Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/30826
Title in Portuguese: Otimização de sistema e configuração de pavimentos de concreto pré-moldado via algoritmos evolucionários
Author: Sena, Rafael Wandson Rocha
Advisor(s): Melo, Antônio Macário Cartaxo de
Co-advisor(s): Albuquerque, Augusto Teixeira de
Keywords: Engenharia de estruturas
Otimização
Concreto pré-moldado
Concreto protendido
Algoritmos genéticos
Pavimentos
Structural optimization
Conceptual design
Precast concrete floor
Prestressed concrete
Genetic algorithm
Issue Date: 29-Sep-2015
Citation: SENA, R. W. R. Otimização de sistema e configuração de pavimentos de concreto pré-moldado via algoritmos evolucionários. 2015. 100 f. Dissertação (Mestrado em Engenharia Civil)-Centro de Tecnologia, Programa de Pós-Graduação em Engenharia Civil: Estruturas e Construção Civil, Universidade Federal do Ceará, Fortaleza, 2015.
Abstract in Portuguese: Grande é a busca pela redução de custos na construção civil. Produção em linhas de montagem e em grande escala, modulação e redução de desperdícios são características que destacam a utilização do concreto pré-moldado (CPM). Tradicionalmente o projeto é realizado por meio de tentativa e erro, modo em que a solução de projeto é determinada diretamente pela experiência do engenheiro projetista. A otimização consiste na formulação do problema de projeto por meio de um modelo matemático, onde se buscam valores para um conjunto de parâmetros que extremizam uma função e satisfazem simultaneamente um conjunto de restrições. O objetivo deste trabalho é a formulação de um modelo de otimização de pavimentos em CPM protendido, onde se otimiza o sistema estrutural (tipo de laje), a configuração estrutural (posicionamento dos componentes) e seus componentes (dimensões e detalhamento), baseando-se em restrições normativas e arquitetônicas. Para as lajes são admitidos dois sistemas, alveolar e Pi (Duplo T), e para as vigas a T invertida. Foram usados dados da indústria e do PCI para caracterização dos perfis. A função objetivo que se deseja minimizar é o custo advindo das fases de fabricação, transporte e montagem. Devido as variáveis de projeto serem do tipo discretas utilizam-se Algoritmos Genéticos (AG) devido a sua eficiência e simplicidade no tratamento desta classe de problema. Os parâmetros do AG são calibrados com exemplos testes e são feitas aplicações a exemplos da literatura. O algoritmo de Enxame de Partículas (Particle Swarm Optimization) é utilizado como forma de comparação e validação dos resultados. A sensibilidade da solução é estudada para variação de parâmetros de custos da função objetivo. Soluções para outros perfis do mercado podem ser facilmente implementados.
Abstract: Big is the search for cost reductions in civil construction. Production in assembly lines and large scale, modulation and waste reduction are features that highlight the use of the precast concrete (PC). Traditionally, the project is realized by trial and error process, where the project solution is determined directly by the experience of the designer engineer. The optimization is the searching for a best solution through a mathematic model, where a lot of combinations of possibilities of answers will be evaluated, and then there is a selection of the best combination or optimum response. The objective of this work is the formulation of a mathematical model for optimization of prestressed precast concrete floor, which optimizes the structural system (slab type), the layout of the components (placement of the components) and the components themselves (dimensions and details), based on normative constraints and architectural constraints. For the slabs are allowed two structural systems, alveolar and double tee, and for the beams is used the inverted tee type. The objective function is the total cost arising from manufacturing, transportation and assembly phases. Because the design variables are discrete, genetic algorithms are used due to its efficiency and simplicity in treating this class of problems. The parameters of the GA are calibrated with test examples and applications are made to literature examples. The Particle Swarm Optimization (Particle Swarm Optimization) is used as a means of comparison and validation of results. The sensibility of the solution is studied for the variation in the cost parameters of the objective function. Solutions for other market profiles can be easily implemented
URI: http://www.repositorio.ufc.br/handle/riufc/30826
metadata.dc.type: Dissertação
Appears in Collections:DECC - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2015_dis_rwrsena.pdf2,57 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.