Você está na página 1de 157

MARCIO DE SOUZA SANTOS

INFERNCIA BAYESIANA NA AVALIAO DA SEGURANA DE FUNDAES EM ESTACAS DE DESLOCAMENTO

So Paulo 2007

MARCIO DE SOUZA SANTOS

INFERNCIA BAYESIANA NA AVALIAO DA SEGURANA DE FUNDAES EM ESTACAS DE DESLOCAMENTO

Dissertao apresentada Escola Politcnica da Universidade de So Paulo para a obteno do Ttulo de Mestre em Engenharia

So Paulo 2007

MARCIO DE SOUZA SANTOS

INFERNCIA BAYESIANA NA AVALIAO DA SEGURANA DE FUNDAES EM ESTACAS DE DESLOCAMENTO

Dissertao apresentada Escola Politcnica da Universidade de So Paulo para a obteno do Ttulo de Mestre em Engenharia rea de concentrao: Engenharia de Solos

Orientador: Prof. Titular Waldemar Coelho Hachich

So Paulo 2007

FICHA CATALOGRFICA

Santos, Marcio de Souza Inferncia Bayesiana na avaliao da segurana de fundaes em estacas de deslocamento / M.S. Santos. -- So Paulo, 2007. 128 p. Dissertao (Mestrado) - Escola Politcnica da Universidade de So Paulo. Departamento de Engenharia de Estruturas e Geotcnica. 1. Inferncia Bayesiana (Inferncia estatstica) 2. Estacas pr-moldadas 3. Segurana estrutural I. Universidade de So Paulo. Escola Politcnica. Departamento de Engenharia de Estruturas e Fundaes II. t.

DEDICATRIA
Dedico esse trabalho, de incio, s trs mulheres que constituem a base firme de minha vida: Vera Lcia, minha me idolatrada, ao mesmo tempo fonte e objeto de amor inesgotvel, doutora da vida. Telminha, esposa, amiga, amada. De doura e sensibilidade inigualveis. Apresentou-me a possibilidade de um amor eterno e irrestrito. Carolina, minha adorvel filha. Essa piquininha trouxe ainda mais sentido minha vida.

Grandes homens tambm merecem essa dedicatria: Ao meu av Geraldo (in memorian), sbio pedreiro que idealizou o neto engenheiro. Tuas inferncias estavam absolutamente corretas. Ao meu pai, Milton. Em tempo, pude perceber o grande pai com que fui agraciado por Deus, e como admirado por todos. Ao meu irmo Lo, companheiro inseparvel, leal, verdadeiro amigo. Decerto ser um engenheiro muito melhor que o irmo!

AGRADECIMENTOS
Deus, infinita fonte de proviso. As minhas obras no sou eu quem as realiza, mas a fora de Deus-Pai que permeia os cus e a terra; Ao professor Waldemar Hachich. Indevidamente intitulado como prof. Livre-Docente no exame de qualificao, pra mim s muito mais que isso. Os ensinamentos desse legtimo
U

mestre transcenderam em muito os limites deste trabalho. Considero-me hoje um professor


U

melhor por ter sido seu aluno! Ao professor Fernando Rebouas Stucchi, pelas brilhantes sugestes e crticas efetuadas no exame de qualificao; Ao engenheiro Dr. Werner Bilfinger, da Vecttor Projetos, por sua contribuio e ensinamentos no exame de qualificao; Ao engenheiro Eugnio Pabst Vieira da Cunha, da Interact, pelo material fornecido e pelo incentivo. Aos professores, secretrias e demais funcionrios do Departamento de Engenharia de Estruturas e Geotcnica da Escola Politcnica da USP, pelo apoio e constante disposio no auxlio aos alunos; s bibliotecrias da Biblioteca da Engenharia Civil, pelo constante auxlio; Aos amigos de mestrado da sala 25 da Poli-Civil, Fernando (o Colmbia), Carlos Rezende (o Aracaj), Rafael (o Maring), Alexei, Ral e Arturo, pelo incentivo e companheirismo; Ao economista, professor, compadre e amigo Marcos Paulo de Oliveira, pelo entusiasmo com que acompanhou o desenvolvimento deste trabalho. Parceiro de grandes discusses;

Ao meu irmo Leandro, sempre solcito e companheiro. minha cunhada Fernanda, pela pacincia com que me ouviu, no raramente, falar do mestrado como se estivesse expondo palestras tcnicas. Aos meus colegas e amigos da percia judicial, Fbio Fernandes, Fernando Neves, Sidney Machado (sidoca), Marcio Mnaco, Gilberto Lobo e Carlos Polacco, pelo incentivo e pelos constantes votos de confiana no meu trabalho. Esses votos tambm me motivaram a prosseguir nos estudos; Aos meus colegas professores da Universidade Paulista, pelo incentivo e pelas discusses filosficas proporcionadas; minha esposa Telma e minha filha Carolina, pelo amor e alegria do convvio familiar; mame e papai, pelo apoio constante e incondicional, desde que manifestei a vontade de ser um engenheiro da USP, ainda na infncia.

A verdade um espelho que caiu das mos de Deus e se quebrou. Cada um recolhe um pedao e diz que toda a verdade est naquele caco Provrbio Iraniano

RESUMO
O tema segurana de fundaes tem merecido especial ateno, tanto na lide acadmica quanto na prtica profissional, em virtude da necessidade de se buscar solues cada vez mais otimizantes para a dicotomia custo versus segurana, solues essas que diferem pela forma de tratamento das incertezas envolvidas no projeto e execuo das fundaes. As provas de carga sobre as fundaes tm desempenhado papel central na reduo dessas incertezas.

Ultimamente, tem-se discutido muito, particularmente no mbito da reviso da NBR 6122, o papel das provas de carga na reduo das incertezas inerentes a qualquer obra de fundaes. Se ponto pacfico que as provas de carga devem reduzir as incertezas, j no h consenso quanto aos nveis dessa reduo em funo do tipo e da quantidade de provas de carga, nem tampouco como a variabilidade dos resultados das provas de carga efetuadas em dada obra influenciam no fator de segurana.

Desta feita, o presente trabalho apresenta uma formulao consistente para combinao das previses de capacidade de carga de estacas de deslocamento com as informaes derivadas da realizao de provas de carga estticas conduzidas at a ruptura ou ensaios de carregamento dinmico, propiciando a atualizao racional dos indicadores de segurana, segundo os conceitos da inferncia bayesiana.

Os resultados permitem consignar que a inferncia bayesiana se apresenta com grande vantagem em relao inferncia clssica, pois permite a incorporao das informaes anteriores existentes, muitas vezes de carter subjetivo, sendo menos dependente de amostragem. Alm disso, a inferncia bayesiana se mostrou um instrumento legtimo para a incorporao dos resultados de provas de carga, decorrendo em medidas de segurana fundamentadas e com paralelo na prtica da engenharia de fundaes.

Palavras-chave: Segurana de fundaes. Segurana de estruturas. Inferncia bayesiana. Provas de carga. Mtodos Probabilistas.

ABSTRACT
The theme foundations safety has deserved special attention in both, practice and academic environment, due to necessity of searching optimizing solutions for the cost versus safety dichotomy, solutions that differ by the form of uncertainty treatment. Proof pile load tests have performed an important way to cope with these uncertainties. Lately, the importance of proof load tests in the reduction of uncertainty have been widely discussed, mainly in the context of NBR 6122 update. Despite its importance, there is no concept universally accepted on how the type and number of proof load tests influences the factor of safety. Therefore, this work presents a consistent approach to match predictions of precast pile capacity with proof pile load tests results, providing rational actualization of safety indicators, under the bayesian inference concepts. The results lead to conclude that bayesian inference have advantages in comparison with classical approach, once it allows the consideration of previous information, sometimes of subjective characteristics, being less dependent of sampling. Besides, bayesian inference was a true instrument to deal with proof pile load tests results, providing consistent safety measures similar to those verified in the current practice of foundation engineering.

Keywords: Foundations safety. Structural safety. Bayesian inference. Proof load tests. Probabilistic Methods.

NDICE
1.
TU UT TU

INTRODUO
UT

2.
T T T

FATORES DETERMINANTES NO ESTABELECIMENTO DE CRITRIOS DE


T

SEGURANA 2.1. 2.1.1 2.1.2 2.1.2.1. 2.1.2.2. 2.1.3


T T T T T T T T T T T T T T T T T T

5 5 6 7 7 10 11 13
T T

A INCERTEZA INCERTEZA INTRNSECA INCERTEZA DE MODELO Modelo de previso da capacidade de carga Modelo probabilista INCERTEZA DE PARMETROS
T T T T T T

2.2.
T T T

OS ERROS HUMANOS
T

2.3. 2.3.1 2.3.2


T T T T T T T T

AS CONSEQNCIAS DE UMA EVENTUAL RUNA PROBABILIDADE DE RUNA PRESCRITA: MAXIMIZAO DA UTILIDADE


T T

15 16 18 21
T

3.
T T T

OS DIVERSOS MTODOS DE INTRODUO DA SEGURANA MTODO DAS TENSES ADMISSVEIS


T T

3.1.
T T

23 24 25 26 29 31 33 33 39
T

3.2. 3.2.1 3.2.2 3.2.3 3.2.4 3.2.4.1. 3.2.4.2. 3.2.4.3.


T T T T T T T T T T T T T T T T T T T T T T T T

MTODO DOS ESTADOS LIMITES FORMULAES DETERMINISTAS MTODO SEMI-PROBABILISTA DISCUSSO DOS MTODOS DETERMINISTAS MTODOS PROBABILISTAS Mtodos de Nvel I Mtodos de Nvel II Mtodos de Nvel III
T T T T T T T

4.
T T T

CONCEITOS DE INFERNCIA BAYESIANA


T

43 43

4.1.
T T T

INTRODUO
T T

4.2. 4.2.1 4.2.2 4.2.3


T T T T T T T T T T T

O TEOREMA DE BAYES O TEOREMA DE BAYES NO PROCESSAMENTO DE INFORMAES A DISTRIBUIO A PRIORI E O PROCESSO DE ELICIAO: AS DISTRIBUIES CONJUGADAS:
T T T T T

45 48 51 54

UTILIZAO DA INFERNCIA BAYESIANA PARA REAVALIAO DA SEGURANA DE 57 ESTACAS APS A EXECUO DE PROVAS DE CARGA 4.3.1 INFORMAES ANTERIORES RELEVANTES PARA A ATRIBUIO DA DISTRIBUIO 57 A PRIORI:
T T T T T T T

4.3.

4.3.1.1. 4.3.1.2.
T T T T T T

Correlaes entre capacidade observada e prevista Variabilidade dentro de uma mesma obra
T T

58 60

ii

4.3.2
T T T T

A CONJUGAO PROPOSTA PARA A OBTENO DA DISTRIBUIO POSTERIOR VARINCIA DESCONHECIDA 4.3.3 INFERNCIA PARA O CASO DE VARINCIA CONHECIDA 4.3.4 CRTICAS ATUALIZAO A POSTERIORI DO FATOR DE SEGURANA
T T T T T T T T

CASO DE 64 72 76

5.
T T T

DISTINO DOS FATORES DE SEGURANA EM FUNO DO TIPO DE


T

PROVA DE CARGA 5.1.


T T T

78 78
T

GENERALIDADES
T

5.2.
T T T

CORRELAO ENTRE AS PROVAS DE CARGA ESTTICAS E DINMICAS

79 87

6.
T T T

EXEMPLOS DE SIMULAO
T

6.1. EXEMPLO 01: PROVA DE CARGA ESTTICA E PRECISO INTRA-CANTEIRO 87 DESCONHECIDA 6.1.1 INFORMAES ANTERIORES REFERENTES VARIABILIDADE INTRA-CANTEIRO 88 6.1.2 INFORMAES ANTERIORES RELATIVAS AO MTODO DE PREVISO 88 6.1.3 PREVISO E RESULTADOS DE PROVAS DE CARGA ESTTICA 89 6.1.4 ATUALIZAO BAYESIANA 90 6.1.5 INFLUNCIA DA VARIABILIDADE DOS RESULTADOS DAS PROVAS DE CARGA 91 6.1.6 INFLUNCIA DO NMERO DE PROVAS DE CARGA EXECUTADAS NO FATOR DE SEGURANA 94
T T T T T T T T T T T T T T T T T T T T T T T T T T T T

6.2. EXEMPLO 02: PROVA DE CARGA DINMICA E PRECISO INTRA-CANTEIRO DESCONHECIDA 98


T T T T

6.3. EXEMPLO 03: PROVA DE CARGA ESTTICA E PRECISO INTRA-CANTEIRO CONHECIDA 102
T T T T

6.3.1 6.3.2 6.3.3 6.3.4 6.3.5 6.3.6


T T T T T T T T T T T T T T T T T T

INFORMAES ANTERIORES REFERENTES VARIABILIDADE INTRA-CANTEIRO INFORMAES ANTERIORES RELATIVAS AOS MTODOS DE PREVISO PREVISO E RESULTADOS DE PROVAS DE CARGA ESTTICA ATUALIZAO BAYESIANA VARIAO DO FATOR DE SEGURANA COM A PRECISO INTRA-CANTEIRO VARIAO DO FATOR DE SEGURANA COM O NMERO DE PROVAS DE CARGA
T T T T T T

103 104 104 105 106 108

6.4. EXEMPLO 04: PROVA DE CARGA DINMICA E PRECISO INTRA-CANTEIRO CONHECIDA 110
T T T T

7.
T T T

CONCLUSES
T

116 121
T

8.
T T T

BIBLIOGRAFIA

APNDICE A APNDICE B

iii

LISTA DE FIGURAS
Figura 2.1 Tipos de incerteza (Hachich, 1998b).
T T

Figura 2.2 Variabilidade das caudas de algumas Funes Densidade de Probabilidade (Borges e Castanheta, 1971). 11
T T

Figura 2.3 Famlia de distribuies normais da magnitude do erro como funo do tempo de inspeo 15 (Madsen et al, 1986).
T T

Figura 2.4 Riscos admitidos pela sociedade, de acordo com o Departamento de Planejamento de Hong Kong ( esquerda) e com o ANCOLD (Baecher e Christian, 2003). 17
T T

Figura 2.5 Probabilidade de runa para algumas estruturas, em funo das conseqncias da ruptura (Whitman, 1984). 18
T T

Figura 2.6 Minimizao do custo esperado.


T T

19

Figura 2.7 Valor de projeto da acelerao em funo do nmero de fatalidades, para as diversas classificaes do LQI (Snchez-Silva e Rackwitz, 2004). 20
T T

Figura 3.1 Abordagens do mtodo das tenses admissveis.


T T

22

Figura 3.2 Diferentes abordagens consideradas no Mtodo dos Estados Limites.


T T

23

Figura 3.3 Definio da resistncia caracterstica.


T T

27

Figura 3.4 Coeficiente de segurana versus segurana (adaptado de Lacasse e Goulois, 1989).
T T

29

Figura 3.5 Variao da coeso em duas obras hipotticas.


T T

30

Figura 3.6 Delimitao do domnio seguro e do domnio de ruptura.


T T

35

Figura 3.7 Definio de ndice de segurana partir da margem de segurana mdia e do domnio de ruptura (Christian, 2004). 37
T T

Figura 3.8 Fator de segurana central versus ndice de confiabilidade, para diversos coeficientes de variao da resistncia (VR) e solicitao (VS). 38
T B B B B T

Figura 3.9 Delimitao dos domnios seguro e de falha, dependendo da especificao da funo de desempenho (Veneziano, 1974). 39
T T

iv

Figura 3.10 Distribuio conjunta das variveis R e S e delimitao da probabilidade de runa.


T T

41

Figura 3.11 - Exemplos de funes densidade de probabilidade da resistncia (fr) e das aes (fs).
T T

42

Figura 3.12 Detalhe da figura anterior. A expresso 3.23 representa a integral da curva verde da figura supra. 42
T T

Figura 4.1 Partio do espao amostral S.


T T

46

Figura 4.2 Ocorrncia de um evento A qualquer.


T T

46

Figura 4.3 Relao da capacidade prevista ao arrancamento (P) e da capacidade medida ao arrancamento (Q) das fundaes de seis torres de transmisso, avaliadas por nove engenheiros. O grfico foi construdo com os dados apresentados por Kondziolka e Kandaris, 1996 apud Christian, 2004. 53
T T

Figura 4.4 Algumas variaes da Funo Densidade de Probabilidade do tipo Gama.


T T

63

Figura 4.5 Distribuies Gama representativas da preciso intra-canteiro (Baecher e Rackwitz, 1982).
T T

64

Figura 4.6 Variao do fator de segurana com o valor de K (para uma prova de carga) e com o ndice de confiabilidade, considerando-se os parmetros da distribuio gama identificada por mais ampla na Tabela 4.4 (Baecher e Rackwitz, 1982). 68
T T

Figura 4.7 - Variao do fator de segurana com o valor de K (para uma prova de carga) e com o ndice de confiabilidade, considerando-se os parmetros da distribuio gama identificada por mais apertada na Tabela 4.4 (Baecher e Rackwitz, 1982). 69
T T

Figura 4.8 Variao do FS em funo de Kmed e CV de duas provas de carga, considerando-se = 3.


T T

70

Figura 4.9 Variao do fator de segurana com o fator de vis (K) para diversos mtodos (Baecher e Rackwitz, 1982). 72
T T

Figura 4.10 Variao do fator de segurana em funo do nmero de provas de carga (Kay, 1976).
T T

74

Figura 4.11 Diferentes abordagens da inferncia bayesiana: a) incorporao da informao de forma sequencial e b) incorporao da informao de uma s vez. 76
T T

Figura 5.1 Correlaes obtidas com uso dos dados apresentados nos diferentes Stresswave Conferences (Likins e Rausche, 2004). 80
T T

Figura 5.2 Variabilidade da relao PDINMICA/PESTTICA, com dados oriundos de diversas fontes (McVay et al, 2000). Os ensaios dinmicos foram efetuados no final da cravao (End of Driving EOD). 81
T B B B B T

Figura 5.3 Esquema de obteno da varivel Pdin/Pprev partir das variveis Pestat/Pprev e Pdin/Pestat. 84
T T

Figura 5.4 Distribuies log-normais da varivel Pobs/Pprev para prova de carga esttica e para ensaios dinmicos, considerando-se vrias fontes de informao para a varivel Pdin/Pestat (por exemplo, DIN-Gates significa capacidade de carga observada por ensaio dinmico, considerando-se a relao entre Pdin/Pestat informada por Gates). 85
T T

Figura 6.1 Funo densidade do tipo Gama, representativa da preciso intra-canteiro (1/) (Baecher e Rackwitz, 1982). 88
T T

Figura 6.2 Variao do Fator de Segurana em funo da mdia e do Coeficiente de Variao dos resultados de duas provas de carga efetuadas na obra, considerando-se o mtodo de Aoki-Veloso. 92
T T

Figura 6.3 - Variao do Fator de Segurana em funo da mdia dos resultados das provas de carga (Kmed) e da variabilidade dos resultados, aqui representada pela relao entre k2 e k1, considerando-se o mtodo de Decourt-Quaresma. 93
T T

Figura 6.4 Variao de FS com Kmed e com o nmero de provas de carga efetuadas, considerando-se o mtodo de Aoki-Veloso e Coeficiente de Variao dos resultados das provas de carga seja zero (CV = 0%). 95
T T

Figura 6.5 Ampliao da figura anterior, destacando uma faixa de valores mais provveis para Kmed.
T T

96

Figura 6.6 Variao do FS com Kmed e com o nmero de provas efetuadas, considerando-se um coeficiente de variao da varivel K de CV = 15%. 97
T T

Figura 6.7 Variao do FS com o valor de K = Pobs/Pprev para o mtodo de Aoki-Veloso e em funo do tipo de prova de carga, considerando-se a relao Pdin/Pestat oriunda dos bancos de dados de Paikowsky, Gates e PDA cases, como informado em MacVay et al (2000). 99
T T

Figura 6.8 - Variao do FS com o valor de K = Pobs/Pprev para o mtodo de Decourt-Quaresma e em funo do tipo de prova de carga, considerando-se a relao Pdin/Pestat oriunda dos bancos de dados de Paikowsky, Gates e PDA cases, como informado em MacVay et al (2000). 100
T T

Figura 6.9 - Variao do FS com o valor de K = Pobs/Pprev para o mtodo de Aoki-Veloso e em funo do tipo de prova de carga, considerando-se duas provas de carga com CV = 0%. 101
T T

Figura 6.10 - Variao do FS com o valor de K = Pobs/Pprev para o mtodo de Aoki-Veloso e em funo do tipo de prova de carga, considerando-se duas provas de carga com CV = 20%. 102
T T

Figura 6.11 Fatores de segurana em funo de K, para o mtodo de A&V, considerando-se = 3 e a execuo de uma prova de carga. Foram considerados os mesmos informes anteriores apresentados na Tabela 6.1. 106
T T

Figura 6.12 Fatores de segurana em funo de Kmed, para o mtodo de A&V, considerando-se = 3 e a execuo de duas prova de carga. 107
T T

Figura 6.13 Variao de FS com a mdia dos resultados dos valores de K verificados na obra e com o nmero de provas de carga, para o mtodo de Aoki-Veloso. 109
T T

vi

Figura 6.14 Ampliao da figura anterior, considerando-se uma faixa mais provvel de valores de Kmed. 109
T T

Figura 6.15 Variao de FS com Kmed e com o nmero de provas de carga dinmica, para o mtodo de AokiVeloso, considerando-se = 0,08 (alta preciso). 112
T T

Figura 6.16 Variao de FS com Kmed e com o nmero de provas de carga dinmica, para o mtodo de Aoki112 Veloso, considerando-se = 0,15 (mdia preciso).
T T

Figura 6.17 Variao de FS com Kmed e com o tipo de prova de carga, com base nos informes apresentados na Tabela 6.19. 113
T T

Figura 6.18 Variao de FS com Kmed e com o tipo de prova de carga, com base nos informes apresentados na Tabela 6.20. 114
T T

vii

LISTA DE TABELAS
Tabela 2.1 Fator de vis para diversos mtodos de previso da capacidade de carga (McVay et al, 2000).
T T

10

Tabela 2.2 Coeficiente de Variao [V(x)] das propriedades resistentes dos solos (Cardoso, 2002).
T T

12

Tabela 2.3 Incerteza associada cinco testes comumente efetudos in-loco (Baecher e Christian, 2003).
T T

13

Tabela 3.1 Coeficientes de segurana parciais (Maranha das Neves, 1994).


T T

28

Tabela 4.1 Probabilidades anteriores e posteriores amostragem.


T T

48

Tabela 4.2 Algumas distribuies conjugadas normalmente utilizadas na inferncia bayesiana (Ang e Tang, 1984). 56
T T

Tabela 4.3 Valores das variveis K (Pobs/Pprev) e R = log(Pobs/Pprev), para alguns mtodos de previso da capacidade de carga de estacas. A fonte de onde se extraiu o banco de dados est referenciada em parnteses, na primeira coluna. 59
T B B B B B B B B T

Tabela 4.4 Variabilidade intra-canteiro da capacidade de carga de estacas (Kay, 1993).


T T

61

Tabela 4.5 Parmetros das distribuies Gama obtidas por Baecher e Rackwitz (1982).
T T

63

Tabela 4.6 Informaes anteriores relativas aos quatro mtodos analisados por Baecher e Rackwitz (1982). 71
T T

Tabela 5.1 Valores da varivel da mdia e desvio da varivel Pdin/Pestat com base em vrios autores, para a cravao e recravao. Carga de ruptura da prova esttica obtida utilizando-se o critrio de Davisson (MacVay 82 et al, 2000).
T T

Tabela 5.2 Coeficientes de variao de diversos mtodos de estimativa da capacidade de carga (Vrouwenvelder, 1992). 83
T T

Tabela 5.3 - Fatores de segurana global preconizados na norma Finlandesa (Bilfinger, 2002).
T T

83

Tabela 5.4 Fatores de Segurana Parciais preconizados pela Ontrio Bridge Code (Bilfinger, 2002).
T T

84

Tabela 6.1 Valores de K = Pobs/Pprev e R = logK decorrentes das publicaes originais de Aoki eVeloso (1975) e Decourt e Quaresma (1978). 89
T T

Tabela 6.2 Sntese dos resultados das provas de carga efetuadas nas duas estacas da obra hipottica.
T T

90

viii

Tabela 6.3 Valores obtidos no processo de atualizao dos hiperparmetros.


T T

90

Tabela 6.4 Cargas admissveis nas estacas da obra hipottica.


T T

91

Tabela 6.5 Fatores de segurana em funo do valor de Kmed e do Coeficiente de Variao dos resultados das provas de carga, para o mtodo de Aoki-Veloso, considerando-se a execuo de 2 provas de carga. 92
T T

Tabela 6.6 Fatores de segurana em funo da mdia e coeficiente de variao dos resultados de K, para o mtodo de Decourt-Quaresma. 93
T T

Tabela 6.7 Fatores de segurana propostos para o mtodo de Aoki-Veloso considerando-se a realizao de uma prova de carga que tenha decorrido em um valor de K, para = 3. Os informes de R relativos s provas dinmicas esto apresentados na tabela do Apndice B. 98
T T

Tabela 6.8 - Fatores de segurana propostos para o mtodo de Decourt-Quaresma considerando-se a realizao de uma prova de carga que tenha decorrido em um valor de K, para = 3. Os informes de R relativos s provas dinmicas esto apresentados na tabela do Apndice B. 100
T T

Tabela 6.9 - Fatores de segurana propostos para o mtodo de Aoki-Veloso considerando-se a realizao de duas provas de carga que tenham decorrido em um valor de Kmed , para = 3 e CV = 0% (k1 = k2). 101
T T

Tabela 6.10 - Fatores de segurana propostos para o mtodo de Aoki-Veloso considerando-se a realizao de duas provas de carga que tenham decorrido em um valor de Kmed , para = 3 e CV = 20%. 101
T T

Tabela 6.11 Distino ad hoc das classes de preciso, em funo dos valores de [R] apresentados por vrios autores. Os valores entre parnteses sero os valores representativos de cada classe. 104
T T

Tabela 6.12 Sntese dos resultados das provas de carga efetuadas nas duas estacas da obra hipottica.
T T

105

Tabela 6.13 Fatores de segurana obtidos para os mtodos de Aoki-Veloso e Decourt-Quaresma, com fulcro nas informaes anteriores apresentadas na Tabela 6.1 e nos resultados expostos na Tabela 6.12, considerandose = 3 e = 0,08. 105
T T

Tabela 6.14 Fatores de segurana para o mtodo de Aoki-Veloso, em funo do resultado de K na obra e da preciso intra-canteiro, considerando-se uma prova de carga (n = 1) e = 3. 107
T T

Tabela 6.15 - Fatores de segurana para o mtodo de Aoki-Veloso, em funo da mdia dos valores de K para duas provas de carga e da preciso intra-canteiro. 108
T T

Tabela 6.16 Variao de FS com a preciso intra-canteiro e com o valor de Kmed para o mtodo de A&V, considerando-se a execuo de 2 provas de carga dinmicas. 110
T T

Tabela 6.17 Variao de FS com a preciso intra-canteiro e com o valor de Kmed para o mtodo de A&V, considerando-se a execuo de 3 provas de carga dinmicas. 111
T T

ix

Tabela 6.18 Variao de FS com a preciso intra-canteiro e com o valor de Kmed para o mtodo de A&V, considerando-se a execuo de 4 provas de carga dinmicas. 111
T T

Tabela 6.19 Variao de FS com Kmed e com o tipo de prova, considerando-se a realizao de 2 ensaios de carregamento dinmico e = 0,08 (alta preciso). Os informes relativos varivel Pdin/Pestat so decorrentes dos bancos de dados de Paikowsky e Gates, sintetizados em McVay et al (2000). 113
T T

Tabela 6.20 Variao de FS com Kmed e com o tipo de prova, considerando-se a realizao de 2 ensaios de carregamento dinmico e = 0,15 (mdia preciso). 114
T T

LISTA DE SMBOLOS
K k R r Pobs Pprev G(X) X x1, x2, ..., xn
B B B B B B B B B B

Fator de vis Particular realizao da varivel K Logaritmo do fator de vis Particular valor da varivel R Capacidade de carga medida (observada) Capacidade de carga prevista Funo de desempenho ou funo Estado Limite Vetor de variveis bsicas Variveis bsicas
B B

x1,extr, x2,extr, .., xn,extr Valores extremos das variveis bsicas determinantes da resistncia y1,extr, y2,extr, .., ym,extr Valores extremos das variveis bsicas determinantes da solicitao
B B B B B B

ZR
B B

Varivel aleatria resistncia Varivel aleatria solicitao Fatores de ponderao da resistncia e solicitao, respectivamente Resistncia nominal da estaca Solicitaes Resistncia e solicitao caractersticas Resistncia e solicitao mdias Constante, funo do nvel de significncia.
__

ZS
B B

, Rn
B B

Q Rk, Sk R, S z
B B

__

VR, VS
B B B B B B B

Coeficiente de variao da resistncia e solicitao.


B B B

MR,S(ZR,ZS) E[.] [.] [.] FS Pc Pf


B B B

Funo Margem de Segurana Esperana matemtica Varincia Desvio-padro ndice de confiabilidade Fator de segurana central Confiabilidade Probabilidade de runa Funo densidade conjunta das variveis resistncia e solicitao

fRS(ZR,ZS)
B B B B B

xi

fR, fS
B B B B

Funes densidade de probabilidade da resistncia e solicitao Funo distribuio da varivel solicitao Domnio de falha Eventos quaisquer. Parmetro geotcnico Probabilidade anterior do parmetro Probabilidade posterior do parmetro Densidade anterior do parmetro Densidade posterior do parmetro Vetor representativo das informaes decorrentes da amostragem Verossimilhana Funo de verossimilhana Constante de normalizao Preciso intra-canteiro Parmetros da Funo Gama anterior Parmetros da Funo Gama anterior Valor mdio da varivel R Mdia anterior e posterior de R Tamanho da amostra Tamanho equivalente da amostra para a media de R Tamanho da amostra posterior Mdia amostral da varivel R

FS(.)
B B

D A, B P[] P[] f[] f[] zk


B B

P[zk|]
B B

L(|zk)
B B

N h , , , n n' n mR
B B

sR
B B

Varincia amostral de R Parmetro da distribuio t-Student Valor particular de R, para um dado ndice de confiabilidade
B

H ro
B B

PDINMICA, Pdin
B

Capacidade de carga obtida por ensaio dinmico. Capacidade de carga obtida por prova de carga esttica

PESTTICA, Pestat
B B

xii

LISTA DE SIGLAS
EOD BOR CAPWAP ALARP ANCOND LQI PIB FOSM LRFD FDP MPC MPP PDA ENR FDOT SV End of Driving. Beginning of Restrike. Case Pile Wave Analysis Program As low as reasonably possible Australian National Committee on Large Dams Life Quality Index Produto Interno Bruto First Order Second Moment Load and Resistance Factor Design Funo Densidade de Probabilidades Mtodo Probabilista Condicionado Mtodo Probabilista Puro Pile Driving Analyser Engineering News Record Florida Department of Transportation Stresswave Conferences

1. INTRODUO
Toda estrutura concebida pelo homem deve atender a requisitos pr-estabelecidos, sejam eles relacionados ao conforto, durabilidade, esttica, aspectos econmicos, dentre outros. Decerto, um dos requisitos mais importantes de uma estrutura a sua segurana contra comportamentos indesejveis, em particular contra o colapso. despeito da presumida segurana absoluta, perseguida nas diversas instncias da sociedade, o fato que colapsos continuaro ocorrendo, sejam por erros humanos ou por fatos to extraordinrios que, convenientemente, so imaginados como decorrentes de caso fortuito, como Acts of God, a exemplo das rupturas da barragem de Malpasset na Frana (1959), da ponte de Tacoma nos Estados Unidos (1940) e do Edifcio Itlia, em So Jos do Rio Preto (1997) (Stucchi, 2002). Inclusive, a respeito da ruptura da barragem de Malpasset, mostra-se cabente no presente contexto transcrever um trecho da solidria carta de Terzaghi enviada ao engenheiro Andr Coyne (1891-1960), autor do projeto, na qual afirmou que:
[...] Conhecendo-o bem h muitos anos, estou seguro de que a ruptura no decorreu de um erro de seu projeto. Ela servir, portanto, ao propsito vital de destacar um fator que no recebeu no passado ateno merecida. No lhe cabe culpa por terem as implicaes desse fator se manifestado numa obra sua, pois que a ocorrncia de falhas nas fronteiras de nosso conhecimento governada por leis estatsticas que se manifestam ao acaso. Nenhum de ns a elas est imune [...]

Se certo que a segurana um dos principais requisitos de qualquer obra de engenharia geotcnica, j no h consenso na forma de introduzi-la no projeto, nem tampouco sobre a sistemtica de como informaes adicionais obtidas na obra podem reduzir a incerteza inerente qualquer projeto geotcnico. O binmio segurana versus incerteza tem desafiado a comunidade geotcnica desde tempos pretritos. Terzaghi (1929) j enfatizava a importncia de pequenos detalhes geolgicos na concepo de obras de engenharia geotcnica, ou seja, aspectos que divergem

de comportamentos esperados ou mdios. Na poca, Terzaghi recomendou que os projetistas adotassem a situao mais desfavorvel (Christian, 2004). Mais tarde, diante da invencvel inviabilidade de se conceber obras que atendessem sempre s condies mais desfavorveis, o prprio Terzaghi props a conhecida abordagem do learn as you go como forma de se incorporar a incerteza no projeto e construo de forma incremental. A questo da incerteza no projeto geotcnico foi novamente trazida baila na clebre Terzaghi Lecture ministrada por Casagrande (1965), da qual restaram, como pontos principais, que os riscos so inerentes qualquer projeto e que devem ser explicitamente reconhecidos, como forma de encontrar um equilbrio entre economia e segurana. Posteriormente, em sua magistral Rankine Lecture, Peck (1969) introduziu as bases do que se conhece por observational method, um dos marcos referenciais da Engenharia Geotcnica, reconhecendo explicitamente a incerteza dos modelos. O determinismo inicialmente prevalecente tem sido gradualmente substitudo por mtodos mais racionais de introduo da segurana, como os fatores de segurana parciais, preconizados pelos Eurocdigos. Porm, inobstante desejvel racionalizao, a quase totalidade das normas tcnicas vigentes, inclusive a norma brasileira de fundaes -NBR 6122, carece de fundamentao conceitual inequvoca, a qual s pode ser obtida mediante a quantificao das incertezas pela considerao de uma probabilidade de runa ou de algum ndice a ela associada. Enquanto que os demais campos colaterais da engenharia j fazem uso dos conceitos de probabilidade aplicada h meio sculo, em obras civis, embora se reconhea implicitamente que toda estrutura est associada uma probabilidade de runa no nula, no h a incorporao explcita disso em projeto de modo incontroverso, qual seja, pela considerao expressa de um valor numrico para a dita probabilidade de runa. O evento runa normalmente constitui-se um evento raro, ou seja, ao evento runa esto associadas pequenas probabilidades. Assim sendo, a proposio de um modelo probabilista com fulcro na inferncia clssica, calcada na teoria da amostragem, implicaria na necessidade de amostras com tamanhos economicamente inviveis, haja vista que toda a informao seria obtida to somente da prpria amostra. Ademais, a inferncia clssica

tambm se depara com outro bice importante na avaliao probabilista da segurana de obras geotcnicas: cada obra de engenharia geotcnica , no senso estrito, um prottipo nico. luz dessa realidade, fica evidenciada a vantagem da utilizao da Estatstica Bayesiana na avaliao da segurana de obras geotcnicas, dada a possibilidade de se considerar o grau de convico prvio acerca do parmetro a ser estimado, informao essa aglutinada pela distribuio a priori do parmetro, de carter subjetivo. essa distribuio apriorstica que permite a incluso de argumentos fsico-dedutivos em modelos de probabilidade. No particular caso de fundaes em estacas de deslocamento, os mtodos probabilistas, e muito particularmente aqueles baseados na Estatstica Bayesiana, tm se mostrado muito teis internacionalmente e em diversos contextos para a incorporao das incertezas intervenientes no projeto e execuo, mediante combinao de informaes anteriores (previses de capacidade resistente) com aquelas derivadas de experimentao insitu, tais como provas de carga, medidas de nega e repique, com o fito de promover a atualizao racional dos indicadores de segurana. A instrumentao o meio pelo qual o engenheiro verifica a aderncia do modelo de clculo adotado em relao s condies reais da obra, observando, dentro de uma faixa coerente de valores, se os resultados verificados na obra se coadunam com aqueles obtidos no modelo. Certamente so de grande valia para obras de engenharia geotcnica, em particular de fundaes, por permitir a reavaliao da segurana quando da obra implantada. Assim sendo, o presente trabalho tem como objetivo a apresentao dos conceitos da inferncia bayesiana e sua utilizao na incorporao dos resultados de provas de carga, para avaliao da segurana de estacas de deslocamento. Importante salientar que, muito embora o presente estudo tenha por objeto as estacas de deslocamento, a metodologia apresentada pode ser utilizada, sem prejuzo, a outros tipos de estaca. O trabalho ora proposto ser restrito anlise de estacas isoladas, no objetivando o estudo de grupos de estacas, uma vez que raramente so feitas provas de carga sobre o grupo. Tal fato no diminui a generalidade dos mtodos apresentados, uma vez que normalmente as normas estabelecem fatores de segurana para estacas individuais.

No captulo 2 so apresentados os fatores determinantes no estabelecimento dos critrios de segurana. O captulo 3 apresenta os diversos mtodos de introduo da segurana, dispostos de tal forma que se vislumbre a ordem evolutiva dos mesmos. O captulo 4 apresenta os conceitos da inferncia bayesiana e seu uso na atualizao da segurana de estacas, posteriormente execuo de provas de carga. No captulo 5 segue exposta uma metodologia para proposio de fatores de segurana, ainda no mbito da inferncia bayesiana, em funo do tipo de prova de carga que se realiza: se provas de carga estticas ou ensaios de carregamento dinmico. No captulo 6 apresenta-se a aplicao das formulaes bayesianas a quatro exemplos elucidativos, discutindo-se os resultados obtidos. O captulo 7 apresenta as concluses alcanadas e explicita propostas de pesquisas futuras.

2. FATORES DETERMINANTES NO ESTABELECIMENTO DE CRITRIOS DE SEGURANA

2.1.

A INCERTEZA A discusso sobre a segurana das fundaes somente se justifica em razo das

incertezas intervenientes nas diversas fases que envolvem uma obra de engenharia geotcnica. Imagine-se uma situao hipottica na qual a mxima carga axial de compresso atuante sobre uma estaca fosse de 800kN e a capacidade de carga fosse, invariavelmente, 1000kN. luz dessa situao, poderia-se consignar, em termos de Estado Limite ltimo, que a estaca estaria sempre segura, sendo improcedente qualquer discusso a respeito de eventual ruptura. No entanto, as incertezas existentes sobre as solicitaes e particularmente sobre resistncias fazem com que seja necessria uma distncia adequada entre valores mdios ou ento valores caractersticos dessas variveis (Aoki, 2002). Deste modo, fica evidenciado que a adoo de um fator de segurana j o reconhecimento, ao menos implicitamente, da incerteza existente nos parmetros de projeto. Os tipos de incerteza que determinam os critrios de segurana so bem discriminados por Hachich (1998b), a saber:

INTRNSECA

MODELOS FSICOS, QUMICOS OU BIOLGICOS INCERTEZA DE MODELO MODELOS PROBABILISTAS

AES

DE PARMETROS

SOLICITAES

RESISTNCIAS

Figura 2.1 Tipos de incerteza (Hachich, 1998b).

Cada um dos tipos de incerteza acima distinguidos passa a ser discutido a seguir. 2.1.1 Incerteza intrnseca A incerteza intrnseca (tambm conhecida como natural ou ainda fundamental) prpria do carter aleatrio dos fenmenos, e por isso dita irredutvel. aquela que melhor caracteriza os fenmenos aleatrios, ou seja, fenmenos que, se possveis de serem repetidos sob as mesmas condies iniciais, podem conduzir a resultados distintos. Um exemplo de fenmeno tipicamente aleatrio o lanamento de um dado. Mesmo que tenhamos um histrico dos resultados de lanamentos no possvel afirmar os resultados dos lanamentos futuros, sendo possvel, to somente, fazer juzos probabilistas. Mas uma questo que urge : qual seria a origem da aleatoriedade dos fenmenos? Demkritos, um conhecido filsofo grego, postulou que a natureza essencialmente determinista, ou seja, possvel explicar os porqus de uma dada estrutura e prever ou controlar qualquer fenmeno natural desde que se tenha informao suficiente acerca do aludido fenmeno. Sob este prisma, conclui-se que o nico aleatrio que pode existir o aleatrio subjetivo, entendido como sendo apenas um outro nome para a falta de conhecimento da natureza, das causas que regem determinado fenmeno.

Epikurus, filsofo opositor das idias de Demkritos, defendia a aleatoriedade objetiva ou ausncia de causas, ou seja, para ele a aleatoriedade estava associada a estruturas e processos que no so determinados por nenhuma causa. Sob este aspecto, seria impossvel descrever completamente o fenmeno. Laplace, na sua famosa obra Theorie Analytique des Probabilits1 defendeu
TP PT

claramente as idias postuladas por Demkritos, afirmando o seguinte:


[...] se imaginarmos uma inteligncia capaz de conhecer todas as foras que animam a Natureza e conhecer o estado de todas as partes da qual ela composta - uma inteligncia suficientemente grande para analisar todos esses dados - ento ela seria capaz de numa frmula expressar o movimento dos maiores corpos do universo, bem como o dos menores tomos. Para tal inteligncia nada seria incerto e o futuro, bem como o passado, estariam abertos a seus olhos.

Para Laplace, inobstante ao fato de a natureza ser determinista, ela se comportaria como um relgio de tamanho e complexidade gigantescos, de tal sorte que seria conveniente, mas no estritamente necessrio, tratar alguns fenmenos naturais como aleatrios subjetivos. O fsico Albert Einstein tambm comungou com as idias de Laplace quando proferiu sua clebre frase Deus no joga dados com o Universo. Mais tarde, o prprio Einstein, quando do desenvolvimento das pesquisas para sua Teoria Unificadora, se viu obrigado a aceitar a hiptese de que, de fato, existem alguns fenmenos que no podem ser cabalmente explicados, reconhecendo a existncia da aleatoriedade objetiva na natureza. 2.1.2 Incerteza de modelo 2.1.2.1. Modelo de previso da capacidade de carga A concepo de obras de engenharia geotcnica comumente passa pela idealizao da estrutura real, com a finalidade de se prever as respostas futuras da mesma quando em

1
TP PT

LAPLACE, P.S. Theorie Analytique des Probabilits, 1812.

servio. Essa idealizao da estrutura real se d na forma de modelos, os quais podem ser entendidos como um conjunto de hipteses estabelecidas a priori sobre o comportamento de um fenmeno, com base em teorias tais como a da elasticidade, plasticidade ou do equilbrio limite. A informtica tem permitido atualmente ao engenheiro trabalhar com modelos cada vez mais sofisticados, buscando representar o comportamento real da estrutura da maneira mais fidedigna possvel. Inobstante adoo de modelos que melhor tentem representar a realidade, os resultados obtidos da simulao raramente se coadunam com aqueles observados. De Mello et al (2002) tm alertado para as espantosamente frustrantes concluses dos desafios previso contra comportamento. Segundo aqueles autores, nossa misso no a de acertar na mosca o que vai acontecer em um caso nico mas sim, por segurana, o que no vai acontecer (comportamento indesejado ou ruptura), acoplado ao desejo ou necessidade de conseguir tal feito com um mnimo custo. A incerteza de modelo fica mais evidente quando consideramos a realidade inexorvel de que cada obra um prottipo nico e, assim sendo, um determinado modelo s pode fornecer, quando muito, um resultado prximo daquele verdadeiramente observado na estrutura real. Essa realidade sob o enfoque probabilista nos conduz concluso de que eventual probabilidade de runa calculada com base em um determinado modelo no pode ser simplesmente denotada por P[runa], mas sim P[runa | modelo] (leia-se: probabilidade de runa dado um modelo), uma vez que a probabilidade est condicionada ao modelo adotado. Hachich (1998b) informa que as condicionantes so todas as hipteses do modelo escolhido, apresentando um exemplo onde a probabilidade de runa, calculada considerando-se um modelo de equilbrio limite e superfcie circular, seria denotada por P[runa | equilbrio limite, superfcie circular]. Baecher e Christian (2003), estudando estabilidade de taludes, destacaram trs fontes de incerteza relacionadas ao modelo:

a) Efeitos 3-D existentes na estrutura real, modelada como 2-D; b) Falhas na obteno da superfcie crtica; c) Erros numricos e arredondamentos. Os referidos autores informam que os fatores supra expostos introduzem, em conjunto, uma incerteza sistemtica da ordem de 7%. Cumpre salientar que os fatores retro apresentados, particularmente os fatores (a) e (b), somente tm sentido em um modelo terico, oriundo de aplicaes de conceitos de fsica. Na prtica do projeto de fundaes em estacas h intensa utilizao de modelos semiempricos (como por exemplo os mtodos de Aoki-Veloso e Decourt-Quaresma), em detrimento dos modelos tericos, os quais, inclusive, muitas vezes so tidos como no confiveis (Cintra e Aoki, 1999). Por esta razo a incerteza de modelo no projeto de fundaes em estacas tem sido considerada mediante o fator de vis (bias factor), o qual vem definido conforme segue (McVay et al, 2000):

K=

Pobs Pprev

2.1

Onde K= fator de vis, Pobs o valor da resistncia medida (no estudo dos autores, a resistncia obtida pela aplicao do mtodo de Davisson ao ensaio de prova esttica) e Pprev a resistncia prevista por qualquer dos mtodos disponveis (mtodos dinmicos, frmulas dinmicas ou frmulas estticas). Ang e Tang (1984) expem que o vis pode surgir de fatores no contemplados no modelo, os quais podem decorrer em resultados tendenciosos, em uma ou outra direo. A tabela a seguir, extrada de McVay et al (2000) apresenta os fatores de vis para diversos mtodos de previso da capacidade de carga.

10

Categoria do Mtodo

Mtodo de Previso CAPWAP (EOD , base de dados da Flrida) 2 CAPWAP (BOR , base de dados da Flrida) CAPWAP (EOD, base de dados nacional) CAPWAP (BOR, base de dados nacional) "Energy Approach" (EOD, base de dados da Flrida) "Energy Approach" (BOR, base de dados da Flrida) "Energy Approach" (EOD, base de dados nacional) "Energy Approach" (BOR, base de dados nacional) Gates (EOD, base de dados da Flrida) Gates (EOD, base de dados nacional) Mtodo Alpha, argila tipo I 4 Mtodo Alpha, argila tipo II Mtodo Beta Cone eltrico Mtodo Lambda, argila tipo I Mtodo Lambda, argila tipo II SPT - Mtodo de Meyerhof SPT - Mtodo de Schmertmann
3 1

Fator de vis ("bias factor") 1,597 1,260 1,626 1,158 1,110 0,836 1,084 0,785 1,742 1,787 1,104 2,340 1,032 1,030 1,020 0,840 1,300 1,371

MTODOS DINMICOS

FRMULAS DINMICAS

MTODOS ESTTICOS

Notas:

1 - EOD = "End of Driving" (fim da cravao); 2 - BOR = "Beginning of Restrike" (Incio da recravao)

3 - Tipo I se refere solos com resistncia no drenada Cu < 50kPa; 4 - Tipo II, para solos com Cu > 50kPa.

Tabela 2.1 Fator de vis para diversos mtodos de previso da capacidade de carga (McVay et al, 2000).

Hachich (1998b) informa que a incerteza de modelo tambm surge na verificao de alguns estados limites de utilizao, tal como na limitao de deslocamentos de estruturas de arrimo e valas escoradas, quando aplicamos coeficientes globais ou parciais sobre os resultados decorrentes da adoo de um modelo de equilbrio limite, o qual no explicita o campo de deslocamentos. Assim sendo, essa inexatido tem que ser compensada na verificao da segurana da estrutura, pela adoo de coeficientes de segurana que a contemplem, alm da variabilidade de aes e resistncias. 2.1.2.2. Modelo probabilista Uma outra classe de incerteza de modelo a ser posteriormente discutida com profundidade a incerteza relacionada ao modelo probabilstico adotado. Inevitavelmente, para o clculo da probabilidade de runa, h a necessidade de se considerar um dos vrios modelos probabilsticos disponveis (distribuio Normal, Lognormal, Extremos, Weibull, entre outras). Uma vez feita essa escolha, as probabilidades calculadas tambm estaro condicionadas ao modelo probabilista adotado. A escolha de um determinado modelo probabilista para representao de um fenmeno raramente pode ser feita com fulcro na observao do histograma de freqncias de rupturas de estruturas similares. Borges e Castanheta (1971) mostram que diversos modelos

11

probabilistas apresentam funes densidade parecidas nos trechos centrais, porm muito diferentes nas caudas, como mostra a figura a seguir:
Fs(x) 10
-1

DESVIO-PADRO 0 2,5 5,0 7,5 10 12,5

Fr(x) 10
-1

DESVIO-PADRO 0 2,5 5,0 7,5 10 12,5

SOLICITAO MDIA = 1,0

COEFICIENTE DE VARIAO V = 0,10

RESISTNCIA MDIA = 2,0

COEFICIENTE DE VARIAO V = 0,10

0,5

0,5

1 - 10

-1

1 - 10
LOG-NORMAL

-1

1 - 10 1 - 10 1 - 10 1 - 10

-2

EXTREMOS I EXTREMOS II

1 - 10 1 - 10 1 - 10 1 - 10

-2

-3

-3

WEIBULL NORMAL

-5 -5 -6

NORMAL

-4 -5 -6

EXTREMOS I

LOG-NORMAL

1 - 10 0,75

x 1,0 1,25 1,5 1,75 2,0 2,25 x

1 - 10 -0,5

x 0 0,5 1,0 1,5 2,0 2,5 x

Figura 2.2 Variabilidade das caudas de algumas Funes Densidade de Probabilidade (Borges e Castanheta, 1971).

Por esta razo, a delimitao das caudas da funo densidade de probabilidades com base na teoria da amostragem demandaria uma amostra de tamanho tal que tornaria a abordagem por freqncia economicamente invivel, em vista do fato de a runa se constituir um evento raro. Como ser visto posteriormente, a adoo de um modelo probabilista dever ter como fulcro argumentos subjetivos, sob a tica da estatstica bayesiana.

2.1.3 Incerteza de parmetros Normalmente, os parmetros utilizados nos modelos, quer modelos tericos, quer empricos, so obtidos por meio de amostragem. Uma vez disponvel uma amostra com os valores observados de um certo parmetro, uma questo que surge naturalmente qual o valor a ser adotado como representativo deste parmetro, valor esse a ser utilizado posteriormente no modelo. Esse um problema tpico de inferncia estatstica, ou seja, com base em uma amostra de valores de um certo parmetro pretende-se estimar qual seria o valor

12

representativo desse parmetro para todo o solo que compe uma determinada obra. Intuitivamente, quanto maior o nmero de elementos na amostra (ou quanto maior o nmero de ensaios), menor a incerteza sobre o valor do parmetro a ser introduzido no modelo. Diz-se, portanto, que essa incerteza redutvel. Num primeiro momento, somente medidas de tendncia central (particularmente o valor mdio) da amostra coletada bastavam para a caracterizao do parmetro, em vista do fato de que muitos fenmenos possuem um comportamento condicionado por mdias. Posteriormente, em virtude do desenvolvimento dos mtodos de introduo de segurana, as medidas de disperso (tais como o desvio-padro e o coeficiente de variao) tambm se mostraram necessrias para subsidiar a escolha dos modelos probabilistas utilizados nas anlises. Cardoso (2002) apresenta faixas de valores para o coeficiente de variao das propriedades resistentes dos solos, com base em diversos autores.

Parmetro (X)

Mdia - Xmed (kPa) < 50 50 - 150

Coeficiente de Variao - V(X) (KPa) 0,26 - 0,82 0,19 - 0,66 0,19 -0,53 0,13 - 0,41 0,12 - 0,85 (0,34) 0,10 - 0,22 0,03 - 0,15 0,05 - 0,25 (0,13) 0,07 - 0,15

Cu
B B

150 - 300 > 300 Todas as classes < 30

30 - 40 Todas as classes

tg

Tabela 2.2 Coeficiente de Variao [V(x)] das propriedades resistentes dos solos (Cardoso, 2002).

Baecher e Christian (2003) apresentam estimativas do coeficiente de variao de diversos testes in-situ, a saber:

13

Coeficiente de Variao, COV (%) Teste Sigla Equip. Teste de penetrao padro Teste de penetrao de Cone (mecnico) Teste de penetrao de Cone (eltrico) Vane test Teste dilatomtrico VST DMT 5 5 8 5 10 8 14 11 10 20 5 15 ECPT 3 5 5 -10 8 22 5 15 MCPT 5 10 15 10 15 15 22 15 25 Processo Aleatrio Total Intervalo mais provvel 15 45

SPT

5 75

5 - 75

12 15

14 100

Tabela 2.3 Incerteza associada cinco testes comumente efetudos in-loco (Baecher e Christian, 2003).

Modelos mais realistas demandam o conhecimento, alm dos valores mdios e das medidas de disperso, das correlaes espaciais dos parmetros em uma dada obra, com base na premissa de que elementos de solo vizinhos tendem a ter propriedades mais parecidas. Esse tipo de incerteza tambm redutvel, haja vista que uma amostra de tamanho suficiente pode fornecer informaes acerca da estrutura de correlao espacial subjacente. 2.2. OS ERROS HUMANOS Os erros humanos certamente so dominantes na concorrncia de colapsos de estruturas, e por isso devem ser minimizados (De Mello et al, 2002). Diante dessa realidade, tais erros tm sido freqentemente abordados em trabalhos aplicados, com diversos graus de refinamento. Inobstante serem objeto de estudos recentes, os erros humanos ainda no so bem compreendidos.

14

Os meios mais efetivos pelos quais os erros humanos podem ser controlados so a checagem dos projetos por entidades independentes e procedimentos de controle de qualidade. Tais procedimentos, embora sejam de fato importantes, no so, inequivocadamente, livres de erros. Madsen et al (1986) citam um exemplo hipottico onde um determinado projeto est sendo checado por um examinador independente. Se boa parte deste projeto foi competentemente executada, o examinador tende a perder efetividade na sua anlise crtica, tornando-se menos diligente e mais susceptvel de cometer, ele mesmo, um erro de checagem. Estes mesmos autores sugerem que a distribuio dos erros em determinado projeto segue uma famlia de curvas normais, todas com mdia zero, e varincias dependentes do tempo de checagem, conforme explicita a expresso 2.2 a seguir:

PE (x, t) =

x2 exp - 2 2 s 2s 1

t 1 + t 0

2.2

onde: PE(x,t) = funo densidade da distribuio dos erros, para uma dada magnitude x de erro e
B B

aps um tempo t de checagem; S = desvio-padro inicial dos erros (para t = 0); t0 = constante;
B B

Fazendo:

t PE (t) = 1 + t 0
e

2.3

F = s PE (t)
a expresso 2.2 pode ser reescrita da seguinte forma:

2.4

PE (x, t) = PE (t) N(0, F 2 )


onde:

2.5

15

PE(t) = probabilidade da ocorrncia de erro aps um tempo t de checagem;


B B

N(0,F) = distribuio normal de probabilidades, com mdia zero e varincia F;


B B B B

A equao 2.5 explicita claramente que os erros, em um determinado tempo t de checagem, seguem distribuio normal com mdia zero e desvio-padro proporcional probabilidade de erro nesse mesmo instante t. Paralelamente, a referida equao permite apurar o decremento exponencial da probabilidade de erro com o tempo de checagem. Da equao 2.5 decorre o grfico apresentado a seguir:
P 0 t = t0 3t0

15t 0 67t0

-1

Figura 2.3 Famlia de distribuies normais da magnitude do erro como funo do tempo de inspeo (Madsen et al, 1986).

Do grfico supra, conclui-se que quanto maior o tempo de checagem de determinado projeto, maior a probabilidade se encontrar erros com magnitudes prximas zero, ou seja, as curvas normais so mais afiladas e se concentram em torno de zero. Importante informar que esse modelo eminentemente terico, no tendo sido submetido comprovao emprica. Uma crtica que pode ser feita a esse modelo que o mesmo no leva em conta a competncia do verificador. 2.3. AS CONSEQNCIAS DE UMA EVENTUAL RUNA A forma de se considerar as conseqncias de uma eventual runa ainda um dos pontos mais controversos da introduo da segurana no projeto.

16

Os primeiros mtodos de introduo da segurana, em particular aqueles baseados em um coeficiente de segurana nico, no levavam em conta a importncia da estrutura, representada pelas conseqncias de um colapso. S com o advento do mtodo semiprobabilstico que as conseqncias da runa foram explicitamente consideradas, atravs do fator probabilstico. despeito do reconhecido avano do mtodo semi-probabilstico na considerao das conseqncias da runa, o fator probabilstico tem sido proposto ainda de forma ad-hoc. Invariavelmente, os mtodos mais racionais de se considerar as conseqncias da runa utilizam a probabilidade de sua ocorrncia como parmetro, de modo que so identificados dois critrios: ou se adota uma probabilidade de runa prescrita, em funo de riscos admitidos pela sociedade ou ento uma probabilidade que maximiza uma utilidade (por exemplo, a economia por vida salva). 2.3.1 Probabilidade de runa prescrita: Segundo este critrio, a probabilidade de runa calculada comparada com uma probabilidade de runa prescrita, relacionada com o risco admitido pela sociedade. Importante deliberar sobre do termo risco admitido. Como assevera Christian (2004), se a sociedade pudesse ser consultada acerca dos riscos sob os quais aceitaria estar sujeita, possivelmente os valores informados seriam diferentes dos riscos sob os quais a sociedade est sujeita de fato, em valores deslocados para cenrios mais seguros. Desta feita, o risco admitido no o risco conscientemente aceito pela sociedade, mas sim um risco implicitamente aceito, ao menos por parte da sociedade. Assim, cabe ao engenheiro projetar e construir estruturas que apresentem diminutas probabilidades de runa, comparveis quelas probabilidades de riscos inevitveis ligados outras atividades humanas, como vaticina De Zagottis, 1974. O referido autor entende ser admissvel para estruturas probabilidades de runa da ordem de 10-3 e 10-6, fundamentando
P P P P

sua assertiva com base na probabilidade de uma pessoa em perfeitas condies fsicas e mentais falecer antes de terminar o dia (P = 10-5) e na probabilidade de uma pessoa ser morta
P P

17

em um acidente de trnsito (P = 0,7%). Atualmente, para efeito de polticas pblicas, tm sido muito utilizados os diagramas F-N, que relacionam a freqncia da ocorrncia de acidentes com N ou mais vtimas (denotada por F) com o nmero de fatalidades propriamente dito (N), como apresentam Baecher e Christian, 2003.

Figura 2.4 Riscos admitidos pela sociedade, de acordo com o Departamento de Planejamento de Hong Kong ( esquerda) e com o ANCOLD (Baecher e Christian, 2003).

Normalmente, os grficos F-N distinguem trs regies, quais sejam: a regio de risco aceitvel, a regio de risco inaceitvel e uma regio intermediria, denotada por ALARP (As low as reasonably possible), regio essa onde se deseja riscos to baixos quanto possveis. Assim sendo, ALARP pode ser entendida como uma regio onde os riscos so marginalmente aceitos. A Figura 2.5 (Whitman, 1984) apresenta a probabilidade de runa aceita e marginalmente aceita em funo das conseqncias da runa, para diversos tipos de estruturas.

18

10

MARGINALMENTE ACEITO

10

-1

NAVIOS MERCANTES PLATAFORMAS MVEIS

PROBABILIDADE ANUAL DE RUNA

TALUDES DE MINAS

10

-2

ACEITVEL FUNDAES
-3

10

PLATAFORMAS FIXAS

10

-4

BAR RAG ENS

10

-5

AVIAO COMERCIAL

ESTIMADO PARA BARRAGENS NOS EUA

10

-6

CUSTO EM VIDAS CUSTO EM US$

1 6 10

10 7 10

100 8 10

1.000 9 10

10.000 10 10

CONSEQUNCIAS DA RUNA

Figura 2.5 Probabilidade de runa para algumas estruturas, em funo das conseqncias da ruptura (Whitman, 1984).

2.3.2 Maximizao da utilidade A maximizao da utilidade esperada tida por muitos autores como o estgio final da evoluo dos critrios de segurana nas obras de engenharia (Hachich, 1998a; Madsen et al, 1986). Segundo esse critrio, a probabilidade de runa no prescrita em funo de riscos admitidos na sociedade, mas deduzida em funo dos custos relacionados uma eventual ruptura, deduo esta feita com fulcro na Anlise de Decises. Hachich (1998b) informa que a maximizao da utilidade esperada permite acomodar comportamentos no neutros ao risco (tais como averso ou propenso ao risco) e conseqncias no mensurveis monetariamente. Muitos trabalhos preconizam que a funo objetivo a ser considerada no clculo da probabilidade de ruptura da seguinte forma:

19

CE=CI+ PiCi
B B B B B B B B

2.6

onde: CE = custo esperado;


B B

CI = custo inicial (construo) acrescido dos custos de manuteno menos o valor da


B B

construo no final de sua vida til; Pi = probabilidade de ocorrncia do tipo de ruptura i;


B B

Ci = custos relacionados ocorrncia do tipo de ruptura i;


B B

A parcela referente ao custo inicial (CI) da funo objetivo apresentada na expresso


B B

2.6 aumenta quando se impe uma maior segurana (menor probabilidade de ruptura) e as parcelas relacionadas s conseqncias da runa (PiCi) diminuem quanto menor a
B B B B

probabilidade de runa, permitindo representar, em um mesmo grfico, a variao do custo esperado e de cada uma das parcelas da expresso 2.6, como mostra a figura a seguir:

CE Ci Pi

Cmin CI P*

P f

Figura 2.6 Minimizao do custo esperado.

Recentemente, alguns autores apresentam uma nova abordagem para considerao de aspectos scio-econmicos no projeto, mediante o uso do conceito de ndice de Qualidade de Vida (Life Quality Index LQI), como apresentado por Snches-Silva e Rackwitz (2004). Segundo estes autores, o referido ndice deriva do conceito de utilidade marginal, de onde se obtm a seguinte expresso aproximada:

20

LQI gwe(1-w)
P P P P

2.7

Onde w o tempo despendido com trabalho; g o PIB per capita; e a expectativa de vida. Snches-Silva e Rackwitz (2004) destacam que o referido ndice no depende do valor vida na data do nascimento ou do Produto Interno Bruto, aduzindo ainda que, dessa metodologia, emergem trs possveis classificaes dos pases: High (Europa Ocidental, Estados Unidos e Japo), Moderate (Amrica Latina e Caribe) e Low (pases menos desenvolvidos).

Figura 2.7 Valor de projeto da acelerao em funo do nmero de fatalidades, para as diversas classificaes do LQI (Snchez-Silva e Rackwitz, 2004).

Analisando-se o grfico supra, observa-se que a segurana associada aos pases classificados como High deve ser maior que aquela associada aos pases classificados como Low. Evidentemente que esse critrio, como todos os outros baseados na anlise de custobenefcio, passvel de rigorosas crticas.

21

3. OS DIVERSOS MTODOS DE INTRODUO DA SEGURANA


O primeiro passo para a considerao da segurana nas obras civis foi possivelmente baseado inteiramente na intuio. O estado da arte do conhecimento acerca das propriedades geomecnicas dos solos prevalecentes antigamente bem como a ausncia de experincia anterior no nos permitia considerar a segurana de outra forma que no com fulcro no julgamento intuitivo. Com o passar do tempo e o contnuo exerccio da atividade laboral do engenheiro, a experincia adquirida em obras similares delineou a forma de se introduzir a segurana empiricamente em obras de engenharia geotcnica. No sculo XX, o ferramental matemtico j disponvel foi um convite ao desenvolvimento dos mtodos de anlise estrutural, em detrimento do desenvolvimento dos mtodos de introduo da segurana. Tal desenvolvimento foi postergado at meados de 1950, quando Brinch Hansen (1956) props que a incerteza fosse distribuda entre os fatores intervenientes no projeto, lanando a base para o desenvolvimento dos coeficientes de segurana parciais em substituio a um nico coeficiente que guardasse toda a informao acerca da incerteza existente (coeficiente de segurana global). Mais recentemente, a engenharia geotcnica incorporou os conceitos de probabilidade e estatstica j utilizados em outras reas do conhecimento para o desenvolvimento de mtodos mais racionais de introduo da segurana, em prejuzo dos mtodos essencialmente deterministas. Hachich (1998a) certifica que o conjunto de trabalhos desenvolvidos a partir da dcada de 60 delineava a seguinte evoluo dos mtodos de introduo da segurana, a saber:

22

Determinao da variabilidade dos coeficientes de segurana, principalmente atravs de mtodos de primeira ordem e segundo momento (FOSM First Order Second Moment); Substituio dos coeficientes de segurana prescritos por ndices de segurana prescritos, que j incorporassem a variabilidade (como, por exemplo, o coeficiente ), fornecendo melhores indicadores de segurana, porm ainda no incorporando o tipo de distribuio probabilstica nem tampouco as responsabilidades da obra, ou seja, as conseqncias de uma eventual runa; Substituio de ndices de segurana prescritos por probabilidades de runa prescritas, aps a adoo criteriosa de funes densidade de probabilidade; Substituio de probabilidades de runa prescritas por probabilidades de runa decorrentes da maximizao de alguma utilidade (por exemplo o custo por vida salva); Atualmente existem uma srie de critrios de segurana, diferenciando-se pela forma como a mesma introduzida e pela escolha do(s) seu(s) indicador(es), distinguindo-se dois grandes grupos: os deterministas e os probabilistas. Os diferentes critrios sero apresentados como sugere Hachich (1998b), a saber:

MTODO DAS TENSES ADMISSVEIS (MTA)

FORMULAO DETERMINISTA (com coeficientes de segurana internos)

FORMULAO PROBABILISTA

Figura 3.1 Abordagens do mtodo das tenses admissveis.

23

MTODO DOS ESTADOS LIMITES (MEL)

FORMULAES DETERMINISTAS

MTODO SEMIPROBABILISTA

FORMULAES PROBABILISTAS

COEFICIENTE DE SEGURANA NICO

COEFICIENTES DE SEGURANA PARCIAIS (BRINCH HANSEN)

MTODO PROBABILISTA CONDICIONADO

MTODO PROBABILISTA PURO

COEFICIENTES DE SEGURANA EXTERNOS

COEFICIENTES DE SEGURANA INTERNOS

NVEL I (processo dos valores extremos)

NVEL II (extremos funcionais)

NVEL III (processo exato ou avanado)

NVEL IV (analise de custo)

Figura 3.2 Diferentes abordagens consideradas no Mtodo dos Estados Limites.

3.1.

MTODO DAS TENSES ADMISSVEIS O mtodo das tenses admissveis foi o critrio utilizado inicialmente na avaliao

da segurana das estruturas. O referido mtodo preconiza que em nenhum ponto da estrutura a tenso atuante poderia ultrapassar a tenso admissvel do material, esta ltima entendida como sendo a tenso de ruptura do material minorada por um coeficiente de segurana adequado, como mostra a expresso 3.1. Por atuar sobre as resistncias, esse coeficiente se segurana considerado um coeficiente de segurana interno.

Q Qadm =
B B

Qult FS
B B

3.1

Onde Qadm a carga admissvel, Qult a carga ltima e FS o fator de segurana interno. Hachich (1978) mostra que o mtodo das tenses admissveis conduzia solues excessivamente conservadoras se fosse considerada a freqente no linearidade das relaes entre aes e tenses, particularmente na iminncia de um estado-limite ltimo. Nesse mtodo, embora se reconhecesse implicitamente que materiais com propriedades mais variveis mereciam maiores coeficientes de segurana, tais coeficientes no eram calculados com base em algum modelo probabilista, pelo menos nas aplicaes

24

iniciais. Em ltima anlise, pode-se consignar que tais coeficientes eram propostos por um consenso do meio tcnico (Alonso, 1991). despeito do fato de ser plenamente possvel, a aplicao dos conceitos de probabilidade para determinao do coeficiente de segurana interno no ganhou flego em razo da desvantagem supra apresentada bem como da dificuldade adicional de se propor uma densidade de probabilidade adequada para modelagem das resistncias. Tal mtodo foi derivado da engenharia de estruturas, onde teve aplicao mais efetiva particularmente em estruturas reticuladas, para as quais relativamente fcil o clculo das tenses mediante os conceitos da Resistncia dos Materiais. Na engenharia geotcnica, o mtodo em comento no chegou a ser amplamente utilizado em razo da dificuldade inicial em se calcular as tenses atuantes na estrutura do solo, o que demanda, pelo menos, conceitos da Teoria da Elasticidade. 3.2. MTODO DOS ESTADOS LIMITES O Mtodo dos Estados Limites permite tanto a majorao das aes (coeficiente de segurana externo) quanto a minorao das resistncias (coeficiente de segurana interno), esta ltima plenamente justificvel em estruturas nas quais o peso prprio a ao principal, como no caso de taludes. Segundo Maranha das Neves (1994), a idia base do conceito de dimensionamento pelo mtodo dos estados limites fundamenta-se no seguinte: a) Identificao de todos os potenciais estados limites (modos de ruptura e deformao excessiva); b) Verificao, em separado,de cada estado limite; c) Demonstrar que a ocorrncia dos estados limites tem pequena probabilidade. O referido mtodo calcado em alguma funo de desempenho ou funo estado limite G(X), onde X = (x1, x2, ...., xn) representa o vetor de parmetros de entrada,
B B B B B B

normalmente parmetros relacionados s caractersticas geomtricas da estrutura, das propriedades dos materiais e das aes atuantes sobre a mesma. A funo de desempenho

25

definida de tal forma que a ruptura vem representada pela condio G(X) < y, onde y uma constante. A situao na qual G(X) = y denominada de condio estado limite e G(X) > y denota o estado seguro. Uma funo de desempenho normalmente utilizada em problemas de verificao de segurana e a margem de segurana, definida pela expresso abaixo (Li et al, 1993): G(X) = ZR - ZS
B B B B

3.2

Nesse caso, a ruptura vem definida por G(X) < 0. Outra funo de desempenho tambm bastante utilizada o fator de segurana, definido por: G(X) = ZR/ZS
B B B B

3.3

Diversas outras funes de desempenho podem ser propostas, bem como diversas so as abordagens de se tratar a segurana (G(X) > y). Os tpicos seguintes apresentam algumas dessas formas. 3.2.1 Formulaes deterministas As primeiras formulaes deterministas do Mtodo dos Estados Limites preconizavam a utilizao de um coeficiente de segurana global, ou seja, ou um coeficiente de segurana interno (minorao das resistncias) ou externo (majorao das aes). Ao tentar cobrir todas as incertezas inerentes ao processo de dimensionamento por meio de um nico fator de segurana, tal mtodo se mostra pouco racional, por no permitir uma deciso que seja funo da diferente variabilidade dos diversos parmetros condicionantes (Cardoso, 2002). Bilfinger (2002) faz uma discusso a este respeito, apresentando um exemplo hipottico de um edifcio que pode estar apoiado em dois tipos de fundao distintos: Fundao em estacas pr-moldadas; Fundao em brocas, escavadas manualmente e concretadas na obra, com o mesmo dimetro e comprimento das anteriores; As aes atuantes nas fundaes so idnticas porm, intuitivamente, as incertezas

26

quanto capacidade de carga so diferentes, sendo esperado incertezas menores no caso da estaca pr-moldada. Assim, no seria lcito aplicar os mesmos coeficientes de segurana globais nos dois casos. Em que pese este fato, a maior parte das normas, inclusive a norma brasileira de projeto e execuo de fundaes - NBR 6122 no condiciona a escolha do fator de segurana global em funo do tipo de estaca a ser utilizado. Decerto, os trabalhos desenvolvidos por Brinch Hansen (1956, 1967), inobstante ao fato de possurem ainda uma vertente determinista, representaram um marco significativo na evoluo dos mtodos de introduo da segurana, eis que j contemplavam as incertezas das variveis envolvidas, abandonando a idia de um fator de segurana nico. Embora tenham representado um avano no tratamento da incerteza das variveis envolvidas, os coeficientes parciais propostos por Brinch Hansen no tiveram sua utilizao difundida no meio tcnico, em particular no Brasil, pelo fato de que a estimativa da capacidade de carga de estacas geralmente feita com base em formulaes empricas baseadas no SPT. Como a normalizao aplicvel no preconiza qualquer coeficiente parcial em relao esse ndice, tal metodologia no encontrou aplicao na prtica corrente. 3.2.2 Mtodo semi-probabilista Esse mtodo preconiza tanto a majorao das aes quanto a minorao das resistncias, atravs da aplicao de coeficientes de ponderao que transformam valores caractersticos das grandezas em valores de projeto (ou seja, valores extremos). O referido mtodo introduz ainda um coeficiente de ponderao relacionado s conseqncias de uma eventual runa. A condio de verificao da segurana que as solicitaes de clculo sejam menores que as solicitaes-limite de clculo. No mbito do LRFD (Load and Resistance Factor Design) (AASHTO, 1999 apud Zhang et al, 2001), essa relao pode ser expressa por:

R n Q i i
B B B B B B

3.4

Onde Rn a resistncia nominal, o fator de resistncia, Qi o efeito das aes, i o fator de majorao das cargas e um fator de ponderao que leva em conta efeitos de ductilidade,

27

redundncia e importncia operacional. Os valores caractersticos da resistncia e das aes normalmente correspondem quantis de alguma Funo Densidade de Probabilidades (FDP). Para as resistncias, so adotados quantis localizados na cauda esquerda do modelo probabilstico, como mostra a figura a seguir:
densidade de probabilidade

probabilidade = %

RK

resistncia

Figura 3.3 Definio da resistncia caracterstica.

A Figura 3.3 mostra que a resistncia caracterstica representa um valor tal que possui somente % de no ser atingida. Como exemplo, a resistncia caracterstica do concreto vem definida pelo quantil correspondente = 5%. A determinao do valor caracterstico da resistncia feita a partir da resistncia mdia atravs da expresso a seguir:
__

R k = R (1 - Z VR )
__

3.5

onde Rk a resistncia caracterstica, R a resistncia mdia, Z uma constante (funo do


B B

quantil selecionado) e VR o coeficiente de variao da resistncia. Importante salientar que a definio de resistncia para obras geotcnicas no est relacionada ao quantil de 5%. Em geotecnia, a resistncia caracterstica vem definida pela prpria resistncia mdia.

28

Com relao s aes, a cauda de interesse a direita, e os valores caractersticos das podem ser obtidos mediante a seguinte expresso:
__

Sk = S (1 + Z VS )
__
B B B B

3.6

Onde Sk a ao caracterstica, S o valor mdio da ao considerada, Z uma constante dependente do quantil de interesse e VS o coeficiente de variao da ao.
B B

Salienta-se que, em estruturas e obras hidrulicas, tambm comum a caracterizao de aes extremas com fulcro no conceito de tempo de retorno. A transformao dos valores caractersticos em valores de clculo (de projeto) feita mediante a aplicao de fatores de segurana parciais, tanto sobre as aes quanto sobre as resistncias. Os coeficientes de segurana parciais tm representado o atual estado da arte da introduo da segurana nas diversas normas de projeto de geotecnia. Maranha das Neves (1994) apresentou uma interessante discusso acerca do uso dos coeficientes de segurana parciais no mbito do Eurocdigo. O referido autor expe a seguinte tabela com os coeficientes parciais preconizados pela norma retro citada:

Aes Caso Permanentes (G)


B B

Propriedades do terreno (m)


B B

Variveis (Q)
B B

tg' Desfavorveis Favorveis Desfavorveis A B C 1,00 1,35 1,00 0,95 1,00 1,00
B

c'

cu
B B

qu
B B

1,50 1,50 1,50


B

1,1 1,0 1,25

1,3 1,0 1,4

1,2 1,0 1,4

1,2 1,0 1,4

' = ngulo de atrito interno efetivo, c' = coeso efetiva,,cu = resistncia ao cisalhamento no drenada qu = resistncia compresso uniaxial (solo e rocha)
B B

Tabela 3.1 Coeficientes de segurana parciais (Maranha das Neves, 1994)

29

O autor destaca que os casos A, B e C se referem, respectivamente, ao equilbrio esttico da estrutura, aos elementos estruturais envolvido no projeto de fundaes e, por ltimo, aos aspectos relacionados estritamente geotecnia. O mtodo sugere que os fatores de segurana parciais devam ser propostos em funo da variabilidade das variveis envolvidas. Tal variabilidade no explicitada, nas diversas normas que preconizam o uso do mtodo semi-probabilista, atravs de uma medida conceitualmente correta, tal como a varincia ou o coeficiente de variao. Desta feita, em diversos trabalhos, tem sido proposta a calibrao dos coeficientes parciais de segurana com base nos conceitos de confiabilidade, como apresentado por McVay et al (2000). 3.2.3 Discusso dos mtodos deterministas Os Fatores de Segurana Globais no possuem uma relao biunvoca com a segurana propriamente dita, pois fatores de segurana iguais podem resultar em seguranas (medidas pelas probabilidades de runa) distintas. Da mesma forma, probabilidades de runa iguais podem decorrer em fatores de segurana distintos, dependendo da variabilidade das grandezas envolvidas. A figura abaixo (Lacasse e Goulois, 1989) permite constatar a falha conceitual existente nos Fatores de Segurana Globais:
DENSIDADE DE PROBABILIDADE

EVENTO RUNA

MDIA E DESVIO DO COEFICIENTE DE SEGURANA REDUZIDOS

MDIA E DESVIO DO COEFICIENTE DE SEGURANA ELEVADOS

PROBABILIDADE DE RUNA

1,0

1,5

2,0

2,5

COEFICIENTE DE SEGURANA, F

Figura 3.4 Coeficiente de segurana versus segurana (adaptado de Lacasse e Goulois, 1989).

De Zagottis (1974) informa que a crtica fundamental que se pode fazer ao mtodo das tenses admissveis que h apenas uma preocupao com o estabelecimento de uma conveniente distncia entre a situao de utilizao da estrutura e aquela que corresponderia a

30

uma ruptura da estrutura (desagregao do material) ou um colapso da estrutura (perda de capacidade portante). No h preocupao com a verificao de outras condies que possam invalidar a utilizao da estrutura, como por exemplo o excesso de deformabilidade. despeito do reconhecido avano que o mtodo semi-probabilstico tenha representado, o referido mtodo, tal como preconizado na maioria das normas tcnicas, tambm padece do mesmo mal: os fatores de segurana parciais no levam em conta a variabilidade das grandezas em uma obra particular. Como exemplo, admitamos que, em duas obras distintas, denotadas por A e B, sero utilizados mtodos tericos para determinao da capacidade de carga de estacas, com utilizao da coeso e do ngulo de atrito. Vamos admitir ainda que, atravs de ensaios efetuados in-situ em quantidade suficiente para se ter poder discriminatrio, as coeses nas duas obras possam ser representadas pelas densidades a seguir:
f obra A obra B

10

coeso (kN/m)

Figura 3.5 Variao da coeso em duas obras hipotticas.

Analisando-se a figura supra, nota-se que ambas as obras possuem a mesma coeso mdia (10kN/m), mas a variabilidade da coeso na obra B nitidamente maior que a da obra A. Inobstante possurem diferentes variabilidades, os valores de coeso a serem utilizados nos modelos tericos seriam idnticos, haja vista que o coeficiente de ponderao da coeso independe da variabilidade em uma dada obra. Desta feita, tem-se que tanto os mtodos essencialmente deterministas quanto o mtodo semi-probabilistico, este ltimo em menor grau, no decorrem em uma medida nica de segurana.

31

3.2.4 Mtodos probabilistas Os mtodos probabilistas possibilitaram a correo da falta de unicidade entre fator de segurana e segurana propriamente dita, ainda prevalecente nos mtodos deterministas e mesmo no mtodo semi-probabilstico. Atravs do uso dos mtodos probabilistas, possvel calcular uma medida que guarda uma correspondncia nica e mais adequada, do ponto de vista conceitual, para mensurar a segurana das estruturas: a probabilidade de runa. Duncan (2000) defende que, nas verificaes da segurana de estruturas, deve-se mensur-la atravs de sua medida mais inequvoca, qual seja, a probabilidade de runa. Na viso do referido autor, com um pequeno esforo de clculo adicional, apenas o necessrio realizao de anlises de confiabilidade, obtm-se uma viso muito mais profunda da questo da segurana da estrutura em estudo. De Mello et al (2002) tambm apresentam uma aplicao da estatstica e da teoria das probabilidades em geotecnia. Na viso dos autores
[...] o que precisamos definitivamente questionar e rechaar as RECEITASDOGMAS, e comear a empregar a estatstica-probabilidades E.P. mnima rudimentar que seja absolutamente convidativa, para priorizar a constituio de amplo banco de dados, estimulando a vantagem pelo nmero, em comparao com a presumida qualidade terica quantificada segundo o modelo idealizado.

Muito embora a comunidade geotcnica h muito tempo reconhea as incertezas atinentes ao projeto e empreendeu maneiras prticas de consider-las, a mesma tem sido relutante em aplicar mtodos mais racionais e formais de se considerar a incerteza. Hachich (1978) afirma que, qualquer estrutura, fixada sua vida til, est associada uma probabilidade de runa positiva. Diante dessa realidade inexorvel, o mais racional seria incorporar essa probabilidade de runa nas atividades de concepo do engenheiro. despeito do fato de ser este o caminho mais racional, na prtica, a adoo de uma probabilidade de runa em projeto suscita bices da sociedade, em favor de uma impossvel segurana absoluta. Os mtodos probabilistas apresentam uma primeira diviso dicotmica, qual seja: o

32

Mtodo Probabilista Condicionado (MPC) e o Mtodo Probabilista Puro (MPP). No Mtodo Probabilista Condicionado a verificao da segurana feita com base na anlise determinista da configurao de runa da estrutura, ou seja, fixada uma configurao de runa, as demais variveis so reconhecidas como variveis aleatrias. Destarte, nesse mtodo, a verificao da segurana fica condicionada configurao de runa escolhida deterministicamente, normalmente fulcrada na teoria disponvel. Por exemplo, ao analisarmos a capacidade de carga de uma estaca com ponta em argila, podemos utilizar um dos diversos modelos tericos existentes (Meyerhof, 1951; Skempton, 1951). Qualquer anlise de segurana levada a efeito posteriormente escolha do modelo fica, ento, condicionada ao mesmo. No Mtodo Probabilista Puro a configurao de runa tambm aleatria, e no est associada anlise determinista da estrutura. Desta feita, tem-se que o MPC um caso particular do MPP (Hachich, 1998b). Sendo a configurao da ruptura tambm aleatria, devemos descrever a distribuio dos diversos modos de ruptura de uma certa estrutura atravs de Funes de Probabilidade, no caso discreto (nmero finito de modos de runa) ou por uma Densidade de Probabilidade, no caso contnuo. A considerao dos diversos modos de ruptura atravs de distribuies probabilistas introduz tamanha complexidade anlise que conduz o MPP condio de um modelo estritamente terico. Mesmo no meio acadmico, o referido mtodo tem sido pouco abordado em trabalhos. Naturalmente que, no obstante terico, o MPP tem importncia singular no desenvolvimento dos mtodos probabilistas. O Mtodo Probabilista Puro no ser tratado em profundidade no presente texto. O referido mtodo se encontra discutido com relativa profundidade em De Zagottis (1974). No mbito no MPC, distinguem-se trs nveis de aplicao, com diferentes graus de generalidade, quais sejam: Nvel I, Nvel II e Nvel III. A diferena entre os trs nveis est na forma e no rigor de se descrever as variveis aleatrias envolvidas no clculo. Alguns autores informam a existncia de um quarto nvel (Nvel IV), no qual a probabilidade de runa obtida partir de uma anlise de custo/benefcio (Madsen et al,

33

1986). Madsen et al (1986) ressaltam ainda a importncia dos nveis superiores na calibrao de metodologias inseridas em nveis inferiores, como por exemplo a calibrao dos coeficientes de segurana parciais atravs dos mtodos de Primeira Ordem e Segundo Momento, como feito em McVay et al (2000). 3.2.4.1. Mtodos de Nvel I O Nvel I do MPC, tambm conhecido como processo dos valores extremos, utiliza o conceito de valor caracterstico e valores de clculo das variveis aleatrias consideradas. A condio bsica a ser verificada, segundo esse critrio, a seguinte: ZS(x1,extr, x2,extr, .........,xn,extr) ZR(y1,extr, y2,extr, .........,yN,extr)
B B B B B B B B B B B B B B B B

3.7

onde: ZS(x1,extr, x2,extr, .........,xn,extr) = solicitao atuante na estrutura, funo das variveis xi,extr;
B B B B B B B B B B

xi,extr = valores extremos (caractersticos ou de clculo) dos parmetros utilizados no clculo


B B

da solicitao; ZR(y1,extr, y2,extr, .........,ym,extr) = resistncia da estrutura;


B B B B B B B B

yi,ext = valores extremos (caractersticos ou de clculo) dos parmetros utilizados no clculo


B B

da resistncia; Nota-se que o Nvel I do MPC bastante similar ao Mtodo Semi-probabilstico, sendo a diferena que, neste ltimo, todos os fatores intervenientes na segurana so considerados no clculo (como por exemplo as conseqncias da runa). Hachich (1998b) informa que, num certo sentido, o Mtodo Semi-probabilistico um aprimoramento do Nvel I do MPC. Alguns autores no fazem a distino entre o Mtodo Semi-probabilistico e o Nvel I do MPC (Cardoso, 2002; Maranha das Neves, 1994). 3.2.4.2. Mtodos de Nvel II Os mtodos de Nvel II do MPC, tambm conhecidos por processos dos extremos funcionais ou Mtodos do ndice de Confiabilidade (Maranha das Neves, 1994), utilizam

34

explicitamente duas medidas sobre cada varivel aleatria utilizada no clculo, uma delas relacionada tendncia central (por exemplo, a mdia) e outra relacionada variabilidade (desvio-padro, varincia ou coeficiente de variao). Eventualmente, h tambm a considerao de uma medida de variabilidade conjunta entre duas variveis envolvidas no clculo, tal como a covarincia ou o coeficiente de correlao (Madsen et al, 1986). Por outro lado, Cardoso (2002) informa que os mtodos de Nvel II consideram que as diversas variveis seguem distribuies normais ou lognormais e sejam independentes, de modo que no so utilizadas medidas de correlao. Os mtodos de Nvel II incluem os mtodos baseados no primeiro e segundo momentos das variveis aleatrias envolvidas, tais como o Mtodo de Primeira Ordem e Segundo Momento (FOSM First Order Second Moment). Cornell (1969) foi um dos precursores do FOSM, o qual utiliza a funo de desempenho conhecida como MARGEM DE SEGURANA (MRS), qual seja:
B B

M R,S (Z R , ZS ) = Z R - ZS

3.8

Onde MR,S(ZR,ZS) a margem de segurana, calculada para valores particulares das


B B B B B B

variveis resistncia e efeito das aes, valores esses denotados por ZR e ZS respectivamente.
B B B B

Com base na expresso 3.8, pode-se definir estado limite da estrutura, condio esta exposta na expresso abaixo:
M R,S (Z R , ZS ) = 0

J o domnio seguro vem representado pela desigualdade a seguir:


M R,S (Z R , ZS ) > 0

E o domnio de ruptura vem representado por:


M R,S (Z R , ZS ) < 0

O grfico abaixo sintetiza as regies supra discriminadas:

35

S domnio de ruptura S>R S=R

S<R domnio seguro

Figura 3.6 Delimitao do domnio seguro e do domnio de ruptura.

Os valores de ZR e ZS dependem de outras variveis, tais como das caractersticas


B B B B

geomtricas da estrutura, das propriedades dos materiais e das aes atuantes sobre a mesma. Tais variveis so conhecidas como variveis bsicas. Assim, os efeitos das aes e os fatores intervenientes na resistncia da estrutura podem ser escritos como funes das variveis bsicas, a saber: ZR = gR(x1, x2, ..........,xn)
B B B B B B B B B B

3.9 3.10

ZS = gS(y1, y2, ..........,ym)


B B B B B B B B B B

Onde: ZR,ZS = resistncia e solicitao;


B B B B

x1, x2, ...., xn = variveis bsicas que determinam a resistncia da estrutura;


B B B B B B

y1, y2, ..., ym = variveis bsicas que determinam a solicitao sobre a estrutura;
B B B B B B

A idia bsica do FOSM obter os dois primeiros momentos (mdia e varincia) das variveis resistncia e solicitao a partir dos dois primeiros momentos das variveis bsicas. Tal feito realizado utilizando-se a expanso de Taylor, desconsiderando-se as parcelas de ordem superior (Benjamin e Cornell, 1970). Assim, a mdia da varivel dependente, no caso a

36

resistncia, seria aproximada por:

E[R] g R (m x1 , m x2 ,....., m xn ) +

1 n n g R 2 2 i =1 j =1 x i y j

m cov[xi , x j ]

3.11

A varincia da resistncia (Var[R]) seria aproximada por:

Var[R]

g R g |m R |m cov[xi , x j ] x j i =1 j =1 x i
n n

3.12

Se as variveis xi e xj forem independentes (cov[xi,xj]=0, se ii), as expresses supra


B B B B B B B B

ficam:

1 n g R 2 E[R] g R (m x1, m x2 ,....., m xn ) + 2 i =1 x i 2


g Var[R] R |m Var[xi] i =1 x i
n 2

Var[xi]

3.13

3.14

A mesma expanso vlida para calcular os dois primeiros momentos da solicitao, partir das variveis bsicas. Uma vez obtidas a mdia e a varincia da resistncia e da solicitao, pode-se calcular a mdia e a varincia da margem de segurana, atravs das seguintes expresses (assumindo-se independncia entre resistncia e solicitao):

E[M]= E[R] - E[S]

3.15 3.16

2 [M] = 2 [R] + 2 [S]

Na metodologia proposta por Cornell (1969), o ndice de confiabilidade () vem definido como sendo o nmero de desvios-padro de M ([M]) que separa o valor mdio da margem de segurana e o estado de runa (M<0), como mostra a figura abaixo (Christian, 2004):

37

pdf

M
Pf

E[M]

Figura 3.7 Definio de ndice de segurana partir da margem de segurana mdia e do domnio de ruptura (Christian, 2004).

Desta feita, o ndice de confiabilidade pode ser escrito da seguinte forma:

E[M] E[R] - E[S] = [M] 2 [R] + 2 [S]

3.17

Para efeito de calibrao do coeficiente de segurana, muitos autores o tm relacionado com o ndice de confiabilidade, como apresenta Leporati (1979):

FS =

2 2 2 2 2 E[R] 1 + VR + VS VR VS = 2 E[S] 1 - 2 VR

3.18

Com base na expresso supra apresenta-se o grfico a seguir, que relaciona o ndice de confiabilidade com o fator de segurana central, conforme segue:

38

Fator de Segurana x ndice de Confiabilidade


5,000 4,500 4,000 3,500
V R 0,10 0,15 V S 0,10 0,20 1 3 2 4
1 2 3 4

FS

3,000 2,500 2,000 1,500 1,000 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0

Figura 3.8 Fator de segurana central versus ndice de confiabilidade, para diversos coeficientes de variao da resistncia (VR) e solicitao (VS).
B B B B

A Figura 3.8 mostra claramente que a um determinado fator de segurana central (FS) esto associados diversos valores de , dependendo da variabilidade das variveis resistncia e solicitao. Uma crtica freqentemente feita aos mtodos de primeira ordem e segundo momento a falta de invarincia (lack of invariance) ocasionada medida de segurana (), a qual depende da especificao da funo de desempenho. Tomemos como exemplo as seguintes funes de desempenho, relacionando resistncia (R) e solicitao (S): Z=RS<0 Z = (R S) < 0 Z = (R/S) 1 < 0 Z = ln(R/S) < 0 (a) (b) (c) (d)

As quatro funes de desempenho definidas acima permitem consignar se a estrutura se encontra no domnio seguro ou no domnio de falha, dependendo dos valores de R e S. Veneziano (1974) mostra que s quatro funes de desempenho supra esto associados diferentes domnios de ruptura, decorrendo em diferentes valores do ndice de segurana (), como ilustra a figura a seguir:

39

S domnio de ruptura S>R S=R domnio de ruptura S>R

S S=R

S<R domnio seguro

S<R domnio seguro


3

a) r-s>0

b) (r-s) >0

S domnio de ruptura S>R S=R

S S=R S>R domnio de ruptura R domnio seguro

S<R S<R R S>R

S<R domnio seguro

S>R

S<R

c) r/s - 1>0

d) ln(r/s) >0

Figura 3.9 Delimitao dos domnios seguro e de falha, dependendo da especificao da funo de desempenho (Veneziano, 1974).

Da figura supra, pode-se reparar que diferentes funes de desempenho podem conduzir a diferentes domnios seguros e de falha, o que configura a falta de invarincia do mtodo. Alguns mtodos, ainda no mbito no Nvel II, representaram evolues em relao ao FOSM, tais como o ndice de Confiabilidade de HASOFER-LIND (Hasofer e Lind, 1974) e o AFOSM (Advanced First Order Second Moment) (Ang e Tang, 1984).

3.2.4.3. Mtodos de Nvel III O Nvel III, tambm conhecido como processo exato, o mais completo mtodo probabilista, no mbito do MPC. Tal nvel inclui, por exemplo, os mtodos baseados no conceito de confiabilidade. Segundo Rao (1992), confiabilidade a probabilidade de uma estrutura desempenhar as funes para as quais foi concebida durante um perodo de tempo especificado sob determinadas condies de operao. Observa-se que a confiabilidade est

40

diretamente relacionada com a probabilidade de falha da estrutura, atravs da seguinte expresso: PC = 1 PF


B B B B

3.19

Alguns autores consideram que a confiabilidade da estrutura, formalmente, deve considerar todos os modos de falha (Hachich, 1998b). Sob este prisma, o conceito de probabilidade somente seria plausvel no mbito do Mtodo Probabilista Puro (MPP). A aplicao deste nvel requer o conhecimento das Funes Densidade de Probabilidade (FDPs) das variveis envolvidas, bem como a correta delimitao do domnio seguro e do domnio de falha para um dado estado limite. Uma vez conhecido o domnio de falhas D e a distribuio conjunta das variveis resistncia e solicitao, a probabilidade de runa pode ser calculada atravs da seguinte expresso:

Pf = P(Z R - ZS 0) = f RS ( Z R , ZS )drds
D

3.20

A probabilidade Pf de runa igual ao volume sob a superfcie da funo densidade


B B

conjunta que recai no domnio de falha (D), como ilustra a Figura 3.10 apresentada na pgina seguinte. Devido dificuldade de se calcular a integral exposta na expresso , muitas vezes de ordem elevada, freqentemente se recorre simulaes ou integrao numrica.

41

Figura 3.10 Distribuio conjunta das variveis R e S e delimitao da probabilidade de runa.

Cardoso (2002) mostra que, no caso de as variveis resistncia e solicitao forem independentes, a confiabilidade da estrutura pode ser calculada por:
r

PC =

fS (s) f R (r)dsdr

3.21

A expresso supra pode ser reescrita em termos da Funo Distribuio da varivel resistncia, a saber:

PC =

FS (r ) f R (r)dr
E, com base na definio de probabilidade de runa

3.22

(Equao

3.19), a equao supra pode ser reescrita conforme segue:

Pf =

[1 - FS (r )] f R (r)dr

3.23

Cardoso (2002) mostra ainda que integral supra representa a rea sob a curva

42

delimitada pela Funo Densidade Conjunta e um tipo de integral de convoluo, como apresenta a figura a seguir:

Teoria da Interferncia
0,700000 0,600000 0,500000 fs

densidade

0,400000 0,300000 0,200000 0,100000 0,000000 0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 fr

Figura 3.11 - Exemplos de funes densidade de probabilidade da resistncia (fr) e das aes (fs).

Figura 3.12 Detalhe da figura anterior. A expresso 3.23 representa a integral da curva verde da figura supra.

43

4. CONCEITOS DE INFERNCIA BAYESIANA


4.1. INTRODUO Inevitavelmente, para o clculo da probabilidade de runa de qualquer obra de engenharia, necessrio o conhecimento da Funo Densidade de Probabilidades (FDP) das variveis aleatrias, no caso contnuo, ou da Funo de Probabilidade, no caso discreto, esta ltima pouco usual na modelagem de variveis de interesse na engenharia. Nas demais reas da engenharia, como na aeronutica, mecnica ou eltrica, existe a possibilidade de se efetuar intensa testagem dos sistemas, atravs de amostragem repetida. Desta feita, pode-se conseguir tantas amostras quantas necessrias (e viveis, do ponto de vista econmico) para o estudo probabilista das variveis envolvidas. Este tipo de abordagem conhecido como ABORDAGEM FREQUENTISTA e se alicera no fato de que a probabilidade de um evento pode ser obtida empiricamente atravs da execuo de um nmero grande o suficiente de observaes repetidas do fenmeno e na verificao da freqncia de ocorrncia do evento em questo (Martz e Waller , 1982). Na engenharia civil a abordagem freqentista tambm encontra aplicaes importantes, particularmente no controle de qualidade de alguns materiais de construo (concreto e ao, por exemplo). Se dispusermos de uma amostra adequada de corpos de prova de concreto, a estatstica clssica, calcada na teoria da amostragem, permite-nos fazer inferncias sobre a resistncia de todo um lote de concreto (populao). Por outro lado, sabe-se que a runa um evento raro. Muito se fala em probabilidades de runa da ordem de 10-3 a 10-5 (De Zagottis, 1974), ou seja, as probabilidades de interesse
P P P P

esto localizadas nos extremos das caudas das distribuies probabilsticas. Diversos estudiosos certificam que muito pouco provvel que consigamos definir adequadamente as caudas das distribuies probabilistas quando as probabilidades de interesse possuem valores reduzidos (Borges e Castanheta, 1971; Hachich, 1998b).

44

Benjamin e Cornell (1970) mostram que a probabilidade de se ajustar uma funo densidade de probabilidade a partir de um histograma de freqncias de apenas 2/9 (22,22%) e decresce rapidamente para 0% conforme o aumento do tamanho da amostra. Diante da raridade do evento runa, a qual ocorre com pequena probabilidade, a magnitude do erro de ajustamento de uma densidade a partir do histograma inadmissvel. Ademais, a abordagem freqentista encontra importantes restries no estudo da segurana de estruturas geotcnicas em vista do fato de que cada obra um prottipo nico (De Mello et al, 2002). Tal fato refora a idia de que as Funes Densidade de Probabilidade das variveis aleatrias envolvidas no clculo da segurana de uma estrutura geotcnica no podem ser obtidas experimentalmente. Por estas razes, a inferncia bayesiana pode substituir com vantagens a inferncia clssica no estudo da segurana de obras de engenharia geotcnica, haja vista que possibilita a incluso de informaes disponveis antes da amostragem, no tendo a amostra como nica fonte de informao. As informaes disponveis antes da amostragem so incorporadas ao modelo probabilista sob a forma de uma distribuio anterior, condicionada ao agente que interpreta tais informaes, tendo, portanto, um carter subjetivo. Esse , em certo sentido, o ponto mais forte da inferncia bayesiana e tambm seu maior alvo de crticas: a utilizao das probabilidades subjetivas. Os aspectos subjetivos no so caractersticas exclusivas da Inferncia Bayesiana, mas tambm do prprio processo de induo. Veja-se a definio de populao, um dos pilares da inferncia estatstica, como conceitua Costa Neto (2002):
Populao, ou universo, no sentido geral, um conjunto de elementos com pelo menos uma caracterstica comum. Essa caracterstica comum deve delimitar inequivocadamente quais os elementos que pertencem populao e quais os elementos que no pertencem.

Com fulcro na definio supra, observa-se que, para subsidiar o processo de inferncia, h a necessidade de se delimitar as caractersticas comuns que definem a populao de interesse. A questo que urge quais e quantas so as caractersticas comuns

45

necessrias para se identificar uma populao? Evidentemente, estas questes no admitem uma resposta nica, configurando o subjetivismo implcito no mago do processo de induo. Hachich (1998b) mostra que, mesmo que no explicitamente, qualquer deciso de engenharia fulcrada no grau de crena que o engenheiro tem sobre os diversos estados da natureza, como expe no excerto abaixo:
[....] Sabe-se, no entanto, que o engenheiro toma decises, age com base em uma hiptese admitida como verdadeira: se opta por fundao direta, est implicitamente recusando a hiptese de existncia de solo mole; se escolhe estacas, est aceitando como vlida aquela hiptese. Se ele preferiu uma opo outra, conhecendo os custos relativos a cada uma e as conseqncias de um eventual insucesso, uma estruturao simples do seu processo decisrio, utilizando Anlise de Decises, permite calcular por retroanlise qual a probabilidade por ele atribuda existncia de solo mole no local da fundao.

Desta feita, se possvel retroanalisar a deciso, chegando-se s probabilidades anteriores atribudas (no explicitamente) pelo decisor, a postura mais racional seria considerar, explicitamente, os juzos probabilistas apriorsticos, feito este que formalizado mediante o uso da inferncia bayesiana. Martz e Waller (1982) destacam outra vantagem da Inferncia Bayesiana em problemas de confiabilidade, consignando que as probabilidades subjetivas possibilitam a considerao no somente de eventos, mas de proposies, como por exemplo a usina nuclear Angra II sofrer um derretimento do seu ncleo. Diversos autores tm proposto a utilizao da abordagem bayesiana em vrios contextos na engenharia: na inspeo de estruturas (Vrouwenvelder, 1992; Kawano, 1997), em problemas de retroanlise probabilista (Hachich, 1981; Ledesma et al, 1988), na reduo da incerteza de correlaes empricas (Zhang et al, 2004) e na reavaliao da segurana de estacas luz da realizao de provas de carga (Kay, 1976 e 1977; Baecher e Rackwitz, 1982; Zhang, 2004). 4.2. O TEOREMA DE BAYES O Teorema herdou o nome de seu precursor, o Reverendo Thomas Bayes, que lanou

46

as bases do mtodo em seu famoso artigo de 1763, o qual, devido sua fundamental importncia, foi republicado em 1958. No entanto, a forma usual do teorema, como atualmente conhecida, foi devida Laplace, em 1782. O Teorema de Bayes ser apresentado aqui com a mesma formatao utilizada em Benjamin e Cornell (1970). Admita-se que os eventos B1, B2,..., Bk do Diagrama de Venn apresentado na figura a seguir formem uma partio do espao amostral S, ou seja, tais eventos so mutuamente excludentes e coletivamente exaustivos.
Bk B3 B2

B4 B1 S
Figura 4.1 Partio do espao amostral S.

Suponha-se ainda que as probabilidades de cada um dos eventos do espao amostral so conhecidas e denotadas por P(Bj), j = 1,....,k.

Bk

B3 B2 A

B4 B1 S
Figura 4.2 Ocorrncia de um evento A qualquer.

De posse da ocorrncia de um evento A qualquer (Figura 4.2), o Teorema de Bayes possibilita recalcular as probabilidades de cada um dos eventos que constitui o espao amostral, atravs da seguinte expresso:

47

P(Bi/A) =

P(A/Bi) P(Bi)

P(A/Bj) P(Bj)
j=1

4.1

Da formulao supra, observa-se que as probabilidades anteriores, traduzidas por P(Bi), so combinadas informao adicional decorrente da observao do fenmeno, representada por P(A/Bi), conduzindo a um estado de conhecimento atualizado, posterior amostragem, representado por P(Bi/A). Diz-se portanto que as probabilidades posteriores, P(Bi/A), esto condicionadas ocorrncia de um evento A qualquer. Bekman e Costa Neto (1980) informam que o Teorema de Bayes possibilita uma reviso de probabilidades decorrente de um novo estado de informao. Os referidos autores informam ainda que essa reviso de probabilidades natural e intuitiva, citando o seguinte exemplo:
[...] Todos ns temos uma opinio a respeito, por exemplo, do evento amanh ser um dia chuvoso e teremos condies de externar essa opinio em termos probabilsticos. Digamos que, em nossa opinio, a probabilidade de amanh ser um dia chuvoso seja de 30%. claro que esse nmero mudar profundamente se ligarmos o rdio e ouvirmos o locutor informar: (...) a pior frente fria dos ltimos meses se encontra agora a apenas 50 quilmetros de distncia (...).

Podemos compreender melhor o funcionamento do referido Teorema mediante um exemplo ilustrativo (adaptado de Meyer, 1983), a seguir apresentado. EXEMPLO: Estacas pr-moldadas fornecidas uma determinada obra so fabricadas por trs empresas, digamos empresas 1, 2 e 3. Admitamos que os dados relativos estas trs empresas so os seguintes: Informaes relevantes Porcentagem de estacas fornecidas para a obra Porcentagem de estacas defeituosas Empresa 1 Empresa 2 Empresa 3 50% 2% 25% 2% 25% 4%

Tabela 4.1 Informaes anteriores consideradas.

Todas as peas esto armazenadas no depsito da obra, sem distino entre as

48

empresas. Suponha-se que uma estaca retirada ao acaso do depsito e se verifique ser ela defeituosa. Qual a probabilidade de que tenha sido produzida pela empresa 1? A soluo pode ser obtida pela aplicao imediata do Teorema de Bayes (expresso 4.1), a saber:

P (empresa1 / defeituosa) =

P(defeituosa / empresa1) P(empresa1)

P(defeituosa / empresa i) P(empresa i)


i =1

Substituindo-se os dados, tem-se: 0,02 0,5 = 0,40 0,02 0,5 + 0,02 0,25 + 0,04 0,25

P (empresa1 / defeituosa) =

Pode-se proceder ao mesmo clculo para atualizar as probabilidades da estaca ser proveniente das empresas 2 e 3. Procedendo-se aos clculos, apresenta-se a seguir uma sntese dos resultados: Probabilidades Anteriores [P(Bi)] P(empresa 1) = 50% P(empresa 2) = 25% P(empresa 3) = 25% Probabilidades Posteriores [P(Bi/A] P(empresa1/defeito) = 40% P(empresa2/defeito) = 20% P(empresa3/defeito) = 40%

Tabela 4.2 Probabilidades anteriores e posteriores amostragem.

Da tabela supra, observa-se que, diante da observao de que a estaca escolhida possua defeito, as probabilidades anteriores foram modificadas, decorrendo em um estado atualizado, traduzido pelas probabilidades posteriores. 4.2.1 O teorema de Bayes no processamento de informaes O Teorema de Bayes possibilita, de forma racional, processar as informaes

disponveis antes da amostragem, incorporar a experincia prvia e fornecer um estado de conhecimento atualizado luz da observao de um dado fenmeno (Hachich, 1998b). Para

49

evidenciar essa capacidade, a expresso 4.1 necessita ser sensivelmente modificada, como apresentado em Benjamin e Cornell (1970). Considere-se um determinado parmetro (por exemplo, o fator de segurana) e uma funo de probabilidades anteriores atribudas ao estado da natureza denotada por P[i].
B B

Considere-se ainda que se dispe do resultado de um experimento (informao adicional), representado por zk. O objetivo agora combinar o conhecimento prvio que se tem sobre o
B B

parmetro (traduzido pela funo de probabilidades anteriores) com a nova informao disponvel decorrente do experimento, a fim de se obter um estado de conhecimento atualizado, representado pelas probabilidades posteriores. Para tanto, Benjamin e Cornell (1970) apresentam a seguinte formulao:

P[ i ] =

P[ z k | i ] P[ i ] P[ z k | j ] P[ j ]
j

4.2

Os autores mostram que o Teorema de Bayes pode ser apresentado como o produto de trs fatores, a saber:

Reescrevendo a equao 4.2 com esta formatao, tem-se: P[ i ] = P[ i | z k ] = N P[ z k | i ] P[ i ] Onde:


N=
4.3

P[ z k | j ] P[ j ]
j

4.4

Benjamin e Cornell (1970) informam que o fator de normalizao N se justifica simplesmente para transformar a distribuio posterior (P[i]) em uma funo de probabilidades vlida do
B B

ponto de vista axiomtico. Os referidos autores expem ainda que a funo de verossimilhana, denotada por

50

P[zk|i], representa a probabilidade de se obter a amostra observada como funo do


B B B B

verdadeiro estado da natureza i.


B B

A expresso 4.3 supra no se mostra muito til em aplicaes prticas, eis que somente se aplica a variveis discretas, ou seja, variveis que assumem um nmero finito de valores ou ento um nmero infinito porm enumervel de valores (Montgomery e Runger, 2003). Normalmente, as variveis de interesse na engenharia geotcnica assumem valores dentro de um intervalo no domnio dos nmeros reais, ou seja, so classificadas como variveis contnuas. Destarte, no caso de uma varivel aleatria contnua, a expresso

4.3 assume a seguinte forma: f " ( ) = N L( | z k ) f ' ( ) Onde:


4.5

N=

L( | z k ) f ' ( )d

4.6

Entre os bayesianos, muito comum a apresentao da expresso 4.7, a qual mostra que a funo densidade posterior proporcional ao produto da funo de verossimilhana com a distribuio anterior, a saber: f ( ) L( | z k ) f ' ( )
4.7

A grande dificuldade em se utilizar a expresso 4.5 que a integral nela constante, muitas vezes, s pode ser feita atravs de integrao numrica ou por mtodos de simulao. Essa dificuldade contornada com o uso das distribuies conjugadas, como ser apresentado posteriormente.

51

4.2.2 A distribuio a priori e o processo de eliciao2:


TP PT

Essencialmente, o que distingue a inferncia bayesiana da inferncia clssica a capacidade da primeira em incorporar a experincia existente acerca de um determinado fenmeno. A experincia anterior, evidentemente, deve ser considerada na soluo dos diversos problemas de engenharia. Como informam Martz e Waller (1982), muitos projetos de engenharia seguem um contexto evolucionrio ao invs de revolucionrio, contexto onde, por exemplo, um equipamento atualmente existente modificado para se adequar a novos requisitos, dando origem a um novo equipamento. Na geotecnia, o aspecto evolucionrio do conhecimento pode ser tambm traduzido pelo mtodo de observao de Terzaghi (observational method). Neste contexto, a evoluo do conhecimento ocorre de forma incremental, reconhecendo-se os desvios possveis em relao hiptese de trabalho, valendo-se de uma instrumentao capaz de detectar esses desvios e, finalmente, preparando-se planos de contingncia para fazer frente eles. A experincia anterior, traduzida pela distribuio a priori, particularmente importante em problemas de segurana de obras geotcnicas, em razo da exigidade de dados experimentais disponveis. Por estas razes, muitas vezes, o engenheiro geotcnico recorre a opinies de experts e ao julgamento de engenharia para estabelecer valores para parmetros de interesse. A obteno de informao relevante de especialistas sobre o assunto de interesse (ou eliciao da opinio do expert) tem sido objeto de alguns estudos (Vick, 2002; Paulino et al, 2003), muito embora seja ainda um assunto pouco compreendido.

O termo em ingls elicitation traduzido no presente trabalho por eliciao, como tambm procederam Paulino et al (2003), a despeito do fato de que muitos trabalhos que tratam de aquisio de dados apresentam a traduo da referida palavra por elicitao. Eliciao vem do verbo eliciar, que significa, de acordo com o dicionrio Aurlio: fazer sair; expulsar; extrair uma resposta ou reao de; extrair enunciados ou julgamentos lingsticos de (informante)
TP PT

52

Christian (2004) apresenta interessantes concluses sobre as probabilidades subjetivas e a eliciao de especialistas. Uma das questes levantadas pelo autor a dificuldade inicial de se identificar um expert. O autor questiona quem seria um especialista e quo bem qualificado o mesmo deveria ser, informando que a opinio particular do especialista sobre o seu grau de especialidade poderia estar viesada para mais ou para menos. Mesmo diante dessa dificuldade inicial, o autor expe ainda que duas concluses advem da literatura especializada sobre eliciao: A primeira que reconhecidos especialistas tendem a fazer boas estimativas de medidas de tendncia (mdias e medianas) dos parmetros. Mais ainda, a mdia das opinies de vrios especialistas tende a ser ainda melhor. A segunda concluso que os especialistas so, usualmente, muito confiantes em suas estimativas e tendem a subestimar a incerteza a elas associadas. Kondziolka and Kandaris (1996) apud Christian (2004) procederam a um interessante estudo sobre eliciao de especialistas em engenharia geotcnica. Nove engenheiros de diversos graus de expertise foram solicitados projetar contra o arrancamento seis fundaes em sapata de torres de transmisso. As sapatas foram ento construdas e posteriormente ensaiadas ao arrancamento. A capacidade de carga estabelecida em projeto por cada especialista foi denotada por P e a carga de ruptura obtida no ensaio foi denotada por Q. Os resultados da relao P/Q obtida pelos diversos especialistas esto apresentados na figura da pgina seguinte, dispostos em ordem decrescente de acurcia.

53

Figura 4.3 Relao da capacidade prevista ao arrancamento (P) e da capacidade medida ao arrancamento (Q) das fundaes de seis torres de transmisso, avaliadas por nove engenheiros. O grfico foi construdo com os dados apresentados por Kondziolka e Kandaris, 1996 apud Christian, 2004.

Os resultados permitiram aos autores concluir que h uma tendncia de conservadorismo na atribuio da capacidade de carga por parte dos especialistas, ou seja, a relao P/Q tende a ser menor que a unidade. Os autores tambm concluram que a experincia e formao dos diversos participantes no se correlacionaram de forma clara com os seus desempenhos no experimento. Por exemplo, os dois projetistas com melhor desempenho possuam 14 e 30 anos de experincia, respectivamente, e o projetista com o pior desempenho possua 22 anos de experincia. Surpreendentemente, o terceiro melhor projetista tinha experincia limitada (oito anos) e no tinha grau de mestrado nem de doutorado. Christian (2004) vaticina que uma das lies a serem aprendidas com esses resultados a dificuldade de se prever o desempenho de um expert com fulcro nas suas credenciais e experincia. O autor ainda relata que um expert a ser eliciado deve ter no somente conhecimento e experincia, mas que tambm possua algo que o autor denota por evaluated experience, que significa o peso ou importncia da opinio de um determinado especialista. Neste contexto, especialistas com diferentes graus de expertise representariam diferentes pesos da informao a priori. A variabilidade das opinies dos experts e a falta de correlao entre experincia e acurcia das estimativas subjetivas suscitam crticas dos cticos em relao abordagem

54

bayesiana, inobstante ao fato de que, inexoravelmente, todo projeto geotcnico incorpora algum grau de subjetivismo.
4.2.3 As distribuies conjugadas:

Paulino et al (2003) informam que a seleo de uma distribuio a priori para modelagem probabilista de um fenmeno deve ser feita com base nos seguintes requisitos: Versatilidade para acomodar o maior nmero possvel de crenas a priori; Acessibilidade interpretativa para facilitar o processo de sumarizao dos seus membros; Simplicidade de derivao analtica da distribuio a posteriori. Os referidos autores informam ainda que estes requisitos freqentemente esto em dessintonia. A integral existente em 4.5 muitas vezes faz com que a derivao analtica da distribuio posterior se torne um processo complicado, assim como dificulta a interpretao de todos os membros da formulao. Por esta razo, Raiffa e Schlaifer (1961) apresentaram, em seu clebre tratado, uma famlia de distribuies a priori que satisfizessem aos seguintes critrios: Tratabilidade analtica para determinao da distribuio posterior e das esperanas matemticas; Flexibilidade para acomodar uma grande variedade de crenas apriorsticas; Fcil interpretao, de modo que os parmetros da distribuio deveriam ser de tal forma que pudessem representar, de forma inteligvel, as crenas do agente que faz a eliciao. Tais distribuies foram denominadas de DISTRIBUIES CONJUGADAS. Esses tipos de distribuio anterior tm a interessante caracterstica de gerar uma distribuio posterior que do mesmo tipo que a distribuio a priori. Deste modo, a expresso 4.5 reduz-se simples relaes algbricas entre as estatsticas da amostra (por exemplo, mdia e varincia amostrais) e os parmetros das densidades anterior e posterior (matematicamente conhecidos como hiperparmetros, para distingu-los dos parmetros sobre os quais deseja-se fazer inferncias).

55

A tabela da pgina seguinte apresenta as principais distribuies conjugadas utilizadas na inferncia bayesiana. A presente dissertao apresenta o uso das distribuies conjugadas para incorporao dos resultados de provas de carga na avaliao da segurana de estacas, no mbito da inferncia bayesiana.

56

Comportamento do fenmeno subjacente Binomial

Parmetro

Distribuio anterior e posterior

Mdia e Varincia do parmetro

Estatsticas Posteriores

Beta

E ( ) =

q q+r

q"= q+x

n p X ( x ) = x (1 ) n x x
Exponencial

f ( ) =

(q + r ) q 1 (1 ) r 1 ( q ) ( r )
Gama

Var ( ) =

qr (q + r ) (q + r + 1)
E ( ) = k
2

r" = r+ n - x

" = ' + x

f X ( x) = e

- x

f ( ) =

( ) k 1 e
( k )

Var ( ) =

k" = k' + n
__

Normal (com conhecido) X~N(,)

Normal

E() =
B B

"=

'2 ' ( 2 / n) + x

( 2 / n) + ( ' ) 2

f M ( ) =

1 exp 2 2 1
Gama

Var() =
B B

"=

( ' ) 2 ( 2 / n) ( ' ) 2 + 2 n
" = ' + t

Poisson

E ( ) = k

( t) x p X ( x) = exp[ t ] x!

f M ( ) =

( ) k 1 e
( k )

Var ( ) = k

k" = k' + x

Tabela 4.3 Algumas distribuies conjugadas normalmente utilizadas na inferncia bayesiana (Ang e Tang, 1984).

57

4.3.

UTILIZAO DA INFERNCIA BAYESIANA PARA REAVALIAO DA SEGURANA DE ESTACAS APS A EXECUO DE PROVAS DE CARGA

Uma das primeiras aplicaes da inferncia bayesiana na reavaliao da segurana de estacas luz dos resultados de provas de carga foi feita por Kay (1976 e 1977). Usos posteriores dessa metodologia, contemplando alguns avanos em relao importante contribuio de Kay, foram apresentados por Vrouwenvelder (1992) e Zhang (2004). No entanto, foi o trabalho de Baecher e Rackwitz (1982) que, de fato, apresentou uma forma consistente e formal de se incorporar os resultados de provas de carga na segurana de estacas. Inobstante grande contribuio representada pelo artigo de Baecher e Rackwitz sobre o tema segurana de estacas, o mesmo continha alguns erros tipogrficos que tornaram o seu entendimento difcil e, talvez, tenham postergado as aplicaes da abordagem bayesiana na avaliao da segurana de estacas. Desta feita, o presente trabalho pretende resgatar os importantes conceitos lanados por Baecher e Rackwitz, fornecendo subsdios para o desenvolvimento dos critrios de segurana de fundaes por estacas de deslocamento.
4.3.1 Informaes anteriores relevantes para a atribuio da distribuio a priori:

O engenheiro geotcnico normalmente dispe, mesmo na fase de projeto, de informaes apriorsticas importantes para o estudo da segurana de estacas. Baecher e Rackwitz (1982) informam que a informao a priori para inferncia da capacidade de carga de estacas provm de duas fontes: (i) de correlaes entre a capacidade de carga observada e a prevista por algum mtodo de estimativa da capacidade de carga (seja terico ou emprico) e (ii) da variabilidade da capacidade de carga das estacas dentro uma mesma obra. Estas duas fontes de informaes a priori sero melhor discutidas nos tpicos que se seguem.

58

4.3.1.1. Correlaes entre capacidade observada e prevista

Vrios autores tm apresentado dados que permitem confrontar a capacidade de carga observada (normalmente mediante provas de carga esttica) com a capacidade de carga prevista por mtodos empricos ou tericos (Olson e Flaate, 1964; Aoki e Veloso, 1975; Decourt e Quaresma, 1978). Essa confrontao origina a varivel K, conhecida como fator de vis, a qual representa a relao entre a capacidade observada e a prevista pelo mtodo, a saber:
K= Pobservado Pprevisto

4.8

O uso dessa varivel bastante conveniente pelo fato de a mesma se apresentar de forma adimensionalizada, fazendo com que variveis como comprimento e dimetro da estaca no sejam avaliados diretamente. importante ressaltar que essa varivel no fixa para um determinado mtodo de previso, mas sim uma varivel aleatria, em funo das caractersticas peculiares da obra de interesse e da incerteza estatstica inerente ao processo de induo do comportamento das estacas de uma obra atravs de provas de carga (Hachich, 1998a). Diversos autores tm informado que a varivel K pode ser representada por uma distribuio log-normal (Kay, 1976; Baecher e Rackwitz, 1982; Zhang, 2004). Diante dessa realidade, tambm comum a apresentao, em muitos trabalhos, da varivel R, a qual vem definida por: P R = log K = log observado Pprevisto

4.9

A tabela apresentada na pgina seguinte expe a mdia e o desvio-padro das variveis K e R para alguns mtodos de previso da capacidade de carga, considerando-se execuo de provas de carga estticas. Como freqentemente a varivel K modelada por uma distribuio log-normal, a varivel R = logK possui, por decorrncia, distribuio normal (Benjamin e Cornell, 1970). Baecher e Rackwitz (1982) consideram que a varivel R possui distribuio normal

59

com mdia e varincia , ou seja:

f R (ri | , 2 ) =

1 1 exp (ri ) 2 2 2 2

4.10

Mtodo (referncia) Aoki-Veloso (Aoki e Veloso, 1975) Aoki-Veloso (Aoki et al, 2002) Decourt-Quaresma (Decourt e Quaresma, 1978) Janbu (Olson e Flaate, 1964) Hiley (Olson e Flaate, 1964) Dinamarqueses (Olson e Flaate, 1964) Gates (Olson e Flaate, 1964) Engineering News (Olson e Flaate, 1964)
B B B

K = Pobs/Pprev
B B B B

R = Log(Pobs/Pprev)
B B B B

mdia[K] desvio[K] mdia[R] desvio[R] 1,014 0,914 1,058 1,130 1,418 0,905 1,330 1,075
B B

0,235 0,191 0,341 0,690 1,147 0,522 0,615 0,806


B B B

-0,0051 -0,048 0,0061 0,016 0,087 -0,077 0,085 -0,095

0,0976 0,0955 0,1240 0,165 0,216 0,156 0,180 0,348

Tabela 4.4 Valores das variveis K (Pobs/Pprev) e R = log(Pobs/Pprev), para alguns mtodos de previso da capacidade de carga de estacas. A fonte de onde se extraiu o banco de dados est referenciada em parnteses, na primeira coluna.

Do exposto, nota-se que uma vez que o engenheiro de fundaes opta pelo uso de um determinado mtodo de previso da capacidade de carga da estaca, em uma localidade onde se dispe de informao anterior, um valor de K (ou de R) fica determinado. Importante salientar que a abordagem bayesiana no exige que a informao a priori advenha to somente de estudos anteriores. Tambm seria lcito, no caso de inexistncia destes estudos relativamente localidade em questo, proceder eliciao de um expert,

60

como j informado no item 4.2.2 do presente trabalho.


4.3.1.2. Variabilidade dentro de uma mesma obra

A outra fonte de informao apriorstica se refere variabilidade da capacidade de carga das estacas em uma mesma obra. Devido s variabilidades inerentes s caractersticas geolgicas do subsolo, pormenores da cravao e outras especificidades locais e circunstanciais, a varivel R = log(Pobservado/Pprevisto) seria funo da localizao do ponto da
B B B B

obra onde se avalia a segurana da estaca. Bilfinger (2002) informa que, em um mesmo universo geolgico, pequenas variaes de difcil deteco por investigaes geotcnicas convencionais podem provocar alteraes na capacidade de carga de estacas. O referido autor tambm apresenta algumas formas de se tratar a variabilidade intra-canteiro, todas de maneira ad hoc, a saber: Diviso da rea em sub-reas de influncia para cada sondagem; Escolha de uma sondagem mdia como representativa; Escolha de uma sondagem ruim como representativa; Montagem de uma sondagem fictcia, baseada em valores mdios para cada profundidade de todas as sondagens; Montagem de uma sondagem fictcia, baseada em valores mnimos para cada profundidade de todas as sondagens. Alguns autores apresentam valores fixos para a variabilidade no interior de uma mesma obra. Kay (1976) apresenta um desvio-padro da varivel R constante e igual 0,12. Vrouwenvelder (1992) considera que o coeficiente de variao da capacidade de carga em determinada obra constante e igual 15%. Zhang (2004) tambm considera constante a variabilidade intra-canteiro, propondo um coeficiente de variao da varivel K = Pobservado/Pprevisto de 20%.
B B B B

A tabela a seguir (Kay, 1993) tambm apresenta alguns valores para o coeficiente de variao da capacidade de carga de estacas, em algumas localidades.

61

Localizao (referncia) Londres Hendon Londres Southall Londres Brandon

Tipo de solo Argila muito mole Argila muito mole Argila muito mole Argila mole/

Nmero de estacas ensaiadas 9 5 5

Coeficiente de variao 0,12 0,11 0,08

Houston Texas

areia

11

0,08

Tabela 4.5 Variabilidade intra-canteiro da capacidade de carga de estacas (Kay, 1993).

A considerao de um valor fixo para a variabilidade da capacidade de carga dentro de uma determinada obra s pode ser admitida quando existem informaes suficientes relativas ao local da obra para dar fundamento a essa assuno. Como ser apresentado posteriormente, a inferncia com varincia conhecida facilita bastante os clculos de estimativa do fator de segurana bem como possibilita a tabulao do fator de segurana para diversas classes de variabilidade intra-canteiro (por exemplo, stios com alta, mdia e baixa variabilidade de capacidade de carga). A tabulao do fator de segurana condicionado preciso intra-canteiro, inobstante desejada, ainda no contemplada na maioria das normas e cdigos de construo de fundaes. Como alternativa inferncia com varincia intra-canteiro conhecida, Baecher e Rackwitz (1982) propuseram um tratamento consistente da incerteza associada varivel R = log(Pobservado/Pprevisto) no interior da obra, considerando a variabilidade intra-canteiro como
B B B B

uma varivel aleatria. Os referidos autores, adicionando informaes de 13 obras s 3 obras analisadas por Kay (1976), exprimiram a variabilidade intra-canteiro atravs da varincia do logaritmo da relao entre a capacidade observada e a prevista para uma determinada obra. Assim, admitindo-se que em uma determinada localidade tenham sido executadas n provas de carga,

62

decorrendo na obteno de n valores da varivel R (r1, r2,......, rn), pode-se calcular o valor da
B B B B B B

varincia intra-canteiro pela expresso a seguir:

2 =

(ri rmed ) 2
i =1

n 1
B B B B B B

4.11

Onde rmed o valor mdio da varivel R = log(Pobservado/Pprevisto) na obra em questo e ri um particular valor de R verificado na mesma obra.
B B

Os autores ainda conceituam a varivel preciso intra-canteiro (h), a qual vem definida como sendo o inverso da varincia de R no interior do site, ou seja: h= 1
4.12

Como a varincia uma medida de disperso, a varivel preciso (h) deve ser interpretada como uma medida de concentrao dos valores individuais de capacidade de carga no interior da obra em torno da capacidade mdia de carga da mesma obra (Martz e Waller, 1982). Baecher e Rackwitz (1982), estudando 16 casos de obras, concluram que a varivel preciso pode ser admitida como aderente uma densidade de probabilidade do tipo Gama. Tal distribuio possui a seguinte expresso matemtica (Bekman e Costa Neto, 1980):
k 1

' ' ' f h | , = 2 2

v' 1 h2

' ' 2 ' ' exp h ' 2 2

4.13

A figura abaixo ilustra a grande variedade de formatos possveis para o referido modelo probabilista:

63

Figura 4.4 Algumas variaes da Funo Densidade de Probabilidade do tipo Gama.

Benjamin e Cornell (1970) informam ainda que a densidade do tipo Gama muito utilizada na modelagem de fenmenos de engenharia civil, mais pela sua variedade de formatos e conveniente forma matemtica do que pela sua habilidade em simular o mecanismo subjacente um fenmeno fsico aleatrio. No caso do artigo de Baecher e Rackwitz (1982), foram propostas duas distribuies Gama, que os autores chamaram por mais apertada e mais ampla, com os seguintes parmetros.

Parmetros Distribuio De forma (/2) mais apertada mais ampla 4,64 2,21 De escala (/2) 0,0705 0,0269

Tabela 4.6 Parmetros das distribuies Gama obtidas por Baecher e Rackwitz (1982).

As distribuies Gama obtidas pelos autores seguem apresentadas abaixo:

64

Variabilidade intra-canteiro
0,020

densidade de probabilidade

0,015

0,010

0,005

0,000 0 50 100 150 200 250 preciso (1/ )

Figura 4.5 Distribuies Gama representativas da preciso intra-canteiro (Baecher e Rackwitz, 1982).

Inobstante ao rigor formal da abordagem de Baecher e Rackwitz (1982) na considerao da preciso intra-canteiro, no parece prudente, na prtica, derivar a distribuio da preciso intra-canteiro por comparao entre diversas obras. Dado o porte da maioria das obras de engenharia civil e a provvel autocorrelao da capacidade de carga das estacas no interior de uma determinada obra, pode-se admitir que a variabilidade intra-canteiro seja consideravelmente menor que a variabilidade inter-canteiros, de forma que considerar a distribuio da preciso de R entre diversas obras incorpora uma incerteza adicional na anlise.

4.3.2 A conjugao proposta para a obteno da distribuio posterior caso de varincia desconhecida

As distribuies conjugadas devem ser escolhidas, sempre que possvel, de modo a bem representar a incerteza contida nos parmetros estudados. Baecher e Rackwitz (1982) apresentam argumentos consistentes para a proposio de uma distribuio anterior conjugada da posterior, para ocasies nas quais a variabilidade da capacidade de carga das estacas em uma determinada obra no possa ser admitida como

65

conhecida e fixa. Os referidos autores postulam que diante da normalidade da varivel R = log(Pobservado/Pprevisto) e tambm em decorrncia do fato de a preciso intra-canteiro se ajustar
B B B B

bem uma densidade do tipo Gama, a funo densidade anterior a ser escolhida a NormalGama, a saber:
1

f ' ( , h) h

exp(

1 ' 1 hn ( ' ) 2 ) exp( h ' ' ) h 2 2

2 ( ' 1)

4.14

Onde: , h = parmetros da distribuio de R no interior do canteiro; n = tamanho equivalente da amostra para a mdia de R; = valor esperado anterior da mdia de R; = graus de liberdade equivalente anterior da preciso h; = parmetro de locao da distribuio anterior de h. A amostragem corresponde execuo de n de provas de carga em uma determinada obra, cada uma delas decorrendo em um valor ri, particular ocorrncia da varivel R. Deste
B B

modo, pode-se calcular a mdia e varincia amostrais, atravs das expresses :

mR

1 n = ri n i =1

4.15

s2 R

(ri m R ) 2
i =1

4.16

n 1
Como a funo 4.14 pertence famlia das distribuies conjugadas, a forma

matemtica da distribuio posterior ter o mesmo formato da referida funo, com hiperparmetros atualizados segundos as expresses a seguir (Martz e Waller, 1982): n" = n' + n " = (nmR + n'')/n"
B B

4.17 4.18 4.19 4.20

" = n + ' "" = ''+(n-1)sR + n' + nmR - n""


B B B B

Assim, de posse dos parmetros atualizados luz da amostragem, a distribuio

66

posterior assume a seguinte forma:


1

f" ( , h) = f( , h | z ) h

1 1 exp( hn" ( " ) 2 ) exp( h " " ) h 2 2

2 ( "1)

4.21

Na expresso supra, z representa o vetor de valores da varivel R decorrentes da realizao de provas de carga, ou seja, z = (r1, r2, ......., rn). A expresso 4.21 representa a
B B B B B B

distribuio posterior dos parmetros de R, ou seja, representa a distribuio posterior da mdia e da preciso intra-canteiro. No entanto, interessa ao engenheiro fazer juzos probabilistas sobre a varivel R= log(Pobservado/Pprevisto) e no sobre parmetros de sua distribuio. Benjamin e Cornell (1970)
B B B B

informam que se deve primeiro atualizar os parmetros da distribuio de R ( e h), atravs da expresso 4.5 (ou atravs de alguma distribuio conjugada), para posteriormente obter a distribuio do prprio R. Para obteno da distribuio atualizada de R (e no de seus parmetros), os autores apresentam a distribuio preditiva, definida pela expresso a seguir:
f R " (r) = f R " ( r | z) = f R (r | z, , h) f " ( , h)ddh
4.22

Baecher e Rackwitz (1982) informam que a soluo da integral supra decorre em uma distribuio da seguinte forma:
1 ( "1) 2

H f R " (r | z) 1 + (r " ) "

4.23

Os autores aduzem que a expresso supra uma distribuio t-Student, com " graus de liberdade e parmetros " e H, este ltimo dado por: n" (n"+1) "

H=

4.24

A mdia e a varincia do valor de R so dadas pelas expresses 4.25 e 4.26 respectivamente:

67

E[r|z] = "
V [r | z ] =

4.25

"

"2 n"

"

4.26

Conhecida a distribuio de R (t-Student), pode-se calcular um valor extremo negativo dessa varivel, denotado por ro. Tal valor funo da distncia do valor mdio " da
B B

distribuio, distncia essa medida atravs do ndice de confiabilidade, . A relao de ro


B B

com o ndice de confiabilidade dada pelo que segue:

ro = "+

4.27

Baecher e Rackwitz (1982) relacionam o valor de ro com o fator de segurana,


B B

definido por:

FS =

Capacidade de carga prevista em projeto Capacidade de carga esperada

4.28

A capacidade esperada , na realidade, o valor da capacidade de carga observado por ocasio da prova de carga. Como o valor de ro representa a relao:
B B

P ro = log observado Pprojeto Da expresso 4.29 em 4.28 tem-se:

4.29

FS = 10 -r

4.30

A expresso 4.30 representa o fator de segurana que deve ser aplicado s previses da capacidade de carga, de forma a assegurar um determinado ndice de confiabilidade, posteriormente execuo de provas de carga. Aplicando a metodologia retro exposta, Baecher e Rackwitz obtiveram os fatores de

68

segurana declinados no grfico a seguir, considerando-se os parmetros da distribuio gama identificada por mais ampla na Tabela 4.6 e a realizao de uma prova de carga, que tenha decorrido em um determinado valor de K = Pobs/Pprev. Os autores tambm consideraram os valores de n e para a frmula de Janbu (2,35 e 0,0082 respectivamente), considerando-se parcialmente o banco de dados apresentado por Olson e Flaate (1964).

Figura 4.6 Variao do fator de segurana com o valor de K (para uma prova de carga) e com o ndice de confiabilidade, considerando-se os parmetros da distribuio gama identificada por mais ampla na Tabela 4.6 (Baecher e Rackwitz, 1982).

Do grfico supra nota-se que, coerentemente, maiores valores do ndice de confiabilidade () esto associados a maiores fatores de segurana. Segundo os autores para resultados de K menores que a unidade o fator de segurana aumenta em relao quele requerido antes do teste. Nota-se tambm que, para valores de K bastante maiores que a unidade o fator de segurana tambm volta a crescer, fato que, segundo os autores, parece no fazer sentido na prtica da engenharia mas tem sentido no mbito da estatstica, uma vez que elevados valores

69

de K indicam que o mtodo de previso bastante impreciso para a localidade enfocada, demandando maiores fatores de segurana. Com os mesmos informes utilizados para a construo do grfico anterior, porm valendo-se dos parmetros da distribuio mais apertada da Tabela 4.6, os autores obtiveram o grfico seguinte.

Figura 4.7 - Variao do fator de segurana com o valor de K (para uma prova de carga) e com o ndice de confiabilidade, considerando-se os parmetros da distribuio gama identificada por mais apertada na Tabela 4.6 (Baecher e Rackwitz, 1982).

Os autores consideraram que o comportamento apresentado na Figura 4.7 mais realista, justificando essa assertiva no fato de que tal comportamento decorreu da utilizao da distribuio gama mais apertada, a qual foi concebida desconsiderando-se trs obras com preciso bastante elevada, que parecem no ter paralelo com a prtica. Em que pese a justificativa apresentada pelos autores, no h como se certificar a

70

predominncia de uma distribuio gama em detrimento da outra, diante do fato de que ambas foram construdas com fulcro em observaes de obras reais. No caso da execuo de duas provas de carga, decorrendo em dois valores de K=Pobs/Pprev, o fator de segurana pode ser tabulado como funo do ndice de confiabilidade (), da mdia de K (Kmed) e do coeficiente de variao de K (CV). O grfico abaixo apresenta essa tabulao, considerando-se os mesmo informes relativos distribuio anterior utilizados na confeco da Figura 4.7 (mtodo de Janbu e distribuio gama mais apertada).

MTODO DE JANBU FS x Kmed x disperso


4,00

3,50

n=2 =3
3,00 FS 2,50 2,00 1,50 0,5 1 Kmed CV = 0% CV = 10% CV = 15% CV = 20% 1,5 2

Figura 4.8 Variao do FS em funo de Kmed e CV de duas provas de carga, considerando-se = 3.

Do grfico supra, nota-se claramente que no s o valor de Kmed importante na definio do fator de segurana, mas tambm a variabilidade dos resultados das provas de carga efetuados na obra, representada pelo coeficiente de variao de K (CV). Quanto maior a

71

variabilidade do valor de K em uma mesma obra, maior o fator de segurana exigido. Baecher e Rackwitz (1982) ainda destacam que o fator de segurana condicionado ao mtodo de previso da capacidade de carga. Para fundamentar essa assertiva, os autores consideraram informaes anteriores disponveis para quatro mtodos de previso de capacidade de carga de estacas de deslocamento, apresentadas na tabela a seguir:
Mdia Anterior ()

Mtodo de Previso

Janbu Engineering News (ENR) Meyerhof Rollberg

0,0082 -0,152 0,0004 -0,0016

1,55 0,145 0,354 2,04

Tabela 4.7 Informaes anteriores relativas aos quatro mtodos analisados por Baecher e Rackwitz (1982).

De posse dessas informaes anteriores e considerando a execuo de uma prova de carga, que tenha decorrido em um certo valor de K, os autores apresentaram a Figura 4.9, exposta na pgina seguinte, para = 2. Com fulcro na figura retro mencionada, os autores concluram que, inobstante serem considerados mais precisos (dentre aqueles analisados), os mtodos de Rollberg e Janbu podem fornecer fatores de segurana at mesmo maiores que mtodos considerados mais imprecisos, como o mtodo do Engineering News, dependendo do resultado da prova de carga. Esse comportamento justificado pelos autores pelo fato de que um valor de K = Pobs/Pprev = 3 seria um resultado pouco esperado no caso da utilizao de mtodos mais precisos, decorrendo no aumento do fator de segurana. Por outro lado, para mtodos menos precisos, um valor de K = 3 pode no ser inesperado, redundando na reduo do fator de segurana. Para valores de K prximos unidade, a reduo do fator de segurana maior quanto mais preciso for o mtodo de previso.

72

Importante salientar que os valores de e n apresentados na Tabela 4.7 no podem ser encarados como valores intrnsecos do mtodo a que se referem, haja vista que tais valores foram obtidos com base em uma gama bastante limitada de obras.

FS x K x mtodo
4,00

3,50

n=1 =2

3,00

FS

2,50

2,00

1,50

1,00 0 1 K = Pobs/Pprev Janbu Meyerhof Rollberg ENR 2 3

Figura 4.9 Variao do fator de segurana com o fator de vis (K) para diversos mtodos (Baecher e Rackwitz, 1982).

4.3.3 Inferncia para o caso de varincia conhecida

H situaes onde a variabilidade intra-canteiro pode ser arbitrada, para uma particular obra, em funo do conhecimento prvio que se tem sobre o subsolo local e do tamanho do stio. Nessas ocasies, ao invs de considerar a varincia como uma varivel aleatria, que possui densidade de probabilidade ajustada s variabilidades de diversas obras, pode-se consider-la fixa, de tal forma que a incerteza fique restrita ao valor mdio da capacidade de carga para o local da obra. Essa varincia suposta conhecida ser denotada por

73

. Diversos autores tm apresentado aplicaes da inferncia bayesiana com varincia conhecida para incorporao dos resultados de provas de carga (Kay, 1976 e 1977; Vrouwenvelder, 1992; Zhang, 2004). Considerando-se novamente que a distribuio anterior da mdia da varivel R = log(Pobs/Pprev) seja do tipo normal, com parmetros ' e S, e diante da realizao de n provas de carga que resultaram em uma mdia mR, a distribuio posterior da mdia de R
B B

ser tambm normal com hiperparmetros dados pelas expresses a seguir, como apresentaram Martz e Waller (1982):

2 '+ n S '2 mR " = 2 + n S '2


S"=
Onde: = valor esperado posterior da mdia de R; ' = valor esperado anterior para a mdia de R; S = varincia anterior da mdia de R; mR = mdia amostral;
B B

4.31

2 S '2 2 + n S '2

4.32

= varincia da varivel R para o local da obra, suposta conhecida; n = tamanho da amostra; S = desvio-padro posterior da mdia de R;

Martz e Waller (1982) informam ainda que a distribuio preditiva, que efetivamente utilizada para estimar a capacidade de carga de uma particular estaca, tambm normal com mdia e desvio-padro dado por:

p = 2 + S "2

4.33

Kay (1976), considerando uma varincia da capacidade de carga no interior da obra fixa de 0,12 e utilizando as expresses 4.32 e 4.33 (aplicadas varivel capacidade de carga e no varivel R = log(Ppobs/Pprev)) concluiu que o fator de segurana a ser aplicado

74

independe da mdia anterior e do resultado da prova de carga em si, dependendo to somente do ndice de confiabilidade () e da varincia da distribuio preditiva (p), a qual se reduz a
B B

cada prova de carga efetuada. Segundo Kay (1976), o fator de segurana a ser aplicado expresso pela seguinte formulao:
P + (ln 10 / 2 ) 2 p

FS = 10
B B

4.34

Onde p e j foram definidos. Com fulcro na expresso supra, o autor construiu um grfico similar ao apresentado a seguir:
FS x x n provas
4,5

4,0

3,5

3,0 FS 2,5 2,0 1,5 1,0 0 1 2 n provas Beta 2 Beta 2,5 Beta 3 3 4

Figura 4.10 Variao do fator de segurana em funo do nmero de provas de carga (Kay, 1976).

Ao desconsiderar a mdia anterior e o resultado da prova de carga na proposio do fator de segurana, a metodologia proposta por Kay (1976) se mostra bastante divergente da prtica e passvel de crticas importantes. A crtica fundamental que pode ser feita metodologia proposta por Kay que, inexoravelmente, o fator de segurana se reduz a cada prova de carga realizada, o que no parece prudente. Imagine-se, por exemplo, que uma determinada prova de carga tenha

75

resultado em k = Pobs/Pprev = 0,3. Mesmo diante dessa flagrante superestimativa do mtodo de previso (Pprev muito maior que Pobs), o fator de segurana seria diminudo. Em vista das deficincias da metodologia apresentada por Kay, a conceituao do fator de segurana ser feita da mesma forma como foi definida no caso de varincia desconhecida, ou seja, a partir da varivel R = log(Pobs/Pprev), com fulcro nas expresses 4.28 a 4.30. Uma vez que se est de posse dos parmetros da distribuio preditiva ( e p),
B B

pode-se calcular um particular valor da varivel R (valor extremo), denotado por ro, para um
B B

dado valor do ndice de confiabilidade (), atravs da seguinte expresso.

ro = " - p
e o fator de segurana calculado novamente pela expresso 4.30, abaixo reproduzida:

4.35

FS = 10 r

Bekman e Costa Neto (1980) destacam uma importante propriedade do Teorema de Bayes: as informaes adicionais obtidas podem ser incorporadas parceladamente, de forma incremental, ou ento de uma nica vez, obtendo-se, em ambos os casos, a mesma distribuio posterior. Por exemplo, imagine-se uma determinada obra sobre a qual temos informaes suficientes para propor uma distribuio anterior e que, por ocasio da construo, tenhamos efetuado trs provas de carga. Desta feita, poderamos incorporar as informaes decorrentes das provas de carga segundo duas possibilidades, apresentadas na Figura 4.11.

76

DISTRIBUIO ANTERIOR

DISTRIBUIO ANTERIOR

PROVA DE CARGA 1

DISTRIBUIO POSTERIOR 1

PROVA DE CARGA 1

PROVA DE CARGA 2

ESTATSTICAS DA AMOSTRA

PROVA DE CARGA 2

DISTRIBUIO POSTERIOR 2

PROVA DE CARGA 3

PROVA DE CARGA 3

DISTRIBUIO POSTERIOR 3

DISTRIBUIO POSTERIOR

DISTRIBUIO PREDITIVA

DISTRIBUIO PREDITIVA

a)

b)

Figura 4.11 Diferentes abordagens da inferncia bayesiana: a) incorporao da informao de forma sequencial e b) incorporao da informao de uma s vez.

4.3.4 Crticas atualizao a posteriori do fator de segurana

Bilfinger (2002) questiona a real aplicabilidade da inferncia bayesiana na prtica de projeto, eis que, ao utilizar informaes posteriores execuo de provas de carga, o mtodo se apresenta com utilidade limitada. O referido autor exemplifica essa limitao do mtodo na prtica de projeto informando que somente depois de parte da obra j ter sido executada que se pode deliberar sobre a reduo (ou o que seria pior, o aumento) do fator de segurana para as estacas a serem executadas. O autor finaliza a discusso aduzindo que tal metodologia somente poderia ser levada a efeito no caso de obras nas quais se executam provas de carga prvias, para apoio ao projeto e antes da execuo propriamente dita.

77

Em que pese a limitao exposta pelo autor, limitao essa que substantiva, destaca-se que a abordagem bayesiana, e a decorrente possibilidade de atualizao da segurana a posteriori, particularmente til em obras de porte tal que permitam a implementao do mtodo observacional, da reduo da incerteza de forma incremental. Ademais, o modelo bayesiano proposto pode ser um instrumento legtimo para calibrao de mtodos menos rigorosos, tais como os coeficientes parciais de segurana e os mtodos de nvel II, fulcrados no ndice de confiabilidade.

78

5. DISTINO DOS FATORES DE SEGURANA EM FUNO DO TIPO DE PROVA DE CARGA


5.1. GENERALIDADES

As provas de carga sobre estacas tm sido muito utilizadas na prtica corrente, seja para prover dados para projeto, avaliar as fundaes executadas em uma obra especfica, estudar as caractersticas de comportamento do conjunto estaca versus solo ou verificar a conformidade da obra de fundao executada s premissas do projeto (Milititsky, 1991). Para efeito de avaliao da segurana da fundao, as provas de carga com interesse direto so aquelas efetuadas para se verificar se as premissas assumidas em projeto se coadunam com o comportamento real da estrutura (Hachich, 1998a). A execuo de provas de carga sobre estacas permite a implementao do conceito de design as you go na prtica da engenharia geotcnica, possibilitando, por exemplo, a atualizao da capacidade de carga das estacas de uma determinada obra. Vrouwenvelder (1992) informa que as estimativas de capacidade de carga feitas com base nas informaes adicionais advindas das provas de carga permitem a reduo da incerteza e justificam uma correspondente reduo do fator de segurana a ser aplicado. Zhang (2004) certifica que os resultados de provas de carga sugerem um valor de capacidade de carga mais realista, haja vista que os erros associados s medidas efetuadas durante as provas de carga so muito menores que aqueles associados s previses de capacidade de carga. Uma vez que se dispe de uma amostra de provas de carga em uma determinada obra, a questo natural que surge ao engenheiro como os resultados da amostra permitem a atualizao da segurana de todas as estacas dessa mesma obra. Esse questionamento pode ser interpretado como um tpico problema de induo, ou seja, a partir do comportamento verificado nas estacas ensaiadas (amostra) deseja-se inferir o comportamento de todas as estacas da obra (populao). Como j visto, a Estatstica Bayesiana oferece grandes vantagens

79

para a execuo de inferncias relativas capacidade de carga de estacas, em razo da freqente exigidade de provas de carga realizadas em uma determinada obra. A importncia das provas de carga na engenharia geotcnica, principalmente para reduo da incerteza, ponto pacfico aos profissionais atuantes no ramo de fundaes. No entanto, no h consenso no meio tcnico com relao aos fatores de segurana aplicados em funo do tipo e do nmero de provas de carga efetuados. Os dois tipos de ensaio frequentemente utilizados, as provas de carga estticas e os ensaios de carregamento dinmico, so de amplo conhecimento do meio tcnico e objeto de inmeros trabalhos (Rocha Filho, 1985; Niyama, 1991; Aoki, 1997; Niyama et al, 1998; Bilfinger, 2002) e tambm de normas tcnicas (ABNT, 1991; ABNT, 1994), razo pela qual no se pretende dar nfase nas suas definies, mtodos de execuo, etc. O foco desta dissertao, no que concerne s provas de carga, enfatizar as diferentes incertezas associadas s provas de carga estticas e dinmicas e como essa diferena pode subsidiar o modelo bayesiano para a proposio de fatores de segurana que sejam condicionados ao tipo de prova de carga.

5.2.

CORRELAO DINMICAS

ENTRE

AS

PROVAS

DE

CARGA

ESTTICAS

Uma questo ainda controversa tanto na prtica profissional do engenheiro geotcnico quanto nos diversos comits de normalizao a diferenciao dos fatores de segurana a serem aplicados s provas de carga estticas e dinmicas. Inegavelmente, existem diferenas entre os comportamentos dinmicos e estticos dos solos, a ponto de alguns autores conclurem pela restrita possibilidade de se correlacionar as capacidades de carga dinmica e esttica ou pela dificuldade de se prever comportamentos estticos a partir de medies ou comportamentos dinmicos (Brucy et al, 1991 apud Niyama, 1991). No entanto, a maior parte dos trabalhos que relacionaram os resultados de provas dinmicas com os resultados de provas estticas aponta para uma correlao satisfatria entre

80

ambos os procedimentos (Edde e Fellenius, 1992; Niyama e Aoki, 1991; Likins et al, 1996; Likins e Rausche, 2004; Likins, 2004). Likins e Rausche (2004) compilaram os resultados de diversas provas de carga estticas e dinmicas apresentados por vrios autores nos diversos Stresswave Conferences, obtendo os seguintes diagramas de disperso.

Figura 5.1 Correlaes obtidas com uso dos dados apresentados nos diferentes Stresswave Conferences (Likins e Rausche, 2004).

Com base no comportamento do diagrama de disperso, os autores concluem pela elevada correlao entre os resultados de provas estticas e dinmicas, estas ltimas analisadas pelo CAPWAP. Combinando os informes oriundos dos diversos Stresswave Conferences com aqueles constantes do banco de dados dos prprios autores, totalizando um universo de 303 estacas analisadas,
B B B

os

mesmos
B

obtiveram

ainda

os

seguintes

valores

para

varivel

PDINMICA/PESTTICA (Likins e Rausche, 2004). - Mdia[PDINMICA/PESTTICA]= 0,98.


B B B B

- CV[PDINMICA/PESTTICA] = 0,169.
B B B B

Dos resultados apresentados pelos autores, observa-se que, de fato, existe uma boa correlao entre os resultados de provas estticas e dinmicas, existindo uma pequena tendncia das provas de carga dinmicas subestimarem a real capacidade de carga da estaca.

81

Bilfinger (2002) apresenta uma excelente discusso sobre os fatores que poderiam justificar essa tendncia das provas de carga dinmicas de subestimar a verdadeira capacidade de carga das estacas, informando que provas de carga dinmicas executadas atravs de um golpe nico tendem a fornecer resultados conservadores, haja vista que existe sempre a possibilidade de que no tenha sido mobilizada toda a resistncia disponvel. Aoki (1997) props a realizao de ensaios de carregamento dinmico com energias crescentes para garantir a mobilizao de toda a capacidade de carga da estaca. Outros autores, por outro lado, mostram a grande variabilidade da relao PDINMICA/PESTTICA. A figura a seguir, extrada de McVay et al (2000), permite consignar a
B B B B

elevada gama de valores assumidos por essa varivel, considerando-se que a carga de ruptura da prova esttica tenha sido obtida pelo critrio de Davisson:

Figura 5.2 Variabilidade da relao PDINMICA/PESTTICA, com dados oriundos de diversas fontes (McVay et al, 2000). Os ensaios dinmicos foram efetuados no final da cravao (End of Driving EOD).
B B B B

Alguns estudos tratam a varivel PDINMICA/PESTTICA, formalmente, como uma


B B B B

varivel aleatria que segue uma distribuio log-normal (Likins et al, 1996; McVay et al, 2000). A tabela a seguir compila a mdia e o desvio-padro da varivel PDINMICA/PESTTICA,
B B B B

com base em vrios autores, para a cravao e para a recravao, com a carga de ruptura da prova esttica obtida pelo critrio de Davisson nos casos onde no houve ruptura fsica.

82

MOMENTO

Fim da Cravao

Incio da recravao

FONTE 1 ENR - 77 casos (McVay et al, 2000) ENR modificado - 61 casos (McVay et al, 2000) 2 FDOT ,1991 apud McVay et al, 2000 - 72 casos Gates, 1957 apud McVay et al, 2000 - 74 casos Paikowsky, 1994 apud McVay et al, 2000 - 27 casos CAPWAP cases - 44 casos (McVay et al, 2000) PDA - 48 casos (McVay et al, 2000) Sakai, 1996 apud McVay, 2000 - 21 casos ENR - 77 casos (McVay et al, 2000) ENR modificado - 61 casos (McVay et al, 2000) FDOT,1991 apud McVay et al, 2000 - 72 casos Gates, 1957 apud McVay et al, 2000 - 74 casos Paikowsky, 1994 apud McVay et al, 2000 - 27 casos CAPWAP cases - 44 casos (McVay et al, 2000) PDA - 48 casos (McVay et al, 2000) Sakai, 1996 apud McVay, 2000 - 21 casos 3 SW (todas as estacas) - 143 casos (Likins e Rausche,2004) CAPWAP cases - 77 casos (Globe et al, 1980) CAPWAP cases - 83 casos (Likins et al, 1996)

Mdia[Pdin/Pestat] 4,170 3,110 0,590 0,730 1,000 0,700 0,820 1,050 5,350 3,550 0,500 0,610 1,330 0,880 1,040 0,860 0,993 1,010 0,964

Desvio[Pdin/Pestat] 1,900 1,920 0,360 0,400 0,320 0,230 0,250 0,610 2,230 1,830 0,290 0,230 0,410 0,260 0,260 0,450 0,164 0,170 0,215

Notas:

1 - ENR a sigla de "Engineering News Record" 2 - FDOT a sigla de "Florida Department of Transportation" 3 - Dados obtidos nos 6 Stresswave Conferences (SW)

Tabela 5.1 Valores da varivel da mdia e desvio da varivel Pdin/Pestat com base em vrios autores, para a cravao e recravao. Carga de ruptura da prova esttica obtida utilizando-se o critrio de Davisson (MacVay et al, 2000).

Existe certo consenso no meio tcnico no sentido de aceitar que os resultados das provas estticas so mais confiveis que aqueles obtidos por provas dinmicas, em razo das interferncias s quais este ltimo tipo de prova de carga est sujeito. Essa afirmao pode ser corroborada no fato de que recorrentemente as provas de carga estticas so utilizadas como paradigma para calibrao de diversos mtodos de previso da capacidade de carga. Mesmo as provas de carga de carga dinmicas so, correntemente, aferidas pelas provas de carga estticas (Hachich, 1998a). Vrouwenvelder (1992) considerou que a prova de carga esttica fornece a verdadeira capacidade de carga da estaca, decorrendo em uma incerteza nula. O referido Autor tambm considerou que o coeficiente de variao da capacidade de carga obtida por prova de carga dinmica da ordem de 15 a 25%, como apresenta a Tabela 5.2.

83

Mtodo
Prova de carga esttica Clculo (a) Prova de carga dinmica Pile Driving Analysis - PDA Frmulas dinmicas Nega
(a) Aps o "set up" (b) Aps a recravao
(b)

Coeficiente de variao da estimativa da capacidade de carga - V(m)


0,00 0,10 - 0,20 0,15 - 0,25 0,20 - 0,30 0,25 - 0,35 0,30 - 0,40

Tabela 5.2 Coeficientes de variao de diversos mtodos de estimativa da capacidade de carga (Vrouwenvelder, 1992).

Importante ressaltar que os valores propostos so baseados simplesmente na intuio de Vrouwenvelder. Inclusive, pode-se observar que o referido autor considera que a incerteza associada previso da capacidade de carga por algum mtodo de clculo (por exemplo, aqueles baseados no SPT) pode ser menor que a incerteza relativa estimativa da capacidade de carga atravs de provas de carga dinmicas, considerao essa que, de certa forma, contradiz a prtica corrente. Em vista dessa maior incerteza relativamente s provas de carga dinmicas seria importante reconhecer explicitamente a distino entre os fatores de segurana a serem aplicados aos resultados de provas dinmicas e estticas. Essa diferenciao j contemplada em algumas normas internacionais, tanto em termos de Fator de Segurana Global quanto em termos de Fatores de Segurana Parciais, como mostram as tabelas a seguir, extradas do trabalho de Bilfinger (2002).

Mtodo
Provas de carga estticas Provas de carga dinmicas Clculos empricos ou analticos

Fator de Segurana Global


1,8 2,0 2,2*

* Devero ser utilizados no mnimo dois mtodos independentes, sendo aplicado o fator de segurana global ao mtodo que resultou na menor capacidade de carga
Tabela 5.3 - Fatores de segurana global preconizados na norma Finlandesa (Bilfinger, 2002).

84

Mtodo de Previso da Capacidade de Carga


Clculos Estticos Prova de Carga Esttica Anlises Dinmicas (a) Ensaios PDA
(a) PDA a abreviao de Pile Driving Analyser.

Fator de Segurana Parcial


2,50 1,67 2,50 2,00

Tabela 5.4 Fatores de Segurana Parciais preconizados pela Ontrio Bridge Code (Bilfinger, 2002).

Para a obteno do fator de segurana a ser aplicado aos resultados de provas de carga dinmicas, ser necessrio utilizar relaes do tipo Pdin/Pprev, onde Pdin a capacidade de
B B B B B B

carga medida por prova dinmica e Pprev a capacidade de carga prevista por algum mtodo
B B

emprico ou terico. Normalmente, para calibrao dos mtodos de previso de capacidade de carga de estacas, so utilizadas provas de carga estticas em detrimento de ensaios de carregamento dinmico, resultando na relativa exigidade de dados referente varivel Pdin/Pprev. Tendo em vista este fato, a obteno da varivel Pdin/Pprev ser feita atravs de
B B B B B B B B

relaes com a varivel Pdin/Pestat, como apresentado na figura a seguir:


B B B B

Pestat/Pprev

Pdin/Pprev

Pdin/Pestat
Figura 5.3 Esquema de obteno da varivel Pdin/Pprev partir das variveis Pestat/Pprev e Pdin/Pestat.

Para tal feito, ser utilizada a seguinte formulao: Pdin P P = din estat Pprev Pestat Pprev 5.1

Da expresso supra, nota-se que a varivel Pdin/Pprev pode ser obtida atravs de
B B B B

Pestat/Pprev e da relao entre os resultados de provas dinmicas e estticas, representada por


B B B B

Pdin/Pestat.
B B B B

Para se determinar os dois primeiros momentos (mdia e varincia) da varivel Pdin/Pprev, pode-se utilizar as seguintes propriedades da esperana e da varincia do produto de
B B B B

85

variveis aleatrias, considerando-se independncia (Benjamin e Cornell, 1970):


E ( XY ) = E ( X ) E (Y )
2 2 2 2 2 VAR[ XY ] = m x y + m 2 x + x y y

5.2 5.3

Onde XY = Pdin/Pprev, X = Pdin/Pestat e Y = Pestat/Pprev.


B B B B B B B B B B B B

Utilizando-se as expresses supra aos informes da varivel Pestat/Pprev para alguns


B B B B

mtodos de previso da capacidade de carga e considerando-se as diversas fontes para a relao Pdin/Pestat apresentadas na Tabela 5.1, foram calculados os valores de Pdin/Pprev para
B B B B B B B B

alguns mtodos de previso de capacidade de carga. Os clculos esto sintetizados no


APNDICE A.

O grfico a seguir apresenta as distribuies log-normais da varivel Pdin/Pprev, com


B B B B

fulcro em diversas relaes entre prova dinmica e esttica para o fim da cravao (Pdin/Pestat)
B B B B

e considerando-se o mtodo Decourt-Quaresma, o qual fornece E[Pestat/Pprev] = 1,058 e


B B B B

[Pestat/Pprev] = 0,341 (Decourt e Quaresma, 1978):


B B B B

DECOURT-QUARESMA (fim da cravao)


densidade de probabilidade
1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

0,0

0,3

0,5

0,8

1,0

1,3

1,5

1,8

2,0

2,3

2,5

2,8

3,0

3,3

3,5

3,8

4,0

Pobs/Pprev DIN-Gates DIN-FDOT DIN-PAIKOWSKY ESTTICA

Figura 5.4 Distribuies log-normais da varivel Pobs/Pprev para prova de carga esttica e para ensaios dinmicos, considerando-se vrias fontes de informao para a varivel Pdin/Pestat (por exemplo, DIN-Gates significa capacidade de carga observada por ensaio dinmico, considerando-se a relao entre Pdin/Pestat informada por Gates).

86

Analisando-se a figura supra, observa-se que os valores de Pobs/Pprev para o mtodo


B B B B

de Decourt-Quaresma se concentram em torno de um, considerando-se a execuo de provas de carga esttica, ao passo que os valores de Pobs/Pprev para ensaios dinmicos tendem a ser
B B B B

consideravelmente menores que a unidade. Nota-se tambm que a curva referente varivel Pobs/Pprev para provas de carga esttica mais afilada que as curvas relativas s provas
B B B B

dinmicas, configurando a maior incerteza relativamente aos ensaios de carregamento dinmico. Valores da varivel Pdin/Pprev, para os mtodos de previso de Aoki-Veloso e
B B B B

Decourt-Quaresma sero utilizados no modelo bayesiano, para proposio de fatores de segurana a serem aplicados aos resultados de provas de carga dinmicas. O captulo seguinte apresenta alguns exemplos nos quais so aplicados os conceitos da inferncia bayesiana para o estudo da segurana de estacas, aps a execuo de provas de carga estticas e dinmicas.

87

6. EXEMPLOS DE SIMULAO
Pretende-se no presente captulo apresentar alguns exemplos de aplicao da atualizao bayesiana e, atravs desses exemplos, apresentar alguns resultados da aplicao das formulaes bayesianas. Para esse mister ser considerada uma obra hipottica, com um grande nmero de estacas cravadas, de modo que os resultados das provas de carga efetuadas forneam subsdios para a reavaliao da segurana das estacas a serem ainda executadas, inobstante ao fato de que a atual norma brasileira de fundaes obsta procedimentos como esse. Os exemplos sero focados nos mtodos de Aoki-Veloso (Aoki e Veloso, 1975) e Decourt-Quaresma (Decourt e Quaresma, 1978), dois dos mtodos mais utilizados no pas para a previso de capacidade de carga de estacas. Alm disso, os exemplos objetivaro ilustrar a influncia do tipo e do nmero de provas de carga, bem como da preciso intracanteiro, no fator de segurana demandado. Sero tambm consideradas as duas possibilidades de aplicao da formulao bayesiana: com varincia desconhecida e com varincia conhecida.
6.1. EXEMPLO 01: PROVA DE CARGA ESTTICA E PRECISO INTRACANTEIRO DESCONHECIDA

Neste primeiro exemplo, as previses de capacidade de carga fornecidas pelos mtodos de Aoki-Veloso e Decourt-Quaresma sero combinadas aos resultados de provas de carga esttica, fornecendo fatores de segurana atualizados luz da inferncia bayesiana, admitindo-se que a preciso intra-canteiro seja desconhecida. Suponha-se que, para duas estacas da obra hipottica, as quais sero denotadas por E1 e E2, fez-se estimativas da capacidade de carga atravs dos mtodos de Aoki-Veloso e Decourt-Quaresma. Para simplificar o problema, ser admitido que, para os dois mtodos de

88

previso retro, as capacidades de carga estimadas para as estacas E1 e E2 foram idnticas, de 80kN e 100kN respectivamente.
6.1.1 Informaes anteriores referentes variabilidade intra-canteiro

Diante da falta de informaes oriundas de estudos anteriores, ser adotada, para efeito de simulao, a mesma distribuio Gama identificada por mais fechada no artigo de Baecher e Rackwitz (1982), a qual possui os seguintes parmetros: /2 = 4,64 = 9,28 /2 = 0,0705 = 0,0152 E vem representada pela seguinte densidade de probabilidades:

Variabilidade intra-canteiro
0,020 densidade de probabilidade

0,015

0,010

0,005

0,000 0 50 100 150 200 250

preciso (1/)

Figura 6.1 Funo densidade do tipo Gama, representativa da preciso intra-canteiro (1/) (Baecher e Rackwitz, 1982).

6.1.2 Informaes anteriores relativas ao mtodo de previso

Admita-se que o engenheiro envolvido com o projeto dessa obra hipottica disponha de informaes prvias que lhe permita considerar que os valores da mdia e do desvio das variveis K =Pobs/Pprev e R = log(Pobs/Pprev) so os mesmos daqueles decorres dos informes dos
B B B B B B B B

trabalhos originais de Aoki e Veloso (1975) e Decourt e Quaresma (1978), quais sejam:

89

Mtodo (referncia) Aoki-Veloso (Aoki e Veloso, 1975) Decourt-Quaresma (Decourt e Quaresma, 1978)

K = Pobs/Pprev
B B B B

R = Log(Pobs/Pprev)
B B B B

Mdia[K] Desvio[K] Mdia[R] Desvio[R] 1,014 1,058 0,235 0,341 -0,0051 0,0061 0,0976 0,1240

Tabela 6.1 Valores de K = Pobs/Pprev e R = logK decorrentes das publicaes originais de Aoki eVeloso (1975) e Decourt e Quaresma (1978).

De posse das informaes da tabela anterior, pode-se calcular o valor de n, o tamanho equivalente da distribuio a priori de R. A varivel n pode ser entendida como o tamanho da informao anterior disponvel. Ehlers (2003) mostra que o valor de n pode ser obtido pela expresso 4.26 aplicada aos hiperparmetros anteriores, a saber:
V [r ] =

'

'2 n'

'

6.1

Onde V[r] a varincia relacionada ao mtodo de previso da capacidade de carga e e so parmetros da distribuio anterior relativa variabilidade intra-canteiro (no caso em tela, = 9,28 e = 0,0152) . Considerando-se os desvios expostos na tabela 6.1, relativos aos dois mtodos de previso da capacidade de carga ora enfocados, tem-se, com fulcro na expresso 6.1, os seguintes valores de n: Mtodo de Aoki-Veloso: n = 2,03; Mtodo de Decourt-Quaresma: n = 1,26.

6.1.3 Previso e resultados de provas de carga esttica

Suponha-se que sejam feitas provas de carga esttica sobre as estacas E1 e E2, com critrio de ruptura dado pelo mtodo de Davisson, obtendo-se as cargas ltimas de, digamos, 40kN e 150kN. luz desses resultados, apresenta-se o seguinte quadro resumo:

90

SNTESE DOS RESULTADOS DAS PROVAS DE CARGA Estaca E1 E2 Pprev(kN) 80 100 Pobs(kN) 40 150
B B

K = Pobs/Pprev
B B B B

R = logK -0,3010 0,1760 -0,0625 0,1138

0,5 1,5

Mdia de R - mR

Varincia de R - SR
B B

Tabela 6.2 Sntese dos resultados das provas de carga efetuadas nas duas estacas da obra hipottica.

6.1.4 Atualizao bayesiana

O processo de atualizao bayesiana tem por base as equaes 4.17 a 4.20, 4.24, 4.27 e 4.30. Com fulcro nas referidas equaes e considerando-se um ndice de confiabilidade = 3, obtm-se os valores expostos na seguinte tabela, para os dois mtodos e previso ora em comento:

MTODO AOKI-VELOSO n k1 k2 r1 r2 mR
B B

DECOURT-QUARESMA 1,26 0,0061 0,5 1,5 -0,3010 0,1761 -0,0625 0,1138 3,26 -0,0625 11,28 0,0229 33,392 3

2,03 -0,0051 0,5 1,5 -0,3010 0,1761 -0,0625 0,1138 4,03 -0,0335 11,28 0,0229 35,009 3

s n" (Eq. 4.17) (Eq. 4.18) " (Eq. 4.19) " (Eq. 4.20) H (Eq. 4.24) ro (Eq. 4.27)
B B

-0,54 -0,55 3,47 3,55 Tabela 6.3 Valores obtidos no processo de atualizao dos hiperparmetros. FS (Eq. 4.30)

91

Nota-se que, para duas provas de carga que resultaram em k1 = 0,5 e k2 = 1,5, o fator
B B B B

de segurana necessrio para garantir um ndice de confiabilidade = 3 de FS = 3,47 e FS = 3,55 para os mtodos de Aoki-Veloso de Decourt-Quaresma, respectivamente. O maior fator de segurana associado ao mtodo de Decourt-Quaresma relaciona-se com a maior varincia de R da distribuio anterior associada ao referido mtodo, como apresentado na Tabela 6.1. De posse dos fatores de segurana a serem aplicados a cada um dos mtodos, seriam obtidas as seguintes cargas admissveis nas estacas:

MTODO AOKI-VELOSO DECOURT-QUARESMA

E1 Pprev (kN) FS
Padm (kN)

E2 100 3,47
28,8

E1 80 3,55
22,5

E2 100 3,55
28,2

80 3,47
23,0

Tabela 6.4 Cargas admissveis nas estacas da obra hipottica.

Os fatores de segurana apresentados na tabela supra so aqueles necessrios manuteno de um ndice de confiabilidade = 3.

6.1.5 Influncia da variabilidade dos resultados das provas de carga

Interessante verificar como varia o fator de segurana em funo do valor mdio dos resultados das provas de carga (Kmed) bem como da disperso entre os resultados de k1 e k2.
B B B B B B

Os grficos a seguir apresentam a variao de FS para os dois mtodos de previso enfocados em relao mdia dos resultados das provas de carga, considerando-se a disperso dos resultados das provas de carga (medida pelo coeficiente de variao CV) variando de 0% a 20%.

92

Kmed 0,5 0,8 1,0 1,5 2,0

MTODO DE AOKI-VELOSO FS para os seguintes CV 0% 10% 20% 4,26 4,29 4,39 2,73 2,75 2,81 2,38 2,40 2,45 2,15 2,16 2,19 2,18 2,18 2,21

30% 4,56 2,92 2,54 2,25 2,26

Tabela 6.5 Fatores de segurana em funo do valor de Kmed e do Coeficiente de Variao dos resultados das provas de carga, para o mtodo de Aoki-Veloso, considerando-se a execuo de 2 provas de carga.

MTODO DE AOKI-VELOSO FS x Kmed x CV


4,5

3,5 FS

n=2 =3

2,5

2 0,5 1,0 Kmed CV = 0% CV = 10% CV = 20% CV = 30% 1,5 2,0

Figura 6.2 Variao do Fator de Segurana em funo da mdia e do Coeficiente de Variao dos resultados de duas provas de carga efetuadas na obra, considerando-se o mtodo de Aoki-Veloso.

A tabela e grfico supra foram construdos assumindo-se as mesmas informaes anteriores relativas ao mtodo de Aoki-Veloso e preciso intra-canteiro (Tabela 6.1 e Figura 6.1).

93

MTODO DE DECOURT-QUARESMA FS para os seguintes CV Kmed 0% 10% 20% 30% 0,5 4,51 4,55 4,66 4,84 0,8 2,83 2,85 2,92 3,04 1,0 2,41 2,42 2,48 2,57 1,5 2,01 2,02 2,06 2,12 2,0 1,90 1,91 1,94 1,99
Tabela 6.6 Fatores de segurana em funo da mdia e coeficiente de variao dos resultados de K, para o mtodo de Decourt-Quaresma.

MTODO DECOURT-QUARESMA FS x Kmed x CV


5

4,5

3,5 FS

n=2 =3

2,5

1,5 0,5 1,0 Kmed CV = 0% CV = 10% CV = 20% CV = 30% 1,5 2,0

Figura 6.3 - Variao do Fator de Segurana em funo da mdia dos resultados das provas de carga (Kmed) e da variabilidade dos resultados, aqui representada pela relao entre k2 e k1, considerando-se o mtodo de Decourt-Quaresma.

A tabela e figura supra foram construdas com fulcro nas informaes anteriores consideradas para o mtodo de Decourt-Quaresma (Tabela 6.1 e Figura 6.1).

94

Dos grficos retro, nota-se que, coerentemente, h uma reduo do fator de segurana com o aumento da mdia dos resultados das provas de carga. Alm disso, fica evidenciado tambm que o fator de segurana depende no somente da mdia dos resultados das provas de carga, mas tambm da variabilidade entre os referidos resultados. Quanto maior a variabilidade dos resultados das provas de carga maior o fator de segurana exigido para a manuteno de um dado um . Muito inobstante, observa-se que o fator de segurana pouco sensvel variabilidade intra-canteiro, ocorrendo aumento significativo do fator de segurana somente para elevados valores do coeficiente de variao dos resultados das provas de carga (por exemplo, para CV=30%). Tal fato decorre, muito provavelmente, da pouca importncia da variabilidade intra-canteiro frente variabilidade inter-canteiros, ou seja, a variabilidade de capacidade de carga entre as diversas obras que deram origem s distribuies gama utilizadas.
6.1.6 Influncia do nmero de provas de carga executadas no fator de segurana

Para estudar o efeito do nmero de provas de carga (n) no fator de segurana, aplicou-se a metodologia apresentada considerando-se a realizao de at 3 provas de carga na obra hipottica, considerando-se as mesmas informaes anteriores relativas preciso intra-canteiro e ao mtodo de Aoki-Veloso. A Figura 6.4 apresenta uma simulao onde se realiza de 1 a 3 provas de carga que tenham resultado em um determinado Kmed e decorrido em um Coeficiente de Variao nulo (CV = 0%). Os resultados extrados da anlise da figura, a primeira vista, podem parecer inconsistentes, haja vista que o fator de segurana para 3 provas de carga pode ser at maior que o FS para 1 prova de carga, para reduzidos valores de Kmed. Esse comportamento tem uma explicao lgica. Se, medida que efetuamos mais provas de carga, o valor de k = Pobs/Pprev tenha se mostrado sempre baixo (exemplo, k = 0,3), significa que as provas de carga esto indicando que, no site em questo, o mtodo de

95

previso superestima a capacidade de carga, exigindo fatores de segurana cada vez mais altos a cada confirmao de que o mtodo superestima a capacidade de carga (a cada prova de carga com valor de K pequeno).

MTODO DE AOKI-VELOSO FS x n provas x kmed


4,50

4,00

3,50

CV = 0% =3

FS

3,00

2,50

2,00

1,50 0,5 1,0 kmed 1 prova 2 provas 3 provas 1,5 2,0

Figura 6.4 Variao de FS com Kmed e com o nmero de provas de carga efetuadas, considerando-se o mtodo de Aoki-Veloso e Coeficiente de Variao dos resultados das provas de carga seja zero (CV = 0%).

O comportamento retro mencionado sugere que a execuo de provas de carga adicionais em determinada obra pode redundar em significativa reduo do fator de segurana nas situaes em que o mtodo de previso da capacidade de carga no superestime, de forma sistemtica, a verdadeira capacidade de carga (o resultado da prova de carga esttica). A Figura 6.5 uma ampliao da Figura 6.4, destacando que, para uma faixa de valores mais provveis para Kmed, h uma persistente reduo de FS a cada prova de carga feita.

96

MTODO DE AOKI-VELOSO FS x n provas x kmed


2,90

2,70

2,50

FS

2,30

2,10

1,90

1,70

1,50 0,8 0,9 1,0 1,1 kmed 1 prova 2 provas 3 provas 1,2 1,3 1,4 1,5

Figura 6.5 Ampliao da figura anterior, destacando uma faixa de valores mais provveis para Kmed.

A Figura 6.6 apresenta a variao do fator de segurana com o nmero de provas de carga considerando-se o coeficiente de variao dos resultados de K de CV = 15%. Analisando-se a referida figura, observa-se que, para esse grau de disperso dos valores de K no canteiro, a execuo de provas de carga adicionais no resulta na reduo do fator de segurana.

97

MTODO DE AOKI-VELOSO FS x Kmed x n provas


5,00

4,50

4,00

CV = 15% =3

FS

3,50

3,00

2,50

2,00 0,5 1,0 Kmed n = 2 provas n = 3 provas n = 4 provas 1,5 2,0

Figura 6.6 Variao do FS com Kmed e com o nmero de provas efetuadas, considerando-se um coeficiente de variao da varivel K de CV = 15%.

Do exposto neste exemplo, nota-se o fator de segurana a ser aplicado dependente da mdia e da variabilidade da varivel K = Pobs/Pprev no interior da obra. Quanto maior o valor de Kmed menor o fator de segurana demandado e quanto maior a variabilidade dos resultados das provas de carga (CV) maior o fator de segurana exigido. A influncia da variabilidade dos resultados das provas de carga no fator de segurana ficou evidenciada para elevados valores do coeficiente de variao dos resultados de K = Pobs/Pprev em determinada obra.

98

6.2.

EXEMPLO 02: PROVA DE CARGA DINMICA E PRECISO INTRACANTEIRO DESCONHECIDA

Neste item sero considerados os mesmos informes utilizados no item anterior, porm com o diferencial de que sero feitas provas de carga dinmica ao invs de provas de carga estticas. A maior incerteza em relao s provas de carga dinmica foi incorporada, como j dito, atravs da metodologia exposta no APNDICE A da presente dissertao. Analisandose as tabelas constantes no referido apndice, nota-se a grande variabilidade dos valores da mdia e varincia da varivel Pdin/Pprev, sendo Pdin a capacidade de carga da estaca apurada por ensaio dinmico e Pprev a carga prevista para a estaca. Uma dificuldade considervel foi obter os valores dos momentos de R = log(K) a partir dos momentos da varivel K. Dada a forte no linearidade da funo logartmica, a mdia da varivel R no igual ao logaritmo da mdia da varivel K. Essa dificuldade foi superada com a utilizao do Mtodo de Primeira Ordem e Segundo Momento (FOSM First Order Second Moment), como apresentado no
APNDICE B.

Aplicando-se as formulaes bayesianas para o caso de varincia desconhecida aos informes da varivel R relativos aos mtodos de Aoki-Veloso e Decourt-Quaresma apresentados na Tabela B1 (APNDICE B), para uma prova de carga e = 3, obtm-se os fatores de segurana apresentados nas tabelas e figuras que se seguem.

Kmed 0,5 0,8 1,0 1,5 2,0

FS PARA MTODO DE AOKI-VELOSO Esttica Din-Paikowsky Din-Gates Din-PDA cases 3,84 4,84 5,67 4,91 2,81 3,31 3,94 3,53 2,56 2,87 3,40 3,15 2,40 2,37 2,68 2,72 2,46 2,17 2,32 2,56

Tabela 6.7 Fatores de segurana propostos para o mtodo de Aoki-Veloso considerando-se a realizao de uma prova de carga que tenha decorrido em um valor de K, para = 3. Os informes de R relativos s provas dinmicas esto apresentados na tabela do Apndice B.

99

MTODO DE AOKI-VELOSO FS x K x tipo de prova


6,00 5,50 5,00 4,50 FS 4,00 3,50 3,00 2,50 2,00 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 K Esttica Din-Paikowsky Din-Gates Din-PDA cases 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0

n=1 =3

Figura 6.7 Variao do FS com o valor de K = Pobs/Pprev para o mtodo de Aoki-Veloso e em funo do tipo de prova de carga, considerando-se a relao Pdin/Pestat oriunda dos bancos de dados de Paikowsky, Gates e PDA cases, como informado em MacVay et al (2000).

Analisando-se o grfico e a tabela supra, nota-se que os fatores de segurana associados s provas de carga dinmica tendem a ser maiores que aqueles associados s provas de carga esttica, exceo para o caso de elevadores valores de K = Pobs/Pprev. Essa inverso ocorrida para elevados valores de K encontra explicao no fato de que os ensaios de carregamento dinmico tendem a subestimar a capacidade de carga da estaca em relao s provas estticas. Desta feita, valores elevados de K obtidos por prova de carga dinmica sugerem que o verdadeiro valor de K (aquele obtido por prova esttica) seja ainda maior, possibilitando uma reduo do fator de segurana para o caso de provas dinmicas. A tabela e a figura a seguir apresentadas mostram os fatores de segurana a serem aplicados previso pelo mtodo de Decourt-Quaresma, aferidas por uma prova dinmica,

100

com = 3.

FS PARA MTODO DE DECOURT-QUARESMA Kmed Esttica Din-Paikowsky Din-Gates Din-PDA cases 0,5 4,21 5,08 5,75 5,12 0,8 2,95 3,40 3,95 3,58 1,0 2,62 2,90 3,38 3,13 1,5 2,31 2,31 2,62 2,59 2,0 2,25 2,04 2,24 2,34
Tabela 6.8 - Fatores de segurana propostos para o mtodo de Decourt-Quaresma considerando-se a realizao de uma prova de carga que tenha decorrido em um valor de K, para = 3. Os informes de R relativos s provas dinmicas esto apresentados na tabela do Apndice B.

MTODO DE DECOURT-QUARESMA FS x K x tipo de prova


6,00 5,50 5,00 4,50 FS 4,00 3,50 3,00 2,50 2,00 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 K Esttica Din - Paikowsky Din - Gates Din - PDA cases 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0

n=1 =3

Figura 6.8 - Variao do FS com o valor de K = Pobs/Pprev para o mtodo de Decourt-Quaresma e em funo do tipo de prova de carga, considerando-se a relao Pdin/Pestat oriunda dos bancos de dados de Paikowsky, Gates e PDA cases, como informado em MacVay et al (2000).

Da figura supra, observa-se que persiste a tendncia do FS para as provas dinmicas serem maiores que aqueles associados s provas estticas, exceo para o caso de elevados valores de K. Para se avaliar o efeito do nmero e da disperso das provas de carga no fator de

101

segurana, apresenta-se a seguir os resultados de FS considerando-se duas provas de carga, com disperso de CV = 0% e CV = 20%, para = 3.

FS PARA MTODO DE AOKI-VELOSO - CV = 0% Kmed Esttica Din-Paikowsky Din-Gates Din-PDA cases 0,5 4,26 4,75 4,96 4,69 0,8 2,73 3,00 3,29 3,12 1,0 2,38 2,52 2,78 2,70 1,5 2,15 1,97 2,10 2,22 2,0 2,18 1,74 1,76 2,01
Tabela 6.9 - Fatores de segurana propostos para o mtodo de Aoki-Veloso considerando-se a realizao de duas provas de carga que tenham decorrido em um valor de Kmed , para = 3 e CV = 0% (k1 = k2).

FS PARA MTODO DE AOKI-VELOSO - CV = 20% Kmed Esttica Din-Paikowsky Din-Gates Din-PDA cases 0,5 4,39 4,90 5,13 4,84 0,8 2,81 3,10 3,40 3,22 1,0 2,45 2,60 2,86 2,78 1,5 2,19 2,03 2,16 2,27 2,0 2,21 1,78 1,81 2,06
Tabela 6.10 - Fatores de segurana propostos para o mtodo de Aoki-Veloso considerando-se a realizao de duas provas de carga que tenham decorrido em um valor de Kmed , para = 3 e CV = 20%.

MTODO DE AOKI-VELOSO FS x Kmed x tipo de prova


5,00 4,50 4,00 3,50 FS 3,00 2,50 2,00 1,50 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 Kmed Esttica Din - Paikowsky Din - Gates Din - PDA cases

n=2 CV = 0% =3

Figura 6.9 - Variao do FS com o valor de K = Pobs/Pprev para o mtodo de Aoki-Veloso e em funo do tipo de prova de carga, considerando-se duas provas de carga com CV = 0%.

102

MTODO DE AOKI-VELOSO FS x Kmed x tipo de prova


5,50 5,00 4,50 4,00 FS 3,50 3,00 2,50 2,00 1,50 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 Kmed Esttica Din - Paikowsky Din - Gates Din - PDA cases

n=2 CV = 20% =3

Figura 6.10 - Variao do FS com o valor de K = Pobs/Pprev para o mtodo de Aoki-Veloso e em funo do tipo de prova de carga, considerando-se duas provas de carga com CV = 20%.

Das figuras e tabelas supra apresentadas, constata-se que os fatores de segurana a serem aplicados aos resultados de provas dinmicas podem ser menores que aqueles a serem aplicados aos resultados de provas de carga esttica, situao essa que ocorre para elevados valores de K = Pobs/Pprev. Coerentemente, os fatores de segurana aumentam com o aumento da disperso dos resultados de K verificados na obra, medida atravs do coeficiente de variao. Maiores coeficientes de variao dos resultados de K esto associados a maiores fatores de segurana, tambm no caso de realizao de ensaios dinmicos.

6.3.

EXEMPLO 03: PROVA DE CARGA ESTTICA E PRECISO INTRACANTEIRO CONHECIDA

Neste exemplo sero aplicadas as formulaes bayesianas para o caso de varincia (ou, mutatis mutandis, de preciso) conhecida, bem como considerar-se- que a capacidade de carga observada na obra seja obtida por prova de carga esttica, conduzida at a ruptura.

103

Novamente sero considerados nas simulaes os mtodos de Aoki-Veloso e Decourt-Quaresma. Importante salientar que, no caso de varincia intra-canteiro conhecida, a disperso dos resultados das provas de carga executadas em determinada obra no tem influencia no fator de segurana. Destarte, caso a disperso dos resultados de K em determinada obra, medida pela varincia amostral, seja diferente da varincia intra-canteiro (suposta conhecida), tal diferena pode ser considerada meramente casual.
6.3.1 Informaes anteriores referentes variabilidade intra-canteiro

Diferentemente das abordagens utilizadas nos dois exerccios anteriores, no presente exemplo a preciso intra-canteiro ser admitida fixa e conhecida. Tal considerao pode perfeitamente ser feita na prtica de projeto, desde que o engenheiro tenha informaes anteriores suficientes acerca do local onde ser erigida a obra. Essa abordagem tambm permite a tabulao do fator de segurana para diferentes classes de preciso intra-canteiro de forma simples, porm sem prejuzo do rigor estatstico, de tal forma que pode subsidiar melhorias das normas e cdigos de projeto e construo de estacas. Com a finalidade de se avaliar a dependncia de FS com a preciso intra-canteiro, ser utilizada a diviso ad hoc para as classes de preciso intra-canteiro proposta na Tabela 6.11, com fulcro nos informes de vrios autores. Os valores apresentados entre parnteses na referida tabela sero os valores representativos de cada classe de preciso intra-site. Evidentemente que a classificao apresentada na tabela retro mencionada pode e deve ser discutida e melhorada, justificando o convite construo de um intenso banco de dados de provas de carga, sugerida por alguns autores, para que a variabilidade intra-canteiro possa ser melhor avaliada (Alonso, 2002; De Mello et al, 2002).

104

Tabela 6.11 Distino ad hoc das classes de preciso, em funo dos valores de [R] apresentados por vrios autores. Os valores entre parnteses sero os valores representativos de cada classe.

Com fulcro nos informes da tabela supra, os valores representativos de preciso intra-canteiro correspondentes a cada classe sero os seguintes: - baixa preciso: [R] = 0,20; - mdia preciso: [R] = 0,15; - alta preciso: [R] = 0,08.
6.3.2 Informaes anteriores relativas aos mtodos de previso

Sero consideradas as mesmas informaes anteriores referentes aos mtodos de Aoki-Veloso e Decourt-Quaresma utilizadas nos exemplos anteriores e apresentadas na Tabela 6.1.
6.3.3 Previso e resultados de provas de carga esttica

Suponha-se que tenham sido feitas previses de capacidade de carga para uma estaca da obra hipottica, identificada por E1, pelos mtodos de Aoki-Veloso e Decourt-Quaresma. Por simplicidade, considere-se que ambos os mtodos forneceram a mesma estimativa da capacidade de carga, de 500kN. Suponha-se ainda que seja feita uma prova de carga esttica sobre a estaca retro mencionada, obtendo-se a carga ltima de, por exemplo, 550kN. luz desse resultado, apresenta-se o seguinte quadro resumo:

105

SNTESE DOS RESULTADOS DAS PROVAS DE CARGA Estaca E1 Pprev(kN) 500 Pobs(kN) 550
B B

K = Pobs/Pprev
B B B B

R = logK 0,0414 0,0414

1,1

Mdia de R - mR

Tabela 6.12 Previso da capacidade de carga e resultado da prova de carga da obra hipottica.

6.3.4 Atualizao bayesiana

O processo de atualizao bayesiana para o caso de varincia conhecida tem por base as equaes 4.30 a 4.33 e equao 4.35. Com fulcro nas referidas equaes, considerando-se um ndice de confiabilidade = 3 e o caso de alta preciso intra-canteiro ( = 0,08), obtm-se os valores expostos na seguinte tabela, para os dois mtodos e previso ora em comento:

Tabela 6.13 Fatores de segurana obtidos para os mtodos de Aoki-Veloso e Decourt-Quaresma, com fulcro nas informaes anteriores apresentadas na Tabela 6.1 e nos resultados expostos na Tabela 6.12, considerando-se = 3 e = 0,08.

Da tabela supra nota-se que o fator de segurana a ser aplicado previso de capacidade de carga obtida pelo mtodo de Decourt-Quaresma sensivelmente maior que aquele aplicado previso feita por Aoki-Veloso. No entanto, importante salientar que a eventual superioridade de um mtodo em relao a outro fica condicionada distribuio anterior da varivel R = log(Pobs/Pprev) considerada, distribuio essa que, em ltima anlise, pode depender do local da obra, tipo de estaca e outros informes.

106

Nota-se tambm, dos resultados apresentados na Tabela 6.13, que os fatores de segurana obtidos so maiores que o fator de segurana proposto pela NBR 6122 para o caso de execuo de prova de carga (FS = 1,6).

6.3.5 Variao do fator de segurana com a preciso intra-canteiro

Para se avaliar a variao do fator de segurana com a preciso intra-canteiro, as formulaes bayesianas foram aplicadas ao mtodo de Aoki-Veloso considerando-se as trs classes de preciso intra-canteiro mencionadas no item 6.3.1. O grfico a seguir apresenta os resultados obtidos:

MTODO DE AOKI-VELOSO FS x K x preciso


6,00 5,50 5,00 4,50 4,00 FS 3,50 3,00 2,50 2,00 1,50 1,00 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 K alta preciso mdia preciso baixa preciso

n=1 =3

Figura 6.11 Fatores de segurana em funo de K, para o mtodo de A&V, considerando-se = 3 e a execuo de uma prova de carga. Foram considerados os mesmos informes anteriores apresentados na Tabela 6.1.

Analisando-se a figura supra, nota-se que, coerentemente, quanto maior a preciso intra-canteiro (menor desvio-padro da varivel R) menor o fator de segurana exigido.

107

A tabela a seguir apresenta os dados que deram origem ao grfico retro:

Tabela 6.14 Fatores de segurana para o mtodo de Aoki-Veloso, em funo do resultado de K na obra e da preciso intra-canteiro, considerando-se uma prova de carga (n = 1) e = 3.

O grfico a seguir apresenta a variao do fator de segurana com a preciso intracanteiro e a mdia da varivel K = Pobs/Pprev para duas provas de carga, considerando-se os mesmos informes anteriores relativos varivel R para o mtodo de Aoki-Veloso.

MTODO DE AOKI-VELOSO FS x Kmed x preciso


7,00 6,00 5,00 FS 4,00 3,00 2,00 1,00 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 Kmed alta preciso mdia preciso baixa preciso

n=2 =3

Figura 6.12 Fatores de segurana em funo de Kmed, para o mtodo de A&V, considerando-se = 3 e a execuo de duas prova de carga.

A tabela a seguir apresenta os dados que originaram a Figura 6.12.

108

Tabela 6.15 - Fatores de segurana para o mtodo de Aoki-Veloso, em funo da mdia dos valores de K para duas provas de carga e da preciso intra-canteiro.

Analisando-se a Figura 6.12 e a tabela supra, observa-se que, de fato, menores precises de canteiro esto associadas a maiores fatores de segurana. Diferentemente dos resultados obtidos para o caso de varincia desconhecida, podese perceber no presente caso que o fator de segurana varia bastante em funo do desviopadro intra-canteiro (suposto conhecido). Os resultados sugerem que o conhecimento da preciso intra-canteiro fundamental para a correta apropriao da segurana no projeto de fundaes em estacas.

6.3.6 Variao do fator de segurana com o nmero de provas de carga

Para se avaliar a variao do fator de segurana com o nmero de provas de carga, as formulaes bayesianas foram aplicadas ao mtodo de Aoki-Veloso considerando-se a execuo de at 4 provas de carga. O grfico seguinte apresenta os resultados da simulao, considerando-se o desviopadro intra-canteiro = 0,20 (baixa preciso).

109

MTODO DE AOKI-VELOSO FS x Kmed x n provas


8,00

7,00

6,00 FS

= 0,20 =3

5,00

4,00

3,00 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 Km ed n = 2 provas n = 3 provas n = 4 provas

Figura 6.13 Variao de FS com a mdia dos resultados dos valores de K verificados na obra e com o nmero de provas de carga, para o mtodo de Aoki-Veloso.

MTODO DE AOKI-VELOSO FS x Kmed x n provas


5,00 4,90 4,80 4,70 4,60 4,50 4,40 FS 4,30 4,20 4,10 4,00 3,90 3,80 3,70 3,60 3,50 0,8 0,9 1,0 1,1 Km ed n = 2 provas n = 3 provas n = 4 provas 1,2 1,3 1,4 1,5

Figura 6.14 Ampliao da figura anterior, considerando-se uma faixa mais provvel de valores de Kmed.

110

Analisando-se as figuras retro apresentadas, nota-se que, da mesma forma que no caso de varincia intra-canteiro desconhecida, para pequenos valores de Kmed (Kmed = 0,3 por exemplo) quanto maior o nmero de provas de carga maior o fator de segurana necessrio, fenmeno cuja causa j foi explicada anteriormente e est relacionada com a superestimativa proporcionada pelo mtodo de previso. Quando o mtodo de previso no superestima a capacidade de carga observada (K = Pobs/Pprev 1), a execuo de provas de carga adicionais implica em reduo do fator de segurana, como mostra a Figura 6.14.

6.4.

EXEMPLO 04: PROVA DE CARGA DINMICA E PRECISO INTRACANTEIRO CONHECIDA

Neste exemplo sero aplicadas as formulaes bayesianas para o caso de variabilidade intra-canteiro conhecida, bem como ser considerado que a capacidade de carga observada na obra seja obtida por ensaios de carregamento dinmico. Para tanto, sero considerados os informes anteriores relativos varivel R = log(Pobs/Pprev) apresentados na Tabela B1 do APNDICE B. As tabelas a seguir apresentam os fatores de segurana demandados para o mtodo de Aoki-Veloso, considerando-se a execuo de at 4 ensaios de carregamento dinmico e os informes relativos varivel Pdin/Pestat apresentados por Paikowsky (1994) apud McVay (2000).

Tabela 6.16 Variao de FS com a preciso intra-canteiro e com o valor de Kmed para o mtodo de A&V, considerando-se a execuo de 2 provas de carga dinmicas.

111

Tabela 6.17 Variao de FS com a preciso intra-canteiro e com o valor de Kmed para o mtodo de A&V, considerando-se a execuo de 3 provas de carga dinmicas.

Tabela 6.18 Variao de FS com a preciso intra-canteiro e com o valor de Kmed para o mtodo de A&V, considerando-se a execuo de 4 provas de carga dinmicas.

As figuras a seguir ilustram a variao de FS com o nmero de provas de carga e foram construdas com fulcro nas tabelas retro. Analisando-se as referidas figuras, observa-se que o fator de segurana diminui com um maior nmero de provas de carga realizadas e com o valor de Kmed.

112

MTODO DE AOKI-VELOSO FS x Kmed x n provas


4,00

3,50

= 0,08 =3

3,00

FS

2,50

2,00

1,50

1,00 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 Kmed n = 2 provas n = 3 provas n = 4 provas

Figura 6.15 Variao de FS com Kmed e com o nmero de provas de carga dinmica, para o mtodo de AokiVeloso, considerando-se = 0,08 (alta preciso).

MTODO DE AOKI-VELOSO FS x Kmed x n de provas


6,00

5,00

4,00

= 0,15 =3

FS

3,00

2,00

1,00

0,00 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 Kmed n = 2 provas n = 3 provas n = 4 provas

Figura 6.16 Variao de FS com Kmed e com o nmero de provas de carga dinmica, para o mtodo de AokiVeloso, considerando-se = 0,15 (mdia preciso).

113

As figuras e tabelas a seguir apresentam a variao de FS com Kmed e com o tipo de prova de carga.

Tabela 6.19 Variao de FS com Kmed e com o tipo de prova, considerando-se a realizao de 2 ensaios de carregamento dinmico e = 0,08 (alta preciso). Os informes relativos varivel Pdin/Pestat so decorrentes dos bancos de dados de Paikowsky e Gates, sintetizados em McVay et al (2000).

MTODO DE DECOURT-QUARESMA FS x Kmed x tipo de prova


7,00 Esttica 6,00 Din-Paikowsky Din-Gates

5,00

= 0,08 =3

FS

4,00

3,00

2,00

1,00 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 Kmed

Figura 6.17 Variao de FS com Kmed e com o tipo de prova de carga, com base nos informes apresentados na Tabela 6.19.

114

Tabela 6.20 Variao de FS com Kmed e com o tipo de prova, considerando-se a realizao de 2 ensaios de carregamento dinmico e = 0,15 (mdia preciso).

MTODO DE DECOURT-QUARESMA FS x Kmed x tipo de prova


12,00 11,00 10,00 9,00 8,00 FS 7,00 6,00 5,00 4,00 3,00 2,00 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 Kmed Esttica Din-Paikowsky Din-Gates

= 0,15 =3

Figura 6.18 Variao de FS com Kmed e com o tipo de prova de carga, com base nos informes apresentados na Tabela 6.20.

Analisando-se os grficos supra apresentados, nota-se que para pequenos valores de Kmed (Kmed = 0,3 por exemplo) os fatores de segurana associados aos resultados de ensaios de carregamento dinmico so consideravelmente maiores que aqueles associados aos resultados de provas de carga esttica.

115

Tambm possvel apurar que, para elevados valores de Kmed, os fatores de segurana para provas estticas tendem a ser maiores que os fatores de segurana associados aos resultados de ensaios de carregamento dinmico. A justificativa para esse fenmeno (maior FS associado s provas estticas) j foi devidamente apresentada no Exemplo 6.2 e tem relao com a tendncia de as provas dinmicas subestimarem a capacidade de carga frente s provas estticas.

116

7. CONCLUSES
No presente trabalho procurou-se apresentar o uso da inferncia bayesiana na incorporao das informaes adicionais provenientes de provas de carga sobre estacas, tanto provas de carga estticas quanto dinmicas, para a reavaliao da segurana das estacas quando da obra implantada. Iniciou-se com uma apresentao dos fatores intervenientes nos mtodos de introduo da segurana, dando destaque aos diversos tipos de incerteza. Apresentou-se tambm a influncia dos erros humanos na concorrncia de colapsos e as conseqncias de uma eventual runa. Prosseguiu-se o trabalho apresentando os diversos mtodos de introduo da segurana, dispostos segundo suas ordens evolutivas, destacando-se o mtodo semiprobabilstico, seguido dos mtodos de Nvel II, tambm conhecidos como mtodos do ndice de confiabilidade, e dos mtodos Nvel III, nos quais, efetivamente, feito o clculo das probabilidades de runa. Apresentou-se tambm, de forma sucinta, um quarto nvel de rigor conceitual, no qual o clculo da probabilidade de runa decorre de uma anlise de custo/benefcio. Desta etapa do trabalho, restou concludo que a probabilidade de runa est relacionada de forma biunvoca com a segurana da estrutura, constituindo-se, pois, a forma ideal de se mensurar a segurana estrutural. No que concerne inferncia bayesiana, apresenta-se a seguir as concluses alcanadas na presente pesquisa, consubstanciadas em todo o exposto. a) Diante das pequenas probabilidades associadas ao evento runa, a inferncia bayesiana se apresenta com grande vantagem em relao estatstica clssica, haja vista que permite a incorporao de eventuais informaes anteriores existentes, muitas vezes de carter subjetivo, tornando o processo de inferncia menos dependente de observaes de colapsos de estruturas similares. Como foi apresentado, diante do fato inexorvel de que o subjetivismo est sempre presente em alguma fase da concepo, clculo ou construo de uma estrutura

117

geotcnica, o mtodo permite a incorporao, de forma racional, dessa subjetividade; b) As informaes anteriores utilizadas no modelo bayesiano provm basicamente de duas fontes: (i) dados histricos do fator de vis (K = Pobs/Pprev) relativos aos diversos mtodos de previso da capacidade de carga e (ii) variabilidade intra-canteiro da capacidade de carga das estacas. Diversos trabalhos tratando do tema previso versus comportamento tm apresentado valores da varivel K = Pobs/Pprev, para os mais diversos tipos de solo, de modo que se constituem, na prtica, em importante fonte de informao apriorstica. Ressalta-se que o mtodo no exige que as informaes prvias utilizadas provenham estritamente de trabalhos anteriores, como os trabalhos que subsidiaram o exemplo elucidativo apresentado na presente dissertao. Pode-se, sem prejuzo, utilizar informaes subjetivas obtidas da eliciao de um expert na rea em questo; c) Tambm restou evidenciada a capacidade da inferncia bayesiana no processamento de informaes adicionais advindas da observao dos resultados de provas de carga sobre estacas, permitindo a implementao do Mtodo Observacional na prtica da engenharia de fundaes. Neste contexto, como as incertezas associadas aos resultados de provas de carga so menores que aquelas associadas aos mtodos de previso da capacidade de carga, o mtodo permite a atualizao da segurana das estacas de uma determinada obra; d) Da aplicao do mtodo por meio de exemplos elucidativos pode-se concluir que o fator de segurana a ser aplicado aos resultados das provas de carga depende no somente da mdia dos resultados obtidos na experimentao (Kmed), mas tambm, e coerentemente, da variabilidade dos resultados das provas de carga em uma determinada obra, variabilidade essa representada pelo coeficiente de variao dos resultados de K. Destarte, quanto maior a variabilidade da varivel K = Pobs/Pprev em determinada obra, maior ser o fator de segurana exigido para a manuteno de certo ndice de confiabilidade; e) Tambm ficou demonstrado que nem sempre um maior nmero de provas de carga executadas em uma mesma obra traduz, inequivocadamente, reduo do fator de segurana. A reduo do fator de segurana com o aumento do nmero de provas de carga somente percebida quando o mtodo de previso no superestima, de forma sistemtica, a capacidade de carga das estacas no local da obra. Quando o mtodo de previso superestima sistematicamente a capacidade de carga das estacas em uma obra, nota-se que o fator de

118

segurana necessrio aumenta a cada realizao de uma prova de carga, ou seja, a cada confirmao da superestimativa proporcionada pelo mtodo. Com fulcro nas assertivas retro pode-se consignar que o mtodo bayesiano permite a formalizao da reduo da incerteza com o aumento do nmero de provas de carga, em alternativa aos mtodos ad-hoc que tm sido utilizados para este fim, mesmo em normas tcnicas. Tambm possvel concluir em relao a este tema que nem sempre reduo da incerteza resulta em reduo do fator de segurana; f) Nos exemplos relacionados ao caso de preciso intra-canteiro conhecida props-se a considerao de 3 classes de preciso intra-canteiro, denotadas por alta preciso, mdia preciso e baixa preciso, para as quais foram obtidos os fatores de segurana necessrios para a manuteno de um ndice de confiabilidade = 3. Coerentemente, quanto maior a preciso intra-canteiro (representada pelo desvio-padro da varivel R = log(Pobs/Pprev)) menor o fator de segurana demandado. A tabulao dos fatores de segurana em funo das diversas classes de preciso intra-canteiro poderia ser um primeiro passo para a considerao da variabilidade intra-canteiro em normas e cdigos de projeto e construo de fundaes, de forma relativamente simples e fundamentada; g) Confrontando-se os resultados obtidos para o caso de varincia desconhecida com o caso de varincia conhecida, pode-se notar que, no primeiro caso, a variabilidade do valor de K em determinada obra ([K]) no tem grande influncia no fator de segurana. Esse comportamento decorre do fato de que, no caso de varincia desconhecida, a distribuio Gama utilizada para representar a preciso intra-site obtida por comparao entre diversas obras, em locais distintos. Desta feita, a variabilidade inter-site prevalece sobre a variabilidade intra-site, de forma que o desvio-padro dos resultados de K em um obra em particular no altera o fator de segurana de forma significativa. A considerao de diversas obras para a concepo da distribuio Gama representativa da preciso intra-canteiro pode se constituir um bice para a utilizao do caso de varincia desconhecida na prtica da engenharia de fundaes, de modo que a inferncia com varincia conhecida pode representar uma alternativa mais apropriada;

119

h) Outra concluso importante se refere distino entre os fatores de segurana a serem aplicados aos resultados de provas de carga esttica e aos resultados de ensaios de carregamento dinmico. Restou consignado que quando o mtodo de previso superestima a verdadeira capacidade de carga da estaca, os maiores fatores de segurana esto associados aos ensaios de carregamento dinmico. Esse mesmo comportamento ocorre para valores de Kmed muito prximos da unidade. Quando os valores de Kmed so muito elevados (por exemplo, Kmed = 2), os fatores de segurana a serem aplicados aos resultados de ensaios de carregamento dinmico podem ser at menores que aqueles a serem aplicados aos resultados de provas de carga esttica. Esse comportamento, como discutido no corpo da presente dissertao, tem relao com a tendncia de as provas de carga dinmica subestimarem a capacidade de carga da estaca frente s provas de carga esttica. No entanto, cumpre salientar que a diferena dos fatores de segurana a serem aplicados s provas de carga estticas e dinmicas varia muito em funo da mdia e desviopadro da varivel Pdin/Pestat. Os diversos trabalhos que procuraram relacionar os resultados de provas de carga esttica com os resultados de prova dinmica apontam para a grande variabilidade dos valores da mdia e desvio-padro da referida varivel, de forma que a distino entre os fatores de segurana para provas estticas e dinmicas demandar estudos adicionais sobre o comportamento dessa varivel. Como sugestes para pesquisas futuras, podem ser destacadas as seguintes: - Avaliao experimental da preciso intra-canteiro, mediante a execuo de um elevado nmero de provas de carga em uma mesma obra e quantificao do desvio-padro da varivel R ([R]): este procedimento, efetuado em diversas obras, permitir a distino das obras em stios de alta, mdia e baixa preciso, possibilitando a proposio de fatores de segurana especficos para cada uma dessas classes de preciso; - Estudos adicionais referentes ao comportamento da varivel Pdin/Pestat, ou seja, a relao entre as capacidades de carga obtida por ensaio de carregamento dinmico e provas de carga esttica: tais estudos teriam por finalidade avaliar melhor a distino entre os fatores de segurana a serem aplicados aos ensaios de carregamento dinmico e provas de carga esttica;

120

- Incorporao, no modelo bayesiano, das possveis correlaes espaciais entre os resultados de K = Pobs/Pprev obtidos em determinada obra: o estudo das correlaes espaciais, valendose de modelos de decaimento da varincia, permitiria a adoo de um desvio-padro da varivel R ([R]) menor que aquele obtido sob a hiptese de independncia, propiciando melhor quantificao da segurana; - Incorporao das incertezas relacionadas aos resultados das provas de carga esttica: muito embora o presente estudo tenha considerado que as provas de carga esttica forneam a verdadeira capacidade de carga da estaca, o fato que existe incerteza mesmo no caso de utilizao de prova esttica, especialmente quando da necessidade de se extrapolar a curva carga x recalque; - Aplicao do mtodo a grupos de estacas, com fulcro nos conceitos relativos confiabilidade de sistemas.

121

8. BIBLIOGRAFIA
AASHTO. LRFD bridge design specifications. Washington, D.C., 1999. ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR 12131: Estacas Prova de carga esttica. Rio de Janeiro, 1991. ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR 13208: Estacas Ensaio de carregamento dinmico. Rio de Janeiro, 1994. ALONSO, U.R. Previso e Controle das Fundaes. 2 ed., Edgard Blcher, 1991. ALONSO, U.R. Complementao do banco de dados de provas de carga esttica em estacas hlice contnua. In: XII COBRAMSEG CONGRESSO BRASILEIRO DE MECNICA DOS SOLOS E ENGENHARIA GEOTCNICA, ABMS, So Paulo, 2002. Anais, So Paulo, 2002, p. 1557-68. ANG, A.H-S.; TANG, W.H. Probability Concepts in Engineering Planning and Design: Decision, risk and reliability. New York: John Wiley & Sons, v. 2, 1984. 562 p. AOKI, N. e VELOSO, D.A. An Approximate Method to Estimate the Bearing Capacity of Piles. In: V PanAmCSMFE 5TH PANAMERICAN CONFERENCE ON SOIL
P P

MECHANICS AND FOUNDATION ENGINEERING, Buenos Aires, 1975. Anais, Buenos Aires, 1975. p. 367-75. AOKI, N. Determinao da Capacidade de Carga ltima de Estacas Cravadas em
Ensaio de Carregamento Dinmico de Energia Crescente. Tese (Doutorado) Escola de

Engenharia de So Carlos, Universidade de So Paulo. So Carlos, 1997.

122

AOKI, N.; MENEGOTTO, M.L.; CINTRA, J.C.A. Probabilidade de runa como critrio para definir o coeficiente de segurana a ser usado na previso da carga admissvel de fundaes por estacas. In: XII COBRAMSEG CONGRESSO BRASILEIRO DE MECNICA DOS SOLOS E ENGENHARIA GEOTCNICA, So Paulo, 2002. Anais, So Paulo, 2002. v. 3. p. 1471-81. BAECHER, G.B. e RACKWITZ, R. Factors of safety and pile load tests, In: International
Journal for Numerical and Analytical Methods in Geomechanics. v. 06, 1982. p. 409-

424. BAECHER, G.B. e CHRISTIAN, J.T.


Engineering. John Wiley & Sons, 2003.

Reliability and Statistics in Geotechnical

BEKMAN, O. R.; COSTA NETO, P. L. O. Anlise Estatstica da Deciso. Edgard Blcher, 1980. BENJAMIN, J.R. e CORNELL, C.A. Probability, Statistics and Decision for Civil
Engineers. McGraw-Hill, 1970.

BILFINGER,W. Critrios de Segurana de Fundaes em Estacas Cravadas com


Considerao de Controles Executivos. Tese de Doutorado. Departamento de Engenharia

de Estruturas e Fundaes da Escola Politcnica da USP, 2002. BORGES, J.R. e CASTANHETA, M. Structural Safety. 2 ed., LNEC, maro, 1971. BRINCH HANSEN, J. Limit Design and Safety Factors in Soil Mechanics. The Danish
Geotechnical Institute, Bulletin N.1, 1956.

BRINCH HANSEN, J. The philosophy of foundation design: design criteria, safety factors and settlement limits. SYMPOSIUM ON BEARING CAPACITY AND SETTLEMENT OF FOUNDATIONS. Anais, Duke University, 1967.

123

BRUCY, F.; MEUNIER, J.; NAUROY, J-F. Behaviour of a pile plug in sandy soils during and after driving. OFFSHORE TECHNOLOGY CONFERENCE, Houston, 1991. Anais, Houston, 1991. p. 145-154. CARDOSO, A.S. Segurana e Fiabilidade. Workshop W1 Anlise de Risco em Obras Geotcnicas. In: 8 CONGRESSO NACIONAL DE GEOTECNIA, Lisboa, 2002. Anais, Lisboa, 2002. v.4, p. 2263-2294. CASAGRANDE, A. Role of the Calculated Risk in Earthworks and Foundation Engineering. Journal of the Soil Mechanics Divison - ASCE, v. 91, N SM4, 1965. CHRISTIAN, J.T. Geotechnical Engineering Reliability: How Well Do We Know What We Are Doing? Journal of Geotechnical and Geoenvironmental Engineering - ASCE, 2004, p. 985-1003. CINTRA, J.C. e AOKI, N. Carga Admissvel em Fundaes Profundas. EESC-USP, Projeto REENGE, So Carlos, 1999. CORNELL, C.A. Structural Safety Specification based on Second-Moment Reliability Analysis. IABSE Symposium. Anais, London, 1969. COSTA NETO, P.L.O. Estatstica. 2 ed., Edgard Blcher, 2002. DECOURT, L. e QUARESMA, A.R. Capacidade de Carga de Estacas a partir de Valores de SPT. In: VI COBRAMSEF 6 CONGRESSO BRASILEIRO DE MECNICA DOS SOLOS E ENGENHARIA DE FUNDAES, Rio de Janeiro. Anais, Rio de Janeiro, 1978, p. 45-53. DE MELLO, V.F.B. Reconstruindo as Bases para a Geotecnia Prtica Comparativa Difundindo Estatstica-Probabilidades (EP) Simples e Convidativas para Tudo. In: XII COBRAMSEG CONGRESSO BRASILEIRO DE MECNICA DOS SOLOS E ENGENHARIA GEOTCNICA, ABMS, So Paulo. Anais, So Paulo, 2002, p. 1271-94. DE ZAGOTTIS, D. Introduo da Segurana no Projeto Estrutura. Departamento de

124

Livros e Publicaes do Grmio Politcnico, So Paulo, 1974. DUNCAN, J.M. Factors of safety and reliability in geotechnical engineering. Journal of
Geotechnical and Geoenvironmental Engineering - ASCE, 2000, v. 126, N 4, p. 307-316.

EDDE, R.D; FELLENIUS, B. H. Static or Dynamic Test Which to Trust? The 1990
Cleveland Users Day and Geotechnical News Magazine, 1992, vol. 08, N 4, p. 28-32.

EHLERS, R.S. Introduo Inferncia Bayesiana. Departamento de Estatstica da UFPR, 2003. ERIKSSON, H.E. Design values for bearing capacities of piles derived by use of statistical methods. In: 4TH INTERNATIONAL DFI CONFERENCE. Anais, Rotterdam, 1991. p. 9-12.
P P

FELLENIUS, B. H. The Analysis of Results from Routine Pile Load Tests. Ground
Engineering, 1980, v.13, n.6, p. 19-31.

HACHICH, W. Sobre a segurana nos projetos de Geotecnia. Dissertao de Mestrado, Departamento de Engenharia de Estruturas e Fundaes, Escola Politcnica da USP, 1978. HACHICH, W. Seepage related reliability of embankment dams. Tese de doutorado. Dept. of Civil Engineering, MIT, 1981. HACHICH, W. Segurana das Fundaes e Escavaes, In: Hachich et al. Fundaes
Teoria e Prtica, ABEF-ABMS, 2ed., So Paulo, 1998a.

HACHICH, W. Modelos Matemticos e Probabilistas em Engenharia Geotcnica - Uma sistematizao em forma de sonata. Tese apresentada no concurso de Livre Docncia do Departamento de Engenharia de Estruturas e Fundaes da Escola Politcnica da USP, 1998b. HASOFER, A.M.; LIND,N.C. Exact and invariant second moment code format. Journal of
the Engineering Mechanics Division - ASCE, v.100, n.EM1, February, 1974, p. 111-121.

125

KAWANO, A. An application of Design of Experiments Concepts to the Inspection Planning of Structures. SEVENTH INTERNATIONAL OFFSHORE AND POLAR ENGINEERING CONFERENCE, Honolulu, USA. Anais, Honolulu, 1997, p. 167-173. KAY, J.N. Safety factor evaluation for single piles in sand. Journal of the Geotechnical
Engineering Division - ASCE, 1976, v. 102. p. 1093-1108.

KAY, J.N. Factor of safety for piles in cohesive soils. IX INTERNATIONAL CONFERENCE ON SOIL MECHANICS AND FOUNDATION ENGINEERING. Anais, Tquio, 1977. KAY, J.N. Probabilistic design of foundations and earth structures. In: Li, K.S. & Lo, S-C.R. (editors). Probabilistic Methods in Geotechnical Engineering, Balkema, Rotterdam, 1993, p. 49-62. KONDZIOLKA, R.E.; KANDARIS, P.M. Capacity predictors for full scale transmission line test foundations. Uncertainty in the geologic environment: From theory to practice, ASCE, Reston, 1996, p. 695-709. LACASSE, S. e GOULOIS, A. Reliability analysis of axial pile capacity. Proceedings of the XII INTERNATIONAL CONFERENCE ON SOIL MECHANICS AND FOUNDATION ENGINEERING, Rio de Janeiro, 1989. Anais, Rotterdam, 1989. LEPORATI, E. The Assessment of Structural Safety A comparative statistical study and use of Level 3, Level 2 and Level 1. In: Andrew Short, J.P., Series in Cement and Concrete
Research, v. 1, Research Studies Press, 1979, 133 p.

LI, K.S.; LEE,I.K. e LO, S-C.R. Limit state design in geotechnics. In: Li, K.S. & Lo, S-C.R. (editors). Probabilistic Methods in Geotechnical Engineering, Balkema, Rotterdam, 1993. p. 29-42. LIKINS, G. E. e RAUSCHE, F. Correlation of Capwap with Static Load Tests. In: 7TH
P P

INTERNATIONAL CONFERENCE ON THE APPLICATION OF STRESSWAVE THEORY TO PILES, 2004. Anais, Petaling Jaya, Selangor, Malysia, 2004. p. 423-28.

126

LIKINS, G. E. Pile Testing Selection and Economy of Safety Factors. Current Practices
and Future Trends in Deep Foundations, Geotechnical Special Publication n 125,

American Society of Civil Engineers: Reston, VA, 2004. p 239-52. LIKINS, G.E; RAUSCHE, F.; THENDEAN, G.; SVINKIN, M. Capwap Correlation Studies. In: 5TH INTERNATIONAL CONFERENCE ON THE APPLICATION OF STRESS WAVE
P P

THEORY TO PILES, 1996. Anais, 1996. p. 477-64. MADSEN, H.O.; KRENK,S.; LIND, N.C. Methods of Structural Safety. Prentice-Hall, Inc., Englewood Cliffs, New Jersey, 1986. 403 p. MARANHA DAS NEVES, E. Estados limites e segurana em geotecnia. Geotecnia, n 72, Lisboa, 1994. MARTZ, H.F. e WALLER, R. A. Bayesian reliability analysis. John Wiley & Sons, 1982. McVAY, M.C. et al. Load and Resistance Factor Design (LRFD) for Driven Piles Using Dynamic Methods: A Florida Perspective. Geotechnical Testing Journal, v. 23, N 1, 2000. p. 55-66. MEYER, P.L. Probabilidade Aplicaes Estatstica, 2 ed., Livros Tcnicos e Cientficos, 1983. MONTGOMERY, D.C. e RUNGER, G.C. Estatstica Aplicada e Probabilidade para
Engenheiros, 2 ed., LTC, 2003.

NIYAMA, S. e AOKI, N. Correlao entre Provas de Carga Dinmica e Esttica no Campo Experimental da EPUSP/ABEF. In: SEFE II 2 SEMINRIO DE ENGENHARIA DE FUNDAES ESPECIAIS, So Paulo, 1991. Anais, So Paulo, 1991. p. 285-93. OLSON, R.E. e FLAATE, K.S. Pile driving formulas for friction piles in sand. Journal of the
Soil Mechanics and Foundations Division - ASCE, v. 93, n SM6, 1964. p. 279-96.

127

PAULINO, C.R.; TURKMAN, M.A.A.; MURTEIRA, B. Estatstica Bayesiana. Fundao Calouste Gulbenkian, Lisboa, 2003. PECK, R.B. Ninth Rankine Lecture: Advantages and limitations of the observational method in applied soil mechanics. Geotechnique, 19(2), 1969. p. 171-187. RAO, S.S. Reliability-based design. McGraw Hill, New York, 1992. ROCHA FILHO, P. Interpretao de Provas de Carga Utilizando-se de Formulao Tipo Meio Homogneo Equivalente. In: SEFE SEMINRIO DE ENGENHARIA DE FUNDAES ESPECIAIS, So Paulo, 1985. Anais, So Paulo, 1985, p. 133-45. SNCHEZ-SILVA, M. e RACKWITZ, R. Socioeconomic Implications of Life Quality Index in Design of Optimun Structures to Withstand Earthquakes. Journal of Structural
Engineering - ASCE, 2004, p. 969-977.

STUCCHI, F.R. Responsabilidade civil e a nova NB1/2002. Apresentao feita na disciplina PEF 2503 Estruturas Danificadas: segurana e aes corretivas, 2002. Disponvel em www.lmc.ep.usp.br/people/cmazzi/PEF2503/Aula14-05.ppt. Acesso em 30/06/2006.
HT TH T

TERZAGHI, K. Effect of minor geological details on the stability of dams. Technical publication N 215, American Institute of Mining and Metallurgical Engineers, New York, 1929. p. 31-44. VENEZIANO, D. Statistical Inference in Second-Moment Reliability. Research Report R 74-33, MIT, Cambrigde, 1974. VICK, S.G. Degrees of belief: Subjective probability and engineering judgment. ASCE, Reston, Va, 2002. VROUWENVELDER, A. Effects of inspection on the reliability of foundation piles. In: Barends, F.B.J. (ed), Application of Stress Wave Theory to Piles, Rotterdam, 1992.

128

WHITMAN, R.V. Evaluating calculated risk in geotechnical engineering. Journal of


Geotechnical Engineering, ASCE, 110(2), 1984. p. 145-188.

ZHANG, L.; TANG, W.H.; Ng.W.W, C. Reliability of Axially Loaded Driven Pile Groups.
Journal of Geotechnical and Geoenvironmental Engineering, ASCE, 2001, p. 1051-1060.

ZHANG, L. Reliability Verification Using Proof Pile Load Tests. Journal of Geotechnical
and Geoenvironmental Engineering, ASCE, 2004. p. 1203-1212.

ZHANG, L.; TANG, W.; ZHANG, LuLu; ZHENG, J. Reducing Uncertainty of Prediction from Empirical Correlations.
Journal of Geotechnical and Geoenvironmental Engineering, ASCE, 2004. p. 526-533.

APNDICE A
O presente apndice tem por finalidade apresentar a metodologia para o clculo de Pdin/Pprev atravs dos valores de Pdin/Pestat e de Pestat/Pprev.
B B B B B B B B B B B B

Para tanto, foi utilizada as seguintes propriedades do produto de duas variveis aleatrias, como apresentado por Benjamin e Cornell, 1970:
E ( XY ) = E ( X ) E (Y )

(a) (b)

2 2 2 2 2 VAR[ XY ] = m x y + m 2 x + x y y

Onde XY = Pdin/Pprev, X = Pdin/Pestat e Y = Pestat/Pprev.


B B B B B B B B B B B B

Os valores de Pestat/Pprev e de Pdin/Pestat esto expostos na tabela abaixo e na tabela 5.1 do


B B B B B B B B

corpo da Dissertao, respectivamente. Aplicando-se as expresses (a) e (b) aos valores expostos nas tabelas supra referidas, tem-se os resultados apresentados nas tabelas da pgina seguinte. Mtodo Aoki-Veloso (Aoki e Veloso, 1975) Decourt-Quaresma (Decourt e Quaresma, 1978) Janbu (Olson e Flaate, 1964) Gates (Olson e Flaate, 1964) E[Y] 1,014 1,058 1,13 1,33 [Y] 0,235 0,341 0,69 0,615

Tabela A1 Valores da mdia e desvio da varivel Y = Pesta/Pprev, para diversos mtodos (reproduo parcial da Tabela 4.2 da dissertao).

Aoki-Veloso (Aoki eVeloso, 1975) Momento da prova de carga dinmica Fonte dos valores de mdia e desvio da varivel Pdin/Pestat (X) 1 ENR - 77 casos (McVay et al, 2000) ENR modificado - 61 casos (McVay et al, 2000) 2 FDOT ,1991 apud McVay et al, 2000 - 72 casos Fim da cravao Gates, 1957 apud McVay et al, 2000 - 74 casos Paikowsky, 1994 apud McVay et al, 2000 - 27 casos CAPWAP cases - 44 casos (McVay et al, 2000) PDA - 48 casos (McVay et al, 2000) Sakai, 1996 apud McVay, 2000 - 21 casos ENR - 77 casos (McVay et al, 2000) ENR modificado - 61 casos (McVay et al, 2000) FDOT,1991 apud McVay et al, 2000 - 72 casos Gates, 1957 apud McVay et al, 2000 - 74 casos Paikowsky, 1994 apud McVay et al, 2000 - 27 casos Incio da recravao CAPWAP cases - 44 casos (McVay et al, 2000) PDA - 48 casos (McVay et al, 2000) Sakai, 1996 apud McVay, 2000 - 21 casos 3 SW - 143 casos (Likins e Rausche,2004) CAPWAP cases - 77 casos (Globe et al, 1980) CAPWAP cases - 83 casos (Likins et al, 1996) E[X] 4,170 3,110 0,590 0,730 1,000 0,700 0,820 1,050 5,350 3,550 0,500 0,610 1,330 0,880 1,040 0,860 0,993 1,010 0,964 Var[X] 3,610 3,686 0,130 0,160 0,102 0,053 0,063 0,372 4,973 3,349 0,084 0,053 0,168 0,068 0,068 0,203 0,027 0,029 0,046 E[PDIN/PAV] Var[PDIN/PAV] 4,228 3,154 0,598 0,740 1,014 0,710 0,831 1,065 5,425 3,600 0,507 0,619 1,349 0,892 1,055 0,872 1,007 1,024 0,977 4,871 4,528 0,160 0,203 0,166 0,084 0,105 0,464 6,968 4,324 0,105 0,078 0,280 0,116 0,133 0,260 0,084 0,088 0,101

Decourt-Quaresma (Decourt e Quaresma, 1978) E[PDIN/PDQ] 4,412 3,290 0,624 0,772 1,058 0,741 0,868 1,111 5,660 3,756 0,529 0,645 1,407 0,931 1,100 0,910 1,051 1,069 1,020 Var[PDIN/PDQ] 6,483 5,680 0,201 0,260 0,243 0,122 0,155 0,588 9,473 5,603 0,133 0,109 0,413 0,174 0,209 0,336 0,148 0,154 0,165

Tabela A2 Momentos da varivel XY = Pdin/Pprev para os mtodos de Aoki-Veloso e Decourt Quaresma, considerando-se os informes apresentados na Tabela A2 relativos aos referidos mtodos. Considerou-se as vrias fontes da mdia e desvio da varivel X = Pdin/Pestat apresentadas na Tabela 5.1 da dissertao.

Janbu (Olson e Flaate, 1964) Momento da prova de carga dinmica Fonte dos valores de mdia e desvio da varivel Pdin/Pestat (X) 1 ENR - 77 casos (McVay et al, 2000) ENR modificado - 61 casos (McVay et al, 2000) 2 FDOT ,1991 apud McVay et al, 2000 - 72 casos Fim da cravao Gates, 1957 apud McVay et al, 2000 - 74 casos Paikowsky, 1994 apud McVay et al, 2000 - 27 casos CAPWAP cases - 44 casos (McVay et al, 2000) PDA - 48 casos (McVay et al, 2000) Sakai, 1996 apud McVay, 2000 - 21 casos ENR - 77 casos (McVay et al, 2000) ENR modificado - 61 casos (McVay et al, 2000) FDOT,1991 apud McVay et al, 2000 - 72 casos Gates, 1957 apud McVay et al, 2000 - 74 casos Paikowsky, 1994 apud McVay et al, 2000 - 27 casos Incio da recravao CAPWAP cases - 44 casos (McVay et al, 2000) PDA - 48 casos (McVay et al, 2000) Sakai, 1996 apud McVay, 2000 - 21 casos 3 SW - 143 casos (Likins e Rausche,2004) CAPWAP cases - 77 casos (Globe et al, 1980) CAPWAP cases - 83 casos (Likins et al, 1996) E[X] 4,170 3,110 0,590 0,730 1,000 0,700 0,820 1,050 5,350 3,550 0,500 0,610 1,330 0,880 1,040 0,860 0,993 1,010 0,964 Var[X] 3,610 3,686 0,130 0,160 0,102 0,053 0,063 0,372 4,973 3,349 0,084 0,053 0,168 0,068 0,068 0,203 0,027 0,029 0,046 E[PDIN/PJ] 4,712 3,514 0,667 0,825 1,130 0,791 0,927 1,187 6,046 4,012 0,565 0,689 1,503 0,994 1,175 0,972 1,122 1,141 1,089

Gates (Olson e Flaate, 1964)

Var[PDIN/PJ] E[PDIN/PG] Var[PDIN/PG] 14,607 11,067 0,393 0,534 0,656 0,326 0,430 1,177 22,345 11,871 0,266 0,270 1,137 0,487 0,633 0,707 0,517 0,536 0,523 5,546 4,136 0,785 0,971 1,330 0,931 1,091 1,397 7,116 4,722 0,665 0,811 1,769 1,170 1,383 1,144 1,321 1,343 1,282 13,479 10,706 0,379 0,507 0,574 0,286 0,374 1,128 20,334 11,170 0,255 0,242 0,990 0,422 0,538 0,667 0,424 0,441 0,440

Tabela A3 Momentos da varivel XY = Pdin/Pprev para os mtodos de Janbu e Gates, considerando-se os informes apresentados na Tabela A1 relativos aos referidos mtodos. Considerou-se as vrias fontes da mdia e desvio da varivel X = Pdin/Pestat apresentadas na Tabela 5.1 da dissertao.

Os grficos a seguir apresentam as distribuies da varivel Pdin/Pprev, para os


B B B B

mtodos de Aoki-Veloso e Decourt-Quaresma e os valores de Pdin/Pestat informados por fontes


B B B B

diversas, assumindo-se que a varivel Pdin/Pprev tenha distribuio log-normal (assim como a
B B B B

varivel Pestat/Pprev).
B B B B

AOKI-VELOSO (fim da cravao)


1,8

densidade de probabilidade

1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 0,00 2,00 4,00 6,00 8,00 10,00 12,00 14,00

Pdin/Pprev ENR Gates FDOT Paikowsky

Figura A1 Distribuies log-normais da varivel Pdin/Pprev para o mtodo de Aoki-Veloso e fim da cravao, considerando-se os informes da varivel Pdin/Pestat apresentados pelo Engineering News Record apud MacVay (2000), Gates apud MacVay (2000), FDOT apud MacVay (2000) e Paikowsky apud MacVay (2000).

AOKI-VELOSO (incio da recravao)


densidade de probabilidade
2 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 0,00 2,00 4,00 6,00 8,00 10,00 12,00 14,00

Pdin/Pprev ENR GATES FDOT PAIKOWSKY

Figura A2 Distribuies log-normais da varivel Pdin/Pprev para o mtodo de Aoki-Veloso e incio da recravao, considerando-se os informes da varivel Pdin/Pestat apresentados pelo Engineering News Record apud MacVay (2000), Gates apud MacVay (2000), FDOT apud MacVay (2000) e Paikowsky apud MacVay (2000).

DECOURT-QUARESMA (fim da cravao)


densidade de probabilidade
1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

0,00

2,00

4,00

6,00

8,00

10,00

12,00

14,00

Pdin/Pprev ENR GATES FDOT PAIKOWSKY

Figura A3 Distribuies log-normais da varivel Pdin/Pprev para o mtodo de Decout-Quaresma e fim da cravao, considerando-se os informes da varivel Pdin/Pestat apresentados pelo Engineering News Record apud MacVay (2000), Gates apud MacVay (2000), FDOT apud MacVay (2000) e Paikowsky apud MacVay (2000).

DECOURT-QUARESMA (incio da recravao)


densidade de probabilidade
4 3,5 3 2,5 2 1,5 1 0,5 0 0,00 2,00 4,00 6,00 8,00 10,00 12,00 14,00

Pdin/Pprev ENR GATES FDOT PAIKOWSKY

Figura A4 Distribuies log-normais da varivel Pdin/Pprev para o mtodo de Decourt-Quaresma e incio da recravao, considerando-se os informes da varivel Pdin/Pestat apresentados pelo Engineering News Record apud MacVay (2000), Gates apud MacVay (2000), FDOT apud MacVay (2000) e Paikowsky apud MacVay (2000).

Analisando-se os grficos retro, pode-se consignar que o comportamento da varivel Pdin/Pprev bastante dependente da mdia e do desvio da varivel Pdin/Pestat.

APNDICE B
O presente apndice tem por objetivo apresentar a metodologia utilizada para obter os momentos (mdia e varincia) da varivel R = log(K) a partir dos momentos da varivel K. Benjamin e Cornell (1970), utilizando a expanso de Taylor, apresentaram as seguintes expresses para a mdia e varincia de uma varivel dependente Y qualquer:

1 n g E[R] g R (m x1 , m x2 ,....., m xn ) + R2 2 i =1 x i

2 mx i

Var[xi]

(a)

g Var[R] R |mx i =1 x i
n

Var[xi]

(b)

Onde mx1, mx2,...., mxn so os valores mdios das n variveis independentes da


B B B B B B

funo Y = gR(x1, x2,....,xn).


B B B B B B B B

Considerando a funo Y = logX, teramos, com base nas expresses (a) e (b) supra, os seguintes resultados:

E[R] log(K)

1 1 ln10 E[K]2 Var[K] 2


2

(c)

1 Var[R] ln10 E[K] Var[K]

(d)

As expresses (c) e (d) retro permitem calcular diretamente os momentos de R a partir dos momentos de K. Utilizando-se as referidas expresses aos momentos de K para o mtodo de AokiVeloso e Decourt-Quaresma apresentados na Tabela A2 do APNDICE A, considerando-se as relaes entre Pdin/Pestat decorrentes do banco de dados de Paikowsky, Gates e PDA cases

(MacVay et al, 2000), obtm-se os informes apresentados na seguinte tabela.

Mtodo (referncia)

Fonte da Mdia e Desvio da varivel Pdin/Pestat

K = Pdin/Pprev
B B B B

R = Log(Pdin/Pprev)
B B B B

mdia[K] desvio[K] mdia[R] desvio[R]

Aoki-Veloso (Aoki e Veloso, 1975) Aoki-Veloso (Aoki e Veloso, 1975) Aoki-Veloso (Aoki e Veloso, 1975) D&Q Decourt e Quaresma (1978) D&Q Decourt e Quaresma (1978) D&Q Decourt e Quaresma (1978)

Paikowsky (apud MacVay, 2000) Gates (apud MacVay, 2000) PDA cases (MacVay et al, 2000) Paikowsky (apud MacVay, 2000) Gates (apud MacVay, 2000) PDA cases (MacVay et al, 2000)

1,014 0,740 0,831

0,4074 0,4505 0,3240

-0,029 -0,2112 -0,1134

0,1745 0,2644 0,1693

1,058

0,4929

-0,0226

0,2023

0,772

0,5099

-0,2071

0,2868

0,868

0,3937

-0,1061

0,1969

Tabela B1 Valores de K e R para os mtodos de Aoki-Veloso e Decourt-Quaresma, considerando-se os informes da varivel Pdin/Pestat oriundos de Paikowsky, Gates e PDA cases (MacVay et al, 2000).