CONFIABILIDAD Y ANALISIS DE

RIESGOS

Dr. Ricardo O. Foschi

PROGRAMA MASTER EN INGENIERIA
CIVIL
UNIVERSIDAD DE
Ing. Arturo Martínez R., M.A.Sc.
PIURA

SESION 02
• Procedimientos para el cálculo de la confiabilidad. Indice
de confiabilidad.
METODOS PARA EL CALCULO DE LA PROBABILIDAD DE FALLA
 Se ha visto que la evaluación de la performance de un sistema se realiza a
través del cálculo de la probabilidad de falla de éste.
 Pf = P(G<0)
 Este cálculo suele hacerse a través de dos formas:

 Simulación computarizada: A través de simulación Montecarlo uno

puede determinar la Pf repitiendo muchas veces la evaluación de la falla
o supervivencia del sistema. Este procedimiento puede resultar
computacionalmente tedioso, aunque existen técnicas de varianza
reducida que la hacen más eficiente.
 Procedimientos aproximados: Los cuales estudiaremos en detalle por
ser mas eficientes en el cálculo de la probabilidad de falla. Debido a esto
pueden ser empleados en la practica y en la calibración de modernos
códigos de diseño basados en confiabilidad. Los métodos más
empleados son FORM, SORM y la de superficie de respuesta.
PROCEDIMIENTOS FORM (FIRST ORDER RELIABILITY METHOD)
 Con el fin de describir el procedimiento FORM, se considera un problema
simple en el cual la función G se define como:



G  X1  X 2
 donde X1 y X2 son las variables básicas aleatorias. Se asume que se conoce
las distribuciones estadísticas de las variables, particularmente sus valores
promedio y la desviación estándar de cada una de ellas.
 Es conveniente trabajar con un nuevo par de variables adimensionales, x1 y
x2, definidas como sigue:

X1  X1 X2  X2
x1  x2 
1 2
 Por lo tanto, estar en la zona de falla (G < 0) requerirá: X 2  X1
 o:
X1  X 2 1
x2   x
2 2 1
PROCEDIMIENTO FORM
 Por lo tanto, la zona de falla es la zona achurada de la figura, cuando x2
esta encima de la línea de G=0. Esta línea es la superficie de falla.
 El punto O, en el origen de las coordenadas x1-x2 corresponde al caso en el
que las variables X1 y X2 son iguales a su promedio y por esta razón O es
conocido como “el punto medio”. En la figura el punto O pertenece a la
zona de supervivencia, pero no necesariamente este es el caso general.

G<0 G=0
 La figura también muestra los ejes de x2
coordenadas y1 y y2, obtenidos al rotar y2
los ejes x1-x2 hasta que y2 sea y1
perpendicular a la superficie de falla. El
punto P es el punto de la superficie más
P G>0
próximo al origen, a una distancia .
También es conocido como el “punto de   x1
diseño” o como la combinación más o
cercana a la falla.
PROCEDIMIENTO FORM

 Es claro que toda la zona de falla puede ser descrita por la condición de que
el valor de la coordenada y2 sea mayor a . Por lo tanto, la probabilidad de
falla será dada por la probabilidad de que y2 > :
Pf  PROB ( y2   )
 Si la variable y2 es normalmente distribuida, esta probabilidad es fácilmente
obtenida de las tablas de probabilidad normal cuando se conoce el valor de .
Por lo tanto:

Pf   (   )
 donde  representa la FDA de una distribución normal estandar.
 El único requisito del procedimiento es el cálculo de la distancia , que es un
problema de minimización geométrica que puede ser manejado por cualquier
paquete de optimización.
PROCEDIMIENTO FORM

Los algoritmos comúnmente usados emplean un método iterativo de minimización

basados en derivadas y requieren el cálculo de G y de sus derivadas en cada paso
de la iteración. El usuario debe proveer valores iniciales para las variables. Una
buena técnica para iniciar la iteración es asignar el valor medio correspondiente a
cada variable aleatoria. Ahora, ¿qué tan exacta es la probabilidad obtenida? El
resultado es exacto si tres condiciones se cumplen:
1. Todas las variables X tienen una distribución normal.
2. Todas las variables X son independientes, o no co-relacionadas
3. La función G, que describe el estado límite, es una función lineal de las variables
básicas.
Un algoritmo para el cálculo de  fue presentado primero por Hasofer y Lind
(1974). Este algoritmo fue mejorado posteriormente de tal modo que se eliminó el
requisito de que las variables sean normalmente distribuidas (condición 1) y que
sean independientes (condición 2), y el resultado es el algoritmo usado en la
mayoría de programas FORM disponibles hoy en día.
PROCEDIMIENTO FORM

G*
o x
x*
 
P*
P
x

•Ver hoja Indice beta.pdf

 PROCEDIMIENTO FORM
 La condición 3, tiene que ver con la naturaleza lineal o no lineal del estado
límite a analizar y no puede ser sometido a manipulaciones matemáticas.
 Por ejemplo, si la variable X aparece en la función G como SenX o como X3, G
sería no lineal y la condición 3 no se cumpliría. En la mayoría de casos como
estos, la respuesta de un procedimiento FORM no será exacta. De todos
modos el programa mostraría que las más probables combinaciones de falla
ocurren alrededor de P. Por lo tanto, la exactitud de un procedimiento de
primer orden depende de que tan plana o lineal es la superficie de falla en los
alrededores de P.
 Naturalmente, esto es difícil de determinar cuando G contiene muchas
variables, pero una importante cantidad de investigaciones y experiencia
práctica ha demostrado que las estimaciones de FORM son por lo general
bastante buenas en comparación con los resultados de simulaciones exactas.
PROCEDIMIENTO FORM

 La distancia  es llamada “índice de confiabilidad” y la ecuación

Pf   (   )
 provee una relación confiable entre ésta y la probabilidad de falla.
 Se debe mencionar que hay soluciones exactas de  en solo dos casos:
1. Cuando hay solo dos variables, X1 y X2, normalmente distribuidas y la
función G es lineal:
X1  X 2

 12   2 2

2. Cuando, en el caso anterior las variables tiene una distribución Lognormal. La

expresión es:
Ln X 1 
  2
X2 
v1  v2
2

donde v1 y v2 son los coeficientes de variación respectivos.

PROCEDIMIENTO FORM

• En los demás casos,  debe ser calculado utilizando algún programa de

computadora. Una de las ventajas de los procedimientos de primer orden
(FORM) es el cálculo automático de los coeficientes de sensitividad,
catalogando la importancia a cada una de las variables aleatorias a la
confiabilidad del sistema estudiado para un estado límite.
• El coeficiente de sensitividad es más importante mientras más relevante
sea una variable para la confiabilidad del sistema.
• Por lo tanto, cuando se está en duda acerca de la importancia de una
variable, se puede hacer un primer cálculo incluyendo la variable como
aleatoria y un segundo paso eliminando dicha variable, transformándola en
un parámetro determinístico si el primer paso mostró (a través del
coeficiente de sensitividad) que la variable tiene poca importancia. La
simulación de MonteCarlo no provee tales sensitividades.
• Ver hoja Indice beta no lineal.pdf
PROCEDIMIENTO SORM (SECOND ORDER RELIABILITY METHOD)

• Si la superficie de falla es no lineal (curva), ésta puede ser aproximada a

una superficie cuadrática o parabólica de la misma curvatura en el punto P.
• Usando esta aproximación, FORM da origen a SORM (Second Order
Reliability Method) y se obtiene una aproximación a la Pf diferente.
• Resultados exactos SORM requerirán entonces una superficie de falla
parabólica. Debido a la necesidad de determinar curvaturas, SORM exige
cálculos más intensos que FORM y en muchos casos dependiendo de la
no-linealidad de G, este podría no proveer una mejora significativa en la
exactitud de Pf.
METODO DE LA SUPERFICIE DE RESPUESTA

• Si la función G puede ser aproximada con un polinomio simple de las

variables básicas (por ejemplo, funciones parabólicas) entonces los
procedimientos FORM o SORM pueden ser aplicados a la superficie
aproximada reduciendo los tiempos de cálculo.

• La función G es evaluada un número de veces suficiente para obtener un

número suficiente de valores de la función G. Luego estos puntos son
ajustados para lograr una representación matemática de la respuesta, la
cual es luego usada como función G.

• La expresión ajustada es usada en los calculos de confiabilidad para

obtener un punto de diseño P y un indice de confiabilidad. Aquí se puede
detener el proceso o se puede construir una nueva superficie de respuesta
evaluando la función G original alrededor del punto P.
• Esta nueva superficie es usada para hallar un nuevo valor de  , y el
proceso asi descrito puede repetirse hasta lograr una convergencia de  a
la tolerancia deseada.
METODO DE LA SUPERFICIE DE RESPUESTA

• Diferentes formas pueden ser usadas para derivar la superficie de

respuesta ajustada. Bucher et al. (1997), por ejemplo, han considerado
expansiones polinomiales del tipo:
N N
GF ( x)  a0   ai X i   bi X i2
i 1 i 1

• Donde los 2N+1 coeficientes son hallados por regresión de los datos
discretos. Se pueden escoger otras formas cuando se desea representar
mejor la influencia de una variable específica.
• Por ejemplo, supongamos que una de las variables es la carga Q y que la
respuesta es la deflexion de una plancha laminada sometida a tal carga.
Otras variables pueden ser el módulo de elasticidad de cada laminación y
sus módulos de corte. Obviamente, si no hay carga Q no hay deflexión.
METODO DE LA SUPERFICIE DE RESPUESTA

En este caso es quizás mejor proponer:

N N N N
GF ( x)  Q a0   ai X i   bi X  Q
i
2 2
 c0   ci X i   di X i2 ]
i 1 i 1 i 1 i 1

La cual satisface la condición de repuesta cero para Q=0.

INTERPOLACION LINEAL Y REDES NEURONALES

• Los valores discretos de la función G obtenidos con los procedimientos

anteriores no necesitan ser ajustados con una expresión matemática, válida
sobre todo el rango de los datos. Algunas veces esto es dificil de hacer y
puede no ser lo suficientemente preciso. Dos alternativas de interpolación
de los valores discretos de G son posibles:

1.- Si el valor de G es requerido para simulaciones, entonces se evalúa un

número suficiente de puntos tan cerca como sea posible del punto Xo.
Estos puntos son luego utilizados para ajustar localmente una superficie
aproximada, (por ejemplo, un plano) y luego este plano es empleado para
efectuar la interpolacion.
2.- Toda la información de la base de datos discreta puede ser usada para
“entrenar” una red neuronal la cual puede ser empleada para obtener la
función G.

• Experiencias recientes muestran muy buenos resultados usando base de

datos de respuesta discretas y redes neuronales para aplicaciones en
problemas de dinámica estructural (sismos) de varias variables.