UNIVERSIDADE FEDERAL DE UBERLNDIA

Faculdade de Engenharia Mecnica FEMEC

Ncleo de Projetos e Sistemas Mecnicos

Seminrio da Disciplina
Similitude em Engenharia

Prof. Dr. Cleudmar Amaral de Arajo

Aluno Fernando Ricardo Moreira

Introduo

A priori estamos interessados em encontrar a frmula que nos fornea a deflexo de

uma viga engastada de seo circular submetida a um carregamento na extremidade
livre da mesma. Sabemos da resistncia dos materiais que a deflexo funo apenas do
mdulo de elasticidade do material que a compe e das dimenses da viga, isto , do
dimetro da seo e do comprimento. Para encontrar a frmula da deflexo utilizaremos
recursos da anlise dimensional. Para isto precisaremos calcular os -termos (termos
adimensionais) envolvidos no fenmeno e ento teremos condies de delinear os
experimentos necessrios para a obteno das relaes entre os

-termos e

posteriormente ento calcular a frmula para a deflexo da viga. Portanto para

entendermos como se daro os experimentos, inicialmente faremos os clculos dos
-termos para o problema da deflexo em barras.
A posteriori utilizaremos a equao preditiva encontrada para o obteno do
projeto timo para as dimenses de uma barra em balano que tenha peso e deflexo
mnimas.
Sabemos que em muitas aplicaes em engenharia faz necessrio o projeto de
vigas ou barras que tenham apenas uma de suas extremidades engastadas e sujeitas a
carregamentos [2,5]. Em algumas situaes pode ocorrer do material envolvido seja
extremamente caro e ento se deve optar por um projeto que seja vivel do ponto de
vista de engenharia, por exemplo com pequena deflexo, mas por outro lado deve-se
considerar que a barra tenha a menor quantidade de material possvel, isto , peso
mnimo. Neste contexto que apresentamos este artigo que tem como objetivo obter um
equilbrio timo entre estas duas situaes: peso mnimo e deflexo mnima de uma
barra engastada. O maior problema nesta situao que estes objetivos so conflitantes,
isto , uma diminuio da deflexo ocasiona automaticamente num aumento do peso e o
a recproca tambm verdadeira, isto , a diminuio do peso acarreta no aumento da
deflexo da barra. Assim o projetista deve optar por uma das solues obtidas que se
encaixe melhor nas restries econmicas e/ou de projeto a ele impostas.

Clculo dos

-termos e Experimentos

Nesta seo realizaremos os clculos referentes aos

-termos envolvidos no

processo e tambm descreveremos os experimentos bem como as tabelas de leituras

realizadas. Uma excelente referncia para um bom entendimento sobre as tcnicas da
Anlise Dimensional pode ser encontrada em [4].
2.1 Clculo dos -termos
Para a realizao destes clculos precisaremos estabelecer as variveis que sero
utilizadas bem como as suas dimenses. Usaremos as seguintes variveis representar
cada fator influente no problema de deflexo em barras de seo circular uniforme:
Variveis e Dimenses Utilizadas
Representa
Dimenses Utilizadas
L
Deflexo

Varivel
y
Q

Carga

Dimetro da Barra

Comprimento da Barra
E

Mdulo de Elasticidade

F L2

Tabela 2.1.1 Variveis e Dimenses utilizadas na Anlise Dimensional

Podemos observar no quadro acima que utilizaremos duas dimenses e que temos cinco
variveis no problema em questo. Assim, pelo Teorema de Buckingham, o nmero de
-termos dado por:

S=52=3 -termos
Utilizaremos Anlise Dimensional para determinar os trs

-termos. Assim temos

que
c1

c2 c3

c4

c5

y Q l E d =1
Ento

F L2 c Lc =1
Lc F c L c
1

Assim obtemos as seguintes equaes:

(1)

{[ ]

[ F ] c 2+ c 4=0

L c1 + c3 2c 4 + c 5=0

Nosso sistema linear acima possui duas equaes e cinco incgnitas. Vamos encontrar
duas incgnitas em funo das outras trs, mais especificamente, vamos colocar
c2

c 3 ,c 4

em funo de

c5

determinante dos coeficientes de

c1

c2

, no sistema acima, seja no nulo.

| |

0 1 =1 0
1 0

Temos ento que vivel a nossa escolha.

Clculo dos -termos.
c 3=1

1=
2)
2=

c 4 =c 5=0 c 2=0 , c 1=1

. Ento

y
l

c 3=1

c 4 =0

c 5=1 c 2=0 ,c 1=0

. Ento

l
d
3)

3=

c 3=0 , c 4 =1 e c 5=2 c 1=0 , c 2=1 .

Ento

Q
E d2

Ento temos que

1=f ( 2 , 3 )

2.2

y
l Q
=f
,
l
d E d2

. Para que isto seja factvel necessrio que o

Faamos este clculo.

1)

c1

Delineamento dos experimentos e tabelas de leituras feitas

Agora temos condies de delinear o planejamento dos experimentos. Como

temos trs

-termos, temos que manter um constante e variar o outro e vice-versa.

Vamos ento ter dois casos:

Caso A Manter fixo o terceiro -termo fixo e variar segundo -termo:
2=

l
d

variando e

3=

Q
2
Ed

fixo

Nossa estratgia ser os manter os valores de Q e d

fixos e variar o

comprimento l da barra.
Caso B Manter fixo o segundo -termo e variar o terceiro -termo:
2=

l
d

fixo e

3=

Q
E d2

variando

Ento nossa estratgia ser de manter fixas as dimenses da barra, isto

d , e variar a carga Q .

A seguir apresentamos as tabelas dos valores coletados nos experimentos feitos

no laboratrio.
Caso A Os dados obtidos foram:
3
3

fixo e

variando e a Deflexo Obtida

2

Deflexo
y

1007 mm

78.062

8.30 mm

8.242103

883 mm

68.449

5.69 mm

6.44410

1.8421 07

773 mm

59.922

3.98 mm

5.149103

1.8421 07

676 mm

52.403

2.52 mm

3.928103

514 mm

39.845

1.19 mm

2.31510

442 mm

34.263

0.79 mm

1.787103

1.8421 07
1.8421 0

1.8421 0

1.8421 07

Valores Constantes: Q=0.6436 Kgf , d=12.9 mm ,

E=21000

kgf
m m2

Tabela 2.2.1 Variao do segundo -termo.

Caso B Os dados obtidos foram:
2
2

fixo e

variando e a Deflexo Obtida

Deflexo
y

48.760

0.6436 Kgf

1.8421 07

2.10 mm

3.3391 03

48.760

0.8413 Kgf

2.40710

2.75 mm

4.37210

48.760

1.0404 Kgf

2.977107

3.44 mm

5.4691 03

48.760

1.1401 Kgf

3.2621 0

3.75 mm

5.9621 0

48.760

1.2392 Kgf

3.546107

4.06 mm

6.4551 03

48.760

1.3393 Kgf

3.8321 07

4.40 mm

6.9951 03

Valores Constantes: l=629 mm , d=12.9 mm ,

E=21000

kgf
2
mm

Tabela 2.2.2 Variao do terceiro -termo.

Caso B* Os dados obtidos foram:

2
2

fixo e

variando e a Deflexo Obtida

Deflexo
y

60.853

0.6436 Kgf

1.8421 0

4.11 mm

5.2361 0

60.853

0.8413 Kgf

2.407107

5.38 mm

6.8541 03

60.853

1.0404 Kgf

2.977107

6.60 mm

8.408103

60.853

1.1401 Kgf

3.2621 07

7.22 mm

9.1971 03

60.853

1.2392 Kgf

3.546107

7.91 mm

1.0081 02

60.853

1.3393 Kgf

3.8321 0

8.41 mm

1.0711 0

Valores Constantes: l=785 mm , d=12.9 mm ,

E=21000

kgf
m m2

Tabela 2.2.3 Variao do segundo -termo Para validao da Equao

Preditiva.

Observao: A tabela para o caso (B*) acima ser utilizada para realizar o teste de
validade para a equao preditiva, isto , para verificar se esta dada pela soma ou
produto das equaes componentes.

Clculo das Equaes Componentes de Preditiva

Com base nas tabelas de leituras realizadas em laboratrio faremos agora os clculos
necessrios para encontrar as equaes componentes e a equao preditiva para a
deflexo na barra de seo circular. Ser mostrada tambm a faixa de validade da
equao preditiva.
3.1 Equaes Componentes
Para calcular as equaes componentes primeiro devemos analisar o
1
2
3
comportamento de
em funo de
e
conforme as tabelas acima. Para
isto vamos plotar os pontos de

em funo de

em funo de

para fazer uma anlise dos mesmos. A seguir apresentamos os grficos mencionados.
Caso (A)

em funo de

-3

pi 1 em funo de pi 2

x 10

8
7

pi 1

6
5
4
3
2
1
30

35

40

45

50

55
pi 2

60

65

70

75

80

Grfico 3.1.1 Variao de

em funo de

Podemos observar atravs do grfico acima que o comportamento de

2

funo de

em

parece linear ou dado por uma exponencial ou at mesmo por uma

parbola. Assim temos que fazer um comparativo grfico para saber mais precisamente
1
qual relao utilizaremos para representar a relao funcional de
em funo de
2

.
Caso (B)

em funo de

-3

pi 1 em funo de pi 3

x 10

6.5
6

pi 1

5.5
5
4.5
4
3.5
3
1.5

2.5

pi 3

Grfico 3.1.2 Variao de

3.5

em funo de

Atravs do grfico acima observamos que o comportamento de

3

4
-7

x 10

3
1

.
em funo de

linear. Assim utilizaremos a reta de mnimos quadrados para representar a

relao funcional entre

Caso (B*)

em funo de

em funo de

-3

11

pi 1 em funo de pi 3

x 10

10

pi 1

5
1.5

2.5

pi 3

Grfico 3.1.3 Variao de

3.5
x 10

em funo de

Atravs do grfico acima observamos que o comportamento de

3

4
-7

3
1

.
em funo de

parece linear. Assim utilizaremos a reta de mnimos quadrados para representar a

relao funcional entre

em funo de

, para este segundo caso (validao da

equao preditiva).
Para o caso (A), mostramos os grficos obtidos para os trs casos: reta, parbola
e exponencial.

-3

x 10

Relao entre a exponencial e a parbola versus dados do problema

valores do exerccio
Exponencial
Parbola

8
7

E ix o pi1

6
5
4
3
2
1
30

35

40

45

50

55
Eixo pi2

60

65

70

75

80

Grfico 3.1.4 Exponencial versus Parbola.

9

-3
Relao
entre a reta de mnimos quadrados e os dados do problema
x 10

valores do exerccio
Retas de minimos quadrados

8
7

E ixo y

6
5
4
3
2
1
30

35

40

45

50

55
Eixo x

60

65

70

75

80

Grfico 3.1.5 Reta de Mnimos Quadrados.

Mesmo sem calcular os desvios e escolher o caso com o menor valor, claro que, pelos
grficos, a parbola a que melhor aproxima os dados. Vemos que os dados da parbola
quase coincidem com os valores coletados em laboratrio.
A parbola calculada para este caso dada pela seguinte expresso:
1=0.0011 03 22+ 0.032103 20.557103

A seguir apresentamos, para o caso (B) a relao entre os dados da tabela e a reta
de mnimos quadrados calculada.
7.5

-3
x 10 Relao entre a reta de mnimos quadrados e os dados do problema

valores do exerccio
Retas de minimos quadrados

6.5

Eixo y

6
5.5
5
4.5
4
3.5
3
1.5

2.5

Eixo x

3.5

4
-7

x 10

Grfico 3.1.6 Reta de Mnimos Quadrados. Caso B.

A equao componente, que fornece a expresso de

em funo de

dada

por:
1=1.837104 33.7105
Para o ltimo caso, caso (B*), que ser utilizado apenas para validao da
equao preditiva, o grfico comparativo entre os dados da tabela e a reta de mnimos
quadrados calculada dado por:

11

-3
x 10 Relao entre a reta de mnimos quadrados e os dados do problema

valores do exerccio
Retas de minimos quadrados
10

E ix o y

5
1.5

2.5

Eixo x

3.5

4
-7

x 10

Grfico 3.1.7 Reta de Mnimos Quadrados. Caso B*.

A equao componente, que fornece a expresso de

em funo de

para o

caso (B*), dada por:

1=2.775104 3+1.494104
Assim as equaes componentes encontradas so:
1=F( 2 , 3)=0.0011 03 22 +0.032103 20.557103
4
5
1=F( 2 , 3)=1.83710 3 3.710

4
4
1=F( 2 , 3)=2.77510 3 +1.49410

Validao da Equao Preditiva

Nesta seo testaremos se a equao preditiva dada pelo produto ou pela soma das
equaes componentes. Primeiro testaremos o produto.
A frmula para o produto dada por:
1=F ( 2 , 3 ) =

F ( 2 , 3 )F ( 2 , 3 )
F ( 2 , 3 )

E o teste de validade por (no nosso caso temos dois valores constantes para

):

F ( 2 , 3 ) F ( 2 , 3 )
=
F ( 2 , 3 ) F ( 2 , 3 )
Sabemos que
F ( 2 , 3 ) =3.3391 03

F ( 2 , 3 ) =5.2361 03

Observao Utilizamos o valor constante para

como sendo o valor

1.8421 07 que est presente nas tabelas para os casos (B) e (B*).
Assim temos
1.83710 4 3 3.7105
=
=5.5021 06 31.1081 02
F ( 2 , 3 )
3.3391 03
F ( 2 , 3 )

F ( 2 , 3 ) 2.77510 4 3+1.494104
=
=5.3001 06 3 +2.853102
3

5.2361 0
F ( 2 , 3 )
Aplicaremos agora a frmula para a soma. Esta dada por:
1=F ( 2 , 3 ) =F ( 2 , 3 ) + F ( 2 , 3 )F ( 2 , 3)
E o teste de validade por (no nosso caso temos dois valores constantes para

):

F ( 2 , 3 ) F ( 2 , 3 ) =F ( 2 , 3 ) F ( 2 , 3 )
Assim temos
4

F ( 2 , 3 ) F ( 2 , 3 ) =1.83710 3 3.710 3.33910

F ( 2 , 3 ) F ( 2 , 3 )=2.775104 3 +1.494104 5.236103

Assim podemos ver que equao preditiva dada pela expresso do produto.
Ento a expresso para a equao preditiva dada por:

F ( 2 , 3 )F ( 2 , 3 ) (1.837104 33.7105)(0.0011 03 22 +0.032103 20

1=F ( 2 , 3 ) =
=
F ( 2 , 3 )
3.3391 03
Assim a equao preditiva para a deflexo da viga dada por:
3

5.502l Q 176.053l Q 3064.417lQ 1.10810 l 3.54610 l

y=
+

+6.172106
4
3
2
2
d
Ed
Ed
Ed
d

A seguir apresentamos a faixa de validade da equao preditiva dada pela

equao anterior. A faixa de validade limitada pelas condies do experimento, por
1
exemplo, ns s temos condies de afirmar que o comportamento de
em funo
de

parablico para uma faixa de valores onde realizamos o experimento. O

mesmo se pode dizer a respeito de

em funo de

Assim a faixa de validade para a equao preditiva :

l
Q
34.623 78.062e 1.8421 07
3.832107
2
d
Ed
Dividindo uma inequao pela outra obtemos outra (equivalente) inequao
comparativa:
1.8801 08

ldE
2.0371 08
Q

Vamos agora comparar a equao analtica do problema com a equao preditiva

(modelo aproximado) atravs de um exemplo.
Exemplo Calcule a deflexo de uma viga utilizando as equaes analtica e preditiva
2
Q=1.2293 Kgf , l=785 mm e
para a seguinte condio: E=21000 Kgf /m m ,
d=12.9 mm .

Equao Analtica
Soluo

y=64 Q l 3 /(3 E d 4 )

y=7.565 mm

Equao Preditiva
Soluo

y=8.382 mm

5 Problema de Otimizao / Projeto timo de uma Barra

Engastada
Nesta seo apresentaremos o problema de otimizao que estudaremos onde
utilizaremos a equao preditiva em substituio equao analtica da deflexo em
barras engastadas. Desejamos encontrar as dimenses de uma barra que minimizem
simultaneamente a deflexo e o peso da barra. Se o nosso objetivo fosse apenas
minimizar a deflexo da barra seria suficiente enrijecer a mesma, isto , aumentar o seu
dimetro para um comprimento fixo. O problema que fazendo isto h um aumento no
peso da barra e consequentemente em um maior custo de projeto. De forma anloga, se
o nosso objetivo fosse minimizar o peso da barra, teramos que nos deparar com a
diminuio da rigidez da barra e consequentemente com o aumento da deflexo. Assim

o problema de otimizao consiste em encontrar um equilbrio entre uma deflexo

mnima e o peso mnimo para a barra em questo.
Existem diversos algoritmos de otimizao com mais de um objetivo. Sendo que
algoritmos que trabalham com populao so metodologias adequadas para problemas
multi-objetivo. Para o nosso propsito, usaremos uma heurstica emergente, baseada no
comportamento social de vagalumes, denominada FireFly. Para saber um pouco mais
sobre a heurstica em questo veja [1,3,6].
Algo que deve ser salientado que ao contrrio de problemas de otimizao com
um nico objetivo, problemas de otimizao com mais de um objetivo (Multi-Objetivo)
no possuem um nico valor timo. H um conjunto de solues igualmente timas do
ponto de vista de otimizao. Fica a critrio do engenheiro (projetista) escolher qual
delas mais vivel para aquele projeto especfico, isto , quais dos objetivos so mais
importantes para o projeto. Apenas para ilustrar o que estamos dizendo, considere um
problema de compra de um automvel onde temos como objetivos o preo (menor) e
conforto (maior). Algumas propostas esto descritas na figura abaixo.

Figura 5.1 Preo versus Conforto na compra de um automvel

A soluo (1) inferior, por exemplo, soluo (5), pois tem menor conforto para o
mesmo preo. A soluo (2) inferior soluo (3), pois tem maior preo e menor
conforto. Mas no possvel dizer qual das solues (3), (4) ou (5) melhor que a
outra. A escolha de uma opo ento responsabilidade do comprador e ele deve
escolher entre maior conforto ou menor preo.
5.1 Problema de Otimizao
Considere uma barra engastada de seo circular submetida a um carregamento na
extremidade livre conforme a figura abaixo.

Figura 5.1.1 Viga Circular Engastada sujeita a carregamento na extremidade livre.

Queremos encontrar as dimenses

que minimizem simultaneamente

o peso e a deflexo da barra. Consideraremos uma barra de ao com as seguintes

caractersticas: Densidade do metal

=7830 kgf /mm3

e Mdulo de Elasticidade

E=21000 kgf /mm2 .

O problema de otimizao dado ento por:

d l
min f 1=
4
3
5.502l Q 176.053l 2 Q 3064.417lQ
min f 2=
+

E d4
E d3
E d2
1.108108l 3 3.546107l 2

+ 6.172106
2
d
d

Onde

f1

barra,

Q=1.3393 Kgf . Aproveitamos para lembrar a faixa de validade da equao

o peso da barra,

f2

a equao preditiva que aproxima a deflexo da

preditiva que para este caso pode ser simplificada, pois j temos valores para
Q , tomando a seguinte forma:
1.1991 0 4 ld 1.2991 04
Para os valores fixos de

E,Q e

dados, nosso problema de otimizao fica:

min f 1=6.15010 3d 2 l
4
3
2
2
1
0 l
0 l 1.95410 l
min f 2=3.5091
+
1.1231

d4
d3
d2
1.108108l 3 3.546107l 2

+6.172106
2
d
d
5.2 Discusso dos Resultados

Nesta seo discutiremos os resultados obtidos pela simulao do algoritmo FireFly no

problema descrito acima e para dois casos de variao das variveis de projeto, isto ,
das dimenses da barra. Faremos tambm a simulao, para as mesmas condies do
algoritmo FireFly, para o problema analtico, isto , usando a equao analtica para a
deflexo da barra em substituio equao preditiva. Compararemos os resultados.
5.2.1

Simulao FireFly / Problema Aproximado e Analtico Caso 1

Para esta simulao fixamos os seguintes valores dos parmetros dos algoritmos.
0=1

Coeficiente de Atratividade Mxima Coeficiente de Aleatoriedade - =1

Coeficiente de Absoro do Brilho Emitido - =1 Nmero mximo de Geraes

100
Tamanho da Populao 100 indivduos
Restries Laterais 7 mm d 15 mm e 750 mm l 1500 mm
A seguir apresentamos o resultado obtido por esta simulao, isto , a Curva de Pareto
encontrada para os dois casos estudados:
Soluo pela Equao Preditiva - Gerao --> 100

80
70
60

f2(d,l)

50
40
30
20
10
0

f1(d,l)

10

11
8

x 10

Figura 5.2.1.1 Curvas de Pareto para o caso 1 / Caso Preditivo e Analtico

Apresentamos tambm uma tabela com alguns valores timos para as dimenses

l da barra, bem como a deflexo e o peso para cada caso.

Alguns Valores timos para as dimenses da Barra Preditivo

l
Deflexo
Peso da Barra

15,000 mm

752,325 mm

14,346 mm

756,542mm

12,029 mm

4,147 mm
5,008 mm

752,284 mm

9,719 mm

1.041,030 g
957,602 g

669,500 g

11,581 mm

750,831mm

11,185 mm

619,372 g

10,731mm

750,322mm

14,962mm

531,364 g

9,962 mm

750,613 mm

19,921mm

458,139 g

Tabela 5.2.1.1 Alguns valores para as dimenses da barra - Preditivo

Alguns Valores timos para as dimenses da Barra Analtico
d
l
Deflexo
Peso da Barra
14,717 mm

751,650 mm

3,917 mm

1000,1 g

13,948 mm

757,120 mm

4,966 mm

905,7 g

12,297 mm

750,092mm

9,989 mm

697,5 g

11,370 mm

750,051mm

10,93 mm

596,4 g

10,516 mm

750,000 mm

14,94 mm

510,1 g

9,839 mm

750,000 mm

19,50 mm

446,5 g

Tabela 5.2.1.2 Alguns valores para as dimenses da barra - Analtico

5.2.2

Simulao FireFly / Problema Aproximado e Analtico Caso 2

Para este segundo grupo de simulao fixamos os seguintes valores dos parmetros dos
algoritmos.
Coeficiente de Atratividade Mxima -

0=1

Coeficiente de Aleatoriedade - =1
Coeficiente de Absoro do Brilho Emitido - =1 Nmero mximo de Geraes
100
Tamanho da Populao 150 indivduos
13 mm d 25 mm e 900 mm l 2000 mm

A seguir apresentamos o resultado obtido por esta simulao, isto , a Curva de Pareto
encontrada para os dois casos estudados:
Soluo pela Equao Preditiva - Gerao --> 100

10

10

0
0.5

1.5

2
f1(d,l)

2.5

Soluo Analtica - Gerao --> 100

12

f2(d,l)

f2(d,l)

12

3.5
x 10

0
0.5

1.5

f1(d,l)

2.5

3.5

4
9

x 10

Figura 5.2.2.1 Curvas de Pareto para o caso 2 / Preditivo e Analtico

Apresentamos tambm uma tabela com alguns valores timos para as dimenses

l da barra, bem como a deflexo e o peso para cada caso.

Alguns Valores timos para as dimenses da Barra Preditivo

l
Deflexo
Peso da Barra

24,663 mm

905,727 mm

1,002mm

3.388,077 g

18,350 mm

900,000 mm

3.166 mm

1.863,789 g

14,775 mm

900,000 mm

7,326 mm

1.208,247 g

14,297 mm

900,307 mm

8,323 mm

1.131,770 g

13,659 mm

900,000 mm

9.909 mm

1.032,766 g

13,000 mm

900,000 mm

11,986 mm

935,415 g

Tabela 5.2.2.1 Alguns valores para as dimenses da barra - Preditivo

d

Alguns Valores timos para as dimenses da Barra Analtico

l
Deflexo
Peso da Barra

23,909mm
17,748mm
14,499 mm

914,943mm
907,033mm
903,033 mm

1,015mm
3.257mm
7.215 mm

3.216,658g
1.757,131g
1.167,627 g

13,952mm

902,486 mm

8.399 mm

1.080,516 g

13,354 mm

901,887 mm

9.989 mm

989,208 g

13,000 mm

900,000 mm

11,056 mm

935,415 g

Tabela 5.2.2.2 Alguns valores para as dimenses da barra - Analtico

Concluses

Nesta seo apresentamos algumas concluses que tiramos a partir da simulao

do problema de otimizao para o problema da barra em balano.
uma metodologia de modelagem bastante interessante e os resultados obtidos
so bem prximos aos resultados do problema analtico;
Para a maioria dos problemas reais em engenharia ou outras reas no h um
modelo fsico analtico que modele a situao de interesse do projetista. Assim
toda metodologia de modelagem com certeza bem vista, pois uma rea
bastante carente de modelos que apresentem bons resultados;
Os desvios entre a soluo analtica e a soluo obtida pela equao preditiva
podem ocorrer devido aos seguintes fatores:
Falta de acurria e/ou preciso dos aparelhos de medio em laboratrio;
No nosso caso utilizamos apenas seis experimentos para estudar a
variao de um -termo em funo do outro. A realizao de um
maior nmero de experimentos e /ou a repetio dos experimentos (para
utilizar a mdia dos resultados obtidos) podem diminuir os erros tanto
de coleta de dados quanto da inferncia sobre o comportamento
funcional de um -termo em funo de outro;

Apenas pelo aspecto grfico do comportamento dos resultados obtidos

(variao de um -termo em funo de outro) apontamos qual
deveria ser a funo que modelaria a situao. Talvez aqui se encontre a
maior fonte de erros. Uma tcnica melhor a ser adotada talvez fosse a
utilizao de modelos de regresso linear ou no linear (nos
coeficientes) estatsticos;
Algumas das nossas escolhas para a funo que modela o
comportamento da variao de um -termo em funo de outro foi
devido funo escolhida passar mais prxima dos pontos obtidos.
Esta talvez no seja a melhor escolha, pois assim o polinmio de
Lagrange, que passa exatamente em cima de todos os pontos, deveria ser
sempre a escolha realizada, porm o polinmio de Lagrange no leva em
considerao o comportamento funcional dos pontos obtidos em
laboratrio.

Portanto pela comparao dos resultados obtidos entre os modelos analtico e

aproximado (equao preditiva) podemos concluir que esta tcnica que utiliza a Anlise

Dimensional associada realizao de experimentos mostrou-se bastante eficaz, pois os

erros entre os modelos foram pequenos e atravs de procedimentos tanto de coleta de
dados quanto da anlise dos mesmos, os erros podem ser consideravelmente reduzidos.
Outra considerao a ser feita sobre a tcnica da Anlise Dimensional para a obteno
dos -termos. uma tcnica conceitualmente simples e que por si s ajuda no
delineamento dos experimentos, pois os

-termos obtidos j mostram quais devem

ser os parmetros a ser variados durante a experimentao.

Referncias Bibliogrficas
[1] LUZ, E.F.P. da, BECCENERI, J. C., VELHO, H. F. de C.. Recuperao da
Condio Inicial da Equao do Calor com uso da Metaheurstica FireFly Algorithm
(FA). Anais do XXXIII CNMAC. 2010.
[2] MEDEIROS, M.H.F., GROCHOSKI, M. Marquises: Por que Algumas Caem?
Revista Concreto. UFSM. 2009.
[3] MOREIRA, F. R. Relatrio de Estudo Dirigido II. Doutorado em Engenharia
Mecnica. FEMEC-UFU. Uberlndia. 2012.
[4] SONIN, A.A. The Physical Basis of Dimensional Analysis. Second Edition.
Department of Mechanical Engineering. MIT. Cambridge. 2001.
[5] TIMOSHENKO, S. Resistncia dos Materiais. Rio de Janeiro, Ao Livro Tcnico S.
A., 1969, v. 1, Captulo III, p. 87-106.
[6] YANG, X-S. FireFly Algorithms for Multimodal Optimization. Stochastic
Algorithms: Foundations and Applications. Lecture Notes in Computer Science, Volume
5792/2009. Pp.169-178. DOI: 10.1007/978-3-642-049446_14. Springer. 2009.