Ferramenta metodológica P-Balance para avaliação integrada de desempenho de fachadas
DOI:
https://doi.org/10.46421/entac.v20i1.6119Palavras-chave:
Avaliação integrada de edifícios, Simulação de desempenho de edifícios, Visualização de dados, Tomada de decisão em projeto, Otimização multiobjetivoResumo
Em consultorias para avaliação integrada de desempenho de fachadas de edifícios, com múltiplos indicadores de conforto ambiental e eficiência energética, os prazos exíguos dos projetos, a complexidade das análises e a dificuldade de comunicar resultados aos tomadores de decisão, não especialistas, são desafios a serem superados. Com o objetivo de simplificar este tipo de avaliação, tornando-o mais objetivo, ágil, amigável e científico, foi desenvolvida a ferramenta-metodológica P-balance, que oferece uma visualização gráfica e um método de avaliação que suportam abordagens de projeto integrado. Alinhado com a metodologia científica Design Science Research (DSR), o desenvolvimento incluiu a aplicação criteriosa de técnicas de visualização de dados (TVD) para condensar grandes quantidades de dados obtidos via simulação computacional. A aplicação de protótipos da P-Balance permitiram concluir sobre sua utilidade na simplificação de processos de avaliação multiobjetivo, e na redução do tempo de avaliação, e consultorias, na medida em que torna mais ágeis as análises e as decisões, promovendo comunicação eficaz, integração e elevação da maturidade técnica das equipes de projeto.
Referências
KOKARAKI, N. et al. Testing the reliability of deterministic multi-criteria decision-making methods using building performance
simulation. Renewable and Sustainable Energy Reviews, n. 112, 2019. p. 991-1007.
BRACHT, M. K.; MELO, A. P.; LAMBERTS, R. A metamodel for building information modeling-building energy modeling integration
in early design stage. Automation in Construction, n. 121, 2021.
HOSAMO, H. H. et al. Multiobjective optimization of building energy consumption and thermal comfort based on integrated BIM
framework with machine learning-NSGA II. Energy & Buildings, n. 277, 2022.
SINGH, M. M.; DEB, C.; GEYER, P. Early-stage design support combining machine learning and building information modelling.
Automation in Construction, n. 136, 2022.
CICHOCKA, J. M.; BROWNE, W. N.; RODRIGUEZ, E. Optimization in the architectural practice. In: 22nd International Conference of
the Association for Computer-Aided Architectural Design Research in Asia (CAADRIA), 2017, Hong Kong, Asia. Protocols, Flows and
Glitches, Proceedings. Hong Kong: The Association for Computer-Aided Architectural Design Research in Asia (CAADRIA). 2017. p.
-397. Disponível em: http://papers.cumincad.org/data/works/att/caadria2017_155.pdf. Acesso em: 17 fev. 2020.
YAN, H.; YAN, K.; JI, G. Optimization and prediction in the early design stage of office buildings using genetic and XGBoost
algorithms. Building and Environment, n. 2018, 2022.
SCHERZ, M. et al. A hierarchical reference-based know-why model for design support of sustainable building envelopes.
Automation in Construction, n. 139, 2022.
SRIVASTAV, A. et al. A review and comparison of data visualization techniques used in building design and in building simulation.
In: ELEVENTH INTERNATIONAL IBPSA CONFERENCE. Proceedings., Glasgow, 2009. p. 1972-1949.
DÍAZ, H. et al. Multidisciplinary Design Optimization through process integration in the AEC industry: Strategies and challenge.
Automation in Construction, n. 72, 2017. p. 102-119.
LI, X. et al. Venis: A designer-centric support tool for building performance design at early design stages. Journal of Building
Engineering, n. 63, 2023.
KAHNEMAN, D. Rápido e Devagar: duas formas de pensar. Rio de Janeiro: Objetiva, 2011.
FISKE, S. T.; TAYLOR, S. E. Social Categories and Schemas. In: FISKE, S. T.; TAYLOR, S. E. Social Cognition: From Brain to Culture.
Nova York: McGraw-Hill, 1991. Cap. 4, p. 96-141.
MLODINOW, L. Subliminar: Como o inconsciente influencia nossas vidas. Rio de Janeiro: Zahar, 2012. Edição Brasileira: 2014.
LI, C. Z. et al. Advances in the research of building energy saving. Energy & Buildings, n. 254, 2022.
MUKHERJEE, A.; MUGA, H. An integrative framework for studying sustainable practices and its adoption in the AEC industry: A case
study. Journal of Engineering and Technology Management, n. 27, 2010. p. 197-214.
CACCIATORI, M. M. F. Diretrizes dinâmicas para projeto de fachadas de edifícios de escritórios de alto padrão, na cidade de São
Paulo, com base no potencial de eficiência energética e viabilidade econômica. 2016. 2v.: Dissertação (Mestrado) – Instituto de
Pesquisas Tecnológicas - IPT, São Paulo, 2016.
CACCIATORI, M. M. F.; VALDIVIA, J. D. Redução de Consumo Energético com o uso de Persianas Automatizadas | ETAPA 2: Uma
comparação entre tipos de controles de persianas automatizadas e arquivos climáticos. Série Simulação de Persianas
automatizadas em EnergyPlus, São Paulo, 2021.
CACCIATORI, M. M. F. Ferramenta metodológica P-Balance para avaliação integrada de desempenho de fachadas. 2023: Tese
(Doutorado) - Faculdade de Arquitetura e Urbanismo da Universidade de São Paulo - FAUUSP, São Paulo, 2023.
FEW, S. Show me the numbers: Designing tables and graphs to enlighten. El Dorado Hills, CA: Analytics Press, 2012.
FEW, S. Now You See It: Simple Visualization Techniques for Quantitative Analysis. El Dorado Hills, CA: Analytics Press, 2009.
CAIRO, A. El arte funcional: infografia e visualización de información. Madrid: Alamut, 2012.
SOLLEMA. ClimateStudio User Guide. Visita à seção Learn, Documentation, 2023. Disponivel em: <https://climatestudiodocs.com/
docs/daylightCustom.html>. Acesso em: 29 set. 2023.
