Metamodelagem da otimização de sistemas de engenharia na presença de incerteza

• Ano de defesa: 2024
• Autor(a) principal: Cruz, Claudemir Mota da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Instituto Politécnico; Brasil; UERJ; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Metamodelagem; Regressão com processos gaussianos; Otimização robusta; Otimização baseada em confiabilidade; Metamodeling; Gaussian process regression; Robust optimization; Reliability-based optmization; CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/23549

Esta tese explora o uso de modelos substitutos para lidar com incertezas na otimização de sistemas de engenharia, com o objetivo de aprimorar os processos de tomada de decisão em problemas complexos e reduzir os custos computacionais associados. A pesquisa considera fatores nos quais perturbações externas e incertezas podem impactar a determinação de condições ideais de operação para um sistema. De forma geral, os problemas de otimização robusta buscam minimizar a sensibilidade a tais variações, enquanto a confiabilidade tem como foco prevenir falhas nos sistemas, garantindo seu uso seguro. O objetivo principal deste trabalho é empregar a técnica de Regressão por Processos Gaussianos, em uma abordagem híbrida, com o objetivo de reduzir o número de cálculos da função objetivo na otimização com incerteza, o que, consequentemente, pode melhorar a eficiência do processo sem degradar a qualidade da solução. Além disso, o estudo combina um método de projeção estereográfica com um esquema de passo adaptativo para análises de confiabilidade inversa. A eficácia do método proposto é demonstrada por meio de sua aplicação em problemas de benchmark e em problemas de engenharia estrutural amplamente utilizados na literatura. Os resultados demonstram uma redução de pelo menos 60% no número de avaliações da função objetivo em problemas envolvendo robustez e confiabilidade, baseados em fronteiras de Pareto, quando comparado com o não emprego de metamodelos. Além disso, o método proposto apresenta robustez a variações, mantendo a qualidade das soluções com um desvio máximo de 1%.