Aplicação de Métodos Probabilísticos E Análise Da Decisão em Projetos de Fundações Profundas

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA CIVIL
Andry Soares Rilho
APLICAÇÃO DE MÉTODOS PROBABILÍSTICOS E ANÁLISE

DA DECISÃO EM PROJETOS DE FUNDAÇÕES PROFUNDAS
Porto Alegre
julho 2011
ANDRY SOARES RILHO

Trabalho de Diplomação a ser apresentado ao Departamento de

Engenharia Civil da Escola de Engenharia da Universidade Federal
do Rio Grande do Sul, como parte dos requisitos para obtenção do
título de Engenheiro Civil
Orientador: Fernando Schnaid
Porto Alegre
julho 2011
ANDRY SOARES RILHO

Este Trabalho de Diplomação foi julgado adequado como pré-requisito para a obtenção do
título de ENGENHEIRO CIVIL e aprovado em sua forma final pelo Professor Orientador e
pela Coordenadora da disciplina Trabalho de Diplomação Engenharia Civil II (ENG01040) da
Universidade Federal do Rio Grande do Sul.
Porto Alegre, 18 de julho de 2011
Prof. Fernando Schnaid

PhD at Oxford University - England
Orientador/a
Profa. Carin Maria Schmitt

Coordenadora
BANCA EXAMINADORA
Eng. Vítor Pereira Faro

M.Sc. pela Universidade de Coimbra - Portugal
Eng. Gracieli Diestmann

M.Sc. pela Universidade Federal do Rio Grande do Sul
Prof. Fernando Schnaid

PhD. pela Oxford University - England
Dedico este trabalho a meus pais, Edgar e Ana Helena,
que sempre me orientaram e apoiaram em todas as
escolhas.
AGRADECIMENTOS
Agradeço ao Prof. Fernando Schnaid, orientador deste trabalho, pelos ensinamentos de

Engenharia e pelas discussões e críticas no desenvolvimento do trabalho.
Agradeço ao Eng. Márcio Santos pela colaboração e ensinamentos essenciais para este
trabalho, pela recepção na USP e incentivo no estudo de estatística aplicada à Engenharia.
Agradeço a professora Carin Maria Schmitt pela ajuda e orientação extremamente competente
na organização formal deste trabalho.
Agradeço ao colega Daniel Winter pela amizade, colaboração e as madrugadas de trabalho.
Agradeço por último, mas não menos importante, à minha amiga e colega Lysiane, pessoa
maravilhosa que fez parte substancial nos últimos anos desse curso.
É preciso viver o dia-a-dia com realismo, determinação,
trabalho e ética, mas almejar um futuro melhor, tanto para
si, como para os outros.
Albert Paul Dahoui
RESUMO
RILHO, A. S. Aplicação de métodos probabilísticos e análise da decisão em projetos de

fundações profundas. 2010. 74 f. Trabalho de Diplomação (Graduação em Engenharia Civil)
– Departamento de Engenharia Civil, Universidade Federal do Rio Grande do Sul, Porto
Alegre.
Diversas áreas da Engenharia utilizam métodos probabilistas para avaliar probabilidades de

falha e confiabilidade de estruturas criadas. No entanto, na Engenharia Geotécnica,
ferramentas mais racionais para avaliar a confiabilidade e incorporar critérios de segurança
nos projetos são ainda pouco utilizadas. Diversos projetos são concebidos baseados no
empirismo e intuição do projetista, mesmo sabendo que frequentemente ocorrem situações
imprevistas que somente serão detectadas durante a execução da obra. Trabalhos recentes
trazem exemplos de que é possível realizar projetos mais racionais com uso de programas de
investigação, monitoramento e controle de qualidade garantindo a segurança adequada e até
mesmo reduzindo custos de projeto. Este trabalho apresenta as incertezas em projetos
geotécnicos e discute métodos probabilistas, Análise da Decisão, análise de risco e
consequência da ruína. Atenção é dada ao chamado Método Observacional, apresentado por
Peck, em 1969, em sua Rankine Lecture, hoje se fala mais no Interactive Design, abordagem
mais dinâmica em virtude da obtenção e processamento de dados cada vez mais acessível.
Fez-se uma discussão de um método de reavaliação da segurança de fundações profundas com
o uso de provas de carga estática utilizando estatística Bayesiana para incorporar novas
informações. Por último é apresentado um exemplo no qual utiliza-se da Análise da Decisão e
da reavaliação da segurança à luz de resultados de provas de carga mostrando a árvore de
decisão e a escolha da solução utilizando o critério de maximização do valor esperado.
Palavras-chave: métodos probabilistas; Método Observacional; Análise da Decisão

LISTA DE FIGURAS
Figura 1: representação esquemática do delineamento da pesquisa.................................. 17

Figura 2: estimação de probabilidades.............................................................................. 24
Figura 3: árvore de decisão entre duas alternativas de altura de ensecadeira................... 25
Figura 4: diferentes abordagens consideradas no Método dos Estados Limites............... 28
Figura 5: coeficiente de segurança versus segurança........................................................ 29
Figura 6: probabilidade de ruína para algumas estruturas em função das consequências
34
da ruptura............................................................................................................
Figura 7: mínimização do custo esperado......................................................................... 35
Figura 8: Método Observacional....................................................................................... 42
Figura 9: utilização de níveis de alerta numa construção por etapa.................................. 44
Figura 10: interações entre informações priorísticas e amostrais..................................... 48
Figura 11: variação da probabilidade de ruína em função do n° de provas de carga........ 54
Figura 12: variação do fator de segurança em função do número de provas de
55
carga....................................................................................................................
Figura 13: variação do fator de segurança em função de K e de β para uma PCE........... 56
Figura 14: variação do fator de segurança em função do n° de provas de carga e de K... 57
Figura 15: árvore de decisão truncada com experimentação............................................ 59
Figura 16: custo versus probabilidade de ruína................................................................. 61
LISTA DE QUADROS
Quadro 1: alternativas de projeto...................................................................................... 24

Quadro 2: comparação entre projeto pré-definido e a abordagem do Método
Observacional...................................................................................................... 40
Quadro 3: parâmetros da distribuição do fator de viés com o uso do método Aoki-
Velloso de previsão............................................................................................. 49
Quadro 4: alternativas de projetos de fundações para a laje............................................. 58
LISTA DE SÍMBOLOS
K = fator de viés (Pobs/Pprev)
R = logaritmo na base 10 do fator de viés
r = particular valor da variável R
k = particular realização da variável K
f’(Ѳ) = densidade anterior do parâmetro Ѳ
f’’(Ѳ) = densidade posterior do parámetro Ѳ
N = constante de normalização
L(Ѳ|z) = função de verossimilhança
z = vetor resultado da amostragem
v = graus de liberdade
υ = parâmetro da função gama
h = coordenada cartesiana (m)
n = distância adimensional da parede
µ = valor médio de r
mR = média amostral de r
sR2 = variância amostral de r
H = parâmetro da distribuição t-Student
ro = valor extremo negativo de r
β = índice de confiabilidade
FS = fator de segurança
Padm = carga admissível
Pprev = carga prevista
Pobs = carga observada em ensaio.
CPCE = custo de prova de carga estática
nPCE = número de provas de carga estática
SPT = Standar Penetration Test – Ensaio de Penetração Simples

SUMÁRIO
1 INTRODUÇÃO ........................................................................................................... 13
2 MÉTODO DE PESQUISA ......................................................................................... 15
2.1 QUESTÃO DE PESQUISA ....................................................................................... 15
2.2 OBJETIVOS DO TRABALHO ................................................................................. 15
2.2.1 Objetivo principal.................................................................................................. 15
2.2.2 Objetivo secundário............................................................................................... 15
2.3 PRESSUPOSTOS ...................................................................................................... 16
2.4 LIMITAÇÕES ............................................................................................................ 16
2.5 DELINEAMENTO .................................................................................................... 16
3 INCERTEZAS EM UM PROJETO GEOTÉCNICO.............................................. 18
3.1 INCERTEZA INTRÍNSECA ..................................................................................... 19
3.2 INCERTEZA DE PARÂMETRO .............................................................................. 19
3.3 INCERTEZA DE MODELO ..................................................................................... 20
3.4 ERROS HUMANOS ................................................................................................. 21
4 MÉTODOS PROBABILISTAS E ANÁLISE DA DECISÃO................................. 22
4.1 ANÁLISE DA DECISÃO.......................................................................................... 22
4.1.1 CONCEITUAÇÃO................................................................................................. 22
4.1.2 EXEMPLO DE ANÁLISE DA DECISÃO.......................................................... 23
4.1.3 ABORDAGEM BAYESIANA.............................................................................. 25
4.2 MÉTODOS PROBABILISTAS NA INTRODUÇÃO DA SEGURANÇA EM
PROJETO DE ENGENHARIA.................................................................................... 27
5 CONSEQUÊNCIA DA RUÍNA E ANÁLISE DE RISCO EM PROJETOS
GEOTÉCNICOS........................................................................................................ 32
5.1 PROBABILIDADE DE RUÍNA PRESCRITA.......................................................... 33
5.2 MAXIMIZAÇÃO DA UTILIDADE ESPERADA..................................................... 34
6 SOBRE O MÉTODO OBSERVACIONAL OU INTERACTIVE DESIGN............ 36
6.1 O MÉTODO OBSERVACIONAL............................................................................. 37
6.2 COMPARAÇÃO ENTRE O PROJETO TRADICIONAL E O PROJETO
INTERATIVO.............................................................................................................. 39
6.3 IMPLEMENTAÇÃO DO MÉTODO NA GEOTECNIA........................................... 41
6.4 VALORES GATILHO................................................................................................ 43
7 REAVALIAÇÃO DA SEGURANÇA DE FUNDAÇÕES........................................ 45
7.1 DISTRIBUIÇÃO A PRIORI....................................................................................... 46
7.2 OBTENÇÃO DA DISTRIBUIÇÃO POSTERIOR.................................................... 47
7.3 ANÁLISE DA SEGURANÇA COM EXPERIMENTAÇÃO.................................... 53
8 EXEMPLO DE APLICAÇÃO.................................................................................... 58
9 CONSIDERAÇÕES FINAIS...................................................................................... 62
REFERÊNCIAS ............................................................................................................... 64
APÊNDICE A................................................................................................................... 66
13
1 INTRODUÇÃO
Todos os projetos de Engenharia possuem risco associado. Seja o risco de não atender a um
requisito pré-estabelecido como conforto, durabilidade ou, até mesmo, o risco de colapso.
Este que causa maior assombro e deve ser controlado, pois frequentemente o colapso de uma
obra tira muitas vidas.
O risco na Engenharia é perfeitamente compreendido entre os profissionais da área,

principalmente os projetistas. No entanto são raras as vezes em que os riscos são mensurados
a fim de poder tomar uma decisão embasada em análises probabilistas. Estas análises que
mensuram riscos e incertezas são mais aceitas em contratações de seguros e pode auxiliar na
tomada de decisão do projetista de forma a otimizar um projeto.
Em projetos geotécnicos há uma enorme quantidade de incertezas. Há incerteza na

investigação do substrato, no projeto de fundações, estruturas de contenções ou taludes, e
também na execução da obra. O presente trabalho dará mais enfoque aos projetos de
fundações, principalmente em fundações profundas, pois estão presentes na grande maioria
das obras de Engenharia Civil e raros são os projetos acompanhados de controle para verificar
o desempenho real das fundações.
A maior parte dos problemas de fundações é causado por investigação inadequada ou até
mesmo a ausência da mesma (MILITITSKY et al., 2005, p. 27). No Brasil é exigido por
norma apenas o ensaio de simples reconhecimento (SPT), o que para alguns casos pode ser
suficiente porém em outros não atende as necessidades do projeto, como no caso da
ocorrência de estratos de solos moles compressíveis no local indicado para a obra. Existem
incertezas na própria execução do ensaio, na representatividade de um furo, na precisão de
medidas, nas correlações entre medidas e parâmetros geotécnicos, entre outros.
Em projetos de fundações com estacas, a prática brasileira é baseada proponderantemente em

dois métodos de estimativa de capacidade de carga, quais sejam: o de Aoki-Velloso e o de
Decòurt-Quaresma. Ambos os métodos utilizam o ensaio SPT fazendo uma correlação
empírico-estatística com resultados de provas de carga estática levadas até a ruptura. Neste
caso as incertezas são decorrentes da própria regressão estatística do banco de dados utilizado,
__________________________________________________________________________________________
Aplicação de Métodos Probabilísticos e Análise da Decisão em Projetos Geotécnicos
14
da abrangência de possibilidades exploradas, das solicitações e da dificuldade de atribuir um

critério de ruptura do sistema solo/estaca.
A qualidade da execução das fundações muitas vezes só é questionada quando um defeito

executivo aflora. Muitas vezes estacas moldadas in loco sofrem contaminação de solo na sua
execução, vazios de concretagem ou estrangulamentos. Estacas pré-moldadas podem vir a
quebrar devido à energia excessiva de cravação ou estão sujeitas a haver levantamento de um
segmento na emenda. Todos estes problemas são de difícil detecção e podem comprometer
completamente uma obra.
Como o controle de qualidade envolve um custo para aumentar a confiabilidade de uma obra,
este controle pode ser simplesmente substituído por um aumento do fator de segurança, que
também onera o projeto. O presente trabalho objetiva levantar as principais incertezas tanto na
investigação, projeto e execução de obras geotécnicas e analisar a relação entre custo e
segurança, com ou sem controle, de forma a garantir ao projeto uma confiabilidade desejada.
Também procura-se discutir um pouco sobre risco de engenharia, no âmbito do controle de
qualidade e instrumentação de projetos geotécnicos.
O presente trabalho foi dividido em nove capítulos e um apêndice. No capítulo 1 faz-se uma
apresentação do trabalho introduzindo o assunto e a motivação da pesquisa. No capítulo 2
apresenta-se o método de pesquisa com questão e objetivo do trabalho, pressupostos,
limitações e o delineamento da pesquisa. O capítulo 3 discorre sobre as incertezas na
Engenharia. O capítulo 4 apresenta a Análise da Decisão e o uso de Métodos Probabilistas na
Engenharia. O capítulo 5 discorre sobre a questão do risco na Engenharia e das consequências
da ruína em obras civis. No capítulo 6 é apresentado o Método Observacional na Engenharia
Geotécnica e discutido a implementação deste em projetos. No capítulo 7 é apresentado um
método para reavaliação da segurança de fundações a luz de novas informações vindas de
resultados de provas de carga, e também é feita uma análise acerca da variação do fator de
segurança com o resultado das provas de carga. No capítulo 8 é feito um exemplo simples e
hipotético para aplicar a Análise da Decisão a fim de encontrar a melhor decisão de projeto
com experimentação. No capítulo 9 são feitas as considerações finais e sugestões para
pesquisas futuras.
__________________________________________________________________________________________
Andry Soares Rilho. Porto Alegre: DECIV/EE/UFRGS, 2011
15
2 MÉTODO DE PESQUISA
Este capítulo apresenta o método de pesquisa, especificando questão de pesquisa, objetivos do

trabalho, pressuposto, delimitações e delineamento.
2.1 QUESTÃO DE PESQUISA
A questão de pesquisa é: como decidir a quantidade de provas de carga a executar e como

utilizar os resultados para reavaliar a segurança de um projeto de fundações profundas a fim
de encontrar soluções mais econômicas?
2.2 OBJETIVOS DO TRABALHO
Os objetivos do trabalho estão classificados em principal e secundários e são apresentados nos

próximos itens.
2.2.1 Objetivo principal
O objetivo principal deste trabalho consiste na apresentação de Métodos Probabilistas e

demonstração de uso da Análise da Decisão com o intuito de conceber, executar e reavaliar
um projeto de fundações profundas de forma interativa a partir de resultados de provas de
carga estática.
2.2.2 Objetivos secundários
Os objetivos secundários deste trabalho são:
a) análise de parâmetros de risco e segurança em projetos de Engenharia;

b) levantamento de ferramentas de gerenciamento da segurança disponíveis e
aplicáveis na Engenharia Geotécnica.
__________________________________________________________________________________________
16
2.3 PRESSUPOSTO
O trabalho tem por pressuposto que os parâmetros estimados a partir de ensaios geotécnicos,
indepentente do tipo de ensaio, não apresentarão variabilidade para fins de cálculo. Também
se pressupõe que o método para atualização Bayesiana para estacas com resultados de provas
de carga proposto por Baecher e Rackwitz (1982) é válido.
2.4 LIMITAÇÕES
O trabalho limita-se a exemplificar hipoteticamente o uso de ferramentas estatísticas e Análise

da Decisão em projetos de fundações profundas.
2.5 DELINEAMENTO
O trabalho será realizado através das etapas apresentadas a seguir que estão representadas na
figura 1:
a) pesquisa bibliográfica;
b) estudo dos Métodos Probabilistas e Análise da Decisão;
c) levantamento de casos na Engenharia nos quais possam ser utilizados os
conceitos apresentados;
d) aplicação dos conceitos em exemplos;
e) considerações finais.
A etapa pesquisa bibliográfica foi realizada a partir de leitura de livros, artigos e dissertações
a respeito do tema segurança em projetos geotécnicos. Procurou-se também pesquisar a
respeito de conceitos de probabilidade e estatística na Engenharia e Análise da Decisão.
A etapa estudo dos Métodos Probabilistas consistiu em conhecer os métodos analíticos e

simulações numéricas utilizados para avaliar segurança. Também procurou-se estudar a
inferência estatística para reavaliação de projetos de fundações frente a novas realidades. O
estudo sobre Análise da Decisão tratou de conhecer as ferramentas de auxilio à estruturação
de problemas e tomada de decisão na Engenharia.
__________________________________________________________________________________________
17
Figura 1: representação esquemática do delineamento da pesquisa
A etapa levantamento de casos na Engenharia nos quais possam ser utilizados os

conceitos apresentados visou levantar situações de projetos reais nos quais os conceitos e
procedimentos estudados possam ser úteis.
A etapa aplicação dos conceitos em exemplos e estudos de casos foi feita de modo a ilustrar
o uso de procedimentos em uma obra hipotética, levantadas na etapa anterior. Os resultados
dos ensaios também foram hipotéticos e serviram para mostrar a influência na tomada de
decisão de acordo com a sensibilidade do parâmetro analisado no ensaio.
A etapa considerações finais apresenta uma discussão a respeito da utilidade destas

ferramentas, exequibilidade do uso e suas limitações. Apresentou-se também sugestões para
pesquisas futuras.
__________________________________________________________________________________________
18
3 INCERTEZAS EM UM PROJETO GEOTÉCNICO
Em se tratando de problemas do mundo real, incertezas são inevitáveis. É importante que os

engenheiros reconheçam a presença da maioria das fontes de incertezas em projetos de
Engenharia (ANG; TANG, 2007, p. 1).
Como a Engenharia Geotécnica usa principalmete o solo como material de construção, acaba-
se por conviver com as incertezas de se trabalhar com um material em que a natureza define
as propriedades. Na grande maioria dos projetos, o ser humano adequa a construção e
dimensiona uma obra de acordo com as características levantadas do substrato do local. Em
virtude do substrato ser moldado pela natureza, para se conhecer suas características, faz-se
uma investigação, que procura conhecer as características desse material, o qual varia no
tempo e no espaço.
A formação dos solos acontece por fenômenos geológicos naturais os quais podem originar
substratos extremamente heterogêneos. Segundo Ang e Tang (2007, p. 23), propriedades do
solo são inerentemente heterogêneas e altamente variáveis, sendo depósitos de solo naturais
caracterizados por camadas irregulares de vários materiais (argila, silte, areia, pedregulho ou
combinações destes) com larga faixa de densidades, proporções da mistura e outras
propriedades do solo que afetam a resistência e compressibilidade dos depósitos.
Nessa linha de pensamento pode-se perceber o grande número de incertezas que desafiam um
projeto de Engenharia Geotécnica. A natureza dessas incertezas é normalmente classificada
em três tipos (HACHICH, 1998a, p. 200):
a) intrínseca: é a incerteza natural ou fundamental, proveniente da própria

aleatoriedade dos fenômenos naturais (ventos máximos anuais, padrões geológicos
de deposição ou de intemperismo etc.);
b) de parâmetros: é a incerteza na estimativa dos parâmetros dos modelos adotados

(por exemplo, resistência média do solo de fundação), proveniente da falta ou
insuficiência de dados ou informações; pode ser reduzida a custa de amostragens
maiores;
c) de modelo: é a incerteza quanto ao modelo adotado para descrever o fenômeno;

cabe aqui ressaltar que há dois tipos de modelos em jogo e que há incertezas em
ambos:
__________________________________________________________________________________________
19
• o modelo físico de comportamento, por exemplo, os mecanismos de

desenvolvimento de empuxos em paredes de escavações. Modelos
constitutivos para representação do comportamento de solos;
• os modelos probabilísticos (normal, log-normal, exponencial, binomial,

Poisson etc.) utilizados para descrever as variáveis aleatórias do modelo
físico (por exemplo, a distribuição de resistência do solo de fundação).
Os itens a seguir apresentam os principais tipos de incertezas na Engenharia.
3.1 INCERTEZA INTRÍNSECA
A incerteza intrínseca também é chamada de natural ou fundamental. Ela exprime o caráter

aleatório da natureza dos fenômenos (SANTOS, 2008, p. 6). Esta incerteza fundamental está
presente em todos os fenômenos físicos, visto que nunca se tem completa certeza sobre uma
medida física ou sobre um fenômeno físico.
3.2 INCERTEZA DE PARÂMETROS
A incerteza de parâmetros é também conhecida como incerteza estatística. Ela exprime a falta
de acurácia nas medidas dos parâmetros para o projeto. Um programa mais extensivo de
investigação pode reduzir esta incerteza.
Santos (2008, p. 12) comenta que, num primeiro momento, considerava-se suficiente para a
caracterização de um parâmetro apenas as medidas da tendência central da amostra coletada,
em vista que muitos fenômenos tem seu comportamento afetado por médias. Posteriormente,
com a introdução da segurança por métodos probabilistas, são necessárias também as medidas
de dispersão dos valores das amostras.
Costa (2005, p. 37-38) apresenta a incerteza de parâmetros dividida em dispersão dos dados e
erros sistemáticos. A dispersão dos dados é a variação das medidas em torno da tendência
central, composta pela variação espacial inerente e os erros aleatórios nos ensaios. O erro
sistemático é a diferença entre essa tendência média observada e o valor real, que seria a
incerteza na localização dessa média por si só.
__________________________________________________________________________________________
20
3.3 INCERTEZA DE MODELO
A incerteza de modelo pode ser compreendida como “[...] a lacuna entre a teoria adotada
pelos modelos de previsão e a realidade.” (COSTA, 2005, p. 45). Devido a complexidade da
natureza, na Engenharia, o engenheiro conta com modelos idealizados do mundo real em suas
análises e previsões para tomar decisões ou para planejar e desenvolver critérios para um
projeto (ANG; TANG, 2007, p. 17). Um exemplo de modelo físico é a ruptura circular de um
talude pelo método de equilíbrio limite (de momentos e ou forças atuantes). Assim a previsão
de ruptura está condicionada a este modelo de cálculo, que pode, em determinados casos, não
ser representativa da realidade em campo. Pode-se usar a distribuição Normal, por exemplo,
para modelar o comportamento da variação do ângulo de atrito interno de um solo. Da mesma
forma qualquer cálculo probabilístico que se faça estará condicionado ao uso da distribuição
Normal a este parâmetro. Segundo Santos (2008, p. 8), ”A incerteza de modelo fica mais
evidente quando consideramos a realidade inexorável de que cada obra é um protótipo único
e, assim sendo, um determinado modelo só pode fornecer, quando muito, um resultado
próximo daquele verdadeiramente observado na estrutura real.”.
Modelos físicos podem fazer simplificações da realidade, para fins de cálculo, mantendo a
coerência dimensional. Porém alguns problemas de Engenharia são ainda melhor resolvidos
com abordagem empírica como no caso do dimensionamento de fundações profundas
(CINTRA; AOKI1, 1999 apud SANTOS, 2008, p. 9):
Na prática do projeto de fundações em estacas há intensa utilização de modelos

semi-empíricos (como por exemplo os métodos de Aoki-Veloso e Dècourt-
Quaresma), em detrimento dos modelos teóricos, os quais, inclusive, muitas vezes
são tidos como não confiáveis.
Santos (2008, p. 8) complementa que “Inobstante à adoção de modelos que melhor tentem
representar a realidade, os resultados obtidos da simulação raramente se coadunam com
aqueles observados para capacidade de carga de estacas.”.
1
CINTRA, J. C.; AOKI, N. Carga admissível em fundações profundas. São Paulo: EESC-USP, 1999.
__________________________________________________________________________________________
21
3.4 ERROS HUMANOS
Segundo Santos (2008, p. 13-14), os erros humanos ainda não são bem compreendidos e a
melhor forma de minimizar esses erros é a checagem de projetos por entidades independentes
e um bom controle de qualidade. Costa (2005, p. 46) afirma que estes erros “[...] são
aleatórios e imprevisíveis.”, e cita como exemplo “[...] a falta de cuidado, ignorância de
normas e padrões, informações enganosas, [...] relações contratuais inapropriadas e falta de
comunicação entre as partes envolvidas no projeto.”.
Santos (2008, p. 14) também comenta que alguns autores apresentam cálculos de
probabilidade de ocorrência de um erro após um certo tempo de checagem por um
profissional, porém não consideram a competência do examinador. Erros de execução em
projetos tendem a ser diminuídos e/ou detectados com um programa eficaz de controle de
qualidade. Entenda-se por programa eficaz de controle de qualidade um programa com
profissionais competentes, que prezem pela qualidade do projeto e da execução usando de
boas práticas de Engenharia, e não apenas um trabalho burocrático.
__________________________________________________________________________________________
22
4 MÉTODOS PROBABILISTAS E ANÁLISE DA DECISÃO
Projetos de Engenharia Geotécnica atuais são moldados por prescrições de normas que não
utilizam ferramentas racionais que incorporam a segurança, no entanto “[...] diante do caráter
incerto dos parâmetros e dos modelos físicos que descrevem o comportamento das obras de
geotecnia, os modelos probabilísticos estão no cerne da questão da segurança e, certamente,
estão no futuro da maioria das normas.” (HACHICH, 1998a, p. 201).
Nos itens a seguir serão tratados a Análise de Decisão e os Métodos Probabilistas aplicados
em projetos de Engenharia.
4.1 ANÁLISE DA DECISÃO
Neste item serão apresentados uma conceituação breve da Análise da Decisão, um exemplo
para ilustrar este conceito e será comentado sobre a abordagem Bayesina na reavaliação de
projetos.
4.1.1 Conceituação
Na prática de Engenharia, assim como em outras atividades humanas, é necessário tomar

decisões analisando instintivamente os custos e consequência de cada decisão. Um exemplo
clássico de Análise da Decisão acontece rotineiramente quando decide-se carregar ou não um
guarda-chuva ao sair de casa. Avalia-se a probabilidade de vir a chover, ou continuar
chovendo dispondo ou não de informações da meteorologia. Simultaneamente, e de forma
implicita, calculam-se os custos do incômodo de carregar o guarda-chuva durante o dia inteiro
e os custos de vir a se molhar com a chuva. Então decide-se pela alternativa que minimiza o
custo esperado. Segundo Bekman e Costa Neto (1980, p. 1), a Análise da Decisão não tenta
explicar porque as pessoas tomam tal decisão, e sim, ajuda a estruturar o problema de forma a
poder analisar todas as possibilidades, consequências e probabilidades, para enfim tomar uma
decisão segundo algum critério estabelecido.
__________________________________________________________________________________________
23
Para que um problema de decisão possa ser formulado são necessárias as seguintes
informações (BEKMAN; COSTA NETO, 1980, p. 1-2):
a) a relação de todas as opções possíveis, seja como referência aos possíveis cursos
de ação, seja a respeito da coleta ou aquisição de novas informações.
b) a lista de todos os eventos que podem ocorrer como resultado das possíveis
decisões.
c) a cronologia em que as informações chegam ao conhecimento do decisor e em

que as decisões devem ser tomadas.
d) a quantificação das preferências do decisor em relação às consequências que

podem resultar dos possíveis cursos de ação.
e) um julgamento probabilístico a respeito da ocorrência dos possíveis eventos.
Algumas dessas informações são objetivas, como a lista dos eventos ou a cronologia, e
algumas são subjetivas tais como a quantificação das consequências ou o julgamento
probabilístico. Esses juízos probabilistas são condicionados à experiência do decisor que
escolhe os dados a serem analisados e o modelo a ser utilizado (HACHICH, 1998b, item
3.3.1). A experiência do engenheiro sempre irá influenciar na decisão, pois “Soluções de
Engenharia resultam sempre de uma simbiose entre racionalismo e empirismo.” (HACHICH,
1998a, p. 200).
Uma forma muito interessante de representar as opções de decisão é por meio de uma árvore
de decisão. Esta representa esquematicamente a distribuição de probabilidades dos possíveis
estados da natureza. O exemplo abaixo demonstra como funciona a ferramenta em questão.
4.1.2 Exemplo de Análise da Decisão
Uma ensecadeira deve ser construída para a proteção do canteiro de obras. O engenheiro deve
escolher entre duas alternativas utilizando como critério a minimização do custo esperado. A
média de vazões da série histórica é de 886,5 m³/s e o desvio padrão da série é 440,9 m³/s. O
custo de três semanas de atraso devido a inundação do canteiro é de R$ 30.000,00. O quadro 1
apresenta as duas alternativas de projeto. (Exercício 1.9 de BENJAMIN; CORNELL, 1970
resolvido por HACHICH, 1999, slides 15-26).
__________________________________________________________________________________________
24
Altura da ensecadeira (m) Vazão suportada (m³/s) Custo (R$)
3 200 15.600
4,5 550 18.600

Quadro 1: alternativas de projeto (HACHICH, 1999, slide 16)
A frequência acumulada das chuvas é visto na figura 2 assim como as probabilidades para
cada alternativa. Observa-se que a probabilidade estimada para a vazão de 200 m³/s não seja
superada é de 4,5% e a de 550 m³/s é de 27,3%. As probabilidades de que essas vazões sejam
superadas será o complementar destes valores, ou seja. 95,5% e 72,7% respectivamente.
Figura 2: estimação de probabilidades (HACHICH, 1999, slide 21)
A árvore de decisão é apresentada na figura 3 mostrando que, pelo critério de menor custo
esperado, a melhor decisão é a alternativa da ensecadeira de 4,5 metros.
__________________________________________________________________________________________
25
Figura 3: árvore de decisão entre duas alternativas de altura de ensecadeira

(adaptado de HACHICH, 1999, slide 17)
O custo esperado é obtido pela soma dos produtos entre o custo e a probabilidade de cada
alternativa. Neste exemplo pode-se compreender a importância dos juízos de probabilidades
que são feitos para cada evento. Embora neste caso se tenha uma série amostral, muitos
eventos importantes na Engenharia (como a probabilidade de ruína) são raros e pode-se
apenas fazer juízos subjetivos de acordo com a experiência do decisor. E contudo, no decorrer
do projeto, essa proposição inicial pode ser revista.
4.1.3 Abordagem Bayesiana
Na Engenharia Geotécnica é comum deparar-se com novas realidades a medida que o projeto
avança, então é necessário uma ferramenta adequada para inserir essa nova realidade na
Análise da Decisão e o quanto é conveniente pagar para se obter essa informação. Bekman e
Costa Neto (1980, p. 2-3) explicam:
Mais provavelmente, ser-nos-á possível reduzir a incerteza sobre determinada

realidade por um procedimento de experimentação ou amostragem. A regra de
Bayes nos permitirá atualizar as probabilidades associadas a essa realidade dado o
resultado da amostragem e, dessa forma, poderemos determinar o valor do
experimento, ou seja, o valor limite que nos conviria pagar para obter a informação
decorrente.
__________________________________________________________________________________________
26
A Abordagem Bayesiana é um método de inferência estatística na qual algum tipo de

evidência ou observação é usada para calcular a probabilidade de uma hipótese ser verdadeira
ou atualizar as probabilidades calculadas anteriormente, de acordo com a compatibilidade da
evidência observada com a hipótese (função de verossimilhança). Hachich (1998b, item 3.3.1)
afirma que, “Sendo formalmente uma decorrência natural da definição de probabilidades
condicionais, a aplicação do teorema de Bayes convida à consideração do caráter condicional
das probabilidades.”. Este autor ainda comenta que o Teorema de Bayes se apresenta como
um processador de informações, um incorporador de experiência. Para Ang e Tang (2007, p.
64), o Teorema de Bayes fornece uma ferramenta valorosa e útil para revisar ou melhorar uma
probabilidade calculada quando um dado ou informação adicional passa a ser disponível. De
acordo com Hachich (1998a, p. 205), “A grande vantagem da Estatística Bayesiana é o
abandono do conceito frequencialista de probabilidade em favor do conceito de grau de
convicção racional.”.
Pelo Teorema de Bayes, tem-se:
![!|!]
! !! =! !. (fórmula 1)
![!]
Onde:
P[A|B] – (lê-se probabilidade de A dado B) – é a probabilidade de que ocorra o evento A

condicionado à informação de que ocorreu o evento B;
P[A] – é a probabilidade de que ocorra o evento A;
P[B|A] – (lê-se probabilidade de B dado A) – é a probabilidade de que ocorra o evento B

condicionado à informação de que ocorreu o evento A;
P[B] – é a probabilidade de que ocorra o evento B.
Essa ferramenta permite considerar o grau de convicção inicial e ainda pode-se inferir as
informações. Além disso, ela se mostra muito útil para problemas de Engenharia e
essencialmente necessário para se desenvolver projetos interativos, os quais são previamente
__________________________________________________________________________________________
27
concebidos para incorporar informações ao longo do projeto, como será visto no próximo
capítulo. Santos (2008, p. 3) ainda afirma:
[...] fica evidenciada a vantagem da utilização da Estatística Bayesiana na avaliação

da segurança de obras geotécnicas, dada a possibilidade de se considerar o grau de
convicção prévio acerca do parâmetro a ser estimado, informação essa aglutinada
pela distribuição a priori do parâmetro, de caráter subjetivo.
Hachich (1998b, item 3.3.2) indica que “Uma frase de Victor de Mello2 (1977), em sua
magistral Rankine Lecture [...], reforçou essas convicções que se vinham formando na minha
mente: ‘we are, we cannot help but be Bayesians in all our root culture’.”.
4.2 MÉTODOS PROBABILISTAS NA INTRODUÇÃO DA SEGURANÇA

EM PROJETO DE ENGENHARIA
Santos (2008, p. 21) apresenta que, inicialmente, era usado apenas a intuição para considerar a
segurança em obras civis. Com o passar do tempo foi incorporando-se a experiência e a
segurança, empiricamente, baseando-se em obras similares. Só a partir da década de 50 do
século passado é que a Engenharia Geotécnica incorporou os conceitos de probabilidade e
estatística já presente em outras áreas da tecnolgia para desenvolver métodos mais racionais
de introdução da segurança. Hachich (1998a, p. 197) defende que modelos probabilísticos são
essenciais para a introdução da segurança de maneira racional:
Não há como evoluir no estabelecimento de critérios de projetos relacionados à

segurança – sejam eles em termos de coeficientes de segurança globais, parciais,
coeficientes de ponderação, índices de segurança ou probabilidades de ruína – senão
através de modelos probabilísticos, pois variabilidade e incerteza constituem o
fulcro da questão da segurança.
Atualmente existem diversos critérios para a incorporação de segurança, que podem ser
dividos em dois grandes grupos: os deterministas e os probabilistas. Estes critérios são
apresentados por Hachich (1998b) e organizados em forma de diagrama por Santos (2008, p.
23) na figura 4.
2
MELLO, V. F. B. Reflections on design decisions of practical significance to embankment dams.
Géotechnique, London, v. 27, n. 3, p. 279-355, Sept. 1977.
__________________________________________________________________________________________
28
Figura 4: diferentes abordagens consideradas no Método dos Estados Limites

(SANTOS, 2008, p. 23)
Segundo Santos (2008, p. 29), “Os Fatores de Segurança Globais não possuem uma relação
biunívoca com a segurança propriamente dita, pois fatores de segurança iguais podem resultar
em seguranças (medidas pelas probabilidades de ruína) distintas.”. A figura 5 apresenta a
função densidade de probabilidade de duas estruturas hipotéticas que demonstram a falha
conceitual nos coeficientes de segurança. Atenta-se para o fato de que a probabilidade de
ruína de cada estrutura é igual à área abaixo da curva PDF (função densidade de
probabilidade) com coeficiente de segurança menor do que a unidade.
Na evolução da incorporação de critérios de segurança em projetos de Engenharia surgem os

métodos semi-probabilísticos, como comenta Hachich (1998b, item 3.1.3):
O trabalho de Brinch Hansen (1956) foi talvez o primeiro, na Engenharia

Geotécnica, que propôs que a segurança não fosse expressa por um coeficiente de
segurança global, mas que estivesse distribuída entre os fatores intervenientes no
projeto, de acordo com a sua incerteza e outros critérios [...]
__________________________________________________________________________________________
29
Figura 5: coeficiente de segurança versus segurança (LACASSE; GOULOIS3, 1989

adaptado por SANTOS, 2008, p. 29)
Ao propor que se use fatores de segurança parciais, vários autores tentam fazer que se valha o
esforço em reduzir as incertezas. Se determinado parâmetro é obtido de uma maneira mais
confiável e, provavelmente, com um maior custo, não há nada mais racional que querer usar
um coeficiente de segurança menor e assim poder economizar no dimensionamento. Ainda
assim, não se considera as particularidades de cada obra como comenta Santos (2008, p. 30):
A despeito do reconhecido avanço que o método semi-probabilístico tenha

representado, o referido método, tal como preconizado na maioria das normas
técnicas, também padece do mesmo mal: os fatores de segurança parciais não levam
em conta a variabilidade das garndezas em uma obra em particular.
Os métodos probabilistas visam corrigir a falta de unicidade entre coeficiente de segurança e

segurança propriamente dita, que existe nos métodos deterministas e semi-probabilistas
(SANTOS, 2008, p. 31). Este autor sugere que se use a medida conhecida como
probabilidade de ruína, esta também referida por outros autores como a mais adequada para
se referir à segurança de uma obra. Hachich4 (1978 apud SANTOS, 2008, p. 31) afirma que a
3
LACASSE, S.; GOULOIS, A. Reliability analysis of axial pile capacity. IN: INTERNATIONAL
CONFERENCE ON SOIL MECHANICS AND FOUNDATION ENGINEERING, 12., Rio de Janeiro, 1989.
Proceedings... Rotterdam: A. A. Balkema, 1989.
4
HACHICH, W. Sobre a segurança nos projetos de Geotecnia. 1978. 94 f. Dissertação (Mestrado em
Engenharia de Estruturas) – Departamento de Engenharia de Estruturas e Fundações, Escola Politécnica,
Universidade de São Paulo, São Paulo.
__________________________________________________________________________________________
30
qualquer estrutura está associada uma probabilidade de ruína positiva e diante dessa realidade
o mais racional seria incorporar essa probabilidade de ruína nas atividades de concepção do
engenheiro.
Todavia, o termo probabilidade de ruína, ou probabilidade de ruptura, pode soar mal para os
clientes, principalmente os não profissionais da área. É preferível uma medida que indique a
saúde do projeto a outra que lembre que a obra possa ter um fim catastrófico (COSTA, 2005,
p. 76).
Outra forma de efetuar análises de confiabilidade é pela avaliação da segurança do projeto

geotécnico através do índice de confiabilidade (β), por vezes também chamado de índice de
confiança (COSTA, 2005, p. 84). Este índice representa a quantidade de desvios em que o
evento ruína se afasta da média.
Os métodos probabilistas podem ser divididos em: Método Probabilista Puro (MPP) e Método
Probabilista Condicionado (MPC). Os Métodos Probabilistas Condicionados levam esse nome
devido as probabilidades utilizadas e resultantes serem condicionadas a algum modelo de
cálculo, como por exemplo, a probabilidade de ruptura de um talude dado ruptura circular
bidimensional, ou probabilidade de ruptura de uma estaca dado critério de ruptura Van Der
Veen e medida de comportamento por métodos dinâmicos. Assim essas probabilidades
encontradas estão condicionadas aos modelos utilizados e de acordo com a teoria conhecida.
No Método Probabilista Puro consideram-se todas as condicionantes e suas probabilidades

para então conhecer a probabilidade de ruína absoluta. No entanto, Santos (2008, p. 32)
afirma que “A consideração dos diversos modos de ruptura através de distribuições
probabilistas introduz tamanha complexidade à análise que conduz o MPP à condição de um
modelo estritamente teórico.”.
O maior problema da aplicação dos modelos probabilistas à Engenharia Geotécnica ou, em

termos mais gerais, à segurança das obras civis, reside na impossibilidade de comprovação
experimental da sua validade (HACHICH, 1998b, item 5.1). Também segundo este autor,
devido ao caráter único das situações analisadas não há como comprovar experimentalmente
se o uso de um modelo é superior a outro apenas ad argumentandi. Hachich (1998b, item 5.1)
segue afirmando:
__________________________________________________________________________________________
31
Não tenhamos ilusões , portanto: a superioridade dos modelos probabilistas somente

poderá ser reinvidicada com base no racionalismo e não em evidências
experimentais. É por essa razão que insisto [...] que a escolha de um modelo
probabilista deve basear-se antes de mais nada em considerações ligadas à física do
fenômeno em estudo, à própria gênese da grandeza a ser representada por uma
variável aleatória.
Existem diversos livros de Engenharia e de Estatística que tratam das ferramentas

matemáticas necessárias para se utilizar os métodos probabilistas e semi-probabilistas. Não
será abordado neste trabalho a apresentação deste ferramental.
__________________________________________________________________________________________
32
5 CONSEQUÊNCIA DA RUÍNA E ANÁLISE DE RISCO EM PROJETOS

GEOTÉCNICOS
É importante que desde já se defina o conceito de risco para a Engenharia. O risco pode ser
definido como a medida da probabilidade e severidade de um efeito adverso para a saúde,
propriedade ou meio ambiente, medido em unidades monetárias, vidas humanas ou impacto
ambiental (CRUDEN; FELL5, 1997 apud COSTA, 2005, p. 72). O risco (R) pode ser
expresso como:
!= (!! ×!! ) (fórmula 2)
Onde:
Pi = probabilidade de ocorrência do evento aleatório Ei
Ci = consequencia ou dano do evento Ei, com i variande de 1 a n eventos aleatórios.
Observa-se que, de acordo com esta definição, a avaliação do risco geotécnico envolve
necessariamente considerações a respeito das probabilidades de ocorrência de eventos
aleatórios (probabilidade de ruína) e da consequência potencial (custo esperado) (COSTA,
2005).
O Eng. Eli Costa afirmou que “Instintivamente o projetista é mais conservador em projetos
onde as consequências de uma eventual ruína são maiores.” (informação verbal)6. O exemplo
que ele citou dizia respeito a comparar o dimensionamento de um talude em um lugar ermo
com outro onde a ruptura pode atingir uma creche cheia de crianças. Onde as consequências
de um colapso são maiores, o projetista compensa na segurança para manter o risco baixo.
Segundo Santos (2008, p. 16) a respeito da consideração das consequências:
5
CRUDEN, D. M.; FELL, R. Landslide risk assessment. In: INTERNATIONAL WORKSHOP ON
LANDSLIDE RISK ASSESSMENT, Rotterdam, 1997. Proceedings… Roterdam: A. A. Balkema, 1997.
6
Informação obtida na aula de Estabilidade dos Taludes.
__________________________________________________________________________________________
33
Invariavelmente, os métodos mais racionais de se considerar as consequências da

ruína utilizam a probabilidade de sua ocorrência como parâmetro, de modo que são
identificados dois critérios: ou se adota uma probabilidade de ruína prescrita, em
função de riscos admitidos pela sociedade ou então uma probabilidade que
maximiza uma utilidade (por exemplo a economia por vida salva).
5.1 PROBABILIDADE DE RUÍNA PRESCRITA
A probabilidade de ruína prescrita estará relacionada com o risco admitido pela sociedade.
Este risco é admitido involuntariamente e é quantificado por uma comparação com outros
riscos tais como, morte no trânsito, por doença ou desastres naturais. Diversos trabalhos
mostram que o risco de morte por doença parece ser o fator determinante para o
estabelecimento de outros níveis de aceitabilidade de riscos (COSTA, 2005, p. 103-104). De
Zagottis7 (1974 apud SANTOS, 2008, p. 16) entende por admissível uma probabilidade de
ruína da ordem de 10-5, com base na probabilidade de uma pessoa em perfeitas condições
físicas e mentais falecer antes de terminar o dia. A revisão de Fell8 (1994 apud COSTA, 2005,
p. 104) indicou que a sociedade pode aceitar de forma incondicional uma probabilidade de
ruína de 10-6 (taxa de mortalidade anual), e que seria excessivo (inaceitável) uma
probabilidade similar àquela devido a morte por doença que é de 10-3 por ano. A figura 6
apresenta a probabilidade de ruína aceita e marginalmente aceita em função das
consequências de ruína para diversos tipos de estrutura. Pode-se notar que a aceitabilidade do
risco depende da natureza do desastre. Um desastre aéreo, por exemplo, é muito menos aceito
comparado a um colapso de uma plataforma móvel, mesmo causando o mesmo prejuízo.
7
DE ZAGOTTIS, D. Introdução da Segurança no Projeto Estrutural. São Paulo: Departamento de Livros e
Publicações do Grêmio Politécnico, 1974.
8
FELL, R. Landslide risk assessment and aceptable risk. Canadian Geotechnical Journal, Ottawa, v. 31, n. 2,
p. 261-272, Apr. 1994.
__________________________________________________________________________________________
34
Figura 6: probabilidade de ruína para algumas estruturas em função das

consequências da ruptura (WHITMAN9, 1984 apud SANTOS, 2008, p. 18)
5.2 MAXIMIZAÇÃO DA UTILIDADE ESPERADA
Este critério de escolha do risco leva em conta comportamentos subjetivos como propensão ao
risco e consequência não mensuráveis economicamente. A maximização da utilidade esperada
é tida como o estágio final da evolução dos critérios de segurança nas obras de Engenharia
(SANTOS, 2008, p. 18). Uma das maneiras de maximizar a utilidade seria comparar os custos
de um projeto assim como as consequências de ruína e utilizar a probabilidade de ruína que
minimiza o custo esperado. O custo de uma construção é tanto maior quanto maior for a
segurança contra a ruptura (menor probabilidade de ruína). O risco, por outro lado aumenta
com o aumento da probabilidade de ruína, como visto na fórmula 2. Assim, o custo esperado,
que é a soma destes dois custos, terá um mínimo e uma probabilidade de ruína ótima. A figura
7 ilustra essa questão.
9
WHITMAN, R. V. Evaluating calculated risk in geotechnical engineering. Journal of Geotechnical
Engineering, Reston, v. 110, n. 2, p. 145-188, Aug. 1984.
__________________________________________________________________________________________
35
Figura 7: mínimização do custo esperado (adaptado de SANTOS, 2008, p. 19)
__________________________________________________________________________________________
36
6 SOBRE O MÉTODO OBSERVACIONAL
O engenheiro canadense Ralph Peck (1969, p. 171) afirma que métodos observacionais
intuitivamente foram e têm sido utilizados por engenheiros nos trabalho de campo. O Método
Observacional (Observacional Method) que o autor aborda tem um sentido mais restrito e
significa um método de projetar com base em observações da realidade de modo a aprender
durante a execução. O desenvolvimento de forma sistemática desse procedimento aplicado a
mecânica dos solos se deve ao engenheiro Karl von Terzaghi.
Durante sua vida profissional Terzaghi desenvolveu instintivamente um método para atacar
problemas práticos em projetos geotécnicos e ensinou a Peck enquanto trabalhavam juntos em
alguns grandes projetos. Segundo Terzaghi, na Engenharia, para vários trabalhos como
fundações, túneis, cortes ou barragens de terra, um grande esforço é dispendido apenas para
encontrar, de forma aproximada, valores para constantes físicas que são usadas nas equações.
Muitas outras variáveis como a disposição e presença de camadas do substrato assim como o
nível d’água continuam desconhecidos. Portanto os resultados de cálculos são apenas
hipóteses de trabalho que precisam ser confirmadas e modificadas durante a construção
(PECK, 1969, p. 172).
Portanto, segundo o proposto pelo Método Observacional, um engenheiro deve reconhecer a

grande quantidade de incerteza envolvida, fundir o conhecimento científico e tecnológico com
sua experiência e de outros colegas para então conceber e executar um projeto que será
melhorado durante a execução de acordo com a realidade observada. Como a maior parte dos
projetos de Engenharia geotécnica são protótipos de si mesmos, sempre poderá haver alguma
surpresa durante a execução que não foi prevista no projeto inicial. Então deverão ser tomadas
decisões de maneira a garantir a segurança do projeto, ainda que essa decisão no extremo seja
de parar o projeto por inviabilidade técnica ou econômica.
A melhor definição para o Método Observacional segundo Patel et al. (2005, p. 2) pode ser
encontrado no CIRIA Report 185 (NICHOLSON et al.10, 1999 apud PATEL et al., 2005, p. 2)
que diz que o Método Observacional em Engenharia de Solos é um contínuo, gerenciado,
10
NICHOLSON, D.; TES, C.; PENNY, D. The Observational Method in ground engineering: principles and
applications. London: CIRIA, 1999. Report 185.
__________________________________________________________________________________________
37
integrado processo de projeto, controle de construção, monitoramento e revisão que habilita

modificações pré-definidas a serem incorporadas durante ou após a construção como
apropriado. Todos estes aspectos têm de ser rigorosamente demonstráveis. O objetivo é
alcançar a solução mais econômica sem comprometer a segurança.
Segundo Kovačević e Szavits-Nossan (2006, p. 1), o projeto interativo consiste em fazer um

projeto para a estrutura geotécnica com provisão para extensivo monitoramento in situ
durante a construção. Os resultados do monitoramento tornam possível verificar se o solo ou a
rocha e a estrutura estão se comportando da maneira prevista pelo modelo de cálculo, e
também executar retro-análise numérica de forma a combinar resultados de cálculo e medidas
reais para um nível de acurácia aceitável. Estes autores citam também a importância de se
fazer testes não destrutivos que avaliem o real desempenho das estruturas em construção e a
agilidade do projetista em reavaliar o projeto de acordo com a realidade de forma a assegurar
a segurança necessária ao projeto.
Este capítulo apresenta o método observacional na Engenharia Geotécnica, a comparação

entre um projeto tradicional e um projeto interativo, a implementação do método
observacional na Geotecnia e o uso de níveis de alerta em monitoramentos.
6.1 MÉTODO OBSERVACIONAL
O Método Observacional tem sua raiz no instinto do próprio ser humano resolvedor de
problemas cotidianos. O método de projetar por tentativa e erro é precursor do Método
Observacional de modo que a solução de projeto se encontrará na observação de que este foi
ou não bem sucedido, oneroso ou de difícil formulação. A idéia do Método Observacional
começa a amadurecer quando o indivíduo ganha experiência e resolve que em problemas
futuros ele deva encontrar soluções que se adaptem melhor a realidade mesmo que essa
realidade venha florescer apenas quando na implementação da solução. Então esse indivíduo
reconhece as incertezas de todo o processo e concebe uma solução na qual vai se aprendendo
acerca da realidade ao longo da trajetória. Como definido por Terzaghi, se trata de um learn-
as-you-go method, ou seja, aprenda ao longo do percurso, durante a solução.
Peck (1969, p. 172) comenta que nas mãos de Terzaghi esse método se mostrou muito bem
sucedido embora isso não seja verdade para muitos outros engenheiros. Ao longo de sua
__________________________________________________________________________________________
38
Rankine Lecture, este autor busca encontrar o segredo de Terzaghi ter sido bem sucedido com
este método, e conclui dizendo que não há dúvida de que o completo valor do método não
pode ser notado ao menos que o engenheiro seja inteiramente engajado com o seu problema,
faça contínuas alterações do projeto e procedimentos ao passo em que as informações são
obtidas e tenha autoridade de agir rapidamente pelas suas decisões e conclusões. Estes
requisitos pareceriam favorecer a direção de um projeto observacional nas mão de um único
indivíduo. Na verdade eu estou inclinado a acreditar que parte do segredo do sucesso de
Terzaghi esteja em sua pressão pessoal, completa responsabilidade e autoridade em trabalhos
(PECK, 1969, p. 172).
Mesmo com estes requisitos o Método Observacional só pode fazer papel importante se o
projeto em questão possa ser modificado ao longo da execução. Ou seja, deve ser
tecnicamente viável alterar o projeto de acordo com uma nova realidade.
Peck (1969, p. 173) faz uma revisão e apresenta os ingredientes a serem incorporados para a
aplicação do Método Observacional:
a) investigação suficiente para estabelecer no mínimo a natureza geral, padrões e

propriedades dos depósitos, mas não necessariamente em detalhe;
b) avaliação das condições mais prováveis e o mais desfavorável afastamento
possível dessas condições.
c) estabelecimento do projeto baseado em hipóteses de trabalho de
comportamento previsto sob a condição mais provável;
d) seleção de grandezas a serem monitoradas durante a construção e cálculo de
previsão dos valores destas grandezas;
e) cálculo dos valores destas mesmas grandezas sob as condições mais
desfavoráveis, compatíveis com limites conhecidos;
f) seleção de ações a serem usadas caso alguma grandeza monitorada varie
significativamente dos valores adotados como hipótese de trabalho;
g) medidas das grandezas para se avaliar as condições reais;
h) modificação do projeto para se adaptar às condições reais.
Com esses ingredientes o referido autor condensou sistematicamente o Método

Observacional, que ele e Terzaghi usaram em grandes e complexos projetos nos Estados
Unidos. No Brasil pouco existia de projetos grandiosos na primeira metade do século passado,
e como o país normalmente importa projetos, estes já possuem soluções consagradas devendo
apenas ser adequados às condições locais.
__________________________________________________________________________________________
39
A respeito da prática de Engenharia nacional Hachich (1998b, item 3.5.2) comenta:
Tenho a sensação de que nos projetos usuais efetuam-se análises demais para a
hipótese de trabalho e que a instrumentação acaba sendo locada de forma mais ou
menos convencional, quase exclusivamente em função da própria hipótese de
trabalho. Sua utilidade fica restrita, dessa forma, à retroanálise dos parâmetros do
modelo adotado, quase dogmaticamente admitido como verdadeiro. Não admira,
nesse contexto, a postura de proprietários e executores de obras, geralmente
refratários à instrumentação.
Talvez o nosso País tenha simplesmente passado por uma fase em que não houve
muito espaço para as obras de maior porte ou maior ousadia de concepção, que são
exatamente aquelas em que o incrementalismo do método de observação (design as
you go) se impõe. Em problemas mais corriqueiros – ou resolvidos de modo
corriqueiro – não há, de fato, extrapolação para além dos universos consagrados, não
se justificando instrumentações mais sofisticadas. Ou talvez os engenheiros civis
sejam simplesmente conservadores demais...
6.2 COMPARAÇÃO ENTRE O PROJETO TRADICIONAL E O PROJETO

INTERATIVO
Projetos tradicionais de Engenharia Geotécnica são normalmente baseados em um simples

dimensionamento robusto e inteiramente desenvolvido, e não há intenção de mudar o projeto
durante a construção. Instrumentação e monitoramente podem eventualmente ser usados,
porém estes fazem um papel muito passivo no projeto. Servem apenas para checar previsões
iniciais e verificar se o dimensionamento continua válido e conferindo confiança aos
projetistas. Por outro lado, no Método Observacional a intrumentação e o monitoramente têm
papel muito ativo, tanto no projeto quanto na construção, permitindo que as modificações
planejadas sejam cumpridas dentro de uma estrutura de acordo contratual que envolva o
cliente, o projetista e o contratante (PATEL et al., 2005, p. 2).
Para usar o Método Observacional é muito importante a realização de um contrato que inclua
as incumbências de cada parte ao longo do desenvolver do projeto. Como o projeto vai se
alterando no decorrer da execução, este contrato deve prever cada combinação de hipóteses
para que as partes não fiquem discutindo responsabilidades durante a obra. O quadro 2
apresenta a comparação entre os dois processos, com projeto pré-definido e com projeto
interativo.
__________________________________________________________________________________________
40
Projeto Pré-Definido Método Observacional
• Tarefas permanentes • Tarefas temporárias

• Um conjunto de parâmetros • Dois conjuntos de parâmetros
• Um projeto / previsão • Dois projetos e previsões
• Delineamento do método construtivo • Métodos de projeto e execução integrados
• Monitoramento verifica se previsões não • Método relacionado com gatilhos
foram excedidas
• Forte e amplo sistema de monitoramento
• Se excedidas considerar:
• Processo de modificação e revisão
o Abordagem da melhor saída para
o projeto • - Plano de contingência
o Redefinir o projeto pré-definido • - Plano de otimização

readequando as incertezas do • Plano de emergência
solo
• Plano de emergência
Quadro 2: comparação entre projeto pré-definido e a abordagem do Método
Observacional (adaptado de PATEL et al., 2005, p. 2)
Peck (1969, p. 173) apresentou e exemplificou o Método Observacional dividido em duas

abordagens:
a) abordagem Ab Initio.
b) abordagem Best Way Out.
A abordagem Ab Initio é adotada na concepção do projeto. Peck (1969, p. 176) comenta que
mesmo o Método Observacional sendo uma boa ferramenta para encontrar a melhor saída
quando encontrada alguma dificuldade, o uso desta na concepção de projeto pode trazer ao
projetista uma melhor capacidade imaginativa para planejar diversos caminhos e soluções de
acordo com o que pode vir a ser encontrado. Então procura-se investigar os pontos chaves que
irão levar o projeto aos caminhos planejados, podendo assim economizar consideravelmente
tempo e dinheiro.
A abordagem Best Way Out é adotada após a execução do projeto ter começado e algum
evento não planejado ter ocorrido. O Método Observacional é uma boa ferramenta para
encontrar a melhor saída perante alguma dificuldade que diga respeito a comportamentos
geotécnicos não esperados. Peck (1969, p. 173) comenta que sob tais circunstâncias o
engenheiro instintivamente adota tal procedimento. A mera observação dos eventos, tais como
__________________________________________________________________________________________
41
medidas de recalque ou movimento lateral por exemplo, já indicam a necessidade de alguma

medida remediadora para o problema.
6.3 IMPLEMENTAÇÃO DO MÉTODO NA GEOTECNIA
É simples compreender o espírito do Método Observacional. Se as incertezas de um projeto

forem muito significativas, a melhor solução é fazer um projeto flexível que será definido ao
passo em que a realidade observada vá alimentando e adaptando a proposta inicial. Em busca
da implementação do Método Observacional, ou Projeto Interativo (Interactive Design),
vários autores escreveram sobre suas experiências e considerações. O CIRIA Report 185
(NICHOLSON et al.11, 1999 apud PATEL et al., 2005, p. 3) apresenta as diretrizes e a
estrutura operacional para aplicação do método, como segue na figura 8.
Este diagrama mostra na etapa Normas e Políticas Coletivas que o Método Observacional
está subordinado às normas e políticas estabelecidas para dimensionamento, segurança e
qualidade. A etapa Organização do Projeto define a estrutura organizacional das partes
envolvidas (cliente, projetista, construtora, inspetores, etc.). Deve ser bem entendido seus
papéis e responsabilidades, pois todos os envolvidos estarão também comprando o risco.
(PATEL et al., 2005, p. 3).
Uma vez acordado pela organização do projeto, este pode ser desenvolvido nas demais etapas
quais sejam: Projeto e Planejamento, Controle de Execução, Monitoramento e Revisão.
Todos estas etapas devem seguir a ideia do Método Observacional. Os trabalhos devem seguir
com um plano de ação que reconheça os riscos assumidos.
Diariamente o progresso da construção deve estar sob o controle de uma estrutura de

gerenciamento que assegure que qualquer desvio do método seja totalmente pensado e
compensado por uma alteração do plano/projeto. Uma equipe de controle tem de ser fixada no
local, com pessoal competente disponível para verificar, analisar e responder a todos os
resultados do monitoramento num prazo determinado a partir do momento que os dados se
tornam disponíveis. Há, então, a necessidade de se apresentar instruções claras a todos os
envolvidos para todas as situações previsíveis. Finalmente, os planos de contingência devem
11
NICHOLSON, D.; TES, C.; PENNY, D. The Observational Method in ground engineering: principles and
__________________________________________________________________________________________
42
ser de tal maneira que possam ser rapidamente implementados se níveis de alerta predefinidos
forem alcançados ou qualquer outra situação imprevista se desenvolver (PATEL et al., 2005,
p. 4). Os mesmos autores também explicam que a parte da auditoria deve ser
preferencialmente realizada por equipes de consultoria não envolvidas com o projeto, para
checar se estão sendo seguidos procedimentos corretos e obtendo interpretações técnicas
corretas.
Figura 8: Método Observacional (adaptado de PATEL et al., 2005, p. 3)
__________________________________________________________________________________________
43
6.4 NÍVEIS DE ALERTA
Uma das maneiras de usar o Método Observacional, segundo Nicholson et al.12(1999 apud
PATEL et al., 2005, p. 8), é com o uso de um sinal de trânsito com as cores verde, amarelo e
vermelha simbolizando zonas de tomadas de decisão a saber:
a) verde – continuar construção;

b) amarelo – continuar com atenção e preparar-se para implementar contingência,
aumentar taxa de monitoramento;
c) vermelho – parar progresso, fazer todo possível para diminuir movimentos,
implementar contingência.
A zona verde é separada da amarela pelo valor mais provável para a medida em questão. A
amarela e vermelha são separadas pelo valor característico adotado, que seria um valor que se
afasta do mais provável com algum índice de confiabilidade, ou que apresenta uma pré
determinada probabilidade de ser superado. A figura 9 eluscida este procedimento. Atenta-se
para o fato de que este valor mais provável pode mudar durante a construção com a obtenção
de novos valores para alguns parâmetros e realizada uma reavaliação com uso de inferência
estatística através do Teorema de Bayes.
12
NICHOLSON, D.; TES, C.; PENNY, D. The Observational Method in ground engineering – principles and
__________________________________________________________________________________________
44
Figura 9: utilização de níveis de alerta numa construção por etapas

(PATEL et al., 2005, p. 7)
__________________________________________________________________________________________
45
7 REAVALIAÇÃO DA SEGURANÇA DE FUNDAÇÕES
Um projeto de fundações profundas é baseado em informações sobre o solo, obtidas através

de amostras, e por correlação entre estas informações e a capacidade de carga estimada para a
estaca. Existem diversos métodos de correlação de capacidade de carga de estacas com
resultados de ensaios SPT (Ensaio de Simples Penetração) ou CPTu (Ensaio de Penetração de
Cone) tais como: Aoki-Velloso, Dècourt-Quaresma, Janbu, entre outros. Estes métodos são
elaborados através de regressões de múltiplas variáveis e apresentam uma dispersão nos
resultados previstos comparados com resultados obtidos quando da realização de provas de
carga nas estacas. Como esta previsão de capacidade de carga é apenas uma estimativa, é
prudente que se façam ensaios de modo a verificar se o comportamento real da estaca é
próximo àquele previsto.
Ao se obter o resultado de uma prova de carga surge a necessidade de incorporar essa

informação nova à estatística anterior. A estatística Bayesiana atua como um processador de
informações. O resultado destas provas de carga podem ser incorporados à estatística anterior
formando uma nova distribuição atualizada. Essas informações vindas de provas de carga
podem ser incorporadas de uma única vez ou em parte, chegando ao mesmo resultado.
Existe uma significativa diferença entre a estatística clássica, dita frequencista, e a estatística
Bayesiana. Devido ao caráter único das obras civis e da raridade de eventos de ruína, a
estatística clássica não se adequa bem a estimação de probabilidade de ruína, como
complementa Hachich (1998b, item 3.3.2):
Embora a Estatística clássica tenha métodos consagrados para a análise de dados em

situações repetitivas, o seu rigor formal, ao não aceitar, por exemplo, que se façam
juízos probabilistas sobre estados da natureza e sobre parâmetros de modelos,
colocam-na em uma situação extremamente desfavorável com relação à tomada de
decisões face a fenômenos singulares, como é o caso da maioria das decisões da
Engenharia Civil.
A estatística Bayesiana, por outro lado, permite que se trabalhe com o grau de convicção
inicial e com atualizações estatísticas quando em face a novas informações. Esta propriedade
apresenta-se muito útil em projetos interativos nos quais a segurança e o projeto são
constantemente reavaliados.
__________________________________________________________________________________________
46
No item 7.1 é apresentado a distribuição a priori, ou seja, a distribuição com as informações

anteriores. No item 7.2 é apresentado todo o método de cálculo para encontrar a distribuição
posterior, isto é, depois de atualizada com os resultados dos ensaios. Com isso pode-se
calcular uma distribuição preditiva na qual é possível extrair a probabilidade de ruptura, que
depende da carga admitida na estaca. O item 7.3 apresenta uma análise do comportamento do
fator de segurança necessário em função do número e do resultado de provas de carga.
7.1 DISTRIBUIÇÃO A PRIORI
As informações anteriores à amostra são muito importantes para o projetista. Segundo

Baecher e Rackwitz (1982, p. 6) essas informações normalmente vem de duas fontes:
a) a correlação de capacidade de carga em função do perfil do solo;

b) a variabilidade intra-canteiro.
Usa-se a variável K chamada fator de viés, que significa a razão entre a carga observada e a
carga prevista. Um valor de K maior do que a unidade significa que a carga observada,
resultado de uma prova de carga, é maior do que a carga prevista pelo método de cálculo
utilizado. Autores afirmam que a variável K tem um comportamento log-normal. Então
extrai-se o logaritmo da variável K e nomeia-se R.
A variabilidade intra-canteiro é função da heterogeneidade do solo e do método executivo da

estaca. Quanto maior a variação espacial dos parâmetros mecânicos do solo e dificuldade na
repetitividade na execução de estacas iguais maior será a variabilidade intra-canteiro. Usa-se a
variável h chamada precisão intra-canteiro. Esta é o inverso da variância do fator r. Segundo
Baecher e Rackwitz (1982, p. 11), em seu estudo, consideraram a precisão intra-canteiro em
duas distribuições, uma mais ampla e outra mais estreita, com valores de parâmetros para
cada uma.
__________________________________________________________________________________________
47
7.2 OBTENÇÃO DA DISTRIBUIÇÃO POSTERIOR
As informações anteriores ou apriorísticas, são então atualizadas com o uso da estatística

Bayesiana. Nesta atualização, a função de verossimilhança, que é o resultado estatístico da
amostra (função do vetor resultado dos ensaios), interage com as informações anteriores
produzindo uma distribuição atualizada. A atualização Bayesiana pode ser expressa na forma
contínua por:
!′′ ! = !. !(!|!! ). !′(!) (fórmula 3)
Onde:
f’’(Ѳ) = função densidade de probabilidade do parâmetro Ѳ atualizada;

!
! = ! = fator de normalização;
!! ! ! !! .! ! ! !"
L(Ѳ|zk) = função de verossimilhança;
f’(Ѳ) = função densidade de probabilidade anterior.
A figura 10 apresenta as relações entre as informações iniciais e a função de verossimilhança

que interagem para formar a função densidade de probabilidades atualizada. Nestas três
representações extraídas de Benjamin e Cornell (1970, p. 620) pode-se vizualizar a interação
da função de verossimilhança com a distribuição anterior para gerar a distribuição posterior.
__________________________________________________________________________________________
48
Figura 10: interações entre informações priorísticas e amostrais. (a) forte informação
inicial e amostra relativamente pequena. (b) informação inicial e amostral de
tamanhos comparáveis. (c) informação inicial vaga e amostra relativamente grande
(BENJAMIN; CORNEL, 1970, p. 620).
A resolução da fórmula 3 esbarra no fato de que há uma integral sem resolução analítica no
denominador, tornando assim muito complicada a resolução da equação. Para tanto pode-se
lançar mão de distribuições conjugadas para facilitar os cálculos, pois com o uso dessas
distribuições a fórmula 3 reduz-se a cálculos algébricos entre parâmetros das distribuições.
Essas distribuições também devem representar satisfatoriamente o fenômeno analisado.
Será admitido média e variância desconhecida com comportamento da distribuição da

precisão intra-canteiro mais estreita, de acordo com o trabalho de Baecher e Rackwitz (1982,
p. 11). A precisão intra-canteiro pode ser representada por uma distribuição gama com os
hiperparâmetros v e υ, que significam os graus de liberdade e locação da distribuição,
__________________________________________________________________________________________
49
respectivamente. A função densidade de probabilidade da precisão intra-canteiro pode ser

expressa da seguinte maneira:
!`!` !!!
!` !`!` !`
2 !`!`
! ℎ| , = ℎ ! !! . . !"# − .ℎ (fórmula 4)
2 2 !` 2
Γ 2
Onde:
h = precisão intra-canteiro (inverso da variabilidade intra-canteiro);
v`= graus de liberdade da distribuição anterior da precisão intra-canteiro;
υ`= parâmetro de locação anterior de h;
k = particular realização da variável K.
Para a distribuição mais estreita do trabalho de Baecher e Rackwtz (1982, p. 11) os valores
dos parâmetros da precisão intra-canteiro são v`= 9,28 e υ`= 0,0152. As informações prévias a
respeito do método de previsão serão consideradas as mesmas dos trabalhos originais de
Aoki-Velloso de 1975, citado por Santos (2008). O Método UFRGS (LOBO, 2005) apresenta
valores de média e desvio do fator de viés para o banco de dados de resultados de provas de
carga da UFRGS. No trabalho de Lobo (2005, p. 90) também é feita uma análise de média e
desvio para outros métodos de previsão de capacidade de carga, inclusive o método Aoki-
Velloso, o qual mostrou desvio padrão maior para o banco de dados utilizado. O quadro 3
apresenta os parâmetros das distribuições de K e R para os métodos de previsão segundo os
trabalhos originais dos autores.
Método K= (Pobs/Pprev) R=log(Pobs/Pprev)
(Referência) Média [K] Desvio [K] Média [R] Desvio [R]
Aoki-Velloso
1,014 0,235 -0,0051 0,0976
(1975)
Bianca - UFRGS
0,980 0,490 -0,00033 0,1936
(2005)
Quadro 3: parâmetros da distribuição do fator de viés com o uso do método
Aoki-Velloso e Bianca Lobo de previsão
__________________________________________________________________________________________
50
Primeiramente calcula-se o tamanho da distribuição anterior. Ehlers13 (2003, apud SANTOS,

2008, p. 89) mostra que o valor de n` pode ser encontrado segundo a equação:
!` !`
!! = . (fórmula 5)
!` − 2 !`
Onde:
n`= tamanho da amostra anterior;
V[R] = variância de R.
Na fórmula 5, substituindo os valores para o método de Aoki-Velloso, encontra-se que o

tamanho da informação anterior é de n`= 2,03. Isso significa que a informação anterior
equivale a cerca de duas provas de carga com média e desvio conhecido. Então realiza-se a
primeira ou as primeiras provas de carga e tem-se os seus resultados. Assim tem-se uma
média e uma variância de K (Pobs/Pprev), bem como de R (log(K)). A atualização Bayesiana
então seguirá as seguintes equações.
Tamanho da amostra posterior:
!`` = !` + ! (fórmula 6)
Onde:
n``= tamanho da amostra posterior;
n = número de provas de carga realizadas.
A média é atualizada segundo a fórmula 7:
13
EHLERS, R. S. Introdução à Inferência Bayesiana. Departamento de Estatística da UFPR, 2003.
__________________________________________________________________________________________
51
!. !! + !`. !
!`` = (fórmula 7)
!``
Onde:
µ`` = média posterior à atualização;
mR = média de R das provas de carga;
µ` = média anterior à atualização.
O hiperparâmetro v`é atualizado por:
!`` = ! + !` (fórmula 8)
Onde:
v``= graus de liberdade da distribuição posterior da precisão intra-canteiro.
O parâmetro de locação da distribuição posterior da precisão intra-canteiro é calculado a partir

da fórmula:
!``. !`` = !`. !` + ! − 1 . !!! + !`. !`! + !. !!! − !``. !``! (fórmula 9)
Onde:
υ``= parâmetro de locação posterior de h;
sR2 = variância de R da amostra.
Segundo Baecher e Rackwitz (1982, p. 9) a função densidade de probabilidade atualizada de

R é representada por uma distribuição t-student com os parâmetros H, média e variância:
__________________________________________________________________________________________
52
!
. !``!!
! !
(fórmula 10)
!! `` !|! ∝ 1 + . ! − !``
!``
Onde:
H = parâmetro da distribuição t-student;
z = resultado da amostragem;
r = logaritmo do fator de viés K.
O valor do parâmetro H da distribuição de r atualizada pode ser expressa por:
!``
!= (fórmula 11)
!`` + 1 . !``
O valor extremo inferior da variável r com o índice de confiabilidade β desejado será:
!
!! = !`` − (fórmula 12)
!
Onde:
H = parâmetro da distribuição t-student;
z = resultado da amostragem;
ro = logaritmo do fator de viés K.
O fator de segurança que deve ser utilizado para garantir o índice de confiabilidade β será:
__________________________________________________________________________________________
53
!" = 10!!! (fórmula 13)
Onde:
FS = fator de segurança.
A carga admissível nas estacas após a atualização Bayesiana será:
!!"#$
!!"# = (fórmula 14)
!"
Onde:
Padm = carga admitida.
Pprev = carga prevista.
Com isso tem-se a nova carga admissível das estacas. Porém, se a carga de trabalho está
definida, e procura-se saber qual a probabilidade de ruína associada aquela carga de trabalho
em função da quantidade de informação disponível, pode-se extrair esta informação da
distribuição preditiva. Para tanto, basta variar o índice de confiabilidade β que,
consequentemente, fará variar o fator de segurança, de tal forma que a carga admissível seja a
carga de trabalho estabelecida. Então pede-se o valor acumulado de t-student, para o índice β,
que atende a igualdade da carga admissível e da carga de trabalho estabelecida, e número de
graus de liberdade. Assim tem-se a probabilidade de ruína extraída da função preditiva que
representa a área sob a curva da função densidade de probabilidades da forma t-student
anterior ao valor extremo inferior r0.
7.3 ANÁLISE DA SEGURANÇA COM EXPERIMENTAÇÃO
A probabilidade de ruína diminuirá quanto maior a amostragem, para resultados de

amostragem com fator de viés maiores que 1,0. Pode-se notar na figura 11 que pelo método
__________________________________________________________________________________________
54
de previsão de Aoki-Velloso e sem executar qualquer ensaio, a probabilidade de ruína ao se

usar o fator de segurança igual a dois será cerca de 4%. Ao passo que chegam mais resultados
de ensaios com média do fator de viés igual a um, a probabilidade de ruína decresce tendendo
a zero. Este gráfico foi gerado para um caso ideal de resultados de ensaios sem variação, não é
utilizado nenhum banco de dados, apenas as fórmulas citadas e variando o valor de n. Ao se
considerar a variação dos resultados dos ensaios, a curva ficaria ligeiramente superior a que é
mostrada, pois aumentaria a incerteza e essa deveria ser compensada com um aumento do
fator de segurança necessário.
Pruína (%) Pruína x n° PCE K=1 Var=0 FS=2

4,5
4
3,5
3
2,5
2
1,5
1
0,5
0
0 2 4 6 8 10 12 14 16
N° provas de carga
Figura 11: variação da probabilidade de ruína em função do n° de provas de carga

executadas com FS= 2, K=1 e Var(K)=0
O fator de segurança FS pode diminuir, para um mesmo índice de confiabilidade, ao se

realizar ensaios que apresentem fator de viés maior que 1,0. Quanto maior o índice de
confiabilidade β, maior será o fator de segurança requerido, logo maior será a segurança e o
custo da obra. A figura 12 apresenta o fator de segurança requerido para atender um índice de
confiabilidade β igual a dois, dois e meio ou três variando com o número de provas de carga.
Se o projetista deseja usar um β = 3,0 no seu projeto, com uma prova de carga com resultado
de K igual a um ele deverá usar um FS = 2,5. No entanto, se forem executadas seis ensaios
com média de K igual a 1,0 e sem variação (situação ideal), o engenheiro pode ter o fator de
segurança de seu projeto reduzido para 2,0 e assim gerar economia.
__________________________________________________________________________________________
55
FS
FS x n° PCE x β
3
2,5
2
1,5 Beta=2
Beta=2,5
1 Beta=3
0,5
0
0 2 4 6 8 10 12
N° Provas de Carga
Figura 12: variação do fator de segurança em função do número de provas de carga

executadas com média de K=1 , Var(K) = 0 e índice de confiabilidade β
A figura 13 apresenta uma família de curvas do fator de segurança em função do fator de viés
K resultado de uma prova de carga. Pode-se notar que, para resultados de ensaios com K
inferior a 1,0, o FS exigido é bem elevado. A carga observada mostrou-se aquém daquela
prevista. Para valores de K superiores a 1,0 o fator de segurança tende a diminuir. Nota-se
que, para índices de confiabilidade mais elevados, o FS exigido tende a aumentar novamente
se o fator de viés se tornar muito elevado. Segundo Santos (2008, p. 68), isto tem sentido no
âmbito da estatística, pois, para valores de K muito maiores que a unidade, o método de
previsão mostra-se muito impreciso exigindo valores para FS maiores.
__________________________________________________________________________________________
56
FS
FS x K x β
5,0
4,5
4,0
3,5
3,0 Beta=1,5
2,5 Beta=2
2,0 Beta=2,5
1,5 Beta=3
1,0
0,5
0,0
0 0,5 1 1,5 2 2,5 3 3,5 4
K (Pobs/Pprev)
Figura 13: variação do fator de segurança em função de K e

de β para uma prova de carga
Para um índice de confiabilidade β igual a 2,5, a figura 14 apresenta o comportamento das

curvas de FS exigidos em função do número de provas de carga executadas e do fator de viés
médio resultante dos ensaios. Para plotar as curvas foi considerada a variação dos resultados
nula (caso ideal). Nota-se que para o valor de K resultante dos ensaios igual a 0,6, a curva
começa ascendente e então começa a diminuir. Isto se deve ao fato que, ao atualizar a
estatística anterior com um valor baixo de K, o FS exigido será maior, ao passo que
aumentando o tamanho da amostra a cauda de extremidade diminui e o FS começa a
decrescer. Pode-se notar também que, para uma prova de carga apenas, o resultado de K igual
a 1,8 exige FS menor que para K maiores. Isto decorre do fato anteriormente explicado sobre
a imprecisão do método de previsão. De forma geral, para grande número de provas de carga,
um fator de viés mais alto exige FS menores podendo até mesmo chegar a valores inferiores a
unidade, se o índice de confiabilidade for baixo.
__________________________________________________________________________________________
57
FS FS x N° PCE x K (β=2,5)

3,5
3
K=0,6
2,5
K=0,8
2 K=1
K=1,4
1,5
K=1,8
1 K=2,2
K=2,6
0,5
K=3
0
0 2 4 6 8 10 12
N° Provas de Carga
Figura 14: variação do fator de segurança em função do n° de provas de carga

executadas e do fator de viés K médio com índice de confiabilidade β = 2,5
__________________________________________________________________________________________
58
8 EXEMPLO DE APLICAÇÃO
É apresentado a seguir um exemplo simples da utilização de Análise da Decisão e do uso de

inferência estatística a luz do resultado e do número de provas de carga estáticas. Este
exemplo é hipotético e os custos aproximados.
Uma laje estaqueada será construída para servir de base a um terminal de cargas
aeroportuário. Esta laje possui uma área de 40.000 m² e uma carga de trabalho de 4 tf/m²
uniforme em toda a laje. O projetista das fundações decidiu que seriam executadas estacas
hélice-contínua de diâmetro 60 cm e profundidade de 11 metros. Com este diâmetro e esta
profundidade a carga de ruptura prevista pelo método de Aoki-Velloso é de 200 tf. As
alternativas de projeto são apresentadas no quadro 4, nas quais varia, basicamente, o
espaçamento entre estacas e por consequência o número de estacas e o custo total. O custo de
cada estaca é assumido como R$ 144,54 por metro, que significa R$ 1.589,94 para cada
estaca de 11m. A variação do custo da laje com o espaçamento das estacas foi
desconsiderado, embora este custo aumente ligeiramente com o aumento do espaçamento. O
custo das provas de carga é assumido como:
!!"# = !$ 8.000,00 + !!"# . !$ 16.000,00 (fórmula 15)
Onde:
CPCE = custo das provas de carga;
nPCE = número de provas de carga.
Projeto Espaçamento N. estacas Padm (tf) Custo Total (R$10³) Economizado (R$10³)
A0 5,0m 1600 100,00 2543,0 0,0
A1 5,2m 1480 108,16 2353,0 190,5
A2 5,4m 1372 116,64 2181,5 362,0
A3 5,6m 1276 125,44 2028,5 515,0
A4 5,8m 1190 134,56 1892,0 651,5
A5 6,0m 1112 144,00 1768,0 775,5

Quadro 4: alternativas de projetos de fundações para a laje
__________________________________________________________________________________________
59
O custo da ruína foi assumido como R$ 20.000.000,00, que é considerado todos os custos de
uma eventual intervenção com o terminal de cargas em operação. Não foram consideradas
perdas de vidas humanas, apenas comprometimento funcional e necessidade de paralisação
das atividades logísticas para manutenção.
Foi realizada uma Análise da Decisão utilizando uma árvore de decisão com experimentação
e como critério foi utilizado a maximização do valor esperado. A figura 15 ilustra a árvore de
decisão. Para o cálculo das probabilidades de ruína foi usado a metodologia apresentada no
capítulo anterior.
Figura 15: árvore de decisão truncada com experimentação
Esta árvore foi elaborada discretizando as alternativas de experimentação em 0 (nenhuma

prova de carga estática (PCE)), uma, duas, quatro, oito, doze, dezesseis, vinte ou 28 PCE. Os
resultados Z das PCE foram discretizados em K = 0,8; 1,0; 1,2; 1,4; 1,6, os quais não foram
feitos juízos probabilistas a respeito da frequência de ocorrência destes resultados. As
alternativas de projeto foram dicretizadas como mostrado no quadro 4, variando apenas o
__________________________________________________________________________________________
60
espaçamento entre estacas. O parâmetro Ѳ é discretizado em ruína ou sucesso, ou seja, é

necessária intervenção corretiva pós-construção ou não. O valor da utilidade U é obtido pelo
valor economizado com relação à alternativa a0 subtraído os custos dos ensaios para sucesso.
Para o fracasso subtrai-se a esse valor o custo da ruína. O valor esperado então se resume ao
produto do valor do fracasso pela probabilidade do fracasso somado ao produto do valor do
sucesso pela probabilidade de sucesso (complementar da probabilidade de ruína). A
discretização dos parâmetros para compor a árvore de decisão acaba por comprometer em
parte o refinamento da decisão. Como as variáveis de dimensionamento de projeto, resultante
de ensaio, na verdade são contínuas, deve-se fatiar os intervalos ou criar mais opções quando
a opção encontra-se em um extremo, assim abrangendo todos os valores de forma mais
refinada.
Neste exemplo observa-se que a decisão que maximiza o custo esperado sem fazer nenhuma
prova de carga é a alternativa a0 que tem o custo esperado de R$ -809,83 mil, como pode ser
visto na figura 15. Porém para uma prova de carga com resultado de K=1,0, a alternativa que
maximiza o custo esperado é a a0 também com o valor de R$ -545,65 mil. Para maiores
números de provas de carga a melhor alternativa considerando K= 1,0 é a alternativa a3 com
um custo esperado de R$ 106,5 mil executando-se 16 provas de carga. O apêndice A
apresenta a árvore de decisão em forma de planilha com todos os valores. As alternativas em
vermelho representam que esta tem probabilidade de ruína muito alta, não sendo aconselhável
esta decisão, embora possa apresentar um valor esperado maior.
Considerando-se a média dos resultados de provas de carga de K = 1,2, a solução que

maximiza o custo esperado é a solução de projeto a3 com 20 ensaios. Porém se a média de K =
0,8 a solução ótima seria o projeto a0 com 16 ensaios. O custo esperado fazendo 16 ensaios é
maior mesmo escolhendo a mesma alternativa de projeto, isto decorre da probabilidade de
ruína ser mais baixa. Se o custo da ruína for pequeno, os valores esperados maiores tenderão
para alternativas de projetos menos conservadoras. Porém, se o custo de ruína for alto, isto se
inverte: o maior valor esperado será observado em projetos mais conservadores.
__________________________________________________________________________________________
61
Figura 16: custo x probabilidade de ruína para o problema em questão, sem

experimentação.
O custo dos ensaios assim como o custo de cada alternativa de projeto também influenciam
expressivamente no valor esperado e por consequência na tomada de decisão. Como pode-se
observar na figura 16, se o custo da ruína e o custo da construção forem da mesma ordem de
grandeza, a alternativa de projeto ótima não será muito conservadora nem muito arriscado. Se,
no entanto, o preço das estacas for alto, as alternativas que diminuem o número de estacas
serão sensivelmente menos onerosas. Assim sendo, quando o custo das fundações é pequeno,
uma diminuição da probabilidade de ruína pode não compensar o custo com experimentação.
Ou seja, quando custo das fundações é pequeno e o custo da ruína é grande, a melhor opção
tende a ser um projeto mais conservador. Do contrário, se o custo das fundações é alto e o
custo da ruína nem tanto, a melhor opção tende a um projeto mais arriscado. Neste caso deve-
se ter o cuidado de limitar a probabilidade de ruína a um valor aceitável. Neste exemplo o
valor máximo de probabilidade de ruína admitido foi de 4,04%, que representa um fator de
segurança igual a dois e nenhuma experimentação. Considera-se que mesmo que o custo
esperado ótimo esteja além de 4,04%, não é prudente que se adote uma probabilidade de ruína
muito elevada.
__________________________________________________________________________________________
62
9 CONSIDERAÇÕES FINAIS
Neste trabalho pode-se ter uma visão ampla de conceitos e ferramentas úteis para aplicações
em projetos de fundações. A atualização Bayesiana se mostra coerente e eficaz no tratamento
estatístico dado à distribuição da capacidade de suporte de fundações profundas. Pode-se
avaliar o fator de segurança exigido para certa confiabilidade, ou a probabilidade de ruína
associada a determinado fator de segurança. A simples visualização da variação do fator de
segurança em função do número de provas de carga ou dos resultados destas já mostra-se
muito útil para o projetista orientar suas decisões.
Pode-se observar claramente, utilizando a árvore de decisão, qual o valor da experimentação,

ou seja, neste caso, o valor que tem uma prova de carga, assim pode-se decidir se é vantajoso
executar um ensaio. Se o custo das fundações for relativamente pequeno comparado ao custo
da obra, a probabilidade de ruína ótima será conservadora, pois a economia com estacas não
compensaria o risco, podendo até mesmo não compensar o custo de ensaios.
A viabilidade executiva de um projeto interativo de fundações profundas pode ser alvo de

muitas críticas. A começar pela divergência de interesses entre empreiteiro, projetista e dono
da obra. O empreiteiro executor das estacas não tem interesse que se diminuam o número de
estacas do projeto, as quais ele recebe por produção. O projetista precisa garantir um projeto
seguro mesmo que fique superdimensionado, ao passo que o cliente quer o menor custo
possível porém sem problemas de segurança. Outro fator que atrapalha na implantação de um
projeto interativo em fundações profundas é a realização tardia das provas de carga. É melhor
descobrir que o projeto que está sendo executado está subdimensionado ou
superdimensionado o mais previamente possível. Descobrindo-se cedo o real comportamento
das estacas, pode-se então fazer contingência ou modificação como preconizado no método
observacional.
O método de atualização Bayesiana para estacas com provas de carga proposto por Baecher e
Racwitz (1982) e discutido por Santos (2008) apresenta resultados coerentes e mostra-se uma
ferramenta valiosa para reavaliação da segurança de fundações ou simplesmente orientar o
projetista sobre o fator de segurança baseado no fator de viés obtido em uma amostragem.
Este método se mostrou muito útil para estimar as probabilidades de ruína após realizadas
provas de carga com determinado resultado. Estas probabilidades foram usadas para a
__________________________________________________________________________________________
63
montagem da árvore de decisão, a fim de se fazer uma análise de custos e vantagens de

diversas alternativas de projeto. Não procurou-se neste trabalho se certificar do rigorismo
matemático utilizado no método de atualização Bayesiana e geração de uma distribuição
preditiva.
Um projeto de fundações no qual se utilizasse o Método Observacional, as ferramentas

utilizadas seriam de grande utilidade tanto para levantar as informações anteriores quanto para
atualizar o projeto ao longo da execução da obra. Em uma obra grande, por exemplo, pode-se
realizar ensaios no início da obra para já ter mais certezas nos valores mais prováveis e mais
desfavoráveis de cada hipótese. Ao longo da obra pode ser usada a atualização Bayesiana
quando nova informação necessite ser incorporada e então novas decisões podem ser tomadas
com este novo cenário atualizado.
Para pesquisas futuras recomenda-se que se façam estudos para correlacionar a precisão intra-
canteiro da capacidade de suporte das estacas com a variabilidade de parâmetros em
investigações geotécnicas. Um exemplo seria a dispersão dos resultados de ensaios de
sondagem de simples penetração, traduzidos em um grau de heterogeneidade do subsolo.
Então estimaria-se os parâmetros da função gama que representa a precisão intra-canteiro
baseados neste grau de heterogeneidade. Outra variável do problema seria o tipo de estaca
executada e o controle de execução realizado. Um estaqueamento cravado com controle de
nega, por exemplo, pressupõe-se que tenha menor variabilidade na capacidade de carga de
elementos individuais comparado com um estaqueamento que o critério de parada de
cravação seja alguma profundidade.
O uso deste método de atualização Bayesiana, assim como a discussão sobre o Método
Observacional, a Análise da Decisão e a consideração do risco em projetos pode ser
transpassada dos exemplos de provas de carga em fundações profundas e servir como
ferramentas para auxiliar em outros tipos de projetos geotécnicos, como escavações
subterrâneas, estruturas de contenções entre outros.
__________________________________________________________________________________________
64
REFERÊNCIAS
ANG, A. H-S.; TANG, W.H. Probability concepts in engineering: emphasis on applications

in civil & environmental engineering. 2nd ed. Hoboken: John Wiley & Sons, 2007.
BAECHER, g. B.; RACKWITZ, R. Factors of Safety and Pile Load Test. Journal for
Numerical and Analytical Methods in Geomechanics, New York, v. 6, p. 409-424, 1982.
BEKMAN, O. R.; COSTA NETO, P. L. O. Análise Estatística da Decisão. São Paulo:

Edgard Blücher, 1980.
BENJAMIN, J. R.; CORNELL, C. A. Probability, Statistics, and Decision for Civil

Engineers. New York: McGraw-Hill, 1970.
COSTA, E. A. Avaliação de Ameaças e Risco Geotécnico Aplicados à Estabilidade de

Taludes. 2005. 159f. Dissertação (Mestrado em Engenharia) – Programa de Pós-Graduação
em Engenharia Civil, Universidade Federal do Rio Grande do Sul, Porto Alegre.
HACHICH, W. Segurança das fundações e escavações. In: HACHICH, W.; FALCONI, F. F.;
SAES, J. L.; FROTA, R. G. Q.; CARVALHO, C. S.; NIYAMA, S. Fundações: teoria e
prática. 2. ed. São Paulo: Pini, 1998a. p. 197-208.
_____. Modelos Matemáticos e Probabilistas em Engenharia Geotécnica: uma

sistematização em forma de sonata14. 1998b. Tese (Livre Docência) – Departamento de
Engenharia de Estruturas e Fundações, Escola Politécnica, Universidade de São Paulo.
Disponível em: <http://www.lmc.ep.usp.br/people/whachich/ld/>. Acesso em: 10 nov. 2010.
_____. Probabilidade, Estatística, Decisão e Segurança em Projetos Geotécnicos. São

Paulo: Universidade de São Paulo, 1999. Apresentação de aula da disciplina Probabilidade,
Estatística, Decisão e Segurança em Projetos Geotécnicos (PEF5837). Disponível em:
<http://www.lmc.ep.usp.br/people/whachich/pef5837/5837.pdf>. Acesso em: 15 nov. 2010.
KOVAČEVIĆ, M.-S.; SZAVITS-NOSSAN, V. Interactive design – Croatian experience. In:

DANUBE-EUROPEAN CONFERENCE ON GEOTECHNICAL ENGINEERING, 13.,
2006, Ljubljana. Proceedings... Ljubljana: J. Logar, 2006. v. 2, p. 451-455. Disponível em:
<http://crosbi.znanstvenici.hr/datoteka/270386.Interactive_design_-_CE.pdf>. Acesso em: 15
nov. 2010.
LOBO, B. O. Método de Previsão de Capacidade de Carga em Estacas: aplicação dos

conceitos de energia do ensaio SPT. 2005. 121 f. Dissertação (Mestrado em Engenharia) –
Programa de Pós-Graduação em Engenharia Civil, Universidade Federal do Rio Grande do
Sul, Porto Alegre.
MILITITSKY, J.; CONSOLI, N. C.; SCHNAID, F. Patologia das Fundações. São Paulo:
Oficina de Textos, 2005.
PATEL, D.; NICHOLSON, D.; HUYBRECHTS, N.; MAERTENS, J. The Observational

Method in Geotechnics. In: NETWORK MEETING, 5., 2005, Delft. Proceedings… Delft:
14
Trabalho sem paginação, o acesso é feito na internet pelo endereço disponibilizado e navegado através de
links.
__________________________________________________________________________________________
65
Geotechnet, 2005. Disponível em: <www.arup.com/_assets/_download/41A6ACB0-DD6E-

06AC-F7C03C57BF321BA5.pdf>. Acesso em: 2 nov. 2010.
PECK, R. B. Advantages and limitations of the observational method in applied soil

mechanics. Géotechnique, London, v. 19, n. 2, p. 171-187, June 1969.
SANTOS, M. S. Inferência Bayesiana na avaliação da segurança de fundações em

estacas de deslocamento. 2008. 128 f. Dissertação (Mestrado em Engenharia) –
Departamento de Engenharia de Estruturas e Geotécnica, Escola Politécnica, Universidade de
São Paulo, São Paulo.
__________________________________________________________________________________________
66
APÊNDICE A – Árvore de decisão em planilha
__________________________________________________________________________________________
67
Padm (tf) P ruína P não ruína Sucesso (R$x1000) Fracasso (R$x1000) Esperado (R$x1000)
a0 100,00 4,05% 95,95% 0,0 -‐20000,0 -‐809,8
a1 108,16 6,18% 93,82% 190,5 -‐19809,5 -‐1046,4
a2 116,64 8,98% 91,02% 362,0 -‐19638,0 -‐1434,1
0 PCE a3 125,44 12,64% 87,36% 515,0 -‐19485,0 -‐2012,6
a4 134,56 17,22% 82,78% 651,5 -‐19348,5 -‐2792,5
a5 144,00 22,71% 77,29% 775,5 -‐19224,5 -‐3766,6
a0 100,00 4,13% 95,87% -‐24,0 -‐20024,0 -‐850,7
a1 108,16 6,18% 93,82% 166,5 -‐19833,5 -‐1070,4
K = 0,8 a2 116,64 8,98% 91,02% 338,0 -‐19662,0 -‐1458,1
a3 125,44 12,64% 87,36% 491,0 -‐19509,0 -‐2036,6
a4 134,56 17,22% 82,78% 627,5 -‐19372,5 -‐2816,5
a5 144,00 22,71% 77,29% 751,5 -‐19248,5 -‐3790,6
1 PCE a0 100,00 2,61% 97,39% -‐24,0 -‐20024,0 -‐545,7
a1 108,16 3,98% 96,02% 166,5 -‐19833,5 -‐629,8
K = 1,0 a2 116,64 5,92% 94,08% 338,0 -‐19662,0 -‐845,9
a3 125,44 8,56% 91,44% 491,0 -‐19509,0 -‐1220,4
a4 134,56 12,01% 87,99% 627,5 -‐19372,5 -‐1774,3
a5 144,00 16,35% 83,65% 751,5 -‐19248,5 -‐2517,6
a0 100,00 2,01% 97,99% -‐24,0 -‐20024,0 -‐425,4
a1 108,16 3,06% 96,94% 166,5 -‐19833,5 -‐444,7
K = 1,2 a2 116,64 4,55% 95,45% 338,0 -‐19662,0 -‐571,3
a3 125,44 6,60% 93,40% 491,0 -‐19509,0 -‐828,3
a4 134,56 9,32% 90,68% 627,5 -‐19372,5 -‐1236,7
a5 144,00 12,81% 87,19% 751,5 -‐19248,5 -‐1810,9
a0 100,00 1,77% 98,23% -‐24,0 -‐20024,0 -‐377,5
a1 108,16 2,66% 97,34% 166,5 -‐19833,5 -‐365,0
K = 1,4 a2 116,64 3,91% 96,09% 338,0 -‐19662,0 -‐444,3
a3 125,44 5,63% 94,37% 491,0 -‐19509,0 -‐634,8
a4 134,56 7,91% 92,09% 627,5 -‐19372,5 -‐954,5
a5 144,00 10,84% 89,16% 751,5 -‐19248,5 -‐1417,0
a0 100,00 2,01% 97,99% -‐24,0 -‐20024,0 -‐425,4
a1 108,16 3,06% 96,94% 166,5 -‐19833,5 -‐444,7
K = 1,6 a2 116,64 4,55% 95,45% 338,0 -‐19662,0 -‐571,3
a3 125,44 6,60% 93,40% 491,0 -‐19509,0 -‐828,3
a4 134,56 9,32% 90,68% 627,5 -‐19372,5 -‐1236,7
a5 144,00 12,81% 87,19% 751,5 -‐19248,5 -‐1810,9
__________________________________________________________________________________________
68
a0 100,00 3,88% 96,12% -‐40,0 -‐20040,0 -‐816,0
a1 108,16 6,04% 93,96% 150,5 -‐19849,5 -‐1057,6
K = 0,8 a2 116,64 9,07% 90,93% 322,0 -‐19678,0 -‐1492,4
a3 125,44 13,12% 86,88% 475,0 -‐19525,0 -‐2149,8
a4 134,56 18,27% 81,73% 611,5 -‐19388,5 -‐3042,3
a5 144,00 24,47% 75,53% 735,5 -‐19264,5 -‐4158,2
2 PCE a0 100,00 1,80% 98,20% -‐40,0 -‐20040,0 -‐399,4
a1 108,16 2,90% 97,10% 150,5 -‐19849,5 -‐429,1
K = 1,0 a2 116,64 4,54% 95,46% 322,0 -‐19678,0 -‐585,6
a3 125,44 6,88% 93,12% 475,0 -‐19525,0 -‐902,0
a4 134,56 10,10% 89,90% 611,5 -‐19388,5 -‐1408,3
a5 144,00 14,30% 85,70% 735,5 -‐19264,5 -‐2124,9
a0 100,00 1,15% 98,85% -‐40,0 -‐20040,0 -‐271,0
a1 108,16 1,85% 98,15% 150,5 -‐19849,5 -‐220,1
K = 1,2 a2 116,64 2,90% 97,10% 322,0 -‐19678,0 -‐258,2
a3 125,44 4,42% 95,58% 475,0 -‐19525,0 -‐409,9
a4 134,56 6,56% 93,44% 611,5 -‐19388,5 -‐700,6
a5 144,00 9,44% 90,56% 735,5 -‐19264,5 -‐1152,8
a0 100,00 0,94% 99,06% -‐40,0 -‐20040,0 -‐227,9
a1 108,16 1,47% 98,53% 150,5 -‐19849,5 -‐144,4
K = 1,4 a2 116,64 2,27% 97,73% 322,0 -‐19678,0 -‐131,3
a3 125,44 3,41% 96,59% 475,0 -‐19525,0 -‐206,1
a4 134,56 5,00% 95,00% 611,5 -‐19388,5 -‐387,6
a5 144,00 7,14% 92,86% 735,5 -‐19264,5 -‐693,5
a0 100,00 0,87% 99,13% -‐40,0 -‐20040,0 -‐215,0
a1 108,16 1,34% 98,66% 150,5 -‐19849,5 -‐117,1
K = 1,6 a2 116,64 2,01% 97,99% 322,0 -‐19678,0 -‐79,6
a3 125,44 2,95% 97,05% 475,0 -‐19525,0 -‐115,7
a4 134,56 4,25% 95,75% 611,5 -‐19388,5 -‐239,1
a5 144,00 5,99% 94,01% 735,5 -‐19264,5 -‐462,7
__________________________________________________________________________________________
69
a0 100,00 3,16% 96,84% -‐72,0 -‐20072,0 -‐703,6
a1 108,16 5,30% 94,70% 118,5 -‐19881,5 -‐941,4
K = 0,8 a2 116,64 8,49% 91,51% 290,0 -‐19710,0 -‐1407,4
a3 125,44 12,94% 87,06% 443,0 -‐19557,0 -‐2145,8
a4 134,56 18,79% 81,21% 579,5 -‐19420,5 -‐3177,9
a5 144,00 25,96% 74,04% 703,5 -‐19296,5 -‐4487,6
4 PCE a0 100,00 0,93% 99,07% -‐72,0 -‐20072,0 -‐257,8
a1 108,16 1,66% 98,34% 118,5 -‐19881,5 -‐212,8
K = 1,0 a2 116,64 2,85% 97,15% 290,0 -‐19710,0 -‐280,0
a3 125,44 4,72% 95,28% 443,0 -‐19557,0 -‐500,4
a4 134,56 7,49% 92,51% 579,5 -‐19420,5 -‐918,4
a5 144,00 11,38% 88,62% 703,5 -‐19296,5 -‐1572,9
a0 100,00 0,46% 99,54% -‐72,0 -‐20072,0 -‐163,4
a1 108,16 0,81% 99,19% 118,5 -‐19881,5 -‐42,8
K = 1,2 a2 116,64 1,39% 98,61% 290,0 -‐19710,0 12,8
a3 125,44 2,31% 97,69% 443,0 -‐19557,0 -‐19,2
a4 134,56 3,73% 96,27% 579,5 -‐19420,5 -‐166,6
a5 144,00 5,82% 94,18% 703,5 -‐19296,5 -‐460,2
a0 100,00 0,33% 99,67% -‐72,0 -‐20072,0 -‐138,3
a1 108,16 1,47% 98,53% 118,5 -‐19881,5 -‐176,4
K = 1,4 a2 116,64 2,27% 97,73% 290,0 -‐19710,0 -‐163,3
a3 125,44 3,41% 96,59% 443,0 -‐19557,0 -‐238,1
a4 134,56 5,00% 95,00% 579,5 -‐19420,5 -‐419,6
a5 144,00 7,14% 92,86% 703,5 -‐19296,5 -‐725,5
a0 100,00 0,30% 99,70% -‐72,0 -‐20072,0 -‐131,7
a1 108,16 0,49% 99,51% 118,5 -‐19881,5 20,6
K = 1,6 a2 116,64 0,79% 99,21% 290,0 -‐19710,0 132,6
a3 125,44 1,24% 98,76% 443,0 -‐19557,0 195,3
a4 134,56 1,91% 98,09% 579,5 -‐19420,5 198,3
a5 144,00 2,87% 97,13% 703,5 -‐19296,5 130,3
__________________________________________________________________________________________
70
a0 100,00 1,92% 98,08% -‐136,0 -‐20136,0 -‐520,9
a1 108,16 3,73% 96,27% 54,5 -‐19945,5 -‐690,6
K = 0,8 a2 116,64 6,74% 93,26% 226,0 -‐19774,0 -‐1122,5
a3 125,44 11,38% 88,62% 379,0 -‐19621,0 -‐1897,1
a4 134,56 17,90% 82,10% 515,5 -‐19484,5 -‐3064,9
a5 144,00 26,28% 73,72% 639,5 -‐19360,5 -‐4616,3
8 PCE a0 100,00 0,28% 99,72% -‐136,0 -‐20136,0 -‐192,7
a1 108,16 0,61% 99,39% 54,5 -‐19945,5 -‐67,3
K = 1,0 a2 116,64 1,25% 98,75% 226,0 -‐19774,0 -‐23,5
a3 125,44 2,42% 97,58% 379,0 -‐19621,0 -‐105,6
a4 134,56 4,45% 95,55% 515,5 -‐19484,5 -‐373,6
a5 144,00 7,68% 92,32% 639,5 -‐19360,5 -‐895,9
a0 100,00 0,09% 99,91% -‐136,0 -‐20136,0 -‐154,4
a1 108,16 0,19% 99,81% 54,5 -‐19945,5 15,5
K = 1,2 a2 116,64 0,40% 99,60% 226,0 -‐19774,0 146,4
a3 125,44 0,78% 99,22% 379,0 -‐19621,0 222,5
a4 134,56 1,48% 98,52% 515,5 -‐19484,5 220,3
a5 144,00 2,66% 97,34% 639,5 -‐19360,5 107,1
a0 100,00 0,06% 99,94% -‐136,0 -‐20136,0 -‐147,2
a1 108,16 0,11% 99,89% 54,5 -‐19945,5 32,0
K = 1,4 a2 116,64 0,22% 99,78% 226,0 -‐19774,0 182,2
a3 125,44 0,41% 99,59% 379,0 -‐19621,0 296,2
a4 134,56 0,76% 99,24% 515,5 -‐19484,5 364,0
a5 144,00 1,34% 98,66% 639,5 -‐19360,5 371,7
a0 100,00 0,05% 99,95% -‐136,0 -‐20136,0 -‐145,6
a1 108,16 0,09% 99,91% 54,5 -‐19945,5 36,3
K = 1,6 a2 116,64 0,17% 99,83% 226,0 -‐19774,0 192,5
a3 125,44 0,30% 99,70% 379,0 -‐19621,0 318,8
a4 134,56 0,53% 99,47% 515,5 -‐19484,5 410,2
a5 144,00 0,90% 99,10% 639,5 -‐19360,5 460,5
__________________________________________________________________________________________
71
a0 100,00 1,15% 98,85% -‐200,0 -‐20200,0 -‐429,6
a1 108,16 2,55% 97,45% -‐9,5 -‐20009,5 -‐520,1
K = 0,8 a2 116,64 5,20% 94,80% 162,0 -‐19838,0 -‐878,5
a3 125,44 9,69% 90,31% 315,0 -‐19685,0 -‐1622,1
a4 134,56 16,47% 83,53% 451,5 -‐19548,5 -‐2841,7
a5 144,00 25,62% 74,38% 575,5 -‐19424,5 -‐4549,0
12 PCE a0 100,00 0,09% 99,91% -‐200,0 -‐20200,0 -‐218,5
a1 108,16 0,24% 99,76% -‐9,5 -‐20009,5 -‐57,2
K = 1,0 a2 116,64 0,58% 99,42% 162,0 -‐19838,0 46,6
a3 125,44 1,31% 98,69% 315,0 -‐19685,0 53,6
a4 134,56 2,75% 97,25% 451,5 -‐19548,5 -‐99,0
a5 144,00 5,36% 94,64% 575,5 -‐19424,5 -‐497,4
a0 100,00 0,02% 99,98% -‐200,0 -‐20200,0 -‐204,2
a1 108,16 0,05% 99,95% -‐9,5 -‐20009,5 -‐20,0
K = 1,2 a2 116,64 0,13% 99,87% 162,0 -‐19838,0 136,5
a3 125,44 0,29% 99,71% 315,0 -‐19685,0 256,2
a4 134,56 0,64% 99,36% 451,5 -‐19548,5 322,8
a5 144,00 1,33% 98,67% 575,5 -‐19424,5 309,0
a0 100,00 0,01% 99,99% -‐200,0 -‐20200,0 -‐202,2
a1 108,16 0,03% 99,97% -‐9,5 -‐20009,5 -‐14,6
K = 1,4 a2 116,64 0,06% 99,94% 162,0 -‐19838,0 150,3
a3 125,44 0,13% 99,87% 315,0 -‐19685,0 289,5
a4 134,56 0,27% 99,73% 451,5 -‐19548,5 397,8
a5 144,00 0,54% 99,46% 575,5 -‐19424,5 467,2
a0 100,00 0,01% 99,99% -‐200,0 -‐20200,0 -‐201,8
a1 108,16 0,02% 99,98% -‐9,5 -‐20009,5 -‐13,4
K = 1,6 a2 116,64 0,04% 99,96% 162,0 -‐19838,0 153,8
a3 125,44 0,08% 99,92% 315,0 -‐19685,0 298,1
a4 134,56 0,17% 99,83% 451,5 -‐19548,5 418,0
a5 144,00 0,32% 99,68% 575,5 -‐19424,5 511,2
__________________________________________________________________________________________
72
a0 100,00 0,68% 99,32% -‐264,0 -‐20264,0 -‐400,9
a1 108,16 1,74% 98,26% -‐73,5 -‐20073,5 -‐422,5
K = 0,8 a2 116,64 3,99% 96,01% 98,0 -‐19902,0 -‐701,0
a3 125,44 8,19% 91,81% 251,0 -‐19749,0 -‐1386,3
a4 134,56 15,01% 84,99% 387,5 -‐19612,5 -‐2614,7
a5 144,00 24,71% 75,29% 511,5 -‐19488,5 -‐4431,0
16 PCE a0 100,00 0,03% 99,97% -‐264,0 -‐20264,0 -‐270,2
a1 108,16 0,10% 99,90% -‐73,5 -‐20073,5 -‐92,7
K = 1,0 a2 116,64 0,27% 99,73% 98,0 -‐19902,0 43,1
a3 125,44 0,72% 99,28% 251,0 -‐19749,0 106,5
a4 134,56 1,74% 98,26% 387,5 -‐19612,5 39,4
a5 144,00 3,82% 96,18% 511,5 -‐19488,5 -‐251,8
a0 100,00 0,00% 100,00% -‐264,0 -‐20264,0 -‐265,0
a1 108,16 0,01% 99,99% -‐73,5 -‐20073,5 -‐76,5
K = 1,2 a2 116,64 0,04% 99,96% 98,0 -‐19902,0 89,5
a3 125,44 0,12% 99,88% 251,0 -‐19749,0 228,0
a4 134,56 0,29% 99,71% 387,5 -‐19612,5 329,0
a5 144,00 0,69% 99,31% 511,5 -‐19488,5 372,8
a0 100,00 0,00% 100,00% -‐264,0 -‐20264,0 -‐264,5
a1 108,16 0,01% 99,99% -‐73,5 -‐20073,5 -‐74,7
K = 1,4 a2 116,64 0,02% 99,98% 98,0 -‐19902,0 94,7
a3 125,44 0,04% 99,96% 251,0 -‐19749,0 242,7
a4 134,56 0,10% 99,90% 387,5 -‐19612,5 367,5
a5 144,00 0,23% 99,77% 511,5 -‐19488,5 465,5
a0 100,00 0,00% 100,00% -‐264,0 -‐20264,0 -‐264,4
a1 108,16 0,00% 100,00% -‐73,5 -‐20073,5 -‐74,4
K = 1,6 a2 116,64 0,01% 99,99% 98,0 -‐19902,0 95,9
a3 125,44 0,03% 99,97% 251,0 -‐19749,0 246,0
a4 134,56 0,06% 99,94% 387,5 -‐19612,5 376,2
a5 144,00 0,12% 99,88% 511,5 -‐19488,5 487,1
__________________________________________________________________________________________
73
a0 100,00 0,41% 99,59% -‐328,0 -‐20328,0 -‐409,9
a1 108,16 1,19% 98,81% -‐137,5 -‐20137,5 -‐376,4
K = 0,8 a2 116,64 3,07% 96,93% 34,0 -‐19966,0 -‐579,9
a3 125,44 6,91% 93,09% 187,0 -‐19813,0 -‐1195,7
a4 134,56 13,65% 86,35% 323,5 -‐19676,5 -‐2407,0
a5 144,00 23,74% 76,26% 447,5 -‐19552,5 -‐4301,0
20 PCE a0 100,00 0,01% 99,99% -‐328,0 -‐20328,0 -‐330,1
a1 108,16 0,04% 99,96% -‐137,5 -‐20137,5 -‐145,4
K = 1,0 a2 116,64 0,13% 99,87% 34,0 -‐19966,0 7,5
a3 125,44 0,41% 99,59% 187,0 -‐19813,0 106,0
a4 134,56 1,12% 98,88% 323,5 -‐19676,5 100,5
a5 144,00 2,75% 97,25% 447,5 -‐19552,5 -‐101,8
a0 100,00 0,00% 100,00% -‐328,0 -‐20328,0 -‐328,2
a1 108,16 0,00% 100,00% -‐137,5 -‐20137,5 -‐138,4
K = 1,2 a2 116,64 0,01% 99,99% 34,0 -‐19966,0 31,1
a3 125,44 0,05% 99,95% 187,0 -‐19813,0 177,7
a4 134,56 0,14% 99,86% 323,5 -‐19676,5 296,3
a5 144,00 0,37% 99,63% 447,5 -‐19552,5 373,7
a0 100,00 0,00% 100,00% -‐328,0 -‐20328,0 -‐328,1
a1 108,16 0,00% 100,00% -‐137,5 -‐20137,5 -‐137,8
K = 1,4 a2 116,64 0,00% 100,00% 34,0 -‐19966,0 33,1
a3 125,44 0,01% 99,99% 187,0 -‐19813,0 184,2
a4 134,56 0,04% 99,96% 323,5 -‐19676,5 315,8
a5 144,00 0,10% 99,90% 447,5 -‐19552,5 427,4
a0 100,00 0,00% 100,00% -‐328,0 -‐20328,0 -‐328,1
a1 108,16 0,00% 100,00% -‐137,5 -‐20137,5 -‐137,7
K = 1,6 a2 116,64 0,00% 100,00% 34,0 -‐19966,0 33,4
a3 125,44 0,01% 99,99% 187,0 -‐19813,0 185,5
a4 134,56 0,02% 99,98% 323,5 -‐19676,5 319,6
a5 144,00 0,05% 99,95% 447,5 -‐19552,5 438,0
__________________________________________________________________________________________
74
a0 100,00 0,15% 99,85% -‐456,0 -‐20456,0 -‐485,6
a1 108,16 0,57% 99,43% -‐265,5 -‐20265,5 -‐378,6
K = 0,8 a2 116,64 1,82% 98,18% -‐94,0 -‐20094,0 -‐458,8
a3 125,44 4,95% 95,05% 59,0 -‐19941,0 -‐930,6
a4 134,56 11,30% 88,70% 195,5 -‐19804,5 -‐2063,8
a5 144,00 21,84% 78,16% 319,5 -‐19680,5 -‐4049,2
28 PCE a0 100,00 0,00% 100,00% -‐456,0 -‐20456,0 -‐456,3
a1 108,16 0,01% 99,99% -‐265,5 -‐20265,5 -‐266,9
K = 1,0 a2 116,64 0,03% 99,97% -‐94,0 -‐20094,0 -‐100,4
a3 125,44 0,13% 99,87% 59,0 -‐19941,0 32,8
a4 134,56 0,47% 99,53% 195,5 -‐19804,5 101,5
a5 144,00 1,46% 98,54% 319,5 -‐19680,5 28,5
a0 100,00 0,00% 100,00% -‐456,0 -‐20456,0 -‐456,0
a1 108,16 0,00% 100,00% -‐265,5 -‐20265,5 -‐265,6
K = 1,2 a2 116,64 0,00% 100,00% -‐94,0 -‐20094,0 -‐94,4
a3 125,44 0,01% 99,99% 59,0 -‐19941,0 57,4
a4 134,56 0,03% 99,97% 195,5 -‐19804,5 189,4
a5 144,00 0,11% 99,89% 319,5 -‐19680,5 297,8
a0 100,00 0,00% 100,00% -‐456,0 -‐20456,0 -‐456,1
a1 108,16 0,00% 100,00% -‐265,5 -‐20265,5 -‐265,8
K = 1,4 a2 116,64 0,00% 100,00% -‐94,0 -‐20094,0 -‐94,9
a3 125,44 0,01% 99,99% 59,0 -‐19941,0 56,2
a4 134,56 0,04% 99,96% 195,5 -‐19804,5 187,8
a5 144,00 0,10% 99,90% 319,5 -‐19680,5 299,4
a0 100,00 0,00% 100,00% -‐456,0 -‐20456,0 -‐456,1
a1 108,16 0,00% 100,00% -‐265,5 -‐20265,5 -‐265,7
K = 1,6 a2 116,64 0,00% 100,00% -‐94,0 -‐20094,0 -‐94,6
a3 125,44 0,01% 99,99% 59,0 -‐19941,0 57,5
a4 134,56 0,02% 99,98% 195,5 -‐19804,5 191,6
a5 144,00 0,05% 99,95% 319,5 -‐19680,5 310,0
__________________________________________________________________________________________

Aplicação de Métodos Probabilísticos E Análise Da Decisão em Projetos de Fundações Profundas

Enviado por

Direitos autorais:

Formatos disponíveis

Aplicação de Métodos Probabilísticos E Análise Da Decisão em Projetos de Fundações Profundas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aplicação de Métodos Probabilísticos E Análise Da Decisão em Projetos de Fundações Profundas

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

Andry Soares Rilho

APLICAÇÃO DE MÉTODOS PROBABILÍSTICOS E ANÁLISE

APLICAÇÃO DE MÉTODOS PROBABILÍSTICOS E ANÁLISE

Trabalho de Diplomação a ser apresentado ao Departamento de

Orientador: Fernando Schnaid

APLICAÇÃO DE MÉTODOS PROBABILÍSTICOS E ANÁLISE

Porto Alegre, 18 de julho de 2011

Prof. Fernando Schnaid

Profa. Carin Maria Schmitt

Eng. Vítor Pereira Faro

Eng. Gracieli Diestmann

Prof. Fernando Schnaid

Agradeço ao Prof. Fernando Schnaid, orientador deste trabalho, pelos ensinamentos de

Agradeço ao colega Daniel Winter pela amizade, colaboração e as madrugadas de trabalho.

RILHO, A. S. Aplicação de métodos probabilísticos e análise da decisão em projetos de

Diversas áreas da Engenharia utilizam métodos probabilistas para avaliar probabilidades de

Palavras-chave: métodos probabilistas; Método Observacional; Análise da Decisão

Figura 1: representação esquemática do delineamento da pesquisa.................................. 17

Quadro 1: alternativas de projeto...................................................................................... 24

K = fator de viés (Pobs/Pprev)

R = logaritmo na base 10 do fator de viés

r = particular valor da variável R

k = particular realização da variável K

f’(Ѳ) = densidade anterior do parâmetro Ѳ

f’’(Ѳ) = densidade posterior do parámetro Ѳ

L(Ѳ|z) = função de verossimilhança

z = vetor resultado da amostragem

υ = parâmetro da função gama

h = coordenada cartesiana (m)

n = distância adimensional da parede

sR2 = variância amostral de r

H = parâmetro da distribuição t-Student

ro = valor extremo negativo de r

Pprev = carga prevista

Pobs = carga observada em ensaio.

CPCE = custo de prova de carga estática

nPCE = número de provas de carga estática

SPT = Standar Penetration Test – Ensaio de Penetração Simples

O risco na Engenharia é perfeitamente compreendido entre os profissionais da área,

Em projetos geotécnicos há uma enorme quantidade de incertezas. Há incerteza na

Em projetos de fundações com estacas, a prática brasileira é baseada proponderantemente em

da abrangência de possibilidades exploradas, das solicitações e da dificuldade de atribuir um

A qualidade da execução das fundações muitas vezes só é questionada quando um defeito

Este capítulo apresenta o método de pesquisa, especificando questão de pesquisa, objetivos do

2.1 QUESTÃO DE PESQUISA

A questão de pesquisa é: como decidir a quantidade de provas de carga a executar e como

2.2 OBJETIVOS DO TRABALHO

Os objetivos do trabalho estão classificados em principal e secundários e são apresentados nos

2.2.1 Objetivo principal

O objetivo principal deste trabalho consiste na apresentação de Métodos Probabilistas e

2.2.2 Objetivos secundários

Os objetivos secundários deste trabalho são:

a) análise de parâmetros de risco e segurança em projetos de Engenharia;

O trabalho limita-se a exemplificar hipoteticamente o uso de ferramentas estatísticas e Análise

A etapa estudo dos Métodos Probabilistas consistiu em conhecer os métodos analíticos e

Figura 1: representação esquemática do delineamento da pesquisa

A etapa levantamento de casos na Engenharia nos quais possam ser utilizados os

A etapa considerações finais apresenta uma discussão a respeito da utilidade destas