Upload
dangkhue
View
215
Download
0
Embed Size (px)
Citation preview
ANLISE DE CONFIABILIDADE DE SEES SUBMETIDAS FLEXO
SIMPLES E COMPOSTA PELO MTODO DE MONTE CARLO
Felipe Pinheiro de Souza Bastos
Projeto de Graduao apresentado ao Curso de
Engenharia Civil da Escola Politcnica, Universidade
Federal do Rio de Janeiro, como parte dos requisitos
necessrios obteno do ttulo de Engenheiro.
Orientadores: Cludia Ribeiro Eboli
Srgio Hampshire de Carvalho Santos
Rio de Janeiro
Agosto de 2012
ii
Bastos, Felipe Pinheiro de Souza
Anlise de Confiabilidade de Sees Submetidas Flexo
Simples e Composta Pelo Mtodo de Monte Carlo/ Felipe
Pinheiro de Souza Bastos. Rio de Janeiro: UFRJ/ Escola
Politcnica, 2012.
XIII, 108 p.: il.; 29,7 cm.
Orientadores: Cludia Ribeiro Eboli e Srgio Hampshire
de Carvalho Santos
Projeto de Graduao UFRJ/ Escola Politcnica/ Curso
de Engenharia Civil, 2012.
Referncias Bibliogrficas: p. 96-97.
1. Concreto Armado 2. Anlise de Confiabilidade. 3.
Mtodo de Monte Carlo.
I. Eboli, Cludia Ribeiro et al. II. Universidade Federal do
Rio de Janeiro, Escola Politcnica, Curso de Engenharia
Civil. III. Ttulo.
iii
Resumo do Projeto de Graduao apresentado Escola Politcnica/ UFRJ como parte
dos requisitos necessrios para a obteno do grau de Engenheiro Civil.
ANLISE DE CONFIABILIDADE DE SEES SUBMETIDAS FLEXO
SIMPLES E COMPOSTA PELO MTODO DE MONTE CARLO
Felipe Pinheiro de Souza Bastos
Agosto/2012
Orientadores: Cludia Ribeiro Eboli e Srgio Hampshire de Carvalho Santos
Curso: Engenharia Civil
A norma brasileira de projeto de estruturas de concreto NBR 6118 apresenta
coeficientes de majorao das cargas e de minorao das resistncias dos materiais que
no foram completamente amparados por uma anlise de confiabilidade. Por esse
motivo, as probabilidades de falha de diferentes elementos estruturais dimensionados de
acordo com os mesmos princpios podem ser bastante diferentes, sendo alguns muito
seguros e outros nem tanto.
Este trabalho tem como objetivo avaliar a probabilidade de falha flexo simples e
flexo-compresso das sees mais solicitadas de elementos estruturais usuais,
dimensionados de acordo com a referida norma. As sees estudadas so retangulares e
possuem armadura disposta ao longo de um bordo (flexo simples) ou disposta prxima
aos dois bordos (flexo-compresso). Para realizar a anlise de confiabilidade, ser
utilizado o mtodo de simulao de Monte Carlo, com o auxlio de um programa
comercial.
As probabilidades de falha encontradas para os diversos elementos estudados sero
comparadas entre si e tambm com o valor alvo estabelecido no Eurocode EN 1990
(2001).
Palavras-chave: Concreto Armado, Anlise de Confiabilidade, Mtodo de Monte Carlo.
iv
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of
the requirements for the degree of Engineer.
RELIABILITY ANALYSIS OF SECTIONS SUBJECTED TO BENDING MOMENTS
BY THE MONTE CARLO METHOD
Felipe Pinheiro de Souza Bastos
August/2012
Advisor: Cludia Ribeiro Eboli and Srgio Hampshire de Carvalho Santos
Course: Civil Engineering
The Brazilian Standard for the design of concrete structures, NBR 6118, defines partial
safety factors for the loads and strength of materials that were not fully supported by a
reliability analysis. Therefore, the probability of failure of different structural elements
designed according to the same principles can be quite different, some being very secure
and others not so secure.
This study objective is to evaluate the probability of failure of simple bending and
eccentric compression of the most loaded sections of usual structural elements, designed
according to the aforementioned standard. The studied sections are rectangular and have
steel reinforcement disposed along one edge (simple bending) or disposed next to the
two edges (eccentric compression). To perform the reliability analysis will be used the
method of Monte Carlo simulation, with the aid of a commercial program.
The failure probabilities of the various studied elements are then compared among
themselves and with the target value established in Eurocode EN 1990 (2001).
Keywords: Reinforced Concrete, Reliability Analysis, Monte Carlo Method.
v
SUMRIO
1. INTRODUO ........................................................................................................ 1
1.1. Consideraes gerais .......................................................................................... 1
1.2. Objetivos e justificativas .................................................................................... 2
1.3. Escopo do trabalho ............................................................................................. 2
2. CONCEITOS DE PROBABILIDADE E ESTATSTICA ...................................... 3
2.1. Introduo .......................................................................................................... 3
2.2. Axiomas ............................................................................................................. 4
2.3. Variveis aleatrias ............................................................................................ 4
2.4. Funes de variveis aleatrias .......................................................................... 5
2.5. Momentos de variveis aleatrias ...................................................................... 6
2.5.1. Mdia .......................................................................................................... 6
2.5.2. Varincia e desvio padro........................................................................... 7
2.5.3. Outros momentos ........................................................................................ 8
2.6. Associao entre duas variveis aleatrias ........................................................ 9
2.7. Distribuies aleatrias contnuas ................................................................... 11
2.7.1. Uniforme ou retangular ............................................................................ 11
2.7.2. Normal ...................................................................................................... 12
2.7.3. Lognormal ................................................................................................ 14
2.7.4. Gumbel ..................................................................................................... 15
3. CONCEITOS DE CONFIABILIDADE ................................................................. 17
3.1. Introduo ........................................................................................................ 17
3.2. Variveis bsicas .............................................................................................. 17
3.3. ndice de confiabilidade ................................................................................... 18
3.4. Definio do tipo de distribuio e seus parmetros ....................................... 19
3.5. Problema bsico ............................................................................................... 20
vi
3.6. Mtodos de Anlise ......................................................................................... 22
3.7. Mtodo de Monte Carlo ................................................................................... 22
3.7.1. Definio do problema ............................................................................. 23
3.7.2. Procedimentos de resoluo ..................................................................... 23
3.7.3. Exemplo do mtodo .................................................................................. 27
3.7.4. Nmero de amostras ................................................................................. 27
3.8. Definio de um risco aceitvel ....................................................................... 28
3.8.1. Valores alvo .............................................................................................. 29
4. CONCEITOS DE CONCRETO ARMADO .......................................................... 30
4.1. Propriedades dos materiais .............................................................................. 30
4.1.1. Concreto ................................................................................................... 30
4.1.2. Ao ........................................................................................................... 33
4.2. Mtodo dos coeficientes parciais ..................................................................... 34
4.3. Aes ............................................................................................................... 35
4.3.1. Aes permanentes ................................................................................... 35
4.3.2. Aes variveis ......................................................................................... 35
4.3.3. Aes excepcionais................................................................................... 35
4.4. Combinaes de aes no estado limite ltimo ............................................... 35
4.5. Dimensionamento a solicitaes normais de acordo com a NBR-6118 .......... 36
4.5.1. Estados limites .......................................................................................... 36
4.5.2. Verificao dos estados limites ltimos ................................................... 36
4.6. Domnios de ruptura para sees sob solicitaes normais ............................. 37
4.6.1. Reta a ........................................................................................................ 37
4.6.2. Domnio 1 ................................................................................................. 38
4.6.3. Domnio 2 ................................................................................................. 38
4.6.4. Domnio 3 ................................................................................................. 38
4.6.5. Domnio 4 ................................................................................................. 38
vii
4.6.6. Domnio 4a ............................................................................................... 38
4.6.7. Domnio 5 ................................................................................................. 39
4.6.8. Reta b ........................................................................................................ 39
4.7. Critrio de ductilidade ..................................................................................... 39
5. FLEXO SIMPLES ............................................................................................... 40
5.1. Casos estudados ............................................................................................... 40
5.2. Dados gerais ..................................................................................................... 41
5.2.1. Funo de falha ......................................................................................... 41
5.2.2. Variveis aleatrias................................................................................... 43
5.2.3. Nmero de amostras ................................................................................. 43
5.2.4. Determinao dos esforos solicitantes .................................................... 43
5.3. Descrio do programa utilizado ..................................................................... 45
5.4. Exemplos numricos variando a taxa de armadura.......................................... 46
5.4.1. Descrio .................................................................................................. 46
5.4.2. Valores das variveis aleatrias ................................................................ 46
5.4.3. Resultados ................................................................................................. 55
5.5. Exemplos numricos de lajes ........................................................................... 59
5.5.1. Descrio .................................................................................................. 59
5.5.2. Valores de entrada das variveis aleatrias .............................................. 59
5.5.3. Resultados ................................................................................................. 63
5.6. Exemplos numricos de lajes com o coeficiente n ......................................... 67
5.6.1. Descrio .................................................................................................. 67
5.6.2. Valores das variveis aleatrias ................................................................ 67
5.6.3. Resultados ................................................................................................. 69
5.7. Exemplos numricos de vigas .......................................................................... 73
5.7.1. Descrio .................................................................................................. 73
5.7.2. Valores de entrada .................................................................................... 73
viii
5.7.3. Resultados ................................................................................................. 75
5.8. Comparao entre os problemas de flexo ...................................................... 76
6. FLEXO-COMPRESSO ....................................................................................... 79
6.1. Casos estudados ............................................................................................... 79
6.2. Dados gerais ..................................................................................................... 80
6.2.1. Funo de falha ......................................................................................... 80
6.2.2. Variveis aleatrias................................................................................... 83
6.2.3. Nmero de amostras ................................................................................. 84
6.2.4. Determinao dos esforos solicitantes .................................................... 84
6.3. Descrio do programa utilizado ..................................................................... 84
6.4. Exemplos numricos de flexo-compresso de pilares ..................................... 84
6.4.1. Descrio .................................................................................................. 85
6.4.2. Valores de entrada .................................................................................... 85
6.4.3. Resultados ................................................................................................. 90
7. CONCLUSES E SUGESTES ........................................................................... 96
8. BIBLIOGRAFIA .................................................................................................... 97
9. ANEXOS ................................................................................................................ 99
A. Tabela de distribuio normal padro .................................................................... 99
B. Exemplo do Mtodo de Monte Carlo ................................................................... 101
C. Programa VaP ....................................................................................................... 106
ix
LISTA DE FIGURAS
Figura 2-1 Ilustrao do conceito de desvio padro e varincia.................................... 8
Figura 2-2 Dependncia linear entre variveis aleatrias ............................................ 10
Figura 2-3 Funo densidade de varivel com distribuio uniforme......................... 11
Figura 2-4 Funo cumulativa de varivel com distribuio uniforme ....................... 12
Figura 2-5 Funo de densidade de variveis com distribuio normal...................... 13
Figura 2-6 Funes cumulativas de variveis com distribuio normal ..................... 14
Figura 2-7 Funes densidade de variveis com distribuio lognormal .................... 15
Figura 2-8 Funes cumulativas de variveis com distribuio lognormal ................ 15
Figura 2-9 Funes densidade de variveis com distribuio Gumbel ....................... 16
Figura 2-10 Funes cumulativas de variveis com distribuio Gumbel .................. 16
Figura 3-1 ndice de confiabilidade ............................................................................. 18
Figura 3-2 Curvas das funes densidade de probabilidade das variveis Z, R e S .... 21
Figura 3-3 - Mtodo da transformao inversa .............................................................. 25
Figura 4-1 - Valor caracterstico da resistncia .............................................................. 31
Figura 4-2 Diagrama de clculo de tenso-deformao do concreto .......................... 32
Figura 4-3 - Diagrama de clculo de tenso-deformao do ao CA-50 ....................... 34
Figura 4-4 - Estados Limites da NBR6118 .................................................................... 37
Figura 5-1 - ndice de confiabilidade para os casos analisados ...................................... 58
Figura 5-2 - ndice de confiabilidade ............................................................................. 65
Figura 5-3 Fator de importncia das variveis na funo de falha .............................. 66
Figura 5-4 - ndice de confiabilidade para os casos analisados ...................................... 72
Figura 5-5 ndice de confiabilidade das vigas ............................................................. 76
Figura 5-6 - ndice de confiabilidade influncia do coeficiente n nas lajes ............... 77
Figura 5-7 ndices de confiabilidade influncia das dimenses do elemento .......... 77
Figura 6-1 - Seo transversal ........................................................................................ 79
Figura 6-2 Solicitaes na seo transversal ............................................................... 80
Figura 6-3 - Distncias d1 e d2 ........................................................................................ 82
Figura 6-4 - ndice de confiabilidade dos pilares no domnio 3 ..................................... 93
Figura 6-5 - ndice de confiabilidade dos pilares no domnio 4 ..................................... 93
Figura 6-6 - ndice de confiabilidade dos pilares ........................................................... 94
Figura 6-7 Fator de importncia das variveis na funo de falha .............................. 95
Figura 9-1 - Tela inicial do programa VaP ................................................................... 106
x
Figura 9-2 - Janela para entrada da funo de falha ..................................................... 106
Figura 9-3 - Janela para definir os parmetros das variveis aleatrias ....................... 107
Figura 9-4 - Janela mostrando o resultado do mtodo de Monte Carlo ....................... 108
Figura 9-5 - Resumo dos resultados na forma de texto ................................................ 108
xi
LISTA DE TABELAS
Tabela 3-1 - Resultados do exemplo pelo Mtodo de Monte Carlo ............................... 27
Tabela 3-2 Parmetros para o clculo do nmero de amostras ................................... 28
Tabela 5-1 - Descrio das variveis aleatrias .............................................................. 42
Tabela 5-2 Distribuies e parmetros adotados ......................................................... 43
Tabela 5-3 Parmetros das variveis aleatrias ........................................................... 46
Tabela 5-4 - Parmetros de As e d .................................................................................. 47
Tabela 5-5 - Esforos em funo de ............................................................................ 47
Tabela 5-6 - Parmetros de As e d .................................................................................. 48
Tabela 5-7 - Esforos em funo de ............................................................................ 48
Tabela 5-8 - Parmetros de As e d .................................................................................. 49
Tabela 5-9 - Esforos em funo de ............................................................................ 49
Tabela 5-10 - Parmetros de As e d ................................................................................ 50
Tabela 5-11 - Esforos em funo de .......................................................................... 50
Tabela 5-12 - Parmetros de As e d ................................................................................ 51
Tabela 5-13 - Esforos em funo de .......................................................................... 51
Tabela 5-14 - Parmetros de As e d ................................................................................ 52
Tabela 5-15 - Esforos em funo de .......................................................................... 52
Tabela 5-16 - Parmetros de As e d ................................................................................ 53
Tabela 5-17 - Esforos em funo de .......................................................................... 53
Tabela 5-18 - Parmetros de As e d ................................................................................ 54
Tabela 5-19 - Esforos em funo de .......................................................................... 54
Tabela 5-20 - Resultados da laje com h=10 cm e =0,4% ............................................. 55
Tabela 5-21 - Resultados da laje com h=10cm e =0,8% .............................................. 55
Tabela 5-22 - Resultados da laje com h=20cm e =0,4% .............................................. 56
Tabela 5-23 - Resultados da laje com h=20cm e =0,8% .............................................. 56
Tabela 5-24 - Resultados da laje com h=20cm e kmd limite ......................................... 56
Tabela 5-25 - Resultados da viga 20x50 e p=0,4% ........................................................ 57
Tabela 5-26 - Resultados da viga 20x50 e p=0,8% ........................................................ 57
Tabela 5-27 - Resultados da viga 20x50 e kmd limite ................................................... 57
Tabela 5-28 Valores das variveis para os problemas ................................................. 59
Tabela 5-29 - Altura til das lajes .................................................................................. 59
Tabela 5-30 - Parmetro dos momentos solicitantes para a laje de 10 cm ..................... 60
xii
Tabela 5-31 - Parmetro dos momentos solicitantes para a laje de 12 cm ..................... 60
Tabela 5-32 - Parmetro dos momentos solicitantes para a laje de 15 cm ..................... 61
Tabela 5-33 - Parmetro dos momentos solicitantes para a laje de 17 cm ..................... 61
Tabela 5-34 - Parmetro dos momentos solicitantes para a laje de 19 cm ..................... 62
Tabela 5-35 - Parmetro dos momentos solicitantes para a laje de 20 cm ..................... 62
Tabela 5-36 - Resultados para a laje de h=10cm ............................................................ 63
Tabela 5-37- Resultados ................................................................................................. 63
Tabela 5-38 - Resultados ................................................................................................ 64
Tabela 5-39 - Resultados ................................................................................................ 64
Tabela 5-40 - Resultados ................................................................................................ 64
Tabela 5-41 - Resultados ................................................................................................ 65
Tabela 5-42 - Variveis aleatrias adotadas ................................................................... 67
Tabela 5-43 - Altura til das lajes .................................................................................. 67
Tabela 5-44 - Variveis aleatrias dos momentos solicitantes para a laje de 10 cm ...... 68
Tabela 5-45 - Variveis aleatrias dos momentos solicitantes para a laje de 12 cm ...... 68
Tabela 5-46 - Variveis aleatrias dos momentos solicitantes para a laje de 15 cm ...... 69
Tabela 5-47 - Variveis aleatrias dos momentos solicitantes para a laje de 17 cm ...... 69
Tabela 5-48 - Resultados para a laje com h=10cm e coeficiente n .............................. 70
Tabela 5-49 - Resultados para a laje com h=12cm e coeficiente n .............................. 70
Tabela 5-50 - Resultados para a laje com h=15cm e coeficiente n .............................. 71
Tabela 5-51 - Resultados para a laje com h=17cm e coeficiente n .............................. 71
Tabela 5-52 Valores das variveis para os problemas ................................................. 73
Tabela 5-53 - Parmetros da altura til (d) ..................................................................... 73
Tabela 5-54 - Mdia e desvio padro das solicitaes ................................................... 74
Tabela 5-55 - Mdia e desvio padro das solicitaes - viga 20 x 70 ............................ 74
Tabela 5-56 - Resumo dos resultados para a viga 20 x 50 cm ....................................... 75
Tabela 5-57 - Resumo dos resultados para a viga 20 x 70 cm ....................................... 75
Tabela 6-1 - Descrio das variveis aleatrias .............................................................. 83
Tabela 6-2 - Variveis aleatrias adotadas ..................................................................... 84
Tabela 6-3 Valores das variveis para os problemas ................................................... 85
Tabela 6-4 - Altura dos pilares ....................................................................................... 86
Tabela 6-5 Tenses e excentricidade para o pilar 12 cm x 60 cm Domnio 3.......... 86
Tabela 6-6 - Parmetros dos momentos para o pilar de 12 cm x 60 cm Domnio 3 ... 86
Tabela 6-7 Tenses e excentricidade para o pilar 12 cm x 60 cm Domnio 4.......... 87
xiii
Tabela 6-8 - Parmetros dos momentos para o pilar de 12 cm x 60 cm Domnio 4 ... 87
Tabela 6-9 Tenses e excentricidade para o pilar 15 cm x 60 cm Domnio 3.......... 87
Tabela 6-10 - Parmetros dos momentos para o pilar de 15 cm x 60 cm Domnio 3 . 88
Tabela 6-11 Tenses e excentricidade para o pilar 15 cm x 60 cm Domnio 4........ 88
Tabela 6-12 - Parmetros dos momentos para o pilar de 15 cm x 60 cm Domnio 4 . 88
Tabela 6-13 Tenses e excentricidade para o pilar 20 cm x 60 cm Domnio 3........ 89
Tabela 6-14 - Parmetros dos momentos para o pilar de 20 cm x 60 cm Domnio 3 . 89
Tabela 6-15 Tenses e excentricidade para o pilar 20 cm x 60 cm Domnio 4........ 89
Tabela 6-16 - Parmetros dos momentos para o pilar de 20 cm x 60 cm Domnio 4 . 90
Tabela 6-17 - Resultados do Pilar 12 x 60 Domnio 3 ................................................ 90
Tabela 6-18 - Resultados do Pilar 15 x 60 Domnio 3 ................................................ 91
Tabela 6-19 - Resultados do Pilar 20 x 60 Domnio 3 ................................................ 91
Tabela 6-20 - Resultados do Pilar 12 x 60 Domnio 4 ................................................ 91
Tabela 6-21 - Resultados do Pilar 15 x 60 Domnio 4 ................................................ 92
Tabela 6-22 - Resultados do Pilar 20 x 60 Domnio 4 ................................................ 92
1
1. INTRODUO
1.1. Consideraes gerais
Quando um engenheiro civil projeta uma estrutura, ou um elemento estrutural, a sua
maior preocupao em relao segurana. Ou seja, deseja-se que esta estrutura (ou
elemento estrutural) no sofra ruptura, o que pode ocasionar perda de vidas ou prejuzos
financeiros.
O ideal seria que a estrutura fosse totalmente segura, ou seja, uma estrutura 100%
confivel. Porm, de acordo com a teoria da probabilidade, esta segurana no pode ser
atingida. Pode-se, entretanto, atingir valores de confiabilidade relativamente prximos a
um, o que significa uma probabilidade de falha perto de zero.
O problema que quanto mais se aumenta a segurana de uma estrutura, maior tende a
ser a quantidade de material utilizado e, consequentemente, o seu custo. Portanto, o
objetivo do engenheiro em um projeto estrutural no deve ser encarado simplesmente
como projetar uma estrutura totalmente segura. Este objetivo deve ser considerado
como sendo o de se projetar uma estrutura que, na sua vida til, atenda aos requisitos de
segurana e durabilidade ao menor custo possvel.
Este trabalho ir analisar, pelo mtodo de Monte Carlo, a confiabilidade flexo das
sees mais solicitadas de elementos estruturais que foram dimensionadas de acordo
com a norma NBR 6118 (2007). Devido ausncia de norma nacional, os ndices de
confiabilidade sero comparados com valores estabelecidos em normas internacionais.
Ao final do trabalho, so apresentados alguns exemplos numricos, os resultados
obtidos e as concluses.
Este trabalho segue uma linha de pesquisa sobre confiabilidade que vem sendo adotada
no Departamento de Estruturas (DES). Dentre os trabalhos sobre este assunto podem ser
citados alguns artigos escritos pelos orientadores deste projeto: SANTOS e EBOLI
(2006), EBOLI e VAZ (2005) e STUCCHI e SANTOS (2011). Outro trabalho recente
sobre o assunto o projeto final de FRANCO (2010).
2
1.2. Objetivos e justificativas
O presente trabalho, elaborado pelo aluno Felipe Pinheiro de Souza Bastos e orientado
pela Professora Claudia Ribeiro Eboli e pelo Professor Sergio Hampshire de Carvalho
Santos, tem como principal objetivo calcular o ndice de confiabilidade flexo reta
(simples e composta) de sees de concreto armado dimensionadas de acordo com a
norma brasileira NBR 6118 e comparar os valores obtidos com os valores
recomendados em normas internacionais.
1.3. Escopo do trabalho
O trabalho est dividido nos seguintes captulos:
CAPTULO 2 apresenta conceitos de probabilidade e estatstica;
CAPTULO 3 apresenta conceitos de confiabilidade e o Mtodo de Monte Carlo;
CAPTULO 4 apresenta conceitos do dimensionamento de estruturas de concreto
armado;
CAPTULO 5 apresenta o problema de flexo reta simples e exemplos
numricos;
CAPTULO 6 apresenta o problema de flexo-compresso reta e exemplos
numricos;
CAPTULO 7 apresenta as concluses.
3
2. CONCEITOS DE PROBABILIDADE E ESTATSTICA
Grande parte da anlise de confiabilidade baseada nos conceitos de probabilidade e
estatstica. Alguns desses conceitos sero apresentados neste captulo.
2.1. Introduo
A probabilidade demonstra por meio de nmeros a chance de algum evento predefinido
ocorrer. Segundo MELCHERS (1999) e FABER (2001), a probabilidade da ocorrncia
de um evento pode ser estimada por meio de trs formas:
I) estabelecimento de hipteses sobre o fenmeno (abordagem clssica);
II) observao repetida dos eventos (abordagem frequentista);
III) opinio de um observador (abordagem bayesiana).
A primeira forma ser ilustrada com o seguinte exemplo. Imagine que se deseja
conhecer a probabilidade de se obter cara ao se jogar uma moeda. Sabe-se que h
somente dois resultados possveis: cara ou coroa. Considerando que a moeda no esteja
viciada, a probabilidade de se tirar cara a mesma de se tirar coroa, ou seja, de 50%.
A segunda forma tambm ser ilustrada com o exemplo da moeda. De acordo com esta
abordagem, necessrio realizar um nmero de experimentos, de preferncia grande,
para se conhecer a probabilidade do evento. Ento, se a moeda for jogada 500 vezes e,
destas 500 vezes, 256 tiverem dado cara como resultado, a probabilidade de se tirar cara
ser
(2-1)
e, consequentemente, a probabilidade de se tirar coroa ser
(2-2)
Espera-se que medida que o nmero de experimentos aumente, a probabilidade de se
obter cara ou coroa aproxime-se de 50%.
A terceira forma baseada no princpio de Bayes. As probabilidades so baseadas na
opinio de um observador, geralmente um especialista. O observador pode at mesmo
utilizar as abordagens anteriores (frequentista e clssica) para basear a sua opinio. Por
4
ser baseada em opinies, duas pessoas podem estimar probabilidades diferentes para o
mesmo evento. Apesar de a probabilidade de um evento na abordagem bayesiana ser
dependente da pessoa que a faz, a liberdade de se definir esta probabilidade na anlise
de confiabilidade de estruturas no grande, como pode parecer (FABER, 2001).
A abordagem bayesiana a mais utilizada nas anlises de confiabilidade, visto que as
duas anteriores so de aplicao limitada. Esta limitao decorre do fato de o nmero de
estruturas idnticas ser muito pequeno, ou mesmo um, e as condies de carregamento
das estruturas serem diferentes entre si. Alm disso, no se tem muitos dados sobre
falhas de estruturas.
2.2. Axiomas
Toda a teoria da probabilidade baseada nos seguintes axiomas (FABER, 2001):
I) a probabilidade de um evento A ocorrer um nmero real tal que
(2-3)II) a probabilidade de um evento certo C ocorrer e, de um evento
impossvel I, ; III) a probabilidade de ocorrncia de pelo menos um dos eventos e dada
pela expresso a seguir, comumente chamada de regra da adio
(2-4)Se e forem mutuamente exclusivos, ou seja, se a probabilidade de eles ocorrerem simultaneamente for nula, ento a probabilidade de ocorrncia de pelo menos um dos
eventos e ser dada por (2-5)
2.3. Variveis aleatrias
Quando um experimento realizado diversas vezes, provvel que os valores medidos
em cada experimento no sejam iguais entre si, mesmo quando realizados sob as
mesmas condies. Se esta variabilidade nos resultados realmente ocorre, a grandeza
estudada uma varivel aleatria. Por outro lado, se os valores medidos forem
idnticos, tem-se uma grandeza determinstica.
5
As variveis aleatrias podem, em geral, ser representadas por distribuies aleatrias.
Para isso, necessrio que se determine alguns parmetros destas variveis. Os mais
comuns so a mdia e o desvio padro.
As variveis aleatrias podem ser qualitativas ou quantitativas. Variveis qualitativas
so aquelas que apresentam como realizaes uma qualidade, enquanto variveis
quantitativas apresentam como realizaes nmeros resultantes de uma contagem ou
mensurao (BUSSAB; MORETTIN, 2004). A classificao da rugosidade do terreno,
utilizada para se obter a velocidade caracterstica do vento, pode ser interpretada como
uma varivel do tipo qualitativa. Por outro lado, o peso prprio de uma estrutura uma
varivel quantitativa.
As variveis quantitativas podem ser classificadas em discretas ou contnuas. Variveis
discretas so aquelas que s podem assumir valores discretos. Um exemplo deste tipo
de varivel o nmero mdio de anos que uma determinada solicitao na estrutura leva
para atingir ou ultrapassar um determinado valor.
Por outro lado, variveis contnuas so aquelas que podem assumir qualquer valor real
dentro de um determinado intervalo. Como exemplo, pode ser citada a resistncia do
concreto ou a altura efetiva de uma viga. Nas anlises realizadas neste trabalho sero
usadas somente variveis quantitativas e contnuas.
Para facilitar a compreenso, ser utilizada letra maiscula para designar a varivel
aleatria (ex: ) e letra minscula para designar uma realizao da varivel, ou seja, o valor que ela assume em um experimento (ex: ). 2.4. Funes de variveis aleatrias
Muitas vezes interessante representar uma varivel aleatria por meio de uma funo
contnua. Esta funo chamada de funo densidade de probabilidade. Uma funo
densidade de probabilidade deve atender aos seguintes requisitos (HART, 1982):
I) A funo densidade de probabilidade sempre maior ou igual zero, isto , para qualquer valor de ; II) A rea abaixo da curva da funo densidade de probabilidade deve ser unitria,
ou seja
6
(2-6)
III) A probabilidade de um valor observado ser menor ou igual a dada por:
(2-7)
Apesar do fato de que qualquer funo que atenda aos requisitos mencionados possa ser
utilizada, comum que se utilizem alguns tipos predefinidos dessas funes. Algumas
dessas funes so apresentadas no item 2.7.
Da expresso (2-7), pode-se notar que, como a funo contnua, incluir ou no o
extremo no alterar o resultado. A integral do lado direito da equao (2-7) chamada de funo de distribuio acumulada (ou funo cumulativa de distribuio). A
probabilidade de um valor observado situar-se entre dois valores, a e b, dada por
(2-8)
A expresso acima tambm pode ser escrita como
(2-9)A funo de distribuio acumulada tem algumas propriedades:
I) II) III)
A funo densidade de probabilidade tambm chamada de PDF (Probability Density
Function) e a funo de densidade acumulada de CDF (Cumulative Distribution
Function).
2.5. Momentos de variveis aleatrias
2.5.1. Mdia
A mdia o principal nmero utilizado para representar uma srie de valores. Para o
caso de variveis discretas, a mdia pode ser calculada como a soma dos valores
observados dividida pelo nmero total de observaes, como na equao (2-10):
7
(2-10)onde o nmero de observaes e o valor da varivel na observao . J para o caso de variveis contnuas, a mdia pode ser calculada pela expresso
(2-11)A mdia tambm pode ser chamada de valor esperado ou de primeiro momento da
varivel aleatria (MELCHERS, 1999).
2.5.2. Varincia e desvio padro
A varincia e o desvio padro so medidas da disperso dos valores da varivel
aleatria, ou seja, eles medem quanto os valores observados variam em torno da mdia.
Para o caso de variveis discretas, a varincia dada pela seguinte expresso:
(2-12)Quando se analisa amostras de uma populao, comum utilizar o denominador em vez de no clculo da varincia. A justificativa pode ser encontrada em BENJAMIN e CORNELL (1970). Para o caso de variveis contnuas, a expresso da
varincia dada por:
(2-13)O desvio padro simplesmente a raiz quadrada positiva da varincia:
(2-14)A varincia tambm chamada de segundo momento central da varivel aleatria. A
varincia e o desvio padro possuem unidades. Por exemplo, se a varivel estudada for
uma fora, com unidade em kN, o desvio padro tambm ter unidade de kN e a
varincia ter unidade de kN.
Na figura 2-1, apresentado um grfico para ilustrar o conceito de desvio padro e de
varincia.
8
Figura 2-1 Ilustrao do conceito de desvio padro e varincia
Pode-se perceber que a curva 1 apresenta valores mais dispersos em relao mdia,
enquanto a curva 2 apresenta valores mais prximos da mdia. Por esse motivo, o
desvio padro e a varincia da curva 1 so maiores do que os valores da curva 2.
Outra forma de se representar a disperso de valores pelo coeficiente de variao. Ele
definido como
, (2-15)onde a mdia e o desvio padro. Pode-se perceber que o coeficiente de variao adimensional.
2.5.3. Outros momentos
Outro valor que pode ser utilizado para caracterizar uma varivel aleatria chamado
de coeficiente de skewness, que o terceiro momento central adimensionalizado. Para o
caso de variveis discretas, ele dado pela expresso
1
. (2-16)
J para variveis contnuas, a expresso
1
. (2-17)
9
Este parmetro pode ser usado para medir a simetria ou a assimetria de uma varivel
aleatria em torno da sua mdia. Se o coeficiente for nulo, a funo simtrica. Valores
positivos deste coeficiente indicam que valores da varivel aleatria maiores do que a mdia so mais dispersos do que os valores menores, e valores negativos indicam o
contrrio (LIMA; SAGRILO, 2004).
O quarto momento central adimensionalizado chamado de coeficiente de kurtosis.
Para variveis discretas, ele dado pela expresso
(2-18)e, para variveis contnuas, por
(2-19)Ele mede a suavidade da curva, ou seja, quanto maior o seu valor, menos acentuado ser
o pico da curva (LIMA; SAGRILO, 2004).
Momentos de graus maiores tambm podem ser utilizados, porm os quatro primeiros
so os mais comuns na prtica. Os coeficientes de skewness e de kurtosis podem ajudar
na escolha de distribuies aleatrias para uma varivel (LIMA; SAGRILO, 2004).
O conjunto de todos os momentos de uma funo de densidade de probabilidade
descreve completamente a funo (MELCHERS, 1999). Porm, para algumas
distribuies especficas, um nmero pequeno de momentos suficiente. A distribuio
normal (ver item 2.7), por exemplo, fica completamente caracterizada com os dois
primeiros momentos: mdia e desvio padro.
2.6. Associao entre duas variveis aleatrias
s vezes, duas variveis podem estar associadas, ou seja, elas podem apresentar um
grau de dependncia. Esta associao pode ser medida por alguns parmetros, sendo um
deles a covarincia. A covarincia, para variveis discretas, dada pela expresso
(2-20)
10
E para variveis contnuas
(2-21)Pode-se perceber que a covarincia tem a mesma dimenso da varincia. A sua forma
adimensional chamada de coeficiente de correlao e dada pela expresso
(2-22)onde e so o desvio padro da varivel e o desvio padro da varivel , respectivamente. O coeficiente de correlao apresenta valores dentro do intervalo
. Quando vale 1, pode-se dizer que as variveis so linearmente dependentes e que quando o valor de uma cresce, o valor da outra tambm cresce. Quando vale -1, as variveis tambm so linearmente dependentes, porm quando o valor de uma cresce, o
da outra diminui.
Se o valor de for nulo, as variveis no so linearmente dependentes. Elas podem, entretanto, apresentar outra forma de dependncia. Na figura 2-2, so apresentados
diversos grficos para ilustrar o conceito do coeficiente de correlao.
Figura 2-2 Dependncia linear entre variveis aleatrias
~ 0 1
-1
0 1
11
Neste trabalho sero utilizadas somente variveis independentes ou que apresentem um
grau de dependncia pequeno, que pode ser desprezado.
2.7. Distribuies aleatrias contnuas
Neste item sero apresentadas algumas distribuies aleatrias contnuas, com as suas
respectivas funes densidade de probabilidade, funes cumulativas de distribuio e
os seus principais parmetros.
2.7.1. Uniforme ou retangular
A funo densidade de probabilidade da distribuio uniforme dada por:
1 , (2-23)para . Para os demais valores, 0. A mdia da distribuio
2 (2-24)e a varincia
12 . (2-25)Na figura 2-3 apresentada a curva de funo densidade de probabilidade para uma
varivel com distribuio uniforme.
Figura 2-3 Funo densidade de varivel com distribuio uniforme
12
Pode-se perceber que os parmetros dessa funo so 1 e 3. A mdia da distribuio 2 e a varincia 0,333. A curva da funo cumulativa de distribuio para a mesma varivel apresentada na figura 2-4.
Figura 2-4 Funo cumulativa de varivel com distribuio uniforme
Pode-se verificar que ela vale zero quando 1 e que ela vale 1 quando 3. Para 1 3, ela cresce linearmente.
2.7.2. Normal
A distribuio normal, ou Gaussiana, uma distribuio que aparece com muita
frequncia para representar fenmenos fsicos. A sua funo densidade de probabilidade
dada pela expresso
12 !12 "
#
$, (2-26)onde a mdia da distribuio e o desvio padro. A funo de distribuio
acumulada no tem uma expresso na forma analtica. Ela definida como
% 12 !12 "
#
$
. (2-27)Na prtica, comum utilizar a funo normal padro, que tem desvio padro unitrio e
mdia igual a zero. Assim, a funo densidade de probabilidade tem a forma
& 12 '12 &( (2-28)
e a funo de distribuio acumulada dada por
13
%& 12 '12 &( &
. (2-29)Os valores da funo de distribuio acumulada esto tabelados no anexo A e podem ser
encontrados na literatura tcnica, como em BUSSAB e MORETTIN (2004). A
transformao de uma distribuio normal qualquer para uma distribuio normal
padro pode ser feita por meio de uma mudana de varivel:
& . (2-30)A funo densidade de probabilidade normal padro comumente designada como
)& & (2-31)e a funo cumulativa normal padro designada como
& %&. (2-32)A funo de distribuio acumulada normal padro pode ser calculada por uma srie
infinita. H tambm algumas funes aproximadas para o clculo da funo acumulada
em um determinado ponto. Para mais detalhes, consultar MELCHERS (1999).
O coeficiente de skewness vale 0, o que indica que a funo simtrica em relao mdia, e o coeficiente de kurtosis vale 3. Na figura 2-5, so apresentadas curvas de funes densidade de probabilidade de variveis com distribuio normal, mdia
igual a zero e diferentes valores de desvio padro. Na figura 2-6, possvel ver as
curvas das funes de distribuio acumulada funo acumulada das mesmas variveis.
Figura 2-5 Funo de densidade de variveis com distribuio normal
14
Figura 2-6 Funes cumulativas de variveis com distribuio normal
O Teorema do Limite Central afirma que a distribuio de probabilidade da soma de um
grande nmero de variveis aleatrias, independentemente da distribuio dessas
variveis, aproxima-se da distribuio normal (MELCHERS, 1999).
A funo normal pode ser utilizada para representar as incertezas das dimenses de
elementos estruturais, como a largura de uma viga ou a posio da armadura. Nestes
casos, deve-se ficar atento para que o valor no seja negativo.
2.7.3. Lognormal
Na distribuio lognormal, o logaritmo natural da varivel aleatria X tem distribuio
normal. A funo densidade de probabilidade desta distribuio dada pela expresso
1 2 +12 '
ln (
., (2-33)
para 0 e / 0. A mdia dada por
0 2 1 (2-34)
e a varincia por
2 2 13. (2-35)A funo cumulativa da distribuio lognormal, assim como a funo cumulativa da
distribuio normal, no possui uma expresso na forma analtica. Na figura 2-7, so
apresentadas curvas de funes densidade de probabilidade de variveis com
15
distribuio lognormal, 0 e diferentes valores de . Na figura 2-8, possvel ver as curvas das funes cumulativas de distribuio das mesmas variveis.
Figura 2-7 Funes densidade de variveis com distribuio lognormal
Figura 2-8 Funes cumulativas de variveis com distribuio lognormal
A distribuio lognormal , s vezes, utilizada para representar a resistncia do concreto
compresso e a tenso de escoamento do ao, j que essas grandezas no podem
assumir valores negativos.
2.7.4. Gumbel
A distribuio de Gumbel uma distribuio de valores extremos. As distribuies de
valores extremos so utilizadas quando se est interessado nos valores mnimos ou
mximos da ocorrncia de um fenmeno. Por exemplo, a maior velocidade do vento em
um ano pode ser representada por uma distribuio do tipo Gumbel. A sua funo
densidade de probabilidade dada pela expresso
16
a 5 2 637 (2-36)e a funo cumulativa de probabilidade dada por
% 5 2 37. (2-37)A mdia dada por
8, (2-38)onde 8 0.57721566 a constante de Euler, e a varincia dada por
6 . (2-39)Na figura 2-9, so apresentadas curvas de funes densidade de probabilidade de
variveis com distribuio do tipo Gumbel. As curvas das funes acumuladas de
distribuio das mesmas variveis so apresentadas na figura 2-10.
Figura 2-9 Funes densidade de variveis com distribuio Gumbel
Figura 2-10 Funes cumulativas de variveis com distribuio Gumbel
17
3. CONCEITOS DE CONFIABILIDADE
3.1. Introduo
A anlise de confiabilidade permite que se considere a incerteza associada a cada uma
das variveis que influem no desempenho ou na segurana da estrutura. Desta forma,
podem-se considerar as incertezas associadas s dimenses do elemento estrutural, as
incertezas na resistncia dos materiais e as incertezas nas solicitaes, para citar
algumas.
Em uma anlise de confiabilidade, estuda-se a probabilidade de uma estrutura ou de um
elemento estrutural sofrer algum tipo de falha. A falha pode ser definida como a
situao em que a estrutura atinge uma condio indesejada, o que no representa
necessariamente o colapso da totalidade ou parte da estrutura. Ela pode ser tambm o
surgimento de uma flecha ou uma abertura de fissura maior do que o esperado.
Cada uma das situaes em que se deseja verificar a probabilidade de falha ser
chamada de modo de comportamento. Neste trabalho, por exemplo, s sero estudados
os modos de comportamento relacionados com a ruptura de elementos flexo (simples
ou composta).
Uma das formas de calcular a probabilidade de falha para um modo de comportamento
pelo estabelecimento de uma funo de falha. Quando esta funo igualada zero,
tem-se a equao da falha. A equao da falha descreve a situao que separa o lado
seguro do lado no seguro, ou do funcionamento adequado do funcionamento
indesejado. Na maior parte das vezes, a funo de falha para um modo de
comportamento pode ser escrita na forma de resistncia menos solicitao
!, (3-1)onde o vetor das variveis bsicas. 3.2. Variveis bsicas
Segundo MELCHERS (1999), variveis bsicas so as variveis fundamentais que
definem e caracterizam o comportamento e a segurana de uma estrutura para um modo
de comportamento. Em geral, elas so as mesmas variveis empregadas no
dimensionamento, como as dimenses do elemento, o peso especfico do material e a
resistncia do material.
18
No necessrio que as variveis bsicas sejam independentes entre si, apesar de ser
prefervel que sejam, visto que a dependncia entre as variveis aumenta a
complexidade do problema. Se houver algum grau de dependncia significativo entre as
variveis, necessrio que essa dependncia seja considerada no problema; se a
dependncia entre as variveis for pequena, essa dependncia pode ser desprezada.
3.3. ndice de confiabilidade
O ndice de confiabilidade um parmetro de referncia utilizado com a inteno de
expressar a segurana de uma estrutura (ou elemento estrutural) para um modo de
comportamento. Definindo-se uma nova varivel aleatria Z
" ! (3-2)o ndice de confiabilidade ser dado por
# (3-3)onde a mdia e o desvio padro da varivel associada funo de falha . O ndice de confiabilidade pode ser interpretado como a distncia entre o valor mdio de Z
e a falha, medida em unidades de desvio padro, como ilustrado na figura 3-1. usual
considerar essa definio mesmo quando a varivel Z tem distribuio diferente da
normal. Quanto maior o ndice de confiabilidade da estrutura, maior tende ser a sua
segurana, ou seja, menor a probabilidade de falha. Isto indica que quanto maior a
mdia e menor o desvio padro da funo de falha, melhor a situao da estrutura.
Figura 3-1 ndice de confiabilidade
19
Se a varivel associada funo de falha apresentar uma distribuio normal, a
probabilidade de falha ser dada pela expresso
# (3-4)onde a funo cumulativa de distribuio normal padro (ver item 2.7.2). Como na maioria dos casos a varivel associada funo de falha no apresenta distribuio
normal, a expresso acima pode fornecer uma probabilidade de falha bem diferente do
valor verdadeiro.
Alm disso, para uma varivel associada a uma funo de falha qualquer, a mdia e o
desvio padro podem no ser suficientes para representar com preciso a distribuio
dessa funo. Assim, no necessariamente a varivel que tiver maior mdia e menor
desvio padro ser a que tem a menor probabilidade de falha. necessrio tambm
considerar os outros momentos da funo.
Devido dificuldade de se determinar com preciso a probabilidade de falha das
estruturas, o ndice de confiabilidade um parmetro de referncia utilizado com
frequncia para se medir a segurana das estruturas.
3.4. Definio do tipo de distribuio e seus parmetros
A definio do tipo de distribuio e dos parmetros de uma varivel aleatria depende
do conhecimento que se tem desta varivel. Ela pode ser feita com base nos mtodos
descritos a seguir, que podem ser utilizados conjuntamente ou isoladamente.
a) Ajuste de funes aos dados observados
Com os parmetros da amostra calculados (de acordo com as expresses apresentadas
no item 2.5), pode-se compar-los com os parmetros da distribuio considerada.
Como parmetros podem ser considerados a mdia, o desvio padro, o coeficiente de
skewness, coeficiente de kurtosis e outros momentos.
Pode-se tambm testar uma distribuio graficamente. Isto pode ser feito comparando o
histograma da amostra com a funo densidade de probabilidade ou por meio de papis
de probabilidade. Mais detalhes podem ser encontrados em BENJAMIN e CORNELL
(1970) e BUSSAB e MORETTIN (2004).
20
b) Recomendaes de normas ou publicaes relevantes
Algumas distribuies e parmetros podem ser inferidos a partir da definio dos
valores caractersticos (de solicitaes ou resistncias) das normas tcnicas. Pode-se
tambm utilizar distribuies recomendadas ou utilizadas em publicaes relevantes,
como apresentadas em Probabilistic Model Code (JCSS, 2006), HOLICK e SYKORA
(2011) e STUCCHI e SANTOS (2011).
c) Por raciocnio fsico
Esta forma baseada nos conceitos de probabilidade e estatstica. Por exemplo, quando
uma varivel aleatria constituda pela soma de um grande nmero de variveis, pode-
se adotar o recurso do teorema do limite central e considerar a varivel com distribuio
normal. Da mesma forma, se a varivel consiste do produto de um grande nmero de
variveis aleatrias, a sua distribuio aproxima-se da lognormal (MELCHERS, 1999).
Outros exemplos podem ser dados:
Quando se sabe que uma varivel no pode assumir valores negativos e, por
esse motivo, deseja-se escolher uma distribuio que reflita este fato;
Quando uma varivel representa os valores mximos ou mnimos de um
fenmeno, pode-se escolher uma distribuio de valores extremos.
Neste trabalho ser utilizada basicamente a abordagem descrita na letra b.
3.5. Problema bsico
Para ilustrar um problema bsico de confiabilidade, ser considerada a forma mais
simples da funo de falha:
" ! (3-5)As variveis da resistncia, , e da solicitao, !, so independentes entre si e possuem distribuio normal. Neste caso, a integrao direta pode ser utilizada. A mdia dada
por
(3-6)e o desvio padro dado por
21
(3-7)onde:
e so as mdias das variveis e !, respectivamente; e so os desvios padres das variveis e !, respectivamente.
Considerando que a varivel aleatria tem mdia e desvio padro e que a varivel aleatria ! tem mdia e desvio padro , pode-se chegar aos seguintes valores dos parmetros da varivel ":
(3-8) (3-9)
A figura 3-2 apresenta o grfico das funes densidade de probabilidade das variveis
aleatrias ", e !.
Figura 3-2 Curvas das funes densidade de probabilidade das variveis Z, R e S
O ndice de confiabilidade vale
#
(3-10)
e a probabilidade de falha pode ser obtida pela tabela do Anexo A
(3-11)que corresponde a rea marcada na figura 3-2.
22
O problema apresentado dito problema bsico de confiabilidade. Nos problemas
usuais, as funes de falha quase sempre so no lineares, com um grau de
complexidade maior do que o das funes apresentadas neste item. Alm disso, nem
sempre as variveis apresentam distribuio normal.
No tpico a seguir, so apresentadas outras formas de resolver um problema de
confiabilidade, que podero ser utilizadas em problemas gerais.
3.6. Mtodos de Anlise
A anlise de confiabilidade consiste basicamente na avaliao da probabilidade de falha,
dada pela expresso:
$ % &
(3-12)
Segundo MELCHERS (1999), h essencialmente trs formas que podem ser utilizadas
para calcular esta integral:
I) integrao direta;
II) transformar o integrando em uma distribuio normal multivariada;
III) utilizando simulao numrica.
A primeira forma, utilizada no exemplo do item 3.5, como foi visto, s pode ser
utilizada em casos especiais, quando possvel obter uma soluo analtica para a
integral. Para funes de falha complexas, a sua aplicao torna-se invivel. A segunda
forma de resoluo a base para os mtodos do FORM (First Order Reliability
Method) e SORM (Second Order Reliability Method). A terceira e ltima forma
pode ser usada sem restries, sendo a mais comum a simulao de Monte Carlo.
Mais detalhes sobre as duas primeiras formas podem ser encontrados em MELCHERS
(1999) e CHOI et. al. (2007). A seguir, ser apresentado o mtodo de Monte Carlo,
utilizado nos exemplos numricos deste trabalho.
3.7. Mtodo de Monte Carlo
O mtodo de Monte Carlo um mtodo numrico. Os mtodos numricos, de forma
geral, podem ser usados para qualquer forma de funo (linear ou no linear) e as
distribuies podem ser de qualquer tipo (normal, lognormal, Gumbel, etc.). A
23
expresso (3-12) pode, portanto, ser avaliada por mtodos de integrao conhecidos nas
disciplinas de clculo, como o mtodo dos trapzios e o mtodo de Simpson.
A grande desvantagem destes mtodos a grande demanda computacional quando o
nmero de variveis torna-se grande. Segundo MELCHERS (1999), quando o nmero
de variveis maior do que cinco, o processamento torna-se demasiadamente lento.
Neste caso, recomenda-se a utilizao de mtodos numricos aproximados, como o
mtodo de Monte Carlo e os seus derivados.
Os procedimentos utilizados para resolver um problema pelo Mtodo de Monte Carlo
sero explicados a seguir. Porm, antes de empregar o mtodo, necessrio definir o
problema que ser estudado.
3.7.1. Definio do problema
O primeiro passo para definir o problema consiste em estabelecer a funo de falha para
o modo de comportamento estudado. O mtodo de Monte Carlo permite estudar mais de
um modo de comportamento ao mesmo tempo, mas este caso no ser abordado neste
trabalho.
Aps a definio da funo de falha, deve-se definir o tipo de distribuio e os
parmetros de cada varivel aleatria envolvida na anlise. Neste trabalho, como
mencionado no item 3.4, sero utilizados os tipos de distribuio e parmetros
recomendados por normas e publicaes relevantes.
A escolha do nmero de amostras que ser utilizado tambm muito importante, visto
que o mtodo de Monte Carlo um mtodo numrico e aproximado. Mais informaes
sobre a escolha do nmero de amostras so apresentadas no item 3.7.4.
Aps a definio do problema, possvel realizar a simulao de Monte Carlo.
3.7.2. Procedimentos de resoluo
O mtodo de Monte Carlo ir calcular a funo de falha ' vezes, onde ' o nmero de simulaes estabelecido. Para que a expresso da funo de falha seja avaliada,
necessrio, primeiramente, gerar os valores das variveis aleatrias em cada uma das
simulaes.
Esses valores so gerados de acordo com o tipo de distribuio e os parmetros das
variveis. Como o nmero de simulaes costuma ser muito grande, geralmente no
24
vivel, do ponto de vista computacional, armazenar os valores das variveis gerados em
cada simulao. Contudo, em alguns casos, pode ser possvel armazenar somente o
resultado de cada simulao.
H vrias formas de se gerar um valor para uma varivel aleatria. A maioria delas
utiliza, como ponto de partida, nmeros pseudoaleatrios gerados no intervalo (0,1),
com iguais probabilidades de ocorrncia, isto , estes nmeros tm distribuio
uniforme, com parmetros , e mdia . Os nmeros pseudoaleatrios so assim chamados porque, na verdade, so gerados por
funes e se repetem aps um ciclo, que se espera que seja longo. Testes realizados
indicam que uma sequncia de nmeros aleatrios indistinguvel de uma sequncia de
nmeros realmente aleatrios (MELCHERS, 1999, p. 67 apud RUBINSTEIN, 1981).
A partir dos nmeros pseudoaleatrios gerados possvel gerar os valores das variveis
aleatrias, em funo do tipo de distribuio e dos seus parmetros. O meio mais
comum de fazer isso pelo mtodo da transformao inversa.
O mtodo da transformao inversa baseia-se na definio da teoria da probabilidade de
que os valores da funo de distribuio acumulada situam-se no intervalo [0,1] (ver
item 2.4). Assim, o mtodo consiste em encontrar o valor da realizao da varivel , tal que a probabilidade de se obter um valor menor ou igual a ele seja igual ao nmero
pseudoaleatrio gerado no intervalo (0,1), com distribuio uniforme.
Cabe ressaltar que quase sempre conveniente que o nmero pseudoaleatrio seja
gerado no intervalo aberto (0,1), visto que em muitos casos no possvel obter um
valor para a realizao de uma varivel quando ou quando . Por exemplo, no caso de uma varivel com distribuio normal, o valor da realizao da
varivel seria para o primeiro caso e para o segundo. Para ilustrar o mtodo da transformao inversa, ser apresentado um breve exemplo.
Considere que se deseje gerar um valor para uma varivel aleatria com distribuio do
tipo Gumbel, com mdia e desvio padro . A expresso da funo de distribuio acumulada do tipo Gumbel dada pela expresso (2-37). Invertendo-se esta
expresso chega-se :
25
(3-13)Utilizando as frmulas (2-38) e (2-39), pode-se obter os valores dos parmetros a e b.
) ! (3-14)
* (3-15)Considerando que o nmero pseudoaleatrio + gerado seja
+ (3-16)ento, o valor da realizao da varivel ser
"# (3-17)
Figura 3-3 - Mtodo da transformao inversa
O mtodo da transformao inversa ilustrado na figura 3-3. A aplicao do mtodo
fcil quando se tem uma expresso analtica da funo de distribuio acumulada, como
o caso das distribuies uniforme e Gumbel. No caso da distribuio normal, que no
apresenta uma expresso analtica para a inversa da funo de distribuio acumulada,
possvel chegar ao valor da realizao de uma varivel normal padro por meio de sries
ou de frmulas aproximadas. Podem-se gerar valores para duas variveis normais
padres e independentes, por exemplo, utilizando as frmulas
, + $%& ) + - (3-18), + &' ) + (3-19)
26
onde + e + so realizaes de variveis uniformes e independentes no intervalo (0,1). O valor da realizao de uma varivel normal qualquer pode ser encontrado utilizando a
frmula (3-20), que obtida a partir da expresso (2-30).
, (3-20)Aps a gerao dos valores pseudoaleatrios para cada uma das variveis, esses valores
so substitudos na funo de falha. Se o resultado da expresso (3-5) for um nmero
menor do que zero, pode-se dizer que ocorreu uma falha e esta informao deve ser
guardada. A gerao dos valores de cada uma das variveis aleatrias, a substituio
desses valores na funo de falha e a avaliao do resultado so repetidas ' vezes. A probabilidade de falha estimada ser, ento, dada por
' $ %
(3-21)onde:
' o nmero de simulaes realizadas; um operador que vale 1 quando a expresso verdadeira, ou seja, quando , e vale 0 em caso contrrio.
Assim, considerando que o nmero de simulaes realizadas pelo mtodo ' e que ocorreu uma falha 21 vezes, a probabilidade de falha ser
(3-22)
Como o mtodo de Monte Carlo um mtodo numrico (e aproximado), o nmero de
simulaes que sero utilizadas um fator importante. Quanto menor a probabilidade de
falha, maior deve ser o nmero de experimentos realizados, para que essa
probabilidade de falha possa ser estimada com preciso.
O mtodo de Monte Carlo era considerado como um mtodo que necessitava de grande
poder computacional, pois demandava um tempo relativamente grande para que fosse
processado. Isso tem mudado com o aumento da capacidade e velocidade de
processamento dos computadores.
27
3.7.3. Exemplo do mtodo
Para exemplificar o mtodo de Monte Carlo, o procedimento ser aplicado na soluo
do exemplo do item 3.5. Os resultados so apresentados no anexo B. Por simplicidade,
foram feitas somente 200 simulaes.
A funo de falha dada pela expresso (3-5). A varivel tem distribuio normal com mdia e desvio padro e a varivel ! tem mdia e desvio padro . Primeiramente so gerados valores pseudoaleatrios, + e +, com distribuio uniforme no intervalo entre (0,1). Esses valores so ento transformados em realizaes de
variveis normais padres, , e ,, de acordo com as frmulas (3-18) e (3-19) e, em seguida, transformados em realizaes das variveis aleatrias e !, respectivamente, de acordo com a frmula (3-20).
Assim, para cada simulao calculado o valor de . Se , ento $% ; se , ento $% . Aps o final das repeties, somam-se os valores de $% e divide-se a soma pelo nmero de simulaes para encontrar a probabilidade de falha. Retomam-se os valores de em cada simulao e calcula-se a mdia e o desvio padro. A tabela 3-1 resume os resultados encontrados.
Tabela 3-1 - Resultados do exemplo pelo Mtodo de Monte Carlo
Soluo Mdia
() Desvio padro () ndice de confiabilidade (#) Probabilidade de falha () Simulao de Monte
Carlo (' ) 4,895 2,419 2,024 0,025 Soluo exata 5,0 2,5 2,0 0,0228
Como se pode verificar, os resultados foram ligeiramente diferentes dos valores (exatos)
apresentados no item 3.5. Isto decorre, principalmente, do pequeno nmero de
simulaes utilizado.
3.7.4. Nmero de amostras
H na literatura, algumas expresses que permitem realizar uma estimativa inicial do
nmero de amostras necessrias para se obter uma resposta com razovel preciso. Uma
delas (MELCHERS, 1999, p.71 apud BRODING, 1964)
28
' ( (3-23)A descrio dos parmetros da expresso (3-23) pode ser encontrada na tabela 3-2, junto
com alguns valores que podem ser utilizados na estimativa. O valor da probabilidade de
falha corresponde a aproximadamente um ndice de confiabilidade de 3,8. Tabela 3-2 Parmetros para o clculo do nmero de amostras
Parmetro Valor Descrio " Probabilidade de falha estimada, ) ! # Confiabilidade do resultado Substituindo os dados da tabela 3-2 na expresso (3-23), chega-se a um nmero
aproximado de 43000 amostras. Cabe ressaltar que o nmero de amostras a que se
referem as equaes diz respeito somente a uma varivel aleatria. O nmero de
amostras a ser considerado para o estudo da funo de falha deve ser de, pelo menos, N
vezes o nmero de variveis aleatrias (MELCHERS, 1999).
Outras formas de estimar o nmero de amostras necessrias para se ter um resultado
adequado podem ser encontradas em MELCHERS (1999).
3.8. Definio de um risco aceitvel
A definio do risco aceitvel uma tarefa bastante difcil. Por um lado a sociedade
espera que as estruturas nunca falhem, o que estatisticamente impossvel. Por outro, o
critrio para definio de um risco aceitvel pode no parecer muito cientfico.
MELCHERS (1999) apresenta duas formas de estabelecer o risco aceitvel. Uma das
formas baseada no risco considerado aceitvel de outras atividades realizadas pela
sociedade. Estas atividades podem ser separadas em duas categorias: uma referente a
riscos voluntrios e outra referente a riscos involuntrios. H maior aceitao para os
riscos voluntrios do que para os riscos involuntrios. Alm disso, a aceitao do risco
depende tambm dos danos em potencial de uma possvel falha.
A outra forma baseada em critrios socioeconmicos. Como exemplo, tem-se a anlise
do custo-benefcio, em que se procura maximizar a relao benefcio menos custo:
*+,. (3-24)
29
onde . o benefcio total e o custo total do projeto. Cabe ressaltar que a anlise do custo-benefcio est sujeita a uma qualidade mnima do projeto. Outra possvel anlise
baseada em funes de utilidade. Entretanto, a formulao dessas funes de utilidade
de grande dificuldade (MELCHERS, 1999).
3.8.1. Valores alvo
H na bibliografia algumas expresses para se chegar a um valor alvo para a
probabilidade nominal de falha da estrutura (ver MELCHERS, 1999). Ela chamada de
nominal porque no considera a influncia do fator humano (como erros) e, portanto,
no uma probabilidade real de falha da estrutura. Estas expresses, entretanto, no
costumam ser usadas na prtica, pois dependem de valores difceis de serem previstos,
como o nmero mdio de pessoas dentro ou nas proximidades da estrutura durante a sua
vida til.
O meio mais comum de se chegar a um valor alvo de probabilidade nominal de falha da
estrutura ou elemento estrutural pela estimativa da probabilidade de falha de
elementos dimensionados de acordo com as normas em vigor, desde que seja
considerado que estes elementos apresentam uma segurana adequada.
Segundo MELCHERS (1999), o ndice de confiabilidade (#), para um perodo igual vida til da estrutura, costuma ficar entre 3,0 e 3,5, para edificaes comerciais e
residenciais. O Probabilistic Model Code (JCSS, 2006) recomenda um valor de 4,2 para
um ano de referncia.
O Eurocode EN 1990 (CEN, 2001) recomenda um valor do ndice de confiabilidade de
4,7 para um ano e de 3,8 para cinquenta anos de referncia, para elementos estruturais
de edificaes residenciais e comerciais. Esses valores do ndice de confiabilidade
correspondem a uma probabilidade de falha em torno de ! e " ,
respectivamente, considerando que a funo de falha tenha uma distribuio
aproximadamente normal.
O valor do ndice de confiabilidade recomendado pelo Eurocode # !, por ser para um perodo de referncia de 50 anos (semelhante vida til das estruturas
brasileiras) e por se referir ao elemento estrutural (no estrutura como um todo), o
valor que ser utilizado nas comparaes.
30
4. CONCEITOS DE CONCRETO ARMADO
A seguir so apresentados alguns conceitos de concreto armado. Uma parte desses
conceitos ser utilizada no dimensionamento das sees submetidas flexo reta.
4.1. Propriedades dos materiais
4.1.1. Concreto
a) Resistncia caracterstica
Quando so conduzidos ensaios de compresso em corpos cilndricos de concreto,
percebe-se que a resistncia do material apresenta uma disperso. O valor que tomado
como representativo da resistncia daquele grupo de corpos de prova chamado de
valor caracterstico. A norma NBR 6118 (2007) define o valor caracterstico da
resistncia compresso do concreto como aquele que tem uma probabilidade de 5% de
no ser atingido. Considerando uma distribuio normal para a resistncia dos corpos de
prova, a resistncia caracterstica do concreto dada por
! " / (4-1)onde:
! a resistncia caracterstica dos corpos de prova " a resistncia mdia dos corpos de prova / o desvio padro da amostra.
O valor 1,65 sai da tabela de distribuio normal, como pode ser verificado no anexo A.
A mdia da amostra dada por
" (4-2)e o desvio padro dado por
/ 1 " (4-3)A figura 4-1 ilustra o conceito de valor caracterstico para a resistncia do concreto
compresso.
31
Figura 4-1 - Valor caracterstico da resistncia
importante ressaltar que o valor caracterstico no um parmetro estatstico. Isto
ocorre porque somente com a informao do valor caracterstico no possvel fazer o
caminho contrrio, ou seja, determinar a mdia o desvio padro da amostra, mesmo que
seja considerada alguma distribuio especfica. Para que isso seja feito, necessria
mais uma informao, como o desvio padro ou a mdia da amostra.
b) Diagramas de tenso-deformao
O diagrama de tenso-deformao adotado para o concreto, no estado limite ltimo,
segue as frmulas abaixo (equaes 4-4 a 4-7):
Se 2 !- (4-4) Se -3,5 2 -2,0 # (4-5) Se -2,0 2 0
# 3 4 5-
67 (4-6) Se 2 > 0 $ (4-7)
32
O diagrama ilustrado na figura 4-2:
Figura 4-2 Diagrama de clculo de tenso-deformao do concreto
A norma permite considerar, simplificadamente, um diagrama retangular com 0,85 fcd
(considerando que no h diminuio da largura da seo medida que se aproxima do
bordo comprimido) de altura 0,8, onde a profundidade da linha neutra. Este diagrama simplificado foi utilizado no dimensionamento.
c) Mdulo de elasticidade
A Norma NBR 6118 (2007) fornece frmulas para se estimar o mdulo de elasticidade
do concreto. O mdulo de elasticidade inicial (em MPa) dado por
> 5600?, (4-8)com em MPa, e o mdulo de elasticidade secante (em MPa) dado por
> 0,85 > 4760?. (4-9)Considerando um concreto de fck = 25MPa, pode-se obter
> 28000AB 28,0 10CD/F (4-10)e
> 23800AB 23,8 10CD/F. (4-11)
33
4.1.2. Ao
A seguir, so apresentadas as propriedades do ao CA-50 da armadura passiva que so
utilizadas neste trabalho.
a) Resistncia caracterstica
A tenso de escoamento caracterstica do ao definida da mesma forma que a
resistncia compresso caracterstica do concreto:
%! %" /$ (4-12)onde:
%! a tenso de escoamento caracterstica dos corpos de prova; %" a tenso de escoamento mdia dos corpos de prova; /$ o desvio padro da amostra.
O grfico da figura 4-1 tambm pode ser utilizado para ilustrar a tenso de escoamento
caracterstica do ao.
b) Mdulo de elasticidade
A norma NBR-6118 (2007) afirma que o mdulo de elasticidade do ao da armadura
passiva (CA-50) pode ser utilizado como
$ 8'.9 (4-13)c) Diagramas de tenso-deformao
A relao de tenso-deformao do ao dada pelas frmulas abaixo (4-14 a 4-16):
Se -10 2$ -2,07 $ %# (4-14) Se -2,07 2$ 2,07 $ $ 2$ (4-15) Se 2,07 2$ 10 $ %# (4-16)
34
onde $ o mdulo de elasticidade do ao. Este diagrama ilustrado na figura 4-3:
Figura 4-3 - Diagrama de clculo de tenso-deformao do ao CA-50
4.2. Mtodo dos coeficientes parciais
O mtodo dos coeficientes parciais o mtodo utilizado atualmente para verificao dos
estados limites. Ele representa um avano em relao ao mtodo utilizado anteriormente
(mtodo das tenses admissveis) por considerar coeficientes de ponderao diferentes
em funo da natureza das aes e das resistncias.
O mtodo do Estado Limite um mtodo semi-probabilstico, j que ele utiliza valores
caractersticos e coeficientes de ponderao diferenciados para levar em considerao a
incerteza nas variveis do dimensionamento. Ele possui, porm, dois grandes
problemas. O primeiro deles no levar em considerao todas as incertezas que podem
influenciar o dimensionamento.
O segundo problema que o mtodo dos estados limite no capaz, por si s, de
determinar os coeficientes de ponderao com um embasamento probabilstico. Para
isso, necessrio recorrer anlise de confiabilidade.
As normas mais modernas, como o Eurocode e o ACI, tm buscado utilizar a anlise de
confiabilidade na definio desses coeficientes. A definio desses coeficientes
chamada de Calibrao de normas de projeto (Code Calibration). Mais informao
35
sobre este assunto pode ser encontrada em LIMA e SAGRILO (2004), MELCHERS
(1999) e JCSS (2006).
4.3. Aes
De acordo com a NBR 6118 (2007), deve ser considerada a influncia de todas as aes
que possam produzir efeitos significativos na estrutura analisada. A NBR 8681 (2003)
define trs grupos de aes, de acordo com a variabilidade no tempo: aes
permanentes, aes variveis a aes excepcionais.
4.3.1. Aes permanentes
Aes permanentes so as que ocorrem com valores constantes ou com pouca
variabilidade durante a vida da construo ou as aes que crescem no tempo, tendendo
a um valor limite constante.
4.3.2. Aes variveis
A NBR 6118 (2007) define as aes variveis como aquelas decorrentes do uso da
construo, dos efeitos devidos s foras de frenao, foras de impacto, foras
centrfugas, efeitos do vento, das variaes de temperatura, do atrito nos aparelhos de
apoio e das presses hidrostticas e hidrodinmicas.
4.3.3. Aes excepcionais
De acordo com a NBR 8681 (2003), consideram-se como excepcionais as aes
decorrentes de causas tais como exploses, choques de veculos, incndios, enchentes
ou sismos excepcionais.
4.4. Combinaes de aes no estado limite ltimo
A combinao de aes tem como finalidade transformar esforos caractersticos de
naturezas distintas e, portanto, com variabilidades diferentes, em um valor de clculo
que ser utilizado no dimensionamento, chamado de esforo de clculo (ou de projeto).
Desta forma so aplicados coeficientes de majorao das cargas, da seguinte forma
# *& &! *'& '&! *( :(! ;) ()!
36
&!'&! (!()!*(! so, respectivamente, os valores caractersticos devidos s aes permanentes diretas, aes permanentes indiretas, ao varivel
direta principal, aes variveis diretas secundrias e ao varivel indireta;
*& **& *( **( so, respectivamente, os coeficientes de majorao das aes permanentes diretas, aes permanentes indiretas, aes variveis diretas e aes
variveis indiretas;
;) -;* so coeficientes de reduo que levam em considerao a menor probabilidade de todas as cargas variveis ocorrerem ao mesmo tempo com o
seu valor caracterstico;
4.5. Dimensionamento a solicitaes normais de acordo com a NBR-6118
Os elementos estruturais que sero analisados neste trabalho sero dimensionados de
acordo com a norma brasileira de concreto armado, a NBR-6118 (2007). Somente
depois, com as dimenses do elemento estrutural e com as armaduras definidas, ser
feita a anlise de confiabilidade para determinar a probabilidade de falha na seo mais
solicitada flexo.
A seguir, sero explicados alguns conceitos do dimensionamento de peas de concreto
armado.
4.5.1. Estados limites
A norma define dois tipos de estado limite:
Estado limite ltimo: relativo ao colapso ou runa de estrutural, implicando na
paralisao do uso da estrutura.
Estado limite de servio: relativo durabilidade e aparncia das estruturas,
conforto dos usurios e boa utilizao das mesmas.
4.5.2. Verificao dos estados limites ltimos
De acordo com a NBR6118, a segurana das estruturas de concreto armado deve ser
verificada para os seguintes estados limites ltimos:
a) estado limite ltimo da perda do equilbrio;
b) estado limite ltimo do esgotamento da capacidade resistente da estrutura, no
seu todo ou em parte, devido s solicitaes normais e tangenciais;
37
c) estado limite ltimo da estrutura, no seu todo ou em parte, considerando os
efeitos de segunda ordem;
d) estado limite ltimo provocado por solicitaes dinmicas;
e) estado limite ltimo de colapso progressivo;
f) outros estados limites ltimos que eventualmente possam ocorrer em casos
especiais.
Neste trabalho sero estudados somente os estados limites de solicitaes normais de
flexo reta relacionados na letra b.
4.6. Domnios de ruptura para sees sob solicitaes normais
A NBR 6118 (2007) estabelece estados limites para o dimensionamento na ruptura das
sees transversais dos elementos estruturais. A figura 4-5 apresenta os domnios de
ruptura estabelecidos na norma.
Figura 4-4 - Estados Limites da NBR6118
Qualquer reta que esteja contida dentro de um domnio configura um estado limite
ltimo.
4.6.1. Reta a
A reta a representa um estado limite de deformao plstica excessiva, em que o
elemento est submetido a alongamento uniforme. Nesta situao, as armaduras
inferiores e superiores atingem um alongamento de 10 .
38
4.6.2. Domnio 1
O domnio 1 tambm um estado limite de deformao plstica excessiva. Ele se
configura quando a armadura em um dos bordos atinge o alongamento de 10 e a
armadura no bordo oposto tem um alongamento menor que 10 e maior do que 0. No
h esforo de compresso neste domnio.
4.6.3. Domnio 2
Este domnio tambm um estado limite de deformao plstica excessiva. Ele se
configura quando a armadura em um dos bordos atinge o alongamento de 10 e o
concreto no bordo oposto tem um encurtamento entre 0 e 3,5. Neste domnio, h um
bordo comprimido e outro tracionado.
Este domnio pode ser usado no dimensionamento de lajes ou vigas submetidas flexo
simples ou de elementos estruturais submetidos flexo composta.
4.6.4. Domnio 3
O Domnio 3 um estado limite de encurtamento limite do concreto. Este domnio de
ruptura se caracteriza quando um dos bordos sofre um encurtamento de 3,5 e a
armadura disposta prxima ao outro bordo sofre um alongamento entre yd (deformao
de incio do escoamento) e 10.
Este domnio pode ser utilizado no dimensionamento de sees submetidas flexo
simples (chamadas de seo subarmada) ou flexo composta.
4.6.5. Domnio 4
Este domnio de ruptura se caracteriza quando um dos bordos sofre um encurtamento de
3,5 e a armadura disposta prxima ao outro bordo sofre um alongamento entre 0 e yd
(deformao de incio do escoamento). O estado limite se caracteriza pela ruptura do
bordo comprimido de concreto, sem o escoamento do ao trao.
Este domnio pode ser utilizado no dimensionamento de peas submetidas flexo
composta. Deve ser evitado no dimensionamento de peas submetidas flexo simples
(chamadas de seo superarmada), j que a ruptura pode ocorrer de forma brusca.
4.6.6. Domnio 4a
O domnio 4a um domnio de transio entre os domnios 4 e 5. A partir deste
domnio, todas as armaduras esto comprimidas.
39
4.6.7. Domnio 5
Neste domnio, no h esforos de trao, somente de compresso. Um dos bordos
apresenta encurtamento entre 2 e 3,5, enquanto o outro bordo apresenta
encurtamento entre 0 e 2. As configuraes tm como caracterstica o encurtamento
de 2 no ponto afastado de 3/7 h do bordo mais encurtado.
Este domnio pode ser utilizado no dimensionamento de peas submetidas compresso
no uniforme, como pilares submetidos a carga excntrica.
4.6.8. Reta b
A reta b um estado limite de ruptura com encurtamento uniforme. Esta situao limite
configurada quando os bordos inferior e superior atingem um encurtamento de 2 .
4.7. Critrio de ductilidade
Um dos recursos utilizados para evitar uma ruptura frgil garantir que a seo possa
sofrer grandes rotaes. A norma NBR 6118 (2007) sugere, ento, limites para a
posio da linha neutra de vigas e lajes:
para concretos com ! !>; para concretos com ! ( !>.
No dimensionamento, a razo ser chamada de 8. Considerando concreto com ! >, na situao limite 8+" (4-18)
Chamando a razo entre o brao de alavanca (?) e a altura til da seo de 8,, o valor na situao limite, para o mesmo !
8,+" 8+" (4-19)O parmetro 8"# dado por
8"# ># # 8 8, (4-20)e o valor mximo do
8"#+" " (4-21)
40
5. FLEXO SIMPLES
Neste captulo, ser feita a estimativa da probabilidade de falha das sees mais
solicitadas flexo simples de lajes e vigas. Essa estimativa ser feita utilizando o
mtodo de Monte Carlo, com auxlio do programa VaP. Uma descrio do programa
pode ser encontrada no Anexo C. importante ressaltar que as probabilidades de falha
estimadas referem-se somente seo mais solicitada de cada caso estudado.
A probabilidade de falha do elemento estrutural ao modo de comportamento estudado
ser sempre maior que a probabilidade de falha da seo mais solicitada. Isto ocorre
porque, mesmo que a solicitao seja menor nas outras sees transversais, existe uma
probabilidade de que a rea de concreto, a resistncia do concreto, a rea das armaduras
e a resistncia do ao, para citar algumas das variveis envolvidas, tambm possam ser
menores.
No prximo item sero explicados de forma detalhada os casos estudados. Em seguida,
ser deduzida a funo de falha para o modo de comportamento estudado e
apresentados o tipo de distribuio e os parmetros de cada varivel aleatria envolvida.
Por fim, sero apresentados os resultados e sero feitos alguns comentrios e
concluses.
5.1. Casos estudados
Neste captulo, sero estudados casos de flexo simples de lajes e vigas. Ser
considerado que os elementos estudados no tm capacidade de se adaptar
plasticamente. Na primeira parte dos exemplos, ser estudada a influncia da variao
da taxa de armadura no ndice de confiabilidade. Nesses exemplos, varia-se a taxa de
armadura da seo e os esforos solicitantes variam de acordo com a capacidade
resistente da seo; as demais variveis permanecem constantes.
Na segunda parte da flexo simples, ser estudada a influncia da variao da altura dos
elementos estruturais no ndice de confiabilidade. Neste caso, a armadura mantida
constante, os esforos variam de acordo com as dimenses da seo e os demais
parmetros so mantidos constantes. Ainda na segunda parte, para as lajes com altura
menor do que 19 cm, ser estudada a influncia no ndice de confiabilidade de se
utilizar ou no um coeficiente n, como sugerido por BUENO (2011).
41
Este coeficiente ser utilizado no dimensionamento da mesma forma que o coeficiente * da NBR 6118 (2007) para pilares