t ) = r g (a, t )

(2.109)

onde r (t ) a resistncia no tempo t; r a resistncia inicial do elemento e g (a, t ) a funo


de degradao dependente do tempo decorrido e da taxa de degradao a. Se o componente
for submetido a um processo estocstico de n pulsos de carregamento distribudos segundo
Poisson, com taxa de ocorrncia mdia igual a , a confiabilidade ao longo da vida til tL pode
ser representada matematicamente como (GREIDL e SAUNDERS, 1987 apud DEY e
MAHADEVAN, 2000):

L(t L ) = P[r (t1 ) > s1 L r (t n ) > s n ]

(2.110)

L(t L ) = P[r g (a, t1 ) > s1 L r g (a, t n ) > s n ]

(2.111)

onde si representa a intensidade da carga em sua i-sima ocorrncia.


Estendendo-se o conceito acima para um sistema de m componentes paralelos,
imagina-se que, para que todo o sistema permanea em segurana, o componente mais
resistente deve suportar todas as n ocorrncias de cargas ao longo de sua vida til:

LS = P[max im=1 ri g i (a, t1 ) > ci s1 L max im=1 ri g i (a, t n ) > ci s n ]


n
ri g i (a, t j )

LS = FS max im=1
c
j =1
i

(2.112)
(2.113)

onde ci s j a ao estrutural induzida no i-simo componente do sistema pela j-sima


ocorrncia da carga; e FS ( ) a funo distribuio acumulada da intensidade das cargas.

60

Removendo-se a dependncia de um tempo determinstico entre as ocorrncias das cargas e


introduzindo a taxa de ocorrncia da distribuio Poisson, a equao anterior pode ser
reescrita (TAYLOR e KARLIN, 1984 apud DEY e MAHADEVAN, 2000):
tL

r g (a, t )
dt
LS = exp t L FS max im i i
ci

(2.114)

A probabilidade de falha do sistema pode ser representada por:

Pf (t L | R = r ) = 1 LS
tL

r g (a, t )
dt
Pf (t L | R = r ) = 1 exp t L FS max im i i
ci

(2.115)
(2.116)

Finalmente, se f R (r ) a densidade conjunta da resistncia inicial dos componentes e


f A (a ) a densidade de probabilidade do parmetro de degradao, a probabilidade de falha

do sistema (DEY e MAHADEVAN, 2000):

p f (t L ) = 1 exp

tL

t L FS () dt f R (r ) f A (a ) dr da

(2.117)

A equao anterior representa a probabilidade de falha de um sistema de elementos


estruturais em paralelo sujeitos a um processo de carregamento dependente do tempo. As
letras R e A da equao (2.117) representam as variveis de estado, e as letras r e a
representam realizaes reais das variveis aleatrias correspondentes.
A expresso assim obtida permite, tambm, que se introduza o conceito de reparos e
manutenes peridicas, nos quais a estrutura, em termos ideais, retornaria sua capacidade
original aps cada reparo. Se dentro de sua vida til (0, tL), a estrutura for reparada a cada
intervalo de tempo tr, a probabilidade condicional de falha do sistema pode ser adaptada para:

p f (t L | R = r ) = 1 exp

tr
tL
1


t L FS ()dt L FS ()dt

0
t rm

(2.118)

61

tr

r g (a, t )
p f (t L | R = r ) = 1 exp t L n FS (max im i i
dt
ci

(2.119)

onde n = t L / t r .
Segundo Dey e Mahadevan (2000), a integral acima de difcil soluo, pois seu
domnio o espao multidimensional das variveis que representam a resistncia dos
componentes.
Singh e Koenke (2000) apresentam um esquema de simulao capaz de sintetizar as
variaes probabilsticas durante a vida til de uma estrutura, de forma a se definir um
programa adequado de inspees peridicas. So apresentados resultados numricos obtidos
para uma pea de estrutura metlica de uma ponte. Os autores concluem que impossvel
assegurar 100% de segurana, mesmo em estruturas novas, e que o incio de um dano, seu
crescimento, deteco e tolerncia admissvel possuem natureza probabilstica. A reduo de
inspees na estrutura aumenta a probabilidade de falha, enquanto que o excesso leva a
aumento de custos e perodos de inatividade. Um conceito importante defendido pelos autores
a filosofia da tolerncia ao dano ou segurana por inspeo. Concluem tambm que ao se
considerar a variao probabilstica do incio e crescimento do dano, no mais possvel
estabelecer uma soluo matemtica simples. necessrio criar um procedimento de
simulao numrica, que modela o crescimento do dano e a deteco do mesmo como eventos
probabilsticos. As distribuies de probabilidades adotadas para as variveis envolvidas
foram a Normal, Log-Normal e Weibull com 2 e 3 parmetros. A distribuio Uniforme foi
usada para a gerao de nmeros aleatrios para representar as variaes de uso e dos danos.
Dados experimentais e tcnicas computacionais de mecnica das fraturas foram utilizados
para prever as fissuras na pea em estudo.
Biondini et al. (2006) apresentam uma abordagem geral para a previso probabilstica
da vida til estrutural e para o planejamento da manuteno de estruturas de concreto sob
deteriorao. A formulao proposta baseada em uma metodologia que utiliza algoritmos
evolutivos e processos de difuso qumica para a estimativa do desempenho de estruturas sob
ataques de agentes agressivos externos. Baseando-se nesta metodologia, simulaes Monte
Carlo so utilizadas para levar em conta a aleatoriedade dos principais parmetros estruturais,
incluindo propriedades dos materiais, parmetros geomtricos e taxas de progresso dos
danos. A confiabilidade varivel no tempo calculada com respeito a vrias medidas de
desempenho estrutural. Os resultados da anlise de durabilidade ao longo do tempo so

62

usados para selecionar, entre diferentes cenrios de manuteno, a estratgia de reabilitao


que leva a uma meta de vida til estrutural. So apresentadas aplicaes numricas para
estruturas de pontes de concreto armado.
Torres e Ruiz (2007) tambm trabalharam com o tema da degradao gradual das
estruturas ao longo do tempo, propondo um mtodo matemtico para representar a variao
temporal devido ao envelhecimento. Dois indicadores alternativos da confiabilidade estrutural
so considerados: o nmero previsto das falhas sobre um intervalo de tempo e o fator de
confiana, como funo do tempo. Ambos os indicadores so utilizados para estimar a
confiabilidade de uma estrutura sobre um intervalo de tempo. A anlise de confiabilidade leva
em considerao eventos de vrias intensidades, por meio de curvas do risco ambiental.
Supe-se que a capacidade estrutural diminui linearmente com o tempo. As expresses
propostas podem ser aplicadas aos diferentes tipos de estruturas e podem considerar
condies e nveis diferentes dos danos cumulativos. Um exemplo ilustrativo apresentado
usando um modelo estrutural de uma plataforma martima de ao situada no golfo do Mxico.
No caso do presente estudo, o conceito da confiabilidade ao longo do tempo foi
aplicado de forma parcial, pois as anlises foram realizadas em dois instantes de tempo ao
longo da vida til da obra de Salto Caxias. No entanto, as abordagens acima exemplificadas
so extremamente teis para o estabelecimento de um programa de manuteno adequado,
tanto do ponto de vista econmico, como para a manuteno de um nvel seguro de
confiabilidade ao longo da vida til da obra.
2.7.9

O Mtodo dos Elementos Finitos Estocstico


O Mtodo dos Elementos Finitos uma ferramenta poderosa, popular em diversas

reas da engenharia na anlise de estruturas simples ou complexas (BATHE, 1996). A palavra


estrutura aqui utilizada em um sentido geral, incluindo todos os sistemas que possam ser
discretizados por meio de elementos finitos. Com essa abordagem, relativamente fcil
analisar estruturas com geometrias complicadas, podendo ser consideradas as relaes
constitutivas dos materiais, conectividades reais e diversas fontes de incertezas, assim como a
seqncia de cargas que possam levar runa. O mtodo fornece bons resultados para um
conjunto de valores assumidos para as variveis, mas ignora as incertezas presentes. Por outro
lado, muitos dos mtodos de confiabilidade disponveis so capazes de considerar as
incertezas, mas falham na habilidade de representar o comportamento estrutural de forma
realista e no podem ser utilizados quando uma funo desempenho no disponvel

63

explicitamente. Os recursos desejveis das duas abordagens podem ser combinados,


originando o conceito do mtodo dos elementos finitos estocstico (MEFE). O MEFE no
aplicado no presente estudo, mas a sua formulao terica pode ser encontrada em Haldar e
Mahadevan (2000).
Weber (1995) apresenta uma anlise de programas de computador onde metodologias
determinsticas podem ser adaptadas para aplicao do mtodo dos elementos finitos levando
em considerao aspectos probabilsticos. Os programas examinados utilizam o mtodo das
perturbaes. A aplicao do mtodo realizada em estrutura de turbina hidrulica.
Arajo e Awruch (1998) apresentam uma metodologia para anlise probabilstica de
barragens gravidade de concreto. As propriedades do concreto e atividade ssmica foram as
variveis aleatrias consideradas na anlise. A excitao ssmica foi considerada como um
processo estocstico no-estacionrio, sendo gerada artificialmente. As propriedades do
concreto foram consideradas variando-se aleatoriamente no domnio espacial. A resposta
estrutural foi obtida empregando o mtodo dos elementos finitos para resolver as equaes do
movimento e do sistema barragem-reservatrio-fundao. A segurana estrutural foi avaliada
por meio de simulaes Monte Carlo, em relao aos principais modos de falha: fissurao,
esmagamento do concreto e deslizamento ao longo da interface barragem-fundao.
Mellah et al. (2000) apresentam a aplicao do mtodo dos elementos finitos
estocstico na anlise do comportamento estrutural de barragem de terra. Segundo os autores,
a maior dificuldade na aplicao da tcnica causada pelas grandes incertezas que afetam as
propriedades dos materiais analisados.
Huh e Haldar (2001) propem um algoritmo para avaliar o risco ao longo do tempo
para estruturas no lineares sujeitas a cargas dinmicas de curta durao, especialmente
causadas por atividade ssmica. O algoritmo baseado no conceito do mtodo dos elementos
finitos estocstico. O algoritmo integra os conceitos do mtodo da superfcie de resposta,
mtodo dos elementos finitos e mtodos de confiabilidade de primeira ordem.
Falsone e Impollonia (2002) apresentam uma comparao do mtodo dos elementos
finitos estocstico com os procedimentos baseados em tcnicas de perturbao.
Hurtado e Alvarez (2003) propem uma abordagem para anlise de confiabilidade de
sistemas estruturais com a realizao de modelagem com o mtodo dos elementos finitos
estocstico utilizando uma abordagem de classificao, ao invs do clculo de integrais.
Liu e Tang (2004) analisam a confiabilidade de estruturas contnuas utilizando a
chamada anlise de modos de falha com o mtodo dos elementos finitos probabilstico.

64

Griffiths e Fenton (2004) investigaram a probabilidade de falha de taludes coesivos


usando abordagens probabilsticas simples e avanadas. Na abordagem simples, tcnicas
clssicas de estabilidade de taludes foram utilizadas e a tenso tangencial foi tratada como
uma varivel aleatria isolada. No mtodo avanado, foi utilizado o mtodo dos elementos
finitos probabilstico com teoria de campos aleatrios e materiais elastoplsticos.
Papadrakakis et al. (2008) aplicam a tcnica de redes neurais para anlise de
confiabilidade de uma grande barragem em arco na Itlia (barragem de Scalere). As redes
neurais so utilizadas para otimizar o uso de simulao Monte Carlo na simulao. A
fundao da barragem, em rocha, e o corpo da barragem em arco so simulados
conjuntamente pelo mtodo dos elementos finitos. interessante notar neste estudo que a
rocha considerada com comportamento determinstico, ao contrrio do concreto, cujas
variveis so consideradas aleatrias. So utilizados na soluo modelos de falha do concreto
da barragem.
2.7.10 O problema das funes desempenho implcitas
Os mtodos de anlise de confiabilidade tradicionais so de implementao
relativamente simples se a funo desempenho g(X) for uma funo explcita das cargas e das
variveis aleatrias que representam a resistncia, denotadas pelo vetor X. No caso da
abordagem FORM, quando uma funo explcita disponvel, possvel calcular as derivadas
de g(X) em relao s variveis aleatrias X para a busca do ponto de mnima distncia na
funo de estado limite. Quando se opta por uma soluo via simulao, uma funo explcita
pode ser avaliada por meio de um grande nmero de simulaes computacionais. Entretanto,
em muitos casos, especialmente para estruturas complicadas, a funo desempenho g(X) no
disponvel em uma forma explcita das variveis de entrada. Para estruturas reais, a resposta
deve ser calculada por procedimentos numricos como a anlise de elementos finitos. Nesses
casos, as derivadas da funo desempenho no so diretamente disponveis, e cada avaliao
da funo desempenho pode ser demorada.
Entre as abordagens computacionais indicadas neste caso, podem ser citadas
(HALDAR e MAHADEVAN, 2000):
1. Simulao Monte Carlo;
2. Mtodo da superfcie de resposta;
3. Mtodos de anlise de sensibilidade.

65

A simulao Monte Carlo usa amostras das variveis de entrada geradas


aleatoriamente para cada anlise determinstica, realizando-se estimativas das respostas
estruturais e da confiabilidade aps um grande nmero de repeties. Tendo-se disponvel um
algoritmo para clculo da resposta estrutural, dadas as variveis de entrada, o mtodo Monte
Carlo pode avaliar a funo desempenho g(X) para cada anlise determinstica e calcular a
probabilidade de falha associada. A desvantagem desta abordagem o tempo computacional
necessrio, principalmente em estruturas complexas, onde o nmero de elementos envolvidos
na simulao pode tornar este procedimento impraticvel.
O mtodo da superfcie de resposta trabalha com uma aproximao polinomial (de
primeira ou segunda ordem) para a funo desempenho g(X). A expresso assim obtida
usada para a busca do ponto de projeto, e a probabilidade de falha calculada usando
mtodos de confiabilidade de primeira ordem (FORM) ou de segunda ordem (SORM). A
implementao da superfcie de resposta realizada por meio dos seguintes passos
(HALDAR e MAHADEVAN, 2000):
1. Selecionam-se amostras das variveis aleatrias para avaliao da funo
desempenho g(X). Considerando-se duas ou trs observaes para cada varivel,
avalia-se a funo desempenho para todas as possveis combinaes das variveis.
O nmero de combinaes 2n ou 3n, respectivamente, onde n o nmero de
variveis aleatrias;
2. Avalia-se a funo desempenho g(X) usando anlise determinstica para todos os
valores das variveis selecionadas na etapa 1;
3. Constri-se um modelo estatstico (polinmio) de primeira ou segunda ordem (ou
de ordem mais elevada) usando anlise de regresso com os dados coletados na
etapa 2 (ajuste por mnimos quadrados). O modelo estimado uma expresso
aproximada da funo desempenho em termos das variveis aleatrias X;
4. Usando as abordagens FORM/SORM ou simulao Monte Carlo com a expresso
obtida na etapa 3, estima-se a probabilidade de falha P[g(X) < 0].
A aproximao obtida pelo modelo de superfcie de resposta pode ser inadequada,
principalmente para funes desempenho altamente no-lineares. Outra observao pertinente
com relao a esta abordagem que qualquer anlise de regresso vlida, a rigor, somente

66

dentro dos limites das variveis consideradas na anlise, pois eventuais extrapolaes podem
conter erros considerveis.
A terceira abordagem se baseia na anlise de sensibilidade da resposta estrutural s
variveis de entrada. Esta resposta pode ser calculada usando os mtodos FORM e SORM,
lembrando-se que nestes dois mtodos, um conceito fundamental a busca do ponto de
projeto, ou ponto de mnima distncia funo de estado limite. Usando a anlise de
sensibilidade, apenas o valor e o gradiente da funo desempenho necessitam ser conhecidos
a cada iterao. No caso de funes desempenho explcitas, o gradiente pode ser calculado
diretamente usando diferenciao analtica ou numrica com relao a cada varivel aleatria.
No caso de problemas que no possuem solues explcitas, mtodos aproximados devem ser
utilizados para o clculo do gradiente. Considera-se que os mtodos de anlise de
confiabilidade baseados em anlise de sensibilidade so mais elegantes e, em geral, mais
eficientes que os mtodos de simulao ou de superfcies de resposta. Outra vantagem desta
abordagem a possibilidade de deteco de variveis bsicas cuja incerteza pode ter forte
influncia na resposta estrutural ou, o oposto, a possibilidade de ignorar variveis que no
possuem influncia significativa na confiabilidade estrutural, economizando recursos
computacionais nas anlises, sem prejuzo da preciso dos resultados.

67

MATERIAIS E MTODOS

3.1 DADOS UTILIZADOS


Todos os dados utilizados neste estudo foram gentilmente cedidos pela Companhia
Paranaense de Energia - COPEL, referentes s caractersticas do concreto da barragem da
usina hidreltrica Salto Caxias (Usina Hidreltrica Governador Jos Richa), obtidos durante a
sua construo entre 1995 e 1998 e de ensaios realizados em corpos de prova de concreto
extrados da barragem em 2005. A seguir, so apresentados alguns dados importantes da obra
de Salto Caxias, assim como os parmetros dos materiais empregados na obra e os valores
caractersticos dos mesmos. A figura 15 mostra uma vista area do aproveitamento
hidreltrico.

Figura 15 Vista area da Usina Hidreltrica de Salto Caxias (fonte: COPEL)

A usina hidreltrica de Salto Caxias situa-se no Rio Iguau, nos municpios de Capito
Lenidas Marques e Nova Prata do Iguau, a 560 km de Curitiba, no Estado do Paran. Com
uma potncia instalada de 1.240 MW, na poca de sua inaugurao, a barragem de Salto
Caxias era a maior barragem de concreto compactado com rolo (CCR) em volume no mundo,
com um total de 1,01x106 m3 de concreto. De propriedade da Companhia Paranaense de
Energia COPEL, o projeto foi eleito um dos marcos da engenharia de barragens, recebendo
o prmio International Milestone RCC Project, na cidade de Guiyang, China, em novembro
de 2007. A rea de drenagem no local da barragem 57.000 km e a vazo mdia do Rio

68

Iguau no local de 1.240 m/s. A rea do reservatrio 141 km com 3.573 x 106 m de
volume de armazenamento. A barragem, do tipo gravidade de CCR, possui uma altura
mxima de 67 m e comprimento de 1.100 m, incluindo o vertedouro. A barragem construda
em CCR at a Elevao (El.) 327,00 m, e a crista foi concluda com concreto convencional
(CCV) at a El. 329,30 m. A face de montante vertical e construda em CCV. A face de
jusante, tambm construda em CCV, em degraus, possui uma declividade de 0,75H : 1,0V
abaixo da El. 315,00 m e vertical acima desta elevao. Duas galerias foram projetadas para
drenagem e para uma cortina de injees. A anlise de estabilidade da barragem foi realizada
na fase de projeto levando-se em conta a sua geometria, propriedades fsicas dos materiais e
fatores de segurana descritos em norma (COPEL, 1993). A Figura 16 mostra uma seo
transversal tpica da barragem.
BARRAGEM
LINHA BASE

GALERIA DE DRENAGEM

FLUXO

DRENO

GALERIA DE DRENAGEM

CORTINA DE INJEO

Figura 16 Salto Caxias. Seo transversal tpica.

Um sistema permanente de controle e monitoramento da barragem envolve 9


diferentes tipos de instrumentos, totalizando 192 dispositivos distribudos em 8 blocos: 2 no
vertedouro, 4 na barragem, 1 na tomada de gua e 1 no leito do rio. Os instrumentos esto
embutidos no concreto e na fundao e so do tipo corda vibrante. A aquisio de dados de
167 instrumentos automatizada e operada remotamente (62 termmetros, 28 extensmetros
de juntas, 23 piezmetros da barragem, 41 piezmetros da fundao, 8 medidores de vazo e
3 pndulos). Instrumentos no-automatizados so em nmero de 24 (6 extensmetros

69

mltiplos, 5 dispositivos tri-ortogonais e 13 marcos topogrficos). A anlise do


comportamento da barragem tambm inclui um programa de inspeo visual e levantamentos
geodsicos da barragem e arredores. Segundo a Copel, desde a sua construo, nenhuma
deformao, temperaturas, deflexes ou presses de gua anormais foram detectadas. A
anlise de confiabilidade aqui apresentada usa dados obtidos no local da obra. Os dados
incluem as propriedades da mistura do concreto e resultados de resistncias do concreto de
amostras de CCR coletadas na construo da barragem e em ensaios realizados em 2005.
3.1.1 Controle de qualidade do CCR Dados Estatsticos
Durante a construo da barragem, foram utilizados diferentes traos para o CCR,
ajustando-se os teores de materiais. Os principais traos empregados, denominados por
J.2.e.2, J.2.e.6, J.2.e.7 e J.2.e.9, representam, respectivamente, cerca de 12%, 73%, 1,6% e
13% do total de CCR lanado. O trao J.2.e.2 foi usado de fevereiro a maio de 1996 e
substitudo pelo trao J.2.e.6 devido, principalmente, a um ajuste no teor de gua. Em
dezembro de 1997, o trao J.2.e.6 foi substitudo pelo trao J.2.e.9, com a adio de 7 litros de
gua, a fim de melhorar a trabalhabilidade do concreto durante o vero. Quando a temperatura
caa abaixo de 23C, era novamente usado o trao J.2.e.6. O trao J.2.e.9 foi usado at o fim
de abril de 1998. Depois, at o fim do lanamento de CCR, em junho de 1998, foi usado o
trao J.2.e.6. O trao chamado J.2.e.7 foi usado raramente e foi considerado junto com o trao
J.2.e.6. importante informar que os resultados da resistncia compresso do trao J.2.e.9
mantiveram-se muito parecidos com os do trao J.2.e.6, apesar da adio de gua, atingindo
os valores especificados no projeto (COPEL, 2005).
Na tabela 3 acham-se resumidos os resultados das amostras de concreto moldado. Esta
tabela mostra os teores de cimento e gua, o tempo VeBe relativo ao concreto fresco e o teor
de gua obtido com um densmetro nuclear na rea de lanamento. Mostra, tambm, as
variaes na resistncia do CCR nos traos J.2.e.2, J.2.e.6, J.2.e.7 e J.2.e.9.
No presente estudo, para finalidade de comparao e homogeneidade de resultados,
foram utilizados apenas os dados estatsticos das amostras onde estava presente o trao
J.2.e.6.

70

Tabela 3 Controle de Qualidade do CCR - Dados Estatsticos.

Trao (kg/m)
NMERO

Cimento

gua

Areia

AMOSTRAS MOLDADAS DE CCR


Brita

Brita

25 mm

50 mm

Volume
(m)

(%)

Teor de
cimento
(kg/m)

Tempo
VeBe

Teor de
gua

(s)

(kg/m)

Resistncia Compresso
(fck - MPa)
180 dias

Nmero de
Amostras

J.2.e.2

100

155

1100

746

497

111.227

11,8

107

16

140

9,1

184

J.2.e.6

100

143

1143

745

497

688.636

72,8

103

32

140

10,3

1.022

J.2.e.7

100

135

1153

752

501

14.767

1,6

103

39

133

9,4

70

J.2.e.9

100

150

1131

739

492

123.126

13,0

101

24

149

10,2

166

Fonte: COPEL (2005)

71

3.1.2 Ensaios dos testemunhos de CCR


Os resultados dos ensaios de testemunhos retirados da barragem foram obtidos dos
relatrios fornecidos pela COPEL (2005) e LACTEC (2006). Os resultados dos ensaios
realizados durante a construo e concludos em 1998 so utilizados para as anlises
principais, sendo apresentados na seqncia. Segundo os relatrios, em cada um dos furos, a
amostra integral foi fracionada em segmentos que resultaram nas amostras utilizadas para os
ensaios.
Como regra geral, o fracionamento foi obtido privilegiando amostras com 30 cm de
altura para ensaios de compresso axial e mdulo de elasticidade, 15 cm de altura para
permeabilidade, 10 cm para cisalhamento, distribuindo os demais segmentos que resultaram
na faixa de 15 cm a 30 cm divididos proporcionalmente em ensaios de trao direta e trao
por compresso diametral.
Convm ressaltar que devido coroa do equipamento de sondagem fornecer amostras
com dimetro fora do especificado por norma (cerca de 164 mm), alguns dispositivos de
ensaios tiveram de ser adaptados (no caso dos pratos de capeadores) ou at mesmo
construdos sob medida (dispositivo de trao direta Leroy).
Sobre os ensaios, apenas o ensaio de trao direta no normalizado para o CCR. O
LACTEC realizou este ensaio conforme procedimentos desenvolvidos internamente, para a
obteno das resistncias do CCR tenses de trao.
a) Resistncia Compresso
A resistncia compresso requerida em projeto (fck) 8,0 MPa. Os resultados dos
ensaios acham-se na tabela 4.

Tabela 4 Resistncia Compresso do CCR - Dados Estatsticos.

Trao
J.2.e.2
J.2.e.6/7/9
Outros

Coeficiente de
Resistncia
Desvio Padro
Variao
Mdia (fcj)
(Mpa)
(%)
(MPa)
10,7
3,3
30,5
13,7
3,4
25,1
12,8
3,0
23,8

Fonte: COPEL (2005)

Amostras
40
320
108

72

b) Densidade
Os critrios do projeto exigem uma densidade igual a 2.550 kg/m. Os resultados dos
ensaios acham-se na tabela 5.
Tabela 5 Densidade Mdia do CCR - Dados Estatsticos.

Coeficiente de
Densidade
Desvio Padro
Variao
Mdia
(kg/m)
(%)
(kg/m)
2.586
49
1,9
2.608
59
2,3

Trao
J.2.e.2
J.2.e.6/7

Amostras
145
649

Fonte: COPEL (2005)

c) Cisalhamento
Foram realizados ensaios com os traos J.2.e.2, J.2.e.6 e J.2.e.7, cujos resultados esto
a seguir.
Tabela 6 Cisalhamento - ngulo de Atrito e Coeso do CCR - Dados Estatsticos.

Trao
J.2.e.2
J.2.e.6/7

ngulo de
Atrito
50,44
67,85

Coeso
(MPa)
1,19
1,91

Amostras
46
138

Fonte: COPEL (2005)

d) Mdulo de Elasticidade
Foram realizados os ensaios com os traos J.2.e.2, J.2.e.6 e J.2.e.7, cujos resultados
esto a seguir.
Tabela 7 Mdulo de Elasticidade do CCR - Dados Estatsticos.

Trao
J.2.e.2
J.2.e.6/7
Outros

Mdulo de
Elasticidade
(MPa)
8.998
15.941
14.615

Fonte: COPEL (2005)

Desvio
Padro
(MPa)
3.924
7.237
5.641

Coeficiente de
Variao
(%)
43,6
45,4
38,6

Amostras
25
220
74

73

e) Resistncia Trao
Os resultados dos ensaios de resistncia trao direta e os resultados dos ensaios de
de compresso diametral (split-cylinder) acham-se nas tabelas seguintes:
Tabela 8 Resistncia Trao Tenso Direta do CCR - Dados Estatsticos.

Trao

Tenso Direta Desvio Padro


(MPa)
(MPa)

J.2.e.2
J.2.e.6/7
Outros

0,5
0,5
0,6

0,3
0,3
0,2

Coeficiente de
Variao
(%)
55,3
51,0
37,6

Amostras
15
202
64

Fonte: COPEL (2005)

Tabela 9 Resistncia Trao Compresso diametral do CCR - Dados Estatsticos.

Trao

Mdia
(MPa)

J.2.e.2
J.2.e.6/7
Outros

1,4
1,8
1,8

Desvio
Padro
(MPa)
0,4
0,5
0,6

Coeficiente de
Variao
(%)
30,0
25,6
34,2

Amostras
24
201
10

Fonte: COPEL (2005)

Em 2005, novos ensaios foram realizados nos blocos B5, B8 e B11, para
acompanhamento dos parmetros do projeto em uma regio especfica da barragem onde
foram detectadas fissuras no concreto. Os valores do peso especfico do concreto confirmaram
aqueles obtidos em 1998, mas houve um ganho considervel de resistncia compresso e
trao. Estes novos resultados foram utilizados para uma anlise comparativa com os
resultados obtidos para os dados de 1998. A tabela 10 resume os dados do CCR obtidos em
1998 e 2005 (LACTEC, 2006). Convm notar que como os testemunhos foram coletados em
regio de fissurao, a variabilidade dos parmetros estatsticos tende a ser maior. As figuras
17 e 18 mostram momentos da extrao das amostras da barragem, no ano de 2005.

74

Figura 17 Extrao das amostras de CCR da barragem de Salto Caxias (Fonte: LACTEC, 2006)

Figura 18 Amostras de CCR da barragem de Salto Caxias (Fonte: LACTEC, 2006)

75

Tabela 10 Dados do CCR obtidos em 1998 e 2005

1998

2005
(B5)

2005
(B8)

2005
(B11)

Mdia

2.608

2.626

2.625

2.635

Desviopadro

59

31

30

28

Amostras

649

185

169

191

Mdia

13,7

16,5

16,4

16,0

Desviopadro

3,4

5,0

3,5

3,1

Amostras

320

57

54

69

Mdia

0,51

0,76

0,71

0,69

Desviopadro

0,26

0,24

0,25

0,25

Amostras

202

28

26

25

Blocos

Densidade
(kg/m3)

Resistncia
compresso
(MPa)

Resistncia
trao
(MPa)

Fonte: LACTEC (2006)

3.2

DEFINIO DO PROBLEMA ESTRUTURAL

3.2.1

Foras que atuam em uma barragem gravidade


Uma barragem de concreto gravidade deve ser relativamente impermevel gua e

capaz de resistir s foras que nela atuam. A figura 19 um diagrama da seo transversal
tpica de uma barragem gravidade. So indicadas foras que podem atuar na estrutura, como
o peso da barragem W, a componente horizontal da presso hidrosttica Hh, sua componente
vertical Hv, a sub-presso U, a presso do gelo Fi, o aumento da presso hidrosttica
provocado por terremoto Ew e a fora de inrcia decorrente da ao do terremoto na prpria
barragem Ed. O vetor resultante dessas foras igual e contrrio a R, que a reao do terreno
agindo sobre o embasamento da barragem.

76

Fi
Hv
Ew
Ed

Hh

Hv

W
Hh

Figura 19 Foras atuantes na seo de uma barragem gravidade


(adaptado de LINSLEY et al., 1992)

As barragens gravidade podem falhar por flutuao, tombamento, deslizamento ao


longo de um plano horizontal, ou por ruptura do material. Rupturas podem ocorrer no nvel do
terreno ou em qualquer outro plano da barragem. Deslizamento (ou ruptura por cisalhamento)
poder ocorrer se a resultante horizontal dos esforos acima de qualquer cota da barragem
superar a resistncia ao cisalhamento no mesmo nvel (LINSLEY et al., 1992).
Nos estudos preliminares de uma barragem gravidade considera-se, isoladamente,
uma seo transversal tpica com largura unitria (ao longo do comprimento da barragem).
Admite-se que esta seo atue independentemente das sees adjacentes. A anlise estrutural
feita passo a passo, do topo base e deve considerar vrias hipteses, como, por exemplo, as
do reservatrio cheio e vazio.
Por ltimo, a adequao do terreno deve ser estudada. Admite-se que as tenses
normais no concreto na base da barragem sero transferidas para o terreno. Taxas de
compresso mximas dos diversos tipos de terreno devem ser respeitadas.
Apesar de ser um procedimento simplificado e considerar que o concreto se comporta
como material elstico, a anlise estrutural acima descrita vlida e adotada em anlises de
estabilidade no Brasil (ELETROBRS, 2003) e no exterior (US Department of the Interior,
1993; USACE, 2005). Para grandes barragens, este procedimento normalmente
complementado por anlises estruturais utilizando o mtodo dos elementos finitos.

77

3.2.2

Fatores de segurana para projeto de barragens de concreto


Segundo Eletrobrs (2003) os critrios de projeto civil de usinas hidreltricas prevem

as seguintes condies de carregamentos nos estudos de estabilidade global e respectivos


clculos dos esforos internos das barragens: Condio de Carregamento Normal (CCN),
Condio de Carregamento Excepcional (CCE), Condio de Carregamento Limite (CCL) e
Condio de Carregamento de Construo (CCC), conforme as combinaes de aes
previstas apresentem probabilidades grandes, baixas, muito baixas ou probabilidade de
ocorrncia maior apenas durante a obra, respectivamente.
Nas combinaes de aes, as cargas variveis devem ser consideradas em intensidade
e direo de modo mais desfavorvel; as cargas acidentais, uniformemente distribudas ou
concentradas, so consideradas na combinao mais desfavorvel em termos de intensidade,
localizao, direo e sentido, desconsiderando-se qualquer reduo de esforos internos por
elas causados; combinao mais desfavorvel de nveis de gua de montante e jusante; peas
e elementos estruturais na fundao so analisados com e sem sub-presso; empuxos de terra
presentes nas estruturas levam em conta a ocorrncia de lenol fretico, caso exista; no caso
de sistemas de drenagem montante e a jusante no devem ser consideradas falhas
concomitantes dos sistemas.
A segurana das obras de concreto de uma barragem conceituada pelos princpios
estabelecidos na NBR 8681 Aes e Segurana das Estruturas (ABNT, 2003). Para a
garantia da segurana global da estrutura e de todos os seus elementos estruturais devero ser
verificadas e atendidas as condies prescritas na norma para os estados limites ltimos e de
servio, tendo em conta as combinaes de aes correspondentes aos vrios tipos de
carregamentos anteriormente citados.
Nos projetos de barragens de concreto gravidade, as verificaes necessrias
correspondem a anlises de estabilidade considerando sees tpicas da barragem como
corpos rgidos, no sentido de avaliar a segurana global quanto aos seguintes movimentos:
Deslizamento em qualquer plano, tanto na prpria estrutura, como na fundao;
Tombamento;
Flutuao;
Tenses na base da fundao e na estrutura;
Deformaes e recalques;
Vibraes.

78

Ainda segundo Eletrobrs (2003), nas anlises de estabilidade das estruturas, os


coeficientes de segurana so assim definidos:
a) Fator de segurana flutuao (FSF)
O fator de segurana flutuao definido como a relao entre o somatrio das
foras gravitacionais e o somatrio das foras de sub-presso e ser dado pela expresso:

FSF = V / U 1,0

(3.1)

onde:

FSF = fator de segurana flutuao;


V = somatrio das foras gravitacionais;
U = somatrio das foras de sub-presso;
Devero ser desconsideradas contribuies favorveis devidas coeso ou atrito entre
blocos ou entre a estrutura e a fundao. As foras verticais incluem as cargas permanentes
mnimas das estruturas, o peso prprio de equipamentos permanentes, se instalados, e de
lastros e sistemas de ancoragem, se utilizados durante determinados estgios durante a
construo. Cargas acidentais podero ser ignoradas nas verificaes de estabilidade.
b) Fator de segurana ao tombamento (FST)
O fator de segurana ao tombamento em qualquer direo definido pela relao entre
a soma dos momentos estabilizadores e a soma dos momentos tombadores em relao a um
ponto da linha efetiva de rotao:

FST = Me / Mt 1,0

(3.2)

onde:

FST = fator de segurana ao tombamento;


Me = somatrio dos momentos estabilizadores;
Mt = somatrio dos momentos de tombamento;
Os momentos estabilizadores incluem o momento resultante do peso prprio da
estrutura, das cargas permanentes mnimas e de eventuais equipamentos permanentes

79

instalados. Os momentos de tombamento se devem a cargas desestabilizantes, tais como a


presso hidrosttica, sub-presso, empuxos de terra, etc. Devem ser desprezados efeitos
estabilizantes de coeso e atrito que atuam nas superfcies de contato com a fundao.
c) Fator de segurana ao deslizamento (FSD)
Neste item, devem ser selecionadas superfcies de ruptura de modo a incluir todos os
planos de menor resistncia possvel, ou os submetidos a tenses crticas na estrutura, na
fundao e no contato da estrutura com a fundao, sobre as quais a estrutura possa sofrer
movimento de deslizamento (escorregamento) como corpo rgido.
Nestas anlises, dever ser includa a resistncia ao cisalhamento dos materiais da
estrutura, rochosos, ou do contato do concreto com a rocha, a menos que as investigaes ou
condies existentes no campo indiquem o contrrio.
Para fundaes em material com coeso:

N tg ( ) + C A
i

FSD =

FSD

FSDc

1,0

onde:

FSD = fator de segurana ao deslizamento;


FSD = fator de reduo da resistncia ao atrito;
FSDc = fator de reduo da resistncia coeso;

N i = somatrio das foras normais superfcie de deslizamento;


Ti = somatrio das foras paralelas superfcie de deslizamento;
i = ngulo de atrito caracterstico da superfcie de deslizamento;
C i = coeso caracterstica ao longo da superfcie de deslizamento;
Ai = rea efetiva comprimida da estrutura no plano em anlise;
Para fundaes em material sem coeso:

(3.3)

80

N i tg (i )
FSD =

FSD

Ti

1,0

(3.4)

d) Verificaes de tenses normais (de servio) no concreto e na fundao


As estruturas de concreto-massa, tais como as barragens de concreto gravidade,
podem ser construdas de concreto convencional ou com armadura apenas para resistir aos
esforos decorrentes de retrao, variaes de temperatura e esforos localizados
(ELETROBRS, 2003). As verificaes de resistncia para o dimensionamento desse tipo de
estrutura so feitas pela anlise do estado de tenses e devero satisfazer ao critrio da NBR
6118 (ABNT, 2003), com os coeficientes de segurana e minorao l indicados.
Quando no for possvel a realizao de anlise de tenses pelo Mtodo dos
Elementos Finitos, podem-se estimar as tenses normais na base das sees transversais ou
em qualquer outro plano, supondo-se a seo constituda por materiais isotrpicos e
homogneos, resistentes a esforos no regime elstico (Lei de Hooke). A expresso para o
clculo das tenses normais :
N M y I x M x I xy M x I y M y I xy
cal = +
+
2
2
A

I x I y I xy

I x I y I xy

(3.5)

onde:

cal = tenso normal calculada;

N = somatrio das foras normais ao plano considerado;


A = rea da seo da estrutura (plano considerado) ou do contato concreto-fundao;
x e y = eixos perpendiculares com origem no centro de gravidade da seo transversal;

M x e M y = somatrio dos momentos em relao aos eixos x e y;


I x e I y = momentos de inrcia da rea A em relao aos eixos x e y;
I xy = produto de inrcia da rea A em relao aos eixos x e y;

As tenses assim obtidas devem ser somadas s tenses devidas aos efeitos de retrao
trmica e variao de temperatura e depois comparadas com as tenses admissveis dos
materiais.

81

Para a condio de carregamento normal (CCN), as sees de concreto-massa devero


trabalhar sempre compresso ou com tenses de trao menores que a tenso admissvel do
concreto, sendo que, para a fundao, no so admitidas tenses de trao. Esta condio
verificada pela manuteno da resultante dos esforos solicitantes aplicada dentro do ncleo
central de inrcia da rea da seo analisada. Para carregamentos excepcionais (CCE), limites
(CCL) e de construo (CCC) podero ser admitidas resultantes aplicadas fora do ncleo
central de inrcia, mas os clculos devero ser refeitos admitindo-se uma presso intersticial
ou subpresso integral na zona tracionada.
3.2.3

Tenses admissveis no concreto-massa


As tenses admissveis de compresso e de trao so calculadas em funo da

resistncia caracterstica do concreto compresso (fck). Estas tenses recomendadas pela


Eletrobrs (2003) constam na tabela 11:
Tabela 11 Tenses admissveis do concreto-massa trao e compresso

Carregamento

Tenso admissvel
compresso

Tenso admissvel
trao

CCN
CCC
CCE
CCL

0,50 fck
0,55 fck
0,60 fck
0,65 fck

0,050 fck
0,055 fck
0,060 fck
0,065 fck

Fonte: ELETROBRS (2003)

Os efeitos de retrao trmica e variao de temperatura j devero estar computados


nas tenses de trao a serem comparadas com os valores admissveis acima.
3.2.4

Tenses admissveis na fundao


A capacidade de carga das fundaes refere-se tenso normal mxima definida para

atender as condies de ruptura, ou limitaes resultantes de recalques excessivos que possam


interferir no perfeito uso da estrutura. Esta tenso mxima admissvel deve ser calculada a
partir da seguinte relao:

adm =

capacidade de carga da fundao


coeficiente de segurana

(3.6)

Os seguintes coeficientes de segurana so recomendados pela Eletrobrs (2003):

82

Tabela 12 Coeficientes de segurana para as tenses admissveis na fundao

Coeficiente de
segurana*
3,0 (4,0)
2,0 (3,0)
1,5 (2,0)
1,3 (1,5)

Carregamento
CCN
CCC
CCE
CCL

Fonte: ELETROBRS (2003)


* para materiais com conhecimento precrio ou comportamento
inconstante devem ser adotados os valores entre parnteses.

3.2.5

Valores mnimos admissveis dos coeficientes de segurana


Na tabela 13 apresentam-se os fatores recomendados pela Eletrobrs (2003) de

reduo da resistncia por atrito e coeso e os coeficientes de segurana mnimos em relao


ao tombamento e flutuao.
Tabela 13 Fatores de reduo da resistncia do atrito e da coeso e fatores de segurana
ao tombamento e flutuao

Fatores de reduo e
coeficientes de segurana
FSDc
FSD
Flutuao
FSF >
Tombamento FST >

CCN

CCE

CCL

CCC

3,0 (4,0)
1,5 (2,0)
1,3
1,5

1,5 (2,0)
1,1 (1,3)
1,1
1,2

1,3 (2,0)
1,1 (1,3)
1,1
1,1

2,0 (2,5)
1,3 (1,5)
1,2
1,3

Fonte: ELETROBRS (2003)


* para materiais com conhecimento precrio ou comportamento inconstante
devem ser adotados os valores entre parnteses.

Alm destes, devem ser aplicados coeficientes de majorao das cargas (f) e de
minorao das resistncias do concreto (c) e do ao (s), conforme a tabela 14:
Tabela 14 Coeficientes de segurana de cargas e de resistncia

Carregamento
CCN

Tipo de estrutura
Concreto massa
Concreto armado ou
protendido

CCC,CCE,CCL

Concreto massa

Verificao
Ausncia de armadura
Necessidade de
armadura
Estado limite ltimo
Estado limite de
servio
Ausncia de armadura
Necessidade de
armadura
Estado limite ltimo

Cargas Concreto
(c)
(f)
2,0

Ao
(s)

1,4
1,4**
1,0

1,4*
1,4*
1,0

1,15
1,15
1,0

1,6

1,4*

1,1
1,4*
1,15
Concreto armado ou
1,1
1,4*
1,15
protendido
Fonte: ELETROBRS (2003)
* para obras com alto padro de controle de qualidade do concreto pode-se adotar 1,3 (NBR 6118)
**podero ser observadas as recomendaes da NBR 8681 (ABNT, 2003)

83

3.3

DEFINIO DO PROBLEMA EM TERMOS PROBABILSTICOS


Para a definio do problema estrutural em termos da anlise de confiabilidade, foram

considerados como determinsticos todos os parmetros geomtricos de uma seo de


barragem de concreto tpica, assim como o peso especfico da gua. As dimenses
geomtricas da barragem poderiam ser consideradas variveis aleatrias, mas como o
procedimento de projeto normalmente baseado na avaliao de uma geometria pr-definida,
supe-se que a barragem ser construda segundo as dimenses especificadas no projeto
executivo da barragem. O peso especfico da gua poder sofrer pequenas variaes em
funo da temperatura ambiente, mas estas podem ser consideradas desprezveis. As variveis
estocsticas do problema consideradas na anlise estrutural so o peso especfico do concreto

c, a coeso do material C, o ngulo de atrito interno do material, ou coeficiente de atrito entre


o concreto da barragem e a rocha da fundao ou entre blocos da seo da barragem e as
resistncias admissveis do concreto compresso c ,adm , e trao t ,adm .

3.3.1

Flutuao
A definio probabilstica para a flutuao imediata, pois a nica varivel aleatria

do problema o peso especfico do concreto, c. Assim, tem-se:

FSF = V / U =

H vm + H vj + W
U

hm d
=

h 2j

+cA
2
hm + h j
L

2

(3.7)

onde:

W = peso prprio da seo da barragem em anlise;


A = rea da seo transversal da barragem;
hm e h j = cargas hidrulicas a montante e jusante da barragem;

= peso especfico da gua;


d = extenso na horizontal do diagrama de presses hidrostticas, no caso de
paramento inclinado montante;

L = comprimento do diagrama de sub-presses, supondo variao linear da subpresso ao longo da fundao. No caso da existncia de drenos, a resultante das foras

84

de sub-presso U deve ser calculada de forma detalhada, levando-se em considerao


o alvio de presso provocado pelos drenos.
Simplificando-se a notao anterior para uma equao mais compacta, possvel
definir:
FSF =

H +cA
U

(3.8)

onde H seria a soma das foras hidrostticas verticais a montante e jusante da barragem.
Desta forma, pode-se definir a equao de estado limite por:

g (X) = H U + c A

(3.9)

e a probabilidade de falha por:

p f = P[( H + c A) < U ] ou p f = P[ g (X) < 0] ,

(3.10)

lembrando-se novamente que a nica varivel aleatria nas expresses anteriores c.


3.3.2 Tombamento
Na anlise para o tombamento, tem-se que novamente apenas o peso especfico do
concreto uma varivel aleatria. Na definio do problema, se forem considerados fixos os
braos de alavanca de todos os momentos considerados, assim como as foras hidrostticas e
de sub-presso na fundao, tem-se:

FST = Me / Mt =

Wx1 + H vm x 2 + H vj x3 + H hj x 4
H hm x5 + Ux6

(3.11)

onde os xi representam os braos de alavanca das foras correspondentes em relao a um


ponto fixo na seo da barragem, lembrando que na expresso acima o numerador representa
a soma dos momentos provocados pelas foras gravitacionais e o denominador a soma dos

85

momentos tombadores, causados principalmente pela sub-presso sob a barragem e pela fora
hidrosttica a montante da barragem.
Da mesma forma, simplificando a notao anterior para uma equao mais compacta:

FST =

c Ax1 + M H

(3.12)

Mt

onde M H seria a soma dos momentos hidrostticos estabilizadores e M t a soma dos


momentos tombadores.
Pode-se ento definir a equao de estado limite por:

g (X) = c Ax1 + M H M t

(3.13)

e a probabilidade de falha por:

p f = P[( c Ax1 + M H ) < M t ] ou p f = P[ g (X) < 0] .

3.3.3

(3.14)

Deslizamento
Na anlise do deslizamento da seo sobre a fundao ou entre planos da seo da

barragem, a equao de estado limite resultante envolver trs variveis aleatrias: o peso
especfico do concreto (representado por c), a coeso do material C e o ngulo de atrito
interno ou coeficiente de atrito entre a barragem e a fundao ou entre planos .
Tomando-se o caso de materiais coesivos, tem-se:

FSD =

N tg ( ) + CL = (W + H
T
i

vm

+ H vj U )tg ( ) + CL
H hm H hj

(3.15)

Novamente, simplificando a equao e chamando de H e V as somas das componentes


horizontais e verticais das foras hidrostticas, respectivamente, resulta:

86

( c A + V )tg ( ) + CL
H

FSD =

(3.16)

A equao de estado limite fica, ento:

g (X) = ( c A + V )tg ( ) + CL H

(3.17)

p f = P[( c A + V )tg ( ) + CL H ] < 0 ou p f = P[ g (X) < 0]

(3.18)

e a probabilidade de falha :

3.3.4

Tenses Normais
Na anlise das tenses normais na fundao ou no concreto em qualquer seo

horizontal analisada, as variveis aleatrias intervenientes so a tenso normal admissvel


para trao ou compresso e o peso especfico do concreto. A tenso na base dos blocos
resultante da ao conjunta das cargas verticais e da flexo devida ao momento resultante da
excentricidade da carga. Supondo inicialmente que no h momentos no sentido transversal
seo analisada da barragem, tem-se:

V M

A
I

onde:

= tenso mxima e mnima nas extremidades da seo;


V = resultante das foras verticais;
A = rea da seo da base da barragem;
M =V e;

I = momento de inrcia da seo =

bh 3
;
12

h
2

e = excentricidade da fora resultante.

(3.19)

87

Sendo assim, para que no ocorra trao na seo, a resultante das foras deve estar
aplicada dentro do ncleo central de inrcia, que no caso de uma seo retangular, um
losango definido como na figura 20 (BEER e JOHNSTON, 1976):

1/3
ponto de aplicao
da resultante

1/3
1/3

1/3

1/3

1/3

Figura 20 Ncleo Central de Inrcia em uma seo retangular

Portanto, da figura 20,

e = d

(3.20)

e o valor de d pode ser calculado, no caso de reservatrio cheio, por

d=

Momentos
V

(3.21)

onde Momentos equivale a subtrair o momento total tombador do momento estabilizador.


No caso de clculo com reservatrio vazio, a nica fora vertical ser o peso prprio
do bloco e a excentricidade e refere-se apenas distncia do centro do bloco at o ponto de
aplicao do peso. Portanto, e pode ser calculada diretamente apenas com as dimenses do
bloco.
As equaes de estado limite para as verificaes das tenses de compresso e trao
podem ser escritas como:
V M
g (X) = adm

I
A
e

p f = P[ g (X) < 0]

(3.22)

(3.23)

88

3.4

APLICAO DOS MTODOS BARRAGEM DE SALTO CAXIAS


Para a aplicao dos mtodos descritos no captulo 2, foram desenvolvidos programas

de computador no ambiente Visual Fortran, utilizando-se rotinas matemticas da biblioteca


IMSL (COMPAQ, 2000). A seguir, so apresentados os fluxogramas que serviram de base
para transformar os mtodos em algoritmos computacionais. A listagem completa dos
programas encontra-se no Apndice 1. Devido simplicidade, as anlises pelo mtodo FOSM
foram realizadas em planilha eletrnica. Para o SORM, alm do programa em Fortran, os
clculos foram verificados por meio do programa Maple (WATERLOO MAPLE, 2000).
3.4.1

Fluxogramas dos mtodos de anlise de confiabilidade

a) FOSM para variveis Normais


Considerando uma funo de estado limite g(X) para um vetor X de n variveis
relevantes X1, X2, ... ,Xn, representando o comportamento estrutural do sistema em anlise, o
procedimento FOSM pode ser resumido no fluxograma da figura 21.
b) AFOSM ou mtodo de Hasofer-Lind para Variveis Normais
A figura 22 mostra os passos do procedimento de otimizao do mtodo de HasoferLind.
c) Simulao Monte Carlo
A estimativa da probabilidade de falha peo mtodo Monte Carlo envolve os seguintes
passos: (1) definir o problema e as variveis aleatrias envolvidas; (2) definir as
caractersticas estocsticas das variveis aleatrias; (3) gerar valores para estas variveis
aleatrias; (4) avaliar o problema de forma determinstica para cada conjunto de realizaes
das variveis aleatrias; (5) estimar as informaes probabilsticas a partir das N realizaes;
A figura 23 ilustra o procedimento usado neste estudo, para variveis normais independentes.
d) Mtodo de confiabilidade de segunda ordem SORM
O procedimento de anlise de confiabilidade de segunda ordem pode ser resumido no
fluxograma da figura 24.

89

Definio da funo de estado limite

g(X) = g ( X 1 , X 2 ,..., X n )

Clculo da mdia e varincia da


funo de estado limite

g g ( X , X ,..., X )
1

g
i =1 X i
n

g2

Var ( X i )

Clculo do ndice de confiabilidade

g
g

Avaliao da probabilidade de falha


na funo distribuio Normal

p f = 1 ( ) = ( )

Figura 21 Fluxograma do procedimento FOSM

90

Definio da funo de estado limite


g(X) = g ( X 1 , X 2 ,..., X n ) = 0

Incio do processo iterativo


xi* = X i
(ponto de projeto inicial)

Transformao de coordenadas para


o espao das variveis reduzidas
(Normais padro)
g(Z) = g ( Z 1 , Z 2 ,..., Z n )

Zi =

xi X i

Clculo dos co-senos diretores

i =

Z
i

g

i =1 Z i
n

2*

Clculo do ndice de confiabilidade

g
z
i =1
Z i
=
n
g
zi*
i =1
Z i
n

HL

*
i

2*

Clculo do ponto de projeto no


espao reduzido
z i* = i H L

nova iterao

Clculo do ponto de projeto no


espao original

converge

x i* = X i i X i H L

Figura 22 Fluxograma do procedimento AFOSM (Hasofer-Lind)

FIM

91

Definio da funo de estado limite

g(X) = g ( X 1 , X 2 ,..., X n )

N =0

Nf =0

N = N +1

Gerao de variveis uniformes


ui(0,1), i = 1,... , n

Gerao de variveis Normais (0,1)


t i = 1 (u i ) , i = 1,... , n

Gerao de variveis Normais


xi = X + t X , i = 1,... , n
i

Se g ( x1 , x 2 ,..., x n ) < 0
at NS simulaes

ento N f = N f + 1

Avaliao da probabilidade de falha

pf = N f / N

Figura 23 Fluxograma do procedimento de simulao Monte Carlo

92
Definio da funo de estado limite
g(X) = g ( X 1 , X 2 ,..., X n ) = 0
Clculo de e os co-senos diretores
do procedimento FORM ou AFOSM:
1 , 2 ,..., n
Montagem da matriz R0:
0
0 L 0
1
0
1
0 L 0

R0 = 0
0
1 L 0 .

M
M O M
M
1 2 3 L n

Aplicar ortogonalizao de GramSchmidt matriz R0 resultando na


matriz ortogonal de rotao R

Calcular matriz D (n x n) com


derivadas de segunda ordem da
superfcie de estado limite no espao
normal padro e no ponto de projeto:

2 g

2
Y21
g
D = Y Y
2 1
2M
g
Y Y
n 1

2 g
Y1Y2
2 g
Y22
M
2 g
Yn Y2

2 g

Y1Yn
2
g
L
Y2 Yn

O
M
2
g
L
Yn2
L

Clculo do comprimento do vetor


gradiente da funo de estado limite
no espao normal padro
G ( y*)

Clculo da matriz A, retirando-se a ltima


linha e coluna: A = [aij] (n-1 x n-1)
aij =

(R D R T )ij
G ( y * )

Clculo dos ki (autovalores de A) e


n 1

p f 2 ( ) (1 + k i ) 1 / 2
i =1

Figura 24 Fluxograma do procedimento SORM

93

No presente estudo, os mtodos de confiabilidade apresentados no captulo 2 foram


aplicados aos dados dos modos de falha apresentados no captulo 3, ou seja: flutuao,
tombamento, deslizamento e tenses normais. Para a flutuao e tombamento, como o peso
especfico do concreto a nica varivel aleatria envolvida, o clculo da probabilidade de
falha pelo mtodo FOSM pode ser realizado imediatamente, bastando determinar a mdia e a
varincia da funo de estado limite e calcular a probabilidade de falha envolvida.
Os mtodos FOSM, AFOSM (Hasofer-Lind), SORM e simulao Monte Carlo foram
aplicados na verificao das tenses normais e deslizamento sobre a fundao da barragem de
Salto Caxias. Os resultados determinsticos das anlises de corpo rgido foram comparados
com os resultados da anlise probabilstica, para a condio de carregamento excepcional
(CCE) e considerando drenos no operantes sob a barragem.
As propriedades geomtricas e fsicas da barragem encontram-se na tabela 15, e as
propriedades das variveis aleatrias encontram-se na tabela 16. Na tabela 16 tambm so
apresentados os parmetros do CCR, mdias e desvios padres das resistncias do concreto
obtidas da anlise de corpos de prova retirados da barragem durante a construo (dados de
1998), e tambm as tenses mximas resultantes da anlise determinstica de tenses normais
(c e t mximos). Os valores admissveis foram retirados da memria de clculo de
estabilidade da barragem (COPEL, 1993).
Tabela 15 Propriedades geomtricas da barragem de Salto Caxias.

Descrio
Carga hidrulica de montante
Carga hidrulica de jusante
Comprimento da base da seo
rea da seo transversal
rea retangular da seo A
rea triangular da seo A
Brao de alavanca de A1
Brao de alavanca de A2
Brao de alavanca de U
Excentricidade da resultante
Meia distncia da base
Momento de inrcia da base
Peso prprio da seo
Fonte: COPEL (1993)

Smbolo

Valor e unidade

hm
hj
L
A
A1
A2
d1
d2
du
e

63,0 m
17,0 m
46,5 m
1501,5 m2
1014,0 m2
487,5 m2
42,8 m
26,0 m
27,7 m
7,10 m
23,25 m
8378,7 m4
38298 kN (3904 tf)

I
W

94

Tabela 16 Propriedades fsicas do CCR da Barragem de Salto Caxias (dados de 1998).

Peso especfico (c)


Mdia c

25,5 kN/m3

Desvio padro c

0,579 kN/m3

Tenses de compresso (c)

c mximo*
c admissvel
Mdia

0,93 MPa
6,0 MPa
13,7 MPa

Desvio padro c

3,4 MPa

Tenses de trao (t)

t mximo*
t admissvel
Mdia
t

0,04 Mpa (compresso)


0,48 MPa
0,51 MPa

Desvio padro t

0,26 MPa

ngulo de atrito ()
Mdia ()
Mdia de t ( t )

45o
1,000

Desvio padro de t ( t )

0,1547

Coeso (C)
Mdia C
Desvio padro C
*tenses mximas dos clculos determinsticos
Fonte: o autor e COPEL(2005)

0,29 MPa
0,02134 MPa

95

RESULTADOS E DISCUSSO
Da metodologia aplicada, foram obtidos os seguintes resultados:

4.1 QUANTO FLUTUAO


Considerando como varivel aleatria apenas o peso especfico do concreto c, e
utilizando-se as equaes (3.9) e (3.10),

g
g

H U + c A
A C
2

21446,3 kN
= 24,7
868,2 kN

(4.1)

Como pode-se notar, o ndice de confiabilidade neste caso bastante elevado,


resultando em uma probabilidade de falha praticamente nula, pois:

p f = 1 ( ) = (24,7) 0 ,

(4.2)

onde ( ) a funo distribuio acumulada da Normal Padro.


A ttulo de comparao, o coeficiente de segurana para a flutuao de toda a seo
transversal da barragem, calculado pela expresso (3.7), resulta:

FSF = V / U =39674 kN / 18228 kN = 2,18

(4.3)

Conclui-se que o fator de segurana flutuao encontra-se dentro dos limites


exigidos para obras dessa natureza.
4.2 QUANTO AO TOMBAMENTO
Novamente, considerando como varivel aleatria apenas o peso especfico do
concreto c, e modificando ligeiramente a expresso (3.12) para considerar os efeitos das reas
da seo transversal A1 (retangular, a montante) e A2 (triangular, a jusante) e respectivos
braos de alavanca d1 e d2 em relao ao p da barragem,

g = c ( A1 d1 + A2 d 2 ) + M H M t

(4.4)

96

e a probabilidade de falha por:

p f = P[( c A1 d1 + c A2 d 2 + M H ) < M t ] ou p f = P[ g < 0]

(4.5)

ou seja,

g c ( A1 d1 + A2 d 2 ) + M H M t 313407,9 kN
=
=
= 16,1
g
19431,2 kN
( A12 d12 + A22 d 22 ) 2

(4.6)

Novamente, o ndice de confiabilidade resultante bem elevado, correspondendo a


uma probabilidade de falha desprezvel:

p f = 1 ( ) = (16,1) 0

(4.7)

O coeficiente de segurana para o tombamento de toda a seo transversal da


barragem em torno do p da barragem, calculado pela expresso (3.11) atualizada, resulta:

FST =

c ( A1 d1 + A 2 d 2 ) + M H
Mt

1226848 kN.m
= 1,34
913440 kN.m

(4.8)

Conclui-se que o fator de segurana ao tombamento encontra-se dentro dos limites


exigidos para obras dessa natureza.
4.3 QUANTO S TENSES NORMAIS
A equao de estado limite representada pela equao (3.22) pode ser escrita como:
V M
g = adm
ou
A
I
b

P U ( P U ) L M

g = adm
2 P U
I
Ab

(4.9)

(4.10)

Na expresso acima, Ab a rea da base da barragem. Desenvolvendo e simplificando,

97

A U ( c A U )L

g = adm c

( c A1 d 1 + c A2 d 2 E m z m + E j z j Ud u ) (4.11)
I
2

Ab

onde Em e Ej indicam as foras hidrostticas a montante e jusante da barragem,


respectivamente, com os braos de alavanca representados por zm e zj, em relao ao p da
barragem.
Para a aplicao do procedimento FOSM, necessrio conhecer a varincia da funo
de estado limite V(g):
A 2 2 A 2 L2

V ( g ) = V ( c )1 2 2 (
A1 d12 A2 d 22 )
4
Ab I

(4.12)

Para a aplicao do procedimento AFOSM, necessrio trabalhar com a funo de


estado limite no espao normal padro. A equao (4.11) transformada para:
x A U ( x1 A U )L

g = x2 1

( x1 A1 d1 + x1 A2 d 2 E m z m + E j z j Ud u ) (4.13)
I
2

Ab

onde, no espao normal padro e denotando por x1 = c e x2 = adm:

y1 =

x1 x1

e y2 =

x 2 x2

(4.14)

Substituindo na equao anterior e calculando as derivadas parciais necessrias para o


procedimento AFOSM,
A x1 x1 AL
g

A1 d1 A2 d 2

y1
I 2

Ab

(4.15)

g
= x2
y 2

(4.16)

98

Os mtodos anteriormente descritos: FOSM, AFOSM (segundo Hasofer-Lind), e


simulao Monte Carlo foram aplicados na verificao das tenses normais de uma seo de
largura unitria da barragem de Salto Caxias. Os ndices de confiabilidade e as
probabilidades de falha correspondentes so comparados na tabela 17, para os dados de 1998
e 2005.
Tabela 17 Anlise de tenses normais - Resultados.

Compresso

1998*

2005**

FOSM
AFOSM
MC
pf FOSM
pf AFOSM
pf MC

3,756
3,760
3,763
0,0086 %
0,0085 %
0,0084 %

3,114
3,117
3,121
0,0922 %
0,0913 %
0,0901 %

Trao

1998*

2005**

FOSM
AFOSM
MC

1,811
1,844
1,893
3,506%
3,259%
2,921%

3,003
3,090
3,170
0,1337%
0,1001%
0,0761%

pf FOSM
pf AFOSM
pf MC
Fonte: o autor

* todas as amostras
** somente amostras do bloco B5

Conforme previsto na literatura, sendo a funo desempenho linear, e considerando-se


variveis normais nos modelos, os ndices de confiabilidade obtidos das abordagens FOSM e
AFOSM so os mesmos, exceto por pequenas diferenas devidas a aproximaes numricas.
As simulaes Monte Carlo (resultados indicados por MC) confirmaram a correo dos
resultados.
Salienta-se a importncia da qualidade dos dados das amostras de CCR e sua
influncia nos resultados da anlise de confiabilidade. Cuidados especiais devem ser tomados
na coleta dos dados e durante os testes de laboratrio, com o objetivo de reduzir a varincia
dos dados do concreto devido a manipulao das amostras. No presente estudo, o coeficiente
de variao (CV) da resistncia trao bem elevado (51% para os dados de 1998 e 31%
para 2005).

99

Os elevados valores da probabilidade de falha por trao no so confirmados pelos


resultados determinsticos da anlise estrutural, onde as mximas tenses de trao esto
dentro dos limites permitidos.
interessante notar que para a compresso, apesar de ter havido um aumento
considervel no valor mdio da resistncia, o aumento da varincia (CV passou de 25% para
30%) provocou uma diminuio no valor da confiabilidade para o bloco B5. Se os dados do
bloco B8 forem utilizados, o valor do ndice de confiabilidade para a tenso mxima de
compresso aumenta consideravelmente, com o ndice FOSM passando de 3,114 para 4,421
(pf FOSM = 0,00049%) em 2005.
Os mtodos utilizados foram aplicados propositadamente a uma situao
excepcionalmente desfavorvel, com o nvel de gua de montante no mximo possvel, e sem
operao dos drenos existentes sob a barragem. O procedimento AFOSM convergiu em
poucas iteraes e o procedimento Monte Carlo utilizou 106 simulaes. As sadas dos
programas de computador podem ser encontradas no Apndice 2.
4.3.1

Clculo da faixa de confiana pelo mtodo Bootstrap


De acordo com os comentrios apresentados no item 2.7.5, os valores da tabela 17 so

os valores mdios, ou melhores estimativas dos ndices de confiabilidade e probabilidades


de falha. Apesar da coerncia dos resultados das anlises entre os mtodos e com relao s
propriedades mecnicas das amostras, convm lembrar que h uma incerteza presente nos
resultados e que seria mais adequado apresentar limites de variao associados a um certo
nvel de confiana expresso por uma probabilidade (90%, por exemplo).
Para aplicao do mtodo Bootstrap necessrio conhecer os valores amostrais
individuais que conduziram aos valores de mdias e desvios-padres das tenses de ruptura de
compresso e trao dos corpos de prova de CCR. Seguindo o fluxograma mostrado na figura
14, e de posse dos valores das amostras individuais, foram geradas computacionalmene 1000
amostras bootstrap para cada varivel analisada. Esta anlise foi realizada apenas dentro do
algoritmo de simulao Monte Carlo, ou seja, para cada uma das 1000 amostras bootstrap
geradas, calculou-se a probabilidade de falha e ndice de confiabilidade associados com o
Mtodo Monte Carlo.
As figuras 25 a 28 mostram as curvas de distribuio de freqncias acumuladas para
cada uma das anlises Bootstrap e a tabela 18 mostra os limites de confiana de 90% para
cada um dos ndices de confiabilidade mostrados na tabela 17. As figuras 29 a 32 mostram os

100

histogramas de freqncias do ndice de confiabilidade, com o respectivo ajuste da


distribuio normal aos 1000 valores gerados.
100
90

Probabilidade

80
70
60
50
40
30
20
10
0
3,0

3,5

4,0

4,5

ndice de confiabilidade

Figura 25 Curva de distribuio acumulada Bootstrap - Compresso (1998)

100
90

Probabilidade

80
70
60
50
40
30
20
10
0
2,0

2,5

3,0

3,5

4,0

4,5

5,0

ndice de confiabilidade

Figura 26 Curva de distribuio acumulada Bootstrap - Compresso (2005)

101

100
90
80
Probabilidade

70
60
50
40
30
20
10
0
1,6

1,7

1,8

1,9

2,0

2,1

2,2

2,3

ndice de confiabilidade

Figura 27 Curva de distribuio acumulada Bootstrap - Trao (1998)

100
90
80

Probabilidade

70
60
50
40
30
20
10
0
2,5

3,0

3,5

4,0

4,5

5,0

ndice de confiabilidade

Figura 28 Curva de distribuio acumulada Bootstrap - Trao (2005)

102

Figura 29 Histograma de freqncias Bootstrap Compresso (1998)

Figura 30 Histograma de freqncias Bootstrap Compresso (2005)

103

Figura 31 Histograma de freqncias Bootstrap Trao (1998)

Figura 32 Histograma de freqncias Bootstrap Trao (2005)

A partir dos resultados obtidos com a tcnica Bootstrap foram determinados os


intervalos de confiana percentlicos para um nvel de confiana de 90%, ou seja, na srie
ordenada dos valores de confiabilidade de falha gerados computacionalmente, foram obtidos

104

os valores dos percentis de 5% e 95%, apresentados na tabela 18 juntamente com os valores j


apresentados na tabela 17, para fins de comparao.

Tabela 18 Intervalos de confiana Bootstrap.

2005*

1998
Compresso

pf

pf

5%
MC
95%

3,405
3,763
4,145

0,0331%
0,0084%
0,0017%

2,425
3,121
4,754

0,7660%
0,0901%
0,0001%

Trao

pf

pf

5%
MC
95%

1,756
1,893
2,115

3,9521%
2,9211%
1,7227%

3,140
3,170
4,754

0,0845%
0,0761%
0,0001%

Fonte: o autor

* somente amostras do bloco B5

Os valores da tabela 18 permitem inferir a possibilidade de que os resultados do ndice


de confiabilidade possam estar contidos em uma faixa mais ampla. Por exemplo, para um
nvel de confiana de 90%, o ndice de confiabilidade para a tenso de ruptura compresso,
para os dados de 1998, pode estar contido entre os limites de 3,405 e 4,145 com
probabilidades de falha de, respectivamente 0,031% a 0,0017%. Nota-se na tabela 18 que o
nmero de amostras influenciou na amplitude da faixa de confiana calculada. Para os dados
de 2005, quando havia um nmero muito menor de amostras, a amplitude da faixa de
confiana maior, refletindo, assim, o maior desconhecimento dos valores verdadeiros.
Uma questo que surge imediatamente ao serem analisados os resultados da tabela 18
imaginar qual seria um ndice de confiabilidade adequado a uma obra de grande porte e
responsabilidade, como uma grande barragem. Um raciocnio alternativo para facilitar a
compreenso do significado do ndice utilizar o conceito clssico do tempo de
recorrncia, definido como o intervalo mdio de anos em que um evento igualado ou
superado. Se os eventos de falhas da barragem, para cada um dos modos analisados, estiverem
associados hipoteticamente a um ciclo causal com perodo anual de ocorrncia (uma cheia de
vero, por exemplo), pode-se estimar o tempo de recorrncia pelo inverso da probabilidade de
falha. Com este raciocnio, um valor de igual a 3, por exemplo, comumente associado na

105

literatura como um valor aceitvel de confiabilidade, resultaria em uma probabilidade de falha


pela distribuio Normal igual a 0,135% e um tempo de recorrncia de 1/0,00135 = 741 anos.
Levando-se em considerao o fato de que o nvel de segurana aceitvel para cada
obra depende da conjuntura scio-econmica onde a mesma est inserida, no possvel fixar
um valor nico do ndice como parmetro ideal para todas as barragens. Sugere-se que, para
uma obra de grande porte, o valor de = 3,0 um patamar inferior.
Convm lembrar que o presente estudo no tem por finalidade analisar a segurana ou
a confiabilidade global da barragem de Salto Caxias, algo que exigiria um estudo muito mais
abrangente e que levasse com considerao o conceito da confiabilidade de sistemas. Da
mesma forma, no tem por objetivo analisar a qualidade dos materiais empregados na obra,
mas to somente utilizar os dados estatsticos do concreto da barragem para aplicao e teste
dos procedimentos aqui desenvolvidos.
4.4 QUANTO AO DESLIZAMENTO
Nas anlises de estabilidade apresentadas na seo 3.3, as equaes so lineares, com
exceo da anlise do deslizamento horizontal da seo da barragem, seja em relao a um
plano qualquer do macio de concreto, ou da seo inteira sobre a fundao. Neste caso, a
equao do estado limite no linear, pois envolve o produto de duas variveis aleatrias:
peso especfico do concreto c e o ngulo de atrito interno do material tg(). Denotando por C
a coeso do material, a equao de equilbrio a equao (3.15) atualizada:
N tg ( ) CL
+
1,0 , onde:
H
H

(4.17)

N = P + H vm + H vj U ,

(4.18)

H = H hm + H hj

(4.19)

A equao de estado limite fica:

g = ( c A + V ) tg ( ) + CL H

(4.20)

g = c A t + V t + CL H ,

(4.21)

ou

106

por simplicidade, denotando por t a varivel tg().


Para aplicao dos procedimentos FOSM, AFOSM e SORM, necessrio conhecer as
seguintes quantidades:

g = ( A + V ) t + C L H

(4.22)

g2 = ( At ) 2 2 + ( A c + V ) 2 t2 + L2 C2

(4.23)

g
=L
C

(4.24)

g
= At
c

(4.25)

g
= A c + V
t

(4.26)

Para a aplicao do procedimento AFOSM, a equao (4.21) foi reescrita para facilitar
a notao:

g = Ax1 x 2 + Vx 2 + Lx3 H

(4.27)

onde x1, x2 e x3 so respectivamente c, t = tg() e C. Desta forma, definindo as variveis no


espao normal padro:

y1 =

x1 1

, y2 =

x2 2

e y3 =

x3 3

(4.28)

onde i = xi e i = xi , i = 1, 2, 3.
Assim, pode-se obter:

g = A( 1 + y1 1 )( 2 + y 2 2 ) + V ( 2 + y 2 2 ) + L( 3 + y 3 3 ) H
g
g
g
= Ax 2 1 ,
= ( Ax1 + V ) 2 ,
= L 3
y1
y 2
y 3

(4.29)
(4.30)

Para a aplicao do procedimento SORM, necessrio montar a matriz D das


derivadas segundas em relao s variveis no espao normal padro e no ponto de projeto:

107

2g
2g
2g
2g
2g
2g
=
0
,
=
0
,
=
0
,
=
A

,
=
0
,
= 0 (4.31)
1 2
y1y 2
y1y 3
y 2 y 3
y12
y 22
y 32
Portanto,
2g

2
y2 1
g
D = y y
2 1
2M
g
y n y1

2g
y1y 2
2g
y 22
M
2g
y n y 2

L
L
O
L

2g

y1y n
2g 0

y 2 y n = A 1 2

M 0
2
g
y n2

A 1 2
0
0

0
0
0

(4.32)

Tambm necessrio conhecer o vetor gradiente da funo de estado limite no ponto


de projeto e no espao normal padro:
g
*
*
y1 Ax 2 1
g

G ( y * ) = * = ( Ax1* + V ) 2 ,
y

g2
L 3

*
y 3

(4.33)

onde o asterisco (*) indica valores no ponto de projeto, obtidos aps convergncia do
procedimento AFOSM. Convm notar que, nesta notao simplificada, 1 = c , 2 = t ,

3 = C , A a rea da seo transversal da barragem, L o comprimento da base da


barragem em contato com a fundao.
Aps esta etapa, necessrio criar a matriz de rotao R0:
1
R0 = 0
1

0
1
2

0
0 ,
3

(4.34)

108

onde os i so os co-senos diretores obtidos ao final do procedimento de primeira ordem


AFOSM. Aplicando-se o processo de ortogonalizao de Gram-Schmidt a esta matriz, obtmse a matriz de rotao R e a matriz A = [aij], eliminando-se a ltima linha e ltima coluna:

a ij =

(R D R T ) ij
G ( y * )

(4.35)

O ltimo passo do procedimento SORM calcular os autovalores ki da matriz A, os


quais representam as curvaturas da funo do estado limite e determinar a probabilidade de
falha:
n 1

p f 2 ( ) (1 + k i ) 1 / 2

(4.36)

i =1

Para o deslizamento, necessrio conhecer os valores esperados e varincias das


variveis peso especfico do concreto c, do ngulo de atrito interno do material tg() e coeso
C do concreto, se a anlise for feita para um bloco da seo da barragem, e da interface rochaconcreto no nvel da fundao, se a anlise for realizada para a base da barragem. Os nicos
dados disponveis para a barragem de Salto Caxias dizem respeito ao concreto, e so oriundos
de corpos de prova retirados da barragem e testados em laboratrio, em ensaios de
cisalhamento direto. A figura 33 mostra a reta de regresso obtida para os valores mdios dos
ensaios do CCR da barragem para o trao J2.e6, realizados durante a construo.
A reta de regresso obtida tem a forma y = 1,522 x + 3,323 correspondendo ao modelo
de Mohr-Coulomb (PINTO, 2000) = tg() + C para obteno indireta dos parmetros da
coeso (intercepto da reta) e da tangente do ngulo de atrito interno (coeficiente angular da
reta). Neste modelo, tenso de cisalhamento e a tenso normal. Assim foram obtidos
os parmetros C = 3,323 MPa e = 56,69 (tg() = 1,522). Os pontos que aparecem na figura
representam os valores mdios dos ensaios obtidos para trs nveis de tenses normais (0,3,
0,9 e 1,8 MPa). A reta de regresso foi obtida a partir de 138 corpos de prova para os quais foi
realizado o ensaio de cisalhamento direto.

109

Tenso Cisalhante (Mpa)

6
5
4
3
2
1
0
0

0,5

1,5

Tenso Normal (MPa)

Figura 33 Reta de regresso y = 1,522 x + 3,323 dos ensaios de cisalhamento (trao J2.e.6)

Para um modelo de regresso linear geral y = a 0 + a1 x , as varincias dos parmetros


do modelo de regresso podem ser estimados por (CHARNET et al., 1999):

var(a1 ) =

2
n

(x
i =1

x)

(4.37)
2

2
1

var(a 0 ) = 2 + n
n
2
( xi x )

i =1

(4.38)

Nas expresses anteriores, 2 a varincia dos desvios da reta de regresso, podendo


ser estimada por:

S2 =

1 n 2
1 n

=
( y i y i ) 2 ,

i
n 1 i =1
n 1 i =1

(4.39)

110

onde o smbolo ^ representa valor estimado. A partir de 138 corpos de prova, foram
obtidos os valores:

tg ( ) = 0,2355 (adimensional);
C = 0,024 MPa.
Os valores acima foram utilizados apenas de forma indicativa, pois h uma grande
disperso de resultados dos ensaios de cisalhamento. Como no havia ensaios da interface
concreto-rocha da fundao disponveis, os coeficientes de variao dos parmetros do
modelo de Mohr-Coulomb foram utilizados como representativos do CCR e da interface
concreto-rocha e o clculo da probabilidade de falha por deslizamento foi realizado apenas
para ilustrar a aplicao dos mtodos apresentados. O clculo para o deslizamento foi
realizado para a seo inteira da barragem, no nvel da fundao, utilizando-se os mesmos
valores mdios do ngulo de atrito ( = 45) e coeso (C = 0,3 MPa) da memria de clculo
do projeto da barragem (COPEL, 1993) e os desvios-padres correspondentes foram
estimados aplicando-se os coeficientes de variao obtidos para os ensaios do CCR. A tabela
19 mostra os resultados para o modo de falha por deslizamento.
A ttulo de comparao, o coeficiente de segurana ao deslizamento, calculado pela
expresso 4.17, resultou FSD = 1,95.

Tabela 19 Anlise do Deslizamento - Resultados.

FOSM
AFOSM
SORM
pf FOSM
pf AFOSM
pf SORM
pf MC

4,782
4,998
5,004
8,693 x 10-7
2,903 x 10-7
2,809 x 10-7
0

Fonte: o autor

Pela anlise dos resultados da tabela 19, percebe-se a concordncia dos valores dos
ndices de confiabilidade obtidos pelas abordagens FOSM, AFOSM e SORM. Mesmo sendo a
funo desempenho no linear, as abordagens FOSM ou AFOSM apresentaram resultados
muito prximos do mtodo de segunda ordem SORM, o que confirma as indicaes da
literatura (RACKWITZ, 2001) de que a abordagem AFOSM permite uma boa aproximao
do ndice de confiabilidade, na grande maioria dos casos prticos, e que sua aproximao

111

numrica mais que suficiente. As simulaes realizadas pelo Mtodo Monte Carlo, mesmo
com 1 milho de simulaes, no apresentaram nenhum evento de falha, provavelmente por
ser a probabilidade de falha muito baixa neste caso, ou por haver uma inadequao no modelo
gaussiano escolhido para gerao das variveis aleatrias. Simulaes realizadas com
pequenas alteraes nos parmetros de coeso e ngulo de atrito resultaram em probabilidades
de falha no nulas pelo mtodo Monte Carlo.

112

5 CONCLUSO
No presente estudo, foram revisados e apresentados os mtodos de anlise de
confiabilidade estrutural mais utilizados em problemas de Engenharia Civil: FOSM, AFOSM,
SORM e Simulao Monte Carlo. Suas formulaes tericas e fluxogramas para aplicao
computacional foram elaborados e programas em linguagem Fortran foram implementados
para a aplicao dos mtodos na anlise de confiabilidade estrutural de uma seo transversal
representativa da barragem de Salto Caxias, construda em concreto compactado com rolo
(CCR). A anlise de confiabilidade realizada foi acompanhada, para fins de comparao, com
a abordagem determinstica convencional, seguindo as normas da Eletrobrs (2003) e do
Bureau of Reclamation, dos Estados Unidos (1993). As anlises realizadas envolveram os
principais modos de falha verificados em barragens de concreto gravidade: flutuao,
tombamento, deslizamento e tenses normais.
As principais concluses obtidas ao final do estudo so as seguintes:
a) Os mtodos probabilsticos de confiabilidade estrutural apresentados no tm sido
rotineiramente aplicados no projeto de barragens no Brasil e no constam em
normas de projeto brasileiras atuais;
b) Os mtodos de confiabilidade estrutural apresentados so viveis para uso prtico,
mas exigem o conhecimento de dados do controle tecnolgico do concreto: mdias
e desvios padres do peso especfico do concreto, mdias e desvios padres de
resistncias trao e compresso do concreto, mdias e desvios padres da
coeso e ngulo de atrito interno do concreto e da interface concreto-fundao;
c) A principal vantagem da aplicao dos mtodos de confiabilidade apresentados a
possibilidade de se conhecer de forma mais precisa o nvel de segurana envolvido
em cada modo de falha, pois a anlise determinstica, alm de no exigir o
conhecimento da variabilidade (varincias) das propriedades dos materiais, decide
pela segurana do projeto com base em um coeficiente de segurana, cujo nvel de
confiabilidade desconhecido em termos da probabilidade de no ocorrncia;
d) Durante a aplicao dos mtodos, as variaes de qualidade dos materiais
empregados na barragem, notadamente a varincia dos valores de resistncias e de
propriedades fsicas dos materiais, tornam-se muito mais evidentes na abordagem
probabilstica;

113

e) As abordagens FOSM e AFOSM representam importantes instrumentos de apoio


ao projeto de barragens, pela sua simplicidade de aplicao e coerncia de
resultados;
f) A gerao de amostras bootstrap uma forma simples e eficiente para obteno
de um intervalo de confiana para os ndices de confiabilidade estimados, pois o
ndice , ele prprio, uma varivel aleatria;
g) O mtodo Monte Carlo, haja vista a evoluo e barateamento dos computadores,
tende a ser uma alternativa vivel para comparao de resultados, pela facilidade
de aplicao, sem a necessidade de equacionamento terico do problema, apenas
conhecendo-se a equao do estado limite para o modo de falha correspondente e
as hipteses de distribuio probabilstica das variveis envolvidas;
h) A abordagem SORM apresenta um acrscimo considervel de complexidade na
formulao e programao computacional, com a desvantagem adicional de no
permitir um acompanhamento passo a passo dos resultados, como acontece nos
mtodos anteriores. Conclui-se que esta abordagem mais necessria em casos
especficos, onde a no linearidade da funo de estado limite seja marcante;
i) O uso do conceito de tempo de recorrncia, estimado pelo inverso da probabilidade
de falha, pode ser um recurso vlido para interpretar os resultados do ndice de
confiabilidade, usando uma abordagem tradicional da engenharia de recursos
hdricos e comparando o valor obtido do tempo de recorrncia com valores usuais
de projetos.
j) O presente estudo no tem por finalidade analisar a segurana ou a confiabilidade
global da barragem de Salto Caxias, algo que exigiria a aplicao do conceito da
confiabilidade de sistemas. Igualmente, no tem por objetivo analisar a qualidade
dos materiais empregados na obra, mas to somente utilizar os dados estatsticos
do concreto da barragem para aplicao e teste dos procedimentos aqui
desenvolvidos.
Levando-se em considerao que a anlise do comportamento estrutural pelo mtodo
dos elementos finitos uma prtica cada vez mais utilizada e necessria em obras de grande
porte e responsabilidade, natural sugerir que a continuidade do presente estudo seja a
aplicao dos mtodos ora apresentados em conjunto com o MEFE Mtodo dos Elementos
Finitos Estocstico.

114

Sugere-se a redao de texto tcnico complementar norma da Eletrobrs (2003), com


a incluso de aspectos probabilsticos no projeto de barragens gravidade ou a elaborao de
manual de projeto que contemple os aspectos aqui estudados.
Com relao incluso de conceitos de anlise de confiabilidade probabilstica de
confiabilidade estrutural em normas, a opinio deste pesquisador a de que no se pode
correr o risco de pecar pelo cientificismo, pois um texto de norma deve ser suficientemente
claro e objetivo para que seja adotado e aplicado em projetos de engenharia. Desta forma,
abordagens do tipo FOSM parecem ser bastante adequadas para uma iniciativa neste sentido.
Sugere-se tambm a pesquisa de normas estrangeiras, notadamente as normas
americanas, onde os aspectos de confiabilidade j vm sendo incorporados h algum tempo.
Outra extenso vivel do presente estudo a pesquisa e implementao dos mtodos
de anlise de confiabilidade estrutural s barragens de solo ou enrocamento. Neste caso, a
complexidade da anlise estrutural maior, devido anisotropia do material, influncia de
presses neutras no macio e a possibilidade de mltiplos e variados modos de falha.

115

REFERNCIAS
ANG, Alfredo, H-S, TANG, Wilson. Probability Concepts in Engineering. Emphasis on
Applications in Civil & Environmental Engineering. John Wiley & Sons, Inc. Second
Edition. 2007.
ANG, Alfredo, H-S, TANG, Wilson. Probability Concepts in Engineering. Volume II
Decision, Risk and Reliability. Editado pelos autores. 1990.
ANG, A. H-S. Life-cycle considerations in risk-informed decisions for design of civil
infrastructures. Life-Cycle Civil Engineering. Biondini & Frangopol (eds). Taylor & Francis
Group, London. 2008.
ARAJO, J. M., AWRUCH, A. M. Probabilistic finite element analysis of concrete
gravity dams. Advances in Engineering Software Vol. 9. No. 2. Elsevier. 1998.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (ABNT). Aes e Segurana nas
Estruturas (NBR 8681), 2003.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (ABNT). Projeto e Execuo de
Obras de Concreto Armado (NBR 6118:2003), ABNT, 2003.
BATHE, K. J. Finite element procedures. Prentice-Hall. 1996.
BEER, F. P., E. R. JOHNSTON Jr., Resistncia dos Materiais. Mc-Graw Hill. 1976.
BICKEL, P. J., DOKSUM, K.A. Mathematical Statistics, Basic Ideas and Selected Topics,
Holden Day Inc., 1977.
BICKEL, P., FREEDMAN, D. Some asymptotic theory for the Bootstrap. Annals of
Statistics, n.9, p. 1196-1197, 1981.
BIONDINI, F., BONTEMPI, F. FRANGOPOL, D. M. Probabilistic Life Assessment and
Maintenance Planning of Concrete Structures. Journal of Structural Engineering. ASCE.
2006.
BREITUNG, K. Asymptotic approximation for multi-normal integrals. Journal of
Engineering Mechanics. Vol 110. No 3. 1984.
BULLEIT, W. M. Uncertainty in Structural Engineering. Practice Periodical on Structural
Design and Construction. Vol. 13. No. 1. ASCE. 2008.
CHARNET, Reinaldo, et al. Anlise de modelos de regresso linear com aplicaes.
Editora da Unicamp. Campinas, So Paulo. 1999.
CHAVES NETO, A. Bootstrap em Sries Temporais. Tese de Doutorado. PUC-RJ. 1991.
CHAVES NETO, A. ; SOUZA, R.C. A Bootstrap Simulation Study in ARMA(p,q)
Strutures. Journal of Forecasting, v.15, p.343-353, 1996.

116

COMPANHIA PARANAENSE DE ENERGIA COPEL. Usina Hidreltrica de Salto


Caxias. Memria de clculo. Anlise de estabilidade de estruturas de CCR. Curitiba.
1993.
COMPANHIA PARANAENSE DE ENERGIA COPEL. Resumo dos ensaios no CCR,
tratamento nas fissuras e acompanhamento das vazes de infiltraes na barragem da UHE
Salto Caxias. Relatrio tcnico. Curitiba. 2005.
COMPAQ Computer Corporation. Compaq Visual Fortran Professional Edition. 2000.
DAVISON, A. C., HINKLEY, D. V. Bootstrap methods and their application. Cambridge
University Press. 1997.
DEY, A., MAHADEVAN, S. Reliability Estimation with Time-Variant Loads and
Resistances. Journal of Structural Engineering. Vol. 126, No. 5. ASCE. 2000.
DINIZ, S. M. C. A Confiabilidade Estrutural e a Evoluo das Normas Tcnicas. II
Simpsio Ibero-Americano sobre Concreto Estrutural. Rio de Janeiro. 2006.
EFRON, B. Bootstrap methods: another look at jackknife. Annals of Statistics, v.7, n.1, pp.
1-26, 1979.
ELETROBRS Centrais Eltricas Brasileiras S.A. Critrios de projeto civil de usinas
hidreltricas. Brasil. 2003.
ELLINGWOOD, B. R. LRFD: implementing structural reliability in professional practice.
Engineering Structures 22. 2000.
FALSONE, G., IMPOLLONIA, N. A new approach for the stochastic analysis of finite
element modeled structures with uncertain parameters. Computer methods in applied
mechanics and engineering 191. 2002.
FREUDENTHAL, A. M. The safety of structures. Transactions, ASCE; 112. 1947.
GALAMBOS, T. V. Design Codes, Engineering Safety, McGraw-Hill, p. 47-71, 1992.
GRIFFITHS, D. V., FENTON, G. A. Probabilistic slope stability analysis by finite elements.
Journal of Geotechnical and Geoenvironmental Engineering. ASCE. 2004.
HALDAR, A., MAHADEVAN, S. Reliability assessment using stochastic finite element
analysis. John Wiley & Sons. 2000.
HARTFORD, Desmond N. D., BAECHER, Gregory B. Risk and Uncertainty in Dam
Safety. Thomas Telford. 2004.
HUH, J., HALDAR, A. Stochastic finite-element-based seismic risk of nonlinear structures.
Journal of Structural Engineering. ASCE. March 2001.
HURTADO, J. E., ALVAREZ, D. A. Classification approach for reliability analysis with
stochastic finite-element modeling. Journal of Structural Engineering. ASCE. 2003.

117

LACTEC - INSTITUTO DE TECNOLOGIA PARA O DESENVOLVIMENTO. Extrao,


anlise e caracterizao de testemunhos de concreto extrados da barragem da UHE Salto
Caxias. Relatrio final. Curitiba. 2006.
KALUSTYAN, E. S. Assessment and role of risk in dam building. Hydrotechnical
Construction, Vol. 33. No. 12. 1999.
LIU, N., TANG, W. H. System reliability evaluation of nonlinear continuum structures a
probabilistic FEM approach. Finite elements in analysis and design. 40. 2004.
LINSLEY, R. K., FRANZINI, J. B., FREYBERG, D. L. Water-resources engineering.
McGraw-Hill, 1992.
MADSEN, H.O., KRENK, S., e LIND, N.C. Methods of Structural Safety, Prentice Hall,
New Jersey, p. 403, 1986.
MELLAH, R., AUVINET, G., MASROURI, F. Stochastic finite element method applied to
non-linear analysis of embankments. Probabilistic Engineering Mechanics 15. 2000.
MELCHERS, R. E. Structural Reliability. Analysis and Prediction. Ellis Horwood
Limited. John Wiley & Sons. 1987.
MOOD A. M., GRAYBILL F., BOES, D. C. Introduction to the Theory of Statistics,
McGraw-Hill Book Company., 1986.
NOWAK, Andrzej S., COLLINS, Kevin R. Reliability of structures. McGraw-Hill. 2000.
PAPADRAKAKIS, M. et al., Vulnerability analysis of large concrete dams using the
continuum strong discontinuity approach and neural networks. Structural Safety (30), 2008.
PINTO, Carlos de Sousa. Curso Bsico de Mecnica dos Solos. Oficina de Textos. So
Paulo. 2000.
PRESS, W.H., FLANNERY, B.P., TEUKOLSKY, S.A., VETTERLING, W.T., Numerical
Recipes in Fortran. Cambridge University Press. 1992.
QUENOILLE, M. H. Approximate tests of correlation in time series. Jasa, b.11, n.1, pp.
68-84, 1949.
QUENOILLE, M. H. Notes on Bias in Estimation. Biometrika, n.43, pp. 353-360, 1956.
RACKWITZ, R. Structural reliability a preview and some perspectives. Structural Safety
(23). Elsevier. 2001.
SEXSMITH, R. G. Probability-based safety analysis value and drawbacks. Structural
Safety (21). Elsevier. 1999.
SINGH, R., KOENKE, C. Simulation framework for risk assessment of damage tolerant
structures. Computers and Structures 77. 2000.

118

TEKIE, P., ELLINGWOOD, B. R. Seismic fragility assessment of concrete gravity dams.


Earthquake Engineering and Structural Dynamics, 32. 2003.
TORRES, M. A., RUIZ, S. E. Structural reliability evaluation considering capacity
degradation over time. Engineering Structures. 2007.
UNITED STATES DEPARTMENT OF THE INTERIOR. Design criteria for concrete arch
and gravity dams. Engineering Monograph No. 19. 1993.
US ARMY CORPS OF ENGINEERS. Engineering and Design. Stability Analysis of
Concrete Structures. Engineer Manual. EM 1110-2-2100. December 2005.
VIEIRA, V. Anlise de Risco em Recursos Hdricos Fundamentos e Aplicaes. ABRH,
2005.
WATERLOO MAPLE INC. Maple V. Programming guide. Canad. 2000.
WEBER, M. A. Risk assessment through probabilistic structural analysis. International
Journal on Pressure Vessels & Piping 61. 1995.
YENIGUN, K,, ERKEK, C. Reliability in dams and the effects of spillway dimensions on risk
levels. Water Resources Management. Vol. 21. 2007.
ZHAO, Y. G., ONO, T. Third-moment standardization for structural reliability analysis.
Journal of Structural Engineering. ASCE. 2000.
ZHAO, Y. G., ONO, T., KATO, M. Second-order third-moment reliability method. Journal
of Structural Engineering. ASCE. 2002.
ZHAO, Y. G., ANG A. H-S. System reliability assessment by method of moments. Journal
of Structural Engineering. ASCE. 2003.

119

APNDICE 1 Listagens de programas de computador

120

c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade pelo mtodo AFOSM - Anlise de tenses normais
c
c
Advanced First Order Second Moment
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
XL
= comprimento da base
c
A1,A2 = reas retangular e triangular da seo transversal
c
U
= sub-presso
c
W
= momento resistente
c
D1,D2 = distncias dos CGs das reas A1 e A2 ao p da barragem
c
EM,EJ = peso da gua a montante e jusante
c
ZM,ZJ = braos de alavanca das foras de presso de montante e jusante
c
XU,XU1,XU2 = braos de alavanca das foras de sub-presso
c
U1,U2 = resultantes do diagrama de sub-presso
c
c-----------------------------------------------------------------------------c
USE IMSL
real*8 M(10),D(10,10),S(10),Y(10),X(10),X0(10),DGY(10),Y1(10)
real*8 gY,b,mdg,alfa(10),xbeta,xbeta0
real*4 xb
open(5,file = 'Caxias tracao.dds')
open(6,file = 'Caxias tracao 26.rel')
c

leitura de mdias e desvios padres


read (5,*) n
read (5,*) (M(i),i=1,n)
read (5,*) (S(i),i=1,n)

leitura dos dados da seo transversal da barragem


read(5,*) XL,A1,A2,U,W,D1,D2,EM,EJ,ZM,ZJ,XU,XU1,XU2,U1,U2
write(6,*) ' Anlise de confiabilidade - FOSM'
write(6,*)
write(6,'(A11,i4)') ' N var
= ',n
write(6,'(A11,3f10.4)') ' Mdias = ',(M(i),i=1,n)
write(6,'(A11,3f10.4)') ' Desvios = ',(S(i),i=1,n)

matriz de desvios padres


do i=1,n
do j=1,n
if (i.eq.j) then
D(i,j) = S(i)
else
D(i,j) = 0.0
end if
end do
end do

iteraes do FOSM
do i=1,n
X(i) = M(i)
end do
niter = 0
nitermax = 100
tol = 1.0E-5
xbeta0 = 10.0
db = 1.0
call calcY(n,X,M,S,Y)
do while((db.gt.tol).and.(niter.lt.nitermax))
write(6,*)

121

&

niter = niter + 1
write(6,*) ' Y = ',(Y(i),i=1,n)
call grady(Y,DGY,S,XL,A1,A2,W,D1,D2)
call calcmdg(n,DGY,mdg)
write(6,*) ' ModDGY= ',mdg
gY = calcgy(Y,M,S,XL,A1,A2,AB,U,AS,W,D1,D2,EM,EJ,ZM,ZJ,
XU,XU1,XU2,U1,U2)
write(6,*) ' g(Y) = ',gY
write(6,*) ' DGY
= ',(DGY(i),i=1,n)
call sensib(n,DGY,mdg,alfa)
b = xbeta(n,Y)
call ykm1(n,alfa,b,gY,mdg,Y1)
write(6,*) ' alfa = ',(alfa(i),i=1,n)
write(6,*) ' Y1 = ',(Y1(i),i=1,n)
do i=1,n
Y(i)=Y1(i)
end do
db = abs(xbeta0-b)
xbeta0 = b
write(6,*)
write(6,'('' Iterao '',i3,''
BETA = '',f7.4)') niter,b
write(6,*)
end do
call calcX(n,X,M,S,Y)
xb = b
p = anordf(xb)
write(6,*)
write(6,*)
write(6,*) ' Soluo convergente aps ',niter,' iteraes:'
write(6,*)
write(6,'('' BETA = '',f10.4)') b
write(6,*)
write(6,'(A8,3f10.4)') ' Y
= ',(Y(i),i=1,n)
write(6,*)
write(6,'(A8,3f10.4)') ' X
= ',(X(i),i=1,n)
write(6,*)
write(6,'(A27,f7.4,A1)') ' Probabilidade de falha = ',(1.0-p)*100,'%'
close(5)
close(6)
stop
end

subroutine calcmdg(n,DGY,mdg)
real*8 DGY(10),s,mdg
s = 0.0
do i=1,n
s = s + (DGY(i))**2
end do
mdg = dsqrt(s)
return
end
subroutine sensib(n,DGY,mdg,alfa)
real*8 alfa(10),DGY(10),mdg
do i=1,n
alfa(i) = 1.0/mdg*DGY(i)
end do
return
end
subroutine ykm1(n,alfa,b,gY,mdg,Y1)
real*8 alfa(10),b,gY,mdg,Y1(10),BX

122

BX = b + gY/mdg
do i=1,n
Y1(i) = -alfa(i)*BX
end do
return
end
real*8 function xbeta(n,Y)
real*8 Y(8),s
s = 0.0
do i=1,n
s = s + Y(i)**2
end do
xbeta = sqrt(s)
return
end

&

real*8 function calcgy(Y,M,S,XL,A1,A2,AB,U,AS,W,D1,D2,EM,EJ,ZM,ZJ,


XU,XU1,XU2,U1,U2)
real*8 Y(10),M(10),S(10),X1,X2
AB
U
AS
X1
X2
P
P1
P2

A1 + A2
U1 + U2
XL
Y(1)*S(1)+M(1)
Y(2)*S(2)+M(2)
X1*AB
X1*A1
X1*A2

Para trao
1

C
c
c

=
=
=
=
=
=
=
=

calcgy = X2-((P-U)/AS-1.0/W*(XL/2*(P-U)-(P1*D1+P2*D2-EM*ZM+EJ*ZJXU*U)))
Para compresso

calcgy = X2-((P-U)/AS+1.0/W*(XL/2*(P-U)-(P1*D1+P2*D2-EM*ZM+EJ*ZJXU*U)))
return
end
subroutine grady(Y,DGY,S,XL,A1,A2,W,D1,D2)
real*8 Y(10),DGY(10),S(10)
AB = A1 + A2
AS = XL
DGY(1) = -(AB*S(1)/AS+1/W*(AB*XL/2*S(1)-A1*D1*S(1)-A2*D2*S(1)))
DGY(2) = S(2)
return
end

subroutine calcX(n,X,M,S,Y)
real*8 M(10),S(10),X(10),Y(10)
do i=1,n
X(i)= M(i)+S(i)*Y(i)
end do
return
end
subroutine calcY(n,X,M,S,Y)

123

real*8 M(10),S(10),Y(10),X(10)
do i=1,n
Y(i)= (X(i)-M(i))/S(i)
end do
return
end
c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade pelo mtodo AFOSM - Anlise do escorregamento
c
c
Advanced First Order Second Moment
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
XL = comprimento da base
c
A = rea da seo transversal da barragem
c
V = somatrio das foras verticais
c
H = somatrio das foras horizontais
c
c-----------------------------------------------------------------------------c
USE IMSL
real*8 M(10),D(10,10),S(10),Y(10),X(10),X0(10),DGY(10),Y1(10)
real*8 gY,b,mdg,alfa(10),xbeta,xbeta0,XL,A,V,H
real*4 xb
open(5,file = 'Caxias escorrega.dds')
open(6,file = 'Caxias escorrega.rel')
c

leitura de mdias e desvios padres


read (5,*) n
read (5,*) (M(i),i=1,n)
read (5,*) (S(i),i=1,n)

leitura dos dados da seo transversal da barragem


read (5,*) XL,A,V,H
write(6,*) ' Anlise de
write(6,*)
write(6,'(A11,i4)') ' N
write(6,'(A11,3f10.4)')
write(6,'(A11,3f10.4)')

var
= ',n
' Mdias = ',(M(i),i=1,n)
' Desvios = ',(S(i),i=1,n)

matriz de desvios padres


do i=1,n
do j=1,n
if (i.eq.j) then
D(i,j) = S(i)
else
D(i,j) = 0.0
end if
end do
end do

confiabilidade - AFOSM'

iteraes do FOSM
do i=1,n
X(i) = M(i)
end do
niter = 0
nitermax = 100
tol = 1.0E-5
xbeta0 = 10.0
db = 1.0

124

call calcY(n,X,M,S,Y)
do while((db.gt.tol).and.(niter.lt.nitermax))
write(6,*)
niter = niter + 1
write(6,*) ' Y = ',(Y(i),i=1,n)
call grady(X,Y,DGY,S,XL,A,V)
call calcmdg(n,DGY,mdg)
write(6,*) ' ModDGY= ',mdg
gY = calcgy(Y,M,S,XL,A,V,H)
write(6,*) ' g(Y) = ',gY
write(6,*) ' DGY
= ',(DGY(i),i=1,n)
call sensib(n,DGY,mdg,alfa)
b = xbeta(n,Y)
call ykm1(n,alfa,b,gY,mdg,Y1)
write(6,*) ' alfa = ',(alfa(i),i=1,n)
write(6,*) ' Y1 = ',(Y1(i),i=1,n)
do i=1,n
Y(i)=Y1(i)
end do
db = abs(xbeta0-b)
xbeta0 = b
write(6,*)
write(6,'('' Iterao '',i3,''
BETA = '',f7.4)') niter,b
write(6,*)
end do
call calcX(n,X,M,S,Y)
xb = b
p = anordf(xb)
write(6,*)
write(6,*)
write(6,*) ' Soluo convergente aps ',niter,' iteraes:'
write(6,*)
write(6,'('' BETA = '',f10.4)') b
write(6,*)
write(6,'(A8,3f10.4)') ' Y
= ',(Y(i),i=1,n)
write(6,*)
write(6,'(A8,3f10.4)') ' X
= ',(X(i),i=1,n)
write(6,*)
write(6,'(A27,E15.4,A1)') ' Probabilidade de falha = ',(1.0-p)*100,'%'
close(5)
close(6)
stop
end

subroutine calcmdg(n,DGY,mdg)
real*8 DGY(10),s,mdg
s = 0.0
do i=1,n
s = s + (DGY(i))**2
end do
mdg = dsqrt(s)
return
end
subroutine sensib(n,DGY,mdg,alfa)
real*8 alfa(10),DGY(10),mdg
do i=1,n
alfa(i) = 1.0/mdg*DGY(i)
end do
return
end

125

subroutine ykm1(n,alfa,b,gY,mdg,Y1)
real*8 alfa(10),b,gY,mdg,Y1(10),BX
BX = b + gY/mdg
do i=1,n
Y1(i) = -alfa(i)*BX
end do
return
end
real*8 function xbeta(n,Y)
real*8 Y(8),s
s = 0.0
do i=1,n
s = s + Y(i)**2
end do
xbeta = sqrt(s)
return
end
real*8 function calcgy(Y,M,S,XL,A,V,H)
real*8 Y(10),M(10),S(10),X1,X2,X3,XL,A,V,H
X1 = Y(1)*S(1)+M(1)
X2 = Y(2)*S(2)+M(2)
X3 = Y(3)*S(3)+M(3)
calcgy = (X1*A+V)*X2+X3*XL-H
return
end
subroutine grady(X,Y,DGY,S,XL,A,V)
real*8 X(10),Y(10),DGY(10),S(10),XL,A,V
DGY(1) = A*X(2)*S(1)
DGY(2) = A*X(1)*S(2)+V*S(2)
DGY(3) = XL*S(3)
return
end

subroutine calcX(n,X,M,S,Y)
real*8 M(10),S(10),X(10),Y(10)
do i=1,n
X(i)= M(i)+S(i)*Y(i)
end do
return
end
subroutine calcY(n,X,M,S,Y)
real*8 M(10),S(10),Y(10),X(10)
do i=1,n
Y(i)= (X(i)-M(i))/S(i)
end do
return
end

126

c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade - Simulao Monte Carlo - Tenses Normais
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
XL
= comprimento da base
c
A1,A2 = reas retangular e triangular da seo transversal
c
U
= sub-presso
c
W
= momento resistente
c
X1,X2 = distncias dos CGs das reas A1 e A2 ao p da barragem
c
EM,EJ = peso da gua a montante e jusante
c
ZM,ZJ = braos de alavanca das foras de presso de montante e jusante
c
XU,XU1,XU2 = braos de alavanca das foras de sub-presso
c
U1,U2 = resultantes do diagrama de sub-presso
c
c-----------------------------------------------------------------------------c
USE IMSL
PARAMETER(NS=1000000)
INTEGER I, ISEED, NOUT, NR
REAL R(NS),R1(NS),R2(NS),XG(NS)
C
OPEN(5,FILE = 'MONTE CARLO TRACAO.DDS')
OPEN(6,FILE = 'MONTE CARLO tracao 26.rel')
READ(5,*) XM1,XSTD1,XM2,XSTD2
READ(5,*) XL,A1,A2,U,W,X1,X2,EM,EJ,ZM,ZJ,XU,XU1,XU2,U1,U2
NR = NS
CALL UMACH (2, NOUT)
ISEED = 123457
CALL RNSET (ISEED)
C

GERA NR NUMEROS ALEATORIOS NORMAIS (XM,XSTD)


CALL RNNOR (NR, R1)
CALL RNNOR (NR, R2)
CALL SSCAL (NR, XSTD1, R1, 1)
CALL SSCAL (NR, XSTD2, R2, 1)
CALL SADD
CALL SADD

(NR, XM1, R1, 1)


(NR, XM2, R2, 1)

NF = 0
CALL ESTAT(NR,R1)
WRITE (6,*)
CALL ESTAT(NR,R2)
WRITE (6,*)

AB = A1 + A2
AS = XL
U=U1+U2
DO I=1,NR
P = R1(I)*AB
P1 = R1(I)*A1
P2 = R1(I)*A2

Para trao
1

c
c

G = R2(I)-((P-U)/AS-1.0/W*(XL/2*(P-U)-(P1*X1+P2*X2-EM*
ZM+EJ*ZJ-U*XU)))
XG(I) = G
IF (G.GT.0.0) NF = NF +1
Para compresso
G = R2(I)-((P-U)/AS+1.0/W*(XL/2*(P-U)-(P1*X1+P2*X2-EM*ZM+EJ*ZJ-

127

c
c
c

U*XU)))
XG(I) = G
IF (G.LT.0.0) NF = NF +1
END DO
PF = NF/(NR*1.0)
CALL ESTAT(NR,XG)
WRITE (6,*)
WRITE (*,*)
WRITE (*,1000) PF*100
WRITE (6,*)
WRITE (6,1000) PF*100
CLOSE(6)

1000
FORMAT(' Pf = ',f10.5,' %')
C
END

SUBROUTINE ESTAT(NR,V)
INTEGER LDSTAT, LDX, NVAR
PARAMETER (LDSTAT=1000000, LDX=1000000, NVAR=1)
C
INTEGER IDO, IFRQ, IPRINT, IWT, MOPT, NR, NRMISS, NROW, NV
REAL CONPRM, CONPRV, STAT(LDSTAT,NVAR), X(LDX,NVAR),V(NR)
C
DO I = 1,NR
X(I,1) = V(I)
END DO
IDO = 0
NROW = NR
C No unequal frequencies or weights
C are used.
IFRQ = 0
IWT = 0
C Get 95% confidence limits.
CONPRM = 95.0
CONPRV = 95.0
C Delete any row containing a missing
C value.
MOPT = 0
C Print results.
IPRINT = 1
CALL UVSTA (IDO, NROW, NVAR, X, LDX, IFRQ, IWT, MOPT, CONPRM,
&
CONPRV, IPRINT, STAT, LDSTAT, NRMISS)
END

128

c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade - Simulao Monte Carlo - Escorregamento
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
XL = comprimento da base
c
A = rea da seo transversal da barragem
c
V = somatrio das foras verticais
c
H = somatrio das foras horizontais
c
c-----------------------------------------------------------------------------c
USE IMSL
PARAMETER(NS=1000000)
INTEGER I, ISEED, NOUT, NR
REAL R(NS),R1(NS),R2(NS),R3(NS),XG(NS)
C
OPEN(5,FILE = 'MONTE CARLO ESCORREGAMENTO.DDS')
OPEN(6,FILE = 'MONTE CARLO ESCORREGAMENTO.REL')
READ(5,*) XM1,XSTD1,XM2,XSTD2,XM3,XSTD3
READ(5,*) XL,A,V,H
NR = 1000000
CALL UMACH (2, NOUT)
ISEED = 123457
CALL RNSET (ISEED)
C

GERA NR NUMEROS ALEATORIOS UNIFORMES ENTRE (0,1)

CALL RNUN(NR,R)

GERA NR NUMEROS ALEATORIOS NORMAIS (XM,XSTD)


CALL RNNOR (NR, R1)
CALL RNNOR (NR, R2)
CALL RNNOR (NR, R3)
CALL SSCAL (NR, XSTD1, R1, 1)
CALL SSCAL (NR, XSTD2, R2, 1)
CALL SSCAL (NR, XSTD3, R3, 1)
CALL SADD
CALL SADD
CALL SADD

(NR, XM1, R1, 1)


(NR, XM2, R2, 1)
(NR, XM3, R3, 1)

NF = 0
CALL ESTAT(NR,R1)
WRITE (6,*)
CALL ESTAT(NR,R2)
WRITE (6,*)
CALL ESTAT(NR,R3)
WRITE (6,*)
DO I=1,NR
G = (R1(I)*A+V)*R2(I)+R3(I)*XL-H
XG(I) = G
IF (G.LT.0.0) NF = NF +1
END DO
PF = NF/(NR*1.0)
CALL ESTAT(NR,XG)
WRITE (6,*)
WRITE (*,*)
WRITE (*,1000) PF*100

129

WRITE (6,*)
WRITE (6,1000) PF*100
CLOSE(6)
1000
FORMAT(' Pf = ',E15.10,' %')
C
END

SUBROUTINE ESTAT(NR,V)
INTEGER LDSTAT, LDX, NVAR
PARAMETER (LDSTAT=1000000, LDX=1000000, NVAR=1)
C
INTEGER IDO, IFRQ, IPRINT, IWT, MOPT, NR, NRMISS, NROW, NV
REAL CONPRM, CONPRV, STAT(LDSTAT,NVAR), X(LDX,NVAR),V(NR)
C
DO I = 1,NR
X(I,1) = V(I)
END DO
IDO = 0
NROW = NR
C No unequal frequencies or weights
C are used.
IFRQ = 0
IWT = 0
C Get 95% confidence limits.
CONPRM = 95.0
CONPRV = 95.0
C Delete any row containing a missing
C value.
MOPT = 0
C Print results.
IPRINT = 1
CALL UVSTA (IDO, NROW, NVAR, X, LDX, IFRQ, IWT, MOPT, CONPRM,
&
CONPRV, IPRINT, STAT, LDSTAT, NRMISS)
END

130

c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade pelo mtodo SORM - Anlise do escorregamento
c
c
Second Order Reliability Method
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada:
c
c
XL = comprimento da base
c
A = rea da seo transversal da barragem
c
V = somatrio das foras verticais
c
c
Betaf = ndice de confiabilidade obtido no mtodo FORM ou AFOSM
c
c
s1 = desvio-padro do peso especfico do concreto
c
s2 = desvio-padro da tangente do ngulo de atrito
c
s3 = desvio-padro da coeso
c
c
a1 = co-seno diretor do AFOSM para o peso especfico do concreto
c
a2 = co-seno diretor do AFOSM para a tangente do ngulo de atrito
c
a3 = co-seno diretor do AFOSM para a coeso
c
c
x1 = ponto de projeto para o peso especfico do concreto
c
x2 = ponto de projeto para a tangente do ngulo de atrito
c
x3 = ponto de projeto para a coeso
c
c-----------------------------------------------------------------------------c
USE IMSL
parameter
parameter
integer
real
real
real
real
real*8
COMPLEX

(mn=3,N=3)
(LDA=3,LDB=3,LDC=3,NCA=3,NCB=3,NCC=3,NRA=3,NRB=3,NRC=3)
rc
avett(mn,mn),aort(mn,mn)
a1,a2,a3,s1,s2,s3,x1,x2,x3,A,XL,V
XD(mn,mn),R(mn,mn),RT(mn,mn),R0(mn,mn),XA(mn,mn)
DG(mn),v1(mn),EVALV1(3),EVALV2(3)
betaf,pf2,av1,av2
EVAL(N)

open(5,file = 'CAXIAS SORM.dds')


open(6,file = 'CAXIAS SORM.rel')
read(5,*) A,XL,V,betaf,s1,s2,s3,a1,a2,a3,x1,x2,x3
XD(1,1)
XD(1,2)
XD(1,3)
XD(2,1)
XD(2,2)
XD(2,3)
XD(3,1)
XD(3,2)
XD(3,3)

=
=
=
=
=
=
=
=
=

0.0
A*s1*s2
0
XD(1,2)
0
0
0
0
0

R0(1,1)
R0(1,2)
R0(1,3)
R0(2,1)
R0(2,2)
R0(2,3)
R0(3,1)
R0(3,2)
R0(1,3)

=
=
=
=
=
=
=
=
=

1
0
0
0
1
0
a1
a2
a3

DG(1) = A*x2*s1
DG(2) = A*x1*s2+V*s2
DG(3) = XL*s3
write (6,*)
write (6,1010)
1010

format (' SORM - Anlise de estabilidade de Salto Caxias (escorreg

131

&amento)')
write (6,*)
write (6,*)
do i=1,mn
write (6,1000) i,DG(i)
end do
1000

format (' DG(',i2,') = ',f8.3)


avett(1,1)
avett(2,1)
avett(3,1)
avett(1,2)
avett(2,2)
avett(3,2)
avett(1,3)
avett(2,3)
avett(3,3)

=
=
=
=
=
=
=
=
=

1.0
0.0
a1
0.0
1.0
a2
0.0
0.0
a3

Ortogonalizao de Gram-Schmidt da matriz de rotao


call gram_sch(mn,mn,avett,R,rc)
write (6,*)
do i=1,mn
do j=1,mn
write (6,1100) i,j,R(i,j)
end do
end do

1100

format (' R(',i1,',',i1,') = ',f8.3)


write (6,*)
do i=1,mn
do j=1,mn
RT(i,j) = R(j,i)
end do
end do

Produto das matrizes R D Rt


CALL MRRRR (NRA, NCA, R, LDA, NRB, NCB, XD, LDB, NRC, NCC, C, LDC)
CALL MRRRR (NRA, NCA, C, LDA, NRB, NCB, RT, LDB, NRC, NCC, XA, LDC)
s = 0.0
do i=1,mn
s = s + DG(i)**2
end do

Clculo do mdulo do vetor gradiente


smod = sqrt(s)
write (6,1060) smod

1060

format(' Md(Delta G(y*)) = ',f10.6)


write (6,*)
do i=1,mn
do j=1,mn
XA(i,j) = XA(i,j)/smod
write (6,1200) i,j,XA(i,j)
end do
end do

1200

format (' XA(',i1,',',i1,') = ',f8.3)

Clculo dos autovalores da matriz (mn-1,mn-1)


CALL EVLRG ( mn-1, XA, mn-1, EVAL)
av1 = DBLE(EVAL(1))
av2 = DBLE(EVAL(2))

Clculo da probabilidade de falha pelo SORM

132

&

pf2 = (1.0d0-dnordf(betaf))*(1.0d0+betaf*av1)**(-0.5)*
(1.0d0+betaf*av2)**(-0.5)
write (6,*)
write (6,1300) pf2

1300

format(' pf2 = ',e15.10)


stop
end
subroutine gram_sch(m,n,avett,aort,rc)

c
c
c
c
c
c
c
c
c

Rotina desenvolvida por Eloy Kaviski - Maro de 2008


m - nmero de componentes dos vetores (n. de linhas da matriz avett)
n - nmero de vetores (n. de colunas da matriz avett)
avett(m,n) - matriz de entrada
aort (m,n) - matriz de sada
(colunas ortogonalizadas)
parameter
INTEGER
REAL

(mn=3)
m,n,rc
avett(mn,mn),aort(mn,mn)

integer
REAL

i,j,k
c(mn),eps/1.0e-10/,p

rc = 0
do j = 1, n
c
do i = 1, m
aort(i,j) = avett(i,j)
end do
c
do k = 1, j-1
c
p = 0.0d0
do i = 1, m
p = p + aort(i,k)*avett(i,j)
end do
c
p = p*c(k)
do i = 1, m
aort(i,j) = aort(i,j) - p*aort(i,k)
end do
end do
c
p = 0.0d0
do i = 1, m
p = p + aort(i,j)*aort(i,j)
end do
c
if (abs(p) .lt. eps) then
rc = 1
return
end if
c
c(j) = 1.0e0/p
c
end do
c
return
end

133

c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade - Mtodo Bootstrap - Gerao de amostras
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis do programa:
c
c
Unidade 5: Arquivo texto contendo a amostra em linhas com n na primeira
c
Unidade 6: Arquivo texto de sada para controle da gerao de amostra
c
Unidade 7: Arquivo no-formatado com a amostra gerada
c
c
NS = Nmero de amostras bootstrap
c
N = Nmero de elementos da amostra
c
X = vetor com os elementos da amostra
c
c-----------------------------------------------------------------------------c
USE IMSL
PARAMETER(NS=100)
INTEGER I, ISEED, NOUT, NR
REAL R(500),X(500),XB(500),XMD(1000000),XDP(1000000),STAT(15,1)
C
OPEN(5,FILE = 'tracao 98.DDS')
OPEN(6,FILE = 'tracao 98.REL')
OPEN(7,FILE = 'tracao 98 100.dds')
READ(5,*) N
READ(5,*) (X(I),I=1,N)
WRITE(6,*)
WRITE(6,*)
WRITE(6,*)
WRITE(6,*)
WRITE(6,*)
WRITE(6,*)

' NMERO DE SRIES


= ',NS
' TAMANHO DA AMOSTRA = ',N
' AMOSTRA'
(X(I),I=1,N)

WRITE(7,*) NS
WRITE(7,*) N
CALL UMACH (2, NOUT)
ISEED = 123457
CALL RNSET (ISEED)
C
C
C
C
C

GERA N NUMEROS ALEATORIOS UNIFORMES ENTRE (0,1)


E DEPOIS CALCULA NS MDIAS E DESVIOS-PADRES
DO I=1,NS
WRITE (6,*)
WRITE (6,*) I
WRITE (6,*)
CALL RNUN(N,R)
DO J=1,N
NB = 1+(N-1)*R(J)
XB(J) = X(NB)
WRITE(6,*) XB(J)
END DO
CALL ESTAT(N,XB,STAT)
XMD(I) = STAT(1,1)
XDP(I) = STAT(3,1)
WRITE(7,*) XMD(I),XDP(I)
END DO
CALL ESTAT(NS,XMD,STAT)
WRITE(6,*)
WRITE(6,*) ' MDIA E DESVIO-PADRO DAS SRIES GERADAS'
WRITE(6,*)
WRITE(6,*) ' MEDIA = ',STAT(1,1)
CALL ESTAT(NS,XDP,STAT)
WRITE(6,*) ' D.P. = ',STAT(1,1)
CLOSE(5)
CLOSE(6)
CLOSE(7)

134

END

SUBROUTINE ESTAT(NR,V,STAT)
INTEGER LDSTAT, LDX, NVAR
PARAMETER (LDSTAT=15, LDX=1000000, NVAR=1)
C
INTEGER IDO, IFRQ, IPRINT, IWT, MOPT, NR, NRMISS, NROW, NV
REAL CONPRM, CONPRV, STAT(LDSTAT,NVAR), X(LDX,NVAR),V(NR)
C
DO I = 1,NR
X(I,1) = V(I)
END DO
IDO = 0
NROW = NR
C No unequal frequencies or weights
C are used.
IFRQ = 0
IWT = 0
C Get 95% confidence limits.
CONPRM = 95.0
CONPRV = 95.0
C Delete any row containing a missing
C value.
MOPT = 0
C Print results.
IPRINT = 0
&

CALL UVSTA (IDO, NROW, NVAR, X, LDX, IFRQ, IWT, MOPT, CONPRM,
CONPRV, IPRINT, STAT, LDSTAT, NRMISS)
END

135

c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade - Bootstrap Monte Carlo - Tenses Normais
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
IOPT = opo (1 = trao, 0 = compresso)
c
XL
= comprimento da base
c
A1,A2 = reas retangular e triangular da seo transversal
c
U
= sub-presso
c
W
= momento resistente
c
D1,D2 = distncias dos CGs das reas A1 e A2 ao p da barragem
c
EM,EJ = peso da gua a montante e jusante
c
ZM,ZJ = braos de alavanca das foras de presso de montante e jusante
c
XU,XU1,XU2 = braos de alavanca das foras de sub-presso
c
U1,U2 = resultantes do diagrama de sub-presso
c
c-----------------------------------------------------------------------------c
USE IMSL
PARAMETER(NS=1000000)
INTEGER I, IB, ISEED, NOUT, NR, IOPT
REAL R(NS),R1(NS),R2(NS),XG(NS),XMD(NS),XDP(NS),PF(NS)
C
OPEN(5,FILE = 'MONTE CARLO comp 98 boot.DDS')
OPEN(6,FILE = 'MONTE CARLO comp 98 1000.rel')
OPEN(7,FILE = 'comp 98 boot.dds')
READ(5,*) IOPT
READ(5,*) XM1,XSTD1
READ(5,*) XL,A1,A2,U,W,X1,X2,EM,EJ,ZM,ZJ,XU,XU1,XU2,U1,U2
READ(7,*) NSB
READ(7,*) N
AB = A1 + A2
AS = XL
NR = NS
CALL UMACH (2, NOUT)
ISEED = 123457
CALL RNSET (ISEED)
C

LAO PARA OS NSB CLCULOS COM AS AMOSTRAS BOOTSTRAP


DO IB = 1,NSB
READ(7,*) XMD(IB),XDP(IB)

LEITURA DE CADA AMOSTRA BOOTSTRAP E MUDANA DE UNIDADE


XM2
= XMD(IB)*100
IF(IOPT.EQ.1) XM2 = -XM2
XSTD2 = XDP(IB)*100

GERA NR NUMEROS ALEATORIOS NORMAIS


CALL RNNOR (NR, R1)
CALL RNNOR (NR, R2)
CALL SSCAL (NR, XSTD1, R1, 1)
CALL SSCAL (NR, XSTD2, R2, 1)
CALL SADD
CALL SADD

(NR, XM1, R1, 1)


(NR, XM2, R2, 1)

NF = 0
CALL ESTAT(NR,R1)

136

WRITE (6,*)
CALL ESTAT(NR,R2)
WRITE (6,*)

DO I=1,NR
P = R1(I)*AB
P1 = R1(I)*A1
P2 = R1(I)*A2
c

Para trao
IF (IOPT.EQ.1) THEN
G = R2(I)-((P-U)/AS-1.0/W*(XL/2*(P-U)-(P1*X1+P2*X2-EM*
ZM+EJ*ZJ-U*XU)))
XG(I) = G
IF (G.GT.0.0) NF = NF +1

ELSE
c

Para compresso
G = R2(I)-((P-U)/AS+1.0/W*(XL/2*(P-U)-(P1*X1+P2*X2-EM*ZM
+EJ*ZJ-U*XU)))
XG(I) = G
IF (G.LT.0.0) NF = NF +1

END IF
END DO
PF(IB) = NF/(NR*1.0)
CALL ESTAT(NR,XG)
c

WRITE (6,*)
WRITE (*,*)
WRITE (*,1000) PF(IB)*100

WRITE (6,*)
WRITE (6,*) PF(IB)
END DO

c
c

WRITE(6,*) ' ESTATSTICAS DA SRIE DE PF'


WRITE(6,*)
CALL ESTAT(NSB,PF)
CLOSE(5)
CLOSE(6)
CLOSE(7)

1000
C

FORMAT(' Pf = ',f10.5,' %')


END

SUBROUTINE ESTAT(NR,V)
INTEGER LDSTAT, LDX, NVAR
PARAMETER (LDSTAT=1000000, LDX=1000000, NVAR=1)
C
INTEGER IDO, IFRQ, IPRINT, IWT, MOPT, NR, NRMISS, NROW, NV
REAL CONPRM, CONPRV, STAT(LDSTAT,NVAR), X(LDX,NVAR),V(NR)
C
DO I = 1,NR
X(I,1) = V(I)
END DO
IDO = 0
NROW = NR
C No unequal frequencies or weights
C are used.

137

IFRQ = 0
IWT = 0
C Get 95% confidence limits.
CONPRM = 95.0
CONPRV = 95.0
C Delete any row containing a missing
C value.
MOPT = 0
C Print results.
IPRINT = 0
&

CALL UVSTA (IDO, NROW, NVAR, X, LDX, IFRQ, IWT, MOPT, CONPRM,
CONPRV, IPRINT, STAT, LDSTAT, NRMISS)
END

138

APNDICE 2 Listagens de resultados de programas e outros clculos

139

Anlise de confiabilidade - AFOSM


N var
=
Mdias =
Desvios =

2
2.6000 1370.0000
0.0590 340.0000

Y =
0.000000000000000E+000 0.000000000000000E+000
ModDGY=
340.000018360759
g(Y) =
1278.53482999018
DGY
=
0.111737712260711
340.000000000000
alfa =
3.286403124312523E-004 0.999999945997771
Y1 = -1.235817833210754E-003 -3.76039615265506
Iterao

BETA =

0.0000

Y = -1.235817833210754E-003 -3.76039615265506
ModDGY=
340.000018360759
g(Y) =
8.421169582106813E-006
DGY
=
0.111737712260711
340.000000000000
alfa =
3.286403124312523E-004 0.999999945997771
Y1 = -1.235817841350565E-003 -3.76039617742320
Iterao

BETA =

3.7604

Y = -1.235817841350565E-003 -3.76039617742320
ModDGY=
340.000018360759
g(Y) =
7.958078640513122E-013
DGY
=
0.111737712260711
340.000000000000
alfa =
3.286403124312523E-004 0.999999945997771
Y1 = -1.235817841350566E-003 -3.76039617742320
Iterao

BETA =

3.7604

Soluo convergente aps


BETA =

3 iteraes:

3.7604

-0.0012

-3.7604

2.5999

91.4653

Probabilidade de falha =

0.0085%

140

Anlise de confiabilidade - FOSM


N var
=
Mdias =
Desvios =

2
2.6080
0.0590

-51.0000
26.0000

Y =
0.000000000000000E+000 0.000000000000000E+000
ModDGY=
26.0002401011287
g(Y) =
-47.9762976100417
DGY
=
0.111737712260711
26.0000000000000
alfa =
4.297564631176641E-003 0.999990765426482
Y1 =
7.929974451842427E-003
1.84520813587839
Iterao

BETA =

0.0000

Y =
7.929974451842427E-003
1.84520813587839
ModDGY=
26.0002401011287
g(Y) = -3.198141198352289E-002
DGY
=
0.111737712260711
26.0000000000000
alfa =
4.297564631176641E-003 0.999990765426482
Y1 = -7.924688262774140E-003 -1.84397810428928
Iterao

BETA =

1.8452

Y = -7.924688262774140E-003 -1.84397810428928
ModDGY=
26.0002401011287
g(Y) =
-95.8886545978433
DGY
=
0.111737712260711
26.0000000000000
alfa =
4.297564631176641E-003 0.999990765426482
Y1 =
7.924691932484729E-003
1.84397895818609
Iterao

BETA =

1.8440

Y =
7.924691932484729E-003
1.84397895818609
ModDGY=
26.0002401011287
g(Y) = -6.392892159524166E-002
DGY
=
0.111737712260711
26.0000000000000
alfa =
4.297564631176641E-003 0.999990765426482
Y1 = -7.914125158051557E-003 -1.84152019892116
Iterao

BETA =

1.8440

Soluo convergente aps


BETA =

4 iteraes:

1.8440

-0.0079

-1.8415

2.6075

-98.8795

Probabilidade de falha =

3.2592%

141

Variable
1

Mean
2.6000

Variance
0.003480

Std. Dev.
0.05900

Skewness
-0.003252

Kurtosis
0.004335

Variable
1

Minimum
2.2822

Maximum
2.8946

Range
0.6124

Coef. Var.
0.02269

Count
1000000.0

Variable
1

Lower CLM
2.5999

Upper CLM
2.6002

Lower CLV
0.003471

Upper CLV
0.003490

Univariate Statistics from UVSTA


Variable
1

Mean
1370.1694

Variance
115394.4766

Std. Dev.
339.6976

Skewness
0.001820

Kurtosis
0.008591

Variable
1

Minimum
-302.8904

Maximum
3170.1992

Range
3473.0896

Coef. Var.
0.2479

Count
1000000.0

Variable
1

Lower CLM
1369.5037

Upper CLM
1370.8352

Lower CLV
115075.2969

Upper CLV
115715.0078

Univariate Statistics from UVSTA


Variable
1

Mean
1280.9771

Variance
115394.6562

Std. Dev.
339.6979

Skewness
0.001819

Kurtosis
0.008581

Variable
1

Minimum
-392.0769

Maximum
3080.9805

Range
3473.0574

Coef. Var.
0.2652

Count
1000000.0

Variable
1

Lower CLM
1280.3113

Upper CLM
1281.6428

Lower CLV
115075.4766

Upper CLV
115715.1875

Pf =

0.00840 %

Variable
1

Mean
2.6000

Variance
0.003480

Std. Dev.
0.05900

Skewness
-0.003252

Kurtosis
0.004335

Variable
1

Minimum
2.2822

Maximum
2.8946

Range
0.6124

Coef. Var.
0.02269

Count
1000000.0

Variable
1

Lower CLM
2.5999

Upper CLM
2.6002

Lower CLV
0.003471

Upper CLV
0.003490

Univariate Statistics from UVSTA


Variable
1

Mean
-50.9883

Variance
674.7695

Std. Dev.
25.9763

Skewness
0.001820

Kurtosis
0.008636

Variable
1

Minimum
-178.9269

Maximum
86.6623

Range
265.5892

Coef. Var.
-0.5095

Count
1000000.0

Variable
1

Lower CLM
-51.0392

Upper CLM
-50.9374

Lower CLV
672.9031

Upper CLV
676.6438

Univariate Statistics from UVSTA


Variable
1

Mean
-49.7079

Variance
690.1144

Std. Dev.
26.2700

Skewness
0.002337

Kurtosis
0.007092

Variable
1

Minimum
-179.3029

Maximum
88.8455

Range
268.1484

Coef. Var.
-0.5285

Count
1000000.0

Variable
1

Lower CLM
-49.7593

Upper CLM
-49.6564

Lower CLV
688.2056

Upper CLV
692.0314

Pf =

2.92110 %

142

Anlise de confiabilidade - AFOSM


N var
=
Mdias =
Desvios =

3
2.6000
0.0590

1.0000
0.1547

Y =
0.000000000000000E+000
ModDGY=
364.212964037838
g(Y) =
1742.90000000000
DGY
=
88.5885000000000
101.131966500000
alfa =
0.243232692812101
0.277672615984898
Y1 =
-1.16396257728533
Iterao

BETA =

BETA =

BETA =

BETA =

338.490009000000
0.929373862059547
-4.44741364015616

-4.44741364015616

BETA =

0.929373862059547
-4.62845480251401

-4.62845480251401

BETA =

-1.38286130635723

-1.38286130635723

338.490009000000
0.929373862059547
-4.64349410876831

-4.64349410876831

-1.38735465793587

-1.38735465793587

338.490009000000
0.929373862059547
-4.64477043329523

-1.38773599034116

4.9964
-1.38773599034116

-1.38776840941256

4.9977

Y =
-1.21564255093610
-4.64487894034942
ModDGY=
364.212964037838
g(Y) =
3.615634516336286E-003
DGY
=
88.5885000000000
338.490009000000
101.131966500000
alfa =
0.243232692812101
0.929373862059547
0.277672615984898
Y1 =
-1.21564496556877
-4.64488816647958
Iterao

-1.32877093949298

338.490009000000

Y =
-1.21561415282415
-4.64477043329523
ModDGY=
364.212964037838
g(Y) =
4.252290433123562E-002
DGY
=
88.5885000000000
338.490009000000
101.131966500000
alfa =
0.243232692812101
0.929373862059547
0.277672615984898
Y1 =
-1.21564255093610
-4.64487894034942
Iterao

-1.32877093949298

4.9802

Y =
-1.21528011733611
ModDGY=
364.212964037838
g(Y) =
0.500179699476803
DGY
=
88.5885000000000
101.131966500000
alfa =
0.243232692812101
0.277672615984898
Y1 =
-1.21561415282415
Iterao

0.000000000000000E+000

4.7854

Y =
-1.21134407920593
ModDGY=
364.212964037838
g(Y) =
5.89376410458954
DGY
=
88.5885000000000
101.131966500000
alfa =
0.243232692812101
0.277672615984898
Y1 =
-1.21528011733611
Iterao

0.000000000000000E+000

0.0000

Y =
-1.16396257728533
ModDGY=
364.212964037838
g(Y) =
70.9483460284614
DGY
=
88.5885000000000
101.131966500000
alfa =
0.243232692812101
0.277672615984898
Y1 =
-1.21134407920593
Iterao

30.0000
2.1749

4.9979

-1.38776840941256

-1.38777116593908

143

Y =
-1.21564496556877
-4.64488816647958
ModDGY=
364.212964037838
g(Y) =
3.074338130772958E-004
DGY
=
88.5885000000000
338.490009000000
101.131966500000
alfa =
0.243232692812101
0.929373862059547
0.277672615984898
Y1 =
-1.21564517088258
-4.64488895096827
Iterao

BETA =

-1.38777140032379

4.9979

Soluo convergente aps


BETA =

-1.38777116593908

7 iteraes:

4.9979

-1.2156

-4.6449

-1.3878

2.5283

0.2814

26.9818

Probabilidade de falha =

0.2980E-04%

Univariate Statistics from UVSTA


Variable
1

Mean
2.5000

Variance
0.003480

Std. Dev.
0.05900

Skewness
-0.003252

Kurtosis
0.004335

Variable
1

Minimum
2.1822

Maximum
2.7946

Range
0.6124

Coef. Var.
0.02360

Count
1000000.0

Variable
1

Lower CLM
2.4999

Upper CLM
2.5002

Lower CLV
0.003471

Upper CLV
0.003490

Univariate Statistics from UVSTA


Variable
1

Mean
1.0001

Variance
0.02389

Std. Dev.
0.1546

Skewness
0.001820

Kurtosis
0.008805

Variable
1

Minimum
0.2388

Maximum
1.8191

Range
1.5804

Coef. Var.
0.1546

Count
1000000.0

Variable
1

Lower CLM
0.9998

Upper CLM
1.0004

Lower CLV
0.02383

Upper CLV
0.02396

Univariate Statistics from UVSTA


Variable
1

Mean
29.9992

Variance
4.7271

Std. Dev.
2.1742

Skewness
0.002291

Kurtosis
0.004193

Variable
1

Minimum
19.4299

Maximum
39.9974

Range
20.5674

Coef. Var.
0.07247

Count
1000000.0

Variable
1

Lower CLM
29.9949

Upper CLM
30.0034

Lower CLV
4.7140

Upper CLV
4.7402

Univariate Statistics from UVSTA


Variable
1

Mean
1592.8804

Variance
117493.2656

Std. Dev.
342.7729

Skewness
0.05688

Kurtosis
0.02949

Variable
1

Minimum
4.0013

Maximum
3420.8303

Range
3416.8291

Coef. Var.
0.2152

Count
1000000.0

Variable
1

Lower CLM
1592.2085

Upper CLM
1593.5522

Lower CLV
117168.2812

Upper CLV
117819.6250

Pf = .0000000000E+00 %

144

SORM - Anlise de estabilidade de Salto Caxias (escorregamento)


DG( 1) =
DG( 2) =
DG( 3) =
R(1,1)
R(1,2)
R(1,3)
R(2,1)
R(2,2)
R(2,3)
R(3,1)
R(3,2)
R(3,3)

24.929
321.834
101.132

=
=
=
=
=
=
=
=
=

1.000
-0.213
-0.035
0.000
1.000
-0.134
0.243
0.877
0.144

Md(Delta G(y*)) = 338.269775


XA(1,1)
XA(1,2)
XA(1,3)
XA(2,1)
XA(2,2)
XA(2,3)
XA(3,1)
XA(3,2)
XA(3,3)

=
=
=
=
=
=
=
=
=

-0.017
0.041
0.033
0.041
0.000
0.010
0.033
0.010
0.017

pf2 = .2808464000E-06

145

>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>

with(linalg):
A := 1501.5:
betaf := 4.9979:
probetaf := 2.9025E-07:
L := 46.5:
s1:= 0.059:
s2:= 0.15471:
s3:= 2.17488:
V := -1716.0:
a1:= 0.243232692812101:
a2:= 0.929373862059547:
a3:= 0.277672615984898:
x1:= 2.5283:
x2:= 0.2814:
x3:= 26.9818:
XD := array ([[0,A*s1*s2,0],[A*s1*s2,0,0],[0,0,0]]);
[
0
[
XD := [13.70552684
[
[
0

13.70552684

0]
]
0]
]
0]

0
0

> R0 := array ([[1,0,0],[0,1,0],[a1,a2,a3]]);


[1 ,
0 ,
0]
[
]
R0 := [0 ,
1 ,
0]
[
]
[.243232692812101 , .929373862059547 , .277672615984898]
> DG := array([[A*x2*s1],[A*x1*s2+V*s2],[L*s3]]);
[24.92880390]
[
]
DG := [321.8343094]
[
]
[101.131920 ]
>
>
>
> v1 := vector([1,0,a1]);
v1 := [1, 0, .243232692812101]
>
> v2 := vector([0,1,a2]);
v2 := [0, 1, .929373862059547]
> v3 := vector([0,0,a3]);
v3 := [0, 0, .277672615984898]
>
> GramSchmidt({v1,v2,v3});
{[1, 0, .243232692812101], [-.2134272912, 1, .8774613674],
[-.03512357960, -.1342045613, .1444032018]}
>
> R := transpose(matrix([[1, 0, .243232692812101], [-.2134272912, 1, .8774613674], [.3512357960e-1, -.1342045613, .1444032018]]));
[
1
[
R := [
0
[
[.243232692812101
> NDG := norm(DG,2);

-.2134272912
1
.8774613674

-.03512357960]
]
-.1342045613 ]
]
.1444032018 ]

146

NDG := 338.2697639
> XA := evalm(1/NDG * evalm(R &* XD &* R));
[-.008647339433
[
XA := [ .04051655898
[
[ .03555171524

.04236213721
-.008647339433
.002267245465

-.005133781510]
]
-.001423086584]
]
-.002571282976]

>
>
> XAm := matrix ([[-.8647339433e-2,.4236213721e-1],[.4051655898e-1,-.8647339433e-2]]);
[-.008647339433
XAm := [
[ .04051655898

.04236213721 ]
]
-.008647339433]

> XAv := eigenvals(XAm);


XAv := .03278173286, -.05007641172
> pf2 := (probetaf)*(1+betaf*(.3278173286e-1))^(-0.5)*(1+betaf*(-.5007641172e-1))^(-0.5);
-6
pf2 := .3107242692 10
>