UNIVERSIDADE FEDERAL DE UBERLNDIA Faculdade de Engenharia Mecnica FEMEC Ncleo de Projetos e Sistemas Mecnicos

Seminrio da Disciplina Similitude em Engenharia

Prof. Dr. Cleudmar Amaral de Arajo Aluno Fernando Ricardo Moreira

Introduo

A priori estamos interessados em encontrar a frmula que nos fornea a deflexo de uma viga engastada de seo circular submetida a um carregamento na extremidade livre da mesma. Sabemos da resistncia dos materiais que a deflexo funo apenas do mdulo de elasticidade do material que a compe e das dimenses da viga, isto , do dimetro da seo e do comprimento. Para encontrar a frmula da deflexo utilizaremos recursos da anlise dimensional. Para isto precisaremos calcular os -termos (termos

adimensionais) envolvidos no fenmeno e ento teremos condies de delinear os experimentos necessrios para a obteno das relaes entre os -termos e

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

Clculo dos -termos e Experimentos

Nesta seo realizaremos os clculos referentes aos -termos envolvidos no processo e tambm descreveremos os experimentos bem como as tabelas de leituras realizadas.

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

Variveis e Dimenses Utilizadas Varivel Representa Deflexo Carga Dimetro da Barra Comprimento da Barra Mdulo de Elasticidade Tabela 2.1.1 Variveis e Dimenses utilizadas na Anlise Dimensional Podemos observar no quadro acima que utilizaremos duas dimenses e que temos cinco variveis no problema em questo. Assim, pelo Teorema de Buckingham, o nmero de -termos dado por: -termos Utilizaremos Anlise Dimensional para determinar os trs -termos. Assim temos que Dimenses Utilizadas

(1)
Ento

Assim obtemos as seguintes equaes: [ ] { [ ]

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

. Para que isto seja factvel necessrio que o determinante dos , no sistema acima, seja no nulo. Faamos este clculo. | |

Temos ento que vivel a nossa escolha. Clculo dos -termos. 1) , . Ento

2)

. Ento

3)

Ento

Ento temos que ( )

2.2

Delineamento dos experimentos e tabelas de leituras feitas

Agora temos condies de delinear o planejamento dos experimentos. Como temos trs -termos, temos que manter um constante e variar o outro e vice-versa.

Vamos ento ter dois casos: Caso A Manter fixo o terceiro -termo fixo e variar segundo -termo: variando e Nossa estratgia ser os manter os valores de da barra. Caso B Manter fixo o segundo -termo e variar o terceiro -termo: fixo e variando e fixo fixos e variar o comprimento

Ento nossa estratgia ser de manter fixas as dimenses da barra, isto e , e variar a carga . A seguir apresentamos as tabelas dos valores coletados nos experimentos feitos no laboratrio. Caso A Os dados obtidos foram: fixo e variando e a Deflexo Obtida Deflexo

Valores Constantes:

Tabela 2.2.1 Variao do segundo -termo. Caso B Os dados obtidos foram: fixo e variando e a Deflexo Obtida Deflexo

Valores Constantes:

Tabela 2.2.2 Variao do terceiro -termo.

Caso B* Os dados obtidos foram: fixo e variando e a Deflexo Obtida Deflexo

Valores Constantes:

Tabela 2.2.3 Variao do segundo -termo Para validao da Equao Preditiva.

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

Clculo das Equaes Componentes de Preditiva

Com base nas tabelas de leituras realizadas em laboratrio faremos agora os clculos necessrios para encontrar as equaes componentes e a equao preditiva para a deflexo na barra de seo circular. Ser mostrada tambm a faixa de validade da equao preditiva. 3.1 Equaes Componentes Para calcular as equaes componentes primeiro devemos analisar o comportamento de em funo de e conforme as tabelas acima. Para isto vamos plotar os pontos de em funo de e em funo de para fazer uma anlise dos mesmos. A seguir apresentamos os grficos mencionados. Caso (A)
x 10
-3

em funo de
pi 1 em funo de pi 2

9 8 7 6

pi 1

5 4 3 2 1 30

35

40

45

50

55 pi 2

60

65

70

75

80

Grfico 3.1.1 Variao de

em funo de

Podemos observar atravs do grfico acima que o comportamento de em funo de parece linear ou dado por uma exponencial ou at mesmo por uma parbola. Assim temos que fazer um comparativo grfico para saber mais precisamente qual relao utilizaremos para representar a relao funcional de em funo de . Caso (B) em funo de

7 6.5 6 5.5

x 10

-3

pi 1 em funo de pi 3

pi 1

5 4.5 4 3.5 3 1.5

2.5 pi 3

3.5 x 10

4
-7

Grfico 3.1.2 Variao de

em funo de

Atravs do grfico acima observamos que o comportamento de em funo de linear. Assim utilizaremos a reta de mnimos quadrados para representar a relao funcional entre em funo de . Caso (B*)
x 10
-3

em funo de
pi 1 em funo de pi 3

11

10

pi 1

5 1.5

2.5 pi 3

3.5 x 10

4
-7

Grfico 3.1.3 Variao de

em funo de

Atravs do grfico acima observamos que o comportamento de em funo de parece linear. Assim utilizaremos a reta de mnimos quadrados para representar a relao funcional entre em funo de , para este segundo caso (validao da equao preditiva). Para o caso (A), mostramos os grficos obtidos para os trs casos: reta, parbola e exponencial.
9 8 7 6 x 10
-3

Relao entre a exponencial e a parbola versus dados do problema valores do exerccio Exponencial Parbola

Eixo pi1

5 4 3 2 1 30

35

40

45

50

55 Eixo pi2

60

65

70

75

80

Grfico 3.1.4 Exponencial versus Parbola.

9 8 7 6
-3 Relao entre a reta de mnimos quadrados e os dados do problema x 10

valores do exerccio Retas de minimos quadrados

Eixo y

5 4 3 2 1 30

35

40

45

50

55 Eixo x

60

65

70

75

80

Grfico 3.1.5 Reta de Mnimos Quadrados.

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

A seguir apresentamos, para o caso (B) a relao entre os dados da tabela e a reta de mnimos quadrados calculada.
-3 x 10 Relao entre a reta de mnimos quadrados e os dados do problema

7.5 7 6.5 6 5.5 5 4.5 4 3.5

valores do exerccio Retas de minimos quadrados

Eixo y

3 1.5

2.5 Eixo x

3.5 x 10

4
-7

Grfico 3.1.6 Reta de Mnimos Quadrados. Caso B. A equao componente, que fornece a expresso de em funo de dada por:

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

11

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

valores do exerccio Retas de minimos quadrados 10

Eixo y

5 1.5

2.5 Eixo x

3.5 x 10

4
-7

Grfico 3.1.7 Reta de Mnimos Quadrados. Caso B*. A equao componente, que fornece a expresso de (B*), dada por: em funo de para o caso

Assim as equaes componentes encontradas so:

Validao da Equao Preditiva

Nesta seo testaremos se a equao preditiva dada pelo produto ou pela soma das equaes componentes. Primeiro testaremos o produto. A frmula para o produto dada por:

):

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

Sabemos que

como sendo o valor

Observao Utilizamos o valor constante para

que est presente nas tabelas para os casos (B) e (B*). Assim temos Aplicaremos agora a frmula para a soma. Esta dada por:

Assim temos

):

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

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

Assim a equao preditiva para a deflexo da viga dada por:

A seguir apresentamos a faixa de validade da equao preditiva dada pela equao anterior. A faixa de validade limitada pelas condies do experimento, por exemplo, ns s temos condies de afirmar que o comportamento de em funo de parablico para uma faixa de valores onde realizamos o experimento. O mesmo se pode dizer a respeito de em funo de . Assim a faixa de validade para a equao preditiva :

Dividindo uma inequao pela outra obtemos outra (equivalente) inequao comparativa:

Vamos agora comparar a equao analtica do problema com a equao preditiva (modelo aproximado) atravs de um exemplo. Exemplo Calcule a deflexo de uma viga utilizando as equaes analtica e preditiva para a seguinte condio: e . Equao Analtica Soluo Equao Preditiva Soluo

5 Problema de Otimizao / Projeto timo de uma Barra Engastada

Nesta seo apresentaremos o problema de otimizao que estudaremos onde utilizaremos a equao preditiva em substituio equao analtica da deflexo em barras engastadas. Desejamos encontrar as dimenses de uma barra que minimizem simultaneamente a deflexo e o peso da barra. Se o nosso objetivo fosse apenas minimizar a deflexo da barra seria suficiente enrijecer a mesma, isto , aumentar o seu dimetro para um comprimento fixo. O problema que fazendo isto h um aumento no peso da barra e consequentemente em um maior custo de projeto. De forma anloga, se o nosso objetivo fosse minimizar o peso da barra, teramos que nos deparar com a diminuio da rigidez da barra e consequentemente com o aumento da deflexo. Assim o problema de otimizao consiste em encontrar um equilbrio entre uma deflexo mnima e o peso mnimo para a barra em questo. Existem diversos algoritmos de otimizao com mais de um objetivo. Sendo que algoritmos que trabalham com populao so metodologias adequadas para problemas multi-objetivo. Para o nosso propsito, usaremos uma heurstica emergente, baseada no comportamento social de vagalumes, denominada FireFly. Para saber um pouco mais sobre a heurstica em questo veja [1,3,6]. Algo que deve ser salientado que ao contrrio de problemas de otimizao com um nico objetivo, problemas de otimizao com mais de um objetivo (Multi-Objetivo) no possuem um nico valor timo. H um conjunto de solues igualmente timas do ponto de vista de otimizao. Fica a critrio do engenheiro (projetista) escolher qual delas mais vivel para aquele projeto especfico, isto , quais dos objetivos so mais importantes para o projeto. Apenas para ilustrar o que estamos dizendo, considere um

problema de compra de um automvel onde temos como objetivos o preo (menor) e conforto (maior). Algumas propostas esto descritas na figura abaixo.

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

Figura 5.1.1 Viga Circular Engastada sujeita a carregamento na extremidade livre. Queremos encontrar as dimenses e que minimizem simultaneamente o peso e a deflexo da barra. Consideraremos uma barra de ao com as seguintes caractersticas: Densidade do metal e Mdulo de Elasticidade .

O problema de otimizao dado ento por:

{ Onde o peso da barra, a equao preditiva que aproxima a deflexo da barra, . Aproveitamos para lembrar a faixa de validade da equao preditiva que para este caso pode ser simplificada, pois j temos valores para e , tomando a seguinte forma:

Para os valores fixos de

dados, nosso problema de otimizao fica:

{ 5.2 Discusso dos Resultados Nesta seo discutiremos os resultados obtidos pela simulao do algoritmo FireFly no problema descrito acima e para dois casos de variao das variveis de projeto, isto , das dimenses da barra. Faremos tambm a simulao, para as mesmas condies do algoritmo FireFly, para o problema analtico, isto , usando a equao analtica para a deflexo da barra em substituio equao preditiva. Compararemos os resultados. 5.2.1 Simulao FireFly / Problema Aproximado e Analtico Caso 1

Para esta simulao fixamos os seguintes valores dos parmetros dos algoritmos. Coeficiente de Atratividade Mxima Coeficiente de Aleatoriedade Coeficiente de Absoro do Brilho Emitido Nmero mximo de Geraes 100 Tamanho da Populao 100 indivduos Restries Laterais e A seguir apresentamos o resultado obtido por esta simulao, isto , a Curva de Pareto encontrada para os dois casos estudados:

Soluo pela Equao Preditiva - Gerao --> 100 80 70 60 50

f (d,l)

40 30 20 10 0

6 f1(d,l)

10

11 x 10
8

Figura 5.2.1.1 Curvas de Pareto para o caso 1 / Caso Preditivo e Analtico Apresentamos tambm uma tabela com alguns valores timos para as dimenses da barra, bem como a deflexo e o peso para cada caso. Alguns Valores timos para as dimenses da Barra Preditivo Deflexo Peso da Barra e

Tabela 5.2.1.1 Alguns valores para as dimenses da barra - Preditivo Alguns Valores timos para as dimenses da Barra Analtico Deflexo Peso da Barra

Tabela 5.2.1.2 Alguns valores para as dimenses da barra - Analtico 5.2.2 Simulao FireFly / Problema Aproximado e Analtico Caso 2

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

Coeficiente de Absoro do Brilho Emitido Nmero mximo de Geraes 100 Tamanho da Populao 150 indivduos e A seguir apresentamos o resultado obtido por esta simulao, isto , a Curva de Pareto encontrada para os dois casos estudados:
Soluo pela Equao Preditiva - Gerao --> 100 12 12 Soluo Analtica - Gerao --> 100

10

10

f (d,l)

f (d,l)

0 0.5

1.5

2 f1(d,l)

2.5

3.5 x 10
9

0 0.5

1.5

2 f1(d,l)

2.5

3.5 x 10

4
9

Figura 5.2.2.1 Curvas de Pareto para o caso 2 / Preditivo e Analtico Apresentamos tambm uma tabela com alguns valores timos para as dimenses da barra, bem como a deflexo e o peso para cada caso. Alguns Valores timos para as dimenses da Barra Preditivo Deflexo Peso da Barra e

Tabela 5.2.2.1 Alguns valores para as dimenses da barra - Preditivo Alguns Valores timos para as dimenses da Barra Analtico Deflexo Peso da Barra 23,909mm 914,943mm 1,015mm 3.216,658g 17,748mm 907,033mm 3.257mm 1.757,131g

Tabela 5.2.2.2 Alguns valores para as dimenses da barra - Analtico

Concluses

Nesta seo apresentamos algumas concluses que tiramos a partir da simulao do problema de otimizao para o problema da barra em balano. uma metodologia de modelagem bastante interessante e os resultados obtidos so bem prximos aos resultados do problema analtico; Para a maioria dos problemas reais em engenharia ou outras reas no h um modelo fsico analtico que modele a situao de interesse do projetista. Assim toda metodologia de modelagem com certeza bem vista, pois uma rea bastante carente de modelos que apresentem bons resultados; Os desvios entre a soluo analtica e a soluo obtida pela equao preditiva podem ocorrer devido aos seguintes fatores: Falta de acurria e/ou preciso dos aparelhos de medio em laboratrio; No nosso caso utilizamos apenas seis experimentos para estudar a variao de um -termo em funo do outro. A realizao de um maior nmero de experimentos e /ou a repetio dos experimentos (para utilizar a mdia dos resultados obtidos) podem diminuir os erros tanto de coleta de dados quanto da inferncia sobre o comportamento funcional de um -termo em funo de outro; Apenas pelo aspecto grfico do comportamento dos resultados obtidos (variao de um -termo em funo de outro) apontamos qual deveria ser a funo que modelaria a situao. Talvez aqui se encontre a maior fonte de erros. Uma tcnica melhor a ser adotada talvez fosse a utilizao de modelos de regresso linear ou no linear (nos coeficientes) estatsticos; Algumas das nossas escolhas para a funo que modela o comportamento da variao de um -termo em funo de outro foi devido funo escolhida passar mais prxima dos pontos obtidos. Esta talvez no seja a melhor escolha, pois assim o polinmio de Lagrange, que passa exatamente em cima de todos os pontos, deveria ser sempre a escolha realizada, porm o polinmio de Lagrange no leva em considerao o comportamento funcional dos pontos obtidos em laboratrio. Portanto pela comparao dos resultados obtidos entre os modelos analtico e aproximado (equao preditiva) podemos concluir que esta tcnica que utiliza a Anlise Dimensional associada realizao de experimentos mostrou-se bastante eficaz, pois os erros entre os modelos foram pequenos e atravs de procedimentos tanto de coleta de dados quanto da anlise dos mesmos, os erros podem ser consideravelmente reduzidos. Outra considerao a ser feita sobre a tcnica da Anlise Dimensional para a obteno dos -termos. uma tcnica conceitualmente simples e que por si s ajuda no

delineamento dos experimentos, pois os -termos obtidos j mostram quais devem ser os parmetros a ser variados durante a experimentao.

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