MÉTODO DE MONTE CARLO APLICADO PARA ANÁLISE DE FATORES

DE SEGURANÇA NO PROJETO DE VIGAS

Carlos A. Nunes da S. Jr.

cjbdl@hotmail.com
Instituto Tecnológico de Aeronáutica
Praça Marechal Eduardo Gomes, 50, 12228-900, São José dos Campos, Brazil

Abstract. This papers presents a case where the Monte Carlo Method is applied to analyze how the
stress and deflection safety factor of a beam varies with applied load and modulus of elasticity.

Keywords: Monte Carlo, Gaussian Distribution, Normal Distribution

CILAMCE 2019
Proceedings of the XL Ibero-Latin-American Congress on Computational Methods in Engineering, ABMEC,
Natal/RN, Brazil, November 11-14, 2019.
Template for CILAMCE 2019 (Método de Monte Carlo para Análise de Fatores de Segurança no Projeto de Vigas)

1 Introdução

O método de Monte Carlo é uma ferramenta que permite encontrar soluções aproximadas para
problemas onde a solução analítica ou numérica não existem ou são difíceis de serem determinadas.
Os campos de aplicação desse método variam desde o desenvolvimento da bomba atômica, onde foi
inicialmente empregado, até na simulação do tráfego de cidades ou previsões no mercado financeiro.
De maneira geral a solução de um problema utilizando o Método de Monte Carlo é estruturada
em quatro etapas. A primeira delas é a determinação das propriedades estatísticas dos parâmetros de
entrada. Em seguida deve-se criar aleatoriamente um conjunto de entrada de dados que atendem a
essas propriedades. Por fim utiliza-se uma rotina de cálculo determinística para obter os resultados do
problema analisado, os quais deverão ser analisados estatisticamente posteriormente.
Neste trabalho foi desenvolvida uma rotina de cálculo que determina como o fator de segurança
de dois parâmetros do projeto de uma viga engastada em uma extremidade e sujeita a uma carga
pontual na outra variam em função do módulo de elasticidade e da magnitude da carga aplicada.

2 Fundamentação Teórica

2.1 Elemento de Viga

A viga mostrada na Figura 1 é constituída de um material homogêneo e isotrópico, possui uma

extremidade à esquerda engastada, à direita livre e sujeita a uma carga pontual P.

Figura 1 – Configuração da viga

Considerando que os gradientes das deformações são muito menores que a unidade, que a seção
transversal permanece plana e ortogonal à linha neutra após à deformação, então é possível utilizar a
formulação de Euler-Bernouli para vigas para determinar a tensão normal em qualquer ponto da seção
seção transversal da viga. Nesse caso a equação que descreve a curvatura da linha elástica da viga é
dada por:

d2y M
= (1)
dx 2 EI

Onde M, E e I representam o momento aplicado, o módulo de elasticidade do material e o

momento de inércia de área da seção transversal em relação ao eixo x (Figura 1), respectivamente.
Integrando essa equação duas vezes e aplicando as condições de contorno obtém-se a seguinte
equação para o deslocamento vertical de um ponto ao longo do comprimento da viga:

CILAMCE 2019
Proceedings of the XLIbero-LatinAmerican Congress on Computational Methods in Engineering, ABMEC,
Natal/RN, Brazil, November 11-14, 2019
 Carlos Nunes

PLx 2 Px3
y= − (2)
2 EI 6 EI

A deflexão máxima da viga ocorrerá em sua extremidade e pode ser obtida substituindo-se x = L
na equação 2:

P  L3
 max = (3)
3EI

A tensão normal à seção transversal da viga é obtida a partir equilíbrio entre o momento aplicado
e o esforço interno:


M = −   ydA −
y
y 2 dA
A A
Ix
(4)
My
=
Ix

2.2 Distribuição Normal

A distribuição normal ou Gaussiana é uma distribuição de probabilidade muito utilizada para

modelar uma grande variedade de fenômenos, definida apenas por duas constantes, sendo elas o valor
médio -  e o desvio padrão - s da variável analisada. Além disso, segundo o Teorema do Limite
Central, caso seja somada uma grande quantidade de variáveis aleatórias, a distribuição da soma
desses valores será normal e a função de densidade de probabilidade será dada por:
−( z −  )
2

1
f ( z) =
2
2s
e (5)
2 s
Na figura 2 a seguir está ilustrada a função de densidade de probabilidade de uma variável com
média 10 e desvio padrão 3:

CILAMCE 2019
Proceedings of the XLIbero-LatinAmerican Congress on Computational Methods in Engineering, ABMEC,
Natal/RN, Brazil, November 11-14, 2019
Template for CILAMCE 2019 (Método de Monte Carlo para Análise de Fatores de Segurança no Projeto de Vigas)

Figura 2 – Função de densidade de probabilidade

3 Métodos

Serão utilizadas como variáveis aleatórias neste trabalho o módulo de elasticidade do aço E, com
valor médio igual a 200 GPa e desvio padrão de 10% em relação à média; e a carga P, com valor
médio igual a 80% da carga que leva a viga ao escoamento e desvio padrão de 5% em relação à média.
A partir desses valores utiliza-se uma rotina para gerar um conjunto de amostras para as variáveis E e
P cuja função de densidade de probabilidade é dada pela equação 2.

3.1 Material

As vigas utilizadas nesse trabalho são constituidas do mesmo material porém apresentam
geometrias diferentes, conforme mostrado na Tabela 1:

Tabela 1 – Propriedades das vigas

W 150 x 13 W 200 x 31.3

Material ASTM A 572 Grau 50 ASTM A 572 Grau 50
Ix [cm4] 635 3168
σesc [MPa] 345 345
E [GPa] 200 200
h [mm] 148 266
L [mm] 2000 2000

Onde h representa a altura da viga e σesc, o limite de escoamento do aço.

3.2 Valor Médio da Carga Atuante na Viga

Para determinar a carga média P é necessário determinar o carregamento pontual na extremidade

da viga capaz de fazer o material escoar, o qual pode ser obtido por meio da equação 4:

1  esc I x
Pesc = (6)
L y
Dessa forma a carga média e o desvio padrão serão dados por:

CILAMCE 2019
Proceedings of the XLIbero-LatinAmerican Congress on Computational Methods in Engineering, ABMEC,
Natal/RN, Brazil, November 11-14, 2019
 Carlos Nunes

 1  esc I x 
 P = 0.80  
L y  (7)
sP = 0.05 P

3.3 Valor Médio do Módulo de Elasticidade

Utilizando o valor do módulo de elasticidade descrito na Tabela 1 obtém-se o seguinte valor

médio e desvio padrão:

 E = 200
(7)
sE = 0.10 P

3.4 Fator de Segurança em Relação à Tensão

O fator de segurança com relação à tensão normal será definido da seguinte maneira:

 esc
F = −1 (8)


Onde σ pode ser calculado por meio da equação 4 para cada uma das amostras de P geradas durante a
execução do método de Monte Carlo.

3.5 Fator de Segurança em Relação à Deflexão

O valor limite para deflexão será adotado como:

L
 lim = (9)
250
De maneira análoga à equação 8, o fator de segurança com relação à deflexão é dado por:
 lim
F = −1 (10)
 max

4 Análise de Resultados

Implementou-se uma rotina em Matlab, descrita no anexo I, para execução da simulação de

Monte Carlo. O algoritmo utiliza o valor médio e desvio padrão das variáveis E e P para gerar
aleatoriamente um conjunto de amostras cuja função de densidade de probabilidade é dada pela
equação 5. Para cada elemento desse conjunto de dados de entrada são calculados os fatores de
segurança com relação à tensão e à deflexão. Os resultados obtidos estão mostrados nas figuras 3 e 4 a
seguir:

CILAMCE 2019
Proceedings of the XLIbero-LatinAmerican Congress on Computational Methods in Engineering, ABMEC,
Natal/RN, Brazil, November 11-14, 2019
Template for CILAMCE 2019 (Método de Monte Carlo para Análise de Fatores de Segurança no Projeto de Vigas)

Figura 3 – Histograma e Função de Distribuição Cumulativa para os Fatores de Segurança - Viga W

150 x 13

Figura 4 - Histograma e Função de Distribuição Cumulativa para os Fatores de Segurança - Viga W

250 x 44.8

A análise dos resultados mostra que a viga W 150 x 13 apresenta um fator de segurança de tensão
igual 30% com uma confiabilidade de 21.87%, no entanto ela falha em todos casos analisados no
quesito deflexão máxima.
Com o objetivo de aumentar a confiabilidade simulou-se a viga W 250 x 44.8, que apresenta
maior inércia e consequentemente maior rigidez. Dessa forma, utilizando o mesmo carregamento
aplicado anteriormente, é possível perceber que a confiabilidade para o fator de segurança de tensão
superior a 30% é igual a 100%; e de 96% para o fator de segurança de deslocamento máximo.
Por fim, vale destacar que a distribuição de probabilidade não é exatamente igual à curva dada
pela equação 5, uma vez que a aproximação será melhor à medida que mais pontos sejam utilizados
para se gerar o conjunto de dados aleatórios para as variáveis P e E.
CILAMCE 2019
Proceedings of the XLIbero-LatinAmerican Congress on Computational Methods in Engineering, ABMEC,
Natal/RN, Brazil, November 11-14, 2019
 Carlos Nunes

5 Anexo – Código Implementado em Matlab

function [E_norm,P_norm,Fs_sigma,Fs_dst] = main

% rng('default'); % For reproducibility
rng;
close all;

% =========================================================================
% Variaveis de entrada - Viga W 150 x 13
% =========================================================================
% L = 2; % comprimento da viga [m]
% I = 635; % momento de inercia em torno do eixo x [cm4]
% sigma_e = 345; % limite de escoamento do material [MPa]
% E_med = 200; % modulo de elasticidade do material [GPa]
% y_max = 148/2; % ponto de maior tensao na viga [mm]
% P_max = 1.4803e+04; % carga maxima atuando na extremidade [N]
% =========================================================================

% =========================================================================
% Variaveis de entrada - Viga W 200 x 31.3
% =========================================================================
L = 2; % comprimento da viga [m]
I = 3168; % momento de inercia em torno do eixo x [cm4]
sigma_e = 345; % limite de escoamento do material [MPa]
E_med = 200; % modulo de elasticidade do material [GPa]
y_max = 266/2; % ponto de maior tensao na viga [mm]
P_max = 1.4803e+04; % carga maxima atuando na extremidade [N]
% =========================================================================

dst_max = 1/250; % relacao entre deflexao/comprimento []

desv_pad_P = 0.05; % desvio padrao da carga aplicada []

desv_pad_E = 0.10; % desvio padrao do modulo de elasticid. []

n_points = 50000; % numero de pontos da distribuicao normal[]

n_bars = 80;
% =========================================================================
% Convertendo as unidades das variaveis de entrada
% =========================================================================
I = I*(0.01^4);
sigma_e = sigma_e*10^6;
E_med = E_med*10^9;
y_max = y_max/1000;
dst_max = dst_max*L;

% =========================================================================
% Calculando a forca que faz o material da viga escoar
% =========================================================================
% P_max = sigma_e*I/(L*y_max);
P_med = 0.80*P_max;

% =========================================================================
% Criando a distribuicao normal para as variaveis P e E
% =========================================================================
E_norm = normrnd(E_med,desv_pad_E*E_med,[n_points 1]);
P_norm = normrnd(P_med,desv_pad_P*P_med,[n_points 1]);

% =========================================================================
% Calculando o fator de seguranca quanto a falha e quanto a deflexao
% =========================================================================

sigma_norm = P_norm*L*y_max/I;
dst_norm = P_norm*L^3./(3*E_norm*I);

Fs_sigma = sigma_e./sigma_norm-1;
Fs_dst = dst_max./dst_norm-1;

CILAMCE 2019
Proceedings of the XLIbero-LatinAmerican Congress on Computational Methods in Engineering, ABMEC,
Natal/RN, Brazil, November 11-14, 2019
Template for CILAMCE 2019 (Método de Monte Carlo para Análise de Fatores de Segurança no Projeto de Vigas)

% =========================================================================
% Tracando o grafico 1
% =========================================================================´
subplot(2,2,1);
[n,x] = hist(Fs_sigma,n_bars);
h = bar(x,n);

xlabel('Fs \sigma');
ylabel('Frequência');

subplot(2,2,2);
cdfplot(Fs_sigma,'Fs \sigma');

subplot(2,2,3);
[n,x] = hist(Fs_dst,n_bars);
h = bar(x,n);
xlabel('Fs \delta_{st}');
ylabel('Frequência');

subplot(2,2,4);
cdfplot(Fs_dst,'Fs \sigma');

end

function cdfplot(X,xlabel_title)
% cdfplot(X)
% displays a plot of the Empirical Cumulative Distribution Function
% (CDF) of the input array X in the current figure. The empirical
% CDF y=F(x) is defined as the proportion of X values less than or equal to x.
% If input X is a matrix, then cdfplot(X) parses it to the vector and
% displays CDF of all values.
%
% EXAMPLE:
% figure;
% cdfplot(randn(1,100));
% hold on;
% cdfplot(-log(1-rand(1,100)));
% cdfplot(sqrt(randn(1,100).^2 + randn(1,100).^2))
% legend('Normal(0,1) CDF', 'Exponential(1) CDF', 'Rayleigh(1) CDF', 4)
% Version 1.0
% Alex Podgaetsky, September 2003
% alex@wavion.co.il
%
% Revisions:
% Version 1.0 - initial version
tmp = sort(reshape(X,prod(size(X)),1));
Xplot = reshape([tmp tmp].',2*length(tmp),1);
tmp = [1:length(X)].'/length(X);
Yplot = reshape([tmp tmp].',2*length(tmp),1);
Yplot = [0; Yplot(1:(end-1))];
figure(gcf);
hp = plot(Xplot, Yplot);
ColOrd = get(gca, 'ColorOrder');
ord = mod(length(get(gca,'Children')), size(ColOrd,1));
set(hp, 'Color', ColOrd((ord==0) + (ord>0)*ord, :));
if ~ishold
xlabel(xlabel_title, 'FontWeight','b','FontSize',10);
ylabel('CDF', 'FontWeight','b','FontSize',10);
grid on;
end
end

CILAMCE 2019
Proceedings of the XLIbero-LatinAmerican Congress on Computational Methods in Engineering, ABMEC,
Natal/RN, Brazil, November 11-14, 2019