Você está na página 1de 119

Optimizao No-linear Aplicada ao Dimensionamento

Inicial de Navios


Joo Amadis da Camara Ruas


Dissertao para obteno do Grau de Mestre em
Engenharia e Arquitectura Naval

Jri
Presidente: Professor Doutor Carlos Antnio Pancada Guedes Soares
Orientador: Doutor Manuel Filipe Simes Franco Ventura
Vogais: Doutor Tiago Alexandre Rosado Santos












Outubro de 2010

(esta pgina foi deixada em branco intencionalmente)

- I -
Agradecimentos
Ao meu orientador Dr. Manuel Filipe Ventura pelas horas despendidas em explicaes e pelas
revises metdicas do texto.
minha famlia.
Aos meus colegas.
- II -
(esta pgina foi deixada em branco intencionalmente)
- III -
Resumo
A optimizao aplicada ao dimensionamento inicial de navios um problema amplamente
estudado em duas vertentes, a criao de modelos de clculo que permitem definir as
caractersticas ptimas e o estudo dos optimizadores que suportam este tipo de problema.
Nesta tese d-se nfase aos algoritmos de optimizao no-linear, onde so estudados
algoritmos evolucionrios e algoritmos de procura directa. Os resultados dos algoritmos
escolhidos so comparados com os apresentados na literatura, sobre este assunto, para um
modelo simples de navios graneleiros. Propem-se um novo processo de optimizao, que
validado com o modelo supracitado.
Com o intuito de mostrar que o processo de optimizao proposto aplicvel ao
dimensionamento inicial de navios, criou-se um modelo de navios porta-contentores que mais
exigente do ponto de vista da capacidade de transporte de contentores.
Nos modelos de dimensionamento inicial tradicionais, para navios porta-contentores, estima-se
a capacidade de carga de contentores atravs de frmulas derivadas da estatstica. Para evitar
este processo, que pode induzir a estimativas erradas, apresenta-se um mtodo de clculo dos
volumes internos do casco, atravs do conceito de curvas de rea.
Palavras-chave: Dimensionamento inicial, navios, porta-contentores, optimizao, MDO
- IV -
Abstract
Ship preliminary design optimization has been widely studied in two areas, the models that
allow the optimum characteristics calculation and the optimizations algorithms to be used in this
problem.
In this thesis, especial relevance was given to the nonlinear optimization algorithm, with focus in
the evolutionary and direct-search methods. The chosen methods are compared with the results
that can be found in literature concerning this subject, for a simple bulk carrier ship model. A
new optimization process is proposed and is validated with the model mentioned.
To prove that the proposed method is applicable to preliminary ship design optimization one has
created a containers ship model, with an innovative method to calculate the hull containers
capacity.
In the traditional containers ship models, the capacities are calculated with statistical formulas
derived from existent ships. The proposed way to calculate the capacities comes from the
sectional area curves concept, which estimates the internal hull volume for each vertical row.
Keywords: Preliminary design, ship, container ship, optimization, MDO
- V -
ndice
Agradecimentos.............................................................................................................................................I
Resumo. ...................................................................................................................................................III
Abstract.. ................................................................................................................................................. IV
ndice de Figuras ....................................................................................................................................... VII
ndice de Tabelas...................................................................................................................................... VIII
Nomenclatura.............................................................................................................................................. IX
Definies.. .................................................................................................................................................. X
1. Introduo ...............................................................................................................................................1
2. Projecto Preliminar de Navio...................................................................................................................7
3. Mtodos de Optimizao No-Linear ....................................................................................................14
3.1. Mtodos de Optimizao de Procura Directa...................................................................................16
3.1.1. Mtodo de Hooke-Jeeves .........................................................................................................19
3.1.2. Mtodo de Rosemborck............................................................................................................20
3.1.3. Mtodo de Nelder-Mead ...........................................................................................................21
3.2. Funes externas de restries .......................................................................................................23
3.3. Mtodos de Optimizao de Algoritmos Evolucionrios...................................................................25
3.3.1. Algoritmos Genticos................................................................................................................25
3.3.2. Particle Swarm Optimization.....................................................................................................28
3.3.3. Sistema Imunitrio Artificial .......................................................................................................29
3.4. Mtodos de Apoio Deciso ...........................................................................................................30
3.4.1. Metodologia TOPSIS ................................................................................................................31
3.4.2. Funo de Objectivos Ponderados ...........................................................................................32
3.4.3. Mtodo dos Vectores Prprios..................................................................................................32
3.4.4. Mtodo da Entropia...................................................................................................................33
4. Avaliao dos Algoritmos......................................................................................................................35
4.1. Comparao dos Algoritmos de Optimizao ..................................................................................35
4.2. Processo Proposto...........................................................................................................................46
5. Modelo de Clculo.................................................................................................................................49
5.1. Dimenses Principais.......................................................................................................................50
5.1.1. Comprimento do Navio .............................................................................................................51
5.1.2. Boca..........................................................................................................................................51
5.1.3. Calado.......................................................................................................................................52
5.1.4. Pontal........................................................................................................................................52
5.2. Resistncia Propulsiva.....................................................................................................................52
5.2.1. Bolbo de Proa ...........................................................................................................................53
5.2.2. rea do Painel de Popa Imersa e Apndices............................................................................54
5.3. Propulso.........................................................................................................................................54
5.3.1. Hlice........................................................................................................................................55
5.3.2. Mquina Principal......................................................................................................................58
- VI -
5.4. Capacidade de Carga de Contentores.............................................................................................59
5.4.1. Contentores nos Pores ...........................................................................................................60
5.4.2. Contentores no Convs ............................................................................................................61
5.4.3. Volumes do Casco....................................................................................................................62
5.5. Pesos ...............................................................................................................................................69
5.6. Viagem.............................................................................................................................................69
5.7. Avaliao Econmica.......................................................................................................................70
5.7.1. Anlise de Sensibilidade...........................................................................................................71
5.8. Parmetros da Optimizao.............................................................................................................73
6. Validao e Resultados.........................................................................................................................75
6.1. Validao do Modelo........................................................................................................................75
6.2. Resultados .......................................................................................................................................78
7. Concluses ...........................................................................................................................................82
Bibliografia. .................................................................................................................................................85
Anexo A. Modelo de Navio Porta-Contentores.........................................................................................89
A.1. Coeficientes e Estabilidade..............................................................................................................89
A.2. Pesos ...............................................................................................................................................91
A.3. Custos e Frete Mnimo Requerido ...................................................................................................96
Anexo B. Modelo de Graneleiros............................................................................................................100
B.1. Modelo ...........................................................................................................................................100
B.2. Restries ......................................................................................................................................101
Anexo C. Resultados dos Processos Propostos Preteridos ...................................................................102
C.1. MOPSO-CD com Nelder-Mead......................................................................................................102
C.2. MOPSO-CD com Hooke-Jeeves....................................................................................................102
Anexo D. Influencia dos Parmetros do Processo Proposto ..................................................................103
Anexo E. Dados gerados pelo modelo de clculo..................................................................................105
- VII -
ndice de Figuras
Figura 1.1 Espiral de projecto com as vrias fases de projecto. ...................................................................................... 2
Figura 3.1 Funo de Ratringin. (MATLAB)................................................................................................................... 15
Figura 3.2 Ilustrao do funcionamento de um mtodo de procura directa, compass search. (Kolda et al,2003)........... 18
Figura 3.3 Exemplo grfico do mtodo de Rosenbrock. ................................................................................................ 21
Figura 3.4 Movimentos do algortimo Nelder-Mead. ....................................................................................................... 22
Figura 3.5 Fluxograma ilustrativo das funes de restries externas........................................................................... 24
Figura 3.6 Exemplo grfico das funes de restrio externas...................................................................................... 24
Figura 3.7 Exemplo de como funciona o operador crossover. ....................................................................................... 26
Figura 3.8 Crowding distance. (Raquel & Naval, 2005) ................................................................................................. 28
Figura 4.1 Paredes de Pareto para a carga anual versus custo. ................................................................................... 43
Figura 4.2 Paredes de Pareto para o peso leve versus custo........................................................................................ 44
Figura 4.3 Paredes de Pareto para o peso leve versus carga anual.............................................................................. 45
Figura 5.1 Fluxograma do modelo................................................................................................................................. 49
Figura 5.2 Tipo de arranjo dos pores de carga............................................................................................................ 51
Figura 5.3 Configurao da boca do navio.................................................................................................................... 51
Figura 5.4 Configurao do pontal. ............................................................................................................................... 52
Figura 5.5 Influencia das dimenses principais no clculo da resistncia do navio. ...................................................... 53
Figura 5.6 Coeficientes do Bolbo. (Castro et al., 1997) ................................................................................................. 54
Figura 5.7 Grfico tpico de um hlice das sries de Wagningen. (Bernitsas et al,1981) ............................................... 57
Figura 5.8 Comparao da potncia necessria no veio com e sem clculo do rendimento do hlice........................... 58
Figura 5.9 Curva potncia por rotaes tpica de um motor martimo. (Man B&W, 2007) ............................................. 58
Figura 5.10 Seces mestras tipicas de um navio porta contentores. ........................................................................... 60
Figura 5.11 Curva de reas no calado. ......................................................................................................................... 64
Figura 5.12 Curva de reas no pontal. .......................................................................................................................... 65
Figura 5.13 Curva de reas no duplo fundo. ................................................................................................................. 66
Figura 5.14 Erros no clculo do volume para os 5 navios base. .................................................................................... 67
Figura 5.15 Variao da capacidade de contentores em funo das variveis de projecto adimensionalizadas............ 68
Figura 5.16 Variao dos custos mdios anuais em funo das variveis de projecto adimensionalizadas .................. 71
Figura 5.17 Ponto ptimo face ao melhor ponto. (Almeida, 2009) ................................................................................. 72
Figura 6.1 Variao do pontal em funo do calado e da boca. .................................................................................... 76
Figura 6.2 Paredes de Pareto geradas pelo processo de optimizao proposto. .......................................................... 79
Figura 6.3 Parede de Pareto do modelo com restries................................................................................................ 80
Figura A.1 Grfico da posio do centro de carena em funo de CB. (Watson, 1998) ................................................. 90
Figura A.2 Distribuio percentual do peso leve. .......................................................................................................... 92
Figura A.3 Regresso linear entre a capacidade total e a capacidade equivalente em TEUS 14 ton............................. 95
Figura A.4 Regresso para calcular a arqueao bruta................................................................................................. 95
- VIII -
ndice de Tabelas
Tabela 4.1 Pontos de inicio para o mtodo de Nelder-Mead. ........................................................................................ 35
Tabela 4.2 Comparao dos resultados obtidos para o custo de transporte - AL. ......................................................... 36
Tabela 4.3 Comparao dos resultados obtidos para a minimizao do peso leve - AL................................................ 36
Tabela 4.4 Comparao dos resultados obtidos para a maximizao da carga anual AL........................................... 37
Tabela 4.5 Parmetros dos algoritmos globais.............................................................................................................. 38
Tabela 4.6 Resultados do algoritmos globais para o custo de transporte. ..................................................................... 38
Tabela 4.7 Comparao dos resultados multiobjectivo com os pesos iguais................................................................. 38
Tabela 4.8 Comparao dos resultados multiobjectivo com os pesos [0.4, 0.2, 0.4] ..................................................... 39
Tabela 4.9 Comparao dos resultados multiobjectivos com os pesos [0.6, 0.2, 0.2].................................................... 39
Tabela 4.10 Comparao dos resultados multiobjectivos com os pesos [0.2, 0.2, 0.6].................................................. 40
Tabela 4.11 Comparao das funes de objectivos ponderados, com wca = 1 ............................................................ 41
Tabela 4.12 Comparao de resultados obtidos com funes objectivo ponderadas geradas pelas equaes (26) e
(27), com os resultados obtidos com o MOGA. .................................................................................................... 42
Tabela 4.13 Comparao dos mtodos de apoio deciso.......................................................................................... 45
Tabela 4.14 Comparao do algoritmo proposto para objectivos simples ..................................................................... 47
Tabela 4.15 Comparao do algoritmo proposto para multiobjectivo ............................................................................ 47
Tabela 5.1 Valores de adimensionalizao das variaveis de projecto ........................................................................... 50
Tabela 5.2 Caractersticas principais dos navios utilizados para a parametrizao da curva de reas. ......................... 63
Tabela 5.3 Erros obtidos no clculo dos volumes atravs da integrao dos polinmios. ............................................. 66
Tabela 5.4 Comparao dos erros com e sem correco em contentores de 20 ps. ................................................... 67
Tabela 5.5 Limites das variaveis de projecto................................................................................................................. 73
Tabela 6.1 Comparao e correco dos valores da potncia propulsiva. .................................................................... 75
Tabela 6.2 Comparao dos pontais reais com os calculados pelo modelo para os navios base.................................. 76
Tabela 6.3 Comparao da capacidade de carga de contentores................................................................................. 77
Tabela 6.4 Resultados para a taxa de frete mnima e anlise de sensibilidade. ............................................................ 78
Tabela 6.5 Comparao do resultados obtidos com o NSGA-II e processo proposto.................................................... 81
Tabela A.1 Valores de reduo do segundo momento de reas para o raio metacntrico longitudinal.......................... 91
Tabela A.2 Valores esperados para peso do ao, peso do equipamento e peso maquinaria ........................................ 92
Tabela A.3 Comparao entre a altura dos centros de gravidade e os valores de referncia........................................ 92
Tabela C.1 Resultados do encadeamento do MOPSO-CD com Nelder-Mead ............................................................ 102
Tabela C.2 Resultados do encadeamento do MOPSO-CD com Hooke-Jeeves .......................................................... 102
Tabela D.1 Influencia dos parmetros dos algoritmos no processo proposto (A)......................................................... 103
Tabela D.2 Influencia dos parmetros dos algoritmos no processo proposto (B)......................................................... 104

- IX -
Nomenclatura
AG Algoritmos de optimizao Globais
AL Algoritmos de optimizao Locais
B Boca do navio, na ossada.
COLREG Convention on the International Regulations for Preventing Collisions at Sea
D Pontal do navio, na ossada.
FEU Contentor padro de 40 ps (Forty-foot Equivalent Unit)
FOP Funo de objectivos ponderados
ILLC Conveno Internacional de Linhas de Carga (International Load Line Cargo)
IMO Organizao Martima Internacional (International Maritime Organization)
LIBOR London Interbank Offered Rate
L
PP
Comprimento entre perpendiculares
MADM Mtodos de apoio deciso multi-atributos (Multi Attribute Decision Making)
MCDM Mtodos de apoio deciso multi-criterios (Multi Criteria Decision Making)
MODM Mtodos de apoio deciso multi-objectivos (Multi Objective Decision Making)
MOGA Algoritmo genticos multi-objectivos (Multi Objective Genetic Algorithm)
MOPSO-CD Algoritmo de optimizao particle swarm multi-objectivo com crowding distance
(Multi Objective Particle Swarm Optimization - Crowding Distance)
NSGA-II Algoritmo genticos com elitismo
PPAV Perpendicular a vante
PPAR Perpendicular a r
PSO Algoritmo de optimizao particle swarm (Particle Swarm Optimization)
Ro-Ro Navios de roll-on roll-off
Ro-Pax Navios roll-on roll-off e de passageiros
T Calado de vero do navio.
TEU Contentor padro de 20 ps (Twenty-foot Equivalent Unit)
TOPSIS Technique for Order Performance by Similarity to Ideal Solution
Deslocamento do navio na linha de gua de vero
- X -
Definies
Algoritmos Globais Algoritmos que tem a capacidade comprovada de
encontrar o mnimo global da funo
Algoritmo Locais Algoritmos que por si s no tem a capacidade provada
de encontrar o mnimo global da funo
Funo de objectivos ponderados Traduo do ingls de overall measure of fitness
(OMOE) e uma funo em que cada varivel
considerada tem um peso e o resultado da mesma serve
como medida de mrito.
Mtodo de gradiente Traduo do ingls gradient-based method, que
representa todos os mtodos de optimizao que
funcionam sobre a derivada da funo objectivo.
Mtodo de procura directa Traduo do ingls direct search method, engloba todos
os mtodos de optimizao que fazem uma procura
directa.
Paredes de Pareto Traduo do ingls Pareto front, que um conjunto de
solues do problema com igual qualidade.
Funo de restries externa Funo que permite impor restries nos mtodos que
originalmente no as suportam. uma funo que se
acopla ao modelo de calculo e permite obrigar o
optimizador a gerar combinaes de variveis dentro de
acordo com as restries.


- 1 -
1. Introduo
O projecto de um navio um processo complexo e por isso requerer a interligao de vrias
disciplinas. Grosso modo o conjunto de disciplinas pode ser dividido em duas grandes reas, a
arquitectura naval que incide essencialmente sobre as divises internas do navio, a hidrosttica
e a estabilidade; a engenharia naval na qual se inserem disciplinas, como a hidrodinmica,
comportamento de estruturas e a manobrabilidade.
A concepo de um navio diferente divide-se em 5 fases (Good, 2006):
Explorao do conceito Surge uma nova necessidade e fundamental idealizar
um novo navio. Parte-se do princpio que nenhum dos tipos de navios existentes
serve, mas existem conceitos que podem ser aproveitados.
Desenvolvimento do conceito uma fase muito prxima da anterior onde
comeam a ser pensadas quais os conceitos que podem ser retirados de outros
tipos de navios j existentes e como sero interligados. nesta fase que se
concebem novos conceitos, caso seja necessrio.
Projecto preliminar O navio comea a ganhar forma e no final desta fase j deve
existir muita informao sobre o navio.
Projecto contratual Nesta fase o navio j foi apresentado ao mercado e j se
encontrou um comprador, existindo por isso uma necessidade de mais informao
sobre o navio.
Projecto de pormenor Completa-se toda a informao sobre o navio e este pode
comear a ser construdo.
O processo descrito na lista anterior pode demorar entre 15 e 20 anos, o que d uma ideia de
quo dispendioso conceber um novo tipo de navio e essa uma das razes que levam a que
nos ltimos anos s as marinhas de guerra mais poderosas invistam nesta rea.
Nos navios de marinha mercante a investigao sobre novas concepes de navios reduzida,
contudo, nos ltimos cinquenta anos apareceram alguns modelos novos, os navios porta-
contentores, os navios Ro-Ro, os navios Ro-Pax, etc. Sendo certo que os tipos de navios
existentes cobrem as necessidades do mercado, o que necessrio, produzir novos navios
dos tipos j existentes, o que faz com que se ultrapasse as duas primeiras fases de projecto e
reduz-se em muitos anos o tempo despendido. Em alguns casos mesmo eliminada a fase de
projecto preliminar. Um navio de comum demora entre 12 a 18 meses para ser lanado gua.
As trs ltimas fases de projecto so elaboradas tendo como base a espiral de projecto de
Evans, na Figura 1.1 pode observar-se a espiral de projecto com as vrias fases de projecto.

- 2 -

Figura 1.1 Espiral de projecto com as vrias fases de projecto.
Cada interseco entre a espiral e as linhas rectas representa uma nova iterao sobre uma
rea (entenda-se por reas: arranjo, custos, capacidades, etc). O dimensionamento inicial de
navios deve ser visto como o princpio do projecto preliminar, o estudo que gera a informao
para comear o projecto preliminar. No dimensionamento inicial os clculos sobre cada uma
das reas so feitos recorrendo a frmulas empricas, ou seja, frmulas que so derivadas de
navios semelhantes. No final do sculo passado eram usuais estudos que apresentavam as
frmulas para utilizar no projecto de navios, geralmente elaboradas sobre grandes bases
dados, so exemplo Holtrop & Mennem (1982), Watson & Gillifan (1975) e Bertram (1998). No
entanto, nos dias de hoje, este tipo de estudos mais raro, o que obriga que cada projectista
tenha que elaborar a sua base de dados e as suas frmulas. Quando se trabalha para um
estaleiro ou armador tem-se acesso aos dados necessrios para desenvolver frmulas com
alguma certeza. No caso do estudo que aqui se apresenta no se tm acesso a boas bases de
dados, pelo que a soluo utilizar a estrutura das frmulas apresentadas nos artigos e
adapt-las aos navios que so construdos no presente. Muitas vezes estas frmulas so
desprovidas de sentido fsico, isto , no existe um raciocnio lgico por detrs da sua
construo o que dificulta a sua actualizao.
O dimensionamento inicial de navios utopicamente a construo de uma funo que depende
somente das variveis de projecto e que permite calcular os parmetros do navio, na realidade
um conjunto de frmulas. Pode criar-se modelos com diferentes variveis de projecto, mas
comum utilizar o comprimento, a boca, o calado, o coeficiente de finura do navio e a velocidade
(Lee (1999), Yang et al. (2007)). No menos usual utilizar ratios das dimenses principais,
como por exemplo comprimento versus boca, boca versus calado, etc (Lyon & Mistree (1982),
Ray & Sha (1994)). A escolha das variveis de projecto fundamental no tipo de resultados
que se quer obter. Se o resultado que se pretende so as dimenses principais, suficiente
utilizar os rcios das dimenses principais e o coeficiente de finura, mas se o resultado
pretendido tambm o dimensionamento do hlice ou uma melhoria noutra rea mais
especfica, necessrio incluir mais variveis de projecto para aumentar fiabilidade da soluo.

- 3 -
A optimizao utilizada neste contexto para encontrar a combinao das variveis de projecto
mais benfica para os objectivos a atingir.
Para optimizar funes ou conjuntos de funes como os que se descreveram necessrio
que os mtodos suportem no-linearidades. Ao longo dos tempos foram sendo encontradas
maneiras de ultrapassar as limitaes de alguns mtodos, quase sempre custa de perda de
qualidade na soluo. No inicio da aplicao de mtodos de optimizao ao dimensionamento
de navios as funes eram linearizadas, o que naturalmente induz erros. No presente existem
meios tecnolgicos e intelectuais permitem optimizar todo o tipo de funes.
O espao onde se encontram as solues do problema designado por hiperespao, sempre
que representado por mais do que trs variveis. Para se ter uma noo da dimenso do
hiperespao de solues basta pensar que um navio pode ter desde uma dezena de metros
at poucas centenas de metros de comprimento e o mesmo raciocnio pode ser aplicado para
todas as outras variveis de projecto. Dada a dimenso do hiperespao de resposta no
difcil concluir que o nmero de solues que podem ser encontradas muito elevado. Para
tornar vivel a resoluo deste necessrio utilizar a optimizao, que a ferramenta que
permite encontrar o mnimo ou o mximo de uma funo no seu domnio.
Existem variadssimos processos de optimizao, cada um com os seus pontos forte e pontos
fracos. O primeiro processo utilizado para encontrar a combinao das variveis de projecto
mais satisfatria a variao sistemtica. Este processo consiste em alterar de forma
sistemtica as variveis e guardar o melhor resultado. Muitos autores no consideram que este
seja um mtodo de optimizao porque o algoritmo (um ciclo for por cada varivel) no tem a
capacidade de perceber que direco tomar. No princpio dos anos 60 surgem os mtodos de
procura directa (direct search) e este j tm a capacidade de reconhecer direces mais
vantajosas, o que lhes permite atribuir valores s variveis de projecto para diminuir o valor da
funo objectivo. Quase em simultneo com os mtodos de procura directa aparecem os
mtodos de procura por gradiente, que retiram a informao da melhor direco a tomar, da
derivada da funo objectivo. Estes mtodos nunca fizeram muito sucesso na rea da
engenharia porque pode ser complicado derivar uma funo objectivo como as descritas
anteriormente. Mais recentemente surgiram os algoritmos evolucionrios que so de todos os
algoritmos os mais robustos, mas apresentam tempos de computao elevados.
Na utilizao da optimizao aplicada engenharia naval desde cedo surgiu a necessidade de
limitar o hiperespao de procura. Existem duas razes para ser necessrio limitar o
hiperespao: o modelo criado para o dimensionamento inicial no ser suficientemente bom que
permita qualquer valor das variveis de projecto ou as limitaes impostas pelos requisitos do
amador. As restries podem assumir pelo menos duas formas, podem ser lineares ou no
lineares, expressas sob a forma de equaes ou inequaes, mais ainda, podem ser
contnuas, descontnuas e em raros casos boleanas. Dados os requisitos do problema, no so
todos os mtodos de optimizao que podem lidar com esta complexidade.

- 4 -
A soluo ptima, mais particularmente o navio ptimo, est sempre intimamente ligado ao
objectivo, ou seja, o este s ptimo para o ponto de vista sobre o qual foi optimizado e s por
coincidncia o mesmo navio ser ptimo para outro objectivo. Os modelos de clculo podem
ter diferentes objectivos de optimizao, o frete mnimo requerido, os custos de operao, os
custos de construo, a hidrodinmica, a manobrabilidade, a resistncia estrutural, a
resistncia ao avano, etc. Quando a optimizao de objectivo nico, s se optimiza uma
caracterstica do navio e em princpio a soluo nica, salvo raras excepes em que se
podem encontrar solues mltiplas com a mesma qualidade. No passado poucos eram os
mtodos que permitiam optimizar para mais que um objectivo, multi-objectivos mas com a
evoluo da optimizao comeou a ser possvel criar mtodos que tm em conta mais que
uma caracterstica do navio. Esta possibilidade levanta um novo problema, qual das solues
escolher uma vez que todas obtm a mesma qualidade aos olhos da funo objectivo. A
soluo passa por utilizar mtodos de apoio deciso.
Os mtodos de apoio deciso permitem escolher de entre um nmero de solues com igual
mrito a melhor de todas. Dentro dos mtodos existem dois tipos, os que actuam sem a
interaco do utilizador e s podem ser utilizados com mtodos de optimizao multi-objectivo
de raiz e os que necessitam da opinio do utilizador, que podem ser utilizados com qualquer
mtodo. Tambm podem ser divididos por funes, os que calculam as ponderaes a atribuir
a cada objectivo e os que escolhem a soluo ptima atravs de metodologias prprias.
Os navios so construdos por uma de duas razes, por uma necessidade ou por boa
oportunidade de investimento. Nos navios que so construdos por necessidade englobam-se
os navios de guerra, os navios combate a poluio ou os navios de socorro a nufragos, sobre
estes no existem perspectivas de lucros. Por outro lado os navios da marinha mercante so
geralmente navios com fins lucrativos, s so construdos se as taxas pagas aos investidores
compensarem os riscos corridos. Neste sentido todas as optimizaes de navios mercantes
devem ter como objectivo nico ou no, a menor taxa de frete. No se encontra na literatura
optimizaes para a taxa de rendimento interno, uma vez que este no pode ser calculado, o
mais comum optimizar o frete mnimo requerido. O frete mnimo requerido o frete mnimo
para que o projecto suporte o custo de capital imposto pelos analistas.
Para que seja possvel analisar a viabilidade econmica do navio necessrio definir-lhe uma
rota para poder contabilizar na optimizao factores como custos porturios, custos de
combustvel, volumes para armazenar viveres e combustvel, etc. A rota para a qual se
optimiza o navio no obrigatoriamente a que este navio vai operar toda a sua vida til, mas
serve como termo de comparao entre os navios.
Os modelos de dimensionamento inicial de navios podem ter diferentes graus de complexidade
dependendo dos dados que se pretende retirar e do tipo de navio. Se o modelo for feito para
um navio de massa (navio tanque ou graneleiro) por norma um modelo mais simples porque
existe muita informao sobre estes navios, tm pouca tecnologia e devido ao nmero de
modelos que j foram criados, conhecem-se boas aproximaes. No caso de navios mais

- 5 -
recentes, que implicam mais tecnologia como navios de gs liquefeito, os navios Ro-Ro, os
navios Ro-Pax ou navios porta-contentores a informao disponvel escassa e as
aproximaes induzem em grandes erros, pelo que se deve tentar reproduzir o mais possvel a
realidade. Em qualquer dos casos, os modelos devido s suas caractersticas tornam-se no-
lineares e para optimiza-los so necessrios mtodos de optimizao no-linear.
O principal objectivo desta tese estudar os mtodos de optimizao no-linear e aplic-los ao
dimensionamento preliminar de navios. Perceber as vantagens e desvantagens de cada
mtodo e escolher o mais indicado. Para testar os algoritmos necessrio utilizar um modelo,
para o efeito criou-se um para navios porta-contentores. O modelo deve ser complexo
(fortemente no-linear), para comprovar que o mtodo ou mtodos podem ser utilizados em
qualquer modelo de dimensionamento inicial de navios de preferncia um que contenha
bastantes no-linearidades para provar que optimizador serve todos os modelos.
Na criao do modelo pretende-se introduzir processos diferentes dos usuais para diminuir os
erros, com principal nfase na capacidade de carga do navio e na propulso.
No segundo captulo desta tese encontra-se a reviso bibliogrfica, em que analisada a
actividade de investigao mais relevante nesta rea e quais a alternativas por explorar.
O terceiro captulo incide sobre os mtodos de optimizao que sero testados e sobre os
mtodos de apoio deciso. Os algoritmos de optimizao so divididos em dois grandes
grupos, os algoritmos globais e os algoritmos locais. Os algoritmos locais so os mtodos que
se sabe que podem ficar presos em mnimos locais, ou seja, se existir um mnimo local perto
do ponto de partida existe uma forte probabilidade de estes no convergirem para o mnimo
absoluto da funo. Os algoritmos globais so os que garantem uma convergncia para o
mnimo global. Os cdigos de todos algoritmos foram retirados da internet sob licenas GNU
pelo que no existe nenhuma garantia do seu bom funcionamento.
Os mtodo de apoio deciso devem ser divididos em dois grandes grupos, os que permitem
encontrar as ponderaes de cada objectivo e os que permitem encontrar a soluo ptima.
Dos mtodo que permitem encontrar os pesos de cada objectivo so analisados dois, o mtodo
dos vectores prprio (eigenvector technique) e o mtodo de entropia (entropy method). Das
tcnicas que permitem escolher as solues ptimas sero analisadas duas, a TOPSIS
(Technique for Order Performance by Similarity to Ideal Solution) e a construo de uma funo
de objectivos ponderados.
O quarto captulo a validao e estudo dos algoritmos e tcnicas de apoio deciso descritos
anteriormente. A validao feita atravs da comparao de resultados para o modelo de
navios graneleiros apresentado no anexo B. Propem-se um novo encadeamento de
algoritmos para abordar os problemas de optimizao.
No quinto captulo (modelo de clculo), descreve-se sucintamente como foi elaborado o modelo
de dimensionamento inicial de um navio porta-contentores feeder. No modelo apresentado
deu-se mais relevncia propulso e s capacidades de carga dos navios. Para melhorar a

- 6 -
previso das necessidades propulso do navio incluiu-se o dimensionamento do hlice, em vez
de admitir um valor fixo para o rendimento e a escolha da mquina principal feita em funo
da potncia exigida, melhorando assim as previses de consumo.
Para melhorar as estimativas das capacidades de carga do navio introduziram-se duas
melhorias. Calcula-se a visibilidade da ponte atravs da imposio da COLREG, o que permite
estimar com mais preciso a quantidade de contentores que podem ser estivados acima do
convs e optimizar a altura da ponte de comando. Para o clculo da capacidade de carga nos
pores foi utilizado conceito de curvas de reas, aplicado na linha do duplo fundo e no convs
o que permite calcular o volume disponvel para de determinada pilha. Nas outras reas
(coeficientes, estabilidade, pesos e custos) foram utilizados processos propostos por outros
autores e por isso so apresentados no anexo A.
No sexto captulo apresentada a validao do modelo e os resultados obtidos da optimizao
do modelo de navios porta-contentores com o mtodo proposto e um mtodo de optimizao
global. A validao do modelo feita com base em navios existentes e pretende-se perceber
qual o grau de certeza que deste. Neste captulo so apresentados os resultados da ligao do
optimizador ao modelo de navios porta-contentores. Atravs destes resultados pretende-se
provar que o ou os optimizadores escolhidos so suficientemente robustos para serem
utilizados no dimensionamento inicial de navios.
No stimo captulo so apresentadas as concluses gerais do trabalho e as sugestes de
trabalhos futuros.


- 7 -
2. Projecto Preliminar de Navio
O presente captulo pretende dar uma viso do que j foi feito neste campo e em que ponto
est a investigao cientfica. Existem nesta rea inmeros estudos para determinar as
dimenses e caractersticas ptimas dos navios. Durante muitos anos o projecto de navios foi
feito de uma forma sequencial, como sugere a espiral de projecto, de tentativa erro que
ocupava muito arquitectos e engenheiros navais durante vrias semanas (Lyon & Mistree 1985;
Ray & Sha, 1994). A optimizao era feita atravs de pequenas melhorias de um projecto para
outro, portanto iterativamente (Solesvick, 2007; Krmber & Thoben, 1996). Por norma as
solues encontradas eram apenas satisfatrias e no ptimas (Murphy et al., 1965).
O primeiro mtodo computacional utilizado para definir um navio ptimo dentro da gama de
hipteses possveis foi a variao sistemtica de parmetros. Este mtodo consiste em criar
um algoritmo que produz um dado nmero de hiptese de navios e atravs das regras das
sociedades classificadoras e de aproximao ao objectivo pretendido, vai eliminando hipteses
at ficar o navio ptimo. Alguns autores defendem que este no um mtodo de optimizao
mas sim um mtodo de anlise porque apenas se analisam as hipteses geradas pelos
parmetros de entrada e verificar-se qual a que melhor se adequa ao objectivo.
Murphy et al. (1965) foi dos primeiros a utilizar a variao sistemtica para o projecto preliminar
de navios, mais especificamente para navios de carga geral. Para elaborar o algoritmo recorreu
a cinco parmetros de entrada
( ) D L L V T B C
LA lA p
, , , ,
aos quais atribuiu quatro valores
diferentes, o que gerou mil e vinte e quatro hipteses de navios. Para eliminar hipteses
subdividiu o conjunto de navios em grupos de quatro, onde cada um representava determinado
parmetros de entrada, o navio desse grupo que apresenta-se menos custos em relao ao
parmetro escolhido, fica e os outros so descartados. Este mtodo era repetido cinco vezes e
chegava-se ao navio ptimo para os custos. A inovao neste mtodo que o algoritmo
resolvia em quatro minutos o que os autores estimam que demoraria mil e setecentas horas a
resolver mo.
Lyon (1982) criou um programa para ser implementado numa calculadora TI-59 que gerava a
melhor combinao de dimenses principais para o menor preo de construo. O programa
desenvolvido para a calculadora, porque com esta e uma impressora era possvel resolver o
problema, sem recorrer aos computadores que na altura eram escassos e dispendiosos.
Contudo a programao na calculadora tinha limitaes, s permitia utilizar cinco variveis,
nove condies de fronteira e no permitia programao no-linear. As cinco variveis
escolhidas foram comprimento, boca, calado, pontal e coeficiente de finura. O problema das
condies de fronteira foi ultrapassado resolvendo o problema num computador para perceber
quais seriam as condies de fronteira mais importantes. A linearizao das funes foi feita
atravs do logaritmo natural. O mtodo de optimizao utilizado o iterativo que no garante a
melhor, mas uma boa soluo. O programa foi concebido para navios graneleiros e navios de

- 8 -
carga geral, mas o modelo pode ser utilizado para todos os tipos navios com as devidas
alteraes. apresentada uma soluo para um navio graneleiro com 8 000 tdw.
Lyon & Mistree (1985) elaboraram um algoritmo que permite resolver o problema de
optimizao de navios atravs decision support problem (DSP). Este artigo o primeiro a
introduzir a programao no-linear no dimensionamento inicial de navios. O mtodo aceita
restries lineares e no-lineares contudo as ltimas so linearizadas atravs da primeira e
segunda derivadas. O navio ptimo escolhido atravs da aproximao arquimediana, que
resumidamente consiste em ponderar os desvios de todos os objectivos de uma s vez. Os
objectivos desta optimizao so cumprir os requisitos iniciais do armador em termos de
velocidade, capacidade de carga e autonomia. So apresentados 5 casos de estudo que
ilustram a forma como o mtodo deve ser aplicado.
Os mtodos de optimizao local ou de procura directa, so mtodos mais sofisticados que a
variao sistemtica, porque utilizam uma funo objectivo e calculam o valor da mesma em
vrios pontos dispostos no espao (consoante os mtodos a disposio espacial dos pontos
varia). Atravs dos resultados obtidos nos diferentes pontos calculado o valor do prximo
passo e a sua direco. Existem inmeros mtodos deste tipo contudo nem todos tm a
capacidade de lidar com objectivos mltiplos e com condies de fronteira. Um problema
apontado recorrentemente a esta classe de mtodos de optimizao, que muitas vezes os
algoritmos ficam presos em mximos ou mnimos locais e no nos globais.
Ray & Sha (1994) introduzem um novo processo de procura do navio ptimo ao utilizar Multi
Objective Decision Making (MODM). apresentado um exemplo com trs objectivos (custo de
construo, peso leve e potncia) para um porta-contetores de 1336 TEUS. Nesta soluo so
utilizadas cinco variveis de projecto
( )
n b pp
F C D T D B B L , , , ,
. As restries utilizadas so de
duas naturezas: as restries do sistema como por exemplo o bordo livre mnimo, que no
podem ser violadas sob pena de no representar um navio e os limites superiores e inferiores
das variveis de projecto. O resultados das funes objectivo so trabalhados num ambiente
fuzzy, que transformam cada um dos atributos (entenda-se custo de construo, potncia e
peso leve) num valor adimensional e do uma noo do quo perto se est do objectivo.
introduzido o conceito de variveis de desvio, que medem o quanto o navio se desvia do
objectivo pretendido. As ponderaes de cada objectivo so calculadas utilizando mtodos
Multi Attribute Decision Making (MADM).
Ray et al. (1995) apresentam um sofisticado modelo de optimizao do dimensionamento
inicial de navios, em que utilizado o simulated annealing, com perturbaes aleatrias para
gerar pontos de arranque, seguido de mtodos de optimizao local. Os mtodos de
optimizao local utilizados so Hooke-Jeeves e Rosenbrock, com condies de fronteira no-
lineares. No final o navio escolhido atravs de um mtodo de MADM. Este mtodo apresenta
sete variveis de projecto e genrico, isto , serve qualquer tipo de navio, contudo
apresentado um porta-contentores para servir de exemplo.

- 9 -
Augusto & Kawano (1998) modificaram um mtodo de procura directa (Box) para optimizar o
casco de um navio do ponto de vista estrutural. Introduzem o conceito de restries violveis
(soft constrain) que so as que no tm que ser necessariamente satisfeitas, existindo uma
penalizao para o seu incumprimento e as restries inviolveis ou no-violaveis (hard
constrain) que so obrigatoriamente satisfeitas.
Lee (1999) utiliza algoritmos genticos para varrer o hiperespao de solues e identificar os
mximos locais, depois utiliza um mtodo de procura directa (Hooke & Jeeves) para encontrar
o mximo global. Esta soluo, segundo o autor, permite reduzir o tempo de computao. O
algoritmo capaz de seleccionar os navios me de uma base de dados. Para resolver o
problema utilizou seis variveis de projecto e a optimizao multi-objectivo, sendo os
objectivos minimizar os custos de construo e os custos operacionais.
Neu et al. (2000) propem uma soluo para optimizar as formas do casco de um navio atravs
do frete mnimo requerido, onde usa um mtodo de optimizao com base no gradiente da
funo objectivo. Refere-se que este mtodo melhor que os algoritmos genticos por causa
do tempo de computao. O cdigo desenvolvido por mdulos, nomeadamente para a
geometria do casco, resistncia e propulso, hidrostticas, volume de carga, pesos e factores
econmicos. Apresenta-se uma soluo para um navio porta-contentores e faz uma anlise de
sensibilidade ao cdigo utilizado fazendo variar os custos porturios, os custos de combustvel,
etc. Como concluses mais importantes da anlise de sensibilidade devem ser ressaltadas as
seguintes: o comprimento do navio depende fortemente das capacidades de carga e descarga
dos portos e o frete mnimo requerido aumenta e a velocidade ptima diminui com a diminuio
da distncia da viagem padro e com o aumento do preo dos combustveis.
Clausen et al. (2001) escolheram as redes bayesianas e as redes neuronais para abordar o
problema do dimensionamento inicial de navios. Concluem que estes dois processos tm
desempenhos idnticos para encontrar as dimenses principais de um navio, dada a sua
capacidade de carga (em volume, em TEUS, em comprimento linear da faixa de
estacionamento). No entanto estes so dois mtodos que assentam na estatstica, pelo que as
dimenses principais fornecidas no so as ptimas, mas as mais provveis, encontradas na
amostra. Os navios utilizados so os registados na Lloyds entre os anos de 1990 e 2000. As
redes bayesianas tm a vantagem de cada vez que se quer alterar uma condio de fronteira
ou parmetro de entrada, no terem de aprender tudo de novo, como acontece nas redes
neuronais.
Artana & Ishida (2003) abordam o problema da optimizao do navio, mas num sentido mais
lato, optimizam o navio (e no tem que ser obrigatoriamente um navio, pode ser uma frota)
para um determinado transporte tendo em conta a mquina propulsora instalada. O mtodo
implementado numa folha de clculo, com um ad-in que permite fazer optimizaes lineares e
no-lineares. No caso apresentado utilizado um mtodo de gradiente, mas no
especificado qual e o alvo da optimizao a reduo dos custo de transporte.

- 10 -
Brown & Salcedo (2003) resolveram o problema de optimizar um navio de guerra com
algoritmos genticos. A utilizao de algoritmos genticos com objectivos mltiplos leva a
encontrar uma zona em que todas as solues esto ao mesmo nvel, qual se chama parede
de Pareto. Desenvolveram uma maneira de optimizar a parede de Pareto, penalizando os
espcimes que se encontravam muito perto uns dos outros e obrigando-os a espalharem-se ao
longo da fronteira.
Parsons & Scott (2004) utilizaram um modelo de navios graneleiros (Sen & Yang, 1998) para
apresentar uma discusso sobre as diferentes formas de construir a funo de objectivos
ponderados. So apresentadas 3 hipteses diferentes de construir a funo objectivo, todas
tem por base a frmula da distncia Euclidiana. Sugere-se a construo de paredes de Pareto
atravs de algoritmos de objectivo nico, fazendo variar os pesos dos diferentes objectivos.
Conclui-se que min-max solution e a soluo mais prxima do ideal so os que melhor
representam o compromisso desejado na engenharia. No entanto a deciso tem sempre que
ser tomada pela equipa de projecto e por isso pode ser importante a representao grfica da
parede ou superfcie de Pareto.
Wolf et al. (2004) comparam os algoritmos genticos com os mtodos de gradiente, na
optimizao de um navio de guerra. Os algoritmos genticos permitem trabalhar com variveis
discretas o que uma grande vantagem sobre os mtodos de gradiente, se bem que os
ltimos so mais rpidos. Neste artigo possvel encontrar uma interessante anlise de como
variam os tempos de computao em funo do factor de mutao e da dimenso da
populao inicial. Foi ainda estudada a forma como a variao das ponderaes na funo de
medida de mrito influenciam as paredes de Pareto. Para encontrar os pesos para cada
objectivo recorreram aos mtodos MADM.
Yang et al. (2007) propem uma nova abordagem ao projecto preliminar de navios, uma
abordagem mais integrada, isto , em vez de calcular as formas do casco depois de calcular as
dimenses principais, calcula os dois ao mesmo tempo. Para testar este mtodo utilizou dois
tipos de optimizao: a optimizao comum, em que todo o processo feito no mesmo
optimizador e um outro mtodo, que apelidado de optimizao cooperativa, em que a
optimizao dividida em camadas, nas quais se podem encontrar vrios optimizadores
hierarquicamente organizados. A resistncia e a potncia propulsivas requeridas so tratadas
como variveis estatsticas que seguem uma distribuio normal para evitar erros. O objectivo
desta optimizao a reduo dos custos de construo e os resultados obtidos mostram que
a optimizao cooperativa e a abordagem integrada so vantajosas.
Jin & Zhao (2007) estudaram a aplicabilidade do algoritmo ant colony ao dimensionamento
preliminar de navios. Apresentam uma inovao no algoritmo original, incluem sub-espaos de
procura, a tabela de caos e a procura tabu. Os sub-espaos de procura fazem com que as
formigas no se concentrem todas num mximo local, obrigando-as a procurar em todo o
hiperespao disponvel. A tabela de caos redistribui as formigas dentro dos sub-espaos a
cada iterao. A procura tabu evita a duplicao de mximos ou mnimos, ou seja, este so

- 11 -
armazenados evitando que se perca tempo a procurar um mximo ou mnimo j encontrado.
Os resultados so comparados com os obtidos por Ray et al. (1995) para um navio porta-
contentores de 1336 TEUS, apresentam valores bastante prximos. O tempo de computao
so 5 minutos com a vantagem de que este mtodo devolve a soluo ptima e o mtodo
proposto por Ray et al. (1995) devolve varias solues, ou seja, mximos locais.
Pinto et al. (2007) props resolver o problema da optimizao de cascos atravs do mtodo
Particle Swarm Optimization (PSO). O algoritmo apresentado neste artigo contm alteraes
em relao ao original. No algoritmo original existem termos no clculo da velocidade que
assumem valores entre um e zero aleatoriamente, neste caso imposto o valor um, passando
a ser chamado Deterministic Particle Swarm Optimization (DPSO). Para que o mtodo se torne
multi-objectivo, criada uma funo que multiplica cada objectivo por um peso. Este tipo de
soluo faz aparecer um novo problema que todas as partculas convergirem para o mesmo
ponto ptimo eliminando assim, ou pelo menos reduzindo muito, a extenso da parede de
Pareto. A forma encontrada no artigo para eliminar o problema foi dividir o swarm em
subswarms e cada um ter a sua prpria partcula guia. Assim dentro do subswarm todas as
partculas vo convergir para o ponto da parede encontrada pela partcula guia, mas esse
ponto diferente de subswarm para subswarm. Nos exemplos apresentados encontram-se
optimizaes para o cabeceio e arfagem de cascos, mais especificamente para o casco S175
(casco de um navio porta-contetores).
ler (2008) resolveu o problema de optimizar a subdiviso de um navio Ro-Pax, atravs dos
algoritmos genticos, mais especificamente o algoritmo MOGA-II. Como uma optimizao
multi-objectivo, no existe uma soluo mas sim um conjunto de solues, parede de Pareto, e
o artigo baseia-se essencialmente nos mtodos de apoio a deciso que existem para escolher
a melhor soluo. Para escolher a melhor soluo, o processo utilizado hierarquizar os
parmetros e atribuir-lhes pesos diferentes conforme a sua importncia. Existem dois tipos de
avaliaes que podem ser feitas as objectivas em que se define exactamente quanto que um
parmetro mais importante que outro, ou as subjectivas em que se diz s se mais ou
menos importante que o outro. O mtodo proposto no artigo pretende englobar as duas
abordagens, a objectiva e a subjectiva, numa s que resulta da juno de dois mtodos, o
FMADM (Fuzzy MADM) com o Group Decision Making (GDM) que permite incluir no mtodo
vrias opinies de peritos e com formatos diferentes. Esta optimizao mostra uma melhoria,
em relao ao modelo original, de 72% na capacidade de carga, expressa em comprimento da
faixa de rodagem para automveis.
Skoupas & Zaraphonitis (2008) abordaram a optimizao de um navio Ro-Pax utilizando
algoritmos genticos. O mtodo proposto multi-objectivo e os objectivos so o frete mnimo
requerido e o mximo de estabilidade intacta. O frete mnimo requerido foi escolhido como
indicador econmico porque contempla todos os outros indicadores possveis de utilizar, por
exemplo o custo de construo ou custo operacionais. A ordem e os parmetros calculados
so os seguintes:

- 12 -
Formas do casco definidas atravs de um software comercial (NAPA)
Resistncia e propulso, pelo do mtodo de Radojcic et al. (2001)
Arranjo dos espaos internos do navio
Estudo preliminar das estruturas
Estimativa dos pesos
Estabilidade intacta e em avaria
Estudo econmico
O processo de clculo efectuado por mdulos para permitir que estes possam ser
substitudos por outros que se considerem mais interessantes. A ttulo de exemplo so
apresentados dois estudos para navios Ro-Pax que devem ligar as ilhas gregas com o
continente.
Gorshy et al. (2009) usaram um o Particle Swarm Optimization (PSO) para resolver o problema
da optimizao multidisciplinar de navios. OS objectivos so optimizar as estruturas, o espao
de carga e a potncia propulsiva. A potncia propulsiva obtida por Computational Fluid
Dynamics (CFD) e a anlise das estruturas por Finite Element Model (FEM). Os mtodos atrs
descritos necessitam de longos tempos de computao. Para simplificar o hiperespao de
procura e assim reduzir o tempo de computao, foram utilizadas duas simplificaes, o Latin
Hypercube Space (LHS) que permite explorar o hiperespao e recolher pontos que o definam;
o Response Surface Method (RSM), utilizado para aproximar o modelo, facilitando os
clculos e reduzindo o tempo de computao. apresentado um exemplo para um navio
graneleiro, da classe handymax de 33 500 tdw.
Nowacki (2009) publica o estado da arte, onde aponta trs grandes motivadores dos sistemas
de projecto de navios assistido por computador, so eles a necessidade de controlar
numericamente os robots de construo, a aplicao de computadores a clculos demorados
como na estabilidade, hidrosttica e anlise de estruturas e finalmente a vontade de substituir
os desenhos em papel por modelos em trs dimenses. No artigo referido que existem
solues tpicas, ou seja, consoante o tipo de navio em anlise recorrente que a soluo
tenha caractersticas padro. Os navios de massa tendem a ser navios largos, com
coeficientes de finura total altos (grande capacidades de carga) e lentos, este o tipo de
soluo denominada critical weight. As outras solues so do tipo critical volume que tendem
a ser navios rpidos e com formas do casco mais hidrodinmicas, por exemplo navios de carga
geral ou navios porta-contentores.
Xuebin (2009) elaborou um estudo sobre optimizao no-linear aplicada ao dimensionamento
inicial de navios. Utilizou o modelo proposto por Sen & Yang (1998) para navios graneleiros.
Este modelo vlido para navios graneleiros entre 25 000 tdw e 500 000 tdw e para
velocidades entre 14 e 18 ns. Na primeira abordagem ao problema foi utilizado um algoritmo
MOGA para encontrar as paredes de Pareto e posteriormente utilizado o mtodo de entropia
para encontrar os pesos relativos de cada objectivo seguido da metodologia TOPSIS para
definir a soluo ptima. O problema tambm abordado atravs de mtodos de procura

- 13 -
directa (direct search) em que utilizado um algoritmo de Sequential Quadratic Programming
(SQP). O mtodo de procura directa comparado com resultados obtidos sobre o mesmo
modelo por Parsons & Scott (2004) e Hiroyasu et al. (2002). Da comparao dos resultados
pode concluir-se que o algoritmo utilizado pelo autor to bom quanto os testados
anteriormente. Como principais concluses o autor refere que a metodologia dos algoritmos
MOGA melhor que a de procura directa e que uma boa hiptese para ser utilizada em
problemas de optimizao de projecto.
Hart & Vlahopoulos (2009) apresentam uma comparao entre o Particle Swarm Optimization
(PSO), mtodos de gradiente e simulaes de Monte Carlo, para o modelo Sen & Yang (1998)
com pequenas alteraes. Propem uma alterao aos mtodos usuais de MOPSO, utilizando
o PSO numa abordagem top-level, isto , so criados subprogramas para cada objectivo, onde
estes so optimizados independentemente e num nvel superior optimiza-se todo o processo.
Conclui-se que este processo era muito mais exigente do ponto de vista computacional e que
os resultados estavam ao nvel dos optimizadores comerciais. No entanto as experiencias
efectuadas com as simulaes de Monte Carlo revelaram bons resultados, sendo menos
exigentes computacionalmente que o mtodo proposto.



- 14 -
3. Mtodos de Optimizao No-Linear
O captulo que se segue aborda os mtodos de optimizao no-linear, especialmente os que
so e j foram utilizados no dimensionamento inicial de navios. Os mtodos que se apresentam
dividem-se me dois grandes grupos: os mtodos de procura local, em que so estudados os
algoritmos de Hooke-Jeeves, Nelder-Mead e Rosenborck; os mtodos globais em que so
estudados os algoritmos genticos, o particle swarm optimization e o sistema imunitrio
artificial. Por norma os mtodos de procura local no esto preparados para restries, o que
obriga a utilizar funes de restries externas e por isso apresentada uma maneira de lidar
com esse problema. Os mtodos globais quando so utilizados numa optimizao
multiobjectivo devolvem uma parede de Pareto e no um ponto, pelo que necessrio utilizar
mtodos de apoio deciso para encontrar a soluo ptima. Os mtodos de apoio deciso
estudados dividem-se em duas categorias, segundo a sua funo: os que permitem calcular as
ponderaes que cada objectivo deve ter, nestes apresentam-se o mtodo da entropia que
calcula as ponderaes sem interaco do utilizador e o mtodo dos vectores prprios em que
os pesos so calculados atravs de uma matriz de deciso fornecida pelo projectista; os
mtodos que devolvem a soluo ptima, em que foram estudados o TOPSIS que escolhe a
hiptese que se encontra mais perto da soluo ideal e mais longe da pior soluo e a funo
de objectivos ponderados que devolve a soma de todos os objectivos escalados pelo seu
mnimo e multiplicados pela respectiva ponderao.
A optimizao normalmente definida como a forma metdica de encontrar o mnimo de uma
ou vrias funes.

{ } A x x f f = ) ( min
*
(1)
em que A o conjunto de objectos em que a funo definida. Se a funo for multiplicada por
(-1), a nova funo a simtrica da primeira, em torno do eixo dos xxs, o que faz com que o
valor encontrado seja o mximo. Se a optimizao em estudo for multi-objectivo pode aplicar-
se o mesmo princpio a cada objectivo, permitindo assim maximizar e minimizar diferentes
objectivos ao mesmo tempo.
Neste contexto comum definir-se mnimos locais e mnimos globais. Os mnimos locais so o
menor valor que a funo objectivo apresenta numa determinada regio. Os mnimos globais
so o menor de todos os mnimos locais. Estas denominaes estendem-se aos algoritmos,
existem algoritmos de optimizao local e algoritmos de optimizao global. No entanto
possvel encontrar os mnimos globais utilizando s algoritmos optimizao local, o que
discutido mais a frente neste captulo.
Algumas funes so bastante complexas e o seu mnimo global no fcil de encontrar, veja-
se o exemplo ilustrado na Figura 3.1, que uma funo contnua e diferencivel, como
possvel perceber pela expresso (2).

( ) ( ) ( ) ( ) y x y x y x f + + + = 2 cos 2 cos 10 20 ,
2 2
(2)

- 15 -
Se a funo for contnua e diferencivel do ponto de vista da optimizao muito mais fcil
pois pode recorrer-se s suas derivadas para prever o seu andamento. As equaes que
governam o dimensionamento inicial de navios so muitas e com muitas dependncias o que
torna na prtica, invivel encontrar as suas derivadas. Para fazer face a este tipo de problemas
foram criados algoritmos de optimizao que no necessitam da derivada da funo ou
funes objectivo.

Figura 3.1 Funo de Ratringin. (MATLAB)
Para uma optimizao com mais que um objectivo o problema deve ser definido da seguinte
forma

= A x
x f
x f
x f
f
i
) (
) (
) (
min
2
1
*
M
(3)
onde f
i
so as funes que definem os diferentes objectivos. A soluo de um problema deste
tipo, salvo raras excepes, sempre dada por um conjunto de valores ao qual se chama
parede de Pareto. Os pontos sobre a parede de Pareto caracterizam-se por terem a mesma
qualidade enquanto soluo do problema. Como todos os pontos tm a mesma qualidade
relativa necessrio definir uma forma de escolher o melhor. A escolha do ponto ptimo feita
atravs de mtodos de apoio deciso (MADM).
O conjunto de todas as solues exequveis denomina-se hiperespao de solues e no caso
do projecto preliminar de navios so conjuntos de grandes dimenses. Neste sentido difcil
resolver o problema sem o limitar, isto , impor restries ao hiperespao de solues, para o
reduzir e tornar o problema mais simples. A reduo do espao de trabalho fundamental na
optimizao em geral e no problema abordado nesta tese, porque basta pensar nas economias
de escala para perceber que quantos mais contentores o navio puder transportar, mais baixa
ser a taxa de frete. Por outro lado os custos aumentam com o crescimento das dimenses
principais e se no existir um limite superior ou inferior, a optimizao tender para infinito ou

- 16 -
zero. Construir um modelo que por si s se mantenha dentro do intervalo desejado uma
tarefa complicada, existe quase sempre a necessidade de o restringir. Existem vrios tipos de
restries que se passam a descrever. As restries podem ser distinguidas pelo tipo de
varivel a que so aplicadas:
Contnuas Aplicam-se a variveis que so contnuas e todos os mtodos que
suportam restries so capazes de lidar com elas.
Discretas Aplicam-se a variveis discretas e s um grupo restrito de mtodos
permite trabalhar com este tipo de restrio, por exemplo os algoritmos
evolucionrios.
Booleanas Aplicam-se em casos muito especficos e poucos so os mtodos que
permitem lidar com este tipo de varivel, por exemplo o particle swarm.
As restries podem ser tambm classificadas em equaes e em inequaes, sendo o caso
mais comum as inequaes. Utilizar uma equao como restrio muito limitativo porque s
permite a procura em R
N-1
, no caso de inequao restringe-se a procura a R
N
, em que N o
numero de variveis de projecto. De um conjunto de inequaes resulta um hiper-espao de
solues de um conjunto de equaes pode resultar, uma rea, um ponto, ou nada. Uma outra
classificao que pode ser atribuda s restries a de restrio violvel ou no-violvel.
3.1. Mtodos de Optimizao de Procura Directa
Os mtodos de procura directa (direct search) so conhecidos desde os anos 50 do sculo
passado, no entanto durante a dcada de 70 foram bastante descredibilizados pela
comunidade matemtica porque apresentam convergncias lentas e porque nem sempre
possvel garantir a sua convergncia, quando comparados com os mtodos de gradiente. Os
algoritmos de optimizao por procura directa foram sempre muito populares entre os
engenheiros e os cientistas porque no necessitam de informao sobre o gradiente da funo
objectivo.
A generalidade deste tipo mtodos apresentam uma dificuldade que pode no ser de soluo
simples, dependendo da quantidade e qualidade da informao disponvel para o problema a
resolver. Para que o mtodo arranque necessrio dar pelo menos um ponto de partida e este
tm que estar dentro do domnio da funo a optimizar ou suficientemente perto para que entre
no domnio logo na primeira iterao. Um outro ponto contra que frequentemente apontado
na literatura o facto de estes mtodos ficarem frequentemente presos em mnimos locais e
no encontrarem os mnimos globais, por isso todos eles se inserem na denominao de
optimizadores locais. Algumas tcnicas foram desenvolvidas para ultrapassar estas duas
adversidades e sero discutidas mais a frente neste captulo.
Na optimizao, mais concretamente no dimensionamento inicial de navios, nem sempre fcil
definir a funo objectivo, pois esta resulta de uma srie de clculos com naturezas mltiplas.
Mais complicado ainda definir a derivada da funo objectivo, mesmo usando mtodos de
diferenas finitas, frequentemente utilizados para este tipo de problemas. Se a optimizao

- 17 -
multi-objectivo necessrio derivar a funo objectivo pelo menos uma vez por cada objectivo.
Como os mtodos de procura local no necessitam de informao sobre o gradiente da funo,
faz com que estes se tornem a primeira opo para problemas de projecto, em todos os
campos da engenharia.
O princpio de todos os mtodos deste gnero o seguinte:
1. Introduzir um ponto inicial que pertena ao domnio da funo objectivo.
2. A partir deste ponto o algoritmo calcula um determinado nmero de pontos da funo
em diferentes sentidos a uma determinada distncia do ponto inicial (o nmero de
pontos calculados e quais as direces em que so calculados depende de mtodo
para mtodo).
3. Os valores obtidos so comparados e podem acontecer uma de duas hipteses ou o
algoritmo passa a definir o ponto inicial como sendo um dos pontos calculados que
apresentou menor valor da funo objectivo ou a distncia alterada e repete-se a
avaliao dos valores da funo objectivo.
4. O critrio de convergncia do mtodo a reduo da distncia entre o ponto inicial, em
cada iterao e os pontos que esto a ser avaliados, este valor fornecido pelo
utilizador.
Na Figura 3.2 possvel observar o funcionamento de um algoritmo de procura directa, no
caso o algoritmo conhecido como compass search. Este exemplo ilustra bem quais so os
princpios da procura directa.
Na Figura 3.2 (a) pode ver-se o mnimo da funo assinalado com uma estrela e o ponto inicial,
o mtodo em questo avalia quatro pontos, nos sentidos Norte, Sul, Leste e Oeste. A Figura
3.2 (b) a segunda iterao, as linhas a cinzento representam pontos com a mesma cota e
como o ponto que tem menor cota o de Norte, o ponto inicial substitudo por este. O mesmo
processo repetido na Figura 3.2 (c), mas desta vez para Leste e na quarta iterao (Figura
3.2 (d)) volta a deslocar o ponto inicial para Norte. Na Figura 3.2 (e) pode perceber-se que a
distncia entre os pontos avaliados e o ponto inicial grande demais para poder encontrar um
ponto com menor cota, assim o que acontece que esta distncia diminuda at se encontrar
um ponto com menor cota. Finalmente a Figura 3.2 (f) o ponto ptimo encontrado, a reduo
da distncia entre o ponto inicial e os pontos avaliados reduz-se at ser menor que o critrio de
convergncia, o que faz com que a optimizao termine.


- 18 -


(a) (b) (c)


(d) (e) (f)
Figura 3.2 Ilustrao do funcionamento de um mtodo de procura directa, compass search. (Kolda et al,2003)
Como se referiu no incio deste captulo estes mtodos sofrem de dois problemas. O primeiro
problema que apontado a falta de celeridade na convergncia e este um problema real,
principalmente se no se tiver noo do valor do passo que deve ser atribudo. Se o passo do
algoritmo no for aceitvel podem acontecer duas coisas; ou o passo muito grande e os
pontos a ser analisados ficam todos fora do domnio da funo e o algoritmo no arranca, ou
muito pequeno o algoritmo precisa de muitas iteraes para conseguir convergir. O
comprimento do passo e o ponto inicial so dois factores importantes na convergncia ou na
divergncia do mtodo para o mnimo global. Recorde-se a Figura 3.1, em que existem vrios
mnimos locais, s existir uma convergncia para o mnimo global, se a primeira iterao
colocar o novo ponto inicial dentro do cone que d origem a esse mnimo, caso contrario o
mtodo encontrar outro cone por onde descer e ficar preso nesse mnimo local. Existem dois
tipos de soluo para este tipo de problema: a primeira, utilizar um outro algoritmo de
optimizao (algoritmos genticos, particle swarm, etc) com um critrio de convergncia largo
(que aumenta a celeridade dos algoritmos evolucionrios que so considerados lentos) para
rastrear a funo e definir zonas onde se pode encontrar o mnimo global e utilizar pontos
pertencentes a essas zonas como ponto inicial; a segunda, tentar dispersar pontos pela
funo para garantir uma boa cobertura de todo o domnio, aqui o comprimento do passo
assume um papel importante, pois dependo do seu valor assegura-se uma cobertura completa
da funo. A ltima soluo muitas vezes complementada com a procura tabu (tabu search)
que evita perdas de tempo desnecessrias com mnimos que j foram encontrados. A procura
tabu consiste em armazenar o caminho percorrido para encontrar cada mnimo encontrado.

- 19 -
Assim sempre que o algoritmo volta a entrar nesse caminho, o ponto em questo ignorado e
recomea com outro ponto. As duas solues devolvem vrios mnimos que posteriormente
tm que ser comparados para se encontrar o mnimo global.
O segundo problema que os mtodos de procura directa no permitem a optimizao multi-
objectivo, pelo menos de modo explcito como os algoritmos evolucionrios. A soluo passa
pela utilizao de mtodos de apoio deciso sobre os objectivos, vulgarmente conhecidos
como MODM (Multi Objective Decision Making) que actuam da mesma forma que os mtodos
de MADM (Multi Attribute Decision Making), mas sobre os objectivos, ou seja, antes da
optimizao comear e no no fim.
3.1.1. Mtodo de Hooke-Jeeves
O mtodo introduzido por Hooke & Jeeves data de 1961 e desde ento tem tido vrias
aplicaes como motor de optimizao de vrios problemas, no sendo excepo a rea da
engenharia naval (Ray et al, 1995 ; Wolf et al, 2004). O mtodo original no contemplava a
utilizao de restries e no permitia a utilizao em funes discretas. Naturalmente estes
problemas foram ultrapassados e hoje em dia existem variantes do algoritmo que permitem
resolver quase todo o tipo de problemas.
O mtodo de Hooke-Jeeves, tambm conhecido por procura em padro, descrito na literatura
(Hooke & Jeeves, 1961) como tendo dois movimentos:
Movimento Exploratrio Ao ponto base acrescentado e retirado um incremento
(passo) em cada uma das variveis e esses pseudo-movimentos so avaliados na
funo objectivo. O valor que melhor satisfaz o objectivo guardado e passa para
a varivel seguinte. Se no existir um ponto melhor que o ponto base considerado,
o passo diminudo e so novamente avaliadas todas as direces.
Movimento Padro Sempre que encontrado um ponto melhor que o ponto base
anterior, esse passa a ser considerado o ponto base, a direco e a distncia entre
os dois pontos definem o novo padro de busca.
O mtodo recorre a dois parmetros ( e ) que permitem controlar um dos critrios de
paragem. O o valor pelo qual o mtodo multiplica o passo sempre que no encontra uma
soluo melhor que a actual. Este parmetro tem que se encontrar no intervalo ]0;1[ e, quanto
mais prximo estiver de 1, mais minuciosa a procura, pois as alteraes no passo so
pequenas, o que implica uma soluo mais demorada. medida que se caminha para o outro
extremo do intervalo o passo diminui mais rapidamente e a procura torna-se mais rpida. O
o valor mnimo do passo que se pretende avaliar - um valor alto permite uma soluo mais
rpida e um valor baixo uma soluo mais demorada. Atravs deste dois valores pode-se
controlar a qualidade e celeridade da soluo, bem como a quantidade de iteraes do mtodo
uma vez que por cada iterao, multiplicado por si prprio at ser menor que e o algoritmo
pra e devolve a melhor soluo encontrada. O outro critrio de paragem do mtodo o
nmero mximo de iteraes admissvel, que s utilizado quando o algoritmo est sempre a

- 20 -
encontrar solues melhores e no reduz o passo, o que pode ser sinal de que a funo no
tem mnimo. Acontece por exemplo no caso de tentar encontrar o valor mnimo de uma
parbola de sinal negativo (-), o algoritmo a cada iterao vai encontrar um valor mais baixo e
s pra quando atingir o nmero mximo de iteraes. Este valor deve ser alto, para permitir
que a procura acabe por diminuio do passo e no por exceder o nmero mximo de
iteraes.
3.1.2. Mtodo de Rosemborck
O mtodo de Rosemborck foi apresentado pela primeira vez em 1960, pelo autor com o mesmo
nome e baseia-se nos mtodos descendentes. Este mtodo pretende encontrar a direco
mais vantajosa para prosseguir a procura e o comprimento do passo mais eficaz, contudo no
se recorre a informao sobre a derivada da funo objectivo.
Enquanto no mtodo de Hooke-Jeeves o passo imposto pelo utilizador, neste mtodo o
passo calculado automaticamente. O processo para encontrar o passo o seguinte: atribui-
se um valor aleatrio ao passo e conforme o valor da funo nesse ponto seja favorvel ou
no, o passo multiplicado por um factor ou , respectivamente. O processo repetido at
encontrar o valor mximo que possvel percorrer em determinada direco e em que o valor
da funo objectivo diminui. O movimento anterior denominado trial. O factor > 1 e 0 < <
1. Este processo optimiza o passo, ou seja, permite dar o maior passo numa direco e evita
repetidas mudanas de direco. Este processo exemplificado na Figura 3.3 pelos trial 10, 11
e 13.
A direco que o mtodo deve seguir calculada recorrendo aos valores obtidos da funo
para um passo de cada varivel, sempre que um passo dado chama-se stage. Seja
n
0
o
vector normal a cada uma das variveis no stage 0 que na Figura 3.3 se prolonga do trial 0 ate
ao 13. Para o stage 1 as novas direces so calculadas segundo os processos seguintes

0
i i k
d A =
(4)

( )
1
1
1
1
j
k
j
j k k k
A A B =

=
(5)

k
k
i
B
B
=
1

(6)
em que d
i
a distncia entre os pontos inicial e final de cada stage na direco i e
i
1
o novo
vector ortogonal para a direco i.
No caso da Figura 3.3 o algoritmo s muda o sentido dos vectores ortogonais no trial 13,
depois volta a mudar no 17, 18 e 19. Podem observar-se alguns pontos dispersos no grfico
como por exemplo a iterao 14 que resulta de uma tentativa de continuar com o mesmo
comprimento do passo, a distncia entre a iterao 10 e a 13. Neste caso, como no encontrou
nenhum ponto que permitisse continuar com as direces definidas no stage 0, a direco
muda.

- 21 -

Figura 3.3 Exemplo grfico do mtodo de Rosenbrock.
Com este processo pretende-se que sempre que haja uma mudana de direco, esta seja
redefinida apontando para o centro dos contornos. Entendem-se por contornos as curvas sobre
as quais a funo objectivo tem o mesmo valor. Este um mtodo que converge sempre, ao
contrrio de muitos outros do mesmo gnero que podem eventualmente no convergir.
3.1.3. Mtodo de Nelder-Mead
O mtodo foi introduzido em 1965 pelos autores com o mesmo nome, contudo tambm recebe
frequentemente os nomes de downhill simplex ou amoeba. A ideia bsica do mtodo
enquadrar a funo num poliedro de n+1 vrtices, em que n o nmero de variveis e atravs
dos valores que a funo obtm nesses vrtices, contrai ou expande o poliedro. O nome
simplex deve-se denominao adoptada pelos autores para o poliedro e o mesmo acontecer
daqui em diante.
Como foi referido no pargrafo anterior o mtodo necessita de um nmero de pontos iniciais
igual ao nmero de variveis mais um. Esses pontos formam o simplex (Nelder & Mead, 1965)
e so avaliados na funo, sejam os valores da funo para cada ponto f
k
, em que k varia de 1
at n+1. Segue-se um exemplo de uma iterao tpica do mtodo com os seus quatro
operadores (Mathews & Fink, 2004).
1. Ordenao So ordenados todos os pontos do simplex pelo seu valor da funo f(x
i
).
2. Reflexo Projecta-se o pior ponto (n+1) segundo a equao (7) em que x a mdia
das coordenadas do ponto 1 ao n e o factor de reflexo e deve ser maior que 1. O
ponto avaliado e caso f
r
se encontre entre f
1
e f
n
aceite e a iterao termina,
voltando ao ponto 1.

( ) ( )
1 1
1
+ +
+ = + =
n n r
x x x x x x
(7)

- 22 -
3. Expanso Expande-se o simplex segundo a equao (8) este operador s utilizado
se f
r
for menor que f
1
. o factor de expanso que tem que ser maior que 1 e maior
que . Se f(x
e
) for menor que x
1
passa para o ponto 1.

( ) ( ) ( )
1 1
1
+ +
+ = + = + =
n n r e
x x x x x x x x x
(8)
4. Contraco Contrai-se o simplex , pode ser para dentro ou para fora dependendo o
valor de f
r
encontrado na expanso. Se f
r
se encontrar entre f
n
e f
n+1
a contraco
para fora e utiliza-se a equao (9), se for maior que f
n+1
para dentro e d-se segundo
a equao (10). o factor de contraco que se deve situar entre 0 e 1.

( ) ( ) ( )
1 1
1
+ +
+ = + = + =
n n r c
x x x x x x x x x
(9)

( ) ( ) ( )
1 1 1
1
+ + +
= + = + =
n n n cc
x x x x x x x x x
(10)
5. Encurtamento Reduz a dimenso do simplex em todas as coordenadas menos a
melhor segundo factor . Este deve encontrar-se entre 0 e 1 e utilizado conforme
mostra a equao (11), v
i
so agora os novos pontos do simplex e passa para o ponto
1.

( )
1 1
x x x v
i i
+ =
(11)
Na Figura 3.4 so apresentados todos os movimento acima descritos para um exemplo em
duas dimenses em que o simplex se representa por um tringulo.

Figura 3.4 Movimentos do algortimo Nelder-Mead.
Segundo Lagarias et al (1998) os valores padro para , , e so 1, 2, 0.5 e 0.5,
respectivamente e so por isso os utilizados neste trabalho. A convergncia do mtodo um
assunto discutido Lagarias et al (1998) em que se afirma que o mtodo converge para um
determinado nmero de funes em uma e duas dimenses. McKinnon (1998) mostra que o
mtodo falha a convergncia ou converge para um no mnimo, em diferentes problemas.
Apesar de toda a controvrsia gerada em torno da convergncia, este algoritmo tem sido
utilizado em variadssimas aplicaes e faz prova disso o que est escrito em Byatt et al (2003)
O algoritmo de Nelder-Mead tem gozado de uma popularidade crescente. de todos os

- 23 -
mtodos de procura directa o que mais aparece em software de optimizao. O mtodo no
permite optimizaes multi-objectivos, nem suporta restries.
3.2. Funes externas de restries
As funes externas de restries a forma encontrada para introduzir as restries em
mtodos que no as permitem, principalmente nos apresentados na seco 3.1. A incluso de
restries nos problemas de dimensionamento inicial de navios fundamental para que o
modelo de clculo expresse os requisitos e as necessidades impostos pelos projectistas, bem
como os limites das variveis de projecto. Estas podem ser utilizadas como restries violveis
ou no violveis dependendo do seu significado fsico e da vontade do utilizador.
Os conceitos de restries violvel ou no-violveis so importante porque estes permitem ou
no ao algoritmo de optimizao expandir a procura para reas diferentes das que se pensou
no inicio. Uma restrio no-violvel a mais utilizada e impem ao modelo que no ultrapasse
o valor estipulado, um bom exemplo o calado de um porto ou a boca de um canal, por muito
que o projectista e o algoritmo optimizador percebam que mais 20 cm de calado o ideal, se o
navio tem que tocar esse porto impossvel permitir o aumento. As restries no-violveis
permitem ao modelo que este ultrapasse a fronteira idealizada para o modelo de clculo, com
penalizaes para a funo objectivo. No caso de no existirem limitaes fsicas ou de outra
natureza, como as exemplificadas anteriormente, este o tipo de restrio que deve ser
utilizado, porque se a funo objectivo for correctamente penalizada o algoritmo no tender a
sair do hiperespao de solues idealizado a menos que a soluo fora do hiperespao seja
muito mais favorvel. Para utilizar este tipo de restrio necessrio conhecer bem o problema
para conseguir penalizar a funo objectivo de uma forma racional. A ttulo de exemplo pense-
se no seguinte caso, o comprimento do navio, que no tem qualquer limitao fsica, pensado
para no exceder os 150 m. Se for utilizado uma restrio no violvel, o comprimento do navio
nunca ultrapassar este valor e se a tendncia encontrada pelo algoritmo para melhorar a
funo objectivo for aumentar o comprimento, este ser no limite 150 m. A utilizao de
restries violveis permite ultrapassar este valor e permite-o da seguinte forma

Pen
L
o Penaliza
PP

=
150
150
(12)
em que L
PP
o comprimento do navio que est a ser avaliado, Pen a penalizao atribuda por
esta restrio ser ultrapassada e Penalizao a penalizao a ser somada funo objectivo
por o limite ter sido ultrapassado. Desta forma pode permitir-se que o algoritmo explore as
regies circundantes idealizada sem prejuzo para a soluo. O valor de Pen deve ser muito
bem escolhido para permitir os desvios, um valor muito alto torna esta restrio numa no
violvel.

- 24 -

Figura 3.5 Fluxograma ilustrativo das funes de restries externas
Na Figura 3.5 apresentada a estrutura que deve ser utilizada para incluir a funo externa de
restries num programa, em que os algoritmos optimizao no permitam restries. A
combinao de variveis de projecto gerada pelo algoritmo optimizador pode ou no ser
penalizada. O que se pretende de uma funo de restries externas que esta indique ao
algoritmo qual a zona em que este deve trabalhar, para tal foi criado o sistema ilustrado na
Figura 3.6. Como se pode observar as restries criam um funil para obrigar o algoritmo a gerar
combinaes no hiperespao desejado. O valor de a foi identificado na equao (12) por Pen, b
pode ou no existir. Caso a combinao de variveis de projecto gerada pelo navio se encontre
fora do hiperespao desejado, a soluo vai receber uma penalizao dada por uma das
rectas. Numa iterao seguinte quando o optimizador modificar um parmetro, vai perceber
que se tentar afastar-se mais, o valor da penalizao aumenta, no entanto quanto mais de
aproximar, menor ser este valor. Assim a tendncia ser sempre de trazer as variveis de
projecto para o hiperespao desejado, mesmo que o ponto inicial no se encontre dentro deste.
Resolve tambm o problema que por vezes no fcil de dar um ponto inicial que cumpra com
as restries, no entanto esta aproximao pode ter problemas, se a penalizao no for
suficiente grande, o algoritmo pode ficar preso num mnimo fora do hiperespao desejado.

Figura 3.6 Exemplo grfico das funes de restrio externas
Optimizador
Local
Modelo de
Calculo

Restries

A
t
r
i
b
u
t
o
s

d
e

c
a
d
a

s
o
l
u

o


Penalizao
Sem penalizao
Variveis de projecto

- 25 -
3.3. Mtodos de Optimizao de Algoritmos Evolucionrios
Os algoritmos evolucionrios so mtodos de optimizao baseados na observao da
natureza e que tentam reproduzir os comportamentos a encontrados. Neste grupo incluem-se
os algoritmos genticos que so inspirados na evoluo das espcies, a optimizao por
colnia de formigas que se baseiam na organizao das formigas, o particle swarm
optimization que se baseia no comportamento dos enxames ou bandos de pssaros e o
sistema de imunidade artificial que se baseia na produo de anticorpos pela espinha dorsal do
ser humano.
O desenvolvimento e utilizao destes algoritmos recente e por isso so mais robusto que os
algoritmos apresentados no captulo 3.1, ou seja, suportam todo o tipo de restries, variveis,
funes objectivo e podem optimizar o problema para vrios objectivos ao mesmo tempo. Em
comparao com os mtodos expostos anteriormente, estes tm a desvantagem de
requererem uma populao inicial, da qual depende a qualidade da soluo. Quando estes
mtodos so utilizados com mais que um objectivo a populao inicial vai convergir para uma
parede de Pareto. Se a populao for de dimenses reduzidas a parede de Pareto pode no
ser representada em toda a sua amplitude e podem perder-se solues que so mais
vantajosas do que as encontradas. Um outro problema a convergncia de todos os
elementos para um ponto ou diversos pontos o que leva ao no aparecimento da parede, mas
apenas de pontos isolados.
Estes mtodos no apresentam um padro de funcionamento comum pelo que necessrio
descrever os processo de cada um em separado.
3.3.1. Algoritmos Genticos
Os algoritmos genticos so baseados na teoria de Darwin sobre o desenvolvimento das
espcies, em que os indivduos que esto melhor adaptados tm mais hipteses de
reproduo.
A evoluo gentica das espcies neste caso vista como um processo de optimizao da
adaptao destas ao meio ambiente onde vivem, basta pensar em casos de espcies que
minguaram por existir falta de alimento ou as diferenas no tamanho do plo, de um habitat
para o outro dentro da mesma espcie. A criao dos cdigos, hoje apelidados algoritmos
genticos, pretende reproduzir o que a natureza levou centenas de anos a conseguir.
vantajoso introduzir alguma nomenclatura prpria dos algoritmos genticos:
Genes So as caractersticas que sero optimizadas, que no caso do
dimensionamento inicial do navio podem ser a boca, o comprimento, etc.
Espcimes So formados por cadeias de genes, no caso em estudo so cada um
dos navios. Usam-se recorrentemente em ingls as designaes genotype e
chromosome (Holland, 1975).

- 26 -
Populao inicial - O conjunto de pontos (espcimes) dentro do domnio da funo
objectivo.
Geraes um conjunto de espcimes que pertencem ao mesmo intervalo de
tempo.
Para ser possvel utilizar os algoritmos genticos como mtodo de optimizao necessrio ter
uma populao inicial. O valor que for obtido, atravs da funo objectivo, para cada um dos
espcimes que pertencem populao inicial, vai ser hierarquizado, dependendo da
hierarquizao, cada espcime ter maior ou menor probabilidade de se reproduzir. A gerao
seguinte vai ter exactamente o mesmo nmero de espcimes, pelo que a quantidade de
espcimes (a dimenso) da populao inicial tem uma grande importncia na qualidade da
soluo e na rapidez de convergncia do mtodo. A influncia na qualidade da soluo s
relevante se a optimizao for multi-objectivo porque o resultado desta uma fronteira de
resultados ptimos, a parede de Pareto. Assim, quantos mais elementos existirem na
populao inicial, mais hipteses existem de encontrar toda a extenso dessa fronteira. Se a
optimizao for de objectivo nico, s existe um ponto ptimo e todos os espcimes,
demorando mais ou menos geraes, acabam por convergir para esse ponto. A rapidez com
que o mtodo converge est directamente ligada populao inicial uma vez que quanto mais
espcimes existirem maior a probabilidade de um deles estar perto da soluo ou solues
ptimas. No entanto note-se que a rapidez com que o mtodo converge no depende s da
populao inicial mas tambm de outros parmetros que sero descritos mais frente.
A passagem de uma gerao para a seguinte conseguida atravs de trs operadores, que
at aqui tm sido apelidados de reproduo:
Elitismo Operador que hierarquiza os elementos consoante o seu resultado
(designado por fitness em Whitley, 1994) ou grau de adequao. A probabilidade
de determinado espcime ser progenitor da gerao seguinte pode ser calculada
de vrias formas, no entanto a mais usual a razo entre o grau de adequao
para cada espcime e o grau de adequao mdio da gerao. Considere-se f
i
o
valor do grau de adequao de um espcime e f o valor mdio. Se f
i
/ f for por
exemplo 2.67, isto quer dizer que o espcime vai ser pai duas vezes e tem 0.67
de probabilidade de ser pai uma terceira vez.
Crossover o operador que permite criar novos espcimes com base nos genes
dos pais. Este operador basicamente troca uma parte da cadeia de genes de um
espcime para o outro, dando origem a dois novos espcimes, tal como ilustrado
na Figura 3.7. A quantidade de genes que so trocados varivel dependendo dos
cdigos.

Figura 3.7 Exemplo de como funciona o operador crossover.

- 27 -
Mutao - Este operador permite aos algoritmos genticos desviarem-se dos
padres encontrados nos espcimes, pela alterao de um dos genes. Valores
muito altos de probabilidade de mutao influenciam em muito a velocidade de
convergncia, uma vez que quase sempre a mutao leva os genes para posies
distantes da ptima. Pensando, por exemplo num animal, este operador permite
que aconteam coisas como animais com cinco patas ou duas cabeas.
A construo de uma nova gerao segue a ordem pela qual so enumerados os operadores,
isto , primeiro os pais so ordenados pelo seu grau de adequao e so calculadas as
respectivas probabilidades de serem progenitores da prxima gerao. Com as probabilidades
forma-se uma lista dos pais mais aptos, onde podem aparecer vrias vezes o mesmo
espcime, assim a probabilidade o dite. Depois d-se a troca de genes entre os pais
seleccionados aleatoriamente e finalmente aplica-se a mutao de genes. este processo que
repetido vrias vezes acaba por fazer com que todos os espcimes convirjam para a fronteira
ptima do problema.
Devido ao modo como o elitismo funciona, um pai com um grau de adequao muito alto, tem
muitos clones na lista de pais da gerao seguinte o que faz com que muitos dos espcimes
dessa geraes herdem os seus genes e portanto que se aproximem uns dos outros. Para
encontrar toda a extenso da fronteira ptima necessrio recorrer a um operador, que
penaliza os espcimes que se encontrem muito perto ou mesmo coincidentes com um j
existente.
Um ponto negativo apontado frequentemente aos algoritmos genticos que estes tm uma
convergncia muito lenta, ou seja, podem ter que passar muitas geraes at se encontrar a
parede de Pareto. Como j foi dito, algumas opes podem acelerar ou atrasar a convergncia
e estas devem ser acauteladas para que as solues no demorem mais tempo que o
necessrio. Em 2004, Wolf et al. apresentou tempos de computao para vrias dimenses de
populaes iniciais e para diferentes taxas de mutao, dando assim uma perspectiva da
influncia de cada um destes parmetros na rapidez da convergncia. Os algoritmos genticos
tm sido amplamente utilizados para resolver problemas nas mais variadas reas devido sua
simplicidade de utilizao, robustez e por suportarem todo o tipo de variveis e restries.
3.3.1.1. Crowding Distance
Como j foi referido, um dos problemas comuns aos algoritmos genticos a aglomerao de
todas as solues numa determinada zona da parede de Pareto o que no permite que esta
seja identificada em toda a sua extenso. A forma de ultrapassar este problema no cdigo
utilizado denominada crowding distance e basicamente obriga a que as partculas se afastem
umas das outras. Para as m funes objectivo, as solues so ordenadas pelo valor obtido em
cada funo objectivo e o valor de crowding distance a mdia entre a partcula anterior e a
posterior, o que cria um paraleleppedo em torno de uma soluo i. Este mtodo faz com que
as solues que estejam entre as solues i, i-1 e i+1 sejam consideradas dominadas e por

- 28 -
isso obrigam o algoritmo a procurar novas solues noutras zonas da parede de Pareto,
conseguindo-se assim uma melhor definio desta. A Figura 3.8 apresenta graficamente o que
acontece com a implementao do crowding distance.

Figura 3.8 Crowding distance. (Raquel & Naval, 2005)
3.3.2. Particle Swarm Optimization
O Particle Swarm Optimization (PSO) muitas vezes descrito como um mtodo baseado no
comportamento de bandos de pssaros que procuram comida. Se um bando de pssaros, por
exemplo gaivotas andam procura de comida e uma delas encontra comida, esta alerta as
outras que se dirigem para a sua localizao. Neste trajecto, se uma outra gaivota encontra
comida, o alerta volta a ser dado e todo o bando redirecciona o seu voo para o ltimo sinal.
Esta a ideia base do algoritmo que se descreve de seguida com mais detalhe.
O mtodo consiste em espalhar uma populao ou bando de partculas sobre o hiperespao de
solues e recolher os valores que cada ponto tem na funo objectivo. Cada partcula tem
memria prpria, ou seja, guarda para si a melhor posio em que j esteve e o bando tem
uma memria colectiva onde arquivada a melhor posio em que uma partcula j esteve.
Alm disso, as partculas tm velocidade e esta depende da sua experincia (pontos da funo
objectivo j visitados) e da experincia do bando. O processo de procura descrito em Pinto &
Campana (2007) da seguinte forma:
1. Distribuem-se as partculas aleatoriamente pelo domnio da funo objectivo com
velocidades tambm aleatrias (n=0).
2. Para cada partcula do bando avalia-se o valor da funo objectivo. O menor valor
encontrado e a sua posio so armazenados em p
b
n
na memria do bando, a melhor
posio de cada partcula guardada em p
i
n
na sua memria (n=n+1).
3. A velocidade de cada partcula ento calculada atravs da equao (13) em que w
representa um termo de inrcia, c
1
e c
2
so constantes positivas que interferem com a
convergncia do mtodo, r
1
e r
2
so termos aleatrios entre 0 e 1, t o intervalo de
tempo entre cada iterao e x
i
a posio actual da partcula.

- 29 -

( ) ( )
(

+ =
+
t
x p
r c
t
x p
r c v w v
n
i
n
b n
n
i
n
i n n
i
n n
i 2 2 1 1
1
(13)
4. Actualiza a posio da partcula, x
i
, com o vector posio e velocidade

t v x x
n
i
n
i
n
i
+ =
+ + 1 1
(14)
5. Verifica se o critrio de convergncia j foi atingido, caso contrrio volta ao ponto 2.
Em Pinto et al. (2007) encontram-se algumas alteraes ao cdigo que se consideram teis,
eliminar os coeficientes r
1
e r
2
o que faz com que o cdigo perca o carcter aleatrio e que
torna a sua convergncia mais rpida. Por norma adopta-se o valor 1 para os intervalos de
tempo.
O cdigo original s permitia optimizaes com um objectivo mas a evoluo levou a que
fossem concebidos cdigos que permitem ultrapassar esta limitao, nomeadamente o
proposto por Coello & Lechuga (2002) e utilizado nesta tese. Raquel & Naval (2005)
implementam no cdigo de redistribuio da parede de Pareto apresentado na seco 3.3.1.1.
A mutao foi includa neste cdigo para evitar uma convergncia precoce numa parede de
Pareto local. O que aqui se refere como mutao o mesmo que o operador mutao na
descrio dos algoritmos genticos.
A escolha da melhor soluo ou partcula que d orientao ao conjunto para se movimentar e
a que velocidade o deve fazer (p
b
n
) escolhida em funo da crowding distance, a que tiver
maior a melhor obrigando a outras solues a aproximarem-se dela e assim diminuir esse
valor. Se o arquivo de partculas no dominadas estiver cheio, a soluo que deve sair a que
tiver menor crowding distance, porque essa zona da parede de Pareto que est melhor
representada.
3.3.3. Sistema Imunitrio Artificial
O sistema imunitrio artificial baseado no sistema imunitrio do ser humano. O corpo humano
sempre que detecta um corpo estranho no organismo, gera anti-corpos para o eliminarem. Os
anti-corpos quando so gerados vo sofrendo mutaes para que possam melhorar o seu
desempenho. Se os anti-corpos tiverem grande afinidade com o corpo estranho o nvel de
mutaes baixo, se pelo contrrio no existir afinidade com corpo estranho as taxas de
mutao so altas para tentar encontrar os anti-corpos certos. Quando o corpo estranho
eliminado a maior parte dos anticorpos criados so eliminados e os que se mantm para
poderem reconhecer o corpo estranho se ele reaparecer e dar origem a mais anticorpos, ao
segundo encontro chama-se resposta secundria (secondary response).
Em Coello & Cortez (2002) o cdigo exaustivamente descrito, pelo aqui se apresentar uma
breve descrio do algoritmo.
1. Gera a populao inicial espacialmente dispersa pelos limites de cada varivel.

- 30 -
2. Avalia todos os elementos nas funes objectivo e escolhe os melhores anticorpos
para serem colonizados. Se o problema tiver restries s sero colonizados os
anticorpos no dominados, caso no exista nenhum ento so todos os no
dominados.
3. Passa os anticorpos seleccionados para a memria secundria.
4. Define-se a quantidade de clones de cada anticorpo. Todos os anticorpos devem ter o
mesmo nmero de clones e o nmero de clones no devem ultrapassar 60% da
populao inicial.
5. Aplica-se a mutao aos clones, pelo menos uma mutao para evitar clones iguais.
6. Os novos anticorpos que no so dominados acrescentam-se a memria secundria.
7. Repete-se os passos entre 2 e 6 at o nmero de iteraes ser atingido.
3.4. Mtodos de Apoio Deciso
A ferramenta que aqui se introduz das mais importantes para a optimizao no projecto,
porque torna possvel escolher automaticamente a melhor soluo. Uma optimizao multi-
objectivo pura, com um algoritmo que est pensado para optimizar mais que um objectivo de
cada vez, devolve sempre um conjunto de pontos a que se chama parede de Pareto. A escolha
da melhor soluo sobre a parede de Pareto pode tornar-se subjectiva, pois todas as solues
que ali se encontram so igualmente boas. A dificuldade na escolha da melhor soluo abre
espao criao de mtodos de apoio deciso que permitem, dependendo dos critrios que
utilizados, seleccionar a melhor soluo. A optimizao multi-objectivo no pura efectuada
com mtodos que so criados para um nico objectivo, mas que atravs de diferentes pesos
para cada objectivo acabam por permitir mais que um. A grande diferena entre estes dois
tipos de optimizao que o segundo no produz uma parede de Pareto, s devolve um
resultado e por isso no h necessidade de anlise dos resultados. Apesar de ser possvel
gerar paredes de Pareto com estes mtodos como descrito em Parsons & Scott (2004).
Os mtodos de apoio deciso so divididos em dois grandes grupos, os que trabalham sobre
os objectivos e os que trabalham sobre os atributos. Os objectivos so o alvo da optimizao.
Os atributos so os valores da funo ou funes objectivo para cada soluo encontrada.
Para escolher uma soluo da parede de Pareto existem diferentes abordagens, a que
utilizada neste trabalho a TOPSIS que basicamente permite escolher a soluo que mais se
aproxima da ideal e que mais se afasta da pior.
A introduo do mtodos de objectivos ponderados nos final dos anos 50 do sculo passado
permitiu utilizar algoritmos que no so multi-objectivos de raiz, para efectuar optimizaes
com mais que um objectivo. Estes no carecem de resultados para definir os pesos que cada
objectivo deve ter, mas da opinio do utilizador sobre as relaes entre os objectivos. Devido a
dependerem nica e exclusivamente da opinio do utilizador ou utilizadores aparecem mais

- 31 -
recentemente os mtodos fuzzy (lcer, 2008), que trabalham com vrias opinies, dadas de
formas diferentes. Estes mtodos permitem saber quais os pesos que cada objectivo deve ter
antes de se processar optimizao, por isso possvel criar uma funo objectivo com os
diferentes objectivos e multiplicar cada objectivo pelo seu peso. Com estes mtodos tambm
possvel fazer uma anlise das paredes de Pareto e escolher a soluo ptima, mas os
resultados obtidos pelo algoritmo em nada influenciam essa deciso.
Como os mtodos de objectivos ponderados no so influenciados pelos resultados e em
muitos casos os resultados podem influenciar em muito a soluo ptima, foi criado o aqui
denominado mtodo de entropia. Este s pode ser utilizado sobre os resultados e tem como
principal caracterstica perceber se um atributo mais difcil de atingir que outro e assim definir
diferentes ponderaes para cada objectivo. A dificuldade ou no de atingir um atributo dada
pela disperso de valores do mesmo nas solues, ou seja, se os valores forem semelhantes
para todas as solues este considerado um atributo fcil e por isso tem uma ponderao
menor na escolha da soluo ptima. Pelo contrrio se o atributo tiver valores muito dspares
ento considerado difcil de alcanar e ter uma ponderao maior. Por exemplo se o
objectivo custo do transporte da carga for igual para todos os navios na parede de Pareto estes
mtodos retiram-lhe toda a importncia e redistribuem-na pelos outros objectivos.
De acordo com Ray & Sha (1994) existem 4 mtodos que permitem escolher numericamente
solues sobre os resultados de optimizaes, que so o mtodo dos mnimos quadrados
ponderados, o mtodo dos vectores prprios, o mtodo da entropia e o de linmap. Os dois
primeiros enquadram-se nos mtodos de objectivos ponderados, o que quer dizer que podem
tambm ser utilizados sobre os objectivos. Os dois mtodos revelam resultados muito
idnticos, apesar de os processos serem distintos, pelo que se optou por s apresentar um, o
mtodo dos vectores prprios.
3.4.1. Metodologia TOPSIS
O modelo TOPSIS (Technique for Order Performance by Similarity to Ideal Solution) um
modelo que trabalha sobre atributos e como tal s pode ser utilizados em cima dos resultados
de optimizadores multi-objectivos puros. O conceito por trs deste mtodo afastar-se o mais
possvel da pior soluo e aproximar-se da melhor.
O mtodo carece da matriz de resultados MR em que os ndices j (j=1, 2, n) se referem s
solues e os ndices i (i=1, 2, n) aos atributos.

(
(
(
(

=
nm n n
m
m
R R R
R R R
R R R
MR
L
M M M M
L
L
2 1
2 22 21
1 12 11
(15)
A matriz deve ser adimensionalizada pela soma das suas colunas para que os elementos
assumam importncias iguais. A matriz normalizada deve ser multiplicada pelo peso que se

- 32 -
pretende dar a cada atributo, conforme a equao (16), em que r
ij
so os elementos da matriz
adimensionalizada, w
i
o peso de cada atributo e v
ij
os elementos da nova matriz.

ij j ij
r w v =
(16)
Com a matriz adimensionalizada e j com os pesos multiplicados pode definir-se a pior e a
melhor soluo de cada atributo, naturalmente este processo feito escolhendo o mximo e
mnimo de cada coluna. Se a optimizao for para encontrar um mximo de uma funo, os
papis descritos para o mximo e para o mnimo invertem-se. A distncia euclidiana da soluo
j pior soluo de todas dada por

( )
2
1
1
2
(

=

=
+ +
n
i
i ij j
v v d
(17)
onde v
i
+
o valor da pior soluo para cada um dos atributos, ou seja, o mximo encontrado na
coluna desse atributo. Na equao seguinte v
i
-
representa o melhor valor, ou seja, o mnimo da
coluna.

( )
2
1
1
2
(

=

=

n
i
i ij j
v v d
(18)
Assim a distncia de cada soluo ao melhor valor dada por

+

+
=
j j
j
j
d d
d
C
(19)
em que as solues que obtiverem um C
j
mais perto de 1 so as melhores.
A questo da determinao dos pesos para utilizar na equao (16) explicada nas seces
seguintes, em que, qualquer dos mtodos apresentados pode ser utilizado para esse fim.
3.4.2. Funo de Objectivos Ponderados
A Funo de Objectivos Ponderados (FOP) forma de tornar possveis optimizaes multi-
objectivos com mtodos de procura directa. O processo simples, deve-se fazer uma
optimizao para cada um dos objectivos que se pretendem contemplados na optimizao para
encontrar o mnimo ou mximo. O vector de pesos pode ser definido das formas apresentadas
nas seces 3.4.3 e 3.4.4. A forma geral da funo a apresentada na equao (20)

( )
( )
( ) x f
x f
w x f F
k
k
n
k
k 0
1
) ( =

=
(20)
em que w
k
o peso do objectivo k, f
k
0
(x) o mnimo (mximo) encontrado por uma optimizao
de objectivo nico e f
k
(x) o valor da soluo para esse objectivo. Esta funo deve tender para
1 por valores inferiores, note-se que se a soluo avaliada obtiver para cada objectivo um valor
igual ao mnimo o resultado 1 independentemente dos pesos aplicados a cada objectivo.
3.4.3. Mtodo dos Vectores Prprios
O mtodo dos vectores prprios um caso particular dos mtodos por objectivos ponderados.
Como foi referido atrs estes mtodos baseiam-se na opinio de especialistas sobre a

- 33 -
importncia relativa de cada parmetro em avaliao face aos outros, o que permite encontrar
os pesos a atribuir a cada objectivo ou atributo. Como este mtodo pode ser aplicado aos
objectivos e aos atributos, de ora avante ser sempre utilizada a palavra objectivo para definir
ambos os casos.
Utilizar este mtodo implica construir uma matriz de nxn dimenses em que n o nmero de
objectivos que se pretende optimizar, que so distribudos pelas colunas e pelas linhas
seguindo a mesma ordem, como apresentado na equao (21). Desta forma cada elemento A
ij

da matriz representa uma comparao entre o objectivo i e o objectivo j. A diagonal da matriz
preenchida com 1 porque representa a importncia relativa desse objectivo face a ele mesmo.

(
(
(
(

=
1
1
1
2 1
2 21
1 12
2 1
2
1
L
M M M M
L
L
L
M
n n
n
n
n
n
A A
A A
A A
O O O
O
O
O
A
(21)
A importncia de um objectivo i face ao j o inverso do j face ao i por isso A
ij
= 1/A
ji
. A escala a
aplicar para comparar os objectivos vai de 1 a 9 em que 9 muito mais importante (Ray & Sha
1995). Este processo comum aos dois mtodos deste tipo referenciados e a partir daqui
divergem, uma vez que o mtodo dos vectores prprios, sugere que se calculem os vectores
prprios da matriz atravs dos processos de clculo normais. Os vectores prprios da matriz,
construdos com o valor prprio dominante so os pesos que devem ser utilizados.
O mtodo dos mnimos quadrados ponderados tenta encontrar o mnimo da funo

( )

= =
=
n
i
n
j
i j ij
w w A w F
1 1
2
) (
(22)
Para mais informao sobre o mtodo ver Ray & Sha (1994, 1995). Apesar das abordagens
diferentes os resultados prticos so muito idnticos.
3.4.4. Mtodo da Entropia
A entropia uma grandeza termodinmica que mede a quantidade de energia que no pode
ser convertida em trabalho ou mais comummente o grau de desordem do sistema. Por
analogia este mtodo pretende medir a entropia que o conjunto de solues tem e atravs
desse grau penalizar os objectivos menos caticos e beneficiar os mais. Se o algoritmo
optimizador chegar com alguma facilidade a um dos atributos, grande parte do conjunto de
solues obtm um valor parecido para um dos atributos e esse deixa portanto de ser
importante. Por exemplo, na deciso de comprar um carro, se todos os carros tiverem o mesmo
preo ento o preo deixa de estar em equao.
Para definir a entropia do modelo necessrio a matriz de resultados MR (equao (15)) em
que as linhas representam as solues e as colunas os atributos. Cada elemento da matriz MR
deve ser dividido pela soma da respectiva coluna e obtm-se uma matriz p em que os valores
esto normalizados pela sua soma. Para calcular a entropia do conjunto para cada atributo a
j

(j=1, 2, m) utiliza-se a frmula

- 34 -

=
=
n
i
ij ij j
p p
n
e
1
ln
ln
1
(23)
o grau de divergncia do conjunto dado por

j j
e d =1
(24)
assim o peso que cada atributo deve ter na soluo dado pela normalizao da sua
divergncia

=
=
m
k
k
j
j
d
d
w
1
(25)

- 35 -
4. Avaliao dos Algoritmos
Os optimizadores utilizados nesta tese esto todos disponveis na internet com licenas GNU.
Para validar os algoritmos de optimizao comparam-se os resultados com os de Parsons &
Scott (2004), Xeubin (2009) e Hart & Vlahopoulos (2009). Nos dois artigos so testadas 6
formas de optimizao diferentes, de objectivo nico e multi-objectivo. Como existem
resultados multi-objectivos possvel comparar as paredes de Pareto e validar os mtodos de
MADM.
4.1. Comparao dos Algoritmos de Optimizao
O modelo utilizado nestes artigos foi apresentado a primeira vez por Sen & Yang (1998) e foi
tambem utilizado no artigo Hiroyasu et al (2002) segundo Xuebin (2009). O modelo foi
concebido para navios graneleiros e relativamente simples, so cerca de 30 equaes com
14 restries e 3 objectivos. Neste modelo j foram testados os seguintes mtodos multi-
objectivos o Multi Island Genetic Algorithm (MIGA) Hiroyasu et al (2002), Conjugated Gradient
Algorithm (CGA) em Parsons & Scott (2004), a Sequential Quadratic Programming (SQP) em
Xuebin (2009), em Hart & Vlahopoulos (2009) so feitas comparaes entre as solues
obtidas pelo Microsoft Excel, PSO e fmincom() que um funo do software MATLAB. A
primeira comparao que se apresenta entre os resultados obtidos para um objectivo.
Os algoritmos de optimizao local, tm dificuldade em ultrapassar limites locais pelo que para
realizar uma optimizao global necessrio utilizar uma das duas estratgias mencionada na
seco 3.1. Optou-se por utilizar a gerao aleatria de pontos, dentro dos limites de
optimizao. Para cada algoritmo so gerados 500 pontos dentro ou fora do domnio,
aleatoriamente, o gerador de nmeros aleatrios baseado no tempo do processador para
tentar evitar vcios. Para cada algoritmo foram efectuados 10 testes de 500 pontos e para as
tabelas apresentadas abaixo foram escolhidas as melhores solues de cada algoritmo. Para
utilizar o algoritmo de Hooke-Jeeves so necessrios trs parmetros, , e o mximo de
iteraes, para esta optimizao foram utilizados os valores 0.9, 10
-10
e 100, respectivamente.
O mtodo de Rosenborck necessita de dois parmetros, e mximo de iteraes, para os
quais se usou 10
-10
e 100. O mtodo de Nelder-Mead necessita de que se utilizou o mesmo
valor apresentado anteriormente e sete pontos, que so os apresentados na Tabela 4.1.

L [m] B [m] D [m] T [m] Cb V [kn]
Mximos 274.32 50.00 28.00 20.00 0.75 18.00
Ponto 1 206.84 34.47 16.97 12.58 0.66 14.00
Ponto 2 250.89 41.82 22.50 16.45 0.73 14.00
Ponto 3 218.77 36.46 17.05 12.63 0.64 14.00
Ponto 4 231.53 38.59 20.13 14.60 0.69 14.00
Ponto 5 150.00 20.00 16.00 10.00 0.63 16.23
Ponto 6 274.32 50.00 28.00 20.00 0.75 18.00
Tabela 4.1 Pontos de inicio para o mtodo de Nelder-Mead.

- 36 -
Do ponto 1 ao ponto 4 as variveis correspondem a uma soluo do problema, os pontos 5 e 6
so os extremos de validade do modelo e por isso no so solues do problema. Decidiu-se
dar dois pontos com as coordenadas dos extremos para servirem de referncia ao algoritmo. O
ponto 7 gerado da mesma forma que so os pontos iniciais para os outros algoritmos.
As optimizaes que se apresentam de seguida com algoritmos locais foram todas efectuadas
com os parmetros adimensionalizados, pelos seus valores mximos.
Para a minimizao do custo de transporte da carga os resultados obtido so os seguintes,
Mtodo SQP Rosenborck Hooke Nelder
CC [/t] 7.972 7.9794 7.9731 7.9723
PL [t] 13 718 13 464.1893 13 638.2048 13 713.4517
CA [t] 749 689 733 625.5974 741 600.3354 748 658.2522
L [m] 221.83 222.1720 222.5828 222.0100
B [m] 36.97 36.9999 37.0971 37.0014
D [m] 19.82 19.5164 19.6711 19.8013
T [m] 14.57 14.3614 14.4696 14.5609
Cb 0.72 0.6984 0.7058 0.7177
V [kn] 14.00 14.0210 14.0002 14.0005
DWT [t] 74 504 71 047.1043 72 785.0035 74 279.0620
Pveio [kW] 7 968 7 441.7390 7 624.6638 7 915.6289
Tp (s) 1.94 4.45 7.53
Tabela 4.2 Comparao dos resultados obtidos para o custo de transporte - AL.
Como possvel observar na Tabela 4.2, os algoritmos Nelder-Mead consegue encontrar o
mesmo valor que o mtodo apresentado no artigo com que se compara. No entanto este
mtodo tem o tempo de computao mais elevado de todos. Como no so apresentadas mais
casas decimais no artigo no se pode afirmar qual o mnimo global, uma vez que dando os
dados iniciais apresentados no artigo o valor devolvido 7.973, a diferena deve-se aos erros
provocados pelos arredondamentos. O mtodo de Hooke-Jeeves fica muito prximo do mnimo
encontrado com o mtodo anterior. O mtodo de Rosenborck fica aqum dos resultados
apresentados pelos outros mtodos, contudo este mtodo tem a vantagem de convergir
sempre e de ser o mais rpido que os outros dois.
Mtodo SQP Rosenborck Hooke Nelder
CC [/t] 9.474 9.4123 9.4360 9.5745
PL [t] 5 240.3 5 312.9809 5 332.5935 5 351.4430
CA [t] 386 500 386 939.8525 386 682.4744 392 688.3097
L [m] 150.73 152.4972 152.8956 152.0583
B [m] 25.12 25.4162 25.4824 25.3430
D [m] 13.84 13.8540 13.7026 13.9798
T [m] 10.39 10.3890 10.2918 10.3918
Cb 0.75 0.7344 0.7380 0.7400
V [kn] 14.00 14.0134 14.0000 14.3345
DWT [t] 25 000 24 998.3715 24 999.8433 25 023.2674
Pveio [kW] 5 018 4 822.7718 4 841.5691 5 394.2144
Tp (s) 1.85 4.06 7.45
Tabela 4.3 Comparao dos resultados obtidos para a minimizao do peso leve - AL.

- 37 -
Nos resultados apresentados todos os algoritmos utilizados ficam aqum do mnimo global, no
entanto essa diferena no grande, cerca de 1%. Sabe-se que estes mtodos para
funcionarem bem precisam de receber um ponto prximo do mnimo, porque seno acabam
por ficar presos em mnimos locais. Como este mnimo local se encontra muito perto dos limites
inferiores de cada parmetro e os valores so gerados automaticamente, pode acontecer que
nenhum ponto tenha sido gerado suficientemente perto e por isso os resultados no so os
melhores. No se deve esquecer que esta zona, no limite da validade do modelo tem muito
mnimos dispersos ao longo dos diferentes parmetros e por isso uma zona de difcil
avaliao. Os algoritmos apresentam as mesmas relaes de tempo que as apresentadas para
a minimizao anterior e desta vez o mais rpido foi o que obteve melhores resultados. Por
ltimo apresentam-se os resultados obtidos para a maximizao da carga transportada.
Mtodo SQP Rosenborck Hooke Nelder
CC [/t] 10.026 10.1057 10.0259 10.1536
PL [t] 25 759 26 209.0167 25 758.7674 26 530.1051
CA [t] 1 039 267 1 037 374.3292 1 039 260.5577 1 034 000.3475
L [m] 274.32 274.3200 274.3199 274.2913
B [m] 45.72 45.7199 45.7199 45.7152
D [m] 24.76 25.9971 24.7635 27.1496
T [m] 18.03 17.9797 18.0343 17.9229
Cb 0.75 0.7500 0.7500 0.7459
V [kn] 18.00 17.9932 17.9999 17.9957
DWT [t] 148 123 147 143.5649 148 120.1508 145 294.5224
Pveio [kW] 32 377 32 261.0298 32 375.6503 31 796.5462
Tp (s) 2.01 4.2 7.53
Tabela 4.4 Comparao dos resultados obtidos para a maximizao da carga anual AL.
O algoritmo Hooke-Jeeves est muito perto do mnimo e a diferena de valores pode dever-se
a arredondamentos. Os outros dois algoritmos ficam distantes do ponto pretendido.
Dos trs algoritmos apresentados o que melhor comportamento apresentou o Hooke-Jeeves
que apesar de nunca atingir as solues ptimas exactas o que mais se aproxima nos trs
casos. Os outros dois acabam por ter comportamentos errantes ora tm um valor muito bom e
logo a seguir um muito mau.
Para os mtodos de optimizao global tentou-se executar o mesmo procedimento, mas como
os algoritmos de que se dispem esto preparados para multi-objectivo, os resultados no so
bons. Acredita-se que a qualidade dos resultados se deve principalmente s formas utilizadas
nestes algoritmos para conseguir a plenitude das superfcies de Pareto, mais especificamente
o crowding distance. O que acontece que estes mtodos obrigam os algoritmos a espalhar as
solues pela parede e no permitem que se concentrem para num ponto e obtenham a
soluo ptima.
Os parmetros utilizados para testar o NSGA-II foram obtidos em Sharma et al (2007), para o
MOPSO-CD Raquel & Naval (2005), para o MISA Coello & Cortz (2002). Os parmetros so
resumidos na tabela seguinte, em que P probabilidade, di a distribuio do ndice de

- 38 -
crossover, dim a distribuio do ndice de mutao e Sol. Arquivo o nmero de solues no
dominadas que se pretende armazenar.
Populao N Geraes P. Crossover P. Mutao di dim Sol. Arquivo
NSGA-II 100 1000 0.9 0.33 5 15
MOPSO-CD 100 1000 0.5 100
MISA 50000 0.8
Tabela 4.5 Parmetros dos algoritmos globais.
Na Tabela 4.6 so apresentados os resultados para o custo do transporte de carga. Como
possvel observar todos ficam bastante longe do mnimo. Os resultados obtidos mostram que
para um optimizao com um objectivo devem utilizar-se os mtodos de optimizao local com
mltiplos pontos de arranque.
CC [/t] L [m] B [m] D [m] T [m] Cb V [kn]
7.9900 232.1320 36.6840 19.9380 14.6540 0.6710 14.0000
8.1984 238.8993 36.5964 20.2644 14.4575 0.7428 14.0302
8.3278 225.0725 36.1684 17.0000 12.4955 0.6871 14.3474
Tabela 4.6 Resultados do algoritmos globais para o custo de transporte.
Os resultados seguintes so os encontrados para os trs objectivos ao mesmo tempo. Para os
algoritmos locais no possvel fazer a optimizao sem antes definir os pesos que cada
objectivo deve ter. Os pesos utilizados so [0.333, 0.333, 0.333], [0.4, 0.2, 0.4],[0.6, 0.2, 0.2] e
[0.2, 0.2, 0.6], em que o vector composto por [w
CC
, w
PL
, w
CA
]. Para se conseguir um s valor a
minimizar necessrio construir uma funo que dependa dos resultados obtidos para cada
soluo e dos pesos. Para o exemplo em questo a equao (20) toma a seguinte forma

( )
( ) ( ) ( )
267 039 1 3 . 240 5 972 . 7
) (
3 2 1
x f
w
x f
w
x f
w x f F
CA PL CC
+ + =
(26)
Na Tabela 4.7 apresentam-se os melhores resultados de cada um dos algoritmos, em que os
parmetros dos mtodos mantm-se inalterados.
Vector de pesos [0.333,0.333,0.333]
Mtodo SQP Rosenborck Hooke Nelder NSGA-II MOPSO
CC [/t] 9.474 9.1862 9.3790 9.3332 9.0467 9.3849
PL [t] 5 240.30 5 730.3711 5 343.5527 5 518.6064 6 760.4722 5 546.3682
CA [t] 386 500 387 978.3200 386 381.5805 387 090.1715 468 810.8450 397 892.7487
L [m] 150.73 162.5269 153.3458 158.3471 169.7770 155.4017
B [m] 25.12 26.8568 25.5487 25.4879 27.0720 25.8058
D [m] 13.84 13.8915 13.8361 13.8414 14.7510 13.9385
T [m] 10.39 10.3890 10.3852 10.3890 11.0240 10.9704
Cb 0.75 0.6611 0.7276 0.7101 0.7480 0.7373
V [kn] 14.00 14.0182 14.0004 14.0000 14.3860 14.0698
DWT [t] 25 000 24 998.3340 25 000.3945 24 999.7617 32 087.0977 25 883.0781
Pveio [kW] 5 018 3 916.0798 4 712.4111 4 451.0347 6 165.3726 5 005.3921
FOP 0.8526 0.8722 0.8551 0.8646 0.9577 0.8720
Tabela 4.7 Comparao dos resultados multiobjectivo com os pesos iguais.
Nenhum dos mtodos consegui igualar o resultado apresentado em Xeubin (2009), o mtodo
que consegui o melhor desempenho foi o de Hooke-Jeeves. Novamente os mtodos

- 39 -
multiobjectivo ficaram aqum dos melhores resultados. Entre este mtodos o MOPSO-CD foi o
que melhor se comportou e consegui igualar o mtodo de Rosenborck.
Vector de pesos [0.4,0.2,0.4]
Mtodo SQP Rosenborck Hooke Nelder NSGA-II MOPSO
CC [/t] 9.342 9.2563 9.3268 9.2178 9.8976 9.3200
PL [t] 5 385.50 6 116.5376 5 422.4521 5 593.2529 6 222.5703 5 628.7866
CA [t] 386 947 388 035.1774 387 033.6993 387 512.7990 457 865.3409 397 842.2862
L [m] 154.39 166.6534 155.2534 159.2689 159.7290 157.6780
B [m] 25.73 27.7534 25.8721 26.5417 16.5450 25.6824
D [m] 13.84 15.0399 13.8036 13.8700 14.5410 14.1106
T [m] 10.39 10.3890 10.3625 10.3899 10.8260 10.4561
Cb 0.72 0.6318 0.7131 0.6797 0.7470 0.7282
V [kn] 14.00 14.0024 14.0000 14.0004 15.6220 14.0009
DWT [t] 25 000 25 001.1719 25 001.2227 25 006.1016 28 923.6797 25 883.0781
Pveio [kW] 4 590 3 605.6824 4 521.0396 4 114.9004 8 511.1406 5 005.3921
FOP 0.8231 0.8472 0.8239 0.8251 0.9103 0.8356
Tabela 4.8 Comparao dos resultados multiobjectivo com os pesos [0.4, 0.2, 0.4]
Novamente o mtodo de Hooke-Jeeves obteve o melhor valor, muito perto do que
considerado mnimo. O mtodo de Nelder-Mead tambm ficou muito perto do valor que se
pretende. O de Rosemborck ficou novamente longe do objectivo e obteve um resultado pior
que o MOPSO-CD que voltou a ser o mtodo global que melhor cumpriu o objectivo.
Vector de pesos [0.6,0.2,0. 2]
Mtodo SQP Rosenborck Hooke Nelder NSGA-II MOPSO
CC [/t] 9.184 9.1178 9.1882 9.2270 8.9990 9.0461
PL [t] 5 657.50 5 818.8140 5 666.4092 5 564.6353 7 276.1634 6 081.3940
CA [t] 387 590 406 495.2195 387 599.3657 388 623.4802 513 602.1627 432 215.4910
L [m] 160.88 160.7575 155.2534 158.4512 171.1980 161.0240
B [m] 26.81 26.7257 25.8721 26.4065 28.3830 26.7639
D [m] 13.84 14.1261 13.8036 13.8610 15.5210 14.6603
T [m] 10.39 10.5883 10.3625 10.4027 11.5530 10.8848
Cb 0.68 0.6973 0.7131 0.6876 0.7480 0.7317
V [kn] 14.00 14.0189 14.0000 14.0000 14.9000 14.0440
DWT [t] 25 000 26 695.1641 24 999.8906 25 006.1016 35 764.2969 29 100.3516
Pveio [kW] 4 146 4 486.3672 3 972.5833 4 114.9004 7 603.8379 5 180.7207
FOP 0.9816 0.9865 0.9824 0.9816 1.0538 0.9961
Tabela 4.9 Comparao dos resultados multiobjectivos com os pesos [0.6, 0.2, 0.2]
Com o vector de pesos [0.6, 0.2, 0.2] os optimizadores locais posicionaram-se todos perto do
objectivo, no entanto o algoritmo de Nelder & Mead conseguiu encontrar o mnimo da funo
se bem que com valores diferentes nos atributos (CC, PL, CA). Novamente os algoritmos de
optimizao global ficaram longe dos objectivos propostos.
Para a distribuio dos pesos apresentada na Tabela 4.10 o mnimo da funo foi encontrado
utilizando o algoritmo MIGA, por Hiroyasu et al (2002). Novamente foi o algoritmo proposto por
Hooke & Jeeves que mais se aproximou do valor desejado, ultrapassou inclusive o algoritmo
SQP utilizado por Xuebin (2009), que para o valor da funo, com esta distribuio de pesos

- 40 -
obteve 0.6694. Dos mtodos de procura local, o de Rosemborck voltou a apresentar o pior
comportamento e nos globais o MOPSO-CD voltou a mostrar-se mais eficaz que o NSGA-II.
Vector de pesos [0.2,0.2,0.6]
Mtodo MIGA Rosenborck Hooke Nelder NSGA-II MOPSO
CC [/t] 9.473 9.1178 9.4264 9.3821 9.8976 9.4891
PL [t] 5 247.94 5 818.8140 5 434.2500 5 559.4014 6 222.5703 5 497.4063
CA [t] 386 760 406 495.2195 386 812.2747 387 005.1466 457 865.3409 392 258.0079
L [m] 150.88 160.7575 155.1608 159.3791 159.7290 155.8400
B [m] 25.12 26.7257 25.8573 25.2331 26.5450 25.6510
D [m] 13.84 14.1261 13.4884 13.8270 14.5410 13.6521
T [m] 10.39 10.5883 10.1419 10.3391 10.8260 10.2140
Cb 0.75 0.6973 0.7297 0.7170 0.7470 0.7336
V [kn] 14.00 14.0189 14.0002 14.0001 15.6220 14.1810
DWT [t] 25 022 26 695.1641 24 999.3086 24 998.2227 35 764.2969 25 204.2813
Pveio [kW] 5 018 4 486.3672 4 715.3398 4 517.2549 7 603.8379 5 036.7349
FOP 0.6612 0.6855 0.6672 0.6710 0.7501 0.6743
Tabela 4.10 Comparao dos resultados multiobjectivos com os pesos [0.2, 0.2, 0.6]
Em Xuebin (2009) os resultados das optimizaes para mtodos de procura directa so
comparados com os multi-objectivos de raiz e o autor conclui que os mtodos de procura
directa no so bons para optimizaes de mais que um objectivo. No entanto existe um erro
na formulao da equao (26), quando se pretende maximizar uma funo, como o caso em
estudo, necessrio inverter a fraco correspondente. Reescrevendo a equao (26), vem

( )
( ) ( )
( ) x f
w
x f
w
x f
w x f F
CA PL CC
3
2 1
267 039 1
3 . 240 5 972 . 7
) ( + + =
(27)
Se a equao no for escrita na forma apresentada o que acontece que o algoritmo ter a
tendncia de minimizar todos os objectivos e no de minimizar os dois primeiros e maximizar o
ultimo. A explicao simples, o algoritmo pretende minimizar o valor da equao (26), para o
primeiro e segundo objectivos todos os valores so superiores aos que se apresentam no
denominador, pelo que os seus valores no limite tendem para 1 por valores superiores. O
resultado da razo s 1 quando o denominador e numerador so iguais e indica que se
atingiu o valor ptimo. Quando se pretende maximizar um objectivo, todos os valores so
menores que o valor do denominador, por isso a razo entre uma soluo n e o valor mximo
sempre menor que 1, ou seja, a razo tende para 1 mas por valores inferiores a 1. Assim
quando o optimizador tentar encontrar o mnimo da equao (26) a tendncia para ir buscar
valores cada vez menores dos trs objectivos e no valores menores dos dois primeiros
objectivos e valores maiores do terceiro objectivo (o que se pretende maximizar). Olhando para
os resultados apresentados Tabela 4.7, Tabela 4.8, Tabela 4.9 e Tabela 4.10 pode observar-se
que a funo objectivo no pode estar bem construda uma vez que nenhum dos resultados
exibe um resultados de carga anual transportada alto. Ao contrrio do que seria de esperar, na
Tabela 4.10 em que o peso da carga anual transportada maior, os algoritmos que devolvem
uma soluo com maior volume de transporte de carga anual so os que obtm pior resultado,
valores da funo objectivo mais altos. Para termo de comparao entre algoritmos a funo

- 41 -
apresentada na equao (26) pode ser utilizada mas tem que se ter noo que se est a tentar
minimizar os trs objectivos e que os resultados no so os que se pretendiam.
Uma forma de provar o que foi dito no pargrafo anterior maximizar a carga anual atravs
das duas verses da equao (20), a utilizada em inmeros artigos (Xuebin, 2009; Hart &
Vlapholous, 2009; Parsons & Scott, 2004) e atravs da funo proposta nesta tese. Se os
pesos dos outros objectivos tenderem para 0, o peso da carga anual tende para 1, porque a
soma dos pesos tem que ser 1. As equaes tomam ento as seguintes formas

( )
( )
1 ,
267 039 1
) (
3
= =
CA CA
w com
x f
w x f F
(28)

( )
( )
1 ,
267 039 1
) (
3
= =
CA CA
w com
x f
w x f F
(29)
Na Tabela 4.11 so apresentados os resultados das equaes (28) e (29) para os trs
algoritmos locais utilizados. Os resultados mostram claramente que utilizando a equao (28)
minimiza-se o objectivo e utilizando a equao (29) maximiza-se como se pretende. Assim
deve utilizar-se a equao (27) e no a equao (26) para comparar os resultados dos
mtodos locais com os mtodos globais. O facto de utilizar a equao (26) para comparar os
algoritmos locais entre eles no muito grave, porque todos os algoritmos procedem
minimizao de todos os objectivos. Seria mais interessante que os algoritmos tivessem que
minimizar e maximizar objectivos na mesma optimizao. No entanto quando se comparam os
resultados obtidos com algoritmos locais, atravs da equao (26) com algoritmos globais onde
possvel definir para cada objectivo se este deve ser minimizado ou maximizado, j no a
mesma coisa.

Equao (28) Equao (29)
Mtodo Rosenborck Hooke Nelder Rosenborck Hooke Nelder
CC [/t] 9.4493 9.6593 9.6265 9.9736 10.0258 10.1725
PL [t] 6 007.1616 6 246.6753 6 567.6147 25 481.4492 25 758.2363 26 607.2363
CA [t] 387 359.7281 387 256.9873 387 551.7091 1 031 460.0104 1 039 247.5449 1 035 821.3138
L [m] 167.7588 164.8020 179.1329 274.3200 274.3197 274.3200
B [m] 25.1333 26.8282 25.7336 45.7200 45.7198 45.7176
D [m] 14.6920 15.4868 14.1162 24.1922 24.7625 27.1254
T [m] 10.3442 9.8768 9.7963 17.6345 18.0337 17.9437
Cb 0.6936 0.6981 0.6820 0.7499 0.7500 0.7500
V [kn] 14.0001 14.0002 14.0000 17.9146 17.9997 17.9816
DWT [t] 2 500.1934 2 500.5703 2 500.3242 144 520.5625 148 114.4219 146 389.5625
Pveio [kW] 4 199.7573 4 303.9883 4 015.6990 31 271.7344 32 373.4082 32 131.8867
FOP 0.3727 0.3726 0.3729 1.0076 1.0000 1.0033
Tabela 4.11 Comparao das funes de objectivos ponderados, com w
ca
= 1
Na Tabela 4.12 so apresentados os resultados obtidos para os algoritmos locais, atravs da
funo de objectivos ponderados, apresentada na equao (27). Para que possa existir uma
comparao este sero comparados com os resultados obtidos em Xuebin (2009), com um
algoritmo MOGA. Comparar estes dois resultados no muito correcto, porque so obtidos por
metodologias diferentes, nos apresentados em Xuebin (2009) os pesos so calculados pelo

- 42 -
mtodo da entropia e posteriormente escolhida a soluo ptima atravs da metodologia
TOPSIS. Como j foi referido os mtodos locais quando aplicados em optimizaes multi-
objectivos devolvem uma soluo ptima pelo que no podem ser trabalhados da mesma
forma que foram os anteriores. Utilizando as equaes (26) e (27) possvel construir uma
funo de objectivos ponderados com os pesos obtidos por Xuebin, em que o vector de pesos
[0.33226; 0.32969; 0.33805].

Equao (26) Equao (27)
Mtodo MOGA Rosenborck Hooke Nelder MOGA Rosenborck Hooke Nelder
CC [/t]
7.9888 9.3110
9.3713 9.6265
7.9888
8.6488 8.5140 8.6827
PL [t]
13 666 5 560.9941
5 368.5034 6 567.6147
13 666
9 215.9160 8 170.7188 8 318.9561
CA [t]
749 000 388 100.0305
386 904.1173 387 551.7091
749 000
598 811.9362 556 768.8340 568 789.2869
L [m]
221.33 157.2906
154.0748 179.1329
221.33
190.8367 179.1223 180.0142
B [m]
36.56 26.2151
25.5257 25.7336
36.56
31.8060 29.8532 30.0024
D [m]
19.88 14.1678
13.8422 14.1162
19.88
16.5957 16.4289 16.4122
T [m]
14.56 10.3890
10.3893 9.7963
14.56
12.3161 12.1999 12.1875
Cb
0.729 0.6961
0.7252 0.6820
0.729
0.7019 0.7500 0.7500
V [kn]
14.00 14.0463
14.0001 14.0000
14.00
15.4038 14.3683 14.8405
DWT [t]
74 370 25 000.9453
25 003.7637 2 500.3242
74 370
44 566.8672 41 980.5508 42 282.4414
Pveio [kW]
8 107 4 371.3032
4 674.5532 4 015.6990
8 107
8 491.6191 7 094.0479 8 126.8130
FOP
1.4364 0.8642 0.8542 0.9405 1.6618 1.5270 1.4999 1.5029
Tabela 4.12 Comparao de resultados obtidos com funes objectivo ponderadas geradas pelas equaes
(26) e (27), com os resultados obtidos com o MOGA.
Os resultados apresentados na tabela anterior deixam claro que se for utilizada a equao (26)
para comparar os mtodos de procura local com os mtodos globais, se existirem objectivos a
ser maximizados e minimizados, os resultados so desastrosos. Por outro lado se for utilizada
a equao (27) a soluo ptima melhor, mas como os mtodos de anlise so diferentes
(objectivos ponderados e TOPSIS) os resultados no devem ser comparados directamente.
Para comparar os mtodos directamente a nica soluo era ter acesso aos resultados
gerados pelo MOGA e aplicar o mesmo mtodo que aplicado para os algoritmos locais.
O mtodo de Rosemborck foi o que pior comportamento demonstrou ao longo de todas as
experienciais feitas. Salvo a optimizao do peso leve (Tabela 4.3), em que foi o melhor, andou
sempre atrs dos dois outros algoritmo apresentados. importante ressaltar que todos os
mtodos de procura local recebem os mesmos pontos iniciais, isto , os pontos so gerados
para todos os mtodos ao mesmo tempo por isso tm todos os mesmos pontos de partida.
O mtodo de Hooke-Jeeves foi o mtodo que melhor comportamento apresentou, conseguindo
sempre boas aproximaes dos mnimos ou mximos que se pretendiam, no entanto nunca
atingido o valor exacto. Os resultados mostram que se no existir um mtodo que seja eficaz
este pode ser utilizado para aproximar o mnimo, contudo deve manter-se presente que existe
uma grande probabilidade de o valor obtido no ser o mnimo.
O algoritmo de Nelder-Mead apresentou resultados curiosos, existe uma tendncia para
encontrar os mnimos que esto relacionados com o custo de transporte. A nica explicao
que se encontra para esta tendncia tem a ver com os pontos iniciais (Tabela 4.1). Do ponto 1

- 43 -
ao 4 so solues com valores de custo de transporte baixo e pensa-se que esses so os
valores que esto a influenciar positivamente os resultados. Se esta premissa for verdadeira,
para que este algoritmo funcione bem, s necessrio que os pontos iniciais se encontrem
perto do mnimo. Este pontos iniciais podem ser conseguidos de duas formas, atravs dos
resultados do mtodo de Hooke-Jeeves que j mostrou aproximar-se sempre bastante dos
mnimos ou atravs de um algoritmo global, mais a frente neste captulo estas hipteses sero
testadas. A avaliar pelos pontos iniciais apresentados, no necessrio que todos os pontos
se encontrem dentro do domnio, nem perto do mnimo, porque pelo menos o ponto 5 e 6 no
so solues que respeitem as restries do problema.
O algoritmo NSGA-II apesar de muito boas crticas na bibliografia consultada, obteve um
comportamento muito abaixo do desejado. Obteve um comportamento razovel nas
optimizaes de um s objectivo, mas nos multiobjectivo ficou a desejar.
O MOPSO-CD foi o algoritmo global que melhor se comportou, no entanto andou quase
sempre longe dos objectivos e em raros casos conseguiu comportar-se melhor que os
algoritmos de procura local. Como dos dois algoritmos desta categoria, foi o que apresentou
melhores resultados o escolhido para produzir pontos iniciais para os optimizadores locais.
Utilizar um algoritmo de optimizao global para gerar pontos iniciais para algoritmos de
optimizao local foi uma das apostas da optimizao durante os anos 90 (Ray & Sha, 1995,
Lee 1999). Sendo os resultados dos optimizadores globais, que foi possvel avaliar, mau
decidiu-se tentar esta abordagem para conseguir encontrar os mnimos.
O MISA foi abandonado por causa dos seus resultados e porque a verso de que se dispem
est limitada a 2 objectivos.
Os mtodos de optimizao multiobjectivo de raiz devolvem paredes de Pareto e sobre estas
paredes que se aplicam os mtodos de apoio deciso. So apresentadas as paredes
formadas pelos dois mtodos (MOPSO-CD e NSGA-II) na optimizao do problema com 3
objectivos, maximizar a carga anual transportada e minimizar custo da carga e o peso leve.

NSGA-II MOPSO-CD
Figura 4.1 Paredes de Pareto para a carga anual versus custo.

- 44 -
A utilizao dos mtodos de multi-objectivos de raiz gera paredes de Pareto. As paredes de
Pareto pretendem ser todas as solues com a mesma qualidade relativamente aos objectivos.
Para o problema que tem vindo a ser discutido so agora apresentadas as respectivas paredes
de Pareto para os diferentes objectivos.
Na Figura 4.1, o custo de transporte de carga minimizado e a carga anual maximizada. A
definio da parede muito mais explcita nos resultados do MOPSO-CD, existe uma maior
concentrao de pontos perto da linha imaginria que define a parede e a sua extenso da
tambm maior. A nuvem gerada pelo MOPSO-CD tende para uma linha com maior extenso
e com mais hipteses de soluo, principalmente admite mais solues na zona de menores
valores para a carga anual e para menores custos de transporte. Por outro lado os resultados
do NSGA-II parecem formar uma superfcie de Pareto (no-dominadas), onde possvel
perceber os limites desta. Os resultados do NSGA-II para as paredes observadas na Figura 4.1
parecem melhores uma vez que possvel encontrar pontos com menor custo para uma maior
carga anual transportada. A nuvem gerada pelo NSGA-II apresenta uma melhor definio da
zona que se pretende, maiores valores de carga anual e toda a gama de custo possveis.
Na Figura 4.2, so apresentadas as paredes de Pareto para os objectivos, peso leve e custo de
transporte, em que se pretende o minimizar ambos. A tendncia das nuvens de pontos
mantm-se igual s da Figura 4.1, o MOPSO apresenta uma nuvem mais condensada e
encostada a parede de Pareto e o NSGA-II uma nuvem mais dispersa, com os limites da
superfcie de Pareto bem definidas. Neste caso a parede de Pareto gerada pelo MOPSO-CD
parece bem mais vantajosa, uma vez que os pontos se concentram na zona em que os custos
e o peso leve so mnimos. A gerada pelo NSGA-II apresenta uma clareira na zona onde se
devia encontrar a maior concentrao.

NSGA-II MOPSO-CD
Figura 4.2 Paredes de Pareto para o peso leve versus custo

- 45 -
No caso apresentado na Figura 4.3, parece no existirem muitas dvidas de onde se encontra
a parede de Pareto e as duas nuvens de pontos geradas so idnticas. Os resultados do
algoritmo MOPSO-CD so considerados melhores porque a extenso da curva maior.

NSGA-II MOPSO-CD
Figura 4.3 Paredes de Pareto para o peso leve versus carga anual
Todos os resultados at aqui apresentados foram conseguidos atravs do mtodo de objectivo
ponderados, isto , utilizando matrizes de deciso e aplicando as equaes (26) ou (27).
necessrio perceber como se comportam os algoritmos com o mtodo de TOPSIS associado
ao mtodo de objectivos ponderados e ao mtodo de entropia, bem como o mtodo da entropia
com a equao (26). Os resultados so apresentados na Tabela 4.13, desta foram excludos os
mtodos de procura local porque os resultados destes no podem ser trabalhados atravs do
mtodo de entropia nem com a metodologia TOPSIS. A linha da Tabela 4.13 FOP serve para
medir a qualidade das solues, em todos os testes apresentados o algoritmo MOPSO-CD
obteve melhores resultados.
Entropia - TOPSIS Obj. Ponderados - TOPSIS Entropia - equao (26)
Mtodo MOPSO-CD NSGA-II MOPSO-CD NSGA-II MOPSO-CD NSGA-II
CC [t/$] 9.8377 9.9611 8.8481 8.4889 9.6640 10.1714
PL [t] 6 112.4517 6 984.3174 9 041.2441 10 188.9707 5 497.8730 6 485.8066
CA [t] 447 153.3418 507 901.2006 604 037.1601 647 486.4277 398 692.8125 476 983.8349
L [m] 159.6104 166.2860 185.9015 194.9600 154.9043 161.4650
B [m] 26.4071 27.6670 30.8858 32.1990 25.5156 26.9100
D [m] 14.5056 15.1160 16.9054 17.9880 13.8850 14.6430
T [m] 10.7565 11.2730 12.4067 13.0390 10.3329 10.9250
Cb 0.7347 0.7470 0.7415 0.7480 0.7300 0.7480
V [kn] 15.5489 16.9550 15.4947 14.9810 14.6518 16.1460
DWT [t] 28 029.3809 32 725.8477 45 100.6016 52 567.3828 25 061.0625 29 908.9668
Pveio [kW] 7 901.1880 10 661.7207 9 783.7354 9 290.2109 5 722.7451 10 055.2393
FOP 0.8333 0.8592 0.6659 0.6718 0.8764 1.0620
wCC 0.0112 0.0448 0.3333 0.3333 0.0112 0.0448
wPL 0.7265 0.7278 0.3333 0.3333 0.7265 0.7278
wCA 0.2623 0.2274 0.3333 0.3333 0.2623 0.2274
Tabela 4.13 Comparao dos mtodos de apoio deciso

- 46 -
4.2. Processo Proposto
A comparao de resultados com Xuebin (2009) revelou a incapacidade de todos os algoritmos
testados para encontrar os mnimos conhecidos destas funes. A soluo deve passar por
tentar integrar dois algoritmos para que em conjunto consigam atingir os objectivos. O que se
pretende com a utilizao de dois algoritmos que o primeiro faa um rastreio da localizao
de possveis mnimos e que o segundo sendo-lhe dado um ponto inicial perto do mnimo, o
encontre. Analisando os resultados anteriores conclui-se que h trs hipteses que merecem
ser estudados:
O MOPSO-CD que foi includo nesta lista por ter revelado melhores resultados que o
NSGA-II. Juntar um optimizador global com um local uma ideia que j foi explorada e
com bons resultados, pelo que se acredita que esta poder ser uma boa hiptese. Este
optimizador vai ser utilizado sempre como primeiro optimizador dada a sua
incapacidade de encontrar mnimos, j demonstrada.
O Hooke-Jeeves foi o algoritmo que apresentou mais regular, que consegui estar
sempre mais prximo dos objectivos, apesar de nunca os ter atingido. Este algoritmo
ser utilizado como primeiro e segundo algoritmo. Como segundo algoritmo utilizar os
pontos encontrados pelo MOPSO-CD como pontos de partida para atingir o objectivo.
Apesar de ser testada esta soluo esta ser sempre uma soluo de recurso porque o
algoritmo provou que no consegue encontrar o mnimo da funo. Para ser utilizado
como segundo algoritmo necessrio impor-lhe um passo pequeno porque de outra
forma todos os valores que vai testar so piores que o ponto inicial, e ou devolve o
ponto inicial ou no converge. Como primeiro optimizador vai encontrar pontos perto
dos diferentes mnimos da funo que sero depois utilizados pelo Nelder-Mead.
O Nelder-Mead vai ser utilizado s como segundo optimizador porque este foi o nico
que encontrou um mnimo da funo. Este mtodo necessita, no caso em estudo, de 7
pontos inicias. Como um segundo optimizador os pontos que vai receber j sofreram
uma optimizao e por isso j podem ser ordenados consoante o seu valor na funo.
Para optimizar o primeiro ponto, o mtodo receber esse ponto e os seis seguintes,
este processo repete-se at ao ponto n-7. Com este procedimento os 7 pontos iniciais,
encontram-se em torno do mnimo e devem permitir encontr-lo.
Foram formadas trs duplas de algoritmos MOPSO-CD com Hooke-Jeeves, MOPSO-CD com o
Nelder-Mead e por fim Hooke-Jeeves com o Nelder-Mead. A anlise dos resultados mostrou
que o mtodo de Hooke-Jeeves seguido do mtodo de Nelder-Mead uma soluo muito boa,
como possvel constatar nos resultados apresentados acima. O insucesso das outras duas
duplas de optimizadores deve-se no primeiro caso, MOPSO-CD mais Hooke-Jeeves,
incapacidade do segundo de encontrar os mnimos exactos da funo, os resultados so muito
parecidos com os obtidos utilizando s o Hooke-Jeeves. No segundo caso, MOPSO-CD mais
Nelder-Mead, pensa-se que no foram apresentadas melhorias porque o mtodo de Nelder-

- 47 -
Mead tem que receber parte dos pontos iniciais realmente prximos do mnimo. Os resultados
obtidos pelos dois mtodos preteridos so apresentados no anexo C deste documento.

Custo do transporte Peso Leve Carga anual transportada

SQP HN SQP HN SQP HN
CC [t/$] 7.972 7.9723 9.474 9.4745 10.026 10.0259
PL [t] 13 718 13 720.4668 5 240.3 5 240.4160 25 759 25 758.8848
CA [t] 749 689 749 720.3653 386 500 386 504.4386 1 039 267 1 039 264.5763
L [m] 221.83 221.8665 150.73 150.7273 274.32 274.3199
B [m] 36.97 36.9777 25.12 25.1212 45.72 45.7200
D [m] 19.82 19.8207 13.84 13.8415 24.76 24.7636
T [m] 14.57 14.5744 10.39 10.3890 18.03 18.0345
Cb 0.72 0.7199 0.75 0.7500 0.75 0.7500
V [kn] 14.00 14.0000 14.00 14.0001 18.00 17.9999
DWT [t] 74 504 74 509.9531 25 000 25 000.2363 148 123 148 122.3594
Pveio [kW] 7 968 7 966.0117 5 018 5 017.7534 32 377 32 375.9375
Tabela 4.14 Comparao do algoritmo proposto para objectivos simples
Na Tabela 4.14 possvel ver a comparao de resultados para um objectivo entre o mtodo
proposto por Xeubin e Hooke-Jeeves seguido Nelder-Mead (HN), este dados foram obtidos
com uma s corrida de 500 pontos. Para todos os casos o HN aproxima-se com muita preciso
dos mnimos a atingir. No custo de transporte da carga, se o valor for arredondado a casa dos
milhares o valor exactamente igual. Olhando para as dimenses principais e os outros valores
apresentados, percebe-se que o valor encontrado pelo HN mais baixo, porque a quantidade
de carga transportada maior e a potncia ao veio menor, o que implica custos mais baixos
com combustvel. Para o peso leve e para a carga anual transportada pode observar-se que se
os valores dos parmetros de optimizao forem arredondados este so exactamente iguais
aos de Xeubin. Na optimizao com um objectivo este algoritmo tem um comportamento muito
bom, atingiu todos os mnimos.
[0.333, 0.333, 0.333] [0.4, 0.2, 0.4] [0.6, 0.2, 0.2] [0.2, 0.2, 0.6]
Mtodo SQP NH SQP NH SQP NH MIGA NH
CC [t/$] 9.474 9.4746 9.3416 9.3466 9.1836 9.2224 9.4727 9.4747
PL [t] 5 240.3 5 240.6807 5 385.5 5 379.4438 5 657.5 5 572.7285 5 247.9 5 240.5000
CA [t] 386 500 386 512.7028 386 947 386 949.6856 387 590 387 433.3337 386 760 386 501.1597
L [m] 150.73 150.7316 154.39 154.2359 160.88 158.8981 150.88 150.7302
B [m] 25.12 25.1219 25.73 25.7058 26.81 26.4830 25.12 25.1206
D [m] 13.84 13.8411 13.84 13.8416 13.84 13.8415 13.84 13.8416
T [m] 10.39 10.3887 10.39 10.3890 10.39 10.3890 10.39 10.3890
Cb 0.75 0.7500 0.718 0.7196 0.684 0.6823 0.75 0.7500
V [kn] 14.00 14.0002 14.00 14.0002 14.00 14.0000 14.00 14.0002
DWT [t] 25 000 25 000.8046 25 000 25 001.7871 25 000 25 001.7344 25 022 25 000.0117
Pveio [kW] 5 018 5 017.9097 4 590 4 607.5327 4 146 4 144.4189 5 018 5 017.8301
FOP 0.8526 0.8526 0.8231 0.8232 0.9816 0.9814 0.6612 0.6608
Tabela 4.15 Comparao do algoritmo proposto para multiobjectivo
Na Tabela 4.15 pode observar-se o comportamento do algoritmo proposto, lado a lado com os
mesmos valores que tm servido de termo de comparao. Todos os dados apresentados
nesta tabela so tirados numa s corrida com 500 pontos de arranque. Os resultados esto

- 48 -
equiparveis aos melhores valores. Os resultados com o vector de pesos [0.4, 0.2, 0.4] tm
uma diferena na casa das dezenas de milhar, para pior. Para compensar para os vectores de
pesos [0.6, 0.2, 0.2] e [0.2, 0.2, 0.6] os resultados so ligeiramente melhores que os
encontrados at agora, o ltimo vector de pesos est comparado com Hiroyasu et al. (2002),
porque este o melhor valor. Com o mtodo utilizado por Xuebin (2009) o valor encontrado foi
0.6694.
O algoritmo escolhido para proceder s optimizaes do modelo de navios porta-contentores
a juno do Hooke-Jeeves com o Nelder-Mead. Estes dois algoritmos so de procura directa,
ou seja, optimizadores locais que no suportam restries. A soluo para ultrapassar este
problema criar o modelo de maneira a que as restries que se pretende, sejam
incorporadas. Uma hiptese criar, tal como apresentado na seco 3.2, uma subrotina no fim
do modelo que verifica se as restries so violadas ou no. Para que os optimizadores no
violem as restries, basta que se estas forem violadas enviar para o optimizador um valor alto
(se a minimizar) ou baixo (se a maximizar). A funo objectivo acaba por se tornar uma funo
definida por ramos, em que cada ramo representa uma restrio. Os resultados destes dois
algoritmos esto provados para valores adimensionalizados, com valores no adimensionais
podem surgir problemas, principalmente por causa da forma como calculado o comprimento
do passo no Hooke-Jeeves.
Na primeira corrida que se efectuo com o modelo e algoritmo proposto percebeu-se que os
tempos de computao eram muito maiores que os esperados, cerca de 34 horas. Quando o
algoritmo ligado ao modelo de graneleiros (Xuebin, 2009) conclua todos os clculos em cerca
de 4 segundos. A diferena deve-se quantidade de clculos que so necessrios para
concluir uma iterao, pode perceber-se a simplicidade do modelo apresentado por Xuebin na
descrio do modelo que segue em anexo. Para tentar reduzir os tempos de computao
foram feitas experiencias para perceber quais os factores que mais influenciam o tempo de
computao e as perdas de qualidade nas solues. Nenhum dos factores revelou uma
reduo significativa no tempo de computao, demonstrando que o problema no est nos
parmetros do algoritmo proposto, mas no modelo criado. Este assunto discutido no inicio do
captulo 6. Os resultados das experiencias so apresentadas no anexo D desta tese.


- 49 -
5. Modelo de Clculo
A construo de um modelo para o dimensionamento inicial de navios que tem por objectivo
reproduzir a realidade que sempre complexa porque nem sempre so seguidas as mesmas
linhas de concepo. A realidade muito distinta e faz com que seja complicada a sua
reproduo. A estatstica uma grande ajuda porque permite encontrar valores mdios e
construir frmulas empricas tendem a minorar os erros. No entanto, construir modelos deste
gnero com pouca informao sempre um grande risco, porque pode no se conseguir
reproduzir toda a realidade mas sim uma pequena parte dela.

Figura 5.1 Fluxograma do modelo
No segundo quartel do sculo passado era comum publicar-se estudos, elaborados com
grandes bases de dados, das quais resultam frmulas para serem utilizadas no projecto de
navios. Alguns desses estudos continuam nos dias de hoje a ser amplamente utilizados, o caso
Coeficientes e
Estabilidade
Resistncia
Propulsiva
Bolbo de Proa
Hlice
Potencia
Propulsiva
Mquina
Principal
Volumes e
Capacidades






















Dimenses
Principais
Viagem
Clculo dos
Pesos
Anlise
Econmica
Bordo Livre
Grava
Resultados
Contentores no
Convs

Contentores
nos Pores
Volumes do
Casco

Ponte de
comando


- 50 -
do mtodo de Holtrop & Mennem (1984), outros devido a profundas mudanas no projecto dos
navios caram em desuso por se verificar que j no correspondem realidade. Muitas vezes
so utilizadas as metodologias, mas os parmetros das regresses so alterados, o que s
possvel se se dispuser de uma base de dados actualizada e de dimenses considerveis.
Para o modelo que aqui se apresenta tentou-se sempre que possvel no alterar as frmulas,
porque a base de dados no permite ter certezas sobre a reduo dos erros.
O captulo incidir principalmente sobre as subrotinas ligadas resistncia e potncia
propulsivas e sobre os volumes e capacidades, porque estas foram as reas em que se
acrescentaram ou modificaram processos. Desde da segunda subrotina apresentada na Figura
5.1 at stima. As explicaes e frmulas utilizadas nas outras subrotinas so apresentadas
no anexo A.
Porque este modelo construdo com frmulas empricas difcil perceber como que os
parmetros vo influenciar a resistncia ou a capacidade de contentores, para colmatar essa
falta de informao so apresentados grficos. A Tabela 5.1 apresenta os intervalos pelos
quais foram adimensionalizadas as variveis de projecto nos grficos apresentados ao longo
do captulo.
Mximo Mnimo
Lpp 190 120
B 29 21
T 12 7
Cb 0.8 0.5
V 24 16
Tabela 5.1 Valores de adimensionalizao das variaveis de projecto
5.1. Dimenses Principais
A escolha das dimenses principais do navio um dos passos mais importantes do seu
dimensionamento inicial, pois estas vo afectar todos os parmetros. Num navio de massa a
escolha das dimenses principais influenciada simplesmente pela sua capacidade de carga.
Nos navios porta-contentores a escolha do comprimento, boca ou pontal est ligada ao nmero
de contentores que estivado em cada uma das direces. Por isso inevitvel ter em conta o
nmero de pores e o seu comprimento no comprimento total do navio, tal como inevitvel
que a boca e o pontal sejam um mltiplo das dimenses dos contentores.
A abordagem referida no pargrafo anterior no nica e alguns modelos mais simples
calculam o espao de carga, nos navio porta-contentores, como nos navio de massa, ou seja,
como um volume. Nestes casos encontram-se frequentemente problemas com a estiva dos
contentores, embora o volume para determinado nmero de contentores esteja correcto, pode
no ser possvel distribu-los dentro do volume, porque no foi tida em conta a sua forma.

- 51 -
5.1.1. Comprimento do Navio
A distribuio dos pores para contentores ao longo do comprimento do navio pode ser feita de
diferentes modos e como a escolha desse arranjo pode ser muita vasta, convm limitar o tipo
de arranjo. Tipicamente, distribudos pelo comprimento do navio, existem pores duplos, para
quatro TEUS ou dois FEUS. Nas extremidades podem existir pores de dois TEUS ou um FEU,
dependendo do comprimento do navio, identificado por pocket hold.

Figura 5.2 Tipo de arranjo dos pores de carga
5.1.2. Boca
A boca do navio deve ser um mltiplo da largura de um contentor (8 feet ou 2.4 metros). Por
norma a boca calculada para que seja possvel arrumar mais dois contentores no convs que
nos pores, espaos que correspondem aos tanques laterais. Contudo por causa da
resistncia ou da estabilidade pode ser vantajoso que a boca no seja exactamente um
mltiplo da largura do contentor e por isso foi escolhida como varivel de projecto.

Figura 5.3 Configurao da boca do navio
Na Figura 5.3 Ba representa largura reservada para estruturas e tanques de lastro, que muito
prxima da largura de um contentor.

- 52 -
5.1.3. Calado
O calado do navio deve satisfazer em conjunto com a boca, comprimento e o coeficiente de
bloco um deslocamento igual soma dos pesos do navio. No caso do navio em estudo no
devem existir problemas de com o bordo livre mnimo imposto pela ILLC, contudo esta uma
das restries qual o calado deve obedecer.
5.1.4. Pontal
O pontal deve ser mltiplo do nmero de contentores empilhados dentro dos pores qual
deve ser somada a altura mnima do duplo fundo, calculada de modo a satisfazer as regras da
IMO. Assim o pontal deve ser dado pela altura do duplo fundo (H
df
) qual somada a altura de
um contentor (D
Co
) vezes o nmero de camadas estivadas no convs (N
CA
) e por ltimo soma-
se a espessura da escotilha (E
convs
). Para a espessura admitiu-se 10 cm.

convs Co CA df
E D N H D + =
(30)
em que Hdf dado pela equao (31) de acordo com as regras da DNV

T B H
df
+ + = 50 20 250
(31)

Figura 5.4 Configurao do pontal.
5.2. Resistncia Propulsiva
A previso de resistncia propulsiva neste modelo de clculo feita recorrendo ao mtodo
apresentado em Holtrop & Mennem (1984). Este mtodo amplamente utilizado na previso
de resistncia total propulsiva e geralmente com bons resultados.
Na previso de resistncia do navio o comprimento mais importante no o comprimento entre
perpendiculares (L
PP
) mas sim o comprimento da linha de gua (L
LA
). Para os clculos neste
modelo como no possvel determinar o parmetro com certeza admite-se que este 103% do
comprimento entre perpendiculares. Para efeitos de simplificao, assumido que nenhum
navio tem caimento.

- 53 -
O mtodo escolhido para o clculo da resistncia foi conseguido atravs de regresses, sobre
dados de vrios navios, pelo que exige a determinao de parmetros que no tm qualquer
sentido fsico e torna complicado a percepo do que acontece quando se fazem variar as
dimenses principais. Para tornar mais claro como influenciada a resistncia pelas variveis
de projecto apresentam-se graficamente os dados obtidos para um determinado nmero de
pontos, nos intervalos de trabalho.
Influencia das dimenses principais na resistncia
400
600
800
1000
1200
1400
1600
1800
2000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
R
e
s
i
s
t

n
c
i
a

[
k
N
]

B T Lpp Cb Vel

Figura 5.5 Influencia das dimenses principais no clculo da resistncia do navio.
Os valores do grfico foram adimensionalizados para ser possvel colocar os valores todos no
mesmo grfico. A variao de cada dimenso foi feita com as outras fixas no valor mdio
encontrado atravs base de dados. Na Figura 5.5 pode observar-se que a curva da velocidade
a esperada e se depender s deste factor os navios deslocar-se-o todos menor velocidade
possvel. Para o coeficiente de finura total a resistncia tambm cresce com o crescimento
deste e por isso a tendncia ser sempre que o coeficiente de finura seja o menor possvel.. O
crescimento do comprimento diminui a resistncia de uma forma quadrtica e a resistncia
cresce com o crescimento do calado e a boca, linearmente. Apesar de o crescimento do calado
e da boca apresentarem uma derivada semelhante quando adimensionalizados, estas devem
ser multiplicadas pela largura do intervalo que so diferentes, como se pode observar na
Tabela 5.1.
5.2.1. Bolbo de Proa
O clculo dos parmetros do bolbo foi feito com base em Castro et al. (1997), pelo que se
considerou que deveria ser apresentada a metodologia utilizada e as frmulas que do origem
aos resultados.
O coeficiente de rea transversal do bolbo definido por

SM
Bt
Abt
A
A
C =
(32)

- 54 -
em que A
Bt
a rea do bolbo na perpendicular a vante como apresentado na Figura 5.6 e A
SM

a rea da seco mestra. Para calcular este valor no existe uma frmula, mas sim valores
aconselhados, que variam entre 7% e 10%, por isso optou-se por utilizar o valor mdio, 8.5%.


Figura 5.6 Coeficientes do Bolbo. (Castro et al., 1997)
A altura a que se encontra o centro de rea do bolbo 45% do calado do navio.
Um outro dado que calculado e importante para os clculos efectuados pelo programa o
comprimento do bolbo. Tendo uma estimativa do comprimento do bolbo, pode utilizar-se esse
comprimento para avanar (aproxim-la da perpendicular a vante) a antepara de coliso.
O coeficiente de comprimento do bolbo pode ser calculado pela equao (33), para navios que
so projectados para navegar em condies de carga e lastro como o caso.

0046 . 0 2642 . 0 + =
PP
B LPR
L
B
C C
(33)
5.2.2. rea do Painel de Popa Imersa e Apndices
O clculo da resistncia atravs do mtodo de Holtrop & Mennem possibilita incluir a
resistncia devido h existncia de painel de popa e apndices, em que se incluem entre
outros o leme e as aranhas do veio propulsor.
A rea do painel de popa foi considerada inexistente porque os navios base utilizado no
apresentam painel de popa imerso.
Os apndices tambm foram considerados nulos porque esta uma fase preliminar de projecto
e ainda no se conhecem as reas imersas dos mesmos. Importa ainda referir que tanto para a
rea como para os apndices os valores da resistncia so residuais e por isso no tem
grande importncia na previso da potncia.
5.3. Propulso
A seco seguinte refere-se ao sistema propulsivo, que composto por mquina principal,
caixa redutora, veio e hlice. Neste relatrio dada mais relevncia ao rendimento em guas
livres do hlice e a escolha da mquina principal porque este dois factores vo ter uma

- 55 -
importncia fundamental nos clculos econmicos. O rendimento do hlice pode ser arbitrado,
procedimento que bastante vulgar neste tipo de estudo, mas este aumenta com o aumento
do dimetro e por isso no era correcto que para navios com diferentes calados os
rendimentos fossem iguais. Por outro lado permite no penalizar tanto os navios com maior
calado, pois se no existisse clculo do rendimento do hlice, do ponto de vista da previso de
resistncia, a tendncia dos algoritmos optimizadores diminuir o mais possvel o calado.
Um clculo srio do rendimento do hlice permite fazer uma estimativa mais acertada da
potncia da mquina principal e consequentemente uma melhor estimativa dos consumos. Os
custos com combustvel so um dos factores com mais peso na avaliao econmica do navio
o que justifica uma escolha cuidada da mquina a instalar a bordo.
Considera-se que em todos os navios s existe uma linha de veios, portanto que s tm uma
mquina principal, uma caixa redutora, um veio e um hlice.
O clculo do potncia necessria a instalar para que o navio tenha a velocidade de cruzeiro
pretendida a multiplicao desta pela resistncia ao avano do navio a essa velocidade,
dividida pelos rendimentos das componentes do sistema propulsor, como se mostra na
equao (34).

R G H C
E
V R
P

=
(34)
onde
C
o rendimento do casco,
H
o rendimento do hlice em guas livres,
G
o rendimento
da caixa redutora e
R
o rendimento relativo de rotao. Os dois ltimos rendimentos so por
norma arbitrados e os valores mais comuns so 0.95 e 1.01, respectivamente. O rendimento do
casco dado por

) 1 (
) 1 (
w
t
C

=
(35)

em que o coeficiente de esteira (w) e coeficiente de deduo de impulso (t) so calculados
pelas aproximaes propostas por Holtrop & Mennem (1984). O mtodo de clculo rendimento
do hlice em guas livres explicado na seco 5.3.1.
5.3.1. Hlice
Como j foi referido anteriormente este foi um clculo que se considerou fundamental, para
uma melhor estimativa dos pesos e custo, porque influencia a escolha da mquina propulsora e
para existir uma varivel que se oponha ao efeito negativo do aumento do calado.
Todos os hlices gerados pelo programa so das series de Wagningen B, cujos limites so
os seguintes:
Nmero de ps As sries permitem calcular hlices de 2 a 7 ps. Para o modelo
de clculo apresentado s foram considerados hlices de 4 e 5 ps para evitar

- 56 -
problemas de vibraes (o nmero de cilindros do motor no deve ser mltiplo do
nmero de ps).
Razo de rea expandida O intervalo para este parmetro de 0.3 a 1.05, no
modelo o valor utilizado sempre o mnimo obtido pela frmula de Keller ou 0.3
caso o obtido pela frmula seja inferior.
A razo passo dimetro Este parmetro est limitado entre 0.5 a 1.4.
Segundo Bernitsas et al (1981), no devem ser utilizados os valores extremos das sries
porque nesta zona os polinmios para k
T
e k
Q
no assumem valores fidedignos. J foram
reportados erros no clculo do k
T
para coeficientes de avano e razo de rea expandida
baixos e para o nmero de ps e razo de rea expandida altos. Estes erros devem-se s
regresses que foram efectuadas para obter os polinmios.
Os polinmios das sries B tm a forma genrica que se apresentada na equao abaixo

( ) ( )
( ) ( )
v
u
E
t
s
v u t s
Q
v u t s Q
v
u
E
t
s
v u t s
T
v u t s T
Z
A
A
D
P
J C K
Z
A
A
D
P
J C K

|
|

\
|
|

\
|
=

|
|

\
|
|

\
|
=

0 , , ,
, , ,
0 , , ,
, , ,
(36)
recorrendo a estes polinmios podem optimizar-se hlices para um dimetro ptimo ou para as
rotaes ptimas. Sendo que se pretende que o rendimento do hlice favorea o aumento do
calado decidiu-se que o hlice seria optimizado para as rotaes ptimas. Os polinmios
descritos acima podem ser encontrados em Oosterveld & Van Oossanen (1975) e Bernitsas et
al (1981).
O dimetro do hlice tem grande influncia nestes clculos e sabido que o rendimento do
hlice aumenta com o seu dimetro que depende do calado e da clara do hlice imposta pelas
sociedades classificadoras. Nesta fase ainda no se conhece o contorno de proa e por isso
no possvel ter me conta a clara do hlice, assim optou-se por estipular que todos os navios
tm um dimetro de hlice igual a 80% do calado. Este valor foi escolhido com base em alguns
artigos da especialidade tais como Cueno et al (2010), Holtrop & Mennem (1984).
Aps serem encontrados os rendimentos dos hlices para as rotaes ptimas so
comparados e escolhido o hlice com maior rendimento. O hlice ptimo tem geralmente 4
ps uma vez que o aumento das ps implica um aumento da razo de rea expandida e
consecutivamente uma diminuio do rendimento.
O procedimento de optimizao do hlice para as rotaes ptimas descrito de seguida de
uma forma sucinta. Resolve-se o sistema de equaes (37) em ordem as rotaes e resulta a
equao (38).

=
4 2
H
T
H
a
D n
T
K
D n
V
J

(37)

- 57 -
onde V
a
a velocidade da gua no hlice, n as rotaes por segundo do hlice, D
H
o
dimetro do hlice e T a previso de resistncia ao avano do navio.

2 2 2
H a
T
D V
T
J
K

=

(38)
Se na equao (38) se fizer variar os valores de k
T
, note-se que para cada navio o lado direito
da equao se mantm inalterado, podem obter-se valores de J
2
. Esta curva seguidamente
sobreposta nos grficos de cada hlice. A Figura 5.7 apresenta um grfico tpico de hlice das
sries B de Wageningen.

Figura 5.7 Grfico tpico de um hlice das sries de Wagningen. (Bernitsas et al,1981)
Da interseco da parbola defina pela equao (38) com as curvas da Figura 5.7, resulta o J
ptimo e consecutivamente a razo passo dimetro (P/D) que permite posteriormente calcular
o valor de K
Q
e o rendimento do hlice.
O rendimento do hlice dado pela equao seguinte

Q
T
R
K
K J

2
(39)
A Figura 5.8 mostra a influncia do clculo do rendimento do hlice face um rendimento
arbitrado, para a comparao foi escolhido o valor 0.6. As dimenses do navio mantiveram-se
constante sendo aumentado o calado. Pode concluir-se que o clculo do rendimento do hlice
para alm de permitir uma melhor previso de potncia do navio (cerca de 300 kW), permite
ainda uma escolha mais acertada da mquina principal a instalar o que deve reduzir custo e
pesos.


- 58 -
Influncia do clculo do rendimento do hlice
0.56
0.58
0.6
0.62
0.64
0.66
0.68
0.7
4.6 5 5.4 5.8 6.2 6.6 7 7.4 7.8 8.2
Dimetro do hlice [m]
R
e
n
d
i
m
e
n
t
o

10000
11000
12000
13000
14000
15000
16000
17000
18000
19000
20000
P
o
t

n
c
i
a

[
k
W
]
Rendimento do Hlice Potncia no veio Potncia no veio c/ rend. 0.6

Figura 5.8 Comparao da potncia necessria no veio com e sem clculo do rendimento do hlice.
5.3.2. Mquina Principal
A escolha automtica da mquina principal tem em vista a reduo dos custos, no tanto no
investimento inicial, pois este tem uma influncia mnima nos valores finais, mas nos custos
com combustvel. sabido que os custos com combustvel representam uma grande parte dos
custo de armamento de um navio e que ao longo de uma vida til de 20 anos, por causa das
oscilaes dos preos do crude, podem vir a inviabilizar a operao do navio.
Os fabricantes de motores martimos apresentam por norma as curvas de potncia/rotaes,
como ilustrado na Figura 5.9, para a mesma potncia, o motor pode operar a diferentes
rotaes, sendo que quanto mais baixas as rotaes mais baixo o consumo. No entanto pode
haver benefcios em aumentar ligeiramente as rotaes da mquina para que estas se
encontrem com a velocidade ptima do hlice. No caso em estudo este procedimento no foi
equacionado porque considera-se que todos os navios tm uma caixa redutora.

Figura 5.9 Curva potncia por rotaes tpica de um motor martimo. (Man B&W, 2007)
O procedimento implementado computacionalmente o seguinte:
A subrotina recebe a velocidade ptima do hlice e a potncia necessria no veio.

- 59 -
Avalia em toda a base de dados de motores quais so os que permitem debitar a
potncia necessria e as rotaes a que permitem.
Em funo das rotaes de cada motor escolhe o que apresentar menor consumo.
Se o motor satisfizer as necessidades de potncia do navio considera-se que este est a
operar na melhor hiptese, ou seja, sempre sobre a linha mais grossa da Figura 5.9, onde as
rotaes so mnimas para a potncia debitada.
No caso de nenhum dos motores no ponto de funcionamento L
1
, atingir a potncia necessria
escolhido o ponto L
1
do motor com mais potncia, caso contrrio se a potncia necessria ficar
aqum do ponto de funcionamento L
4
de todos os motores ento atribudo ao navio o
consumo do motor com o menor consumo existente. Para ter a certeza que se cobre toda a
gama possvel de potncia para esta classe de navios calculou-se a potncia necessria para o
maior navio da base de dados e utilizou-se como referncia a publicao Man B&W (2007).
5.4. Capacidade de Carga de Contentores
Nos navios porta-contentores o clculo da capacidade de carga um processo complicado,
uma vez que no s tem que existir o volume para a carga no stio onde se pensa estivar,
como o volume tem que ter as formas correctas. Para garantir que os volumes existem e tm
as dimenses certas optou-se por efectuar estes clculos de duas formas distintas, espera-se
assim diminuir o erro. Este problema assume relevncia nos pores de carga, portanto dentro
do casco, porque fora dele basta garantir que as dimenses ocupadas pelos contentores em
determinada pilha, so inferiores as dimenses do convs nessa faixa.
A primeira estimativa consiste em garantir que dimensionalmente o espao existe, isto , que
em determinada zona do casco existe um rectngulo com 6.2x2.45 para poder estivar um
contentor. Na seco 5.4.1 explicado este processo com mais detalhe.
O segundo processo consiste em considerar uma curva de reas no pontal do navio e outra na
altura do duplo fundo do navio e considerar que a diferena dos integrais destas duas curvas
o volume disponvel para estivar contentores. Neste caso considera-se que os tanques laterais
do navio ocupam a mesma rea que dois contentores, um em cada bordo. Esta suposio
suportada pelos desenhos de seces mestra que se conhecem deste tipo de navios como so
exemplo as apresentadas na Figura 5.10.

- 60 -

Figura 5.10 Seces mestras tipicas de um navio porta contentores.
Um contentor de 20 ps normalizado ocupa um volume ligeiramente superior a 38 metros
cbicos e as medidas so 6.1x2.4x2.6 metros (20x8x86). Para efeitos de clculo dos volumes
e dimenses ocupadas considerou-se que cada contentor tem 6.2x2.45x2.65, para
complementar as folgas derivadas da estiva.
5.4.1. Contentores nos Pores
Na direco longitudinal so considerados pores com 28.4 metros de comprimento, o que
permite estivar 4 pilhas de contentores agrupadas duas a duas. Considera-se que entre cada
bloco de duas pilhas existe 0.8 metros de intervalo e que os outros 2.5 metros so para
acomodar os reforos estruturais entre pores e tanques de lastro. Devido a quantidade de
arranjos que se conhecem para os navios porta contentores necessrio definir um tipo, neste
caso, definiu-se que imediatamente frente da casa das mquinas existe um poro para duas
pilhas, seguem-se pores com a configurao definida na Figura 5.2 e finalmente avaliado se
existe espao para mais um poro simples a proa ou no. Para os pores que s levam duas
pilhas de contentores, o primeiro poro encostado a antepara de vante e se existir espao o
poro de vante, tm 14.2 metros de comprimento, metade dos pores de 4 pilhas.
O espao definido para instalar os pores calculado atravs da subtraco da posio da
antepara de vante e da antepara de coliso ao comprimento entre perpendiculares do navio.
Assumiu-se que a posio da antepara de vante sempre 20% do comprimento entre
perpendiculares e a posio da antepara de coliso calculada de acordo com o ILLC
(assume-se sempre que a distncia a que esta deve estar do ponto de designado pelas regras
5% de L
PP
).
O comprimento til de carga ento dividido pelo comprimento de um poro duplo e utilizado
a parte inteira do nmero para prosseguir os clculos. Se a primeira casa decimal for maior que
5 considera-se que o navio pode ter um pequeno poro a vante com uma capacidade bastante
reduzida (pocket hold).

- 61 -
A quantidade de contentores que podem ser estivados lado a lado dentro do casco calculada
dividindo a boca por 2.45 metros, que representam 2.4 metros de largura do contentor mais 2.5
centmetros para cada lado. Ao valor obtido so retirados dois contentores para estrutura e
tanques de lastro laterais. Apesar de no serem efectuados clculos estruturais neste
programa nem de capacidades de lastro esta uma configurao bastante usual nestes
navios.

2
45 . 2
int |

\
|
=
B
Con
B
(40)

em que int uma funo que trunca o nmero antes da primeira cada decimal.
O nmero de contentores que podem ser estivados ao alto dentro do casco calculado com
base em navio existentes e dado por

2
B
P
Con
Con =
(41)
Para contemplar as variaes de boca do navio fora do corpo cilndrico foram criadas algumas
redues no nmero de contentores que podem ser colocados em cada pilha, consoante a
posio inicial ou final desta em relao ao comprimento entre perpendiculares. Considera-se
que o comprimento do corpo cilndrico 30% do comprimento entre perpendiculares e que se
encontra centrado com o meio-navio.
Na equao (42) x/L
PP
significa a razo entre o inicio da pilha e o comprimento entre
perpendiculares, Con
B
a quantidade de TEUS que podem ser estivados lado a lado na boca
mxima do navio e Con
P
o nmero de contentores estivados ao alto dentro casco.

) 4 ( ) 1 ( ) 2 ( ) 3 ( ) 4 ( 90 . 0
) 3 ( ) 1 ( ) 2 ( ) 3 ( 85 . 0
) 2 ( ) 1 ( ) 2 ( 80 . 0
) 1 ( ) 1 ( 75 . 0
35 . 0
) 1 ( ) 1 ( 30 . 0
) 2 ( ) 1 ( ) 2 ( 25 . 0
+ + + + = <
+ + + = <
+ + = <
+ = <
= <
+ = <
+ + = <
P B B B B B Con pp
P B B B B Con pp
P B B B Con pp
P B B Con pp
P B Con pp
P B B Con pp
P B B B Con pp
Con Con Con Con Con Con N L x
Con Con Con Con Con N L x
Con Con Con Con N L x
Con Con Con N L x
Con Con N L x
Con Con Con N L x
Con Con Con Con N L x
(42)
A equao (42) seria mais realista se fosse includa uma dependncia do coeficiente de bloco,
contudo no se dispem de dados suficientes para fazer esse tipo de anlise.
5.4.2. Contentores no Convs
A visibilidade mnima da ponte de comando regulada pela IMO, atravs da COLREG que
obriga a que a distncia sobre a qual se perde a visibilidade por causa da carga no seja
superior ao menor de: duas vezes o comprimento fora-a-fora do navio ou 500 metros. Quanto
mais alta for a superestrutura, maior o nmero de contentores que podem ser estivados
acima do convs. Por outro lado, devido sua estrutura e concepo, no podem ser
empilhados mais que 7 contentores.

- 62 -
Assumindo que a altura de um contentor j estivado so 2.65 metros a ponte de comando tem
que estar pelo menos a 18.55 metros do convs. Pela possibilidade de poder transportar pilhas
de 7 contentores no s encostadas a superestrutura mas mais para vante, justifica que a
altura da ponte de comando possa ser aumentada. Para isso foi elaborada uma subrotina que
optimiza a altura da superestrutura para cada navio.
A quantidade de contentores empilhados sobre o convs vai influenciar e muito a subida do
centro de gravidade do navio carregado, o que pode comprometer a estabilidade do navio.
5.4.3. Volumes do Casco
A curva de reas de um navio a rea imersa do navio em cada ponto, pelo que o integral
desta curva deve ser igual ao volume de carena. Se existir informao sobre as formas do
casco, nomeadamente elementos presentes no plano geomtrico possvel desenhar a curva
de reas noutros pontos que no no calado. Como perceptvel se a curva de reas for
desenhada noutra cota, o seu integral reflecte o volume que se encontra por baixo de um plano
imaginrio que intercepte o casco a essa cota. No entanto nesta fase de projecto no se
conhecem os elementos necessrios para poder desenhar com certeza a curva de reas em
nenhuma cota. A forma de ultrapassar esta lacuna de informao criar, recorrendo
estatstica, frmulas paramtricas que permitam extrapolar a partir das dimenses principais
uma curva de reas prxima da real.
Normalmente este clculo de volumes feito de uma vez s, ou seja, no possvel
descriminar o volume num determinado intervalo do comprimento, uma vez que as frmulas
paramtricas utilizadas s dependem das dimenses principais. Quando se dispem de vastas
e completas bases de dados sobre navios possvel recalcular os parmetros deste tipo de
frmulas e obter boas aproximaes da realidade. O procedimento atrs descrito torna-se
realmente til para navios de carga a granel em que no importante em que zona do espao
de carga se encontra determinado volume, mas que o volume total do espao de carga permita
transportar as quantidades de carga pretendidas.
No caso que se estuda nesta tese pertinente que se conhea, primeiro a posio inicial ou
final da pilha de contentores consoante esta se encontre para r ou para vante do corpo
cilndrico; segundo se o volume do casco que se compreende entre o ponto inicial e final da
pilha permite colocar a quantidade de contentores calculado previamente.
Para elaborar este estudo foram utilizados 5 casco de diferentes navios porta-contentores, 3
retirados de desenhos disponveis na internet e 2 disponibilizados por um estaleiro. A Tabela
5.2 resume as principais caractersticas destes.

- 63 -
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5
Lpp 178.00 132.00 85.00 112.90 93.00
B 25.96 21.69 13.85 20.00 16.50
Cb 0.578 0.688 0.710 0.667 0.727
Cm 0.946 0.983 0.987 0.978 0.989
D 17.03 14.23 8.65 14.20 13.00
T 10.30 8.31 4.20 7.90 5.80
Hdf 1.284 1.099 0.737 1.045 0.870
Tabela 5.2 Caractersticas principais dos navios utilizados para a parametrizao da curva de reas.
Como os navios tm diferentes dimenses foi necessrio adimensionalizar os valores das
curvas para que existisse uma homogeneidade nos dados. Para perceber o andamento da
curva e como seria possvel tratar estes dados as primeiras curvas foram feitas no calado de
todos os navios. O comprimento do navio adimensionalizado pelo comprimento entre
perpendiculares e a rea em cada seco adimensionalizada pela rea da seco mestra. Na
primeira anlise que se fez aos dados ficou explicita inexistncia de um corpo cilndrico, todos
os valores eram diferentes entre si. No que este erro tenha grande importncia no
desenvolver da curva, uma vez que o aspecto das mesma no deixa de ser o esperado, no
entanto os valores no so iguais como seria desejvel. Foi necessrio criar um corpo
cilndrico fictcio, que por um lado faz com que todas as curvas toquem o valor 1 tornando-as
mais homogneas por outro simplificam os polinmios interpoladores dos dados. Para definir o
corpo cilndrico o critrio utilizado foi que aps a adimensionalizao, todos os valores
superiores a 0.99 passam a ser 1. Esta estratgia tambm reduz os erros de clculo como ser
possvel comparar mais a frente.
Aps a observao dos valores adimensionalizados decidiu-se que o corpo cilndrico se deve
estender entre 40% e 60% do comprimento entre perpendiculares. Nas zonas em que as
formas so esbeltas devem existir mais pontos de referncia para as poder reproduzir com
maior eficcia. Nesse sentido dividiu-se o casco da seguinte forma
Do ponto mais a r at a PPAR 3 seces
Entre a PPAR e 30% de L
PP
9 seces
Entre 30% e 70% de L
PP
8 seces
Entre 70% de L
PP
e a PPAV 9 seces
Entre PPAV e o ponto mais a vante 3 seces
O que perfaz um total de 32 seces, ou seja, 32 pontos que servem para desenhar as curvas
de rea de cada navio e sero utilizados para calcular os polinmios interpoladores. A
interpolao dos pontos todos pelo mesmo polinmio impossvel porque no corpo cilndrico
necessrio que o valor do polinmio seja 1, pelo que a curva de reas deve ser definida por
troos. Os troos utilizados so o de r que vai do ponto mais a r at 40% L
PP
, um toro
constante para o corpo cilndrico e o de vante que vai 60% L
PP
at ao final do navio. A Figura
5.11 apresenta o polinmio obtido e os dados dos navios utilizados, na equao (43) encontra-
se o polinmio.

- 64 -

> +

< + + +
=
6 . 0 849 . 4 622 . 31 534 . 46 831 . 19
6 . 0 4 . 0 1
4 . 0 045 . 0 233 . 2 018 . 24 733 . 108 292 . 124
) (
2 3 4
2 3 4
x se x x x x
x se
x se x x x x
x P
(43)
Sempre que este polinmio devolver um valor inferior a 0 automaticamente convertido em 0,
porque no faz sentido que as reas sejam negativas. Nas zonas para as quais se precisa do
polinmio para calcular integrais este corresponde relativamente bem s curvas originais, nos
extremos, onde o ajustamento pior no importante porque estas zonas no levam carga.
Curva de rea no calado
0
0.2
0.4
0.6
0.8
1
1.2
-0.20 0.00 0.20 0.40 0.60 0.80 1.00 1.20
X/L
PP

r
e
a

/

(
B
.
T
.
C
M
)
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Dados Interpolados

Figura 5.11 Curva de reas no calado.
Nas outras duas curvas que se pretendem fazer para adimensionalizar o eixo do xxs onde
sempre representada a distncia do ponto a perpendicular a r, necessrio que o factor de
adimensionalizao seja sempre o mesmo para garantir que os integrais que sero calculados
sobre as curvas tm sempre o mesmo comprimento e a esto na mesma posio. Poderia
utilizar-se diferentes comprimentos para adimensionalizar este valor, mas seria obrigatrio
calcular factores de converso de comprimento e acabaria por criar desacerto nas seces, o
que dificultaria os integrais e propagaria os erros. No eixo dos yys so representadas as reas
de cada seco e aqui os factores de adimensionalizao tm que ser obrigatoriamente
diferentes, uma vez que os valores so muito dspares. Num navio com cerca de 110 metros
tm-se uma rea a meio navios de 278.5 m2 no pontal, 156.6 m2 no calado e 19.7 m2 no duplo
fundo, adimensionalizar os trs valores por um deles ia provocar uma grande perda de
preciso por causa dos arredondamentos. A soluo encontrada adimensionalizar todos os
valores por um parmetro semelhante rea da seco mestra, ou seja, a boca mxima do
navio multiplicada pela altura (pontal, calado e duplo fundo) e pelo coeficiente de seco
mestra. Esta soluo induz algum erro, principalmente para o clculo do volume perdido por
causa do duplo fundo uma vez que as reas so sempre inferiores a este valor e mesmo
pequenos factores (o C
M
para os navios considerados encontra-se entre 0.946 e 0.989)
provocam grandes desvios. Na zona do duplo fundo as formas dos navios tm diferenas mais
acentuadas e as curvas de reas mesmo adimensionalizadas tm comportamentos distintos, o
que torna mais difcil a interpolao dos valores e leva ao aumento do erro.
A curva de reas do pontal tambm definida por troos, no entanto os limites do corpo
cilndrico fictcio aumentam, no s para permitir usar uma maior rea de convs para estivar

- 65 -
contentores, como para facilitar a construo do navio. A metodologia usada para definir o
corpo cilndrico desta curva a mesma que foi utilizada para a curva do calado. A extenso ao
longo da qual se considera que o casco constante situa-se entre 35% e 65% L
PP
, o que
originou o polinmio apresentado na equao seguinte.

> + +

< + + +
=
65 . 0 228 . 12 553 . 56 664 . 106 750 . 87 568 . 25
65 . 0 35 . 0 1
35 . 0 338 . 0 464 . 6 088 . 44 260 . 169 027 . 231
) (
2 3 4
2 3 4
x se x x x x
x se
x se x x x x
x P
(44)
O polinmio, como se pode ver na Figura 5.12, no representa bem a zona em que x menor
que 0.2 mas este facto no relevante uma vez que se considerou que a casa das mquinas
se estende at este ponto. Apesar do ajustamento do polinmio ser razovel este mantm uma
tendncia que o construdo para o calado j exibia, est sempre bastante afastado do Modelo
1, este erro ser tratado mais a frente. A adimensionalizao das reas feita pela equao
(45)

M
i
P
C P B
A
A

=
(45)
O coeficiente de seco mestra mede a razo entre a rea da seco mestra e o rectngulo
que BxT, ao passar esse rectngulo para o que definido por BxP a razo entre as reas deve
ser alterada, o que no acontece neste caso e vai induzir erro nos clculos.
Curva de reas no pontal
0
0.2
0.4
0.6
0.8
1
1.2
-0.20 0.00 0.20 0.40 0.60 0.80 1.00 1.20
X/Lpp

r
e
a

/

(
B
.
D
.
C
M
)
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Dados Interpolados

Figura 5.12 Curva de reas no pontal.
A curva de reas no duplo fundo construda toda com o mesmo polinmio porque no
existem troos em que esta seja constante. A adimensionalizao destas reas tem como
resultado que as curvas nunca tocam o valor 1 e por isso os erros neste clculo so maiores.
Nesta zona as formas dos diferentes navios so mais dspares e mesmo depois de
adimensionalizadas as curvas so pouco homogneas. De novo o Modelo 1 o que se
encontra mais distante do polinmio interpolador, que se apresenta na equao seguinte.

062 . 0 717 . 1 278 . 8 674 . 20 756 . 10 ) (
2 3 4
+ + = x x x x x P
(46)
Na Figura 5.13 a representao das curvas de reas no duplo fundo dos navio e a
representao do polinmio interpolador.

- 66 -
Curva de rea no duplo fundo
0
0.2
0.4
0.6
0.8
1
1.2
-0.20 0.00 0.20 0.40 0.60 0.80 1.00 1.20
X/L
PP

r
e
a

/

(
B
.
H
d
f
.
C
M
)
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Dados Interpolados

Figura 5.13 Curva de reas no duplo fundo.
Da integrao dos diferentes polinmios deve resultar os volumes reais de cada navio, contudo
alguns volumes foram obtidos com erros considerveis, como possvel observar na Tabela
5.3. Da observao dos dados percebeu-se que os erros dependem de C
B
, ou seja, quanto
menor o C
B
maior o erro. Para reduzir os erros criaram-se funes de correco que em
funo do valor de C
B
permitem saber quanto deve ser retirado ou aumentado para que o valor
se aproxime mais do valor real.
Valores do erro sem correco
Navio Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5
CB 0.578 0.688 0.7097 0.667 0.7269
Pontal -12.06% 2.52% -1.58% -2.31% 5.75%
Calado -12.01% 2.74% -0.59% -0.25% 2.28%
Duplo Fundo -21.89% -2.72% 8.79% 0.39% 8.26%
Tabela 5.3 Erros obtidos no clculo dos volumes atravs da integrao dos polinmios.
Construindo grficos com os valores dos erros e interpolando esse valores obtm-se
polinmios que permitem saber por quanto devem ser multiplicados os volumes para obter
valores mais correctos. Estes polinmios so especialmente teis para navios com C
B
mais
pequenos tal como o Modelo 1, que tem erros muito grandes. O volume real no pontal do
Modelo 1 55 071 m3 e o obtido por integrao foi 61 715 m
3
, ou seja, cerca de 6 644 m
3
que
corresponde ao volume ocupado por 170 contentores de 20 ps. Nas equaes seguintes so
apresentados os polinmios encontrados para diminuir os erros. A utilizao dos mesmos
permitiu reduzir os erros para menos de 5% como est ilustrado na Figura 5.14.

089 . 1 157 . 2 833 . 0 ) (
2
+ =
B B B P
C C C E
(47)

891 . 3 002 . 11 746 . 7 ) (
2
+ =
B B B T
C C C E
(48)

455 . 2 312 . 5 494 . 2 ) (
2
+ =
B B B D
C C C E
(49)
onde os ndices de E se referem a pontal (P), calado (T) e duplo fundo (D). O polinmio da
equao (47) tem um erro quadrtico mdio de 0.8675, o apresentado na equao (48) um erro
de 0.9442 e finalmente 0.941 para o da equao (49). Os erros quadrticos mdios permitem
perceber que a pior aproximao a que diz respeito ao pontal do navio, apesar de todos os

- 67 -
esforos para diminuir este valor isso no foi conseguido. Foram escolhidos polinmios de
segundo grau para interpolar os pontos porque os de ordem superior ganham formas que no
se adequam ao tipo de correco. Numa primeira abordagem faria mais sentido que os
polinmios fossem de terceiro grau por se tratar de volumes, mas na verdade a correco que
aqui efectuada as reas, porque a adimensionalizao do comprimento no d origem a
erros. Na Figura 5.14 so apresentados os valores finais do erro para os cinco navios base.
Valor dos erros aps correco
2.4%
-3.9%
2.0%
1.6%
4.6%
-4.7%
2.5%
0.1%
-0.2%
1.4%
-0.3%
-2.1%
1.4%
1.0%
3.4%
-6.00%
-4.00%
-2.00%
0.00%
2.00%
4.00%
6.00%
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo5
Pontal Calado Duplo Fundo

Figura 5.14 Erros no clculo do volume para os 5 navios base.
Os maiores erros encontram-se associados aos clculos dos volumes do duplo fundo, o que
pode no ser muito representativo, uma vez que estes volumes so sempre pequenos e
pequenas variaes do origem a grandes percentagens. Para o Modelo 1 que o maior navio
utilizado, por isso, tambm o que tem maiores volumes, um erro de 4.6% representa 115 m
3
,
que no chega a ser o volume ocupado por 3 contentores de 20 ps. O erro de maior
expresso o erro de -4.7% no volume do duplo fundo do Modelo 2 que representa uma
diferena de 77 m3

com o valor real e que o mesmo volume ocupado por 2 contentores. Por
outro lado existem erros que apesar de parecerem pequenos em relao ao todo, so muito
grandes quando analisados sozinhos, 1.4% de excesso no volume calculado ao pontal do
Modelo 1 so 758 m3 e 2.4% de excesso no clculo do volume ao pontal representam 809 m3,
estes volumes podiam acondicionar 19 e 21 contentores, respectivamente. Por outro lado
indiscutvel que a utilizao dos polinmios melhora os resultados de uma forma global e que
s pontualmente fez aumentar o erro, esta afirmao corroborada pela Tabela 5.4.
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5
-170 22 -3 -15 25
-88 12 -1 -1 4
Antes da
correco
-14 -1 1 0 2
19 21 -9 -2 9
11 7 -2 -1 2
Depois da
correco
3 -2 0 1 0
Tabela 5.4 Comparao dos erros com e sem correco em contentores de 20 ps.

- 68 -
O maior aumento do erro devido s correces acontece no clculo do pontal do Modelo 3 e
corresponde a um volume ocupado por 6 contentores, ou seja, 234 m3. As entradas a cinzento
so os valores que pioraram aps a correco.
Com os polinmios interpoladores e as respectivas correces podem calcular-se os volumes
dentro do casco nas zonas em que se pretendem estivar as pilhas. O processo o seguinte,
atravs dos clculos explicados na seco 5.4.1, obtm-se os pontos do princpio ou fim da
pilha, consoante esta se situe para r ou vante do corpo cilndrico, respectivamente. A esse
ponto somado ou subtrado o comprimento da pilha de contentores (6.1 m) e o resultado
adimensionalizado pelo comprimento entre perpendiculares. De seguida so computados os
valores dos integrais adimensionais deste intervalo sobre o polinmio do pontal e do duplo
fundo. Os valores dos dois volumes so dimensionalizados e feita a subtraco do volume
ocupado pelo duplo fundo ao volume total abaixo do convs. Este valor comparado com o
volume do nmero de contentores que devem estar nesta pilha (calculado como descrito na
seco 5.4.1) mais 2 por cada camada, se for superior nada acontece. Caso contrrio retira um
contentor da camada mais perto da quilha e volta a comparar os dois volumes e este processo
repete-se at que o volume ocupado pela pilha seja inferior ao calculado pelo integral. Soma-se
mais dois contentores a cada camada da pilha para ter em conta a estrutura do navio, uma vez
que no toda a boca do navio que est disponvel para a carga. Dois exemplos do plano de
carga a meio-navio deste tipo de navios podem ser encontrados na Figura 5.10.
Uma vez que o clculo da quantidade de contentores no simples e no se consegue
perceber como se d a sua variao com o aumento ou diminuio das dimenses principais
apresenta-se na Figura 5.15 a variao do nmero contentores em funo das variveis de
projecto.
Influencia das variveis de projecto na capacidade de contentores
1000
1100
1200
1300
1400
1500
1600
1700
1800
1900
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
C
o
n
t
e
n
t
o
r
e
s

[
T
E
U
S
]
Lpp B T Cb
Figura 5.15 Variao da capacidade de contentores em funo das variveis de projecto adimensionalizadas
A variao da capacidade de contentores em funo do comprimento e da boca a esperada,
cresce em degraus. No comprimento quando passa de um degrau para o outro porque se

- 69 -
atingiu o espao necessrio para mais um poro de carga. Na boca um novo degrau significa
que se atingiu a largura suficiente para mais uma fiada de contentores. Para o coeficiente de
finura, a capacidade de contentores varia linearmente, como seria de esperar, pois um C
B

maior representa mais volume no casco. Para o calado a curva no a esperada, mas o
comportamento da curva tem uma explicao, a subrotina criada para definir o mximo de
camadas de contentores em cada pilha do convs depende do calado do navio. Quando o
calado aumenta a altura relativa entre a ponte de comando e a linha de gua diminui para
manter a distncia mnima de visibilidade necessrio reduzir o nmero de camadas nas
pilhas mais distantes.
5.5. Pesos
A diviso de pesos apresentada a clssica, o deslocamento dividido em porte bruto e peso
leve. O porte bruto divide-se em porte prprio e porte til. O peso leve em peso do ao, peso
das mquinas e peso dos equipamentos. O porte prprio divide-se em cinco componentes que
so pesos devido tripulao, pesos dos sobresselentes, peso do combustvel, peso dos
lubrificantes e pesos da gua doce embarcada. So calculados os centros de gravidade de
cada peso para encontrar o centro de gravidade do navio carregado.
Existem alguns artigos sobre frmulas paramtricas para ter acesso aos pesos do navio, so
exemplo Chen (1999), Watson & Gilfillan (1976), Watson (1998), Schneekluth & Bertram (1998)
entre outros. Em quase todos os casos aqui apresentados, principalmente os mais antigos, a
taxa de observao de navios porta-contentores mnima, acontecendo mesmo terem sido
criadas frmulas sobre converses e no sobre navios construdos de raiz. Assim o mtodo
escolhido para calcular os pesos a bordo do navio o que se encontra em Almeida (2009) e os
centros de gravidade dos pesos em Chen (1999). Os detalhes do processo de clculo e as
frmulas utilizadas so apresentados no anexo A.
5.6. Viagem
A viagem ou viagens que o navio vai efectuar so definidas pelo armador, bem como os seus
volumes de carga. Nos navios de massa (navios tanque, graneleiros) a definio da viagem
mais simples, uma vez que se considera que o navio vai operar entre dois portos, com uma
viagem em lastro. Para navios porta-contentores a situao diferente, por norma tocam mais
que um porto, mesmo navios pequenos (feeder), como os que se est a estudar. Assim o
modelo criado permite ao utilizador definir uma viagem de volta redonda, com diferentes portos.
Por cada porto deve ser definida a distncia entre esse e o prximo, a quantidade de carga a
descarregar e a carregar em percentagem da capacidade total, a quantidade de contentores
que possvel carregar e descarregar por hora e as taxas porturia. As taxas porturias devem
ser introduzidas exclusivamente em funo da arqueao bruta.
O programa devolve o custo de transportar um TEU entre cada porto. Este custo conseguido
fazendo uma mdia ponderada taxa de frete com as distncias entre cada porto. Assim a taxa

- 70 -
cobrada por contentor transportado durante 1 000 milhas no mesma que para um contentor
que tem que ser transportado durante 2 000 milhas.
5.7. Avaliao Econmica
A avaliao econmica do navio consiste em estudar atravs de medidas de mrito qual o
navio que permite retirar melhores rendimentos. O primeiro problema que este tipo de estudo
levanta qual a melhor medida de mrito, isto , qual o indicador ou indicadores econmicos
que se deve escolher para definir o navio ptimo. O indicador mais comum o preo de
transporte por tonelada de carga, ou no caso em estudo, por contentor. O navio que apresentar
o menor frete o melhor pois este o que garante manter-se operacional durante mais tempo
num cenrio de crise. O navio que apresentar menor taxa de frete o que, para a viagem e
condies de carga anteriormente estabelecidas, est mais perto da sua capacidade mxima e
isso pode ser um inconveniente em condies de mercado favorveis em que exista muita
carga. Neste sentido existem tambm optimizaes de navios que para alm da taxa de frete
tm em conta a maximizao da capacidade de carga. Este dois so os objectivos que fazem
sentido na optimizao de navio mercante, com pesos diferentes, pois a sua capacidade de
gerar ou no lucros que o tornar prefervel. Outros parmetros devem ser tidos em conta, que
muitas vezes so includos nas optimizaes como objectivos, mas que se considera que
devem ser restries, este assunto ser discutido no prximo capitulo.
A avaliao econmica do navio est sempre intimamente dependente das condies do
mercado e das projeces que para este possvel fazer. Admitindo que a vida til do navio
so 20 anos, prever as condies de mercado a 10 anos j de si uma tarefa rdua, prev-las
a 20 anos um tiro no escuro. No entanto necessrio de alguma forma estimar essas
condies e admitir que sero iguais para qualquer um dos navios que se est estudar. Os
estudos mais aprofundados sobre estas matrias so elaborados pelos armadores que
encomendam o navio, cabendo ao projectista assumir as condies que lhe so fornecidas
como verdadeiras e tentar reproduzi-las o melhor possvel nos diferentes navios. O modelo
apresentado funciona da seguinte forma, para cada navio calculado o valor do investimento
no ano zero, so calculados os custos anuais mdios do navio durante os anos de operao e
o valor a receber pelo seu abate, no final do investimento. Todos os valores so actualizados
para o ano 20 e a diviso destes pela capacidade de carga anual revela a taxa de frete para
um VAL igual a zero.
Os custos com o navio dividem-se consoante a sua natureza, assim existem dois grandes
grupos os custo de construo e os custos de explorao (Almeida, 2009; Benford, 1968). Os
custos de construo so divididos em 5 parcelas, custo do ao (C
A
), custo do equipamento
(C
E
), custo da mquina (C
M
), margem do estaleiro (M
E
) e gasto adicionais do armador (M
A
). Os
custos de explorao so separados em dois grupos custos de armamento, custos de viagem.
Nos custos de armamento englobam-se todos os custos que esto directamente ligados ao
navio, quer este esteja a operar ou no e so custos com tripulao, seguros, administrao,

- 71 -
docagens, manuteno, reparao, abastecimentos e lubrificantes. Os custos de viagem so
os que esto directamente ligados a operao do navio e so separados em dois, custos com
combustveis, custos porturios e caso seja necessrio custos da travessia de canais ou outras
despesas provenientes da viagem. Na Figura 5.16 apresenta-se a variao de custos mdios
anuais do navio em funo das variveis de projecto.
Influencia das variveis de projecto nos custos mdios anuais
3.000.000
3.200.000
3.400.000
3.600.000
3.800.000
4.000.000
4.200.000
4.400.000
4.600.000
4.800.000
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
C
u
s
t
o

m

d
i
o
s

a
n
u
a
i
s

[
$
]
Lpp B T Cb Vel

Figura 5.16 Variao dos custos mdios anuais em funo das variveis de projecto adimensionalizadas
As variveis mais importantes para os custos mdios anuais so sem duvida o comprimento e
a boca. A velocidade revela-se a terceira varivel mais importante, por causa dos custos de
explorao e do custo da mquina principal. O coeficiente de finura apresenta um crescimento
pouco acentuado, revelando ter uma importncia relativa nos custos mdios anuais. O calado
varia linearmente influenciado pelo custo da mquina principal.
5.7.1. Anlise de Sensibilidade
Com uma anlise de sensibilidade pretende-se compreender se o navio ptimo para vrios
cenrios econmicos ou se s para o considerado. Os mercados no so estticos e por isso
importante perceber que tipo de oscilaes so suportadas pelo navio ptimo e como que
este se comporta com a variao dos principais parmetros.
Na Figura 5.17 possvel observa o que se tenta evitar com uma anlise de sensibilidade,
escolher um ponto que quando sujeito a uma pequena variao deixa de o ser. O ponto M o
melhor ponto encontrado, o ponto mximo da funo, contudo devido sua proximidade com a
troca do sinal da tangente, pequenas variaes de X, fazem com este deixe de ser ptimo.
Num caso semelhante a este deve escolher um ponto com um valor mais baixo, mas que
garanta maior estabilidade s variaes de X (ponto O).


- 72 -

Figura 5.17 Ponto ptimo face ao melhor ponto. (Almeida, 2009)
Para o caso em estudo os factores de maior incerteza e aos quais o navio vai estar mais
exposto so os custo com combustvel e os juros sobre o emprstimo. Os custos de
combustvel so a maior parcela e por isso a que mais influencia os custos de explorao do
navio e estes variam principalmente com o consumo da mquina instalada. Quanto maior for a
resistncia do navio ao avano, mais potncia necessita a mquina principal, mais consumo,
pelo que se depreende que os navios maiores, com maior capacidade de carga vo estar mais
expostos a este factor.
As taxas de juro do emprstimo para a aquisio do navio so geralmente calculadas com
base na LIBOR, mais o spread. O spread mede a taxa de risco que a instituio bancria
atribui ao projecto. No modelo no existem referncias explicitas s taxas de juro, s existem
ao custo do capital, a relao entre as duas dada por

RCP Juro C
Cap
+ = ) 1 (
(50)
onde o alavancamento financeiro do projecto e RCP a taxa de rendimento do capital prprio.
Para fazer variar as taxas de juro obrigatrio influenciar o custo de capital ou o rendimento do
capital prprio. Manter o custo de capital constante no tem interesse para este estudo uma
vez que no produz alteraes na taxa de frete mnima. Por outro lado se o proprietrio do
navio se comprometeu com os accionistas a pagar uma taxa sobre o capital investido, faz todo
o sentido que esta se mantenha constante durante o tempo que durar o investimento.
A variao do preo dos combustveis 20% porque as oscilaes deste valor podem ser
muito grandes. Como est referido no anexo A.3.2 em seis meses o preo do crude sofreu uma
variao de 81%, em condies muito especiais, mas nos ltimos trs meses o preo do IFO
380 no porto de Amesterdo variou 13%.
A LIBOR indexada a um ano desceu de 1.35 no ano passado para o valor actual de 0.91


pontos percentuais, o que representa uma variao de 33%. Em 2008, na mesma altura do ano

http://www.bankrate.com/rates/interest-rates/libor.aspx (consultado a 30-08-2010)



- 73 -
o valor era 3.24

o que representa uma variao de 72%. Os emprstimos no esto sujeitos a


estas variaes to acentuadas, porque os bancos jogam com o spread para atenuar as
oscilaes dos juros, mas esto sujeitos a algumas oscilaes e por isso escolheu-se o valor
de 50% para a variao da taxa de juro do emprstimo.
Para medir a sensibilidade de cada navio aos dois parmetros acima discutidos calcula-se a
inclinao da recta que une os dois pontos obtidos com a variao como exemplificado na
equao (51)

i
Neg Pos
i
Var
RFR RFR
V

=
2
(51)
onde o ndice i refere-se ao parmetro, Var variao do parmetro e RFR
Pos
e RFR
Neg
o valor
obtido para a taxa de frete no mximo e mnimo da variao, respectivamente. Quanto menor
for a inclinao menor ser a sensibilidade do navio ao parmetro.
5.8. Parmetros da Optimizao
Os parmetros de optimizao so o comprimento entre perpendiculares, a boca, o calado, o
coeficiente de finura e a velocidade.
Os limites, apresentados na Tabela 5.5, do comprimento entre perpendiculares, da boca e do
calado foram retirados da base de dados de navios existentes.
O coeficiente de finura foi limitado atravs dos valores tpicos para navios porta-contentores,
classe feeder, que se encontram em Man B&W (2007). O intervalo de velocidade tem a mesma
origem que os coeficientes de finura.
Min Max
Comprimento [m] 100 200
Boca [m] 23 30
Calado [m] 7 12
Coef. Finura 0.5 0.75
Velocidade [ns] 15 25
Tabela 5.5 Limites das variaveis de projecto.
Para alm dos limites das variveis de projecto que se apresentam na Tabela 5.5, necessrio
impor ao modelo outras restries, estas com origem em regulamentos da IMO atravs das
diferentes convenes, ou de carcter tcnico.
O bordo livre mnimo imposto pela ILLC, obtido atravs da equao (52) que interpola as
tabelas de bordo livre atravs do comprimento do navio.

x BL
L L
BL BL
L L
A
PP PPA
B A
PPB PPA

(52)
em que L
PPA
e L
PPB
so os comprimentos anteriores e posteriores ao comprimento do navio
presentes nas tabelas de bordo livre e BL
A
e BL
B
os respectivos valores do bordo livre. No

http://www.hsh.com/indices/hshlibor-2008.html (consultado a 30-08-2010)



- 74 -
clculo do bordo livre mnimo so tidas em conta as correces para o coeficiente de finura e
para a razo entre o pontal e o comprimento.
A estabilidade, atravs da altura metacntrica mnima, que 0.6, sugerido por Schneekluth &
Bertram (1998).
O deslocamento do navio no modelo, calculado de duas formas, atravs das dimenses
principais e pela soma dos pesos e a diferena entre as duas no deve ser superior a 10%.
Esta restrio equivalente equao dos deslocamentos.
Existe a necessidade de limitar o rendimento do hlice, o que no devia acontecer, mas muito
provavelmente por erro que ainda no foi detectado, nos primeiros ensaios apareceram
rendimentos superiores a 1. Ao impor-se que o rendimento do hlice tem que ser menor que 1,
os valores obtidos para os rendimento encontram-se na gama esperada, abaixo de 0.75.

- 75 -
6. Validao e Resultados
A validao do modelo e dos algoritmos so necessrias para perceber com que grau de erro
se est a trabalhar. Sero exploradas as limitaes dos diferentes algoritmos.
A validao do modelo passa por comparar os dados obtidos com a realidade da frota mundial
de porta contentores e perceber se modelo criado se ajusta aos navios existentes. Nos pontos
em que este no reproduz a realidade, compreender a influncia que esses erros podem ter na
soluo final.
Por fim sero apresentados os resultados obtidos da juno do modelo com os algoritmos de
optimizao.
6.1. Validao do Modelo
O modelo apresentado necessita de ser validado, isto , comparar os resultados obtidos com
os navios existentes, para perceber qual o grau de proximidade com a realidade.
Na Tabela 6.1 apresentam-se os resultados para a previso de potncia, calculada atravs do
modelo, para os navios da base de dados e a comparao com a potncia instalada em cada
navio. Ao validar a potncia propulsiva necessria, validam-se tambm o clculo da resistncia
propulsiva, o dimensionamento do hlice e a escolha da mquina principal. Pot. potncia real
do navio, Pot. M. a potncia calculada pelo modelo e Corr. refere-se a correco efectuada.
As potncias apresentadas esto em kW.
Lpp [m] B [m] T [m] Cb V [Ns] Pot. Pot. M. Dif. Erro Pot. M. Corr Dif. Corr. Erro
133.25 22.20 7.36 0.6807 17.9 8286 5300 2986 36% 7895 390 5%
140.30 23.25 8.50 0.6938 19.6 9370 9445 -75 -1% 12040 -2670 -28%
125.08 22.50 8.71 0.7132 18.0 9470 7187 2283 24% 9782 -313 -3%
146.60 24.50 9.00 0.7415 19.0 11069 10017 1052 10% 12612 -1544 -14%
155.00 24.50 9.00 0.7154 19.0 11100 8482 2618 24% 11077 23 0%
160.00 26.80 9.61 0.6264 19.7 11120 8315 2805 25% 10910 210 2%
169.52 24.50 9.00 0.7365 20.0 13105 10200 2905 22% 12795 310 2%
175.00 27.60 11.30 0.6952 21.0 19620 13431 6189 32% 16026 3594 18%
Mdia 2595 21.4% 0 -2.3%
Tabela 6.1 Comparao e correco dos valores da potncia propulsiva.
Os primeiros resultados da potncia, como se pode observar na coluna Pot. M., contm erros
muito grandes. O erro mdio 21.4% o que se considerou demasiado, pelo que se decidiu
somar a todas as potncias, a mdia da diferena, 2 595 kW. A introduo desta correco trs
uma melhoria significativa nos resultados, o erro mdia passa para -2.3% e o maior erro
positivo de 36% para 18%. O maior erro negativo aumenta muito de -1% para -28%, estes dois
valores observam-se no mesmo navio, o que significa que este navio no bem representado
pelo modelo.

- 76 -
O calado a nica dimenso principal do navio que no obtida atravs do optimizador, como
calculada pelo modelo necessrio perceber como esta se comporta e quais as variveis
que o influenciam. Da equao (30) possvel compreender que o pontal maioritariamente
influenciado pelo nmero de contentores que estivado nos pores transversalmente,
calculados pela equao (41) e pela altura do duplo fundo dada pela equao (31).
13.95
14.00
14.05
14.10
14.15
14.20
14.25
7.5 8.5 9.5 10.5 11.5 12.5
Calado [m]
P
o
n
t
a
l

[
m
]

10
12
14
16
18
19 23 27 31
Boca [m]
P
o
n
t
a
l

[
m
]

Figura 6.1 Variao do pontal em funo do calado e da boca.
A influncia do calado no clculo do pontal pequena, advm exclusivamente da altura do
duplo fundo e linear. Por outro lado a pontal de cada navio tem uma forte dependncia da
boca, uma vez que esta define a quantidade de contentores que podem ser estivados
transversalmente e consecutivamente os que podem ser estivados em altura. Entre os 20 e os
24.5 metros possvel estivar 7 ou 8 contentores transversalmente, o que resulta em 4
contentores ao alto, entre os 24.5 e os 29.4 metros, estivam-se 9 ou 10 contentores
transversalmente, o que resulta em 5 camadas de contentores e finalmente para bocas
superiores a 29.4 metros podem ser estivados entre 11 e 12 contentores transversalmente, que
resulta em 6 camadas. Para alm da dependncia descrita anteriormente existe ainda a
induzida no clculo da altura do duplo fundo, equao (31). Na Tabela 6.2 apresentada a
comparao entre os pontais reais e os pontais calculados pelo modelo para os navios base,
bem como os erros.
Lpp B T D Real D Modelo Erro
125.08 22.50 8.71 11.30 11.44 1.2%
142.04 22.50 8.71 11.50 11.44 -0.5%
129.00 22.60 8.00 9.50 11.40 20.0%
146.60 24.50 9.00 11.75 14.04 19.5%
155.00 24.50 9.00 13.90 14.04 1.0%
153.62 25.00 9.50 14.22 14.08 -1.0%
160.70 25.19 9.50 14.00 14.08 0.6%
172.32 25.30 9.89 14.23 14.10 -0.9%
160.00 26.80 9.61 14.20 14.12 -0.6%
170.00 27.20 9.20 14.20 14.10 -0.7%
170.00 27.60 10.87 14.22 14.20 -0.1%
Mdia 3.5%
Tabela 6.2 Comparao dos pontais reais com os calculados pelo modelo para os navios base

- 77 -
Os navios apresentados nas linhas 3 e 4 da Tabela 6.2 tm valores de erro para o pontal muito
elevados. Para o terceiro navio o bordo livre 1.5 metros o que faz deste um caso especial e
que dificilmente pode ser contemplado neste gnero de estudo. O quarto navio segundo o
modelo j pode estivar 5 camadas de contentores dentro dos pores, mas na verdade s so
estivadas 4 camadas e dessa diferena resulta o erro de 19.5% no clculo do pontal. A
diferena deve se tambm ao facto de a boca deste navio se encontrar na zona de transio
entre as 4 e as 5 camadas.
Para validar os pesos calculados para cada navio suficiente validar o peso leve. A outra
componente do deslocamento, o porte bruto, validado com a validao das capacidades,
uma vez que este depende quase exclusivamente da capacidade em contentores de 14
toneladas e esta capacidade s depende da capacidade em TEUS. O peso leve um dado que
geralmente no publicado e por isso existe pouca informao para poder validar a forma de
clculo utilizada pelo modelo.
A validao do peso leve feita recorrendo apenas a um navio porque o nico para o qual se
conhece este valor. Para o navio a diferena entre o peso leve calculado pelo modelo e o real
so 130 em 9 842 toneladas, o que representa um erro de 1.3%. O navio um dos maiores
que se encontra na base de dados, assim espera-se que o erro diminua com as dimenses
principais e que o erro apresentado seja dos maiores.
Lpp B T D Cap. Real Cap. Prog. Erro Chen (1999) Erro
125.08 22.50 8.71 11.30 868 923 6.3% 764 12.0%
129.00 22.60 8.00 9.50 975 948 -2.8% 742 23.9%
139.50 22.70 8.31 1083 1067 -1.5%
140.30 23.25 8.50 1080 1074 -0.6%
142.04 22.50 8.71 11.50 1008 1075 6.6% 895 11.2%
142.43 23.40 8.00 1036 1114 7.5%
146.60 24.50 9.00 11.75 1221 1308 7.1% 1035 15.3%
153.62 25.00 9.50 14.22 1338 1475 10.2% 1215 9.2%
151.35 25.00 9.90 1368 1458 6.6%
155.00 24.50 9.00 13.90 1201 1461 21.6% 1187 1.2%
160.00 26.80 9.61 14.20 1425 1520 6.7% 1374 3.6%
161.93 25.00 9.50 1408 1492 6.0%
160.70 25.19 9.50 14.00 1440 1520 5.6% 1280 11.1%
169.29 24.50 9.00 1604 1657 3.3%
170.00 27.20 9.20 14.20 1700 1872 10.1% 1494 12.1%
170.00 27.60 10.87 14.22 1678 1835 9.4% 1519 9.5%
172.32 25.30 9.89 14.23 1730 1647 -4.8% 1401 19.0%
174.29 25.20 10.00 1710 1642 -4.0%
175.00 27.40 10.90 1740 1907 9.6%
173.50 25.20 9.97 1706 1637 -4.0%
186.00 27.80 11.00 1858 1887 1.6%
Mdia 4.8% 11.6%
Tabela 6.3 Comparao da capacidade de carga de contentores
Na Tabela 6.3 pode observar-se a comparao entre a quantidade de contentores real que os
navios podem transportar e a calculada por dois modelos diferentes, o proposto e o

- 78 -
apresentado em Chen (1999). O modelo apresentado tem um erro mdio de 4.8% e salvo uma
excepo est balizado entre os 10% e os -4.8%. Por comparao o modelo de Chen tem um
erro mdio de 11.6% e os erros so quase sempre superiores a 10%. O navio que obtm o pior
erro para o modelo apresentado o que melhor corresponde ao modelo de Chen.
Os custos apresentados foram calculados conforme explicado na seco A.3 e A.3.2, no
entanto para estes valores no possvel proceder a uma validao. O mercado de porta-
contentores muito fechado e existe pouca informao sobre taxas cobradas por contentor, ou
preos de novas construes. No entanto como as condies econmicas so impostas a
todos os navios, apesar dos valores de frete por contentor poderem no ser correctos, as
diferenas entre as taxas a cobrar obtidas para cada navio no devem variar muito.
6.2. Resultados
Como j foi referido os resultados com o modelo completo demoram cerca de 34 horas a correr
e por isso tentou-se reduzir o tempo de computao fazendo variar os parmetros dos
algoritmos. Os resultados continuaram sem ser satisfatrios e conclui-se que o problema
residia no clculo do rendimento do hlice. Atribuindo um valor fixo ao rendimento do hlice,
em vez de o optimizar atravs das curvas K
T
e K
Q
os tempos de computao reduzem para
cerca de 10 minutos. A estratgia adoptada foi ento aplicar um rendimento fixo para todos os
hlices e correr o modelo com o dimensionamento do hlice s para o navio ptimo. Para o
rendimento do hlice foi arbitrado o valor 0.65.
Na Tabela 6.4 so apresentadas as dimenses principais ptimas para a taxa de frete mnima,
e para as variaes de custo de combustvel e de juros, com diferentes pesos que permite
fazer uma anlise de sensibilidade ao navio ptimo.

RFR Var. C. Var. J. [0.8, 0.1, 0.1] [0.6, 0.2, 0.2] [0.5, 0.25, 0.25]
Lpp [m] 167.762 150.840 170.617 187.728 186.233 167.645
B [m] 29.865 26.950 29.662 29.802 29.695 29.668
T [m] 8.245 8.327 8.009 8.511 9.720 8.261
P [m] 16.733 14.055 16.644 16.672 16.730 16.656
Cb 0.726 0.676 0.721 0.721 0.658 0.713
Vel [ns] 15.152 24.969 15.000 15.782 16.756 15.617
P. Leve [t] 9444 6881 9615 11217 11000 9388
Inves. [$] 25480602 21361682 25844704 29490204 29435948 25477956
TEUS 2202 1627 2171 2517 2304 2189
Pot [kW] 5897 33530 5773 7635 8524 6597
RFR [$/TEU] 373 716 380 382 411 377
Var. J. [1/%] 0.5576 1.7306 0.5576 0.6063 0.6996 0.5975
Var. C. [1/%] 2.315 2.094 2.3979 2.2996 2.3761 2.2386
Peso RFR 1 0 0 0.8 0.6 0.5
Peso Var. C. 0 1 0 0.1 0.2 0.25
Peso Var. J. 0 0 1 0.1 0.2 0.25
FOP 1 1 1 1.0379 1.1204 1.0226
Tabela 6.4 Resultados para a taxa de frete mnima e anlise de sensibilidade.

- 79 -
O navio ptimo em termos de taxa de frete por contentor, apresenta uma boca maior que os
navios base. Esperava-se que o navio com menor sensibilidade aos juros fosse o menor
possvel, o que no acontece. Na verdade este navio tem a menor potncia propulsiva exigida
no veio. O navio escolhido entre os seus pares porque requer um menor investimento inicial
na mquina principal. Navios com dimenses menores tm um investimento inicial de custos
de ao mais baixos que este mas investimentos muito altos na mquina principal. Assim faz
sentido que o navio que menos sensvel aos custos com combustvel seja um navio pequeno,
com um rcio comprimento boca baixo, o que aumenta a necessidade de potncia propulsiva.
Embora este navio apresente custo muito altos com combustvel e mesmo um investimento
inicial mais alto, o que menos varia a taxa de frete em funo dos preos do combustvel.
Os resultados da optimizao multi-objectivo apresentados na Tabela 6.4 no so os
esperados principalmente quando se utilizam o vector de pesos [0.6, 0.2, 0.2]. O modelo criado
pode ter uma quantidade de no linearidades que o torne difcil de optimizar, principalmente
para multi-objectivos. importante gerar as paredes de Pareto para o problema, para perceber
quais as solues que devem ser consideradas. Como o modelo se apresenta difcil de
optimizar optou-se por utilizar apenas dois objectivos, maximizar a quantidade de carga
transportada e minimizar o frete mnimo requerido.

HN HJ + HN
Figura 6.2 Paredes de Pareto geradas pelo processo de optimizao proposto.
Em Parsons & Scott (2004) descrito um processo para construir uma parede de Pareto com
mtodos de optimizao de objectivo simples, que basicamente consiste em fazer variar as
ponderaes dos objectivos na funo objectivo. Este processo aplicado para perceber qual
a melhor combinao de ponderaes para minimizao da taxa de frete e maximizao da
quantidade de contentores transportados anualmente. As paredes de Pareto apresentadas na
Figura 6.2 foram obtidas com o processo de optimizao proposto. A parede identificada por
HN a gerada s com os resultados finais do mtodo proposto, ou seja, os 20 melhores pontos
obtidos pelo mtodo de Hooke-Jeeves, para cada combinao de ponderaes, so
posteriormente optimizados pelo mtodo de Nelder-Mead. Para parede identificada por HJ +

- 80 -
HN so apresentados os resultados anteriores e todas as solues no dominadas
encontradas pelo algoritmo Hooke-Jeeves.
importante perceber como se pode comparar estas paredes de Pareto com as geradas por
mtodos que foram criados de raiz para esse fim. Os testes efectuados revelaram que a
implementao MOPSO-CD, que tinha apresentado melhores resultados na optimizao do
modelo de navios graneleiros, no robusta suficiente para o problema. Assim recorreu-se ao
NSGA-II para visualizar a parede de Pareto do problema.

Completa Zoom zona da soluo ptima
Figura 6.3 Parede de Pareto do modelo com restries
As diferenas entre as paredes geradas pelos dois algoritmos so bvias, no caso do NSGA-II
a parede melhor definida e forma-se uma linha bem delineada. A soluo obtida com NSGA-
II melhor, os valores das duas solues so apresentadas na Tabela 6.5. A soluo obtida
atravs do mtodo proposto parece ter ficado presa antes de encontrar o mnimo igual ao do
obtido pelo NSGA-II uma vez que das 5 variveis de projecto 3 so muito idnticas. No
comprimento do navio a soluo ptima do NSGA-II tem mais 6 metros de comprimento e um
metro de calado o que se traduz num frete mnimo requerido mais baixo e numa capacidade de
carga maior. O mtodo de escolha da soluo ptima do NSGA-II a composio da matriz de
deciso com a funo de objectivos ponderados e ponderaes iguais para os dois objectivos.

- 81 -
Algoritmo HN NSGA-II
Lpp [m] 190.676 196.244
B [m] 29.810 29.856
T [m] 9.088 8.084
P [m] 16.701 16.656
Cb 0.670 0.690
Vel [ns] 21.413 21.589
P. Leve [t] 11487 11994
Inves. [$] 31006980 31958858
TEUS 2516 2564
Pot [kW] 16183.70 16254.66
RFR [$/TEU] 387.428 385.065
Max. Carga [TEUS] 29780.43 30435.99
FOP 1.0821 1.0668
Tabela 6.5 Comparao do resultados obtidos com o NSGA-II e processo proposto

- 82 -
7. Concluses
O objectivo principal que se props foi atingido e foram apresentadas as vantagens e
desvantagens da utilizao de diferentes processos e algoritmos de optimizao, aplicados ao
dimensionamento inicial de navios. Provou-se que o processo proposto para optimizar este
problema igual ou superior aos que vm sendo utilizados por outros autores. Foi criado um
modelo de clculo do dimensionamento inicial de navios porta-contentores. As alternativas que
se apresentam aos modelos de clculo de capacidades de contentores representam uma boa
aproximao da realidade. O clculo dos volumes internos do casco de navios atravs das
curvas de rea ao convs principal e ao duplo-fundo uma estratgia a considerar em casos
em que se necessita de uma melhor estimativa do volume.
Os mtodos de optimizao local estudados, acoplados a um gerador de pontos aleatrios,
revelaram ser mais eficazes que os algoritmos globais para trabalhar com optimizaes de
objectivo nico. Nas optimizaes multi-objectivo um erro na forma como construda a funo
de objectivos ponderados tem vindo a inquinar os resultados e concluses sobre o
comportamento dos algoritmos locais e globais. As comparaes apresentadas nesta tese
revelaram que eliminado este erro, os algoritmos locais tm um comportamento pelo menos
equivalente ao dos algoritmos globais. Conclui-se por isso que a funo original deve ser
alterada para a proposta no captulo 4 desta tese.
Dada a incapacidade de todos os algoritmos testados, de encontrar os mnimos j conhecidos
de modelo para navios graneleiros optou-se por utilizar encadeamento de algoritmos que no
um processo novo. O encadeamento de algoritmos de procura local, um processo pouco
usual no entanto neste caso mostrou-se til e eficaz. O usual utilizar um mtodo de procura
global que rastreie a funo para encontrar possveis mnimos e posteriormente um mtodo de
procura local para encontrar o verdadeiro mnimo. A vantagem de utilizar este processo que o
primeiro algoritmo local coloca o segundo mais perto do mnimo que os algoritmos globais,
garantindo mais certeza na convergncia. A diminuio dos recursos computacionais do
processo posposto foi estudada e apresentada no anexo D.
A grande vantagem dos algoritmos evolucionrios em relao aos algoritmos procura directa
que devolvem informao sobre a parede de Pareto, zona onde todas as solues tm a
mesma qualidade. Esta informao pode ser til na percepo do problema e na avaliao das
ponderaes a atribuir aos diferentes objectivos. No entanto os algoritmos evolucionrios
utilizados mostram-se sempre dificuldade em encontrar o mnimo real da funo, pelo
contrrios os algoritmos de procura local, principalmente encadeados como proposto,
encontram os mnimos da funo, obtendo mesmo melhores resultados que os apresentados
na literatura. O processo de optimizao proposto, revelou-se mais rpido e mais eficaz que
todos os outros testados. Os algoritmos locais tm a vantagem de necessitarem tempos de
clculo inferiores aos dos algoritmos globais.

- 83 -
As metodologias de apoio deciso testadas, na sua maioria s podem ser utilizadas para
mtodos de multi-objectivos de raiz. A nica que permite ser utilizada com o processo de
optimizao proposto a dos vectores prprios da matriz de deciso seguida do mtodo dos
objectivos ponderados. Das outras metodologias utilizadas o clculo dos pesos a atribuir a
cada objectivo pelo mtodo da entropia dos resultados, revela-se pouco eficaz e com solues
muito dbias. Assim sendo, os resultados desta requerem uma anlise muito cuidada e muitas
vezes, se os resultados de um objectivo forem muito mais dispersos que os dos outros
objectivos, este mtodo atribui-lhe mais importncia fazendo com que a soluo devolvida
esteja longe da ptima. A metodologia TOPSIS de escolha da soluo ptima parte de um
conceito interessante - estar mais perto da soluo ptima e mais longe da pior soluo -
infelizmente no aplicvel ao tipo de mtodos utilizados no processo proposto.
O modelo desenvolvido para navios porta-contentores mostrou ser uma boa aproximao como
se pode comprovar no captulo 6. No entanto, por falta de dados suficientes no foi possvel
validar devidamente as estimativas dos pesos e dos custos. A estimativa dos custos do navio
a que deve estar mais deficiente uma vez que foi elaborada com pouqussimos dados reais.
Nas reas em que mais se apostou, previso da potencia propulsiva e a capacidade de
contentores os resultados so bastante fiveis e com erros que se consideram pequenos.
As alteraes efectuadas s formas usuais de previso de potncia propulsiva, mais
especificamente no dimensionamento do hlice e a escolha automtica da mquina principal
apresentam-se como uma boa alternativa. O erro mdio em relao aos navios reais 2.3%,
que se considera aceitvel.
O clculo dos volumes do casco, atravs das curvas de rea no pontal e no duplo fundo,
permite fazer melhores estimativas da quantidade de contentores que se podem estivar nos
pores e revelam-se melhores aproximaes que o outro mtodo testado.
Os resultados obtidos com o mtodo propostos para o modelo de clculo de navios porta-
contentores no so to bons quanto se esperava. O navio com o menor frete mnimo
requerido encontrado tem uma boca maior que as que se podem encontrar nos navios
existentes, com o mesmo comprimento. Esta uma tendncia que se mantm em todos os
resultados e que se deve restrio do deslocamento, que conseguida custa de um
aumento da boca. O processo de optimizao proposto revelou debilidade quando utilizado no
modelo de navios porta-contentores por causa da maior complexidade deste em relao ao dos
navios graneleiros. Este facto pode ser observado tanto nos resultados apresentados na
Tabela 6.4 em que os resultados deviam ter uma variao mais linear, ou seja, no deviam
apresentar valores de dimenses to dspares, principalmente com os vectores de pesos [0.8,
0.1, 0.1] e [0.6, 0.2, 0.2].
No se obteve sucesso a gerar a parede de Pareto atravs do processo de optimizao
proposto, seguindo Parsons & Scott (2004). O navio ptimo para maximizao a carga anual
transportadas e minimizao o frete mnimo requerido, obtidos com o processo proposto pior

- 84 -
que com o NSGA-II apresentando uma tendncia contraria ao que acontecia com o modelo de
navios graneleiros. No entanto como se pode observar na Tabela 6.5 no existe grande
diferena entre os dois navios.
Como trabalhos de investigao futura sugere-se a aplicao do conceito base da metodologia
TOPSIS, aos mtodos de procura local que pode ser bastante interessante porque pode
permitir a estes rivalizarem de uma forma mais directa com os algoritmos evolucionrios. O
processo de obter a funo objectivo nica pela ponderao dos vrios objectivos tem como
intuito encontrar o ponto mais prximo do ponto ideal. Partindo do mesmo princpio, se a
construo da funo objectivo for invertida encontra-se a pior soluo possvel para o
problema. Pode introduzir-se na funo objectivo o clculo das distncias de cada soluo
pior e melhor soluo e conseguir o mesmo efeito que obtido atravs da metodologia
TOPSIS. Uma grande desvantagem que se pode apontar a partida que para uma
optimizao como a que foi apresentada para os navios graneleiros, com 3 objectivos so
necessrias 7 optimizaes (3 para encontrar os pontos ptimos e 3 para os piores pontos e 1
final para proceder a optimizao).
Sugere-se o estudo do mtodo de clculo dos volumes do casco atravs das curvas de rea,
aplicado a outro tipo de navios e um aperfeioamento do clculo dos volumes para navios
porta-contentores, principalmente introduzindo mais modelos para uma melhor definio dos
polinmios.
Introduzir no modelo de clculo apresentado uma melhoria na estimativa do peso leve, atravs
do dimensionamento da seco mestra. Se existir uma definio da seco mestra pode
calcular-se o peso linear (por metro) desta e atravs desse valor calcular com maior exactido
o peso do corpo cilndrico. Com os factores de reduo certos este mtodo permitir tambm
calcular com mais exactido o peso das zonas entre o corpo cilndrico e as extremidades do
navio.
Com a participao de armadores que operem navios porta-contentores pode se construir um
modelo de clculo dos custo mais elaborado e preciso. Seria interessante tambm incluir uma
anlise mais detalhado do investimento.

- 85 -
Bibliografia
Almeida, J., 2009, Arquitectura Naval O Dimensionamento do Navio, Prime Books
Andrews, D. J.; Pawling R. G., 2008, A Case of Study in Preliminary Ship Design, International
Journal of Marine Engineering
Artana, K. B.; Ishida, K., 2003, The Determination of Optimum Ships Design and Power
Prediction Using a Spreadsheet Model, Journal of the JIME, Vol. 37, No. 6
Augusto, O. B.; Kawano, A., 1998, A Mixed Continuous and Discrete Nonlinear Constrained
Algorithm for Optimizing Ship Hull Structural Design, Ocean Engineering, Vol. 25, No.
9, pp. 793-811
Bernitsas, M.M.; Ray, D.; Kynley, P., 1981, K
T
, K
Q
and Efficiency Curves for the Wageningen
B-Series Propellers, The University of Michigan, Department of Naval Architecture and
Marine Engineering, Relatrio n 237, Maio
Bertram, V., 1998, Estimating Main Dimension and Coefficients in Preliminary Ship Design,
Ship Technology, Vol. 45
Brinati, L. H.; Augusto, B. O.; Conti, B. Mardel, 2007, Learning Aspects of Procedures for Ship
Conceptual Design Based on First Principles, International Conference on Engineering
Education, Coimbra, Portugal, September
Brown, A. J.; Salcedo, J., 2003, Multi-Objective Optimization in Naval Ship Design, Naval
Engineers Journal, Vol. 115, No.4, pp-49-61
Byatt, D.; Coope, I.; Price, C., 2003, 40 years of Nelder-Mead Algorithm, University of
Canterbury, November
Castro, R. A.; Azpirz, A. J. J.; Fernndez, M. M., 1997, Proyecto Bsico del Buque Mercante
Fondo Editorial de Ingeneiria Naval, Colegio Oficila de Ingeneiros Navales, Madrid
Chen, Y., 1999, Formulation of a Multi-Disciplinary Design Optimization of Containerships,
Faculty of the Virginia Polytechnic Institute, Master Thesis, Virginia, U.S.A., May
Clausen, H. B.; Ltzen, M.; Friis-Hansen, A.; Bjrneboe, 2001, Bayesian and Neural Networks
for Preliminary Ship Design, Marine Technology, Vol. 38, No. 4, pp. 268-277
Coello, C. A. C.; Cortz, N. C., 2002, Solving Multiobjective Optimization Problems Using an
Artificial Immune System, First International Conference on Artificial Immune Systems
(ICARIS-2002), University of Kent at Catenbury, UK, September 9th-11th
Coello C. A C.; Lechuga M. S., 2002, MOPSO: a proposal for multiple objective particle swarm
optimization, Proceedings of the Evolutionary Computation on 2002. CEC '02, p.1051-
1056, May 12-17

- 86 -
Cueno, B.; McKenney, T.; Parker, M., 2010, Design Optimization Study on a Containership
Propulsion System, Michigan Engineering, Optimal Design Laboratory, April
Gorshy, H.; Xeuzheng, C.; Gao, L.; Li, Peigen, 2009, An Approach Combined Response
Surface Method and Particle Swarm Optimization to Ship Multidisciplinary Design and
Optimization, IEEE
Hiroyasu, T.; Yoshida, J.; Sano, M.; Fukunaga, T.; Kataura, T., 2002 Distributed Genetic
Algorithms ga2k Specification, Doshisha University
Hart, C.; Vlahopoulos, N., 2009, An integrated multidisciplinary particle swarm optimization
approach to conceptual ship design, Struct Multidisc Optim
Hogg, W.; Cimino, D., 1977, Methodology to qualify and quantify preliminary ship design weight
estimates. 36
th
SAWE, California, May
Holland, J., 1975, Adaptation in Natural and Artificial Systems The University of Michigan
Press
Holtrop, J.; Mennen, G. G. J., 1982, An Approximate Power Prediction Method, International
Shipbuilding Progress, Vol. 29, pp. 166-170
Holtrop, J., 1984, A Statistical Re-Analysis of Resistance and Propulsion Data, International
Shipbuilding Progress, Vol. 31, pp. 272-276
Hooke R.; Jeeves, T., 1961, Direct Search Solution of Numerical and Statistical Problems,
Journal of the ACM, Vol. 8, N 2, pp. 212-229, April
Jin, Y.; Zhao, Y., 2007, Chaotic Ant Colony Algorithm for Preliminary Ship Design, 3rd
International Conference on Natural Computation
Kolda, T. G.; Lewis, R. M.; Torczon, V., 2003, Optimization by Direct Search: New Perspectives
on Some Classical and Modern Methods, Society for Industrial and Applied
Mathematics, Vol. 45, N 3, pp 385-482
Krmker, M.; Thoben. K.-D., 1996, Re-engineering the ship pre-design process, Computers in
Industry, Vol. 31, pp. 143-153
Lagarias, J. C.; Reeds, J. A.; Wright, M. H.; Wright, P. E., 1998, Convergence Properties of the
Nelder-Mead Simplex Method in Low Dimension, Society for Industrial and Applied
Mathematics, Vol. 9, N 1, pp 112-147
Lee, D., 1999, Hybrid system approach to optimum design of a ship, Artificial Intelligence for
Engineering Design, Vol. 13, pp. 1-11
Lyon, T. D., 1982, A Calculator-Based Preliminary Ship Design Procedure, Marine
Technology, Vol. 19, No. 2, pp. 140-158
Lyon, T. D.; Mistree, F., 1985, A Computer-Based Method for the Preliminary Design of Ships,
Journal of Ship Research, Vol. 29, No. 4, pp. 251-269

- 87 -
Man B&W, 2007, Propulsion Trends in Containers, MAN Diesel A/S, Copenhagen, Denmark
Mathews, J.H.; Fink, K.D., 2004, Numerical Methods Using MATLAB, Prentice-Hall
MATLAB, http://www.mathworks.com/help/toolbox/gads/f14773.html
McKinnon K. I. M., 1998, Convergence of the Nelder-Mead simplex method to a nonstationary
point, Society Industrial Applied Mathematic, Journal Optimization, N 9, pp. 148158
Murphy, R. D.; Sabat, D. J.; Taylor, R. J., 1965, Least Cost Ship Characteristics by Computer
Techniques, Marine Technology, Vol. 2, pp.174-202
Nelder, J. A.; Mead, R., 1965, A simplex method for function minimization, Computational
Journal, N 7, pp. 308-313
Neu, W. L.; Hughes, O.; Mason, W. H.; Ni S.; Chen, Y.; Ganesan, V.; Lin, Z.; Tumma, S., 2000,
A Prototype Tool for Multidisciplinary Design Optimization of Ships, 9th Congress of
the International Maritime Association of the Mediterranean, Naples, Italy
Nowacki, H., 2009, Five decades of Computer-Aided Ship Design, Computer-Aided Design
ler, A. ., 2008, A hybrid approach for multi-objective combinatorial optimization problems in
ship design and shipping, Computers & Operation Research, Vol. 35, pp. 2760-2775
Oosterveld, M.W.C.; Van Oossanen, P., 1975, Further Computer-analyzed Data of the
Wageningen B-Screw Series, International Shipbuilding Progress, Vol. 22, pp. 251-261
Papanikolau, A., 2009, Holistic ship design optimization, Computer-Aided Design
Parsons, M. G.; Scott, L. R., 2004, Formulation of Multicriteria Design Optimization Problems
for Solution with Scalar Numerical Optimization Methods, Journal of Ship Research,
Vol. 48, N 1, pp. 61-76
Pinto, A.; Peri, D.; Campana, E. F., 2007, Multiobjective Optimization of a Containers Using
Deterministic Particle Swarm Optimization, Journal of Ship Research, Vol. 51, pp. 217-
228
Raquel, C.R.; Naval, P.C., 2005, An effective use of crowding distance in multiobjective particle
swarm optimization, Proceedings of the 2005 conference on Genetic and evolutionary
computation, June 25-29, Washington DC, USA
Ray, T.; Sha, O. P., 1994, Multicriteria Optimization Model for a Containership Design, Marine
Technology, Vol. 31, No. 4, pp. 258-268
Ray, T.; Gokarn, R. P.; Sha, O. P., 1995, A global optimization model for ship design,
Computers in Industry, Vol. 26, pp. 175-192
Rosenbrock, H. H., 1960, An Automatic Method for Finding the Greatest Least Value of a
Function, Computational Journal, Vol. 3, pp. 175-184
Schneekluth, H.; Bertram, V., 1998, Ship Design for Efficiency and Economy, Butterworth
Heinemann

- 88 -
Sen, P.; Yang. J.-B., 1998, Multiple Criteria Decision Support in Engineering Design, Springer,
London

Sharma, D.; Kumar, A.; Deb, K.; Shindya, K., 2007, Hybridization of SBX Based NSGA-II and
Sequential Quadratic Programming for Solving Multi-objective Optimization Problems,
KanGAL, Report Number 2007007
Skoupas, S.; Zaraphonitis, G., 2008, An Optimization Procedure for the Preliminary Design of
High-Speed RoRo-Passengers Ships, 6th International Conference on High
Performance Marine Vehicles, Npoles, Itlia, September
Ventura, M., 2010, Mtodos de Estimativa, Apontamentos de apoio s aulas de Projecto de
Navios I
Watson, D., 1998, Practical Ship Design, Elsevier
Watson, D.; Gilfillan, A. W., 1976, Some Ship Design Methods, RINA
Whitley. D, 1994, A Genetic Algorithm Tutorial, Statistics and Computing, N 4, pp.65-85
Wolf, R.; Dickmann, J.; Boas, R., 2004, Ship Design Heuristic Optimization Methods,
American Institute of Aeronautics and Astronautics
Yang, Y.-S.; Park, C.-K.; Lee, K.-H.; Suh, J.-C., 2006, A study on the preliminary ship design
method using deterministic approach including hull form, Springer-Verlag




- 89 -
Anexo A. Modelo de Navio Porta-Contentores
A.1. Coeficientes e Estabilidade
Nesta seco apresentam-se os pressupostos para calcular os coeficientes de forma, tais
como coeficiente da figura de flutuao, da seco mestra, prismtico e ainda os parmetros
de ligados estabilidade do navio como, centro de carena, altura metacntrica, etc. A razo
pela qual se apresentam estes parmetros no mesmo captulo que eles esto interligados tal
como ser possvel observar nas frmulas e serem necessrios para o clculo da resistncia
propulsiva.
O clculo dos coeficientes do casco e alguns parmetros com eles relacionados esto sempre
ligados aos parmetros da optimizao pelo que nesta altura j possvel estim-los. No
entanto, nem sempre muito simples estimar este tipo de coeficientes pois o seu verdadeiro
valor s consegue ser obtido depois de existirem desenhos do casco. Existem estudos
baseados em grandes bases de dados que permitiram desenvolver frmulas empricas que
relacionam este coeficientes com as dimenses principais do navio e obter uma estimativa de
boa qualidade (Schneekluth e Bertram, 1998; Hogg e Cimino, 1977, Watson, 1998).
Todos os coeficientes que no so abordados neste captulo so calculados pelas frmulas
exactas amplamente difundidas na literatura da especialidade.
A.1.1. Coeficiente de Seco Mestra
O clculo do coeficiente da seco mestra feito atravs do grfico proposto por Schneekluth
e Bertram (1998) que originalmente foi apresentado por Jensen (1994) e que foi concebido
para navios modernos. Como s existe a representao grfica foi necessrio ajustar um
polinmio atravs do grfico, que apresentado de seguida.

5194 . 0 1386 . 1 6762 . 0
2
+ + =
B B M
C C C
(53)
A.1.2. Coeficiente da Figura de Flutuao
O coeficiente da figura de flutuao (C
wp
) calculado recorrendo as frmulas publicadas em
Schneekluth e Bertram (1998) em que so feitas algumas recomendaes que se passam as
descrever. Segundo os autores, existe uma tendncia para utilizar valores muito altos para este
parmetro o que numa fase posterior dificulta o desenho das linhas do casco, pelo que se
devem escolher valores mais moderados. Para o caso dos navios porta contentores considera-
se mais apropriado utilizar as frmulas desenvolvidas para cascos em forma de V, que se
apresentam de seguida.

- 90 -

+
=
=
3 / 2
3
2
1
025 . 0
p wp
M
B
wp
B wp
C C
C
C
C
C C
(54)
Recorrendo equao (54), o cdigo escolhe o valor intermdio para evitar problemas a
quando do desenho das linhas de flutuao do casco.
A.1.3. Ordenada do Centro de Carena
Para calcular a ordenada do centro de carena existem vrias frmulas com erros na ordem de
1% do calado, assim a escolhida
( )
B M
C C T KB = 1 . 0 3 . 0 9 . 0
(55)
A.1.4. Posio Longitudinal do Centro de Carena
Watson (1998) sugere que a posio do centro de carena para o intervalo de coeficientes de
bloco observados neste tipo de navio deve ser a r de meio-navio. No existindo outra fonte de
informao optou-se por utilizar o grfico seguinte.

Figura A.1 Grfico da posio do centro de carena em funo de CB. (Watson, 1998)
O polinmio que permite calcular a posio do centro de carena em relao ao meio navio
dado o coeficiente de finura total resultado de um linha intermdia entre os limites superior e
inferior dos valores recomendados para navios com bolbo.

39 . 25 1 . 102 28 . 94 %
2
+ =
B B
C C LCB
(56)
A.1.5. Raios Metacntricos
A forma de calcular os raios metacntricos, longitudinal e transversal, idntica e muito
semelhante forma utilizada para bateles. Para um batelo os raios metacntricos so
calculados dividindo o segundo momento de rea pelo volume de carena e esta a forma

- 91 -
correcta de o fazer. Quando ainda no se conhecem as linhas do casco, existem tabelas (no
caso longitudinal) e frmulas (no caso transversal) que providenciam o factor de reduo que
se deve aplicar para extrapolar o segundo momento de rea.

B
wp
C T
B
C f BM

=
12
) (
2
(57)
Para o raio metacntrico transversal foi escolhida a frmula que deu o valor mais pequeno para
garantir que o navio nunca ter problemas de estabilidade. Entre as 5 frmulas testadas a que
apresenta menores valores a de Bauer (Schneekluth e Bertram, 1998).

3
) 1 2 ( 0372 . 0 ) ( + =
wp wp
C C f
(58)
No caso do raio metacntrico longitudinal o valor de f(C
wp
) interpolado da Tabela A.1 e
utilizado na equao (57).
Cwp 0.68 0.70 0.72 0.74 0.76 0.78 0.80 0.82
f(Cwp) 0.033 0.035 0.038 0.040 0.043 0.045 0.048 0.050
Cwp 0.84 0.86 0.88 0.90 0.92 0.94 0.96
f(Cwp) 0.053 0.056 0.059 0.062 0.065 0.068 0.071
Tabela A.1 Valores de reduo do segundo momento de reas para o raio metacntrico longitudinal.
A.2. Pesos
A.2.1. Peso Leve
O peso leve maioritariamente influenciado pelas dimenses principais do navio,
principalmente por causa da componente do peso ao e com menor importncia o peso do
equipamento, que deve ser divido em dois, o peso dos equipamentos normais (bombas,
encanamentos, cabos elctricos, etc) e no peso das guias dos contentores. Por sua vez o peso
da mquina influenciado pela potncia que necessria instalar a bordo. Na Figura A.2 pode
observar-se a percentagem, em relao ao peso leve, de cada um dos pesos que se referiram
atrs.
Os valores apresentados na Figura A.2, Tabela A.2 e na Tabela A.3, foram calculados com
base em cinco navios, uma vez que em para grande parte dos navios da base de dados no
existe informao sobre o pontal e a inexistncia desta no permite efectuar os clculos. O
porte bruto dos navios utilizados varia entre 13 000 tdw e 21 000 tdw, ao passo que o de todos
os navios da base de dados varia entre 11 000 tdw e 24 000 tdw.

- 92 -
Distribuio Percentual do Peso Leve
Peso do ao
69%
Peso do equipamento geral
16% Peso do equipamento
especial
7%
Peso da mquina
8%

Figura A.2 Distribuio percentual do peso leve.
Em Watson (1998) encontram-se valores de referncia para estas percentagens divididos em
duas categorias, navios com porte prprio entre 10 000 tdw e 15 000 tdw e para navios com
porte prprio entre 20 000 tdw e 50 000 tdw. Os portes prprios dos navios com que se
pretende trabalhar situam-se entre as duas categorias pelo que apresentam ambas na Tabela
A.2.

Ao Equipamento Maquinaria
Watson (10 000 tdw a 15 000 tdw) 58% a 71% 15% a 20% 9% a 22%
Watson (20 000 tdw a 50 000 tdw) 62% e 72% 14% e 20% 15% e 18%
Tabela A.2 Valores esperados para peso do ao, peso do equipamento e peso maquinaria
Da anlise destes valores percebe-se que a percentagem do peso da maquinaria inferior ao
que seria de esperar, contudo no possvel estima-lo de outra forma, uma vez que no se
conhecem os pesos leves destes navios. O peso dos equipamentos tambm se encontra
ligeiramente acima do esperado e pelas mesmas razes apresentadas anteriormente as
frmulas no foram alteradas.
Os valores de referncia para as estimativas da altura dos centros de gravidade do peso leve e
respectivas parcelas foram retirados de Watson (1998) e na tabela seguinte encontra-se a
comparao entre estes e os obtidos com as frmulas escolhidas.
Ao Equipamento Maquinaria Peso Leve
Navios Base de Dados 59.5% 88.7% 61.8% 58.3%
Watson > 10 000 tdw 55% e 63% 86% e 105% 29% e 53% 60% e 70%
Tabela A.3 Comparao entre a altura dos centros de gravidade e os valores de referncia
O centro de gravidade da maquinaria est acima do normal, contudo o peso da mquina
tambm est ligeiramente a abaixo do que seria de esperar pelo que estes erros acabam por
se complementar. O centro de gravidade do navio leve encontra-se ligeiramente abaixo do
recomendado, mas acredita-se que este facto no ir trazer problemas de estabilidade.
No clculo do peso leve as dimenses devem ter pesos diferentes porque o peso de construir
mais um metro de comprimento diferente de mais um metro de boca ou de pontal. A equao

- 93 -
(59) reflecte o que foi dito atrs atravs dos diferentes expoentes. Existem outros factos que
devem ser ponderados, a utilizao de ao de alta resistncia na construo do navio que
permite reduzir espessuras e assim uma reduo de peso, para este caso considerou-se que
60% do navio construdo neste ao, o que permite uma reduo de 12% do peso leve.
O processo normal para utilizar estas frmulas actualizar o valor, que neste caso 0.0293,
com base em navios da mesma classe construdos recentemente, contudo no existem
disponveis na internet o peso leve de navio recentes pelo que este valor no pode ser
actualizado. A frmula utilizada para calcular o peso do ao
( )
374 . 0 712 . 0 76 . 1
0293 . 0 88 . 0 D B L P
A
= (59)
O calculo do peso do equipamento tal como foi referido atrs diferenciado em equipamento
geral e equipamento especifico de porta-contentores.

85 . 0
1156 . 0 CN P
EG
=
(60)

92 . 0
713 . 0 N P
EE
= (61)

1000
D B L
CN

=
(62)
onde CN o nmero cbico do navio e N o nmero total de TEUS que o navio pode
transportar. Para o clculo do peso do equipamento especfico para navios porta-contentores,
mais especificamente as clulas, so sugeridos em Schneekluth & Bertram (1998) valores para
os diferentes tipos de clulas possveis de instalar. Para os contentores de 20 ps
normalizados sugerido o valor 0.7 ton/TEU.
Finalmente o peso da mquina principal dado por

62 . 0
41 . 2
bhp M
P P =
(63)
onde P
bhp
a potencia da mquina instalada em British horse power.
Para calcular o centro de gravidade do peso leve do navio necessrio conhecer os centros de
gravidade de cada um dos pesos, assim as expresses seguintes so as utilizadas para este
clculo, em que cada um dos ndices se refere ao peso. As formulas (65) e (66) so utilizadas
tal como apresentadas em Chen (1999), mas a (64) foi alterada para que os valores desta se
aproximassem dos que podem ser observados na Tabela A.3. A alterao ajudou ainda a que
todo o centro de gravidade do navio leve subisse aproximando-se assim de valores mais
recomendados.

( )
|
|
|
|
|

\
|
|

\
|
+ =
100
85 . 0 15 . 0 56
2
D
L
C CG
FF
B A
(64)
( ) D L CG
FF E
= 00689 . 0 005 . 1 (65)
( )
DF DF M
H D H CG + = 35 . 0 (66)
A.2.2. Porte Prprio

- 94 -
O porte prprio composto por todos os pesos que so necessrios para a operao do navio.
Neste so includos pesos to distintos e de difcil clculo como o peso dos colches ou o peso
de roupas e outros equipamentos da tripulao, so ainda includos o peso da gua doce,
combustvel, sobresselentes e lubrificantes.
O peso devido a tripulao do navio de todos o de mais difcil estimativa, pelo que se
atriburam 500 kg (Ventura, 2010) como valor mdio para cada tripulante. O nmero de
tripulantes dado pelo inteiro resultante da equao (67) retirada de Almeida (2009).

5 . 0
018 . 0
1000
07 . 0 9
hp Trip
P
CN
N + + =
(67)

Trip Trip
N P = 5 . 0
(68)
O peso dos sobresselentes depende directamente do peso da maquinaria (Ventura, 2010)

M Sob
P P = 03 . 0
(69)
O peso do combustvel naturalmente funo do consumo da mquina principal e da
autonomia pretendida, a este valor comum acrescentarem-se uma margem de 10% (Chen,
1999).

Via MD Com
D C P = 1 . 1
(70)
onde C
MD
o consumo dirio da maquina principal em toneladas e D
Via
o nmero de dias de
viagem, ou seja, autonomia.
Segundo Ventura (2010) pode calcular-se o peso dos lubrificantes pela expresso

Com Lub
P P = 04 . 0
(71)
Para calcular o peso da gua doce embarcada foi estimado que seriam 200 litros por
passageiros por dia.

Via Trip gua
D N P = 2 . 0
(72)
A.2.3. Porte til
O porte til o peso da carga mxima que pode ser transportado. Para efectuar este tipo de
clculo comum estimar-se que um contentor de 20 ps carregado pesa aproximadamente 14
toneladas. Nas caractersticas dos navios porta-contentores normal aparecer a capacidade
de contentores de 14 toneladas, pelo que simples conseguir uma relao entre esta
capacidade e a capacidade total (total de contentores que podem ser transportados).
A capacidade em contentores de 14 toneladas assim dada pela curva que melhor satisfaz os
valores que se encontram na base de dados. Na Figura A.3 apresentam-se os resultados
obtidos para a base de dados que se dispem. Um polinmio de segundo grau a curva que
melhor se ajusta aos dados (menor erro quadrtico mdio), mas este devido sua natureza
divergia muito nos valores extremos do intervalo, onde se obtinham valores irreais, pelo que se
optou por uma relao linear. A diferena no erro quadrtico mdio entre estas duas curvas
cerca de 5 milsimas, pelo que a opo pela recta no introduz um grande erro.

- 95 -
Capacidade
y = 0.7325x - 28.932
R
2
= 0.8531
600
700
800
900
1000
1100
1200
1300
1400
800 1000 1200 1400 1600 1800 2000
Capacidade Vs Capacidade 14 ton Linear (Capacidade Vs Capacidade 14 ton)

Figura A.3 Regresso linear entre a capacidade total e a capacidade equivalente em TEUS 14 ton.
A capacidade equivalente em contentores de 14 toneladas dada pela equao (73), em que
N capacidade mxima de contentores

932 . 28 7325 . 0 = N P
Car
(73)
A.2.4. Arqueao Bruta
A arqueao bruta a medida de todos os volumes do navio. O clculo deste parmetro deve-
se essencialmente para estimar os custos porturios. Como no existe informao sobre todo
os volumes do navio nesta fase do projecto comum derivar este valor a partir do nmero
cbico ou do deslocamento. Neste caso como no existem dados sobre o deslocamento deste
navio e pouco dados sobre os pontais, necessrios para calcular o nmero cbico, optou-se
por calcular a arqueao bruta em funo da capacidade em contentores. O grfico seguinte
mostra a regresso que foi feita e o valor de ajustamento da curva aos pontos. Uma regresso
quadrtica obtinha valor de ajustamento ligeiramente melhor, mas esta foi abandonada porque
para capacidades altas as arqueaes tendiam a estabilizar.
Arqueao Bruta
600
5 600
10 600
15 600
20 600
800 1000 1200 1400 1600 1800 2000
GT Linear (GT)

Figura A.4 Regresso para calcular a arqueao bruta.
A equao que permite estimar o valor da arqueao bruta

- 96 -

376 15 . 11 = N P
Car
(74)
A.3. Custos e Frete Mnimo Requerido
A.3.1. Custos de Construo
Como foi referido anteriormente os custos de construo so divididos em 5 parcelas e neste
subcaptulo apresentam-se as frmulas utilizadas para as calcular, justificaes e
pressupostos. A estrutura do clculo dos custos de construo baseada em Almeida (2009),
em que a moeda de clculo o dlar.
Os custos do ao so calculados com base no peso do ao do navio e no coeficiente de bloco,
nestes esto includos o custo das chapas de ao, de corte, soldadura e montagem dos blocos.
O preo do ao so 770 euros por tonelada
3
que multiplicados pelo peso leve resultam em
cerca de 60% do custo do ao dado pela equao (75). Este valor revela que o custo do ao
no deve estar muito longe do real e valida a equao, uma vez que no se conhece o preo
verdadeiro deste tipo de navios.

2217 . 0 8802 . 0
3167

=
B A A
C P C (75)
Os custos do equipamento so calculados pelas equaes (76) e (77) e dependem
exclusivamente do peso do equipamento que ser instalado a bordo.

9313 . 0
14770
EE EE
P C = (76)

97 . 0
2500
EG EG
P C =
(77)
O custo da maquinaria, onde esto englobados o custo da mquina principal, da caixa
redutora, do veio e do hlice. Na referncia supracitada dito que o preo da maquinaria
influenciado pelo tipo de motor instalado no caso recorrendo a Man B&W (2007) sugerido que
para o tipo de navio em estudo seja instalado um motor lento a dois tempos. Os coeficientes
para estimar o preo deste tipo de mquina principal so apresentados na equao (78).

62 . 0
19877
Veio M
P C =
(78)
A margem de estaleiro 20% do preo de construo e as despesas do armador so 10% do
preo do estaleiro. O valor do investimento (I) dado pela equao (79) e o preo do navio (P)
dado pela equao (79), sem o factor correspondente s despesas do armador (1+M
A
).

( ) ( ) ( )
A E M EG EE A Con
M M C C C C C + + + + + = 1 1
(79)
onde M
E
a margem de estaleiro e M
A
de despesas do armador.
Como no foi possvel obter de uma fonte fidedigna o preo de um navio do tipo estudado,
admitiu-se que os coeficientes de multiplicao esto certos e que o preo de construo a
soma das trs parcelas apresentadas. A incerteza no preo real do navio especialmente
importante se existir uma necessidade real de construo do navio, para uma comparao
entre navios este factor menos importante uma vez que se consideram as mesmas condies
inicias para todos. O nico problema perceber se existem navios que so mais sensveis aos

3
http://www.abolsamia.pt/news.php?article_id=748&article_type=noticia (consultado 26-08-2010)

- 97 -
custos de construo que outros, o que facilmente ultrapassvel com uma anlise de
sensibilidade a este parmetro.
Inclui-se o preo de sucata (R
Suc
) no navio por este depender exclusivamente do peso leve. O
valor de sucata dos navios 380
4
dlares por tonelada de peso leve.

Leve Suc
P R = 380
(80)
A.3.2. Custos de Explorao
Os custos de explorao devem ser divididos em custo de armamento (C
Arm
) e custo de viagem
(C
Via
), porque uns so custos fixos e os outros, variveis. A componente com mais relevo de
todos os custos os com o combustvel, porque o preo dos combustveis pode variar muito.
Seno veja-se o exemplo recente da variao do preo do crude que em Julho de 2008 atingiu
um mximo histrico de 147 $/b e em Dezembro do mesmo ano era transaccionado a 28 $/b
5
.
Alm do preo do crude poder sofrer fortes oscilaes convm relembrar que as mquinas
principais destes navios tm consumos entre as 40 e as 57 toneladas dirias. O que em preos
do presente representa, a 422 $/t
6
, entre 16 880 e 24 054 dlares dirios, no porto de
Roterdo.
Os custos fixos do navio ou de armamento (C
Arm
) anuais so dados pela soma das equaes
(81) (86).
Nos custos com tripulao esto includos as remuneraes, encargos sociais, rendio, etc.
Para estimar os custos com a tripulao necessrio ter em conta a bandeira em que o navio
vai ser registado. Para este caso o registo escolhido foi o registo MAR, que um misto entre os
tradicionais e os abertos e que permite ao navio reduzir alguns custos com tripulao e assim
tornar-se mais competitivo.

95 . 0
41000
Tri Tri
N C =
(81)
em que N
Tri
dado pela equao (67).
Os custos com abastecimentos e lubrificantes so calculados pela equao seguinte

7 . 0 25 . 0
200 4000 3500
Veio Tri Lub
P CN N C + + =
(82)
O custo anual de manuteno e reparaes de rotina, incluindo sobresselentes estimado em
funo do custo do navio de aquisio do navio e da potncia instalada.

66 . 0
105 0035 . 0
Veio Man
P P C + =
(83)
O custo dos seguros a componente dos custos de armamento que mais pode variar
consoante o armador, esta pode ser estimada em funo do investimento inicial e da
arqueao bruta (GT).

4
http://download.hellenicshippingnews.com/pdf/weberseas/WeberSeasWeeklyReportAugust06-10.pdf (consultado 27-
08-2010)
5
http://economico.sapo.pt/noticias/evolucao-do-mercado-do-petroleo_12248.html, (consultado a 26-08-2010)
6
http://www.bunkerworld.com/markets/prices/nl/rtm/?grade=IFO380 (consultado a 26-08-2010)

- 98 -

GT I C
Seg
+ = 50 . 11 010 . 0
(84)
Os custos mdios de docagem regulamentares podem ser estimados atravs de uma funo
linear do preo do navio.

P C
Doc
= 006 . 0
(85)
Os custos administrativos representam os custos que o armador tem em terra com escritrios,
telefones, salrios do pessoal de terra, etc. Para o clculo destes custos proposto em
Almeida (2009) o valor fixo de 120 000 dlares anuais, para que tambm neste campo exista
uma diferena entre os navios, optou-se por considerar que o valor seria igual ao nmero total
de contentores multiplicado por 100.

TEUS Adm
N C =100
(86)
Os custos porturios so dados pela frmula genrica, onde se considera que esto includos
custos com pilotos, reboques, cais, etc.

GT T C
Por Por
=
(87)
em que a taxa porturia (T
Por
) pode variar de porto para porto.
Os custos de combustvel so dados pelo consumo dirio da mquina principal multiplicados
pelo nmero de dias em mar, a que so somados os dias de porto multiplicados por 20% do
consumo da mquina, tal como indicado na equao seguinte.

( )
MP Por MP Mar Com
Con D Con D C + = 2 . 0 1 . 1
(88)
A multiplicao do dos custos de viagem pelo nmero de viagem anual d os custos com
viagens anuais. Soma deste com os custos de armamento resultam nos custos de explorao
anuais.
comum calcular-se os custos dirios de armamento que so dados pela equao (89),
considera-se que o navio est operacional 355 dias por ano

355
Arm
Arm
C
D =
(89)
Para calcular o frete mnimo por contentor necessrio actualizar os valores monetrios,
geralmente para o ano em que o investimento comea. Para ser possvel actualizar os valores
necessrios conhecer o custo de capital (C
Cap
) que se pretende. Considerou-se que 10%
um valor aceitvel, dado o risco e os montantes envolvidos. Desprezou-se o valor da inflao
uma vez que esta aparece nos custos mas tambm aparecer nas receitas quando estas forem
calculadas.
Como as receitas so desconhecidas necessrio calcular o valor presente de todos os custos
e da receita do abate do navio para o ano 0 do investimento, que dado pela equao
seguinte

( )
( ) ( )
N
Cap
Suc
N
Cap Cap
N
Cap
Exp Actual
C
R
C C
C
C I V
+

+
+
+ =
1 1
1 1
(90)
onde N o nmero de anos que dura o investimento.

- 99 -
A distribuio do valor actual pelos diferentes anos de projecto, para que os custos se
mantenham constantes dada pela equao

( )
( ) 1 1
1
+
+
=
N
Cap
N
Cap Cap
Actual Anual
C
C C
V V
(91)
Para encontrar a taxa de frete mnima (RFR) divide-se o valor anual pela quantidade de carga
transportada anualmente.

Viagens Viagem
Anual
N TEUS
V
RFR

=
(92)

- 100 -
Anexo B. Modelo de Graneleiros
B.1. Modelo
Constantes
Acelerao da gravidade:
8065 . 9 = g
(93)
Viagem de volta redonda:
5000 =
VR
Dis
(94)
Capacidade de descarga:
8000
arg
=
a Desc
Cap
(95)
Preo do combustvel:
100 =
Fuel
C
(96)
Gerais
Deslocamento:
B
C T B L =
(97)
Velocidade (em metros por segundo):
V V
s m
= 5144 . 0
(98)
Nmero de Froude:
L g
V
F
s m
n

=
(99)
Estabilidade
Altura do centro de carena: T KB = 53 . 0 (100)
Altura do centro de gravidade: D KG + = 52 . 0 1 (101)
Altura metacntrica:
( )
B
B
T
C T
B C
BM


=
2
002 . 0 082 . 0
(102)
Raio metacntrico:
KG BM KB GM
T T
+ =
(103)
Potncia Propulsiva
Potncia Veio:

+

=
+ =
+ =
n
Veio
B B
B B
F b a
V
P
C C b
C C a
3 3 2
2
2
32 . 6960 12817 2 . 10847
51 . 4456 61 . 8105 06 . 4977
(104)
Peso do ao:
5 . 0 4 . 0 7 . 0 7 . 1
034 . 0
B A
C D B L P =
(105)
Peso do equipamento:
1 . 0 3 . 0 6 . 0 8 . 0
B E
C D B L P =
(106)
Peso da mquina:
9 . 0
17 . 0
Veio M
P P =
(107)
Peso Leve:
M E A Leve
P P P P + + =
(108)
Consumo dirio da mquina:
2 . 0
1000
24 19 . 0
+

=
Veio
Diario
P
Cons
(109)
Dias de mar:
V
Dis
D
VR
Mar

=
24
(110)
Peso do combustvel:
( ) 5 + =
Mar Diario C
D Cons P
(111)

- 101 -
Capacidade
Porte bruto:
Leve
P DWT =
(112)
Porte prprio:
5 . 0
2 DWT DWT
P
=
(113)
Porte til:
P Leve U
DWT P DWT DWT =
(114)
Dias em porto:
|
|

\
|
+ = 5 . 0 2
arg a Desc
U
Porto
Cap
DWT
D
(115)
Viagens anuais:
Porto Mar
Anuais
D D
V
+
=
350
(116)
Custos
Preo do navio:
( )
8 . 0 85 . 0
2400 3500 2000 3 . 1
Veio E A N
P P P C + + =
(117)
Valor do investimento:
N
C I = 2 . 0
(118)
Custos operacionais:
3 . 0
40000 DWT C
Op
=
(119)
Custos com combustveis:
Fuel Mar Diario Com
C D Cons C = 05 . 1
(120)
Custos porturios:
8 . 0
3 . 6 DWT C
Por
=
(121)
Custos de viagem:
( )
Anuais Por Com Via
V C C C + =
(122)
Custos Anuais:
Via Op Anuais
C C I C + + =
(123)
Custos de transporte:
U Anuais
Anuais
Tra
DWT V
C
C

=
(124)
B.2. Restries

6
B
L
(125)

15
D
L
(126)

19
T
L
(127)

31 . 0
45 . 0 DWT T (128)
7 . 0 7 . 0 + D T (129)

000 500 000 25 DWT
(130)

75 . 0 63 . 0
B
C
(131)
18 14 V (132)
32 . 274 L (133)

32 . 0
n
F
(134)

B GM
T
07 . 0
(135)

- 102 -
Anexo C. Resultados dos Processos Propostos
Preteridos
C.1. MOPSO-CD com Nelder-Mead

MOPSO-CD com Nelder-Mead

[0.4, 0.2, 0.4] [0.2, 0.2, 0.6] [0.33, 0.33, 0.33] CC CA
CC [t/$]
8.1485 8.6985 8.4815 7.9791 10.0329
PL [t]
10862.4834 15527.5820 8172.9980 14347.8672 25799.3965
CA [t]
671745.2970 752477.7981 555701.5976 754968.8254 1039095.4145
L [m]
200.1785 209.6344 179.2377 228.4522 274.3200
B [m]
33.3631 34.9368 29.8702 38.0753 45.7200
D [m]
18.3243 19.1277 16.4407 19.9136 24.8774
T [m]
13.5270 14.0894 12.2083 14.6395 18.0314
Cb
0.7499 0.7500 0.7500 0.6890 0.7499
V [kn]
14.3229 16.0064 14.2804 14.0001 18.0000
FOP
1.4423 1.5250 1.4979
Tabela C.1 Resultados do encadeamento do MOPSO-CD com Nelder-Mead
C.2. MOPSO-CD com Hooke-Jeeves

MOPSO-CD com Hooke-Jeeves

[0.4, 0.2, 0.4] [0.2, 0.2, 0.6] [0.33, 0.33, 0.33] CC CA
CC [t/$]
8.1146 8.7386 8.5335 7.9925 10.0241
PL [t]
11026.5752 12270.9805 8148.9287 14033.6025 25705.0605
CA [t]
676174.4228 744417.8681 554027.2711 733928.8377 1037928.8675
L [m]
201.4745 207.8723 179.2793 229.1534 274.3200
B [m]
33.5791 34.6453 29.8799 38.1922 45.6865
D [m]
18.4116 18.9666 16.3257 19.5143 24.6665
T [m]
13.5878 13.9766 12.1280 14.3600 17.9665
Cb
0.7500 0.7500 0.7465 0.6608 0.7500
V [kn]
14.2350 16.0590 14.3980 14.0126 17.9998
FOP
1.4428 1.5252 1.5004
Tabela C.2 Resultados do encadeamento do MOPSO-CD com Hooke-Jeeves

- 103 -
Anexo D. Influencia dos Parmetros do Processo
Proposto
[0.2, 0.2, 0.6] [0.4, 0.2, 0.4] CC PL [0.2, 0.2, 0.6] [0.4, 0.2, 0.4] CC PL
1.524998 1.442198 1.000027 1.000390 1.525302 1.443219 1.000109 1.004777
1.524993 1.442199 1.000031 1.000652 1.525481 1.442462 1.000244 1.005714
1.524997 1.442198 1.000028 1.000016 1.525584 1.442406 1.000132 1.004754
1.524995 1.442197 1.000031 1.000083 1.525273 1.442733 1.000078 1.009142
1.524997 1.442200 1.000031 1.000083 1.525843 1.442420 1.000161 1.011393
1.524994 1.442198 1.000030 1.000025 1.525480 1.442329 1.000510 1.006094
1.524995 1.442199 1.000031 1.002498 1.525649 1.442657 1.000318 1.011524
1.524996 1.442199 1.000029 1.000245 1.525297 1.442319 1.000239 1.004271
1.524994 1.442200 1.000030 1.000068 1.525639 1.442719 1.000143 1.009937
1.524995 1.442198 1.000028 1.000086 1.525594 1.442369 1.000192 1.004812
1.524998 1.442200 1.000033 1.000049 1.525513 1.442924 1.000265 1.004073
1.524993 1.442199 1.000028 1.000128 1.525292 1.443249 1.000091 1.006430
1.524995 1.442196 1.000029 1.000075 1.525360 1.442750 1.000360 1.001678
1.524997 1.442200 1.000030 1.000059 1.525500 1.442467 1.000403 1.003757
1.524998 1.442197 1.000034 1.000058 1.525666 1.442757 1.000050 1.004314
1.524993 1.442201 1.000029 1.000128 1.525596 1.443248 1.000576 1.002944
1.524997 1.442199 1.000031 1.000678 1.525795 1.442505 1.000126 1.001967
1.524997 1.442198 1.000028 1.000159 1.525358 1.442427 1.000152 1.004460
1.524993 1.442200 1.000029 1.000283 1.525802 1.442575 1.000431 1.005810
1.524995 1.442202 1.000031 1.000209 1.525335 1.442424 1.000170 1.004800
Mdia 1.524996 1.442199 1.000030 1.000299 1.525518 1.442648 1.000237 1.005633
Mnimo 1.524993 1.442196 1.000027 1.000016 1.525273 1.442319 1.000050 1.001678
Mximo 1.524998 1.442202 1.000034 1.002498 1.525843 1.443249 1.000576 1.011524
Tempo 1.05 1.13 1.04 1.07 0.56 0.55 0.54 0.52
Erro Mdio 0.000% 0.000% 0.003% 0.030% 0.034% 0.031% 0.024% 0.563%
Erro Mnimo 0.000% 0.000% 0.003% 0.002% 0.018% 0.009% 0.005% 0.168%
Erro Mximo 0.000% 0.000% 0.003% 0.250% 0.056% 0.073% 0.058% 1.152%
Hooke Nelder Hooke Nelder
Epsilon 10^-10 10^-10 Epsilon 10^-10 10^-10
Pontos 250 50 Pontos 250 50
Max Iter 100 500 Max Iter 50 50
Min Iter 50 Min Iter 25
Tabela D.1 Influencia dos parmetros dos algoritmos no processo proposto (A)

- 104 -
[0.2, 0.2, 0.6] [0.4, 0.2, 0.4] CC PL [0.2, 0.2, 0.6] [0.4, 0.2, 0.4] CC PL
1.525013 1.442202 1.000040 1.010291 1.525079 1.442677 1.000981 1.00445
1.525008 1.442205 1.000606 1.007685 1.525048 1.442686 1.000644 1.01056
1.525006 1.442201 1.000035 1.034127 1.525318 1.442746 1.000252 1.0185
1.525009 1.442209 1.000257 1.001320 1.525572 1.443196 1.000571 1.01722
1.525007 1.442205 1.000754 1.021805 1.525245 1.442772 1.000135 1.02034
1.525006 1.442207 1.000117 1.003696 1.525420 1.442803 1.000499 1.01156
1.525004 1.442211 1.000214 1.006567 1.526066 1.442339 1.000391 1.04515
1.525007 1.442204 1.000048 1.054870 1.525199 1.442225 1.000129 1.05522
1.525011 1.442205 1.000032 1.010293 1.525312 1.442470 1.000863 1.00191
1.525005 1.442207 1.000053 1.002135 1.525580 1.442415 1.003241 1.03864
1.525007 1.442204 1.000040 1.055430 1.525754 1.442502 1.001067 1.00636
1.525008 1.442210 1.000136 1.007405 1.525530 1.442745 1.000304 1.01261
1.525010 1.442208 1.000039 1.053883 1.526052 1.442455 1.000751 1.00154
1.525012 1.442206 1.000052 1.002414 1.525116 1.442588 1.000226 1.01032
1.525008 1.442210 1.000031 1.004288 1.526077 1.442540 1.001668 1.01446
1.525007 1.442212 1.000037 1.040281 1.525096 1.442872 1.000372 1.0092
1.525004 1.442201 1.000136 1.000342 1.526245 1.442568 1.000296 1.05194
1.525008 1.442205 1.000285 1.026948 1.525104 1.442501 1.000236 1.00498
1.525012 1.442208 1.004054 1.000937 1.525270 1.442928 1.000858 1.00255
1.525005 1.442204 1.000039 1.002118 1.525671 1.442585 1.000259 1.00566
Mdia 1.525008 1.442206 1.000350 1.017342 1.525488 1.442631 1.000687 1.017158
Mnimo 1.525004 1.442201 1.000031 1.000342 1.525048 1.442225 1.000129 1.001538
Mximo 1.525013 1.442212 1.004054 1.055430 1.526245 1.443196 1.003241 1.055215
Tempo 0.96 0.9515 0.915 0.9055 0.468 0.4595 0.4595 0.4585
Erro Mdio 0.001% 0.001% 0.035% 1.734% 0.032% 0.030% 0.069% 1.716%
Erro Mnimo 0.001% 0.000% 0.003% 0.034% 0.004% 0.002% 0.013% 0.154%
Erro Mximo 0.001% 0.001% 0.405% 5.543% 0.082% 0.069% 0.324% 5.522%
Hooke Nelder Hooke Nelder
Epsilon 10^-10 10^-10 Epsilon 10^-10 10^-10
Pontos 250 1 Pontos 250 1
Max Iter 100 100 Max Iter 50 100
Min Iter 50 Min Iter 50
Tabela D.2 Influencia dos parmetros dos algoritmos no processo proposto (B)

- 105 -
Anexo E. Dados gerados pelo modelo de clculo
######################################################
# Caracteristicas Principais do Navio #
######################################################
Comprimento entre perpendiculares: 167.762 [m]
Boca na ossada: 29.865 [m]
Pontal: 16.660 [m]
Calado de projecto: 8.245 [m]
Coeficiente de bloco: 0.72600
Coeficiente de seccao mestra: 0.98961
Coeficiente prismatico: 0.73362
Deslocamento: 30770 [t]

######################################################
# Propriedades Hidrodinamicas #
######################################################
Coeficiente da figura de flutuacao: 0.81987 [m]
Posicao longitudinal do centro de carena: 0.96 []
(a meio-navio)Posio vertical do centro de carena: 4.37 [m]
Raio metacentrico transversal: 8.50 [m]
Raio metacentrico longitudinal: 236.41 [m]

######################################################
# Resistencia #
######################################################
Coeficiente de deduo de impulso: 0.2121
Coeficiente de esteira: 0.3747
Rendimento de carena: 1.26
Resistencia ao avanco: 583420.25 [kN]

######################################################
# Caracteristicas Bolbo #
######################################################
Comprimento do bolbo: 6.50 [m]
Boca do bolbo: 2.57 [m]
Altura do bolbo: 3.71 [m]
Area do bolbo na PPAV: 20.7 [m2]
Altura do centro de gravidade da area do bolbo: 1.86 [m]

######################################################
# Helice #
######################################################
Diametro: 6.60 [m]
Razao de area expandida: 0.3000
Razao de passo diametro: 0.8620
Coeficiente de avanco: 0.5493
Numero de pas: 4
Rendimento do helice em aguas livres: 0.6297

######################################################
# Potencia #
######################################################
Potencia no veio: 6087 [kW]
Consumo da maquina principal: 1 [t/hora]




- 106 -
######################################################
# Pesos #
######################################################
Peso do ao: 6824 [t]
Centro de gravidade do peso do ao : 9.68 [m]
Peso do equipamento geral: 1763 [t]
Centro de gravidade do peso do equipamento geral: 14.72 [m]
Peso do equipamento especial: 848 [t]
Centro de gravidade do peso do equipamento equipamento: 14.72 [m]
Peso da maquina pincipal: 9 [t]
Centro de gravidade do peso da maquina: 6.65 [m]
Peso Leve: 9443 [t]
Centro de gravidade do peso leve: 11.07 [m]
Porte proprio: 969 [t]
Porte bruto: 22715 [t]
Centro de gravidade do navio carregado: 10.47 [m]
Deslocamento calculado atravs do pesos: 33126.98 [m]

######################################################
# Capacidades #
######################################################

Altura da ponte de comando: 21.00 [m]
Comprimento de carga: 127.92 [m]
Nmero de TEUS: 2201 Casco: 1236 Conves: 965
Centro de gravidade da carga: 10.19 [m]

11 11 11 11 11 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0
11 11 11 11 11 11 11 11 11 11 11 11 0 0 0 0 0 0 0 0
11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 0 0
11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11
11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11
11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11
9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9
--------------------------------------------------------------------------> Convs
0 0 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
0 0 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 8 8
0 0 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 8 6 6
0 0 10 10 10 10 10 10 10 10 10 10 10 10 10 10 8 6 4 4
0 0 8 8 10 10 10 10 10 10 10 10 10 10 10 8 6 4 2 1
0 0 6 6 8 10 10 10 10 10 10 10 10 10 8 6 4 2 0 0

######################################################
# Viagem #
######################################################
Numero de portos: 4
Dias para cumprir uma volta redonda: 38 dias e 6 horas

Porto 1
Contentores a carregar: 2201
Tempo a carregar: 1.53 [dias]
Contentores a descarregar: 0
Tempo a descarregar: 0.00 [dias]
Custos Portuarios: 2891 [$]

Porto 2
Contentores a carregar: 0
Tempo a carregar: 0.00 [dias]
Contentores a descarregar: 726
Tempo a descarregar: 0.76 [dias]

- 107 -
Custos Portuarios: 2409 [$]

Porto 3
Contentores a carregar: 0
Tempo a carregar: 0.00 [dias]
Contentores a descarregar: 726
Tempo a descarregar: 0.86 [dias]
Custos Portuarios: 12046 [$]

Porto 4
Contentores a carregar: 0
Tempo a carregar: 0.00 [dias]
Contentores a descarregar: 726
Tempo a descarregar: 0.86 [dias]
Custos Portuarios: 7228 [$]



######################################################
# Custos #
######################################################

Valor do investimento: 25480038 [$]
Custos medios anuais: 7636793 [$]
Custos armamento anuais: 1637173 [$]
Custos viagem anuais: 3069397 [$]
Numero de TEUS: 2201
Numero de viagens anuais: 9.28
Custo por contentor: 374 [$]

Combustivel
|-20%| |Custo| |+20%|
J |338| |422| |506|
u |-50%| |0.045| 302.0 346.1 394.7
r |Taxa| |0.090| 329.8 374.0 422.5
o |+50%| |0.135| 357.7 401.8 450.3
Custo de contentor por milha, em cada rota: 0.087
0 1 2 3
0 0.0 174.4 436.1 523.3 [$]
1 0.0 0.0 0.0 0.0 [$]
2 0.0 0.0 0.0 0.0 [$]
3 0.0 0.0 0.0 0.0 [$]