Denise Aurora UFMG Dissertacao
Denise Aurora UFMG Dissertacao
Denise Aurora UFMG Dissertacao
Belo Horizonte
Junho/2021
ii
Versão final
Belo Horizonte
Escola de Engenharia da UFMG
2021
iii
iv
v
DEDICATÓRIA
AGRADECIMENTOS
RESUMO
ABSTRACT
LISTA DE ILUSTRAÇÕES
LISTA DE QUADROS
LISTA DE TABELAS
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................... 1
1.5 Delimitações.................................................................................................... 10
3.4 Avaliação......................................................................................................... 52
1 INTRODUÇÃO
1.1 Contexto
Nigéria é um destes casos globais. O país tem um déficit habitacional muito grande
e crescente, sendo de, aproximadamente, 8 milhões de unidades habitacionais em
1991, chegando a 12 a 14 milhões em, 2007. O problema do déficit habitacional
neste caso, é o resultado da escassez de habilidades profissionais, alto custo dos
materiais de construção, desafios logísticos, entre outros. Como em todo o mundo,
o problema, naturalmente, também se relaciona com uma série de fatores como
migração rural-urbana, alto custo dos insumos, ambiente regulatório e legal,
estruturas de financiamento habitacional precárias. Porém, neste contexto,
especialistas da indústria AEC nigeriana mostraram que, para resolver o problema
da habitação inadequada é mandatório e urgente repensar também a limitada
diversidade de processos e os sistemas convencionais de construção para um
sistema mais flexível e produtivo (KOLO; RAHIMIAN; GOULDING, 2014).
Tullio (2020) corrobora considerando que, para aumento da qualidade de vida das
pessoas, os empreendimentos devem atender aos requisitos do trinômio da
engenharia: prazo, custo e qualidade, além do conceito de sustentabilidade.
1
A pesquisa afirma examinar as causas do baixo crescimento da produção na indústria da
construção mundial, explora maneiras práticas de melhorar a situação e discute uma mudança em
partes do setor em direção a um sistema de produção em massa, padronização, pré-fabricação e
modularização - que teriam potencial para aumentar a produtividade em cinco a dez vezes,
dependendo do setor.
3
Bock e Linner (2015) afirmam que, para ser capaz de desenvolver plenamente seu
potencial, a construção do futuro necessita de uma mudança disruptiva em toda a
sua cadeia. O que, para eles, inclui: modelos de negócios, organização, produtos,
processos e projetos.
1.4 Objetivos
1.5 Delimitações
2 REVISÃO BIBLIOGRÁFICA
Para Kolarevic (2005), a arquitetura (ou modelagem) paramétrica seria aquela que
usa a parametrização como base técnica para gerar formas tridimensionais
complexas.
Davis (2013) alerta para uma importante distinção entre Modelagem Paramétrica e
Modelagem 3D. Enquanto a Modelagem Paramétrica é baseada na inserção de
funções e variáveis, e, assim, manipula a forma a partir da alteração de parâmetros,
a Modelagem 3D é construída baseada exclusivamente na manipulação de
elementos geométricos tridimensionais.
Eastman et al. (2014) abordam ainda que, apesar de setores de manufatura, como
a Eletrônica, terem alcançado a parametrização nos anos de 1980, o mesmo não
foi possível para o setor AEC, pois, ao contrário do que ocorria na indústria, a
tecnologia computacional naquela ocasião não era tão disponível, ou viável, para a
complexidade e escala dos componentes de uma edificação se comparados aos
produtos manufaturados.
Desenvolvido por Gabor Bojar, na Hungria, o primeiro software BIM verdadeiro foi
o Radar CH, que mais tarde se tornou o Archicad. Embora tenha sido o primeiro
software BIM do mundo, devido às limitações de computação da época e a
questões de mercado, ele só se tornou popular nos últimos anos. Então, nos anos
2000, foi desenvolvido e amplamente impulsionado o software Revit, trazendo
muitas inovações que revolucionaram o setor, como famílias paramétricas, controle
de fases de construção, cronogramas e ambiente de programação visual (QUIRK,
2012).
16
também que o uso de aplicativos BIM ainda aparece como um evento fragmentado,
limitando a integração da potencialidade dos diversos aplicativos, de vocações tão
próprias.
Outras desvantagens das ferramentas BIM percebidas por Caetano et al. (2016)
são as tarefas repetitivas e bastante morosas, necessárias na modelagem,
principalmente na produção de geometrias de crescente complexidade.
Contudo, como visto inicialmente neste capítulo, os aplicativos BIM têm várias
vantagens em relação às ferramentas CAD tradicionais. Como tal, Barreto (2016)
considera estimulante explorar o Design Generativo em associação à tecnologia
BIM.
1
Inteligência: sf 1.faculdade de conhecer, compreender e aprender. 2.capacidade de resolver
situações novas com rapidez e êxito, adaptando-se a elas por meio do conhecimento adquirido.
19
Celani (2006) demonstra ainda que, com objetivos sintéticos, seus inventores e
outros pesquisadores, como Gips (1975), incrementaram o sistema original,
acrescentando novas características e novas aplicações da Gramática da Forma:
1. Interpretação de regras;
2. Preparação do modelo paramétrico da edificação;
3. Execução de análise das regras;
4. Relatório de verificação de resultados.
“Can machines think?”. Esta foi uma questão proposta por Alan Turing, quando da
publicação do artigo “Computing machinery and intelligence” em 1950. Neste
momento, o matemático introduziu uma discussão sobre se é justificável chamar
um computador de cérebro eletrônico e lançou as bases do que viria a ser o campo
da inteligência artificial (TURING, 2009).
28
A IA, em seus anos de formação, foi influenciada por ideias de muitas disciplinas.
De pessoas que trabalham em engenharia (Norbert Wiener sobre cibernética, que
inclui feedback e controle), em biologia (W. Ross Ashby e Warren McCulloch no
trabalho de Walter Pitts sobre redes neurais em organismos simples), psicologia
experimental (Newell e Simon), teoria da comunicação (no trabalho teórico de
Claude Shannon), teoria dos jogos (John Von Neumann e Oskar Morgenstern),
matemática e estatística (Irving J. Good), lógica e filosofia (nos trabalhos de Alan
Turing, Alonzo Church e Carl Hempel) e linguística (com Noam Chomsky sobre
gramática). Essas linhas de trabalho deixaram sua marca e continuam a influenciar
a IA ainda nos tempos atuais (BUCHANAN, 2005).
1
Conforme a editora, a primeira edição de “Inteligência artificial - uma abordagem moderna” tornou-
se um clássico na literatura sobre IA. O livro foi adotado por mais de 600 universidades de 60 países
e foi elogiado como a síntese definitiva desse campo.
30
Fonte: LI (2018).
31
reposição (um indivíduo pode aparecer mais de uma vez num mesmo
torneio). Vence cada torneio aquele que apresentar o maior fitness.
– Reprodução: processo através do qual se combinam dois cromossomos (pais)
para formar filhos a partir deles. Tais filhos herdam as características dos pais
através da herança de material genético (genes). Esse processo é conhecido
como recombinação. Além da recombinação, está envolvida, no processo de
reprodução, a mutação. Na mutação, altera-se aleatoriamente o material
genético de uma pequena parcela dos filhos gerados.
– Recombinação (crossover): processo de troca de material genético entre
dois cromossomos. Pode-se definir aqui a probabilidade de recombinação,
que indica a probabilidade de dois indivíduos escolhidos no processo de
seleção virem a se reproduzir. Quebram-se os dois cromossomos envolvidos
(em um ou mais pontos), juntando-se a primeira parte do cromossomo A com
a segunda parte do cromossomo B e a primeira parte do cromossomo B com
a segunda parte do cromossomo A, gerando, assim, dois filhos.
– Mutação: utilizada para que sejam gerados novos cromossomos distintos
dos pais. É de grande importância, pois a população inicial é gerada
aleatoriamente e as novas gerações são frutos da recombinação da
população inicial. Se nenhum cromossomo da população inicial possuir
carga genética do ponto ótimo, passarão muitas gerações até que surja um
cromossomo que possua as características desejadas. Na prática, escolhe-
se, aleatoriamente, um gene de alguns cromossomos e troca-se o seu valor
por outro também aleatório. Se os cromossomos forem representados por
cadeias de bits, isto significa trocar o valor 0 por 1 e vice-versa (DAVIS, 1991;
FACELI et al., 2011; LOPES; TAKAHASHI, 2011).
Eiben e Smith (2008) trazem, ainda, que o design evolucionário, muitas vezes, anda
de mãos dadas também com a engenharia reversa: uma vez que uma solução
comprovadamente superior é desenvolvida, ela pode ser analisada e explicada pela
engenharia tradicional. Isso pode levar a conhecimentos generalizáveis com a
formulação de novas leis, teorias ou princípios de design aplicáveis a uma
variedade de outros problemas de tipo semelhante.
Ocorre que os problemas de design, na maioria das vezes, são definidos por muitos
objetivos diferentes, que podem estar relacionados entre si de maneiras complexas
e não intuitivas. Mesmo para um problema de otimização multiobjetivo trivial, é
improvável que exista uma única solução que otimize simultaneamente cada
objetivo. Pesquisadores estudam MOPs sob diferentes pontos de vista, com
diferentes abordagens de solução e objetivos. O objetivo pode ser encontrar um
conjunto representativo de soluções ótimas de Pareto, satisfazer os diferentes
objetivos e/ou encontrar uma única solução que satisfaça as preferências definidas
pelo projetista (CHANG, 2015).
46
3 MÉTODO DA PESQUISA
Assim, a DSR muda o estado do mundo por meio da introdução de novos artefatos.
Usando criação, análise, reflexão e abstração, o método cria conhecimento na
forma de constructos, técnicas e métodos, modelos, e/ou teoria bem desenvolvida
para a solução de problemas reais (VAISHNAVI; KUECHLER, 2004).
Embora lide com um problema real, Lukka (2003) aborda que a solução proposta
pela Pesquisa Construtiva deve permitir uma generalização para um determinado
“Tipo de Problema”. Neste sentido, a DSR é principalmente utilizada em áreas com
demandas de intervenções práticas, como engenharias e arquitetura. Seja o
resultado da Pesquisa Construtiva positivo ou negativo, ela é relevante pelo legado
da avaliação empírica na medida em que se torna embasamento de futuras
pesquisas no tema.
Durante a revisão bibliográfica deste trabalho, buscou-se por uma terminologia que
pudesse retornar mais objetivamente a integração do universo BIM em face aos
algoritmos evolucionários. Foi buscada a expressão “BIM Evolucionário” (ou
“Evolutionary BIM”). Entretanto, até a data deste projeto de pesquisa 1, a
terminologia não foi encontrada na busca de bases no Portal de Periódicos
CAPES/MEC. Nem mesmo em busca livre pelo mecanismo de busca Google
encontrou-se um resultado para a expressão exata.
1
Projeto de Dissertação escrito até 07 de novembro de 2019. Banca de avaliação do Projeto de
Dissertação ocorrida em 27 de novembro de 2019.
50
Objetivo geral:
Constructo E-BIM
Ciclo 1 - Gerar
Ciclo 2 - Avaliar
Ciclo 3 - Evoluir
(otimizar)
A “Fase C”, que diz que respeito à avaliação do constructo, é abordada na seção
seguinte deste capítulo.
3.4 Avaliação
Para Lukka (2003), inovar uma ideia de solução requer desenvolver uma
construção de resolução de problemas e também trabalhar pela contribuição
teórica. O autor adverte que este pode ser um processo iterativo trabalhoso e
demorado, incluindo o desenvolvimento de ideias de protótipos, seus esforços de
implementação em pequena escala e uma revisão na base do conhecimento. E
aborda que, ainda que o teste falhe, haverá espaço para análises teóricas, pois
provavelmente vale a pena discutir se as causas do insucesso poderiam ser
evitadas em outros experimentos.
Na seção 2.4.1 foi compreendido o princípio dos Algoritmos Genéticos, que trata
de gerar uma população de indivíduos que irão reproduzir e competir pela
sobrevivência. Os mais aptos sobrevivem e transferem suas características às
novas gerações, promovendo a evolução (aptidão) da espécie.
Com efeito, como prova de conceito deste constructo, poder-se-ia ter elegido um
objeto arquitetônico de diversas tipologias e, portanto, optou-se por determinar uma
tipologia escolar.
58
É importante lembrar aqui que, para as camadas mais carentes da população, que
vivem nas periferias das cidades, a escola é praticamente o único equipamento
público. Estas edificações se destacam por sua escala e arquitetura diferenciada
em contraste à vastidão das autoconstruções e conjuntos habitacionais ainda
massificados:
1
Programa de áreas conforme Anexo B e distribuição dos blocos conforme Figura 21.
60
circulação
c 2,5 8,5 3,5
horizontal
circulação
h 8,5 8,5 3,5
vertical
quadra
e 15,0 46,0 7,0
poliesportiva
10
B1
10
B2
B3
i. Regra 1
Classe: obrigatória
Módulos e Marcadores:
ii. Regra 2
Classe: aleatória
Módulos e Marcadores:
iii. Regra 3
Classe: aleatória
Módulos e Marcadores:
iv. Regra 4
Classe: aleatória
Módulos e Marcadores:
v. Regra 5
Classe: aleatória
Módulos e Marcadores:
vi. Regra 6
Classe: aleatória
Módulos e Marcadores:
vii. Regra 7
Classe: condicional
– Se ocorrer Regra 6, então haverá a Regra 7.1 ou 7.2 ou 7.3, onde:
– Regra 7.1
Módulos e Marcadores:
– Regra 7.2
Módulos e Marcadores:
– Regra 7.3
Módulos e Marcadores:
viii. Regra 8
Classe: obrigatória
Módulos e Marcadores:
ix. Regra 9
Classe: obrigatória
Módulos e Marcadores:
x. Regra 10
Classe: obrigatória
Módulos e Marcadores:
xi. Regra 11
Classe: obrigatória
Módulos e Marcadores:
xii. Regra 12
Classe: obrigatória, onde:
– Bloco 1 (B1) conecta Bloco 2 (B2) e Bloco 1 (B1) conecta Bloco 3 (B3)
ou,
– Bloco 1 (B1) conecta Bloco 2 (B2) e Bloco 2 (B2) conecta Bloco 3 (B3)
e se,
– coordenada z de B1 ≠ coordenada z de B2: operar também Regra 7
– coordenada z de B1 ≠ coordenada z de B3: operar também Regra 7
– coordenada z de B2 ≠ coordenada z de B3: operar também Regra 7
Conforme descrito na seção 2.1.2, com a integração dos dois softwares é possível
aplicar computacionalmente as regras de geração das formas de forma dinâmica e
interativa à visualização 3D.
O algoritmo foi desenvolvido em três partes: i) Gramática da Forma; ii) geração BIM
IFC; iii) algoritmo evolucionário; esquematizadas na Figura 27 nas cores verde, azul
e roxo, respectivamente.
1
A leitura impressa, mesmo em um formato estendido (A1, por exemplo), foi testada e não
apresentou legibilidade satisfatória.
72
Para permitir que o algoritmo funcione de forma otimizada, sem arquivo secundário
do Rhinoceros, os ambientes (módulos) foram modelados diretamente no
Grasshopper como “caixas”, através do componente “Box 2pt”, usando-se como
referência 2 pontos localizados nas extremidades da caixa (o ponto 0,0,0 e o ponto
com as coordenadas x, y e z correspondentes ao comprimento, largura e altura do
ambiente, conforme Quadro 3).
Desta forma, após as combinações geradas para os blocos B1, B2 e B3, foram
realizadas a simulação e a filtragem dos resultados parciais do algoritmo. Estes
processos foram executados com o recurso Galapagos (atualmente já nativo ao
plug-in Grasshopper).
Como discorrido até aqui, a combinação das regras da Gramática da Forma com
instrumentos de condicionamento de soluções válidas, em um processamento
computacional atual, é capaz de gerar um número vasto de soluções formais para
uma mesma proposição.
1
Na seção 4.3 o conceito de “código genético” será retomado contextualmente.
80
Entretanto, mesmo que o BIM seja definido como uma abordagem poderosa para
o processo de projeto, ainda não é capaz de otimizar a questão de tarefas
repetitivas, muitas vezes lentas, sobretudo em produção de geometrias mais
complexas ou de grandes áreas.
Se a proposição deste constructo prevê que no ciclo “Avaliar” haja uma análise
automatizada dos indivíduos gerados, torna-se imprescindível, portanto, que a
amostragem destes indivíduos não possua informações restritas à geometria da
solução. Como visto até aqui, na parte (i) do algoritmo generativo, as soluções
geradas são constituídas basicamente pela associação dos módulos dos
ambientes, como apresentado na Figura 38.
83
1
Ver seção 2.1.1, parágrafos 9 e 10.
84
Isto posto, os elementos de modelagem paramétrica que constam nos modelos BIM
IFC gerados foram definidos de maneira a cumprirem suficientemente o escopo
formal de um Estudo Preliminar, sem a pretensão de tornarem-se Projetos
Executivos. O Quadro 4 apresenta os elementos definidos para a modelagem
generativa:
Elemento Descrição
Beam Gera elementos ao longo de uma ou mais linhas, polilinhas ou curvas
(viga) abertas ou fechadas. Essas curvas podem estar no espaço 3D.
Requer dois pontos como parâmetros de entrada e gera pilares ao
Column
longo dos segmentos definidos (que servem como eixos do
(pilar)
elemento).
Determinados elementos de modelagem não estão disponíveis no
Object
integrador Archicad-Grasshopper, como o elemento Escada. Nestas
(objeto /
situações estes componentes recebem inputs do Archicad como
escada)
elementos do tipo “objetos da biblioteca”. Requerem, então, um único
85
1
Tradutor IFC: define as regras para as quais os elementos devem ser convertidos e como devem
ser interpretados – seja no ARCHICAD ou no aplicativo que lê o arquivo IFC. Exportar para fins
gerais: exporta tantos elementos paramétricos com todas as propriedades e classificações.
87
Abordado na seção 2.2 deste trabalho, o software SMC tem como objetivo
promover a qualidade BIM, através de controle de integridade, controle de
conformidade, análise de projeto e verificação de código por meio de processos de
validação de interferência, espaços de circulação, segurança, códigos de
construção e controle de quantitativos. Com mais de 50 modelos de conjuntos de
regras nativas do software, os usuários podem definir regras parametrizadas para
verificar seus projetos de construção. O sistema de análise baseado em regras
consiste em filtragem, regras de classificação e regras de severidade. Para tal, o
SMC possui um algoritmo interno que identifica e classifica a severidade dos
conflitos entre: Críticas, Moderadas e Leves (LEE et al., 2015).
90
Bell et. al. (2009) abordam que a verificação automatizada de projetos, entretanto,
é muito mais frequente na versão de um projeto completo. Entretanto, na visão dos
autores, esta prática pode levar a um retrabalho caro, caso o projeto falhe na
verificação. Segundo os autores, em vez de esperar que modelos BIM completos
sejam submetidos à verificação, poderia-se utilizar todo o potencial do processo
BIM, fazendo verificações mais cedo, quando informações relevantes estiverem
disponíveis a alterações conceituais.
Portanto, o BIM também pode ser uma ferramenta poderosa quando se têm
requisitos programáticos complexos em andamento. Eastman (2019b) descreve,
por exemplo, que sua equipe (do Laboratório de Integração AEC da Faculdade de
Arquitetura do Instituto de Tecnologia da Geórgia, contratada pela Administração
Geral de Serviços dos EUA - GSA) foi contratada para automatizar e analisar as
diretrizes de projetos para todos os tribunais dos Estados Unidos. O objetivo era
que os estudos preliminares dos arquitetos pudessem ser avaliados e verificados
automaticamente de acordo com critérios específicos. O US Courts Design Guide
possui muitos critérios relacionados à circulação, segurança e eficiência, e, assim,
dentre os requisitos mínimos a serem atendidos nesta fase de concepção dos
1
“O pai do BIM”: ver página 33 e em acesso livre disponível em <https://www.rib-international.com/
en/company/ blog/if-bims-a-mystery-heres-the-history/>. Acesso em 19 maio 2020.
91
Para que as soluções de projeto do GSA sejam então analisadas, os softwares BIM
devem proceder com a exportação de arquivos no formato neutro IFC e então lidos
em APIs que trabalham em conjunto com o SMC.
A seção 4.1.1 deste trabalho aborda a tipologia proposta para o objeto arquitetônico
da prova de conceito do constructo (arquitetura escolar padrão FDE). Diante àquela
reflexão, esclarece-se que a função formal e a estética de uma edificação são
fundamentais à boa arquitetura escolar. Entretanto, é essencial lembrar também
que a racionalidade e a viabilidade econômica são uma realidade determinante no
que diz respeito ao investimento público. Muitas vezes, terrenos para a implantação
de projetos são altamente restritivos e com características nada padronizadas.
Neste âmbito, a possibilidade da variabilidade tipológica de uma edificação deve
ser considerada tanto como instrumento da valorização arquitetônica quanto da
otimização do investimento de recursos.
93
Diante dos critérios de avaliação estabelecidos, têm-se a Figura 47, que sintetiza
os parâmetros para criação do Ruleset: “Análise do Projeto Conceitual”.
De acordo com Andrade e Silva (2017), o SMC contém templates de regras que
podem ser combinados e/ou customizados, para um objetivo de análise que se
pretende executar. A nomenclatura destas regras segue o padrão “SOL n”, em que
se trata de um número, não sequencial, para indexar a regra. Estes templates estão
referenciados no Anexo D, e foram utilizados na criação do ruleset, conforme
97
AEC. Essa popularidade pôde ser atribuída ao Python pela: (I) sintaxe
relativamente simples, com foco na simplicidade, clareza e legibilidade, o que torna
menos complicado aprender e escrever; (ii) extensibilidade através de uma grande
coleção de bibliotecas externas; e (iii) comunidade de suporte de usuários ativos.
(NAGY, 2017c).
Os genes, com os quais trabalha um AG, são compreendidos como entidades que
correspondem às variáveis do problema em estudo. Ao aplicar um algoritmo
genético, é importante entender que todas as operações de otimização acontecem
no nível do genótipo, enquanto a seleção é baseada no desempenho real em um
determinado ambiente, ou seja, no nível do fenótipo. Os conceitos relacionados ao
mapeamento genótipo-fenótipo estão abordados na seção 2.4.1 deste trabalho.
Tendo sido o campo de busca dos fenótipos definido na seção 4.2 desta pesquisa
(Figura 38), ciclo “Avaliar”, o passo seguinte foi definir uma representação
adequada para o mapeamento genótipo-fenótipo correspondente.
Na seção 4.1.2 foi visto que cada solução possível gerada para a arquitetura
escolar – objeto da prova de conceito – foi tratada como um indivíduo de uma
população. Nos destaques 2, 3 e 4 do algoritmo generativo (figuras 31, 32 e 33,
respectivamente), tem-se 29 interações possíveis, através dos inputs dos
componentes “seed” do Grasshopper. A Figura 52, a seguir, recapitula esse
componente que é alimentado por um domínio de números naturais.
105
14 N={0, 1, 2, 3}
15 N={0, 1, 2, 3}
16 N={0, 1, 2, 3}
17 N={0, 1, 2, 3}
18 N={0, 1, 2, 3}
B3 19 N={0, 1, 2, 3}
20 N={0, 1, 2, 3}
21 N={0, 1, 2, 3}
22 N={0, 1, 2, 3}
23 N={0, 1, 2, 3}
24 N={0, 1, 2, 3}
25 N={0, 1, ..., 9}
Conexões 26 N={0, 1, 2, 3}
27 N={0, 1, 2, 3, 4}
28 N={0, 1, 2, 3, 4}
Conexões
29 N={0, 1, 2, 3}
É válido lembrar que na seção 4.1.2 foi abordada a nomeação de cada indivíduo
pelo padrão “TAG n”. Assim, cada genótipo mapeado relaciona-se a seu fenótipo
por nome próprio, garantindo a busca destes dados com precisão para as
operações genéticas no AG, posteriormente. A Figura 54 ilustra este padrão:
107
1
A teoria da complexidade computacional é um ramo da teoria da ciência da computação que se
concentra em classificar problemas computacionais de acordo com suas dificuldades inerentes
como disponibilidade de infraestrutura, tempo de processamento e gasto energético (DE SIQUEIRA,
2019).
108
5 RESULTADOS E DISCUSSÃO
A seção 4.1 deste trabalho discorre sobre o processo generativo na criação das
soluções iniciais do objeto de prova de conceito (Arquitetura Escolar), por meio de
um algoritmo desenvolvido nos aplicativos Rhinoceros-Grasshopper. Neste “Ciclo
1” do constructo, foram geradas 8.574 soluções válidas, conforme o tempo
estabelecido para o experimento. Para continuidade ao “Ciclo 2” seguinte, desta
população de soluções válidas, foi retirada uma amostragem de 100 indivíduos. O
Apêndice B apresenta os indivíduos desta amostragem.
Assim, para esta avaliação, foi elaborada uma análise estatística 1 exploratória das
variáveis obtidas com os indicadores estabelecidos na seção 4.2.1. (Tabela 1 -
Matriz de indicadores de desempenho e classificação). As avaliações tiveram foco
em valores extremos (valores mínimo e máximo), seus valores médios, as medidas
separatrizes, como os quartis, e as medidas de dispersão, bem como o desvio
padrão e o coeficiente de variação. Estas variáveis utilizadas são lembradas a
seguir:
1
Referências sobre estatística: (PINHEIRO et al., 2009).
114
Min - Valor mínimo; Max - Valor máximo; DP - Desvio-padrão; CV (%) - Coeficiente de variação em
forma de porcentagem.
Fonte: A autora (2020).
1
Boxplot ou gráfico de caixa é um tipo de gráfico utilizado para auxiliar na identificação de valores
discrepantes de um conjunto de dados (outliers), assim como comparar a dispersão entre dois ou
mais conjuntos de dados (análise da simetria). A altura do retângulo é definida pelos quartis Q1 e
Q3. Uma linha secciona o retângulo no valor da mediana (ou Q2). A haste central se estende do
valor mínimo ao máximo do conjunto de dados (MORETTIN; BUSSAB, 2017).
116
– Ocorrências moderadas (OM) apresentam os indivíduos TAG 19, 36, 71, 83, 93
e 96 como outliers;
– Ocorrências leves (OL) apresentam os indivíduos TAG 12 e 16 como outliers;
– Ocorrências ponderadas críticas (OPC) apresentam os indivíduos TAG 40, 56,
82 e 89 como outliers;
– Ocorrências ponderadas moderadas (OPM) apresentam os indivíduos TAG 19,
36, 71, 83 e 93 como outliers.
1
Número arbitrado.
117
Min - Valor mínimo; Max - Valor máximo; DP - Desvio-padrão; CV (%) - Coeficiente de variação em
forma de porcentagem.
Fonte: A autora (2020).
119
máximo 28 14
Total de
mínimo 1 7
ocorrências
média 14,98 9,95
TAG 00 10 TAG 11 10
TAG 02 10 TAG 12 10
TAG 03 10 TAG 13 10
TAG 04 10 TAG 15 10
TAG 05 10 TAG 17 10
TAG 09 10 TAG 19 10
5.2 Discussão
Com base nos resultados quantitativos da seção 5.1, os números são notórios a
respeito da capacidade generativa de soluções válidas para o objeto prova de
conceito do “Ciclo Gerar”. É nítido como o estabelecimento de uma gramática da
forma para um problema definido, aliado ao processamento computacional de um
algoritmo generativo, permite ao autor do projeto uma exploração formal muito mais
ampla se comparada a um método de projeto não generativo. O método proposto
por esta pesquisa ainda vai além: coloca à disposição das partes interessadas não
somente um espectro de variedade formal em suas formas primárias: entrega
alternativas em modelos BIM IFC que proporcionam explorações e análises muito
mais aprofundadas, dada sua característica paramétrica de dados.
Ocorre que para muitos projetistas, como coloca Nourian (2016), a avaliação
qualitativa do projeto requer informações contextuais que não são necessariamente
codificadas pois existem qualidades que não são facilmente representáveis ou
mensuráveis. Para o autor, sempre haverá necessidade de visão especializada e
envolvimento de partes interessadas reais, e, portanto, a questão da avaliação é
tratada por meio de discussões.
125
Newell e Simon (1972) defendem que qualquer decisão racional pode ser vista
como uma conclusão alcançada a partir de certas premissas, e que o
comportamento de uma pessoa racional pode ser verificado, portanto, se o valor e
126
as premissas factuais sobre as quais ela baseia suas decisões forem especificados
para ela (apud BUCHANAN, 2005).
Para Lacerda (2012), uma das razões para aplicação da metodologia DSR nas
pesquisas é a possibilidade deste método diminuir a lacuna existente entre teoria e
prática e tornar um constructo generalizável a uma determinada classe de
problemas. Conforme discorre em sua narrativa, esta generalização permite que o
conhecimento gerado em uma situação particular possa, posteriormente, ser
aplicado a outras situações similares enfrentadas pelas mais diversas
organizações.
No que tange à terminologia E-BIM ora proposta, ocorre que durante manifestação
da problemática desta pesquisa, foi observada a oportunidade de proposição de
um termo próprio que definisse a integração dos campos da computação
evolucionária e dos projetos paramétricos, em especial os projetos BIM. Assim, foi
proposto:
6 CONCLUSÕES
O “Ciclo Gerar” favorece uma exploração formal ampla, uma vez que alia, em um
algoritmo paramétrico, o fundamento generativo da Gramática da Forma e o
processamento computacional, entregando alternativas de projetos em modelos
BIM IFC. No “Ciclo Avaliar”, a partir de indicadores previamente estipulados, ocorre
a avaliação automatizada das alternativas geradas no ciclo anterior, que então são
classificadas pelos resultados quantitativos objetivos, gerando-se confiabilidade e
segurança acerca do processo avaliativo adotado. No “Ciclo Evoluir”, há a
implementação do algoritmo evolucionário genético que otimiza as soluções
geradas e classificadas anteriormente, retornando uma modelagem BIM já
otimizada pelo algoritmo de AI, ampliando, assim, a capacidade de tomada de
decisão do projetista.
REFERÊNCIAS BIBLIOGRÁFICAS
AREL, I., et al. Deep Machine Learning - A New Frontier in Artificial Intelligence
Research. IEEE Computational Intelligence Magazine, v. 5, p. 13-18, 2010.
BOCK, T.; LINNER, T. (org.). Advanced Construction and Building Technology. In:
Robot-Oriented Design: Design and Management Tools for the Deployment of
Automation and Robotics in Construction. Cambridge: Cambridge University
Press, 2015. p. 1–17. Available at: https://doi.org/DOI: 10.1017/
CBO9781139924146.002. Acesso em: 5 fev. 2021.
133
CAETANO, Inês et al. Aplicação do design generativo nas tecnologias BIM. Anais...
Congresso português de building information modelling, 1., 2016. Braga:
Universidade do Minho.
FURTADO SILVA, N.; MACIEL FURTADO SILVA, L. Uma estratégia de ensino para
estimular o uso de múltiplas linguagens arquitetônicas em resposta a tecnologias
digitais emergentes. Paranoá: cadernos de arquitetura e urbanismo, n. 26, p. 185-
204, 28 maio 2020.
GIPS, J. Shape grammars and their uses. Artificial Perception, Shape Generation
and Computer Aesthetics. Stuttgart: Birkhauser Verlag, 1975. 243 p.
GUIMARÃES, F. G. Aprendizagem e busca local em algoritmos meméticos
para projeto assistido por computador. 2008. 206p. Tese (Doutorado em
136
HILLER, J.; LIPSON, H. Automatic Design and Manufacture of Soft Robots. IEEE
Transactions on Robotics, Evanston, v. 28, n. 2, p. 457-466, 2012.
JO, Jun H.; GERO, John S. Space layout planning using an evolutionary
approach. Artificial Intelligence in Engineering, v. 12, n. 3, p. 149-162, 1998.
KING, R. et al. Confronting the Urban Housing Crisis in the Global South: Adequate,
Secure, and Affordable Housing. World Resources Institute Working Paper,
2017. Disponível em: https://files.wri.org/s3fs-public/towards-more-equal-city-
confronting-urban-housing-crisis-global-south.pdf. Acesso em: 27 out. 2019.
LI, Y. Deep reinforcement learning. 2018. In: Cornell University. Disponível em:
https://arxiv.org/pdf/1810.06339.pdf. Acesso em: 10. out. 2019.
NAGY, D. The problem of learning. In: Medium – Get smarter about what matters
to you. Nova York, 2017a. Disponível em: https://medium.com/generative-
design/generative-design-introduction-64fb2db38e1. Acesso em: 22 set. 2019.
NAGY, D. Learning from Nature. In: Medium – Get smarter about what matters to
you. Nova York, 2017b. Disponível em: https://medium.com/generative-
design/learning-from-nature-fe5b7290e3de. Acesso em: 22 set. 2019.
NAGY, D. Using Python in Grasshopper. In: Medium – Get smarter about what
matters to you. Nova York, 2017c. Disponível em: https://medium.com/generative-
design/using-python-in-grasshopper-77bfca86e84b. Acesso em: 17 nov. 2019.
(SIGGRAPH '17). Association for Computing Machinery, New York, NY, USA,
2017d, Article 76, 1–2. DOI: https://doi.org/10.1145/3084363.3085088
PEREIRA, P. R. P. et al. Analysis support for the design process of school 375
buildings. Ambiente Construído, Porto Alegre, v. 18, n. 3, p. 375-390, jul./set.
2018.
PINHEIRO, J. I.D et al. Estatística básica: a arte de trabalhar com dados. Rio de
Janeiro: Elsevier Brasil, 2009.
RMA - Robert Mcnell and Associates. Grasshopper Wiki Pages. 2016. Disponível
em: https://wiki.mcneel.com/labs/explicithistory/home. Acesso em: 7 out. 2019.
ROLNIK, R. (Org). Como fazer valer o direito das mulheres à moradia? São
Paulo: FAO/USP, 2012. Disponível em: <https://goo.gl/JmUjt5>. Acesso em: 5 fev.
2021.
RUTTEN, David. Evolutionary Principles applied to Problem Solving. 2010. In: Blog
Grasshopper. Algorithmic Modeling for Rhino, 2019. Disponível em:
https://www.grasshopper3d.com/profiles/blogs/evolutionary-principles. Acesso em:
14 out. 2019.
SIMON, H. A. The Sciences of the Artificial. 3. ed. Cambridge: MIT Press, 1996.
248 p.
140
SOLIBRI, Inc. Getting Started with Solibri Model Checker. [S.l.]: SOLIBRI, 2016.
Disponível em: https://solibri-assets.s3.amazonaws.com/old-site/2016/03/ Getting-
Started-v9.pdf. Acesso em: 22 set. 2019
TURING, Alan M. Computing machinery and intelligence. In: Parsing the turing
test. Springer, Dordrecht, 2009. p. 23-65. DOI: https://doi.org/10.1007/978-1-4020-
6710-5_3
– Computador:
– Softwares: