Dissertação Andry

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA CIVIL
Andry Soares Rilho
APLICAO DE MTODOS PROBABILSTICOS E ANLISE
DA DECISO EM PROJETOS DE FUNDAES PROFUNDAS

Porto Alegre
julho 2011

ANDRY SOARES RILHO
Trabalho de Diplomao 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 obteno do
ttulo de Engenheiro Civil

Orientador: Fernando Schnaid

Porto Alegre
julho 2011

ANDRY SOARES RILHO
Este Trabalho de Diplomao foi julgado adequado como pr-requisito para a obteno do
ttulo de ENGENHEIRO CIVIL e aprovado em sua forma final pelo Professor Orientador e
pela Coordenadora da disciplina Trabalho de Diplomao 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. Vtor 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
Agradeo ao Prof. Fernando Schnaid, orientador deste trabalho, pelos ensinamentos de
Engenharia e pelas discusses e crticas no desenvolvimento do trabalho.
Agradeo ao Eng. Mrcio Santos pela colaborao e ensinamentos essenciais para este
trabalho, pela recepo na USP e incentivo no estudo de estatstica aplicada Engenharia.
Agradeo a professora Carin Maria Schmitt pela ajuda e orientao extremamente competente
na organizao formal deste trabalho.
Agradeo ao colega Daniel Winter pela amizade, colaborao e as madrugadas de trabalho.
Agradeo por ltimo, mas no menos importante, minha amiga e colega Lysiane, pessoa
maravilhosa que fez parte substancial nos ltimos anos desse curso.

preciso viver o dia-a-dia com realismo, determinao,
trabalho e tica, mas almejar um futuro melhor, tanto para
si, como para os outros.
Albert Paul Dahoui

RESUMO
RILHO, A. S. Aplicao de mtodos probabilsticos e anlise da deciso em projetos de
fundaes profundas. 2010. 74 f. Trabalho de Diplomao (Graduao em Engenharia Civil)
Departamento de Engenharia Civil, Universidade Federal do Rio Grande do Sul, Porto
Alegre.
Diversas reas da Engenharia utilizam mtodos probabilistas para avaliar probabilidades de
falha e confiabilidade de estruturas criadas. No entanto, na Engenharia Geotcnica,
ferramentas mais racionais para avaliar a confiabilidade e incorporar critrios de segurana
nos projetos so ainda pouco utilizadas. Diversos projetos so concebidos baseados no
empirismo e intuio do projetista, mesmo sabendo que frequentemente ocorrem situaes
imprevistas que somente sero detectadas durante a execuo da obra. Trabalhos recentes
trazem exemplos de que possvel realizar projetos mais racionais com uso de programas de
investigao, monitoramento e controle de qualidade garantindo a segurana adequada e at
mesmo reduzindo custos de projeto. Este trabalho apresenta as incertezas em projetos
geotcnicos e discute mtodos probabilistas, Anlise da Deciso, anlise de risco e
consequncia da runa. Ateno dada ao chamado Mtodo Observacional, apresentado por
Peck, em 1969, em sua Rankine Lecture, hoje se fala mais no Interactive Design, abordagem
mais dinmica em virtude da obteno e processamento de dados cada vez mais acessvel.
Fez-se uma discusso de um mtodo de reavaliao da segurana de fundaes profundas com
o uso de provas de carga esttica utilizando estatstica Bayesiana para incorporar novas
informaes. Por ltimo apresentado um exemplo no qual utiliza-se da Anlise da Deciso e
da reavaliao da segurana luz de resultados de provas de carga mostrando a rvore de
deciso e a escolha da soluo utilizando o critrio de maximizao do valor esperado.

Palavras-chave: mtodos probabilistas; Mtodo Observacional; Anlise da Deciso

LISTA DE FIGURAS
Figura 1: representao esquemtica do delineamento da pesquisa.................................. 17
Figura 2: estimao de probabilidades.............................................................................. 24
Figura 3: rvore de deciso entre duas alternativas de altura de ensecadeira................... 25
Figura 4: diferentes abordagens consideradas no Mtodo dos Estados Limites............... 28
Figura 5: coeficiente de segurana versus segurana........................................................ 29
Figura 6: probabilidade de runa para algumas estruturas em funo das consequncias
da ruptura............................................................................................................
34
Figura 7: mnimizao do custo esperado......................................................................... 35
Figura 8: Mtodo Observacional....................................................................................... 42
Figura 9: utilizao de nveis de alerta numa construo por etapa.................................. 44
Figura 10: interaes entre informaes priorsticas e amostrais..................................... 48
Figura 11: variao da probabilidade de runa em funo do n de provas de carga........ 54
Figura 12: variao do fator de segurana em funo do nmero de provas de
carga....................................................................................................................
55
Figura 13: variao do fator de segurana em funo de K e de ! para uma PCE........... 56
Figura 14: variao do fator de segurana em funo do n de provas de carga e de K... 57
Figura 15: rvore de deciso truncada com experimentao............................................ 59
Figura 16: custo versus probabilidade de runa................................................................. 61

LISTA DE QUADROS
Quadro 1: alternativas de projeto...................................................................................... 24
Quadro 2: comparao entre projeto pr-definido e a abordagem do Mtodo
Observacional...................................................................................................... 40
Quadro 3: parmetros da distribuio do fator de vis com o uso do mtodo Aoki-
Velloso de previso............................................................................................. 49
Quadro 4: alternativas de projetos de fundaes para a laje............................................. 58

LISTA DE SMBOLOS
K = fator de vis (P
obs
/P
prev
)
R = logaritmo na base 10 do fator de vis
r = particular valor da varivel R
k = particular realizao da varivel K
f(!) = densidade anterior do parmetro !
f(!) = densidade posterior do parmetro !
N = constante de normalizao
L(!|z) = funo de verossimilhana
z = vetor resultado da amostragem
v = graus de liberdade
" = parmetro da funo gama
h = coordenada cartesiana (m)
n = distncia adimensional da parede
= valor mdio de r
m
R
= mdia amostral de r
s
R
2
= varincia amostral de r
H = parmetro da distribuio t-Student
r
o
= valor extremo negativo de r
! = ndice de confiabilidade
FS = fator de segurana

P
adm
= carga admissvel
P
prev
= carga prevista
P
obs
= carga observada em ensaio.
C
PCE
= custo de prova de carga esttica
n
PCE
= nmero de provas de carga esttica
SPT = Standar Penetration Test Ensaio de Penetrao Simples

SUMRIO
1 INTRODUO ........................................................................................................... 13
2 MTODO DE PESQUISA ......................................................................................... 15
2.1 QUESTO DE PESQUISA ....................................................................................... 15
2.2 OBJETIVOS DO TRABALHO ................................................................................. 15
2.2.1 Objetivo principal.................................................................................................. 15
2.2.2 Objetivo secundrio............................................................................................... 15
2.3 PRESSUPOSTOS ...................................................................................................... 16
2.4 LIMITAES ............................................................................................................ 16
2.5 DELINEAMENTO .................................................................................................... 16
3 INCERTEZAS EM UM PROJETO GEOTCNICO.............................................. 18
3.1 INCERTEZA INTRNSECA ..................................................................................... 19
3.2 INCERTEZA DE PARMETRO .............................................................................. 19
3.3 INCERTEZA DE MODELO ..................................................................................... 20
3.4 ERROS HUMANOS ................................................................................................. 21
4 MTODOS PROBABILISTAS E ANLISE DA DECISO................................. 22
4.1 ANLISE DA DECISO.......................................................................................... 22
4.1.1 CONCEITUAO................................................................................................. 22
4.1.2 EXEMPLO DE ANLISE DA DECISO.......................................................... 23
4.1.3 ABORDAGEM BAYESIANA.............................................................................. 25
4.2 MTODOS PROBABILISTAS NA INTRODUO DA SEGURANA EM
PROJETO DE ENGENHARIA.................................................................................... 27
5 CONSEQUNCIA DA RUNA E ANLISE DE RISCO EM PROJETOS
GEOTCNICOS........................................................................................................ 32
5.1 PROBABILIDADE DE RUNA PRESCRITA.......................................................... 33
5.2 MAXIMIZAO DA UTILIDADE ESPERADA..................................................... 34
6 SOBRE O MTODO OBSERVACIONAL OU INTERACTIVE DESIGN............ 36
6.1 O MTODO OBSERVACIONAL............................................................................. 37
6.2 COMPARAO ENTRE O PROJETO TRADICIONAL E O PROJETO
INTERATIVO.............................................................................................................. 39
6.3 IMPLEMENTAO DO MTODO NA GEOTECNIA........................................... 41
6.4 VALORES GATILHO................................................................................................ 43
7 REAVALIAO DA SEGURANA DE FUNDAES........................................ 45
7.1 DISTRIBUIO A PRIORI....................................................................................... 46
7.2 OBTENO DA DISTRIBUIO POSTERIOR.................................................... 47

7.3 ANLISE DA SEGURANA COM EXPERIMENTAO.................................... 53
8 EXEMPLO DE APLICAO.................................................................................... 58
9 CONSIDERAES FINAIS...................................................................................... 62
REFERNCIAS ............................................................................................................... 64
APNDICE A................................................................................................................... 66

__________________________________________________________________________________________
Aplicao de Mtodos Probabilsticos e Anlise da Deciso em Projetos Geotcnicos
13
1 INTRODUO
Todos os projetos de Engenharia possuem risco associado. Seja o risco de no atender a um
requisito pr-estabelecido como conforto, durabilidade ou, at 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 perfeitamente compreendido entre os profissionais da rea,
principalmente os projetistas. No entanto so raras as vezes em que os riscos so mensurados
a fim de poder tomar uma deciso embasada em anlises probabilistas. Estas anlises que
mensuram riscos e incertezas so mais aceitas em contrataes de seguros e pode auxiliar na
tomada de deciso do projetista de forma a otimizar um projeto.
Em projetos geotcnicos h uma enorme quantidade de incertezas. H incerteza na
investigao do substrato, no projeto de fundaes, estruturas de contenes ou taludes, e
tambm na execuo da obra. O presente trabalho dar mais enfoque aos projetos de
fundaes, principalmente em fundaes profundas, pois esto presentes na grande maioria
das obras de Engenharia Civil e raros so os projetos acompanhados de controle para verificar
o desempenho real das fundaes.
A maior parte dos problemas de fundaes causado por investigao inadequada ou at
mesmo a ausncia da mesma (MILITITSKY et al., 2005, p. 27). No Brasil exigido por
norma apenas o ensaio de simples reconhecimento (SPT), o que para alguns casos pode ser
suficiente porm em outros no atende as necessidades do projeto, como no caso da
ocorrncia de estratos de solos moles compressveis no local indicado para a obra. Existem
incertezas na prpria execuo do ensaio, na representatividade de um furo, na preciso de
medidas, nas correlaes entre medidas e parmetros geotcnicos, entre outros.
Em projetos de fundaes com estacas, a prtica brasileira baseada proponderantemente em
dois mtodos de estimativa de capacidade de carga, quais sejam: o de Aoki-Velloso e o de
Decurt-Quaresma. Ambos os mtodos utilizam o ensaio SPT fazendo uma correlao
emprico-estatstica com resultados de provas de carga esttica levadas at a ruptura. Neste
caso as incertezas so decorrentes da prpria regresso estatstica do banco de dados utilizado,

__________________________________________________________________________________________
Andry Soares Rilho. Porto Alegre: DECIV/EE/UFRGS, 2011
14
da abrangncia de possibilidades exploradas, das solicitaes e da dificuldade de atribuir um
critrio de ruptura do sistema solo/estaca.
A qualidade da execuo das fundaes muitas vezes s questionada quando um defeito
executivo aflora. Muitas vezes estacas moldadas in loco sofrem contaminao de solo na sua
execuo, vazios de concretagem ou estrangulamentos. Estacas pr-moldadas podem vir a
quebrar devido energia excessiva de cravao ou esto sujeitas a haver levantamento de um
segmento na emenda. Todos estes problemas so de difcil deteco 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 substitudo por um aumento do fator de segurana, que
tambm onera o projeto. O presente trabalho objetiva levantar as principais incertezas tanto na
investigao, projeto e execuo de obras geotcnicas e analisar a relao entre custo e
segurana, com ou sem controle, de forma a garantir ao projeto uma confiabilidade desejada.
Tambm procura-se discutir um pouco sobre risco de engenharia, no mbito do controle de
qualidade e instrumentao de projetos geotcnicos.
O presente trabalho foi dividido em nove captulos e um apndice. No captulo 1 faz-se uma
apresentao do trabalho introduzindo o assunto e a motivao da pesquisa. No captulo 2
apresenta-se o mtodo de pesquisa com questo e objetivo do trabalho, pressupostos,
limitaes e o delineamento da pesquisa. O captulo 3 discorre sobre as incertezas na
Engenharia. O captulo 4 apresenta a Anlise da Deciso e o uso de Mtodos Probabilistas na
Engenharia. O captulo 5 discorre sobre a questo do risco na Engenharia e das consequncias
da runa em obras civis. No captulo 6 apresentado o Mtodo Observacional na Engenharia
Geotcnica e discutido a implementao deste em projetos. No captulo 7 apresentado um
mtodo para reavaliao da segurana de fundaes a luz de novas informaes vindas de
resultados de provas de carga, e tambm feita uma anlise acerca da variao do fator de
segurana com o resultado das provas de carga. No captulo 8 feito um exemplo simples e
hipottico para aplicar a Anlise da Deciso a fim de encontrar a melhor deciso de projeto
com experimentao. No captulo 9 so feitas as consideraes finais e sugestes para
pesquisas futuras.

__________________________________________________________________________________________
15
2 MTODO DE PESQUISA
Este captulo apresenta o mtodo de pesquisa, especificando questo de pesquisa, objetivos do
trabalho, pressuposto, delimitaes e delineamento.
2.1 QUESTO DE PESQUISA
A questo de pesquisa : como decidir a quantidade de provas de carga a executar e como
utilizar os resultados para reavaliar a segurana de um projeto de fundaes profundas a fim
de encontrar solues mais econmicas?
2.2 OBJETIVOS DO TRABALHO
Os objetivos do trabalho esto classificados em principal e secundrios e so apresentados nos
prximos itens.
2.2.1 Objetivo principal
O objetivo principal deste trabalho consiste na apresentao de Mtodos Probabilistas e
demonstrao de uso da Anlise da Deciso com o intuito de conceber, executar e reavaliar
um projeto de fundaes profundas de forma interativa a partir de resultados de provas de
carga esttica.
2.2.2 Objetivos secundrios
Os objetivos secundrios deste trabalho so:
a) anlise de parmetros de risco e segurana em projetos de Engenharia;
b) levantamento de ferramentas de gerenciamento da segurana disponveis e
aplicveis na Engenharia Geotcnica.

__________________________________________________________________________________________
16
2.3 PRESSUPOSTO
O trabalho tem por pressuposto que os parmetros estimados a partir de ensaios geotcnicos,
indepentente do tipo de ensaio, no apresentaro variabilidade para fins de clculo. Tambm
se pressupe que o mtodo para atualizao Bayesiana para estacas com resultados de provas
de carga proposto por Baecher e Rackwitz (1982) vlido.
2.4 LIMITAES
O trabalho limita-se a exemplificar hipoteticamente o uso de ferramentas estatsticas e Anlise
da Deciso em projetos de fundaes profundas.
2.5 DELINEAMENTO
O trabalho ser realizado atravs das etapas apresentadas a seguir que esto representadas na
figura 1:
a) pesquisa bibliogrfica;
b) estudo dos Mtodos Probabilistas e Anlise da Deciso;
c) levantamento de casos na Engenharia nos quais possam ser utilizados os
conceitos apresentados;
d) aplicao dos conceitos em exemplos;
e) consideraes finais.

A etapa pesquisa bibliogrfica foi realizada a partir de leitura de livros, artigos e dissertaes
a respeito do tema segurana em projetos geotcnicos. Procurou-se tambm pesquisar a
respeito de conceitos de probabilidade e estatstica na Engenharia e Anlise da Deciso.
A etapa estudo dos Mtodos Probabilistas consistiu em conhecer os mtodos analticos e
simulaes numricas utilizados para avaliar segurana. Tambm procurou-se estudar a
inferncia estatstica para reavaliao de projetos de fundaes frente a novas realidades. O
estudo sobre Anlise da Deciso tratou de conhecer as ferramentas de auxilio estruturao
de problemas e tomada de deciso na Engenharia.

__________________________________________________________________________________________
17

Figura 1: representao esquemtica do delineamento da pesquisa
A etapa levantamento de casos na Engenharia nos quais possam ser utilizados os
conceitos apresentados visou levantar situaes de projetos reais nos quais os conceitos e
procedimentos estudados possam ser teis.
A etapa aplicao dos conceitos em exemplos e estudos de casos foi feita de modo a ilustrar
o uso de procedimentos em uma obra hipottica, levantadas na etapa anterior. Os resultados
dos ensaios tambm foram hipotticos e serviram para mostrar a influncia na tomada de
deciso de acordo com a sensibilidade do parmetro analisado no ensaio.
A etapa consideraes finais apresenta uma discusso a respeito da utilidade destas
ferramentas, exequibilidade do uso e suas limitaes. Apresentou-se tambm sugestes para
pesquisas futuras.

__________________________________________________________________________________________
18
3 INCERTEZAS EM UM PROJETO GEOTCNICO
Em se tratando de problemas do mundo real, incertezas so inevitveis. importante que os
engenheiros reconheam a presena da maioria das fontes de incertezas em projetos de
Engenharia (ANG; TANG, 2007, p. 1).
Como a Engenharia Geotcnica usa principalmete o solo como material de construo, 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 construo e
dimensiona uma obra de acordo com as caractersticas levantadas do substrato do local. Em
virtude do substrato ser moldado pela natureza, para se conhecer suas caractersticas, faz-se
uma investigao, que procura conhecer as caractersticas desse material, o qual varia no
tempo e no espao.
A formao dos solos acontece por fenmenos geolgicos naturais os quais podem originar
substratos extremamente heterogneos. Segundo Ang e Tang (2007, p. 23), propriedades do
solo so inerentemente heterogneas e altamente variveis, sendo depsitos de solo naturais
caracterizados por camadas irregulares de vrios materiais (argila, silte, areia, pedregulho ou
combinaes destes) com larga faixa de densidades, propores da mistura e outras
propriedades do solo que afetam a resistncia e compressibilidade dos depsitos.
Nessa linha de pensamento pode-se perceber o grande nmero de incertezas que desafiam um
projeto de Engenharia Geotcnica. A natureza dessas incertezas normalmente classificada
em trs tipos (HACHICH, 1998a, p. 200):
a) intrnseca: a incerteza natural ou fundamental, proveniente da prpria
aleatoriedade dos fenmenos naturais (ventos mximos anuais, padres geolgicos
de deposio ou de intemperismo etc.);
b) de parmetros: a incerteza na estimativa dos parmetros dos modelos adotados
(por exemplo, resistncia mdia do solo de fundao), proveniente da falta ou
insuficincia de dados ou informaes; pode ser reduzida a custa de amostragens
maiores;
c) de modelo: a incerteza quanto ao modelo adotado para descrever o fenmeno;
cabe aqui ressaltar que h dois tipos de modelos em jogo e que h incertezas em
ambos:

__________________________________________________________________________________________
19
o modelo fsico de comportamento, por exemplo, os mecanismos de
desenvolvimento de empuxos em paredes de escavaes. Modelos
constitutivos para representao do comportamento de solos;
os modelos probabilsticos (normal, log-normal, exponencial, binomial,
Poisson etc.) utilizados para descrever as variveis aleatrias do modelo
fsico (por exemplo, a distribuio de resistncia do solo de fundao).

Os itens a seguir apresentam os principais tipos de incertezas na Engenharia.
3.1 INCERTEZA INTRNSECA
A incerteza intrnseca tambm chamada de natural ou fundamental. Ela exprime o carter
aleatrio da natureza dos fenmenos (SANTOS, 2008, p. 6). Esta incerteza fundamental est
presente em todos os fenmenos fsicos, visto que nunca se tem completa certeza sobre uma
medida fsica ou sobre um fenmeno fsico.
3.2 INCERTEZA DE PARMETROS
A incerteza de parmetros tambm conhecida como incerteza estatstica. Ela exprime a falta
de acurcia nas medidas dos parmetros para o projeto. Um programa mais extensivo de
investigao pode reduzir esta incerteza.
Santos (2008, p. 12) comenta que, num primeiro momento, considerava-se suficiente para a
caracterizao de um parmetro apenas as medidas da tendncia central da amostra coletada,
em vista que muitos fenmenos tem seu comportamento afetado por mdias. Posteriormente,
com a introduo da segurana por mtodos probabilistas, so necessrias tambm as medidas
de disperso dos valores das amostras.
Costa (2005, p. 37-38) apresenta a incerteza de parmetros dividida em disperso dos dados e
erros sistemticos. A disperso dos dados a variao das medidas em torno da tendncia
central, composta pela variao espacial inerente e os erros aleatrios nos ensaios. O erro
sistemtico a diferena entre essa tendncia mdia observada e o valor real, que seria a
incerteza na localizao dessa mdia por si s.

__________________________________________________________________________________________
20
3.3 INCERTEZA DE MODELO
A incerteza de modelo pode ser compreendida como [...] a lacuna entre a teoria adotada
pelos modelos de previso 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
anlises e previses para tomar decises ou para planejar e desenvolver critrios para um
projeto (ANG; TANG, 2007, p. 17). Um exemplo de modelo fsico a ruptura circular de um
talude pelo mtodo de equilbrio limite (de momentos e ou foras atuantes). Assim a previso
de ruptura est condicionada a este modelo de clculo, que pode, em determinados casos, no
ser representativa da realidade em campo. Pode-se usar a distribuio Normal, por exemplo,
para modelar o comportamento da variao do ngulo de atrito interno de um solo. Da mesma
forma qualquer clculo probabilstico que se faa estar condicionado ao uso da distribuio
Normal a este parmetro. Segundo Santos (2008, p. 8), A incerteza de modelo fica mais
evidente quando consideramos a realidade inexorvel de que cada obra um prottipo nico
e, assim sendo, um determinado modelo s pode fornecer, quando muito, um resultado
prximo daquele verdadeiramente observado na estrutura real..
Modelos fsicos podem fazer simplificaes da realidade, para fins de clculo, mantendo a
coerncia dimensional. Porm alguns problemas de Engenharia so ainda melhor resolvidos
com abordagem emprica como no caso do dimensionamento de fundaes profundas
(CINTRA; AOKI
1
, 1999 apud SANTOS, 2008, p. 9):
Na prtica do projeto de fundaes em estacas h intensa utilizao de modelos
semi-empricos (como por exemplo os mtodos de Aoki-Veloso e Dcourt-
Quaresma), em detrimento dos modelos tericos, os quais, inclusive, muitas vezes
so tidos como no confiveis.
Santos (2008, p. 8) complementa que Inobstante adoo de modelos que melhor tentem
representar a realidade, os resultados obtidos da simulao raramente se coadunam com
aqueles observados para capacidade de carga de estacas..

1
CINTRA, J. C.; AOKI, N. Carga admissvel em fundaes profundas. So Paulo: EESC-USP, 1999.

__________________________________________________________________________________________
21
3.4 ERROS HUMANOS
Segundo Santos (2008, p. 13-14), os erros humanos ainda no so bem compreendidos e a
melhor forma de minimizar esses erros a checagem de projetos por entidades independentes
e um bom controle de qualidade. Costa (2005, p. 46) afirma que estes erros [...] so
aleatrios e imprevisveis., e cita como exemplo [...] a falta de cuidado, ignorncia de
normas e padres, informaes enganosas, [...] relaes contratuais inapropriadas e falta de
comunicao entre as partes envolvidas no projeto..
Santos (2008, p. 14) tambm comenta que alguns autores apresentam clculos de
probabilidade de ocorrncia de um erro aps um certo tempo de checagem por um
profissional, porm no consideram a competncia do examinador. Erros de execuo em
projetos tendem a ser diminudos 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 execuo usando de
boas prticas de Engenharia, e no apenas um trabalho burocrtico.

__________________________________________________________________________________________
22
4 MTODOS PROBABILISTAS E ANLISE DA DECISO
Projetos de Engenharia Geotcnica atuais so moldados por prescries de normas que no
utilizam ferramentas racionais que incorporam a segurana, no entanto [...] diante do carter
incerto dos parmetros e dos modelos fsicos que descrevem o comportamento das obras de
geotecnia, os modelos probabilsticos esto no cerne da questo da segurana e, certamente,
esto no futuro da maioria das normas. (HACHICH, 1998a, p. 201).
Nos itens a seguir sero tratados a Anlise de Deciso e os Mtodos Probabilistas aplicados
em projetos de Engenharia.
4.1 ANLISE DA DECISO
Neste item sero apresentados uma conceituao breve da Anlise da Deciso, um exemplo
para ilustrar este conceito e ser comentado sobre a abordagem Bayesina na reavaliao de
projetos.
4.1.1 Conceituao
Na prtica de Engenharia, assim como em outras atividades humanas, necessrio tomar
decises analisando instintivamente os custos e consequncia de cada deciso. Um exemplo
clssico de Anlise da Deciso acontece rotineiramente quando decide-se carregar ou no um
guarda-chuva ao sair de casa. Avalia-se a probabilidade de vir a chover, ou continuar
chovendo dispondo ou no de informaes da meteorologia. Simultaneamente, e de forma
implicita, calculam-se os custos do incmodo de carregar o guarda-chuva durante o dia inteiro
e os custos de vir a se molhar com a chuva. Ento decide-se pela alternativa que minimiza o
custo esperado. Segundo Bekman e Costa Neto (1980, p. 1), a Anlise da Deciso no tenta
explicar porque as pessoas tomam tal deciso, e sim, ajuda a estruturar o problema de forma a
poder analisar todas as possibilidades, consequncias e probabilidades, para enfim tomar uma
deciso segundo algum critrio estabelecido.

__________________________________________________________________________________________
23
Para que um problema de deciso possa ser formulado so necessrias as seguintes
informaes (BEKMAN; COSTA NETO, 1980, p. 1-2):
a) a relao de todas as opes possveis, seja como referncia aos possveis cursos
de ao, seja a respeito da coleta ou aquisio de novas informaes.
b) a lista de todos os eventos que podem ocorrer como resultado das possveis
decises.
c) a cronologia em que as informaes chegam ao conhecimento do decisor e em
que as decises devem ser tomadas.
d) a quantificao das preferncias do decisor em relao s consequncias que
podem resultar dos possveis cursos de ao.
e) um julgamento probabilstico a respeito da ocorrncia dos possveis eventos.

Algumas dessas informaes so objetivas, como a lista dos eventos ou a cronologia, e
algumas so subjetivas tais como a quantificao das consequncias ou o julgamento
probabilstico. Esses juzos probabilistas so condicionados experincia do decisor que
escolhe os dados a serem analisados e o modelo a ser utilizado (HACHICH, 1998b, item
3.3.1). A experincia do engenheiro sempre ir influenciar na deciso, pois Solues de
Engenharia resultam sempre de uma simbiose entre racionalismo e empirismo. (HACHICH,
1998a, p. 200).
Uma forma muito interessante de representar as opes de deciso por meio de uma rvore
de deciso. Esta representa esquematicamente a distribuio de probabilidades dos possveis
estados da natureza. O exemplo abaixo demonstra como funciona a ferramenta em questo.
4.1.2 Exemplo de Anlise da Deciso
Uma ensecadeira deve ser construda para a proteo do canteiro de obras. O engenheiro deve
escolher entre duas alternativas utilizando como critrio a minimizao do custo esperado. A
mdia de vazes da srie histrica de 886,5 m#/s e o desvio padro da srie 440,9 m#/s. O
custo de trs semanas de atraso devido a inundao do canteiro de R$ 30.000,00. O quadro 1
apresenta as duas alternativas de projeto. (Exerccio 1.9 de BENJAMIN; CORNELL, 1970
resolvido por HACHICH, 1999, slides 15-26).

__________________________________________________________________________________________
24
Altura da ensecadeira (m) Vazo suportada (m#/s) Custo (R$)
3 200 15.600
4,5 550 18.600
Quadro 1: alternativas de projeto (HACHICH, 1999, slide 16)
A frequncia acumulada das chuvas visto na figura 2 assim como as probabilidades para
cada alternativa. Observa-se que a probabilidade estimada para a vazo de 200 m#/s no seja
superada de 4,5% e a de 550 m#/s de 27,3%. As probabilidades de que essas vazes sejam
superadas ser o complementar destes valores, ou seja. 95,5% e 72,7% respectivamente.

Figura 2: estimao de probabilidades (HACHICH, 1999, slide 21)
A rvore de deciso apresentada na figura 3 mostrando que, pelo critrio de menor custo
esperado, a melhor deciso a alternativa da ensecadeira de 4,5 metros.

__________________________________________________________________________________________
25

Figura 3: rvore de deciso entre duas alternativas de altura de ensecadeira
(adaptado de HACHICH, 1999, slide 17)
O custo esperado obtido pela soma dos produtos entre o custo e a probabilidade de cada
alternativa. Neste exemplo pode-se compreender a importncia dos juzos de probabilidades
que so feitos para cada evento. Embora neste caso se tenha uma srie amostral, muitos
eventos importantes na Engenharia (como a probabilidade de runa) so raros e pode-se
apenas fazer juzos subjetivos de acordo com a experincia do decisor. E contudo, no decorrer
do projeto, essa proposio inicial pode ser revista.
4.1.3 Abordagem Bayesiana
Na Engenharia Geotcnica comum deparar-se com novas realidades a medida que o projeto
avana, ento necessrio uma ferramenta adequada para inserir essa nova realidade na
Anlise da Deciso e o quanto conveniente pagar para se obter essa informao. Bekman e
Costa Neto (1980, p. 2-3) explicam:
Mais provavelmente, ser-nos- possvel reduzir a incerteza sobre determinada
realidade por um procedimento de experimentao ou amostragem. A regra de
Bayes nos permitir 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 informao
decorrente.

__________________________________________________________________________________________
26
A Abordagem Bayesiana um mtodo de inferncia estatstica na qual algum tipo de
evidncia ou observao usada para calcular a probabilidade de uma hiptese ser verdadeira
ou atualizar as probabilidades calculadas anteriormente, de acordo com a compatibilidade da
evidncia observada com a hiptese (funo de verossimilhana). Hachich (1998b, item 3.3.1)
afirma que, Sendo formalmente uma decorrncia natural da definio de probabilidades
condicionais, a aplicao do teorema de Bayes convida considerao do carter condicional
das probabilidades.. Este autor ainda comenta que o Teorema de Bayes se apresenta como
um processador de informaes, um incorporador de experincia. Para Ang e Tang (2007, p.
64), o Teorema de Bayes fornece uma ferramenta valorosa e til para revisar ou melhorar uma
probabilidade calculada quando um dado ou informao adicional passa a ser disponvel. De
acordo com Hachich (1998a, p. 205), A grande vantagem da Estatstica Bayesiana o
abandono do conceito frequencialista de probabilidade em favor do conceito de grau de
convico racional..
Pelo Teorema de Bayes, tem-se:
! ! ! ! ! ! !
!!!!!!
!!!!
(frmula 1)
Onde:
P[A|B] (l-se probabilidade de A dado B) a probabilidade de que ocorra o evento A
condicionado informao de que ocorreu o evento B;
P[A] a probabilidade de que ocorra o evento A;
P[B|A] (l-se probabilidade de B dado A) a probabilidade de que ocorra o evento B
condicionado informao de que ocorreu o evento A;
P[B] a probabilidade de que ocorra o evento B.

Essa ferramenta permite considerar o grau de convico inicial e ainda pode-se inferir as
informaes. Alm disso, ela se mostra muito til para problemas de Engenharia e
essencialmente necessrio para se desenvolver projetos interativos, os quais so previamente

__________________________________________________________________________________________
27
concebidos para incorporar informaes ao longo do projeto, como ser visto no prximo
captulo. Santos (2008, p. 3) ainda afirma:
[...] fica evidenciada a vantagem da utilizao da Estatstica Bayesiana na avaliao
da segurana de obras geotcnicas, dada a possibilidade de se considerar o grau de
convico prvio acerca do parmetro a ser estimado, informao essa aglutinada
pela distribuio a priori do parmetro, de carter subjetivo.
Hachich (1998b, item 3.3.2) indica que Uma frase de Victor de Mello
2
(1977), em sua
magistral Rankine Lecture [...], reforou essas convices que se vinham formando na minha
mente: we are, we cannot help but be Bayesians in all our root culture..
4.2 MTODOS PROBABILISTAS NA INTRODUO DA SEGURANA
EM PROJETO DE ENGENHARIA
Santos (2008, p. 21) apresenta que, inicialmente, era usado apenas a intuio para considerar a
segurana em obras civis. Com o passar do tempo foi incorporando-se a experincia e a
segurana, empiricamente, baseando-se em obras similares. S a partir da dcada de 50 do
sculo passado que a Engenharia Geotcnica incorporou os conceitos de probabilidade e
estatstica j presente em outras reas da tecnolgia para desenvolver mtodos mais racionais
de introduo da segurana. Hachich (1998a, p. 197) defende que modelos probabilsticos so
essenciais para a introduo da segurana de maneira racional:
No h como evoluir no estabelecimento de critrios de projetos relacionados
segurana sejam eles em termos de coeficientes de segurana globais, parciais,
coeficientes de ponderao, ndices de segurana ou probabilidades de runa seno
atravs de modelos probabilsticos, pois variabilidade e incerteza constituem o
fulcro da questo da segurana.
Atualmente existem diversos critrios para a incorporao de segurana, que podem ser
dividos em dois grandes grupos: os deterministas e os probabilistas. Estes critrios so
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.
Gotechnique, London, v. 27, n. 3, p. 279-355, Sept. 1977.

__________________________________________________________________________________________
28

Figura 4: diferentes abordagens consideradas no Mtodo dos Estados Limites
(SANTOS, 2008, p. 23)
Segundo Santos (2008, p. 29), Os Fatores de Segurana Globais no possuem uma relao
biunvoca com a segurana propriamente dita, pois fatores de segurana iguais podem resultar
em seguranas (medidas pelas probabilidades de runa) distintas.. A figura 5 apresenta a
funo densidade de probabilidade de duas estruturas hipotticas que demonstram a falha
conceitual nos coeficientes de segurana. Atenta-se para o fato de que a probabilidade de
runa de cada estrutura igual rea abaixo da curva PDF (funo densidade de
probabilidade) com coeficiente de segurana menor do que a unidade.
Na evoluo da incorporao de critrios de segurana em projetos de Engenharia surgem os
mtodos semi-probabilsticos, como comenta Hachich (1998b, item 3.1.3):
O trabalho de Brinch Hansen (1956) foi talvez o primeiro, na Engenharia
Geotcnica, que props que a segurana no fosse expressa por um coeficiente de
segurana global, mas que estivesse distribuda entre os fatores intervenientes no
projeto, de acordo com a sua incerteza e outros critrios [...]

__________________________________________________________________________________________
29

Figura 5: coeficiente de segurana versus segurana (LACASSE; GOULOIS
3
, 1989
adaptado por SANTOS, 2008, p. 29)
Ao propor que se use fatores de segurana parciais, vrios autores tentam fazer que se valha o
esforo em reduzir as incertezas. Se determinado parmetro obtido de uma maneira mais
confivel e, provavelmente, com um maior custo, no h nada mais racional que querer usar
um coeficiente de segurana menor e assim poder economizar no dimensionamento. Ainda
assim, no se considera as particularidades de cada obra como comenta Santos (2008, p. 30):
A despeito do reconhecido avano que o mtodo semi-probabilstico tenha
representado, o referido mtodo, tal como preconizado na maioria das normas
tcnicas, tambm padece do mesmo mal: os fatores de segurana parciais no levam
em conta a variabilidade das garndezas em uma obra em particular.
Os mtodos probabilistas visam corrigir a falta de unicidade entre coeficiente de segurana e
segurana propriamente dita, que existe nos mtodos deterministas e semi-probabilistas
(SANTOS, 2008, p. 31). Este autor sugere que se use a medida conhecida como
probabilidade de runa, esta tambm referida por outros autores como a mais adequada para
se referir segurana de uma obra. Hachich
4
(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 segurana nos projetos de Geotecnia. 1978. 94 f. Dissertao (Mestrado em
Engenharia de Estruturas) Departamento de Engenharia de Estruturas e Fundaes, Escola Politcnica,
Universidade de So Paulo, So Paulo.

__________________________________________________________________________________________
30
qualquer estrutura est associada uma probabilidade de runa positiva e diante dessa realidade
o mais racional seria incorporar essa probabilidade de runa nas atividades de concepo do
engenheiro.
Todavia, o termo probabilidade de runa, ou probabilidade de ruptura, pode soar mal para os
clientes, principalmente os no profissionais da rea. prefervel uma medida que indique a
sade do projeto a outra que lembre que a obra possa ter um fim catastrfico (COSTA, 2005,
p. 76).
Outra forma de efetuar anlises de confiabilidade pela avaliao da segurana do projeto
geotcnico atravs do ndice de confiabilidade (!), por vezes tambm chamado de ndice de
confiana (COSTA, 2005, p. 84). Este ndice representa a quantidade de desvios em que o
evento runa se afasta da mdia.
Os mtodos probabilistas podem ser divididos em: Mtodo Probabilista Puro (MPP) e Mtodo
Probabilista Condicionado (MPC). Os Mtodos Probabilistas Condicionados levam esse nome
devido as probabilidades utilizadas e resultantes serem condicionadas a algum modelo de
clculo, como por exemplo, a probabilidade de ruptura de um talude dado ruptura circular
bidimensional, ou probabilidade de ruptura de uma estaca dado critrio de ruptura Van Der
Veen e medida de comportamento por mtodos dinmicos. Assim essas probabilidades
encontradas esto condicionadas aos modelos utilizados e de acordo com a teoria conhecida.
No Mtodo Probabilista Puro consideram-se todas as condicionantes e suas probabilidades
para ento conhecer a probabilidade de runa absoluta. No entanto, Santos (2008, p. 32)
afirma que A considerao dos diversos modos de ruptura atravs de distribuies
probabilistas introduz tamanha complexidade anlise que conduz o MPP condio de um
modelo estritamente terico..
O maior problema da aplicao dos modelos probabilistas Engenharia Geotcnica ou, em
termos mais gerais, segurana das obras civis, reside na impossibilidade de comprovao
experimental da sua validade (HACHICH, 1998b, item 5.1). Tambm segundo este autor,
devido ao carter nico das situaes analisadas no h como comprovar experimentalmente
se o uso de um modelo superior a outro apenas ad argumentandi. Hachich (1998b, item 5.1)
segue afirmando:

__________________________________________________________________________________________
31
No tenhamos iluses , portanto: a superioridade dos modelos probabilistas somente
poder ser reinvidicada com base no racionalismo e no em evidncias
experimentais. por essa razo que insisto [...] que a escolha de um modelo
probabilista deve basear-se antes de mais nada em consideraes ligadas fsica do
fenmeno em estudo, prpria gnese da grandeza a ser representada por uma
varivel aleatria.
Existem diversos livros de Engenharia e de Estatstica que tratam das ferramentas
matemticas necessrias para se utilizar os mtodos probabilistas e semi-probabilistas. No
ser abordado neste trabalho a apresentao deste ferramental.

__________________________________________________________________________________________
32
5 CONSEQUNCIA DA RUNA E ANLISE DE RISCO EM PROJETOS
GEOTCNICOS
importante que desde j 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 sade,
propriedade ou meio ambiente, medido em unidades monetrias, vidas humanas ou impacto
ambiental (CRUDEN; FELL
5
, 1997 apud COSTA, 2005, p. 72). O risco (R) pode ser
expresso como:
! ! !!
!
!!
!
! (frmula 2)
Onde:
P
i
= probabilidade de ocorrncia do evento aleatrio E
i

C
i
= consequencia ou dano do evento E
i
, com i variande de 1 a n eventos aleatrios.

Observa-se que, de acordo com esta definio, a avaliao do risco geotcnico envolve
necessariamente consideraes a respeito das probabilidades de ocorrncia de eventos
aleatrios (probabilidade de runa) e da consequncia potencial (custo esperado) (COSTA,
2005).
O Eng. Eli Costa afirmou que Instintivamente o projetista mais conservador em projetos
onde as consequncias de uma eventual runa so maiores. (informao 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 crianas. Onde as consequncias
de um colapso so maiores, o projetista compensa na segurana para manter o risco baixo.
Segundo Santos (2008, p. 16) a respeito da considerao das consequncias:

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
Informao obtida na aula de Estabilidade dos Taludes.

__________________________________________________________________________________________
33
Invariavelmente, os mtodos mais racionais de se considerar as consequncias da
runa utilizam a probabilidade de sua ocorrncia como parmetro, de modo que so
identificados dois critrios: ou se adota uma probabilidade de runa prescrita, em
funo de riscos admitidos pela sociedade ou ento uma probabilidade que
maximiza uma utilidade (por exemplo a economia por vida salva).
5.1 PROBABILIDADE DE RUNA PRESCRITA
A probabilidade de runa prescrita estar relacionada com o risco admitido pela sociedade.
Este risco admitido involuntariamente e quantificado por uma comparao com outros
riscos tais como, morte no trnsito, por doena ou desastres naturais. Diversos trabalhos
mostram que o risco de morte por doena parece ser o fator determinante para o
estabelecimento de outros nveis de aceitabilidade de riscos (COSTA, 2005, p. 103-104). De
Zagottis
7
(1974 apud SANTOS, 2008, p. 16) entende por admissvel uma probabilidade de
runa da ordem de 10
-5
, com base na probabilidade de uma pessoa em perfeitas condies
fsicas e mentais falecer antes de terminar o dia. A reviso de Fell
8
(1994 apud COSTA, 2005,
p. 104) indicou que a sociedade pode aceitar de forma incondicional uma probabilidade de
runa de 10
-6
(taxa de mortalidade anual), e que seria excessivo (inaceitvel) uma
probabilidade similar quela devido a morte por doena que de 10
-3
por ano. A figura 6
apresenta a probabilidade de runa aceita e marginalmente aceita em funo das
consequncias de runa para diversos tipos de estrutura. Pode-se notar que a aceitabilidade do
risco depende da natureza do desastre. Um desastre areo, por exemplo, muito menos aceito
comparado a um colapso de uma plataforma mvel, mesmo causando o mesmo prejuzo.

7
DE ZAGOTTIS, D. Introduo da Segurana no Projeto Estrutural. So Paulo: Departamento de Livros e
Publicaes do Grmio Politcnico, 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 runa para algumas estruturas em funo das
consequncias da ruptura (WHITMAN
9
, 1984 apud SANTOS, 2008, p. 18)
5.2 MAXIMIZAO DA UTILIDADE ESPERADA
Este critrio de escolha do risco leva em conta comportamentos subjetivos como propenso ao
risco e consequncia no mensurveis economicamente. A maximizao da utilidade esperada
tida como o estgio final da evoluo dos critrios de segurana 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 consequncias de runa e utilizar a probabilidade de runa que
minimiza o custo esperado. O custo de uma construo tanto maior quanto maior for a
segurana contra a ruptura (menor probabilidade de runa). O risco, por outro lado aumenta
com o aumento da probabilidade de runa, como visto na frmula 2. Assim, o custo esperado,
que a soma destes dois custos, ter um mnimo e uma probabilidade de runa tima. A figura
7 ilustra essa questo.

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: mnimizao do custo esperado (adaptado de SANTOS, 2008, p. 19)

__________________________________________________________________________________________
36
6 SOBRE O MTODO OBSERVACIONAL
O engenheiro canadense Ralph Peck (1969, p. 171) afirma que mtodos observacionais
intuitivamente foram e tm sido utilizados por engenheiros nos trabalho de campo. O Mtodo
Observacional (Observacional Method) que o autor aborda tem um sentido mais restrito e
significa um mtodo de projetar com base em observaes da realidade de modo a aprender
durante a execuo. O desenvolvimento de forma sistemtica desse procedimento aplicado a
mecnica dos solos se deve ao engenheiro Karl von Terzaghi.
Durante sua vida profissional Terzaghi desenvolveu instintivamente um mtodo para atacar
problemas prticos em projetos geotcnicos e ensinou a Peck enquanto trabalhavam juntos em
alguns grandes projetos. Segundo Terzaghi, na Engenharia, para vrios trabalhos como
fundaes, tneis, cortes ou barragens de terra, um grande esforo dispendido apenas para
encontrar, de forma aproximada, valores para constantes fsicas que so usadas nas equaes.
Muitas outras variveis como a disposio e presena de camadas do substrato assim como o
nvel dgua continuam desconhecidos. Portanto os resultados de clculos so apenas
hipteses de trabalho que precisam ser confirmadas e modificadas durante a construo
(PECK, 1969, p. 172).
Portanto, segundo o proposto pelo Mtodo Observacional, um engenheiro deve reconhecer a
grande quantidade de incerteza envolvida, fundir o conhecimento cientfico e tecnolgico com
sua experincia e de outros colegas para ento conceber e executar um projeto que ser
melhorado durante a execuo de acordo com a realidade observada. Como a maior parte dos
projetos de Engenharia geotcnica so prottipos de si mesmos, sempre poder haver alguma
surpresa durante a execuo que no foi prevista no projeto inicial. Ento devero ser tomadas
decises de maneira a garantir a segurana do projeto, ainda que essa deciso no extremo seja
de parar o projeto por inviabilidade tcnica ou econmica.
A melhor definio para o Mtodo 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 Mtodo Observacional em Engenharia de Solos um contnuo, 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 construo, monitoramento e reviso que habilita
modificaes pr-definidas a serem incorporadas durante ou aps a construo como
apropriado. Todos estes aspectos tm de ser rigorosamente demonstrveis. O objetivo
alcanar a soluo mais econmica sem comprometer a segurana.
Segundo Kova$evi% e Szavits-Nossan (2006, p. 1), o projeto interativo consiste em fazer um
projeto para a estrutura geotcnica com proviso para extensivo monitoramento in situ
durante a construo. Os resultados do monitoramento tornam possvel verificar se o solo ou a
rocha e a estrutura esto se comportando da maneira prevista pelo modelo de clculo, e
tambm executar retro-anlise numrica de forma a combinar resultados de clculo e medidas
reais para um nvel de acurcia aceitvel. Estes autores citam tambm a importncia de se
fazer testes no destrutivos que avaliem o real desempenho das estruturas em construo e a
agilidade do projetista em reavaliar o projeto de acordo com a realidade de forma a assegurar
a segurana necessria ao projeto.
Este captulo apresenta o mtodo observacional na Engenharia Geotcnica, a comparao
entre um projeto tradicional e um projeto interativo, a implementao do mtodo
observacional na Geotecnia e o uso de nveis de alerta em monitoramentos.
6.1 MTODO OBSERVACIONAL
O Mtodo Observacional tem sua raiz no instinto do prprio ser humano resolvedor de
problemas cotidianos. O mtodo de projetar por tentativa e erro precursor do Mtodo
Observacional de modo que a soluo de projeto se encontrar na observao de que este foi
ou no bem sucedido, oneroso ou de difcil formulao. A idia do Mtodo Observacional
comea a amadurecer quando o indivduo ganha experincia e resolve que em problemas
futuros ele deva encontrar solues que se adaptem melhor a realidade mesmo que essa
realidade venha florescer apenas quando na implementao da soluo. Ento esse indivduo
reconhece as incertezas de todo o processo e concebe uma soluo na qual vai se aprendendo
acerca da realidade ao longo da trajetria. Como definido por Terzaghi, se trata de um learn-
as-you-go method, ou seja, aprenda ao longo do percurso, durante a soluo.
Peck (1969, p. 172) comenta que nas mos de Terzaghi esse mtodo se mostrou muito bem
sucedido embora isso no 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 mtodo, e conclui dizendo que no h dvida de que o completo valor do mtodo no
pode ser notado ao menos que o engenheiro seja inteiramente engajado com o seu problema,
faa contnuas alteraes do projeto e procedimentos ao passo em que as informaes so
obtidas e tenha autoridade de agir rapidamente pelas suas decises e concluses. Estes
requisitos pareceriam favorecer a direo de um projeto observacional nas mo de um nico
indivduo. Na verdade eu estou inclinado a acreditar que parte do segredo do sucesso de
Terzaghi esteja em sua presso pessoal, completa responsabilidade e autoridade em trabalhos
(PECK, 1969, p. 172).
Mesmo com estes requisitos o Mtodo Observacional s pode fazer papel importante se o
projeto em questo possa ser modificado ao longo da execuo. Ou seja, deve ser
tecnicamente vivel alterar o projeto de acordo com uma nova realidade.
Peck (1969, p. 173) faz uma reviso e apresenta os ingredientes a serem incorporados para a
aplicao do Mtodo Observacional:
a) investigao suficiente para estabelecer no mnimo a natureza geral, padres e
propriedades dos depsitos, mas no necessariamente em detalhe;
b) avaliao das condies mais provveis e o mais desfavorvel afastamento
possvel dessas condies.
c) estabelecimento do projeto baseado em hipteses de trabalho de
comportamento previsto sob a condio mais provvel;
d) seleo de grandezas a serem monitoradas durante a construo e clculo de
previso dos valores destas grandezas;
e) clculo dos valores destas mesmas grandezas sob as condies mais
desfavorveis, compatveis com limites conhecidos;
f) seleo de aes a serem usadas caso alguma grandeza monitorada varie
significativamente dos valores adotados como hiptese de trabalho;
g) medidas das grandezas para se avaliar as condies reais;
h) modificao do projeto para se adaptar s condies reais.

Com esses ingredientes o referido autor condensou sistematicamente o Mtodo
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 sculo passado,
e como o pas normalmente importa projetos, estes j possuem solues consagradas devendo
apenas ser adequados s condies locais.

__________________________________________________________________________________________
39
A respeito da prtica de Engenharia nacional Hachich (1998b, item 3.5.2) comenta:
Tenho a sensao de que nos projetos usuais efetuam-se anlises demais para a
hiptese de trabalho e que a instrumentao acaba sendo locada de forma mais ou
menos convencional, quase exclusivamente em funo da prpria hiptese de
trabalho. Sua utilidade fica restrita, dessa forma, retroanlise dos parmetros do
modelo adotado, quase dogmaticamente admitido como verdadeiro. No admira,
nesse contexto, a postura de proprietrios e executores de obras, geralmente
refratrios instrumentao.
Talvez o nosso Pas tenha simplesmente passado por uma fase em que no houve
muito espao para as obras de maior porte ou maior ousadia de concepo, que so
exatamente aquelas em que o incrementalismo do mtodo de observao (design as
you go) se impe. Em problemas mais corriqueiros ou resolvidos de modo
corriqueiro no h, de fato, extrapolao para alm dos universos consagrados, no
se justificando instrumentaes mais sofisticadas. Ou talvez os engenheiros civis
sejam simplesmente conservadores demais...
6.2 COMPARAO ENTRE O PROJETO TRADICIONAL E O PROJETO
INTERATIVO
Projetos tradicionais de Engenharia Geotcnica so normalmente baseados em um simples
dimensionamento robusto e inteiramente desenvolvido, e no h inteno de mudar o projeto
durante a construo. Instrumentao e monitoramente podem eventualmente ser usados,
porm estes fazem um papel muito passivo no projeto. Servem apenas para checar previses
iniciais e verificar se o dimensionamento continua vlido e conferindo confiana aos
projetistas. Por outro lado, no Mtodo Observacional a intrumentao e o monitoramente tm
papel muito ativo, tanto no projeto quanto na construo, permitindo que as modificaes
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 Mtodo Observacional muito importante a realizao de um contrato que inclua
as incumbncias de cada parte ao longo do desenvolver do projeto. Como o projeto vai se
alterando no decorrer da execuo, este contrato deve prever cada combinao de hipteses
para que as partes no fiquem discutindo responsabilidades durante a obra. O quadro 2
apresenta a comparao entre os dois processos, com projeto pr-definido e com projeto
interativo.

__________________________________________________________________________________________
40
Projeto Pr-Definido Mtodo Observacional
Tarefas permanentes
Um conjunto de parmetros
Um projeto / previso
Delineamento do mtodo construtivo
Monitoramento verifica se previses no
foram excedidas
Se excedidas considerar:
o Abordagem da melhor sada para
o projeto
o Redefinir o projeto pr-definido
readequando as incertezas do
solo
Plano de emergncia
Tarefas temporrias
Dois conjuntos de parmetros
Dois projetos e previses
Mtodos de projeto e execuo integrados
Mtodo relacionado com gatilhos
Forte e amplo sistema de monitoramento
Processo de modificao e reviso
- Plano de contingncia
- Plano de otimizao
Plano de emergncia
Quadro 2: comparao entre projeto pr-definido e a abordagem do Mtodo
Observacional (adaptado de PATEL et al., 2005, p. 2)
Peck (1969, p. 173) apresentou e exemplificou o Mtodo Observacional dividido em duas
abordagens:
a) abordagem Ab Initio.
b) abordagem Best Way Out.

A abordagem Ab Initio adotada na concepo do projeto. Peck (1969, p. 176) comenta que
mesmo o Mtodo Observacional sendo uma boa ferramenta para encontrar a melhor sada
quando encontrada alguma dificuldade, o uso desta na concepo de projeto pode trazer ao
projetista uma melhor capacidade imaginativa para planejar diversos caminhos e solues de
acordo com o que pode vir a ser encontrado. Ento procura-se investigar os pontos chaves que
iro levar o projeto aos caminhos planejados, podendo assim economizar consideravelmente
tempo e dinheiro.
A abordagem Best Way Out adotada aps a execuo do projeto ter comeado e algum
evento no planejado ter ocorrido. O Mtodo Observacional uma boa ferramenta para
encontrar a melhor sada perante alguma dificuldade que diga respeito a comportamentos
geotcnicos no esperados. Peck (1969, p. 173) comenta que sob tais circunstncias o
engenheiro instintivamente adota tal procedimento. A mera observao dos eventos, tais como

__________________________________________________________________________________________
41
medidas de recalque ou movimento lateral por exemplo, j indicam a necessidade de alguma
medida remediadora para o problema.
6.3 IMPLEMENTAO DO MTODO NA GEOTECNIA
simples compreender o esprito do Mtodo Observacional. Se as incertezas de um projeto
forem muito significativas, a melhor soluo fazer um projeto flexvel que ser definido ao
passo em que a realidade observada v alimentando e adaptando a proposta inicial. Em busca
da implementao do Mtodo Observacional, ou Projeto Interativo (Interactive Design),
vrios autores escreveram sobre suas experincias e consideraes. O CIRIA Report 185
(NICHOLSON et al.
11
, 1999 apud PATEL et al., 2005, p. 3) apresenta as diretrizes e a
estrutura operacional para aplicao do mtodo, como segue na figura 8.
Este diagrama mostra na etapa Normas e Polticas Coletivas que o Mtodo Observacional
est subordinado s normas e polticas estabelecidas para dimensionamento, segurana e
qualidade. A etapa Organizao do Projeto define a estrutura organizacional das partes
envolvidas (cliente, projetista, construtora, inspetores, etc.). Deve ser bem entendido seus
papis e responsabilidades, pois todos os envolvidos estaro tambm comprando o risco.
(PATEL et al., 2005, p. 3).
Uma vez acordado pela organizao do projeto, este pode ser desenvolvido nas demais etapas
quais sejam: Projeto e Planejamento, Controle de Execuo, Monitoramento e Reviso.
Todos estas etapas devem seguir a ideia do Mtodo Observacional. Os trabalhos devem seguir
com um plano de ao que reconhea os riscos assumidos.
Diariamente o progresso da construo deve estar sob o controle de uma estrutura de
gerenciamento que assegure que qualquer desvio do mtodo seja totalmente pensado e
compensado por uma alterao do plano/projeto. Uma equipe de controle tem de ser fixada no
local, com pessoal competente disponvel para verificar, analisar e responder a todos os
resultados do monitoramento num prazo determinado a partir do momento que os dados se
tornam disponveis. H, ento, a necessidade de se apresentar instrues claras a todos os
envolvidos para todas as situaes previsveis. Finalmente, os planos de contingncia 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 nveis de alerta predefinidos
forem alcanados ou qualquer outra situao imprevista se desenvolver (PATEL et al., 2005,
p. 4). Os mesmos autores tambm explicam que a parte da auditoria deve ser
preferencialmente realizada por equipes de consultoria no envolvidas com o projeto, para
checar se esto sendo seguidos procedimentos corretos e obtendo interpretaes tcnicas
corretas.

Figura 8: Mtodo Observacional (adaptado de PATEL et al., 2005, p. 3)

__________________________________________________________________________________________
43
6.4 NVEIS DE ALERTA
Uma das maneiras de usar o Mtodo Observacional, segundo Nicholson et al.
12
(1999 apud
PATEL et al., 2005, p. 8), com o uso de um sinal de trnsito com as cores verde, amarelo e
vermelha simbolizando zonas de tomadas de deciso a saber:
a) verde continuar construo;
b) amarelo continuar com ateno e preparar-se para implementar contingncia,
aumentar taxa de monitoramento;
c) vermelho parar progresso, fazer todo possvel para diminuir movimentos,
implementar contingncia.

A zona verde separada da amarela pelo valor mais provvel para a medida em questo. A
amarela e vermelha so separadas pelo valor caracterstico adotado, que seria um valor que se
afasta do mais provvel com algum ndice de confiabilidade, ou que apresenta uma pr
determinada probabilidade de ser superado. A figura 9 eluscida este procedimento. Atenta-se
para o fato de que este valor mais provvel pode mudar durante a construo com a obteno
de novos valores para alguns parmetros e realizada uma reavaliao com uso de inferncia
estatstica atravs do Teorema de Bayes.

12
NICHOLSON, D.; TES, C.; PENNY, D. The Observational Method in ground engineering principles and

__________________________________________________________________________________________
44

Figura 9: utilizao de nveis de alerta numa construo por etapas
(PATEL et al., 2005, p. 7)

__________________________________________________________________________________________
45
7 REAVALIAO DA SEGURANA DE FUNDAES
Um projeto de fundaes profundas baseado em informaes sobre o solo, obtidas atravs
de amostras, e por correlao entre estas informaes e a capacidade de carga estimada para a
estaca. Existem diversos mtodos de correlao de capacidade de carga de estacas com
resultados de ensaios SPT (Ensaio de Simples Penetrao) ou CPTu (Ensaio de Penetrao de
Cone) tais como: Aoki-Velloso, Dcourt-Quaresma, Janbu, entre outros. Estes mtodos so
elaborados atravs de regresses de mltiplas variveis e apresentam uma disperso nos
resultados previstos comparados com resultados obtidos quando da realizao de provas de
carga nas estacas. Como esta previso de capacidade de carga apenas uma estimativa,
prudente que se faam ensaios de modo a verificar se o comportamento real da estaca
prximo quele previsto.
Ao se obter o resultado de uma prova de carga surge a necessidade de incorporar essa
informao nova estatstica anterior. A estatstica Bayesiana atua como um processador de
informaes. O resultado destas provas de carga podem ser incorporados estatstica anterior
formando uma nova distribuio atualizada. Essas informaes vindas de provas de carga
podem ser incorporadas de uma nica vez ou em parte, chegando ao mesmo resultado.
Existe uma significativa diferena entre a estatstica clssica, dita frequencista, e a estatstica
Bayesiana. Devido ao carter nico das obras civis e da raridade de eventos de runa, a
estatstica clssica no se adequa bem a estimao de probabilidade de runa, como
complementa Hachich (1998b, item 3.3.2):
Embora a Estatstica clssica tenha mtodos consagrados para a anlise de dados em
situaes repetitivas, o seu rigor formal, ao no aceitar, por exemplo, que se faam
juzos probabilistas sobre estados da natureza e sobre parmetros de modelos,
colocam-na em uma situao extremamente desfavorvel com relao tomada de
decises face a fenmenos singulares, como o caso da maioria das decises da
Engenharia Civil.
A estatstica Bayesiana, por outro lado, permite que se trabalhe com o grau de convico
inicial e com atualizaes estatsticas quando em face a novas informaes. Esta propriedade
apresenta-se muito til em projetos interativos nos quais a segurana e o projeto so
constantemente reavaliados.

__________________________________________________________________________________________
46
No item 7.1 apresentado a distribuio a priori, ou seja, a distribuio com as informaes
anteriores. No item 7.2 apresentado todo o mtodo de clculo para encontrar a distribuio
posterior, isto , depois de atualizada com os resultados dos ensaios. Com isso pode-se
calcular uma distribuio preditiva na qual possvel extrair a probabilidade de ruptura, que
depende da carga admitida na estaca. O item 7.3 apresenta uma anlise do comportamento do
fator de segurana necessrio em funo do nmero e do resultado de provas de carga.
7.1 DISTRIBUIO A PRIORI
As informaes anteriores amostra so muito importantes para o projetista. Segundo
Baecher e Rackwitz (1982, p. 6) essas informaes normalmente vem de duas fontes:
a) a correlao de capacidade de carga em funo do perfil do solo;
b) a variabilidade intra-canteiro.

Usa-se a varivel K chamada fator de vis, que significa a razo 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, maior do que a carga prevista pelo mtodo de clculo
utilizado. Autores afirmam que a varivel K tem um comportamento log-normal. Ento
extrai-se o logaritmo da varivel K e nomeia-se R.
A variabilidade intra-canteiro funo da heterogeneidade do solo e do mtodo executivo da
estaca. Quanto maior a variao espacial dos parmetros mecnicos do solo e dificuldade na
repetitividade na execuo de estacas iguais maior ser a variabilidade intra-canteiro. Usa-se a
varivel h chamada preciso intra-canteiro. Esta o inverso da varincia do fator r. Segundo
Baecher e Rackwitz (1982, p. 11), em seu estudo, consideraram a preciso intra-canteiro em
duas distribuies, uma mais ampla e outra mais estreita, com valores de parmetros para
cada uma.

__________________________________________________________________________________________
47
7.2 OBTENO DA DISTRIBUIO POSTERIOR
As informaes anteriores ou apriorsticas, so ento atualizadas com o uso da estatstica
Bayesiana. Nesta atualizao, a funo de verossimilhana, que o resultado estatstico da
amostra (funo do vetor resultado dos ensaios), interage com as informaes anteriores
produzindo uma distribuio atualizada. A atualizao Bayesiana pode ser expressa na forma
contnua por:
!!! ! ! !! !!!!!
!
!! !!!!! (frmula 3)
Onde:
f(!) = funo densidade de probabilidade do parmetro ! atualizada;
! !
!
! ! !
!
!!
!
! !"
!
!!
= fator de normalizao;
L(!|z
k
) = funo de verossimilhana;
f(!) = funo densidade de probabilidade anterior.

A figura 10 apresenta as relaes entre as informaes iniciais e a funo de verossimilhana
que interagem para formar a funo densidade de probabilidades atualizada. Nestas trs
representaes extradas de Benjamin e Cornell (1970, p. 620) pode-se vizualizar a interao
da funo de verossimilhana com a distribuio anterior para gerar a distribuio posterior.

__________________________________________________________________________________________
48

Figura 10: interaes entre informaes priorsticas e amostrais. (a) forte informao
inicial e amostra relativamente pequena. (b) informao inicial e amostral de
tamanhos comparveis. (c) informao inicial vaga e amostra relativamente grande
(BENJAMIN; CORNEL, 1970, p. 620).
A resoluo da frmula 3 esbarra no fato de que h uma integral sem resoluo analtica no
denominador, tornando assim muito complicada a resoluo da equao. Para tanto pode-se
lanar mo de distribuies conjugadas para facilitar os clculos, pois com o uso dessas
distribuies a frmula 3 reduz-se a clculos algbricos entre parmetros das distribuies.
Essas distribuies tambm devem representar satisfatoriamente o fenmeno analisado.
Ser admitido mdia e varincia desconhecida com comportamento da distribuio da
preciso intra-canteiro mais estreita, de acordo com o trabalho de Baecher e Rackwitz (1982,
p. 11). A preciso intra-canteiro pode ser representada por uma distribuio gama com os
hiperparmetros v e !, que significam os graus de liberdade e locao da distribuio,

__________________________________________________________________________________________
49
respectivamente. A funo densidade de probabilidade da preciso intra-canteiro pode ser
expressa da seguinte maneira:
! !!
!!
!
!
!!!!
!
! !
!!
!
!!
!
!!!!
!
!!!
!
!!
!
! !"# !
!!!!
!
! !
(frmula 4)
Onde:
h = preciso intra-canteiro (inverso da variabilidade intra-canteiro);
v`= graus de liberdade da distribuio anterior da preciso intra-canteiro;
!`= parmetro de locao anterior de h;
k = particular realizao da varivel K.

Para a distribuio mais estreita do trabalho de Baecher e Rackwtz (1982, p. 11) os valores
dos parmetros da preciso intra-canteiro so v`= 9,28 e !`= 0,0152. As informaes prvias a
respeito do mtodo de previso sero consideradas as mesmas dos trabalhos originais de
Aoki-Velloso de 1975, citado por Santos (2008). O Mtodo UFRGS (LOBO, 2005) apresenta
valores de mdia e desvio do fator de vis para o banco de dados de resultados de provas de
carga da UFRGS. No trabalho de Lobo (2005, p. 90) tambm feita uma anlise de mdia e
desvio para outros mtodos de previso de capacidade de carga, inclusive o mtodo Aoki-
Velloso, o qual mostrou desvio padro maior para o banco de dados utilizado. O quadro 3
apresenta os parmetros das distribuies de K e R para os mtodos de previso segundo os
trabalhos originais dos autores.
Mtodo
(Referncia)
K= (P
obs
/P
prev
) R=log(P
obs
/P
prev
)
Mdia [K] Desvio [K] Mdia [R] Desvio [R]
Aoki-Velloso
(1975)
1,014 0,235 -0,0051 0,0976
Bianca - UFRGS
(2005)
0,980 0,490 -0,00033 0,1936
Quadro 3: parmetros da distribuio do fator de vis com o uso do mtodo
Aoki-Velloso e Bianca Lobo de previso

__________________________________________________________________________________________
50
Primeiramente calcula-se o tamanho da distribuio anterior. Ehlers
13
(2003, apud SANTOS,
2008, p. 89) mostra que o valor de n` pode ser encontrado segundo a equao:
! ! !
!!
!! !!
!
!!
!!
(frmula 5)
Onde:
n`= tamanho da amostra anterior;
V[R] = varincia de R.

Na frmula 5, substituindo os valores para o mtodo de Aoki-Velloso, encontra-se que o
tamanho da informao anterior de n`= 2,03. Isso significa que a informao anterior
equivale a cerca de duas provas de carga com mdia e desvio conhecido. Ento realiza-se a
primeira ou as primeiras provas de carga e tem-se os seus resultados. Assim tem-se uma
mdia e uma varincia de K (P
obs
/P
prev
), bem como de R (log(K)). A atualizao Bayesiana
ento seguir as seguintes equaes.
Tamanho da amostra posterior:
!!! ! !! !! (frmula 6)
Onde:
n``= tamanho da amostra posterior;
n = nmero de provas de carga realizadas.

A mdia atualizada segundo a frmula 7:

13
EHLERS, R. S. Introduo Inferncia Bayesiana. Departamento de Estatstica da UFPR, 2003.

__________________________________________________________________________________________
51
!!! !
!! !
!
!!!! !
!!!
(frmula 7)
Onde:
`` = mdia posterior atualizao;
m
R
= mdia de R das provas de carga;
` = mdia anterior atualizao.

O hiperparmetro v` atualizado por:
!!! ! ! !!! (frmula 8)
Onde:
v``= graus de liberdade da distribuio posterior da preciso intra-canteiro.

O parmetro de locao da distribuio posterior da preciso intra-canteiro calculado a partir
da frmula:
!!!! !!! ! !!! !! ! ! !! ! !
!
!
!!!! !!
!
!!! !
!
!
!!!!! !!!
!
(frmula 9)
Onde:
!``= parmetro de locao posterior de h;
s
R
2
= varincia de R da amostra.

Segundo Baecher e Rackwitz (1982, p. 9) a funo densidade de probabilidade atualizada de
R representada por uma distribuio t-student com os parmetros H, mdia e varincia:

__________________________________________________________________________________________
52
!
!
!! !!! ! ! !
!
!!!
! ! !!!!
!
!
! !!!!!

(frmula 10)
Onde:
H = parmetro da distribuio t-student;
z = resultado da amostragem;
r = logaritmo do fator de vis K.

O valor do parmetro H da distribuio de r atualizada pode ser expressa por:
! !
!!!
!!! !! ! !!!
(frmula 11)
O valor extremo inferior da varivel r com o ndice de confiabilidade " desejado ser:
!
!
! !!! !
!
!
(frmula 12)
Onde:
H = parmetro da distribuio t-student;
z = resultado da amostragem;
r
o
= logaritmo do fator de vis K.

O fator de segurana que deve ser utilizado para garantir o ndice de confiabilidade " ser:

__________________________________________________________________________________________
53
!" ! !"
!!
!
(frmula 13)
Onde:
FS = fator de segurana.

A carga admissvel nas estacas aps a atualizao Bayesiana ser:
!
!"#
!
!
!"#$
!"

(frmula 14)
Onde:
P
adm
= carga admitida.
P
prev
= carga prevista.

Com isso tem-se a nova carga admissvel das estacas. Porm, se a carga de trabalho est
definida, e procura-se saber qual a probabilidade de runa associada aquela carga de trabalho
em funo da quantidade de informao disponvel, pode-se extrair esta informao da
distribuio preditiva. Para tanto, basta variar o ndice de confiabilidade ! que,
consequentemente, far variar o fator de segurana, de tal forma que a carga admissvel seja a
carga de trabalho estabelecida. Ento pede-se o valor acumulado de t-student, para o ndice !,
que atende a igualdade da carga admissvel e da carga de trabalho estabelecida, e nmero de
graus de liberdade. Assim tem-se a probabilidade de runa extrada da funo preditiva que
representa a rea sob a curva da funo densidade de probabilidades da forma t-student
anterior ao valor extremo inferior r
0
.
7.3 ANLISE DA SEGURANA COM EXPERIMENTAO
A probabilidade de runa diminuir quanto maior a amostragem, para resultados de
amostragem com fator de vis maiores que 1,0. Pode-se notar na figura 11 que pelo mtodo

__________________________________________________________________________________________
54
de previso de Aoki-Velloso e sem executar qualquer ensaio, a probabilidade de runa ao se
usar o fator de segurana igual a dois ser cerca de 4%. Ao passo que chegam mais resultados
de ensaios com mdia do fator de vis igual a um, a probabilidade de runa decresce tendendo
a zero. Este grfico foi gerado para um caso ideal de resultados de ensaios sem variao, no
utilizado nenhum banco de dados, apenas as frmulas citadas e variando o valor de n. Ao se
considerar a variao dos resultados dos ensaios, a curva ficaria ligeiramente superior a que
mostrada, pois aumentaria a incerteza e essa deveria ser compensada com um aumento do
fator de segurana necessrio.

Figura 11: variao da probabilidade de runa em funo do n de provas de carga
executadas com FS= 2, K=1 e Var(K)=0
O fator de segurana FS pode diminuir, para um mesmo ndice de confiabilidade, ao se
realizar ensaios que apresentem fator de vis maior que 1,0. Quanto maior o ndice de
confiabilidade !, maior ser o fator de segurana requerido, logo maior ser a segurana e o
custo da obra. A figura 12 apresenta o fator de segurana requerido para atender um ndice de
confiabilidade ! igual a dois, dois e meio ou trs variando com o nmero de provas de carga.
Se o projetista deseja usar um ! = 3,0 no seu projeto, com uma prova de carga com resultado
de K igual a um ele dever usar um FS = 2,5. No entanto, se forem executadas seis ensaios
com mdia de K igual a 1,0 e sem variao (situao ideal), o engenheiro pode ter o fator de
segurana de seu projeto reduzido para 2,0 e assim gerar economia.
!
!#$
%
%#$
&
&#$
'
'#$
(
(#$
! & ( ) * %! %& %( %)
!"#$%& ()*
+, -"./&0 12 3&"4&
!"#$%& 5 %, !67 89: ;&"9< =>9?

__________________________________________________________________________________________
55

Figura 12: variao do fator de segurana em funo do nmero de provas de carga
executadas com mdia de K=1 , Var(K) = 0 e ndice de confiabilidade !
A figura 13 apresenta uma famlia de curvas do fator de segurana em funo do fator de vis
K resultado de uma prova de carga. Pode-se notar que, para resultados de ensaios com K
inferior a 1,0, o FS exigido bem elevado. A carga observada mostrou-se aqum daquela
prevista. Para valores de K superiores a 1,0 o fator de segurana tende a diminuir. Nota-se
que, para ndices de confiabilidade mais elevados, o FS exigido tende a aumentar novamente
se o fator de vis se tornar muito elevado. Segundo Santos (2008, p. 68), isto tem sentido no
mbito da estatstica, pois, para valores de K muito maiores que a unidade, o mtodo de
previso mostra-se muito impreciso exigindo valores para FS maiores.
!
!#$
%
%#$
&
&#$
'
! & ( ) * %! %&
=>
+, !"./&0 12 6&"4&
=> 5 %, !67 5 !
+,-./&
+,-./&#$
+,-./'

__________________________________________________________________________________________
56

Figura 13: variao do fator de segurana em funo de K e
de ! para uma prova de carga
Para um ndice de confiabilidade ! igual a 2,5, a figura 14 apresenta o comportamento das
curvas de FS exigidos em funo do nmero de provas de carga executadas e do fator de vis
mdio resultante dos ensaios. Para plotar as curvas foi considerada a variao dos resultados
nula (caso ideal). Nota-se que para o valor de K resultante dos ensaios igual a 0,6, a curva
comea ascendente e ento comea a diminuir. Isto se deve ao fato que, ao atualizar a
estatstica anterior com um valor baixo de K, o FS exigido ser maior, ao passo que
aumentando o tamanho da amostra a cauda de extremidade diminui e o FS comea a
decrescer. Pode-se notar tambm 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 impreciso do mtodo de previso. De forma geral, para grande nmero de provas de carga,
um fator de vis mais alto exige FS menores podendo at mesmo chegar a valores inferiores a
unidade, se o ndice de confiabilidade for baixo.

!#!
!#$
%#!
%#$
&#!
&#$
'#!
'#$
(#!
(#$
$#!
! !#$ % %#$ & &#$ ' '#$ (
=>
8 (!.@0A!-"2/*
=> 5 8 5 !
+,-./%#$
+,-./&
+,-./&#$
+,-./'

__________________________________________________________________________________________
57

Figura 14: variao do fator de segurana em funo do n de provas de carga
executadas e do fator de vis K mdio com ndice de confiabilidade ! = 2,5

!
!#$
%
%#$
&
&#$
'
'#$
! & ( ) * %! %&
=>
+, !"./&0 12 6&"4&
=> 5 +, !67 5 8 (!=2,5)
0/!#)
0/!#*
0/%
0/%#(
0/%#*
0/&#&
0/&#)
0/'

__________________________________________________________________________________________
58
8 EXEMPLO DE APLICAO
apresentado a seguir um exemplo simples da utilizao de Anlise da Deciso e do uso de
inferncia estatstica a luz do resultado e do nmero de provas de carga estticas. Este
exemplo hipottico e os custos aproximados.
Uma laje estaqueada ser construda para servir de base a um terminal de cargas
aeroporturio. Esta laje possui uma rea de 40.000 m& e uma carga de trabalho de 4 tf/m&
uniforme em toda a laje. O projetista das fundaes decidiu que seriam executadas estacas
hlice-contnua de dimetro 60 cm e profundidade de 11 metros. Com este dimetro e esta
profundidade a carga de ruptura prevista pelo mtodo de Aoki-Velloso de 200 tf. As
alternativas de projeto so apresentadas no quadro 4, nas quais varia, basicamente, o
espaamento entre estacas e por consequncia o nmero de estacas e o custo total. O custo de
cada estaca assumido como R$ 144,54 por metro, que significa R$ 1.589,94 para cada
estaca de 11m. A variao do custo da laje com o espaamento das estacas foi
desconsiderado, embora este custo aumente ligeiramente com o aumento do espaamento. O
custo das provas de carga assumido como:
!
!"#
! !! !!!!!!!! !!
!"#
! !! !"!!!!!!! (frmula 15)
Onde:
C
PCE
= custo das provas de carga;
n
PCE
= nmero de provas de carga.

Projeto Espaamento N. estacas Padm (tf) Custo Total (R$10#) Economizado (R$10#)
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 fundaes para a laje

__________________________________________________________________________________________
59
O custo da runa foi assumido como R$ 20.000.000,00, que considerado todos os custos de
uma eventual interveno com o terminal de cargas em operao. No foram consideradas
perdas de vidas humanas, apenas comprometimento funcional e necessidade de paralisao
das atividades logsticas para manuteno.
Foi realizada uma Anlise da Deciso utilizando uma rvore de deciso com experimentao
e como critrio foi utilizado a maximizao do valor esperado. A figura 15 ilustra a rvore de
deciso. Para o clculo das probabilidades de runa foi usado a metodologia apresentada no
captulo anterior.

Figura 15: rvore de deciso truncada com experimentao
Esta rvore foi elaborada discretizando as alternativas de experimentao em 0 (nenhuma
prova de carga esttica (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 no foram
feitos juzos probabilistas a respeito da frequncia de ocorrncia destes resultados. As
alternativas de projeto foram dicretizadas como mostrado no quadro 4, variando apenas o

__________________________________________________________________________________________
60
espaamento entre estacas. O parmetro ! discretizado em runa ou sucesso, ou seja,
necessria interveno corretiva ps-construo ou no. O valor da utilidade U obtido pelo
valor economizado com relao alternativa a
0
subtrado os custos dos ensaios para sucesso.
Para o fracasso subtrai-se a esse valor o custo da runa. O valor esperado ento 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 runa). A
discretizao dos parmetros para compor a rvore de deciso acaba por comprometer em
parte o refinamento da deciso. Como as variveis de dimensionamento de projeto, resultante
de ensaio, na verdade so contnuas, deve-se fatiar os intervalos ou criar mais opes quando
a opo encontra-se em um extremo, assim abrangendo todos os valores de forma mais
refinada.
Neste exemplo observa-se que a deciso que maximiza o custo esperado sem fazer nenhuma
prova de carga a alternativa a
0
que tem o custo esperado de R$ -809,83 mil, como pode ser
visto na figura 15. Porm para uma prova de carga com resultado de K=1,0, a alternativa que
maximiza o custo esperado a a
0
tambm com o valor de R$ -545,65 mil. Para maiores
nmeros de provas de carga a melhor alternativa considerando K= 1,0 a alternativa a
3
com
um custo esperado de R$ 106,5 mil executando-se 16 provas de carga. O apndice A
apresenta a rvore de deciso em forma de planilha com todos os valores. As alternativas em
vermelho representam que esta tem probabilidade de runa muito alta, no sendo aconselhvel
esta deciso, embora possa apresentar um valor esperado maior.
Considerando-se a mdia dos resultados de provas de carga de K = 1,2, a soluo que
maximiza o custo esperado a soluo de projeto a
3
com 20 ensaios. Porm se a mdia de K =
0,8 a soluo tima seria o projeto a
0
com 16 ensaios. O custo esperado fazendo 16 ensaios
maior mesmo escolhendo a mesma alternativa de projeto, isto decorre da probabilidade de
runa ser mais baixa. Se o custo da runa for pequeno, os valores esperados maiores tendero
para alternativas de projetos menos conservadoras. Porm, se o custo de runa for alto, isto se
inverte: o maior valor esperado ser observado em projetos mais conservadores.

__________________________________________________________________________________________
61

Figura 16: custo x probabilidade de runa para o problema em questo, sem
experimentao.
O custo dos ensaios assim como o custo de cada alternativa de projeto tambm influenciam
expressivamente no valor esperado e por consequncia na tomada de deciso. Como pode-se
observar na figura 16, se o custo da runa e o custo da construo forem da mesma ordem de
grandeza, a alternativa de projeto tima no ser muito conservadora nem muito arriscado. Se,
no entanto, o preo das estacas for alto, as alternativas que diminuem o nmero de estacas
sero sensivelmente menos onerosas. Assim sendo, quando o custo das fundaes pequeno,
uma diminuio da probabilidade de runa pode no compensar o custo com experimentao.
Ou seja, quando custo das fundaes pequeno e o custo da runa grande, a melhor opo
tende a ser um projeto mais conservador. Do contrrio, se o custo das fundaes alto e o
custo da runa nem tanto, a melhor opo tende a um projeto mais arriscado. Neste caso deve-
se ter o cuidado de limitar a probabilidade de runa a um valor aceitvel. Neste exemplo o
valor mximo de probabilidade de runa admitido foi de 4,04%, que representa um fator de
segurana igual a dois e nenhuma experimentao. Considera-se que mesmo que o custo
esperado timo esteja alm de 4,04%, no prudente que se adote uma probabilidade de runa
muito elevada.

__________________________________________________________________________________________
62
9 CONSIDERAES FINAIS
Neste trabalho pode-se ter uma viso ampla de conceitos e ferramentas teis para aplicaes
em projetos de fundaes. A atualizao Bayesiana se mostra coerente e eficaz no tratamento
estatstico dado distribuio da capacidade de suporte de fundaes profundas. Pode-se
avaliar o fator de segurana exigido para certa confiabilidade, ou a probabilidade de runa
associada a determinado fator de segurana. A simples visualizao da variao do fator de
segurana em funo do nmero de provas de carga ou dos resultados destas j mostra-se
muito til para o projetista orientar suas decises.
Pode-se observar claramente, utilizando a rvore de deciso, qual o valor da experimentao,
ou seja, neste caso, o valor que tem uma prova de carga, assim pode-se decidir se vantajoso
executar um ensaio. Se o custo das fundaes for relativamente pequeno comparado ao custo
da obra, a probabilidade de runa tima ser conservadora, pois a economia com estacas no
compensaria o risco, podendo at mesmo no compensar o custo de ensaios.
A viabilidade executiva de um projeto interativo de fundaes profundas pode ser alvo de
muitas crticas. A comear pela divergncia de interesses entre empreiteiro, projetista e dono
da obra. O empreiteiro executor das estacas no tem interesse que se diminuam o nmero de
estacas do projeto, as quais ele recebe por produo. O projetista precisa garantir um projeto
seguro mesmo que fique superdimensionado, ao passo que o cliente quer o menor custo
possvel porm sem problemas de segurana. Outro fator que atrapalha na implantao de um
projeto interativo em fundaes profundas a realizao tardia das provas de carga. melhor
descobrir que o projeto que est sendo executado est subdimensionado ou
superdimensionado o mais previamente possvel. Descobrindo-se cedo o real comportamento
das estacas, pode-se ento fazer contingncia ou modificao como preconizado no mtodo
observacional.
O mtodo de atualizao 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 reavaliao da segurana de fundaes ou simplesmente orientar o
projetista sobre o fator de segurana baseado no fator de vis obtido em uma amostragem.
Este mtodo se mostrou muito til para estimar as probabilidades de runa aps realizadas
provas de carga com determinado resultado. Estas probabilidades foram usadas para a

__________________________________________________________________________________________
63
montagem da rvore de deciso, a fim de se fazer uma anlise de custos e vantagens de
diversas alternativas de projeto. No procurou-se neste trabalho se certificar do rigorismo
matemtico utilizado no mtodo de atualizao Bayesiana e gerao de uma distribuio
preditiva.
Um projeto de fundaes no qual se utilizasse o Mtodo Observacional, as ferramentas
utilizadas seriam de grande utilidade tanto para levantar as informaes anteriores quanto para
atualizar o projeto ao longo da execuo da obra. Em uma obra grande, por exemplo, pode-se
realizar ensaios no incio da obra para j ter mais certezas nos valores mais provveis e mais
desfavorveis de cada hiptese. Ao longo da obra pode ser usada a atualizao Bayesiana
quando nova informao necessite ser incorporada e ento novas decises podem ser tomadas
com este novo cenrio atualizado.
Para pesquisas futuras recomenda-se que se faam estudos para correlacionar a preciso intra-
canteiro da capacidade de suporte das estacas com a variabilidade de parmetros em
investigaes geotcnicas. Um exemplo seria a disperso dos resultados de ensaios de
sondagem de simples penetrao, traduzidos em um grau de heterogeneidade do subsolo.
Ento estimaria-se os parmetros da funo gama que representa a preciso intra-canteiro
baseados neste grau de heterogeneidade. Outra varivel do problema seria o tipo de estaca
executada e o controle de execuo realizado. Um estaqueamento cravado com controle de
nega, por exemplo, pressupe-se que tenha menor variabilidade na capacidade de carga de
elementos individuais comparado com um estaqueamento que o critrio de parada de
cravao seja alguma profundidade.
O uso deste mtodo de atualizao Bayesiana, assim como a discusso sobre o Mtodo
Observacional, a Anlise da Deciso e a considerao do risco em projetos pode ser
transpassada dos exemplos de provas de carga em fundaes profundas e servir como
ferramentas para auxiliar em outros tipos de projetos geotcnicos, como escavaes
subterrneas, estruturas de contenes entre outros.

__________________________________________________________________________________________
64
REFERNCIAS
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. Anlise Estatstica da Deciso. So Paulo:
Edgard Blcher, 1980.
BENJAMIN, J. R.; CORNELL, C. A. Probability, Statistics, and Decision for Civil
Engineers. New York: McGraw-Hill, 1970.
COSTA, E. A. Avaliao de Ameaas e Risco Geotcnico Aplicados Estabilidade de
Taludes. 2005. 159f. Dissertao (Mestrado em Engenharia) Programa de Ps-Graduao
em Engenharia Civil, Universidade Federal do Rio Grande do Sul, Porto Alegre.
HACHICH, W. Segurana das fundaes e escavaes. In: HACHICH, W.; FALCONI, F. F.;
SAES, J. L.; FROTA, R. G. Q.; CARVALHO, C. S.; NIYAMA, S. Fundaes: teoria e
prtica. 2. ed. So Paulo: Pini, 1998a. p. 197-208.
_____. Modelos Matemticos e Probabilistas em Engenharia Geotcnica: uma
sistematizao em forma de sonata
14
. 1998b. Tese (Livre Docncia) Departamento de
Engenharia de Estruturas e Fundaes, Escola Politcnica, Universidade de So Paulo.
Disponvel em: <http://www.lmc.ep.usp.br/people/whachich/ld/>. Acesso em: 10 nov. 2010.
_____. Probabilidade, Estatstica, Deciso e Segurana em Projetos Geotcnicos. So
Paulo: Universidade de So Paulo, 1999. Apresentao de aula da disciplina Probabilidade,
Estatstica, Deciso e Segurana em Projetos Geotcnicos (PEF5837). Disponvel em:
<http://www.lmc.ep.usp.br/people/whachich/pef5837/5837.pdf>. Acesso em: 15 nov. 2010.
KOVA'EVI(, 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. Disponvel em:
<http://crosbi.znanstvenici.hr/datoteka/270386.Interactive_design_-_CE.pdf>. Acesso em: 15
nov. 2010.
LOBO, B. O. Mtodo de Previso de Capacidade de Carga em Estacas: aplicao dos
conceitos de energia do ensaio SPT. 2005. 121 f. Dissertao (Mestrado em Engenharia)
Programa de Ps-Graduao em Engenharia Civil, Universidade Federal do Rio Grande do
Sul, Porto Alegre.
MILITITSKY, J.; CONSOLI, N. C.; SCHNAID, F. Patologia das Fundaes. So 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 paginao, o acesso feito na internet pelo endereo disponibilizado e navegado atravs de
links.

__________________________________________________________________________________________
65
Geotechnet, 2005. Disponvel 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. Gotechnique, London, v. 19, n. 2, p. 171-187, June 1969.
SANTOS, M. S. Inferncia Bayesiana na avaliao da segurana de fundaes em
estacas de deslocamento. 2008. 128 f. Dissertao (Mestrado em Engenharia)
Departamento de Engenharia de Estruturas e Geotcnica, Escola Politcnica, Universidade de
So Paulo, So Paulo.

__________________________________________________________________________________________
66

APNDICE A rvore de deciso em planilha

__________________________________________________________________________________________
67

!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 =<8>? @><@>? 8<8 AB8888<8 AC8@<C
"7 78C<7D D<7C? @E<CB? 7@8<> A7@C8@<> A78=D<=
"B 77D<D= C<@C? @7<8B? EDB<8 A7@DEC<8 A7=E=<7
8 !F: "E 7B><== 7B<D=? CG<ED? >7><8 A7@=C><8 AB87B<D
"= 7E=<>D 7G<BB? CB<GC? D>7<> A7@E=C<> ABG@B<>
"> 7==<88 BB<G7? GG<B@? GG><> A7@BB=<> AEGDD<D
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 =<7E? @><CG? AB=<8 AB88B=<8 AC>8<G
"7 78C<7D D<7C? @E<CB? 7DD<> A7@CEE<> A78G8<=
H I 8<C "B 77D<D= C<@C? @7<8B? EEC<8 A7@DDB<8 A7=>C<7
"E 7B><== 7B<D=? CG<ED? =@7<8 A7@>8@<8 AB8ED<D
"= 7E=<>D 7G<BB? CB<GC? DBG<> A7@EGB<> ABC7D<>
"> 7==<88 BB<G7? GG<B@? G>7<> A7@B=C<> AEG@8<D
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
7 !F: "8 788<88 B<D7? @G<E@? AB=<8 AB88B=<8 A>=><G
"7 78C<7D E<@C? @D<8B? 7DD<> A7@CEE<> ADB@<C
H I 7<8 "B 77D<D= ><@B? @=<8C? EEC<8 A7@DDB<8 AC=><@
"E 7B><== C<>D? @7<==? =@7<8 A7@>8@<8 A7BB8<=
"= 7E=<>D 7B<87? CG<@@? DBG<> A7@EGB<> A7GG=<E
"> 7==<88 7D<E>? CE<D>? G>7<> A7@B=C<> AB>7G<D
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 B<87? @G<@@? AB=<8 AB88B=<8 A=B><=
"7 78C<7D E<8D? @D<@=? 7DD<> A7@CEE<> A===<G
H I 7>? @><=>? EEC<8 A7@DDB<8 A>G7<E
"E 7B><== D<D8? @E<=8? =@7<8 A7@>8@<8 ACBC<E
"= 7E=<>D @<EB? @8<DC? DBG<> A7@EGB<> A7BED<G
"> 7==<88 7B<C7? CG<7@? G>7<> A7@B=C<> A7C78<@
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 7<GG? @C<BE? AB=<8 AB88B=<8 AEGG<>
"7 78C<7D B<DD? @G<E=? 7DD<> A7@CEE<> AED><8
H I 7<= "B 77D<D= E<@7? @D<8@? EEC<8 A7@DDB<8 A===<E
"E 7B><== ><DE? @=<EG? =@7<8 A7@>8@<8 ADE=<C
"= 7E=<>D G<@7? @B<8@? DBG<> A7@EGB<> A@>=<>
"> 7==<88 78<C=? C@<7D? G>7<> A7@B=C<> A7=7G<8
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 B<87? @G<@@? AB=<8 AB88B=<8 A=B><=
"7 78C<7D E<8D? @D<@=? 7DD<> A7@CEE<> A===<G
H I 7<D "B 77D<D= =<>>? @><=>? EEC<8 A7@DDB<8 A>G7<E
"E 7B><== D<D8? @E<=8? =@7<8 A7@>8@<8 ACBC<E
"= 7E=<>D @<EB? @8<DC? DBG<> A7@EGB<> A7BED<G
"> 7==<88 7B<C7? CG<7@? G>7<> A7@B=C<> A7C78<@

__________________________________________________________________________________________
68

!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 =<>>? @A<7B? CD8<8 CB88D8<8 C>7A<8
"7 78><7A A<8D? @=<@A? 7E8<E C7@>D@<E C78EF<A
G H 8<> "B 77A<AD @<8F? @8<@=? =BB<8 C7@AF><8 C7D@B<D
"= 7BE<DD 7=<7B? >A<>>? DFE<8 C7@EBE<8 CB7D@<>
"D 7=D<EA 7><BF? >7<F=? A77<E C7@=>><E C=8DB<=
"E 7DD<88 BD<DF? FE<E=? F=E<E C7@BAD<E CD7E>8? @><B8? CD8<8 CB88D8<8 C=@@<D
"7 78><7A B<@8? @F<78? 7E8<E C7@>D@<E CDB@<7
G H 7<8 "B 77A<AD D<ED? @E<DA? =BB<8 C7@AF><8 CE>E<A
"= 7BE<DD A<>>? @=<7B? DFE<8 C7@EBE<8 C@8B<8
"D 7=D<EA 78<78? >@<@8? A77<E C7@=>><E C7D8><=
"E 7DD<88 7D<=8? >E<F8? F=E<E C7@BAD<E CB7BD<@
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 7<7E? @><>E? CD8<8 CB88D8<8 CBF7<8
"7 78><7A 7<>E? @><7E? 7E8<E C7@>D@<E CBB8<7
G H 7<8 CBE>? DFE<8 C7@EBE<8 CD8@<@
"D 7=D<EA A<EA? @=<DD? A77<E C7@=>><E CF88<A
"E 7DD<88 @<DD? @8<EA? F=E<E C7@BAD<E C77EB<>
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<@D? @@<8A? CD8<8 CB88D8<8 CBBF<@
"7 78><7A 7<DF? @><E=? 7E8<E C7@>D@<E C7DD<D
G H 7<D "B 77A<AD B<BF? @F<F=? =BB<8 C7@AF><8 C7=7<=
"= 7BE<DD =<D7? @A<E@? DFE<8 C7@EBE<8 CB8A<7
"D 7=D<EA E<88? @E<88? A77<E C7@=>><E C=>F<A
"E 7DD<88 F<7D? @B<>A? F=E<E C7@BAD<E CA@=<E
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<>F? @@<7=? CD8<8 CB88D8<8 CB7E<8
"7 78><7A 7<=D? @><AA? 7E8<E C7@>D@<E C77F<7
G H 7<A "B 77A<AD B<87? @F<@@? =BB<8 C7@AF><8 CF@<A
"= 7BE<DD B<@E? @F<8E? DFE<8 C7@EBE<8 C77E<F
"D 7=D<EA D<BE? @E<FE? A77<E C7@=>><E CB=@<7
"E 7DD<88 E<@@? @D<87? F=E<E C7@BAD<E CDAB<F

__________________________________________________________________________________________
69

!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 =<7>? @><AB? CDE<8 CE88DE<8 CD8=<>
"7 78A<7> F<=8? @B<D8? 77A<F C7@AA7<F C@B7<>B A<B@? @7<F7? E@8<8 C7@D78<8 C7B8D? BB=<8 C7@FFD<8 CE7BF<A
"B 7=B<F> 7A<D@? A7<E7? FD@<F C7@BE8<F C=7DD<@
"F 7BB<88 EF<@>? DB<8B? D8=<F C7@E@><F CBBAD<>
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
B !I: "8 788<88 8<@=? @@<8D? CDE<8 CE88DE<8 CEFD<A
"7 78A<7> 7<>>? @A<=B? 77A<F C7@AA7<F CE7E<A
G H 7<8 "E 77><>B E<AF? @D<7F? E@8<8 C7@D78<8 CEA8<8
"= 7EF<BB B<DE? @F<EA? BB=<8 C7@FFD<8 CF88 D<B@? @E<F7? FD@<F C7@BE8<F C@7AE? D8=<F C7@E@><F C7FDE<@
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8? @@<FB? CDE<8 CE88DE<8 C7>= 8<A7? @@<7@? 77A<F C7@AA7<F CBE<A
G H 7<E "E 77><>B 7<=@? @A<>7? E@8<8 C7@D78<8 7E<A
"= 7EF<BB E<=7? @D<>@? BB=<8 C7@FFD<8 C7@<E
"B 7=B<F> =<D=? @><ED? FD@<F C7@BE8<F C7>><>
"F 7BB<88 F<AE? @B<7A? D8=<F C7@E@><F CB>8<E
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<==? @@<>D? CDE<8 CE88DE<8 C7=A<=
"7 78A<7> 7<BD? @A<F=? 77A<F C7@AA7<F C7D><>B E<ED? @D<D=? E@8<8 C7@D78<8 C7>=<=
"= 7EF<BB =<B7? @><F@? BB=<8 C7@FFD<8 CE=A<7
"B 7=B<F> F<88? @F<88? FD@<F C7@BE8<F CB7@<>
"F 7BB<88 D<7B? @E<A>? D8=<F C7@E@><F CDEF<F
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<=8? @@<D8? CDE<8 CE88DE<8 C7=7<D
"7 78A<7> 8<B@? @@<F7? 77A<F C7@AA7<F E8<>
G H 7<> "E 77><>B 8<D@? @@<E7? E@8<8 C7@D78<8 7=E<>
"= 7EF<BB 7<EB? @A<D>? BB=<8 C7@FFD<8 7@F<=
"B 7=B<F> 7<@7? @A<8@? FD@<F C7@BE8<F 7@A<=
"F 7BB<88 E<AD? @D<7=? D8=<F C7@E@><F 7=8<=

__________________________________________________________________________________________
70

!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 7<=>? =@<8@? A7BC<8 A>87BC<8 AD>8<=
"7 78@<7C B<EB? =C<>E? DF<D A7==FD<D AC=8<C
G H 8<@ "> 77C<CF C<EF? =B<>C? >>C<8 A7=EEF<8 A77>><D
"B 7>D<FF 77<B@? @@<C>? BE=<8 A7=C>7<8 A7@=E<7
"F 7BF<DC 7E<=8? @><78? D7D<D A7=F@F<D AB8CF<=
"D 7FF<88 >C<>@? EB<E>? CB=<D A7=BC8<D AFC7C@? ==<E>? A7BC<8 A>87BC<8 A7=><E
"7 78@<7C 8<C7? ==<B=? DF<D A7==FD<D ACE 77C<CF 7<>D? =@<ED? >>C<8 A7=EEF<8 A>B<D
"B 7>D<FF ><F>? =E<D@? BE=<8 A7=C>7<8 A78D<C
"F 7BF<DC F<FD? =D<DD? D7D<D A7=F@F<D ABEB<C
"D 7FF<88 E<C@? =>? CB=<D A7=BC8<D A@=D<=
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<8=? ==<=7? A7BC<8 A>87BC<8 A7DF<F
"7 78@<7C 8<7=? ==<@7? DF<D A7==FD<D 7D<D
G H 7<> "> 77C<CF 8<F8? ==<C8? >>C<8 A7=EEF<8 7FC<F
"B 7>D<FF 8<E@? ==<>>? BE=<8 A7=C>7<8 >>><D
"F 7BF<DC 7<F@? =@<D>? D7D<D A7=F@F<D >>8<CC? =E<BF? CB=<D A7=BC8<D 78E<7
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<8C? ==<=F? A7BC<8 A>87BC<8 A7FE<>
"7 78@<7C 8<77? ==<@=? DF<D A7==FD<D B><8
G H 7<F "> 77C<CF 8<>>? ==<E@? >>C<8 A7=EEF<8 7@><>
"B 7>D<FF 8<F7? ==<D=? BE=<8 A7=C>7<8 >=C<>
"F 7BF<DC 8<EC? ==<>F? D7D<D A7=F@F<D BCF<8
"D 7FF<88 7<BF? =@<CC? CB=<D A7=BC8<D BE7<E
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<8D? ==<=D? A7BC<8 A>87BC<8 A7FD<C
"7 78@<7C 8<8=? ==<=7? DF<D A7==FD<D BC 77C<CF 8<7E? ==<@B? >>C<8 A7=EEF<8 7=><D
"B 7>D<FF 8<B8? ==<E8? BE=<8 A7=C>7<8 B7@<@
"F 7BF<DC 8<DB? ==<FE? D7D<D A7=F@F<D F78<>
"D 7FF<88 8<=8? ==<78? CB=<D A7=BC8<D FC8<D

__________________________________________________________________________________________
71

!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 7<7=> ?@<@=> AB88<8 AB8B88<8 ACB?<D
"7 78@<7D B<==> ?E<C=> A?<= AB888?<= A=B8<7
F G 8<@ "B 77D<DC =<B8> ?C<@8> 7DB<8 A7?@H@<8 A@E@<=
"H 7B=<CC ?<D?> ?8<H7> H7=<8 A7?D@=<8 A7DBB<7
"C 7HC<=D 7D<CE> @H<=H> C=7<= A7?=C@<= AB@C7<E
"= 7CC<88 B=<DB> EC<H@> =E=<= A7?CBC<= AC=C?<8
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
7B !I: "8 788<88 8<8?> ??<?7> AB88<8 AB8B88<8 AB7@<=
"7 78@<7D 8<BC> ??<ED> A?<= AB888?<= A=E ??<CB> 7DB<8 A7?@H@<8 CD<D
"H 7B=<CC 7<H7> ?@<D?> H7=<8 A7?D@=<8 =H<D
"C 7HC<=D B<E=> ?E<B=> C=7<= A7?=C@<= A??<8
"= 7CC<88 =<HD> ?C<DC> =E=<= A7?CBC<= AC?E<C
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<8B> ??<?@> AB88<8 AB8B88<8 AB8C ??<?=> A?<= AB888?<= AB8<8
F G 7 ??<@E> 7DB<8 A7?@H@<8 7HD<=
"H 7B=<CC 8<B?> ??<E7> H7=<8 A7?D@=<8 B=D ??<HD> C=7<= A7?=C@<= HBB<@
"= 7CC<88 7<HH> ?@<DE> =E=<= A7?CBC<= H8?<8
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<87> ??<??> AB88<8 AB8B88<8 AB8B ??<?E> A?<= AB888?<= A7C<D
F G 7<C "B 77D<DC 8<8D> ??<?C> 7DB<8 A7?@H@<8 7=8<H
"H 7B=<CC 8<7H> ??<@E> H7=<8 A7?D@=<8 B@?<=
"C 7HC<=D 8<BE> ??<EH> C=7<= A7?=C@<= H?E<@
"= 7CC<88 8<=C> ??<CD> =E=<= A7?CBC<= CDE ??<??> AB88<8 AB8B88<8 AB87<@
"7 78@<7D 8<8B> ??<?@> A?<= AB888?<= A7H<C
F G 7<D "B 77D<DC 8<8C> ??<?D> 7DB<8 A7?@H@<8 7=H<@
"H 7B=<CC 8<8@> ??<?B> H7=<8 A7?D@=<8 B?@<7
"C 7HC<=D 8<7E> ??<@H> C=7<= A7?=C@<= C7@<8
"= 7CC<88 8<HB> ??<D@> =E=<= A7?CBC<= =77? @@<AB? CB=D<8 CB8B=D<8 CD88<@
"7 78><7= 7<ED? @><B=? CEA<F CB88EA<F CDBB<F
G H 8<> "B 77=<=D A<@@? @=<87? @><8 C7@@8B<8 CE87<8
"A 7BF<DD ><7@? @7<>7? BF7<8 C7@ED@<8 C7A>=<A
"D 7AD<F= 7F<87? >D<@@? A>E<F C7@=7B<F CB=7D<E
"F 7DD<88 BD<E7? EF<B@? F77<F C7@D>><F CDDA7<8
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
7= !I: "8 788<88 8<8A? @@<@E? CB=D<8 CB8B=D<8 CBE8<7= 8<78? @@<@8? CEA<F CB88EA<F C@B<E
G H 7<8 "B 77=<=D 8<BE? @@<EA? @><8 C7@@8B<8 DA<7
"A 7BF<DD 8<EB? @@? BF7<8 C7@ED@<8 78=<F
"D 7AD<F= 7<ED? @><B=? A>E<F C7@=7B<F A@<D
"F 7DD<88 A<>B? @=<7>? F77<F C7@D>><F CBF7<>
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<88? 788<88? CB=D<8 CB8B=D<8 CB=F<8
"7 78><7= 8<87? @@<@@? CEA<F CB88EA<F CE=<F
G H 7<8 C7@@8B<8 >@<F
"A 7BF<DD 8<7B? @@<>>? BF7<8 C7@ED@<8 BB><8
"D 7AD<F= 8<B@? @@<E7? A>E<F C7@=7B<F AB@<8
"F 7DD<88 8<=@? @@<A7? F77<F C7@D>><F AEB<>
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<88? 788<88? CB=D<8 CB8B=D<8 CB=D<F
"7 78><7= 8<87? @@<@@? CEA<F CB88EA<F CED<E
G H 7<D "B 77=<=D 8<8B? @@<@>? @><8 C7@@8B<8 @D<E
"A 7BF<DD 8<8D? @@<@=? BF7<8 C7@ED@<8 BDB<E
"D 7AD<F= 8<78? @@<@8? A>E<F C7@=7B<F A=E<F
"F 7DD<88 8<BA? @@<EE? F77<F C7@D>><F D=F<F
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<88? 788<88? CB=D<8 CB8B=D<8 CB=D<D
"7 78><7= 8<88? 788<88? CEA<F CB88EA<F CED<D
G H 7<= "B 77=<=D 8<87? @@<@@? @><8 C7@@8B<8 @F<@
"A 7BF<DD 8<8A? @@<@E? BF7<8 C7@ED@<8 BD=<8
"D 7AD<F= 8<8=? @@<@D? A>E<F C7@=7B<F AE=>? F77<F C7@D>><F D>E<7

__________________________________________________________________________________________
73

!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<=7> ??<@?> ABCD<8 AC8BCD<8 A=8?<?
"7 78D<7E 7<7?> ?D<D7> A7BF<@ AC87BF<@ ABFE<=
G H 8<D "C 77E<E= B<8F> ?E<?B> B=<8 A7??EE<8 A@F?<?
"B 7C@<== E<?7> ?B<8?> 7DF<8 A7?D7B<8 A77?@<F
"= 7B=<@E 7B<E@> DE<B@> BCB<@ A7?EFE<@ AC=8F<8
"@ 7==<88 CB<F=> FE<CE> ==F<@ A7?@@C<@ A=B87<8
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
C8 !I: "8 788<88 8<87> ??<??> ABCD<8 AC8BCD<8 ABB8<7
"7 78D<7E 8<8=> ??<?E> A7BF<@ AC87BF<@ A7=@<=
G H 7<8 "C 77E<E= 8<7B> ??<DF> B=<8 A7??EE<8 F<@
"B 7C@<== 8<=7> ??<@?> 7DF<8 A7?D7B<8 78E<8
"= 7B=<@E 7<7C> ?D<DD> BCB<@ A7?EFE<@ 788<@
"@ 7==<88 C<F@> ?F<C@> ==F<@ A7?@@C<@ A787<D
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<88> 788<88> ABCD<8 AC8BCD<8 ABCD<C
"7 78D<7E 8<88> 788<88> A7BF<@ AC87BF<@ A7BD<=
G H 7<C "C 77E<E= 8<87> ??<??> B=<8 A7??EE<8 B7<7
"B 7C@<== 8<8@> ??<?@> 7DF<8 A7?D7B<8 7FF<F
"= 7B=<@E 8<7=> ??<DE> BCB<@ A7?EFE<@ C?E ??<EB> ==F<@ A7?@@C<@ BFB<F
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<88> 788<88> ABCD<8 AC8BCD<8 ABCD<7
"7 78D<7E 8<88> 788<88> A7BF<@ AC87BF<@ A7BF<D
G H 7<= "C 77E<E= 8<88> 788<88> B=<8 A7??EE<8 BB<7
"B 7C@<== 8<87> ??<??> 7DF<8 A7?D7B<8 7D=<C
"= 7B=<@E 8<8=> ??<?E> BCB<@ A7?EFE<@ B7@<D
"@ 7==<88 8<78> ??<?8> ==F<@ A7?@@C<@ =CF<=
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<88> 788<88> ABCD<8 AC8BCD<8 ABCD<7
"7 78D<7E 8<88> 788<88> A7BF<@ AC87BF<@ A7BF<F
G H 7<E "C 77E<E= 8<88> 788<88> B=<8 A7??EE<8 BB<=
"B 7C@<== 8<87> ??<??> 7DF<8 A7?D7B<8 7D@<@
"= 7B=<@E 8<8C> ??<?D> BCB<@ A7?EFE<@ B7?<E
"@ 7==<88 8<8@> ??<?@> ==F<@ A7?@@C<@ =BD<8

__________________________________________________________________________________________
74

!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<7=> ??<@=> AB=C<8 AD8B=C<8 AB@=<C
"7 78@<7C 8<=E> ??<BF> ADC=<= AD8DC=<= AFE@<C
G H 8<@ "D 77C<CB 7<@D> ?@<7@> A?B<8 AD88?B<8 AB=@<@
"F 7D=<BB B<?=> ?=<8=> =?<8 A7??B7<8 A?F8<C
"B 7FB<=C 77<F8> @@<E8> 7?=<= A7?@8B<= AD8CF<@
"= 7BB<88 D7<@B> E@<7C> F7?<= A7?C@8<= AB8B?<D
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
D@ !I: "8 788<88 8<88> 788<88> AB=C<8 AD8B=C<8 AB=C<F
"7 78@<7C 8<87> ??<??> ADC=<= AD8DC=<= ADCC<?
G H 7<8 "D 77C<CB 8<8F> ??<?E> A?B<8 AD88?B<8 A788 ??<@E> =?<8 A7??B7<8 FD<@
"B 7FB<=C 8<BE> ??<=F> 7?=<= A7?@8B<= 787<=
"= 7BB<88 7<BC> ?@<=B> F7?<= A7?C@8<= D@<=
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<88> 788<88> AB=C<8 AD8B=C<8 AB=C<8
"7 78@<7C 8<88> 788<88> ADC=<= AD8DC=<= ADC=<C
G H 7<D "D 77C<CB 8<88> 788<88> A?B<8 AD88?B<8 A?B ??<??> =?<8 A7??B7<8 =E ??<?E> 7?=<= A7?@8B<= 7@? ??<@?> F7?<= A7?C@8<= D?E<@
!"#$ &'() ! *+,-" ! -./ *+,-" 0+1233/ &4567888) 9*"1"33/ &4567888) :3;2*"#/ &4567888)
"8 788<88 8<88> 788<88> AB=C<8 AD8B=C<8 AB=C<7
"7 78@<7C 8<88> 788<88> ADC=<= AD8DC=<= ADC=<@
G H 7 788<88> A?B<8 AD88?B<8 A?B<?
"F 7D=<BB 8<87> ??<??> =?<8 A7??B7<8 =C<D
"B 7FB<=C 8<8B> ??<?C> 7?=<= A7?@8B<= 7@E<@
"= 7BB<88 8<78> ??<?8> F7?<= A7?C@8<= D?? 788<88> AB=C<8 AD8B=C<8 AB=C<7
"7 78@<7C 8<88> 788<88> ADC=<= AD8DC=<= ADC=<E
G H 7<C "D 77C<CB 8<88> 788<88> A?B<8 AD88?B<8 A?B<C
"F 7D=<BB 8<87> ??<??> =?<8 A7??B7<8 =E<=
"B 7FB<=C 8<8D> ??<?@> 7?=<= A7?@8B<= 7?7<C
"= 7BB<88 8<8=> ??<?=> F7?<= A7?C@8<= F78<8

Dissertação Andry

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Dissertação Andry

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

Das könnte Ihnen auch gefallen