Detalhes bibliográficos
Ano de defesa: |
2020 |
Autor(a) principal: |
Orlandi, Aristides Pereira
 |
Orientador(a): |
Barbosa, Flávio de Souza
 |
Banca de defesa: |
Ainsworth Junior, George Oliveira
,
Ortola, Sophie
 |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Juiz de Fora (UFJF)
|
Programa de Pós-Graduação: |
Programa de Pós-graduação em Engenharia Civil (PEC)
|
Departamento: |
Faculdade de Engenharia
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
https://repositorio.ufjf.br/jspui/handle/ufjf/12060
|
Resumo: |
O dimensionamento de estruturas com a adoção de coeficientes de segurança normativos nem sempre é adequado para garantir a estabilidade das construções, principalmente nos casos em que ações imprevistas levam à ruptura localizada de elementos de sustentação. Como exemplos, podem-se citar os casos do World Trade Center, nos Estados Unidos, onde a colisão de aviões causou o colapso de ambas as torres, e do Edifício Ronan Point, na Inglaterra, onde uma explosão de um botijão de gás causou a ruptura de toda uma prumada do prédio. Assim, a consideração da natureza aleatória das cargas é importante para projetar uma estrutura segura. Existem diversos métodos de projeto de estruturas que consideram incertezas nos processos de cálculo e execução de construções. O presente trabalho foca especificamente o uso de técnicas probabilísticas. Os métodos probabilísticos sempre admitem uma pequena probabilidade de falha e geralmente exigem altos esforços computacionais. Nesse sentido, o desafio atual é desenvolver um método de análise estrutural puramente probabilístico com custos de processamento computacional aceitáveis. Portanto, esta dissertação é baseada em uma metodologia probabilística que propõe uma nova estratégia para avaliar a probabilidade global de falha e seu respectivo índice de robustez, considerando diferentes tipos de incertezas. A metodologia proposta começa com a construção de uma árvore de eventos, gerando cenários aleatórios através de uma simulação de Monte Carlo. Dois estudos de caso de referência são considerados, produzindo resultados promissores com tempo de processamento computacional razoável. |