Escolar Documentos
Profissional Documentos
Cultura Documentos
São Carlos
2004
Dedico este trabalho e os
méritos desta conquista a minha
família.
AGRADECIMENTOS
Aos amigos que deixei em Curitiba e aos amigos que fiz em São Carlos,
agradeço pelo incentivo e companheirismo.
RESUMO.........................................................................................................................v
ABSTRACT.....................................................................................................................vi
CAPÍTULO 1 INTRODUÇÃO..........................................................................................1
3.5.2 Convexidade................................................................................................ 30
4.2.5 Probabilidade............................................................................................... 50
(Convolução) .................................................................................................... 58
CAPÍTULO 9 CONCLUSÕES.................................................................................163
REFERÊNCIAS......................................................................................................168
i
LISTA DE FIGURAS
FIGURA 3.6 – Exemplo de uma função com um mínimo global e dois mínimos
locais..................................................................................................35
FIGURA 4.11 – Superfície linear do estado limite no espaço zX1, zX2, zX3....................81
trabalho.......................................................................................105
aleatória...........................................................................................131
estrutural.................................................................................136
LISTA DE TABELAS
LISTA DE GRÁFICOS
RESUMO
v
ABSTRACT
Currently, it searches minimization of the costs for a structure that satisfies the
security principles, with respect to the states use and rupture limits, and the
impositions of norms techniques. However, no structure is total insurance. The
project involves uncertainties, therefore it in such a way has variations in
loading how much in the resistant capacity and rigidity of the structure. In this
way, calculation models that if based on sufficiently simple hypotheses are
being substituted for models that consider the variabilities of the structural
parameters and the requests, consequently, get a more reliability and realistic
evaluation of the last capacity of the structure. In the practical one, in structures
that take care of to the basic requirements of security, hardly the economy
degree is verified. Thus, through techniques of mathematical optimization and
statistical concepts, a computational program was developed for the
determination of the cross section of columns of reinforced concrete with the
minimum cost and the determination of the index of reliability of this structure for
a state has limited.
1 INTRODUÇÃO
2 REVISÃO BIBLIOGRÁFICA
desempenho pode ser, raramente, completa. Além disso, muitas decisões que
são necessárias durante o processo de planejamento são feitas sob condições
de incertezas. Por essa razão, há alguma chance de não satisfazer ou falhar;
conseqüentemente, o risco é inevitável. Segundo FREUDENTHAL (1947), sob
tais condições, não é provável (praticamente ou economicamente) assegurar
absoluta segurança ou desempenho de sistemas de engenharia.
Segundo SOARES (2001), risco pode ser definido de várias formas, sua
definição depende das circunstâncias. Se um evento não esperado levar a
perda de vidas humanas, prejudicar o meio ambiente ou gerar algum prejuízo
econômico tem-se um evento acidental. Um possível resultado de um evento
acidental seria a conseqüência ou efeito.
pF = P(S ≥ R)
pS = 1 - pF
13% mais leve que uma estrutura dimensionada pelos critérios convencionais
de projeto.
suas locações têm tido pequena atenção na literatura. Foi notado que a
probabilidade pode ser tanto sub quanto super estimada, dependendo da
escolha dos pontos, mas não a esclarece como fazer a seleção de pontos em
qualquer caso.
3 OTIMIZAÇÃO MATEMÁTICA
3.1 Introdução
gi ( x ) ≥ 0
min f ( x ) , sujeito à
x∈Rn h j ( x ) = 0
x2
c2 contornos de f
c1
região
provável
x*
x1
em x(3) = A{ x(2)} ∈ Rn, y(3) = f{x(3)} < y(2). A pesquisa continua desta maneira
com a k-ésima iteração. Deste modo, tem-se
x(∞) = x*,
onde
f(x*) = y*.
onde ∆’ é um número positivo tão pequeno quanto se deseja; desde que y* seja
conhecido, deve-se determinar k por algum outro critério para o término do
processo, ou seja,
∇f{x(k+1)} ≤ ∆”.
Existem vários tipos de critérios que podem ser usados para decidir
quando o procedimento iterativo gera uma aproximação apropriada para o
ponto de otimização, a maioria destes podem ser escritos pela definição de
uma função B: Rn → R1 e de um número positivo ∆, tal que, se
Otimização Matemática 27
__________________________________________________________________________________________________________________________________
B {x(k+1)} ≤ ∆,
Passo 2 Fazer k = 0.
∂f ∂f ∂f
, ,..., ,
∂x 1 ∂x 2 ∂x n
3.5.2 Convexidade
Uma função f será dita côncava se – f for convexa. As Figuras 3.2 e 3.3
ilustram a definição de conjunto convexo.
αx + (1-α)y
x
S
αx + (1-α)y
x
S
f(x)
Mínimo Local
Mínimo global
Figura 3.6 – Exemplo de uma função com um mínimo global e dois mínimos locais
para algum t ∈ (0,1). Além disso, se f for contínua e duas vezes diferenciável,
tem-se:
1
∇f ( x + p) = ∇f ( x ) + ∫ ∇ 2 f ( x + tp)pdt
0
1
∇f ( x + p) = f ( x ) + ∇f ( x ) T p + p T ∇ 2 f ( x + tp)p ,
2
PROVA
PROVA
Fazendo uma expansão pela série de Taylor ao redor de x*, tem-se para
todo t ∈ (0,T] e algum t ∈ (0, t ):
1 2 T 2
∇f ( x * + tp) = f ( x*) + tp T ∇f ( x*) + t p ∇ f ( x * + tp)p < f ( x*).
2
Teorema 4
PROVA
tem-se x* + p ∈ D,então
1 T 2 1
f ( x * +p) = f ( x *) + p T ∇f ( x*) + p ∇ f ( z)p = f ( x *) + p T ∇ 2 f ( z)p,
2 2
onde z = x* + tp, para qualquer t ∈ (0,1). Desde que z ∈ D, tem-se pT∇2 f(z) > 0
Teorema 5
PROVA
ηf ( z) + (1 − η)f ( x*) − f ( x *)
≤ lim = f ( z) − f ( x *) < 0.
x →0 η
onde f(x), gi(x) e hj(x) são funções reais do vetor x = (x1, x2, ... ,xn) ∈ Rn.
Este fato pode ser ilustrado pela Figura 3.7, onde as propriedades locais
satisfeitas por x*, obviamente, independem das restrições inativas g2 e g3.
• x*
Região Provável
g3(x)=0
g2(x)=0 g1(x)=0
∂f ∂f ∂f
df = dx 1 + dx 2 + ... + dx n = 0 . (3.5)
∂x 1 ∂x 2 ∂x n
∂h ∂h ∂h
dh = dx 1 + dx 2 + ... + dx n = 0 . (3.6)
∂x 1 ∂x 2 ∂x n
∂f ∂h ∂f ∂h ∂f ∂h
+λ dx 1 + +λ dx 2 + ... + +λ dx n = 0 . (3.7)
∂x 1 ∂x 1 ∂x 2 ∂x 2 ∂x n ∂x n
ne
L( x, λ ) = f ( x ) + ∑ λ jh j .
j=1
∂L
= 0, i = 1, ... , n
∂x i
∂L
= 0, j = 1, ... , ne
∂λ j
x2 = y(x1)
Se x1* for uma solução para este problema, então F’(x1*) = 0. Mas
dF ∂f ∂f dy
= + .
dx 1 ∂x 1 ∂x 2 dx 1
e, conseqüentemente, que
dC ∂c ∂c dy
= + =0
dx 1 ∂x 1 ∂x 2 dx 1
ou
Otimização Matemática 45
__________________________________________________________________________________________________________________________________
dy ∂c ∂c
=− .
dx 1 ∂x 1 ∂x 2
df ∂f ∂c ∂c
− =0
dx 1 ∂x 2 ∂x 2 ∂x 1
e ao se adicionar a identidade:
df ∂f ∂c ∂c
− = 0,
dx 2 ∂x 2 ∂x 2 ∂x 2
chega-se à relação:
∇f - λ∇c = 0,
∂f ∂c
onde λ = é o multiplicador de Lagrange correspondendo a equação
∂x 2 ∂x 2
∇f(x*) - λT∇c(x*) = 0.
c(x) = b
Otimização Matemática 46
__________________________________________________________________________________________________________________________________
x * = X(b).
c{X(b)} = b,
∇f{X(b)} - λ∇c{X(b)} = 0,
df { X(b)} ∂f ∂f dX
= X'1 (b) + X' 2 (b) = ∇f { X(b)} T
db ∂x 1 ∂x 2 db
dc { X(b)} dX
1= = ∇c { X(b)} T .
db db
dX dX
∇f { X(b)} − λ∇c { X(b)} =0
db db
e obtém-se:
df { x(b)}
λ= .
db
df { x(b)}
λi = , para i = 1, 2, ... , m
db i
Otimização Matemática 47
__________________________________________________________________________________________________________________________________
Teorema 6
λT∇g(x*) = 0,
λ ≥ 0, g(x*) ≥ 0 e h(x*) = 0.
4 ANÁLISE DA CONFIABILIDADE
4.1 Introdução
4.2.2 Evento
4.2.3 σ-Álgebra
• Ω ∈ A;
• se A ∈ A ⇒ Ac ∈ A;
∞
• se A1, A2, A3, ..... ∈ A ⇒ U Ai ∈ A.
i =1
Análise da Confiabilidade 50
__________________________________________________________________________________________________________________________________
x ] ∈ A, ∀ x ∈ R.
4.2.5 Probabilidade
#A
P(A) = , A ∈ A.
#Ω
• P(A) ≥ 0;
• P(Ω) = 1;
∞ ∞
• se A1 , A2 , A3 , ... ∈ A e são disjuntos ⇒ P( U A i ) = ∑ P( A I ) .
i =1
i =1
∞ ∞
• P( U A i ) ≤ ∑ P( A i ) ;
i =1
i =1
n n
• P ( A1 U A2 UKU An ) = P (U Ai ) =
i =1
∑ (−1)
r =1
r −1
Sr = S1 − S2 + S3 −K+ (−1) r −1 Sn ;
n n
• P( I A I ) ≥ 1 − ∑ P( A iC ) ;
i=1 i=1
∞ ∞
• P( I A i ) ≥ 1 − ∑ P( A iC ) ;
i =1 i =1
P( A I B)
P(A B)= , A, B ∈ A.
P(B)
P( A I B)
Como P(AB)= , então a probabilidade da ocorrência simultânea
P(B)
dos eventos A e B é dada por:
A1 Ω
A3
A2
Através da Figura 4.2, admitindo-se que a seqüência A1, A2, A3, ... seja
finita ou infinita enumerável, pode se observar que:
A1 Ω
A3
A2
B
P(B) = ∑ P( A i ) ⋅ P(B A i ) .
i
P( A j I B) P( A j ) ⋅ P(B A j ) P( A j ) ⋅ P(B A j )
P( A j B) = = = .
P(B) P(B) ∑ P( A ) ⋅ P(B A )
i
i i
0.6
0.4
0.2
0
-5 -3 -1 1 3 5
x
Uma vez que uma v.a assume um valor de seu contradomínio com uma
certa probabilidade, tem-se que as probabilidades são associadas a valores da
variável aleatória discreta por uma função de probabilidade (f.p.). As
probabilidades são associadas a intervalos de valores de uma variável aleatória
contínua por uma função densidade de probabilidade (f.d.p.).
Análise da Confiabilidade 56
__________________________________________________________________________________________________________________________________
p(x), é uma função, tal que para X(ω) ∈ {x1, x2, x3, ...}, ∀ ω ∈ A, tem-se p(xi) ≥ 0
∞
e ∑ p( x ) = 1.
i =1
i
x
distribuição acumulada da v.a. X é P(X < x ) = FX(x) = ∫ f ( t )dt , tem-se que f(x) =
−∞
∂FX ( x )
. A Figura 4.4 ilustra a definição dada.
∂x
0.3
0.2
0.1
0
-5 -3 -1 1 3 5
x
definida por F(x1, x2, ... , xk) = P(X1 ≤ x1, X2 ≤ x2, ..... , Xk ≤ xk).
Sejam X1, X2, .... , Xk v.a’s discretas, todas definidas no mesmo espaço
Sejam X1, X2, .... ,Xk v.a’s contínuas, todas definidas no mesmo espaço
de probabilidade (Ω, A, P), tais que F(x1, x2, ... , xk) = P(X1 ≤ x1, X2 ≤ x2, ..... ,
xk x1
Xk ≤ xk) = ∫ ....... ∫ f ( x1, x 2 ,......., x k )dx 1.....dx k , então f(x1, x2, .... , xk) é
−∞ −∞
denominada função densidade de probabilidade conjunta das v.a’s X1, X2, .... ,
Xk.
( x − µ )2
1 −
fX(x) = e 2 σ2
, x ∈ R, µ ∈ R e σ ∈ R+ .
σ 2π
b
P(a < X < b) = ∫ f ( x )dx .
a
z2
1 −2
fZ(z) = e , z ∈ R.
2π
Resultado 1
∞ ∞
f.d.p. da v.a V é dada por fV(v) = ∫ f X,Y (x, z-x)dx =
−∞
∫f
−∞
X,Y (v+y, y)dy.
PROVA
∞ z−x
Seja a f.d. da v.a Z, FZ(z) = P[Z < z] = P[X + Y < z] = ∫[ ∫ f
−∞ −∞
X, Y ( x, y )dy ]dx =
∞ z
∂FZ ( z )
∫ [ ∫ f X,Y ( x,u − x)du]dx , com y = u – x. E a f.d.p. de Z é igual fZ(z) =
−∞ −∞
∂z
=
z ∞ ∞
∂
∂z −∫∞ −∫∞ ∫f
{ [ f X,Y (x, u-x)dx]du} = X,Y (x, z-x)dx e se as v.a’s X e Y são
−∞
∞ ∞ ∞
independentes, tem-se que fZ(z) =
−∞
∫ f X,Y (x, z-x)dx = ∫ fX (z-y) fY ( y ) dy =
−∞
∫f
−∞
Y (z-
∞ ∞
µ = E( X) = ∑ x i ⋅ PX ( x i ) = ∑ x i ⋅ PX ( X = x i ) .
i=1 i=1
i=1 i=1
σ= V( X) .
n
E( X2 ) = ∑ x i ⋅ P( X = x i ).
2
i =1
σ
CV = .
µ
X = resistência,
Y = solicitação.
Resultado 2
• no caso discreto:
• no caso contínuo:
∞
pF = P(X < y) = ∫ F ( y).f
−∞
X Y ( y )dy .
∞
pF = P(X < y) = ∫ FX ( y ).f Y ( y )dy . (4.2)
0
Análise da Confiabilidade 63
__________________________________________________________________________________________________________________________________
PROVA
P( A I B)
Da definição de probabilidade condicional P(AB)= , A, B ∈ A,
P(B)
pode-se escrever:
P[( X < Y ) I ( Y = y )]
P(X < Y|Y = y) =
P( Y = y )
e considerando ∀ y, tem-se:
a
FX(a) = P(X < a) =
−∞
∫ f ( x)dx
e, conseqüentemente,
∞
pF = P(X < y) = ∫ FX ( y ).f Y ( y )dy .
0
∞
pF = P(X < y) = ∫ [1 - FY (x)] .f X ( x )dx . (4.3)
0
ps = 1 – pF . (4.4)
fX(x)
y x ou y
fX 2 (x) fX 1(x)
fY(y)
µ µ µ x ou y
Y X X
2 1
fX(x)
fY(y)
µY µX x ou y
relativa pode ser medida pela diferença (µx - µy), que é denominada “margem
de segurança”.
X ~ .(µX , σ 2X ) e Y ~ .(µY , σ 2Y ),
σX σ
e obtém-se os coeficientes de variação CVX = e CVY = Y .
µX µY
P(Y < XX = x) ≠ P(Y < x) e P(X < YY = y) ≠ P(X < y).
0
pF = ∫f
−∞
M (m)dm = FM(0) = p(M < 0), (4.7)
fM(m)
fM(m)
Área = pF
0 µM m
0
pF = ∫f
−∞
M (m)dm = FM(0) = P(M < 0)
M − µM 0 − µM − µM − µM
pF = P( < ) = P(Z < ) = Φ( )
σM σM σM σM
µM
pF = 1 – Φ( ) = 1 - Φ(β)
σM
β 1
µM 1 − z2
pS = 1 – pF = Φ(
σM
) = Φ(β) = ∫
−∞ 2π
e 2
dz,
onde
µM µR − µ Q
β= = .
σM σR2 + σ Q2
0.50 0
0.25 0.67
0.16 1.00
0.10 1.28
0.05 1.65
0.01 2.33
10-3 3.10
10-4 3.72
10-5 4.25
10-6 4.75
X
FS = .
Y
1
p F = ∫ fFS (θ)dθ = FFS (1.0) , (4.8)
0
fFS(θ)
fθ(θ)
Área = pF
0 1 θ
X − µX Y − µY
ZX = e ZY = .
σX σY
σXZX - σY ZY + µX – µY = 0.
ZY
Estado de Ruptura
M<0
Estado Limite d
M=0
Estado de Segurança
M>0
0 ZX
onde X = g(X1, X2, ... , Xn) é um vetor das variáveis de projeto do sistema, e a
função g( X ) determina o desempenho ou estado do sistema. Sendo que g( X )
= 0 é o estado limite do sistema.
Análise da Confiabilidade 74
__________________________________________________________________________________________________________________________________
Considerando que
Portanto, se a f.d.p. conjunta das variáveis de projeto X1, X2, ... , Xn for
f X1,....,Xn ( x1,..., x n ) , a probabilidade do estado de segurança será:
pS = ∫f x
g( x ) > 0
( x )dx (4.10)
pS = ∫f x
g( x ) < 0
( x )dx . (4.11)
Análise da Confiabilidade 75
__________________________________________________________________________________________________________________________________
Resultado 3
PROVA
σ X .0 − σ Y .0 + µ X − µ Y µX − µY
d= = ,
σ 2X + σ 2Y σ 2X + σ 2Y
D = (Z’Z)1/2 + λg(X)
Análise da Confiabilidade 76
__________________________________________________________________________________________________________________________________
∂L 2Z Xi ∂g
= +λ =0 i = 1, 2, .... ,n (4.13)
∂Z Xi 2 Z 2X1 + Z 2X 2 + .... + Z 2Xn ∂Z Xi
∂L
= g(X1, X2, .... ,Xn) = 0 (4.14)
∂λ
∂g ∂g ∂g ∂g ∂g dX i ∂g
G = , ,..., com = = σ Xi ,
∂Z X1 ∂Z X 2 ∂Z Xn ∂Z Xi ∂X i dZ Xi ∂X i
pois
dX i
X i = σ Xi Z Xi + µ X i e = σ Xi .
dZ Xi
Z
+ λG = 0 ,
( Z' Z)1/ 2
Z = -λDG (4.15)
e, conseqüentemente, obtém-se:
D = [(-λDG)’(-λDG)]1/2
Análise da Confiabilidade 77
__________________________________________________________________________________________________________________________________
D = λD(G’G)1/2
λ = (G’G)-1/2
logo,
Z = -λDG = - D.(G’G)-1/2.G
G' D
Z=- . (4.16)
(G' G)1/ 2
G’Z = - D(G’G)-1/2.G’G
G’Z = - D(G’G)1/2
G' Z
D=- (4.17)
(G' G)1/ 2
G*' Z *
dmin = - = β, (4.18)
(G*' G*)1/ 2
n
∂g
∑z
*
Xi ( *
)
i =1 ∂ z Xi
β=- (4.19)
n
∂g
∑ ( * )2
i =1 ∂ z Xi
G * dmin
Z* = - (4.20)
(G*' G*)1/ 2
Resultado 4
PROVA
n
∂g
g(X1,X2,...,Xn) = g(x 1* , x *2 , ..... , x n* ) + ∑(X
i=1
i − x i* )
∂X i*
+
n n
∑∑ ( X
j=1 i=1
i − x i* )( X j − x *j )
+....
∂ 2g
∂X i* ∂X *j
n n
n
∂g
∑∑ ( X i − x i* )( X j − x *j )
∑(X
j=1 i=1
g(X1,X2,...,Xn) = i − x i* ) + +... ,
i=1 ∂Xi* ∂ 2g
∂X i* ∂X *j
X i − µ Xi x i* − µ Xi
mas escrevendo em variáveis reduzidas = Zi e = z i* , tem-se:
σ Xi σ Xi
Xi - x i* = (σ Xi Zi + µ Xi ) – (σ Xi z i* + µ Xi ) = σ Xi ( Zi - z i* )
∂g ∂g ∂X i ∂g
= = σ Xi
∂Z Xi ∂X i ∂Z Xi ∂X i
∂g ∂g ∂Z Xi 1 ∂g
= = ,
∂Xi ∂Z Xi ∂Xi σ Xi ∂Z Xi
pois
∂X i ∂(σ Xi Z i + µ Xi )
= = σ Xi ,
∂Z Xi ∂Z Xi
então:
n
1 ∂g n
∂g
g(X1,X2,...,Xn) = ∑ σ Xi (Z Xi −z *Xi )
i=1 σ Xi ∂Z *Xi
+ ... = ∑ (Z
i=1
Xi −z *Xi )
∂Z *Xi
+ ...
n
∂g n
∂g
E(g) ≅ µg ≅ E( ∑ ( Z Xi −z *Xi ) + ...) = ∑ E(Z Xi −z *Xi ) + ...
i=1 ∂Z *Xi i=1 ∂Z *Xi
Análise da Confiabilidade 80
__________________________________________________________________________________________________________________________________
n
∂g n
∂g
E(g) ≅ µg ≅ ∑ (0 −z
i=1
*
Xi )
∂Z Xi
*
+ ... = − ∑
i=1
z *Xi
∂Z *Xi
n
∂g n
∂g
V(g) ≅ σ 2g ≅ V[ ∑ ( Z Xi −z *Xi ) + ...] = ∑ V[(Z Xi −z *Xi ) + ...]
i=1 ∂Z *Xi i=1 ∂Z *Xi
n
∂g 2
V(g) ≅ σ 2g ≅ ∑ ( V( Z
i=1
Xi ) − 0)) (
∂Z *Xi
)
n
∂g
V(g) ≅ σ 2g ≅ ∑ (1 − 0)) ( ∂Z
i=1
*
)2
Xi
n
∂g
V(g) ≅ σ 2g ≅ ∑ ( ∂Z
i=1
)2 .
X1
n
∂g
− ∑ z *Xi
µg i =1 ∂Z *Xi
Então, a razão entre a média e o desvio padrão é = ,
σg n
∂g 2
∑ (
i =1 ∂Z Xi
)
g( X) = a0 + ∑ ai Xi ,
i
a 0 + ∑ a i Xi = 0 .
i
Análise da Confiabilidade 81
__________________________________________________________________________________________________________________________________
a 0 + ∑ a i ( σ Xi Z i + µ Xi ) = 0 .
i
a 0 + a1 (σ X1 Z1 + µ X1 ) + a 2 (σ X2 Z 2 + µ X2 ) + a 3 (σ X3 Z 3 + µ X3 ) = 0 ,
que é uma superfície plana no espaço zX1, zX2, zX3 como mostra a Figura 4.11.
zX2
β
zX1
0
zX3
Figura 4.11 – Superfície linear do estado limite no espaço zX1, zX2, zX3
Sendo
g( X) = a0 + ∑ ai Xi
i
e sabendo-se que
Análise da Confiabilidade 82
__________________________________________________________________________________________________________________________________
n
µ g = E(g( X)) = E(a 0 + ∑ a i X i )
i =1
n
µ g = a 0 + ∑ a iE( X i )
i=1
n
µ g = a 0 + ∑ a i µ Xi
i=1
n
V(g) = V(g( X)) = V(a 0 + ∑ a i X i )
i =1
n
V(g) = 0 + ∑ a i V( X i )
2
i=1
n
V(g) = ∑ a i σ 2Xi
2
i=1
∑a
2
σ g = V(g) = i σ 2Xi ,
i=1
tem-se:
µg
β= .
σg
a 0 + ∑ a i µ Xi
β= i
(4.21)
∑ (a i σ Xi ) 2
i
Análise da Confiabilidade 83
__________________________________________________________________________________________________________________________________
n
p S = P a 0 + ∑ a i X i > 0
i=1
n n n
a + a X −a − aµ
0 ∑ ∑ ∑
0 − a − a µ
i i 0 i Xi 0 i Xi
p S = P i=1 i=1
> i=1
n n
(a i σ Xi )
∑ ∑
2 2
(a i σ Xi ) 2 2
i=1 i=1
n n
− a 0 − ∑ a iµ X i − (a 0 + ∑ a i µ X i )
p S = P Z > i=1
= 1− Φ
i=1
n n
2
∑ ∑ i Xi
2 2
( a i σ Xi ) ( a σ ) 2
i=1 i=1
n
a 0 + ∑ a i µ Xi
pS = Φ i=1
n
∑ (a i 2 σ X i ) 2
i=1 (4.22)
pS = Φ(β) (4.23)
84
5 MÉTODO DE SUPERFÍCIE
DE RESPOSTA
5.1 Introdução
Mesmo que haja uma boa teoria científica em que se pode confiar na
explicação do fenômeno de interesse, é quase sempre necessário conduzir
testes ou experimentos para confirmar se a teoria é, na verdade, aplicável na
situação ou no ambiente no qual está sendo empregada. Julgamentos
estatísticos e métodos estatísticos desempenham um papel importante no
planejamento, condução e análise de dados a partir de experimentos de
engenharia.
Y = f(x1, x2) + ∈
η = f(x1, x2)
modelada por uma função linear das variáveis independentes, então a função
aproximadora será o modelo de primeira ordem:
Y = β0 + β1 x1 + β2 x2 + ... + βk xk + ∈. (5.1)
k k
Y = β 0 + ∑ β i x i + ∑ β ii x i2 + ∑∑ β ij x i x j + ∈ . (5.2)
i=1 i=1 i j
i< j
k
ŷ = βˆ 0 + ∑ βˆ i x i (5.3)
i=1
k k
ŷ = βˆ 0 + ∑ βˆ i x i + ∑ βˆ ii x i2 + ∑∑ βˆ ij x i x j
i=1 i =1 i j
i< j
Y = β 0 + β1x 1 + β 2 x 2 + ∈ . (5.4)
Y = β 0 + β1x + β 2 x 2 + β 3 x 3 + ∈ . (5.6)
Y = β 0 + β1x 1 + β 2 x 2 + β 3 x 3 + ∈ , (5.7)
Y = β 0 + β1x 1 + β 2 x 2 + β 3 x 3 + ∈ ,
a Equação (5.9) pode ser escrita como um modelo de regressão linear múltipla
conforme segue:
Y = β 0 + β1x 1 + β 2 x 2 + β 3 x 3 + β 4 x 4 + β 5 x 5 + ∈ .
Cada observação (xi1, xi2, ..., xik, y) satisfaz o modelo na Equação (5.5)
ou
k
y i = β 0 + β1x i1 + β 2 x i2 + ... + β k x ik + ∈i = β 0 + ∑ β j x ij + ∈i , i =1, 2, ..., n. (5.10)
j=1
2
n n k
L = ∑∈ = ∑ y i − β 0 − ∑ β j x ij .
2
i (5.11)
i=1 i=1 j =1
Método de Superfície de Resposta 97
__________________________________________________________________________________________________________________________________
A função L deve ser minimizada com relação a β0, β1, ..., βk. As
estimativas de mínimos quadrados de β0, β1, ..., βk têm de satisfazer
n
∂L k
= −2∑ y i − βˆ 0 − ∑ βˆ j x ij = 0 (5.12)
∂β 0 βˆ 0 ,βˆ 1,...,βˆ k i=1 j=1
n
∂L k
= −2∑ y i − βˆ 0 − ∑ βˆ j x ij x ij = 0 , j = 1, 2, ..., k. (5.13)
∂β 0 βˆ 0 ,βˆ 1,...,βˆ k i=1 j=1
n n n n
nβˆ 0 + βˆ 1 ∑ x i1 + βˆ 2 ∑ x i2 + ... + βˆ k ∑ x ik = ∑ y i
i =1 i=1 i=1 i=1
n n n n n
βˆ 0 ∑ x i1 + βˆ 1 ∑ x i21 + βˆ 2 ∑ x i1x i2 + ... + βˆ k ∑ x i1x ik = ∑ x i1y i
i=1 i=1 i=1 i=1 i=1
n n n n n
βˆ 0 ∑ x ik + βˆ 1 ∑ x ik x i1 + βˆ 2 ∑ x ik x i2 + ... + βˆ k ∑ x ik2 = ∑ x ik y i (5.14)
i=1 i=1 i=1 i=1 i=1
y = Xβ + ∈ , (5.15)
sendo
y1 1 x 11 x 12 L x 1k β 0 ∈1
y 1 x x 22 L x 2k β ∈
y = 2, X= 21
, β = 1 , ∈= 2.
M M M M M M M
y 3 1 x n1 x n2 L x nk β k ∈n
aleatórios.
que minimiza
n
L = ∑∈i2 = ∈'∈ = ( y − Xβ)' ( y − Xβ) .
i=1
∂L
= 0.
∂β
n n n
βˆ 0 n
n ∑ x i1 ∑ x i2 L ∑x ∑ yi
ik
n i =1
n n
i=1
n
i=1
ni=1
x
∑ ∑x ∑x
2
x i2 L ∑ x i1x ik β1 ˆ
∑ x i1y i .
i=1
i1
i =1
i1
i=1
i1
i =1
= i=1
M M M M M M
n n n n n
∑ x ik ∑x x i1 ∑x x i2 L ∑ x ik2 ˆ ∑ x ik y i
i=1 i=1
ik
i=1
i1
i=1 β k i=1
Método de Superfície de Resposta 100
__________________________________________________________________________________________________________________________________
k
ŷ i = βˆ 0 + ∑ βˆ j x ij , i = 1, 2, ..., n. (5.18)
j=1
ŷ = Xβˆ .
e = y − ŷ . (5.19)
T( x ) ⇒ ui = φ −1 (Fxi ( x i )) i = 1,...,n
(5.21)
A transformação inversa é:
Em notação matricial:
{ }
U = {u} = φ −1 (F{x} ({x})) (5.23)
X = {x} = {F{ } (φ({x}))}
−1
x
x − µi
φ i = Fxi ( x i ) (5.24)
σi
1 x − µi
ϕ i = f xi (x i ) (5.25)
σi σi
Método de Superfície de Resposta 104
__________________________________________________________________________________________________________________________________
De (5.24) tem-se:
xi − µi
σi
[
= φ −1 Fxi ( x i) ] (5.26)
σi =
[
ϕ(φ −1 Fx i ( x i ) ] (5.27 )
f xi ( x i )
[
µ i = x i − σ i φ −1 Fxi ( x i ) ] (5.28)
µ 1 ,µ 2 µ 1 ,µ 2 µ 1 ,µ 2
0.70µ 1 +1.30µ1 u1 0.70µ 1 +1.30µ1 u1 0.70µ 1 +1.30µ1 u1
+1.30µ 2
+1.30µ 2 u2
+1.15µ 2
µ 1 ,µ 2 0.70µ 1 µ 1 ,µ 2 +1.30µ
1 +1.30µ 2
0.70µ 1 +1.30µ1 u1 0.85µ 1 +1.15µ1 u1
0.85µ 2 µ 1 ,µ 2
0.70µ 2
0.70µ 2 0.70µ 1 +1.30µ1 u1
0.70µ 2
u3
Na Tabela 5.1 está listado o número de pontos (np) de cada plano, que é
função do número de coeficientes nc do polinômio aproximador da SR e do
número de variáveis aleatórias (nva). Para um polinômio aproximador do
segundo grau, tem-se a seguinte relação entre o número de v.a. e o número de
coeficientes:
v.a. = nVA 1 2 3 4 5 6
nc 3 6 10 15 21 28
n VA = 1∴ n p = n c
• Plano estrela:
n VA > 1∴ n p = n c − 1
n VA = 1∴ n p = n c
• Plano estrela 45 ou hiper-cubo:
n VA > 1∴ n p = n c − 1
• Plano mínimo: {n p = n c
n VA = 1∴ n p = 5
• Plano composto:
n VA > 1∴ n p = 9(n VA − 1)
σi
δi = (5.29)
xi
x1 x2
x 1 (1 − 3δ1 ) x2
x 1 (1 + 3δ ) x2 (5.31)
1
x1 x 2 (1 − 3δ 2 )
x1 x 2 (1 + 3δ 2 )
x1 x2 x3
x 1 (1 − 3 δ 1 ) x2 x3
x 1 (1 + 3 δ ) x2 x3
1
x1 x 2 (1 − 3 δ 2 ) x3
x1 x 2 (1 + 3 δ 2 ) x3 ( 5 .32 )
x1 x2 x 3 (1 − 3 δ 3 )
x 1 (1 − 3 δ 1 ) x2 x 3 (1 − 3 δ 3 )
x 1 (1 + 3 δ 1 ) x2 x 3 (1 − 3 δ 3 )
x1 x 2 (1 − 3 δ 2 ) x 3 (1 − 3 δ 3 )
x1 x2 x3 x4
x 1 (1 − 3δ1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 )
x 1 (1 + 3δ ) x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 )
1
x 1 x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 )
x1 x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
x 1 (1 − 3δ1 ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
(5.33)
x 1 (1 + 3δ1 ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
x1 x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 )
x 1 (1 − 3δ ) x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 )
1
x 1 (1 + 3δ1 ) x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 )
Método de Superfície de Resposta 109
__________________________________________________________________________________________________________________________________
x1 x2 x3 x4 x5
x 1 (1 + 3δ1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
x 1 (1 + 3δ ) x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
1
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
x1 x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
x 1 (1 + 3δ1 ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x 1 (1 + 3δ1 ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
(5.34)
x1 x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x 1 (1 + 3δ ) x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 )
1
x 1 (1 + 3δ1 ) x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 )
x1 x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ14 ) x 5 (1 − 1.5δ 5 )
x 1 (1 + 3δ1 ) x2 x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 )
x 1 (1 + 3δ1 ) x2 x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 )
x1 x 1 (1 + 3δ1 ) x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 )
x1 x 1 (1 + 3δ1 ) x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 )
x1 x2 x3 x4 x5 x6
x1 (1 − 3δ1 ) x2 x 3 (1 − 3δ3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ5 ) x 6 (1 − 3δ6 )
x1 (1 + 3δ ) x2 x 3 (1 − 3δ3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ5 ) x 6 (1 − 3δ6 )
1
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 3δ3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ5 ) x 6 (1 − 3δ6 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 3δ3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ5 ) x 6 (1 − 3δ6 )
x1 x2 x 3 (1 − 3δ3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ5 ) x 6 (1 − 3δ6 )
x1 (1 − 3δ1 ) x2 x 3 (1 + 3δ3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 (1 + 3δ1 ) x2 x 3 (1 + 3δ3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 3δ3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 + 3δ3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 x2 x 3 (1 + 3δ3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 (1 − 3δ ) x2 x 3 (1 − 1.5δ3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ5 ) x 6 (1 − 1.5δ6 )
1
x1 (1 + 3δ1 ) x2 x 3 (1 − 1.5δ3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ5 ) x 6 (1 − 1.5δ6 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 1.5δ3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ5 ) x 6 (1 − 1.5δ6 ) (5.36)
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 1.5δ3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ5 ) x 6 (1 − 1.5δ6 )
x1 x2 x 3 (1 − 1.5δ3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ5 ) x 6 (1 − 1.5δ6 )
x1 (1 − 3δ1 ) x2 x 3 (1 + 1.5δ3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ5 ) x 6 (1 + 1.5δ6 )
x1 (1 + 3δ1 ) x2 x 3 (1 + 1.5δ3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ5 ) x 6 (1 + 1.5δ6 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 1.5δ3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ5 ) x 6 (1 + 1.5δ6 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 + 1.5δ3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ5 ) x 6 (1 + 1.5δ6 )
x1 x2 x 3 (1 + 1.5δ3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ5 ) x 6 (1 + 1.5δ6 )
x1 (1 − 3δ1 ) x2 x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 (1 + 3δ1 ) x2 x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 x 2 (1 − 3δ 2 ) x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 x 2 (1 + 3δ 2 ) x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 x2 x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 (1 − 3δ1 ) x2 x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ5 ) x 6 (1 + 3δ6 )
x1 x2
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 )
x 1 (1 − 3δ ) x 2 (1 + 3δ 2 ) (5.37)
1
x 1 (1 − 3δ1 ) x 2 (1 − 3δ 2 )
x 1 (1 + 3δ ) x 2 (1 − 3δ 2 )
1
x1 x2 x3
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 )
x 1 (1 − 3δ ) x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 )
1
x
1 (1 − 3 δ 1) x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 )
x 1 (1 + 3δ ) x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) (5.38 )
1
x 1 x2 x 3 (1 + 3δ 3 )
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 )
x 1 (1 − 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 )
x 1 (1 − 3δ1 ) x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 )
x1 x2 x3 x4
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 )
x 1 (1 − 3δ ) x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 )
1
x 1 (1 − 3δ1 ) x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 )
x 1 (1 + 3δ ) x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 )
1
x1 x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
(5.39 )
x 1 (1 − 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
x 1 (1 − 3δ1 ) x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
x 1 (1 + 3δ1 ) x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 )
x1 x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 )
x 1 (1 + 3δ ) x 2 (1 + 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 )
1
x 1 (1 − 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 )
x (1 − 3δ ) x 2 (1 − 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 )
1 1
x1 x2 x3 x4 x5 x6
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
x 1 (1 − 3δ ) x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
1
x 1 (1 − 3δ1 ) x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
x 1 (1 + 3δ ) x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
1
x1 x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x 1 (1 − 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x 1 (1 − 3δ1 ) x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x 1 (1 + 3δ1 ) x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x1 x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x 1 (1 + 3δ ) x 2 (1 + 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 )
1
x 1 (1 − 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 )
x (1 − 3δ ) x 2 (1 − 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 ) (5.41)
1 1
x 1 (1 − 3δ1 ) x 2 (1 − 3δ 2 ) ... x nv (1 − 3δ n )
v
C = x 1 ( 3δ 1 ) x 2 (3δ 2 ) ... x n v ( 3δ n v ) (5.44)
x 1 (1 + 3δ ) x 2 (1 + 3δ ) ... x nv (1 + 3δ )
1 2 nv
{x 1 x 1 (1 − 3δ 1 ) x 1 (1 + 3δ 1 } (5.47 )
x1 x2
x 1 (1 − 3δ1 ) x2
x 1 (1 + 3δ ) x 2
1
(5.48 )
x1 x 2 (1 − 3δ 2 )
x1 x 2 (1 + 3δ 2 )
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 )
x1 x2 x3
x 1 (1 − 3δ1 ) x2 x 3 (1 − 3δ 3 )
x 1 (1 + 3δ ) x2 x 3 (1 − 3δ 3 )
1
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 )
(5.49)
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 )
x1 x2 x 3 (1 + 3δ 3 )
x 1 (1 − 3δ1 ) x2 x 3 (1 + 3δ 3 )
x 1 (1 + 3δ1 ) x2 x 3 (1 + 3δ 3 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 )
Método de Superfície de Resposta 117
__________________________________________________________________________________________________________________________________
x1 x2 x3 x4
x 1 (1 − 3δ 1 ) x2 x3 x 4 (1 − 3δ 4 )
x 1 (1 + 3δ ) x2 x3 x 4 (1 − 3δ 4 )
1
x1 x 2 (1 − 3δ 2 ) x3 x 4 (1 − 3δ 4 )
x1 x 2 (1 + 3δ 2 ) x3 x 4 (1 − 3δ 4 )
x 1 (1 + 3δ 1 ) x 2 (1 + 3δ 2 ) x3 x 4 (1 + 3δ 4 )
x1 x2 x 3 (1 − 3δ 3 ) x 4 (1 + 3δ 4 )
x 1 (1 − 3δ 1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 + 3δ 4 ) (5.50)
5
x 1 (1 + 3δ 1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 + 3δ 4 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 + 3δ 4 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 − 1.5δ 4 )
x 1 (1 + 3δ ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 − 1.5δ 4 )
1
x1 x2 x 3 (1 + 3δ 3 ) x 4 (1 − 1.5δ 4 )
x (1 − 3δ ) x2 x 3 (1 + 3δ 3 ) x 4 (1 − 1.5δ 4 )
1 1
x 1 (1 + 3δ 1 ) x2 x 3 (1 + 3δ 3 ) x 4 (1 − 1.5δ 4 )
x1 x2 x3 x4 x5
x 1 (1 − 3δ1 ) x2 x3 x4 x5
x 1 (1 + 3δ ) x2 x3 x4 x5
1
x1 x 2 (1 − 3δ 2 ) x3 x4 x5
x1 x 2 (1 + 3δ 2 ) x3 x4 x5
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x3 x4 x5
x1 x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
x 1 (1 − 3δ1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
x 1 (1 + 3δ1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) (5.51)
x 1 (1 + 3δ ) x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 )
1
x1 x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x (1 − 3δ ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
1 1
x 1 (1 + 3δ1 ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x1 x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 )
x 1 (1 − 3δ1 ) x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 )
x 1 (1 + 3δ ) x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 3 )
1
x1 x2 x3 x4 x5 x6
x 1 (1 − 3δ1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
x 1 (1 + 3δ ) x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
1
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
x1 x2 x 3 (1 − 3δ 3 ) x 4 (1 − 3δ 4 ) x 5 (1 − 3δ 5 ) x 6 (1 − 3δ 6 )
x 1 (1 − 3δ1 ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x 1 (1 + 3δ1 ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x 1 (1 + 3δ ) x 2 (1 + 3δ 2 ) x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
1
x1 x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x (1 − 3δ ) x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 )
1 1
(5.52)
x 1 (1 + 3δ1 ) x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 )
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 )
x1 x2 x 3 (1 − 1.5δ 3 ) x 4 (1 − 1.5δ 4 ) x 5 (1 − 1.5δ 5 ) x 6 (1 − 1.5δ 6 )
x 1 (1 − 3δ1 ) x2 x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 ) x 6 (1 + 1.5δ 6 )
x 1 (1 + 3δ ) x2 x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 ) x 6 (1 + 1.5δ 6 )
1
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 ) x 6 (1 + 1.5δ 6 )
x1 x 2 (1 + 3δ 2 ) x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 ) x 6 (1 + 1.5δ 6 )
x 1 (1 + 3δ1 ) x 2 (1 + 3δ 2 ) x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 ) x 6 (1 + 1.5δ 6 )
x1 x2 x 3 (1 + 1.5δ 3 ) x 4 (1 + 1.5δ 4 ) x 5 (1 + 1.5δ 5 ) x 6 (1 + 1.5δ 6 )
x 1 (1 − 3δ ) x2 x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
1
x
1 (1 + 3 δ 1) x2 x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x1 x 2 (1 − 3δ 2 ) x3 x 4 (1 − 3δ 4 ) x 5 (1 + 3δ 5 ) x 6 (1 + 3δ 6 )
x1 x 2 (1 + 3δ 2 )
x 1 (1 − 1.5δ1 ) x 2 (1 + 1.5δ 2 )
x 1 (1 + 1.5δ ) x 2 (1 + 1.5δ 2 )
1
x 1 (1 − 3δ1 ) x2
x 1 (1 + 3δ ) x2 (5.54)
1
x 1 (1 − 1.5δ1 ) x 2 (1 − 1.5δ 2 )
x 1 (1 + 1.5δ1 ) x 2 (1 − 1.5δ 2 )
x1 x 2 (1 − 3δ 2 )
x1 x2
x 1 (1 − 1.5δ1 ) x 2 (1 − 1.5δ 2 ) x 3 (1 + 3δ 3 )
x 1 (1 + 1.5δ1 ) x 2 (1 − 1.5δ 2 ) x 3 (1 + 3δ 3 )
x1 x 2 (1 − 3δ 2 ) x 3 (1 + 3δ 3 )
x1 x2 x 3 (1 + 3δ 3 )
Método de Superfície de Resposta 121
__________________________________________________________________________________________________________________________________
x1 x 2 (1 + 3δ 2 ) x3 x4
x 1 (1 − 1.5δ1 ) x 2 (1 + 1.5δ 2 ) x3 x4
x 1 (1 + 1.5δ ) x 2 (1 + 1.5δ 2 ) x3 x4
1
x 1 (1 − 3δ1 ) x2 x3 x4
x 1 (1 + 3δ ) x2 x3 x4
1
x 1 (1 − 1.5δ1 ) x 2 (1 − 1.5δ 2 ) x3 x4
x 1 (1 + 1.5δ1 ) x 2 (1 − 1.5δ 2 ) x3 x4
x1 x 2 (1 − 3δ 2 ) x3 x4
x1 x2 x3 x4
x1 x 2 (1 + 3δ 2 ) x3 x 4 (1 + 3δ 4 )
x 1 (1 − 1.5δ1 ) x 2 (1 + 1.5δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 + 3δ 4 )
x 1 (1 + 1.5δ ) x 2 (1 + 1.5δ 2 ) x 3 (1 + 1.5δ 3 ) x 4 (1 + 3δ 4 )
1
x 1 (1 − 3δ1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 + 3δ 4 )
x (1 + 3δ ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) (5.56)
1 1
x1 x 2 (1 + 3δ 2 ) x3 x4 x5
x 1 (1 − 1.5δ1 ) x 2 (1 + 1.5δ 2 ) x3 x4 x5
x 1 (1 + 1.5δ ) x 2 (1 + 1.5δ 2 ) x3 x4 x5
1
x 1 (1 − 3δ1 ) x2 x3 x4 x5
x 1 (1 + 3δ ) x2 x3 x4 x5
1
x 1 (1 − 1.5δ1 ) x 2 (1 − 1.5δ 2 ) x3 x4 x5
x 1 (1 + 1.5δ1 ) x 2 (1 − 1.5δ 2 ) x3 x4 x5
x1 x 2 (1 − 3δ 2 ) x3 x4 x5
x1 x2 x3 x4 x5
x1 x 2 (1 + 3δ 2 ) x3 x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x 1 (1 − 1.5δ1 ) x 2 (1 + 1.5δ 2 ) x 3 (1 − 1.5δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x 1 (1 + 1.5δ ) x 2 (1 + 1.5δ 2 ) x 3 (1 + 1.5δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
1
x 1 (1 − 3δ1 ) x2 x 3 (1 − 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
x (1 + 3δ ) x2 x 3 (1 + 3δ 3 ) x 4 (1 + 3δ 4 ) x 5 (1 + 3δ 5 )
1 1
x1 x 2 (1+ 3δ2 ) x3 x4 x5 x6
x1(1− 1.5δ1 ) x 2 (1+ 1.5δ2 ) x3 x4 x5 x6
x1(1+ 1.5δ ) x 2 (1+ 1.5δ2 ) x3 x4 x5 x6
1
1 − δ1 )
x (1 3 x2 x3 x4 x5 x6
x1(1+ 3δ ) x2 x3 x4 x5 x6
1
1 − δ1 )
x (1 1 .5 x 2 (1− 1.5δ2 ) x3 x4 x5 x6
x1(1+ 1.5δ1 ) x 2 (1− 1.5δ2 ) x3 x4 x5 x6
x1 x 2 (1− 3δ2 ) x3 x4 x5 x6
x1 x2 x3 x4 x5 x6
x1 x 2 (1+ 3δ2 ) x3 x 4 (1+ 3δ 4 ) x 5 (1− 3δ5 ) x 6 (1+ 3δ6 )
x1(1− 1.5δ1 ) x 2 (1+ 1.5δ2 ) x 3 (1− 1.5δ3 ) x 4 (1+ 3δ 4 ) x 5 (1− 3δ5 ) x 6 (1+ 3δ6 )
x1(1+ 1.5δ ) x 2 (1+ 1.5δ2 ) x 3 (1+ 1.5δ3 ) x 4 (1+ 3δ 4 ) x 5 (1− 3δ5 ) x 6 (1+ 3δ6 )
1
x1(1− 3δ1 ) x2 x 3 (1− 3δ3 ) x 4 (1+ 3δ 4 ) x 5 (1− 3δ5 ) x 6 (1+ 3δ6 )
x (1+ 3δ ) x2 x 3 (1+ 3δ3 ) x 4 (1+ 3δ 4 ) x 5 (1− 3δ5 ) x 6 (1+ 3δ6 )
1 1
x1(1− 1.5δ1 ) x 2 (1− 1.5δ2 ) x 3 (1− 1.5δ3 ) x 4 (1+ 3δ 4 ) x 5 (1− 3δ5 ) x 6 (1+ 3δ6 )
x1(1+ 1.5δ1 ) x 2 (1− 1.5δ2 ) x 3 (1+ 1.5δ3 ) x 4 (1+ 3δ 4 ) x 6 (1+ 3δ6 )
x 5 (1− 3δ5 )
x1 x 2 (1− 3δ2 ) x3 x 4 (1+ 3δ 4 ) x 5 (1− 3δ5 )
x 6 (1+ 3δ6 )
x1 x2 x3 x 4 (1+ 3δ 4 ) x 5 (1− 3δ5 ) x 6 (1+ 3δ6 )
x1 x 2 (1+ 3δ2 ) x 3 (1+ 3δ3 ) x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 )
x1(1− 1.5δ ) x 2 (1+ 1.5δ2 ) x 3 (1+ 1.5δ3 ) x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 )
1
x1(1+ 1.5δ1 ) x 2 (1+ 1.5δ2 ) x 3 (1+ 1.5δ3 ) x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 )
x1(1− 3δ1 ) x2 x3 x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 )
x1(1+ 3δ1 ) x2 x3 x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 ) (5.58)
x1(1− 1.5δ1 ) x 2 (1− 1.5δ2 ) x 3 (1− 1.5δ3 ) x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 )
x1(1+ 1.5δ1 ) x 2 (1− 1.5δ2 ) x 3 (1− 1.5δ3 ) x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 )
x1 x 2 (1− 3δ2 ) x 3 (1− 3δ3 ) x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 )
x1 x2 x3 x 4 (1− 3δ 4 ) x 5 (1+ 3δ5 ) x 6 (1− 3δ6 )
x1 x 2 (1+ 3δ2 ) x 3 (1+ 1.5δ3 ) x 4 (1− 1.5δ 4 ) x 5 (1+ 1.5δ5 ) x 6 (1− 1.5δ6 )
x (1− 1.5δ ) x 2 (1+ 1.5δ2 ) x 3 (1+ 1.5δ3 ) x 4 (1− 1.5δ 4 ) x 5 (1+ 1.5δ5 ) x 6 (1− 1.5δ6 )
1 1
x1(1+ 1.5δ1 ) x 2 (1+ 1.5δ2 ) x 3 (1+ 1.5δ3 ) x 4 (1− 1.5δ 4 ) x 5 (1+ 1.5δ5 ) x 6 (1− 1.5δ6 )
Método de Superfície de Resposta 124
__________________________________________________________________________________________________________________________________
6 ÍNDICE DE CONFIABILIDADE
6.1 Introdução
G(.) < 0 ∴ Ω f
G(.) > 0 ∴ Ω s ;
G(.) = 0 ∴ lim ite
Índice de Confiabilidade 126
__________________________________________________________________________________________________________________________________
u i * = βα i * (6.1)
X 0 = E[ X] ( 6 .2 )
2. Calcula-se:
G j = G( x 1j , x 2j ,..., x nj ) ( 6 .3 )
j
∂G( x 1, x 2 ,..., x n )
∇G = i
j
( 6 .4 )
∂x i
j
ϕ[Φ −1 (Fxi ( x i ))]
σ =
i
j
( 6 .5 )
f xi ( x i )
j
µ ij = x i − σ i Φ −1 [Fxi ( x i )] ( 6. 6 )
• i = 1, ..., no de v.a;
3. Calcula-se:
j j j
n n n
x = ∑ ∇G i x i ; µ x = ∑ ∇G µ i ; 2 j
= ∑ ∇G σ
j
j
σ x
2
i
2
i ( 6. 7 )
i =1 i=1 i =1
4. Calcula-se:
j
∇G i σ i
α = j
i ( 6 .8 )
σx
j
x − G − µx
β =j
( 6. 9 )
σx
j
x ij+1 = µ i + α iβσ i (6.10)
β HL , α i *, u i *, x i * (6.11)
U0 = E[U] = 0 (6.12)
2. Calcular:
j
∂H(u1, u 2 ,..., u n )
∇H = j
i (6.14)
∂ui
Índice de Confiabilidade 129
__________________________________________________________________________________________________________________________________
3. Calcular:
α =j ∇Hij
; β =
j { } {u }
H j − ∇Hij
T j
i
(6.15)
i j j
∇H ∇H
u ij+1 = −β j α ij (6.16)
∂H(u j )
H(ui ) ≈ H(u i *) + (u i − ui *) ≈ H(ui *) + α i * (ui − u i *) (6.17)
∂u i u j =u j *
H(ui ) ≈ α i * u i − α i * ui * ≈ α i * ui + β (6.18 )
onde Φ[]
. é a função de distribuição acumulada padrão de apenas uma
variável. Então, a aproximação FORM da probabilidade de ruína é:
Pf ≅ Φ[ −β] (6.20 )
i =1 ∴ αi = 1 → H(u1 ) ≈ u1 + β (6.21)
f(u)
Pf
u
β = -u
u2
H (u)
P* Ωf
Ωs
β
H (u)
FORM
u1
H(ui *) ≈ ∑ ui * 2 −β 2 = χ n2 − β 2 (6.24)
i=1
Pf = P[H(ui ) ≤ 0] (6.25)
Pf ≅ P[χ n2 − β 2 ≤ 0] = P[χ n2 ≤ β 2 ] = 1 − χ n2 (β 2 )
Pf ≅ 1 − χ n2,δ (R 2 ) (6.26)
Índice de Confiabilidade 134
__________________________________________________________________________________________________________________________________
G( X) = Q( X) − PS (6.27 )
Pr ob[(Q( X) − PS ) ≤ 0] (6.28)
m
β = min
∑u 2
i
(6.29)
i=1
restrição H(u i ) ≤ 0
x2 u2
G (x)=0 H (u)=0 Ωf H (u)>0
Ωs
G (x)<0
Ωf
Ωs H (u)<0 u1
β
G (x)>0 P*
x1
7 OTIMIZAÇÃO DA SEÇÃO
TRANSVERSAL DE UM PILAR
7.1 Introdução
x1
x2 x3
CG
x4
L N
onde:
c1 = CC;
c2 = ρS . CS;
c3 = 2 CF.
Minimização da Seção Transversal de um Pilar 140
__________________________________________________________________________________________________________________________________
x1
σc=0,85fcd
d’
RSd2
Nd Nd
x3
x2 Md
CG RC
d’ RSd1
ΣFH = 0:
x3
0,85 ⋅ fcd ⋅ x 1 ⋅ x 2 + (σ S1 + σ S 2 ) − Nd = 0
2
ΣMCG = 0:
x3
( x 2 − 2d' ) ⋅ (σ S1 − σ S 2 ) − Md = 0
4
onde:
x1
3x2/7 εSi
2‰
x2
x4
hSi
LN
2‰ ε
= Si
3 h Si
x4 − x2
7
14 ⋅ h Si
ε Si ( ‰ ) = .
7x 4 − 3x 2
σS
tração
fyd
fyd
compressão
σ Si = 21000 ⋅ ε Si
h Si
σ Si = 294
7x 4 − 3x 2
Minimização da Seção Transversal de um Pilar 144
__________________________________________________________________________________________________________________________________
para ε Si ≥ 2,07‰ :
σ Si = f yd
x3 x − x 2 + d'
0,85 ⋅ fcd ⋅ x 1 ⋅ x 2 + 294 4 + f yd − Nd = 0
2 7x 4 − 3x 2
x3 x − x 2 + d'
( x 2 − 2d' ) ⋅ f yd − 294 4 + f yd − Md = 0
4 7x 4 − 3x 2
1,25x2 – x4 ≤ 0.
Segundo a NBR 6118, a menor dimensão dos pilares não deve ser
inferior a 20 cm. A norma também solicita que a armadura longitudinal de um
pilar deve ter seção transversal compreendida entre 0,8% e 3% da seção do
pilar. Já para o espaçamento máximo entre as barras longitudinais, a norma
indica o limite de 40 cm.
Minimização da Seção Transversal de um Pilar 145
__________________________________________________________________________________________________________________________________
20 ≤ x1 ≤ 40 cm;
20 ≤ x2 ≤ 40 cm;
0,8% ≤ ρ ≤ 3%.
Onde:
Minimizar:
Sujeito à:
x3 x − x 2 + d'
0,85 ⋅ fcd ⋅ x 1 ⋅ x 2 + 294 4 + f yd − Nd = 0 ,
2 7x 4 − 3x 2
x3 x − x 2 + d'
( x 2 − 2d' ) ⋅ f yd − 294 4 − Md = 0 ,
4 7 x 4 − 3 x 2
1,25x2 – x4 ≤ 0.
F( x, λ, µ ) = c 1 ⋅ ( x 1 ⋅ x 2 ) + c 2 ⋅ x 3 + c 3 ⋅ ( x 1 + x 2 ) +
x x − x 2 + d'
+ λ 1 ⋅ 0,85 ⋅ fcd ⋅ x 1 ⋅ x 2 + 3 294 4 + f yd − Nd = 0 +
2 7x 4 − 3x 2
x x − x 2 + d'
+ λ 2 ⋅ 3 ( x 2 − 2d' ) ⋅ f yd − 294 4 − Md = 0 +
4 7x 4 − 3x 2
+ µ1 ⋅ (1,25 x 2 − x 4 ).
∂F
= c 1 ⋅ x 2 + c 3 + c 4 ⋅ λ1 ⋅ x 2 = 0 ,
∂x 1
Minimização da Seção Transversal de um Pilar 147
__________________________________________________________________________________________________________________________________
∂F 294 x − x + d'
= c 1 ⋅ x 1 + c 3 + λ 1 ⋅ c 4 ⋅ x 1 + 0,5 ⋅ x 3 ⋅ − + 882 4 2 +
∂x 2 7x 4 − 3x 2 (7 x 4 − 3 x 2 ) 2
x − x 2 + d'
+ 0,25 ⋅ λ 2 ⋅ x 3 ⋅ f yd − 294 4 +
7 x 4 − 3 x 2
294 x − x + d'
+ ( x 2 − 2d' ) ⋅ − 882 4 2 +
7x 4 − 3x 2 (7 x 4 − 3 x 2 ) 2
+ 1,25µ 1 = 0,
∂F x − x 2 + d'
= c 2 + 0,5 ⋅ λ 1 ⋅ f yd + 294 4 +
∂x 3 7 x 4 − 3 x 2
x − x 2 + d'
+ 0,25 ⋅ λ 2 ⋅ ( x 2 − 2d' ) ⋅ f yd − 294 4 = 0,
7 x 4 − 3 x 2
∂F 294 x − x 2 + d'
= 0,5 ⋅ λ 1 ⋅ x 3 ⋅ − 2058 4 +
∂x 4 7x 4 − 3x 2 (7 x 4 − 3 x 2 ) 2
294 x − x 2 + d'
+ 0,25 ⋅ λ 2 ⋅ ( x 2 − 2d' ) ⋅ x 3 ⋅ − + 2058 4 − µ 1 = 0,
7x 4 − 3x 2 (7 x 4 − 3 x 2 ) 2
∂F x x − x 2 + d'
= c 4 ⋅ x 1 ⋅ x 2 + 3 ⋅ 294 4 + f yd − Nd = 0 ,
∂λ 1 2 7x 4 − 3x 2
∂F x 3 x − x 2 + d'
= ⋅ ( x 2 − 2d' ) ⋅ f yd − 294 4 − Md = 0 ,
∂λ 2 4 7 x 4 − 3 x 2
Minimização da Seção Transversal de um Pilar 148
__________________________________________________________________________________________________________________________________
µ 1 ⋅ (1,25 x 2 − x 4 ) = 0 ,
onde:
c4 = 0,85 fcd.
7.9.1 Dados
fck = 35 Mpa
fyk = 500 Mpa
20 ≤ x1 ≤ 40 cm
20 ≤ x2 ≤ 40 cm
0,008 ≤ ρ ≤ 0,03
Minimização da Seção Transversal de um Pilar 150
__________________________________________________________________________________________________________________________________
Nd Md b h As LN Custo
(kN) (kN.cm) (cm) (cm) (cm2) (cm) (R$/m)
250 250 20 20 3,2 25 34,46
500 500 20 21,58 4,37 26,97 36,21
750 750 20 23,95 5,68 29,93 38,82
1000 1000 24,12 25,89 6,82 32,36 45,99
1250 1250 26,50 27,73 7,79 34,66 51,21
1500 1500 29,34 32,91 7,51 41,13 61,53
1750 1750 31,71 33,04 8,72 41,3 65,01
2000 2000 33,16 34,36 9,49 42,95 68,87
2250 2250 35,74 37,09 9,72 46,36 76,49
2500 2500 36,78 38,23 10,41 47,78 79,72
2750 2750 40 40 10,85 50 87,30
3000 3000 40 40 11,83 50 87,32
100
80
x1
60 x2
x3
40 x4
Custo
20
0
00
50
00
50
00
50
00
50
00
0
0
25
50
75
10
12
15
17
20
22
25
27
30
Nd Md b h As LN Custo
(kN) (kN.cm) (cm) (cm) (cm2) (cm) (R$/m)
250 500 20 20 4,88 25 34,50
500 1000 20 22,35 8,33 27,93 37,13
750 1500 20 24,76 10,87 30,95 39,81
1000 2000 25,71 26,82 13,03 33,52 49,20
1250 2500 27,82 28,09 15,33 35,11 53,48
1500 3000 29,42 30,33 16,66 37,91 58,47
1750 3500 31,95 32,89 17,55 41,11 65,32
2000 4000 32,07 34,36 18,99 42,95 67,53
2250 4500 34,47 36,65 19,74 45,81 74,19
2500 5000 35,6 38,23 20,83 47,78 78,16
2750 5500 40 40 21,70 50 87,53
3000 6000 40 40 23,67 50 87,57
100
80
x1
60 x2
x3
40 x4
Custo
20
0
00
50
00
50
00
50
00
50
00
0
0
25
50
75
10
12
15
17
20
22
25
27
30
Nd Md b h As LN Custo
(kN) (kN.cm) (cm) (cm) (cm2) (cm) (R$/m)
250 750 20 20 7,32 25 34,55
500 1500 20 23,48 11,68 29,35 38,43
750 2250 20 25,01 16,08 31,26 40,19
1000 3000 24,12 26,92 19,44 33,65 47,48
1250 3750 28,50 29,37 21,70 36,71 56,14
1500 4500 29,95 31,56 23,76 39,45 60,94
1750 5250 31,71 33,86 25,39 42,32 66,48
2000 6000 33,16 35,79 27,09 44,73 71,23
2250 6750 35,74 37,28 29,00 46,60 77,18
2500 7500 37,78 39,11 30,40 48,88 82,97
2750 8250 40 40 32,55 50 87,76
3000 9000 40 40 35,51 50 87,83
100
80
x1
60 x2
x3
40 x4
Custos
20
0
00
50
00
50
00
50
00
50
00
0
0
25
50
75
10
12
15
17
20
22
25
27
30
8 CÁLCULO DO ÍNDICE DE
CONFIABILIDADE
8.1 Introdução
S*
S=
γf
FS = SR − S
8.5.1 Dados
H(U) = Q(U) – S
2. Desenvolve-se:
Cálculo do Índice de Confiabilidade 159
__________________________________________________________________________________________________________________________________
1
∂H(u1, u 2 ,..., un ) 0,2817
∇H = 1
i =
∂u i 0,02763
1
∇H = 0,2831
∇H1i 0,9951
α =
1
i =
1
∇H 0,0976
β=
H1 − ∇H1i { } {u } = 1,3445 = 4,7492
T 1
i
1
∇H 0,2831
− 4,7259
u i2 = −β1α 1i =
− 0,4635
β j+1 − β j
erro β =
β j+1
− 4,6731
β= 4,6947 U= (8.2)
− 0,4358
9 CONCLUSÕES
REFERÊNCIAS
AKTAS, E.; MOSES, F.; GHOSN, M. (2001). Cost and safety optimization of
structural design specifications. Reliability Engineering and System Safety,
v.73, p.205-212.
BAZANT, Z.P.; CEDOLIN, L.; TAGGARA, M.R. (1991). New method of analysis
of slender columns. ACI Structural Journal, v.88, p.391-401.
BICKEL, P.J.; DOKSUM, K.A. (1977). Mathematical Statistics, Basic Ideas and
Selected Topics. Holden Day Inc.
Referências 170
__________________________________________________________________________________________________________________________________
BOLDRINI, J.L. et al. (1980). Álgebra Linear. 3.ed. São Paulo: Harbra.
FRANGOPOL, D.M.; IDE, Y.; SPACONE, E.; IWAKI, I. (1996). A new look at
reliability of reinforced concrete columns. Structural Safety, v.18, n.2, p.123-
150.
FRIEL, L.L. (1974). Optimum singly reinforced concrete sections. ACI Journal,
v.71, n.11, p.556-558, nov.
GARBATOV, Y.; SOARES, C.G. (2001). Cost and reliability based strategies for
fatigue maintenance planning of floating structures. Reliability Engineering and
System Safety, v.73, p.293-301.
GILL, P.; MURRAY, W.; WRIGHT, M.H. (1981). Practical optimization. London:
Academic Press.
Referências 172
__________________________________________________________________________________________________________________________________
LIANG, Q.Q.; XIE, Y.M.; STEVEN, G.P. (2000). Optimal topology selection of
continuum structures with displacement constraints. Computers and Structures,
v.77, p.635-644.
Referências 174
__________________________________________________________________________________________________________________________________
LUNDBERG, J.E.; GALAMBOS, T.V. (1996). Load and resistence factor design
of composite columns. Structural Safety, v.18, n.2, p.169-177.
LUO, X.; GRANDHI, R.V. (1996). Astros for reliability based multidisciplinary
structural analysis and optimization. Computers e Structures, v.62, n.4, p. 737-
745.
MARDIA, K.V.; KENT, J.T.; BIBBY, J.M. Multivariate Analysis. New York:
Academic Press.
MOOD, A.M.; GRAYBILL, F.; BOES, D.C.( 1986). Introduction to the Theory of
Statistics. Nova York: McGraw-Hill.
MOHAMED, A.; SOARES, R.; VENTURINI, W.S. (2001). Partial safety factors
for homogeneous reliability of non-linear reinforced concrete columns.
Structural Safety, v.23, p.137-156.
PU, Y.; DAS, P.K.; FAULKNER, D. (1996). A strategy for reliability based
optimization. Engineering Structures, v.19, n.3, p.276-282.
SHIH, C.J. (1997). Fuzzy and improved penalty approaches for multiobjective
mixed-discrete optimization in structural systems. Computers and structures,
v.63, n.3, p.559-565.
SPIRES, D.; ARORA, J.S. (1990). Optimal design of tall RC-framed tube
buildings. Journal of Structural Engineering, ASCE, v.116, n.4, p.877-897, abr.
WEN, Y.K. (2001). Minimum lifecycle cost design under multiple hazards.
Reliability Engineering and System Safety, v.73, p.223-231.