Escolar Documentos
Profissional Documentos
Cultura Documentos
Fernando Sgavioli
Vale S.A
Liedi Bernucci
Rosângela Motta
Laboratório de Tecnologia de Pavimentação - LTP
Departamento de Engenharia de Transportes - PTR
Escola Politécnica da Universidade de São Paulo - EPUSP
RESUMO
A gestão da infraestrutura ferroviária no Brasil tornou-se um desafio para as empresas concessionárias, pois
envolveu investimentos de bilhões de reais em 2014. Para aperfeiçoar e priorizar as atividades de manutenção em
termos de custo-benefício, de confiabilidade e de segurança, uma análise sistemática dos parâmetros e dos recursos
é requerida. Esta análise é possível por um Sistema de Gerência de Pavimentos Ferroviários (SGPF), modelo de
gestão não usual no Brasil. O SGPF é embasado em modelos elaborados para estimar a redução das condições
funcional e estrutural, por meio de fatores que provocam sua deterioração (como, por exemplo, idade, solicitações
de tráfego e fatores climáticos). Este trabalho apresenta um estudo da condição estrutural dos componentes da via
permanente ferroviária e como a variação desta condição afeta a geometria da via, implicando em piora da condição
funcional da mesma, empregando, para tanto, modelos de desempenho adequados às ferrovias brasileiras.
ABSTRACT
The management of railway infrastructure in Brazil has become a challenge for companies involved because of
billions of dollars in 2014. To improve and prioritize maintenance activities in terms of cost-effectiveness,
reliability and safety, a systematic analysis of the parameters and resources is required. This analysis is possible
by a Rail Pavement Management System (SGPF), unusual management model in Brazil. The SGPF is grounded
in elaborate models to estimate the reduction of functional and structural conditions by means of factors which
cause deterioration (for example, age, traffic requests and climatic factors). This research shows the study of the
structural condition of track components and how the range of this condition can affects the track geometry,
resulting in worsening of the functional condition, using for that purpose, performance models appropriate to the
Brazilian railroads.
1. INTRODUÇÃO
O planejamento estratégico das ferrovias brasileiras carece de ferramentas de suporte de
decisão. Larsson (2004) ressalta que pequenas mudanças na estratégia de manutenção podem
estender a vida do ativo em 10%, resultando na melhoria do retorno sobre o investimento. Na
Suécia, um segmento de 10 quilômetros pode custar R$ 7,5 milhões para renovar, enquanto
10% de vida estendida pode economizar ao menos R$ 750 mil.
Tem sido observado que a condição da via permanente de carga degrada rapidamente e o
conhecimento do processo de degradação colabora para análises futuras de mitigação dos
problemas associados à segurança operacional. Defeitos na via permanente têm sido os líderes
da causa de ocorrências ferroviárias nos Estados Unidos desde 2009. Zhang et al. (2004) mostra
que 658 de 1890 (34,8 %) dos acidentes foram causados por defeitos na via, gerando US$ 108,7
milhões de perdas. A degradação da via é caracterizada em dos dois grupos de defeitos:
estruturais e geométricos.
Os defeitos estruturais são gerados pela condição estrutural da via, incluindo a condição do
trilho, dormentes, sistema de fixação, lastro, sublastro, subleito e sistema de drenagem. Já os
defeitos geométricos são caracterizados pelo nivelamento transversal e longitudinal, bitola e
empeno, como indicado na Figura 1.
Figura 1: Representação das irregularidades da via permanente (a) representação dos desnivelamentos vertical e
horizontal, (b) desalinhamento horizontal em planta, (c) desnivelamento vertical em corte (Santos, 2015).
Ferreira et al. (1997) investigaram os fatores físicos que mais impactam na deterioração da via
e concluem que o declínio da qualidade da via está especialmente condicionado a três
parâmetros: forças dinâmicas, carga por eixo e velocidade da composição. Trabalhos reportados
por Larsson (2004) verificaram que o desgaste e a fadiga do trilho são consideravelmente
afetados pela existência da curvatura (horizontal). Dessa forma, tornam-se importantes as
análises individuais de forças dinâmicas e os consequentes resultados na degradação de trilhos
em curvas.
De acordo com a Federal Railroad Administration (FRA, 2004) devem ser tratados defeitos
individuais onde se têm amplitudes que excedem um certo nível de tolerância (Figura 2).
Madejski et al. (2002) descrevem que experiências em diversas ferrovias evidenciam que o
desvio padrão de 1,0 mm indica uma boa condição de via, enquanto 3,5 mm aponta uma
condição ruim de via.
Figura 2: Exemplo de amostras do desvio padrão para empeno crítico em trechos de 100 m de extensão
A FRA desenvolveu o TQI (Track Quality Index), método que representa quantitativamente a
qualidade da via, com base na estimativa da soma das distâncias entre dois pontos consecutivos
em segmentos de 85 m, que representam perfil, alinhamento, nível e bitola expressos na
equação (1):
𝐿𝐿𝐿𝐿 6
𝑇𝑇𝑇𝑇𝑇𝑇 = [ − 1].10
𝐿𝐿0 (1)
Sendo Ls: Comprimento percorrido [ft]; e
L0: Comprimento que o segmento deveria ter [ft].
Madejski et al. (2002) relatam que métodos de síntese de avaliação geométrica podem ser
divididos em três grupos: métodos baseados em valores dos parâmetros de geometria medidos
um ponto particular, métodos de síntese medidos continuamente ao longo da via e métodos de
avaliação indireta em que alguns parâmetros influenciam no coeficiente de avaliação. Os
coeficientes de síntese podem ser: quantidade de valores em um certo número de classes com
respectivos pesos, métodos estatísticos e métodos de análise espectral. O desvio padrão de cada
parâmetro geométrico tem sido aceito como base da avaliação da qualidade de manutenção da
via. O desvio padrão pode ser calculado pela fórmula (2):
(2)
Em que n: o número de sinais registrados na seção de via analisada;
xi: valor do parâmetro no ponto i; e
𝑥𝑥 : valor médio do sinal.
O coeficiente de síntese da qualidade da via (J) proposto por aqueles autores fornece uma
avaliação quantitativa da condição da via. Este coeficiente é calculado utilizando a equação (3):
(3)
Onde Sz: desvio padrão das irregularidades verticais;
Sy: desvio padrão das irregularidades horizontais;
Tabela 1: Desvio permitido de J, baseado na velocidade da via (Madejski & Grabczyk, 2002)
Coeficiente Coeficiente
Velocidade J Velocidade J
(km/h) (mm) (km/h) (mm)
80 7,0 110 4,9
90 6,2 120 4,0
100 5,5 130 3,5
Os defeitos na via, há algumas décadas, eram detectados visualmente, o que resultava apenas a
detecção de defeitos tão grandes quanto os possíveis a “olho nu”, ou recorrendo a instrumentos
simples, que mesmo assim demandavam muito tempo. Atualmente há o carro-controle que
permite a análise das vias com qualidade e uma frequência de (Profillidis, 2006): três vezes por
ano (vias principais), duas vezes por ano (para vias intermédias) e uma vez por ano (para as
restantes vias). O Brasil encontra-se sem normatização dos limites de manutenção de geometria
da via permanente o que leva algumas concessionárias a avaliar a qualidade com os limites da
FRA.
Figura 3: (a) Representação da seção transversal de um trilho e (b) critério de desgaste dos trilhos
(Martland et al. (1990))
O desgaste de trilho tem sido submetido a numerosos estudos empíricos, com a taxa de desgaste
indicada em função de: curvatura, metalurgia, lubrificação, carga por eixo, densidade de
tráfego, velocidade, superelevação não compensada e perfil. Zarembisk et al. (2005) em suas
pesquisas mostra que a substituição dos trilhos por desgaste é decorrente de solicitações
repetidas de carga por eixo relativamente baixas, enquanto a substituição dos trilhos por fadiga
é predominantemente decorrente do efeito da repetição de cargas por eixo que são maioresque
aquelas que causam desgaste.
As propriedades da seção requerida para análise das tensões fletoras no trilho são estimadas a
partir da área do boleto com desgaste, entre a seção idealizada e a reduzida. Dessa forma, o
mecanismo de desgaste de trilhos pode ser analisado através da equação (4), obtida em Larsson
(2004):
A função f(µ) tem sido calculada para uma curva de regressão de dados proposta pela AAR
(Association of American Railroads), conforme indicado na expressão (5):
Cabe mencionar que esta equação (5) é válida para coeficientes de atrito entre 0,1<µ<0,4. A
outra função F(r) tem sido formada com base em medições de desgaste em campo, com curvas
de diferentes raios e uma curva de regressão logarítmica pode ser plotada com base na equação
(6):
Por fim, o coeficiente ksf classifica cada veículo conforme a capacidade de gerar desgaste. O
coeficiente é baseado na fórmula de dissipação de energia apresentada por E. Andersson e S.
Stichel (2012). Utilizando uma lista de dados de diferentes veículos e uma curva pré-
selecionada de raio de 800 m.
O sietema de gerência com ênfase na geometria e desgaste de trilhos pode trazer contribuições
significativas, e para este estudo de caso foram avaliadas três curvas, totalizando 890 m,
detalhadas na Tabela 2.
Linha
EFVM Sentido da
(m)
curva (mm)
Inicial Final (m) (m)
1 1 286,315 286,802 487 Direita 572,980 22 33
Linha
2 1 287,050 287,259 209 Esquerda 286,490 44 66
Tronco
3 1 288,331 288,527 196 Direita 381,990 33 49
Para as curvas foram analisadas as informações do EM-80 de geometria da via (bitola métrica,
empeno, nivelamento e alinhamento) após duas inspeções, sendo a primeira em dezembro de
2013 e a segunda em dezembro de 2014. Também foram analisadas as prospecções de perfil do
trilho que, juntos, resultam um banco de dados extenso que será avaliado conforme metodologia
proposta na revisão bibliográfica. Cada curva foi subdividida em dez segmentos, para cálculo
do desvio padrão. Pode-se ressaltar que a degradação dos componentes de superestrutura nesta
ferrovia é considerável, devido ao transporte de um volume anual aproximado de 122 milhões
de toneladas brutas.
A Tabela 3 apresenta os resultados de desvio padrão de bitola (Equação 2) das três curvas
analisadas, sendo que, individualmente, a curva 1 mostrou uma melhoria no desvio padrão,
enquanto as curvas 2 e 3 tiveram uma piora, em geral com um aumento de 29% no desvio
padrão anual.
Tabela 3: Resultados de desvio padrão de bitola para dez segmentos das curvas 1, 2 e 3
Segmento
1 2 3 4 5 6 7 8 9 10 Se curva Se
Curva 1 1,42 2,50 2,58 2,69 5,50 1,13 3,22 4,65 1,90 0,95 2,65
2013 Curva 2 2,33 1,73 2,71 1,03 0,73 0,90 1,04 2,72 1,66 1,89 1,67 1,72
Curva 3 0,53 0,95 1,04 0,42 0,44 0,64 0,92 1,74 1,12 0,52 0,83
Curva 1 2,21 1,25 2,29 0,90 2,57 1,00 2,10 1,56 1,43 7,21 2,25
2014 Curva 2 8,74 3,34 2,41 1,38 0,98 1,01 0,85 8,52 5,50 1,48 3,42 2,22
Curva 3 0,51 0,38 0,38 1,75 2,07 1,14 0,98 1,08 0,62 0,97 0,99
A Tabela 4 apresenta os resultados de desvio padrão de empeno (Equação 2), sendo que todas
as curvas mostraram uma degradação com aumento de 19% no desvio padrão anual.
Tabela 4: Resultados de desvio padrão de empeno (base 1,87 m) para dez segmentos das curvas 1,2 e 3
Segmento
1 2 3 4 5 6 7 8 9 10 Sw curva Sw
Curva 1 0,60 0,50 0,64 0,94 2,61 1,00 0,75 0,42 0,53 0,57 0,86
2013 Curva 2 0,96 0,91 0,79 0,44 0,79 1,30 0,91 0,72 0,79 0,51 0,81 0,79
Curva 3 0,79 1,00 0,71 0,87 0,72 0,51 0,62 0,48 0,73 0,53 0,70
Curva 1 0,89 0,34 0,53 0,59 1,73 0,98 1,19 1,01 0,47 0,97 0,87
2014 Curva 2 1,32 1,16 1,22 0,89 0,84 1,75 0,91 0,67 1,16 1,08 1,10 0,94
Curva 3 0,75 0,16 0,89 0,87 1,05 1,71 0,58 1,49 0,63 0,36 0,85
A Tabela 5 apresenta os resultados de desvio padrão de nivelamento (Equação 2), sendo que
todas as curvas mostraram uma degradação com aumento de 23% no desvio padrão anual.
Tabela 5: Resultados de desvio padrão de nivelamento para dez segmentos das curvas 1,2 e 3
Segmento
1 2 3 4 5 6 7 8 9 10 Sz curva Sz
Curva 1 0,75 1,43 1,30 1,85 4,83 1,75 2,05 1,36 1,16 1,19 1,77
2013 Curva 2 0,87 1,58 1,93 1,75 2,02 2,39 2,02 0,92 0,88 0,73 1,51 1,61
Curva 3 1,28 3,90 1,94 2,47 1,16 1,68 1,30 0,50 0,49 0,81 1,55
Curva 1 0,91 1,03 1,24 1,75 5,49 2,37 2,09 1,10 1,90 1,74 1,96
2014 Curva 2 2,18 1,34 2,76 2,60 3,36 4,05 2,67 1,02 1,46 1,24 2,27 1,98
Curva 3 0,77 3,45 3,27 1,23 2,03 1,72 2,01 1,43 0,65 0,67 1,72
A Tabela 6 apresenta os resultados de desvio padrão de alinhamento (Equação 2), sendo que
todas as curvas mostraram uma degradação com aumento de 116% no desvio padrão anual.
Tabela 6: Resultados de desvio padrão de alinhamento para dez segmentos das curvas 1,2 e 3
Segmento
1 2 3 4 5 6 7 8 9 10 Sy Sy
Curva 1 2,48 1,21 1,94 2,81 6,77 2,54 2,29 2,97 2,39 2,09 2,75
2013 Curva 2 4,20 2,46 1,37 1,30 0,87 1,41 1,26 1,61 3,42 2,18 2,01 2,11
Curva 3 2,31 2,65 1,28 1,21 0,68 1,03 0,86 1,87 1,28 2,45 1,56
Curva 1 2,21 2,64 2,16 2,38 6,03 2,98 3,89 3,72 3,66 11,97 4,16
2014 Curva 2 12,57 9,05 3,81 1,47 3,00 2,39 2,11 12,62 8,12 2,03 5,72 4,55
Curva 3 4,57 5,38 3,29 2,50 2,65 1,74 4,27 8,21 3,44 1,56 3,76
Analisando-se individualmente verifica-se uma degradação geométrica anual de 60% nas três
curvas analisadas. Considerando um limite para J de 3,5 mm, deve-se planejar uma correção
geométrica para que o trecho não necessite de restrição de velocidade. Todavia, análises
isoladas tornam a estratégia de manutenção ineficaz, sendo necessário, então, identificar a
condição estrutural do trecho em questão, antes de programar a manutenção preventiva
propriamente dita.
Ao longo dos anos várias medidas foram adotadas para o aumento da vida útil dos trilhos na
EFVM, dentre elas a adoção de trilhos com maior resistência ao desgaste, além de manutenção
com esmerilhamento de sua superfície de rolamento, desde 1984, visando a redução das cargas
dinâmicas solicitantes e o aumento de tolerâncias máximas do desgaste, em valores superiores
a 25%.
A metodologia para cálculo das taxas de desgaste dos trilhos nas curvas monitoradas consiste
em: coleta dos perfis dos trilhos com o emprego do perfilômetro digital de trilhos Miniprof
(Figura 5 a e b), sempre antes e depois da passagem da esmerilhadora de trilhos, sendo três
pontos no trilho externo e três no trilho interno; cálculo do desgaste vertical e lateral dos trilhos
com o uso do Miniprof Software; e separação do desgaste vertical artificial (esmerilhamento)
do desgaste natural (passagem das rodas).
(a) (b)
Figura 5: (a) Visualização do perfil do trilho externo km 286,350, em medição antes e após esmerilhamento e
(b) Foto do aspecto do trilho externo km 286,350
A taxa de desgaste natural de trilhos (Tabela 8) é obtida através de medição com o perfilômetro
digital de trilhos Miniprof. A taxa de desgaste natural é expressa em mm/MTBT. A taxa de
metal removido pela esmerilhadora de trilhos, ou desgaste artificial (Tabela 9), é obtida através
de medições do perfil do trilho antes e depois do serviço de esmerilhamento. Com isso, é
possível subtrair o metal removido do desgaste, obtendo assim a taxa de desgaste natural. A
taxa de desgaste será expressa nas unidades mm (milímetros)/100 MTBT (milhões de toneladas
brutas transportadas).
Após o cálculo do desgaste artificial, é possível calcular índice de desgaste natural (d),
conforme Tabela 9, considerando um coeficiente de atrito de 0,4, carga por eixo de 27,5 t,
coeficiente de peso dos vagões GDE de 5,1.
5. CONCLUSÕES
Neste artigo, foram introduzidos alguns dos conceitos de modelos de degradação geométrica e
estrutural para um Sistema de Gerência de Pavimentos Ferroviários (SGPF), e o estudo de caso
permitiu constatar a eficácia da ênfase na geometria e no desgaste dos trilhos. As análises dos
resultados de dois períodos diferentes indicaram a possibilidade de criar estratégias de
manutenção em função de indicadores e parâmetros de controle adequados.
Sobre a medição de desgaste de trilho foi possível observar diferenças nas medições de
perfilômetro e do carro controle EM-80. Além disso, também se verificou que é fator
fundamental identificar o desgaste artificial para obter um modelo de degradação de desgaste
natural de trilhos. A curva 1 teve uma redução da taxa média de desgaste de trilho, devido uma
substituição, o que não resultou em uma melhora na qualidade da via. Os demais parâmetros de
degradação do trilho necessitam ser parametrizados para identificar a sensibilidade no resultado
da qualidade estrutural da via. Pesquisas na Austrália, Canadá e África do Sul parecem
estabelecer um bom conhecimento para estes problemas e, para futuros estudos, sugere-se
concentrar na classificação do desgaste em função dos veículos, com alterações no coeficiente
de atrito.
Uma próxima abordagem neste tema, não menos importante, é o estudo do efeito da
manutenção e as alterações dos índices de qualidade da via, além da verificação dos modelos
de degradação dos demais componentes da superestrutura e sua correlação com o coeficiente J.
Neste caso, seria interessante a implantação de um sistema de gerência, com base em
levantamento de dados do comportamento da via permanente in situ ao longo do tempo, como
forma de avaliação de desempenho. Esta poderia ser realizada, por exemplo, com medidas de
deslocamento em campo para a determinação do módulo dinâmico de via, onde este poderia ser
um indicador para auxiliar na determinação da necessidade de manutenção em um dado ponto,
ao mostrar uma dada variação da resposta do pavimento ferroviário. Da mesma forma, a adoção
dos conceitos fundamentais da Mecânica dos Pavimentos na análise estrutural do pavimento
faz-se necessária.
Agradecimentos
À equipe de via permanente da Estrada de Ferro Vitória Minas pelo apoio à pesquisa.
REFERÊNCIAS BIBLIOGRÁFICAS
Anderson E., Stichel S. (1999), Modell för nedbrytning av spår, fordonsparametrar och referensvärden, Report
from Royal Institute of Technology, Stockholm, (in Swedish).
D. Read, S. Chrismer, W. Ebersöhn, E. T. Selig, (1993) Track Modulus Measurements at the Pueblo Soft Subgrade
Site, Transportation Research Record 1470, TRB, National Research Council, Washington D.C.
Berggren, E. (2005). The role of vertical track stiffness measurements in condition based maintenance of railway
tracks – A pilot study, Report TRITA AVE 2005:31, Royal Institute of Technology (KTH), Stockholm.
El-Sibaie, M. and Zhang, Y.J. (2004) "Objective Track Quality Indices." 83rd TRB Annual Meeting, January 11-
15, 2004, Washington, D.C.
E. Andersson e S. Stichel (2012). Uniform Wheel Wear of a Two Axle Freight Vehicle with Friction Dampers .
First International Conference on Railway Technology. Las Palmas de Gran Canaria, Spain.
E. Andersson, M. Berg and S. Stichel, (1998) “Rail Vehicle Dynamics, Fundamentals and Guidelines,” Royal
Institute of Technology (KTH), Stockholm.
Ferreira, L. & Murray, M. (1997) Modelling rail track deterioration and maintenance current practices and future
needs. Transport Reviews, 17, pp. 207-221.
FRA. (2004) report RR04-03, A Preliminary Design of a System to Measure Vertical Track Modulus from a
Moving Railcar, http://www.fra.dot.gov/downloads/Research/-rr0403.pdf.
Larsson, D., (2004). A Study of Track Degradation Process Related to Changes in Railway Traffic. Licenciate
Thesis, Luleå University of Technology.
Madejski, J. & Grabczyk, J. (2002), Continuous geometry measurement for diagnostics of tracks and switches.
Proceedings of the International Conference on Switches Delft university of Technology, Delft, the
Netherlands.
Martland C.D., Auzmendi A.R., (1990), A Simplified Model of Rail Wear for Use in Track Maintenance Planning
and Costing, Report No R-742, Association of American Railroads, USA.
Profillidis, V.A. (2006). Railway Management and Engineering, Ashgate, third edition.
Sato, Y., (1997). Japanese studies on deterioration of ballasted track. Vehicle System Dynamic, vol.24, pp.197-
208.
Shenton, M.J. (1984) “Ballast Deformation and Track Deterioration”, Proceedings of a Conference on Track
Technology, University of Nottingham, 11-13 Jul 1984, Thomas Telford Limited, London.
Santos, G. Fabiano, (2015) "Análise de segurança de veículo ferroviário de carga em tangente considerando a
excitação periódica da via permanente". Tese de Doutorado. Universidade de São Pulo, São Paulo
Zarembski, A.M., Euston, T.L., Palese, J.W., “Use of Track Component Life Prediction Models in Infrastructure
Management”, AusRail Conference and Exhibition, Sydney, November, 2005.
Zhang, Y.J., El-Sibaie, M. and Lee, S. (2004) "FRA Track Quality Indices and Probability Distribution
Characteristics." AREMA Annual Conference, September 19-22, 2004, Nashville, TN.