Escolar Documentos
Profissional Documentos
Cultura Documentos
Federico II
FACOLTÀ DI INGEGNERIA
Corso di Laurea in Ingegneria Civile
ii
Indice
iii
2.3.2 Processi di Rinnovo . . . . . . . . . . . . . . . . . . . . 54
2.4 Calcolo del profilo di affidabilità . . . . . . . . . . . . . . . . . 58
2.4.1 Campionamento casuale di variabile aleatoria . . . . . 59
2.4.2 Stima del profilo di affidabilità in assenza di manuten-
zione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.4.3 Stima del profilo di affidabilità con manutenzione . . . 63
5 Conclusioni 118
Bibliografia 120
Ringraziamenti
v
la perfezione il metodo dell’Ellisse di Elasticità . . . beh . . . che dire di più
. . . semplicemente un mito.
Un doppio grazie per Salvatore e Pasquale: persone capaci di essere
pragmatici e decisi nel momento dello studio ma senza svanire la luce della
semplicità.
Un grazie anche per il carissimo Pintuccio: un esperto di musica classica e
rock come pochi, bramoso lettore di romanzi di Philip K. Dick, fedele utente
di Linux . . . una persona che condivide con il prossimo la sua conoscenza
incondizionatamente.
La famiglia è il punto di riferimento per eccellenza di ognuno, raggiungere
un risultato cosı̀ importante è sicuramente dovuto anche all’appoggio che i
miei cari mi hanno offerto durante gli anni.
Ecco quindi che il mio abbraccio più forte e ringraziamento più sentito
sono per mio padre e mia madre: sia nei periodi nefasti che nei giorni di
buon auspicio la loro fiducia e supporto sono stati punti di riferimento per
il mio progredire. La continua ammirazione per ciò che oggi sono diventati,
sapendo in che modo hanno iniziato, sarà per la mia vita un punto riferimento
assoluto: un faro che rinfranca il cuore dei marinai nel mare burrascoso della
vita. Grazie a voi per tutto quanto.
I miei fratelli sono stati come dei pionieri: le loro esperienze hanno ar-
ricchito non solo le loro esistenze ma anche reso più fertile il mio cammino
di vita. La loro forza ed il loro impegno sono l’esempio più chiaro di ciò che
sarò “da grande”: oggi guardo lontano perchè poggio sulle loro spalle!
In fine, ma non per ordine di importanza, ho serbato un pensiero parti-
colare e speciale per la mia carissima Nunzia. Sono più di quattordici anni
che condividiamo il quotidiano, quindi chi meglio di lei può conoscere le mie
vicissitudini ed il mio percorso di vita fin qui compiuto. Averla al mio fianco
è stata la mia arma segreta per aver ragione delle avversità, il suo continuo
incitamento e la sua gioia di vivere mi hanno reso una persona migliore, il suo
affetto ed il suo sorriso sono la migliore delle ricompense dopo una giornata
di impegno debilitante. Non so, e non saprò mai, come sarebbe stata la mia
vita senza di lei: ma certamente in questo istante la sua presenza è la stella
Polare del mio vivere sereno. Lei, per me, è preziosa come e più del sale!
vi
Introduzione
cloruri.
tramite la seguente:
Pf ail = 1 − Φ(β)
1
pilazione di un codice di calcolo permette di stimare le seguenti grandezze
aleatorie:
∗
• minimo valore accettabile βlif e pari a 4 a cui corrisponde una Pf del-
l’ordine di 10−5 ;
2
Capitolo 1
buzione lineare degli sforzi, la teoria forniva, sia perché, negli anni, numerose
prove hanno dimostrato il comportamento soddisfacente in esercizio e un
adeguato margine di sicurezza rispetto al collasso delle strutture con esso
rezza che è misura delle incertezze legate sia al carico che alla sollecitazione.
3
In tale procedura si effettua il seguente confronto :
Rf
S ≤ Ramm = (1.1)
γ
sul generico elemento che la sua resistenza R sono modellate come variabili
stica.
Tale punto di vista è quello detto degli stati limite in cui si definisce il rag-
4
giungimento di uno stato limite di una struttura, quando un certo parametro
caratterizzante la risposta strutturale raggiunge un valore limite. La verifica
è in questo caso del tipo:
S≤R (1.2)
Z
Pf ail = fX (x) dx (1.5)
F
Z
Psucc = fX (x) dx (1.6)
S
5
tale che:
G(R, S) = R − S (1.7)
Z
Pf ail = fX (x) dx (1.8)
G(X)≤0
forma chiusa di questo integrale è possibile solo in rarissimi casi e sotto ipotesi
molto restrittive. In genere i passi da seguire per poter risolvere il problema
6
Il primo punto è un problema standard di statistica inferenziale notevolmente
semplificato se si può fare l’ipotesi di indipendenza statistica tra le variabili.
Il secondo punto è un problema più specifico di teoria dell’affidabilità, in
in altri casi questa funzione deve essere stimata dai dati ed è quindi nota solo
onerose computazionalmente.
Solo nel caso di problema bidimensionale di variabili indipendenti e di ipotesi
di funzione di prestazione lineare è possibile trovare una soluzione in forma
chiusa.
di calcolo. Per questo motivo diversi autori a partire dagli anni sessanta
hanno proposto l’idea di valutare l’affidabilità attraverso un indice β , detto
7
indice di affidabilità. Questo indice misura, in unità di deviazione standard,
la distanza tra il valore medio (design point) del vettore X ed il contorno
del dominio di rottura (G(X) = 0). La valutazione dell’indice β è quindi
un problema di ricerca di minimo vincolato. Una volta che questo indice sia
con dei valori di riferimento per poter valutare il grado di affidabilità della
R − µR S − µS
R0 = S0 = (1.9)
σR σS
σR R0 − σS S 0 + µR − µS = 0 (1.10)
8
che è l’equazione di una retta la cui distanza dall’origine è proprio pari a β.
Figura 1.1: Spazio di stato limite (sx); Spazio di stato limite ridotto (dx)
µR − µS
β=p 2 (1.11)
σR + σS2
Si ricorda che l’esempio e le formule fin qui sviluppate valgono solo per
9
1.3.1 Esempio: calcolo di β
E·I π 2 · d4
Nc = π 2 · = ·E
L2 64 · L2
allora risulterà:
Pf = P [Nc − N ≤ 0]
10
Riscrivendo questa espressione in funzione delle variabili aleatorie presenti:
π 2 · d4
G = aE − N con a=
64 · L2
11
Taylor nel punto µX :
µZ ≈ G(µX )
X
σZ2 ≈ (∇X G)TX=µX · ·(∇S G)X=µX
XX
G(µX )
βM V F OSM = q P (1.12)
∇X G)TX=µX · XX ·(∇S G)X=µX
era da imputare allo sviluppo in serie di Taylor nel punto µX ; essi proposero
di eseguire lo sviluppo in serie di Taylor in un punto della superficie di rottura
12
1.5 Stima della probabilità
matizzazioni matematiche adottate per esse. Ecco una breve descrizione dei
ed il metodo SORM;
dell’opera.
13
G < 0). La probabilità di rottura assume la forma della 1.8 in cui X è
il vettore delle variabili aleatorie di base e fX (x) è la funzione di densità
di probabilità congiunta delle stesse. Il metodo di II livello FORM (First
Order Reliability Metod ) è una procedura per poter stimare la Pf ail , i passi
Z
Pf ail = φn (u) du (1.13)
G(U )≤0
14
Se la G(U ) è lineare in U la probabilità di collasso diventa:
β = a T · u∗
con
u∗ = min{kuk : G(u) ≤ 0}
Nel caso in cui la G(U ) non sia lineare in U si procede al calcolo dell’indice
β e poi si stima la probabilità di collasso:
Pf ail ≈ Φ(−β)
sviluppo in serie di Taylor del primo ordine) può non essere soddisfacente se
15
Figura 1.3: Definizione geometrica del Design Point
limite è lineare nello spazio originale, essa può diventare non lineare dopo
la trasformazione nello spazio normale standard. L’approccio più comune è
stato quello di approssimare la superficie limite reale con una superficie pa-
rabolica, quadratica o di ordine superiore, attorno al Design Point. Quando
16
standard nel Design Point ed applicando quindi l’espressione asintotica:
n−1
Y n−1
Y
−1/2
Pf ail ≈ Φ(−β) · (1 − βki ) = Pf ailF ORM · (1 − βki )−1/2 (1.15)
i=1 i=1
Nei paragrafi precedenti si è visto che il vero problema del calcolo della
te Carlo. Le origini di tale metodo si possono individuare nei primi anni ’30
quando già Enrico Fermi sosteneva di utilizzare stime ottenute con tecniche
17
bilità di queste variabili. Esso calcola l’integrale 1.8 definendo una funzione
ausiliaria I(x) (detta funzione indicatrice) che assume valori nulli nell’insie-
me dove G > 0 e valore unitario nell’insieme dove G ≤ 0. La probabilità di
0 se x ∈ S
I(x) = ⇒ Pf = E[I(x)] (1.16)
1 se x ∈ F
Dalla Teoria della Stima dei parametri di variabili aleatorie, si può stimare
Pf dalla stima della media di I(x) calcolando il rapporto tra il numero di
NF
Pf = E[I(x)] = (1.17)
N
18
1.5.4 Importance Sampling ed Adaptive Sampling
Z Z
Pf = fX (x) dx = I[G(x)]fX (x) dx
G(X)≤0 G(X)≤0
Z
hV (x)
Pf = I[G(x)]fX (x) dx
G(X)≤0 hV (x)
½ ¾
fX (x)
Pf = J = E I[G(x)]
hV (x)
N
" #
1 X fX (V̂j )
Pf ≈ J2 = I[G(V̂j ) ≤ 0] (1.18)
N j=1 hV (V̂j )
19
in cui V̂j è un vettore di valori generati a partire dalla funzione hV (·). La
varianza di J2 si può esprimere come:
Z · ¸2
1 fX (x)
V ar[J2 ] = I[G(x) ≤ 0] hV (x) dx − J 2 (1.19)
N hV (x)
Queste informazioni sono utili per poter calibrare la hV (x) affinchè converga
più rapidamente. Infatti è lecito poter scrivere la hV (x) come combinazione
X
hV (x) = wj · hVj (x) (1.20)
dove wj sono i pesi selezionati in maniera tale che la hV (x) abbia una forma
il più possibile simile a fX (x) all’interno del dominio di rottura. I pesi sono
20
espressi nel seguente modo:
fX (X̂j )
wj = Pk (1.21)
i=1 fX (X̂i )
X̂j è il punto dove sono centrate le funzioni hVj (x); una volta che i pesi siano
21
Figura 1.4: PdF della Sollecitazione e della Resistenza
Con l’ausilio del foglio elettronico Excel è stato possibile estrarre un campione
si è calcolato il rapporto:
NF
Pf = (1.23)
N
dove:
• N numero iterazioni.
22
3G)
&G)
)UHT
7RW
3I 3I
* 56
Pf = 0, 03
a questo proposito viene riportata nella figura 1.5 l’andamento della PdF e
della CdF: la Pf viene rappresentata sia come area sottesa dalla PdF prece-
dente il valore zero, sia come valore della CdF in corrispondenza dello zero.
duzione
23
condizioni di collasso. Per poter sviluppare tale tematica si deve tener conto
dei seguenti aspetti imprescindibili dal contesto principale:
Questa qualità non è facile da calcolare. Durante gli ultimi quindici anni
molte definizioni di ridondanza strutturale sono state proposte ed utilizzate
per controllare la disponibilità di allarme prima dell’avvento del collasso. In
un recente studio, è stata utilizzata la seguente misura di ridondanza per i
ponti [4]:
αsys = βsys − βW M (1.24)
dove:
dove:
24
• βSM : indice di affidabilità del componente strutturale più forte (più
affidabile);
ponte, è dato dal confronto tra la 1.24 e la 1.25 cosı̀ condotto [4]:
giunge nel momento in cui una qualunque delle sue componenti è in condizio-
25
Figura 1.6: Rappresentazione schematica di un sistema in serie
[
FS = Fi (1.26)
i
È chiaro che l’evento successo SS del sistema è pari alla intersezione dei
singoli successi Si :
\
SS = Si (1.27)
i
26
1.8.1 Esempio: affidabilità di sistema in serie
Si consideri un sistema che abbia tre componenti che siano disposti in serie,
ciascuno con le seguenti affidabilità:
• R1 = 99, 5%
• R2 = 98, 7%
• R3 = 97, 3%
Nella tabella 1.1 viene esaminato l’effetto dell’affidabilità del singolo com-
ponente su quella del sistema; la prima riga contiene i valori delle affidabilità
dei componenti e del sistema, nelle altre righe viene aumentato del 10% un
valore mentre rimangono inalterati gli altri due. Come si può osservare l’au-
27
un incremento di affidabilità maggiore che negli altri casi presenti nelle righe
della tabella; tutto ciò si puo riassumere con la seguente frase: “Una catena
è tanto forte quanto il suo anello più debole.”
ma in serie non richiedono informazioni sulla correlazione tra gli eventi che
X
max{P (Fi )} ≤ P (FS ) ≤ P (Fi ) (1.31)
i
I limiti cosı̀ calcolati sono ravvicinati, e quindi vicini alla soluzione esatta,
28
nel caso in cui esista nella struttura una modalità di collasso dominante;
altrimenti essi sono in generale troppo ampi per poter essere efficacemen-
te utilizzati come stima della probabilità di collasso. In quest’ultimo caso
è necessario ricorrere a limiti del secondo ordine che tengono conto della
P (Fi ∩ Fj )
dove:
29
Oltre ai limiti del primo ordine e a quelli del secondo ordine possono essere
definiti limiti di ordine superiore che però richiedono il calcolo della probabi-
lità dell’intersezione di più di due eventi e sono per questo, seppur più precisi,
30
È chiaro che l’evento successo SP del sistema è pari alla unione dei singoli
successi Si :
[
SP = Si (1.33)
i
dei limiti del primo ordine per poter approssimare la P (FP ). Nel caso in
esame si ha la seguente:
Y
P (Fi ) ≤ P (FS ) ≤ min{P (Fi )} (1.35)
i
Questi limiti sono eccessivamente estesi e non consentono quindi una buona
procedura di approssimazione.
Si consideri un sistema che abbia tre componenti che siano disposti in paral-
lelo, ciascuno con le seguenti affidabilità:
• R1 = 99, 5%
31
• R2 = 98, 7%
• R3 = 97, 3%
a partire dai quali è possibile costruire ogni sistema più generale. Un sistema
generale consiste infatti in una combinazione di sottosistemi in serie ed in
32
Figura 1.8: Rappresentazione schematica di un sistema Link-set
33
Soffermandoci sul caso di sistema Cut-set, il collasso del sistema è dato dalla
unione (serie) dell’intersezione (parallelo) degli eventi i-esimi di collasso:
[\
FG = F ij
j i
avendo indicato con Fij l’evento di collasso i-esimo nel percorso di rottura
j-esimo. La probabilità di collasso sarà data dalla seguente:
" #
[\
P (FG ) = P F ij (1.36)
j i
• R1 = 99, 5%
• R2 = 98, 7%
• R3 = 97, 3%
34
Figura 1.10: Combinazione serie-parallelo
35
Capitolo 2
2.1 Introduzione
delle prestazioni durante il ciclo di vita delle strutture è molto più com-
plessa ed è in rapida affermazione in campo accademico. Ciò rappresenta
36
avendo a disposizione risorse limitate. Ciò impone che le attività di ispezione
e manutenzione siano ottimamente pianificate nel tempo.
spesso critiche, sia nei riguardi della sicurezza statica, sia nei riguardi della
loro conservazione nel tempo. Sono infatti tuttora in esercizio ponti stradali
e ferroviari realizzati alla fine del 1800, i primi ponti in c.a. della prima metà
del 1900 ed i ponti in c.a.p. degli ultimi cinquant’anni: opere concepite per
do di affidabilità di molti dei ponti esistenti, non solo per quanto riguarda la
sicurezza, ma anche per i pesanti riflessi che l’interruzione di un ramo della
rete infrastrutturale genera sull’economia dell’area geografica circostante.
stati attuale e futuro della struttura sono associati diversi livelli di incertezza
37
• Modello di decisione: utilizza il modello di deterioramento per deter-
minare i tempi ottimali di ispezione e di manutenzione.
38
• modello Time Dependent Reliability (affidabilità dipendente dal tem-
po): dove l’affidabilità varia nel tempo in funzione della manutenzione.
lettera greca λ, dipende dalla PdF dei collassi: essa descrive la probabilità di
osservato o misurato.
39
stabilisce la sostituzione di un componente strutturale dopo il raggiungimento
di una età predeterminata k. Un altro modello è il modello di sostituzione a
blocco: ereditando i risultati del modello precedente, questo modello stabilisce
dominio di rottura.
Modello di Deterioramento. Nel modello G(R, S) = R − S o modello
Sollecitazione - Resistenza, R è la resistenza del componente o struttura
mentre S sono le sollecitazioni applicate. Sia R che S sono intese come
tiene conto del ciclo di vita è il concetto preferito dai decisori che non sono solo
interessati alla sicurezza, ma anche ai costi. Per un’ottimale pianificazione
delle decisioni. Dopo ogni ispezione viene presa una decisione che effettua la
scelta di eseguire la manutenzione A (ramo 1) oppure di non eseguirla (ramo
40
Figura 2.1: Rappresentazione di un albero delle decisioni
permette al decisore di inserire dei limiti alla soluzione. Per questa ragione,
41
probabilità di collasso (Pf ) per le relative conseguenze (D) [7]:
R = Pf · D
Pertanto il componente dal più alto rischio sarà quello che avrà sia la più
alta probabilità di collasso sia i danni più gravi. Uno strumento analitico
• Eccellente → Regione 5: β ≥ 9, 0
• Inaccettabile → Regione 1: β ≤ 4, 6
42
Vi sono due tipologie di azioni manutentive che possono influire sul profilo
dell’indice di affidabilità. In accordo alle indicazioni fornite da vari studiosi
si hanno le seguenti definizioni [7]:
Le azioni preventive sono classificate come dipendenti dal tempo: basti ricor-
dare che la riverniciatura dei ponti in acciaio avviene ogni dieci anni. Le altre
β(t) = β0 se t ≤ ti (2.2)
43
Figura 2.2: Profilo di affidabilità senza (sx) e con manutenzione (dx)
β(t) = β0 se t ≤ ti (2.4)
dove:
Si noti che i profili sopra descritti non vengono computati secondo gli algorit-
mi esposti nel capitolo 1 di questo lavoro di tesi, ma sono simulati con l’au-
44
silio del Metodo Monte Carlo con parametri direttamenti stimati da esperti
oppure ottenuti da rilievi statistici.
tenzione preventiva;
45
Figura 2.3: Influenza delle variabili aleatorie sul profilo di affidabilità
del tempo di riabilitazione TRP dipende dalle otto variabili aleatorie pre-
cedentemente indicate. Nella figura 2.3 viene rappresentato come il profilo
di affidabilità venga influenzato dalle variabili aleatorie del modello, con la
simulazione Monte Carlo vengono generati gli indicatori delle otto PdF indi-
cate nel profilo dell’affidabilita; ciò serve anche a catturare la diffusione delle
incertezze durante l’intera vita utile della struttura che si sta degradando. I
valori che caratterizzano le PdF suindicate sono qui riassunti nella seguente
tabella 2.4 [10]. Tale tabella è stata ricavata da una sperimentazione con-
valore α del coefficiente di degrado (la tabella è stata ottenuta con tre diversi
coefficienti di degrado, ecco perchè sono presenti tre diversi valori per il max
di A) e quindi è stata condotta la simulazione tramite Monte Carlo facendo
Flettente [10]. La simulazione è stata condotta tenendo conto che sono stati
46
Variabile Tipo di Principali Indicatori
Aleatoria Distribuzione Taglio Momento
β 0 Log-normale
Media 8,5 Media 7,5
Dev. Std. 1,5 Dev. Std. 1,2
Media 15 Media 15
TI [anni] Log-normale
Dev. Std. 5 Dev. Std. 5
Min 0,005 Min 0,002
Max 0,1 Max 0,05
A [anni-1] Uniforme
0,15 0,075
0,2 0,1
Media 20 Media 20
TPI [anni] Log-normale
Dev. Std. 5 Dev. Std. 5
Min 10 Min 10
TP [anni] Triangolare Moda 15 Moda 15
Max 20 Max 20
Media 10 Media 10
TPD [anni] Log-normale
Dev. Std. 2 Dev. Std. 2
Θ [anni ] -1
Uniforme
Min 0 Min 0
Max 0,05 Max 0,025
Γ Log-normale
Media 0,2 Media 0,2
Dev. Std. 0,04 Dev. Std. 0,04
Figura 2.4: Variabili aleatorie associate alle modalità di collasso per Taglio
e Momento
sione risulta più piccola. In altre parole gli effetti delle azioni preventive
47
Figura 2.5: Confronto distribuzione della media di β0 nel tempo, con e senza
manutenzione
ponti manutenuti.
L’effetto di un intervento i sul profilo di affidabilità iniziale j può espri-
mersi analiticamente come [12]:
nj
X
βj (t) = βj,0 (t) + ∆βj,i (t) (2.6)
i=1
in cui:
j;
nutenzione.
48
Risulta evidente che il profilo dell’indice di affidabilità del sistema si ottiene
dalla combinazione statistica dei profili di affidabilità dei singoli componenti.
Il modello di affidabilità di Frangopol è stato poi ampliato per incorporare
lazioni tra i parametri che definiscono le equazioni 2.6 e 2.7; nonchè dalle
lità e condizione della stessa. Però, il costo di manutenzione non solo dipende
49
una trave d’acciao arrugginita [7]:
segue:
ct
(2.9)
(1 + r/100)t
50
corrispondente valore non dipende dagli istanti di tempo precedenti a
t;
51
risulta in una matrice N × N [7]:
P11 P12 . . . P1N
P21 P22 . . . P2N
P = . .. .
.. .. ..
. .
PN 1 PN 2 . . . PN N
• tutti gli elementi della matrice sono numeri reali, non negativi e non
maggiori di 1;
le colonne sono gli stati finali della transizione, che evidentemente sono
uguali.
52
cedente transizione in m passi può scriversi come il prodotto della matrice P
per se stessa m volte: P m
Quando una decisione per un’azione dipende solo dallo stato attuale del pro-
cesso e non dal tempo in cui l’azione è intrapresa, allora siamo in presenza
di una policy stazionaria. In questo caso il processo suddetto viene detto
processo di decisione di Markov. A questo punto è possibile formulare gli
sconti sui costi che tali decisioni comportano su un orizzonte illimitato:
N
X
Vα (i) = C(i, a) + α · Pij (a)Vα (j) (2.10)
j=1
dove:
• Vα è la funzione valore in α;
53
Il fattore di sconto è definito come segue:
1
α= r
1 + 100
con r tasso di sconto annuale. A questo punto una decisione ottimale dal
punto di vista dei costi può essere trovata minimizzanto la relazione 2.10, nel
molti metodi per trovare una soluzione ottimale. Uno di questi è il cosiddetto
algoritmo policy-improvement che incrementa migliori politiche decisionali
fino a che nessun miglioramento possa essere fatto. Ci sono tre importanti
Per poter modellare la variazione nel tempo della resistenza di una strut-
tura veniva utilizzato il processo stocastico detto Moto Browniano con devia-
54
tra incrementi e decrementi di valore nel tempo: queste fluttuazioni erano
simili all’andamento di un pacchetto azionario in una movimentata seduta
borsistica. Per questa ragione il modello Browniano è inadeguato a modellare
la variazione nel tempo della resistenza poichè è monotòna. Ecco quindi che
u · (ux)(v−1) (−ux)
Ga(x|v, u) = e , x≥0 (2.11)
Γ(v)
R∞
dove Γ(a) = t=0
ta−1 e−t dt viene detta funzione Gamma di Eulero per a > 0.
Gamma, con funzione di forma v(t) > 0 e parametro u > 0, allora il suo
valore atteso e la sua varianza saranno date da [7]:
v(t)
E[X(t)] = (2.12)
u
v(t)
V ar[X(t)] = (2.13)
u2
55
Ciò posto, un componente strutturale è in fase di collasso quando la sua
resistenza, che la si indica come R(t) = r0 − X(t), assume un valore infe-
riore ai carichi o sollecitazioni s. I valori r0 , resistenza iniziale, e s, carichi
deterioramento, la distrubuzione del tempo di vita può essere scritta cosı̀ [7]:
A seconda dei valori di b assunti nella 2.15, il processo Gamma viene detto:
1
deformazione progressiva, a temperatura elevata, di un materiale sottoposto a sforzo
costante
56
• stazionario se b = 1;
• non stazionario se b 6= 1
T ≥ 0;
il costo medio atteso per unità di tempo può essere scritto come [7]:
R∞
E[K(t)] c(t) · dF (t)
lim = 0R ∞ (2.16)
t→∞ t 0
t · dF (t)
ciclo di rinnovo.
57
Il costo scontato atteso può essere scritto come [7]:
R∞
0
αt · c(t) · dF (t)
c0 + lim E[K(t, α)] = c0 + R∞ (2.17)
t→∞ 1 − 0 αt · dF (t)
dove:
• E[K(t, α)]: costo scontato atteso nell’intervallo limitato (0, t] con t > 0.
standard delle Pdf delle variabili aleatorie del modello di Frangopol in seguito
al criterio di collasso per Momento. Il profilo β(t) è stato stimato con metodo
Monte Carlo considerando 2.000 iterazioni, i calcoli sono stati eseguiti con il
foglio elettronico Excel. Le Pdf considerate sono le seguenti:
58
• Θ, coefficiente di degrado dell’affidabilità durante l’effetto della manu-
tenzione preventiva (Lognormale);
Ecco i passi che sono stati sviluppati per poter stimare il profilo di affidabilità:
• distribuzione Lognormale;
• distribuzione Uniforme.
dove:
59
• ζ = σln X viene anche detta Deviazione Standard Logaritmica.
Questi parametri sono legati alla media µ ed alla deviazione standard σ della
variabile X come segue [3]:
1
λ = ln(µ) − · ζ 2 (2.19)
s 2
σ2
ζ = ln(1 + 2 ) (2.20)
µ
140
120
100
n° campioni
80
60
40
20
0
0 5 10 15 20
valori
60
Distribuzione Uniforme. Una variabile aleatoria X ha una distribuzione
Uniforme o Rettangolare quando la sua Pdf è definita come segue [2]:
1
b−a
per a ≤ x ≤ b; con b > a
fX (x) = (2.21)
0 altrimenti
Con l’ausilio del foglio elettronico Excel è stato possibile estrarre un campione
casuale della variabile A: si assegna un numero casuale n ∈ [0, 1] e si impone
120
100
n° campioni
80
60
40
20
0
0 0.02 0.04 0.06 0.08 0.1 0.12
valori
61
2.4.2 Stima del profilo di affidabilità in assenza di ma-
nutenzione
β(t) = β0 se t ≤ ti
β(t) = β0 − α1 (t − ti ) se t > ti
Il calcolo è stato effettuato per tre diversi valori massimi del tasso di degrado:
DIILGDELOLWj
$PD[
$PD[
$PD[
DQQL
• Amax = 0, 05
• Amax = 0, 075
• Amax = 0, 1
62
Il profilo di affidabilità senza manutenzione è stato diagrammato con fo-
glio elettronico Excel in un intervallo temporale di ottanta anni ed è riportato
nella figura 2.8. Nel diagramma è stato riportata la media dei 2.000 valori
t = 40 anni e quindi sono stati stimati gli effetti sul profilo di affidabilità di
tale scelta. Le relazioni utilizzate sono:
dove:
63
DIILGDELOLWj
$PD[
PDQSUHY
DQQL
riportate le medie dei 2.000 valori che sono generate dal campionamento
casuale delle variabili aleatorie.
64
Capitolo 3
3.1 Introduzione
delle variabili aleatorie presenti nel modello di calcolo. Per affrontare tale
65
complessità computativa è stato compilato un programma in MatLabr ; la
produzione dei grafici è stata in parte ottenuta con MatLabr stesso ed in
parte con Excelr . Il criterio di rottura scelto per valutare l’affidabilità e la
Salaria.
• larghezza: 11 metri;
• soletta in c.a.;
• classificazione: I categoria;
66
La figura 3.1 mostra la sezione trasversale del ponte.
Per l’analisi strutturale si è fatto riferimento alle Nuove Norme Tecniche per
Con l’aggettivo caratteristica si intende una resistenza che può essere mi-
norata al più nel 5% dei casi. In virtù di tale definizione è stato possibile
67
Figura 3.2: Legame Parabola-Rettangolo del calcestruzzo
σ
COV = = 0, 20
µ
X −µ X −µ
Z= = (3.1)
σ COV · µ
X
⇒ µ= = 49, 48 MPa (3.2)
1 + COV · Z
in cui:
68
Per ottenere il valore della tensione di design f cd basta dividere f cK per
il coefficiente γc = 1, 6:
f cK
f cd = = 20, 75 MPa
γc
minorata al più del 5, 00 · 10−3 cosı̀ come previsto dalla Teoria degli Stati
Limite:
450
400
350
Frequenze
300
250
200
150
100
50
0
0 10 20 30 40 50 60 70 80 90
MPa
69
a trazione è f yK = 440 MPa. In figura 3.4 è riportato il diagramma Elastico
perfettamente Plastico adottato dal EC2 e dalla Normativa Italiana. Il valore
γs = 1, 15:
f yK
f yd = = 382, 61 MPa
γs
400
350
300
frequenze
250
200
150
100
50
0
200 300 400 500 600 700 800
MPa
70
come N ormale. Il valore di deviazione standard è stato ottenuto tramite il
valore[1]:
σ
COV = = 0, 07
µ
essere minorata di 5, 00 · 10−3 cosı̀ come previsto dalla Teoria degli Stati
Limite:
Ecco una tabella che riassume quanto precedentemente svolto per indivi-
duare le P dF dei materiali:
Resistenza Prob distribuzione COV media dev. st.
MPa MPa MPa
CLS 33,20 0,05 Normale 0,20 49,48 9,90
Acciaio 440 0,05 Normale 0,07 497,25 34,81
zioni
• q1 : carico mobile;
71
• q2 : incremento dinamico del carico mobile.
72
Il problema comprende grandezze che non sono di natura deterministi-
ca. Nel paragrafo precedente si è mostrato che la resistenza dei materiali è
di natura probabilistica: due lampadine assemblate con tecniche identiche
e nello stesso tempo, non è detto che si brucino proprio nello stesso istan-
te. Per completare il quadro delle grandezze[14] che hanno natura non certo
deterministica si faccia riferimento alla tabella 3.2 nella quale i valori, es-
Tabella 3.2: Variabili aleatorie e loro parametri: pesi specifici dei materiali
73
• g2,1 = w · γpavim : peso proprio della pavimentazione;
Tabella 3.3: Variabili aleatorie e loro parametri: pesi specifici dei materiali
Gsbalzo · L2sbalzo
MG = + qparapetto · Lsbalzo (3.3)
2
dove:
74
• Gsbalzo : carico di tipo G che grava sullo sbalzo;
0.15
0.1
Freq. relativa
0.05
0
22 24 26 28 30 32 34 36 38 40
kNm
75
Figura 3.9: Posizione del carico mobile massimizzante il M −
d
MQ = · Pd (3.4)
wc
pari a 1, 50 m;
assunta pari a 2, 70 m;
76
0.03
0.025
0.02
Freq. relativa
0.015
0.01
0.005
0
30 40 50 60 70 80 90 100 110 120
kNm
maggiorato di 5, 00 · 10−3 cosı̀ come previsto dalla Teoria degli Stati Limite:
77
tabella:
parametro simbolo distribuzione media dev. std.
Momento Sollecitante MS Normale 108,05 13,16
0.03
0.025
0.02
Densità
0.015
0.01
0.005
0
60 70 80 90 100 110 120 130 140 150 160
kNm
sione delle barre di armatura è molto importante ai fini della stima delle
performance presenti e future della struttura. La corrosione causa la riduzio-
78
elettrochimico (fenomeno della Pila di Corrosione) che avviene in presenza
di ossigeno, acqua e di un mezzo conduttore che metta in comunicazione l’a-
nodo con il catodo. I quattro processi indicati nella figura 3.12 devono essere
79
di ferro; basti pensare all’operazione di spargimento di sale sulla carreggiata
durante gli inverni rigidi: ciò provoca un consistente accumulo di ioni cloruri
che, penetrando all’interno della struttura, possono compromettere l’equi-
degrado;
delle barre.
∂C(x, t) ∂ 2 C(x, t)
= DC · (3.5)
∂t ∂x2
p
x= 2 · (D/a) · (C1 − C2) · t (3.6)
80
Figura 3.13: Fronte di carbonatazione rilevato tramite l’uso della
fenolftaleina su una carota di cls
dove:
• D: coefficiente di diffusione;
√
x=k· t (3.7)
• x: copriferro da 3, 00 cm;
81
si ottiene un valore del tempo di innesco del degrado TI pari a:
TI ' 9 anni
Icorr
icorr = = [µA · L−2 ] (3.8)
π · Dbarra · L
dove:
Si noti che l’equazione 3.8 considera che la polarizzazione della barra sia
uniforme lungo la sua circonferenza.
M · icorr · t
m= (3.9)
z·F
dove:
• F : costante di Faraday;
82
• t: tempo in secondi;
m = 9, 15 · 10−3 g/cm2
ρS = 7, 81 g/cm3
m
= 11, 6 µm/anno
ρS
Z Z
D(t) = D0 − 2 · rc dt = D0 − 0, 0232 · icorr dt (3.11)
83
In questo modello la variabile aleatoria è rappresentata proprio dalla den-
sità di corrente, la cui P dF è Uniforme mentre gli indici sono di seguito in-
dicati in tabella[1]: Nella figura seguente è rappresentato il profilo dell’area
1100
mm2
1000
900
800
700
0 10 20 30 40 50 60 70 80
anni
Figura 3.14: Profilo temporale da corrosione dell’area dei ferri per diversi
valori di icorr
84
3.6 Stima delle resistenze della struttura
La sezione della soletta prescelta per la stima del momento ultimo è quella
in corrispondenza della trave di bordo: infatti in questa sezione si attinge
85
• stimare l’asse neutro;
La verifica SLU della sezione ha portato con sè alcune difficoltà di carat-
tere computativo. Infatti bisogna ricordare che i valori delle aree dei ferri
vengono forniti da estrazioni casuali di variabili aleatorie. Ciò comporta che,
180
kNm
160
140
120
100
0 10 20 30 40 50 60 70 80
anni
Figura 3.16: Confronto tra i profili del momento ultimo con il momento
sollecitante
fissato un istante temporale della nostra indagine, abbiamo 10.000 valori delle
aree dei ferri: occorre effettuare 10.000 verifiche SLU delle sezioni! Lo sforzo
86
che permetta di eseguire le verifice SLU della sezione semplicemente arma-
ta. Ecco nella figura 3.16 il profilo del momento ultimo medio. Tale grafico
rappresenta i valori medi in ottanta anni del momento ultimo, mentre la sua
0.025
0.02
Densità
0.015
0.01
0.005
0
170 180 190 200 210 220 230 240 250 260 270
kNm
87
dalla Teoria degli Stati Limite:
di affidabilità strutturale:
µR − µS
β=p 2 (3.12)
σR + σS2
4.5
affidabilità
3.5
2.5
1.5
1
0 10 20 30 40 50 60 70 80
anni
88
bilità di collasso, il grafico 3.19 mette in nuce la “distanza” relativa tra le
sollecitazioni e le resistenze. Con il passare del tempo tale distanza o buffer
0.03
0.025
0.02
Densità
0.015
0.01
0.005
0
100 150 200 250
kNm
89
0.03
Densità icorr low
0.02
0.01
0
60 80 100 120 140 160 180 200
0.03
Densità
i med
corr
0.02
0.01
0
60 80 100 120 140 160 180 200
0.03
Densità
i high
corr
0.02
0.01
0
60 80 100 120 140 160 180
kNm
Pf = 1 − Φ(β)
90
−1 Profilo delle probabilità di collasso
10
i low
corr
−2 icorr medium
10
icorr high
−3
10
−4
10
Pfailure
−5
10
−6
10
−7
10
−8
10
−9
10
0 1 2
10 10 10
anni
91
Capitolo 4
4.1 Introduzione
In questo capitolo verrà affrontata l’analisi del ciclo di vita per la soletta
92
4.2 Approccio del problema
dove:
• CT : costo iniziale;
• CF : costo di collasso.
Ricordando la relazione:
β = Φ−1 (1 − Pf )
∗
min CET con βlif e ≥ βlif e (4.3)
93
dove:
∗
• βlif e : valore minimo di accettabilità dell’indice di affidabilità.
a 4.
te. Per determinare tale costo è stato consultato il Tariffario della Regione
della struttura e delle materie prime utilizzate. Nella tabella 4.1 viene rias-
sunto quanto detto precedentemente circa il calcestruzzo. I costi dell’acciaio
94
sono di seguito elencati nella tabella 4.2. Nel costo iniziale della soletta bi-
sogna tener conto anche del costo di messa in opera della pavimentazione;
nella seguente tabella 4.3 vengono specificati i costi per lo strato di usura,
binder e base della pavimentazione.
Tabella 4.3: Costo iniziale: costo dello strato di usura, binder e base
95
¼
¼
¼
¼
(XUR
¼
¼
¼
¼
QLVSH]LRQL
o ciclica)
sure, pulizia e recupero delle parti esposte della struttura. Tale costo non è
di semplice determinazione: spesso le società di gestione delle infrastrutture
possono utilizzare il costo medio per chilometro della riparazione, moltipli-
carlo per la luce del ponte e cosı̀ ottenere una stima del costo di questo tipo
di riparazione. Questi indici medi di costo derivano da osservazioni condotte
96
anche l’effetto del tempo. Per un assegnato ponte, il costo della manutenzione
ordinaria (Cmain ) in un dato istante t è una funzione lineare cosı̀ definita[8]:
Cmain,t = Cmain · t
dove:
Siccome bisogna convertire i costi futuri nel loro valore attuale, ecco final-
1 1 1
CP M = Cmain,5 5
+ Cmain,10 10
+ . . . + Cmain,75 (4.4)
(1 + r) (1 + r) (1 + r)75
dove:
dell’attualizzazione.
Di seguito si riporta la tabella 4.4 che mostra il calcolo del costo di manu-
97
¼
¼
¼
¼
¼
(XUR
¼
¼
¼
¼
¼
DQQL
damento costante).
temente dipendente dalla qualità della tecnica ispettiva che viene impiegata.
Se si impiega una tecnica ispettiva di alta qualità più facilmente si può indivi-
duare il danno strutturale. È chiaro che nessuna riparazione verrà effettuata
98
stesa fresatura demolizione Cmain Cmain,t CP M
anno Euro Euro Euro Euro Euro Euro
0 710,19 85,25 596,75 1.392,19 0 0
5 710,19 85,25 596,75 1.392,19 6.960,94 5.201,62
10 710,19 85,25 596,75 1.392,19 13.921,88 7.773,90
15 710,19 85,25 596,75 1.392,19 20.882,81 8.713,67
20 710,19 85,25 596,75 1.392,19 27.843,75 8.681,81
25 710,19 85,25 596,75 1.392,19 34.804,69 8.109,44
30 710,19 85,25 596,75 1.392,19 41.765,63 7.271,82
35 710,19 85,25 596,75 1.392,19 48.726,56 6.339,58
40 710,19 85,25 596,75 1.392,19 55.687,50 5.414,06
45 710,19 85,25 596,75 1.392,19 62.648,44 4.551,41
50 710,19 85,25 596,75 1.392,19 69.609,38 3.778,98
55 710,19 85,25 596,75 1.392,19 76.570,31 3.106,26
60 710,19 85,25 596,75 1.392,19 83.531,25 2.532,19
65 710,19 85,25 596,75 1.392,19 90.492,19 2.049,89
70 710,19 85,25 596,75 1.392,19 97.453,13 1.649,62
75 710,19 85,25 596,75 1.392,19 104.414,06 1.320,75
dove:
individuazione dello stesso. Con η0,5 si indica l’intensità del degrado che ha
99
¼
¼
¼
¼
¼
(XUR
¼
¼
¼
¼
¼
QLVSH]LRQL
seguenti valori[8]:
dove:
duare il degrado;
100
approssimata come segue[8]:
dove:
dove:
Per una strategia che richiede m ispezioni durante la vita della struttura,
il costo totale atteso delle ispezioni è cosı̀ formulato[8]:
m
X 1
Cins = Cins · (4.7)
i=1
(1 + r)Ti
dove:
• Ti : tempo dell’ispezione;
101
Nella seguente tabella 4.5 vengono riassunte le caratteristiche ed i costi
della singola operazione d’ispezione:
Nella figura 4.4 si mostra il grafico della 4.7 rispetto al numero di ispezioni
eseguite.
¼
¼
¼
(XUR
¼
¼
¼
¼
QLVSH]LRQL
102
Generalmente quando al tempo t viene effettuata un’attività di riparazione
si ha che l’intensità del degrado si riduce: si passa da ηt− a ηt+ con ηt+ < ηt− .
Tutto ciò si traduce in un incremento della resistenza (incremento di capacità
Mr,a − Mr,b
erep =
Mr0
dove:
cosı̀ determinato[8]:
0 < erep < 1
β; per questo lavoro di tesi si è ipotizzato che tale effetto della riparazione
βr,a = βr,b + 0, 80
dove:
103
• βr,a : indice di affidabilità dopo la riparazione;
dove:
√
Crep = αrep · erep (4.9)
Anche in questo caso, per una strategia di riparazione che richiede n inter-
venti, bisogna trasformare il costo sostenuto negli anni nel costo attualizzato[8]:
n
X 1
Crep = Crep · (4.10)
i=1
(1 + r)Ti
dove:
104
4.2.5 Strategia ottimale di ispezione/riparazione
Con questo modello di analisi viene fornito uno strumento capace di va-
lutare in modo strutturato e completo tutte le opzioni di riparazione con-
• 1: si effettua la riparazione;
rami dell’albero degli eventi sarà 2m : l’analisi dell’albero diventa sempre più
complessa all’aumentare del numero delle ispezioni.
105
E
7D
E
7D
E
7E
E
7D
E
7F
E
7E
E
7G
7
E
7H
E
7F
E
7I
E
7E
E
7J
E
7G
E
W W W 7K
7 7 7 7
j
X
Ti = tj
n=1
L’analisi delle scelte, che dovranno avvenire al tempo delle ispezioni (nodi
dell’albero), si concentra sulla condizione di vita della struttura negli istanti
di tempo immediatamente precedenti (Ti− ) e seguenti (Ti+ ) il tempo Ti di
ispezione. Ecco come si procede[8]:
106
prima ispezione, si valuta l’indice di degrado η, come mostrato nella 4.5,
e la probabilità di collasso Pf,T1− . La valutazione di queste quantità è
fatta tenendo conto del profilo di affidabilità strutturale β e quindi delle
intervallo (T1+ ; T2− ): Al tempo T1+ si possono verificare due eventi possibili
che dipendono dal risultato dell’ispezione. L’evento b1,1 indica che la
· ¸
ηT1− − η0,5
P (b1,1 ) = Φ
σ
P (b1,2 ) = 1 − P (b1,1 )
107
Prima di concludere l’analisi dell’albero degli eventi è opportuno porre l’ac-
cento sulle conseguenze del calcolo dell’indice ηTi− . Potrebbe accadere che il
valore di tale indice sia inferiore a ηmin della tecnologia NDE prescelta: in
questo caso è certo che non verrà eseguita alcuna manutenzione e quindi si
dice di degrado potrebbe essere maggiore di ηmax : in questo caso è certo che
...
1 11 111
Pf,lif e,1 = max(Pf,T1− , Pf,T 1−
, Pf,T 1−
, Pf,T 1−
)
1 11 110
Pf,lif e,2 = max(Pf,T1− , Pf,T 1−
, Pf,T 1−
, Pf,T 1−
)
...
0 00 000
Pf,lif e,8 = max(Pf,T1− , Pf,T 1−
, Pf,T 1−
, Pf,T 1−
) (4.12)
108
dove con gli apici 1 (0) si è indicato lo svolgimento (il non svolgimento)
dell’attività di riparazione a seguito della ispezione effettuata.
ispezioni eseguite:
8
X
Pf,lif e = Pf,lif e,i · P (Bi ) (4.13)
i=1
seguito specificati:
segue:
CF = Cf · Pf,lif e (4.15)
109
do patito dagli utenti che non possono servirsi della struttura, disagi
gravanti sul tessuto sociale limitrofo alla struttura per la sua mancata
utilizzazione.
costo iniziale CT :
In virtù della 4.13 è stato possibile ricavare il costo di failure per ogni scenario
(caratterizzato dal numero di ispezioni) considerato.
Contestualmente è stato possibile ricavare il costo totale di riparazione
2 m
X
CREP = Crep,i · P (Bi ) (4.16)
i=1
babilistica
110
caso A : la manutenzione straordinaria è estesa su tutta la vita utile della
struttura;
ca: i costi CT , CP M e CIN S sono identici e quindi, per una migliore leggibilità
dei grafici, è stata diagrammata la loro somma.
Ecco rappresentati nelle figure 4.6 e 4.7 i costi CREP e CF : Come si può
notare il costo di riparazione CREP è crescente rispetto al numero di ispezioni;
111
¼
¼
¼
¼
(XUR
¼
¼
¼
¼
QLVSH]LRQL
¼
¼
¼
(XUR
¼
¼
¼
¼
¼
QLVSH]LRQL
pari a 3. Per 3 ispezioni, il ramo dell’albero degli eventi con la probabilità più
alta di accadimento è indicato nella figura 4.13 in termini di profilo di indice
112
&UHS &I &WRWDOH &W&SP&LQV
¼
¼
¼
&RVWR
¼
¼
¼
QLVSH]LRQL
113
QRPDQXWHQ]LRQH VLPDQXWHQ]LRQH
DIILGDELOLWj
DQQL
114
¼
¼
¼
¼
(XUR
¼
¼
¼
¼
QLVSH]LRQH
¼
¼
¼
(XUR
¼
¼
¼
¼
¼
QLVSH]LRQH
115
&UHS &I &WRWDOH &W&SP&LQV
(XUR
QLVSH]LRQL
QRPDQXWHQ]LRQH VLPDQXWHQ]LRQH
DIILGDELOLWj
DQQL
116
FDVR% FDVR$
(XUR
QLVSH]LRQL
117
Capitolo 5
Conclusioni
118
∗
β < βlif e;
Il confronto tra i due casi in esame mostra che la scelta della strategia A com-
porta un onere economico rappresentato dalle ispezioni condotte in intervalli
temporali dove l’affidabilità strutturale è ben lontana dal valore minimo pre-
nomica. L’analisi, inoltre, ha tenuto conto della qualità dei metodi ispettivi
e valutato in modo esaustivo ogni possibile opzione di ispezione/riparazione.
Punto critico per l’analisi strutturale compiuta riguarda le distribuzioni
delle grandezze aleatorie coinvolte. Come supporto alla caratterizzazione dei
materiali sono stati utilizzati i dati frutto di campagne di sperimentazioni,
ma un tale ausilio robusto è mancato per poter definire la natura aleatoria dei
turale. Tale procedura può essere adattata e resa valida anche per l’analisi di
119
Bibliografia
McGraw-Hill, 2004
120
[8] Dan M. Frangopol, K. Y. Lin, Allen C. Estes. Life-cycle cost design
of deteriorating structures. Journal of Computing in Civil Engineering.
1997; October: 1390-1401
[13] Mark G. Stewart, Allen C. Estes, Dan M. Frangopol. Bridge deck repla-
121
[15] Nuove Norme Tecniche per le Costruzioni. Gazzetta Ufficiale, Serie
Generale n. 222 del 23.09.2005
122