Fluxo de projeto da geometria de brise usando otimização multiobjetivo

Autores

DOI:

https://doi.org/10.46421/encac.v17i1.4038

Palavras-chave:

otimização multiobjetivo, algoritmo genético, fluxo de projeto

Resumo

A construção civil é uma das áreas que mais impacta o meio ambiente pelo consumo de energia, assim é necessário rever o papel do ambiente construído, sendo que uma das estratégias é melhorar a eficiencia energética dos edifícios desde os estágios iniciais. O objetivo deste artigo é apresentar um fluxo de projeto de edificações utilizando a otimização multiobjetivo com algoritmos evolutivos para auxiliar os projetistas. Assim, o estudo foi aplicado em um brise de um ambiente simplificado na cidade de Campo Grande, MS. Foram considerados materiais construtivos indicados para a zona bioclimática que a cidade se encontra. Os objetivos analisados foram a carga térmica e a iluminação natural no ambiente interno e a área de superfície do brise. Os softwares escolhidos foram Rhinoceros® e Grasshopper® com os plugins Ladybug®, Honeybee® e Wallacei®. Foi possível encontrar dez alternativas conforme a solução de Pareto, obtendo resultado a partir do fluxo de projeto proposto; dessa forma, foi possível visualizar as informações para que a escolha pudesse ser feita conforme o critério mais relevante, permitindo assim auxiliar o processo de projeto.

Biografia do Autor

Camila Carli da Silva, Universidade Federal de Mato Grosso do Sul (UFMS)

Mestranda no Programa de Pós-graduação em Eficiência Energética e Sustentabilidade na Universidade Federal de Mato Grosso do Sul, UFMS, Brasil.

Arthur Santos Silva, Universidade Federal de Mato Grosso do Sul (UFMS)

Doutor em Engenharia Civil, Professor do Magistério Superior na Universidade Federal de Mato Grosso do Sul – UFMS, Campo Grande, MS, Brasil.

Referências

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 15220: Desempenho térmico de edificações. Rio de Janeiro. 2005.

ASSOCIAÇÃO BRASILERIA DE NORMAS TÉCNICAS. NBR 15575-3: Edificações habitacionais. Rio de Janeiro. 2021.

COELLO, C. A. C. Evolutionary multi-objective optimization: a historical view of the field. IEEE computational intelligence magazine, v. 1, n. 1, p. 28-36, 2006.

DAVIDSON, S. Grasshopper, algorithmic modeling for rhino, c2023. Home. Disponível em: < https://www.grasshopper3d.com/>. Acessado em: 04 de abr. de 2023.

DU PLESSIS, C. et al. Agenda 21 for sustainable construction in developing countries. CSIR Report BOU E, v. 204, p. 2-5, 2002.

EPE. Anuário estatístico de energia elétrica, 2022. Disponível em <https://www.epe.gov.br/>. Acessado em: 30 jun 2022.

FONSECA, R W. et al. Avaliação do desempenho termoenergético de modelos de referência de escritórios elaborados com base em levantamento de características construtivas nacionais1. Encontro nacional de tecnologia do ambiente construído, v. 16, 2016.

INSTITUTO NACIONAL DE METROLOGIA, QUALIDADE E TECNOLOGIA. Portaria nº 42, de 24 de fevereiro de 2021, que aprova a Instrução Normativa Inmetro para a Classificação de Eficiência Energética de Edificações Comerciais, de Serviços e Públicas (INI-C).

LABEE. Catálogo de propriedades térmicas. Florianópolis. 2010.

LADYBUG TOOLS LLC. Ladybug Tools, c2017-2022. Tools. Disponível em: < https://www.ladybug.tools/>. Acessado em: 04 de abr. de 2023,

LIN, S. H. E. GERBER, D. J. Designing-in performance: A framework for evolutionary energy performance feedback in early stage design. Automation in Construction, v. 38, p. 59-73, 2014.

MAIER, H. R. et al. Introductory overview: Optimization using evolutionary algorithms and other metaheuristics. Environmental modelling & software, v. 114, p. 195-213, 2019.

MCNEEL, R. Rhinoceros desing, model presente, analyze, realize, c1993-2023. Features. Disponível em: < https://www.rhino3d.com/features/>. Acesso em: 04 de abr. de 2023.

MOSSIN, N.; STILLING, Sofie; BOJSTRUP, Thomas Chevalier; LARSEN, Vibeke Grupe; LOTZ, Majo; BLEGVAD, Annette. Na Architecture Guide, to the UM 17 Sustainable Development Goals. 1º edição. Copenhagen, 2018.

OXMAN, R. Performance-based design: current practices and research issues. International journal of architectural computing, v. 6, n. 1, p. 1-17, 2008.

PAN, L., Li, K., Xue, W., Liu, G. Multi-objective optimization for building performance design considering thermal comfort and energy consumption. In: 2016 35th Chinese Control Conference (CCC). IEEE, 2016. p. 2799-2803.

QUEIROZ, N.; PEREIRA, F. OR. Projeto baseado em desempenho: modelo de otimização multicritério para soluções controle solar em fachadas. Encontro Nacional de Tecnologia do Ambiente Construído, v. 18, n. 1, p. 1-8, 2020.

SANTANA, L. O.; GUIMARAES, I. B. B.; CARLO, J. C. Parametrização Aplicada ao Desempenho Energético de Edificações. V! RUS, v. 11, 2015.

SLOWIK, A.; KWASNICKA, H. Evolutionary algorithms and their applications to engineering problems. Neural Computing and Applications, v. 32, p. 12363-12379, 2020.

WALLACEI. Wallacei, c2022. About. Disponível em: < https://www.wallacei.com/>. Acessado em: 04 de abr. de 2023.

Downloads

Publicado

26-10-2023

Como Citar

SILVA, Camila Carli da; SILVA, Arthur Santos. Fluxo de projeto da geometria de brise usando otimização multiobjetivo. In: ENCONTRO NACIONAL DE CONFORTO NO AMBIENTE CONSTRUÍDO, 17., 2023. Anais [...]. [S. l.], 2023. p. 1–10. DOI: 10.46421/encac.v17i1.4038. Disponível em: https://eventos.antac.org.br/index.php/encac/article/view/4038. Acesso em: 21 nov. 2024.

Edição

Seção

4. Desempenho Térmico do Ambiente Construído