Escolar Documentos
Profissional Documentos
Cultura Documentos
Escola de Engenharia
Desenvolvimento de um Modelo de
Desempenho para Infraestruturas Ferroviárias
aplicado à Linha Férrea
Outubro de 2014
Universidade do Minho
Escola de Engenharia
Desenvolvimento de um Modelo de
Desempenho para Infraestruturas Ferroviárias
aplicado à Linha Férrea
Dissertação de Mestrado
Ciclo de Estudos Integrados Conducentes ao
Grau de Mestre em Engenharia Civil
Outubro de 2014
Agradecimentos
Um trabalho de pesquisa e de escrita desta natureza nunca é apenas do autor do projeto, mas
sim de todos aqueles que direta ou indiretamente contribuíram para que fosse possível atingir todos
os objetivos desejados. Deste modo pretendo prestar publicamente esse reconhecimento às pessoas
e entidades a seguir descritas:
Expresso a minha gratidão ao Eng.º Roman Denysiuk pela disponibilidade para discutir
alguns aspetos relacionados com a aplicação das ações de manutenção e ações de reparação, o
que certamente contribuiu para o enriquecimento desta tese.
Agradeço a todos os meus colegas e amigos que fiz durante o percurso académico, que
guardo com muita estima a amizade aqui criada e desenvolvida com quem espero, um dia no
futuro ter a oportunidade de colaborar profissionalmente.
À minha Família, por tudo o que têm feito por mim durante toda a vida e porque sem eles
não teria sido possível atingir esta importante etapa.
Finalmente, queria agradecer à Patrícia, pelo constante apoio e por toda a paciência em
suportar os meus momentos mais desgastantes e de maior pressão.
i
ii
Resumo
Os caminhos-de-ferro desde de cedo se revelaram um meio de transporte de grande utilidade
para toda a humanidade. Nos dias de hoje, embora com menor utilização, continua a ser um
meio de elevada importância. As infraestruturas em Portugal apresentam um elevado grau de
deterioração. Adicionalmente, verifica-se que não tem existido uma aposta clara nos sistemas
de gestão da segurança que contemplam este fenómeno. Torna-se então fundamental investir
na previsão dessa deterioração, garantindo aos utilizadores uma maior segurança e
possibilitando a correta gestão das ações de manutenção.
Por fim desenvolve-se um modelo alternativo aos processos de Markov baseados nos
Modelos de Markov Ocultos.
Palavras-Chaves:
iii
iv
Abstract
Railways, since an early stage proved to be a means of transport action of great benefit for
all mankind. These days, though with lower utilization, it is still a means of high importance.
In Portugal, infrastructures present a high deterioration degree. Additionally, it is verified that
the developed management systems do not consider this phenomenon. Therefore it is essential
to invest in predicting such deterioration, increase the user’s safety and allowing the correct
management of the maintenance actions.
The developed work in this thesis consists fundamentally in developing a predictive model
of the railway line deterioration, though the use of a Markov process. This methodology is
based in a probabilistic framework, being necessary to develop this model based in the
inspections data of the geometrical parameters of the line.
It will be also evaluated the railway line maintenance or corrective actions in order to control
degradation and consequently the performance. These actions can be preventive, with a delay
in deterioration, or corrective, improving the condition index.
Keywords:
v
vi
Índice
Agradecimentos ................................................................................................................... i
Abstract ............................................................................................................................... v
Índice.................................................................................................................................. vii
1 Capítulo 1 - Introdução................................................................................................ 1
2.1 Introdução............................................................................................................. 5
3.1 Introdução........................................................................................................... 29
vii
3.4 Processo de Markov em tempo contínuo ........................................................... 40
4.1 Introdução........................................................................................................... 59
5.1 Introdução........................................................................................................... 73
viii
5.4 Conclusões ......................................................................................................... 88
7 Bibliografia ................................................................................................................. 97
ix
x
Índice de Figuras
Figura 2.1 – Vagonete a tração animal [7]. ......................................................................... 6
Figura 2.2 – Primeira locomotiva a vapor (Rocket) [7]. ..................................................... 6
Figura 2.3 – Ponte D. Maria Pia [12]. ................................................................................. 7
Figura 2.4 – Densidade da linha férrea Mundial [13]. ........................................................ 8
Figura 2.5 – Rede Ferroviária Portuguesa [16]. ................................................................ 10
Figura 2.6 – Perfil transversal esquemático da via balastrada [17]. .................................. 11
Figura 2.7 – Perfil longitudinal esquemático da via balastrada [17]. ................................ 11
Figura 2.8 – Carril Vignole [15]. ....................................................................................... 12
Figura 2.9 – Fixação rígida [22]. ....................................................................................... 12
Figura 2.10 – Fixação elástica [22]. .................................................................................. 12
Figura 2.11 – Travessas de madeira [15]........................................................................... 13
Figura 2.12 – Travessas de betão [24]. .............................................................................. 13
Figura 2.13 – Palmilha de carril fixa por pregos ou grampos [25].................................... 14
Figura 2.14 – Via com camada de balastro [15] . .............................................................. 14
Figura 2.15 – Via não balastrada em laje de betão [24]. ................................................... 15
Figura 2.16 – Via não balastrada em camada de mistura betuminosa [24]. ...................... 15
Figura 2.17 – Veículo de inspeção da via do tipo EM120 [31]. ........................................ 17
Figura 2.18 – Definição de Nivelamento longitudinal [30]. ............................................. 19
Figura 2.19 – Definição de Alinhamento [32]................................................................... 20
Figura 3.1 – Andrei A. Markov [36]. ................................................................................ 29
Figura 3.2 – Curva representativa de um fenómeno físico obtida pelo processo de Markov.
............................................................................................................................................ 30
Figura 3.3 – Curva representativa de um fenómeno físico com aplicação de uma ação de
manutenção. ........................................................................................................................ 30
Figura 3.4 – Exemplo de deterioração de uma linha ao fim de 360 meses. ...................... 39
Figura 3.5 – Estimativa do tempo de permanência em cada índice de condição para o
alinhamento. ....................................................................................................................... 52
Figura 3.6 – Estimativa do tempo de permanência em cada índice de condição para o
nivelamento. ....................................................................................................................... 52
Figura 3.7 – Evolução de Pij para índice de condição inicial 0. ....................................... 53
Figura 3.8 – Evolução de Pij para índice de condição inicial 1. ....................................... 53
xi
Figura 3.9 – Evolução de Pij para índice de condição inicial 2. ....................................... 54
Figura 3.10 – Evolução de Pij para índice de condição inicial 3. ..................................... 54
Figura 3.11 – Evolução de Pij para índice de condição inicial 4. ..................................... 54
Figura 3.12 – Previsão do desempenho para o parâmetro do alinhamento. ...................... 56
Figura 3.13 – Previsão do desempenho para o parâmetro do nivelamento longitudinal. .. 56
Figura 4.1 – Modelo completamente conectado [53]. ....................................................... 62
Figura 4.2 – Modelo esquerda-direita [53]. ....................................................................... 62
Figura 4.3 – Degradação do índice de condição de uma linha férrea em 30 anos. ........... 69
Figura 4.4 – Evolução da probabilidade no tempo. ........................................................... 70
Figura 4.5 – Previsão do desempenho da linha o alinhamento. ........................................ 70
Figura 5.1 – Deterioração associada à manutenção preventiva baseada no tempo [35]. .. 75
Figura 5.2 – Deterioração de uma linha sobre o alinhamento ao longo do tempo. ........... 75
Figura 5.3 – Deterioração da linha com existência do cenário de manutenção. ............... 76
Figura 5.4 – Deterioração da linha com existência do cenário de manutenção 2. ............ 76
Figura 5.5 – Deterioração da linha com existência do cenário de manutenção 2. ............ 77
Figura 5.6 – Deterioração associada à manutenção corretiva baseada no tempo [35]. ..... 78
Figura 5.7 – Deterioração da linha com existência do cenário de manutenção 1. ............ 79
Figura 5.8 – Deterioração da linha com existência do cenário de manutenção 2. ............ 79
Figura 5.9 – Deterioração da linha com existência dos cenários de manutenção 1 e 2. .... 82
Figura 5.10 – Deterioração da linha sem ações de manutenção e com aplicação das ações
de manutenção separadas.................................................................................................... 84
Figura 5.11 – Deterioração da linha sem existência de ações de manutenção e com ambas
ações de manutenção. ......................................................................................................... 85
Figura 5.12 – Comparação da deterioração da Linha com ações de manutenções atuando,
calculadas pelos HMM e os Markov contínuos.................................................................. 86
Figura 5.13 – Evolução das probabilidades dos índices de condição sem ocorrência de ações
de manutenção. ................................................................................................................... 86
Figura 5.14 – Evolução das probabilidades dos índices de condição com ocorrência de
ações de manutenção preventiva. ....................................................................................... 87
Figura 5.15 – Evolução das probabilidades dos índices de condição com ocorrência de
ações de manutenção corretiva. .......................................................................................... 88
Figura 5.16 – Evolução das probabilidades dos índices de condição com ocorrência das
duas ações de manutenção. ................................................................................................. 88
xii
Figura 6.1 – Evolução do índice de condição referente ao parâmetro alinhamento para os 3
modelos analisados. ............................................................................................................ 92
Figura 6.2 – Previsão do desempenho do caso em estudo para o alinhamento com dois
modelos de Markov. ........................................................................................................... 93
xiii
xiv
Índice de Tabelas
Tabela 2.1 – Distribuição geográfica da linha férrea Mundial [13]. ................................... 8
Tabela 2.2 – Níveis de condição da via [17]. .................................................................... 21
Tabela 2.3 – Classificação dos diversos troços da linha com base no desvio padrão [33].
............................................................................................................................................ 22
Tabela 2.4 – Desvio padrão para Nivelamento Longitudinal e Alinhamento. .................. 23
Tabela 3.1 – Descrição da condição da linha para os 6 níveis. ......................................... 31
Tabela 3.2 – Classificação segundo o desvio padrão. ....................................................... 32
Tabela 3.3 – Exemplos de alguns intervalos de tempo para inspeções regulares de 3 meses.
............................................................................................................................................ 35
Tabela 3.4 – Exemplo de previsão de uma linha férrea para 30 meses. ............................ 38
Tabela 3.5 – Exemplo de uma linha com inspeções referente ao segundo semestre de 2010
do parâmetro alinhamento. ................................................................................................. 45
Tabela 5.1 – Cenários possíveis de manutenção preventiva baseada no tempo. ............... 76
Tabela 5.2 – Cenários possíveis de manutenção corretiva baseada no tempo................... 79
Tabela 5.3 – Cenários possíveis de manutenção corretiva baseada no estado. ................. 81
Tabela 5.4 – Ações de manutenção aplicadas à linha férrea. ............................................ 84
xv
xvi
Capítulo 1 – Introdução
1 Capítulo 1
Introdução
Trata-se de um tema atual, uma vez que, nos dias de hoje, a reabilitação e manutenção das
infraestruturas é um método viável, para prolongar a sua vida útil, de uma forma eficaz e
económica.
Os estados atuais e futuros de uma estrutura estão associados a vários graus de incerteza e
evolução aleatória. No entanto, com informação adequada e diversificada, é possível criar uma
abordagem probabilística para determinar o seu estado futuro. Modelos de deterioração, como
os processos de Markov, são utilizados em diversas áreas, como por exemplo na engenharia
civil, elétrica e mecânica industrial [1].
mas não prevê o índice de condição futuro. Com o recurso aos índices de condição e aos
processos de Markov torna-se possível a previsão da evolução futura do índice de condição. A
previsão do índice de condição permitirá gerir e otimizar os custos financeiros na manutenção
e reparação da linha.
2 Capítulo 2
Linha Férrea
2.1 Introdução
A linha férrea é considerada um sistema complexo, constituído por diferentes áreas que
interagem entre si, cuja função é proporcionar à circulação ferroviária conforto e segurança sem
nunca esquecendo a vertente económica [2]. É importante contextualizar o modo de transporte
ferroviário nos diversos momentos, circunstâncias e perspetiva, para se poder entender a
importância do desempenho das infraestruturas ferroviárias.
A linha férrea aparenta ser visualmente uma estrutura simples, com uma evolução estrutural
pouco evidente desde a sua criação. Contudo, face ao aumento da carga transportada e das
velocidades dos comboios aumentar nos últimos quarenta anos, as tecnologias associadas à sua
construção e conservação progrediram acentuadamente em conjunto com a descoberta de
fatores essenciais do seu comportamento [3].
Fogel [4] destaca que as linhas férreas assumem importância particular no desenvolvimento
de vários países, pela função que têm na expansão demográfica regional, tomando-se o seu
estímulo para o desenvolvimento.
A gestão individual de grupos de estruturas requer uma abordagem sistemática, de tal forma
que, a fiabilidade e o estado da estrutura possa manter-se dentro do orçamento e das limitações
de recursos. Isto significa que a manutenção e as atividades de inspeção devem ser
rigorosamente planeadas, permitindo a segurança e operacionalidade com custos reduzidos da
estrutura. Um conceito importante na modelação da manutenção corresponde ao custo do ciclo
de vida, onde, os efeitos e custos de uma política de manutenção específica são considerados
durante a vida útil das estruturas [1].
Figura 2.1 – Vagonete a tração animal [7]. Figura 2.2 – Primeira locomotiva a vapor (Rocket) [7].
Em Portugal, no ano de 1853, foi assinado o contrato entre o Governo e Hardy Hislop,
diretor e representante da Companhia Central Peninsular dos Caminhos-de-Ferro, para a
construção de uma linha férrea, a Linha de Leste, que liga Lisboa a Badajoz, passando por
Santarém. Esta foi a primeira linha férrea construída em Portugal, com uma bitola1 de 1,435 m
entre as arestas interiores dos carris [8]. Esta linha foi inaugurada em 1856 e ligava Lisboa ao
Carregado, chegando apenas em 1863 à fronteira com Espanha [9].
1
Bitola é a distância entre carris. Esta determina o raio das curvas, quanto mais estreita a bitola, menor é o raio de curvatura da curva.
Entre 1859 e 1866 são rapidamente construídas, graças ao investimento direto de capitais
franceses (Companhia Real de Caminhos-de-Ferro), as linhas do Norte e do Leste, ligando
Lisboa a Vila Nova de Gaia e a Badajoz. Nascendo, desta forma, a rede do Estado [10].
Duas grandes rotas foram concluídas em 1876, a linha Leste de Lisboa a Elvas com uma
ligação a Badajoz, que foi a primeira rota internacional a ser construída (1863), e a linha do
Norte de Lisboa ao Porto (1864). Nessa altura, algumas partes da região do Minho e do Alentejo
estavam em construção, bem como duas linhas suburbanas de Lisboa (linha de Cascais, 1889)
e Porto (linha Porto-Póvoa, 1875) [11].
Só em 1875 é que foram inauguradas as Linhas do Minho (do Porto a Nine e Braga) e do
Douro (do Porto a Penafiel). Também nesse ano foi inaugurada a Linha do Porto à Póvoa [9].
Em 1877 é finalizada a Ponte Maria Pia sobre o rio Douro (Figura 2.3). Construída pela
famosa Casa Eiffel, entre o Porto e Vila Nova de Gaia, estabelece finalmente a ligação física
entre Lisboa e o Porto por caminho-de-ferro. Esta obra de arte é, sem dúvida, a mais
emblemática obra de engenharia ferroviária construída em Portugal [9].
Posteriormente, novas linhas são projetadas e construídas. As principais foram, (de Norte a
Sul): a conclusão da Linha do Minho até Valença (1882) e até à fronteira com Espanha (1886),
a linha do Douro até Barca de Alva (1887), a linha da Beira Alta (1880) e a linha Sul de Faro
(1889). Para além disso, a exploração da linha Oeste até à Figueira da Foz (1888), da linha da
Beira Baixa até à Covilhã (1891) e da linha de Cáceres (1880) foi iniciada neste período. Entre
as derivações das linhas principais, deve-se salientar a secção do Tua até Mirandela que foi
inaugurada em 29 de Setembro de 1987 [11].
A gestão do sistema ferroviário Português assenta num modelo com três entidades,
nomeadamente, o organismo regulador, o gestor da infraestrutura e os operadores de transportes
[14].
A entidade gestora da infraestrutura (REFER) foi criada pelo decreto de lei nº 104/97 de 29
de Abril, tendo como missão proporcionar ao mercado uma infraestrutura de transporte
competitiva, gerindo e desenvolvendo uma rede ferroviária eficiente e segura [14].
A linha férrea portuguesa é composta essencialmente por vias largas, com uma bitola igual
a 1,668 metros, e por alguns trechos de via estreita, de bitola de 1,000 metros [15].
Segundo a REFER, em 2011, a infraestrutura ferroviária era composta por uma rede em
exploração de 2 794 km, com 192 km de via estreita2, 2 602 km de via larga3, 2 184 km de via
única4, e 610 km de via múltipla5, com cerca de 1 049 passagens de nível, 74 com guarda, 351
automatizadas, 353 sem guarda e 153 peões. Isto compõe a rede ferroviária portuguesa e
desenvolve-se no país segundo a Figura 2.5.
2
Largura da via inferior à bitola padrão de 1,435 m
3
Largura da via superior à bitola padrão de 1,435 m
4
Via única com dois sentidos
5
Via com duas ou mais linhas.
As infraestruturas ferroviárias são construídas segundo três tipos de vias, a balastrada, a não
balastrada ou em laje e a de apoio misto.
A via balastrada é a mais antiga e é, ainda hoje, uma solução estrutural para novas linhas
férreas [19].
Os elementos de ligação (Figura 2.9 e 2.10) devem promover o apoio adequado dos carris
e a sua fixação às travessas, resistindo aos esforços originados pelas ações verticais, laterais,
longitudinais e de torção (transmitidos pelas rodas), e aos esforços produzidos pelas variações
de temperatura dos carris [15].
As fixações rígidas são normalmente designadas por tirefonds, que durante o seu ciclo de
vida e, devido à vibração causada pelo material circulante, soltam-se, perdendo a capacidade
de resistir a esforços longitudinais. As fixações elásticas mantêm a pressão constante sobre o
carril, não reduzindo a tensão induzida devido ao tráfego [22].
Figura 2.9 – Fixação rígida [22]. Figura 2.10 – Fixação elástica [22].
Além disso, a fixação e a palmilha devem ainda reduzir as tensões e as vibrações causadas
pelas cargas dinâmicas. O tipo de ligação e as características dos elementos de ligação e de
apoio estão relacionados com o tipo de travessa de cada via [17].
A travessa (Figura 2.11) é definida como o elemento da estrutura ferroviária que é colocado
entre os carris e a camada de balastro. De uma forma geral, tem como principais funções a
distribuição das cargas provenientes dos carris para a camada de balastro, garantir o suporte do
sistema de fixação, impedindo os movimentos verticais, laterais e longitudinais dos carris e
manter o correto alinhamento dos carris e a dimensão da bitola [23].
A principal vantagem da travessa bibloco, face à monobloco, é que permite atingir uma
maior resistência lateral do balastro, devido à existência de um maior número de superfícies de
contacto entre a travessa e o balastro, sendo uma travessa mais leve. Por outro lado, a travessa
monobloco, por ser pré-esforçada, garante menos susceptibilidade à fendilhação do betão [21].
As palmilhas (Figura 2.12) são elementos elásticos colocados entre o carril e a travessa e
têm como objetivo promover o apoio adequado do carril, amortecer as vibrações provocadas
pelas rodas, reduzir o atrito entre o carril e a travessa, promover o isolamento elétrico dos
circuitos da linha e proteger as travessas de desgaste e danos por impacto [19].
Na via balastrada, o balastro funciona como camada de apoio, que se localiza entre as
travessas e a fundação, proporcionando um suporte flexível. O balastro representa a camada de
pedra britada com uma espessura variável geralmente entre os 25 e os 30 cm [26] de material
grosseiro solto e drenante [27]. O balastro representa a camada que é colocada sob as travessas,
ocupando não só o espaço por debaixo destas mas também espaço entre travessas como é visível
na Figura 2.13 [15].
A fundação é a base sobre a qual são construídas as camadas de apoio. A fundação da via é
frequentemente designada por plataforma de terraplenagens, ou apenas por plataforma. A
fundação da via é constituída pelos terrenos onde se apoia o sub-balastro e/ou o balastro da via,
e prolonga-se em profundidade até onde se fazem sentir de forma significativa as solicitações
do tráfego [17].
Na via não balastrada, a camada de balastro da via balastrada é usualmente substituída por
uma camada de laje de betão armado (Figura 2.15) ou por uma camada de mistura betuminosa
(Figura 2.16).
A via de apoio misto consiste na introdução de diferentes tipos de materiais, como ligantes
hidráulicos ou misturas betuminosas, com o objetivo de eliminar alguns dos problemas
apontados para a via balastrada. Neste tipo de via distinguem-se diferentes soluções,
nomeadamente, a substituição do material da camada de sub-balastro por uma mistura
betuminosa [19].
2.4 Inspeção
O objetivo da inspeção é a deteção dos defeitos que aparecem ao longo da vida útil de uma
linha. Por sua vez, o tratamento deve ser dirigido de forma a suprimir as causas dos defeitos,
de modo a que estes não reapareçam e obriguem a uma nova intervenção na linha. Para analisar
as causas da origem do defeito deve-se dispor de um relatório de inspeção detalhado e
totalmente fiável [15].
O diagnóstico da linha pode ser feito com recurso a equipamentos de leitura contínua ou
outros meios alternativos que asseguram a qualidade da manutenção da linha férrea, consistindo
no levantamento geométrico dos principais parâmetros a conservar na via para que esteja
sempre salvaguardada a segurança e conforto dos passageiros [30].
No interior do veículo é possível encontrar vários dispositivos tais como Geo-Radar, Placas
de Rede, Videografia, Applanix, EM1, Bitola, Desgaste Ondulatório, OGMS, Monitor (Perfis
Transversais), Laser Catenária, KLD e Multicom [31].
Nos últimos tempos, a tecnologia moderna associada às linhas férreas é usada para a análise
das vias numa determinada periodicidade de inspeções sendo de, quatro vezes por ano nas vias
principais, duas vezes por ano para vias intermédias e uma vez por ano nas restantes vias [15].
Antes de mais, importa justificar por que, na previsão de desempenho pelos modelos de
Markov, se considera apenas o alinhamento e nivelamento longitudinal. Esta escolha deve-se
ao facto de apenas ter sido disponibilizados dados de inspeções acerca de esses dois parâmetros
sendo essencial a necessidade de informação para aplicar o modelo de Markov.
A norma define as tolerâncias verificadas dos desvios em relação aos valores de referência
dos parâmetros geométricos da via para linhas de bitola 1668 mm, 1435 mm e 1000 mm, para
definir os trabalhos a serem executados na linha ou decisão sobre o tipo de ações de manutenção
[32].
2.4.2 Alinhamento
O cálculo do índice de condição da geometria de via, com base nos registos geométricos da
via feitos pelo EM 1206, baseia-se nos defeitos de geometria de via que por seu turno causam
variações na aceleração do veículo [31].
O índice de condição, utilizado, é o TQI, porque é considerado um índice global. Com base
no TQI em cada troço de 250 m de comprimento é possível saber onde são necessárias
intervenções de conservação da via. O critério utilizado para definir o nível de condição da via
é apresentado na Tabela 2.2.
6
Veículo de inspeção da via
No entanto, o índice de condição global (TQI) já não é atualmente usado para a classificação
qualitativa da via. A razão para tal, deve-se ao facto do índice de condição alterar caso a
velocidade da linha modifique. Esta alteração existe porque os intervalos de tolerâncias são
superiores em velocidades inferiores. Então com o TQI é possível encontrar um índice aceitável
caso se reduza a velocidade da linha [33]. Após, a REFER, aprovar a instrução técnica 018 em
Portugal, o índice de condição passa a ser avaliado pelo desvio padrão dos parâmetros
geométricos [31]. Assim sendo, utiliza-se atualmente dois dos parâmetros medidos pelo EM120
para classificar qualitativamente a condição da via [33].
Os níveis de condição são divididos em três, onde o QN1 corresponde ao nível de alerta, o
QN2 ao de intervenção e o QN3 a uma intervenção imediata. O efeito destes níveis são
posteriormente explanados.
Obtém-se o nível de condição (QN), calculando a média dos desvios padrão da fila esquerda
e direita em cada troço de 200 m, quer para o alinhamento, quer para o nivelamento longitudinal.
O QN em cada secção é assumido como o pior dos resultados, podendo ser o QN do
alinhamento ou o QN do nivelamento longitudinal [33].
Tabela 2.3 – Classificação dos diversos troços da linha com base no desvio padrão [33].
Com o decorrer do tempo, está previsto uma norma EN 13848 que elege uma nova
classificação para os mesmos parâmetros (Tabela 2.4).
A deteção dos defeitos após inspeção leva à realização de ações de manutenção ou ações de
reparação com o objetivo de suprimir as causas dos defeitos e salvaguardar a segurança e
conforto dos passageiros.
Caso os defeitos da linha férrea indicam níveis de condição QN3, deverá ser ordenada uma
imediata redução da velocidade de circulação, até que as ações de manutenção e reparação da
linha sejam efetuadas [15].
Deste modo, para avaliar a qualidade geométrica da linha com vista à decisão sobre
eventuais ações de manutenção, deve se tomar em consideração três níveis principais de atuação
[32]:
Alerta;
Intervenção;
Ação imediata.
Ao nível de ação imediata corresponde o valor do parâmetro geométrico que nunca deverá
ser atingido. Contudo, caso aconteça, irão ser necessárias medidas para reduzir o risco de
descarrilamento no troço em questão, obrigando a uma reposição imediata das condições
geométricas da linha em níveis aceitáveis. A observação de qualquer defeito na linha nestas
condições implicará a correção imediata por parte do Operador da Infraestrutura, a redução de
velocidade no troço, ou eventualmente a interdição (temporária ou definitiva) da linha em
questão [32].
Perda de estabilidade;
Perda de resiliência;
Ocorrência de elevados assentamentos permanentes ao nível dos carris.
Ao nível da superestrutura pode ocorrer desgaste ou rotura dos elementos que a constituem.
A degradação da camada de balastro, das camadas de apoio e da plataforma está associada à
perda de estabilidade, local ou global, de cada uma das camadas ou do conjunto, e a
assentamentos permanentes excessivos [17].
2.6.1 Manutenção
A manutenção traduz-se pelo conjunto das ações necessárias para que um equipamento seja
conservado ou restaurado, de modo a poder permanecer de acordo com as condições
especificadas. O objetivo primordial da manutenção, após a construção da linha férrea, é
garantir a qualidade geométrica da linha e do estado dos elementos constituintes, de forma a
permitir um nível de segurança e de conforto elevado, dentro dos limites de tolerância
admissíveis [15].
2.6.2 Reparação
A reparação é o tipo de intervenção que, através da alteração das características técnicas dos
componentes, permite dotar a linha de um nível de condição superior ao que foi obtido aquando
da sua construção. Neste tipo de atividade podem se incluir, nomeadamente, a substituição da
superestrutura, a colocação de camadas de apoio e o reforço da plataforma de terraplenagens.
Estes processos podem ser levados a cabo de forma tradicional ou recorrendo a equipamentos
de elevada versatilidade, que permitem a execução de operações relativamente complicadas e
demoradas de uma forma integrada, nomeadamente, o levantamento do balastro antigo, a sua
britagem para novo aproveitamento como sub-balastro, o saneamento de material impróprio da
fundação e a colocação de geossintéticos e de camadas de materiais granulares compactados
[17].
2.7 Conclusões
Ao longo deste capítulo faz-se uma abordagem de diversos assuntos referentes à linha férrea
para perceção de alguns conceitos existentes.
Uma revisão bibliográfica sobre a história da linha férrea no Mundo, a sua evolução em
Portugal e principais características dos elementos constituintes, permitiu um conhecimento
acerca das infraestruturas ferroviárias, concretamente a linha férrea. A existência de
equipamentos qualificados, como o EM-120, para sua inspeção permitiu obter os parâmetros
geométricos da linha férrea. Alinhamento e nivelamento foram definidos, possibilitando
classificar pelos desvios padrões a linha num índice de condição, necessário para o
desenvolvimento do modelo de desempenho.
A linha férrea é uma infraestrutura simples com história e evolução em Portugal, tendo
elementos constituintes com necessidade de uma entidade gestora para planear a manutenção
da mesma. Porém, ainda não se efetua a modelação do desempenho futuro nas linhas férreas,
sendo precisamente nessa área que se insere o trabalho desenvolvido nesta dissertação.
3 Capítulo 3
Modelo de Markov
3.1 Introdução
Os processos de Markov são processos com inúmeras aplicações desde as filas de espera à
previsão de difusão de gases. Se for possível representar o comportamento de um fenómeno
físico descrevendo todos os diferentes estados que o sistema pode ocupar e indicar como o
sistema se move de um estado para outro (em termos da variável independente – usualmente o
tempo) e, também, se a distribuição de probabilidade condicional satisfaz a chamada
propriedade de Markov, então, esse fenómeno pode ser representado por um processo de
Markov [37].
5
4
Estados
3
2
1
0
0 20 40 60 80 100 120 140 160 180
Tempo
Figura 3.2 – Curva representativa de um fenómeno físico obtida pelo processo de Markov.
5
4
Estados
3
2
1
0
0 20 40 60 80 100 120 140 160 180
Tempo
Figura 3.3 – Curva representativa de um fenómeno físico com aplicação de uma ação de manutenção.
O estado da estrutura ferroviária é incerto, sendo, necessário desta forma, uma abordagem
probabilística para estudar o seu estado de condição. Muitos modelos diferentes foram
desenvolvidos em diversos campos de aplicação, como por exemplo, na engenharia civil,
elétrica e mecânica industrial [1].
Uma vez que o modelo de desempenho irá ser desenvolvido com 6 níveis, é proposto uma
nova classificação baseada nas duas normas existentes apresentadas no capítulo anterior.
A Tabela 3.1 faz uma descrição da condição da linha para os 6 níveis, pretendidos.
Observando as normas e as Tabelas 2.3 e 2.4 verifica-se diferença na classificação dos desvios
padrões para determinadas velocidades da linha. O caso real é de uma linha férrea com
velocidade compreendida entre 80 e 120 km/h. Será proposto a classificação dos níveis pelo
desvio padrão para esta velocidade como demonstra a Tabela 3.2.
Os dados do histórico das inspeções da linha férrea serão usados para prever
probabilísticamente o desempenho atual das vias, permitindo extrapolar o índice de condição
das linhas férreas. Quando os intervalos de tempo entre momentos de observação são
igualmente espaçados, a matriz de probabilidade de Markov 𝑃, mantém-se constante (processos
de Markov discretos). No entanto, por vezes, existem casos que se torna difícil obter as variáveis
de resposta em momentos de observação com intervalos de tempo igualmente espaçados.
Nestas situações, os processos de Markov em tempo contínuo são mais adequados para a
modelação da incerteza.
Seguidamente serão analisados os dois processos. Inicialmente será feita uma abordagem
geral do processo de Markov para melhor entender as especificidades do processo contínuo e
discreto no tempo.
Uma cadeia de Markov é um processo que se move entre índices de um espaço amostral
[39]. Assuma-se que este espaço é constituído por estados finitos ou contáveis. Isto significa
que uma estrutura ou um componente pode se encontrar num estado 𝑁 ≥ 0 dos estados
discretos [1]. Então o índice seguinte é escolhido de acordo com uma distribuição de
probabilidade 𝑃(𝑥), definida de acordo com a expressão (3.1) [39].
Uma vez que os valores da equação 3.1 são probabilidades e que o modelo obriga à
existência de uma transição de estado, como por exemplo do estado 𝑖 para estado j, então
cumpre a expressão 3.2 [39],
As equações 3.1 e 3.2 especifica para cada estado do processo e para cada transição no
tempo a probabilidade de fazer a próxima transição para outros estados. Os valores assumidos
por i e j, são denominados de índices de condição e são denotados por 0, 1, 2, 3, 4 e 5 onde 5
representa o pior índice de condição [40].
De acordo com a equação 3.1 define-se uma probabilidade de transição pij segundo a
equação 3.3,
𝑝𝑖𝑗 (∆𝑡) = 𝑃{ 𝑋𝑡+1 = 𝑗 |𝑋𝑡 = 𝑖} (3.3)
0 ≤ 𝑝𝑖𝑗 ≤ 1 0 ≤ 𝑖, 𝑗 ≤ 5 (3.4)
Pela equação 3.4 a linha deverá ser sempre definida num índice de condição 𝑖, que varia de
0 a 5, com probabilidade de transição 𝑝𝑖𝑗 cumprindo a condição da equação 3.5,
𝑁=6
Se existem 6 índices de condição, então resulta numa matriz 6 ∗ 6 [1] de acordo com a
expressão 3.6,
Para que a matriz 3.6 possa representar a degradação do desempenho de uma estrutura, é
necessário a não regressão do estado de condição da linha férrea. A não regressão significa que
o estado de condição da linha férrea não pode melhorar na inexistência de qualquer ação de
manutenção ou reparação, resultando na condição da equação 3.7.
𝑃𝑗𝑖 = 0 ∀𝑛 ∈ 𝑁 (3.7)
Acrescentando a condição anterior a matriz 3.6 resulta na seguinte nova matriz 3.8 [41] [35],
Uma vez que o índice de condição alterou de um estado para outro, o modelo de Markov
não terá memória em relação ao anterior índice e à quantidade de tempo que permaneceu
naquele estado [42].
Tabela 3.3 – Exemplos de alguns intervalos de tempo para inspeções regulares de 3 meses.
∆𝒕 3 6 9 12 15 18 21
𝒏 1 2 3 4 5 6 7
Pode-se, facilmente, relacionar as probabilidades das várias transições, tais como 𝜙𝑖𝑗 (𝑛),
com probabilidades de transição 𝑝𝑖𝑗 da equação 3.3 alterando a variável tempo 𝑡 em intervalos
de inspeções 𝑛 de acordo com a equação 3.10,
O valor 𝜙𝑖𝑗 , definido na expressão 3.11, representa o quociente entre o número de linhas
férreas que transitaram do índice de condição 𝑖 para o índice 𝑗 (𝑛𝑖𝑗 ) e o número de linhas férreas
cujo índice inicial era 𝑖 (𝑛𝑖 ).
𝑛𝑖𝑗
𝜙𝑖𝑗 (𝑛) = (3.11)
𝑛𝑖
Esta probabilidade pode ser escrita em termos de probabilidade conjunta, em que o índice j
é ocupado no intervalo n +1 e o índice k é ocupado no intervalo n, da seguinte equação 3.12:
𝜙00 (𝑛) 𝜙01 (𝑛) 𝜙02 (𝑛) 𝜙03 (𝑛) 𝜙04 (𝑛) 𝜙05 (𝑛)
0 𝜙11 (𝑛) 𝜙12 (𝑛) 𝜙13 (𝑛) 𝜙14 (𝑛) 𝜙15 (𝑛)
0 0 𝜙22 (𝑛) 𝜙23 (𝑛) 𝜙24 (𝑛) 𝜙25 (𝑛)
𝜙(𝑛) = 𝜙𝑖𝑗 (𝑛) = ,
0 0 0 𝜙33 (𝑛) 𝜙34 (𝑛) 𝜙35 (𝑛) (3.15)
0 0 0 0 𝜙44 (𝑛) 𝜙45 (𝑛)
[ 0 0 0 0 0 𝜙55 (𝑛)]
𝑛 = 0,1, 2 …
Esta matriz volta a obedecer as mesmas condições expressas em 3.4 e 3.5. Seguindo os
métodos de Markov, o índice de condição pode ser previsto de acordo com a expressão 3.16
[42],
𝜙(0) = 𝐼
𝜙(1) = 𝜙(0) ∗ 𝑃 = 𝐼𝑃 = 𝑃 (3.16)
𝜙(2) = 𝜙(1) ∗ 𝑃 = 𝑃2
O índice probabilístico pode ser determinado pela equação 3.19, resultando no somatório
do produto das probabilidades de transição de vários intervalos pelas probabilidades do estado
inicial.
Por fim, na obtenção do índice de condição, bastará multiplicar o vetor probabilidades pelo
vetor coluna dos índices de condição tal como a expressão 3.20 [35],
0
1
2
𝐶𝑚𝑒𝑑 (𝑛) = 𝜋(𝑛) ∗ (3.20)
3
4
[5]
𝜋(𝑛) = [𝜋0 (𝑛) 𝜋1 (𝑛) 𝜋2 (𝑛) 𝜋3 (𝑛) 𝜋4 (𝑛) 𝜋5 (𝑛)] 𝑛 = 0,1, . .. (3.21)
Estas equações são necessárias para prever o índice de condição pelos processos de Markov
em tempo discreto sendo agora exemplificado através de dados reais.
A aplicação dos modelos de Markov em tempo discreto baseou-se em dados reais. Os dados
revelam que são efetuadas duas inspeções por semestre. Desta forma, é calculado uma matriz
probabilística de Markov P com ∆𝑡 = 3 meses com recurso a equação 3.11. Obtém-se uma
matriz de Markov de acordo com a equação 3.22, para intervalos de tempo de 3 meses. Esta
matriz resulta das inspeções fornecidas relativamente ao parâmetro geométrico alinhamento da
linha férrea. O valor 0,157 da matriz corresponde à probabilidade da linha estando num índice
de condição 2, transitar para o nível 3 após 3 meses.
A título de exemplo considera-se agora uma nova linha férrea em perfeito estado, sem
deterioração existente sendo então classificada com índice de condição 0, de acordo com a
expressão 3.23:
𝜋 (0) = [1 0 0 0 0 0] (3.23)
Tendo a matriz P e o vetor inicial 𝜋 determina-se probabilísticamente a evolução dos índices
de condição pela equação, 3.19, para um período de 30 meses apresentado na Tabela 3.4.
Por exemplo, após 2 anos, que equivale a 24 meses, o intervalo 𝑛 deve ser múltiplo de 3 de
24
acordo com a matriz 3.22. Então o intervalo de inspeção para 2 anos corresponde a 𝑛 = =8
3
𝜙(8) = 𝑃8
0
1
2
𝐶𝑚𝑒𝑑 (8) = [0.194 0.456 0.145 0.118 0.049 0.038] ∗ = 1.487
3
4
[5]
Este valor representa o índice de condição previsto após 24 meses.
Ao analisar a Tabela 3.4, constata-se na coluna do índice de condição 0, que à medida que
o tempo passa a probabilidade de se manter no mesmo índice vai naturalmente decrescendo.
Por sua vez, a probabilidade dos outros índices aumenta, até atingir a sua probabilidade máxima
exceto o índice de condição 5 que irá aumentar até atingir 1.
4
Indice de Condição
0
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360
Tempo (meses)
A Figura 3.4 não é representada por uma curva contínua, pois em tempo discreto, a
observação é realizada num determinado intervalo ∆𝑡 sendo neste caso de 3 em 3 meses, não
existindo informação do que ocorre entre esse período, o que justifica o gráfico ser
caracterizado por marcadores pontuais equidistantemente espaçados no tempo.
Nos processos de Markov em tempo contínuo é estabelecida uma matriz intensidade, 𝑄, que
corresponde a taxas de transições 𝑞𝑖𝑗 , independentes do tempo, que se relaciona diretamente
com qualquer matriz de Markov, 𝑃, de acordo com a expressão 3.26:
𝑑𝑃(∆𝑡)
= 𝑃(𝑡) ∗ 𝑄 (3.26)
𝑑𝑡
Sendo a sua solução dada por 3.27, onde é possível identificar uma distribuição de Poisson,
−𝜃0 𝜃0 0 0 0 0
0 −𝜃1 𝜃1 0 0 0
0 0 −𝜃2 𝜃2 0 0
𝑄= (3.28)
0 0 0 −𝜃3 𝜃3 0
0 0 0 0 −𝜃4 𝜃4
[ 0 0 0 0 0 0]
𝜃0 𝑞01
𝜃1 𝑞12
𝜃2 = 𝑞23 (3.29)
𝜃3 𝑞34
[𝜃4 ] [ 𝑞45 ]
𝑛𝑖𝑗
𝑞𝑖𝑗 = (3.30)
∑ ∆𝑡𝑖
Em que 𝑛𝑖𝑗 é o número de elementos que transitaram do índice de condição i para o índice
j e ∑ ∆𝑡𝑖 o somatório de intervalos de tempo onde o índice de condição i se manteve [41] [45]
[44].
modelo tanto melhor quanto menor for essa distância. Isto é, a matriz 𝑄 ótima é determinada
através do método da maximização de verosimilhança definido pela expressão 3.31 [35] [41]:
𝑉= ∏ 𝑝𝑖𝑗 (3.31)
𝑡𝑟𝑎𝑛𝑠𝑖çõ𝑒𝑠=1
O objetivo da equação 3.31, é realizar o somatório das parcelas 𝑝𝑖𝑗 das transições existentes
nos dados reais. De acordo com a equação 3.7 as transições onde 𝑖 > 𝑗, não são tidas em conta
na equação 3.31.
Sabendo o vetor probabilidades 𝑝(𝑡𝑖 ), relativo aos vários índices de condição num instante
inicial 𝑡𝑖 e, estando na posse de uma matriz 𝑃∆𝑡 que reproduza convenientemente a deterioração
da estrutura em causa ao longo do respetivo intervalo de tempo, é possível prever o desempenho
futuro para um instante final 𝑡𝑓 , obtendo o vetor probabilidade de índices de condição 𝑝(𝑡𝑓 ) de
acordo com a equação 3.33 [35]:
Para obter o índice de condição médio, basta multiplicar o vetor probabilidades pelo vetor
coluna dos índices de condição com índice a equação 3.35 [35]:
0
1
2
𝐶𝑚𝑒𝑑 (𝑡) = 𝑝(𝑡) ∗ (3.35)
3
4
[5]
Esta linha esteve sujeita a 2994 inspeções desde 2009, duas por semestre. São observadas
melhorias no estado de condição da estrutura que se pode dever a duas situações: erros de
avaliação do índice de condição por parte do inspetor ou aplicação de uma ação de manutenção
na estrutura. Estas melhorias do índice de condição observaram-se 341 vezes no caso do
alinhamento e 213 vezes no caso do nivelamento longitudinal.
Os resultados obtidos nas inspeções foram sujeitos à nova classificação dos índices de
condição baseados nos novos intervalos de desvio padrão definidos na Tabela 3.2. Após
determinação do índice de condição de cada inspeção é calculado pelo método de Jackson
(equação 3.30) as taxas de transição 𝑞𝑖𝑗 e posteriormente otimizadas pelo método da máxima
verosimilhança. Analisou-se a eficiência do modelo, a estimativa do tempo de permanência nos
vários índices de condição, a evolução das probabilidades de transição ao longo do tempo e por
fim previu-se para um determinado tempo, com recurso aos processos de Markov, a evolução
dos índices de condição.
Esta fase passa pela obtenção das taxas de transição 𝜃𝑖 pelo método de Jackson, que
correspondem aos valores da matriz 𝑄 da equação 3.28. Estas taxas fundamentais para a
previsão do índice de condição, sendo depois otimizadas pelo método da maximização da
verosimilhança.
A obtenção dos valores de 𝜃𝑖 , depende dos índices de condição obtidos nas inspeções. No
entanto, como foi já referido em alguns casos verifica-se uma melhoria do estado de condição
de uma inspeção para a seguinte. O que sucede, aquando da constatação de um aumento do
índice de condição, a transição de melhoria não entra para o cálculo das taxas transição e a linha
terá um novo índice inicial. Se porventura nos dados exista uma melhoria do estado de índice
de condição e se não existe inspeções após a mesma, essa inspeção não irá entrar no processo
de cálculo.
Por vezes podem existir situações com melhoria natural devido a erros do inspetor porém,
não foi tido em conta essas ocorrências pois não existia um histórico de ações de manutenção
ou reparação em conjunto com os dados reais. Caso um documento sobre essas ações fosse
disponibilizado, analisava-se as transições existentes nos dados reais e verifica-se se essas
transições foram devido a ações de manutenção ou reparação. Se por ventura é visível o erro
do inspetor um ajuste é realizado sobre a inspeção em causa verificando o valor do índice de
condição antes e depois dessa inspeção. Por exemplo, uma transição 2-3 em que a próxima
inspeção resultou num índice de condição 2 e é visível a não existência de nenhuma ação de
manutenção ou reparação o valor da inspeção, que resultou em 3, seria alterada para 2.
A partir dos dados reais e segundo a equação 3.30, obtiveram-se as seguintes expressões
3.36 e 3.37:
𝜃0 0.049
𝜃1 0.023
𝜃2 = 0.045 (3.36)
𝜃3 0.025
[𝜃4 ]𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 [ 0.011]
𝜃0 0.097
𝜃1 0.036
𝜃2 = 0.003 (3.37)
𝜃3 0
[𝜃4 ]𝑛𝑖𝑣𝑒𝑙𝑎𝑚𝑒𝑛𝑡𝑜 [ 0 ]
−0.049 0.049 0 0 0 0
0 −0.023 0.023 0 0 0
0 0 −0.045 0.045 0 0
𝑄𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 = (3.38)
0 0 0 −0.025 0.025 0
0 0 0 0 −0.011 0.011
[ 0 0 0 0 0 0 ]
−0.097 0.097 0 0 0 0
0 −0.036 0.036 0 0 0
0 0 −0.003 0.003 0 0
𝑄𝑛𝑖𝑣𝑒𝑙𝑎𝑚𝑒𝑛𝑡𝑜 = (3.39)
0 0 0 0 0 0
0 0 0 0 0 0
[ 0 0 0 0 0 0]
Os valores estipulados para 𝜃𝑖 , que formam a matriz 𝑄, são fundamentais para definir a
eficiência do modelo utilizado. Essa eficiência é medida recorrendo à matriz 𝑄 ótima e é
determinada através do método da maximização da verosimilhança, sendo realizada com o
auxílio de uma função de otimização disponível no MatLab®, fmincon.
Tabela 3.5 – Exemplo de uma linha com inspeções referente ao segundo semestre de 2010 do parâmetro alinhamento.
𝟗𝟏 38,00 38,2 2 3 2 3 5 3
Sabendo que a matriz 𝑄 é única e é utilizada para o cálculo das matrizes de probabilidade
de Markov e que os intervalos ∆𝑡 entre inspeções é constante (3 meses), determina-se a matriz
Markoviana 𝑃 recorrendo a equação 3.27 obtendo a expressão 3.40,
Tendo a matriz Markoviana 𝑃 a determinação dos 𝑝𝑖𝑗 da equação 3.32, depende da transição
entre os índices de condição de cada inspeção 𝑖 e 𝑗.
No caso da Tabela 3.5, a primeira inspeção resulta num índice de condição 2, a segunda
também, logo há uma permanência de índice. Nesta transição o 𝑝𝑖𝑗 , é 𝑃22 da matriz 3.40 com
valor de 0,873.
A terceira inspeção resulta num índice de condição 5. Logo da segunda inspeção para a
terceira ocorre uma transição 2-5. Neste caso o 𝑝𝑖𝑗 , é 𝑃25 da matriz 3.40 com valor de 5 ∗ 10−5 .
Neste exemplo o valor de 𝑉 é o somatório logarítmico dos dois 𝑝𝑖𝑗 obtidos, resultando na
expressão 3.41,
O valor de 𝑉 negativo ocorre pelo facto das parcelas que entram no somatório serem
logaritmos de valores entre 0 e 1.
Com as taxas de transição obtidas pela equação 3.36 e 3.37 é efetuado o cálculo da
verosimilhança aos 150 troços da linha em estudo com as respetivas transições existentes.
Determina-se todos os 𝑝𝑖𝑗 e realiza-se um somatório logarítmico de acordo com a expressão
3.32 para obter a verosimilhança 𝑉. Quanto ao alinhamento o valor de 𝑉 corresponde a – 1042.4
e o nivelamento de – 786.631.
adaptam aos dados reais, no sentido de que 𝑉 seja o menor possível. Como já demonstrado, o
resultado da verosimilhança é um valor negativo, razão pela qual se procura a máxima
verosimilhança, o que corresponde a minimizar o valor absoluto de V.
𝜃0 0.062
𝜃1 0.032
𝜃2 = 0.067 (3.42)
𝜃3 0.033
[𝜃4 ]𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 [0.001]
𝜃0 0.121
𝜃1 0.038
𝜃2 = 0.003 (3.43)
𝜃3 0.001
[𝜃4 ]𝑛𝑖𝑣𝑒𝑙𝑎𝑚𝑒𝑛𝑡𝑜 [0.001]
Deste modo a partir das taxas de transição 𝜃𝑖 das expressões 3.42 e 3.43, o método da
máxima verosimilhança resultou num 𝑉 de -1026 e -784,84 para o alinhamento e para o
nivelamento longitudinal.
Ao comparar a equação 3.36 com a 3.42 é observável uma alteração nas taxas de transição
𝜃3 e 𝜃4 que já não são iguais a 0. A alteração deve-se ao facto de ser necessário atribuir um
valor mínimo aos 𝜃𝑖 aquando a aplicação da função fmincon para ocorrer uma convergência na
obtenção de 𝑉.
Portanto, os valores obtidos pelo método da máxima verossimilhança são os que fornecem
menores valores de V, logo passando a ser a taxa de transição 𝜃𝑖 utilizada no modelo de
desempenho.
Uma das possibilidades para avaliar a qualidade do modelo, é o teste de ajustamento do Qui-
Quadrado.
Como na generalidade dos testes de ajustamento, o processo inicia-se com a formulação das
hipóteses (hipótese nula, 𝐻0 , e hipótese alternativa,𝐻1 ) nos seguintes termos:
𝐶 (𝑂𝑖 − 𝐸𝑖 )2
𝑇=∑ (3.45)
𝑖=1 𝐸𝑖
Uma vez fixo o nível de significância 𝛼, a rejeição ou não rejeição da hipótese nula, 𝐻0 , é
2
realizada com base na comparação entre o valor da estatística do teste e 𝜒𝑔𝑙:𝛼 . Rejeita-se a
hipótese nula, 𝐻0 , a um nível de significância 𝛼 caso o valor da estatística do teste, 𝑇, seja
2
superior 𝜒𝑔𝑙:𝛼 , isto é, rejeita-se a hipótese nula, 𝐻0 , se verificar a equação 3.46:
2
𝑇 > 𝜒𝑔𝑙:𝛼 (3.46)
𝑂0 501
𝑂1 1374
𝑂2 363
𝑂𝑖𝑛𝑖𝑐𝑖𝑎𝑙;𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 = = (3.47)
𝑂3 223
𝑂4 30
[𝑂5 ] [ 18 ]
𝑂0 214
𝑂1 1562
𝑂 853
𝑂𝑖𝑛𝑖𝑐𝑖𝑎𝑙;𝑛𝑖𝑣𝑒𝑙𝑎𝑚𝑒𝑛𝑡𝑜 = 2 = (3.48)
𝑂3 2
𝑂4 0
[𝑂5 ] [ 0 ]
Após cada intervalo de tempo ∆𝑡, as inspeções apresentam o seguinte resultado do número
total de índices de condição, equação 3.49 e 3.50:
𝑂0 410
𝑂1 1323
𝑂2 408
𝑂𝑓𝑖𝑛𝑎𝑙;𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 = = (3.49)
𝑂3 279
𝑂4 57
[𝑂5 ] [ 32 ]
𝑂0 145
𝑂1 1443
𝑂2 1032
𝑂𝑓𝑖𝑛𝑎𝑙;𝑛𝑖𝑣𝑒𝑙𝑎𝑚𝑒𝑛𝑡𝑜 = = (3.50)
𝑂3 11
𝑂4 0
[𝑂5 ] [ 0 ]
As equações 3.49 e 3.50 correspondem às observações existentes nos dados reais faltando
somente determinar os índices de condição esperados através do modelo de Markov. Observa-
se nas equações 3.48 e 3.50 inexistência nas inspeções da linha férrea de índices de condição
de 4 e 5 no nivelamento.
A obtenção dos valores de 𝐸𝑖 , é seguidamente exemplificada com a Tabela 3.5. Para chegar
aos valores de 𝐸𝑖 , realiza-se um somatório, em que cada uma das matrizes 𝑃 calculadas
contribui com uma das suas linhas.
A matriz 𝑃 é calculada pela equação 3.27 com ∆𝑡 = 3 e 𝜃𝑖 das equações 3.42 e 3.43.
Note-se que as matrizes 𝑃 das equações 3.40 e 3.51 são necessariamente diferentes pois a
matriz 𝑄 para a equação 3.51 é obtida pelo método da máxima verosimilhança e não pelo
método de Jackson [44].
Como existe um intervalo regular entre inspeções a matriz 𝑃 da equação 3.51 não se altera.
Na determinação de 𝐸𝑖 , somente é necessário conhecer o índice de condição inicial, pois a linha
da matriz 𝑃 referente a esse índice contribui para o somatório e obtenção do 𝐸𝑖 .
Uma vez que o índice de condição inicial é de 2 na primeira inspeção, então será a terceira
linha da matriz 𝑃 da equação 3.51 obtendo a expressão 3.52.
𝐸0 0
𝐸1 0
𝐸 0.818
𝐸𝑒𝑥𝑒𝑚𝑝𝑙𝑜 = 2 = (3.52)
𝐸3 0.173
𝐸4 0.009
[𝐸5 ] [ 0 ]
No caso da segunda inspeção para a terceira o índice de condição inicial também é 2 logo a
linha da matriz 𝑃 da equação 3.51 na contribuição para o 𝐸𝑖 é igual a equação 3.52.
𝐸0 409.68
𝐸1 1323.86
𝐸 413.77
𝐸𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 = 2 = (3.53)
𝐸3 284.23
𝐸4 59.31
[𝐸5 ] [ 18.15 ]
𝐸0 146.5
𝐸1 1443.1
𝐸2 1030.2
𝐸𝑛𝑖𝑣𝑒𝑙𝑎𝑚𝑒𝑛𝑡𝑜 = = (3.54)
𝐸3 11.1
𝐸4 0
[𝐸5 ] [ 0 ]
A partir dos resultados observados (3.49 e 3.50) e esperados (3.53 e 3.54) referentes aos
dois parâmetros geométricos analisados é então possível determinar o valor da estatística do
teste associada a cada um através da equação 3.45. Obteve-se o valor de 𝑇𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 = 6.32 e
de 𝑇𝑛𝑖𝑣𝑒𝑙𝑎𝑚𝑒𝑛𝑡𝑜 = 0.02. Sendo assim de acordo com a equação 3.46, a hipótese nula é rejeitada
com um nível de significância de 5 % se os valores obtidos forem superiores a 𝜒 214∶ 0,05 =
23.685.
Como para os dois parâmetros analisados os valores obtidos são inferiores ao valor limite,
significa que o ajuste efetuado tem qualidade, ou seja, que o modelo teórico considerado
descreve de um modo adequado os dados observados.
É agora provado que os valores de 𝑉 são excelentes. No entanto sabendo-se que um valor
de verosimilhança igual a zero seria o resultado ideal porque significava que o modelo
corresponderia exatamente à realidade.
Segundo Jackson [44], a partir da matriz 𝑄, pode ser avaliado o tempo de permanência 𝑇𝑖
de cada índice de condição antes de transitar para o seguinte resultando na equação 3.55
1
𝑇𝑖 = (3.55)
𝜃𝑖
Recorre-se à equação 3.55 com as taxas de transição ótimas, resultando na Figura 3.5 para
o alinhamento e Figura 3.36 para o nivelamento.
Índice 3 30,12
Índice 2 14,89
Índice 1 31,60
Índice 0 16,21
0 5 10 15 20 25 30 35
Tempo (meses)
Figura 3.5 – Estimativa do tempo de permanência em cada índice de condição para o alinhamento.
Índice 2 353,05
Índice 1 26,31
Índice 0 8,24
Relativamente à Figura 3.5 o índice 4 não é visível, no gráfico, pois o valor de 𝜃4 é muito
pequeno comparado com os outros 𝜃𝑖 , o que resulta num tempo de permanência no estado 4 de
cerca de 1000 meses. Não esquecer que essa taxa é muito baixa porque existem poucas
inspeções, ou até nenhuma, que resultaram num índice de condição 5, logo, poucas transições
de índice 4 para 5. Averigua-se uma permanência de cerca de 30 meses para o índice de
condição 1 e 3, sendo estes os índices mais prevalecentes nas inspeções utilizadas. No entanto,
a permanência dos índices 0 e 2 são de cerca 15 meses sendo 50 % do índice 1 e 3.
Verifica-se na Figura 3.6, caso a linha, para o nivelamento, esteja no melhor índice de
condição 0, passa mais rápido para o índice seguinte do que qualquer outro. Observa-se também
que ao piorar o índice de condição maior é o tempo de permanência do mesmo. Os tempos de
permanência de índice de condição 3 e 4 não são observáveis pois são iguais ao índice de
condição 4 da Figura 3.5.
1
0,9
0,8
0,7
Probabilidades
P00
0,6
P01
0,5
P02
0,4
0,3 P03
0,2 P04
0,1 P05
0
0 20 40 60 80 100 120 140 160 180 200
Tempo (meses)
1
0,9
0,8
0,7
Probabilidades
0,6 P11
0,5 P12
0,4 P13
0,3
P14
0,2
P15
0,1
0
0 20 40 60 80 100 120 140 160 180 200
Tempo (meses)
1
0,9
0,8
0,7
Probabilidades
0,6
P22
0,5
P23
0,4
0,3 P24
0,2 P25
0,1
0
0 20 40 60 80 100 120 140 160 180 200
Tempo (meses)
1
0,9
0,8
0,7
Probabilidades
0,6
0,5 P33
0,4 P34
0,3
P35
0,2
0,1
0
0 20 40 60 80 100 120 140 160 180 200
Tempo (meses)
1
0,9
0,8
0,7
Probabilidades
0,6
0,5
P44
0,4
0,3 P45
0,2
0,1
0
0 20 40 60 80 100 120 140 160 180 200
Tempo (meses)
Da análise das Figuras 3.7, 3.8, 3.9, 3.10 e 3.11 é possível concluir que:
Não foi elaborado um gráfico com a evolução da probabilidade 𝑃55 , pois o índice 5 é o
índice absorvente do processo de Markov, ou seja, uma vez atingido esse valor numa linha, este
não sofre mais alterações. Uma ilustração gráfica de 𝑃55 , não seria mais do que uma linha reta
de probabilidade 1 ao longo de todo o período.
A matriz 𝑄 que reflete o caso real, permite realizar a previsão da curva média do
desempenho da linha ao longo dos próximos 200 meses. A intenção passa por recorrer ao último
registo de inspeções realizadas, que correspondem a um determinado índice de condição e
fazendo a sua média obtém-se o índice de condição inicial. Através do modelo de Markov
prevê-se o índice de condição para o horizonte de 200 meses. No caso geral, as inspeções são
realizadas em datas variadas. No entanto, neste caso, não é necessário atualizar as datas de
inspeção, visto que não havendo informação relativamente à data da sua realização, considera-
se que foi realizada as últimas inspeções à linha na mesma data.
Uma vez que o índice de condição é variável, o vetor do índice de condição inicial também
o será. Determina-se pelas equações 3.27, 3.33 e 3.35 o índice de condição para todos os troços
da linha e no seu seguimento retira-se a média e o desvio padrão do caso real resultando nas
Figuras 3.12 e 3.13.
5
4,5
4
Indice de Condição
3,5
3
2,5 Curva de
2 deterioração média
1,5 Desvio Padrão
1
0,5
0
0 20 40 60 80 100 120 140 160 180 200
Tempo (meses)
3
Indice de Condição
2,5
2
Curva de
1,5 deterioração média
1
Desvio Padrão
0,5
0
0 20 40 60 80 100 120 140 160 180 200
Tempo (meses)
Na Figura 3.12 observa-se que os 150 troços têm um índice inicial médio para parâmetro
alinhamento de 1,473 que, por coincidência, é o mesmo para o parâmetro o nivelamento
longitudinal (Figura 3.13).
Constata-se nas duas Figuras 3.12 e 3.13 que a curva de deterioração média vai
gradualmente e continuamente crescendo ao longo do período em análise. Nota-se, na
Figura 3.12, que por volta do mês 70, a curva começa a ficar tangente à linha, correspondendo
ao facto de se aproximar do pior índice de condição, 5.
Como é sabido, o desvio padrão mede a dispersão dos dados relativamente à média. O
gráfico revela uma tendência a decrescer continuamente, aproximando-se de zero no final do
tempo de análise. Significa que a grande maioria da linha apresenta no mês 200, um índice de
condição próximo do pior índice, 5.
3.5 Conclusões
Foi também analisado o tempo de permanência dos diferentes índices de condição. Estes
tempos 𝑇𝑖 permitem definir um tempo no qual o índice de condição permanecerá com o mesmo
valor. Estudou-se a evolução das probabilidades de transição 𝑝𝑖𝑗 ao longo do tempo,
observando-se a evolução das probabilidades dos índices consoante o tempo e o índice inicial
𝑖. Identificando-se a diferença de evolução no tempo dessas probabilidades.
Por fim, o uso do processo de Markov permitiu a previsão da curva média sobre o caso real,
com índice inicial 1,473. Estudaram-se ambos os parâmetros geométricos, verificando-se
diferentes desenvolvimentos das curvas médias devido as diferentes taxas de transição, sendo
agora possível acrescentar ações de manutenção ou reparação no modelo para analisar o seu
efeito no tempo. Estudar o efeito destas ações permitirá estabelecer uma possível estratégia de
manutenção da linha dependendo dos objetivos estabelecidos.
4 Capítulo 4
4.1 Introdução
No sentido de abordar um novo modelo de desempenho para a linha férrea, este capítulo
descreve um modelo estatístico, nomeadamente, os modelos de Markov ocultos (Hidden
Markov Model – HMM). Os HMM podem ser vistos como um modelo alternativo ao anterior.
Durante os últimos 15 anos, os HMMs têm sidos aplicados em várias áreas, incluindo
reconhecimento de voz, a modelação de linguagens, o reconhecimento de palavras manuscritas,
a verificação on-line de assinaturas, a aprendizagem de ações humanas e a deteção de falhas
em sistemas dinâmicos [48].
Por sua vez, o modelo do processo observável é descrito por uma função densidade de
probabilidade de saída que define a probabilidade condicional de se observar um conjunto de
características da linha férrea [50].
Como já referido, a sequência de índices num modelo, dada uma sequência de observações,
não é observada pelo observador. Ou seja, existindo uma sequência de observações, a sequência
de índices do modelo para gerar essa sequência não é conhecida. Por isso, o modelo é intitulado
como oculto [51].
Os modelos HMM baseiam-se num conjunto de índices conectados por transições com
probabilidades. Os processos observáveis consistem num conjunto de observações, podendo
ser emitidos por cada índice de acordo com a função de densidade de probabilidade [48].
Um modelo de Markov oculto é geralmente definido por três variáveis, 𝜆 = (𝐴, 𝐵, 𝜋) sendo
[51]:
Um HMM em tempo discreto é caracterizado por cinco parâmetros [48] [51] [52]:
𝜋𝑗 = 𝑃[𝑞1 = 𝑖] , 1 ≤ 𝑖 ≤ 𝑁 (4.5)
𝑁
∑ 𝜋𝑖 = 1 (4.6)
𝑖=1
Pode se observar que uma completa especificação de um modelo oculto de Markov requer
a enumeração dos dois parâmetros do modelo, 𝑁 e 𝑀, a especificação da observação de
observações e de três conjuntos de medidas de probabilidade 𝐴, 𝐵 e 𝜋 [48].
Figura 4.1 – Modelo completamente conectado [53]. Figura 4.2 – Modelo esquerda-direita [53].
Como suprarreferido no Capítulo 3 o índice de condição da linha não pode melhorar sem se
efetuar alguma ação de manutenção ou reparação. Esta situação corresponde a um fenómeno
de não regressão, pelo que o modelo tipo esquerda-direita serão recomendado para o caso em
questão.
𝑃(𝑂|𝜆) = ∑ 𝜋𝑞1 𝑏𝑞1 (𝑂1 )𝑎𝑞1𝑞2 𝑏𝑞2 (𝑂2 ) … 𝑎𝑞𝑇−1𝑞𝑇 𝑏𝑞𝑇 (𝑂𝑇 ) (4.8)
𝑞1 ,𝑞2 ,…𝑞𝑇
Sabe-se que cada produto da equação 4.8 realiza implicitamente 2𝑇 − 1 multiplicações para
cada sequência de índices. Desta forma, para realizar o cálculo de 𝑃(𝑂|𝜆) através das equações
anteriores são necessárias 𝑁 𝑇 (2𝑇 − 1) multiplicações e 𝑁 𝑇 -1 somas, tornando o processo
computacionalmente impraticável [51].
O algoritmo forward dedica-se à obtenção de 𝑃(𝑂|𝜆), sendo descrito por operações dadas
pelas três equações 4.10, 4.11 e 4.12 [54].
Inicialização
𝛼1 (𝑖) = 𝜋𝑖 ∗ 𝑏𝑖 (𝑜1 ), 1≤𝑖≤𝑁 (4.10)
Indução
𝑁
Terminação
𝑁
O algoritmo backward, também dedica-se à obtenção de 𝑃(𝑂|𝜆), sendo descrita pelas três
equações 4.14, 4.15 e 4.16 [54].
Inicialização
𝛽𝑇 (𝑖) = 1, 1≤𝑖≤𝑁 (4.14)
Indução
𝑁
Terminação
𝑁
O problema mais difícil dos HMMs é determinar um método para ajustar os parâmetros do
modelo 𝜆 = (𝐴, 𝐵, 𝜋) de modo a satisfazer um determinado critério de otimização. Não se
conhece nenhum método analítico que permita uma maximização global, da probabilidade de
ocorrência da sequência observável para todos os parâmetros do modelo [50]. No entanto, é
possível escolher o modelo onde a sua probabilidade seja localmente maximizada através de
um procedimento iterativo [51].
Recorrendo as definições das variáveis forward e backward, a equação 4.17 pode ser
reescrita numa nova equação 4.18,
𝛼𝑡 (𝑖). 𝑎𝑖𝑗 . 𝑏𝑗 (𝑜𝑡+1 ). 𝛽𝑡+1 (𝑗) 𝛼𝑡 (𝑖). 𝑎𝑖𝑗 . 𝑏𝑗 (𝑜𝑡+1 ). 𝛽𝑡+1 (𝑗)
𝜉𝑡 (𝑖, 𝑗) = = 𝑁 (4.18)
𝑃(𝑂|𝜆) ∑𝑖=1 ∑𝑁
𝑗=1 𝛼𝑡 (𝑖). 𝑎𝑖𝑗 . 𝑏𝑗 (𝑜𝑡+1 ). 𝛽𝑡+1 (𝑗)
Outra variável a ter em conta é 𝛾𝑡 (𝑖), e define-se como sendo a probabilidade de estar no
índice 𝑖 no instante t de acordo com a equação 4.19.
Como anteriormente a equação 4.19 também pode ser reescrita em função das variáveis
forward e backward, obtendo-se a equação 4.20,
𝑇−1
∑ 𝜉𝑡 (𝑖, 𝑗) (4.22)
𝑡=1
𝑇−1 (4.23)
∑ 𝛾𝑡 (𝑖)
𝑡=1
∑𝑇−1
𝑡=1 𝜉𝑡 (𝑖, 𝑗) (4.25)
𝑎̅𝑖𝑗 = 𝑇−1
∑𝑡=1 𝛾𝑡 (𝑖)
número de vezes no estado i com o símbolo vk (4.26)
𝑏̅𝑖 (𝑘) = número de vezes no estado i
Um HMM inicial é definido por 𝜆 = (𝐴, 𝐵, 𝜋) e seu modelo recalculado por 𝜆̅ = (𝐴̅, 𝐵̅ , 𝜋̅).
Baum provou que se o modelo inicial 𝜆 está no ponto crítico de função de probabilidade, neste
caso 𝜆̅ = 𝜆. Caso o modelo 𝜆̅ é mais promissor que o modelo 𝜆, porque 𝑃(𝑂|𝜆̅) > 𝑃(𝑂|𝜆),
então é encontrado um novo modelo 𝜆̅ na qual a sequência de observações é mais provável [53].
para o algoritmo, como exemplo, a tolerância que os valores dos parâmetros de uma iteração
para a outra [51].
Como o algoritmo Baum-Welch só encontra um valor máximo local e não global, um detalhe
importante em sua utilização para a recalcular os parâmetros de 𝜆 é a configuração inicial do
modelo, ou seja, o ponto de partida do algoritmo. Uma escolha inicial inadequada pode resultar
num máximo local muito distante do máximo global e, consequentemente, um modelo
incoerente [55].
4.5 Aplicação
Apesar de recorrer a essas funções, é necessário introduzir três parâmetros, são eles a matriz
de transição (𝐴), a matriz dos estados observados (𝐵) e a sequência de observações. As
matrizes 𝐴 e 𝐵 correspondem a configuração inicial pois a função “hmmtrain” recorre ao
algoritmo de Baum-Welch e recalcula as melhores matrizes que se ajustam à sequência de
observações introduzida.
Em relação a matriz 𝐵 o editor da função “hmmtrain” recomenda, caso não seja calculada,
que os elementos da matriz sejam todos iguais. Isto é, como existe 6 índices de condição essa
condição resulta na seguinte equação 4.28,
1 1 1 1 1 1
6 6 6 6 6 6
1 1 1 1 1 1
6 6 6 6 6 6
1 1 1 1 1 1
𝐵∆𝑡=3 = 6 6 6 6 6 6 (4.28)
1 1 1 1 1 1
6 6 6 6 6 6
1 1 1 1 1 1
6 6 6 6 6 6
1 1 1 1 1 1
[6 6 6 6 6 6]
As matrizes 4.28 e 4.29 permitem definir a configuração inicial para a função “hmmtrain”,
permitindo reduzir o número de iterações. Por sua vez, a equação 4.29 incorpora termos
equivalentes a zero e irão manter-se, permitindo garantir o HMM do tipo esquerda-direita.
No sentido de observar essa evolução, são gerados 10000 sequências de observações dos
índices, provenientes de 100 inspeções correspondendo a 30 anos em estudo. Por fim,
calcula-se a média dessas sequências sendo possível observar na Figura 4.3 a evolução do índice
de condição para o parâmetro o alinhamento.
4
Índice de Condição
0
0 30 60 90 120 150 180 210 240 270 300 330 360
Tempo (meses)
A toolbox permite examinar sobre a evolução das probabilidades dos índices no tempo
através da função “hmmdecode”, resultando na Figura 4.4.
1
0,9
0,8
0,7
Probabilidades
P00
0,6
P01
0,5
P02
0,4
0,3 P03
0,2 P04
0,1 P05
0
0 30 60 90 120 150 180 210 240 270 300 330 360
Tempo (meses)
Pela Figura 4.4 observa-se que a probabilidade do índice inicial decresce continuamente ao
longo dos meses, atingindo uma probabilidade nula ao fim de 200 meses. Todas as
probabilidades, à exceção da P00 e P05, apresentam uma tendência de subida até determinado
ponto, começando gradualmente depois a diminuir. Em relação ao P05 verifica-se um aumento
contínuo da probabilidade de transição do índice 0 para 5 ao longo do tempo tendendo para 1.
4
Índice de Condição
0
0 30 60 90 120 150 180 210 240 270
Tempo (meses)
4.6 Conclusões
A criação de uma modelo de desempenho através dos modelos de Markov ocultos, necessita
conhecimento sobre os parâmetros e variáveis que são necessários para uma perceção da sua
aplicação.
A função “hmmdecode” possibilitou obter o gráfico da Figura 4.4 sobre a evolução das
probabilidades de índices de condição, e consequentemente observar algumas semelhanças com
o modelo Markov em tempo contínuo.
5 Capítulo 5
5.1 Introdução
A manutenção corretiva é o método mais primário de conservação, dado que ocorre depois
do defeito ou degradação ter sido detetado. Nesta modalidade a intervenção é realizada, visando
a correção de uma anomalia que comprometa o desempenho do sistema e atuando
principalmente na geometria da linha. Paralelamente são corrigidos alguns defeitos do material.
O objetivo é deixar a linha em bom estado, de forma a retardar os processos de deterioração e
assegurar a segurança do comboio e a proteção do material [47]. As ações de manutenção
corretivas podem ser baseadas no tempo ou no estado. Contudo, são geralmente baseadas no
estado e têm um impacto mais significativo no desempenho da estrutura, incutindo uma efetiva
melhoria no seu desempenho [15] [41].
Na manutenção preventiva baseada no tempo (Figura 5.1), quatro variáveis devem ser
definidas para a elaboração de um modelo, são estas [35]:
Considere-se, a título de exemplo, uma linha férrea nova na qual a qualidade geométrica do
alinhamento esta ótima, ou seja, o índice de condição é igual a 0. Efetuou-se a previsão do
desempenho num modelo com 6 diferentes índices de condição, num ciclo de vida de 120
meses. Para tal, utiliza-se a equação 3.27 com taxas de transição 𝜃𝑖 da equação 3.42. O resultado
da previsão da deterioração da linha ao longo do tempo, apenas referente ao alinhamento,
encontra-se ilustrado graficamente na Figura 5.2.
4
Índice de Condição
0
0 20 40 60 80 100 120
Tempo (meses)
Cenário 𝐭 𝐩𝐚 ∆𝐭𝐚 𝐭 𝐝𝐚 𝜹
1 10 12 5 -
2 20 5 5 -
3 10 15 10 50 %
Em seguida as Figuras 5.3, 5.4 e 5.5 representam o efeito dos cenários 1, 2 e 3 aplicados na
curva da Figura 5.2:
4
Índice de Condição
0
0 20 40 60 80 100 120
Tempo (meses)
4
Índice de Condição
0
0 20 40 60 80 100 120
Tempo (meses)
Índice de Condição
3
0
0 20 40 60 80 100 120
Tempo (meses)
O cenário 1 interpreta uma ação aplicada 10 meses após a instalação da linha, com uma
durabilidade de 5 meses. Essa ação só deve ser repetida após 12 meses. O cenário 2, altera o
momento da primeira aplicação para 20 meses com um intervalo de tempo entre aplicações de
5 meses. O cenário 3 reduz as taxas de transição da equação 3.42 de 50 %, aplicada 10 meses
após instalação da linha e com efeito durante 10 meses e repetida após 15 meses
sucessivamente.
Então, a matriz 𝑃 a utilizar, é uma matriz identidade para qualquer intervalo de tempo entre
o momento da aplicação e o tempo de duração da aplicação. O índice de condição ao longo da
duração da aplicação, calcula-se pela equação 5.2.
0.29 𝑇 1 0 0 0 0 0 0
0.50 0 1 0 0 0 0 1
0.14 0 0 1 0 0 0 2 (5.2)
𝐶(𝑡=[10−15]) = ∗ ∗ =1
0.06 0 0 0 1 0 0 3
0.01 0 0 0 0 1 0 4
[ 0 ] [0 0 0 0 0 1] [ 5]
Desta forma o índice de condição não altera ao longo do efeito da manutenção preventiva.
Na Figura 5.4, o cenário 2 demonstra que ao igualar o intervalo de tempo entre aplicação e
o tempo de duração de cada aplicação (∆𝑡𝑎 = 𝑡𝑑𝑎 ), o índice de condição mantém-se, como é
observável gráficamente com o surgimento de uma linha reta horizontal desde o instante da
primeira aplicação.
A Figura 5.5 ilustra o efeito do cenário 3 na curva de deterioração. Este cenário reduz as
taxas de transição e é calculada pela seguinte equação 5.3,
𝜃0 0.062 0.031
𝜃1 0.032 0.015
𝜃𝑖 = 𝜃2 = 0.067 ∗ (1 − δ) = 0.029 (5.3)
𝜃3 0.033 0.011
[𝜃4 ] [ 0.001 ] [ 0.001]
A redução das taxas de transição 𝜃𝑖 , implica a redução de probabilidade de um índice
𝑖 transitar para 𝑗 aumentando deste forma os valores da 𝑃𝑖𝑖 .
Na manutenção corretiva baseada no tempo (Figura 5.6), para além das variáveis 𝑡𝑝𝑎 e ∆𝑡𝑎 ,
surge a variável 𝐼𝑎𝑙𝑣𝑜 que indica o índice de condição que se pretende atingir no momento da
aplicação da manutenção corretiva [35].
Aplicando os cenários da Tabela 5.2 ao exemplo obtém-se as Figuras 5.7 e 5.8 para o cenário
1 e 2 respetivamente.
4
Índice de Condição
0
0 20 40 60 80 100 120 140 160 180
Tempo (meses)
4
Índice de Condição
0
0 20 40 60 80 100 120 140 160 180
Tempo (meses)
Relativamente à Figura 5.7 a primeira ação de manutenção corretiva ocorre no mês 20, com
um índice de condição de 1,77 e sendo o vetor de probabilidade do índice a seguinte equação
5.4,
O cenário 1 tem como objetivo alterar o índice de condição para 0. Desta forma, o índice
não deve ser superior a 0 no momento de atuação da ação, obrigando à alteração do vetor de
probabilidade do índice. Deste modo, o vetor probabilidade deve ser igual a equação 5.5,
resultando num índice 0 conforme a equação 5.6,
Observa-se na Figura 5.8, que a ocorrência da ação de manutenção corretiva com índice de
condição alvo igual a 2 no momento da ação, a curva não se encontra exatamente neste valor.
Comparando as equações 5.7 e 5.8, as parcelas das probabilidades dos índices 0 (0) e 1
(0,02) são iguais nas duas equações. Os valores referentes as probabilidade dos índices 3, 4 e 5
são alterados para 0.No sentido do vetor probabilidade verificar a condição da equação 3.5 o
valor relativo a probabilidade do índice 2 é obtido pela equação 5.9,
Na manutenção corretiva no estado, não existem variáveis temporais que definam o instante
na qual uma ação de manutenção é aplicada. Apenas é necessário definir o índice de condição
a partir do qual se pretende reabilitar a estrutura (𝐼𝑟𝑒𝑎𝑏 ) e definir o respetivo índice alvo para
qual esta é reabilitada (𝐼𝑎𝑙𝑣𝑜 ) [41].
Para exemplificar este tipo de manutenção recorre-se a dois cenários possíveis sugeridos na
Tabela 5.3.
O cenário 1 implica que ao chegar ao índice de condição 3, a linha férrea seja reabilitada
para o índice 1. Analisando o exemplo utilizado anteriormente, sabe-se que a linha tem um
índice inicial 0 e a deterioração da linha aumenta ao longo do tempo, logo aumenta a
probabilidade de transitar para os demais índices de condição. Portanto, quando a probabilidade
da linha férrea se encontra no índice 3 é maior que 0, a ação de manutenção tem efeito e melhora
o índice para 1. Isto obriga a que o processo de atuação deste modelo de manutenção seja
contínuo.
Índice de Condição
3
2 Cenário 1
Cenário 2
1
0
0 20 40 60 80 100 120 140 160 180
Tempo (meses)
Analisando a Figura 5.9, a ação 1 leva a que o índice de condição estabilize num valor de
1,34, permanecendo assim até ao final do seu ciclo de vida. No entanto a ação 2 estabiliza num
índice de condição de 2,14, devendo-se ao facto dos índices de reabilitação (𝐼𝑟𝑒𝑎𝑏 ) serem
diferentes.
O valor dos índices de condição a partir do qual se pretende reabilitar afeta fortemente o
vetor probabilístico do índice. No cenário 1 o índice para reabilitação é de 3 tornando o vetor
probabilidade do índice com valores nulos para os índices 4 e 5, mas no caso do cenário 2
apenas no índice 5 essa probabilidade é nula.
Após exemplificação, é fácil a perceção do efeito desta ação sobre a modelação Markoviana.
No capítulo anterior fez-se uma previsão do desempenho médio, importa agora no âmbito
deste capítulo realizar um estudo do efeito de determinadas ações sobre a mesma curva.
Através de uma revisão bibliográfica, várias ações de manutenção podem ser aplicadas às
infraestruturas ferroviárias. Opta-se entre uma ação de manutenção preventiva e outra corretiva,
no sentido de estudar a influência na rede ferroviária.
Uma ação de manutenção corretiva considera o ataque mecânico pesado da via. Esta
atividade consiste na vibração do balastro e à reposição do carril, que visam restabelecer as
condições geométricas iniciais da via [35]. Esta ação corresponde as ações descritas na
reparação no capítulo 2.
A análise é elaborada para um horizonte de 180 meses sendo os efeitos das ações
apresentadas na Tabela 5.4. São sugeridas duas ações sendo a primeira de manutenção
preventiva baseada no tempo e a segunda corretiva baseada no tempo.
Tabela 5.4 – Ações de manutenção aplicadas à linha férrea.
4
Índice de Condição
Figura 5.10 – Deterioração da linha sem ações de manutenção e com aplicação das ações de manutenção separadas
A aplicação da ação 1, preventiva, estagna a deterioração por 3 meses, cada vez que é
aplicada, visível na Figura 5.10. Observa-se na curva da ação 1 que aproximando-se do fim do
tempo de estudo, a diferença entre a mesma e a curva sem manutenção é de cerca 0,2. Esta
situação indica que o planeamento a longo prazo desta ação preventiva pode não ter uma
substancial interferência na preservação do índice de condição da linha férrea. O uso desta
manutenção ao longo da vida útil da linha, não oferece as suficientes garantias ao gestor da
linha uma vez que não evita que o índice seja superior a 3 após 50 anos.
A aplicação da ação 2 ocorre todos os 5 anos (60 meses), devolvendo à linha férrea as suas
condições iniciais (índice de condição 0). Como tal, observando o gráfico da Figura 5.10, a
primeira aplicação ocorre aquando o índice de condição atinge o valor de 3,77. A partir da
primeira manutenção o índice volta a 0 e aumenta durante os próximos 60 meses até atingir 3,5,
voltando-se a aplicar a ação.
4
Índice de Condição
Figura 5.11 – Deterioração da linha sem existência de ações de manutenção e com ambas ações de manutenção.
A Figura 5.11 permite observar facilmente a diferença entre as curvas de deterioração sem
manutenção e com as duas ações de manutenção. Verifica-se um índice de condição após a
primeira aplicação das ações em simultâneo um valor índice de condição máximo de 2,5. De
notar, agora com a existência da ação preventiva, que o tempo entre aplicações sucessivas (∆𝑡𝑎 )
da ação de manutenção corretiva pode ser aumentado, pois o valor do índice de condição não é
superior a 3 na exceção da primeira aplicação. Este conjunto de ações possibilita a não obtenção
de valores de índices superiores a 3 permitindo a linha férrea não entrar num nível de ação
imediata.
Tendo já definidos os dois modelos Markov, oculto e em tempo contínuo, aplica-se o efeito
em simultâneo das ações nas curvas médias obtendo a Figura 5.12.
5
4,5
4
Índice de Qualidade
Figura 5.12 – Comparação da deterioração da Linha com ações de manutenções atuando, calculadas pelos HMM e os
Markov contínuos.
Pela Figura 5.12, os HMM sujeitos ao efeito das ações combinadas apresentam valores
inferiores comparados com os Markov em tempo contínuos. Logo aquando a ocorrência das
ações de manutenção no caso dos HMM o valor do índice não ultrapassara 2 contrariamente
aos Markov contínuos.
Uma análise é feita sobre as probabilidades de transição dos índices no sentido de observar
o efeito das ações de manutenção sobre a evolução das probabilidades dos índices. Como foi já
referido no capítulo 3, a linha férrea tem como índice de condição médio 1,473, obtendo-se um
vetor de probabilidades inicial da expressão 5.14.
𝑝(𝑡𝑜 ) = [0.17 0.45 0.18 0.16 0.02 0.02] (5.14)
Para perceber o efeito das ações de manutenção é ilustrada na Figura 5.13 a evolução
probabilística dos diversos índices de condição sem ocorrência de nenhuma manutenção.
1
0,9
0,8
Índice de Condição 0
Probabilidade
0,7
0,6 Índice de Condição 1
0,5
0,4 Índice de Condição 2
0,3
Índice de Condição 3
0,2
0,1 Índice de Condição 4
0
0 20 40 60 80 100 120 140 160 180 Índice de Condição 5
Tempo (meses)
Figura 5.13 – Evolução das probabilidades dos índices de condição sem ocorrência de ações de manutenção.
O efeito provocado por uma ação de manutenção preventiva é ilustrada na Figura 5.14. É
observável a influência da ação de manutenção preventiva que retarda a probabilidade de
deterioração para cada índice de condição, sempre que esta é aplicada. Comparando com a
Figura 5.13, esta ação atenua o aumento crescente da probabilidade do índice de condição 5 e
mantem em vários intervalos o mesmo valor probabilísticos dos diversos índices de condição.
Atrasando o aumento parcial dos índices de condição, cuja evolução é decrescente.
Constata-se, com a existência desta ação, que a probabilidade de existir um índice de condição
4 não atingiu o seu valor máximo.
1
0,9
0,8
Índice de
de Condição
Qualidade00
Probabilidade
0,7 Índice
0,6 Índice de Condição
Qualidade11
0,5
0,4 Índice de Condição
Qualidade22
0,3 Qualidade33
Índice de Condição
0,2
0,1 Qualidade44
Índice de Condição
0 Qualidade55
Índice de Condição
0 20 40 60 80 100 120 140 160 180
Tempo (meses)
Figura 5.14 – Evolução das probabilidades dos índices de condição com ocorrência de ações de manutenção preventiva.
Na Figura 5.15 analisa-se a influência da ação corretiva que reabilita a linha todos os 60
meses para um índice igual a 0. Aquando da aplicação da ação de manutenção o índice de
condição 0 tem 100% probabilidade de ocorrer, logo, igual a 1. Em contrapartida, os outros
índices voltam a ter uma probabilidade igual a 0.
1
0,9
0,8
Índice de Qualidade
Condição 00
Probabilidade
0,7
0,6 Índice de Qualidade
Condição 11
0,5
0,4 Índice de Qualidade
Condição 22
0,3 Índice de Qualidade
Condição 33
0,2
0,1 Condição 44
Índice de Qualidade
0 Condição 55
Índice de Qualidade
0 15 30 45 60 75 90 105 120 135 150 165 180
Tempo (meses)
Figura 5.15 – Evolução das probabilidades dos índices de condição com ocorrência de ações de manutenção corretiva.
Após análise da evolução probabilística dos vários índices de condição falta somente
verificar a evolução dos mesmos, sujeitos à ocorrência de ambas as ações ao mesmo tempo,
resultando no gráfico apresentado na Figura 5.16.
1
0,9
0,8
Qualidade00
Índice de Condição
Probabilidade
0,7
0,6 Índice de Condição
Qualidade11
0,5
0,4 Índice de Condição
Qualidade22
0,3 Índice de Condição
Qualidade33
0,2
Índice de Condição
Qualidade44
0,1
0 Índice
Índice de
de Condição
Qualidade55
0 20 40 60 80 100 120 140 160 180
Tempo (meses)
Figura 5.16 – Evolução das probabilidades dos índices de condição com ocorrência das duas ações de manutenção.
A Figura 5.16 resulta na combinação das Figuras 5.14 e 5.15 observando-se as mesmas
características referidas anteriormente.
5.4 Conclusões
Após exemplificação e explicação analítica das ações possíveis fez-se uma análise sobre o
desempenho da linha considerando as ações nivelamento e alinhamento pontuais, e ataques
mecânicos pesados. Verifica-se que duas ações de tipo diferentes, mas combinadas revelaram-
se eficazes evitando um índice de condição superior a 3.
Uma estratégia de ações de manutenção bem planeada pode efetivamente evitar a existência
de índices de condição acima de valores indesejados. Com o objetivo de se evitar atingir esses
valores pode se juntar um objetivo económico visto que o recurso a ações de manutenção
repetidas aumenta consideravelmente o custo da linha férrea.
6 Capítulo 6
6.1 Conclusões
Para criar o algoritmo do modelo de previsão do desempenho de linha férrea, foi primordial
no capítulo 3 estudar o processo de cálculo realizados nos modelos de Markov em tempo
discreto e continuo. Constata-se que a informação histórica é elemento importante, e o processo
de Markov depende essencialmente da qualidade e da quantidade dessa informação no sentido
de garantir a eficácia da previsão.
Para o caso em estudo confirma-se ter obtido um modelo de Markov em tempo contínuo de
qualidade pois a avaliação feita através do teste de ajustamento do Qui-Quadrado demonstrou
que o modelo descreve de um modo adequado os dados reais.
4
Índice de Condição
0
0 30 60 90 120 150 180 210 240 270 300 330 360
Tempo (meses)
Figura 6.1 – Evolução do índice de condição referente ao parâmetro alinhamento para os 3 modelos analisados.
4
Índice de Condição
0
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360
Tempo (meses)
Figura 6.2 – Previsão do desempenho do caso em estudo para o alinhamento com dois modelos de Markov.
Constata-se, pelas Figura 6.1 e 6.2, que o processo de Markov em tempo contínuo apresenta
taxas de incremento superiores numa fase inicial. No entanto, essa curva exibe menores valores
após 250 meses. Considerando este histórico de inspeções, o modelo de Markov em tempo
contínuo revela uma evolução acentuada inicialmente comparada com os outros dois modelos.
Entre os modelos HMM e em tempo discreto observa-se diferença a partir dos 30 meses,
prevendo o HMM valores inferiores. Entretanto, com o decorrer do tempo, a curva dos HMM
aproxima-se dos processos de Markov em tempo discreto sendo já superior aos processos
contínuos a partir dos 228 meses.
𝐸0 416.38
𝐸1 1319.55
𝐸2 218.51
𝐸𝐻𝑀𝑀𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 = = (6.1)
𝐸3 476.89
𝐸4 49.70
[𝐸5 ] [ 27.97 ]
A partir dos resultados observados (equação 3.49) e esperados (equação 6.1) referentes ao
parâmetro geométrico analisado é possível determinar o valor da estatística do teste associada
a cada um através da equação 3.45. Obteve-se o valor de 𝑇𝑎𝑙𝑖𝑛ℎ𝑎𝑚𝑒𝑛𝑡𝑜 = 231.837. Sendo assim
de acordo com a equação 3.46, a hipótese nula não é rejeitada com um nível de significância de
5 % se os valores obtidos forem superiores a 𝜒 214∶ 0,05 = 23.685. O teste Qui-Quadrado
comprova que o modelo HMM obtido não possui distribuição teórica.
Para finalizar, o estudo desenvolvido nesta tese constitui um passo importante para previsão
do desempenho da linha férrea, tendo em vista a integração num possível sistema de gestão que
venha a ser elaborado em Portugal e requisite este tipo de modelos. O algoritmo elaborado nesta
dissertação (em anexo), através do software MatLab®, executa a previsão do desempenho de
qualquer índice de qualidade da linha. É possível também para o utilizador, através deste
programa, prever o comportamento das estruturas com o planeamento de quaisquer tipos de
ações de manutenção nesta tese estudadas, sejam elas preventivas, corretivas ou ambas.
A investigação sobre a previsão de desempenho é uma área ainda nova, havendo uma
enorme necessidade de maiores desenvolvimentos. Como perspetivas de futuras linhas de
investigação, propõe-se que sejam implementadas as seguintes atividades:
Aplicação num sistema de gestão com previsão e otimização baseado nos custos e
efeitos.
Utilização de processos de Markov de grau 2 e superior, baseando o cálculo da
degradação do desempenho não só no índice anterior, mas também na sequência de
eventos que o antecederam [41] [35].
Utilização de um algoritmo de otimização para obtenção da melhor estratégia para
as ações de manutenção.
Introduzir no modelo a estimativa de probabilidades de transição recorrendo ao
levantamento de opinião de peritos, para as situações em que o registo histórico de
inspeções não é suficientemente credível, ou não possui uma quantidade de dados
considerável [35].
Elaborar uma previsão do desempenho da Linha, não só com base apenas nos dois
parâmetros geométricos, mas com todos os parâmetros possibilitando a elaboração
de um índice global
Melhorar os HMM para tempos contínuos, que foram referidos brevemente no
capítulo 5, onde podem recorrer a distribuições gaussianas.
7 Bibliografia
8 Anexo
Quadro geral composto por 7 colunas onde a principal função é o índice de condição e o
intervalo de tempo entre as inspeções. Esse quadro é baseado num conjunto de índices
integrados numa variável denominada “dados”, sendo a linha correspondente a um troço e as
colunas as respetivas inspeções ocorridas sucessivamente.
% Criação do quadro
n=size(dados,1); %numero de linhas.
f=n*19; %linhas do quadro sendo que existe +20 índices.
Geral_ali = zeros(f,7);
Geral_niv = zeros(f,7);
j=1;
for i=1:f
Geral_ali(i,1)=dados(ii,1);
Geral_ali(i,2)=dados(ii,2);
Geral_ali(i,3)=dados(ii,3);
Geral_ali(i,4)=dados(ii,4);
Geral_niv(i,1)=dados(ii,1);
Geral_niv(i,2)=dados(ii,2);
Geral_niv(i,3)=dados(ii,3);
Geral_niv(i,4)=dados(ii,4);
if j==19
ii=ii+1;
j=0;
end
j=j+1;
end
Obtenção da matriz intensidade para tempo discreto (apenas o alinhamento). Para a matriz
do nivelamento apenas altera-se "ali" para "niv"
linhas=size(Geral_ali,1) ;
% Soma das linhas com indice iniciais igual a 0 e transitam para índices diferentes
AA=0; AB=0; AC=0; AD=0; AE=0; AF=0;
for i=1:linhas
if Geral_ali(i,5)==0 && Geral_ali(i,6)==0 && Geral_ali(i,5)==Geral_ali(i,6)
AA= AA +1; %transição de 0 para 0
end
if Geral_ali(i,5)==0 && Geral_ali(i,6)==1
AB= AB +1; %transição de 0 para 1
end
if Geral_ali(i,5)==0 && Geral_ali(i,6)==2
AC= AC +1; %transição de 0 para 2
end
if Geral_ali(i,5)==0 && Geral_ali(i,6)==3
AD= AD +1; %transição de 0 para 3
end
if Geral_ali(i,5)==0 && Geral_ali(i,6)==4
AE= AE +1; %transição de 0 para 4
end
if Geral_ali(i,5)==0 && Geral_ali(i,6)==5
AF= AF +1; %transição de 0 para 5
end
end
CE= CE +1;
end
if Geral_ali(i,5)==2 && Geral_ali(i,6)==5
CF= CF +1;
end
end
for i=1:linhas
if Geral_ali(i,5)==0 && Geral_ali(i,6)>=0
M= M +1;
end
if Geral_ali(i,5)==1 && Geral_ali(i,6)>=1
N= N +1;
end
if Geral_ali(i,5)==2 && Geral_ali(i,6)>=2
O= O +1;
end
if Geral_ali(i,5)==3 && Geral_ali(i,6)>=3
P= P +1;
end
if Geral_ali(i,5)==4 && Geral_ali(i,6)>=4
Q= Q +1;
end
if Geral_ali(i,5)==5 && Geral_ali(i,6)>=5
R= R +1;
end
end
% Obtenção da matriz P
matriz_P=[(AA/M),(AB/M),(AC/M),(AD/M),(AE/M),(AF/M);0,(BB/N),(BC/N),(BD/N),(BE/N),(BF/N);0,0,(
CC/O),(CD/O),(CE/O),(CF/O);0,0,0,(DD/P),(DE/P),(DF/P);0,0,0,0,(EE/Q),(EF/Q);0,0,0,0,0,(FF/R)];
C_MTD(1,1) =5;
end
for j=1:num_meses;
n=j;
P=matriz_P^(n);
P_IC = prob_inicial * P ;
C_MTD(1,(j+1)) = P_IC * [0;1;2;3;4;5] ;
end
% PLOT
axes1 =
axes('Parent',figure,'YGrid','on','XGrid','on','FontWeight','demi','FontAngle','italic');
box(axes1,'on');
hold(axes1,'all');
x=0:3:360;
y=C_MTD;
plot(x,y);
title('Evolução do Indice de Qualidade');
xlabel('Tempo (meses)');
ylabel('Indice de Qualidade');
pause
case 'Não'
end
linhas=size(Geral_ali,1) ;
% Estados com indice inicial IC=0
AA=0;
for i=1:linhas
if Geral_ali(i,5)==0 && Geral_ali(i,6)==1
AA= AA +1;
end
end
% Estados com indice inicial IC=1
BB=0;
for i=1:linhas
if Geral_ali(i,5)==1 && Geral_ali(i,6)==2
BB= BB +1;
end
end
% Estados com indice inicial IC=2
CC=0;
for i=1:linhas
if Geral_ali(i,5)==2 && Geral_ali(i,6)==3
CC= CC +1;
end
end
% Estados com indice inicial IC=3
DD=0;
for i=1:linhas
if Geral_ali(i,5)==3 && Geral_ali(i,6)==4
DD= DD +1;
end
end
% Estados com indice inicial IC=4
EE=0;
for i=1:linhas
if Geral_ali(i,5)==4 && Geral_ali(i,6)==5
EE= EE +1;
end
end
% Contar o tempo dos indices iniciais
M=0; N=0; O=0; P=0; Q=0;
for i=1:linhas
if Geral_ali(i,5)==0 && Geral_ali(i,6)>=0
M= M + Geral_ali(i,7);
end
if Geral_ali(i,5)==1 && Geral_ali(i,6)>=1
N= N + Geral_ali(i,7);
end
if Geral_ali(i,5)==2 && Geral_ali(i,6)>=2
O= O + Geral_ali(i,7);
end
if Geral_ali(i,5)==3 && Geral_ali(i,6)>=3
P= P + Geral_ali(i,7);
end
if Geral_ali(i,5)==4 && Geral_ali(i,6)>=4
Q= Q + Geral_ali(i,7);
end
end
% Obtenção dos tetas
teta = [AA/M;BB/N;CC/O;DD/P;EE/Q];
% Otimização da matriz
q=zeros(6,6);
q(1,1)=-teta(1); q(1,2)=teta(1);
q(2,2)=-teta(2); q(2,3)=teta(2);
q(3,3)=-teta(3); q(3,4)=teta(3);
q(4,4)=-teta(4); q(4,5)=teta(4);
q(5,5)=-teta(5); q(5,6)=teta(5);
% Optimizar o V
fVeros = @(v,veros)calc_veros(v,Geral_ali);
q_opt(:,size(q_opt,2)) = 0;
q_opt = -q_opt + circshift(q_opt,[0 1]);
q=q_opt;
elseif IC == 5;
C_MTC(1,1) =5;
end
for j=1:num_meses;
mProb=expm(q*1);
if j==1
vEstado=mProb((C_MTC(1,1)+1),:);
else
vEstado=P_IC*mProb;
end
P_IC = vEstado * mProb ;
C_MTC(1,(j+1)) = P_IC * [0;1;2;3;4;5] ;
end
% PLOT
axes1 =
axes('Parent',figure,'YGrid','on','XGrid','on','FontWeight','demi','FontAngle','italic');
box(axes1,'on');
hold(axes1,'all');
plot(C_MTC);
title('Evolução do Indice de Qualidade');
xlabel('Tempo (meses)');
ylabel('Indice de Qualidade');
pause
case 'Não'
end
num_meses=200;
linhas=size(dados,1);
C_ALL_MTC = zeros(linhas,num_meses+1);
% Indice de condição da base de dados
for i=1:linhas
C_ALL_MTC(i,1)=IC_ali(i,20);
end
mProb=expm(q*1);
for nLinhas=1:linhas
for nMeses=1:num_meses;
if nMeses==1
vEstado=mProb((C_ALL_MTC(nLinhas,1)+1),:);
else
vEstado=P_IC*mProb;
end
P_IC = vEstado * mProb ;
C_ALL_MTC(nLinhas,(nMeses+1)) = P_IC * [0;1;2;3;4;5] ;
end
end
Media_ali=mean(C_ALL_MTC(:,:));
DesvPad_ali=std(C_ALL_MTC(:,:));
plot(Media_ali);
plot(DesvPad_ali);
title('Evolução do Indice de Qualidade');
xlabel('Tempo (meses)');
ylabel('Indice de Qualidade');
pause
end