Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/12870

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorARAÚJO, Ézio da Rocha
dc.contributor.authorANDRADE, Nilma Fontes de Araujo
dc.date.accessioned2015-04-10T14:18:22Z
dc.date.available2015-04-10T14:18:22Z
dc.date.issued2013-11-29
dc.identifier.citationANDRADE, Nilma Fontes de Araujo. Análise e otimização estocásticas de concepções de estruturas de concreto armado utilizando modelos de seleção . Recife, 2013. 257 f. Tese (doutorado) - UFPE, Centro de Tecnologia e Geociências, Programa de Pós-graduação em Engenharia Civil, 2013.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/12870
dc.description.abstractEsta tese desenvolve e codifica uma metodologia que permite avaliar e selecionar concepções alternativas para estruturas de concreto armado, considerando as variáveis estruturais como estocásticas, os efeitos da propagação das incertezas e a otimização estocástica dos custos das alternativas de projeto, como uma ferramenta para mitigar riscos e realçar as oportunidades de ganho. Tradicionalmente, a prática da engenharia sempre objetiva encontrar ―a solução ótima‖ sob hipóteses determinísticas, tanto na fase de estudos conceituais, fase esta sob a qual o trabalho pretende concentrar-se, quanto nas soluções específicas para os elementos estruturais no projeto final. Esta tese é parte de um projeto de pesquisa e desenvolvimento na área de flexibilidade em sistemas de engenharia, como os envolvidos na exploração e na produção de petróleo em alto mar, ou na implantação de centenas de quilômetros de linhas de transmissão, ou de infraestrutura rodoviária, ou mesmo na construção de grandes edifícios, ou conjuntos deles. Geralmente esses projetos necessitam de investimentos de grande capital, submetidos a diversas incertezas técnicas e mercadológicas, e implementados ao longo de um grande intervalo de tempo. As variáveis de projeto são descritas por funções de densidade de probabilidade apropriadas, e sua propagação é feita através da técnica de Monte Carlo. A otimização sob incerteza das variáveis de projeto é efetuada sobre medidas estocásticas das funções-objetivo, usando algoritmos de otimização que não requerem o cálculo de derivadas. Desta forma, uma gama enorme de funções-objetivo estocásticas (ou não) pode ser codificada, de acordo com as necessidades do projeto. Tais algoritmos de otimização, trabalhando conjuntamente com amostragens das distribuições, permitem uma generalidade suficiente para a avaliação e a otimização de alternativas de projeto sob diversos critérios. A generalidade acima descrita não pode ser conseguida senão com uma análise de centenas de milhares de análises e dimensionamentos estruturais. Esse desafio computacional é enfrentado com o desenvolvimento de modelos de seleção para o dimensionamento dos elementos estruturais. A esses modelos, de média fidelidade, são acoplados regras de decisão normativas, modelos de análise estrutural e modelos econômicos.pt_BR
dc.description.sponsorshipCAPESpt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectModelos probabilísticospt_BR
dc.subjectIncertezaspt_BR
dc.subjectModelos de seleçãopt_BR
dc.subjectFlexibilidadept_BR
dc.subjectOtimizaçãopt_BR
dc.subjectModelos de dimensionamentopt_BR
dc.subjectConcreto armadopt_BR
dc.titleAnálise e otimização estocásticas de concepções de estruturas de concreto armado utilizando modelos de seleçãopt_BR
dc.typedoctoralThesispt_BR
Aparece en las colecciones: Teses de Doutorado - Engenharia Civil

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Nilma_Andrade_Tese_UFPE_Orientador_Prof_Ezio.pdf7,03 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons