Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
COORDENAÇÃO DE ENGENHARIA CIVIL - GUARAPUAVA
ENGENHARIA CIVIL
ISABELA AMES
ESTUDO DA CONFIABILIDADE ESTRUTURAL NO
DIMENSIONAMENTO DE VIGAS DE CONCRETO ARMADO
SUBMETIDAS À FLEXÃO SIMPLES
TRABALHO DE CONCLUSÃO DE CURSO
GUARAPUAVA
2019
ISABELA AMES
ESTUDO DA CONFIABILIDADE ESTRUTURAL NO
DIMENSIONAMENTO DE VIGAS DE CONCRETO ARMADO
SUBMETIDAS À FLEXÃO SIMPLES
Trabalho de Conclusão de Curso apresentado como requisito parcial à obtenção do título de Bacharel em Engenharia Civil, da Coordenação de Engenharia Civil da Universidade Tecnológica Federal do Paraná.
Orientador: Prof. Me. Carlos Francisco Pecapedra Souza
Coorientador: Prof. Me. Edson Florentino de Souza
GUARAPUAVA
2019
ATA DA DEFESA
Realizou-se no dia 06 de dezembro de 2019, às 14 h 00 min, no Câmpus
Guarapuava da UTFPR, a defesa do Trabalho de Conclusão de Curso, como
requisito parcial para aprovação da aluna Isabela Ames, na disciplina de TCC2 do
Curso de Engenharia Civil intitulado: ESTUDO DA CONFIABILIDADE
ESTRUTURAL NO DIMENSIONAMENTO DE VIGAS DE CONCRETO ARMADO
SUBMETIDAS À FLEXÃO SIMPLES.
A Banca foi composta pelo Presidente:
Carlos Francisco Pecapedra Souza (Orientador), e pelos seguintes membros:
Edson Florentino de Souza
Dyorgge Alves Silva
Guarapuava, 06 de dezembro de 2019
“A folha de aprovação assinada encontra-se na Coordenação do Curso”
LISTA DE ILUSTRAÇÕES
Figura 1 – Transformação de Hasofer-Lind das variáveis de projeto ........................ 36
Figura 2 – Algoritmo FOSM ....................................................................................... 43
Figura 3 – Transformação das variáveis de projeto no método FORM ..................... 44
Figura 4 – Algoritmo FORM ....................................................................................... 49
Figura 5 – Algoritmo SORM ...................................................................................... 52
Figura 6 – Algoritmo de Monte Carlo com amostragem de importância no ponto de projeto ....................................................................................................................... 58
Figura 7 – Algoritmo PMA ......................................................................................... 63
Figura 8 – Domínios de deformação ......................................................................... 64
Figura 9 – Equilíbrio na seção transversal ................................................................ 68
Figura 10 – Índices de confiabilidade médios para diferentes razões de ações variáveis .................................................................................................................... 87
Figura 11 – Média do quadrado dos coeficientes de sensibilidade obtido pelos métodos FOSM e FORM para diferentes proporções de ações variáveis do tipo acidental em vigas de altura h = 40 cm ..................................................................... 88
Figura 12 – Diferenças médias por método em relação ao método de Monte Carlo Simples para diferentes razões de ações variáveis do tipo acidental ....................... 89
Figura 13 – Convergência dos métodos de Monte Carlo simples e Monte Carlo com amostragem por importância no ponto de projeto, considerando-se modelo de viga com bw = 14 cm, fck = 25 MPa, h = 40 cm, taxa de aço de 0,60% e 30% de cargas variáveis .................................................................................................................... 90
Figura 14 – Média das componentes i de cada variável ......................................... 91
Figura 15 – Média do quadrado dos coeficientes de sensibilidade de cada variável 92
Figura 16 – Média do quadrado dos coeficientes de sensibilidade para diferentes razões de ações variáveis do tipo acidental .............................................................. 93
Figura 17 – Média do quadrado dos coeficientes de sensibilidade para diferentes taxas de aço .............................................................................................................. 95
Figura 18 – Média do quadrado dos coeficientes de sensibilidade para diferentes alturas ....................................................................................................................... 96
Figura 19 – Média do quadrado dos coeficientes de sensibilidade para diferentes resistências características do concreto à compressão ............................................ 98
Figura 20 – Ganho percentual no índice de confiabilidade de acordo com o intervalo entre diferentes razões de ações variáveis ............................................................... 99
Figura 21 – Índices de confiabilidade mínimos e máximos para diferentes razões de ações variáveis do tipo acidental ............................................................................. 100
Figura 22 – Índices de confiabilidade médios para diferentes taxas de aço e razões de ações variáveis do tipo acidental ........................................................................ 101
Figura 23 – Índices de confiabilidade médios para diferentes áreas de aço e razões de ações variáveis do tipo acidental para classe de resistência C20 ...................... 102
Figura 24 – Índices de confiabilidade mínimos e máximos para diferentes taxas de aço .......................................................................................................................... 103
Figura 25 – Índices de confiabilidade médios para diferentes alturas e razões de ações variáveis do tipo acidental ............................................................................. 104
Figura 26 – Índices de confiabilidade mínimos e máximos para diferentes alturas . 105
Figura 27 – Índices de confiabilidade médios para diferentes resistências características do concreto à compressão e razões de ações variáveis do tipo acidental .................................................................................................................. 107
Figura 28 – Índices de confiabilidade médios para diferentes resistências características do concreto à compressão e taxas de aço discriminadas por intervalo entre 0,15% e 1,35% ............................................................................................... 108
Figura 29 – Índices de confiabilidade médios para diferentes resistências características do concreto à compressão e taxas de aço discriminadas por intervalo entre 1,50% e 1,80% ............................................................................................... 109
Figura 30 – Índices de confiabilidade mínimos e máximos para diferentes resistências características do concreto à compressão .......................................... 110
Figura 31 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 10% ................ 120
Figura 32 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 10% ................ 120
Figura 33 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 10% ................ 121
Figura 34 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 20% ................ 121
Figura 35 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 20% ................ 122
Figura 36 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 20% ................ 122
Figura 37 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 30% ................ 123
Figura 38 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 30% ................ 123
Figura 39 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 30% ................ 124
Figura 40 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 40% ................ 124
Figura 41 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 40% ................ 125
Figura 42 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 40% ................ 125
Figura 43 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 50% ................ 126
Figura 44 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 50% ................ 126
Figura 45 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 50% ................ 127
Figura 46 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 60% ................ 127
Figura 47 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 60% ................ 128
Figura 48 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 60% ................ 128
Figura 49 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 30,0 cm) ............................................................. 130
Figura 50 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 40,0 cm) ....................................................... 131
Figura 51 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 50,0 cm) ....................................................... 132
Figura 52 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 60,0 cm) ....................................................... 133
Figura 53 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 70,0 cm) ....................................................... 134
Figura 54 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 80,0 cm) ....................................................... 135
Figura 55 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 90,0 cm) ............................................................. 136
Figura 56 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 100,0 cm) ......................................................... 137
Figura 57 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 30,0 cm) ............................................................. 138
Figura 58 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 40,0 cm) ............................................................. 139
Figura 59 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 50,0 cm) ............................................................. 140
Figura 60 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 60,0 cm) ............................................................. 141
Figura 61 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 70,0 cm) ............................................................. 142
Figura 62 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 80,0 cm) ............................................................. 143
Figura 63 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 90,0 cm) ............................................................. 144
Figura 64 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 100,0 cm) ........................................................... 145
Figura 65 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 30,0 cm) ............................................................. 146
Figura 66 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 40,0 cm) ............................................................. 147
Figura 67 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 50,0 cm) ............................................................. 148
Figura 68 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 60,0 cm) ............................................................. 149
Figura 69 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 70,0 cm) ............................................................. 150
Figura 70 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 80,0 cm) ............................................................. 151
Figura 71 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 90,0 cm) ............................................................. 152
Figura 72 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 100,0 cm) ........................................................... 153
Figura 73 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 30,0 cm) ............................................................. 154
Figura 74 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 40,0 cm) ............................................................. 155
Figura 75 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 50,0 cm) ............................................................. 156
Figura 76 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 60,0 cm) ............................................................. 157
Figura 77 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 70,0 cm) ............................................................. 158
Figura 78 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 80,0 cm) ............................................................. 159
Figura 79 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 90,0 cm) ............................................................. 160
Figura 80 – Área de aço de acordo com o momento característico e diferentes
razões de ações acidentais em relação às totais para índice de confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 100,0 cm) ........................................................... 161
LISTA DE TABELAS
Tabela 1 – Concreto comum moldado in loco ........................................................... 70
Tabela 2 – Concreto comum moldado in loco ........................................................... 70
Tabela 3 – Concreto pré-moldado ............................................................................. 70
Tabela 4 – Concreto comum moldado in loco de acordo com a realidade brasileira 71
Tabela 5 – Resistência do aço das armaduras ao escoamento ................................ 71
Tabela 6 – Resistência do aço das armaduras ao escoamento para a realidade brasileira .................................................................................................................... 72
Tabela 7 – Resistência do aço das armaduras ao escoamento independe do diâmetro .................................................................................................................... 72
Tabela 8 – Dimensões externas de vigas de concreto armado ................................. 73
Tabela 9 – Altura útil de vigas de concreto armado .................................................. 73
Tabela 10 – Cobrimento da armadura em vigas de concreto armado ....................... 74
Tabela 11 – Área de aço das armaduras longitudinais ............................................. 74
Tabela 12 – Ações permanentes ............................................................................... 75
Tabela 13 – Ações acidentais ................................................................................... 76
Tabela 14 – Incertezas de solicitações ..................................................................... 76
Tabela 15 – Incertezas de resistências ..................................................................... 77
Tabela 16 – Variáveis aleatórias consideradas na análise ........................................ 80
Tabela 17 – Pesos de frequência de ocorrência de diferentes razões de carregamento acidental ............................................................................................. 82
Tabela 18 – Índices de confiabilidade médios de acordo com o método utilizado .... 84
Tabela 19 – Índices de confiabilidade a partir de média ponderada de acordo com o método utilizado ........................................................................................................ 85
Tabela 20 – Diferenças dos índices de confiabilidade dos diferentes métodos em relação ao método de Monte Carlo simples .............................................................. 86
Tabela 21 – Grupos de distribuição ......................................................................... 163
Tabela 22 – Categoria 1 - Xi Normal e Xj pertencente ao Grupo 1 .......................... 163
Tabela 23 – Categoria 2 - Xi Normal e Xj pertencente ao Grupo 2 .......................... 163
Tabela 24 – Categoria 2 - Xi e Xj pertencentes ao Grupo 1 .................................... 164
Tabela 25 – Categoria 2 - Xi e Xj pertencentes ao Grupo 1 .................................... 164
Tabela 26 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2 ................................................................................................................................ 165
Tabela 27 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2 ................................................................................................................................ 165
Tabela 28 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2 ................................................................................................................................ 166
Tabela 29 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2 ................................................................................................................................ 166
Tabela 30 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2 ................................................................................................................................ 167
Tabela 31 – Categoria 5 - Xi e Xj pertencentes ao Grupo 2 .................................... 167
Tabela 32 – Categoria 5 - Xi e Xj pertencentes ao Grupo 2 .................................... 168
Tabela 33 – Categoria 5 - Xi e Xj pertencentes ao Grupo 2 .................................... 168
Tabela 34 – Categoria 5 - Xi e Xj pertencentes ao Grupo 2 .................................... 169
LISTA DE SIGLAS E ACRÔNIMOS
LISTA DE SIGLAS
ABNT Associação Brasileira de Normas Técnicas
MCS Monte Carlo Simulation (Simulação de Monte Carlo)
MCIS Monte Carlo (Importance Sampling) (Simulação de Monte Carlo com amostragem por importância)
LISTA DE ACRÔNIMOS
FOSM First Order Second Moment Method (Método de primeira ordem e segundo momento)
FORM First Order Reliability Method (Método de confiabilidade de primeira ordem)
SORM Second Order Reliability Method (Método de confiabilidade de segunda ordem)
LISTA DE SÍMBOLOS
X Variável aleatória
x Valor assumido por uma variável aleatória
X Vetor de variáveis aleatórias
x Vetor de valores assumidos por uma variável aleatória
Média de uma variável aleatória
Desvio padrão de uma variável aleatória
ρXY Coeficiente de correlação das variáveis aleatórias X e Y
pf Probabilidade de falha
R Variável aleatória equivalente à resistência
S Variável aleatória equivalente à solicitação
M Variável aleatória equivalente à margem de segurança
Índice de confiabilidade
T Índice de confiabilidade alvo
Vetor de cossenos diretores do ponto de projeto
nf Número de falhas
nS Número de simulações
c Deformação do concreto
s Deformação do aço
Proporção de ações variáveis em relação às totais
d Altura útil
bw Largura da seção transversal
h Altura total da seção transversal
Rcc Força resultante das tensões de compressão no concreto
fcd Resistência do concreto à compressão em valores de cálculo
Rst Força resultante das tensões de tração no aço
fyd Tensão de escoamento de aço em valores de cálculo
Msd Momento fletor solicitante de cálculo
Dedicado à Sirlei, Ronaldo e Alessandra Ames
AGRADECIMENTOS
Agradeço aos meus pais, Sirlei e Ronaldo Ames, pelo apoio e compreensão
durante os 5 anos que antecederam a conclusão deste trabalho. Ao professor
orientador, Carlos Francisco Pecapedra Souza, e coorientador, Edson Florentino de
Souza, pelo conhecimento e experiência compartilhados. À Alessandra Ames, Bruno
Oliveira Nascimento e Marcel Cassandri Romero Farinha, por possibilitar a conclusão
deste trabalho em tempo hábil. Aos demais professores, pela cooperação no
desenvolvimento deste trabalho. Aos meus colegas de trabalho e amigos. Sem a
participação de todos, este trabalho não teria sido possível.
RESUMO
AMES, Isabela. Estudo da confiabilidade estrutural no dimensionamento de vigas de concreto armado submetidas à flexão simples. 2019. 169 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Civil - Universidade Tecnológica Federal do Paraná. Guarapuava, 2019.
O estudo da confiabilidade estrutural possibilita a consideração das incertezas inerentes aos diversos parâmetros de dimensionamento, de modo a determinar os níveis de segurança aos quais uma estrutura está submetida, por meio da análise de sua probabilidade de falha. Com vistas à identificar a influência das variáveis que caracterizam o dimensionamento no estado limite último de vigas de concreto armado submetidas à flexão simples, este trabalho propõe uma análise do ponto de vista de confiabilidade estrutural de vigas dimensionadas de acordo com a norma brasileira NBR 6118:2014 “Projeto de estruturas de concreto - Procedimento", por meio de métodos de transformação - FOSM (First Order Second Moment Method), FORM (First Order Reliability Method) e SORM (Second Order Reliability Method) - e simulação - Monte Carlo simples e com amostragem por importância no ponto de projeto. Para esta análise, foram variados os parâmetros de altura útil (como função da altura da viga), resistência característica do concreto à compressão, área de aço e proporção de ações variáveis em relação às totais para vigas com base de 14 e 19 cm. Desenvolveu-se ainda a otimização baseada em confiabilidade das vigas de concreto armado, com vistas à obtenção das áreas de aço necessárias para fornecer um índice de confiabilidade alvo pré-estabelecido. Os métodos FORM, SORM e os métodos de simulação apresentaram resultados satisfatórios para os casos avaliados. De maneira geral, observou-se a redução da confiabilidade com o aumento da proporção de ações variáveis e altura útil, e o acréscimo na confiabilidade com o aumento da área de aço. Os resultados também demonstraram que os parâmetros com maior influência na probabilidade de falha foram as variáveis de momento característico devido às ações variáveis, cuja variação provocou variabilidade considerável nos índices de confiabilidade, e de incertezas de modelo. Os parâmetros que menos influenciaram na probabilidade de falha foram os parâmetros de resistência característica do concreto à compressão, altura útil e largura da base da viga. Os resultados demonstram, portanto, as variáveis cuja incerteza deve ser estudada e monitorada com maior atenção, e as variáveis cuja incerteza pode ser desprezada.
Palavras-chave: Confiabilidade estrutural. Concreto armado. Otimização.
ABSTRACT
AMES, Isabela. Structural reliability design assessment of reinforced concrete beams subjected to a bending moment. 2019. 169 p. Course Conclusion Work in Civil Engineering - Federal Technology University - Paraná. Guarapuava, 2019.
The structural reliability study enables the consideration of uncertainties inherent to the various design parameters, in order to determine the security levels on which a certain structure is submitted to, through its failure probability analysis. With the aim of identifying the influence of the variables that characterize the ultimate limit state of reinforced concrete beams subjected to a bending moment, this work proposes a structural reliability analysis of beams designed within Brazilian standards such as NBR 6118:2014 “Design of structural concrete – Procedure", taking in consideration the transformation methods – FOSM (First Order Second Moment Method), FORM (First Order Reliability Method) and SORM (Second Order Reliability Method) – and simulation methods – Monte Carlo simulation and Importance Sampling Monte Carlo simulation. To make this analysis possible, it had been varied the parameters of effective depth (as a function of the beam height), concrete compressive strength, reinforcement steel area and the proportion between live load and total load, on 14-and-19-centimeter-width beams. In addition, it had been developed a reliability-based design optimization, with the aim of obtaining the reinforcement steel area needed to provide the target reliability index predetermined. The FORM and SORM as well as the simulation methods presented satisfactory results. In general, it was observed the reliability index decline with the live load rate and effective depth increase, whereas the steel reinforcement area increase led to a rise in the reliability index. The results also demonstrated that the parameters with higher influence on failure probability were the characteristic bending moment due to live load, whose variation had caused a great range on reliability index results, and model uncertainties in general. The parameters with least influence on the failure probability were the concrete compressive strength, effective depth and beam width. The results demonstrated, therefore, the parameters on which the uncertainty must be taken in consideration and monitored with higher attention, and the parameters on which the uncertainty could be neglected.
Keywords: Structural Reliability. Reinforced Concrete. Optimization.
SUMÁRIO
1 INTRODUÇÃO .....................................................................................................19
1.1 DELITIMITAÇÃO DO TEMA .............................................................................20
1.2 OBJETIVOS ......................................................................................................20
1.2.1 Objetivos Gerais .............................................................................................21
1.2.2 Objetivos Específicos ......................................................................................21
1.3 JUSTIFICATIVA ................................................................................................22
2 CONCEITOS DE PROBABILIDADE ....................................................................24
2.1 VARIÁVEIS ALEATÓRIAS ................................................................................24
2.2 FUNÇÃO DENSIDADE DE PROBABILIDADES ...............................................25
2.3 FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA ...................................................26
2.4 MÉDIA E VARIÂNCIA DE UMA VARIÁVEL ALEATÓRIA .................................26
2.5 DISTRIBUIÇÃO CONJUNTA DE PROBABILIDADES ......................................27
2.6 PROBABILIDADE CONDICIONAL ...................................................................28
2.7 VARIÁVEIS ALEATÓRIAS INDEPENDENTES ................................................28
2.8 MÉDIA, COVARIÂNCIA E COEFICIENTE DE CORRELAÇÃO DE DUAS OU MAIS VARIÁVEIS ALEATÓRIAS ............................................................................29
3 O PROBLEMA FUNDAMENTAL DA CONFIABILIDADE ESTRUTURAL ..........30
4 MÉTODOS DE TRANSFORMAÇÃO ...................................................................33
4.1 FOSM – MÉTODO DE TRANSFORMAÇÃO DE PRIMEIRA ORDEM E SEGUNDO MOMENTO ..........................................................................................33
4.1.1 Equações de Estado Limite lineares ...............................................................38
4.1.2 Equações de Estado limite não-lineares .........................................................39
4.1.3 Coeficientes de Sensibilidade .........................................................................40
4.1.4 Notação matricial ............................................................................................41
4.1.5 Algoritmo de Hasofer, Lind, Rackwitz e Fiessler .............................................41
4.1.6 Algoritmo FOSM .............................................................................................42
4.2 FORM – MÉTODO DE CONFIABILIDADE DE PRIMEIRA ORDEM.................44
4.2.1 Algoritmo FORM .............................................................................................48
4.3 SORM – MÉTODO DE CONFIABILIDADE DE SEGUNDA ORDEM ................50
4.3.1 Algoritmo SORM .............................................................................................51
5 MÉTODO DE SIMULAÇÃO DE MONTE CARLO ................................................53
5.1 GERADOR DE AMOSTRAS DE VARIÁVEIS ALEATÓRIAS ............................54
5.1.1 Variáveis Aleatórias Independentes ................................................................54
5.1.2 Variáveis Aleatórias Correlacionadas .............................................................55
5.2 TÉCNICAS DE REDUÇÃO DE VARIÂNCIA .....................................................55
5.2.1 Amostragem por Importância ..........................................................................56
5.2.2 Determinação da função de amostragem .......................................................56
5.2.3 Algoritmo de Monte Carlo com Amostragem por Importância no Ponto de Projeto .....................................................................................................................57
6 OTIMIZAÇÃO BASEADA EM CONFIABILIDADE (RBDO) .................................59
6.1 FORMULAÇÃO RIA DO PROBLEMA DE OTIMIZAÇÃO .................................60
6.2 FORMULAÇÃO PMA DO PROBLEMA DE OTIMIZAÇÃO ................................61
7 VIGAS DE CONCRETO ARMADO SUBMETIDAS À FLEXÃO SIMPLES ..........64
7.1 DOMÍNIOS DE DEFORMAÇÃO .......................................................................64
7.2 EQUILÍBRIO DA SEÇÃO TRANSVERSAL E EQUACIONAMENTO PARA DOMÍNIOS 2 E 3 .....................................................................................................66
7.3 VARIÁVEIS BÁSICAS PARA O ESTUDO DE VIGAS DE CONCRETO ARMADO ..........................................................................................................................69
7.3.1 Resistência do Concreto à Compressão .........................................................69
7.3.2 Tensão de Escoamento do Aço das Armaduras .............................................71
7.3.3 Parâmetros de Geometria ...............................................................................72
7.3.3.1 Dimensões externas da Viga de Concreto Armado ....................................73
7.3.3.2 Altura útil da viga de concreto armado ........................................................73
7.3.3.3 Cobrimento das armaduras .........................................................................74
7.3.3.4 Área de aço das armaduras longitudinais ...................................................74
7.3.4 Ações ..............................................................................................................75
7.3.4.1 Ações permanentes ....................................................................................75
7.3.4.2 Ações variáveis ...........................................................................................75
7.3.5 Incertezas de Modelo ......................................................................................76
7.4 ÍNDICE DE CONFIABILIDADE ALVO...............................................................77
8 MATERIAIS E MÉTODOS ....................................................................................78
8.1 MATERIAIS .......................................................................................................78
8.2 METODOLOGIA ...............................................................................................78
8.2.1 Análise da Confiabilidade Estrutural no Projeto Estrutural a partir da Norma NBR 6118:2014 .......................................................................................................79
8.2.1.1 Modelos de viga analisados ........................................................................79
8.2.1.2 Implementação dos algoritmos de confiabilidade estrutural e definição do problema .................................................................................................................80
8.2.2 Otimização Baseada em Confiabilidade de Vigas de Concreto armado .........83
9 RESULTADOS E DISCUSSÃO ...........................................................................84
9.1 ÍNDICES DE CONFIABILIDADE MÉDIOS ........................................................84
9.2 ESTUDO COMPARATIVO DOS MÉTODOS DE TRANSFORMAÇÃO E SIMULAÇÃO ...........................................................................................................85
9.3 ESTUDO DOS COEFICIENTES DE SENSIBILIDADE .....................................91
9.3.1 Variação da Taxa de Carregamento Acidental ...............................................93
9.3.2 Variação da Área de Aço ................................................................................94
9.3.3 Variação da Altura ..........................................................................................95
9.3.4 Variação da Resistência à Compressão do Concreto .....................................97
9.4 ESTUDO DAS TENDÊNCIAS OBSERVADAS NA VARIAÇÃO DOS PARÂMETROS .......................................................................................................98
9.4.1 Variação da Taxa de Carregamento Acidental ...............................................99
9.4.2 Variação da Área de Aço ................................................................................100
9.4.3 Variação da Altura ..........................................................................................103
9.4.4 Variação da Largura da Base .........................................................................105
9.4.5 Variação da Resistência à Compressão do Concreto .....................................106
9.5 OTIMIZAÇÃO BASEADA EM CONFIABILIDADE DE ÁREAS DE AÇO EM VIGAS DE CONCRETO ARMADO .........................................................................110
10 CONCLUSÃO .........................................................................................112
REFERÊNCIAS .......................................................................................................114
APÊNDICE A - Índices de confiabilidade obtidos a partir de diferentes configurações de vigas.........................................................................................119
APÊNDICE B - Áreas de aço otimizadas a partir de confiabilidade ................129
ANEXO A - Tabelas de coeficiente de correlação ..............................................162
19
1 INTRODUÇÃO
O projeto de estruturas, de modo geral, consiste em proporcionar aos
elementos de uma estrutura os critérios de segurança, serviço e durabilidade sob os
efeitos de determinadas solicitações. No entanto, a segurança absoluta de uma
estrutura não pode ser garantida, devido a inúmeras incertezas, tais quais a
imprevisibilidade dos carregamentos futuros, a inabilidade de se obter a propriedade
de materiais in loco, as simplificações acerca do comportamento da estrutura
submetida aos carregamentos considerados, a limitação dos métodos numéricos
utilizados e fatores humanos. Entretanto, a probabilidade de falha de uma estrutura
pode ser limitada a níveis razoáveis (HALDAR; MAHADEVAN, 1995).
A variabilidade das diversas variáveis que caracterizam um problema de
engenharia indicam a necessidade de estruturar toda a informação obtida da
experiência profissional, de forma a obter uma análise racional de tais experiências
(DITLEVSEN; MADSEN, 2007).
Para tratar de forma adequada tais incertezas, é necessário considerar as
influências externas, tais quais os carregamentos, e as influências internas, tais quais
as resistências dos elementos, sendo necessário o levantamento estatístico de todos
os parâmetros que as influenciam (FABER, 2006), conforme trabalhos já
desenvolvidos por diversos autores (ELLINGWOOD et al., 1980; MIRZA;
MACGREGOR, 1982; SANTIAGO, 2019; SANTIAGO; BECK, 2017).
A partir de dados estatísticos conhecidos, o problema de confiabilidade
estrutural se inicia com a escolha dos parâmetros adequados e de sua relação, de
modo a descrever uma equação de estado limite que separe os domínios de falha e
segurança de uma estrutura (HALDAR; MAHADEVAN, 1995).
Quando existe a violação de tal estado limite, ou seja, de modo que tal
estrutura atinja seu domínio de falha, sérias consequências são observadas. O estudo
da confiabilidade estrutural está relacionado ao cálculo e predição da probabilidade
da violação de um estado limite de uma estrutura em qualquer estágio de sua vida útil
(MELCHERS; BECK, 2018).
Segundo Beck (2019), a confiabilidade de um sistema pode ser definida,
portanto, como a probabilidade de que esse não falhe em um determinado período
de tempo, respeitadas as condições de operação e projeto.
20
Diversos métodos de solução de problemas de confiabilidade estrutural têm
sido propostos, tais como os métodos de transformação e o método de simulação de
Monte Carlo, que consideram os diversos tipos de problema, os parâmetros
envolvidos e as incertezas associadas a esses parâmetros. As incertezas são
modeladas em termos de valores prováveis (média), da dispersão dos valores em
torno da média (variância) e funções de distribuição de probabilidades (HALDAR;
MAHADEVAN, 1995).
Com o objetivo de analisar as incertezas envolvidas no projeto de vigas de
concreto armado, o presente trabalho possui a sua estrutura subdividida em uma
breve introdução à conceitos de probabilidade, seguida de uma revisão a respeito dos
diferentes métodos de confiabilidade estrutural e de otimização baseada em
confiabilidade, dos parâmetros e equações de estado limite considerados na análise
desenvolvida no trabalho e, por fim, da metodologia utilizada e dos resultados obtidos.
1.1 DELITIMITAÇÃO DO TEMA
O tema abordado neste trabalho limita-se à abordagem da temática de
confiabilidade estrutural com aplicação em um estudo de caso que consiste na análise
do índice de confiabilidade de vigas de concreto armado de diferentes geometrias,
propriedades e proporções entre carregamentos permanentes e variáveis,
dimensionadas à flexão simples de acordo com a norma ABNT NBR 6118:2014
“Projeto de estruturas de concreto – Procedimento”. Como parte final da análise, este
trabalho propõe o desenvolvimento de ferramentas gráficas para a identificação das
áreas de aço otimizadas a partir de confiabilidade estrutural, para diferentes seções
transversais, proporções entre carregamentos e resistências do concreto à
compressão.
1.2 OBJETIVOS
O presente trabalho tem objetivos gerais e específicos apresentados nos itens
a seguir.
21
1.2.1 Objetivos Gerais
Objetiva-se desenvolver um estudo acerca da confiabilidade estrutural de
vigas de concreto armado dimensionadas de acordo com a norma NBR 6118:2014,
de diferentes geometrias, propriedades e carregamentos, submetidas à flexão simples
a partir de métodos de confiabilidade estrutural e de otimização baseada em
confiabilidade.
1.2.2 Objetivos Específicos
Para o desenvolvimento das atividades relacionadas a este trabalho, alguns
objetivos específicos foram elencados:
• realizar uma revisão bibliográfica a respeito dos métodos de transformação
FOSM (First Order Second Moment), FORM (First Order Reliability Method), SORM
(Second Order Reliability Method) e método de simulação de Monte Carlo simples e
com amostragem por importância;
• implementar computacionalmente os algoritmos associados à cada
método;
• delimitar as variáveis a serem consideradas na modelagem do problema
de confiabilidade em vigas de concreto armado, bem como de sua equação de estado
limite;
• levantar dados presentes na literatura a respeito do comportamento
estatístico de cada uma das variáveis aleatórias escolhidas;
• analisar a confiabilidade estrutural de vigas de concreto armado nos
diferentes métodos de confiabilidade estrutural, estabelecendo comparação entre a
aplicabilidade dos métodos e a influência dos diferentes parâmetros nos índices de
confiabilidade;
• encontrar, por meio dos coeficientes de sensibilidade, os parâmetros cuja
incerteza mais influencia na probabilidade de falha;
• aplicar o algoritmo de otimização baseado em confiabilidade na otimização
da área de aço em vigas de concreto armado submetidas à flexão simples, para índice
de confiabilidade alvo pré-estabelecido;
22
• expor, por meio de ferramenta gráfica, as áreas de aço para diferentes
geometrias e configurações de carregamentos obtidas a partir de otimização baseada
em confiabilidade;
• enfatizar a relevância de se considerar a metodologia de confiabilidade
estrutural no dimensionamento de elementos de concreto armado.
1.3 JUSTIFICATIVA
Os métodos tradicionais de medição de segurança, tais como os fatores de
segurança, são medições determinísticas, uma vez que as variáveis que descrevem
a estrutura, a sua resistência e os carregamentos aplicados são assumidos valores
conhecidos, sem nenhuma incerteza associada (MELCHERS; BECK, 2018).
As normas de dimensionamento de estruturas são estabelecidas para que
exista uma base simples, segura e economicamente eficiente para o
dimensionamento de estruturas. Tradicionalmente, a verificação de confiabilidade
proposta pelas referências normativas está associada a uma comparação entre
resistências e solicitações. Devido às incertezas, são introduzidos valores de projeto
para assegurar que a estrutura esteja com um valor aceitável de confiabilidade
(FABER; SØRENSEN, 2002).
A Norma Brasileira ABNT NBR 8681:2003 “Ações e segurança nas estruturas
– Procedimento” submeteu-se a melhorias através da migração do método de
dimensionamento das tensões admissíveis ao método dos estados limites. No
entanto, a calibração dos fatores de segurança de tal norma não foi obtida de maneira
consistente, independente das condições e incertezas dos materiais e ações da
realidade brasileira, sendo baseada no julgamento da experiência de membros de
comitê e em normas estrangeiras correlatas (BECK; SOUZA JR., 2010).
Aproximações como esta podem não ser suficientes quando o projeto for
baseado em eventos raros ou com novas tecnologias envolvidas. A adoção de
estruturas mais robustas usualmente a torna mais segura, porém aumenta
consideravelmente o seu custo. Por outro lado, a estrutura pode culminar em sua
falha, em conta de diferentes categorias de performance requeridas para determinada
estrutura (DITLEVSEN; MADSEN, 2007; ELLINGWOOD, 2000).
23
Em muitos campos da engenharia, principalmente os que envolvem produção
em massa de produtos manufaturados, a tecnologia é facilmente controlada e dados
podem ser disponibilizados a partir de testes. As melhorias e desenvolvimento dos
produtos finais podem ser obtidas por meio da sucessão de tentativas, e as falhas em
seus processos são principalmente a inconveniência e as perdas econômicas. Na
construção civil, por outro lado, os produtos não são produzidos em massa, tornando
difícil a obtenção de dados pela repetição das circunstâncias. As demandas na
estrutura devido à ocupação e fenômenos naturais é altamente variável e as
consequências de falha são severas (ELLINGWOOD, 2000).
Dentre os materiais estruturais usuais na construção civil, o concreto é um dos
que apresenta a maior variabilidade de suas propriedades. Em 2011 e posteriormente,
em 2017, Santiago e Beck estudaram a conformidade de concretos produzidos no
Brasil e os resultados demonstraram que parte dos concretos não atinge a resistência
característica de projeto e que o percentual de amostras não conformes tende a ser
superior a 5%. Santiago e Beck (2011), Nowak e Szerszen (2003) e Ellingwood e
Galambos (1982) mostraram que é possível ajustar uma distribuição normal de
probabilidades ao comportamento dos concretos.
O estudo da confiabilidade estrutural possibilita a mudança de escopo no
projeto de uma estrutura anteriormente baseado em critérios estruturais especificados
em normas tradicionais para requisitos baseados na performance mais ampla de uma
estrutura, tais como as utilizadas em processos de otimização (MELCHERS; BECK,
2018).
Em vista dos aspectos econômicos da adoção de coeficientes de segurança
obtidos de forma determinística, bem como da grande variabilidade dos produtos da
construção civil e dos diversos fatores extrínsecos e intrínsecos, percebe-se a
importância de se observar a confiabilidade acerca dos diversos parâmetros
considerados no dimensionamento de uma estrutura.
24
2 CONCEITOS DE PROBABILIDADE
A teoria de probabilidade constitui a base da avaliação das probabilidades de
ocorrência de eventos incertos e, portanto, caracteriza-se como uma ferramenta
fundamental para a avaliação de risco. Apenas quando o tratamento das incertezas e
de suas consequências na probabilidade de eventos adversos é feito de maneira
consistente, é possível analisar os riscos de uma determinada atividade e o processo
decisório gerado a partir dos novos dados conhecidos (FABER, 2006).
O nível de incerteza associado à determinada atividade pode ser expresso em
termos quantitativos, que são melhor descritos em termos de números ou
porcentagens (FABER, 2006). Nas próximas seções, serão abordados conceitos que
auxiliam na quantificação das incertezas de eventos aleatórios, cuja compreensão
mostra-se de fundamental importância para a análise da confiabilidade estrutural
desenvolvida neste trabalho.
2.1 VARIÁVEIS ALEATÓRIAS
Uma variável aleatória é uma ferramenta matemática para a representação de
um evento de forma analítica. Ao contrário de uma variável determinística, que
assume um valor definido, uma variável aleatória pode assumir um intervalo de
valores possíveis. As vantagens de se utilizar dessa ferramenta é a representação
dos eventos de forma analítica e de fácil visualização gráfica, onde é possível
demonstrar os eventos e as suas respectivas probabilidades (ANG; TANG, 2007).
A performance de um sistema de engenharia pode ser usualmente modelada
em termos matemáticos em conjunto com relações empíricas. As variáveis aleatórias
de determinado sistema são definidas como os parâmetros que carregam toda a
informação de incerteza a ser considerada no modelo (FABER, 2006).
As variáveis aleatórias podem assumir forma discreta, contínua ou mista. Em
variáveis discretas, a distribuição das variáveis é tida como pulsos, frações ou partes
discretas na linha dos reais, que assumem um número contável de valores. Em
variáveis contínuas, o intervalo inclui todos os valores num intervalo de números reais.
25
O tipo misto abrange os dois tipos anteriormente mencionados (MONTGOMERY;
RUNGER, 2002).
A variável aleatória é usualmente denotada por uma letra maiúscula, enquanto
seus valores possíveis são denotados por letras minúsculas. Se X é uma variável
aleatória, então X = x, X < x ou X > x representa um evento, onde (a < x < b) é o
intervalo de valores possíveis de X (ANG; TANG, 2007).
2.2 FUNÇÃO DENSIDADE DE PROBABILIDADES
Como os valores ou intervalos de uma variável aleatória representam eventos,
esses estão associados com suas respectivas probabilidades. Essas probabilidades
podem ser melhor descritas com o auxílio de regras chamadas de distribuições de
probabilidade (ANG; TANG, 2007).
Uma importante função que descreve uma distribuição de probabilidades é a
função densidade de probabilidades. Com a escolha de uma função densidade
adequada, é possível representar a probabilidade de qualquer valor x assumido pela
variável aleatória X que, segundo Montgomery e Runger (2002), é definida de acordo
com as seguintes premissas:
a) f(x) 0
b) f(x)dx 1
−
=
c) b
a
P(a X b) f(x)dx = = área abaixo de f(x) de a a b. (1)
A partir da função densidade descrita pela Equação (1), é possível calcular a
probabilidade assumida por X em um determinado intervalo. É importante ressaltar
que a probabilidade dada por ( )P X x= é igual a zero, diferentemente da
probabilidade de X assumir um valor no intervalo [a, b].
As principais distribuições de probabilidade podem ser encontradas em
Montgomery e Runger (2002), e Ang e Tang (2007).
26
2.3 FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA
Uma maneira de denotar a probabilidade acumulada de determinada variável
aleatória X é por meio da área delimitada pela curva de densidade de probabilidades,
descrita pela distribuição de probabilidades. Segundo Ang e Tang (2007), tal função é
dada pela Equação (2):
x
F(x) P(X x) f(u)du−
= = (2)
Para x− .
2.4 MÉDIA E VARIÂNCIA DE UMA VARIÁVEL ALEATÓRIA
Dois números são frequentemente utilizados para descrever uma distribuição
de probabilidades de uma variável aleatória. A média é o valor central da distribuição
de probabilidades e a variância é uma medida da dispersão, ou variabilidade, na
distribuição. Esses dois parâmetros não são exclusivos para uma única distribuição,
sendo passíveis de serem utilizados para descrever duas ou mais diferentes
distribuições (MONTGOMERY; RUNGER, 2002).
A média ou valor esperado de uma distribuição de variáveis é descrita pela
Equação (3) (ANG; TANG, 2007; MONTGOMERY; RUNGER, 2002):
XE(x) x f (x)dx
−
= (3)
A Equação (3) pode ser generalizada para uma função da variável aleatória X
e, nesse caso, pode ser escrita conforme a Equação (4).
XE [g(x)] g(x)f (x)dx
−
= (4)
A variância é descrita pela Equação (5), e pode ser interpretada como o valor
esperado da função g(x) (X )²= − , ou a média ponderada do quadrado da distância
ao valor médio da distribuição de probabilidades (ANG; TANG, 2007):
( ) X X
-
Var X (x μ )² f (x)dx
= − (5)
27
Quando a função densidade não é conhecida, pode-se realizar uma expansão
em série de Taylor da função g(x). Para tanto, obtém-se as expressões para o valor
esperado e variância com aproximação de primeira ordem conforme as Equações (6)
e (7), respectivamente.
X X X
dgE(Y) E[g(X)] g(μ ) (X μ ) g(μ )
dX= + − = (6)
= − =
2 2dg dg
Var(Y) Var[g(X)] Var X Var XdX dX
X( ) ( ) (7)
Uma medida bastante utilizada para descrever a dispersão é o desvio padrão,
dado pela Equação (8), e o coeficiente de variação, dado pela Equação (9) (ANG;
TANG, 2007) .
X Var(X) = (8)
XX
X
= (9)
O coeficiente de variação correlaciona a dispersão relativa ao valor médio,
sendo útil como uma medida adimensional da variabilidade.
2.5 DISTRIBUIÇÃO CONJUNTA DE PROBABILIDADES
As distribuições conjuntas de probabilidade oferecem destaque quando da
consideração de resultados que dependem da ação simultânea de dois ou mais
processos, ou de duas ou mais variáveis aleatórias (ANG; TANG, 2007).
Sejam X e Y variáveis aleatórias. A probabilidade conjunta para qualquer par
de valores de x e y é dada por uma distribuição conjunta das probabilidades de X e Y,
que pode ser interpretada conforme a Equação (10):
X,YF (x,y) P(X x,Y y)= (10)
A probabilidade das variáveis aleatórias X e Y assumirem um valor em um
determinado intervalo, ou seja, a função de probabilidade acumulada em um domínio
qualquer, é também descrita pela Equação (11).
X,Y
D
P[(x,y) D ] f (x,y)dxdy = (11)
28
Convém-se analisar individualmente a probabilidade de cada uma das
variáveis aleatórias descritas por uma distribuição conjunta de probabilidades. Tais
probabilidades tem sua distribuição conhecida como distribuição marginal de
probabilidades, e é dada pelas Equações (12) e (13), quando da análise das variáveis
aleatórias X e Y (ANG; TANG, 2007).
X XYf (x) f (x,y)dy
−
= (12)
Y XYf (y) f (x,y)dx
−
= (13)
2.6 PROBABILIDADE CONDICIONAL
Em determinadas situações, é necessário conhecer o efeito que uma variável
exerce sobre outra, ou seja, a probabilidade de um evento da variável aleatória Y
ocorrer, dado que determinado evento da variável aleatória X ocorreu. Para este caso,
escreve-se a probabilidade condicional da variável aleatória Y, dado X = x, conforme
a Equação (14) (MONTGOMERY; RUNGER, 2002).
XYY|X
X
f (x,y)f (y)
f (x)= (14)
Essa equação pode ser generalizada para n variáveis aleatórias desde que
se obtenha a sua distribuição conjunta e a distribuição marginal da variável a qual se
deseja analisar o efeito sobre a distribuição condicional (MONTGOMERY; RUNGER,
2002).
2.7 VARIÁVEIS ALEATÓRIAS INDEPENDENTES
Em alguns casos, a probabilidade de um evento da variável aleatória X ocorrer
não influencia a probabilidade de que um evento da variável aleatória Y ocorra. Em
casos como esse, diz-se que as variáveis aleatórias são independentes, e para que
ocorra, têm-se que as variáveis aleatórias X1, X2, ..., Xp são independentes se e
somente se (15):
29
1 21 2 p pX X ...X 1 2 p X 1 X 2 X pf (x ,x ,...,x ) f (x )f (x )...f (x )= (15)
para qualquer x1, x2, ..., xp (BECK, 2019; MONTGOMERY; RUNGER, 2002).
Neste caso, a função densidade de probabilidades conjunta é facilmente
obtida conhecendo-se as probabilidades marginais, e a definição dada pela Equação
(15) é de especial importância.
2.8 MÉDIA, COVARIÂNCIA E COEFICIENTE DE CORRELAÇÃO DE DUAS OU MAIS VARIÁVEIS ALEATÓRIAS
O valor esperado de duas variáveis aleatórias contínuas é dado pela Equação
(16).
[ ( , )] ( , ) ( , )XY
D
E g X Y g x y f x y dxdy= (16)
Quando duas ou mais variáveis aleatórias são definidas num espaço de
probabilidades, pode ser útil descrever a maneira como elas variam juntas. A
covariância (Equação (17)) é uma medida da relação linear entre duas variáveis
(MONTGOMERY; RUNGER, 2002).
( , ) [( )( )] ( )X Y X YCov X Y E X Y E XY = − − = − (17)
Se a covariância de (X, Y) é grande e positiva, os valores de X e Y tendem a
ser ambos grandes ou ambos pequenos em relação às suas respectivas médias. Se
a covariância de (X,Y) é grande e negativa, os valores de X tendem a ser grandes
quando os valores de Y tendem a ser pequenos em relação às suas respectivas
médias e vice-versa (ANG; TANG, 2007).
Outra medida da relação entre duas variáveis aleatórias é dada pelo
coeficiente de correlação (Equação(18)).
( , )
XY
X Y
Cov X Y
= (18)
30
3 O PROBLEMA FUNDAMENTAL DA CONFIABILIDADE ESTRUTURAL
De maneira geral, a análise de confiabilidade estrutural pode ser vista como
um problema de suprimento e demanda, ou ainda, a determinação da probabilidade
de que uma determinada demanda seja maior do que a capacidade de suprimento. É
a análise da probabilidade de falha de determinado elemento estrutural (BECK, 2019).
Ditlevsen e Bjerager (1986) definem os aspectos do problema de
confiabilidade estrutural como: a) a identificação de variáveis físicas relevantes e a
formulação matemática de uma equação de estado limite; b) escolha da distribuição
de probabilidades conjuntas das variáveis; c) modelagem das incertezas dos modelos
em termos probabilísticos; d) cálculo da confiabilidade baseada nos modelos
formulados.
Usualmente, em problemas de confiabilidade estrutural típicos, a demanda é
interpretada como a solicitação (S) e a capacidade de suprimento é representada pela
resistência (R). A probabilidade de falha pode ser entendida como a probabilidade de
que a solicitação supere a resistência (Equação (19)) (HASOFER; LIND; ASCE,
1974).
fp P(S > R)= (19)
A distribuição de probabilidades destas variáveis pode ser avaliada por uma
distribuição de probabilidades conjunta fRS(r,s), que possui probabilidade de falha igual
à sua integral no domínio de falha (20).
f
f RSp f (r,s)drds
= (20)
O domínio de falha f {(r,s) | r s} = é delimitado pela equação r = s, de onde
obtém-se o resultado mostrado na Equação (21).
s
f RSp f (r,s)drds+
− −
= (21)
Se as variáveis aleatórias R e S são independentes, e portanto
RS R Sf (r,s) f (r) f (s)= , pode-se afirmar que a probabilidade de falha é descrita também
na forma da Equação (22).
f S Rp f (s)F (r)ds
−
= (22)
31
Alternativamente, o problema de confiabilidade pode ser resolvido a partir da
variável aleatória margem de segurança (M), escrita em função de R e S (Equação
(23)) que configura a equação de estado limite do problema analisado (BECK, 2019).
M R S= − (23)
A probabilidade de falha, calculada em função de M, ocorre quando a
resistência se iguala à solicitação, ou seja, M = 0, para a qual se configura a situação
limite, que separa o domínio de falha do domínio de sucesso, e pode ser observada
na Equação (24).
0
f M M
-
p P(M 0) f (m)dm = F (0)
= = (24)
As variáveis que caracterizam um problema de confiabilidade estrutural são
usualmente as mesmas utilizadas para o projeto e análise de estruturas. Pode-se citar
como exemplo materiais, carregamentos, resistências, densidades, dimensões, entre
outros. É conveniente optar por variáveis que sejam independentes, embora isso nem
sempre seja possível. Em casos como esse, convém expressar a dependência entre
as variáveis por meio de uma matriz de correlações (MELCHERS; BECK, 2018).
As distribuições de probabilidade para estas variáveis são, geralmente,
obtidas por meio de conhecimento prévio ou observações e experimentação em
estruturas similares. Quando da insuficiência de dados precisos acerca da distribuição
de probabilidades, pode ser assumida para essa uma distribuição normal, sendo
conhecidas a média e a variância, numa representação de segundo momento
(MELCHERS; BECK, 2018).
Conforme a adoção de novas variáveis para o problema de confiabilidade
estrutural, a equação M pode ser generalizada por uma equação de estado limite
qualquer dada por g(X), expressa em termos de um vetor X das variáveis aleatórias
envolvidas no problema. Seja X = x um ponto qualquer no espaço do conjunto de
variáveis aleatórias X, a equação de estado limite g(x) = 0 passa a definir o limite entre
o domínio de falha e o domínio de sucesso (MELCHERS; BECK, 2018).
A Equação (24) passa a ser generalizada pela Equação (25).
)fg( ) 0
p P[g( 0] ... f ( )d
= = XX X x x (25)
Se X é um vetor de variáveis aleatórias independentes, a probabilidade de
falha é simplificada por um produtório das funções marginais de probabilidade de cada
variável aleatória xi, conforme a Equação (26).
32
i 1 2 3
n
X X i X 1 X 2 X 3
i=1
f ( ) f (x ) f (x ) f (x ) f (x )...= = x (26)
O problema de confiabilidade envolve a determinação de uma função conjunta
de densidade de probabilidades e de seu domínio de integração, que na prática
mostra-se de difícil acesso. Para a utilização dos dados existentes na solução do
problema são utilizados métodos de transformação e métodos de simulação, tal qual
o método de simulação de Monte Carlo, que serão abordados nas seções 4 e 5
(BECK, 2019).
33
4 MÉTODOS DE TRANSFORMAÇÃO
Os métodos de transformação são assim chamados pois envolvem a
transformação linear das variáveis de distribuição conjunta de probabilidades qualquer
do espaço de projeto 𝕏 para o espaço normal padrão 𝕐, onde as variáveis passam a
ser adimensionais (BECK, 2019).
O método FOSM (First Order Second Moment) baseia-se na aproximação
linear da equação de estado limite, utilizando-se dos momentos de segunda ordem
(média e variância) das variáveis aleatórias do problema e assumindo para a
distribuição de probabilidades a distribuição normal. O método FORM (First Order
Reliability Method) utiliza dados mais completos para a resolução do problema, tais
como as distribuições de probabilidades originais e os coeficientes de correlação,
ainda com uma aproximação linear da equação de estado limite. O método SORM
(Second Order Reliability Method) aproxima a equação de estado limite por um
paraboloide, baseado em informações obtidas nos outros métodos (BECK, 2019).
Todos os três métodos serão abordados a seguir.
4.1 FOSM – MÉTODO DE TRANSFORMAÇÃO DE PRIMEIRA ORDEM E SEGUNDO MOMENTO
O método FOSM deve seu nome ao fato de ser baseado em uma aproximação
de primeira ordem da probabilidade de falha em série de Taylor e utilizar como
parâmetros apenas os segundos momentos estatísticos (média e covariâncias) das
variáveis aleatórias (HASOFER; LIND; ASCE, 1974).
O modelo de confiabilidade de segundo momento consiste na análise da
probabilidade P(S > R), que por vezes pode ser limitada a um valor pequeno
considerado socialmente aceitável, conforme a Equação (27).
P(S > R) (27)
No entanto, nem sempre a informação a respeito da distribuição de S é
conhecida, e a Equação (27) pode ser reescrita apenas em termos de sua média e
desvio padrão, conforme Equação (28) (HASOFER; LIND; ASCE, 1974):
S SR + (28)
34
O coeficiente é conhecido como coeficiente de confiabilidade, e da Equação
(28) pode ser compreendido que espera-se que a maior parte da probabilidade da
variável aleatória S esteja concentrada a unidades de desvio padrão da média. A
região de segurança, ou não falha, fica definida por uma equação de estado limite, e
o critério de confiabilidade propõe que o intervalo [ S - S, S + S] deve estar
contido inteiramente na região de segurança (HASOFER; LIND; ASCE, 1974).
A formulação original do método FOSM, descrita por Cornell (1969) apud
Haldar e Mahadevan (1995), usa apenas duas variáveis aleatórias e a sua equação
de estado limite é dada pela Equação (29):
M R S= − (29)
Como R e S são independentes e com distribuição normal, a distribuição de
M também é normal e a sua média e desvio padrão são dados pelas Equações (30) e
(31), respectivamente (HALDAR; MAHADEVAN, 1995; MELCHERS; BECK, 2018).
M R S = − (30)
2 2
M R S = + (31)
Como um fator limitante, no espaço amostral original (espaço de projeto), ao
ser tomado um círculo centrado na origem, seriam encontradas regiões de maior ou
menor probabilidade ao longo de seu limite, dependendo das distribuições de
probabilidade, de forma desigual. Convém, portanto, a utilização de uma
transformação linear para a criação de um novo espaço amostral (HASOFER; LIND;
ASCE, 1974).
A transformação de Hasofer-Lind consiste na criação de um espaço padrão
com uma nova região de segurança, onde o critério de confiabilidade passa a ser o
de que o intervalo [-, ] esteja inteiramente contido na região de segurança. Em
outras palavras, pode-se dizer que a distância do ponto S à região de falha, quando
S é medido em unidades de desvio padrão, deve ser maior que (HASOFER; LIND;
ASCE, 1974). A variável M pode ser reescrita na forma de uma variável normal padrão
Y, ou seja, de forma adimensional, com média nula (centrada na origem) e desvio
padrão unitário (Equação (32)).
M
M
MY
−= (32)
A partir da transformação descrita na Equação (32), pode-se escrever a
Equação (24) conforme demonstrado na Equação (33).
35
Mf
M
p P Y
= −
(33)
A probabilidade de falha pode, então, ser representada por uma função de
distribuição cumulativa normal padrão, dada pela Equação (34).
Mf
M
p
= −
(34)
A partir das definições apresentadas, obtém-se uma medida geométrica da
probabilidade de falha, dada pela distância entre o ponto m = 0 e a origem, ou média
da distribuição de Y (a média é nula, conforme transformação dada na Equação (32)
). Tal medida é descrita pelo índice de confiabilidade de Cornell (CORNELL, 1969a
apud MELCHERS; BECK, 2018), e a Equação (34) pode ser reescrita em função
desse novo coeficiente, conforme Equação (35).
( )
( )( )
R Sf
2 2
S R
p
− − = = − +
(35)
Para problemas multidimensionais, com uma função de estado limite linear
g(X) e variáveis aleatórias normais, o índice de confiabilidade pode ser escrito de
acordo com a Equação (36):
G
G
E[g( )]
Var[g( )]
= =
X
X (36)
Da Equação (35) têm-se que quanto menor a distância entre as médias das
variáveis R e S, maior a probabilidade de falha. De maneira análoga, à medida que os
desvios padrão são aumentados, a probabilidade de falha também aumenta
(MELCHERS; BECK, 2018).
A interpretação geométrica do índice de confiabilidade para duas variáveis
aleatórias pode ser obtida pela resolução de um problema de otimização dado por:
encontrar o ponto y* com coordenadas (y1*, y2*), também conhecido como ponto de
projeto, ou ponto de mínima distância da região de falha; que minimiza: d² = y1²+ y2²;
e está contido no plano definido por g(y1, y2) = 0. Para problemas multidimensionais,
o índice de confiabilidade pode ser interpretado como a norma do vetor que se desloca
da origem ao ponto de projeto a ser procurado (37):
mind = = y * (37)
36
A interpretação geométrica é exposta a seguir, e é demonstrada por Beck
(2019).
Inicialmente, é necessária a transformação de Hasofer-Lind das variáveis
aleatórias R e S nas variáveis Y1 e Y2, obtendo-se uma nova função margem de
segurança (Equação (38)).
y1 2 1 R R 2 S Sm(r,s) r s g(y ,y ) = y = − = + − − (38)
A transformação de Hasofer-Lind pode ser interpretada na Figura 1.
Figura 1 – Transformação de Hasofer-Lind das variáveis de projeto
Fonte: adaptado de Beck (2019)
Iguala-se a Equação (38) à zero para satisfazer a condição limite, e resolve-
se para y2, obtendo-se o resultado expresso na Equação (39).
1 R R S2
S
yy
+ −= (39)
37
A distância de um ponto qualquer (y1, y2) à origem é dado por d² = y1²+ y2². A
condição de mínimo consiste em otimizar a função distância, obtendo-se a condição
de mínimo quando a derivada em relação a y1 é igual a zero, para a qual encontra-se
o resultado expresso pela Equação (40).
21 2
1
y2y 2y 0
y
+ =
2 2 R1 2
S
y y 0
+ = (40)
A partir da Equação (39), é possível a obtenção da coordenada y1*, dada pela
Equação (41):
1 R R R S R1 2
S
yy
+ −=
22
1 S 1 R R R Sy y ( ) = + −
2 2
1 S R R R Sy ( ) ( ) + = −
R R S1 2 2
S R
( )y *
−=
− (41)
De maneira análoga, derivando-se em relação a y2, obtém-se a coordenada
y2* (Equação (42)).
S R S2 2 2
R S
( )y *
−=
+ (42)
A coordenada do ponto sobre m(y1, y2) = 0 mais próxima da origem é obtida
pela Equação (43):
R S1 2 R S2 2
R S
( )(y *,y *) ( , )
−= −
+ (43)
Ao substituir-se a Equação (43) em d² = y1² + y2², obtém-se o índice de
confiabilidade , ou a menor distância entre equação de estado limite e a origem do
espaço padrão 𝕐, dada pela Equação (44), que é igual ao resultado dado pela
Equação (35).
−= =
+
R Smin
2 2
R S
d (44)
38
No espaço de projeto, o coeficiente de confiabilidade pode ser interpretado
como a medida, em unidades de desvio padrão, da menor distância entre um ponto
contido em M = 0 ao ponto M (MELCHERS; BECK, 2018).
As coordenadas do ponto de projeto podem ser escritas ainda em função de
seus cossenos diretores (Equação (45)).
1 21 2
1 2 1 2 1 2
g(y ,y ) 1 g g( , ) ,
g(y ,y ) g(y ,y ) y y
= =
1 2 R S2 2
R S
1( , ) ( , )
= −
+ (45)
Utilizando o resultado da Equação (45) e os resultados expressos pelas
Equações (43) e (44), reescreve-se a coordenada dos pontos de projeto em função
dos cossenos diretores e de , conforme expresso na Equação (46).
1 2 1 2(y *,y *) ( , ) = − (46)
Para problemas multidimensionais, o ponto de projeto pode ser escrito
conforme (47), que representa o ponto sob o domínio de falha com maior
probabilidade de ocorrência.
= −y* (47)
4.1.1 Equações de Estado Limite lineares
Em uma equação de estado limite linear, os cossenos diretores não mudam
conforme a sua posição sobre o hiperplano g(y) = 0, cuja equação é dada por (48)
(MELCHERS; BECK, 2018):
1
n
i i
i
g( ) y 0 =
= + =y (48)
Ao aplicar-se a transformação de Hasofer-Lind, chega-se à Equação (49).
i
i i
n ni i
X ii=1 i=1X X
g( ) x 0
= − + = x (49)
A Equação (49) pode ser reescrita de acordo com a Equação (50).
i
n
0 i
i=1
g( ) b b x 0= + =x (50)
39
Observa-se que, conforme as Equações (6) e (7), o valor esperado da função
g(X) no espaço original é dado pela Equação (51), e a variância é dada pela Equação
(52) .
i
n
0 i X
i=1
E[g( )] b b = + =X (51)
i i
i
2n n
2 2 2i1 X X
i=1 i=1 X
Var[g( )] b 1
= = =
X (52)
Portanto, o índice de confiabilidade pode ser interpretado como o resultado
dado em (53).
(
E[g( )]
Var[g )] = = − tX
y *X
(53)
4.1.2 Equações de Estado limite não-lineares
Melchers e Beck (2018), Beck (2019) utilizam para a determinação do ponto
de projeto em equações de estado limite não-lineares um multiplicador de Lagrange,
para o qual encontra-se o problema de otimização dado pela Equação (54):
1/ 2min( ) ( ) g( ) = +ty y y (54)
Um ponto estacionário pode ser obtido pela derivada da Equação (54) em
relação a y e a e igualando a expressão a 0, conforme a Equação (55) e (56),
respectivamente.
-1d g( ) 0
= + =
y yy
(55)
g( ) 0
= =
y (56)
O ponto estacionário é dado, portanto, pela Equação (57).
esty g( )d= − y (57)
Ao assumir que o ponto estacionário é um ponto de mínimo, têm-se que o
multiplicador de Lagrange é dado pela Equação (58).
t -1/ 2( g g) = (58)
A distância do ponto estacionário à origem é dada pela Equação (59):
40
( )t
min
gd
g
−= =
ty*y * (59)
Para provar que o ponto estacionário é um ponto de mínimo, e a distância do
ponto estacionário é , é necessário uma linearização da equação de estado limite em
torno do ponto de projeto, dada pela Equação (60).
tg( ) g( ) g ( )= + −y y* y y* (60)
O valor esperado da Equação (60) é dado pela Equação (61), e a variância é
dada pela Equação (62).
*n
ii=1 i
gE[g( )] y g
y
= − = −
ty y * (61)
2n
t
i=1 i
gVar[g( )] g g
y
= =
y (62)
A partir do resultado expresso na Equação (36), obtém-se o índice de
confiabilidade dado na Equação (63).
( )1/2
t
E[g( )] g
Var[g( )] g g
− = = = −
tty y *
y *y
(63)
Observa-se que o resultado é idêntico ao resultado dado na Equação (59), o
que prova que o ponto yest é o ponto de projeto quando da linearização da equação
de estado limite.
4.1.3 Coeficientes de Sensibilidade
Os cossenos diretores obtidos em (64) representam a sensibilidade da
equação de estado limite e indicam quando é preferível a consideração de uma
variável aleatória pertencente ao problema como simplesmente determinística.
Quando o componente i de determinada variável aleatória é muito pequeno, tem
pouco impacto sobre o índice de confiabilidade (MELCHERS; BECK, 2018).
g( )
( )g( )
=y
yy
(64)
Os componentes do vetor de cossenos diretores são frequentemente referidos
como fatores de importância, e podem ser utilizados para a determinação de variáveis
41
que não apresentam tanta importância na procura do ponto de projeto (BJERAGER,
1990) .
Uma variável aleatória com um componente i grande tende a ser
considerada estocasticamente importante (HOHENBICHLER; RACKWITZ, 1986).
4.1.4 Notação matricial
Usualmente, as transformações utilizadas pelos métodos de transformação
podem ser denotadas na forma matricial, pela introdução das matrizes jacobianas,
que para a transformação de Hasofer-Lind são dadas na Equação (65), onde D é a
matriz diagonal de desvios padrão.
i
j i=1,...,n; j=1,...,n
i
j i=1,...,n; j=1,...,n
y=
x
y=
x
−
=
=
1
yx
xy
J D
J D
(65)
A transformação de Hasofer-Lind na forma matricial é, portanto, obtida a partir
da Equação (66) (BECK, 2019).
( )
( )
= −
= +
yx
xy
y J x μ
x J y μ (66)
O vetor gradiente no espaço normal padrão é dado pela Equação (67).
)tg( ) = ( g( )xyy J x (67)
4.1.5 Algoritmo de Hasofer, Lind, Rackwitz e Fiessler
O algoritmo de Hasofer, Lind, Rackwitz e Fiessler, também conhecido como
algoritmo HLRF, é um processo iterativo para a solução do problema de
confiabilidade. Consiste na procura de uma melhor aproximação yk+1 para o ponto yk
que satisfaça a equação de estado limite em g(y) = 0. Para a obtenção dessa
aproximação é necessário expandir g(yk+1) em torno de yk em uma série de Taylor em
termos de primeira ordem, conforme Equação (68) (HASOFER; LIND; ASCE, 1974):
k2
g( ) g( ) g( )g( )
g( )g( )
−= = − +
k k k kk+1 k k
kk
y y y yy y
yy
(68)
42
4.1.6 Algoritmo FOSM
O algoritmo FOSM pode ser compreendido na Figura 2.
43
Figura 2 – Algoritmo FOSM
Fonte: Autoria própria (2019)
44
4.2 FORM – MÉTODO DE CONFIABILIDADE DE PRIMEIRA ORDEM
Algumas considerações que não são abordadas pelo método FOSM passam
a ser melhor consideradas pelo método FORM, tais quais a existência de variáveis
aleatórias que não possuem distribuição normal e que são possivelmente
correlacionadas (SHINOZUKA, 1983).
Um dos principais avanços do método FORM é a transformação de uma
variável aleatória Xi com distribuição contínua qualquer fXi(xi) em uma variável
aleatória gaussiana no espaço normal padrão (BJERAGER, 1990), conforme observa-
se na Figura 3.
Figura 3 – Transformação das variáveis de projeto no método FORM
Fonte: adaptado de Beck (2019)
O método FORM consiste, incialmente, em três considerações principais: a)
a transformação da variável aleatória Xi em uma variável aleatória gaussiana com
média nula e desvio padrão unitário; b) a aproximação da equação de estado limite
no espaço normal padrão; c) a computação da probabilidade de falha pela
aproximação das superfícies de falha (BJERAGER, 1990).
As variáveis aleatórias não gaussianas podem ser transformadas em variáveis
aleatórias gaussianas equivalentes a partir do princípio conhecido como Normal Tail
Approximation (SHINOZUKA, 1983), dado pela Equação (69).
i
-1
i X iz * (F (x *))= (69)
45
Onde zi* é um valor assumido por uma variável aleatória Zi pertencente ao
conjunto de variáveis aleatórias Z com distribuição normal padrão possivelmente
correlacionadas, e xi* é o valor assumido por uma variável aleatória Xi com distribuição
não-gaussiana, para o qual deseja-se encontrar uma distribuição normal equivalente,
com i
neq
X e i
neq
X .
A coordenada zi* pode ser escrita em função dos parâmetros equivalentes de
acordo com a transformação de Hasofer-Lind, conforme a Equação (70).
i
i
neq
i X
i neq
X
x *z *
−= (70)
Os parâmetros i
neq
X e i
neq
X podem ser escritos conforme a Equação (71) e
(72), respectivamente (MELCHERS; BECK, 2018).
i
i
neq iX
X i
(z *)
f (x *)
= (71)
= −i i
neq neq
X i i Xx * z * (72)
A transformação do conjunto de variáveis aleatórias X em variáveis
gaussianas pode ser escrita na forma matricial a partir do vetor de médias neq formado
pelas coordenadas obtidas na Equação (72), e a partir das matrizes jacobianas, ou
matrizes de transformação, dadas na Equação (73), onde Dneq é a matriz diagonal de
desvios padrão equivalentes obtidos em (71).
-1( )=
=
neq
zx
neq
xz
J D
J D (73)
A transformação resulta nas expressões dadas em (74).
{ }= −
= +
neq
zx
neq
xz
z J x
x J z
(74)
Ao obter-se as variáveis com distribuições normais equivalentes, é necessário
considerar a transformação dos coeficientes de correlação de forma que estes se
adequem às distribuições normais obtidas. Para isso, introduz-se uma transformação
conhecida como Modelo de Nataf. Nessa transformação, é possível obter um modelo
de distribuição conjunta para um vetor de variáveis aleatórias X a partir das suas
distribuições marginais e da distribuição normal multivariada de Z, com uma matriz de
coeficientes de correlação Rz, conforme Equação (75) (KIUREGHIAN; ASCE; LIU,
1986; LIU; KIUREGHIAN, 1986).
46
1 2 nX 1 X 2 X n
x n z
1 2 n
f (x )f (x )...f (x )f (x) (z,R )
(z ) (z )... (z )
= (75)
Em uma análise par a par, para duas variáveis aleatórias, obtém-se a Equação
(76).
=i j
i j
X i X j
X X i j i j i j
i j
f x f xf x x z z
z z2 ,
( ) ( )( , ) ( , , )
( ) ( ) (76)
A partir das Equações (75) e (76) é possível obter uma relação entre os
coeficientes de correlação da variável aleatória com distribuição conjunta Xi e os
coeficientes de correlação para uma variável aleatória com distribuição normal
multivariada Zi, dada pela Equação (77).
)
1,2 i, j
i j
i j j ji iX 2 i j Z i j
X X i j
Cov(X , X xx(z ,z , )dx dx
− −
− −= =
i, j i, jX i j 2 i j Z i jz z (z ,z , )dz dz
− −
= (77)
Segundo Kiureghian, ASCE e Liu (1986), a Equação (77) é válida quando a
Equação (69) tem mapeamento um para um, que ocorre se FXi(xi) é contínua e
estritamente crescente, e se os valores de Zi,j estão contidos entre -1 e 1. No entanto,
por se tratar de um processo iterativo, fórmulas semi-empíricas foram introduzidas por
Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986),dadas na Equação (78)
com parâmetro F dados nas tabelas presentes no Anexo B.
i, j
i, j
Z
X
F
= (78)
Após a obtenção dos coeficientes de correlação em sua forma normal
multivariada é necessário ainda a eliminação da correlação entre as variáveis
aleatórias, para que seja aproveitado as propriedades de simetria da distribuição
normal padrão (BECK, 2019). Ditlevsen e Madsen (2007) citam a fatoração de
Cholesky da matriz de covariâncias do conjunto de variáveis aleatórias Z como uma
forma simples de obter uma matriz de transformação a partir da matriz de covariâncias
CZ. Deseja-se com ela obter uma matriz de transformação tal que a matriz de
covariâncias CY (79) resultante seja igual à matriz identidade.
= =t
Y ZC B C B I (79)
47
Beck (2019) mostra que a Equação (79) pode ser reescrita conforme a
Equação (80).
t -1 t -1 t -1 -1( ) ( )=ZB B C BB B IB
( t -1 -1)=ZC B B (80)
Ao denotar-se (Bt)-1 = (B-1)t = L, procura-se uma matriz L que forneça (81).
= t
ZC LL (81)
Nesse caso, as matrizes jacobianas são dadas em (82).
=
=
-1
yz
zy
J L
J L (82)
Outra maneira de garantir a eliminação da correlação entre as variáveis
aleatórias é a partir da diagonalização por decomposição ortogonal, onde procura-se
uma matriz de transformação A capaz de produzir o resultado dado na Equação (83)
.
= t
Y ZC A C A (83)
Nesse caso, são utilizadas as matrizes de autovalores e autovetores de CZ
para produzir a matriz identidade CY. Obtém-se a matriz de transformação A dada na
Equação (84) (BECK, 2019; DITLEVSEN; MADSEN, 2007) onde A é a matriz de
autovetores de CZ e -1/2Λ é a matriz diagonal inversa das raízes quadradas dos
autovalores de CZ.
= -1/ 2A AΛ (84)
Nesse caso, as matrizes jacobianas são dadas em (85).
t
-1 t
( )
( ) ( )
= =
= =
t -1/ 2
yz
t 1/ 2
zy
J A AΛ
J A Λ A (85)
Para os dois casos, a transformação é dada nas equações em (86).
=
=
yz
zy
y J z
z J y (86)
A matriz de transformação do espaço de projeto para o espaço normal padrão
é dada em (87) para a eliminação da correlação por meio da decomposição de
Cholesky e em (88) para a decomposição ortogonal.
1( )−=
=
-1 neq
yx
neq
xy
J L D
J D L (87)
48
t 1
t
( ) ( )
( )( )
− −=
=
1/ 2 neq
yx
neq 1/ 2
xy
J AΛ D
J D Λ A (88)
A transformação resultante, do espaço de projeto para o espaço normal
padrão é dada em (89).
{ }= −
= +
neq
yx
neq
xy
y J x
x J y
(89)
4.2.1 Algoritmo FORM
O algoritmo FORM é exposto na Figura 4.
49
Figura 4 – Algoritmo FORM
Fonte: Autoria própria (2019)
50
4.3 SORM – MÉTODO DE CONFIABILIDADE DE SEGUNDA ORDEM
O método FORM fornece uma aproximação linear para a probabilidade de
falha, onde o índice de confiabilidade é interpretado como a mínima distância entre a
origem e a equação de estado limite no espaço normal padrão. No entanto, em razão
da aproximação linear no ponto de projeto, problemas de precisão podem surgir com
a não linearidade de determinadas equações de estado limite (ZHAO; ONO, 1999).
O método de confiabilidade de segunda ordem (SORM) surge como uma
alternativa para alcançar melhorias de precisão pela aproximação da superfície de
estado limite por uma superfície quadrática, onde a probabilidade de falha é dada pelo
conteúdo exterior à superfície aproximada (ZHAO; ONO, 1999). É, de certa forma, um
complemento ao método FORM: para a sua construção é necessário o conhecimento
do ponto de projeto e, a partir daí, o ajuste de um paraboloide à equação de estado
limite, de forma que o conteúdo de probabilidades não seja mais aproximado
linearmente, mas sim por uma superfície de segunda ordem.
Para que possa ser feito o ajuste de um paraboloide à equação de estado
limite, é necessário a determinação de uma base ortonormal a partir de um algoritmo
de ortogonalização, tal qual o algoritmo de Gram-Schmidt, que produz os eixos ˆ ,
com i = 1,...,n-1, (BECK, 2019). Nesse caso, o enésimo vetor desse sistema é o vetor
que se desloca da origem ao ponto de projeto, na direção dos cossenos diretores
do ponto de projeto, que passa a ter coordenadas v* = (0,...,0, )t. Uma matriz de
rotação V é então criada, com ˆ dado pela Equação (90).
= −n
y*v
y*
g( )
g( )ˆ
(90)
O paraboloide ajustado às curvaturas da equação de estado limite no ponto
de projeto é dado pela Equação (91).
t
n
1( )
2 = + n-1 n-1v Av (91)
Onde A é a matriz de derivadas de segunda ordem do paraboloide, que pode
ser obtida a partir da Equação (92).
t ( )
g( )
=
V y* VA
y* (92)
51
( ) y* é a matriz de derivadas de segunda ordem da equação de estado limite,
também conhecida como matriz Hessiana (93).
²
i j i=1,...,n; j=1,...,n
g( )( )
y y
=
yy* (93)
Breitung (1984) encontrou aproximações assintóticas para a probabilidade de
falha, dadas na Equação (94).
SO
1pf Φ( )
det( )
= −
+I A (94)
De fato, ao se analisar a Equação (94), é possível observar que, quanto mais
próximos os termos aij da matriz A forem de zero, mais a probabilidade de falha
aproxima-se dos resultados obtidos pelo método FORM.
Uma forma simplificada de obter os resultados dados na Equação (94) é a
partir da escolha de um sistema de eixos ortogonais ajustados de forma à coincidir
com as curvaturas principais da equação de estado limite no ponto de projeto. Caso,
isso ocorra, o sistema de eixos ortogonais vi é dado pelos autovetores da matriz
Hessiana, e as curvaturas principais ki do paraboloide correspondem aos autovalores
da matriz A. A equação do paraboloide é dada pela Equação (95) e a expressão para
a probabilidade de falha é dada pela Equação (96) (BREITUNG, 1984).
n-1
2
n i i
i=1
1k v
2 = + (95)
n-1
SO
i=1 i
1pf ( )
1 k
= −
+ (96)
4.3.1 Algoritmo SORM
O algoritmo SORM pode ser observado na Figura 5.
52
Figura 5 – Algoritmo SORM
Fonte: Autoria própria (2019)
53
5 MÉTODO DE SIMULAÇÃO DE MONTE CARLO
O método de simulação de Monte Carlo é um método que emprega números
aleatórios para a resolução de determinados problemas estocásticos ou
determinísticos, onde a passagem do tempo não representa papel importante no
problema estudado (LAW; KELTON, 1991). É considerado como referência na
validação dos métodos de aproximação (LOPEZ; BECK, 2012).
As técnicas de simulação envolvem a geração de amostras aleatórias para
simular artificialmente um grande número de experimentos. Na confiabilidade
estrutural, consiste na geração de uma amostra das variáveis aleatórias Xi e na
análise da equação de estado limite para a amostra gerada, verificando se esta é
violada em um dado número de repetições do experimento (MELCHERS; BECK,
2018).
A simulação de Monte Carlo baseia-se na interpretação de que o valor
esperado de uma determinada amostra tende a se estabilizar à medida que o tamanho
da amostra aumenta. Dessa forma, a solução analítica da probabilidade de falha pode
ser interpretada como a média dos valores obtidos num experimento estocástico
(DITLEVSEN; MADSEN, 2007).
A probabilidade de falha pode ser reescrita com o auxílio de uma função
indicadora I(x), dada pela expressão em (97) (BECK, 2019; MELCHERS, 1989;
MELCHERS; AHAMMED, 2004; PAPADRAKAKIS; LAGAROS, 2002).
f
f
I( ) 1 se D
I( ) 0 se D
=
=
x x
x x (97)
Nesse caso, a probabilidade de falha é interpretada como o valor esperado
de x e é dada por (98):
f
Ω
p I( )f( )dx E[I( )]= = x x x (98)
A probabilidade de falha pode ser aproximada a partir do número de falhas nf
da amostra em nS simulações, dada por (99):
ˆSn
ff k
k=1S S
n1p I( )
n n= = x (99)
A variância relacionada à probabilidade de falha da amostra é dada por (100)
que corresponde à incerteza ou erro estatístico da simulação (BECK, 2019).
54
ˆ ˆ)Sn
f k f
k=1S
1Var(p (I( ) p )²
(n 1)= −
− x (100)
O coeficiente de variação da probabilidade de falha é dado pela Equação
(101).
ˆ
ˆ )
ˆ )f
f
p
f S f
Var(p 1
E(p n p = (101)
O intervalo de confiança é obtido pela Equação (102), com k um coeficiente
relacionado ao intervalo de confiança desejado.
ˆ ˆ) )
ˆ ˆf f
f f f
S S
Var(p Var(pp k p p k
n -1 n 1− +
− (102)
5.1 GERADOR DE AMOSTRAS DE VARIÁVEIS ALEATÓRIAS
A simulação de Monte Carlo depende da escolha de um gerador de amostras
eficiente para o problema analisado. O gerador randômico presente em computadores
é, para muitas aplicações, de insuficiente qualidade. Daí a necessidade de geradores
mais eficientes, tal qual o gerador linear congruencial (DITLEVSEN; MADSEN, 2007).
5.1.1 Variáveis Aleatórias Independentes
A geração de números aleatórios uk pode ser obtida a partir de algoritmos
recursivos, tais como o gerador linear congruencial (103) (SOONG E GRIGORIU,
1993 apud BECK, 2019).
k kk
a z c a z cu int
m m
+ + = −
(103)
O gerador zk é obtido pela Equação (104), e o conjunto {m, a, c} possibilita a
criação de diferentes geradores congruenciais, dependendo da escolha adequada das
variáveis a, m e c.
kk+1 k
a z cz a z c m int
m
+ = + −
(104)
55
A partir dos valores uk é possível a obtenção de amostras de variável aleatória
xk a partir da inversa da função de distribuição cumulativa de probabilidades, conforme
a Equação (105).
-1
k X kx F (u )= (105)
5.1.2 Variáveis Aleatórias Correlacionadas
Segundo Beck (2019), o Modelo de Nataf pode ser utilizado para gerar
amostras de variáveis aleatórias correlacionadas a partir de um vetor de amostras de
variáveis normais padrão sem correlação y. Para que isso seja possível, é necessário,
incialmente, a geração de uma amostra yk, e a posterior transformação dessa amostra
de variáveis sem correlação em uma amostra de variáveis aleatórias gaussianas
padrão multivariadas, conforme a Equação (106).
=k zy kz J y (106)
O jacobiano citado na Equação (106) foi previamente discutido nas Equações
(82) e (85).
O vetor uk de números aleatórios uk pode ser obtido de (107).
( )= k ku z (107)
A partir do vetor uk de probabilidades obtidas, calcula-se para cada uk a
respectiva variável xk de acordo com a Equação (105).
5.2 TÉCNICAS DE REDUÇÃO DE VARIÂNCIA
As técnicas de redução de variância são necessárias, mesmo com o ganho
de velocidade de computadores ao longo do tempo. Algumas simulações atuais de
maior complexidade podem necessitar horas ou dias de processamento, enquanto
outras possuem uma probabilidade muito pequena de ocorrência, e
consequentemente necessitam de um número grande de simulações. As técnicas de
redução de variância mostram-se como uma ferramenta de grande importância para
a redução de tempo computacional, de modo a dotar a simulação de uma melhor
solução prática (KLEIJNEN; RIDDER; RUBINSTEIN, 2010).
56
5.2.1 Amostragem por Importância
A amostragem por importância consiste na obtenção de uma função de
amostragem hX(x), ajustada de modo a deslocar os pontos de amostragem para
regiões importantes do domínio de falha (BECK, 2019).
A probabilidade de falha pode ser reescrita de acordo com a função de
amostragem (108).
f
f ( ) f ( )p I( ) h ( )dx E I( )
h ( ) h ( )
= =
X XX
X X
x xx x x
x x (108)
Consequentemente, se x1, ..., xns é uma amostra aleatória de hX(x), a Equação
(109) é um estimador não-tendencioso da probabilidade de falha (KLEIJNEN;
RIDDER; RUBINSTEIN, 2010; RUBINSTEIN; KROESE, 2017).
ˆSn
kf f k
k=1S k
f ( )1p p I( )
n h ( ) = X
X
xx
x (109)
A razão entre as funções de densidade pode ser interpretada como um peso
de amostragem wk, que estima a proximidade entre as funções de densidade conjunta
no ponto avaliado (110) (RUBINSTEIN; KROESE, 2017).
)
kk
k
f ( )w
h (= X
X
x
x (110)
5.2.2 Determinação da função de amostragem
Uma forma de obtenção de uma função de amostragem h(x) é concentrar os
pontos amostrais em uma região de grande probabilidade de falha, onde a região de
maior interesse é onde g( ) 0x . Uma maneira de se obter este resultado é a escolha
de h(x) tal que a média esteja sobre a região de maior probabilidade de falha, ou o
ponto de projeto (MELCHERS; BECK, 2018; SHINOZUKA, 1983).
Para tanto, para a obtenção de h(x) basta deslocar a média da função
densidade de probabilidades original até o ponto de projeto (HARBITZ, 1983 apud
ENGELUND; RACKWITZ, 1993), ou descrever h(x) por uma distribuição normal com
matriz de coeficientes de variação correspondentes aos das variáveis aleatórias
independentes originais (MELCHERS, 1984 apud MELCHERS, 1989). Isso garantirá
57
que mais valores aleatórios sejam gerados em torno da região de mais significância
(MELCHERS; BECK, 2018).
Ainda que seja necessário o conhecimento do ponto de projeto, obtido por
métodos de transformação tais como o método FOSM, FORM e SORM, a utilização
do ponto de projeto como balizador da amostragem tem se mostrado como uma
alternativa de grande eficácia (IBRAHIM, 1991). Se a equação de estado limite não
for extremamente não-linear, aproximadamente metade das simulações é realizada
na região de falha (existe aproximadamente igual probabilidade do ponto amostrado
estar na região de falha ou segurança), o que reduz consideravelmente a quantidade
de simulações necessárias (ENGELUND; RACKWITZ, 1993; FUJITA; RACKWITZ,
1988; MELCHERS, 1989).
Embora os métodos de transformação ofereçam uma estimativa considerada
suficiente em diversas aplicações, dúvidas surgem em relação à acurácia desses
métodos e os erros acarretados na aproximação do hiperplano ou paraboloide à
equação de estado limite no ponto de projeto. Em alguns casos, a equação de estado
limite apresenta curvaturas que podem levar a aproximações que subestimam a
probabilidade de falha (FUJITA; RACKWITZ, 1988; HARBITZ, 1986). Em casos como
esse, a utilização de métodos de Monte Carlo com amostragem por importância no
ponto de projeto mostra-se de especial relevância para a obtenção de uma melhor
precisão nos resultados obtidos.
5.2.3 Algoritmo de Monte Carlo com Amostragem por Importância no Ponto de Projeto
O algoritmo de Monte Carlo com amostragem por importância no ponto de
projeto pode ser observado na Figura 6.
58
Figura 6 – Algoritmo de Monte Carlo com amostragem de importância no ponto de projeto
Fonte: Autoria própria (2019)
59
6 OTIMIZAÇÃO BASEADA EM CONFIABILIDADE (RBDO)
Com o avanço de tecnologias e com a aprimoração das ferramentas
computacionais, a otimização tem sido cada vez mais utilizada na Engenharia. No
entanto, na otimização determinística, sem a consideração das incertezas que
permeiam as variáveis utilizadas em um problema, usualmente leva-se o projeto ao
limite de suas restrições, sem garantir a confiabilidade necessária frente às
imperfeições dos processos de manufatura e modelos de cálculo (DU; HUANG, 2007).
Usualmente, um problema de otimização determinística é dado conforme a expressão
em (111).
( )
( )
determine: que minimiza:
sujeito a:
0, 1,2,..,
i g
j h
f( )
g 0, i =1,2,..,n
h j n
= =
d * d
d
d
(111)
Onde d é o vetor de variáveis de projeto a serem determinadas, f(d) é a
função objetivo, gi(d) são as ng restrições de desigualdade, hj(d) são as nh restrições
de igualdade.
A otimização baseada em confiabilidade (Reliability-based Design
Optimization) é aquela nas quais as restrições são escritas em termo de
probabilidades de falha admissíveis ou índices de confiabilidade alvo T (BECK,
2019).
Na otimização baseada em confiabilidade, as médias das variáveis aleatórias
são frequentemente utilizadas como variáveis de projeto (variáveis às quais deseja-
se otimizar), e o custo é otimizado em função de restrições probabilísticas. Ela fornece
um projeto otimizado e busca atender os níveis de confiabilidade especificados (TU;
CHOI; PARK, 1999), e pode ser escrita conforme exposto em (112).
min max
determine: que minimiza:
sujeito a: ( ) , T
f( )
d * d
d d d d (112)
Onde dmin e dmax são os limites inferiores e superiores admitidos para as
variáveis de projeto em d, e nLS é o número de estados limites.
Quando deseja-se otimizar a média de uma variável aleatória Xi, tal que esta
seja uma variável aleatória de projeto, faz-se necessário a separação de tal variável
em sua parcela determinística e em sua parcela aleatória. Para tanto, na equação de
estado limite utilizada nos laços de otimização, a variável de projeto é dada pela soma
60
de sua parcela correspondente ao vetor d (variáveis determinísticas de projeto) e ao
vetor X (conjunto das variáveis aleatórias) (BECK, 2019).
A formulação do problema RBDO pode ser obtida a partir de duas principais
formas de se analisar a restrição de confiabilidade. A forma convencional é
denominada Reliability-Index Approach (RIA) e pode ser escrita na expressão em
(113).
dado , determine: que minimiza
sujeito a:
RIA ( ) =
g( , ) = 0.
d y * d y
d y (113)
Alternativamente, Tu, Choi e Park (1999) propuseram a formulação
Performance-Measure Approach (PMA), dada na Equação (114).
dado , determine: que minimiza
sujeito a: .
PMA
T
g( , )
=
d y * d y
y (114)
A solução do problema RBDO envolve, portanto, a utilização de laços de
otimização aninhados. O laço interno envolve a análise da confiabilidade estrutural e
o laço externo envolve a otimização estrutural (LOPEZ; BECK, 2012).
6.1 FORMULAÇÃO RIA DO PROBLEMA DE OTIMIZAÇÃO
Beck (2019) apresenta a solução do problema de otimização RIA pelo método
Sequential Linear Programming (SLP), no qual as restrições e a equação objetivo são
linearizadas. A solução apresenta-se na expressão (115).
( ) ( )( )
( ) ( )( )
+ −
− − −
d
d
d d d d
d d d d d d d
0
k+1
t
k d k k+1 k
t
T i k d i k k+1 k LS
k 0,1,2
f f
0, i = 1,...,n ,
k i = 1,...,
min max
dado , para = ,..., até a convergência:
determine:
que minimiza:
sujeito a: ;
sendo, a cada iteração , para
( ) ( )
( )
=
k
i
d
y * d y
d y
LS
RIA i k i
i k i
n
g , = 0.
, e para fixo:
determine: que minimiza: ,
sujeito a:
(115)
Na formulação RIA, a restrição de igualdade é a superfície de falha. O ponto
de mínimo da superfície de falha é chamado de MPP, ou Most Probable Point (CHOI;
YOUN, 2002).
61
Para o laço interno de otimização, obtém-se o algoritmo recursivo a partir da
solução da função Lagrangeana em (116).
( )1/ 2
+ λg( )= ty y d,y (116)
A Equação (116) fornece o resultado expresso em (117).
( ) ( )( )
( )( )
, ,
,
,
,
t
q q q
q
q
q
q+1 q q q
q
g g
g
g
g
− =
= − = −
d y d y y
d y
d yy
d y
(117)
6.2 FORMULAÇÃO PMA DO PROBLEMA DE OTIMIZAÇÃO
A aproximação PMA baseia-se no princípio de que minimizar uma função
complexa sujeita à restrições simples é mais eficiente do que minimizar funções
simples sujeitas à restrições complexas (AOUES; CHATEAUNEUF, 2010).
Na formulação PMA do problema RBDO, inicialmente determina-se os pontos
concentrados à uma distância T da origem, e posteriormente o ponto em que a
equação de estado limite possui o menor valor é selecionado. Se tal valor obtido for
negativo, infere-se que a restrição de confiabilidade foi violada (LEE; YANG; RUY,
2002).
A avaliação da restrição de confiabilidade no PMA requer a análise de
confiabilidade inversa, e o ponto de mínimo sobre a superfície de confiabilidade alvo
é chamado de MPP, ou Minimum Performance Point (CHOI; YOUN, 2002). A busca
ocorre na -esfera com raio igual ao índice de confiabilidade alvo (AOUES;
CHATEAUNEUF, 2010).
Beck (2019) apresenta a solução do problema de otimização PMA pelo
método Sequential Linear Programming (SLP), que apresenta-se na expressão (118)
.
62
( ) ( )( )
( )( ) ( )( )( ) min max
dado , para = ,..., até a convergência:
determine:
que minimiza:
sujeito a: g , , ;
sendo, a cada iteração , para
0
k+1
t
k d k k+1 k
t
i k PMA d i k PMA k+1 k LSi i
k 0,1,2
f f
g 0, i = 1,...,n ,
k
+ −
+ −
d
d
d d d d
d y * d y * d d d d d
( )
, e para fixo:
determine: ( ) que minimiza: , ,
sujeito a: .
LS
PMA i k
T
i = 1,...,n
g
=
k
i
d
y * d y
y
(118)
Para o laço interno de otimização, obtém-se o algoritmo recursivo (120) a
partir da solução da função Lagrangeana em (119).
( ) ( )( )1/ 2
Tg , + = −td y y y (119)
( )( )
( ) ( )
,
,
, ,
q
q+1 T q T
q
q+1 q T
g
g
g g
= − = −
= −
d yy
d y
d y d
(120)
Comparativamente, o método PMA mostra-se mais robusto e mais eficiente
na avaliação de restrições de probabilidade inativas, enquanto o RIA é mais eficiente
para restrições violadas. O PMA leva a maiores taxas de convergência, enquanto o
RIA leva à singularidades em alguns casos (TU; CHOI; PARK, 1999).
O algoritmo PMA encontra-se expresso na Figura 7.
63
Figura 7 – Algoritmo PMA
Fonte: Autoria própria (2019)
64
7 VIGAS DE CONCRETO ARMADO SUBMETIDAS À FLEXÃO SIMPLES
Para o estudo da confiabilidade estrutural aplicado a vigas de concreto
armado submetidas à flexão simples, é necessário a formulação de uma equação de
estado limite que se adeque à caracterização do problema estudado. Nos itens a
seguir, serão abordados os itens necessários para a formulação da equação de
estado limite, partindo inicialmente da abordagem dos domínios de deformação.
7.1 DOMÍNIOS DE DEFORMAÇÃO
Os domínios de deformação representam as possibilidades de ruína da seção
transversal, e dependem dos conjuntos possíveis de deformações do concreto c e
do aço s . A compreensão do domínio no qual a viga se encontra é crucial para a
determinação das equações de estado limite. A Figura 8 representa, para concretos
do grupo I, os seis domínios de deformação. Os domínios 1 e 2 e a reta “a”
correspondem ao limite último por deformação plástica excessiva, e os domínios 3, 4,
4a e 5 e a reta “b”, o estado limite último por encurtamento limite do concreto
(CARVALHO; FIGUEIREDO FILHO, 2019).
Figura 8 – Domínios de deformação
Fonte: Adaptado de ABNT NBR 6118:2014
65
A posição da linha neutra pode ser relacionada com as deformações na borda
comprimida da seção e de sua armadura tracionada. Da equação de compatibilidade,
tem-se a Equação (121).
= =− +
c s c
c s
ε ε εx d
x d x ε ε (121)
Denomina-se x o coeficiente adimensional que fornece a relação entre a
posição da linha neutra e a altura útil da seção de concreto armado, ou seja, ao centro
geométrico da armadura tracionada, conforme (122).
cx
c s
x
d
= =
+ (122)
Os domínios de deformação são descritos nos itens a seguir, conforme
Carvalho e Figueiredo Filho (2019) e Clímaco (2016).
a. A reta “a” corresponde ao alongamento da seção transversal uniforme
equivalente a 1%, com seção transversal inteiramente tracionada.
b. O domínio 1 corresponde a tração não uniforme em toda a seção, com s
= 1% e deformação no concreto variando de 0 a 1%. A posição da linha neutra varia
de − a 0. No domínio 1, a resistência da seção transversal é exclusiva do aço, uma
vez que o concreto se encontra inteiramente tracionado e fissurado.
c. O domínio 2 corresponde ao alongamento s de 1% e compressão no
concreto variando de 0 a 0,35%. A ruina ocorre por deformação plástica excessiva do
aço, e o concreto não atinge a ruptura. O concreto não trabalha na sua capacidade
máxima. A profundidade da linha neutra varia no intervalo x0 < < 0,259 .
d. O domínio 3 ocorre a com a deformação de 0,35% na borda comprimida e
uma deformação variando de 1% à yd no aço. A posição da linha neutra varia no
intervalo 34x x0,259 , onde o
34x é dado na Equação (123).
=+
x
yd
3,5
3,534 (123)
No domínio 3 a resistência da seção transversal é condicionada à participação
do concreto e do aço, onde ambos os materiais atingem sua capacidade resistente
máxima simultaneamente, e a ruptura se dá acompanhada de grandes deformações.
e. O domínio 4 envolve a deformação c = 0,35% na borda comprimida e a
deformação no aço varia entre yd e 0, com o aço não atingindo o escoamento. A
66
ruptura nesse caso é frágil, uma vez que o concreto se rompe sem que o aço atinja a
sua tensão de escoamento.
f. No domínio 4a, a linha neutra encontra-se entre a armadura e a
extremidade tracionada da viga, ou seja, no cobrimento da armadura, que por sua vez
se encontra comprimida.
g. No domínio 5 a seção é inteiramente comprimida, com a linha neutra fora
da seção transversal, com deformações no concreto variando de 0,35% a 0,2%, e
deformações no aço menores do que 0%, até 0,2% (compressão).
h. A reta “b” possui compressão uniforme com encurtamento igual a 0,2%,
com a posição da linha neutra tendendo a .
7.2 EQUILÍBRIO DA SEÇÃO TRANSVERSAL E EQUACIONAMENTO PARA DOMÍNIOS 2 E 3
Para a determinação da área de aço necessária na armadura longitudinal de
uma viga de concreto armado, bem como os momentos admissíveis máximos
atuantes, faz-se necessário o equilíbrio de forças na seção transversal. A norma NBR
6118:2014 restringe, a fim de assegurar as condições de ductilidade em vigas e lajes,
o intervalo de posições possíveis da linha neutra em concretos do grupo I (para valores
de resistência característica do concreto à compressão 50ckf MPa ) a valores até
uma razão 0,45x
d , sendo condicionada a preservação desta condição à adoção,
em certos casos, de armadura dupla .
Neste trabalho, foram avaliados apenas os casos de seções com armaduras
simples, onde o aço trabalha exclusivamente à tração e localiza-se, portanto, na
extremidade tracionada da viga. Isso exige o equacionamento das equações de
estado limite para domínios 2 e 3, que depende da definição de variáveis relacionadas
ao dimensionamento do momento fletor solicitante de cálculo. A seguinte
nomenclatura é utilizada, quando tratado a respeito das variáveis relacionadas ao
dimensionamento de vigas de concreto armado:
a. d – altura útil, ou a distância entre o centro de gravidade da armadura
longitudinal tracionada à extremidade comprimida do concreto;
b. bw - largura da seção transversal;
67
c. h – altura total da seção transversal;
d. z – distância entre a aplicação das resultantes da força de compressão no
concreto e tração no aço;
e. Rcc – força resultante das tensões de compressão no concreto;
f. fcd – resistência do concreto à compressão em valores de cálculo dado por
=cd ck cf f / , onde fck é a resistência característica do concreto à compressão e, para
combinações normais, c =1,4 , segundo a norma NBR 6118:2014;
g. Rst – força resultante das tensões de tração no aço;
h. fyd – tensão de escoamento de aço em valores de cálculo que, para
combinações normais é dado for =yd yk sf f / , onde fyk é a tensão característica de
escoamento do aço e, para combinações normais, =s 1,15 , segundo a norma NBR
6118:2014;
i. x – distância da posição da linha neutra à fibra mais comprimida do
concreto;
j. y – altura do diagrama retangular de tensões de compressão no concreto,
que aproxima o comportamento obtido com a consideração do diagrama parábola-
retângulo (CARVALHO; FIGUEIREDO FILHO, 2019);
k. Msd – Momento fletor solicitante de cálculo.
68
Figura 9 – Equilíbrio na seção transversal
Fonte: Adaptado de Clímaco (2016)
Da seção transversal, conforme observado na Figura 9, tem-se as equações
de equilíbrio, dadas em (124).
cc st
sd cc st
R R 0
M R z R z
− =
= = (124)
Para os domínios 2 e 3, a expressão dada em (124) pode ser reescrita de
acordo com (125).
w cd s yd
sd w cd s yd
b y0,85f A f 0
y yM b y0,85f d A f d
2 2
− =
= − = −
(125)
Para concretos do grupo I, admite-se que a distribuição de tensões no
concreto se dê conforme o diagrama parábola-retângulo (CARVALHO; FIGUEIREDO
FILHO , 2019; CLÍMACO, 2016), que pode ser aproximado por um retângulo de altura
y 0,8x= , com tensão máxima no concreto equivalente a 0,85fcd, segundo o item
17.2.2 da norma NBR 6118:2014, e portanto pode ser reescrito na forma dada em
(126):
69
xy 0,8 d= (126)
Logo, obtém-se as relações em (127).
( ) ( )
w x cd s yd
2
d w x cd x s yd x
b d0,68 f A f = 0
M b d 0,68 f 1 0,4 A f d 1 0,4β
−
= − = −
(127)
As expressões obtidas, portanto, são dadas na Equação (128) para a posição
da linha neutra, e na Equação (129) para o momento resistente na seção transversal.
s yd
x
w cd
A f
b d0,68f = (128)
( ) ( )2
d w x cd x s yd xM b d 0,68 f 1 0,4 A f d 1 0,4 = − = − (129)
7.3 VARIÁVEIS BÁSICAS PARA O ESTUDO DE VIGAS DE CONCRETO ARMADO
A resistência de elementos de concreto armado difere de seu valor nominal
calculado pelo engenheiro projetista, devido a variações na resistência e geometria
do material, bem como as variabilidades inerentes às equações utilizadas para
computar a sua resistência. Além disso, os valores utilizados para carregamento são
considerados constantes, quando na realidade são variáveis (MIRZA; MACGREGOR,
1982).
Os parâmetros probabilísticos de maior relevância no estudo de vigas de
concreto armado são abordados nos tópicos a seguir, de modo a expor os diversos
valores encontrados na literatura.
7.3.1 Resistência do Concreto à Compressão
Diversos autores citam distribuições normais e lognormais para a resistência
do concreto à compressão (ELLINGWOOD et al., 1980; NOWAK; SZERSZEN, 2003).
Nowak e Szerszen (2003) encontraram parâmetros de distribuição normal
para a resistência à compressão do concreto, com dados obtidos nos Estados Unidos
da América. O fator bias (razão entre a média experimental e o valor nominal) e o
coeficiente de variação apresentam-se dispostos de acordo com a classe de
resistência na Tabela 1.
70
Tabela 1 – Concreto comum moldado in loco
Valor nominal fck Distribuição Bias Coeficiente de
Variação
20,670 MPa (3,000 psi)
Normal
1,35 0,10
24,115 MPa (3,500 psi) 1,21 0,10
27,560 MPa (4,000 psi) 1,235 0,10
31,005 MPa (4,500 psi) 1,14 0,10
34,450 MPa (5,000 psi) 1,15 0,10
41,340 MPa (6,000 psi) 1,12 0,10
Fonte: Nowak e Szerszen (2003)
Os dados fornecidos por Mirza e MacGregor (1984), relativos à realidade
canadense, são mostrados na Tabela 2 e na Tabela 3, para concreto moldado in loco
e pré-moldado, respectivamente.
Tabela 2 – Concreto comum moldado in loco
Valor nominal fck Distribuição Bias Coeficiente de
Variação
20,670 MPa (3,000 psi)
Normal
0,923 0,175
27,560 MPa (4,000 psi) 0,845 0,175
34,450 MPa (5,000 psi) 0,8026 0,175
Fonte: Mirza e MacGregor (1984)
Tabela 3 – Concreto pré-moldado
Valor nominal fck Distribuição Bias Coeficiente de
Variação
20,670 MPa (3,000 psi)
Normal
0,923 0,135
27,560 MPa (4,000 psi) 0,845 0,135
34,450 MPa (5,000 psi) 0,8026 0,135
Fonte: Mirza e MacGregor (1984)
Santiago e Beck (2017a) e Santiago e Beck (2017b) estudaram a
conformidade de 28 mil corpos de prova de resistências de 20 MPa a 50 MPa de
acordo com a realidade brasileira. Os dados obtidos são mostrados na Tabela 4.
71
Tabela 4 – Concreto comum moldado in loco de acordo com a realidade brasileira
Valor nominal fck Distribuição Bias
Coeficiente de Variação
Fonte
20 MPa
Normal
1,31 0,21 (SANTIAGO; BECK, 2017)
25 MPa 1,21 0,16 (SANTIAGO; BECK, 2017)
30 MPa 1,24 0,16 (SANTIAGO; BECK, 2017)
35 MPa 1,23 0,15 (SANTIAGO; BECK, 2017)
40 MPa 1,12 0,10 (SANTIAGO; BECK, 2018)
45 MPa 1,13 0,10 (SANTIAGO; BECK, 2018)
50 MPa 1,12 0,10 (SANTIAGO; BECK, 2018)
7.3.2 Tensão de Escoamento do Aço das Armaduras
Nowak e Szerszen (2003) encontraram parâmetros de distribuição para a
resistência ao escoamento do aço de acordo com a realidade dos Estados Unidos da
América. Os dados apresentam-se dispostos de acordo com o diâmetro da barra na
Tabela 5.
Tabela 5 – Resistência do aço das armaduras ao escoamento
Bitola Distribuição Bias Coeficiente de
Variação
9,5 mm
Normal
1,20 0,04
12,5 mm 1,145 0,065
15,5 mm 1,125 0,04
19 mm 1,15 0,05
22 mm 1,165 0,05
25 mm 1,145 0,05
28 mm 1,15 0,05
31 mm 1,14 0,04
34,5 mm 1,145 0,035
Fonte: Nowak e Szerszen (2003)
72
Santiago (2019) realizou ensaios de tração para 8,7 mil barras de aço CA-50
de diferentes regiões do Brasil de acordo com diferentes diâmetros. Os resultados
encontram-se dispostos na Tabela 6.
Tabela 6 – Resistência do aço das armaduras ao escoamento para a realidade brasileira
Bitola Distribuição Bias Coeficiente de
Variação
8 mm
Normal
1,29 0,04
12,5 mm 1,19 0,04
16 mm 1,17 0,03
20 mm 1,18 0,04
25 mm 1,20 0,05
Fonte: Santiago (2019)
Os parâmetros de distribuição ajustados para qualquer diâmetro de acordo
com diferentes autores são citados na Tabela 7.
Tabela 7 – Resistência do aço das armaduras ao escoamento independe do diâmetro
Distribuição Bias Coeficiente de
Variação Fonte
Normal 1,22 0,04 (SANTIAGO, 2019)
Normal 1,145 0,05 (NOWAK;
SZERSZEN, 2003)
Normal 1,12 0,05 (JCSS, 2001)
7.3.3 Parâmetros de Geometria
Os parâmetros descritos nesta seção explanam os dados disponíveis na
literatura para as dimensões externas de vigas de concreto armado, altura útil,
cobrimento e área de aço.
73
7.3.3.1 Dimensões externas da Viga de Concreto Armado
As dimensões relacionadas ao perímetro da viga seguem distribuições
normais. JCSS (2001) generaliza, para dimensões até 1m, a média e desvio padrão
em termos das variações em relação às medidas nominais da seção transversal, tanto
para a altura h, quanto para a largura da viga bw. Os valores de bias e coeficiente de
variação podem ser observados na Tabela 8.
Tabela 8 – Dimensões externas de vigas de concreto armado
Parâmetro Bias Coeficiente de Variação Fonte
bw 1,01 0,04 (NOWAK;
SZERSZEN, 2003)
bw + +
b 0,003b b 3mmw w w1
b bw w
104mm 0,006b mmw
+ (JCSS, 2001)
h h 0,003h h 3mm
1h h
+ +
104mm 0,006h mm
+ (JCSS, 2001)
7.3.3.2 Altura útil da viga de concreto armado
Uma maneira de se considerar a variação da posição das armaduras na seção
transversal da viga é por meio da análise de sua altura útil. A distribuição considerada
é a normal, e os parâmetros encontram-se na Tabela 9.
Tabela 9 – Altura útil de vigas de concreto armado
Parâmetro Distribuição Bias Coeficiente de
Variação Fonte
d
Normal
0,99 0,04 (NOWAK;
SZERSZEN, 2003)
d d 10mm
d
+
10mm
(JCSS, 2001)
d d - 4,826mm
d
12,7mm
(MIRZA; MACGREGOR,
1982)
74
7.3.3.3 Cobrimento das armaduras
Devido à evidente correlação entre a altura útil e o cobrimento das armaduras
(JCSS, 2001), pode ser considerado alternativamente o cobrimento das armaduras
para a formulação da equação de estado limite (SANTIAGO, 2019). Os parâmetros
fornecidos para o cobrimento c das armaduras possuem distribuição normal (JCSS,
2001) e podem ser observados na Tabela 10.
Tabela 10 – Cobrimento da armadura em vigas de concreto armado
Parâmetro Bias Coeficiente de
Variação Fonte
Cobrimento das barras
superiores
c 5mm c 15mmc
c c c
+ + c
c c
5mm 15mm
(JCSS, 2001)
Cobrimento das barras inferiores
20c 20mm c mmc
c c c
− +
c
5mm
(JCSS, 2001)
7.3.3.4 Área de aço das armaduras longitudinais
O parâmetros para a área de aço das armaduras longitudinais As estão
dispostos na Tabela 11 e seguem distribuição normal (MIRZA; MACGREGOR, 1982).
Tabela 11 – Área de aço das armaduras longitudinais
Parâmetro Distribuição Bias Coeficiente de
Variação Fonte
As Normal 1,01 0,04
Adaptado (LU; LUO; CONTE, 1994; MIRZA;
MACGREGOR, 1982)
75
7.3.4 Ações
Nesta seção, são abordados os dados disponíveis na literatura para ações do
tipo permanente e variável.
7.3.4.1 Ações permanentes
Santiago (2019) realizou um estudo das ações permanentes para edifícios
comumente construídos no Brasil, em relação aos materiais empregados e às
configurações arquitetônicas, a partir de dados disponibilizados por engenheiros
calculistas de diferentes regiões do país. Ellingwood et al.(1980), disponibilizou dados
relativos às ações permanentes independente dos materiais empregados. Os dados
encontrados pelos dois autores encontram-se dispostos na Tabela 12.
Tabela 12 – Ações permanentes
Parâmetro Distribuição Bias Coeficiente de Variação Fonte
Ações Permanentes
Normal
1,06 0,12 (SANTIAGO,
2019)
1,05 0,10 (ELLINGWOOD
et al., 1980)
7.3.4.2 Ações variáveis
Santiago (2019) propôs valores relacionados às ações acidentais segundo a
metodologia proposta por JCSS (2001), que considera parcelas de ações contínuas e
intermitentes. Os valores encontrados para a ação acidental em um ponto de arbitrário
no tempo qapt e o valor máximo para um período de 50 anos q50 são dispostos na
Tabela 13.
76
Tabela 13 – Ações acidentais
Parâmetro Distribuição Bias Coeficiente de
Variação Fonte
qapt Gamma 0,25 0,55 (SANTIAGO,
2019)
q50 Gumbel 1,00 0,40 (SANTIAGO,
2019)
7.3.5 Incertezas de Modelo
A resistência de elementos estruturais é, em geral, expressa por uma fórmula
analítica que é derivada de uma determinada teoria ou experimento, e que pode ser
provada tanto analiticamente quanto experimentalmente. Em alguns casos, no
entanto, a base para o modelo de resistência de um elemento estrutural é puramente
teorética ou apenas empírica, onde as descrições matemáticas são idealizadas para
aproximar o comportamento físico da estrutura (ELLINGWOOD et al., 1980; FABER,
2006).
Outros fatores, como efeitos aleatórios que podem ser negligenciados pelos
modelos e simplificações matemáticas podem acarretar em resultados que não podem
ser preditos sem um erro agregado (JCSS, 2001).
Em casos como esses, é necessário a consideração das incertezas
relacionadas com os modelos utilizados e que pode ser associada diretamente com
as variáveis básicas, ou ainda na forma expressa na Equação (130).
... )1 i nY' = f(X X (130)
As incertezas de modelo para solicitações e resistências encontram-se
dispostas na Tabela 14 e Tabela 15, respectivamente.
Tabela 14 – Incertezas de solicitações (continua)
Parâmetro Distribuição Bias Coeficiente de
Variação Fonte
Momentos em vigas
Lognormal 1,00 0,10 (JCSS, 2001)
Esforços axiais em vigas
Lognormal 1,00 0,05 (JCSS, 2001)
77
Tabela 14 – Incertezas de solicitações (conclusão)
Parâmetro Distribuição Bias Coeficiente de
Variação Fonte
Esforços cortantes em vigas
Lognormal 1,00 0,10 (JCSS, 2001)
Tabela 15 – Incertezas de resistências
Parâmetro Distribuição Bias Coeficiente de
Variação Fonte
Flexão Lognormal 1,20 0,15 (JCSS, 2001)
Cisalhamento Lognormal 1,40 0,25 (JCSS, 2001)
Flexão Normal 1,14 0,14 (ELLINGWOOD
et al., 1980)
Cisalhamento Normal 1,00 0,19 (ELLINGWOOD
et al., 1980)
7.4 ÍNDICE DE CONFIABILIDADE ALVO
Segundo Melchers e Beck (2018), os índices de confiabilidade alvo a serem
adotados para a otimização de problemas de confiabilidade usualmente são obtidos a
partir da análise de confiabilidade estrutural de estruturas já existentes e que
apresentem desempenho satisfatório. Tal análise usualmente conduz a índices de
confiabilidade entre 3,0 e 3,5.
Trabalhos desenvolvidos para a calibração de normas brasileiras, tais quais
os desenvolvidos por Santiago (2019) e Souza Junior (2008) partem da adoção de um
índice de confiabilidade equivalente à 3,0 para vigas de concreto armado.
78
8 MATERIAIS E MÉTODOS
Para a compreensão dos métodos utilizados no desenvolvimento deste
trabalho, a metodologia foi subdivida na análise da confiabilidade de vigas de concreto
armado submetidas à flexão simples dimensionadas de acordo com a norma
6118:2014, e posteriormente, na metodologia utilizada para a formulação do problema
de otimização desenvolvido.
8.1 MATERIAIS
Para o desenvolvimento e implementação dos algoritmos dos métodos de
transformação FOSM (First Order Second Moment Method), FORM (First Order
Reliability Method), SORM (Second Order Reliability Method) e de simulação de
Monte Carlo foi utilizado o software MATLAB.
A metodologia para dimensionamento das vigas em concreto armado foi
baseada em recomendações disponibilizadas na norma brasileira ABNT NBR 6118:
2014 “Projeto de estruturas de concreto – Procedimento”.
8.2 METODOLOGIA
A metodologia deste trabalho se inicia com o estudo dos índices de
confiabilidade ofertados pela norma NBR 6118:2014. Para que tal análise seja
possível, inicialmente estabeleceu-se modelos de vigas de concreto armado com
seções julgadas comuns em obras brasileiras. A partir dos modelos formulados,
desenvolveu-se o dimensionamento econômico das vigas a partir dos critérios
normativos, para os quais estudou-se a confiabilidade por meio da implementação dos
algoritmos abordados no decorrer deste trabalho. Por fim, desenvolveu-se a
otimização baseada em confiabilidade para vigas de fck = 25 MPa e fck = 30 MPa. Os
métodos utilizados serão abordados com mais detalhes nas seções a seguir.
79
8.2.1 Análise da Confiabilidade Estrutural no Projeto Estrutural a partir da Norma NBR 6118:2014
Nesta seção serão abordados os critérios adotados para o desenvolvimento
da análise dos projetos desenvolvidos de acordo com a norma NBR 6118:2014.
8.2.1.1 Modelos de viga analisados
Para dar início ao estudo referente à confiabilidade estrutural em vigas de
concreto armado, foram formulados modelos de viga para estudo de caso, com
parâmetros de geometria, resistências e carregamento variados, bem como
coeficientes de ponderação das ações e resistências definidos de acordo com a norma
NBR 6118:2014.
Com o objetivo de investigar a influência dos parâmetros de geometria na
confiabilidade de vigas submetidas à flexão simples, os modelos de viga avaliados
tiveram a largura da base bw fixadas com dimensões de 14 e 19 cm. Para a avaliação
da influência das diferentes alturas na confiabilidade estrutural, variou-se a altura h
entre 30 cm e 100 cm, com incrementos de 10 cm e aproximação da altura útil d
equivalente à 0,9h, e para cada caso, registrou-se o índice de confiabilidade calculado
nos diferentes métodos.
As resistências do concreto fck variadas nesse trabalho foram as referentes ao
grupo I: C20, C25, C30, C35, C40, C45 e C50.
As taxas ρ de armadura foram variadas entre 0,15% até o limite prescrito pela
norma NBR 6118:2014 equivalente à x/d = 0,45 para cada seção transversal
estabelecida a partir da variação de altura e base, com incremento de 0,15% entre
cada taxa de armadura avaliada.
Variou-se a proporção entre cargas variáveis e totais a cada 10%, numa razão
de 0 a 100%, com vistas à determinação da influência dos tipos de carregamento na
probabilidade de falha da estrutura para combinações entre ações permanentes e
variáveis do tipo acidental (D + L).
80
8.2.1.2 Implementação dos algoritmos de confiabilidade estrutural e definição do problema
Foram implementados computacionalmente os métodos de transformação
FOSM, FORM, SORM e de simulação de Monte Carlo com o auxílio do software
MATLAB.
Os métodos de simulação foram desenvolvidos para duas milhões de
simulações, enquanto para os métodos de transformação FOSM e FORM, o critério
de parada utilizado, conforme citado por Beck (2019), foi o expresso na Equação (131)
, com erros arbitrados 1 = 2 = 10 -6.
( )
( )
( )
t
k+1 k+1
1
k+1 k+1
k+1 2
g1
g
g
−
y y
y y
y
(131)
Os métodos de simulação utilizaram o conjunto de gerador linear congruencial
dado por {m,a,c} = {231 - 1, 41358, 0}, com semente do gerador z0 = 111111, conforme
recomendado por Beck (2019).
Delimitou-se os dados estatísticos das variáveis aleatórias consideradas no
problema, dando-se preferência aos valores nacionais provenientes de pesquisas
direcionadas à realidade brasileira, de acordo com valores anteriormente citados
neste trabalho, que se apresentam resumidos na Tabela 16.
Tabela 16 – Variáveis aleatórias consideradas na análise (continua)
Variável Descrição Distribuição Bias Coeficiente de
Variação
X1 (1) Área de aço Normal 1,01 0,04
X2 (2) Tensão de
escoamento do aço
Normal 1,22 0,04
X3 (3) Altura útil Normal d 10mm
d
+
10mm
X4 (3) Largura da
base
Normal
b 0,003b b 3mmw w w1b bw w
+ +
104mm 0,006b mmw
+
81
Tabela 16 – Variáveis aleatórias consideradas na análise (conclusão)
X5 (2)
Resistência característica do concreto
à compressão
Normal Tabela 4 Tabela 4
X6 (2)
Momento característico
(ações permanentes
)
Normal 1,12 0,10
X7 (2)
Momento característico
(ações variáveis do
tipo acidental)
Gumbel 1,00 0,40
X8 (3) Incerteza de modelo das resistências
Lognormal 1,20 0,15
X9 (3) Incerteza de modelo das solicitações
Lognormal 1,00 0,10
Fonte: Lu, Luo e Conte (1994) e Mirza e MacGregor (1984) (1); Santiago (2019) (2); JCSS (2001) (3)
Após a reunião dos dados necessários, o trabalho consistiu no
dimensionamento das vigas de concreto armado, valendo-se das prescrições
normativas para a majoração dos esforços e minoração das resistências. Para a
norma NBR 6118:2014, o coeficiente de ponderação das ações para combinações D
+ L é de = =g q 1,4 para ações variáveis e permanentes. O coeficiente de
ponderação das resistências, como anteriormente mencionado, é de 1,4 para o
concreto, e de 1,15 para o aço.
As situações avaliadas consistiram em, inicialmente, encontrar o máximo
momento solicitante de cálculo a partir da resistência calculada em função da variação
dos diversos parâmetros anteriormente mencionados, com valores de resistência
previamente ponderados, conforme a Equação (129).
A partir das solicitações de cálculo, obteve-se as solicitações admissíveis em
seu valor característico por meio dos coeficientes de ponderação das ações, a partir
das quais foi possível a análise da confiabilidade do dimensionamento obtido, que
deu-se a partir da equação de estado limite expressa em (132).
82
( )0,4 X1 X2
g( ) X8 X1 X2 X3 1 X9 X6 + X7X4 X3 0,68 X5
= − −
X (132)
Os índices de confiabilidade foram calculados a partir dos valores
característicos de resistência e em função das solicitações admissíveis, estas obtidas
a partir do dimensionamento econômico, onde R = S. Os resultados obtidos permitiram
a análise dos diferentes índices de confiabilidade obtidos em função das diversas
configurações de projeto, bem como dos coeficientes de sensibilidade.
Foi possível a obtenção da diferença relativa entre índices de confiabilidade
obtidos pelos diferentes métodos de transformação e o método de simulação de
Monte Carlo simples. A partir da média e coeficiente de variação das diferenças,
observações a respeito da aplicabilidade dos métodos frente aos resultados dispostos
foram inferidas.
Os resultados permitiram também estabelecer uma média e coeficiente de
variação para os índices de confiabilidade encontrados, de maneira a caracterizar o
problema encontrado na uniformização da probabilidade de falha para
dimensionamentos diversos. Os valores médios dos índices de confiabilidade foram
obtidos a partir de média simples e ponderada, sendo a última obtida a partir de pesos
adaptados de Ellingwood et al. (1980), para cada razão de carregamento n
n n
L
L D =
+
. Os pesos para diferentes proporções de ações variáveis do tipo acidental em
relação às totais encontram-se expressos na Tabela 17.
Tabela 17 – Pesos de frequência de ocorrência de diferentes razões de carregamento acidental
Peso
0% 10
10% 10
20% 10
30% 45
40% 40
50% 30
60% 10
70% 5
80% 0
90% 0
100% 0
Fonte: adaptado de Ellingwood et al. (1980)
83
8.2.2 Otimização Baseada em Confiabilidade de Vigas de Concreto armado
A otimização desenvolvida nesta etapa do trabalho consistiu em determinar,
por meio de otimização baseada confiabilidade, as áreas de aço correspondentes à
um índice de confiabilidade alvo T = 3, para vigas de base bw = 14 e bw = 19, alturas
com variação entre 30 e 100 cm e concretos da classe C25 e C30.
Delimitou-se a área de aço máxima em função das prescrições da norma NBR
6118:2014, a partir da posição limite da linha neutra estabelecida no item 14.6.4.3
para concretos do grupo I que, conforme mencionado anteriormente, corresponde à
uma razão de x/d = 0,45.
Determinadas as áreas de aço máximas para cada caso, desenvolveu-se o
problema de otimização referente às áreas de aço dos modelos de viga analisados,
que encontra-se disposto na expressão em (133).
( )
( )
( )
dado , para = ,..., até a convergência:
determine:
que minimiza:
sujeito a: , ;
sendo, a cada iteração , para fixo:
determine: que minimiza: , ,
sujeito a:
S
S
0
k+1 A
k A
k PMA
k
PMA k
d k 0,1,2
d
f d
g d 0
k d
g d
=
=
− y *
y * y
y 3.T= =
(133)
Onde ( ),k PMAg d y * é a equação de estado limite no espaço normal padrão.
Para a solução do laço externo de otimização, foi utilizada a ferramenta
fmincon do software MATLAB, com erro máximo do vetor y*PMA e d arbitrado em =
10-6 entre iterações.
84
9 RESULTADOS E DISCUSSÃO
Nas seções a seguir, serão abordados os resultados, que se apresentam
organizados conforme o item avaliado em cada etapa do trabalho.
9.1 ÍNDICES DE CONFIABILIDADE MÉDIOS
Obteve-se para cada modelo de viga o seu respectivo índice de confiabilidade,
calculado por meio dos métodos FOSM, FORM, SORM, Monte Carlo simples e Monte
Carlo com amostragem por importância no ponto de projeto. Para expressar de forma
imediata os resultados obtidos, de forma a fornecer uma visão geral da confiabilidade
fornecida pelos valores normativos, calculou-se as médias e coeficientes de variação
dos índices de confiabilidade de todos os modelos avaliados, por meio de média
simples e média ponderada em função de pesos disponíveis na literatura.
Para os valores não ponderados, obteve-se os índices de confiabilidade
médios expressos na Tabela 18, para os quais calculou-se também o seu respectivo
coeficiente de variação, valores máximos e mínimos.
Tabela 18 – Índices de confiabilidade médios de acordo com o método utilizado
Método Índice de
confiabilidade médio
Coeficiente de variação
Índice de confiabilidade
máximo
Índice de confiabilidade
mínimo
FOSM 3,077 0,101 3,533 2,453
FORM 3,131 0,189 4,084 2,222
SORM 3,117 0,189 4,061 2,214
Monte Carlo simples 3,105 0,187 4,021 2,220
Monte Carlo com
amostragem por
importância no
ponto de projeto
3,105 0,187 4,013 2,220
Fonte: Autoria própria (2019)
Utilizou-se para estabelecer a ponderação das taxas de carregamento
variável os pesos dispostos na Tabela 17, a partir dos quais observou-se os valores
85
médios dos índices de confiabilidade e seus respectivos coeficientes de variação,
conforme descrito na Tabela 19.
Tabela 19 – Índices de confiabilidade a partir de média ponderada de acordo com o método utilizado
Método Índice de confiabilidade
médio Coeficiente de variação
FOSM 3,268 0,111
FORM 3,417 0,193
SORM 3,402 0,192
Monte Carlo simples 3,384 0,190
Monte Carlo com amostragem
por importância no ponto de
projeto
3,382 0,190
Fonte: Autoria própria (2019)
Observou-se que os métodos FORM, SORM, Monte Carlo Simples e Monte
Carlo com amostragem por importância apresentaram resultados próximos em termos
de valor médio, valores máximos, mínimos e coeficiente de variação. O método FOSM
apresentou valores máximos menores e valores mínimos maiores em relação aos
demais métodos, apesar do valor médio se aproximar destes. Com vistas a identificar
as demais diferenças encontradas entre os métodos, são dispostas as demais
análises desenvolvidas no item a seguir.
9.2 ESTUDO COMPARATIVO DOS MÉTODOS DE TRANSFORMAÇÃO E SIMULAÇÃO
A partir dos algoritmos desenvolvidos, obteve-se uma comparação inicial da
eficácia dos métodos em relação aos resultados obtidos por meio do método de Monte
Carlo simples que, neste trabalho, foi utilizado como referência para comparação dos
resultados.
Calculou-se as diferenças relativas de cada um dos métodos em relação ao
método de Monte Carlo simples, e a partir destas foi possível a obtenção de seus
86
respectivos valores médios, máximos, mínimos e coeficientes de variação, conforme
observa-se na Tabela 20.
Tabela 20 – Diferenças dos índices de confiabilidade dos diferentes métodos em relação ao método de Monte Carlo simples
Método Diferença média Coeficiente de
variação
Diferença
máxima
Diferença
mínima
FOSM 2,593E-01 0,519 5,162E-01 5,024E-05
FORM 2,598E-02 1,109 3,509E-01 2,649E-05
SORM 1,571E-02 1,599 3,272E-01 9,628E-07
Monte Carlo com
amostragem por
importância no ponto
de projeto
5,702E-03 1,479 1,116E-01 4,307E-07
Fonte: Autoria própria (2019)
Observou-se que o método FOSM apresentou os resultados mais distantes
dos obtidos a partir do método de simulação de Monte Carlo, e por meio da Figura 10,
pode-se observar que a sua proximidade em relação aos demais métodos tende a ser
maior para taxas de carregamento variável entre 40% e 50%, cujos valores delimitam
as diferenças positivas e negativas em relação aos demais métodos.
87
Figura 10 – Índices de confiabilidade médios para diferentes razões de ações variáveis
Fonte: Autoria própria (2019)
Infere-se que o distanciamento nos resultados se deve principalmente à
desconsideração dos tipos de distribuição de probabilidade frente às diferentes
variáveis do problema, principalmente às variáveis que contemplam distribuições de
extremos.
De fato, a partir da Figura 11, observa-se que os coeficientes de sensibilidade
obtidos pelo método FOSM diferem dos coeficientes de sensibilidade obtidos a partir
do método FORM. No método FORM, percebe-se que o momento característico
proveniente de ações variáveis, que possui distribuição do tipo Gumbel, possui maior
influência na probabilidade de falha do que no método FOSM.
2,22,32,42,52,62,72,82,9
33,13,23,33,43,53,63,73,83,9
4
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Razão de ações variáveis em relação às totais
Índices de confiabilidade médios para diferentes razões de ações variáveis
FOSM MCS FORM SORM MCIS
88
Figura 11 – Média do quadrado dos coeficientes de sensibilidade obtido pelos métodos FOSM e FORM para diferentes proporções de ações variáveis do tipo acidental em vigas de altura h = 40 cm
Fonte: Autoria própria (2019)
Percebe-se que no método FOSM a variável com maior coeficiente de
sensibilidade é a de incerteza do modelo de resistência, alternando-se gradualmente
com a variável de momento característico devido às ações variáveis à medida que é
aumentada a proporção de ações variáveis em relação às totais, que passa a ser a
variável com maior importância a partir de proporções de ações variáveis = 0,9.
No método FORM, essa inversão ocorre para proporções muito menores de
ações variáveis ( = 0,3), o que evidencia a relevância da consideração dos tipos de
distribuição das variáveis.
-1
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0,8
1
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
²
Proporção de ações variáveis em relação às totais
Média do quadrado dos coeficientes de sensibilidade obtidos pelos métodos FOSM e FORM para diferentes proporções de ações variáveis do
tipo acidental
FOSM - Área de açoFOSM - Tensão de escoamento do açoFOSM - Altura útilFOSM - Largura da baseFOSM - Resistência característica do concreto à compressãoFOSM - Momento característico (ações permanentes)FOSM - Momento característico (ações variáveis do tipo acidental)FOSM - Incerteza do modelo de resistênciaFOSM - Incerteza do modelo de solicitaçãoFORM - Área de açoFORM - Tensão de escoamento do açoFORM - Altura útilFORM - Largura da baseFORM - Resistência característica do concreto à compressãoFORM - Momento característico (ações permanentes)FORM - Momento característico (ações variáveis do tipo acidental)FORM - Incerteza do modelo de resistênciaFORM - Incerteza do modelo de solicitação
89
O método FORM se diferencia, portanto, pela consideração de distribuições
de probabilidade não gaussianas. Tal consideração é evidenciada no modo como a
variável participa na probabilidade de falha e, portanto, nos índices de confiabilidade.
De maneira geral, o método que mais se aproximou do método de Monte Carlo
simples foi o método de Monte Carlo com amostragem por importância, seguido pelo
método SORM, cujo ajuste do paraboloide contribuiu de maneira positiva para
aproximação da probabilidade de falha, principalmente em valores da proporção de
ações variáveis a partir de 50%; e o método FORM, que apresentou resultados
satisfatórios para os casos avaliados, em termos de simplicidade de implementação e
proximidade nos valores obtidos. Os valores médios das diferenças em módulo podem
ser observados na Figura 12.
Figura 12 – Diferenças médias por método em relação ao método de Monte Carlo Simples para diferentes razões de ações variáveis do tipo acidental
Fonte: Autoria própria (2019)
Por meio da Figura 13 pode-se observar as probabilidades de falha em função
do número de simulações para o método de Monte Carlo simples e Monte Carlo com
0%
2%
4%
6%
8%
10%
12%
14%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Difere
nça
Razão de ações variáveis em relação às totais
Diferenças médias por método em relação ao método de Monte Carlo Simples para diferentes razões de ações variáveis do tipo acidental
FOSM SORM FORM MCIS
90
amostragem por importância. Observa-se que o último convergiu para a probabilidade
de falha mais rapidamente, o que ressalta as vantagens de sua implementação frente
à problemática do tempo computacional, principalmente no que se refere a
probabilidades de falha muito pequenas, que requerem um número de simulações
bastante grande para a sua convergência.
Figura 13 – Convergência dos métodos de Monte Carlo simples e Monte Carlo com amostragem por importância no ponto de projeto, considerando-se modelo de viga com bw = 14 cm, fck = 25 MPa, h = 40 cm, taxa de aço de 0,60% e 30% de cargas variáveis
Fonte: Autoria própria (2019)
Em casos específicos, abordados nos itens a seguir, o método de busca do
ponto de projeto não convergiu para resultados próximos ao Monte Carlo simples,
dado o número de simulações e para o critério de parada fixado.
91
9.3 ESTUDO DOS COEFICIENTES DE SENSIBILIDADE
A partir da análise dos coeficientes de sensibilidade das variáveis, estes
obtidos a partir do método FORM, foi possível a obtenção de valores médios dos
coeficientes de sensibilidade, com vistas à identificação dos parâmetros que mais
contribuíram para a probabilidade de falha da estrutura.
A partir da Figura 14, observa-se que a variável com maior média do
coeficiente de sensibilidade é o momento característico devido às ações variáveis,
seguido pela incerteza do modelo de resistência, incerteza do modelo de solicitação,
momento característico devido às ações permanentes, área de aço, tensão de
escoamento do aço, altura útil, resistência característica do concreto à compressão e
largura da base, respectivamente.
Figura 14 – Média das componentes i de cada variável
Fonte: Autoria própria (2019)
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
Variável
Média das componentes i de cada variável
Área de açoTensão de escoamento do açoAltura útilLargura da baseResistência característica do concreto à compressãoMomento característico (ações permanentes)Momento característico (ações variáveis do tipo acidental)Incerteza do modelo de resistênciaIncerteza do modelo de solicitação
92
Ao elevar-se tais valores ao quadrado, como disposto na Figura 15, pode-se
obter uma comparação das contribuições de cada variável e observa-se que, embora
haja certa contribuição das variáveis com menor coeficiente de sensibilidade, esta é
pouco relevante se comparada às demais variáveis.
Figura 15 – Média do quadrado dos coeficientes de sensibilidade de cada variável
Fonte: Autoria própria (2019)
Observa-se também que, conforme o esperado, as variáveis de resistência
possuem sua componente do vetor com valor positivo, enquanto as variáveis de
solicitação possuem valor negativo.
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0
0,1
0,2
0,3
0,4
²
Variável
Média dos coeficientes do quadrado dos coeficientes de sensibilidade para cada variável
Área de açoTensão de escoamento do açoAltura útilLargura da baseResistência característica do concreto à compressãoMomento característico (ações permanentes)Momento característico (ações variáveis do tipo acidental)Incerteza do modelo de resistênciaIncerteza do modelo de solicitação
93
Nas seções a seguir, serão abordados individualmente a influência da
variação de cada variável na probabilidade de falha.
9.3.1 Variação da Taxa de Carregamento Acidental
O comportamento observado para os fatores de sensibilidade para diferentes
proporções de carregamento variável pode ser observado na Figura 16.
Figura 16 – Média do quadrado dos coeficientes de sensibilidade para diferentes razões de ações variáveis do tipo acidental
Fonte: Autoria própria (2019)
-1
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
²
Razão de ações variáveis em relação às totais
Média do quadrado dos coeficientes de sensibilidade para diferentes razões de ações variáveis do tipo acidental
Área de aço
Tensão de escoamento do aço
Altura útil
Largura da base
Resistência característica do concreto à compressão
Momento característico (ações permanentes)
Momento característico (ações variáveis do tipo acidental)
Incerteza do modelo de resistência
Incerteza do modelo de solicitação
94
Conforme abordado anteriormente, observa-se um ganho significativo no
coeficiente de sensibilidade relacionado à variável do momento característico devido
às ações variáveis, enquanto as demais variáveis sofrem decréscimo com o aumento
da proporção de ações variáveis em relação às totais.
Para razões de até 20% de ações variáveis, observa-se que as variáveis com
maior importância na probabilidade de falha são as variáveis de momento
característico devido às ações permanentes e de incerteza de modelos, embora
variáveis como a tensão de escoamento do aço e altura útil também exerçam certa
contribuição na probabilidade de falha.
A partir da razão de 20%, a variável de momento característico devido às
ações variáveis passa a exercer a maior influência na probabilidade de falha, tomando
o lugar anteriormente ocupado pela incerteza dos modelos de resistência, à medida
que a sensibilidade das demais variáveis também é reduzida.
9.3.2 Variação da Área de Aço
Com o aumento da área de aço, observou-se a diminuição nos coeficientes
de sensibilidade relativos à área de aço e tensão de escoamento do aço. No entanto,
não foram observadas mudanças significativas nos coeficientes de sensibilidade das
demais variáveis, fato que pode ser observado na Figura 17.
95
Figura 17 – Média do quadrado dos coeficientes de sensibilidade para diferentes taxas de aço
Fonte: Autoria própria (2019)
9.3.3 Variação da Altura
Observou-se que conforme houve o aumento da altura da viga, também houve
a diminuição da participação da altura útil na probabilidade de falha e o aumento da
contribuição das demais variáveis, ainda que de forma pouco acentuada, conforme
observa-se na Figura 18.
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0
0,1
0,2
0,3
0,4
²
Taxa de aço
Média do quadrado dos coeficientes de sensibilidade para diferentes taxas de aço
Área de aço
Tensão de escoamento do aço
Altura útil
Largura da base
Resistência característica do concreto à compressão
Momento característico (ações permanentes)
Momento característico (ações variáveis do tipo acidental)
Incerteza do modelo de resistência
Incerteza do modelo de solicitação
96
Figura 18 – Média do quadrado dos coeficientes de sensibilidade para diferentes alturas
Fonte: Autoria própria (2019)
Para a variável altura útil, o desvio padrão permanece constante independente
da altura atribuída à viga, e o fator de bias relacionado à média é reduzido à medida
que a altura da viga aumenta, devido à sua independência do valor assumido pela
variável. Como consequência, à medida que é aumentada a altura da viga, a média
aproxima-se de seu valor nominal, e o coeficiente de variação diminui
progressivamente.
Como a variável apresenta redução na sua participação na probabilidade de
falha, a diferença resulta no acréscimo da participação das demais variáveis com
maior importância – e de fato observa-se que todas as demais variáveis apresentam
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0
0,1
0,2
0,3
0,4
30 40 50 60 70 80 90 100
²
Altura (cm)
Média do quadrado dos coeficientes de sensibilidade para diferentes alturas
Área de aço
Tensão de escoamento do aço
Altura útil
Largura da base
Resistência característica do concreto à compressão
Momento característico (ações permanentes)
Momento característico (ações variáveis do tipo acidental)
Incerteza do modelo de resistência
Incerteza do modelo de solicitação
97
aumento em seu coeficiente de sensibilidade. No entanto, como a seu fator de
sensibilidade é pequeno, a variação nas demais variáveis é pouco observável,
diferentemente do que se observa para a variação de variáveis com maior coeficiente
de sensibilidade médio, tais como a variável de momento característico devido às
ações acidentais.
9.3.4 Variação da Resistência à Compressão do Concreto
A classe de resistência com maior contribuição para a probabilidade de falha
foi a classe C20, seguida pelas classes C30, C25, C35, C45, C50 e C40,
respectivamente. Assim como na variação da altura, a variação da resistência do
concreto não ofereceu mudanças significativas nos coeficientes de sensibilidade das
variáveis utilizadas no problema, conforme observa-se a partir da Figura 19.
98
Figura 19 – Média do quadrado dos coeficientes de sensibilidade para diferentes resistências características do concreto à compressão
Fonte: Autoria própria (2019)
9.4 ESTUDO DAS TENDÊNCIAS OBSERVADAS NA VARIAÇÃO DOS PARÂMETROS
Desenvolveu-se um estudo acerca dos índices de confiabilidade obtidos a
partir da variação dos parâmetros de dimensionamento. Os resultados da variação de
cada parâmetro podem ser observados nas seções subsequentes.
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0
0,1
0,2
0,3
0,4
2 2,5 3 3,5 4 4,5 5
²
Resistência característica do concreto à compressão (kN/cm²)
Média do quadrado dos coeficientes de sensibilidade para diferentes resistências características do concreto à compressão
Área de aço
Tensão de escoamento do aço
Altura útil
Largura da base
Resistência característica do concreto à compressão
Momento característico (ações permanentes)
Momento característico (ações variáveis do tipo acidental)
Incerteza do modelo de resistência
Incerteza do modelo de solicitação
99
9.4.1 Variação da Taxa de Carregamento Acidental
Conforme observado na Figura 10, os índices de confiabilidade tendem a ser
maiores para valores com razão de ações variáveis em relação às totais
correspondente à 10%. Para valores maiores do que 10%, observa-se um aumento
na probabilidade de falha, que tende a ser mais acentuado à medida que se aumenta
a proporção.
Os valores obtidos para a proporção de 0% tendem a ser inferiores aos
obtidos para a proporção de 10% e 20% de cargas variáveis.
Conforme observa-se na Figura 20, o decréscimo tende a ser mais acentuado
no intervalo de 30 a 40%.
Figura 20 – Ganho percentual no índice de confiabilidade de acordo com o intervalo entre diferentes razões de ações variáveis
Fonte: Autoria própria (2019)
Na Figura 21, observa-se os valores de índice de confiabilidade máximos e
mínimos obtidos a partir de diferentes proporções de ações variáveis em relação às
totais. Tais resultados fornecem o intervalo de valores obtidos para diferentes
configurações de viga com mesma razão de ações variáveis.
-10%
-8%
-6%
-4%
-2%
0%
2%
4%
0% à10%
10% à20%
20% à30%
30% à40%
40% à50%
50% à60%
60% à70%
70% à80%
80% à90%
90% à100%
Ganho p
erc
entu
al no índic
e d
e
confiabili
dade
Intervalo entre razões de ações variáveis em relação às totais
Ganho percentual no índice de confiabilidade de acordo com o intervalo entre diferentes razões de ações variáveis do tipo acidental
MCS FOSM FORM SORM MCIS
100
Figura 21 – Índices de confiabilidade mínimos e máximos para diferentes razões de ações variáveis do tipo acidental
Fonte: Autoria própria (2019)
9.4.2 Variação da Área de Aço
Observa-se que o aumento da área de aço tende a contribuir de maneira
positiva no acréscimo dos índices de confiabilidade, conforme exposto na Figura 22,
onde verifica-se os diferentes resultados obtidos conforme a proporção de
carregamentos variáveis e o método de análise. Os resultados para as configurações
de viga mais comuns podem ser verificados nas figuras disponíveis no Apêndice A
deste trabalho, com valores médios de confiabilidade para vigas de base 14 cm e 19
cm.
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
4,1
4,2
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Razão de ações variáveis em relação às totais
Índices de confiabilidade mínimos e máximos para diferentes razões de ações variáveis do tipo acidental
FOSMFORMSORMMCSMCIS
101
Figura 22 – Índices de confiabilidade médios para diferentes taxas de aço e razões de ações variáveis do tipo acidental
Fonte: Autoria própria (2019)
Para valores próximos ao limite de x/d = 0,45, para alguns casos, observou-
se uma diminuição progressiva nos índices de confiabilidade, que se diferenciaram
conforme o método analisado e mostrou-se mais acentuada para a classe de
resistência C20.
Conforme observa-se na Figura 23, há a discrepância entre os resultados
obtidos a partir dos métodos de simulação e métodos de transformação, que tende a
se tornar mais evidente à medida que são obtidos valores maiores para o índice de
confiabilidade.
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
4,1
Taxa de aço
Índices de confiabilidade médios para diferentes taxas de aço e razões de ações variáveis do tipo acidental
FOSM - 0% FOSM - 10% FOSM - 20% FOSM - 30% FOSM - 40%FOSM - 50% FOSM - 60% FOSM - 70% FOSM - 80% FOSM - 90%FOSM - 100% FORM - 0% FORM - 10% FORM - 20% FORM - 30%FORM - 40% FORM - 50% FORM - 60% FORM - 70% FORM - 80%FORM - 90% FORM - 100% SORM - 0% SORM - 10% SORM - 20%SORM - 30% SORM - 40% SORM - 50% SORM - 60% SORM - 70%SORM - 80% SORM - 90% SORM - 100% MCS - 0% MCS - 10%MCS - 20% MCS - 30% MCS - 40% MCS - 50% MCS - 60%MCS - 70% MCS - 80% MCS - 90% MCS - 100% MCIS - 0%MCIS - 10% MCIS - 20% MCIS - 30% MCIS - 40% MCIS - 50%MCIS - 60% MCIS - 70% MCIS - 80% MCIS - 90% MCIS - 100%
102
Figura 23 – Índices de confiabilidade médios para diferentes áreas de aço e razões de ações variáveis do tipo acidental para classe de resistência C20
Fonte: Autoria própria (2019)
O intervalo entre os índices de confiabilidade máximos e mínimos obtidos a
partir da variação da área de aço pode ser observado na Figura 24.
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
4,1
Taxa de aço
Índices de confiabilidade médios para diferentes taxas de aço e razões de ações variáveis do tipo acidental para classe de resistência C20
FOSM - 0% FOSM - 10% FOSM - 20% FOSM - 30% FOSM - 40%FOSM - 50% FOSM - 60% FOSM - 70% FOSM - 80% FOSM - 90%FOSM - 100% FORM - 0% FORM - 10% FORM - 20% FORM - 30%FORM - 40% FORM - 50% FORM - 60% FORM - 70% FORM - 80%FORM - 90% FORM - 100% SORM - 0% SORM - 10% SORM - 20%SORM - 30% SORM - 40% SORM - 50% SORM - 60% SORM - 70%SORM - 80% SORM - 90% SORM - 100% MCS - 0% MCS - 10%MCS - 20% MCS - 30% MCS - 40% MCS - 50% MCS - 60%MCS - 70% MCS - 80% MCS - 90% MCS - 100% MCIS - 0%MCIS - 10% MCIS - 20% MCIS - 30% MCIS - 40% MCIS - 50%
103
Figura 24 – Índices de confiabilidade mínimos e máximos para diferentes taxas de aço
Fonte: Autoria própria (2019)
9.4.3 Variação da Altura
Observou-se, de modo geral, a diminuição da confiabilidade estrutural com o
aumento da altura da viga, conforme Figura 25, concomitantemente à diminuição dos
coeficientes de sensibilidade relacionados à altura útil.
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
4,1
4,2
0,15% 0,30% 0,45% 0,60% 0,75% 0,90% 1,05% 1,20% 1,35% 1,50% 1,65% 1,80% 1,95%
Taxa de aço
Índices de confiabilidade mínimos e máximos para diferentes taxas de aço
FOSMFORMSORMMCSMCIS
104
Figura 25 – Índices de confiabilidade médios para diferentes alturas e razões de ações variáveis do tipo acidental
Fonte: Autoria própria (2019)
Os valores máximos e mínimos do índice de confiabilidade para diferentes
alturas podem ser observados na Figura 26.
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
4,1
30 40 50 60 70 80 90 100
Altura (cm)
Índices de confiabilidade médios para diferentes alturas e razões de ações variáveis do tipo acidental
FOSM - 0% FOSM - 10% FOSM - 20% FOSM - 30% FOSM - 40%FOSM - 50% FOSM - 60% FOSM - 70% FOSM - 80% FOSM - 90%FOSM - 100% FORM - 0% FORM - 10% FORM - 20% FORM - 30%FORM - 40% FORM - 50% FORM - 60% FORM - 70% FORM - 80%FORM - 90% FORM - 100% SORM - 0% SORM - 10% SORM - 20%SORM - 30% SORM - 40% SORM - 50% SORM - 60% SORM - 70%SORM - 80% SORM - 90% SORM - 100% MCS - 0% MCS - 10%MCS - 20% MCS - 30% MCS - 40% MCS - 50% MCS - 60%MCS - 70% MCS - 80% MCS - 90% MCS - 100% MCIS - 0%MCIS - 10% MCIS - 20% MCIS - 30% MCIS - 40% MCIS - 50%MCIS - 60% MCIS - 70% MCIS - 80% MCIS - 90% MCIS - 100%
105
Figura 26 – Índices de confiabilidade mínimos e máximos para diferentes alturas
Fonte: Autoria própria (2019)
9.4.4 Variação da Largura da Base
De modo geral, a variação da largura da base não ofereceu grandes
alterações nos índices de confiabilidade, fato que pode estar associado à pouca
influência da variável na probabilidade de falha, conforme observou-se na avaliação
dos coeficientes de sensibilidade. No entanto, o aumento da largura da base provocou
decréscimo nos índices de confiabilidade obtidos.
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
4,1
4,2
30 40 50 60 70 80 90 100
Altura (cm)
Índices de confiabilidade mínimos e máximos para diferentes alturas
FOSMFORMSORMMCSMCIS
106
9.4.5 Variação da Resistência à Compressão do Concreto
Observou-se que a classe que apresentou o maior valor de índice médio de
confiabilidade foi a classe C20, seguida pelas classes, C30, C35, C25, C45, C50 e
C40, respectivamente, conforme observa-se na Figura 27. No entanto, esse
comportamento é dependente da área de aço, visto que essa possui influência na
probabilidade de falha, e nem todas as classes de resistência possuem o mesmo
intervalo entre a taxa de aço mínima (0,15%), e a área de aço máxima avaliada. Por
exemplo, para a taxa de aço correspondente à 0,75%, a classe de resistência
característica do concreto à compressão que fornece o maior valor de índice de
confiabilidade é a C20, seguida pela C25, C30, C35, C40, C45 e C50,
respectivamente.
107
Figura 27 – Índices de confiabilidade médios para diferentes resistências características do concreto à compressão e razões de ações variáveis do tipo acidental
Fonte: Autoria própria (2019)
O comportamento da média dos índices de confiabilidade para diferentes
intervalos de taxa de aço podem ser observados na Figura 28 e na Figura 29.
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
4,1
2,0 2,5 3,0 3,5 4,0 4,5 5,0
Resistência característica do concreto à compressão (kN/cm²)
Índices de confiabilidade médios para diferentes resistências características do concreto à compressão e razões de ações variáveis do
tipo acidental
FOSM - 0% FOSM - 10% FOSM - 20% FOSM - 30% FOSM - 40%FOSM - 50% FOSM - 60% FOSM - 70% FOSM - 80% FOSM - 90%FOSM - 100% FORM - 0% FORM - 10% FORM - 20% FORM - 30%FORM - 40% FORM - 50% FORM - 60% FORM - 70% FORM - 80%FORM - 90% FORM - 100% SORM - 0% SORM - 10% SORM - 20%SORM - 30% SORM - 40% SORM - 50% SORM - 60% SORM - 70%SORM - 80% SORM - 90% SORM - 100% MCS - 0% MCS - 10%MCS - 20% MCS - 30% MCS - 40% MCS - 50% MCS - 60%MCS - 70% MCS - 80% MCS - 90% MCS - 100% MCIS - 0%MCIS - 10% MCIS - 20% MCIS - 30% MCIS - 40% MCIS - 50%
108
Figura 28 – Índices de confiabilidade médios para diferentes resistências características do concreto à compressão e taxas de aço discriminadas por intervalo entre 0,15% e 1,35%
Fonte: Autoria própria (2019)
109
Figura 29 – Índices de confiabilidade médios para diferentes resistências características do concreto à compressão e taxas de aço discriminadas por intervalo entre 1,50% e 1,80%
Fonte: Autoria própria (2019)
O intervalo entre valores máximos e mínimos de índices de confiabilidade para
diferentes resistências características do concreto à compressão pode ser observado
na Figura 30.
110
Figura 30 – Índices de confiabilidade mínimos e máximos para diferentes resistências características do concreto à compressão
Fonte: Autoria própria (2019)
9.5 OTIMIZAÇÃO BASEADA EM CONFIABILIDADE DE ÁREAS DE AÇO EM VIGAS DE CONCRETO ARMADO
A partir do algoritmo de otimização baseado em confiabilidade aplicado às
vigas de concreto armado, foi possível a obtenção dos gráficos expressos nas figuras
presentes no Apêndice B, os quais demostram as áreas de aço contínuas necessárias
para fornecer o momento resistente contido nas abscissas, relativo ao estado limite
último por flexão simples. As diferentes curvas presentes em um mesmo gráfico
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4
4,1
4,2
2,0 2,5 3,0 3,5 4,0 4,5 5,0
Resistência característica do concreto à compressão (kN/cm²)
Índices de confiabilidade mínimos e máximos para diferentes resistências características do concreto à compressão
FOSMFORMSORMMCSMCIS
111
denotam as diferentes proporções entre ações variáveis e totais, utilizadas conforme
a situação de projeto.
A partir da escolha do momento característico e da proporção de ações
variáveis, os valores de aço expressos no eixo das ordenadas são capazes de
fornecer um índice de confiabilidade igual a 3, para os dados estatísticos selecionados
neste trabalho.
No entanto, o valor de confiabilidade alvo adotado não indica
necessariamente o dimensionamento ótimo dadas as condições de projeto. É
necessária uma avaliação dos riscos envolvidos na estrutura avaliada, além de uma
análise dos custos relativos às medidas de segurança, conforme propõe a
metodologia exposta por JCSS (2001).
A utilização de áreas de aço com valores diferentes dos obtidos por meio dos
gráficos não definem, portanto, um dimensionamento inseguro, nem tampouco
antieconômico. Cada dimensionamento pode estar suscetível a probabilidades de
falha diferentes, cuja avaliação deve ser desenvolvida a partir de critérios pré-
estabelecidos.
Os valores normativos frequentemente fornecem diferentes valores de
confiabilidade para uma mesma área aço e momento característico, conforme pôde
ser observado durante o desenvolvimento deste trabalho, fato atribuído as diferentes
proporções de ações variáveis.
É importante ressaltar que a utilização de áreas de aço otimizadas conforme
as figuras do Apêndice B não visa substituir a necessidade de verificação das áreas
de aço conforme prescrições normativas, mas auxiliar na identificação das áreas de
aço aproximadas necessárias para atingir um mesmo nível de confiabilidade em
diversas configurações de projeto.
A partir das imagens contidas no Apêndice B, observa-se a grande
variabilidade de áreas de aço para um mesmo momento característico, o que justifica
e reforça a necessidade de dar-se maior atenção quando tratado a respeito das ações
variáveis no tipo de problema estudado.
112
10 CONCLUSÃO
A análise da confiabilidade de vigas de concreto armado submetidas à flexão
simples, conforme desenvolvida nesse trabalho, possibilitou a compreensão do
comportamento dos diversos dimensionamentos possíveis em resposta à variação de
suas propriedades.
Os resultados demonstraram a necessidade de se dar atenção à variável de
ações variáveis com maior ênfase, uma vez que essa possui uma influência
considerável na probabilidade de falha, e seu aumento acarreta no consequente
decréscimo no índice de confiabilidade. A norma NBR 6118:2014 não faz distinção,
em suas considerações, da proporção de cargas variáveis em relação às totais para
o dimensionamento de vigas, o que poderia implicar em dimensionamentos com níveis
de segurança não conformes e talvez, inadequados.
Em contrapartida, variáveis tais quais a resistência característica do concreto
à compressão, largura da base e altura útil da viga apresentaram pouca influência na
probabilidade de falha comparado às demais variáveis, fato que poderia justificar
futuras pesquisas na identificação da necessidade de sua consideração como
variáveis aleatórias, podendo possivelmente serem consideradas determinísticas. Tal
pesquisa poderia incluir a verificação da adoção de áreas de aço discretas para a
determinação da confiabilidade e, portanto, da variação da posição da armadura
longitudinal na seção transversal, que neste trabalho foi considerada equivalente à
0,9h.
A consideração de novas variáveis para a resolução do problema também
poderia ser critério de comparação, uma vez que a escolha das variáveis aleatórias
utilizadas no problema difere conforme o formato utilizado para a equação de estado
limite, e nem todas refletem a realidade brasileira. Na consideração de diferentes
variáveis, é cabível também o estudo de sua possível correlação.
Observou-se que o aumento da área de aço tende a contribuir positivamente
no ganho de confiabilidade, em oposição ao aumento da altura da viga, que acarretou
no decréscimo da confiabilidade. A variável largura não apresentou variação
significativa na probabilidade de falha, embora o aumento da largura tenha também
acarretado na diminuição da confiabilidade dos modelos de viga em estudo.
No que concerne os métodos avaliados, o método FOSM, embora apresente-
se como uma solução simples e de apresentação bastante didática, não se mostrou
113
adequado para a proposta deste trabalho. Apresentou resultados próximos aos
demais métodos apenas em faixas de proporção de cargas variáveis entre 40% e 50%
em relação às totais. Os demais métodos apresentaram resultados próximos em
termos de índices de confiabilidade obtidos, caracterizando-se como uma solução
viável ao problema proposto.
De modo geral, os índices de confiabilidade obtidos para a variação de
proporção de cargas variáveis no dimensionamento das vigas de acordo com a NBR
6118:2014 apresentaram grandes variações, e ressaltam a importância de se buscar
um dimensionamento calibrado com base em confiabilidade estrutural, para que se
obtenham valores mais uniformes.
114
REFERÊNCIAS
ANG, A. H.-S.; TANG, W. H. Probability Concepts in Engineering. 2. ed. United States of America: John Wiley & Sons Inc., 2007.
AOUES, Y.; CHATEAUNEUF, A. Benchmark study of numerical methods for reliability-based design optimization. Structural and Multidisciplinary Optimization, v. 41, n. 2, p. 277–294, 2010.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6118: Projeto de estruturas de concreto - Procedimento. 3 ed. Rio de Janeiro: ABNT, 2014. 238 p.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 8681: Ações e segurança nas estruturas - Procedimento. 1 ed. Rio de Janeiro: ABNT, 2004. 18 p.
BECK, A. T. Confiabilidade e Segurança das Estruturas. 1. ed. São Paulo: Elsevier Editora Ltda., 2019.
BECK, A. T.; SOUZA JR., A. C. DE. A First Attempt Towards Reliability-based Calibration of Brazilian Structural Design Codes. Journal of the Brazilian Society of Mechanical Sciences and Engineering, v. 32, n. 2, p. 119–127, 2010.
BJERAGER, P. On computation methods for structural reliability analysis. Structural Safety, v. 9, p. 79–96, 1990.
BREITUNG, K. Asymptotic Approximations for Multinormal Integrals. Journal of Engineering Mechanics, v. 110, p. 357–366, 1984.
CARVALHO, Roberto Chust; FIGUEIREDO FILHO, Jasson Rodrigues de. Cálculo e
Detalhamento de Estruturas Usuais de Concreto Armado: Segundo a NBR
6118:2014. 4. ed. São Carlos: Edufscar, 2019. 415 p.
CHOI, K. K.; YOUN, B. D. On Probabilistic Approaches for Reliability-Based Design Optimization (RBDO). 9th AIAA/ISSMO Symposium on Multidisciplinary Analysis and Optimization. Anais...2002
CLÍMACO, João Carlos Teatini de Souza. Estruturas de concreto armado:
115
Fundamentos de projeto, dimensionamento e verificação. 3. ed. Rio de Janeiro: Elsevier, 2016. 439 p.
DITLEVSEN, O.; BJERAGER, P. METHODS OF STRUCTURAL SYSTEMS RELIABILITY. Structural Safety, v. 3, p. 195–229, 1986.
DITLEVSEN, O.; MADSEN, H. O. Structural Reliability Methods. 2. ed. [s.l.] Technical University of Denmark, 2007.
DU, X.; HUANG, B. Reliability-based design optimization with equality constraints. International Journal for Numerical Methods in Engineering, v. 72, p. 1314–1331, 2007.
ELLINGWOOD, B. et al. Development of a Probability Based Load Criterion for American National Standard A58NBS Special Publications 577, 1980.
ELLINGWOOD, B.; GALAMBOS, T. V. PROBABILITY-BASED CRITERIA FOR STRUCTURAL DESIGN. Structural Safety, v. 1, p. 15–26, 1982.
ELLINGWOOD, B. R. LRFD: implementing structural reliability in professional practice. Engineering Structures, v. 22, p. 106–115, 2000.
ENGELUND, S.; RACKWITZ, R. A benchmark study on importance sampling techniques in structural reliability. Structural Safety, v. 12, p. 255–276, 1993.
FABER, M. H. Risk and Safety in Civil, Surveying and Environmental EngineeringZürichSwiss Federal Institute of Technology, , 2006.
FABER, M. H.; SØRENSEN, J. D. Reliability Based Code Calibration. Joint Committee on Structural Safety, p. 1–17, 2002.
FUJITA, M.; RACKWITZ, R. UPDATING FIRST AND SECOND-ORDER RELIABILITY ESTIMATES BY IMPORTANCE SAMPLING. Structural Eng./ Earthquake Eng., v. 5, n. 1, p. 31–37, 1988.
HALDAR, A.; MAHADEVAN, S. First Order and Second Order Reliability Methods. In: SUNDARARAJAN, C. (Ed.). . Probabilistic Structural Mechanics Handbook. [s.l.]
116
Chapman & Hall, 1995. p. 27–52.
HARBITZ, A. AN EFFICIENT SAMPLING METHOD FOR PROBABILITY OF FAILURE CALCULATION. Structural Safety, v. 3, p. 109–115, 1986.
HASOFER, A. M.; LIND, N. C.; ASCE, A. M. Exact and Invariant Second-Moment Code Format. Journal of the Engineering Mechanics Division, 1974.
HOHENBICHLER, M.; RACKWITZ, R. Sensitivity and importance measures in structural reliability. Civil Engineering Systems, v. 3, n. 4, p. 203–209, 1986.
IBRAHIM, Y. OBSERVATIONS ON APPLICATIONS OF IMPORTANCE SAMPLING IN STRUCTURAL RELIABILITY ANALYSIS. v. 9, p. 269–281, 1991.
JCSS. Probabilistic Model CodeJoint Committee on Structural Safety, 2001.
JUNIOR, A. C. DE S. Aplicação de Confiabilidade na Calibração de Coeficientes Parciais de Segurança de Normas Brasileiras de Projeto Estrutural. [s.l.] Universidade de São Paulo, 2008.
KIUREGHIAN, B. A. DER; ASCE, M.; LIU, P. Structural Reliability Under Incomplete Probability Information. v. 112, n. 1, p. 85–104, 1986.
KLEIJNEN, J. P. C.; RIDDER, A.; RUBINSTEIN, R. Variance Reduction Techniques in Monte Carlo Methods. SSRN Eletronic Journal, 2010.
LAW, A. M.; KELTON, W. D. Simulation Modeling & Analysis. 2. ed. Singapore: McGraw-Hill Inc., 1991.
LEE, J. O.; YANG, Y. S.; RUY, W. S. A comparative study on reliability-index and target-performance-based probabilistic structural design optimization. Computers and Structures, v. 80, p. 257–269, 2002.
LIU, P.; KIUREGHIAN, A. DER. Multivariate distribution models with prescribed marginals and covariances. v. 1, n. 2, 1986.
117
LOPEZ, R. H.; BECK, A. T. Reliability-Based Design Optimization Strategies Based on FORM : A Review. Journal of the Brazilian Society of Mechanical Sciences and Engineering, v. XXXIV, n. 4, 2012.
LU, R.; LUO, Y.; CONTE, J. P. Reliability evaluation of reinforced concrete beams. Structural Safety, v. 14, p. 277–298, 1994.
MELCHERS, R. E. IMPORTANCE SAMPLING IN STRUCTURAL SYSTEMS. Structural Safety, v. 6, p. 3–10, 1989.
MELCHERS, R. E.; AHAMMED, M. A fast approximate method for parameter sensitivity estimation in Monte Carlo structural reliability. Computers and Structures, v. 82, p. 55–61, 2004.
MELCHERS, R. E.; BECK, A. T. Structural reliability analysis and prediction. 3. ed. Hoboken, NJ: John Wiley & Sons Inc., 2018.
MIRZA, S. A.; MACGREGOR, J. G. Probabilistic study of strength of reinforced concrete members. Canada Journal of Civil Engineering, v. 9, p. 431–448, 1982.
MONTGOMERY, D. C.; RUNGER, G. C. Applied statistics and probability for engineers. 3. ed. New York: John Wiley & Sons Inc., 2002.
NOWAK, A. S.; SZERSZEN, M. M. Calibration of Design Code for Buildings (ACI 318) Part 1: Statistical Models for Resistance. p. 43, 2003.
PAPADRAKAKIS, M.; LAGAROS, N. D. Reliability-based structural optimization using neural networks and Monte Carlo simulation. Computer Methods in Applied Mechanics and Engineering, v. 191, p. 3491–3507, 2002.
RUBINSTEIN, R. Y.; KROESE, D. P. Controlling the Variance. In: Simulation and the Monte Carlo Method. 3. ed. [s.l.] John Wiley & Sons Inc., 2017.
SANTIAGO, W. C. Calibração Baseada em Confiabilidadde dos Coeficientes Parciais de Segurança das Principais Normas Brasileiras de Projeto Estrutural. [s.l.] Escola de Engenharia de São Carlos da Universidade de São Paulo, 2019.
118
SANTIAGO, W. C.; BECK, A. T. A study of brazilian concrete strength (non-) compliance and its effects on reliability of short columns. Revista Ibracon de Estruturas e Materiais, v. 4, n. 4, p. 663–690, 2011.
SANTIAGO, W. C.; BECK, A. T. A new study of Brazilian concrete strength conformance. Revista Ibracon de Estruturas e Materiais, v. 10, n. 4, p. 906–914, 2017.
SANTIAGO, W. C.; BECK, A. T. Um Estudo da Conformidade do Concreto de Resistência Moderada Produzido no Brasil. 60o Congresso Brasileiro do Concreto - CBC2018 - 60CBC2018. Anais...2018
SHINOZUKA, M. Basic Analysis of Structural Safety. Journal of Structural Engineering, v. 109, n. 3, p. 721–740, 1983.
TU, J.; CHOI, K. K.; PARK, Y. H. A NEW STUDY ON RELIABILITY BASED DESIGN OPTIMIZATION. ASME Journal of Mechanical Design, v. 121, n. 4, p. 557–564, 1999.
ZHAO, Y.-G.; ONO, T. New Approximations for SORM: Part 1. Journal of Engineering Mechanics, v. 2, n. January, p. 79–85, 1999.
119
APÊNDICE A - Índices de confiabilidade obtidos a partir de diferentes configurações de vigas
120
Figura 31 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 10%
Fonte: Autoria própria (2019)
Figura 32 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 10%
Fonte: Autoria própria (2019)
121
Figura 33 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 10%
Fonte: Autoria própria (2019)
Figura 34 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 20%
Fonte: Autoria própria (2019)
122
Figura 35 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 20%
Fonte: Autoria própria (2019)
Figura 36 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 20%
Fonte: Autoria própria (2019)
123
Figura 37 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 30%
Fonte: Autoria própria (2019)
Figura 38 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 30%
Fonte: Autoria própria (2019)
124
Figura 39 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 30%
Fonte: Autoria própria (2019) Figura 40 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 40%
Fonte: Autoria própria (2019)
125
Figura 41 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 40%
Fonte: Autoria própria (2019)
Figura 42 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 40%
Fonte: Autoria própria (2019)
126
Figura 43 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 50%
Fonte: Autoria própria (2019)
Figura 44 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 50%
Fonte: Autoria própria (2019)
127
Figura 45 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 50%
Fonte: Autoria própria (2019)
Figura 46 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 25 MPa e proporção de ações variáveis em relação às totais de 60%
Fonte: Autoria própria (2019)
128
Figura 47 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 30 MPa e proporção de ações variáveis em relação às totais de 60%
Fonte: Autoria própria (2019)
Figura 48 – Índices de confiabilidade para diferentes taxas de aço e alturas, com fck = 35 MPa e proporção de ações variáveis em relação às totais de 60%
Fonte: Autoria própria (2019)
129
APÊNDICE B - Áreas de aço otimizadas a partir de confiabilidade
130
Figura 49 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 30,0 cm)
Fonte: Autoria própria (2019)
131
Figura 50 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 40,0 cm)
Fonte: Autoria própria (2019)
132
Figura 51 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 50,0 cm)
Fonte: Autoria própria (2019)
133
Figura 52 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 60,0 cm)
Fonte: Autoria própria (2019)
134
Figura 53 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 70,0 cm)
Fonte: Autoria própria (2019)
135
Figura 54 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 80,0 cm)
Fonte: Autoria própria (2019)
136
Figura 55 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 90,0 cm)
Fonte: Autoria própria (2019)
137
Figura 56 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 14,0 cm, h = 100,0 cm)
Fonte: Autoria própria (2019)
138
Figura 57 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 30,0 cm)
Fonte: Autoria própria (2019)
139
Figura 58 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 40,0 cm)
Fonte: Autoria própria (2019)
140
Figura 59 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 50,0 cm)
Fonte: Autoria própria (2019)
141
Figura 60 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 60,0 cm)
Fonte: Autoria própria (2019)
142
Figura 61 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 70,0 cm)
Fonte: Autoria própria (2019)
143
Figura 62 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 80,0 cm)
Fonte: Autoria própria (2019)
144
Figura 63 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 90,0 cm)
Fonte: Autoria própria (2019)
145
Figura 64 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 14,0 cm, h = 100,0 cm)
Fonte: Autoria própria (2019)
146
Figura 65 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 30,0 cm)
Fonte: Autoria própria (2019)
147
Figura 66 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 40,0 cm)
Fonte: Autoria própria (2019)
148
Figura 67 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 50,0 cm)
Fonte: Autoria própria (2019)
149
Figura 68 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 60,0 cm)
Fonte: Autoria própria (2019)
150
Figura 69 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 70,0 cm)
Fonte: Autoria própria (2019)
151
Figura 70 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 80,0 cm)
Fonte: Autoria própria (2019)
152
Figura 71 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 90,0 cm)
Fonte: Autoria própria (2019)
153
Figura 72 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 25,0 MPa, bw = 19,0 cm, h = 100,0 cm)
Fonte: Autoria própria (2019)
154
Figura 73 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 30,0 cm)
Fonte: Autoria própria (2019)
155
Figura 74 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 40,0 cm)
Fonte: Autoria própria (2019)
156
Figura 75 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 50,0 cm)
Fonte: Autoria própria (2019)
157
Figura 76 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 60,0 cm)
Fonte: Autoria própria (2019)
158
Figura 77 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 70,0 cm)
Fonte: Autoria própria (2019)
159
Figura 78 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 80,0 cm)
Fonte: Autoria própria (2019)
160
Figura 79 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 90,0 cm)
Fonte: Autoria própria (2019)
161
Figura 80 – Área de aço de acordo com o momento característico e diferentes razões de ações acidentais em relação às totais para índice de
confiabilidade = 3,0 (fck = 30,0 MPa, bw = 19,0 cm, h = 100,0 cm)
Fonte: Autoria própria (2019)
162
ANEXO A - Tabelas de coeficiente de correlação
163
Tabela 21 – Grupos de distribuição
Grupo 1 Grupo 2
Nome Símbolo Nome Símbolo
Uniforme UN Lognormal LN
Exponencial SE Gamma GM
Rayleigh SR Frechet máximos T2L
Gumbel máximos T1L Weibull mínimos T3S
Gumbel mínimos T1S Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
Tabela 22 – Categoria 1 - Xi Normal e Xj pertencente ao Grupo 1
Xj F = constante Erro máximo (%)
Uniforme 1,023 0,0
Exponencial 1,107 0,0
Rayleigh 1,014 0,0
Gumbel máximos 1,031 0,0
Gumbel mínimos 1,031 0,0
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
Tabela 23 – Categoria 2 - Xi Normal e Xj pertencente ao Grupo 2
Xj F = constante Erro máximo (%)
Lognormal 2
j
ln(1 )j
+
Exato
Gamma 21,001 0,007 0,007
j j − + 0,0
Frechet máximos 2
1,030 0,238 0,364j j
+ + 0,1
Weibull mínimos 2
1,031 0,195 0,328j j
− + 0,1
Valores do coeficiente de variação para um intervalo de 0,50,1j
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
164
Tabela 24 – Categoria 2 - Xi e Xj pertencentes ao Grupo 1
Xj
Xi
UN SE
UN 1,047 0,047 ²−
Erro máximo: 0,0%
SE ²1,133 0,029+
Erro máximo: 0,0%
1,229 0,367 0,153 ² − +
Erro máximo: 1,5%
SR 1,038 0,008 ²−
Erro máximo: 0,0%
1,123 0,100 0,021 ² − +
Erro máximo: 0,1%
T1L 1,055 0,015 ²+
Erro máximo: 0,0%
1,142 0,154 0,031 ² − +
Erro máximo: 0,2%
T1S 1,055 0,015 ²+
Erro máximo: 0,0%
1,142 0,154 0,031 ² + +
Erro máximo: 0,2%
Valores do coeficiente de variação para um intervalo de 0,50,1j
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
Tabela 25 – Categoria 2 - Xi e Xj pertencentes ao Grupo 1
Xj
Xi
SR T1L T1S
UN
SE
SR 1,038 0,029 ²−
Erro máximo: 0,0%
T1L 1,046 0,045 0,006 ² − +
Erro máximo: 0,0%
1,064 0,069 0,005 ² − +
Erro máximo: 0,0%
T1S 1,046 0,045 0,006 ² + +
Erro máximo: 0,0%
1,064 0,069 0,005 ² + +
Erro máximo: 0,0%
²1,064 0,069 0,005 − +
Erro máximo: 0,0%
Valores do coeficiente de variação para um intervalo de 0,50,1j
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
165
Tabela 26 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2
Xj
Xi
UN
LN 1,019 0,014 0,010 ² 0,2498 ²
j j + + +
Erro máximo: 0,7%
GM 1,023 0,007 0,002 ² 0,127 ²
j j − + +
Erro máximo: 0,1%
T2L 1,033 0,305 0,074 ² 0,405 ²
j j + + +
Erro máximo: 2,1%
T3S 1,061 0,237 0,005 ² 0,379 ²
j j − − +
Erro máximo: 0,5%
Valores do coeficiente de variação para um intervalo de 0,50,1j
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
Tabela 27 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2
Xj
Xi
SE
LN 1,098 0,003 0,019 0,025 ² 0,303 0,437
j j j + + + + −
Erro máximo: 1,6%
GM ² ² 1,104 0,003 0,008 0,014 0,173 0,296
j j j + − + + −
Erro máximo: 0,9%
T2L 1,109 0,152 0,361 0,130 ² 0,455 ² 0,728 ²
j j j − + + + −
Erro máximo: 4,5%
T3S 1,147 0,145 0,271 0,010 ² 0,459 ² 0,467
j j j + − + + −
Erro máximo: 0,4%
Valores do coeficiente de variação para um intervalo de 0,50,1j
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
166
Tabela 28 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2
Xj
Xi
SR
LN ²
j j j1,011 0,001 0,014 0,004 ² 0,231 0,130 + + + + −
Erro máximo: 0,4%
GM ²
j j j1,014 0,001 0,007 0,002 ² 0,126 0,090 + − + + −
Erro máximo: 0,9%
T2L 1,036 0,038 0,266 0,028 ² 0,383 ² 0,229
j j j − + + + −
Erro máximo: 1,2%
T3S ²
j j j1,047 0,042 0,212 0,353 0,136 + − + −
Erro máximo: 0,2%
Valores do coeficiente de variação para um intervalo de 0,50,1j
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
Tabela 29 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2
Xj
Xi
T1L
LN ²
j j j1,029 0,001 0,014 0,004 ² 0,233 0,197 + + + + −
Erro máximo: 0,3%
GM 1,031 0,001 0,007 0,003 ² 0,131 ² 0,132
j j j + − + + −
Erro máximo: 0,3%
T2L ² ²
j j j1,056 0,060 0,263 0,020 ² 0,383 0,332 − + + + −
Erro máximo: 1,0%
T3S ²
j j j1,064 0,065 0,210 0,003 ² 0,356 0,211 + − + + −
Erro máximo: 0,2%
Valores do coeficiente de variação para um intervalo de 0,50,1j
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
167
Tabela 30 – Categoria 4 - Xi pertencente ao grupo 1 e Xj pertencentes ao Grupo 2
Xj
Xi
T1S
LN ²
j j j1,029 0,001 0,014 0,004 ² 0,233 0,197 +− + + +
Erro máximo: 0,3%
GM 1,031 0,001 0,007 0,003 ² 0,131 ² 0,132
j j j − − + + +
Erro máximo: 0,3%
T2L ² ²
j j j1,056 0,060 0,263 0,020 ² 0,383 0,332 ++ + + +
Erro máximo: 1,0%
T3S ²
j j j1,064 0,065 0,210 0,003 ² 0,356 0,211 +− − + +
Erro máximo: 0,2%
Valores do coeficiente de variação para um intervalo de 0,50,1j
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
Tabela 31 – Categoria 5 - Xi e Xj pertencentes ao Grupo 2
Xj
Xi
LN
LN
( )
( ) ( )
In 1i j
ln 1 ² ln 1 ²i j
+
+ +
Erro máximo: Exato
GM
²i j i
²j i i j j
1,001 0,033 0,004 0,016 0,002 ² 0,223
0,130 0,104 0,029 0,119
+ + − + +
+ − + −
Erro máximo: 4,0%
T2L
²i j i
²j i i j j
1,026 0,082 0,019 0,222 0,018 ² 0,288
0,379 0,441 0,126 0,277
+ − − + +
+ − + −
Erro máximo: 4,3%
T3S
²i j i
²j i i j j
1,031 0,052 0,011 0,210 0,002 ² 0,220
0,350 0,005 0,009 0,174
+
+ + − + +
+ + −
Erro máximo: 2,4%
Valores do coeficiente de variação para um intervalo de i j, 0,50,1
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
168
Tabela 32 – Categoria 5 - Xi e Xj pertencentes ao Grupo 2
Xj
Xi
GM
LN
GM
( )
( ) ( )
i j
² ²i j i j i j
1,002 0,022 0,012 0,001 ²
0,125 0,077 0,014
+ − + + +
+ − + +
Erro máximo: 4,0%
T2L
²i j i
²j i i j j
1,029 0,056 0,030 0,225 0,012 ² 0,174
0,379 0,313 0,075 0,182
+ − + + +
+ − + −
Erro máximo: 4,2%
T3S
²i j i
²j i i j j
1,032 0,034 0,007 0,202 0,121
0,339 0,006 0,003 0,111
− +
+ − − +
+ −
Erro máximo: 4,0%
Valores do coeficiente de variação para um intervalo de i j, 0,50,1
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
Tabela 33 – Categoria 5 - Xi e Xj pertencentes ao Grupo 2
Xj
Xi
GM
LN
GM
T2L
( ) ( )
( ) ( )
( ) ( ) ( )
² ²i j i j
³ ³i j i j i j
² ²i j i j i j i j
1,086 0,054 0,104 0,055 ² 0,662
0,570 0,203 0,020 ³ 0,218
0,371 0,257 ² 0,141
+ +
+ +
+ + ++
+ + − +
− + − −
− +
Erro máximo: 4,3%
T3S
²i j i
²j i i j j
1,065 0,146 0,241 0,259 0,013 ² 0,372
0,435 0,005 0,034 0,481
+ +
+ + − + +
+ −
Erro máximo: 3,8%
Valores do coeficiente de variação para um intervalo de i j, 0,50,1
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)
169
Tabela 34 – Categoria 5 - Xi e Xj pertencentes ao Grupo 2
Xj
Xi
T3S
LN
GM
T2L
T3S
( )
( ) ( )i j
² ²i j i j i j
1,063 0,004 0,200 0,001 ²
0,337 0,007 0,007
+
+ +
− − −
+ + −
Erro máximo: 2,6%
Valores do coeficiente de variação para um intervalo de i j, 0,50,1
Fonte: Kiureghian e Liu (1985) apud Kiureghian, ASCE e Liu (1986)