DISEO DE FATIGA CONFIABLE,POR REGLAS RGIDAS, POR MAGA O INGENIERA

ILUMINADA

Este artculo discue algunas defierencias bsicas entre aproximaciones ingenieriles al clculo confiable de
fatiga. Este comparaci`n se encuentra basada en el hecho en el que la fatiga mecnica es una ciencia
extremadamente empirica con una gran incertidumbre en conocimiento previo en referencia a datos
observados y exactitud de modelos.
Se ha dicho que el conocimiento fsico previo debera decidir el nivel de complejidad en las herramientas
confiables, no fuentes de computacin niteora matemtica.
1.Introduccin
Las bases del diseo confiable de fatiga yacen en tomar una gran cantidad de fuentes de incertidumbre en
cuentas o informes ms reducidos. Modelos empricos simplificados para daos por fatiga contienen
errores desconocidos, la resistencia a la fatiga de los materiales muestra una gran dispersin.
Incertidumbre y muestran una larga variacin..
Tradicionalmente todas las fuentes de incertidumbre han sido reducidas por usar un alto factor de
seguridad en el diseo, con el cual se espera cubrir todas las posibles desviaciones comparadas con las
cargas y esfuerzos predichos. Este factor de seguridad debe de estar basado en reglas de rigidez. Co n el
objetivo de obtener un mayor control en seguridad, es conveniente el analizar todo el campo de las
incertidumbres mediente la asignacin de incertidumbres a todas las medidas. Una gran herramienta
para esto es la matemtica estadtica, usada para obtener un diseo probabilstico.
De todos modos, las herramientas matemticas no hablan acerca de fuentes desconocidas, solamente
ayuda a medirlas y combinarlas en una forma racional.
Simulaciones de Monte Carlo (complejo mtodo probabilstico que produce conocimiento que no existe)
El artculo discute entonces el uso de herramientas complejas matemticas para el conocimiento
fsico existente. Entonces los factores de seguridad totales deben una combinacin de:
- clculos matematicos en fuentesde incertidumbre controladas y
- factores de seguridad basados en la experiencia al tomar eventos extraos en datos.
La fatiga mecnica es un mecanismo de falla complejo que depende de la microestructura de un material .
la ciencia de los materiales durante el ultimo siglo ha tenido un crecimiento para el etendimiento en
escencia de la fsica. Pero, los mecanimos fsicos en un nivel micro no pueden ser predichos debido a la
falta de conocimientoacerca de la microestructura local, aun pese a teoras avanzadas, la ingeniera de
fatiga y sus predicciones se ven forzadas a yacer en la relaciones empricas globales.
La exactitud de estas relaciones empiricas son altamente dependientes de pruebas especficas y cun
cerca estn estas prubas al ser realizadas a las situaciones a predecir. Pero desde que estas pruebas son
costoosas y requieren de mucho tiempo, sus exactitudes tienden a ser pobres, y entonces se tiende a usar
mas modelos matemticos con errores.
Un problema al usar modelacin probabilstica en fatiga es el dbil preconocimiento de las prubeas de
fatiga y por tanto, generan dudas en pequeas probabilidads.
Entonces , la segunda manera para aproximarse est entre cambiarse a reglas rgidas por un lado , y por el
otro complejos modelos probabilsticos (ya que las pruebas son pobres)

2 Reglas rigidas o de rigidez

Tradicionalmente, grandes dispersiones e incertidumbres presentes en los clculos de fatiga han sido
compensadas mediante un largo factor de seguridad en el diseo. Este factor usualmente est basado en
las experiencias relacionas al riesgo de
- incertidumbres involucradas
- consecuencias de la falla
Ya que las bases para definir tal feactor de seguridad usualmente son desconocidas, no es posible el tomar
ventaja de nuevos descubrimientos a pesar que sus fuentes de incertidumbre de estos nuevos materiales
sean menos dispersas.
En casoso donde necesitemos controlar la confiabilidad y darle nuevas oportunidades acontinuos
desarrollos en el diseo, la reglas de rigidez son un obstculo para anlisis detallados , es aqu cuando el
modelo probabilstico aparece.
3. teora probabilstica
La teora probabilstica nos ofrece la oportunidad de asignar modelos matemticos a las dispersiones e
incertidumbres, y por lo tanto la combinacin de los modelos matematicos y teora probabilstica nos
puede proveer una descripcin o un modelo estadstico de laa vida de fatiga.
De todos modos, en orden de tomar ventaja de la poderosa teora probabilstica es necesario el encontrar
modelos estadstico importantes de dispersiones e incertidumbres, y es entonces cuando los problemas
aparecern problemas al tatrar con los problemas de fatiga.
4 maga
Cuando las metodologas son usadas con sinun soporte de conocimieto previo, es entonces cuando los
resltados se vuelven dependientes de suposiciones; estas elecciones subjetivas de tipos distribuciones
estadstidcas podran tener una mayor influencia en sus estimaciones de confiabilidad que con los que se
podra conseguir con datos previos.
Formilaciones matemticas avanzadas tienden a proporcionar una confiabilidad cientfica a los resultados,
pero sin un sporte de datos previos en los estimados inciales, la tal ciencia supuesta se convierte entonces
en magia.
Desafortunadamente, la magia es popular en la industria de los clculos de confiabilidad, en particular por
el mtodo de simulaciones de monte carlo: a fuentes de incertidumbre son asignadas distribuciones
estadsticas basadas en suposiciones, configuraciones inciales de software, o conveniencia.
En vez de esto, la confiabilidad de fatiga debera ser desarrollada con metodologas estadsticas que son
basadas en el conocimiento mnimonque usualmente utilizamos como entrada, llamados los valores
principales de las variables de entraday sus desviaciones estndar.
5. ingeniera iluminada
Al combinar el marco de la probabilidad con la experiencia en ingenier y sus juicios se podra obtener un
camino optimo entre conocimiento y teora: ingeniera iluminada.
Uno de estos mtodos combinados es la metodologa del factor de seguridad parcial, representado en el
cdigo europeo [7].. aqu, a cada variable principal se le es asignado un valor caracterstico, el cual es
casos importantes es hallado mediante un punto de vista probabilstico. Por un instante, para la fuerza es
selccionada como el 5to ms bajo percentil en la distribucin de prediccin. Al seleccionar tal alto
percentil, los mtodos de estimacin estadsticapodran ser justificadas, pero para casos normales no es lo
suficientemente bajopara ser una base para el diseo.

Por lo tanto, la carga caracterstica es ajustada por divisin con un factor de seguridad parcial, de
magnitud de 1.0 a 1.5 para designar un valor de diseo para la fuerza. Usando este tipo de modelacin es
tambin aplicado a cargas aplicadas y para estructuras geomtricas , the diseo fianl est basado en los
valores de diseo calculados, dado como resultado una estructura segura.
La metodologa de factor de seguridad parcial es una mezcla de estadstica y de criterios de ingeniera,
donde los mtodos estadsticos son usados para estimar los valores caractersticos en casos cuando las
desviaciones estndar oueden ser directamente calculadas: un problema con esta mezcla es que el mtodo
estadsticos de aadir diferencias no puede ser completamente usados, y que el valor final de diseo est
aveces basadoen los escenarios improbables eventos de mltiples entradas.
Una manera de compensar estas desventajas es consecuentemente usar las estadsticas de segundo
momento, aun para incertidumbres las cuales sus desviaciones estndar no pueden ser halladas por
observaciones, pero necesitan ser encontradas por criterios de ingeniera.
La aproximacin VMEA a la fatiga es una implementacin de tal metodologa. De todos modos, el
problema de un preconocimiento dbil en los bordes de las distribuciones hacen aun necesario el
completar este mtodo de segundo momento con un extra valor de seguridad, correspondiente a los
valores de seguridad parciales, basadi en los criterios de ingeniera y experiencia.