ALGORITMO DE OTIMIZAÇÃO MULTI-OBJETIVO PARA OTIMIZAÇÃO DE LAYOUT DE ESPAÇOS DE ENSINO1

Autores

  • Érika Mayumi Shibata Centro Universitário Facens
  • Natália Nakamura Barros Centro Universitário Facens

DOI:

https://doi.org/10.29327/sbqp2021.438102

Palavras-chave:

Algoritmo multi-objetivo, Otimização de layout, Instituições de ensino

Resumo

As transformações inevitáveis das revoluções digitais, combinadas com as alterações na vida das pessoas impulsionada pela pandemia do Covid-19 e alterações climáticas, trarão novas possibilidades de ampliação das capacidades computacionais através de metodologias de projeto e produção inovadoras. O principal objetivo da pesquisa é verificar o potencial uso do algoritmo de otimização multi-objetivo para otimização de layout de espaços institucionais de ensino, considerando aspectos lumínicos e de distanciamento social. A pesquisa classifica-se segundo sua finalidade em pesquisa experimental, com o seguinte delineamento: (i) pesquisa bibliográfica; (ii) definição dos ambientes e parâmetros a serem analisados; (iii) desenvolvimento dos modelos generativos; (iv) simulação computacional; (v) otimização multi-objetiva; e (vi) análise dos resultados. Os dados referentes ao conforto lumínico dos ambientes foram obtidos a partir de simulações realizadas no software Rhinoceros, plug-in Grasshopper. E os dados referentes ao distanciamento social em instituições de ensino foram inseridos e automatizados no modelo. Como resultados, verificou-se que o algoritmo de otimização encontrou, de forma rápida, o melhor layout, considerando o distanciamento mínimo entre as carteiras, em conjunto com a menor incidência solar nas carteiras. Este estudo auxiliará a tomada de decisão do projetista na busca pela melhor solução arquitetônica.

Referências

FROTA, A. B.; SCHIFFER, S. R. Manual de conforto térmico: arquitetura, urbanismo. São Paulo:Studio Nobel, 2001.

GASPAR, J. A. M. O significado atribuído a BIM ao longo do tempo. 2019. 238 f. Dissertação(Mestrado em Arquitetura, Tecnologia e Cidade) - Faculdade de Engenharia Civil,Arquitetura e Urbanismo, Universidade Estadual de Campinas, Campinas, 2019.

GIL, A. C. Como elaborar projetos de pesquisa. 5. ed. São Paulo: Atlas, 2002. E-book.

GILCHRIST, A. Industry 4.0: The Industrial Internet of Things. [S. l.]: Apress, 2016. E-book.

KOLARAVIC, B.; MALKAWI A. Performative Architecture: Beyond Instrumentality. 1. Ed. NewYork, 2005.

LAMBERTS, R.; DUTRA, L.; PEREIRA, F.O.R. Eficiência energética na arquitetura. [3.ed.] Rio deJaneiro, 2014.

MARCONI, M. de A.; LAKATOS, E. M. Fundamentos de metodologia científica. 7. ed. SãoPaulo: Atlas, 2010. E-book.

MONTEIRO, Ari.; SANTOS, Eduardo. O Uso de Modelagem Generativa para Representaçãode Modulações de Alvenarias em Ferramentas BIM. In: SIGraDi 2009 – Proceedings... 13thCongress of the Iberoamerican Society of Digital Graphics, Sao Paulo, Brazil, November 16-18,2009.

OMID, Hanie; GOLABCHI, Mahmood. Survey of parametric optimization plugins in Rhinocerosused in contemporary architectural design. In: FOURTH INTERNATIONAL CONFERENCE ONMODERN RESEARCH IN CIVIL ENGINEERING, ARCHITECTURE, URBAN MANAGEMENT ANDENVIRONMENT, 21 maio 2019, Karaj. Anais... Karaj: University of Applied Science, 21 maio2019.

OXMAN, R. A Performance-based Model in Digital Design: PERFORMATIVE—Design BeyondAesthetic. Architectural Engineering and Design Management, v.3 ed. 3, p. 169-180, 1 jan.2007.

PETROV, Martin; WALKER, James. Optioneering Methods for Optimization, Methods ofexploring primary and secondary performance criteria in urban design. In: ECAADE 38, 1 set.

2020, Berlin. Proceedings... Berlin: eCAADe, 1 set. 2020. p. 29–36.

QINGSONG, Ma; FUKUDA, Hiroatsu. Parametric Office Building for Daylight and EnergyAnalysis in the Early Design Stages. In: Social and Behavioral Sciences, Urban Planning andArchitectural Design for Sustainable Development (UPADSD), Lecce. Proceedings... Lecce:Elsevier, v. 216, 6 jan. 2016, p. 818–828.

SCHMID, Aloísio. L. A Idéia de Conforto: reflexões sobre o ambiente. 1. ed.Curitiba: PactoAmbiental, 2005.

SHAN, Rudai. Integrating Genetic Algorithm with Rhinoceros and Grasshopper in WholeBuilding Energy Simulation. In: GRAND RENEWABLE ENERGY 2014, 27 jul. 2014, Tóquio.

Proceedings... Tóquio: Japan Council for Renewable Energy, 27 jul. 2014.

SHI, Xing; YANG, Wenjie. Performance-Driven Architectural Design and OptimizationTechnique from a Perspective of Architects. Automation in Construction, v. 32, p. 125–135, 1jul. 2013.

WORLD HEALTH ORGANIZATION. Considerations for school-related public health measures inthe context of COVID-19. Genebra, 10 mai. 2020. Acesso em: 18 jun. 2020YU, Wei et al. Application of Multi-Objective Genetic Algorithm to Optimize Energy Efficiencyand Thermal Comfort in Building Design. Energy and Buildings, v. 88, p. 135–143, 1 fev. 2015.

ZHANG, Anxiao et al. Optimization of Thermal and Daylight Performance of School BuildingsBased on a Multi-Objective Genetic Algorithm in the Cold Climate of China. Energy andBuildings, v. 139, p. 371–384, 15 mar. 2017.

Downloads

Publicado

2021-11-19

Como Citar

Mayumi Shibata, Érika ., & Nakamura Barros, N. . (2021). ALGORITMO DE OTIMIZAÇÃO MULTI-OBJETIVO PARA OTIMIZAÇÃO DE LAYOUT DE ESPAÇOS DE ENSINO1. SIMPÓSIO BRASILEIRO DE QUALIDADE DE PROJETO DO AMBIENTE CONSTRUÍDO, 7, 1–9. https://doi.org/10.29327/sbqp2021.438102

Edição

Seção

Inovações tecnológicas e de informação no desenvolvimento do projeto

Artigos Semelhantes

<< < 2 3 4 5 6 7 8 9 10 11 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.