Análise Probabilísti a de
Robustez de Estruturas de Madeira
Dissertaçãoparaobtenção do Graude Mestre
em Engenharia Civil- Perl Estruturas
Orientador: Prof. Doutor Luís ArmandoCanhoto Neves, FCT-UNL
Júri:
Presidente: Prof. DoutorJoãoRo hadeAlmeida
Arguente: Prof. DoutorJoãoBurgueteCardoso
Vogal: Prof. DoutorLuísArmandoCanhotoNeves
Análise Probabilísti a de
Robustez de Estruturas de Madeira
Dissertaçãoparaobtenção do Graude Mestre
em Engenharia Civil- Perl Estruturas
Orientador: Prof. Doutor Luís ArmandoCanhoto Neves, FCT-UNL
AFa uldadedeCiên iaseTe nologiaeaUniversidadeNovadeLisboatêmodireito,
per-pétuoesemlimitesgeográ os, dearquivar epubli arestadissertaçãoatravésdeexemplares
impressosreproduzidos empapelou de formadigital, ou por qualquer outro meio onhe ido
ouquevenha aserinventado, edeadivulgaratravésderepositórios ientí osedeadmitira
sua ópiaedistribuição omobje tivosedu a ionaisoudeinvestigação,não omer iais,desde
Arealização deste trabalho, que on luía minha formação a adémi a, ontou om a
olabo-raçãode algumaspessoasque,dire taouindire tamente, tornarampossívelasua
on retiza-ção. Assim, omeço por exprimir o meu agrade imento e re onhe imento aos autores que
ontribuíram ommaiorrelevân ia.
Em primeiro lugar, ao Prof. Doutor Luís Neves, orientador da dissertação, sem o qual
este trabalho nun a teria sido possível, dado que foi o seu onhe imento e experiên ia que
fomentou omeuinteressepelostemasabordados. Bem omopelotempo quedespendeu om
asminhasdúvidase,sobretudo,o apoioeorientação onstanteaolongode todootrabalho.
Aos membros do júri pelo tempo que dedi aram a analisar o meu trabalho e pelos seus
onselhos,quepermitiram aprimorar umpou o maisotrabalho desenvolvido.
Finalmente,atodososmeusamigos, pelasin eraamizade,pela ompreensão emtodosos
momentosepeloestímuloaolongodetodootrabalhoe,ainda,àminhafamília,emparti ular
aosmeuspais,por todoo arinho eapoioquere ebi.
O presente trabalho visa a riação de um programa de ál ulo que permita estudar, numa
perspe tivaprobabilísti a, a segurança de sistemas estruturaispara madresde obertura em
madeira, om parti ular in idên ia sobrea análiseda robustez, deforma a avaliar oimpa to
na segurança estrutural de defeitos ou a ções inesperadas. Deste modo, o programa in lui
modelosdeanáliseestrutural,assentesnateoriadaabilidade, ombinados omométodode
elementosnitos, apazesde simular o omportamento de madresbidimensionais.
Parademonstrar aspoten ialidades eaadequação doprograma desenvolvido, analisou-se
a robustez de dois modelos de madres de madeira, om tipologia regular, dimensionadas de
a ordo omométodo dos oe ientespar iais des ritonoEuro ódigo5,espe i amentepara
odesenvolvimento destetrabalho.
Para o estudo da robustez onsiderou-se a o orrên ia de três situações a identais, sendo
estassimuladaspelaremoção,inten ional, deapoios. Arobustezdosreferidosmodelos
estru-turaisfoi, então, avaliada atravésda omparação entre osíndi es de abilidade dosmodelos
inta tos e destes onsiderando as diferentes situações a identais. Desta forma, foi possível
determinar quais as situações a identais que provo am maior redução da segurança global
daestrutura, assim, omoos sistemasestruturais maissus eptíveis a erros. Para a obtenção
dosváriosíndi esdeabilidadere orreu-seaométododesimulaçãodeMonteCarlo, também
inseridono programadesenvolvido.
Fez-se ainda uma análise de ris o para os dois modelos estruturais, tendo em onta as
onsequên ias asso iadas aos referidos defeitos, sendo que neste estudo a onsequên ia se
traduzno omprimento dafra ção de madre olapsada.
Palavras- have: Análise Probabilísti a, Fiabilidade,Método de MonteCarlo, Robustez
Probabilisti Robustness Analysisof Wood Stru tures
The present work aims to reate a program that allows to study the safety of stru tural
systemsfortimberpurlins overage,withparti ularfo usontheanalysisofrobustnessinorder
to evaluate the impa tof thedefe ts on thestru tural or unexpe ted a tions se urity. The
program in ludes models of stru tural analysis, based on the theory of reliability, ombined
withnite element methodto simulate thebehaviorof bidimensional beams.
To demonstrate the potential and the adequation of thedeveloped program, is analyzed
therobustness of two models of wood beams with regular typology, spe i ally designed for
thiswork a ordingto thepartial oe ients methoddes ribed inEuro ode 5.
For the study of robustness,three a idental situations were onsidered, whi h are
sim-ulated by the intentional removal of supports. The stru tural robustness of these models
wasanalyzedby omparingthe reliabilityindexofinta tmodelswithmodels onsidering the
a idental situations. It waspossible to determine whi h a idental situations ause further
redu tion of the global se urity stru ture, as well aswhi h systems are more sus eptible to
stru tural errors. To al ulate the reliability index was made ofthe method of Monte Carlo
simulation thatwasalso in luded intheprogram developed.
Ariskanalysisfor thetwo stru turalmodelswasalsodone, takinginto onsideration the
onsequen esasso iated tothese defe ts,whi h wereree ted inthelengthof thefra tionof
purlin ollapsed.
Keywords: Probabilisti Analysis, Reability, Monte Carlo Method, Robustness and
Conteúdo vii
Lista de Figuras xi
Lista de Quadros xiii
1 Introdução 1
1.1 Motivaçãoe enquadramento . . . 1
1.2 Obje tivos . . . 1
1.3 Estruturação dadissertação . . . 2
1.4 Notações. . . 4
2 Análise da Segurança Estrutural 5 2.1 Enquadramento . . . 7
2.2 Breve abordagem aosmétodosde análisede segurança estrutural . . . 7
2.3 In ertezasna análiseestrutural . . . 9
2.4 Con eito deestado limite . . . 10
2.5 Análiseprobabilísti ada segurança . . . 13
2.5.1 Considerações ini iais . . . 13
2.5.2 Prin ípiosbási os deabilidade . . . 15
2.5.3 Formulação doíndi e de abilidade . . . 16
2.5.4 Fiabilidade desistemas de estruturas . . . 20
2.5.5 Método desimulação de MonteCarlo . . . 22
2.5.6 Método detransformação deCholesky . . . 24
2.6 Análisesemi-probabilísti a desegurança . . . 26
2.6.2 Cara terização dasa ções ombaseno Euro ódigo1 . . . 26
2.6.3 Cara terização dasresistên ias om baseno Euro ódigo 1 . . . 27
2.7 Robustez . . . 28
2.7.1 Considerações gerais . . . 28
2.7.2 Critérios de dimensionamento . . . 29
2.7.3 Quanti ação darobustez . . . 30
2.7.4 Análisee de isãoda robustez . . . 31
3 Cara terísti as da Madeira Estrutural 35 3.1 Enquadramento . . . 36
3.2 Des riçãogeral damadeira . . . 36
3.3 Defeitosdaspeçasestruturais de madeira . . . 38
3.4 Propriedades damadeira . . . 39
3.4.1 Considerações ini iais . . . 39
3.4.2 Propriedades físi as . . . 40
3.4.3 Propriedades me âni as . . . 41
3.5 Classi ação damadeira . . . 42
3.6 Produtosestruturais derivados demadeira . . . 43
3.6.1 Considerações gerais . . . 43
3.6.2 Elementos estruturaisemmadeira lamelada olada . . . 44
3.6.3 Normasapli áveis a lamelados olados . . . 45
4 Método dos Elementos Finitos 47 4.1 Enquadramento . . . 48
4.2 Deniçãodomodelodis retizado utilizado . . . 49
4.3 Casoparti ular: Vigabidimensional om rigidezà exão . . . 50
4.3.1 Considerações ini iais . . . 50
4.3.2 Matriz de rigidezdo elemento de viga . . . 51
4.3.3 Montagemda matriz derigidez global . . . 54
4.3.4 Introdução das ondições deapoio . . . 56
4.4 Faseamento da análiseestrutural . . . 57
5 Des rição de um Exemplo de Apli ação ao Programa Desenvolvido 59 5.1 Enquadramento . . . 61
5.2 Exposição doproblema. . . 61
5.3 Modelação estrutural do problema . . . 62
5.4 Dimensionamento damadre de a ordo om Euro ódigo 5. . . 63
5.5 Avaliaçãodo problemamedianteanáliseprobabilísti a . . . 68
5.5.1 Considerações geraisparaapli açãodo programa desenvolvido . . . . 68
5.5.3 Identi açãodasvariáveis aleatóriasdo problema . . . 69
5.5.4 Cara terização dasa çõeseresistên ia intervenientes . . . 70
5.5.5 Avaliaçãoda segurança estrutural . . . 72
6 Análise do Colapso Progressivo Apli ado ao Problemado Capítulo 5 77 6.1 Enquadramento . . . 78
6.2 Análiseda madreabordadano Capítulo 5 . . . 79
6.2.1 Considerações ini iais . . . 79
6.2.2 Avaliaçãoda segurança da madreao olapso . . . 81
6.2.3 Análiseda progressão do olapso do modelo ontínuo . . . 82
6.2.4 Análisedo ris o. . . 83
6.3 Implementação omputa ional. . . 88
6.4 Resultadose análisede resultados. . . 91
7 Con lusões e Sugestões para Desenvolvimentos Futuros 97 Bibliograa 101 A Modelação da A ção da Neve de a ordo om o Euro ódigo 1 105 B Funções de Distribuiçãode Probabilidade 109 B.1 Distribuição Normal,
N ∼ (µ, σ)
. . . 109B.2 Distribuição Lognormal,
LN ∼ (λ, ξ)
. . . 109B.3 Distribuição Gamma,
GM ∼ (a, b)
. . . 1102.1 Forma geral deumafunção dedistribuição de probabilidade absoluta. . . 14
2.2 Zona defalha resultante da sobreposição dasfunçõesde densidade dasvariáveis. 16 2.3 Representaçãotridimensionaldafunçãoestadolimite(adaptadodeHenriques,1998). 18 2.4 Representaçãodo índi e de abilidade,
β
(adaptadode Faber,2007). . . 192.5 Sistema emsérie(Henriques, 1998).. . . 21
2.6 Sistemasemparalelo (Henriques, 1998). . . 21
2.7 Sistemasmistos (Henriques, 1998). . . 22
2.8 Apli ação dométodo deCholesky aduas funções dedistribuição Normal. . . 25
2.9 Representaçãotridimensional da apli açãodo métodode Cholesky. . . 25
2.10 Pista de i lismoSiemens Arena(Dinamar a), emJaneiro de2003. . . 28
2.11 Árvoredeeventosparaaquanti açãodarobustez(adaptadodeBakeretal.,2008). 31 3.1 Esquema ilustrativoda onstituiçãodo tron o deumaárvore(Fran o, 2008). . . 37
3.2 Relação tensão-deformação da madeirapara a situaçãode (a) tra ção e (b) om-pressão. . . 41
3.3 Esquema ilustrativo da uma madeira lamelada olada (adaptado de Porteous et al., 2007). . . 44
4.1 (a)Estrutura-tipodopresentetrabalhoe(b)Modeloilustrativoda orrespondente estrutura eindi ação domodelo dis retizadoda viga ontínua. . . 50
4.2 Representação do modelo estrutural da viga ontínua e parti ularização do ele-mento de viga (1). . . 52
4.3 Modelodo elemento de viga (1) omindi ação dasquatro omponentes de forças e dedeslo amentos. . . 52
4.5 Signi adofísi odosrestantes oe ientesda matrizderigidezdoelemento deviga. 53
4.6 Modelo estrutural da viga ontínua ilustrada na Figura 4.1(b) e enumeração dos
graus deliberdade. . . 54
5.1 Esquema ilustrativoda estrutura adoptadaneste trabalho. . . 62
5.2 Modelosestruturaisparaassituações: (a)madre ontínua(b)madresimplesmente apoiada. . . 63
5.3 Redis retizaçãodamadreparaassituações(a) ontínuae(b)simplesmenteapoiada. 69 5.4 Pro esso deobtenção doparâmetro
b
numa distribuiçãoGamma, sabendo ovalor ara terísti os
k
e o parâmetroa
. . . 716.1 Modelosda madre paraassituações(a) ontínua e (b)simplesmenteapoiada. . . 79
6.2 Ilustraçãodastrêshipótesesde orrelaçãoadmitidaspara apropriedademe âni a do problema. . . 80
6.3 Situaçõesa identais onsideradas.. . . 82
6.4 Se ções ríti asdo modelo querepresenta a madre ontínua sujeitaà hipótese de falha1. . . 84
6.5 Árvoredeeventosparaasituaçãodeinexistên iade orrelaçãoentrepropriedades dasse ções. . . 86
6.6 Árvore de eventos para a situação de orrelação perfeita entre propriedades das se ções. . . 88
6.7 Fluxograma doprogramadesenvolvido. . . 91
A.1 Combinações dos oe ientes de formaa onsiderar(CEN, 2003a). . . 106
A.2 Valor
Z
,para aPenínsulaIbéri a (adaptadoCEN, 2003a). . . 1082.1 Deniçãode lasses de onsequên ias (CEN,2001). . . 12
2.2 Valoresmínimosre omendadosparaoíndi edeabilidade,
β
,paraELU(adaptado de CEN, 2001). . . 202.3 Valoresmínimosparao índi e de abilidade,
β
,paraELU,numperíodo de refer-ên ia deumano (adaptado de JCSS, 2000). . . 202.4 Classesde duração dasa ções(CEN,2003b). . . 27
3.1 Propriedadesme âni as dolamelado oladohomogéneo24h(adaptadodeBran o, 2006). . . 45
4.1 Dimensões dassubmatrizes presentes no sistema de equações (4.6) (adaptado de Azevedo,2003). . . 56
5.1 Quanti ação admitidaparaasa çõespermanentes. . . 64
5.2 Quanti ação admitidaparaa a çãovariável. . . 65
5.3 Des riçãodasa ções onsideradas noproblema. . . 65
5.4 Valores do fa tor de modi ação da resistên ia,
k
mod
, para lamelados olados (adoptado de CEN, 2003b). . . 675.5 Dimensõesda madre es olhidasparaa veri ação da segurança, utilizadas poste-riormente numaanálise probabilísti a. . . 67
5.6 Es olhadostiposdedistribuiçõesdeprobabilidade utilizadaserespe tivasmédias e desvios padrão. . . 71
5.7 Veri açãoda segurança obtida pelo programa para osdoismodelos estruturais. 74 5.8 Valoresmínimosre omendadosparaoíndi edeabilidade,
β
,paraELU(adaptado de CEN, 2001). . . 746.1 Resultados daanálise probabilísti ado modelo ontínuo paraastrês hipótesesde
orrelação e astrêshipótesesde falha. . . 92
6.2 Resultados daanálise probabilísti arelativosao modelo simplesmente apoiado. . 92
6.3 Resultados daanálise probabilísti arelativosao modelo ontínuo. . . 94
6.4 Resultados daanálise probabilísti arelativosao modelo simplesmente apoiado. . 95
A.1 Coe ientes deforma da a çãode neve (CEN,2003a). . . 106
Introdução
1.1 Motivação e enquadramento
Nosúltimosanostemvindoamanifestar-seuma res ente ons ien ializaçãodaso iedadeem
questõesambientais e,emparti ular, omasustentabilidadedopatrimónio. Nesteaspe to,a
madeira omo material estruturalapresenta enormesvantagenssobre outrosmateriais. Além
deserummaterialnatural,é ompletamenterenovávelebastantedurável,podendosobreviver
muitosanos asonãosejasubmetida,frequentemente,agrandesvariaçõesdehumidade. Outra
dassuas vantagens prende-se om a reduzida energia despendida durante o seu pro esso de
produção.
No entanto, devido ao onjunto de a identes veri ados re entemente e à ompetição
de outros materiais mais inovadores, surge uma per epção generalizada de que a madeira
é um material om um elevado índi e de falên ia em serviço. Para reverter esta situação,
este trabalho surge, então, omo um pequeno ontributo, no sentido de promover amadeira
enquanto materialestrutural.
Este trabalho en ontra-se inserido no proje to de investigação COST E55
(Memoran-dumof Understanding), tendo em vista a análise da segurança de dois sistemas estruturais
de madres de madeira, em termos de robustez. Com efeito, a análise de robustez in ide na
avaliaçãodas onsequên iasasso iadasaumadadafalha,emtermosdeprobabilidadede
o or-rên iada mesma. Assim sendo, averi ação desegurança foirealizada medianteaapli ação
dométodode simulação dotipoMonteCarlo, assente emté ni asprobabilísti as.
1.2 Obje tivos
Neste ontexto, pro urou-se desenvolver um estudo de madres de madeira lamelada olada
quepermita ontribuirparaummelhoramentodosmodelosde veri açãodasegurançadeste
A prin ipal questão do trabalho prende-se om a utilização de métodos de abilidade
na avaliação da segurança estrutural de madres de madeira, om parti ular destaque para
possíveis situações a identais. Para tal, pro urou-se on eber um programa que onjugue
métodos de abilidade om método probabilísti o de elementos nitos, permitindo, assim,
analisaraprogressãodo olapsode adasituaçãoa idental. Destemodo,épossíveldeterminar
quais as situações a identais mais sus eptíveis à redução da segurança global das madres.
Para o ál ulo da probabilidade de falha e dos ustos asso iados a ada situação a idental
re orreu-seao método de simulação de Monte Carlo.
Esta análise atende, também, à variabilidade dos diversosparâmetros que inuen iam o
omportamento deste tipo de estrutura, assim omo asa ções apli adas. Esta variabilidade
en ontra-sedistribuídaaolongodaestrutura, sendo,porisso,modeladaatravésdeum ampo
aleatório. Oprogramadesenvolvidolimita-seaestruturasbidimensionais om omportamento
linear, om algumassimpli açõesqueserão debitadasmaisadiante nestetexto.
Outro tema que se pro urou abranger neste trabalho foi a avaliação de duas soluções
onstrutivaspara madresde obertura, utilizando,umavez mais, oprograma desenvolvido.
1.3 Estruturação da dissertação
Dadaa omplexidade de obje tivosdelineados anteriormente tornou-se ne essárioorganizar
otrabalhoemsete apítulos diferentes,fazendo-sede seguidaumades rição sumáriade ada
umdos apítulos.
Capítulo 1
Identi a-se a pertinên ia do estudo, os obje tivos, a estrutura da dissertação e faz-se,
ainda,uma referên iaàsnotações utilizadasneste texto.
Capítulo 2
Ini ia-se o apítulo om umaabordagem geral dosprin ipaismétodosdeanálise de
segu-rançaestrutural, om parti ular ênfase para osmétodossemi-probabilísti o e probabilísti o,
e lari am-seasin ertezase ris osasso iadosa adamétodo. Sãoreferidos on eitos
proba-bilísti osquesejulgamrelevantesparaaapli açãodaabordagemprobabilísti a. Des reve-se,
ainda, o signi ado de índi e de abilidade e a té ni a de simulação baseada no método de
Monte Carlo, realçandoassuas prin ipaisvantagens e desvantagens.
Con lui-seeste apítulo omaintrodução dateoriada robustez,doseuobje tivo e
quan-ti ação. É,ainda,abordadaateoriadade isãodemodoaforne erlinhasdeorientaçãonum
Capítulo 3
Apresenta-seprimeiramenteumades riçãogeraldas ara terísti asdamadeira,
nomeada-mente a estrutura interna, as propriedades estruturais, assim omo as relações de
interde-pendên ia dessaspropriedades om as a ções e, ainda, osdefeitos da mesma. Este apítulo
termina omumaanálisedasvantagenselimitaçõesdautilizaçãodamadeiralamelada olada
omoelemento estrutural, bem omoasnormas a queestão sujeitas.
Capítulo 4
Faz-se referên ia ao on eitode dis retização,à formulação bási a de elementos nitos,e
parti ulariza-se a des rição da metodologia utilizada para a quanti ação de esforços,
medi-ante uma análise elásti a linear de barras bidimensionais om apenas rigidez à exão,
apli- andoométododosdeslo amentos. Sãointroduzidosdeforma on isaosaspe tos
fundamen-tais rela ionados om assimpli ações onsideradas na des rição da geometria, bem omoa
onsideração dasleis fundamentais, nomeadamente o equilíbrio de forças,a ompatibilidade
dedeslo amentos e a ompatibilidade domaterial.
Capítulo 5
Este apítuloapresentaumaanáliseprobabilísti adasegurançadeumamadre omquatro
vãos, baseada numa análise elásti a linear, que utiliza dois modelos de sistemas estruturais:
barras ontínuas e barras simplesmente apoiadas. As prin ipais a ções a que a madre está
sujeita, om espe ial destaque para a a ção da neve, o peso próprio dos elementos
estrutu-rais de madeira e outros inerentes à obertura, são modelados segundo o ódigo modelo do
JCSS(2000). A propriedadede estudo damadeira lamelada olada, quesetraduzna tensão
resistente àexão éanalisada de modosemelhante. Esta abordagem permitiu,assim,in luir
asvárias in ertezas ditadas no apítulo2 segundovariáveis aleatórias bási asdo problema.
Para a análise do omportamento estrutural utilizou-se o programa desenvolvido, o qual
integraométododoselementosnitos, omasparti ularidadesdes ritasno apítuloanterior,
om o método de simulação de Monte Carlo. Assim, o programa permite analisar o
om-portamento estrutural onsiderando, não só as veri ações de segurança pretendidas, omo
a importân ia do tipo de ligações onsideradas. Este método de simulação tem sido muito
usado nosúltimos anos, em on ordân ia om o aumento da a essibilidade a omputadores
adavez mais potentes.
Todosos omentários que sejulgam oportunos em ada fasede resultados são, também,
Capítulo 6
Este apítulo in ide naavaliação do olapso progressivodosdois modelos estruturais
uti-lizados no apítulo ante edente, numa perspe tiva probabilísti a, aquando da existên ia de
imperfeições oufalhas lo alizadas,sendo estes modelados por remoção de apoios estruturais
da madre. Faz-se ainda uma avaliação da robustez destes modelos estruturais do ponto de
vistade ris o, através dos on eitos de probabilidade de falha e do usto asso iado des ritos
neste trabalho. Todo o tratamento de dados é realizado, uma vez mais, om o auxílio do
programadesenvolvido.
Dado que a madre a analisar orresponde à des rita no Capítulo 5, as de isões sobre
o valor das a ções permanentes e variável prevale em, no entanto o valor da propriedade
resistenteintrínse aaesteproblemafoiajustadoasituaçõesa identais. Apresenta-se,ainda,o
pro edimentousadoparaimplementaromodelodeanálisedamadrenummodelodeelementos
nitos.
Capítulo 7
Porm,neste apítuloapresentam-sesumariamenteas on lusõesmaisimportantes
revis-tadasnotrabalhoeindi am-sealgumaspropostasparadesenvolvimentosfuturos. Otrabalho
termina omasreferên iasbibliográ aseosanexos,emparti ularoAnexoA,quedes rimina
ospretextosdasde isõestomadasnopro edimento de ál uloda a çãovariáveldoproblema
destetrabalho, eo Anexo Cqueexpõe omodo de utilização doprograma desenvolvido.
1.4 Notações
Dadaa variedade de temas que sãoabordados nesta dissertação, o mesmo símbolopode ter
diferentes signi ados,deste modo optou-sepor denirossímbolos usadosem ada apítulo,
sendo o seu signi ado redenido sempre que lhe seja atribuído diferente sentido.
Relati-vamente às matrizes e aos ve tores, estes são identi ados por letras maiús ulas dentro de
parêntesisre tose havetas, respe tivamente.
Abreviaturas:
[CEN (2001)℄Euro ódigo0
[CEN (2003a)℄Euro ódigo1
[CEN (2003b)℄Euro ódigo5
Sigla:
Análise da Segurança Estrutural
Lista de símbolos
Letras maiús ulas latinas
C
ustoC
Dir
usto dire toC
Ind
ustoindire toCoV [X]
oe iente devariação da variávelaleatóriaX
D
domínio dafalhaE [X]
valoresperadoI
R
índi e de robustezL
triângulode CholeskyN
número desimulaçõesR
resistên iaR
d
valorde ál uloda resistên iaR
k
valor ara terísti oda resistên iaR
Dir
ris odire toR
Ind
ris oindire toS
efeito dasa çõesS
d
valor de ál ulodaa çãoS
k
valor ara terísti o daa çãoV
índi e devulnerabilidadeX
ve tor dasvariáveis bási asZ
função margemde segurançaLetras minús ulas latinas
c
nívelde onançada estimativada probabilidade de falhacor(a
i
, a
j
)
oe ientede orrelação entre ovalora
i
e o valora
j
f
R
função densidade de probabilidade deR
f
S
função densidade deprobabilidade deS
f
R,S
função densidade de probabilidade onjuntaf
X
(x)
função dedistribuição de probabilidade davariávelaleatóriaX
g(.)
função de estadolimitek
h
fa tor deformak
mod
fa torde modi ação da resistên ian
f
número defalhasp(E)
probabilidade de exposição aumadada o orrên iap(D)
probabilidade dedanosrelativos aumadada o orrên iap
f
probabilidade de falhap
f,i
probabilidade de falhade umelementoi
p
f,sist
probabilidade de falhade umsistemaestruturalr
d
resistên ia da estruturadani adar
0
resistên ia daestrutura inta taLetras gregas maiús ulas
Φ(.)
função de distribuição dalei NormalreduzidaLetras gregas minús ulas
β
índi ede abilidadeβ
i
índi e deabilidade do sistemaestrutural inta toβ
d
índi e de abilidadedo sistemaestrutural dani adoβ
r
índi e de abilidade dosistemadesprovido de robustezγ
R
oe iente par ialde segurança asso iadoàsresistên iasγ
S
oe iente par ialde segurança asso iadoàsa çõesµ
X
média da variável aleatóriaX
ρ
onsequên ias defalha2.1 Enquadramento
Aavaliaçãoda segurança deestruturas temvindo aevoluir ao longodostemposini iando-se
om as formulações empíri as, onde muitas dasde isõesdependiam da experiên ia pessoal,
daintuição edo juízo ríti o,atéàsvariadasapli açõesde métodosde abilidadeestrutural,
omanalidade detornar a avaliaçãoestrutural maisrigorosa e onsistente.
Todo o pro esso de exe ução de uma estrutura ontempla um grande onjunto de
fa -tores, os quais não são possíveis onhe er na totalidade, podendo apenas ser espe ulados.
Estain apa idade gera, assim,in ertezas no estudo da segurança estrutural, onde osvalores
onsiderados omodeterminísti osou de ál ulosurgem omovaloresnão determinísti os.
Asso iadaaestanoçãodeinsu iên iasurgem ritériosdesegurança omprin ípios
prob-abilísti os,ondeseponderaavariabilidadedosfa toresintervenientesnoproblema (variáveis
não determinísti as) mediante a utilização de distribuição de probabilidade. A segurança é,
então, analisada om base no on eito de probabilidade de falha para os eventuais estados
limites,ou seja,aprobabilidade daestruturanão apresentarum omportamento satisfatório.
Neste ontexto,passaaexistiro on eitodeabilidadeestrutural,quedenea apa idade
de umaestrutura para exer er osrequisitos espe i ados paraa qual foi on ebida, durante
a sua vida útil. De a ordo om a a tual regulamentação, entende-se por vida útil de uma
estrutura,operíododetempoa eitávelparaautilizaçãodareferidaestrutura, dea ordo om
osns estabele idos pelo proje tista, sem existir ne essidade de trabalhos que não sejam os
demanutenção.
Dado que este trabalho trata de avaliação da segurança baseada em modelos de análise
linearelásti aatravésdeumaabordagemprobabilísti a,optou-seporumades riçãodetalhada
de ertos on eitoseté ni asprobabilísti as,deformaafa ilitara ompreensãodesteassunto.
Finalmente, rera-se que o presente trabalho visa a análise da segurança de um sistema
estrutural, ou seja, de um onjunto de elementos interligados, julgando-se por issooportuno
a realização, também, de um estudo da robustez do sistema estrutural, através do on eito
deabilidade estrutural.
2.2 Breve abordagem aos métodos de análise de segurança
estrutural
De a ordo om os pressupostos anteriormente des ritos, na avaliação da segurança de uma
estruturaexisteminúmerasin ertezas asso iadas àsvariáveis queintervêm na ara terização
dasa çõese dasresistên ias, sendo quemuitas destas não são onhe idas nasua totalidade.
Os métodos de veri ação da segurança visam, então, estimar um valor paraessas variáveis
As in ertezas asso iadas às variáveis intervenientes e a forma omo elas ondi ionam o
omportamento da estrutura são ru iais para a determinação da probabilidade de falha.
Dependendo do método es olhido para o estudo da análise de segurança, as variáveis são
abordadas de diferentes formas, podendo ir desde uma análise puramente determinísti a a
umaanálise puramente probabilísti a, ontudo os métodos queapresentam maior relevân ia
paraa a tual engenhariasãoosmétodossemi-probabilísti oe probabilísti o.
Os métodosde análise de segurança estrutural podem dividir-se, então, em quatro níveis
(CruzeNeves,2001):
- Nível0
Corresponde aanálises puramente determinísti asnaqual asvariáveis obede em a
val-ores estritamentedeterminísti os, sendoasin ertezas ponderadas no ál uloatravésde
um oe iente de segurança global. Destaforma, o oe iente visa representar
simul-taneamente a variabilidade dasa ções e dasresistên ias, tornando, por isso, o método
um pou o desajustado. Usualmente, este oe iente global é estimado através de
ex-periên ias passadasou daintuição do engenheirofa eao problemaem ausa;
- Nível1
Diz respeito a métodos titulados de semi-probabilísti os. A variabilidade dasa çõese
das resistên ias é ontabilizada por meio de valores representativos (nominais ou
ar-a terísti os) afe tadospor oe ientes par iaisde segurança. Osvalores ara terísti os
são denidos a partir de estudo estatísti o da distribuição das variáveis bási as
(nor-malmente,valoresmédios edesvios padrão);
- Nível2
Refere-seaosmétodosprobabilísti osque ara terizamasvariáveisbási asqueintervêm
no pro esso, através de medidas estatísti as, as quais des revem a tendên ia entral
(geralmente osvaloresmédios) e asuadispersão (e.g. variân ia), sendoa relaçãoentre
as variáveis medidas pela ovariân ia. No ál ulo da probabilidade de falha
re orre-se a hipóteses simpli adas, nomeadamente na denição de umafunção estado limite.
Nestes métodos, a medida de segurança empreguedesigna-se por índi e de abilidade,
que estádire tamente rela ionado om aprobabilidade de falha;
- Nível3
Corresponde a métodos puramente probabilísti os baseados em té ni as que têm em
onta a distribuição onjunta de todas as variáveis bási as. As variáveis aleatórias
re-sultamdedistribuiçõesestatísti as onhe idasatravésdaobservação. Aapli açãodeste
ne essi-dadedere orreramétodos omputa ionaispesados. Destaforma,estemétodotorna-se
viável somentepara asos muito simples, limitando,assim,a suaapli ação.
Des rição geral dos métodos utilizados
Método semi-probabilísti o
Como dito anteriormente, o método semi-probabilísti o éo mais omum na orrente
reg-ulamentação interna ional, sendo por onsequên ia o método om maior apli ação. É um
método om rigor satisfatório e relativamente simples, não exigindo grande re olha de
in-formação. No entanto, a apli ação deste método pode tornar-se omplexa, nomeadamente
sempre que se estude um omportamento não-linear ou uma estrutura já existente. Nestes
asosopta-seporaumentara margemde segurança,de modoa evitarsituaçõesindesejáveis.
Resumidamente, este método majora o valor ara terísti o das a ções e minora o valor
ara terísti o das resistên ias, obtendo um valor de ál ulo para as a ções e outro para as
resistên ias. A segurança é, então, averiguada pela omparação dosreferidos valores de
ál- ulo,sendo que, paraumnível de abilidadeadequado, seovalor de ál ulo dasresistên ias
superarou igualarovalor de ál ulo dasa çõesasegurança está assegurada.
Método probabilísti o
Ométodo probabilísti o dene que umaestrutura deve resistir om segurança su iente
para ada estado limite- Estado Limite Último ede Utilização - e,ainda, estabele e valores
deabilidade, tendoem onta as onsequên ias previstas paraoseunão umprimento.
Estetipodemétododeneasa çõeseosmateriaisestruturaismediantevariáveisaleatórias.
Para tal, onsideram-se asdistribuições reais daspropriedades me âni as dosmateriais, das
a ções e dos seus efeitos, bem omo de todos os parâmetros que se apresentem relevantes.
Umavez determinadasasa çõesea resposta orrespondente, pro ede-seentãoao ál uloda
probabilidade de falha do sistema. O intervalo de valoresa eitáveis para a probabilidade de
falhadepende do tipo de estrutura, bem omo das onsequên ias defalha.
2.3 In ertezas na análise estrutural
Como referido anteriormente, devido aos avanços que se têm registado na engenharia, os
sistemas estruturais são ada vez mais omplexos e om um elevado número de parâmetros
envolvidos, não sendo possível onhe er om rigor todos estes parâmetros. Torna-se, por
isso, impossível garantir a segurança absoluta de um sistema estrutural. Esta se ção visa,
assim, es lare er as prin ipais fontes de in erteza, que intervêm na análise de segurança e
que ondi ionam o ál ulo do omportamento das estruturas, de forma a ompreender os
Deumaformageral,asfontesdein ertezaemproblemasdeengenhariaestruturalquetêm
sido dis utidas e estudadas por diversos autores (Henriques (1998) e Faber (2007)), podem
seragrupadas daseguinteforma:
- In erteza físi a
Este grupo está asso iado à impossibilidade de prever a variabilidade e
simultanei-dade das a ções que a tuam sobre uma estrutura, assim omo a diversi ação das
propriedades dos materiais, da geometria dos elementos, entre outros. Este tipo de
in erteza pode ser estimado através do ontrolo de qualidade e de bases de dados de
dimensõesadequadas;
- In erteza na modelação
De orre da utilização de modelos om algumas simpli ações teóri as, nomeadamente
na onsideração das a ções e dos seus efeitos e, ainda, no omportamento efe tivo da
estrutura. Este tipo de in erteza pode ser onsiderado através de uma variável que
simula arelaçãoentrea verdadeira respostae a respostaestimada pelomodelo;
- In erteza estatísti a
Este tipo de in erteza deriva da restrição da quantidade de dados disponíveis para as
estimativas dos parâmetros que ara terizam os modelos probabilísti os. A in erteza
estatísti a pode serminimizada obtendoummaior númerode informaçõese utilizando
té ni asdeinferên iaestatísti a omo,porexemplo,utilizaçãodefunçõesdedistribuição
de probabilidade;
Algunsautores a res entam, ainda,uma quarta fontede in erteza,
- In erteza devida a fa toreshumanos
Este tipo de in erteza deve-se ao envolvimento humano nas várias etapas de exe ução
de umaestrutura, desdeo pro esso de do umentação, aodimensionamento, onstrução
e utilizaçãoda estrutura. Devidoàsuaprópria natureza, o onhe imento destetipode
in erteza é limitadosendo, portanto,difí il de quanti ar.
2.4 Con eito de estado limite
Asegurançaestruturaltememvista,essen ialmente,areduçãodoris ode olapsoestrutural,
bem omoumadequadofun ionamentodaestruturaaolongodasuavidaútil, omomínimo
ustopossível. O on eitode estado limitesurge, então, omo medida de separação entre as
eventuaissituaçõesdesejáveis e asindesejáveis para asestruturas.
Assituaçõesindesejáveispodemresultarnumadiminuiçãoda apa idadede umprimento
das funções da estrutura para a qual foi on ebida ou, até mesmo, num olapso. Estas
sendoquea ausadoreferidoa onte imentopodeserreversívelouirreversível(Euro ódigo0).
No aso da ausa serreversível, o dano existente naestrutura apenaspermane eráenquanto
a ausa queo provo ou esteja presentee no aso da ausa serirreversível, odano provo ado
permane erá atéquea estruturaseja reparada.
Estados limitesde a ordo om aregulamentação Europeia
Os regulamentos em vigor em Portugal separam os estados limites em dois níveis de
exigên ia:
- Estado Limite deUtilização (ELUt)
Dene-se omoo estado que orresponde às ondições para além das quais os requisitos
de utilizações espe í as para uma estrutura, ou parte dela, deixam de ser satisfeitos
(CEN, 2001). Na práti a, este estado está asso iado a danos estruturais que, apenas,
reduzem a apa idade de fun ionamento ou a durabilidade paraa qual a estrutura foi
on ebida, podendo,ainda, afe tara suaestéti a. Estes danosnão resultam emperdas
humanas,mas,de ummodo geral,emperdase onómi as;
- Estado Limite Último(ELU)
De a ordo om o Euro ódigo 0 manifesta o estado asso iado ao olapso ou a outras
formas semelhantes de ruína estrutural. Este estado está, assim,asso iado a possíveis
enáriosde olapsototaloupar ialdaestrutura, omperdashumanasoumateriais om
grandeexpressão. O olapso advém, por exemplo,deperdadeequilíbrio estáti o,falha
da fundação, falhade elementos estruturais devido a deformações ex essivasou fadiga
dosmateriais.
Independentemente do método de análise de segurança es olhido, o nível de segurança
mínimoa eitável, quetraduzo valor máximoadmissívelda probabilidadede falhapara ada
estadolimite, não deve ser igual para todasasestruturas e emtodas assituações. Assim,o
nívelde segurançadepende domaquesedestinaaestrutura, bem omodas onsequên ias
asso iadas a um enário defalha oudo períodode vida útil quea mesmaapresenta.
Níveis de segurança mínimos a eitáveis
Euro ódigo0
Segundo osprin ípiosexpostos anteriormente, oEuro ódigo0 quanti adiferentes níveis
desegurança paraaanálisedosEstadosLimitesÚltimos, onsoanteas onsequên iasem aso
defalha,designadamenteos ustosdeumapossívelreparaçãoou,mesmo,deumare onstrução
total ou par ial e os fa tores políti o-so iais. Este regulamento sugere, assim, a adopção de
es olhadograudeabilidade mínimoemfunçãodafrequên ia deutilizaçãoedomodo omo
aestrutura atingea falha.
Quadro 2.1: Deniçãode lasses de onsequên ias(CEN, 2001).
Classe de
Des rição
Exemplos de edifí iose
onsequên ia de obras deengenharia ivil
CC3
Consequên ia elevada emtermos Ban adas, edifí iospúbli osem
de perdas devidas humanas;ou que as onsequên iasde olapso
onsequên ias e onómi as,so iais sãoelevadas(por exemplo,uma
ou ambientais muitoimportantes. sala de on ertos).
CC2
Consequên ia média emtermosde Edifí ios de habitação e de
es ri-perdas de vidashumanas; onse- tórios, edifí iospúbli os emque
quên ias e onómi as,so iaisou as onsequên ias do olapso são
ambientais medianamente impor- médias (porexemplo, umedifí io
tantes. de es ritórios).
CC1
Consequên ia baixaem termosde Edifí ios agrí olas normalmente
perdas de vidashumanas; e não o upadospermanentemente
onsequên ias e onómi as,so iais por pessoas(por exemplo,
arma-ou ambientais pou o importantes zéns eestufas).
ou desprezáveis.
CódigomodeloJCSS
ApesardoEuro ódigopermitirautilizaçãodediferentesníveisdesegurançaparaaanálise
dosEstados Limites Últimos, onsoanteo aso em questão, não apresenta qualquer método
semi-probabilísti o que quantique estes diferentes níveis de abilidade. O ódigo modelo
Joint Committee on Stru tural Safety, JCSS (2000), permite essa utilização denindo os
níveis de segurança mínimos, em função das onsequên ias da falha e dos ustosasso iados
omoaumento desegurança.
Relativamente às onsequên ias da falha,
ρ
,estassãodeterminadas pelarelação entre os ustostotais, que ontemplam os ustosda onstrução somados aos ustos de umaeventualfalha,eos ustosda onstrução. Destemodo,o ódigomodeloJCSS(2000)deneasseguintes
lassesde onsequên ias:
- Classe 1: Consequên iasreduzidas (
ρ < 2
)Apresenta onsequên iasbaixasrelativamenteaperdashumanase onsequên ias
e onómi- as, so iaisou ambientais pou o importantes ou desprezáveis. Esta lasseabrange,
so-bretudo, estruturas de ará ter agrí ola normalmente não o upadas permanentemente
- Classe 2: Consequên iasmoderadas(
2 < ρ < 5
)Está asso iada a onsequên ias médias ao nível de perdas humanas e onsequên ias
e onómi as, so iaisouambientais medianamente importantes. Esta lassein luí,
essen- ialmente, edifí ios de habitação, es ritórios e indústrias em que as onsequên ias do
olapso são médias;
- Classe 3: Consequên iasgraves (
ρ > 5
)Cara teriza-se por onsequên ias elevadasno que to a aperdas humanas e
onsequên- ias e onómi as, so iais ou ambientais muito signi ativas. Dentro desta lasse estão
ompreendidos oshospitais,grandespontese salasde espe tá ulos,nosquaisas
onse-quên ias de olapso sãoelevadas.
Em situaçõesdeestruturas espe iais omo,por exemplo,barragensou entraisnu leares,
é onveniente realizarpréviamenteumestudodetalhado dos ustos/benefí ios,vistoqueuma
eventualfalhapodetraduzir-se em onsequên iasextremas.
Quanto aos ustos inerentes ao aumento da segurança, estes estão dire tamente
rela- ionados om diversos fa tores omo as in ertezas in luídas no ál ulodas variáveis bási as,
nomeadamente, na es olha apropriada do oe iente de variação, no ontrolo de qualidade
paraestruturas onstruídasderaizou,atémesmo, nasinspe çõesemestruturasjáexistentes,
entre outros fa tores. Posto isto, o mesmo ódigo modelo estabele e, então, três lasses por
ordemde res ente de ustos: ClasseA,ClasseBeClasse C.Contudo, aúni a lassede usto
que é denida om maior detalhe orresponde à Classe B, a qual traduz as a ções e as
re-sistên ias omuma variabilidade média - oe ientes de variação ompreendidos entre 0,1e
0,3- para umperíodo de 50 anos, ando por quanti ar os intervalos a onsiderar para as
restantes lasses de usto.
2.5 Análise probabilísti a da segurança
2.5.1 Considerações ini iais
Osmétodos probabilísti os paraa avaliação da segurança estrutural in idem essen ialmente
naestimativadaprobabilidadedefalhadaestrutura,tendoem onsideraçãoasreais ondições
aque a estruturaestá sujeita, utilizando paraissoté ni as baseadas na teoriada abilidade
estrutural.
Julga-se,por isso, importanteter presente alguns on eitos de teoria dasprobabilidades,
visto que as a ções in identes e a resistên ia do material da estrutura são modeladas omo
variáveis aleatórias, de a ordo om as reais distribuições das mesmas. Deste modo, as
in- ertezasenun iadas na Se ção2.3 são então ontabilizadas nasvariáveis aleatóriaspor meio
omliteratura espe ializada. Posto isto, nasse çõessubsequentes sãoapresentados, de uma
formageneralizada, algunsdos on eitos probabilísti os dateoria daabilidade estrutural.
Cara terização dasvariáveisaleatórias
Naanálisedasegurançaestrutural,o onjuntodevariáveisabrangevariáveis
determinísti- asealeatórias,podendoestasúltimasserdotipodis retoou ontínuo. Nopresentetrabalho
asvariáveisaleatóriassãoapenasdotipo ontínuas,namedidaemqueosparâmetros
envolvi-dosno problema sãode natureza ontínua, nomeadamente forças e tensões. Estas variáveis
aleatóriassãodenidaspormedidasestatísti as, usualmente onhe idaspormédiasedesvios
padrão,e por funçõesde distribuição, podendo tomar qualquer valor dentro do intervalo em
queestãodenidas.
Existem dois tipos de funções de distribuição de variáveis aleatórias: as absolutas e as
a umuladas. Contudo, neste trabalho utilizou-se somenteo primeiro tipo dedistribuiçõesde
probabilidade,sendo, porisso, aúni a distribuiçãodes rita nesta se ção.
Afunção dedistribuiçãoabsolutapode serobtidadividindooeixo dasab issasemvários
intervalosinnitesimais,assim,aprobabilidadedeumdadoa onte imento
X
estarnumdado intervaloinnitesimal orrespondeàárea ompreendidapeloreferidointervalo,ouseja,àárearestringidapeloslimitesdoseixos
x
ex+dx
dasab issasepelaprópriafunçãodedistribuição. Traduzindomatemati amente,adistribuiçãodeprobabilidadeabsolutaobtém-sepelaseguinteequação:
P (x ≤ X ≤ x + dx) =
Z
x+dx
x
f
X
(x)dx
(2.1)onde
x
ex + dx
são os pontos que delimitam o intervalo innitesimal. Dado que a função de distribuição de probabilidade,f
X
(x)
, assume valores iguais ou superiores a zero, entãoa probabilidade deumdado a onte imentoX
o orrer nun a assumevaloresnegativos.Figura2.1: Forma geralde umafunção de distribuição deprobabilidade absoluta.
Outra propriedade deste tipo de função de distribuição de probabilidade é a
impossibil-idade de tomar valores superiores à unidade, ou seja, a probabilidade de qualquer
a onte -imento a restringida a valores entre zero e a unidade, independentemente do intervalo de
integração. A Figura 2.1ilustra, de uma forma genéri a, umadistribuição de probabilidade
Parâmetros dasdistribuiçõesde probabilidade
Geralmente as variáveis aleatórias são des ritas pela onguração da sua função de
dis-tribuição-lei deprobabilidade -epelosseus parâmetros. Osparâmetrosmais orrentemente
utilizadossãoamédiaeodesviopadrão. Amédiadeumadadavariável
X
,µ
X
,também on-he idapor valoresperado,E[X]
, des reve a tendên ia entral da distribuição dessa variável, oseuvaloré determinado através daseguinteequação:µ
X
= E[X] =
Z
+∞
−∞
xf
X
(x)dx
(2.2)Relativamente à variân ia da mesma variável,
V ar[X]
,esta traduz a dispersão em torno damédia e éexpressa pelaseguinteequação:V ar[X] = σ
X
2
=
Z
+∞
−∞
(x − µ
X
)
2
f
X
(x)dx
(2.3)Odesviopadrãode umadada variável aleatória
X
,σ
X
,que orresponde àraiz quadrada positivadavariân ia, éumparâmetro ombastante interesse umavezquepossibilita aom-paraçãodire tadesta medida oma variável
X
,dado queasunidades são ompatíveis. Este parâmetropermite,ainda,denirum oe ientedevariação adimensional,de formaaavaliara dispersão relativa da variável
X
, denominado de oe iente de variação,CoV [X]
, pelo quo iente entreo desviopadrãoe a média davariávelX
:CoV [X] =
σ
X
µ
X
(2.4)
Note-se que estamedida estatísti a assume parti ular importân ia no presentetrabalho,
na medida emque paraas a ções e as resistên ias se admitiu que o seu valor é onstante e
independente dovalor médio.
As funções de distribuição de probabilidade utilizadas neste trabalho en ontram-se
de-s riminadasno AnexoB.
2.5.2 Prin ípios bási os de abilidade
Existemváriasdeniçõespossíveisparaotermoabilidade. Aa tualregulamentaçãoforne e
umadeniçãoque orrespondeaoqueéa eiteemmuitospaísesEuropeus,queselê: abilidade
omouma medidada apa idade daestrutura para desempenhar devidamente asfunçõespara
asquais foi proje tada, aolongo da suavida útil.
Essamedida traduz-sena probabilidadede nãoviolação dosestadoslimites, estando,por
isso,intimamente ligada àdeterminaçãodeprobabilidade defalhaestruturalou,
Note-se que, ex luindo o aso de olapso por fadiga, o olapso de uma estrutura está,
normalmente, asso iadoà o orrên ia deumvalor extraordinariamente elevado dasa çõesou
ao fa to da estrutura apresentar uma resistên ia anormalmente baixa, situações estas que
resultam numa probabilidade de o orrên ia baixa. Assim, a abilidade obriga,
ne essaria-mente,à onsideraçãode in ertezasasso iadasàsa çõese resistên iaatravésdedistribuições
deprobabilidade.
Neste ontexto, anoçãode abilidadetraduz-senumaqualidadeintrínse ade uma
estru-tura, devendo esta ser tida em onta não apenas na fasede proje to, mas, também, na fase
de onstrução, armazenamento de materiais eutilização ao longo davida útil.
Aavaliaçãodaabilidade estrutural envolve, essen ialmente, osseguintesaspe tos:
iden-ti açãodos possíveis enários de falhas, avaliação das probabilidades de falha asso iadas a
adaumdesses enários,asso iaçãodetodosos enáriospossíveisdefalhae,porm,avaliação
daabilidade estrutural (Faber, 2007).
2.5.3 Formulação do índi e de abilidade
A teoria da abilidade pode ser expressa no traçado da função densidade de probabilidade
querepresenta asresistên ias,
f
R
,edafunçãodensidade deprobabilidadequetraduzoefeito das a ções,f
S
. A inter epção destas duas funções é instituída de zona de falha (Caldeira, 2007).A Figura 2.2 identi a a zona de falha, ompreendida pela sobreposição da função de
densidade deprobabilidade dasa ções, urva
S
,e dasresistên ias, urvaR
.Figura2.2: Zonade falharesultante dasobreposição dasfunçõesde densidade dasvariáveis.
Otraçadodestasfunçõesdensidade,
f
R
ef
S
,estáintimamenteligado aosparâmetros das distribuições de probabilidade des ritos anteriormente, ou seja, om a lei de distribuição, aProbabilidade de falha
Aprobabilidadedefalha,
p
f
,resultantedaapli açãodeumproblemabási odeabilidade estrutural podeser formulada atravésda seguinteequação:p
f
= p(R ≤ S)
(2.5)onde
R
é a variável aleatória que ara teriza as resistên ias eS
é a variável aleatória que traduzo efeitodasa ções,des ritaspelas respe tivasfunçõesdensidade de probabilidadef
R
ef
S
,respe tivamente.A diferença entre estas duas variáveis, titulada de margem de segurança,
Z
, permite quanti ar amargem desegurança daestrutura:Z = R − S
(2.6)Como é presumível, a falha o orre sempre que a margem de segurança assume valores
inferioresa zero, ou seja, sempreque a resistên ia do sistemaestrutural,
R
,é menor do que asa çõesa tuantes,S
.Nesta perspe tiva, a probabilidade de falha pode ser al ulada pelo integral da função
densidadede probabilidade onjuntadasvariáveis aleatórias
R
eS
,f
R,S
,dentrododomínio defalhaD = {R, S : G(R, S) ≤ 0}
:p
f
= p(R ≤ S) =
Z
Z
D
f
R,S
(r, s)drds
(2.7)Usualmente onsidera-se que as variáveis aleatórias,
R
eS
, são estatisti amente inde-pendentes entre si, assim,a função densidade de probabilidade onjunta expostana equação(2.7)podesersubstituídapeloprodutodasrespe tivasfunçõesdedensidadedeprobabilidade
marginais(Henriques,1998):
p
f
= p(R ≤ S) =
Z
Z
D
f
R
(r)f
S
(s)drds
(2.8)AFigura2.3pretenderepresentartridimensionalmenteumasituaçãogenéri aqueenvolve
asfunções densidade
f
R
ef
S
para as variáveisR
eS
, respe tivamente, em onjunto om a funçãodensidade deprobabilidade onjuntaf
R,S
. Amesmaguramostra,ainda,os on eitos dezona defalha, zona desegurança, função estadolimitee funçãode densidade deprobabil-idade onjunta das a ções e das resistên ias. Note-se que a função de estado limite,
g = 0
, separao domíniode segurança do domíniode falha.Figura 2.3: Representação tridimensional da função estado limite (adaptado de Henriques,
1998).
Para alguns asos espe iais a equação (2.8) pode ser al ulada om fa ilidade sem ter
de se resolver o integral. Considere-se, novamente, uma formulação do problema bási o da
abilidade estrutural que envolve apenas a resistên ia,
R
, e a a ção,S
. Admita-se que as variáveisaleatóriasR
eS
sãodenidas omdistribuição Normaleindependentes, ommédiaµ
R
eµ
S
e desviopadrãoσ
R
eσ
S
,respe tivamente:R ∼ N(µ
R
, σ
R
)
(2.9)S ∼ N(µ
S
, σ
S
)
(2.10)Dea ordo omaspropriedades probabilísti as de variáveis aleatórias normais e
indepen-dentes, é possívelobter amédia e odesvio padrãoda margemde segurança:
Z ∼ N(µ
R
− µ
S
,
q
σ
R
2
+ σ
S
2
)
(2.11)Assimsendo, a probabilidade de falhaédeterminada por:
p
f
= p (Z ≤ 0) = Φ
0 − µ
Z
σ
Z
= 1 − Φ
µ
σ
Z
Z
(2.12)onde
Φ(.)
é afunção distribuição dadistribuição Normalreduzida. Índi ede abilidadeAquanti açãodasegurançaestruturalpode,ainda,serfeitamedianteumíndi e
denomi-nadoporíndi edeabilidade,
β
. Esteíndi epodeserdeterminadopelainversadadistribuição Normalreduzida ( omvalor médio nuloe desviopadrão unitário)da probabilidade de falha:ou,ainda,pelainversa da probabilidade desobrevivên ia,
p
s
:β = Φ
−1
(p
s
)
(2.14)Quanto maior for o índi e de abilidade,
β
, menor será a probabilidade de falha,p
f
,ou seja, oris o asso iadonesse aso será menor. A Figura2.4 ilustra o signi ado do índi e deabilidade.
Figura 2.4: Representaçãodo índi e de abilidade,
β
(adaptado de Faber,2007).Nos problemas reais, as variáveis bási as não são, ne essariamente, ara terizadas por
distribuiçõesdeprobabilidade Normalou Lognormal, nemsãoindependentes entresi. Outro
dosin onvenientesnopro esso de ál ulodaprobabilidadedefalhadeumaestrutura
prende-se om o fa to de, na maioria dos asos, as funções estado limite não apresentarem um
omportamento linear.
Estaslimitaçõesdi ultamaresoluçãodointegraldaequação(2.8),levandoporissoaque
nasúltimas dé adas se tenham vindo a desenvolver vários métodos para determinar índi es
deabilidade, nomeadamente métodosdeabilidade de primeira e segundaordem e método
desimulação deMétodoCarlo.
Noentanto, nestetextoapenaséabordadoométododesimulaçãodeMétodoCarlo, visto
este ser bastante usado em estruturas om umaprobabilidade de falha muito elevada. Este
método édes rito om maisdetalhe numase ção adiante.
Valores mínimos re omendados para o índi e de abilidade
Euro ódigo0
O Euro ódigo 0 (CEN, 2001), omo foi referido na Se ção 2.4, dene, de uma forma
análoga ao ódigo modelo JCSS, três níveis mínimos a eitáveis de onsequên ia. O Quadro
2.2apresenta osvalores mínimosre omendados parao índi e de abilidade, paraosEstados
Quadro2.2: Valoresmínimosre omendadospara oíndi e deabilidade,
β
,paraELU (adap-tadode CEN, 2001).Classesde onsequên ias Período de referên iade 1 ano Período dereferên ia de 50 anos
CC3
β = 5, 2
β = 4, 3
CC2
β = 4, 7
β = 3, 8
CC1
β = 4, 2
β = 3, 3
Nota: As lasses deabilidade doselementos estruturaisa ima de CC3não são
onsideradas neste quadro,pois ada umdesseselementos exige-seumestudo espe í o.
CódigomodeloJCSS (2000)
Àimagem doqueé apresentadono Euro ódigo0 (CEN,2001), tambémo ódigomodelo
JCSS (2000) exibe níveis de abilidade mínimos. No entanto, estes são apresentados em
funçãodas onsequên ias defalha,
p
f
,e dos ustosasso iados ao aumento dasegurança (ver Quadro2.3).Quadro 2.3: Valores mínimos para o índi e de abilidade,
β
, para ELU, num período de referên iade umano (adaptadode JCSS, 2000).Custos asso iados a Consequên ias Consequên ias Consequên ias
medidasde segurança reduzidas CC1 moderadas CC2 gravesCC3
Elevado
β = 3, 1
β = 3, 3
β = 3, 7
(p
f
= 10
−3
)
(p
f
= 5 × 10
−4
)
(p
f
= 10
−4
)
Médioβ = 3, 7
β = 4, 2
β = 4, 4
(p
f
= 10
−4
)
(p
f
= 10
−5
)
(p
f
= 5 × 10
−6
)
Reduzidoβ = 4, 2
β = 4, 4
β = 4, 7
(p
f
= 10
−5
)
(p
f
= 5 × 10
−6
)
(p
f
= 10
−6
)
Relativamente aosEstados Limitesde Utilização, ELUt, dado queestes estãoasso iados
adanosestruturaismenosgraves,osquaisprovo amapenasdes onfortoaosutilizadores,não
impli ando por issoperdas humanas, o nívelde segurança a eitável depende ex lusivamente
do usto asso iado aumaumento de segurança.
2.5.4 Fiabilidade de sistemas de estruturas
O método de abilidade anteriormente des rito é geralmente apli ável a elementos
estrutu-rais isolados. Contudo as estruturas orrentes omportam-se omo onjuntos de elementos,
tornando-se,porisso,importante lassi arossistemasestruturaisdea ordo omadisposição
doselementosestruturais. Asestruturas podem,então, quali ar-se omosistemas emsérie,
Sistemasemsérie
Parasistemas estruturais emsérie,a falhade qualquer elemento resulta nafalha detodo
o sistema, independentemente do seu omportamento ser dú til ou frágil(Henriques, 1998).
Admita-se umsistemagenéri o de
n
elementosemsérie, omo ilustrado pelaFigura2.5.Figura 2.5: Sistema emsérie(Henriques, 1998).
Seja
p
f,sist
a probabilidade de falhado sistema estrutural ep
f,i
a probabilidade de falha asso iadaa adaelementoi
, omtodososelemento independentesentresi, entãoa probabil-idadede falhadosistema édenidapelaseguinteequação:p
f,sist
= p(
n
[
i=1
p
f,i
)
(2.15)Deste modo, quando se veri a a o orrên ia de uma falha de um sistema estrutural em
série, a probabilidade de falha de todo o sistema é maior que a probabilidade de falha de
adaelemento tomadoindependentemente, oqueimpli a umíndi e deabilidade dosistema
menorque oíndi e de abilidade de ada elemento isoladamente. Ainda, a probabilidade de
falhaaumenta omo aumento do númerode elementos.
Sistemasemparalelo
Contrariamenteaosistemaestruturalemsérie,numsistemaemparalelo(verFigura2.6)a
falhadeumelementonãoprovo ane essariamenteumafalhaglobal dosistemaestrutural,na
medidaemqueosrestanteselementosdosistemapodem onseguirresistiràsa çõesexteriores.
Figura2.6: Sistemasemparalelo (Henriques,1998).
Desta forma, se se veri ar falha em todos os elementos estruturais, o sistema olapsa,
sendoaprobabilidadedefalhadenidapelasomadasprobabilidadesdefalhados
n
elementos:p
f,sist
= p(
n
\
i=1
p
f,i
)
(2.16)Sistemasmistos
Ossistemas estruturais orrentes revelam seruma ombinação dossistemasmen ionados
anteriormente (verFigura2.7). Destemodo,no ál ulodaprobabilidade de falhado sistema
é ne essário analisar os possíveis enários de falha do mesmo, ombinando entre os vários
elementososdiversos enáriosquepodemoriginaro olapso global.
Figura 2.7: Sistemasmistos (Henriques, 1998).
2.5.5 Método de simulação de Monte Carlo
ConformeaSe ção2.5.3,aprobabilidadedefalha,nasuaformamaisgeral,édenidaatravés
dointegralduplo dafunção densidade de probabilidade onjunta dasvariáveis aleatórias, no
domínioda falhadenidapelafunção de estadolimite.
De fa to, geralmente, a determinação deste integral é imprati ável mesmo nos asos em
quea função estado limiteé linear ou, atémesmo, nos asos dasa çõese resistên ias terem
distribuições Normais. Para lidar om todos os possíveis asos utilizam-se té ni as de
sim-ulação, que permitem obter estimativasdo integral da equação (2.7) em problemas para os
quais a função de estado limite pode ter qualquer forma e as variáveis aleatórias qualquer
distribuição.
Asté ni asde simulação usualmenteutilizadas sãobaseadas nométodo deMonteCarlo.
De uma forma genéri a, este método simula todas as variáveis aleatórias intervenientes ao
problema estrutural, tendo em onta as respe tivas distribuições, e quanti a todas as
re-spostas estruturais asso iadas aos onjuntos das variáveis simuladas, também, numa forma
dedistribuição.
Em termos omputa ionais, utiliza-se um algoritmo pré-denido para gerar sequên ias
de números aleatórios, om distribuições de probabilidade idênti as às respe tivas variáveis
bási asdaestruturaa analisar. Cadasequên iade númeroé,posteriormente, introduzidano
modelode análise, o qual permite avaliar a segurança da mesma, produzindo-se as variáveis
desaída. Com basenosvaloresdasvariáveis desaída de todosos
N
i los, épossível avaliar asegurança da estrutura, estimando aprobabilidade de falha, atravésda violação da funçãoDa ontabilização do número de situações em que a função estado limite foi violada,
resultandonumafalha,
n
f
,pode-seobter a probabilidade defalha,p
f
,a partir da equação:p
f
=
n
f
N
(2.17)onde
N
orresponde aototal de simulações realizadas (i.enúmero total de i los).Onúmero de simulações ne essárias para obter resultados dedignos depende,
essen ial-mente,da probabilidade de falhae daestrutura emanálise, ouseja, da função estadolimite.
Como épresumível, o número de simulações aumenta signi ativamenteparaprobabilidades
muitoreduzidas,sendoesteoprin ipalin onvenientedométododesimulaçãodeMonteCarlo.
Torna-se,então,imperativodenironúmerodesimulaçõesindispensáveisnumaavaliação
da abilidade estrutural. Existem vários limites defendidos por autores omo, por exemplo,
Faber(2007) quepropõeque, parasituaçõesonde sepretende estimar umaprobabilidade de
falhanaordemde
10
−6
,sejamne essáriosaproximadamente
10
8
simulações, om oe ientes
de variação de
10%
. Broding (1964) sugeriu que o número de simulações,N
, seja estimado atravésde (Laranja eBrito, 2003):N ≥ −
ln(1 − c)
p
f
(2.18)
onde
c
traduzo nívelde onança daestimativa daprobabilidade de falha.Existem,ainda, outrosautoresquere omendam formasdeestimar oerro, omoo asode
Shooman (1968) que propõe a equação (2.19) para obter a probabilidade de falha,
p
f
, om um intervalo de onança de95%
, utilizando uma função que rela iona a probabilidade de falha omo número total de simulações:erro(%) = 200 ×
s
1 − p
f
N × p
f
(2.19)
Em suma, a apli ação do método de Monte Carlo na avaliação da abilidade estrutural
assume algumas qualidades e limitações, que estiveram na origem da es olha deste método
paraa realização do trabalho (Henriques, 1998):
- Generalidade de apli ação
Este método pode ser apli ado aqualquer estrutura, para todasas distribuições
prob-abilísti as das variáveis aleatórias e para qualquer que seja a onguração da função
estado limite, ouseja, pararelações onstitutivaslineares ounão lineares;
- Rigor
Veri a-se que para um número de simulações que tende para innito,
N → ∞
, o método de simulação de Monte Carlo onverge para uma estimativa da probabilidade- Simpli idade
É um método que permite reproduzir um número relativamente vasto de vezes, a
pos-sibilidade de umdado a onte imento ser onsiderado válido;
- Limitações
OmétododesimulaçãodeMonteCarlo,nãoapresentagrandeslimitações,sendoaúni a
limitação relativa às té ni as de omputação. Devido ao elevado número de amostras,
a omputação deste método torna-se morosa, apelando-se, muitas vezes,a té ni as
al-ternativasderedução uidadada variân iadasvariáveis aleatórias,de formaatornaro
mesmo maise iente.
Em problemas omapli ação dométodo doselementosnitos,o métodode MonteCarlo
exige um ex essivo tempo de omputação. Contudo, as té ni as de abilidade alternativas
apresentam algumaslimitaçõesemproblemaslineares omumnúmero degraus deliberdade
da estrutura elevado (Henriques, 1998). Para a simulação de estruturas om múltiplas
var-iáveis orrela ionadas é omumutilizar ade omposição deCholesky,aqualserá apresentada
deimediato.
2.5.6 Método de transformação de Cholesky
Existeminúmerosmétodosdetransformaçãodevariáveisaleatóriasnormalmentedistribuídas
em orrela ionadas, sendo o mais usual o método de Cholesky, devido à sua fa ilidade de
apli açãoee iên ia. Nestase çãosão,então,apresentadas,deumaformageral,as ondições
intrínse asaeste método,assim omo asuaapli abilidade.
Dea ordo om Cholesky,seumamatriz
A
(n×n)
for simétri a edenida positiva,então,é possívelde ompor esta matrizno produto de duasoutras matrizes,nomeadamente:[A] = [L]×[L]
T
⇒
a
11
a
21
. . . a
n1
a
21
a
22
. . . a
n2
. . . . . . . . . . . .a
n1
a
n2
. . . a
nn
=
l
11
0
. . .
0
l
21
l
22
. . .
0
. . . . . . . . . . . .l
n1
l
n2
. . . l
nn
×
l
11
l
12
. . . l
1n
0
l
22
. . . l
2n
. . . . . . . . . . . .0
0
. . . l
nn
(2.20)onde
[L]
é uma matriz triangular inferior om elementos positivos na diagonal prin ipal, onhe idapor triângulode Cholesky da matriz[A]
e[L]
T
é atranspostada matriz
[L]
. Estaté ni apermite,assim,a resoluçãodesistemas deequaçõeslinearesdo tipoAx = b
, resolvendo, primeiramente, o sistemaLy = b
de formaa obtery
e, posteriormente,L
T
x = y
paraobter
x
.Paraopresentetrabalho,amatriz
[A]
,tituladadematrizde orrelação,traduza orrelação desejadadosvaloresda variável aleatória. Resta, portanto, denir os oe ientes da referidamatriz. Deumaforma genéri a,o oe iente
cor(a
i
, a
j
)
representa a orrelaçãoentreo valora
i
eo valora
j
davariável, queserá,sujeitaaeste pro esso de transformação.[A] =
cor(a
1
, a
1
) cor(a
1
, a
2
) . . . cor(a
1
, a
n
1)
cor(a
2
, a
1
) cor(a
2
, a
2
) . . .
cor(a
n
, a
2
)
. . . . . . . . . . . .
cor(a
n
, a
1
) cor(a
n
, a
2
) . . .
cor(a
n
, a
n
)
(2.21)Deformaa lari aropropósitodestemétodo,aFigura2.8ilustraparaasituaçãodeduas
variáveis aleatórias om distribuição Normal reduzida, asituação (a) querepresenta asduas
variáveisindependenteseasituação(b)quemostraasmesmasvariáveis,mas orrela ionadas
entre si. A Figura2.9traduz asmesmas situaçõesemtrês dimensões.
Figura2.8: Apli ação dométodo deCholesky a duasfunçõesdedistribuição Normal.