Projeto Preliminar e Otimizacao 2015 IM136

Projeto Preliminar
Estudo
Estudo da
da Recursos Otimização dos
dos
viabilidade
viabilidade matemáticos
matemáticos parâmetros
Experiência Seleção da
do grupo
grupo melhor solução
solução não
Adequados ??
Primeira
Primeira solução
solução sim
sim
Valores dos
dos
parâmetros
não
Melhor
Melhor ??
Testar
T estar processo
processo Testes
T estes de
de
e prever desempenho laboratório
sim
Recursos do
Formulação do
modelo
modelo matemático
matemático Dados dos
dos
matemáticos testes
Dados da
da
simulação não
Aceitáveis ??
Válidos não
sim
sim
Suficientes ?
Simplificação Experiência
sim
Recursos Análise
Análise de
de sensibilidade
sensibilidade
matemáticos e compatibilidade
compatibilidade das
das variáveis
variáveis não Melhor
Melhor
mais barato
mais barato ??
Sensibilidade não sim

sim
Sensibilidade
identificada
Projeto
Projeto melhorado
melhorado
sim
Grau de sensibilidade
sensibilidade
das variáveis
3a Etapa
Etapa :: Projeto
Projeto detalhado
detalhado
IM136 Sistemática e Metodologia de Projeto2015 1

PROJETO PRELIMINAR
O aspecto fundamentalmente matemático do projeto
preliminar fica claro nas ferramentas adotadas nesta etapa.
Processos de modelagem , simulação e otimização fazem
com que esta fase seja decisiva na elaboração do projeto
ideal.
Otimização.
Um dos pontos fundamentais nesta etapa é ponderar
adequadamente os parâmetros importantes e suas
respectivas correspondências em termos de funções.
Assim uma lista geral de parâmetros e funções pode ser
elaborada forma da tabela a seguir de modo a se garantir que
nada foi esquecido ou deixado ao acaso. A análise das
funções desejadas pode auxiliar em muito a encontrar os
parâmetros do processo de otimização:
IM136 Sistemática e Metodologia de

2
Projeto2015
Tabela 1 - Parâmetros do sistema
Característica Substantivos Verbos
Principal
1 Geometria Volume, altura, comprimento, Expandir, conectar, pesar,
diâmetro, largura, espaço, arranjo entrar, cair
2 Cinemática Movimento (direção e natureza) Seguir, conduzir, acelerar,
trajetória, velocidade, aceleração reduzir, transportar
3 Dinâmica Forças (direção e amplitude), rigidez, Deformar, vibrar , fadigar
inércia, estabilidade
4 Energia Potência, rendimento, perdas, atrito, Transformar, esquentar, resfriar,
pressão conduzir
5 Matéria Material ( fluxo e transporte), Resistir, isolar, conter, segurar
propriedades ( físico/químicas)
6 Sinal Grandezas, indicação, operação , Conduzir, alterar, indicar,
controle corrigir, atuar
7 Segurança Direta, indireta, indicativa, Alterar, indicar, corrigir, atuar,
monitoramento, diagnose prever
8 Ergonomia Conforto, adequação, forma, Gostar, acomodar, operar,
iluminação, indicação facilitar, chamar
9 Fabricação e Tamanho (máximo e mínimo), Controlar, medir, usinar
controle processo, qualidade, tolerâncias
10 Montagem e Instruções, base ou fundação, fixação, Embalar, estocar, montar,
transporte ligações transportar, alinhar
11 Uso e manutenção Ruídos, desgaste, consumo, correção, Operar, reparar, prever,
prevenção desmontar, montar
12 Custo máximo, mínimo, investimento, Baratear, obter, ganhar
amortização
13 Prazo IM136
Início, final, Sistemática e Metodologia de
período Entregar, acabar 3
Projeto2015
Muitas vezes a avaliação final das melhores soluções é possível
somente através da comparação dos requisitos mínimos para o
projeto, para os quais são estabelecidos valores numéricos. Assim
o processo de otimização fornece evidências inequívocas para a
seleção da melhor solução. Porém na prática a atribuição de um
peso inadequado a um quesito ou avaliação insatisfatória de
aspectos técnicos e/ou econômicos pode levar o processo de
otimização ( minimização de uma função objetivo f =
{q1,q2,q3,...,qn }0) a um valor de mínimo/máximo secundário. O
processo de otimização leva normalmente a equações não lineares
e a um processo similar ao estudo do caos.
F=F(q1,q2)
m3
m2
m1
q2
q1

4
Projeto2015
Para soluções mais detalhadas , a solução pode ser obtida
através do método de análise de valores. Neste método,
desenvolvido para a redução de custo de produtos
industriais, o produto é decomposto em um certo número
de fatores individuais e designado a cada fator um valor
numérico e uma importância relativa ou peso.
Após a avaliação dos aspectos técnicos de um produto

efetua-se de forma aproximativa o levantamento dos
aspectos econômicos (processo continuado desde a
primeira etapa do processo do projeto) e para cada
solução é feita uma comparação numérica, através da lista
de requisitos, com um hipotético produto ideal.

5
Projeto2015
A otimização dependendo das escolhas pode ser feita
em termos de custo mínimo, volume mínimo, potência
máxima, vida máxima, peso mínimo, manutenção
mínima ( critérios quantitativos ) ou segurança
máxima, conforto máximo, forma ótima, desenho
agradável (critérios qualitativos ) ou uma combinação
dos mesmos atribuindo um peso específico a cada um.
F=F(q1,q2)
m3
m2
m1
q2
q1

6
Projeto2015
F=F(q1,q2)
m3
m2
m1
q2
q1

7
Projeto2015
Modelos de Otimização
A hipótese fundamental é que o processo de

projeto em si pode ser encarado como um processo
de tomada de decisão. Assim, técnicas e métodos
relacionados a teoria de decisão e pesquisa
operacional, podem também ser aplicados.
A otimização de projeto é freqüentemente
associada com formulação:
minimizar f ( x, p)
restrita a h( x, p)  0 g ( x, p)  0

8
Projeto2015
Sendo f(x,p) é uma função escalar (função-objetivo), h(x,p) e g(x,p)
são funções vetoriais envolvendo as variáveis de projeto x e p, os
parâmetros de projeto . As principais características deste tipo de
abordagem são:
•O projeto é chamado “Otimizado” relativamente ao modelo

que o gerou ou, em outras palavras, o modelo f(x,p) (as funções
h(x,p) e g(x,p) ) é tão preciso quanto os métodos e princípios da
engenharia utilizados na sua elaboração.
•As funções h(x,p) e g(x,p) podem ser explicitamente algébricas

ou implícitas (isto é, subrotinas que envolvem iterativamente
sistemas de equações diferenciais). A principal característica
destas funções é que elas são geralmente não-lineares, o que
leva a modelos de otimização não-lineares.

9
Projeto2015
•Muitos problemas de projeto em engenharia tem
múltiplos objetivos, mas métodos de otimização vetoriais
são ainda difíceis de tratar e levam geralmente resultados
não únicos, que requerem um posterior julgamento
subjetivo. Na maioria dos casos, uma função objetivo
vetorial pode ser reformulada em termos escalares
através da utilização de pesos, entre as componentes ou,
um dado componente é selecionado como objetivo escalar
e os demais são incluídos nas desigualdades utilizando-se
limites superiores e inferiores apropriados.

10
Projeto2015
Processos de Otimização
Os métodos matemáticos para a Otimização de Projetos
podem ser divididos em duas categorias:
•Métodos analíticos
•Métodos numéricos
Diferenciação,
Métodos Variacionais e
Multiplicadores de Lagrange
Programação Linear
Método Simplex,
Programação Não-Linear
Algorítmo genético

11
Projeto2015
A diferenciação de equações de Desempenho permite a otimização
de um grande número de problemas de Projeto.
Se uma determinada função U(x) deve ser maximizada ou
minimizada basta deriva-la em relação ao parâmetro e igualar o
resultado a zero ou seja dU(x)/dx = 0 o que indica a condição da
máximo ou mínimo local.
máximo global
Além disso se: máximo local
 U
2
0
x 2
máximo local
 U
2
0 mínimo local
x 2
mínimo local
mínimo global
12
Projeto2015
Um exemplo pode ser obtido com a maximização do volume de
uma caixa cuja soma de todas as medidas não deve superar 96
cm. Ou seja H + x + x + x + x < 96
além disso o Volume é dado por: V = H . x . x
f ( x )  H  4 x  96  0
V  x2 . H
H Eliminando H das equações tem-se:
V  4 x 3  96. x 2
x
Derivando obtém-se:
x
V
 12. x  192. x  0
2
x
13
Projeto2015
V x1=0
 12. x  192. x  0
2
x x2=16
E ainda diferenciando novamente:
 2U
 24 x  192  192  0
x 2
H Indicando um máximo local e o resultado é:
H = 96-4.x = 96 - 4.16 = 32
x portanto o maior volume da caixa será:
x
V=16.16.32 = 8192cm3.
14
Projeto2015
Os Multiplicadores de Lagrange foram desenvolvidos por Joseph
Louis Lagrange 1736-1814) para solucionar problemas de
otimização não linear e são baseados na Expressão de Lagrange LE:
LE  U ( x, y, z)   1 b1 ( x, y, z)  .. .  i bi ( x, y, z)
Onde U( ) é a função Objetivo, b( ) são as restrições eos M.L.
De forma que para U(x,y,z) ser máximo ou mínimo deve-se fazer:

LE LE LE LE LE
   . . .  0
x y z  1  i
No exemplo da caixa deve-se ter : U ( x)  x 2 . H
e b( x )  H  4 x  96  0
15
Projeto2015
Assim a expressão resultante será dada por:
LE  x 2 H   ( H  4 x  96 ) Cuja solução do
LE sistema resulta em:
 2xH  4  0
x
LE x=16cm
 x2    0 H=32cm
H
e
LE
 H  4 x  96  0 V=8192 cm2

Vários outros métodos analíticos e
numéricos podem ser aplicados na
otimização...
16
Projeto2015
Prazo
Produto
$
Conhecer o Metodologia de Otimizar

cliente Tolerâncias
Projeto
Gerar Otimizar
Idéias Combinar Gerar parâmetros
Idéias Soluções

17
Projeto2015
Projeto Robusto X Qualidade
TQM - Maior voz do consumidor
na determinação da qualidade
Segundo Juran a satisfação do cliente
depende:
•das características do produto
•da performance do produto nestas
características
Um projeto Robusto é:
•aquele que absorve as variações
•aquele que é insensível às variações

18
Projeto2015
Projeto Robusto e Fontes de Ruído
O ruído em um Projeto é a causa das variações !!
Existem em um Projeto 3 Fontes de Ruído:
•Fatores de Ruído externo

•Fatores de Ruído Um a Um
•Fatores de Ruído por deterioração

19
Projeto2015
Temperatura e umidade
Erros humanos, Variação de Tensão
Fontes de energia não consideradas

20
Projeto2015
Os fatores de ruídos externos são definidos como fontes de
variabilidade que são provenientes de meios externos ao produto,
como por exemplo:
temperatura e umidade relativa sob os quais o produto está

submetido;
a quantidade de carga que está atuando no produto;
Qualquer acréscimo eventual de energia (calor, vibração,

radiação) no projeto ao qual o sistema apresenta sensibilidade;
Erro humano causado intencionalmente ou através de leitura

ou más condições ambientais ou incapacidade de operação;
Variações nas freqüências ou Interferência eletromagnética.

21
Projeto2015
Aperto de parafusos, acabamento

Peso de peças usinadas, camadas de
cementação etc.

22
Projeto2015
Os fatores de ruído de unidade para unidade resulta das diferenças entre os
componentes manufaturados, pois raramente são idênticos. O processo de
manufatura e materiais, é a maior fonte de variabilidade de unidade para
unidade em componentes. O processo não-uniforme e processos de
usinagem são fontes comuns de variabilidade neste contexto. Alguns
exemplos típicos de fatores de ruído de unidade para unidade são:
Peso de eixos e componentes;
Quantidade de torque aplicado em um parafuso;
Resistência de resistores elétricos;
Dimensões para qualquer conformação de metais ou processo de

remoção;
Variação da espessura de revestimentos ou tratamentos químicos

em produtos.

23
Projeto2015
Perda de massa em filamentos

Desgastes por atrito e corrosão
•Fatores de Ruído externo Fadigas superficiais e de flexão

24
Projeto2015
Os fatores de deterioração estão freqüentemente relacionados à um
fator interno. É comum para certos produtos que já possuem um
determinado período de vida útil, durante a sua utilização e
armazenagem tal que seu desempenho esteja deteriorado, por
exemplo:
Perda de massa do filamento do bulbo de uma lâmpada;
Desgaste de superfícies e deformações por atrito
Corrosão de superfícies e ataque químico e elétrico.
Deterioração de coats de cobertura por ação solar e luz ultravioleta
Fadigas de superfície e´de flexão.
Deterioração química de lubrificantes por umidade e temperatura.

25
Projeto2015
A eliminação das fontes de ruídos, normalmente implicam em custos
elevados, pois alguns ruídos não podem ser devidamente controlados.
Portanto, a definição fundamental do Projeto Robusto é:
Um produto ou processo é dito como sendo Robusto, quando este é
insensível aos efeitos das fontes de variabilidade, mesmo que estas não
tenham sido eliminadas.
O objetivo do grupo de engenharia é desenvolver um produto ou
processo, que tenha funções projetadas para funcionar sob uma série de
condições durante o ciclo de vida útil do projeto.
Uma vez que o consumidor inicia a utilização de um produto e, portanto
este começa a desempenhar suas funções há vários fatores que o
influenciam. As causas de variabilidade são denominadas fatores de
ruídos. Os fatores de ruídos são definidos como perturbações causadas
através de características funcionais ou respostas que desviam do valor
objetivo, como por exemplo: a presença de água em combustíveis
automobilísticos ou o efeito de linhas de transmissão de alta-freqüência
sobre receptores de rádios AM.

26
Projeto2015
Projeto Robusto e Otimização
Assim, deve-se propor metodologias de Projeto
Que permitam a tolerância ( ou absorção) dos
ruídos pelo Projeto ou
Que façam com que o Projeto seja insensível aos
ruídos !!
•Prever a performance
•Prever a variação dos parâmetros
•Prever a variação dos ruídos
•Otimizar o Projeto

27
Projeto2015
As metodologias do Projeto Robusto
Projeto Robusto é aquele que pode tolerar variações
em parâmetros e variáveis de Projeto e continuar
tendo boa performance ( A. Parkinson )
Projeto Robusto é aquele insensível a ruídos , sem
que se elimine as causas e é sinônimo de Alta
Qualidade (G. Taguchi)
Um projeto não Robusto causa maior perda na
produção, falha na operação e causa perdas aos
consumidores, comprometendo o nome da
empresa

28
Projeto2015
Elaborar um Projeto Robusto significa desenvolver
um Projeto Otimizado de Performance versus
Variações. Robustecer significa Otimizar !
O Espaço do Projetista:
Variáveis de Projeto - Valores que podem ser tomados de acordo
com a escolha do Projetista dentro de um intervalo - Por
conveniência ou por insensibilidade aos ruídos.
Parâmetros de Projeto - Valores que não podem ser impostos -
Dependem dos procedimentos de otimização.
Restrições - Valores impostos como limites
Objetivos do Projeto - Valores a serem atingidos

29
Projeto2015
O processo da variação transmitida:
Variações
estatísticas em
Variáveis Variações Variações
estatísticas em estatísticas em
Funções Objetivos e
Variações Restrições
estatísticas em
Parâmetros
p1
Ótimo Robusto

p2
30
Projeto2015
Métodos Robustos
• Método da variação transmitida.
• Análise Pós-Ótima
• Restrição de parâmetros
• Aproximação da Caixa de tolerância
• Otimização Estocástica
• Métodos Relativos
• Métodos Experimentais como Taguchi

31
Projeto2015
Método da variação transmitida.
Estudam-se os efeitos da variação transmitida, usando
expressões de primeira e segunda ordem. Corrige-se o
design nominal, tomando as variações transmitidas, até
alcançar uma robustez viável, ou seja, até obter a
sensibilidade do design robusto.
A variação transmitida se pode estimar usando os
resultados da análise de tolerância. Se assumem
tolerâncias distribuídas estatisticamente se pode estimar
a média e a variância das funções, estabelecidas em uma
série de Taylor de primeira ordem. Para um modelo de
tolerância linear, a média é o valor nominal.
32
Projeto2015
2 Tolerância linear
 g i 
2
n
 g i  m
 2
    xj      pj 
j 1  xj j 1  p j
gi
 
n
g i m
g i
g i   x j   p j Tolerância linear no pior
j 1 x j j 1 p j
caso

33
Projeto2015
Depois adiciona-se ou subtrai para conseguir menores ou
maiores restrições e determinar a quantidade da variação
transmitida.
g i  k gi  bi
No pior caso, determina-se por:
g i  gi  bi
34
Projeto2015
Variação das restrições para una robustez viável
x2
Zona viável
Novos limites de restrição com a adição

da variação transmitida
Ponto ótimo robusto x1
Ponto ótimo nominal
35
Projeto2015
Análise Pós - ótimo (POA)
Refere-se á investigação dos efeitos de pequenas
mudanças como as tolerâncias, além de uma
solução ótima mediante a avaliação de derivadas
de funções ótimas ou de variáveis. Esta pode ser
uma alternativa mais eficiente em reotimizações
múltiplas de um problema, especialmente
quando o efeito individual de vários parâmetros
são observados.

36
Projeto2015
Por exemplo, uma mudança de um valor nominal
da função objetivo, f, desde o ponto ótimo
nominal até o ponto ótimo robusto, pode-se
estimar como:
nb
f   i g i Pior caso
i 1
nb
f    i k gi Estatística
i 1
Onde i é o multiplicador de Lagrange para uma

restrição i, e o limite “nb” refere-se ao grupo de
restrições unidas IM136 Sistemática e Metodologia de
37
Projeto2015
Restrição de parâmetros
Considerando um corpo submetido a uma carga que atuar

como uma carga envolvente e com um ângulo de ação
que varia entre . A força no corpo pode restringir-se
para todos os valores de . O ponto ótimo robusto no pior
caso, pode desenvolver-se de duas maneiras. A restrição
paramétrica ( ) sobre a força pode-se substituir por um
grupo de restrições, cada um com diferentes valores de ,
cobertos pelo intervalo de . Alternativamente a força
pode se estabelecer no intervalo de  e a força máxima
registrada é usada numa restrição particular. Este método
apresenta bom comportamento para um pequeno
número de tolerâncias IM136
(uma ou dois).
Sistemática e Metodologia de
38
Projeto2015
Aproximação da Caixa de tolerância
•Várias pesquisas têm incorporado casos de tolerâncias

baixas nos processos de designs usando uma aproximação
da “caixa de tolerância”. Uma caixa de tolerânciasesta
definida pelas variáveis de design; o ótimo robusto é o
design mais próximo ao ponto ótimo nominal, se
mantendo na zona viável. A caixa de tolerância pode-se
estabelecer mediante o uso de métodos de programação
linear depois de estabelecer o ótimo nominal. Uma
desvantagem deste método é que não acomoda as
tolerâncias nos parâmetros, já que a caixa de tolerâncias
define-se como um espaço das variáveis de design.
39
Projeto2015
Caixa de tolerância para o análise do pior caso
x2
+x2 Zona viável
-x1
+x1
-x2
Ponto ótimo robusto x1

Ponto ótimo nominal
40
Projeto2015
Otimização Estocastica
Neste sistema permite-se que as variáveis sejam
aleatórias e descrevem-se mediante uma função de
distribuição. Estabelece-se o objetivo induzido e a
função de distribuição restringida. O propósito de
um problema de otimização estocástica é
determinar o ponto ótimo com uma robustez viável.
Os métodos mais conhecidos deste sistema são:
métodos de combinação de momentos e a
simulação de Monte Carlo.

41
Projeto2015
Mediante o método de combinação de momentos, para
cada iteração do algoritmo de otimização, a média e a
variância de cada restrição são estimados mediante a
série de Taylor expandida a valores próximos das
variáveis. A média e a variância se combinam numa
distribuição assumida para a função. O método da
variação transmitida com um análise estatística da
tolerância é um método de combinação de momentos.
Com este método, os aspectos estatísticas do problema
são somente aplicáveis depois de encontrar o ponto
ótimo nominal e as tolerâncias assumidas (p. e., os
desvios padrões das variáveis) são pequenas ao ser
comparadas com o valor nominal. Com a otimização
estocástica, o problema de otimização é definido em
termos da média e da variância.
Projeto2015
42
Com o método de Monte Carlo (Siddall, 1983), a
simulação é feita em cada passo da otimização, mediante
o uso de ferramentas computacionais para gerar variáveis
aleatórias, de acordo com o tipo e as características da
distribuição específica. As funções de restrição calculam-
se e revisam-se de acordo a viabilidade. Ao fazer várias
simulações, a viabilidade percentual das restrições
podem determinar-se com precisão. Este é um processo
que é dispendioso. Eggert, por exemplo, estima que o
método de combinação de momentos precisa da
aplicação de 50 funções em um problema simples, mas
no método de Monte Carlo pode requerer da aplicação
de 2.500.000 funções.

43
Projeto2015
Métodos Relativos
Um área relativa para um projeto robusto é “design sob
incerteza”. Wood e Antonsson (1989, 1990), Rao (1987a,
1987b) e Dhingran e Rao (1989) têm desenvolvido métodos
utilizando teorias Fuzzy. Existem diferenças entre variáveis
aleatórias e a incerteza indicada pelas teorias Fuzzy. Fuzzy
baseia-se em imprecisões já que assume que o design é
incerto de especificar, enquanto que a teoria de
probabilidade enfoca-se em incertezas aleatórias. Fuzzy são
úteis “onde as características avaliadas aproximam-se com
precisão aos valores permissíveis, graus de credibilidade e
as correções de julgamentos”.

44
Projeto2015
Problema de Ligação Rotativa

45
Projeto2015
• Método da Variação Transmitida.
• Objetivo => Definir 0, lc, lr e c =>
Minimizar a força lateral => Minimizar o
atrito entre o pistão e a parede lateral.
• Sujeito as seguintes restrições:
– Torque em 0  4000 (cm.N).
– Força lateral máxima  800 (N).
– Curso do pistão  4.00 (cm).

46
Projeto2015
Variáveis de Design Design Inicial Ponto Ótimo
Nominal
Comprimento da barra lr (cm) 3.5 5.00 (limite máximo)
Comprimento da barra lc (cm) 2.75 3.12
Distância central c (cm) 3.00 3.06
Ângulo inicial da manivela 0 (graus) 35.0 61.2
Parâmetros
Força no pistão Fp (N) 1425 1425

Coeficiente de fricção  0.15 0.15
Função Objetivo
Força lateral média, 25-55° (N) 149.4 20.0

Restrições
Torque em 0  4000 (cm.N) 2445 (violado) 4000

Força lateral máxima  800 (N) 594.0 445
Curso do pistão  4.00 (cm) 4.05 (violado) 4.00

47
Projeto2015
• Focus => Design robusto viável => Design que
respeite todas as restrições mesmo com as variações
das variáveis de design e dos parâmetros devido as
tolerâncias.
• Design robusto obtido de duas maneiras:
– Análise de tolerância estatística.
– Análise do pior caso (100% de viabilidade
para cada restrição).

48
Projeto2015
• Método da Variação Transmitida:
Minimizar fi(x,p) i=1, ..., q
Sujeito a: gi(x,p)  bi i=1, ..., r
Onde:
fi = função objetivo
gi = restrições
x= vetor de dimensão n das variáveis de design (variáveis
de controle)
p= vetor de dimensão m dos parâmetros cujos valores são
fixos e são parte da especificação do problema.
(variáveis fora de controle)
49
Projeto2015
• Análise de tolerância estatística linear:

– Variação transmitida é calculada para cada restrição de
acordo com a Equação abaixo no ponto ótimo:
2
 g i 
2
n
 g i  m
 2
    xj       pj 
j 1  xj j 1  p j
gi
 
• As mudanças nas restrições, que variam de acordo
com a viabilidade da restrição desejada (99%, 99.9%
etc.), são computadas para cada restrição, dada por:
onde k = escolhido de acordo com a viabilidade desejada.
g i  k gi  bi
• Torna o ponto ótimo inviável.IM136 Sistemática e Metodologia de
Projeto2015
50
• Otimizamos novamente o problema
considerando as mudanças nas restrições.
• Análise estatísitca linear => Assumimos que as
mudanças nas restrições entre o ponto ótimo e o
ponto robusto ótimo permanecem constantes.
• Checar esta hipótese: Recalcular estas mudanças
para o ponto robusto ótimo:
– Mudanças variam pouco => Análise linear é
adequada, que é o caso deste exemplo.

51
Projeto2015
• Análise do pior caso (100% de viabilidade para cada

restrição):
– Variação transmitida é calculada para cada restrição de
acordo com a Equação abaixo no ponto ótimo:
n
g i m
g i
g i   x j   p j
j 1 x j j 1 p j
• Uma mudança na restrição é computada para cada

restrição, que é dada por:
g i  g i  bi
onde  = tolerância
52
Projeto2015
• Maneira de verificar a robustez do design =>
Simulação de Monte Carlo no ponto ótimo =>
comparar o número de designs previstos com o
número de designs reais.
• Método da Variação Transmitida => estima o desvio
padrão e as variâncias das funções usando as séries
de Taylor de primeira ou segunda ordem => calcula a
distribuição presumida.
• Simulação de Monte Carlo => não faz nenhuma
hipótese sobre a forma das distribuições das
funções, resultando em 100.000 cálculos para este
exemplo IM136 Sistemática e Metodologia de
Projeto2015
53
Variáveis de Design Ponto Ótimo Robusto 1 Robusto 2 Robusto 3
Nominal 99% 99.9% 100%
Comprimento da barra lr (cm) 5.00 4.97 5,00 5,00
Comprimento da barra lc (cm) 3.12 3,16 3,18 3,20
Distância central c (cm) 3.06 3,07 3,07 3,07
Ângulo inicial da manivela 0 61.2 64,3 65,4 66,9
Função Objetivo
Força lateral média, 25-55° (N) 20.0 25,9 27,7 30,6

Restrições
Torque em 0  4000 (cm.N) 4000 4121 4160,0 4226,0

Força lateral máxima  800 (N) 445 490,0 501,0 522,0
Stroke  4.00 (cm) 4.00 3,93 3,90 3,87
Viabilidade Estimada (%) Não disponível 98,0 99,80 100
Viabilidade Real (%) 30,3 98,1 99,81 100

54
Projeto2015
Problema da Válvula “One-Way”

55
Projeto2015
• Função => permitir o escoamento do fluído em
somente em um sentido.
• A pressão necessária para “vencer” a força da
mola => “Pressão de Rompimento”.
• Compromisso:
– Minimizar a queda de pressão na válvula.
– Não deve permitir escoamento no sentido contrário.

56
Projeto2015
• Método da Variação Transmitida.

• Este exemplo ilustrará:
– Viabilidade do design robusto.
– Sensibilidade do design robusto.

57
Projeto2015
• Objetivo => Definir , db, dc, dw,
comprimento da mola, n° de espiras =>
Reduzir a sensibilidade do design a variação
no que se refere a “Pressão de Rompimento”.
• Sujeito as seguintes restrições:
– 0.5 Diam. da esfera / Diam. da mola  0.8.
– 4  Diam. da mola / Diam. do arame  16.
– Pressão de rompimento  15 (kPa).
– Curso da esfera  0.5 (cm).
– Tensão  900000 (kPa)
58
Projeto2015
• Objetivo mais específico:
– Garantir que a pressão de rompimento será pelo
menos 15 kPa para 99% das válvulas.
• Dois passos que devem ser seguidos:
– 1°: Reduzir a sensibilidade do design a variação.
– 2°: Adicionar mudanças nas restrições e otimizar
novamente de modo a obter a viabilidade do
design.

59
Projeto2015
• 1°: Redução da sensibilidade do design a

variação => Redução da variância descrita na
equação: n
 g   g 
2
m
2
   
2
    
i    i
xj p
gi xj pj
j 1   j 1  j 
• Dito de outra forma => Desejamos mover os
valores de design para uma “área” em que as
derivadas da Equação acima sejam pequenas.

60
Projeto2015
• 2°: Mudar o design de modo a obter um

design robusto viável.
• As mudanças nas restrições, que variam de
acordo com a viabilidade da restrição
desejada (99%, 99.9% etc.), são computadas
para cada restrição, que é dada por:
gi + kgi  bi (3)

61
Projeto2015
• Otimizamos novamente o problema considerando
as mudanças nas restrições.
• Análise estatística linear => Assumimos que as
mudanças nas restrições entre o ponto ótimo e o
ponto robusto ótimo permanecem constantes.
• Checar esta hipótese: Recalcular estas mudanças
para o ponto robusto ótimo:
– Mudanças variam pouco => Análise linear é adequada.

62
Projeto2015
• Estimativa linear das variações se mostraram
inadequadas.
• Variância foi calculada usando um modelo de
segunda ordem (Lewis and Parkinson, 1994).
• O design cuja variância é mínima é 1.8 kPa => Para
atingir a viabilidade, a variância aumentou para
2.46 kPa.

63
Projeto2015
• Design de comparação => resulta da maximização

curso da esfera ignorando a variância de design.
• Simulação de Monte Carlo => foi usado de novo
para verificar a robustez do design.

64
Projeto2015
Variáveis de Design Design Design de Design de
Inicial Mínima Variância Comparação
Ângulo de assento  (graus) 45,0 34,9 43,5
Diâmetro da esfera db (cm) 1,25 1,47 0,720
Diâmetro da mola dc (cm) 1,0 1,13 0,535
Diâmetro do arame dw (cm) 0,075 0,0755 0,0379
Comprimento da mola sem carregamento (cm) 3,0 2,00 2,77
Número de espiras 10 8
Parâmetros
Comprimento da válvula lv (cm) 2,5 2,5 2,5

Diâmetro do orifício dv (cm) 0,635 0,635 0,635
Módulo de cisalhamento (kPa/m2) 8,3e7 8,3e7 8,3e7
Função Objetivo
Variância da Pressão de rompimento (kPa) 8,7 2,46 5,63

Restrições
Pressão de rompimento  15 (kPa) 77,0 20,02 25,37

0.5 Diam. da esfera / 0,8 0,77 0,74
Diam. da mola  0.8
4  Diam. da mola / 13,3 15,03 14,1
Diam. do arame  16
Curso da esfera  0.5 (cm) 0,8 0,60 1,63
Tensão  900000 (kPa) 494000 295000 746600
Viabilidade estimada (%) Não disponível 96,06 96,06
Viabilidade real (%) Não disponível 65
Projeto2015 96,42 96,59

66
Projeto2015

Projeto Preliminar e Otimizacao 2015 IM136

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Projeto Preliminar e Otimizacao 2015 IM136

Enviado por

Direitos autorais:

Formatos disponíveis

Projeto Preliminar

Sensibilidade não sim

IM136 Sistemática e Metodologia de Projeto2015 1

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

Após a avaliação dos aspectos técnicos de um produto

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

A hipótese fundamental é que o processo de

IM136 Sistemática e Metodologia de

•O projeto é chamado “Otimizado” relativamente ao modelo

•As funções h(x,p) e g(x,p) podem ser explicitamente algébricas

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

H Indicando um máximo local e o resultado é:

De forma que para U(x,y,z) ser máximo ou mínimo deve-se fazer:

Conhecer o Metodologia de Otimizar

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

•Fatores de Ruído externo

IM136 Sistemática e Metodologia de

•Fatores de Ruído externo

temperatura e umidade relativa sob os quais o produto está

a quantidade de carga que está atuando no produto;

Qualquer acréscimo eventual de energia (calor, vibração,

Erro humano causado intencionalmente ou através de leitura

Variações nas freqüências ou Interferência eletromagnética.

IM136 Sistemática e Metodologia de

Aperto de parafusos, acabamento

IM136 Sistemática e Metodologia de

Quantidade de torque aplicado em um parafuso;

Resistência de resistores elétricos;

Dimensões para qualquer conformação de metais ou processo de

Variação da espessura de revestimentos ou tratamentos químicos

IM136 Sistemática e Metodologia de

Perda de massa em filamentos

IM136 Sistemática e Metodologia de

Perda de massa do filamento do bulbo de uma lâmpada;

Desgaste de superfícies e deformações por atrito

Corrosão de superfícies e ataque químico e elétrico.

Deterioração de coats de cobertura por ação solar e luz ultravioleta

Fadigas de superfície e´de flexão.

Deterioração química de lubrificantes por umidade e temperatura.

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

No pior caso, determina-se por:

Novos limites de restrição com a adição

IM136 Sistemática e Metodologia de

Onde i é o multiplicador de Lagrange para uma

Considerando um corpo submetido a uma carga que atuar

•Várias pesquisas têm incorporado casos de tolerâncias

+x2 Zona viável

Ponto ótimo robusto x1

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de

IM136 Sistemática e Metodologia de