Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo

Detalhes bibliográficos
Autor(a) principal: OLIVEIRA, Rodrigo Santos de
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPE
dARK ID: ark:/64986/0013000013kb7
Texto Completo: https://repositorio.ufpe.br/handle/123456789/44222
Resumo: O método Monte Carlo (MC) tem como principais vantagens a robustez e a simplicidade. Em problemas práticos de confiabilidade estrutural, entretanto, o tamanho da amostra pode tornar o MC inviável devido ao alto custo computacional para o cálculo da probabilidade de falha. Diversos métodos baseados no MC foram desenvolvidos buscando diminuir esse problema, como o Importance Sampling (IS), o Subset Simulation (SuS) e o Separable Monte Carlo (SepMC). Neste trabalho, o método Monte Carlo Seletivo (SMC) é proposto, visando problemas cuja função de falha é localmente monotônica na região de interesse, o que acontece na maior parte dos problemas de engenharia estrutural. O SMC reduz o número de avaliações da função de falha (NFE) do MC ao calcular apenas uma parte dos pontos, realizando uma busca pelos pontos falhos no sentido de falha de cada variável. Dois problemas de estruturas e 13 exemplos de referência são analisados, onde o NFE para um dado coeficiente de variação da probabilidade de falha é contabilizado e comparado com o MC, IS, SuS e SepMC. Além disso, um estudo paramétrico para avaliar o impacto do número de variáveis da função de falha no método proposto é realizado. Os resultados mostraram que a redução no NFE pelo SMC pode chegar a mais de 99,9% em relação ao MC e foi maior que a do SuS para todos os problemas, além de maior que a do IS e do SepMC para a maioria dos problemas. Vale salientar que quando a função de falha é monotônica, para uma mesma amostra, o SMC e o MC resultam em um mesmo valor de probabilidade de falha.
id UFPE_2b0cef22be803b78480aaca62aacf876
oai_identifier_str oai:repositorio.ufpe.br:123456789/44222
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling OLIVEIRA, Rodrigo Santos dehttp://lattes.cnpq.br/8734584149737738http://lattes.cnpq.br/3244489374228723http://lattes.cnpq.br/3146063061089997MOTTA, Renato de SiqueiraAFONSO, Silvana Maria Bastos2022-04-27T18:35:12Z2022-04-27T18:35:12Z2022-02-04OLIVEIRA, Rodrigo Santos de. Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo. 2022. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal de Pernambuco, Recife, 2022.https://repositorio.ufpe.br/handle/123456789/44222ark:/64986/0013000013kb7O método Monte Carlo (MC) tem como principais vantagens a robustez e a simplicidade. Em problemas práticos de confiabilidade estrutural, entretanto, o tamanho da amostra pode tornar o MC inviável devido ao alto custo computacional para o cálculo da probabilidade de falha. Diversos métodos baseados no MC foram desenvolvidos buscando diminuir esse problema, como o Importance Sampling (IS), o Subset Simulation (SuS) e o Separable Monte Carlo (SepMC). Neste trabalho, o método Monte Carlo Seletivo (SMC) é proposto, visando problemas cuja função de falha é localmente monotônica na região de interesse, o que acontece na maior parte dos problemas de engenharia estrutural. O SMC reduz o número de avaliações da função de falha (NFE) do MC ao calcular apenas uma parte dos pontos, realizando uma busca pelos pontos falhos no sentido de falha de cada variável. Dois problemas de estruturas e 13 exemplos de referência são analisados, onde o NFE para um dado coeficiente de variação da probabilidade de falha é contabilizado e comparado com o MC, IS, SuS e SepMC. Além disso, um estudo paramétrico para avaliar o impacto do número de variáveis da função de falha no método proposto é realizado. Os resultados mostraram que a redução no NFE pelo SMC pode chegar a mais de 99,9% em relação ao MC e foi maior que a do SuS para todos os problemas, além de maior que a do IS e do SepMC para a maioria dos problemas. Vale salientar que quando a função de falha é monotônica, para uma mesma amostra, o SMC e o MC resultam em um mesmo valor de probabilidade de falha.CAPESThe Monte Carlo method (MC) has as main advantages the robustness and simplicity. In practical problems of structural reliability, however, the sample size can make the MC unfeasible due to the high computational cost for calculating the failure probability. Several methods based on MC have been developed to reduce this issue, such as Importance Sampling (IS), Subset Simulation (SuS) and Separable Monte Carlo (SepMC). In this work, the Selective Monte Carlo method (SMC) is proposed, aiming at problems whose failure function is locally monotonic in the region of interest, which happens in most structural engineering problems. The SMC reduces the number of evaluations of the failure function (NFE) of the MC by calculating only a part of the points, performing a search for the failed points in the direction of failure of each variable. Two structural problems and 13 benchmark examples are analyzed, where the NFE for a given coefficient of variation of the failure probability is accounted for and compared with the MC, IS, SuS and SepMC. In addition, a parametric study to evaluate the impact of the number of variables of the failure function on the proposed method is carried out. The results showed that the reduction of the NFE by SMC can reach more than 99.9% in relation to MC and was greater than that of SuS for all problems, in addition to greater than that of IS and SepMC for most problems. It is worth noting that when the failure function is monotonic, for the same sample, the SMC and MC result in the same failure probability value.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia CivilUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia civilMonte CarloAnálise de confiabilidadeMonte Carlo SeletivoAnálise estruturalAnálise de confiabilidade estrutural usando o Método Monte Carlo Seletivoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPELICENSElicense.txtlicense.txttext/plain; charset=utf-82142https://repositorio.ufpe.br/bitstream/123456789/44222/3/license.txt6928b9260b07fb2755249a5ca9903395MD53ORIGINALDISSERTAÇÃO Rodrigo Santos de Oliveira.pdfDISSERTAÇÃO Rodrigo Santos de Oliveira.pdfapplication/pdf1473873https://repositorio.ufpe.br/bitstream/123456789/44222/1/DISSERTA%c3%87%c3%83O%20Rodrigo%20Santos%20de%20Oliveira.pdfbfc972952c73e9a5320846c9412840edMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/44222/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52TEXTDISSERTAÇÃO Rodrigo Santos de Oliveira.pdf.txtDISSERTAÇÃO Rodrigo Santos de Oliveira.pdf.txtExtracted texttext/plain147348https://repositorio.ufpe.br/bitstream/123456789/44222/4/DISSERTA%c3%87%c3%83O%20Rodrigo%20Santos%20de%20Oliveira.pdf.txt1b1ca1b1588dc454c35e588b280d24a9MD54THUMBNAILDISSERTAÇÃO Rodrigo Santos de Oliveira.pdf.jpgDISSERTAÇÃO Rodrigo Santos de Oliveira.pdf.jpgGenerated Thumbnailimage/jpeg1227https://repositorio.ufpe.br/bitstream/123456789/44222/5/DISSERTA%c3%87%c3%83O%20Rodrigo%20Santos%20de%20Oliveira.pdf.jpg9dd25a088ddd1fbd0efc4f9b9c030749MD55123456789/442222022-04-28 02:11:34.783oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212022-04-28T05:11:34Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo
title Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo
spellingShingle Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo
OLIVEIRA, Rodrigo Santos de
Engenharia civil
Monte Carlo
Análise de confiabilidade
Monte Carlo Seletivo
Análise estrutural
title_short Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo
title_full Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo
title_fullStr Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo
title_full_unstemmed Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo
title_sort Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo
author OLIVEIRA, Rodrigo Santos de
author_facet OLIVEIRA, Rodrigo Santos de
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/8734584149737738
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3244489374228723
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3146063061089997
dc.contributor.author.fl_str_mv OLIVEIRA, Rodrigo Santos de
dc.contributor.advisor1.fl_str_mv MOTTA, Renato de Siqueira
dc.contributor.advisor-co1.fl_str_mv AFONSO, Silvana Maria Bastos
contributor_str_mv MOTTA, Renato de Siqueira
AFONSO, Silvana Maria Bastos
dc.subject.por.fl_str_mv Engenharia civil
Monte Carlo
Análise de confiabilidade
Monte Carlo Seletivo
Análise estrutural
topic Engenharia civil
Monte Carlo
Análise de confiabilidade
Monte Carlo Seletivo
Análise estrutural
description O método Monte Carlo (MC) tem como principais vantagens a robustez e a simplicidade. Em problemas práticos de confiabilidade estrutural, entretanto, o tamanho da amostra pode tornar o MC inviável devido ao alto custo computacional para o cálculo da probabilidade de falha. Diversos métodos baseados no MC foram desenvolvidos buscando diminuir esse problema, como o Importance Sampling (IS), o Subset Simulation (SuS) e o Separable Monte Carlo (SepMC). Neste trabalho, o método Monte Carlo Seletivo (SMC) é proposto, visando problemas cuja função de falha é localmente monotônica na região de interesse, o que acontece na maior parte dos problemas de engenharia estrutural. O SMC reduz o número de avaliações da função de falha (NFE) do MC ao calcular apenas uma parte dos pontos, realizando uma busca pelos pontos falhos no sentido de falha de cada variável. Dois problemas de estruturas e 13 exemplos de referência são analisados, onde o NFE para um dado coeficiente de variação da probabilidade de falha é contabilizado e comparado com o MC, IS, SuS e SepMC. Além disso, um estudo paramétrico para avaliar o impacto do número de variáveis da função de falha no método proposto é realizado. Os resultados mostraram que a redução no NFE pelo SMC pode chegar a mais de 99,9% em relação ao MC e foi maior que a do SuS para todos os problemas, além de maior que a do IS e do SepMC para a maioria dos problemas. Vale salientar que quando a função de falha é monotônica, para uma mesma amostra, o SMC e o MC resultam em um mesmo valor de probabilidade de falha.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-04-27T18:35:12Z
dc.date.available.fl_str_mv 2022-04-27T18:35:12Z
dc.date.issued.fl_str_mv 2022-02-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv OLIVEIRA, Rodrigo Santos de. Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo. 2022. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal de Pernambuco, Recife, 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/44222
dc.identifier.dark.fl_str_mv ark:/64986/0013000013kb7
identifier_str_mv OLIVEIRA, Rodrigo Santos de. Análise de confiabilidade estrutural usando o Método Monte Carlo Seletivo. 2022. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal de Pernambuco, Recife, 2022.
ark:/64986/0013000013kb7
url https://repositorio.ufpe.br/handle/123456789/44222
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Engenharia Civil
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/44222/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/44222/1/DISSERTA%c3%87%c3%83O%20Rodrigo%20Santos%20de%20Oliveira.pdf
https://repositorio.ufpe.br/bitstream/123456789/44222/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/44222/4/DISSERTA%c3%87%c3%83O%20Rodrigo%20Santos%20de%20Oliveira.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/44222/5/DISSERTA%c3%87%c3%83O%20Rodrigo%20Santos%20de%20Oliveira.pdf.jpg
bitstream.checksum.fl_str_mv 6928b9260b07fb2755249a5ca9903395
bfc972952c73e9a5320846c9412840ed
e39d27027a6cc9cb039ad269a5db8e34
1b1ca1b1588dc454c35e588b280d24a9
9dd25a088ddd1fbd0efc4f9b9c030749
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1815172992218431488