Lopez Aec TM 16

MÉTODOS DE ANÁLISE E OTIMIZAÇÃO DE OPERAÇÕES DE
LANÇAMENTO DE DUTOS SUBMARINOS
Adolfo Emmanuel Correa López
Dissertação de Mestrado apresentada ao

Programa de Pós-graduação em
Engenharia Civil, COPPE, da
Universidade Federal do Rio de Janeiro,
como parte dos requisitos necessários à
obtenção do título de Mestre em
Engenharia Civil.
Orientador: Breno Pinheiro Jacob

Carl Horst Albrecht
Rio de Janeiro
Setembro de 2016
Correa López, Adolfo Emmanuel
Métodos de Análise e Otimização de Operações de
Lançamento de Dutos Submarinos/Adolfo Emmanuel
Correa López. – Rio de Janeiro: UFRJ/COPPE, 2016.
XV, 114 p.: il.; 29,7 cm.
Orientadores: Breno Pinheiro Jacob
Carl Horst Albrecht
Dissertação (mestrado) – UFRJ/ COPPE/ Programa de
Engenharia Civil, 2016.
Referências Bibliográficas: p. 112-114.
1. Otimização. 2. S-lay 3. Lançamento de dutos I.
Jacob, Breno Pinheiro et al. II. Universidade Federal do
Rio de Janeiro, COPPE, Programa de Engenharia Civil.
III. Título.
iii
Dedico este trabajo a mi primera maestra,
Mi abuela Elsa Paniagua Formigli,
Quien me enseno a nunca desistir,
Y me dió la sed del conocimiento.
“O conceito de otimização é essencialmente o de fazer algo o melhor possível”

Haupt
iv
AGRADECIMENTOS
Ao professor Breno Pinheiro Jacob e ao professor Carl Horst

Albrecht, pela orientação e motivação, fundamentais no desenvolvimento
da tese.
A Carolina Nunes pelo companheirismo e apoio na edição e redação

do texto da dissertação.
A minha família que me apoiou e estive do meu lado incentivando

para a conquista de mais essa etapa.
Ao Mauro Junior que sem o suporte nas implementações, seria

impossível suplantar os problemas.
Ao Brayan Paredes que brindou um suporte técnico de qualidade no

que se refere aos Programas utilizados.
Ao CNPq pelo apoio financeiro.
Enfim, agradeço a todos que contribuíram direta ou indiretamente na

elaboração deste trabalho.
v
Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos
necessários para a obtenção do grau de Mestre em Ciências (M.Sc.)
MÉTODOS DE ANÁLISE E OTIMIZAÇÃO DE OPERAÇÕES DE

LANÇAMENTO DE DUTOS SUBMARINOS
Setembro/2016
Orientadores: Breno Pinheiro Jacob
Carl Horst Albrecht
Programa: Engenharia Civil
A maior parte das reservas de petróleo do Brasil está em campos marítimos, com
atividades de exploração e produção atingindo profundidades cada vez maiores. Para
atender às necessidades da crescente demanda de energia, o desenvolvimento de campos
de petróleo requer o incremento da rede de escoamento de hidrocarbonetos através de
dutos submarinos. Um dos métodos de instalação de dutos mais amplamente utilizado é
o método S-lay. Nesse contexto, o objetivo desse trabalho é otimizar a operação de
lançamento de dutos por este método, considerando a utilização da balsa guindaste de
lançamento BGL-1 como navio de instalação. A otimização concentra-se em melhorar a
configuração geométrica da estrutura de lançamento de forma a minimizar as tensões e
deformações no do duto, podendo assim atingir maiores profundidades com o mesmo
equipamento.
vi
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
ANALYSIS AND OPTIMIZATION METHODS FOR SUBSEA PIPELINE

LAUNCHING OPERATIONS
September/2016
Advisors: Breno Pinheiro Jacob
Carl Horst Albrecht
Department: Civil Engineering
Most of the oil reserves of Brazil are in offshore fields, leading to exploration
and production activities in increasingly greater depths. To ensure the needs of the
growing energy demand, the development of oil fields requires subsea pipelines to
export the oil production. One of the most widely used pipeline installation methods is
the S-Lay method; in this context, the aim of this study is to optimize pipeline launching
operations, considering the use of the BGL-1 installation vessel. The optimization
focuses on improving the installation vessel configuration to obtain a geometrical
configuration that minimize stresses and strains on the pipeline, allowing operations in
greater depths.
vii
Sumário
Lista de Figuras ................................................................................................... xii
Lista de Tabelas .................................................................................................. xv
1 Introdução .................................................................................................... 1
1.1 Contexto e Motivação ........................................................................... 1
1.2 Objetivos ............................................................................................... 2
1.3 Metodologia .......................................................................................... 2
1.4 Organização do Trabalho...................................................................... 3
2 Lançamento de Dutos .................................................................................. 5
2.1 Introdução ............................................................................................. 5
2.2 Método de Instalação S-Lay ................................................................. 5
2.3 Critérios Simplificados de Instalação ................................................... 7
2.3.1 Tensão Equivalente de von Mises .......................................... 8
3 Modelação do Lançamento de Duto .......................................................... 10
3.1 Modelo Base ....................................................................................... 10
3.1.1 Características do Duto ......................................................... 11
3.2 Particularidades dos modelos ............................................................. 12
3.2.1 Variação do Comprimento do Stinger .................................. 13
3.2.2 Cenários ................................................................................ 13
3.3 Metodologia Analítica: Smartlay........................................................ 14
3.3.1 Superfície de Contato ........................................................... 16
3.3.2 Região do Sagbend ............................................................... 17

viii
3.3.3 Região do Overbend ............................................................. 19
3.4 Programa de Elementos Finitos: SITUA/Prosim................................ 22
3.4.1 Modelo SITUA/Prosim ........................................................ 23
3.4.2 Pre-Processamento ............................................................... 24
3.4.2.1 Malha de Contato .......................................................... 24
3.4.2.2 Triangulação .................................................................. 26
3.4.3 Pós-Processamento ............................................................... 28
4 Conceitos de Otimização ........................................................................... 31
4.1 Algoritmos de Otimização .................................................................. 31
4.2 Métodos Heurísticos de Otimização ................................................... 32
4.2.1 Algoritmos Genéticos ........................................................... 33
4.2.2 O Problema da Inicialização (Latin Hypercube) .................. 35
4.3 Tipo de Problemas .............................................................................. 36
4.3.1 Problemas de Otimização Mono-objetivo ............................ 37
4.3.2 Problemas de Otimização Multi-objetivo ............................. 38
4.3.3 Conjunto Eficiente ou Fronteira de Pareto ........................... 39
4.4 Definição do Método de Otimização .................................................. 41
5 Implementação dos Procedimentos de Otimização ................................... 43
5.1 Integração e Automação de Processos................................................ 43
5.2 Fluxos de Trabalho ............................................................................. 45
5.3 O Processo de Otimização .................................................................. 47
5.4 Design of Experiments (DOE) ........................................................... 48
5.5 Algoritmo de Otimização Aplicado .................................................... 49
6 Definição dos Estudos de Caso ................................................................. 51
ix
6.1 Formulação do Problema .................................................................... 51
6.2 População Inicial e Gerações .............................................................. 52
6.3 Estudo de Caso 1 ................................................................................ 52
6.3.1 Variáveis de Projeto.............................................................. 52
6.3.2 Função Objetivo ................................................................... 53
6.3.3 Restrições ............................................................................. 54
6.4 Estudo de Caso 2 ................................................................................ 56
6.4.1 Variáveis de projeto .............................................................. 56
6.4.2 Função Objetivo ................................................................... 56
6.4.3 Restrições ............................................................................. 57
7 Estudo de Caso 1 – A Escolha do Stinger ................................................. 59
7.1 Leitura dos Gráficos ........................................................................... 60
7.2 Estudo de Caso 1.1: Tracionado ao Mínimo Tmin ............................... 61
7.2.1.1
7.2.1 Estudo de Caso 1.1: Tmin; Duto 12 ¾” .................................. 62
7.2.1.2
Distribuição das Variáveis ............................................. 64
7.2.1.3
Estudo da Profundidade ................................................. 66
7.2.1.4
Estudo das Restrições Violadas ..................................... 67
7.2.1.5
Tensão e Deformação .................................................... 68
7.2.1.6
Tração e Tensão ............................................................. 70
Tração e Profundidade ................................................... 72
7.2.2 Estudo de Caso 1.1: Tmin; Duto 16” ...................................... 75
7.3 Estudo de Caso 1.2: Com T ≥ Tmin ..................................................... 79
7.3.1 Ajuste do espaço de busca .................................................... 81
8 Estudo de Caso 2 – Buscando a Solução Ótima ........................................ 84
x
8.1 Estudo de Caso 2.1: Solver Smartlay ................................................. 85
8.1.1 Estudo de Caso 2.1: Duto 12,75” – LDA = 25 m ................. 86
8.1.2 Estudo de Caso 2.1: Duto 12.75” – LDA = 50 m ................. 92
8.1.3 Estudo de Caso 2.1: Duto 16” – LDA = 50 m ...................... 96
8.2 Estudo de Caso 2.2: Solver SITUA/Prosim........................................ 99
8.2.1 Estudo de Caso 2.2: Duto 16” – LDA = 50 m .................... 100

8.2.1.1 Comportamento das Variáveis estudadas .................... 104
8.3 Comparação das Áreas das Soluções Viáveis .................................. 107
9 Conclusão ................................................................................................ 109
9.1 Sugestão para Trabalhos Futuros ...................................................... 111
10 Bibliografia ............................................................................................. 112
xi
Lista de Figuras
Figura ‎2.1 Operação de lançamento S-Lay Fonte bibliográfica inválida

especificada. .......................................................................................... 6
Figura ‎3.1 BGL-1 e parte do duto na posição horizontal ....................................... 12
Figura ‎3.2 Parâmetros envolvidos na geometria da estrutura de lançamento ........ 16
Figura ‎3.3 BGL-1, Duto e Stinger criado com a implementação da triangulação
Delaunay. ............................................................................................. 26
Figura ‎3.4 Exemplo de Triangulação Delaunay .................................................... 27
Figura ‎3.5 Derivada de Segundo Grau (BOBENKO, SCHRÖDER, et al., 2008) .29
Figura ‎3.6 Pseudocódigo da fase 1 da Rotina de pós-processamento.................... 30
Figura ‎3.7 Pseudocódigo da fase 2 da Rotina de pós-processamento.................... 30
Figura ‎4.1 Fluxograma básico de um Algoritmo Genético (SEN e YANG, 1998) 35
Figura ‎4.2 Função objetivo com ótimo global e ótimos locais .............................. 38
Figura ‎4.3 Preço versus Desempenho de 5 opções de computadores .................... 40
Figura ‎4.4 Exemplos de conjuntos Pareto-ótimos (TICONA e DELBÉN, 2008) . 41
Figura ‎4.5 Desempenho de Algoritmos de Otimização ......................................... 42
Figura ‎5.1 Gerenciamento de processos com ModeFrontier (ESTECO, 2015). ... 44
Figura ‎5.2 Fluxo de trabalho do ModeFRONTIER (ESTECO, 2015). ................. 45
Figura ‎5.3 Definição básica das componentes do fluxo de trabalho ...................... 47
Figura ‎5.4 Modelo de fluxograma genérico do ModeFRONTIER. ....................... 47
Figura ‎7.1 Variáveis envolvidas no estudo de caso 1 ............................................ 59
Figura ‎7.2 Simbologia das categorias das soluções encontradas. .......................... 60
Figura ‎7.3 Fluxo de trabalho ModeFrontier para o estudo de caso 1. ................... 62
Figura ‎7.4 Mapa de Soluções segundo Profundidade e Comprimento do Stinger 63
Figura ‎7.5 Regressão linear e quadrática das soluções não-dominadas (fronteira de
............................................................................................................. 64
Figura ‎7.6 Mapa de Soluções segundo os raios da balsa e do stinger ................... 65
Figura ‎7.7 Mapa de Soluções segundo os Raios da Balsa e do Stinger.
Aproximação das soluções pertencentes à Fronteira de Pareto. .......... 66
Figura ‎7.8 Condições Insatisfeitas ......................................................................... 68
xii
Figura ‎7.9 Relação entre as tensões máximas no overbend e no sagbend. ............ 69
Figura ‎7.10 Mapa das Soluções viáveis representadas em função das variáveis
TMO, TMS, depth e CL. ..................................................................... 70
Figura ‎7.11 Tração na linha versus Tensão máxima no Sagbend .......................... 71
Figura ‎7.12 Tração na linha Versus Máxima Tensão de Von Mises no Overbend.
............................................................................................................. 72
Figura ‎7.13 Mapa de Soluções segundo Profundidade e Tração Aplicada no duto.
............................................................................................................. 73
Figura ‎7.14 Mapa de Soluções segundo tração no duto, Profundidade e
Comprimento do Stinger. .................................................................... 74
Figura ‎7.15 Mapa de Soluções segundo tração no duto, Profundidade e Tensão
Máxima no Overbend (TMO).............................................................. 75
Figura ‎7.16 Mapa de Soluções segundo Profundidade e Comprimento do Stinger
(duto 16 polegadas) ............................................................................. 76
Figura ‎7.17 Regressão linear e quadrática das soluções não-dominadas (duto 16
polegadas) ............................................................................................ 77
Figura ‎7.18 Fluxo de trabalho do estúdio de caso 1.2 com Tdet≥Tcalc ................ 80
Figura ‎7.19 Gráfico das restrições violadas. .......................................................... 80
Figura ‎7.20 Fluxograma de trabalho estudo de caso 1.2........................................ 81
Figura ‎7.21 Mapa das Soluções encontradas segundo Comprimento do Stinger e
Profundidade. ....................................................................................... 82
Figura ‎7.22 Mapa das soluções segundo Rb, Rs e Ttens ....................................... 82
Figura ‎7.23 Histórico da variável delta_T ............................................................. 83
Figura ‎8.1 Variáveis envolvidas nos estudos de caso 2. ........................................ 84
Figura ‎8.2 Fluxo de trabalho Multi-objetivo que apresenta uma Análise do Tipo
2.1 com solver Smartlay e atuação da Tmín. ......................................... 85
Figura ‎8.3 Mapa das Soluções viáveis e inviáveis segundo Rb e Rs ..................... 88
Figura ‎8.4 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e Ttens. ......... 89
Figura ‎8.5 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e TMO. ......... 90
Figura ‎8.6 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e TMS. ......... 91
Figura ‎8.7 Mapa das soluções viáveis e inviáveis segundo Ttens e TMS. ............ 92
Figura ‎8.8 Mapa das Soluções viáveis e inviáveis segundo Rb e Rs. .................... 93
Figura ‎8.9 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e TMO. ......... 94
Figura ‎8.10 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e Ttens. ....... 95
xiii
Figura ‎8.11 Mapa das Soluções viáveis e inviáveis segundo Ttens e TMS. ......... 96
Figura ‎8.12 Mapa das Soluções viáveis e inviáveis segundo Rb e Rs. .................. 97
Figura ‎8.13 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e Ttens. ....... 98
Figura ‎8.14 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e TMO. ....... 99
Figura ‎8.15 Fluxo de trabalho Multi-objetivo que apresenta uma Análise do Tipo
2.1 com solver SITUA/Prosim e atuação da Tmín. ........................... 100
Figura ‎8.16 Mapa das Soluções segundo os raios da balsa e do stinger
respectivamente (incluindo soluções viáveis e inviaveis). ................ 102
Figura ‎8.17 Mapa das Solucoes viáveis segundo os raios da balsa e do stinger
respeitivamente. ................................................................................. 103
Figura ‎8.18 Gráfico das condições violadas. ....................................................... 104
Figura ‎8.19 Mapa das Soluções viáveis e inviáveis segundo Rbalsa, Rstinger e
FX_MaqTrac. .................................................................................... 105
DTE_Overbend. ................................................................................. 106
VME_sagbend. .................................................................................. 107
Figura ‎8.22 Comparação da Área das Soluções Viáveis obtidas com a metodologia
analítica e a ferramenta de elementos finitos..................................... 108
xiv
Lista de Tabelas
Tabela 2.1 Critério de Deformação do aço Fonte bibliográfica inválida

especificada. .......................................................................................... 8
Tabela 3.1 Características geométricas da embarcação .......................................... 11
Tabela 3.2 Características do duto. ......................................................................... 11
Tabela 3.3 Características da locação ..................................................................... 14
Tabela 3.4 Coordenadas Globais da malha de contato ........................................... 25
Tabela 3.5 Conexões Nodais dos elementos. .......................................................... 26
Tabela 7.1 Tabela das Restrições. ........................................................................... 61
Tabela 7.2 Estatísticas das Soluções encontradas ................................................... 65
Tabela 7.3 As dez melhores soluções segundo a profundidade .............................. 67
Tabela 7.4 Estatísticas das Soluções encontradas para duto de 16 polegadas ........ 78
Tabela 7.5 Estatísticas das Soluções Viáveis para duto de 16 polegadas ............... 78
Tabela 7.6 Estatísticas das Soluções não-dominadas duto de 16 polegadas ........... 79
Tabela 7.7 As 10 melhores soluções encontradas. .................................................. 83
Tabela 8.1 Estatísticas de todas as Soluções geradas (incluídas não viáveis). ....... 86
Tabela 8.2 Estatísticas das Soluções viáveis ........................................................... 87
Tabela 8.3 As 10 melhores soluções encontradas. .................................................. 87
Tabela 8.4 Estatísticas das Soluções Viáveis .......................................................... 92
Tabela 8.5 As melhores soluções encontradas. ....................................................... 93
Tabela 8.6 Estatísticas das Soluções Viáveis. ......................................................... 96
Tabela 8.7 As melhores soluções encontradas. ....................................................... 97
Tabela 8.8 Estatísticas das Soluções Viáveis e Inviáveis. .................................... 101
Tabela 8.9 Estatísticas das Soluções Viáveis ........................................................ 101
Tabela 8.10 As 10 melhores soluções encontradas. .............................................. 102
xv
1 Introdução
1.1 Contexto e Motivação

A indústria offshore constantemente tem apresentado desafios a serem superados
na produção de petróleo, especialmente na manutenção da integridade estrutural durante
o processo de extração do óleo até a unidade de processamento na superfície do mar.
Tal extração tem ocorrido em lâminas de água cada vez mais profundas, aumentando as
chances adversas ao transporte do fluido.
A fase de instalação de dutos necessita ser operada de maneira cuidadosa, pois

envolve alta complexidade tecnológica e métodos caros (LIN, GUO, et al., 2005). Para
empresas produtoras como a Petrobrás é importante o desenvolvimento de pesquisas e
novas tecnologias onde os equipamentos minimizem os custos de instalação, ainda que
essas novas técnicas tenham um gasto inicial maior que as tradicionais, porém levando a
um custo global muito menor, pois as embarcações de lançamento teriam o tempo de
contratação diminuído, o que confere para a empresa uma margem de lucro mais
elevada com um menor tempo de produção a ser alcançado (JACOVAZZO, 2012).
Nesse contexto, para obtenção de melhores resultados diminuindo o tempo de

execução de projetos e um custo menor, é essencial o uso de ferramentas de otimização.
Todas as metas e restrições de um problema no mundo real devem ser

consideradas conjuntamente para se atingir um resultado ótimo. De uma maneira geral
uma solução é considerada ótima quando não há no espaço de busca, soluções melhores
que ela quando se consideram todos os objetivos.
Na maioria dos problemas de engenharia não há apenas uma solução, mas sim
um conjunto de soluções possíveis. Portanto, a forma mais completa de análise a estes
problemas seria o tratamento como múltiplos objetivos, onde um conjunto de soluções
possíveis (ou viáveis) seria fornecido ao final do processo de otimização (VIEIRA,
2011)
1
1.2 Objetivos
O presente trabalho tem por objetivo estudar as melhores configurações de
lançamento visando uma metodologia de lançamento S-Lay. Se busca proporcionar
dados que permitam compreender a variação das solicitações no duto quando é
modificada a configuração geométrica da rampa de lançamento, incluindo o Stinger, a
tração aplicada no duto e o comprimento do Stinger. Para atingir este objetivo global
deverão ser alcançados os seguintes objetivos específicos:
1. Determinar o comprimento do Stinger necessário para uma determinada

profundidade;
2. Determinar a tração adequada para manter a configuração.
Uma vez atingidos os objetivos específicos se poderá determinar a configuração

geométrica da rampa de lançamento, a qual é compreendida pela superfície de roletes
moveis montados sobre a rampa e sobre o Stinger, que permitem que a rampa e o
Stinger formem dois arcos de circunferência tangentes entre si. Sendo assim, a
configuração geométrica da rampa de lançamento ficaria definida conhecendo os raios
destas circunferências, raio da balsa (Rb) e do Stinger (Rs).
Para avaliar as soluções encontradas será visada a integridade estrutural do duto,

adotando critérios baseados nos critérios simplificados de lançamento da norma DNV
OS F101, os quais restringem as tensões e deformações máximas nas regiões críticas do
duto. Para isso, é necessário também que seja considerada a minimização da tração
exercida pelos tracionadores.
1.3 Metodologia
Com a finalidade de conhecer a melhor configuração de lançamento, serão
realizados dois tipos de estudo:
1. Estudo de Caso 1: Busca fornecer aos projetistas uma forma fácil de

determinar o comprimento de stinger necessário para uma determinada
profundidade e duto de forma a auxiliar na escolha do stinger.
2. Estudo de Caso 2: Busca determinar a melhor configuração de
lançamento para um cenário específico. Para isso foi utilizado um
2
algoritmo genético multi-objetivo (MOGA-II) e duas metodologias de
resolução, uma analítica (Smartlay) e um programa de elementos
finitos (Prosim).
O estudo de caso 1 tem como objetivo, com auxílio do programa ModeFrontier,

realizar estudos paramétricos e de sensibilidade que como resultado obterão curvas que
relacionam o comprimento do stinger e a profundidade de instalação. Dessa forma, o
projetista pode escolher a curva correspondente ao duto que deseja utilizar introduzir a
profundidade de instalação para obter o valor do comprimento do duto necessário para a
operação. Além da curva comprimento do stinger versus profundidade de instalação, a
configuração de Raios e Trações de lançamento poderão ser encontradas mediante
tabelas que especifiquem os modelos componentes das curvas estudadas, o que permite
ao projetista além de escolher um stinger, também definir os raios ou o intervalo viável
da tração de lançamento. Todas as análises realizadas nesse estudo serão calculadas com
a solução analítica (Smartlay) devido ao elevado custo computacional que demandaria
as numerosas análises de elementos finitos que seriam necessárias.
Para o estudo de caso 2 será desenvolvido um gerador de malha de

contato (ContactMesh) e um pós-processador. Ambos indispensáveis para realizar a
otimização com a utilização de um programa de otimização ModeFrontier e outro de
elementos finitos Situa/Prosim. Os resultados do segundo estudo serão obtidos com
ambos solvers Smartlay e Situa/Prosim para cenários mais específicos, e forneceram sol
uções ótimas da configuração da configuração de lançamento. Além disso, serão
mapeadas em função das variáveis envolvidas todas as avaliações feitas durante
o processo de otimização, o que permite aos projetistas terem um conhecimento
bastante detalhado da região de soluções viáveis e inviáveis.
1.4 Organização do Trabalho

A estrutura deste trabalho está organizada da seguinte forma: no Capítulo 2 são
apresentados alguns conceitos sobre os tipos de métodos de lançamento de dutos e o
método considerado para o presente estudo, respeitando os critérios da norma
norueguesa DNV-OS-F101.
3
No Capítulo 3 é abordada a modelação de lançamento de dutos, apresentando a
forma como o problema proposto é tratado, abrangendo a metodologia analítica
Smartlay para obtenção das soluções, a plataforma computacional SITUA/Prosim para a
simulação numérica e a construção do modelo de lançamento que foi analisado neste
trabalho.
No Capítulo 4 é apresentada uma revisão bibliográfica sobre otimização,

abordando alguns algoritmos empregados, métodos heurísticos, tipos de problemas e, ao
final, é apresentado uma definição de um método de otimização eficiente.
No Capítulo 5 é apresentado o modelo de otimização através da ferramenta

Mode FRONTIER. Nesta seção foi feito uma breve revisão sobre este software,
mostrando seu desempenho e funcionalidade. Em seguida são descritas as análises
realizadas do problema estudado utilizando a ferramenta anteriormente mencionada.
No Capítulo 6 é feita a formulação do problema e a definição dos dois estudos

de caso.
No Capítulo 7 é apresentado o primeiro estudo de caso que envolve a

determinação do comprimento do stinger para atingir determinada profundidade,
utilizando o solver Smartlay.
No Capítulo 8 é apresentado o segundo estudo de caso, o qual mostra a solução

ótima da otimização de acordo com a variação do comprimento do duto, utilizando as
duas metodologias mencionadas anteriormente.
E finalmente no Capítulo 9 é apresentado a conclusão deste estudo e sugestões

para trabalhos futuros.
4
2 Lançamento de Dutos
2.1 Introdução
A instalação de dutos no leito marinho é feita por embarcações especializadas,
com equipamentos específicos e capacidade de posicionamento dinâmico. O método de
instalação pode ser classificado de acordo com a geometria que a linha que está sendo
lançada forma ao sair da embarcação.
- Método “S-Lay” – A linha é lançada com um pequeno ângulo com a

horizontal, assumindo a forma de um “S” até atingir o leito marinho. Este método é o
mais adequado para águas rasas.
- Método “J-Lay” – A linha é lançada com um grande ângulo com a horizontal,

assumindo a forma de um “J” até atingir o leito marinho. Este método é o mais
adequado para águas profundas.
Neste capitulo será estudado com mais profundidade o método “S-Lay” por
submeter o duto a duas curvaturas e tender a ser estruturalmente mais crítico para o
duto.
2.2 Método de Instalação S-Lay

O método S-lay caracteriza-se pelo lançamento assumir uma configuração em
“S”, e pelo processo de instalação do duto iniciar na posição horizontal. No interior da
embarcação existem diversas estações de trabalho onde ocorre toda montagem do duto,
sendo as seções de dutos fornecidas pela embarcação de suporte. Na extremidade há
uma rampa denominada “stinger”, responsável por lançar o duto lentamente até atingir
o solo marinho após a soldagem das seções, evitando concentrações de tensões que
possam causar uma flambagem local.
No presente trabalho, a embarcação utilizada como parte do estudo foi a balsa de

segunda geração BGL-1 (Balsa-Guindaste-Lançamento), de propriedade da Petrobras.
5
A BGL-1 destina-se a instalação de dutos rígidos, plataformas e estruturas
submarinas. A instalação de dutos submarinos interliga uma plataforma a outra
plataforma, a um poço ou a uma estação em terra.
Na Figura 2.1 é mostrada uma balsa de lançamento típica para operação S-Lay
típica:
Figura 2.1 Operação de lançamento S-Lay Fonte bibliográfica inválida especificada.
O funcionamento da instalação de dutos submarinos pela BGL-1 acontece nas

seguintes etapas:
1. A balsa de lançamento é posicionada por suas âncoras, que mantêm a balsa

alinhada com a rota do duto, com ângulos de orientação que acomodam os
efeitos da correnteza;
2. As âncoras são progressivamente movidas avante à medida que o
lançamento é feito. Um barco de movimentação de âncora move
sucessivamente cada âncora da proa enquanto outro barco movimenta as
âncoras de popa;
3. Antes de embarcarem, os tubos são revestidos com proteção anticorrosiva e
concreto;
4. Um barco de alimentação ou uma balsa auxiliar fornece os tubos, em geral,
com 12m de comprimento cada para a BGL-1, por meio do guindaste de
convés;
5. O tubo é corretamente posicionado e avança sucessivamente para as estações
de soldagem com um ou mais passos de solda sendo executados em cada
6
uma delas. Esta parte da linha de montagem ocorre em 7 estações de
trabalho, onde toda operação é realizada simultaneamente;
6. Completada a soldagem, o duto passa pelo tracionador. Este se movimenta
pegando ou recolhendo o duto para ajustar a tração, e possui a finalidade de
garantir o perfil do duto entre a balsa e o fundo do mar, evitando assim, o
rompimento do duto.
7. A junta passa então por inspeções. Caso alguma falha seja encontrada, ela
precisa ser retirada, refeita, e inspecionada mais uma vez. Para retirar a parte
defeituosa, a balsa precisa retornar para recolher um ou dois comprimentos
de tubo para antes do tracionador;
8. O tubo se move novamente em direção à popa, onde a junta é recoberta com
o revestimento anti-corrosivo;
9. O duto passa pela rampa e deixa a balsa passando pelo stinger até descolar
dele devido à tração.
10. Ao ser iniciada a operação de lançamento, a extremidade livre do duto,
posicionada no fundo marinho, deve estar travada em um ponto fixo
dimensionado para resistir a tração imposta à linha, para que nela não ocorra
flexão acentuada caso a estrutura do duto esteja em balanço. Normalmente,
este ponto fixo é representado por âncoras, pernas de plataformas ou
embarcações com posicionamento dinâmico (DP).
2.3 Critérios Simplificados de Instalação

De acordo com a norma DNV-OS-F101(2013), pode ser utilizado um critério
simplificado em estágios iniciais do projeto com o objetivo de verificar a flambagem
local. A norma prevê duas verificações:
1. Verificação da deformação no Overbend: Para carregamento estático as

tensões calculadas devem satisfazer o Critério I (ver Tabela 2.1) Tabela
2.1), e devem incluir os efeitos de flexão, força axial e cargas de roletes
locais.
7
Tabela 2.1 Critério de Deformação do aço (DNV-OS-F101, Outubro de 2013)
Critério Simplificado, Overbend

Critério X70 X65 X60 X52
I 0,270% 0,250% 0,230% 0,205%
2. Verificação da tensão equivalente (tensão de von Mises) no Sagbend e na

ponta do stinger: Tanto para a análise estática e dinâmica combinadas,
deve ser satisfeita o critério de Von Mises com todos os fatores de efeito
de carga definidos igual a unidade. A norma considera um valor mínimo
para a tensão equivalente menor do que 87% da tensão de escoamento do
duto a ser instalado.
(2.2)
2.3.1 Tensão Equivalente de von Mises
Como critério de avaliação de tensão atuante máxima, é necessário poder avaliar

uma tensão equivalente que leve em consideração todo o complexo campo de tensões
que atua na parede de um duto submetido à tração e flexão. Para isso utiliza-se,
normalmente, a tensão equivalente de von Mises.
Quando em um dado ponto se combinam efeitos produzidos por várias

solicitações é comum, no caso de solicitações estáticas em materiais dúcteis, recorre-se
à Tensão Equivalente dada pela Teoria de Máxima Energia de Distorção de von Mises.
Nesta teoria, considera-se que o escoamento ocorre quando a energia associada à
mudança de forma de um corpo sob carregamento multiaxial for igual à energia de
distorção em um corpo de prova de tração, quando o escoamento ocorre na tensão de
escoamento uniaxial, σy. A Teoria ou Critério de von Mises correlaciona-se melhor com
os dados experimentais, por isso é geralmente mais empregada em critérios de
dimensionamento para a causa do colapso de um material.
8
A tensão equivalente de von Mises está presente na norma da DNV-OS-F101
como critério de avaliação das tensões no duto na região do Sagbend, e pode ser
calculada de acordo com a equação abaixo:
√ (2.1)
Onde é a tensão “circunferencial” (Hoop stress, devido ao gradiente de pressão

interna e externa) e é a tensão longitudinal axial.
9
3 Modelação do Lançamento de Duto
Antes de iniciar qualquer estudo, deve-se definir o modelo que será o objeto do
estudo. Em razão disso, neste capítulo serão descritos os modelos, os quais serão
resolvidos pelas ferramentas de análise (Smartlay e SITUA/Prosim) em cada iteração do
algoritmo de otimização que será gerenciado pelo ModeFrontier. Para isso, será descrito
um modelo base que conterá as características comuns a todos os modelos utilizados
neste trabalho. Por existir duas ferramentas de análise (Smartlay e SITUA/Prosim),
serão desenvolvidas duas versões do modelo base. As particularidades de cada versão
serão explicadas de forma sucinta, pois ambos os modelos buscam simular a mesma
operação de lançamento.
O Smartlay é uma ferramenta analítica, desenvolvida para obter resultados

aproximados de forma rápida e com baixo custo computacional, motivo pelo qual foram
feitas várias simplificações no algoritmo desta ferramenta. Pelo contrário, o
SITUA/Prosim é um programa de elementos finitos desenvolvido para obter resultados
precisos, mas requerendo assim mais recursos do sistema e um tempo de execução
muito maior, o qual dependera do refinamento da malha do duto.
3.1 Modelo Base

O modelo base contempla o uso da Balsa Guindaste de Lançamento (BGL-1)
como navio de lançamento. A adopção da BGL-1 influencia diretamente na geometria
da parte do duto apoiada sobre a embarcação, pois esta geometria estará sujeita a
especificações geométricas da BGL-1. Dessa forma. a geometria será composta por um
trecho reto inclinado de 30 metros e dois arcos de circunferência, definidos por seus
respetivos raios da balsa (Rb) e do Stinger (Rs).
A Tabela 3.1 resume os dados mais relevantes da geometria da embarcação de

lançamento.
10
Tabela 3.1 Características geométricas da embarcação
Características da Embarcação Unidade Valor

Calado da Embarcação [m] 5,182
Raio de Curvatura (Rampa) [m] Rb
Raio de Curvatura (Stinger) [m] Rs
Comprimento do Stinger [m] CL
Tração Máxima de Lançamento [tf] 160
As únicas forças atuantes no modelo são peso próprio e tração aplicada no duto,
ou seja, não será considerado nenhum carregamento de onda, vento ou correnteza.
Sendo assim, a embarcação não se movimentará.
3.1.1 Características do Duto
Nas tabelas Tabela 3.2 e Tabela 3.3 estão descritas as características gerais do
duto, da embarcação, da estrutura de lançamento, do local da instalação e dos
parâmetros considerados no presente estudo. Estas mesmas características foram
anteriormente consideradas em (JUNIOR, 2014) no seu estudo sobre instalação de dutos
submarinos.
Tabela 3.2 Características do duto.
Parâmetro Unidade Valor

Especificação do Duto - API 5L-X65
Processo de Fabricação - SAW/OUE
Diâmetro Externo [in] D
Espessura da Parede [in] 5/8
Espessura de Revestimento [mm] 2,8
Densidade do Aço [kg/m³] 7850
Densidade do Revestimento [kg/m³] 1300
Tensão de Escoamento (fy) [MPa] 414
Tensão Última (fu) [MPa] 535
Módulo de Young (E) [GPa] 207
Coeficiente de Poisson - 0,3
Comprimento dos Tubos [m] 12
11
3.2 Particularidades dos modelos
Os modelos para Smartlay e SITUA/Prosim partem da mesma origem, mas
forçosamente devem diferenciar-se por conta das próprias possibilidades e limitações
das ferramentas de resolução.
O modelo de elementos finitos será objeto de uma análise estática no programa

de elementos finitos (SITUA/Prosim). É dizer, uma análise sem carregamento dinâmico,
na qual será analisado um trecho do duto de suficiente comprimento para representar
todos os efeitos estáticos envolvidos na operação. A simulação começará com o trecho
numa posição horizontal, como se vê na Figura 3.1. A partir da mesma o duto iniciará a
descer pois as condições de deslocamento de rotação encontram-se liberadas para todos
os pontos exceto para o extremo do duto, que encontra-se segurado pelo tracionador da
embarcação. Desta forma o duto continuará sua queda até atingir o fundo e adotar a
configuração em S, característica dos lançamentos S-lay. Pode-se dizer que a ferramenta
de elementos finitos determina a configuração geométrica baseado nas forças atuantes.
Figura 3.1 BGL-1 e parte do duto na posição horizontal

Diferenciadamente, a ferramenta Smartlay determinará as forças baseado na
geometria determinada através de simplificações e da formulação da catenária. Um
aspecto notável desta metodologia que o duto sempre estará perfeitamente apoiado
sobre a estrutura de lançamento (balsa + stinger), e a tangente do stinger, será igual a
tangente da catenária naquele ponto. Isto é, a tangente aos pontos da geometria adotada
pelo duto, sempre serão continuas.
12
Além disso, Smartlay não dispõe de um algoritmo que permite realizar o cálculo
da deformação no Overbend, como é solicitado no critério simplificado de lançamento.
Isto não cria uma diferença na representação do modelo. Porém, influencia na definição
do espaço de busca da otimização.
3.2.1 Variação do Comprimento do Stinger
O stinger é uma estrutura que se anexa ao final da balsa de lançamento com o

objetivo de dar continuidade à rampa de lançamento, de modo a dar sustentação ao duto
com o objetivo impedir uma curvatura excessiva no overbend.
Quanto mais comprido o stinger menores serão as solicitações ao duto. Porém,

existem limitações básicas de índole construtivo e operacional que determinam o
comprimento máximo do stinger. Para explicar essas limitações básicas, deve lembrar-
se que o stinger é uma estrutura anexa à balsa e, portanto, movimenta o centro de
gravidade, incrementa o peso da balsa e além disso, transmite forças externas (reações
das ondas impactando no stinger, corrente, etc.).
O comprimento do stinger para os modelos SITUA/Prosim e Smartlay é de 20

metros. Porém no primeiro estudo de caso será estudado uma variação com o
comprimento de stinger variável. Esse estudo só será realizado com o modelo Smartlay.
Com o objetivo de fixar um comprimento máximo do stinger de forma

simplificada, foi tomado como exemplo outro navio, no caso o Solitaire da Allseas
(SÖLKEN, 2008) de 300 metros de comprimento com um stinger de 97 metros de
comprimento, o que é praticamente um terço do comprimento do navio. Sendo que a
BGL-1 tem em torno de 120 m de comprimento e poderia atingir também um terço do
mesmo. Dessa forma foi fixado o comprimento máximo do stinger em 60 metros.
3.2.2 Cenários
Para diminuir o número de variáveis envolvidas e não incluir efeitos

desconhecidos, não será utilizada uma malha batimétrica para definir o fundo marinho.
Em lugar disso será utilizado um plano horizontal para definir o fundo. Isto se deve
também a que os estudos realizados neste trabalho buscam não obter resultados
13
específicos senão resultados mais abrangentes, de forma a ser de utilidade para projetos
similares aos estudados.
A Tabela 3.3 apresenta as profundidades que serão estudadas. Porém, não todos
os dutos serão simulados nas 2 profundidades, pois a profundidade 2 pode ser excessiva
para alguns dos dutos em estudo. Nos capítulos de estudo de caso serão melhor
detalhados.
Tabela 3.3 Características da locação
Características da Locação Unidade Valor

Profundidade 1 [m] 25
Profundidade 2 [m] 50
Em vista que serão utilizados modelos de lançamento já testados em outros

trabalhos (Junior, 2014) foram escolhidas as mesmas profundidades utilizadas 50 e
100m, além serão realizados estudos a 25m não por ser interessantes para a região senão
para poder comparar com as outras soluções tendo o maior número de soluções viáveis,
coisa que se veria afetada no caso de ser escolhida uma profundidade maior como
150m, além de correr o risco de ter dutos que não suportem tal profundidade.
3.3 Metodologia Analítica: Smartlay

A base para a metodologia analítica abrange um conjunto de fórmulas
provenientes das Resistências dos Materiais (BEER, JR, et al., 2012), e a partir disso, a
ferramenta consegue apresentar soluções simplificadas, visando facilitar o problema
tratado, para as regiões críticas de Overbend e Sagbend. As simplificações relativas à
metodologia são as seguintes:
 Análise estática sem carregamento ambiental: Os efeitos de onda e de

corrente são desprezados;
 Sagbend descrito pelo modelo em catenária: A forma da linha na região
do Sagbend é aproximada por um modelo em catenária, onde o ponto de
inflexão encontra-se próximo à saída do stinger;
14
 A metodologia analítica considera a distância entre o duto submarino e o
último rolete do stinger;
A principal vantagem desta abordagem é o baixo custo computacional para a

avaliação de cada solução, o tempo de processar as equações é bem pequeno.
Cada uma das cinco etapas que compõem a metodologia analítica será descrita
de forma sucinta a seguir (JUNIOR, 2014).
Etapa inicial onde um conjunto de valores deverão ser fornecidos como dados
de entrada, os quais são relativos a geometria, composição do duto submarino,
geometria da estrutura de lançamento e características do meio ambiente. Os dados de
entrada são:
 Aço: Diâmetro externo, espessura, peso específico e módulo de

elasticidade;
 Concreto: Diâmetro externo, espessura, peso específico e módulo de
elasticidade;
 Isolante: Diâmetro externo, espessura, peso específico e módulo de
elasticidade;
 Anticorrosivo Interno/Externo: Diâmetro externo, espessura, peso
específico e módulo de elasticidade;
 Meio Ambiente: Profundidade e densidade da água do mar;
 Estrutura de Lançamento: Comprimento do trecho reto da rampa,
inclinação do trecho reto da rampa, raio de curvatura do trecho curvo da
rampa, comprimento do stinger, raio de curvatura do stinger,
coordenadas do ponto de tangência e do stinger, calado da embarcação .
A estrutura de lançamento com os dados descritos acima é apresentada na

Figura 3.2:
15
Figura 3.2 Parâmetros envolvidos na geometria da estrutura de lançamento
(JUNIOR, 2014).
3.3.1 Superfície de Contato
A próxima etapa define a curvatura e as solicitações sobre o duto na superfície

de contato na região do Overbend, definida como uma superfície contínua. O raio de
curvatura e as solicitações sobre o duto podem ser submetidos a alterações
consideráveis em três pontos:
 Ponto de tangência (PT): encontra-se sobre a rampa, onde o trecho curvo

tangência o trecho reto.
 Ponto de congruência (PC): consiste no ponto de continuidade entre as
curvas da rampa e do stinger.
 Ponto de inflexão (PI): corresponde ao último rolete do stinger.
Os três pontos descritos acima são apresentados na figura abaixo:
16
Figure 3.1 Pontos na região da balsa/stinger de solicitações consideráveis.
3.3.2 Região do Sagbend
A região de curvatura do Sagbend é caracterizada pela tração de lançamento e

influenciada pelo raio de curvatura do Overbend e da profundidade da lâmina d’água. O
modelo que descreve esta região é o de Catenária Clássica, devido a desconsideração da
rigidez flexional e a maior simplicidade em tratar a relação entre tensão e curvatura.
A tração atuante no duto durante o período de lançamento e sua configuração em

S são em virtude da ação dos tracionadores, que exercem dessa forma influência na
posição do Touchdown Point (TDP) e nas tensões no Sagbend.
17
Figure 3.2 Região do sagbend e parâmetros envolvidos.
As equações que determinam as solicitações nesta região são:
Trações na catenária
Tração no ponto de inflexão (TPI):
(4.1)
Tração Residual (H):
(4.2)
Tensões na catenária no TDP
Tensão axial (σTDPa):
(4.3)
18
Tensão axial com a extremidade fechada (σTDPe):
(4.4)
Tensão circunferencial devido à pressão externa da água (σTDPh):
(4.5)
Tensão longitudinal no topo (σTDP_lt) e no fundo (σTDP_lb):
(4.6)
(4.7)
Tensão total combinada:
√ (4.8)
( )
√
Onde, hPI, Wsub,, são, respectivamente: inclinação do duto na saída do stinger,

cota do duto na saída do stinger em relação ao nível do mar, peso submerso do duto e
diâmetro externo (sem considerar revestimentos).
3.3.3 Região do Overbend
Nesta etapa determina-se as solicitações atuantes na região do Overbend. A

disposição dos berços de roletes e do stinger descrevem a curvatura nessa região. A
tensão total corresponde a uma combinação das componentes de tensão axial e
circunferencial (oriundos das solicitações na região do Sagbend), e flexional (oriundos
das solicitações na região de curvatura do Overbend).
As equações que determinam as solicitações nesta região são:
19
Trações no duto
Tração no nível do mar:
[ ) (4.9)
Tração no Ponto de Congruência (TPC):
[ ) (4.10)
Tração no Ponto de Tangência (TPC):
[ ) (4.11)
Tração solicitada na máquina de tração (Ttens):
( ) (4.12)
Onde é o coeficiente de atrito entre o duto e o berç o de roletes.
Tensões no duto no nível do mar (WL)
Tensão axial (σWLa):
(4.13)
Tensão máxima devido à flexão (σWLb):
(4.14)
20
Tensão total combinada (σWL):
(4.15)
Onde: é o módulo de elasticidade do aço.
Tensão no duto no ponto de congruência (PC)
Tensão axial (σPCa):
(4.16)
Tensão máxima devido à flexão (σPCb):
(4.17)
Tensão total combinada (σPC):
(4.18)
Tensões no duto no ponto de inflexão (PI)
Tensão axial (σPIa):
(4.19)
Tensão axial com a extremidade fechada (σPIe):
(4.20)
21
Tensão máxima devido à flexão (σPIb):
(4.21)
Tensão circunferencial devido à pressão externa da água (σPIh):
(4.22)
Tensão longitudinal no topo (σPI_lt) e no fundo (σPI_lb):
(4.23)
(4.24)
Tensão total combinada:
√ (4.25)
( )
√
3.4 Programa de Elementos Finitos:

SITUA/Prosim
O presente trabalho foi desenvolvido com o auxílio do sistema SITUA/Prosim
(JACOB, 2006), composta pela interface gráfica SITUA e o programa de análise em
elementos finitos, Prosim. Esta ferramenta é utilizada para a simulação numérica de
estruturas offshore e incorpora um conjunto de ferramentas numéricas e gráficas.
O SITUA/Prosim vem sendo aprimorado desde 1997, em cooperação entre os

pesquisadores do LAMCSO (Laboratório de Métodos Computacionais e Sistemas
Offshore, Programa de Engenharia Civil, COPPE/UFRJ) e do CENPES/Petrobrás.
O SITUA/Prosim é um programa de análises estáticas e dinâmicas não-lineares

realizadas no domínio do tempo, desenvolvido em código FORTRAN, que considera
em sua formulação acoplada um modelo hidrodinâmico para representar o movimento
22
do casco da unidade flutuante associado a uma formulação de elementos finitos para a
representação rigorosa das linhas de ancoragem, risers e dutos (SENRA, CORRÊA, et
al., 2002).
A plataforma SITUA integra uma interface gráfica especializada, com recursos

de aquisição de dados; pré-processamento e geração de modelos para análise pelo
programa SITUA/Prosim; e pós-processamento dos resultados das análises, associada a
diferentes módulos de geração de modelos incluindo o módulo de ancoragem da BGL, a
qual permite uma geração de modelos para planejamento de operações de
movimentação da balsa BGL, ancorada por um conjunto de linhas com bóias, contendo
recursos de verificação de interferências com obstáculos de fundo, lidos a partir do
banco de dados SGO da Petrobras (PROSIM, 2016).
3.4.1 Modelo SITUA/Prosim
A fim de realizar uma comparação entre as duas metodologias de resolução

(Smartlay e SITUA/Prosim), serão utilizados os dados da Tabela 3.2 para gerar o
modelo em elementos finitos da operação de lançamento S-Lay.
O modelo do SITUA/Prosim consiste em um modelo de elementos finitos do

duto, o qual é representado por elementos de pórtico, o duto ficara fixo em X, Y e Z, no
extremo sobre a embarcação de lançamento e no outro extremo ficara livre. A gradação
da malha variará ao longo duto de forma que a malha seja mais refinada nas regiões
com maiores curvaturas (Overbend e Sagbend), onde serão analisadas as deformações e
tensões equivalentes no duto. Assim os nós são concentrados nas regiões onde serão
verificados os valores máximos (JUNIOR, 2014).
Como mencionado na seção 3.2, no início da simulação o duto terá a

configuração geométrica de uma reta horizontal. Em seguida, sob o efeito das forças de
gravidade e empuxo, o extremo livre do duto iniciará sua descida até a configuração
final em forma de S. Nesse deslocamento o duto se apoiará sobre a rampa de
lançamento (balsa + stinger), a qual é representada por uma malha de contato. Por
conseguinte, esta malha de contato deve ser gerada conhecendo os raios da balsa (Rb) e
do stinger (Rs). O SITUA/Prosim é capaz de gerar a malha de contatos, e salva-lo num
arquivo que será lido no momento da simulação, mas esta funcionalidade está
23
disponível somente através da interface de usuário do SITUA/Prosim. Isto significa que
para construir a malha de contato seria necessário que um usuário controle mouse e
teclado para introduzir os parâmetros (Rb e Rs) para que o programa pudesse gerar a
malha. Isto não é desejável quando se busca disparar diversas simulações
automaticamente, como é desejado em processos de otimização. Para contornar essa
situação será desenvolvido um programa (ContactMesh) para gerar a malha de contato
só a partir da leitura dos raios da balsa (Rb) e do Stinger (Rs).
Na seção 3.4.2, será detalhado o método de triangulação que será utilizado no

desenvolvimento do programa gerador de malha (ContactMesh) com o qual será
construída a malha de contato (seção 3.4.2.1), para em seguida repassa-la ao
SITUA/Prosim para realizar a simulação correspondente. A este ponto, o
SITUA/Prosim é capaz de fornecer os resultados necessários para o escopo do trabalho,
porém isto não é suficiente, será necessário que os resultados estejam organizados de
modo a poder coleta-los facilmente. Por este motivo será necessário desenvolver uma
rotina para fazer o pós-processamento dos resultados fornecidos pelo SITUA/Prosim.
Na seção 3.4.3 se apresentará a metodologia utilizada para o desenvolvimento da

rotina de pós-processamento dos resultados do SITUA/Prosim.
3.4.2 Pre-Processamento
A funcionalidade principal do ContactMesh é a geração automatizada de

uma malha triangular de uma superfície continua que representa o contato do duto com
o stinger do navio de instalação (BGL-1). A utilidade do ContactMesh também foi
aplicada e testada com resultados satisfatórios em outro trabalho de pesquisa (ALVES,
3.4.2.1
2016)
Malha de Contato
A malha de contato representa, de forma generalizada, a superfície de contato

entre a linha e a unidade flutuante. No presente estudo, a malha representa os berços de
roletes presentes na rampa, na balsa de lançamento (BGL) e no stinger, ligado à mesma.
No programa SITUA, a malha de contato é gerada no módulo petropipe, a qual

está contida no arquivo de extensão (*.cto). A mesma é composta de 3 blocos de
24
informação onde estão listados as coordenadas nodais, a conectividade nodal e o bloco
dos berços de roletes. A Tabela 3.4 apresenta o primeiro bloco. O símbolo ($) indica
que essa linha é um comentário, onde aproveita-se para colocar um título e os
cabeçalhos das matrizes que contém os dados. Na primeira linha útil do primeiro bloco
tem-se o número de nós, o número de elementos e o número de volumes. Seguidamente
encontra-se a matriz de coordenadas que contém o índice do nó, seguido das
coordenadas X, Y e Z.
Tabela 3.4 Coordenadas Globais da malha de contato
MALHA DE CONTATO PARA CASCO

NNOS, NELEMENTOS, NVOLUMES
1856 2088 58
INO, X, Y, Z
1 4.0089 -12.74 6.4482
2 3.917 -12.74 6.5005
3 3.0367 -12.74 6.5389
4 2.1566 -12.74 6.5552
1856 -83.588 -12.2035 -5.614
O segundo bloco de informação é mostrado na Tabela 3.5, e de forma análoga,

tem-se um cabeçalho onde está indicado o número de volumes, o índice do berço e o
índice da superfície a ser descrita. Seguidamente são descritas cada uma das conexões
dos elementos triangulares.
25
Tabela 3.5 Conexões Nodais dos elementos.
IVOLUME, NELEMVOLUME, IBERCO, INDICE

1 36 1 4
1 3 2 17 1
2 3 2 18 17
3 3 3 18 2
4 3 3 19 18
5 3 4 19 3
6 3 4 20 19
2088 3 1849 1845 1853
O resultado da implementação, respeitando o formato do arquivo de leitura do

SITUA/Prosim, foi importado pelo SITUA/Prosim e é apresentado na Figura 3.3 junto
com a BGL-1 e o duto na posição horizontal.
3.4.2.2
Figura 3.3 BGL-1, Duto e Stinger criado com a implementação da triangulação
Delaunay.
Triangulação
A representação computacional de objetos físicos, em diversas áreas do
conhecimento humano, é fundamental para que se possa realizar sobre ela simulações
de problemas físicos que envolvem propriedades de natureza geométrica, combinatória
e topológica (PITERI, JUNIOR, et al., 2007) .
A partir de uma representação primaria, obtido de um conjunto finito pontos, é

possível reconstruir, com um certo grau de precisão, a superfície do objeto que está
sendo modelado. Ainda que exista diferentes métodos de reconstrução de superfícies,
26
geralmente é utilizado o processo de triangulação em uma das etapas do processo de
reconstrução. A qualidade global e local de elementos triangulares é considerado uma
condição indispensável na maioria das vezes (PITERI, JUNIOR, et al., 2007).
A característica dos tipos de triangulação é de acordo com os critérios de

otimização geométricos da malha. Exigências na geração da malha pode ser obtida com
facilidade quando é feita uma triangulação qualquer, porém, isso compromete a
qualidade da malha resultante. Portanto, quase todos os métodos consideram
triangulação ótima quando pelo o menos um critério de otimização é observado
(JUNIOR, 2001).
De forma similar às técnicas de integração ao segmentar a área sob a curva

produzida por uma função, a triangulação de Delaunay particiona a região interna de um
polígono, fragmentando-os em triângulos. Este critério foi introduzido por Delaunay
(CHEW, 1989) em 1934, sendo dentre todas as triangulações existentes, aquela que
maximiza o menor dos ângulos, garantindo uma triangulação o mais equiângular
possível (SIBSON, 1978) , obtendo-se malhas que são adequadas para a simulação
numérica.
A triangulação de Delaunay D de V deve satisfazer o seguinte critério de um

grafo definido como segue: Qualquer círculo no plano é tido como vazio se não cerca
nenhum vértice de V. Vértices são permitidos sobre o círculo. Sejam u e v dois vértices
de V. Um círculo-circundante da aresta vw é qualquer círculo que passa através de u e v.
A aresta uv está em D se e somente se existe um círculo-circundante de uv (ver Figura
3.4). Uma aresta que satisfaz essa propriedade é dita ser Delaunay.
Figura 3.4 Exemplo de Triangulação Delaunay
27
A maioria dos polígonos que descreve objetos do mundo real tem formato
irregular e regiões pertencentes a diferentes domínios de interesse. Neste caso, a
triangulação de Delaunay pode ser vista como uma estratégia. O domínio é dividido em
triângulos, respeitando suas características geométricas, como um passo inicial do
processo de discretização. Assim, o espaço de ocupação é delimitado, e será
decomposto até que todos os critérios de qualidade referentes à área e medida angular
para cada triângulo sejam satisfeitos (MOURA, 2006). Logo, a qualidade da malha final
é atingida, pois com um conjunto de vértices fornecido, é realizada a maximização do
ângulo mínimo entre todas as maneiras possíveis de triangular aquele conjunto
(SHEWCHUK, 1996).
3.4.3 Pós-Processamento
Sendo adotado o critério simplificado de instalação DNV-OS-F101(2013), os

valores de interesse são:
 A deformação máxima no overbend e

 O máximo valor de tensão equivalente (ou tensão de von Mises) no
sagbend.
Os resultados obtidos da análise de elementos finitos com o SITUA/Prosim estão

contidos em tabelas de cada instante de tempo que agrupam os valores calculados em
cada nó. Como não é possível conhecer a priori os nós onde serão registrados os valores
máximos, pode-se dizer que os valores desejados estão perdidos em uma imensa
quantidade de dados. Assim fica evidente a necessidade de um programa para pós-
processar os resultados obtidos do SITUA/Prosim.
Para delimitar as duas regiões overbend e sagbend é preciso determinar o ponto

de inflexão da curva formada pela última posição da linha, pois eles são divididos nesse
ponto. O ponto de inflexão não é nada mais que o ponto onde a curva muda sua
curvatura côncava de baixo (curvatura negativa) para cima (curvatura positiva), de
acordo com a Figura 3.5.
28
Figura 3.5 Derivada de Segundo Grau (BOBENKO, SCHRÖDER, et al., 2008) .
Sabendo que a curvatura é aproximadamente igual à derivada de segunda ordem

de uma curva, o ponto de inflexão é o ponto onde a derivada de segunda ordem da curva
muda de sinal de positivo para negativo ou vice-versa. Um dos arquivos de saída do
SITUA/Prosim contém a posição inicial da linha e o deslocamento em cada instante de
tempo (o arquivo *.snp). É possível determinar a posição final da linha para depois,
médiante a utilização das aproximações de diferenças finitas, determinar a derivada de
segundo grau de cada ponto da curva de forma a identificar a transição de negativo para
o positivo, ou vice-versa. Encontra-se, assim, o ponto de inflexão e determina-se as
regiões de sagbend e overbend.
O Microsoft Excel dispõe de ferramentas para a coleta de dados de arquivos de

texto, o que é de grande ajuda na hora de analisar os arquivos de saída do
SITUA/Prosim. Além disso, esse software dispõe de um recurso muito importante que
permite criar rotinas personalizadas que possibilitam governar todas as funções, sendo
essencial para realizar um processo automatizado como o problema o requer. O recurso
em questão é conhecido como VBA.
O VBA (Visual Basic for Applications) é uma implementação do Visual Basic

da Microsoft incorporada em todos os programas do Microsoft Office. Desse modo, é
possível utilizar a linguagem do Visual Basic para fazer uso das ferramentas do Excel.
A rotina de pós-processamento foi dividida em duas fases:
1. A determinação do Ponto de Inflexão.

2. A determinação das solicitações máximas no overbend e no sagbend.
29
A Figura 3.6 mostra o pseudocódigo da fase 1 da rotina que permite determinar
as coordenadas do ponto de inflexão da curva formada pelo duto na condição de
equilíbrio durante a operação de lançamento.
Figura 3.6 Pseudocódigo da fase 1 da Rotina de pós-processamento
Uma vez determinada a coordenada do ponto de inflexão, é possível discriminar

os resultados como pertencentes ao overbend e ao sagbend, mostrando se estão antes ou
depois do ponto de inflexão. O pseudocódigo descrito na Figura 3.7 detalha o
procedimento que é executado dentro da rotina de pós-processamento para determinar
os valores máximos de tensão e deformação dentro das regiões determinadas.
Figura 3.7 Pseudocódigo da fase 2 da Rotina de pós-processamento
30
4 Conceitos de Otimização
A otimização é processo para seleção das melhores alternativas de um problema,

com o propósito de alcançar os objetivos determinados. Em uma visão matemática é
definida como o processo no qual se busca minimizar ou maximizar uma função
objetivo, obtendo os valores das variáveis onde essa função atinge o seu mínimo ou seu
máximo.
As funções objetivo devem representar a qualidade de uma solução candidata do

problema em estudo. Nos problemas de engenharia, as funções objetivo tornam-se
modelos matemáticos que buscam representar, por exemplo, sistemas dinâmicos que
podem avaliar a aerodinâmica de um carro de corrida, a distância percorrida por uma
rodovia, etc. Sendo possível construir modelos matemáticos bastante representativos
dos problemas em estudo, é possível aplicar as técnicas matemáticas de otimização para
maximizar ou minimizar uma função objetivo previamente definida como índice de
desempenho (ID), ou índice de performance (IP), visando encontrar uma "solução
ótima" do problema, isto é, que resulte no melhor desempenho possível do sistema,
segundo este critério de desempenho previamente definido (ID).
4.1 Algoritmos de Otimização

Um algoritmo de otimização é a sequência de raciocínios ou operações
necessárias para realizar a otimização de uma função objetivo, ou seja, encontrar uma
solução ou conjunto de soluções ótimas para esta função.
O conceito de solução ótima é inerente ao problema que se deseja otimizar.

Formalmente um problema de otimização restringido pode ser definido em um espaço
de busca M-dimensional S, compreendido por um vetor de variáveis de projeto x = (x 1,
x2, ..., xM), onde os componentes podem ter limites inferiores e superiores [lk, uk]. Em
uma situação A modelada matematicamente por uma única função fA(x), há a
necessidade de determinar um valor (valor ótimo) tal que fA(x) seja mínimo, ou ainda,
uma situação B cujo modelo matemático seja expresso por n funções f Bn (x) (n = 1, 2,
3, ..., n) onde se pretende maximizar algumas e minimizar as demais. Neste caso, pode-
31
se ter uma única solução, um conjunto de soluções ou ainda não haver solução que
satisfaça todas as funções. Além devem ser consideradas restrições de desigualdade e de
igualdade (respetivamente gj(x)<0 e hj(x)=0) que definem a região viável Ƒ, a qual
existe em Ƒ⊆S.
Matematicamente a situação A seria descrita na equação 4.1 e a situação B seria

descrita na equação 4.2.
Minimiza: 4.1
Sujeito a:
Minimiza: 4.2
Maximiza:
Sujeito a:
À medida que o número de funções e o número de variáveis aumentam, a

dificuldade em se determinar o conjunto de soluções ótimas também aumenta. É neste
contexto que surge a necessidade de desenvolver técnicas matemáticas e
computacionais que refinem o processo de otimização, dado que este é amplamente
utilizado para resolver problemas complexos.
Os métodos para a solução de problemas de otimização se dividem em dois

grupos, os métodos baseados no cálculo de derivadas (Deterministic Optimization) e os
métodos aleatórios (Random Strategies).
4.2 Métodos Heurísticos de Otimização

Em engenharia, os problemas geralmente são complexos, não lineares, de difícil
representação e descritos por funções nem sempre diferenciáveis, necessitando de
métodos numéricos para sua solução.
Os métodos determinísticos, baseados no cálculo de derivadas, produzem bons

resultados quando as funções são contínuas, convexas e unimodais. No entanto, na
maioria das vezes, são ineficientes quando aplicados a problemas que apresentam não
diferenciabilidade ou descontinuidade.
32
Os métodos heurísticos, podem reduzir algumas das dificuldades apresentadas
anteriormente, justificando o fato de que cada vez mais estão sendo desenvolvidas
pesquisas com estes métodos, visando comparar seus resultados com os métodos
clássicos na solução de problemas de otimização (SARAMAGO e JR, 2003). A busca
da melhor solução caracteriza-se pelo uso de regras de probabilidade, através de uma
maneira “aleatória orientada”, onde é utilizado somente as informações da função de
otimização.
As técnicas empregadas nos métodos heurísticos auxiliam na exploração devida

de toda a região do espaço de busca em que está contida a solução ótima, atingindo
como resultado um número elevado de avaliações da função necessários para encontrar
a solução.
Os métodos heurísticos são procedimentos iterativos que tentam simular os

processos usados na natureza para resolver problemas difíceis. Entre as técnicas mais
conhecidas existe o grupo de métodos baseados em população, onde destacam-se os
Algoritmos Evolutivos ou Evolucionários (Algoritmos Genéticos, Estratégias de
Evolução, etc.) e os algoritmos baseados na inteligência coletiva (otimização por
enxame de partículas, colônias de formigas, etc.). Estes algoritmos se baseiam em
população de indivíduos, onde cada indivíduo representa um ponto no espaço de
soluções potenciais de um dado problema e imitam os princípios da natureza para criar
procedimentos de otimização. Os Algoritmos Evolutivos possuem alguns
procedimentos de seleção baseados na aptidão dos indivíduos, e em operadores de
cruzamento e mutação.
4.2.1 Algoritmos Genéticos
A fundamentação dos Algoritmos Genéticos é baseada na teoria da evolução.

Desta forma, é comum o uso dos termos: indivíduos de uma população, cromossomos,
genes e alelos. Nos Algoritmos Genéticos, a população de indivíduos é um conjunto de
pontos do domínio da função-objetivo a ser maximizada ou minimizada.
A função-objetivo é o objeto de uma otimização. Um problema de otimização
pode ser um conjunto de teste para identificar os indivíduos mais aptos ou mesmo uma
"caixa preta", onde é conhecido apenas o formato das entradas e retornado um valor que
se queira otimizar. A grande vantagem dos algoritmos genéticos está no fato de não
33
precisar saber como funciona a função objetivo, apenas tê-la disponível para ser
aplicada aos indivíduos e comparar os resultados.
A quantidade de pontos depende do número de variáveis de projeto do problema
em questão. Algoritmos genéticos são algoritmos iterativos, em que a cada iteração a
população é modificada, usando as melhores características dos elementos da geração
anterior e submetendo-as aos três tipos básicos de operadores, para produzir melhores
resultados (GOLDBERG, 1989). Para atingir estes objetivos são usados os seguintes
processos:
 Inicialização: é gerada aleatoriamente a população inicial, que está constituída
por um conjunto de cromossomos os quais representam as possíveis soluções do
problema. Em caso de não fazê-lo aleatoriamente, é importante garantir que
dentro da população inicial se tenha a diversidade destas soluções para ter uma
boa representação da maior parte do espaço de busca possível, evitando
a convergência prematura.
 Avaliação: a cada um dos cromossomos desta população se aplicará a função
objetivo para saber a qualidade da solução que está sendo codificada.
 Condição de término do Algoritmo Genético: é considerado esta condição
quando se atinge a solução ótima, embora seja geralmente desconhecida, e por
isso deve-se utilizar outros critérios de consideração. Normalmente são usados
dois critérios: executar o AG com um número máximo de iterações (gerações)
ou pará-lo quando não há mais nenhuma mudança na população. Enquanto a
condição não for cumprida deverá ser feito o seguinte:
o Seleção: após saber a aptidão de cada cromossomo, se procede a eleger
os cromossomos que serão cruzados na seguinte geração. Os
cromossomos com melhor aptidão possuem maior probabilidade de
serem selecionados.
o Cruzamento: é o principal operador genético, representa a reprodução
sexual, opera sobre os cromossomos da vez para gerar os descendentes
onde serão combinadas as características dos cromossomos-pais. Esta
recombinação garante que os melhores indivíduos sejam capazes de
trocar entre si as informações que os levam a ser mais aptos a sobreviver,
e assim gerar descendentes ainda mais aptos
o Mutação: mudanças aleatórias do cromossomo dos indivíduos e permite
alcançar áreas do espaço de busca que não foram cobertos pelos
34
indivíduos da população atual. São feitas com probabilidade mais baixa
possível, e tem como objetivo permitir maior variabilidade genética na
população, impedindo que a busca fique estagnada em um mínimo local.
o Substituição: uma vez aplicados os operadores genéticos,
são selecionados probabilisticamente os indivíduos para formar a
população da próxima geração.
No fluxograma apresentado na Figura 4.1 está presente o esquema básico de um

algoritmo genético:
Figura 4.1 Fluxograma básico de um Algoritmo Genético (SEN e YANG, 1998)
4.2.2 O Problema da Inicialização (Latin Hypercube)
Métodos baseados em população possuem um problema a ser resolvido no início

do processo: Como criar a primeira população para o algoritmo? A solução trivial seria
gerar randomicamente valores para as variáveis do problema e assim criar os indivíduos
da população inicial. No entanto este método puramente randômico não garante que
todo o espaço de busca seja igualmente amostrado.
35
A amostragem por hipercubo latino (do inglês Latin Hypercube Sampling –
LHS) é um método de simulação (MCKAY, BECKMAN e CONOVER, 1979),
semelhante ao Método de Monte Carlo. Este pode ser descrito como um método de
simulação estatística que utiliza sequência de números aleatórios massivos para
desenvolver simulações, isto é, repetindo sucessivas simulações um elevado número de
vezes, para calcular probabilidades heuristicamente.
Em duas dimensões, o método da amostragem por quadrado latino consiste em

dividir o espaço (neste caso, um quadrado), formado pelas duas variáveis em um
tabuleiro de xadrez n x n e escolher, na amostragem, os n pontos em cada subquadrado,
mas de forma que não haja dois pontos ocupando a mesma linha ou coluna. Quadrado
latino, nome cunhado por Leonhard Euler, é um quadro n x n em que cada casa tem
uma letra (do alfabeto latino, daí o nome) arranjadas de forma que duas letras iguais não
ocupem a mesma linha ou coluna.
O hipercubo latino é a generalização deste método para k dimensões: o espaço

amostral de cada uma das k variáveis é dividido em n intervalos equiprováveis, e um
ponto é escolhido em cada um destes intervalos; isto gera uma matriz de k colunas,
formadas pelas amostras de cada variável, que são depois permutadas aleatoriamente,
gerando a amostra final de n vetores de k dimensões.
A diferença básica entre o método de Hipercubo Latino (LHS) e o de Monte

Carlo é em relação as classes, que passam a ser tratadas como estratos e os números
pseudoaleatórios são distribuídos de forma proporcional a distribuição dos elementos de
cada amostra pelos estratos estabelecidos (MARTINS e FERREIRA, 2013). Estudos
realizados mostram o aumento da eficiência ao utilizar o método LHS em substituição
ao método de Monte Carlo, no quesito precisão e rapidez para todo o modelo de
incerteza (PILGER, COSTA e KOPPE, 2005), como por exemplo na associação do
ajuste histórico de produção com a análise de incertezas para se obter modelos mais
confiáveis para a previsão de produção de petróleo e gás (MASCHIO, SCHIOZER e
CARVALHO, 2009).
4.3 Tipo de Problemas
36
Muitos problemas possuem formulação conflitante, isto é, não se consegue um
ponto ótimo, uma solução equilibrada sem um julgamento externo à função. Por
exemplo, em geral custo e qualidade em projetos de produtos são funções conflitantes,
em geral ao se tentar aumentar a qualidade aumenta-se também o custo e tentar uma
formulação que maximize a qualidade e minimize o custo exige uma decisão externa,
geralmente não matemática.
Diz-se que estes problemas possuem mais de um objetivo, qualidade e custo no

exemplo apresentado, e os dois objetivos devem ser tratados em conjunto. Assim pode-
se classificar os problemas quanto à quantidade de objetivos em Mono-objetivo e Multi-
objetivo.
4.3.1 Problemas de Otimização Mono-objetivo
Os problemas de otimização mono-objetivo ou SOOP (Single-Objective

Otimization Problem) consistem na busca de uma única solução ótima no espaço de
busca, o qual corresponde às soluções extremas (mínimas ou máximas) da função-
objetivo do problema em questão.
É possível encontrar-se com problemas que tenham muitas soluções ótimas

dentro de diferentes espaços de busca reduzidos. Estas soluções “ótimas” são
conhecidas como ótimos locais e, ao trabalhar com estes, é muito importante que os
métodos usados utilizem técnicas que permitam que a busca se distribua por todo o
espaço de busca, de forma a que o método utilizado seja capaz de encontrar o ótimo
global e não ser burlado por um ótimo local.
Na Figura 4.2 representa-se uma função-objetivo com seu ótimo global e os

ótimos locais num espaço de busca bi-dimensional. É possível ver a importância de
distribuir a busca a modo de conhecer todos os ótimos.
37
Figura 4.2 Função objetivo com ótimo global e ótimos locais
4.3.2 Problemas de Otimização Multi-objetivo
Os problemas de otimização multi-objetivo ou MOOP (Multi-Objective

Optimization Problem) são problemas caracterizados pela existência de mais de um
critério a serem otimizados simultaneamente e, portanto, o problema tem diferentes
soluções ótimas (GOLDBERG e DEB, 1989). Estes critérios são, na maioria das vezes,
conflitantes entre si. É impossível simplesmente adotar a solução extrema de um dos
objetivos quando os demais critérios também são relevantes ao problema. As soluções
dos extremos de um único objetivo exigem um compromisso nos demais objetivos
(cenários conflitantes).
Na vida real é comum a existência de problemas de otimização que consideram
mais de um objetivo. Nesse caso, esses problemas se tornam interessantes quando seus
objetivos são conflitantes. Um exemplo de um problema com objetivos conflitantes é o
desenho de um avião militar, onde os desenhistas querem maximizar a velocidade e
maximizar a capacidade portante. O modelo ótimo não é aquele que maximiza algum
dos objetivos, pois estes objetivos são conflitantes entre si. Sendo que aumentar a
capacidade portante se consegue aumentando a envergadura das asas, o que aumenta a
resistência do vento em relação a movimentação do avião, reduzindo assim a velocidade
da aeronave. Dessa forma ao maximizar a capacidade portante estará sendo obtido
modelos que encontram-se longe de serem ótimos segundo o critério da velocidade, e
38
será igual no caso contrário quando se busca maximizar a velocidade. Contudo, dentre
todos os modelos existem alguns que são superiores a outros, isto é, apresentam uma
melhor avaliação geral quando se analisam todas as funções-objetivo.
4.3.3 Conjunto Eficiente ou Fronteira de Pareto
Antes de incorporar o conceito de Fronteira de Pareto, é necessário definir o

conceito de dominância no contexto de um procedimento de otimização. A dominância
é o critério que permite comparar a qualidade de duas soluções num problema de
otimização multi-objetivo. Dadas duas soluções x e y, considera que x domina y
(denotado por xy) caso as condições abaixo sejam satisfeitas:
1. A solução x é pelo menos igual a y em todas funções objetivo;

2. A solução x é superior a y em pelo menos uma função objetivo.
Muitas abordagens foram propostas para estender as aplicações de algoritmos

genéticos para problemas multi-objetivos (GOLDBERG, 1989). O conceito de
dominância de Pareto é uma delas e este conceito propõe um procedimento para
ordenação de soluções. Neste caso, o valor da aptidão de uma solução é proporcional ao
número de soluções que ela domina. Portanto, as soluções dominantes (ou não
dominadas) são mais aptas à sobrevivência, obtendo assim, uma maior quantidade de
clones na lista de descendentes (TICONA, 2003).
Uma solução é chamada de Pareto-ótima, ou não-dominada ou eficiente se são
soluções viáveis, e não pode ser dominada por nenhuma outra solução viável em um
espaço de busca X. Uma solução Pareto-ótima não pode ser melhorada com relação a
qualquer objetivo sem que exista a piora para pelo o menos algum outro objetivo, por
isso as funções objetivo empregadas nos MOOPs são em geral conflitantes entre si.
Segue-se, assim, na busca de uma solução eficiente (JÚNIOR, 2011).
O conjunto das soluções não-dominadas em X é chamado de conjunto Pareto-
ótimo, e a imagem de um determinado conjunto Pareto-ótimo, no caso do problema ser
bi ou tri-objetivo, é chamada de Fronteira de Pareto. Tendo mais de 3 objetivos chama-
se Conjunto Eficiente (KONAK, COIT e SMITH, 2006).
Como exemplo prático de objetivos conflitantes, pode-se citar o preço e
desempenho na compra de equipamentos, por exemplo, de computadores. Geralmente
os computadores de maior custo são o de melhor desempenho e vice-versa. Assim, em
39
uma compra devem ser considerados vários modelos de computadores com diversos
valores nos objetivos de preço e desempenho. Caso esses dois objetivos tenham igual
importância, não é possível dizer, no caso, que uma redução de preço compensa certa
perda de desempenho. Na realidade, existe um conjunto de soluções que possuem
vantagens em desempenho, mas que não são melhores em custo e vice-versa. Ou seja,
há um conjunto de alternativas ótimas que são não-dominadas entre si nos objetivos
custo e desempenho (TICONA e DELBÉN, 2008).
Seguindo com o exemplo anterior, a figura mostra os valores de preço e
desempenho (de 0 a 100) de várias alternativas para o caso de compra de computadores,
ilustrando a relação de dominância entre as soluções, o conjunto Pareto-ótimo e a
fronteira de Pareto.
Figura 4.3 Preço versus Desempenho de 5 opções de computadores

(TICONA e DELBÉN, 2008)
Relações de dominância: 3 2, 5 1, 5 2.
Conjunto Pareto-ótimo = {3,4,5}
A Figura 4.4 mostra alguns exemplos de conjuntos Pareto-ótimos, de acordo

com várias combinações de maximização/minimização de duas funções f1 e f2. A curva
indica onde o conjunto está localizado e a figura ilustra ser possível ter conjuntos
Pareto-ótimos formado por uma região contínua ou pela união de regiões descontínuas
(TICONA e DELBÉN, 2008).
40
Figura 4.4 Exemplos de conjuntos Pareto-ótimos (TICONA e DELBÉN, 2008)
4.4 Definição do Método de Otimização

O teorema da Inexistência de Almoço Grátis para Otimização ou No-Free-Lunch
Theorem for Optimization (WOLPERT e MACREADY, 2007), afirma que todos os
algoritmos de busca têm exatamente o mesmo desempenho quando se faz uma média
através de todos os infinitos problemas possíveis, ou seja, nenhum algoritmo de busca é
melhor que outro para todos os problemas.
Exemplificando, como mostrado na Figura 4.5, equivale afirmar que se o

algoritmo X (em linha continua) é melhor que o algoritmo Y (em tracejada) em uma
série de k problemas, então deve haver uma outra série de k problemas em que o
algoritmo Y tem um desempenho superior ao algoritmo X.
41
Figura 4.5 Desempenho de Algoritmos de Otimização
Como consequência do teorema da inexistência do almoço grátis, nenhum

algoritmo de propósito geral pode ser melhor do que um algoritmo desenhado
especificamente para a resolução de um problema, em que as características especiais
deste problema, incluindo suas restrições e mapeamentos especiais, sejam
cuidadosamente projetadas e utilizadas para benefício da solução.
Em outras palavras, um bom algoritmo de busca deve embutir o máximo de

conhecimento sobre o problema, na representação, nos operadores genéticos e na função
de avaliação. Problemas que já foram resolvidos ou problemas que tenham algoritmos
não merecem ser atacados usando algoritmos de busca de propósito geral. Algoritmos
de propósito geral são uma boa ferramenta quando se trabalha com um fenômeno no
qual se tem muitas incertezas.
42
5 Implementação dos Procedimentos de
Otimização
No presente trabalho, os modelos e procedimentos descritos anteriormente foram

implementados no software ModeFRONTIER. Trata-se de uma ferramenta de
otimização multidisciplinar multi-objetivo, com integração de processos e pós-
processamento que permite o fácil acoplamento com diversas ferramentas de análise,
sejam comerciais ou de desenvolvimento in-house (ESTECO, 2015).
Entre as principais características do ModeFrontier, pode salientar-se as três

seguintes:
a) Integração: permite organizar uma ampla gama de ferramentas e gerenciar o

processo de desenvolvimento de produtos.
b) Otimização: contém um conjunto de algoritmos de otimização, incluindo
otimização multi-objetivo que possibilitam identificar as soluções que se
encontram na Fronteira de Pareto.
c) Colaboração: uma característica muito importante em projetos
multidisciplinares, embora não será explorada nesse trabalho.
5.1 Integração e Automação de Processos

O ambiente de fluxo de trabalho garante formalização e gestão de todos os
passos lógicos que compõem um processo de engenharia. Suas capacidades de
integração permitem que engenheiros de produção e projetistas possam integrar várias
ferramentas.
A tecnologia de otimização dentro do ModeFRONTIER pode ser aplicada para

realizar simulações repetitivas e simultâneas, proporcionando uma integração perfeita
com soluções de terceiros (third-party solvers). Entradas e saídas são automaticamente
43
definidas a partir de um modelo paramétrico, com a consideração de todas as
dependências.
A Figura 5.1 apresenta de forma sintetizada como o ModeFRONTIER

administra os dados e os processos que devem ser realizados em três etapas:
1. Etapa 1 (ModeFrontier): O ModeFrontier dá início à execução do ciclo

seguindo as configurações iniciais do usuário como os algoritmos a ser
utilizados: de inicialização e de otimização.
2. Etapa 2 (Inputs Variables): São introduzidas as variáveis de entrada
segundo o algoritmo de inicialização ou segundo o algoritmo de
otimização, ambos configuradas na etapa 1.
3. Etapa 3 (Solvers): Aqui, as variáveis de entrada definidas na etapa
anterior são processadas pelas ferramentas de cálculo externas ao
ModeFrontier. Como a mesma Figura 5.1 sugere, aqui podem ser
acopladas ferramentas como CAD, CAE e FEM.
4. Etapa 4 (Outputs Variables): São coletadas as variáveis de saída dos
diferentes arquivos resultantes da etapa anterior.
5. Etapa 5 (ModeFrontier): As variáveis de saída coletadas na etapa
anterior serão avaliadas pelo algoritmo de otimização definido na etapa
1. Ficando fechado assim 1 ciclo, da execução do ModeFrontier.
Figura 5.1 Gerenciamento de processos com ModeFrontier (ESTECO, 2015).
Para a implementação dentro do ModeFrontier, do ciclo explicado anteriormente

(Figura 5.1), existe um ambiente de trabalho, chamado Fluxo de trabalho onde cada
44
etapa explicada desdobra-se em vários nós, os quais representarão: cada uma das
variáveis de entrada, cada um dos solvers, e cada um das variáveis de saída, etc.
5.2 Fluxos de Trabalho

O Fluxo de Trabalho é o que permite implementar cada uma das etapas do
processo de otimização dentro do ModeFrontier. A Figura 5.2, exemplifica um fluxo de
trabalho de uma otimização multi-objetivo com restrições fazendo uso do algoritmo
NSGA-II.
Figura 5.2 Fluxo de trabalho do ModeFRONTIER (ESTECO, 2015).
No fluxo de trabalho os dados são transferidos automaticamente a partir de uma

simulação para a seguinte, atualizando todos os valores dos parâmetros de acordo com
os algoritmos de otimização, extraindo assim os resultados relevantes. A solução do
ModeFRONTIER para esta fase é a capacidade da plataforma de automatizar o processo
juntamente com a grande variedade dos nós de integração.
O fluxo de trabalho, está composto de duas partes principais:
 Fluxo de Execução;
 Fluxo de Dados.
45
O primeiro passo para construir o fluxo de trabalho é definir o fluxo de
execução, o qual inicia com o módulo DOE (Design of Experiments). Este módulo cria
a partir das variáveis de entrada, input, a população inicial que será avaliada no
programa de otimização. A população inicial será passada para o módulo seguinte, onde
contém uma listagem dos algoritmos de otimização disponíveis. Após esta etapa, são
definidos os módulos que avaliam à função objetivo, e finalmente inclui-se o módulo de
saída (exit). Neste ponto o fluxo de execução está completo.
O seguinte passo é definir o fluxo de dados, o qual dependerá dos módulos que
representam a função objetivo. Portanto, se terá um fluxo de dados para cada tipo de
análise a ser realizada. Dito de outra forma, o fluxo do cálculo da função objetivo
depende do solver usado (Smartlay ou SITUA/Prosim).
Quando o solver utilizado é o Smartlay, o fluxo é bastante simples. Começa com

as variáveis que definem a geometria da superfície de lançamento (Rb, Rs, CL, etc.).
Todas essas variáveis são introduzidas no módulo do Smartlay, onde são realizados os
cálculos necessários para conhecer o estado de solicitação do duto (TMO, TMS).
No entanto, o SITUA/Prosim por ser um programa de elementos finitos, requer

mais dados de suporte, o que resulta em um fluxo mais complexo. Como no fluxo de
dados anterior, este também inicia com as variáveis que definem a geometria da
superfície de lançamento. Em seguida, essas variáveis são entregues ao gerador de
malha (ContactMesh), o qual gera uma malha de contato (rampa de lançamento) para
repassar a mesma ao SITUA/Prosim, onde será efetuado os cálculos necessários para
conhecer a deformação e a tensão de von Mises de cada ponto do duto. Os dados de
saída do SITUA/Prosim são coletados pela rotina de pós-processamento que vai
identificar os pontos críticos no duto, descriminando a região à qual pertencem,
overbend ou sagbend e avaliar os critérios.
A Figura 5.3 apresenta os elementos que descrevem o fluxo de trabalho e uma

breve definição dos mesmos, os quais serão detalhados mais adiante.
46
Figura 5.3 Definição básica das componentes do fluxo de trabalho
5.3 O Processo de Otimização

O modelo de otimização usual é composto pelo fluxo de dados e fluxo de
execução. Como visto na Figura 5.4, o fluxo de dados segue o sentido de cima para
baixo e inicia-se na definição das variáveis de projeto, enquanto o fluxo de execução
possui o sentido da esquerda para a direita. Então, é realizada a simulação da
configuração estabelecida. Após esta fase, o fluxo de dados segue com o alcance dos
valores das respostas de interesse, verificação das restrições e, finalmente, a avaliação
da função objetivo.
Figura 5.4 Modelo de fluxograma genérico do ModeFRONTIER.
47
O fluxo de execução inicia-se com o Design of Experiments (DOE), onde através
do input (variáveis de entrada), cria uma população inicial a partir de métodos
selecionados para tal.
Após a população inicial ter sido criada, é realizada a escolha do algoritmo de

otimização, no módulo seguinte denominado scheduler. O algoritmo avalia a
performance dos indivíduos a cada geração, sendo os melhores conservados e os piores
descartados ou mantidos, dependendo da implementação, e os restantes são alterados.
Assim, é realizada uma seleção natural que vai conservando os melhores indivíduos
(VIEIRA, 2012).
Ao final do número de gerações estipulado, os resultados podem ser avaliados

em termos da função objetivo. Após a execução do programa os dados são
disponibilizados para o pós-processamento através do design space, onde é possível
plotar vários tipos de gráficos, para as mais diversas configurações dentre as variáveis
de entrada e saída.
5.4 Design of Experiments (DOE)

Design of Experiments (DOE) fornece uma estrutura para projetar e analisar
experimentos comparativos, onde busca-se obter a informação qualitativa mais
relevante a partir de um banco de dados de experimentos, realizando o menor número
possível de testes (começando antes da otimização ou como uma primeira fase
estratégica da mesma), ou seja, é realizado várias combinações de cada variável de
projeto:
 Quais são as variáveis de entrada mais importantes?

 Pode-se reduzir o espaço das variáveis (número e alcance)?
 Existe alguma relação entre os outputs?
Uma amostra do design space (ambiente de projeto) é formada a partir de

variáveis de projeto. Esta amostragem é, por sua vez, executada pelo programa através
do DOE. O tipo de amostragem depende do tamanho da busca a ser feita, e quanto é
conhecido sobre os parâmetros. O número de modelos de teste pode também depender
48
do tipo de algoritmo utilizado para promover a otimização. É comum o uso de algum
tipo de amostra que atenda a otimização, além do objetivo geral (NIELSEN, 2013).
Dentre os inúmeros métodos está presente o DOE sequence, métodos

exploratórios utilizados para conhecimento do comportamento global do modelo em
estudo, permitindo uma ampla amostragem do espaço de busca. Esses métodos
abrangem:
 O Random Sequence (sequência aleatória),

 O Sobol (sequência uniforme pseudoaleatória),
 O Latin Hypercube (Hipercubo Latino),
 O Cross Validation (Validação Cruzada).
Também há os métodos de análise estatística, que busca as variáveis mais

significantes através da análise de interação entre elas, que são:
 Full Factorial (Fatorial Completo),

 Reduced Factorial (Fatorial Fracionado),
 Cubic Face Centered (Cubo de Face Centrada),
 Box-Behnken, Plackett Burman
 Latin Square (Quadrado Latino).
Neste trabalho, empregou-se o algoritmo Uniform Latin Hypercube, gerador

randômico que obedece diferentes distribuições estatísticas e faz uma amostragem DOE
relativamente uniforme, fornece um crescimento dos parâmetros de design e evita a
endogamia (ou seja, permitirá que o design seja o mais variado possível evitando
designs idênticos). Isso irá fornecer um maior número possível de designs disponíveis
(ESTECO, 2015).
5.5 Algoritmo de Otimização Aplicado

O ModeFrontier tem disponível um conjunto bem diversificado de algoritmos de
otimização, como algoritmos evolutivos, heurísticos, multi-estratégia e de gradiente
conjugado.
49
Neste trabalho, se empregara um algoritmo genético multi-objetivo MOGA-II,
disponível no ModeFrontier, projetado para a rápida convergência a Fronteira de Pareto.
O algoritmo MOGA-II é uma versão aprimorada do MOGA (Multi-Objective Genetic
Algorithm) de Poloni (Coello, 2002), importante é não confundir com o MOGA de
Fonseca e Flemming. MOGA-II possui um método de busca elitista (o melhor indivíduo
passa para a próxima geração), objetivando robustez e cruzamento direcional com a
finalidade de obter rápida convergência (Nobile, 2006). A eficiência deste algoritmo é
devido ao uso de quatro operadores (cruzamento clássico, cruzamento direcional,
mutação e seleção) em seu algoritmo genético clássico e pelo uso do elitismo. Em cada
etapa do processo de reprodução, o operador é escolhido e aplicado ao atual indivíduo
(YAMAMOTO e INOUE, 1995).
Suas principais características são (Rigoni, 2005):
 Suporta seleção geográfica e cruzamento direcional.

 Implementa elitismo para busca multi-objectivo.
 Permite evolução geracional ou estado estável.
 Permite avaliação simultânea de indivíduos independentes.
 Só trabalha com variáveis discretas.
50
6 Definição dos Estudos de Caso
Com a finalidade de conhecer o comportamento das variáveis envolvidas na

operação de lançamento, serão testados vários modelos de otimização processados pelo
um algoritmo genético multi-objetivo MOGA-II. Os modelos serão baseados em duas
formulações do problema, uma será o Smartlay, o qual depende de uma metodologia
analítica, e a outra é o programa de elementos finitos SITUA/Prosim.
6.1 Formulação do Problema

Os modelos propostos para o problema em estudo avaliam o desempenho de
uma geometria de lançamento formada pela balsa de lançamento (BGL-1) e o stinger
acoplado.
Para representar o desempenho da geometria de lançamento numa operação de

instalação de dutos, é utilizado o critério simplificado de lançamento da norma
norueguesa para sistemas de dutos submarinos DNV-OS-F101 (seção 13). Esse critério
contempla tanto a verificação da tensão máxima de von Mises do duto nas regiões do
Sagbend e do extremo do Stinger, como a verificação da deformação máxima atingida
no duto na região do Overbend.
A geometria de lançamento é definida pelos raios da balsa e do stinger e também

pelo comprimento do stinger. O desempenho é avaliado mediante as solicitações no
duto as quais dependem não somente da geometria de lançamento mas também da
tração aplicada ao duto pela máquina de tração. Dessa forma para encontrar uma
geometria de lançamento ótima também deve ser encontrada uma tração adequada.
De forma a simplificar o problema, este será separado em dois estudos de caso:
1. Estudo de Caso 1: terá por objetivo determinar o comprimento do stinger e a tração

aplicada ao duto.
51
2. Estudo de Caso 2: terá por objetivo determinar a geometria de lançamento e a tração
aplicada ao duto.
6.2 População Inicial e Gerações

A população inicial utilizada foi combinada com o número de gerações para
conseguir explorar corretamente o espaço de busca e para realizar uma busca mais
localizada. Primeiramente foi utilizada uma população de 30 indivíduos com 50 como
número de gerações. A população inicial é gerada com o algoritmo Latin Hypercube.
Uma vez atingido o objetivo de exploração, foi reiniciada a busca com uma população
inicial de 20 indivíduos com 80 como número de gerações. Em parte, formada pelos
valores obtidos do algoritmo Latin Hypercube e em parte por valores que formam parte
da curva de Pareto do primeiro estudo.
6.3 Estudo de Caso 1

Este estudo de caso será subdividido em dois:
1. Estudo de Caso 1.1: se trabalhara com a tração mínima de lançamento

calculada pela ferramenta analítica (Smartlay).
2. Estudo de Caso 1.2: se trabalhara com uma tração superior à tração mínima.
Salienta-se que este estudo de caso será completamente desenvolvido com
ModeFrontier e o Smartlay.
6.3.1 Variáveis de Projeto
As variáveis de projeto do Estudo de Caso 1 são as mesmas para ambas

variantes Estudo de Caso 1.1 e 1.2, a exceção de uma variável adicional no estudo de
caso 1.2. Para o Estudo de Caso 1 as variáveis são:
 Raio da Balsa (Rb);

 Raio do Stinger (Rs);
 Profundidade (depth);
 Comprimento do Stinger (CL).
52
 Tração aplicada ao duto (Tdet), somente para o Estudo de Caso 1.2.
6.3.2 Função Objetivo
A função objetivo é calculada pela ferramenta de resolução (Solvers): Smartlay

(ferramenta analítica). Formalmente o problema em estudo pode ser definido em um
espaço de busca S de M dimensões, composto por um vetor de variáveis de projeto x =
(x1, x2, x3, ... , xM), onde as componentes podem ter limites inferiores e superiores. O
objetivo é minimizar a funções objetivos f1(x) e f2(x), considerando as restrições de
desigualdade (gj(x) ≤ 0) que definem a região viável F existente em F  S:
Minimiza: 6.1
Maximiza:
Sujeito a:
Como visto na seção (6.3.1 Variáveis de Projeto) o vetor das variáveis de projeto
para o Estudo de Caso 1.1 será:
Para o Estudo de Caso 1.2, o do vetor das variáveis será:
As funções objetivo f1 e f2 são definidas nas equações 6.2 e 6.3:
6.2
6.3
Onde:
CL: Comprimento do Stinger
depth: Profundidade de projeto
53
Os valores de CL e depth serão definidos pelo ModeFrontier e passados ao
Smartlay para poder ser utilizados nos cálculos das tensões. Inicialmente, os valores são
obtidos mediante o algoritmo Latin Hyper Cube, e posteriormente são gerados pelo
algoritmo MOGA-II, ambos disponíveis no ModeFrontier.
6.3.3 Restrições
As restrições limitam o espaço de busca e são formuladas pela equação 6.4:
6.4
Para o Estudo de Caso 1.1, gj(x) se define como:
Para o Estudo de Caso 1.2, às anteriores restrições é adicionada a seguinte:
Onde:
TMO: Taxa da Tensão Máxima no Overbend;

TMS: Taxa da Tensão Máxima no Sagbend;
Ttens: Tração aplicada ao duto;
Tmax: Tração máxima aplicável pela máquina de tração;
Rb: Raio da Balsa;
Rs: Raio do Stinger;
Tmin: Tração requerida para suportar o duto;
Tdet: Tração determinada pelo algoritmo de otimização
54
As taxas da tensão máxima nas regiões de Overbend e Sagbend são calculadas
da seguinte forma:
6.5
6.6
Onde:
σtd: Tensão Máxima no "Sagbend"

σpt: Tensão máxima no "Overbend"
fy: Tensão de Escoamento do aço
55
6.4 Estudo de Caso 2
O Estudo de Caso 2 será desenvolvido com o ModeFrontier e um dos solvers
utilizados (Smartlay ou SITUA/Prosim). Tendo-se duas variantes comparáveis do
Estudo de Caso 2, dessa forma se terão resultados para cada solver, os quais serão
comparados entre eles.
A primeira variante que trabalha com o solver Smartlay será chamada de Estudo
de Caso 2.1, e a que trabalha com o SITUA/Prosim será chamada de Estudo de Caso
2.2.
6.4.1 Variáveis de projeto
Para o Estudo de Caso 2 as variáveis de projeto são:
 Raio da Balsa (Rb);

 Raio do Stinger (Rs);
6.4.2 Função Objetivo
Esta vez a função objetivo é calculada por uma das ferramentas de resolução
(Solver): Smartlay (ferramenta analítica) ou SITUA/Prosim (programa de elementos
finitos) para cada variante.
O vetor das variáveis de projeto para o Estudo de Caso 2 será:
A função objetivo f é definida na equação 6.7:
6.7
Onde, Ttens é a tração aplicada na linha (JUNIOR, 2014), e é calculada pelo

Smartlay no estudo de caso 2.1, porém no estudo de caso 2.2 é calculada pelo
SITUA/Prosim.
56
6.4.3 Restrições
As restrições limitam o espaço de busca e são formuladas pela equação 6.8:
6.8
Para identificar as seguintes variáveis ver seção 6.3.3
Onde:
DTE_Overbend: Valor Máximo da taxa de Deformação no Overbend;

VME_Sagbend: Valor máximo da taxa de tensão de von Mises no
Sagbend;
FX_MaqTrac: Tração aplicada ao duto;
LT320tn: Tração máxima aplicável pela máquina de tração;
Rbalsa: Raio da Balsa;
Rstinger: Raio do Stinger;
57
As taxas da tensão máxima nas regiões de Overbend e Sagbend são calculadas
da seguinte forma:
6.9
Onde:
σeq: Tensão de von Mises no "Sagbend"
fy: Tensão de Escoamento do aço
58
7 Estudo de Caso 1 – A Escolha do Stinger
Os estudos realizados neste item têm por objetivo investigar a metodologia

analítica proposta (Smartlay) a fim de determinar o comprimento de stinger (CL)
necessário para atingir a profundidade de projeto (depth) desejada. O estudo será
realizado para Stingers de comprimento no intervalo de 0 a 60 metros (zero, representa
a ausência do Stinger) e para os dutos de 12.75 e de 16 polegadas de diâmetro. Salienta-
se que Stingers de maior comprimento permitem um melhor controle das tensões,
portanto, levando em consideração somente o duto, sempre terão melhor desempenho.
Para simplificar o estudo, a profundidade foi considerada como sendo uma

variável livre do estudo, mesmo não sendo uma variável livre de projeto de lançamento
de dutos. Dessa forma o algoritmo de otimização tem a autonomia de escolher as
profundidades que serão estudadas. Além disso, os resultados obtidos serão organizados
automaticamente na base de dados que contém todos os resultados (esse último é um
recurso do ModeFrontier)
Para ilustrar de forma mais fácil mostra-se a Figura 7.1, que apresenta as
principais variáveis envolvidas nos estudos. As principais variantes são o comprimento
do stinger e o tipo de tração (a mínima para sustentar o duto ou uma tração superior a
mínima).
Figura 7.1 Variáveis envolvidas no estudo de caso 1
59
Conhecendo a mecânica do problema nota-se que não é possível garantir que os
comprimentos de stinger obtidos desse estudo serão os mínimos possíveis, pois sabe-se
que a maior contribuição para a falha dos dutos num processo de instalação é a
curvatura do mesmo. Estando a linha em suspensão e tracionada, verifica-se que quanto
maior é a tração menor a curvatura, sendo assim ao aplicar trações maiores à tração
mínima, as tensões devido à flexão do duto diminuirão. Embora as tensões devido às
forças axiais aumentem, a tensão total (ou seja, as contribuições das tensões axial e de
flexão) diminuirá até um mínimo. Também pode que a profundidade seja tal que a
tração mínima necessária provoque tensões maiores à mínima mesmo com o duto
tracionado com a tração mínima.
Mediante o uso do conceito de superfície de Pareto, é possível traçar uma curva

que relacione o comprimento do stinger com a profundidade. Dessa forma, teremos um
conjunto de soluções ótimas (profundidades máximas) para toda a faixa de variação do
comprimento do stinger.
7.1 Leitura dos Gráficos

Grande parte dos gráficos apresentados neste capítulo seguirão a simbologia da
Figura 7.2, onde estão representadas as três categorias as quais uma solução pode
pertencer. A primeira é a Viável (Feasible), que é o conjunto de soluções que
satisfizeram todas as restrições para serem aceitas; em seguida tem-se as Inviáveis
(Unfeasible) que violaram alguma restrição, e finalmente tem-se os Erros (Error) que
são indivíduos que por algum motivo não conseguiram ser avaliados. Um detalhe
importante é que quando as soluções viáveis pertencem à fronteira de Pareto, o símbolo
de solução Viável é enquadrado por uma linha verde.
Figura 7.2 Simbologia das categorias das soluções encontradas.
A Tabela 7.1 apresenta uma descrição dos nomes das restrições utilizadas no
fluxo de trabalho do ModeFrontier que serão apresentados nos capítulos 7 e 8.
60
Tabela 7.1 Tabela das Restrições.
Restrições
Nome Descrição
Tdet_gt_Tcalc Tdet >= Tcalc
Restrição_MT Máximo valor da Máquina de Tração
Less_than_60per Menor que 60 % da tensão de fluência
Less_than_60per_1 Menor que 60 % da tensão de fluência
Tensão máxima no overbend maior que 60% da tensão
TMO_60por de escoamento do material
Rb_more_than_Rs Raio da balsa maior que o raio do stinger
Rb_gt_Rs Raio da balsa maior que o raio do stinger
Rb_ge_Rs Raio da balsa maior ou igual ao raio do stinger
Tensão de Von Mises menor que 87 da tensão de
VME_LT_87 fluência do duto
DTE_LT_87 Deformação Total menor que 2.3%
TMO_le_60per de escoamento do material (aço)
TMS_le_60per de escoamento do material (aço)
Restrição que representa Tração máxima gerada pela
Tmax máquina de tração
Restrição que representa Tração máxima gerada pela
Tmax_1 máquina de tração
Restrição que representa a tração mínima para suportar
Tmin o peso do duto
7.2 Estudo de Caso 1.1: Tracionado ao Mínimo

Tmin
Neste estudo foi buscada a melhor configuração do stinger considerando um
intervalo de 0 a 60 m do comprimento do Stinger. Os resultados apresentados foram
gerados com o uso da tração mínima necessária para sustentar o duto (Tmin). Esta
última condição faz com que o duto adote uma configuração geométrica com grandes
curvaturas.
Vale salientar que Tmin não é uma constante, ela deve ser calculada para cada
nova configuração gerada.
A Figura 7.3 apresenta o fluxo de trabalho de uma otimização mono-objetivo.

Foram consideradas quatro restrições. As duas primeiras são para limitar o tamanho das
61
tensões máximas no overbend e no sagbend (Less_than_60per e Less_than_60per1), a
terceira para representar a tração máxima que o tracionador do navio de instalação
(nesse caso específico a Balsa Guindaste de Lançamento, BGL-1) pode aplicar ao duto
(Restrição). A quarta restrição impede que o raio da balsa seja menor que o raio do
stinger (Rb_gt_Rs).
Distingue-se que os objetivos são minimizar o comprimento do stinger e

maximizar a profundidade de instalação. As restrições são controles para que sejam
cumpridas as condições da tração mínima, a tensão máxima na ponta do stinger e a
tensão máxima no sagbend.
Figura 7.3 Fluxo de trabalho ModeFrontier para o estudo de caso 1.
7.2.1 Estudo de Caso 1.1: Tmin; Duto 12 ¾”
A seguir são apresentados os resultados obtidos com o duto de 12,75 polegadas,

condicionados à mínima tração necessária para sustentar o duto.
A Figura 7.4 mostra os modelos gerados pelo algoritmo de otimização segundo

comprimento do stinger e a profundidade de instalação. Este gráfico é o resultado mais
importante dessa otimização, pois permite conhecer a máxima profundidade que pode
62
ser atingida pelo duto em estudo com um stinger de 0 a 60 metros de comprimento. É
possível ver que as soluções não dominadas (fronteira de Pareto) dividem as soluções
viáveis das inviáveis.
Figura 7.4 Mapa de Soluções segundo Profundidade e Comprimento do Stinger
O ModeFrontier permite individualizar os modelos que pertencem a fronteira de

Pareto, sendo assim, possível realizar uma regressão linear ou quadrática dos pontos que
pertencem à fronteira de Pareto. Dessa forma, é obtida uma relação entre o
comprimento de stinger e a profundidade de instalação. As duas regressões são
apresentadas na Figura 7.5. Ambas regressões têm altos valores de correlação, 0.993 e
0.999 para a regressão linear e quadrática respectivamente. Ainda que a correlação seja
alta, a regressão linear não se ajusta à fronteira de Pareto (pontos) para stingers de
comprimento inferior a 10 metros e maiores que 55 metros.
63
Profundidade
170
150
130
Profundidade
y = 2.1388x + 33.796
110 R² = 0.9929
90
70 y = 0,0112x2 + 1,4206x + 41,527

R² = 0,9986
50
30
0 10 20 30 40 50 60
Comprimento do Stinger
Figura 7.5 Regressão linear e quadrática das soluções não-dominadas (fronteira de

Pareto)
As equações 7.1 e 7.2 são regressões linear e quadrática da fronteira de pareto da
Figura 7.5.
7.1
7.2.1.1 7.2
Distribuição das Variáveis
A Tabela 7.2 apresenta dados estatísticos das variáveis do modelo, as quatro

primeiras (CL, Rb, Rs e Depth) são variáveis livres, e as seguintes (TMO e TMS) são as
variáveis dependentes, calculadas pela função objetivo.
A coluna do Coeficiente de Variação contém o valor do desvio padrão dividido

pelo valor da média, obtendo-se um número adimensional que ajuda na comparação da
variação de variáveis em diferentes escalas.
Ao comparar os valores dos coeficientes de variação, é possível ver que os

menores valores são os correspondentes aos raios da balsa e do stinger (Rb e Rs). Isso
64
indica que os valores dos raios dos modelos estão bem concentrados ao redor das
médias.
Tabela 7.2 Estatísticas das Soluções encontradas
Desvio Coef. de
Variável Min Max Média
Padrão Variação
CL 0.00 60.0 33.68 17 0.51

Rb 129.00 250.0 218.40 10.16 0.05
Rs 125.00 250.0 210.10 13.86 0.07
depth 25.00 245.0 99.81 40.28 0.40
TMO 0.41 1.5 0.60 0.09 0.15
TMS 0.14 1.1 0.23 0.08 0.34
Ttens 88.49 7372.0 1368.00 553.00 0.40
Observando a Figura 7.6, podemos confirmar que os modelos viáveis estão bem
concentrados entre 210 a 230 metros para o raio da balsa, e 200 a 220 metros para o raio
do stinger, respectivamente.
Figura 7.6 Mapa de Soluções segundo os raios da balsa e do stinger
65
A Figura 7.7 é o mesmo mapa de soluções da figura anterior, mas em uma escala
maior. Nesta figura é possível ver mais detalhadamente a área na qual se concentram os
raios dos modelos viáveis. Um dos primeiros detalhes que podemos salientar são os
pontos ressaltados com a cor verde. Isto significa que são modelos não dominados, ou
seja, que pertencem à Fronteira de Pareto. Vale lembrar que as variáveis que definem
um modelo são quatro, mas na Figura 7.7 só estão graficadas duas, por isso são
apresentados modelos viáveis e inviáveis superpostos no gráfico. O resultado de
modelos inviáveis é devido ao fato do comprimento do stinger ser curto ou da
profundidade ser muito grande.
Figura 7.7 Mapa de Soluções segundo os Raios da Balsa e do Stinger. Aproximação

das soluções pertencentes à Fronteira de Pareto.
7.2.1.2
Estudo da Profundidade
A Tabela 7.3 apresenta as dez soluções obtidas com valores máximos da

profundidade de instalação, incluindo a máxima profundidade atingida.
66
Utilizando um stinger de 60 metros de comprimento e raios de balsa e stinger de
216 e 212 metros respectivamente, a profundidade máxima atingida foi em torno de 167
metros.
O seguinte dado interessante dessa tabela é a tensão máxima no overbend

(TMO). Observando a coluna é possível perceber que os valores estão no limite imposto
pela restrição que determina o máximo valor como 60% da tensão de fluência do
material. Ao contrário da tensão máxima no sagbend, que ainda se encontra bastante
afastada do limite. Isto é devido a curvatura no overbend ser maior do que a curvatura
no sagbend, pois o peso próprio busca curvar o duto no overbend. E além disso,
apresenta-se o efeito do peso próprio sobre as tensões axiais que aumentam as mesmas.
O limite máximo da tração aplicada no duto também não foi atingido. Observando essas
três variáveis podemos ver que o maior limitante para atingir maiores profundidades são
as altas tensões no overbend.
Tabela 7.3 As dez melhores soluções segundo a profundidade
N CL Rb Rs depth TMO TMS Ttens

1 60 216 212 167 0.599 0.228 1408.91
2 58 215 211 162 0.599 0.227 1398.96
3 58 215 215 162 0.600 0.230 1423.49
4 57 215 214 160 0.600 0.230 1423.05
5 57 215 214 160 0.600 0.230 1423.05
6 57 215 214 160 0.600 0.230 1423.05
7 56 226 225 154 0.599 0.246 1536.31
8 55 216 216 153 0.598 0.231 1425.21
9 55 215 214 153 0.597 0.228 1406.33
7.2.1.3 10 55 215 215 153 0.598 0.229 1412.22
Estudo das Restrições Violadas
Um gráfico que permite observar facilmente as restrições que foram violadas

durante a execução do algoritmo de otimização é apresentado na Figura 7.8. Na figura
mostra-se a percentagem das restrições que foram violadas durante a execução do
algoritmo. Esse gráfico é muito importante pois ajuda ao especialista entender as
condições que mais foram violadas, podendo individualizar algum erro, ou o problema
referente a restrição ou ao fluxo de trabalho. Por exemplo, se a condição mais violada
67
fosse a restrição Rb_ge_Rs que impede que o raio do stinger seja maior que o raio da
balsa, isso seria um chamado de alerta, pois ter-se-iam numerosas configurações fora da
área de busca desejada. Ao estudar a Figura 7.8, vemos que as restrições mais violadas
são TMO_60por e Tmax com 68,16% e 30,18% respectivamente.
No caso que fosse possível trabalhar na melhoria de alguma característica no

processo de lançamento, a análise das condições insatisfeitas pode fornecer uma boa
sugestão das variáveis de interesse, pois conhecendo as restrições que tornam uma
configuração inviável pode-se estudar o que influencia naquela restrição. Neste caso, o
gráfico sugere trabalhar nos aspectos que influenciam a tensão máxima no overbend.
Figura 7.8 Condições Insatisfeitas

7.2.1.4
Tensão e Deformação
A Figura 7.9 apresenta os modelos viáveis e inviáveis em um gráfico de tensão

máxima no overbend (TMO) versus tensão máxima no sagbend (TMS), permitindo ver
o comportamento das duas tensões. A primeira observação é que a nuvem de pontos
parece formar uma curva parabólica, o que indicaria que as tensões são diretamente
proporcionais, mas a tensão máxima no sagbend pode diminuir acompanhado do TMO
até um valor mínimo, e após este valor o TMO continua diminuindo, porém, o TMS
começa a aumentar novamente. É possível ver que todos os modelos viáveis se
encontram à esquerda do TMO igual a 60% (como era esperado devido à restrição
TMO_60por), mas nem todos os inviáveis encontram-se à direita do TMO. Isto é porque
esses modelos inviáveis violaram a restrição da máxima tração aplicada. Também é
68
possível ver que tem modelos tanto viáveis como inviáveis fora da curva formada pela
nuvem de pontos. Com esse gráfico não é possível explicar esses pontos fora da curva,
sendo necessário mais informação.
Figura 7.9 Relação entre as tensões máximas no overbend e no sagbend.
Uma análise mais aprofundada dos dados apresentados no gráfico anterior pode
esclarecer a dúvida dos pontos fora da curva. A Figura 7.10 mostra o mapa das
soluções em um plano TMO versus TMS, com um mapa de cores que representa o
comprimento do stinger (CL) e um sistema de escalas para representar a profundidade
(depth). Com isso, observa-se que os pontos afastados da curva não são soluções
desejadas, pois são soluções dominadas pelas soluções que se encontram sobre a curva.
Isto é visível, pois os pontos fora da curva atingem profundidades menores ou porque
utilizam um maior comprimento do stinger para atingir a mesma profundidade dos
modelos que se encontram sobre a curva.
69
Figura 7.10 Mapa das Soluções viáveis representadas em função das variáveis TMO,
TMS, depth e CL.
7.2.1.5
Tração e Tensão
A Figura 7.11 apresenta as soluções geradas pelo algoritmo em função da tração

na linha (Ttens) e Tensão Máxima no Sagbend (TMS). Tem-se uma curva parabólica
bem definida, na qual destaca-se um mínimo valor da Tensão (TMS) ao aplicar 500kN
aproximadamente. A partir daquele ponto em adiante o aumento da tração só
incrementará a tensão máxima no Sagbend.
A existência do ponto mínimo, como foi explicado anteriormente, deve-se a

diminuição da curvatura do duto, que provoca a diminuição da parcela correspondente à
flexão do duto na contribuição da tensão máxima no sagbend (TMS).
70
Figura 7.11 Tração na linha versus Tensão máxima no Sagbend
Prosseguindo no mesmo raciocínio, poder-se-ia pensar que modificando a tração

aplicada ao duto também seria possível atingir um valor mínimo quando são estudadas
as tensões no overbend, mas essa hipótese fica rejeitada na Figura 7.12. A figura
mapeia as soluções viáveis e inviáveis num plano formado pela tração no duto (Ttens) e
a Tensão Máxima no Overbend. O conjunto de soluções expostas claramente forma uma
reta, o que indica que as duas variáveis (Ttens e TMO) são diretamente proporcionais,
ou seja, sempre que for incrementada a tração na linha a tensão máxima no overbend
aumentará.
A coloração verde indica os pontos que correspondem a Fronteira de Pareto.

Esses pontos encontram-se abaixo dos 60% da tensão de fluência do material e ao redor
da tração Ttens igual a 1400kN, indicando que as soluções pertencentes à Fronteira de
Pareto são todas as soluções que exigem ao máximo o duto no overbend.
71
Figura 7.12 Tração na linha Versus Máxima Tensão de Von Mises no Overbend.
7.2.1.6
Tração e Profundidade
A Figura 7.13 mostra o mapa de soluções em função da tração aplicada na linha

e a profundidade. É possível ver que a fronteira de Pareto é uma linha vertical, e
também que ela está situada ao redor de Ttens igual a 1400 kN. O valor de 1400kN
ainda não é próximo do valor limite o que indica que o motivo dos modelos situados
acima do valor de 1400kN foram rejeitados em sua maioria por ultrapassar a restrição
da tensão máxima no overbend (TMO). Dessa forma, é possível que as características
do duto estão limitando as capacidades de instalação. Com a utilização de outro duto a
profundidade de instalação máxima poderia ser ainda maior.
72
Figura 7.13 Mapa de Soluções segundo Profundidade e Tração Aplicada no duto.
Ainda no mesmo gráfico é possível identificar uma forma triangular, mais

precisamente de um triangulo retângulo formado pelas soluções viáveis. Como pode ser
observado na Figura 7.14, a fronteira de Pareto solicita ao máximo o duto no overbend
de forma a poder minimizar o comprimento do stinger usado e ao mesmo tempo
maximizar a profundidade. Porém, devido a forma triangular do conjunto de soluções
viáveis, poderia ser atingida a mesma profundidade com uma tração no duto inferior a
que pertence a fronteira de Pareto. O que poderia ser de muito interesse para um
projetista devido ao fato dos navios de instalação já dispor de um stinger de
comprimento fixo. Assim, em um projeto real não seria um objetivo reduzir o
comprimento do stinger. Dessa forma, sendo possível contar com um stinger maior ao
mínimo necessário para atingir a profundidade desejada, pode-se reduzir a tração no
duto.
73
Figura 7.14 Mapa de Soluções segundo tração no duto, Profundidade e Comprimento
do Stinger.
A Figura 7.13 apresenta o mapa das soluções segundo a tração no duto e a

profundidade, mas diferentemente da Figura 7.14, ela não discrimina entre soluções
viáveis e inviáveis, entretanto, acrescenta um código de cores para representar o
comprimento do stinger. O código de cores divide intervalo de busca da variável CL
(comprimento do stinger) e representa cada pequeno intervalo com uma cor. As cores
de cada intervalo formam no gráfico faixas paralelas de tangente positiva.
Considerando um caso hipotético no qual o projetista deseje instalar um duto de

12.75 polegadas a uma profundidade de 50 metros. Se ele só dispor de um stinger curto
ele precisará tracionar o duto até 1400kN aproximadamente, mas se o projetista dispor
de um stinger de 60 metros ele poderá utilizar uma tração de 450kN aproximadamente.
Dessa forma o projetista pode escolher a faixa a qual representa o stinger que se tem à
disposição, com essa informação e com a profundidade de instalação é possível
encontrar uma pequena faixa de trações que atenderiam o problema.
74
Quando o projetista utiliza uma tração no duto inferior à tração pertencente à
fronteira de Pareto, as tensões no duto diminuem, o qual é sempre preferível. A Figura
7.15 apresenta as soluções no plano Tração no duto (Ttens) versus profundidade (depth)
com uma codificação de cores que representa a tensão máxima no overbend (TMO). No
gráfico se vê que as faixas de cores são verticais, e variam de azul a vermelho conforme
a tração no duto se incrementa, indicando que quando o duto é tracionado a uma tração
inferior à tração pertencente a fronteira de Pareto, ele não se encontrara solicitado ao
limite.
Figura 7.15 Mapa de Soluções segundo tração no duto, Profundidade e Tensão

Máxima no Overbend (TMO).
7.2.2 Estudo de Caso 1.1: Tmin; Duto 16”
A mesma análise tipo 2.2 foi realizada para dutos de 16 polegadas. Os resultados
apresentaram uma pequena diferença, mas o mesmo comportamento do duto anterior foi
verificado nesta análise.
75
A Figura 7.16 mostra o mapa das soluções viáveis e inviáveis em função do
comprimento do stinger e da profundidade. Em comparação com as soluções obtidas
com o duto de 12,75 polegadas, é possível ver que a fronteira de Pareto foi deslocada
para cima.
Figura 7.16 Mapa de Soluções segundo Profundidade e Comprimento do Stinger (duto

16 polegadas)
Extraindo a fronteira de Pareto e fazendo a regressão linear dos pontos, obtemos

o gráfico mostrado na Figura 7.17. A mesma ressalta as equações de uma regressão
linear e uma quadrática, de coeficientes de correlação do 98.99% e do 99.53%,
respectivamente.
76
Comprimento Stinger vs Profundidade
225
200
y = 2.9016x + 44.975
175 R² = 0.9899
150
125
y = 0.0136x2 + 2.0364x + 54.121
100 R² = 0.9953
75
50
25
0 5 10 15 20 25 30 35 40 45 50 55 60
Figura 7.17 Regressão linear e quadrática das soluções não-dominadas (duto 16

polegadas)
As equações 7.3 7.1e 7.4 são regressões linear e quadrática da fronteira de pareto
da Figura 7.17.
7.3
7.4
Comparando as regressões lineares do duto de 12.75 e 16 polegadas é possível

notar que a reta do duto maior está a uma ordenada maior quando atinge o eixo y, e
também que a tangente da mesma é maior. Dessa forma, o duto de maior diâmetro
atinge maiores profundidades e quanto maior o stinger melhor para o duto.
77
A Tabela 7.4 apresenta valores estatísticos de todas as soluções geradas pelo
algoritmo de otimização. Esses valores são sempre importantes pois permitem conhecer
a área de busca.
Tabela 7.4 Estatísticas das Soluções encontradas para duto de 16 polegadas
Variável Coef. de
Min Max Média Dev. Padrão
Variação
CL 0.00 60.0 35.27 16 47%
Rb 125.00 250.0 226.10 13.34 6%
Rs 125.00 250.0 217.20 17.52 8%
Depth 25.00 250.0 139.60 52.35 38%
TMO 0.45 1.1 0.61 0.07 12%
TMS 0.10 0.5 0.16 0.04 23%
Ttens 103.20 4422.0 1124.00 362.30 32%
A Tabela 7.5 apresenta as estatísticas das soluções viáveis. Nesta tabela o que
devesse salientar são as médias das soluções viáveis e o coeficiente de variação das
médias. Se o coeficiente de variação for um valor pequeno, é porque as médias das
soluções viáveis têm pouca variação. É visível que o coeficiente de variação dos Raios é
pequeno. Sendo assim podemos afirmar que numa solução viável os raios da balsa e do
stinger devem ser bem próximos a 219 e 212 metros, respectivamente, quando se busca
que o duto seja solicitado ao máximo.
Tabela 7.5 Estatísticas das Soluções Viáveis para duto de 16 polegadas
Variável Dev. Coef. de

Min Max Média
Padrão Variação
CL 0.00 60.0 34.79 17 48%
Rb 151.00 250.0 219.10 6.95 3%
Rs 142.00 250.0 212.40 7.22 3%
depth 25.00 167.0 90.32 37.14 41%
TMO 0.41 0.6 0.56 0.04 6%
TMS 0.14 0.4 0.20 0.03 14%
Ttens 105.40 1569.0 1182.00 247.30 21%
Uma melhor acurácia se consegue nas estatísticas das soluções não-dominadas,

as quais são apresentadas na Tabela 7.6. Aqui é possível ver que os raios da balsa e do
stinger quase não sofrem variação. Sendo assim, a média é um valor muito mais
preciso. Assim obtemos valores de 216 e 213 metros para o raio da balsa e do stinger,
78
respectivamente. Além disso a tração no duto atinge um coeficiente de variação baixo o
que torna a média bastante confiável. A média da tração no duto é de 1405kN para
soluções não-dominadas.
Tabela 7.6 Estatísticas das Soluções não-dominadas duto de 16 polegadas
Dev. Coef. de
Padrão Variação
CL 0.00 60.0 37.91 17 46%
Rb 212.00 226.0 216.50 2.26 1%
Rs 210.00 225.0 213.20 2.06 1%
depth 40.00 167.0 114.90 37.20 32%
TMO 0.59 0.6 0.60 0.00 0%
TMS 0.22 0.2 0.23 0.00 1%
Ttens 1314.00 1536.0 1405.00 30.34 2%
7.3 Estudo de Caso 1.2: Com T ≥ Tmin

O presente estudo busca determinar a máxima profundidade na qual é possível
instalar um determinado duto com o uso de uma tração de lançamento maior a tração
mínima necessária para sustentar o duto. Foi especificado um duto de aço X60 e de
dimensões 16 polegadas de diâmetro externo e 5/8 polegadas de espessura.
O modelo considera variável o comprimento do stinger (CL), os Raios (Rb, Rs),

a profundidade de instalação (depth) e também a tração aplicada pela máquina de tração
(Tdet). Esse último parâmetro deve ter um cuidado especial, pois não pode ser inferior à
tração mínima (Tmín), que é calcula no interior do módulo Mathcad. É necessário,
portanto, conhecer uma variável de saída deste módulo antes de saber se o Tdet que foi
definido pelo mathcad é um valor viável. Para isso é utilizado uma restrição que analisa
se a diferença (Tdet – Tmin) é maior ou igual a zero.
Os parâmetros a serem otimizados são o comprimento do stinger (CL), Tração

aplicada pela máquina de tração na linha (Tdet) e a profundidade (depth), os dois
primeiros são minimizados enquanto o último é maximizado.
79
Figura 7.18 Fluxo de trabalho do estúdio de caso 1.2 com Tdet≥Tcalc
Com a ajuda da Figura 7.19 é possível notar que grande parte (53,9%) dos
modelos gerados no algoritmo genético foram rejeitados, pela restrição Tmin, que cuida
que os modelos mantenham uma tração na linha (Tdet) superior à tração mínima
calculada (Tcalc). Deseja-se que a restrição que controla a tensão máxima no overbend
seja a restrição que rejeite mais modelos, pois se busca que a maioria dos dutos seja
levada ao limite de sua capacidade. Esse efeito indesejado restai
Figura 7.19 Gráfico das restrições violadas.
80
7.3.1 Ajuste do espaço de busca
O seguinte esquema de otimização com comprimento variável e com tração da

linha maior ou igual ao valor da tração mínima.
Tdet é uma tração compreendida entre 0 e a tração limite (1570.0 kN), mas com
uma restrição muito importante que impede que o valor de Tdet seja inferior ao valor da
tração mínima (Tcalc) para suportar o duto sem que se verifique compressão na linha.
A Figura 7.20, mostra o fluxo de trabalho do ModeFrontier para o estúdo de

caso 1.2, a diferença do estudo anterior é que a Traçao aplicada no duto é representada
por um incremento da tração mínima. Desta forma é mais fácil limitar o espaço de
busca, pois o incremento de tração no duto (delta_T), nunca será inferior a 0 (zero).
Figura 7.20 Fluxograma de trabalho estudo de caso 1.2.
A Figura 7.21 permite ver que o resultado desta vez não é uma curva de Pareto
bem definida. Trata-se de uma nuvem, na qual não se distingue padrão algum.
81
Figura 7.21 Mapa das Soluções encontradas segundo Comprimento do Stinger e
Profundidade.
Na Figura 7.22 é apresentado o mapa das soluções viáveis. Nota-se dois grupos
que se diferenciam pela magnitude de tração aplicada no duto. Os menores raios
correspondem ao lado esquerdo do mínimo valor, da tração aplicada no duto. Os
maiores raios correspondem a trações maiores as quais encontram-se a direita do valor
mínimo da Tração de lançamento.
Figura 7.22 Mapa das soluções segundo Rb, Rs e Ttens

82
A Tabela 2.1 detalha os modelos das 10 melhores soluções encontradas, as
quais coincidem com as soluções anteriores.
Tabela 7.7 As 10 melhores soluções encontradas.
CL Rb Rs Tdet depth
60 214 210 937 197
60 218 209 856 177
44 213 213 984 156
48 215 210 937 149
47 215 210 933 140
44 217 211 939 140
45 214 210 937 133
53 215 197 667 131
40 216 210 944 130
40 217 210 944 130
A Figura 7.23 apresenta o histórico da variável delta_T. Claramente a variável

em estudo tende a 0 (zero) o que indica que o valor da tração aplicada no duto é a tração
mínima.
Figura 7.23 Histórico da variável delta_T
83
8 Estudo de Caso 2 – Buscando a Solução
Ótima
Neste capítulo serão apresentados os resultados da otimização mono-objetivo

utilizando primeiramente o solver Smartlay (metodologia analítica) e em seguida serão
apresentados os resultados do solver SITUA/Prosim. Os resultados estão discriminados
pelo diâmetro do duto e pelas profundidades.
Os resultados obtidos são organizados em dois tipos de análises, a primeira,

denominada 2.1, busca determinar a melhor configuração de lançamento para
determinada profundidade e a segunda, 2.2, busca encontrar a melhor configuração para
atingir as máximas profundidades.
Nas análises do tipo 2.1 somente o Smartlay foi utilizado e nas análises do tipo
2.2 foram utilizados tanto o Smartlay quanto o Situa.
Na análise do tipo 2.1 tanto a profundidade de instalação (25 ou 50m) como as

dimensões e materiais dos dutos (diâmetro: 12, 16 polegadas, Aço X60), são
consideradas constantes. A Figura 8.1 mostra as principais variáveis envolvidas nas
análises. Cada uma das ramificações da figura representa uma análise, sendo possível
visualizar rapidamente as principais características de cada uns dos 6 diferentes casos.
Figura 8.1 Variáveis envolvidas nos estudos de caso 2.
84
8.1 Estudo de Caso 2.1: Solver Smartlay
A Figura 8.2 apresenta o fluxo de trabalho de uma otimização mono-objetivo.
Foram consideradas quatro restrições. As duas primeiras são para limitar o tamanho das
tensões máximas no overbend e no sagbend (Less_than_60per e Less_than_60per1), a
terceira para representar a tração máxima que o tracionador do navio de instalação
(nesse caso especifico a Balsa Guindaste de Lançamento, BGL-1) pode aplicar ao duto
(Restrição). A quarta restrição impede que o raio da balsa seja menor que o raio do
stinger (Rb_gt_Rs).
Figura 8.2 Fluxo de trabalho Multi-objetivo que apresenta uma Análise do Tipo 2.1
com solver Smartlay e atuação da Tmín.
Antes de definir o objetivo da otimização é necessário definir as características

da melhor solução. A melhor solução seria um modelo que minimize as tensões
máximas no duto com um uso mínimo de energia. Quanto menor a tração aplicada no
duto, menor será o consumo de energia do tracionador e menor será o consumo de
combustível para movimentar o navio. Portanto a tração aplicada no duto deve ser
minimizada.
85
Conhecendo o comportamento do duto no procedimento de instalação de uma
metodologia de instalação S-Lay, é possível dizer que o duto assume uma forma de S,
dessa forma temos o overbend e o sagbend, que são a curvatura superior e a inferior
respectivamente. Nestas curvaturas é onde serão obtidas as maiores solicitações do duto
durante o procedimento de instalação. Ao aumentar a tração no duto, aumentam as
solicitações devido às forças axiais, diminuindo as curvaturas e também as solicitações
devido à flexão, o que permite a diminuição das solicitações por conta de os esforços de
flexão terem uma maior contribuição no aumento das tensões envolvidas.
Tendo presente os conceitos explicados no parágrafo anterior, podemos dizer

que quando o duto estiver tracionado com a tração mínima, a linha terá as maiores
curvaturas o que resultará em altas tensões no overbend e no sagbend. Modelos com
altas tensões nas regiões mencionadas não passarão nos critérios que os protegem de
uma possível falha estrutural (critérios de falha). Sendo assim, o algoritmo de
otimização deverá buscar uma tração que permita obter tensões que atendam às
restrições que representam os critérios de falha. Dessa forma, ao minimizar a tração
aplicada no duto (Ttens), é possível obter um modelo que atenda a definição de melhor
solução previamente descrita.
8.1.1 Estudo de Caso 2.1: Duto 12,75” – LDA = 25 m
Nesta seção se apresentarão os resultados correspondentes ao modelo de duto

12.75 polegadas e profundidade de instalação de 25 metros.
Primeiramente apresenta-se as estatísticas de todas as soluções encontradas pelo

algoritmo de otimização na Tabela 8.1.
Tabela 8.1 Estatísticas de todas as Soluções geradas (incluídas não viáveis).
Dev. Coef. de
Padrão Variação
Rb [m] 125.00 250.0 177.20 28 16%

Rs [m] 125.00 250.0 150.70 19 12%
TMO 0.42 0.7 0.59 0,05 9%
TMS 0.14 0.3 0.16 0,02 15%
Ttens [kN] 148.90 644.5 295.10 89 30%
86
Na Tabela 8.2 apresenta-se as estatísticas das soluções viáveis. Os valores mais
interessantes dessa tabela são o intervalo dos raios e a tração no duto. Observando os
intervalos dos raios, nota-se que são praticamente iguais, e ainda assim as médias têm
20 metros de diferença. Na tabela anterior também se verifica uma diferença de 27
metros, mas isso pode ser explicado devido a existência da restrição que impede que o
raio do stinger seja major que o raio da balsa. Isso faz com que as soluções sejam
contidas numa área delimitada pelos valores Rb = 0, Rb ≥ Rs e Rb = 250, o que
configura um triângulo retângulo.
Tabela 8.2 Estatísticas das Soluções viáveis

Min Max Média
Padrão Variação
Rb 143.00 250.0 181.70 27 15%
Rs 142.00 250.0 160.10 18 11%
TMO 0.42 0.6 0.56 0.04 7%
TMS 0.14 0.2 0.16 0.02 11%
Ttens 198.50 644.5 316.70 92 29%
A Tabela 8.3 apresenta as dez melhores soluções encontradas pelo algoritmo de

otimização.
N Rb Rs TMO TMS Ttens
1 143 142 0.60 0.20 198.54

2 143 143 0.60 0.20 199.15
3 144 142 0.60 0.20 200.92
4 144 144 0.59 0.20 202.16
5 145 142 0.60 0.19 203.30
6 145 143 0.60 0.19 203.93
7 145 145 0.59 0.19 205.19
8 146 142 0.60 0.19 205.69
9 146 143 0.60 0.19 206.33
10 146 144 0.59 0.19 206.97
A Figura 8.3 apresenta um mapa das soluções viáveis e inviáveis num plano
definido pelo Raio da balsa (Rb) e pelo Raio do Stinger (Rs). Se existir dúvida referente
a representação dos pontos veja a Figura 7.2. Ao observar a Figura 8.3 distingue-se
87
uma área triangular formada por diversos pontos. Cada um desses pontos são soluções
avaliadas pelo algoritmo de otimização, e a forma triangular fica explicada pela
restrição imposta que verifica se o raio da balsa (Rb) deve ser maior que o raio do
stinger (Rs).
Figura 8.3 Mapa das Soluções viáveis e inviáveis segundo Rb e Rs
Para ter um melhor entendimento do desempenho de cada solução, foi mapeado

novamente os resultados, mas desta vez incluindo um esquema de cores para representar
a tração aplicada no duto (Ttens). O resultado pode ser visto na Figura 8.4.
Visivelmente distingue-se que as soluções estão agrupadas em faixas de tração aplicada.
As mesmas formam um ângulo agudo com o eixo vertical, o que denota que a tração
aplicada na linha tem uma dependência tanto do raio da balsa (Rb) como do stinger
(Rs). Porém, a causa de o ângulo da faixa ser inferior a 45 graus com a vertical é devido
ao raio da balsa ser mais influente que o raio do stinger em termos de tração no duto
(Ttens).
88
Figura 8.4 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e Ttens.
Seguidamente apresenta-se a Figura 8.5, onde mostra-se a configuração dos

raios (Rb e Rs) e a tensão na ponta do stinger (TMO). Desta vez distinguem-se faixas de
tensão na ponta do stinger (TMO), as quais formam um pequeno ângulo com a
horizontal. Estas faixas explicam a linha que divide as soluções viáveis das não viáveis
da Figura 8.5, pois essa linha é paralela às faixas formadas pelos valores de TMO.
Outro dado importante que pode ser extraído com a simples observação é que o
raio do stinger tem uma grande influência sobre a tensão na ponta do stinger (TMO).
89
Figura 8.5 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e TMO.
A Figura 8.6 apresenta o mapa das soluções encontradas incluindo as não

viáveis. São representadas nos eixos coordenados os raios da balsa e do stinger (Rb e Rs
respectivamente) e tensão máxima no sagbend (TMS). Em comparação com a Figura
8.4, as faixas tem a mesma direção mas o sentido de crescimento é contrário, o que
indica uma forte correlação negativa entre a tração aplicada no duto (Ttens) e a tensão
máxima no sagbend (TMS).
90
Figura 8.6 Mapa das Soluções viáveis e inviáveis segundo Rb, Rs e TMS.
A Figura 8.7 apresenta uma dispersão das soluções representadas pela tração
aplicada no duto (Ttens) e a tensão máxima no sagbend (TMS). Esta figura pode
parecer um pouco confusa, pois soluções viáveis e inviáveis estão compartilhando o
mesmo espaço. Isto acontece porque não se encontram visíveis todas as variáveis
envolvidas. Assim soluções diferentes podem ter o mesmo valor de Ttens e TMS.
No gráfico podemos apreciar que a solução ótima encontrada solicita ao máximo

possível o duto na região do sagbend, obtendo assim um valor aproximado de 200kN
para Ttens.
91
Figura 8.7 Mapa das soluções viáveis e inviáveis segundo Ttens e TMS.
8.1.2 Estudo de Caso 2.1: Duto 12.75” – LDA = 50 m
Primeiramente apresenta-se as estatísticas de todas as soluções viáveis

encontradas pelo algoritmo de otimização na Tabela 8.4.
Tabela 8.4 Estatísticas das Soluções Viáveis
Dev. Coef. de
Padrão Variação
Rb [m] 185.3 250 202.9 15.61 8%
Rs [m] 184.2 250 194.2 11.85 6%
TMO 0.4955 0.5998 0.5808 0.02046 4%
TMS 0.1024 0.1158 0.1035 0.00235 2%
Ttens [kN] 399.5 723.4 471.5 69.41 15%
As melhores soluções encontradas são apresentadas na Tabela 8.5. As variáveis

TMO e TMS são adimensionais pois são valores relativos a tensão de escoamento.
92
Tabela 8.5 As melhores soluções encontradas.
Ttens
N Rb [m] Rs [m] TMO TMS
[kN]
1 184 183.6 0.59996 0.10325 395.032
2 184 183.7 0.59997 0.10325 395.127
3 184 183.8 0.59998 0.10324 395.223
4 184 183.9 0.6 0.10324 395.318
5 184 183.6 0.5998 0.10324 395.362
6 184 184 0.60001 0.10323 395.413
7 184 183.7 0.59971 0.10323 395.457
8 184 183.8 0.59973 0.10323 395.553
9 184 183.9 0.59974 0.10323 395.648
10 184 183.6 0.59984 0.10322 395.692
a representação dos pontos veja a Figura 7.2. É possível ver que essa figura segue o
mesmo padrão que para a profundidade de 25 metros, porém a área pertencente as
soluções viáveis têm sido reduzidas.
Figura 8.8 Mapa das Soluções viáveis e inviáveis segundo Rb e Rs.
93
A Figura 8.9 apresenta as soluções encontradas no plano definido por os raios
da balsa e do stinger (Rb e Rs), além de adicionar um esquema de cores para representar
tensão na ponta do stinger (TMO). Comparando com o gráfico análogo para a
profundidade de instalação de 25m, nota-se que as faixas formadas pelos diversos
valores de TMO desta vez formam com a horizontal um ângulo maior que o gráfico
anterior.
A Figura 8.10 apresenta as soluções encontradas no plano definido pelos raios

da balsa e do stinger (Rb e Rs) além de adicionar um esquema de cores para representar
tração aplicada no duto (Ttens). Ao comparar com o gráfico análogo correspondente a
uma profundidade de 25m, nota-se que as atuais faixas de Ttens formam com a vertical
um ângulo inferior ao que se verificou no modelo anterior, sendo o raio do stinger ainda
menos influente sobre a tração.
94
A Figura 8.11 apresenta uma dispersão das soluções representadas pela tração
aplicada no duto (Ttens) e a tensão máxima no sagbend (TMS). Analogamente como na
seção anterior, a curva mostrada é uma parábola, mas desta vez o valor da tração
aplicada no duto (Ttens) é maior, o que é logico pois para profundidades de instalação
maiores maior será a seção do duto que deve ser suportada pelo navio de instalação.
95
Figura 8.11 Mapa das Soluções viáveis e inviáveis segundo Ttens e TMS.
8.1.3 Estudo de Caso 2.1: Duto 16” – LDA = 50 m
Apresenta-se as estatísticas de todas as soluções viáveis encontradas pelo

algoritmo de otimização na Tabela 8.6.
Tabela 8.6 Estatísticas das Soluções Viáveis.

Min Max Média
Padrão Variação
Rb [m] 185 250 203 16 8%

Rs [m] 184 250 194 12 6%
TMO 0.50 0.60 0.58 0.02 4%
TMS 0.10 0.12 0.10 0.00 2%
Ttens [kN] 400 723 472 69 15%
As melhores soluções encontradas são apresentadas na Tabela 8.7, as variáveis

96
Tabela 8.7 As melhores soluções encontradas.
Ttens
N Rb [m] Rs [m] TMO TMS
[kN]
1 184.2 183.6 0.60 0.10 395.0
2 184.2 183.7 0.60 0.10 395.1
3 184.2 183.8 0.60 0.10 395.2
4 184.2 183.9 0.60 0.10 395.3
5 184.3 183.6 0.60 0.10 395.4
6 184.2 184.0 0.60 0.10 395.4
7 184.3 183.7 0.60 0.10 395.5
8 184.3 183.8 0.60 0.10 395.6
9 184.3 183.9 0.60 0.10 395.6
10 184.4 183.6 0.60 0.10 395.7
a representação dos pontos veja a Figura 7.2.
Figura 8.12 Mapa das Soluções viáveis e inviáveis segundo Rb e Rs.

97
tração aplicada no duto (Ttens).

tensão na ponta do stinger (TMO).
98
8.2 Estudo de Caso 2.2: Solver SITUA/Prosim

Nesta seção serão apresentados os resultados do estudo de caso 2.2, no qual foi
utilizado como solver o programa de elementos finitos SITUA/Prosim.
A Figura 8.15, apresenta o fluxo de trabalho necessário para estudar o modelo

de elementos finitos. O modelo tem como variáveis de entradas: os raios da superfície
sobre a balsa (Rb) e o stinger (Rs) respectivamente, a profundidade (depth) e o
comprimento do Stinger.
As variáveis de saída são a tração na Máquina de tração (tens), a Tensão de von

Mises Máxima (TMS) e a deformação máxima (TMO).
As restrições são quarto, a primeira mantém a condição Rb ≥ Rs, a seguinte

certifica que a máquina de tração trabalhe com trações suportadas pelo equipamento
instalado na BGL-1. E finalmente, as duas últimas mantém as condições do critério
simplificado de instalação da norma norueguesa.
Finalmente temos os objetivos que são a maximização da profundidade de

lançamento e o comprimento do stinger.
99
Figura 8.15 Fluxo de trabalho Multi-objetivo que apresenta uma Análise do Tipo 2.1
com solver SITUA/Prosim e atuação da Tmín.
8.2.1 Estudo de Caso 2.2: Duto 16” – LDA = 50 m
Nesta seção serão apresentados os resultados da otimização mono-objetivo do

modelo do SITUA/Prosim do duto de 12,75 polegadas e profundidade de instalação de
50m.
Na Tabela 8.8 apresenta-se as estatísticas das soluções encontradas, sejam

viáveis ou inviáveis. Pode notar-se uma baixa variação da variável correspondente à
tração aplicada no duto (FX MaqTrac), o que indica que o algoritmo encontrou
rapidamente o valor mínimo.
100
Tabela 8.8 Estatísticas das Soluções Viáveis e Inviáveis.

Min Max Média
Padrão Variação
Raio Balsa 125 250 190.5 28.910 15%

Raio Stinger 125 250 161.2 25.320 16%
DTE Overbend 1.36E-03 2.11E-03 1.67E-03 1.77E-04 11%
FX MaqTrac 30 35 32.2 1.252 4%
VME Sagbend 281100 435900 345700 36690 11%
A Tabela 8.9 Estatísticas das Soluções Viáveisnão mostra grande variação em

comparação com a Tabela 8.8.
Tabela 8.9 Estatísticas das Soluções Viáveis
Dev. Coef. de
Padrão Variação
RaioBalsa 125 222 176.3 17.470 10%

RaioStinger 125 191 151.5 16.610 11%
DTE_Overbend 1.36E-03 1.74E-03 1.57E-03 8.86E-05 6%
FX_MaqTrac 30 35 31.97 1.229 4%
VME_Sagbend 281100 360100 325900 18340 6%
As melhores soluções encontradas são apresentadas na Tabela 8.10, as variáveis

101
N Raio Raio DTE FX VME

Balsa Stinger Overbend MaqTrac Sagbend
1 168 152 1.50E-03 29.515 309966
2 168 151 1.49E-03 29.530 309099
3 168 149 1.49E-03 29.550 307528
4 163 153 1.46E-03 29.555 301475
5 168 148 1.48E-03 29.559 306679
6 163 151 1.45E-03 29.561 299832
7 168 150 1.49E-03 29.588 308317
8 163 152 1.45E-03 29.603 300628
9 167 156 1.50E-03 29.641 311046
10 167 157 1.51E-03 29.651 311832
a representação dos pontos veja a Figura 7.2. A fim de ajudar na visualização, a Figura
8.17 mostra só as soluções viáveis destacando em verde a solução ótima encontrada.
Figura 8.16 Mapa das Soluções segundo os raios da balsa e do stinger respectivamente
(incluindo soluções viáveis e inviaveis).
Comparando com as soluções obtidas com o outro solver utilizado (Smartlay)

nota-se uma grande diferença. As soluções encontradas com a otimização realizada com
102
a assistência do solver analítico ocupam uma área conformada por modelos de raios
médios e grandes (de 180m a 250m, ver Figura 8.12), o que não é verificado nesta
figura. Da Figura 8.17 conclui-se que os raios que conformam as soluções viáveis são
raios pequenos e médios (de 125m a 190m).
Figura 8.17 Mapa das Solucoes viáveis segundo os raios da balsa e do stinger
respeitivamente.
A Figura 8.18 mostra o gráfico de condições violadas, onde observa-se que

quase a totalidade das soluções inviáveis violaram a condição que limita a tensão de von
Mises. As condições de Tração máxima aplicável pela máquina de tração e a
deformação máxima no overbend não foram violadas em toda a execução do algoritmo
de otimização.
103
Figura 8.18 Gráfico das condições violadas.
8.2.1.1
Comportamento das Variáveis estudadas
Nesta seção serão apresentados uma série de gráficos com o fim de entender
melhor a relação entre variáveis críticas na avaliação de desempenho (TMS, TMO,
Ttens) e as variáveis que definem as soluções (Rb e Rs). Para isso, as soluções serão
graficadas num plano Rb versus Rs e será utilizado um esquema de cores para
representar uma das variáveis críticas.
Primeiramente tem-se a Figura 8.19, que representa a tração aplicada no duto

(FX_MaqTrac) no plano Rb versus Rs. Nota-se que não é possível identificar um
padrão bem definido. O único a salientar é que existe uma fina faixa vertical onde a
tração é menor do restante da região viável.
104
Figura 8.19 Mapa das Soluções viáveis e inviáveis segundo Rbalsa, Rstinger e
FX_MaqTrac.
A seguinte variável a ser estudada é a deformação máxima no overbend ou

DTE_Overbend, a qual é apresentada na Figura 8.20. Desta vez nota-se um padrão na
forma da letra V. As menores deformações encontram-se nos intervalos: 150<Rb<160
m e 150<Rs<160 m.
105
DTE_Overbend.
Finalmente com a Figura 8.21 é apresentada a variação da Tensão de von Mises

no Sagbend e na ponta do stinger. Como visto na Figura 8.18, a Tensão de von Mises é
a variável mais importante na hora de rejeitar ou aceitar uma solução. Aqui identifica-se
novamente o padrão em forma de letra V já visto no gráfico anterior. Observando o
gráfico percebe-se que quanto maiores os raios, a Tensão de von Mises se incrementa.
Este fenômeno não é verificado quando é usado o Smartlay devido as simplificações
embutidas no procedimento de cálculo.
106
VME_sagbend.
8.3 Comparação das Áreas das Soluções Viáveis
Uma comparação das áreas das soluções viáveis obtidas com o método analítico
Smartlay e com o programa de elementos finitos SITUA/Prosim é apresentada na
Figura 8.22. Nota-se uma área de intercepção entre as duas regiões. Dentro dessa área
de intercepção encontra-se o ponto de ótimo encontrado com o Smartlay. Também se
nota o ponto de ótimo das soluções viáveis do SITUA/Prosim encontra-se fora da área
das soluções viáveis do Smartlay.
Considerando o fato que o programa de elementos finitos é uma ferramenta

muito mais robusta e que leva em consideração mais efeitos, pode-se concluir que os
resultados da mesma são mais próximos da realidade. Por conseguinte, conclui-se que o
ponto ótimo do fenômeno estudado é o ponto ótimo do SITUA/Prosim e que a
107
metodologia analítica Smartlay, não pode ser utilizada quando é desejado encontrar a
solução ótima no cenário estudado neste trabalho
Figura 8.22 Comparação da Área das Soluções Viáveis obtidas com a metodologia
analítica e a ferramenta de elementos finitos.
108
9 Conclusão
Neste trabalho foi estudada a operação de lançamento de dutos submarinos na

metodologia S-lay com o uso da Balsa Guindaste BGL-1 propriedade da Petrobras. A
finalidade do trabalho foi conhecer a melhor configuração de lançamento, e para isso
foram realizados dois tipos de estudo. O primeiro buscava fornecer aos projetistas uma
forma fácil de determinar o comprimento do stinger necessário para uma determinada
profundidade e duto de forma a auxiliar na escolha do stinger. O segundo estudo
buscava determinar a melhor configuração de lançamento para um cenário específico.
Para isso foi utilizado um algoritmo genético multi-objetivo (MOGA-II) e duas
metodologias de resolução, uma analítica (Smartlay) e um programa de elementos
finitos (Prosim).
O primeiro estudo teve um objetivo mais abrangente e como resultado foram

obtidas curvas que relacionam o comprimento do stinger e a profundidade de instalação
(Figura 7.5 e Figura 7.17). As equações 7.1, 7.2, 7.3 e 7.4 são as regressões linear e
quadrática para o duto de 12,75 e 16 polegadas respectivamente, e permitem o cálculo
analítico do comprimento do Stinger necessário (sempre deverá ser escolhido um
stinger de comprimento igual ou maior) para atingir determinada profundidade. Dessa
forma, o projetista pode escolher a curva correspondente ao duto que deseja utilizar
(12.75 ou 16 polegadas) e introduzir a profundidade de instalação para obter o valor do
comprimento do duto necessário para a operação. Lembra-se que estes resultados não
consideram efeitos negativos de Stingers de grandes dimensões nem impactos nos
custos de fabricação.
Além da curva comprimento do stinger versus profundidade de instalação, a

configuração de raios e trações de lançamento são encontradas nas Tabela 7.3 As dez
melhores soluções segundo a profundidadee Tabela 7.7, o que permite ao projetista
além de escolher um stinger, também definir os raios ou o intervalo viável da tração de
lançamento. Todas análises realizadas nesse estudo foram realizadas com a
solução analítica (Smartlay) para obter resultados rápidos.
109
Para o segundo estudo foi desenvolvido um gerador de malha de contato
(ContactMesh) e um pós-processador. Ambos indispensáveis para realizar a otimização
com a utilização do programa de otimização ModeFrontier e o programa de elementos
finitos utilizado, SITUA/Prosim. Os resultados do segundo estudo foram obtidos com
ambos solvers Smartlay e SITUA/Prosim para cenários mais específicos, e forneceram
soluções ótimas da configuração da configuração de lançamento para dutos de 12,75 e
16 polegadas em cenários de 50 e 100m. Estes resultados encontram-se organizados nas
tabelas Tabela 8.3 As 10 melhores soluções encontradas., Tabela 8.5 As melhores
soluções encontradas. Tabela 8.7 As melhores soluções encontradas.e Tabela 8.10.
Além disso, foram mapeadas em função das variáveis envolvidas de todas as avaliações
feitas durante o processo de otimização, o que permite aos projetistas terem um
conhecimento bastante detalhado da região de soluções viáveis e inviáveis.
Como este segundo estudo foi resolvido com o auxílio dos dois solvers
disponíveis: Smartlay e SITUA/Prosim, foi possível comparar os resultados dos
mesmos (Figura 2.1). Este resultado apontou uma diferença importante nas regiões das
soluções viáveis do estudo de caso 2.1 (resolvido com Smartlay) e 2.2 (resolvido com
SITUA/Prosim). Após estudar o algoritmo do Smartlay, foram descobertas duas
questões que podem fazer com que configurações inviáveis sejam percebidas como
viáveis e vice-versa. A primeira questão é a limitação do Smartlay de não calcular a
deformação no Overbend, o que impediu que o espaço de busca seja definido em função
da deformação no neste local. A segunda é uma simplificação no algoritmo do Smartlay
que supõe que:
 O duto sempre estará apoiado completamente sobre a balsa e o stinger;

 O ângulo da tangente ao duto na ponta do stinger sempre será igual à
tangente a sua tangente na ponta do mesmo. É dizer que o Smartlay
nunca considera a possibilidade de uma descontinuidade na ponta do
stinger.
O Smartlay é uma ferramenta desenvolvida para obter resultados aproximados, e

deve ser usada por usuários que tenham conhecimento das limitações e simplificações
do programa, pois o uso indiscriminado pode levar a soluções muito afastadas da
realidade. Por isso, recomenda-se a utilização do Smartlay para estudos de otimização
110
como o Estudo de Caso 2, sempre acompanhada de outra ferramenta de cálculo que
sirva de comparação.
9.1 Sugestão para Trabalhos Futuros

Para trabalhos futuros propõe-se o desenvolvimento de um algoritmo
especializado para busca da configuração de lançamento mais adequada.
Os conhecimentos das regiões viáveis e inviáveis ofertados neste trabalho podem
inspirar métodos de busca velozes e eficientes, onde não sejam necessárias tantas
análises. Além disso, os dados gerados durante a elaboração desse trabalho poderiam ser
usados para o treinamento de uma rede neural, o que permitiria a obtenção de resultados
rápidos para determinadas situações de interesse.
Também se recomenda a realização de análises similares ao estudo de caso 2

com a utilização de trações maiores à mínima necessária, verificando afastamento do
duto ao stinger.
Finalmente, pede-se o desenvolvimento de uma nova versão do Smartlay para

contornar atuais limitações em relação:
 O cálculo da tração mínima, este cálculo deve levar em

consideração o raio do stinger.
 A configuração geométrica do duto sobre o stinger, a qual deveria
poder estar ou não completamente apoiada sobre o stinger ou não.
 O cálculo da deformação do duto no Overbend.
111
10 Bibliografia
BOBENKO, A. et al. Discrete Differential Geometry. [S.l.]: Birkhäuser, v. 38,

2008.
CHEW, L. P. Guaranteed-Quality Triangular Meshes. Technical report TR-

89-983, Computer Science Department, Cornell University. Ithaca. 1989.
DNV-OS-F101. Submarine Pipeline System. 2. ed. [S.l.]: Det Norske Veritas,

2012.
DNV-OS-F101. Submarine Pipeline Systems. Det Norske Veritas, Offshore

Standard. [S.l.]. Outubro de 2013.
ESTECO. Site da ESTECO, 2015. Disponivel em:

<http://www.esteco.com/modefrontier/integration-process-automation>. Acesso em: 06
Agosto 2016.
ESTECO. ModeFrontier, 2016. Disponivel em:

<http://www.esteco.com/sites/default/files/BROCHURE_mF_2016_PRINT_final_4.pdf
>. Acesso em: 02 Setembro 2016.
FERNANDES, L.; GARCIA, A.; CRUZ, P. Desenvolvimento desigual na era do

conhecimento: a participação do BRICS na produção científica e tecnológica mundial.
Scielo, v. 37, 2015.
GUO, B. . S. S. . C. J. . G. A. . "Pipeline Installation Methods". Offshore

Pipelines, p. 129-139, 2005.
GUO, B. . S. S. . C. J. . G. A. "Pipeline Installation Methods". [S.l.]: Elsevier,

2005. 129-139 p.
JACOB, B. P. Notas de Aula de Análise Dinâmica Não-Linear de Estruturas.

COPPE/UFRJ, Programa de Engenharia Civil. Rio de Janeiro, RJ, Brasil. 2001.
112
JACOB, B. P. PROGRAMA PROSIM: Simulação Numérica do
Comportamento de Sistemas para Explotação de Petróleo Offshore, Manual de
Entrada de Dados. LAMCSO/COPPE/UFRJ. Rio de Janeiro, RJ. 2006.
JACOVAZZO, B. M. Ferramentas Numéricas para Análise de Operações de

Lançamento de Dutos Offshore. Tese de D.Sc., COPPE/UFRJ, Programa de
Engenharia Civil. Rio de Janeiro, RJ, Brasil. 2012.
LAVIERI, R. S. Métodos de Navegação Inercial Aplicados a Lançamentos

Submarinos. Dissertação de M.Sc., Universidade de São Paulo. São Paulo, SP, Brasil.
2011.
LIN, et al. Pipeline Installation Methods. Offshore Pipelines, Elsevier Science.

[S.l.], p. 129-139. 2005.
MCKAY, M. D.; BECKMAN, R. J.; CONOVER, W. J. "A Comparison of

Three Methods for Selecting Values of Input Variables in the Analysis of Output from a
Computer Code". Technometrics, p. 239–245, 1979.
NIELSEN, E. Parameterization and Multiobjective Optimization.

Dissertação de M.Sc., Norwegian University of Science and Technology. Oslo. 2013.
O'LOUGHLIN, C. D.; RANDOLPH, M. F.; RICHARDSON, M. Experimental

and Theoretical Studies of Deep Penetrating Anchors. Offshore Technology
Conference. Houston, Texas, U.S.A.: [s.n.]. 2004.
RIGONI, E.; POLES, S. NBI and MOGA-II, Two Complementary Algorithms

for Multi-Objective Optimizations. In: BRANKE, J.; DEB, K.; STEUER, K. M. &. R.
E. Practical Approaches to Multi-Objective Optimization. Schloss Dagstuhl,
Germany: IBFI, 2005.
SARMENTO, C. V. D. S.; VIEIRA RABELO, M. Análise Teórica do

Problema de Uma Corrente Dobrada em Queda Livre: Aplicações a Estacas
Torpedo. Proceedings of the XXXIV Iberian Latin-American Congress on
Computational Methods in Engineering - CILAMCE. Pirenópolis, GO, Brasil: [s.n.].
2013.
SIBSON, R. Locally Equiangular Triangulations. Computer Journal. [S.l.], p.

243-245. 1978.
113
STATISTICS, U. I. O. Unesco Institute of Statistics, 2015. Disponivel em:
<http://www.mct.gov.br/index.php/content/view/2068.html>>. Acesso em: Março 2015.
VIEIRA, I. N. Otimização Multi-Objetivo de Rotas de Dutos Submarinos.

Tese de D.Sc., COPPE/UFRJ, Programa de Engenharia Civil. Rio de Janeiro, RJ, Brasil.
2011.
VIEIRA, L. D. S. Projeto Aerodinâmico-Estrutural e de Estabilidade de um

Mini-VANT para Imageamento Giroestabilizado Utilizando Técnicas Analíticas e
Numéricas no Âmbito da Chamada Pública MCT / FINEP – CTAERO – VANT –
01 / 2009. Projeto de Graduação, Universidade de Brasília, Faculdade de Tecnologia.
Brasília. 2012.
WOLPERT, D.; MACREADY, W. G. No Free Lunch Theorems for

Optimization. IEEE Transactions on Evolutionary Computation, v. 1, 2007.
YAMAMOTO, K.; INOUE, O. New Evolutionary Direction Operator for

Genetic Algorithms. AIAA Journal, v. 33, p. 1900-1993, 1995.
114

Lopez Aec TM 16

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Lopez Aec TM 16

Enviado por

Direitos autorais:

Formatos disponíveis

MÉTODOS DE ANÁLISE E OTIMIZAÇÃO DE OPERAÇÕES DE

LANÇAMENTO DE DUTOS SUBMARINOS

Adolfo Emmanuel Correa López

Dissertação de Mestrado apresentada ao

Orientador: Breno Pinheiro Jacob

Mi abuela Elsa Paniagua Formigli,

Quien me enseno a nunca desistir,

Y me dió la sed del conocimiento.

“O conceito de otimização é essencialmente o de fazer algo o melhor possível”

Ao professor Breno Pinheiro Jacob e ao professor Carl Horst

A Carolina Nunes pelo companheirismo e apoio na edição e redação

A minha família que me apoiou e estive do meu lado incentivando

Ao Mauro Junior que sem o suporte nas implementações, seria

Ao Brayan Paredes que brindou um suporte técnico de qualidade no

Ao CNPq pelo apoio financeiro.

Enfim, agradeço a todos que contribuíram direta ou indiretamente na

MÉTODOS DE ANÁLISE E OTIMIZAÇÃO DE OPERAÇÕES DE

Adolfo Emmanuel Correa López

Orientadores: Breno Pinheiro Jacob

Carl Horst Albrecht

Programa: Engenharia Civil

ANALYSIS AND OPTIMIZATION METHODS FOR SUBSEA PIPELINE

Adolfo Emmanuel Correa López

Advisors: Breno Pinheiro Jacob

Carl Horst Albrecht

Department: Civil Engineering

Lista de Figuras ................................................................................................... xii

Lista de Tabelas .................................................................................................. xv

1.1 Contexto e Motivação ........................................................................... 1

1.2 Objetivos ............................................................................................... 2

1.3 Metodologia .......................................................................................... 2

1.4 Organização do Trabalho...................................................................... 3

2 Lançamento de Dutos .................................................................................. 5

2.1 Introdução ............................................................................................. 5

2.2 Método de Instalação S-Lay ................................................................. 5

2.3 Critérios Simplificados de Instalação ................................................... 7

2.3.1 Tensão Equivalente de von Mises .......................................... 8

3 Modelação do Lançamento de Duto .......................................................... 10

3.1 Modelo Base ....................................................................................... 10

3.1.1 Características do Duto ......................................................... 11

3.2 Particularidades dos modelos ............................................................. 12

3.2.1 Variação do Comprimento do Stinger .................................. 13

3.2.2 Cenários ................................................................................ 13

3.3 Metodologia Analítica: Smartlay........................................................ 14

3.3.1 Superfície de Contato ........................................................... 16

3.3.2 Região do Sagbend ............................................................... 17

3.4 Programa de Elementos Finitos: SITUA/Prosim................................ 22

3.4.1 Modelo SITUA/Prosim ........................................................ 23

3.4.2 Pre-Processamento ............................................................... 24

3.4.2.1 Malha de Contato .......................................................... 24

3.4.2.2 Triangulação .................................................................. 26

3.4.3 Pós-Processamento ............................................................... 28

4 Conceitos de Otimização ........................................................................... 31

4.1 Algoritmos de Otimização .................................................................. 31

4.2 Métodos Heurísticos de Otimização ................................................... 32

4.2.1 Algoritmos Genéticos ........................................................... 33

4.2.2 O Problema da Inicialização (Latin Hypercube) .................. 35

4.3 Tipo de Problemas .............................................................................. 36

4.3.1 Problemas de Otimização Mono-objetivo ............................ 37

4.3.2 Problemas de Otimização Multi-objetivo ............................. 38

4.3.3 Conjunto Eficiente ou Fronteira de Pareto ........................... 39

4.4 Definição do Método de Otimização .................................................. 41

5 Implementação dos Procedimentos de Otimização ................................... 43