Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/305077115
CITATIONS READS
0 494
2 authors:
All content following this page was uploaded by Wellison José de Santana Gomes on 22 August 2017.
Assim, g 0 representa a falha e g 0 representa Dentre os métodos exatos que podem ser
empregados, estão a integração numérica e a
sobrevivência da estrutura. Essa definição permite
simulação de Monte Carlo. Entretanto, a estratégia
dividir o domínio, , da função g(x) em dois
de integração numérica raramente é utilizada,
subconjuntos, considerando como argumento da
devido à dificuldade de se computar fx(x) para os
função vetores de realizações das variáveis
pontos específicos de integração e à necessidade
aleatórias, x:
usual de muitos pontos de integração, associada ao
Domínio de Falha:
grande número de variáveis aleatórias (alta
f {x | g (x) 0} dimensionalidade estocástica) comumente
Domínio de Segurança ou Sobrevivência: encontrado em problemas estruturais. O método de
s {x | g ( x ) 0} simulação de Monte Carlo (SMC), adotado neste
Considerando a função conjunta de artigo, é provavelmente o mais utilizado dentro da
densidade de probabilidade das variáveis aleatórias confiabilidade estrutural, devido à sua simplicidade,
contidas em X, fx(x), a probabilidade de falha é generalidade e robustez (as características deste
método são mais profundamente discutidas em
definida pela seguinte integral (Equação 3):
referências básicas de confiabilidade estrutural,
PF
f
f x dx
X Eq.[3] e.g., ANG e TANG, 2007 e MELCHERS, 1999).
O método de Monte Carlo, em sua versão
A integral sobre o domínio de falha pode mais simples, consiste em gerar n realizações das
ser substituída por uma integral sobre todo o variáveis aleatórias contidas em X (pontos
domínio adotando-se uma função indicadora I(x), amostrais xi, com i 1, 2, ..., n ) de acordo
que assume valor unitário caso x pertença ao com a função conjunta de densidade de
domínio de falha e zero caso contrário. A integral probabilidades, fx(x), e estimar a probabilidade de
passa a ser dada pela Equação 4: falha por meio da Equação 5:
PF I (x) f
n
1
X (x)dx Eq.[4] PF
N
I (x )
i 1
i Eq.[5]
Tanto a função fx(x) quanto o domínio de Nota-se que a função indicadora, por
falha são geralmente difíceis de determinar e na depender de variáveis aleatórias, é também uma
maioria dos problemas estruturais não há variável aleatória, e que a PF estimada pela Equação
expressões analíticas que os definam. Isto ocorre 5 corresponde à média da função indicadora
devido a fatores tais como falta de informação a avaliada nos pontos amostrais xi. Por outro lado,
respeito da variação conjunta das variáveis como o estimador apresentado na Equação 5
aleatórias, diferenças entre distribuições de depende de uma amostra aleatória, ele apresenta
probabilidades que descrevem cada uma das uma variância, que está associada ao erro estatístico
variáveis aleatórias e existência de relações não da estimação, e pode ser visto também como uma
lineares na equação de estado limite. variável aleatória.
Os métodos que têm sido utilizados no A amostra necessária para estimar a
campo da confiabilidade estrutural para computar probabilidade de falha pode ser gerada a partir das
ou estimar esta integral são divididos em dois distribuições de probabilidade marginais das
grupos: os métodos aproximados, tais como o variáveis aleatórias envolvidas e da correlação entre
método de confiabilidade de primeira ordem as mesmas, que na prática são as informações
(FORM – First Order Reliability Method), que em geralmente disponíveis. Detalhes a respeito do
geral trabalham com aproximações da função de procedimento de geração de amostras
estado limite g(X); e os métodos exatos, que tentam correlacionadas ou não-correlacionadas podem ser
determinar a solução da integral diretamente. encontrados em várias referências da literatura
V. F. DEFILTRO; W. J. S. GOMES REEC – Revista Eletrônica de Engenharia Civil Vol 12 - nº 2 ( 2016)
17
(e.g., HAUKAAS e DER KIUREGHIAN, 2004; utilizar a versão simples, devido à facilidade de
SORENSEN, 2004). implementação e ao fato da convergência desta
A precisão das estimativas obtidas pela versão não depender da escolha de parâmetros.
Equação 5 depende diretamente do número de Assim, para evitar custos computacionais
simulações realizadas e do valor da quantidade de proibitivos, são analisados problemas com valores
interesse. Quanto maior o número de simulações, de PF maiores do que os usualmente encontrados
maior a precisão; quanto menor o valor da em análises de confiabilidade estrutural. Porém,
probabilidade de falha, maior o número de esta escolha está de acordo com a definição de falha
simulações necessário. Assim, para valores muito como sendo qualquer resposta além do regime
pequenos da probabilidade de falha, estimativas elástico-linear, que por sua vez está vinculada à
suficientemente precisas podem apresentar custos representação do comportamento estrutural por
computacionais muito elevados ou até mesmo modelos simplificados da Mecânica dos Sólidos.
proibitivos. Probabilidades de respostas além do regime
Segundo Ditlevsen (2007), é elástico-linear são bem maiores do que
extremamente difícil determinar, por meios probabilidades de falha reais das estruturas. Neste
teóricos, um tamanho amostral suficiente para se sentido, ressalta-se que o objetivo deste artigo é
obter um resultado confiável. Uma das razões para discutir algumas das vantagens de se aplicar análises
tal é que a distribuição de probabilidades da função de confiabilidade, ao invés de análises puramente
de estado limite, que depende de variáveis determinísticas, mesmo quando o modelo
aleatórias e é também uma variável aleatória, é estrutural em questão é relativamente simples.
geralmente desconhecida. Entretanto, o que pode Assim, a escolha dos parâmetros aqui utilizados não
ser definido como suficiente depende do tipo de segue valores reais e/ou obtidos
distribuição da(s) variável(eis) envolvidas, assim experimentalmente, mas se justifica pelo objetivo
como do tempo de análise disponível (que por sua de elevar a PF obtida, tanto como forma de diminuir
vez está atrelado à capacidade de processamento o custo computacional como para evidenciar as
da máquina utilizada e eficiência do algoritmo conclusões formuladas, de forma didática.
desenvolvido) e ainda de outros fatores. Na
literatura, enquanto em alguns casos são 3. INFLUÊNCIA DA INSERÇÃO DE CORRELAÇÃO
apresentadas expressões que permitem estimar um ENTRE VARIÁVEIS ALEATÓRIAS NA
número aproximado de simulações necessárias de PROBABILIDADE DE FALHA
acordo com o coeficiente de variação requerido
para a probabilidade de falha (Beck, 2014), em Com o objetivo de estudar a influência
outras publicações opta-se for efetuar uma análise sobre a PF da inserção de correlações entre
gráfica de convergência (GOMES et al., 2013; variáveis aleatórias, considera-se a estrutura
GOMES e BECK, 2014). ilustrada na Figura 1.
No presente artigo, optou-se por
determinar o tamanho da amostra utilizando a
segunda opção. Assim, em todos os problemas
resolvidos, são efetuadas análises de convergência
da PF estimada para determinar tamanhos de
amostra que levem a resultados suficientemente
precisos com esforços computacionais aceitáveis.
Apesar de existirem versões mais
eficientes do método de Monte Carlo disponíveis na
literatura (diferentes versões da SMC podem ser
consultadas em Sorensen (2004) e Haukaas e Der FIGURA 1: Geometria da primeira estrutura.
Kiureghian (2004)), no presente artigo optou-se por FONTE: adaptado de Beer et al. (2014).
V. F. DEFILTRO; W. J. S. GOMES REEC – Revista Eletrônica de Engenharia Civil Vol 12 - nº 2 ( 2016)
18
Por meio de uma análise de equilíbrio seguida, determinam-se os valores de α e β que
estático na configuração inicial, obtêm-se a seguinte conduzem às situações extremas de menor e maior
função de estado limite, expressa na Equação 6: probabilidade de falha, respectivamente. O
problema final a ser analisado tem como variáveis
(19 sin 38 cos )
g ( R, P, , ) R P Eq.[6] aleatórias não apenas R e P , conforme descrito na
(15 sin 19 cos )
Tabela 1, mas também os parâmetros α e β, com
Em que:
médias iguais aos valores relacionados às situações
R = representa a força de tração (resistência) na
extremas identificadas.
corda;
Para a configuração específica do
P = representa o valor da carga concentrada atuante;
g = função de estado limite da estrutura. problema descrita pelas Tabelas 1 e 2, o gráfico de
convergência ilustrado na Figura 2 é obtido. Nota-se
Verifica-se que os parâmetros α e β podem que, para este caso, a função de estado limite se
mudar significativamente a função de estado torna linear nas variáveis aleatórias (VA), o que
limite, uma vez que os cossenos e senos destes permite calcular a PF exata para o problema,
ângulos são multiplicados por fatores bem maiores conforme apresentado em (BECK, 2014). De posse
do que 1 na função. Neste sentido, inicialmente da PF exata, é possível não apenas analisar a
determina-se o tamanho da amostra a ser utilizado convergência da PF estimada, mas também validar
considerando R e P variáveis aleatórias com o código computacional que foi implementado.
tipos de distribuição e parâmetros indicados na Levando em conta o gráfico de convergência obtido,
Tabela 1, e os parâmetros α e β com valores adota-se um tamanho amostral de 5 x 106 para as
determinísticos apresentados na Tabela 2. Em análises subsequentes.
Geometria Melhor
=0 PF= 26,8648%
= 26,5
Geometria Pior
= 38 PF= 75,3125%
=0
FONTE: Autoria própria.
R Normal kN 110 10
P Normal kN 60 15
Caso Descrição
Aumento gradativo do coeficiente de correlação entre as
I
variáveis e . Não há correlação entre R e P .
Aumento gradativo do coeficiente de correlação entre as
II
variáveis R e P . Não há correlação entre e .
Aumento gradativo do coeficiente de correlação tanto entre as
III
variáveis R e P quanto entre as variáveis e .
FONTE: Autoria própria.
V. F. DEFILTRO; W. J. S. GOMES REEC – Revista Eletrônica de Engenharia Civil Vol 12 - nº 2 ( 2016)
21
Geometria Pior
Coef. Corr. entre α e β Coef. Corr. entre R e P PF (%)
0,3 0 75,3471
0,5 0 75,3312
0,9 0 75,3422
Geometria Melhor
Coef. Corr. entre α e β Coef. Corr. entre R e P PF (%)
0,3 0 26,8822
0,5 0 26,8560
0,9 0 26,8990
FONTE: Autoria própria.
TABELA 8: Probabilidade de falha estimada para diferentes coeficiente de correlação entre α e β e entre R e P.
F1 Concentrada kN 100 10
II
F2 Uniform. Dist. kN/m 20 3
F1 Concentrada kN 120 10
III
F2 Uniform. Dist. kN/m 20 3
FONTE: Autoria própria.
TABELA 11: Valores utilizados para cada variável aleatória no cálculo da probabilidade de falha.
Tipo de
Variável Tipo Unidade Média Desvio Padrão
Distribuição
TABELA 12: PF estimada (%) para cada um dos casos considerando material dúctil.
Tensões admissíveis
Caso
A B C
TABELA 13: PF estimada (%) para cada um dos casos considerando material frágil.
Tensões admissíveis
Caso
A B C
sempre a favor ou contra a segurança, tal (tensão cisalhante admissível sobre tensão
análise deve ser feita caso a caso. Portanto, axial admissível) a partir dos quais o
V. F. DEFILTRO; W. J. S. GOMES REEC – Revista Eletrônica de Engenharia Civil Vol 12 - nº 2 ( 2016)
25
desempenho de um material frágil seria BEER, F. P.; JOHNSTON JR, E. R.; DEWOLF, J. T.; MAZUREK,
melhor do que o desempenho de um D. F. Mecânica dos Materiais; McGraw Hill – Higher
Education, 7ª edição. Nova Iorque, NY, 2014, 816p.
material dúctil, desprezando, entretanto, a
grande capacidade de deformação dos DITLEVSEN, O.; MADSEN, H. O. Structural Reliability
Methods. Technical University of Denmark, Department
materiais dúcteis. Entretanto, ressalta-se
of Mechanical Engineering. 2007, 361 p.
que o valor limite encontrado diz respeito
ao caso específico estudado, e que mais FRANGOPOL, D.M.; COROTIS, R. B.; RACKWITZ, R.
Reliability and Optimization of Structural Systems.
estudos são necessários para que esta Elsevier, 1996.
constatação possa ser estendida a casos
GOMES, W. J. S.; BECK, A. T.; HAUKAAS, T. Optimal
mais gerais.
inspection planning for onshore pipelines subject to
As conclusões apresentadas mostram que, external corrosion. Reliability Engineering & Systems
mesmo para problemas estruturais relativamente Safety, v. 118, 2013, p. 18-27.
simples, a Teoria da Confiabilidade pode ser GOMES, W. J. S.; BECK, A. T. Optimal inspection planning
utilizada para obter informações sobre a resposta and repair under random crack propagation.
estrutural que não são fornecidas pelas abordagens Engineering Structures, v. 69, p. 285-296, 2014.
mais comuns, sejam elas determinísticas ou semi- MELCHERS, R. E. Structural reliability analysis and
probabilísticas. Neste sentido, mesmo o método de prediction. 2ª edição, Nova Iorque, NY, John Wiley & Son,
simulação de Monte Carlo, que é um método 1999.
bastante simples de implementar e aplicar, pode ser HAUKAAS, T.; DER KIUREGHIAN, A. Finite Element
empregado. Porém, a simplicidade de aplicação e Reliability and Sensitivity Methods for Performance-
Based Earthquake Engineering. University of California,
generalidade do método devem ser pesadas quanto
College of Engineering, Pacific Earthquake Engineering
ao esforço computacional requerido, que pode ser Research Center, PEER Report 2003/14. Berkeley, CA,
tornar proibitivo mesmo para problemas 2004, 258 p.
relativamente simples. SOARES, R. C. Um estudo sobre modelos mecânico-
probabilísticos para pórticos de concreto armado. Tese
de Doutorado. Universidade de São Paulo, Escola de
6. AGRADECIMENTOS Engenharia de São Carlos. São Carlos, SP, 2001.
Os autores agradecem ao CNPq (Conselho SORENSEN, J. D. Notes in Strutural Reliability Theory and
Nacional de Desenvolvimento Científico e Risk Analysis. Aalborg University, Institute of Building
Technology and Structural Engineering. Aalborg, DEN,
Tecnológico) pelo apoio financeiro sob a forma de
2004, 230 p.
bolsa do Programa Institucional de Bolsas de
Iniciação Científica (PIBIC), concedida ao graduando.
7. REFERÊNCIAS BIBLIOGRÁFICAS