Académique Documents
Professionnel Documents
Culture Documents
i
2019
ii
Universidade de Aveiro Departamento de Economia, Gestão
Ano 2019 e Engenharia Industrial
iii
iv
Dedico este trabalho aos meus Pais, Maria dos Prazeres e Luis
Santos, que constituem um exemplo de luta, sem a qual,
provavelmente não teria tido a oportunidade de desenvolver o meu
percurso acadêmico inicial. Se em algum momento, alcancei
sucesso com a realização do presente trabalho, é a eles que lhes
parte desse sucesso.
v
o júri
presidente Prof. Doutor João Carlos Oliveira Matias
Professor Catedrático da Universidade de Aveiro
vi
vii
agradecimentos Gostaria de, e em primeiro lugar, tecer um agradecimento a
Universidade de Aveiro (UA), que me permitiu a realização e
apresentação publica do presente trabalho de investigação.
Ao Instituto Superior de Engenharia de Lisboa (ISEL), endereço
também o meu agradecimento institucional, pelas muitas horas
passadas “para lá da barreira das 00h00”.
Um Bem-Haja a todos.
viii
palavras-chave Sustentabildade, Eficiencia Energetica, Serviços Energeticos,
Abordagem Multi-atributo, Optimização, Meta-heuristicas,
Algoritmos Evolucionários
ix
keywords Sustainability, Energy Efficiency, Energy Services, Multi-attribute
Approach, Optimization, Meta-heuristics, Evolutionary Algorithms
abstract In the last years, there has been a generalized increase in world
energy demand, with this increase, due in large part to the increase
in the final consumption of electric energy, generally compromising
sustainable development, through the consumption of resources
and the increase of greenhouse gas (GHG) emissions.
In this sense, the incorporation of sustainability measures is an
important contribution to the reduction of GHG emissions to the
atmosphere, and the building sector is an area of particular
relevance in terms of its performance in this area.
Thus, one of the ways to promote sustainability, can be by the
rational choice of equipment currently used in this sector, and in the
scope of energy services to be acquired, combined with energy
efficiency measures.
Thus, it is intended to develop in the present work a decision
support methodology, which allows the consumer to make
decisions that promote sustainability, based on existing solutions in
the market.
To this end, multicriteria approaches are used, combined with
multi-objective optimization techniques, which are in turn supported
by evolutionary algorithms.
The objective is to obtain sustainable solutions that maximize the
economic, social (comfort) and environmental well-being of the
consumer, respecting of course a set of associated restrictions, be
they economic (e.g. maximum fiscal values), social (e.g. minimum
levels of comfort) and even environmental (e.g. equivalent
maximum CO2 levels).
Factors such as the product life cycle, investment, energy labeling,
consumer preferences, carbon footprint, water footprint, among
others, will also be considered.
Given the high combinatorial nature of the problem, and although
classic optimization methods can be used (e.g. SIMPLEX),
evolutionary algorithms have increasingly assumed a greater
prominence in solving problems of this type, demonstrating good
resolution performance, and having the advantage of presenting
several optimal solutions to the same problem and in a shorter
time.
In this way, it is intended to contribute to the identified problem,
through a holistic approach, that allows the decision-maker to make
sustainable decisions, given the context described previously.
x
Indice
1….Introdução .................................................................................................................................................... 2
1.1.Enquadramento do tema e a sua importância ...........................................................................................2
1.2.Objetivos e questões de investigação .........................................................................................................4
1.3.Objetivos da investigação ...........................................................................................................................6
1.4.Resultados esperados ..................................................................................................................................6
1.5.Conceitos e metodologias da investigação científica .................................................................................7
1.5.1.Discussão epistemológica.........................................................................................................................8
1.5.2.Metodologia de investigação adotada ..................................................................................................11
1.6.Estrutura da tese .......................................................................................................................................12
2.Sustentabilidade ...........................................................................................................................................16
2.1.Introdução.. ...............................................................................................................................................16
2.2.Linhas de actuação da sustentabilidade ...................................................................................................18
2.2.2.Eco Produtos ...........................................................................................................................................18
2.2.3.Construção sustentável ..........................................................................................................................19
2.2.4.Produtos e serviços sustentáveis ...........................................................................................................19
2.3.Dimensões da sustentabilidade ................................................................................................................20
2.4.Sustentabilidade no sector residêncial: Dimensões Economica ..............................................................22
2.5.Sustentabilidade no sector residêncial: Dimensão Social ........................................................................26
2.5.1.Introdução ..............................................................................................................................................26
2.5.2.Valor e satisfação de uma solução sustentável percebida pelo consumidor .......................................27
2.5.3.Processo de decisão de compra .............................................................................................................29
2.6.Sustentabilidade no sector residêncial: Dimensão Ambiental ................................................................34
2.6.1.Introdução ..............................................................................................................................................34
2.6.2.A importância do grau de percepção do consumidor para as questões ambientais em geral ............34
2.6.3.Fases do Ciclo de Vida do Produto .........................................................................................................35
2.6.4.Avaliação do Ciclo de Vida – ACV ...........................................................................................................37
2.6.5.Indicadores utilizados na análise de impacte ambiental ......................................................................40
2.7.Serviços de Energia ....................................................................................................................................47
2.7.1..Conceito.. ...............................................................................................................................................47
2.7.2.Exemplos de serviços energéticos..........................................................................................................47
2.8.A Eficiência Energética e o seu papel no sector residencial .....................................................................49
2.9.Introdução ao modelo conceptual proposto ............................................................................................53
xi
3.Eficiência energética: sector residencial ...................................................................................................... 57
3.1.Caracterização dos equipamentos elétricos no sector residencial ..........................................................57
3.1.1.Caracterização dos consumos ................................................................................................................57
3.1.2.Etiquetagem energética nos equipamentos elétricos residenciais .......................................................60
3.2.Equipamentos elétricos no sector residencial ..........................................................................................63
3.2.1.Máquina de lavar roupa .........................................................................................................................63
3.2.2.Máquina de secar roupa .........................................................................................................................65
3.2.3.Máquina de lavar louça ..........................................................................................................................66
3.2.4.Frigorifico/combinado ............................................................................................................................68
3.2.5.Forno…..…. ..............................................................................................................................................69
3.2.6.Ar Condicionado .....................................................................................................................................69
3.2.7.Iluminação ..............................................................................................................................................71
3.2.8.Conceitos gerais de luminotecnia ..........................................................................................................74
3.3.Nota Conclusiva .........................................................................................................................................81
4.Otimização multiobjectivo, algoritmos evolutivos e analise multicritério ................................................. 83
4.1.Introdução.. ...............................................................................................................................................83
4.2.Diferenças entre otimização mono-objectivo e multiobjectivo ...............................................................83
4.3.Formulação de um problema multiobjectivo ...........................................................................................84
4.4.Dominância de soluções ............................................................................................................................85
4.4.1.Conceitos fundamentais .........................................................................................................................85
4.4.2.Obtenção da frente de Pareto (e restantes níveis de dominância) ......................................................87
4.5.Algoritmos de otimização em problemas multiobjectivo ........................................................................89
4.5.1.Introdução ..............................................................................................................................................89
4.5.2.Algoritmos clássicos vs. Algoritmos evolutivos .....................................................................................90
4.5.3.Algoritmos Evolutivos.............................................................................................................................92
4.5.Algoritmos Genéticos ................................................................................................................................93
4.6.1.Introdução ..............................................................................................................................................93
4.6.2.Descrição do algoritmo...........................................................................................................................95
4.6.3.Inicio do Processo ...................................................................................................................................96
4.6.4.População ...............................................................................................................................................97
4.6.5.Função de aptidão (fitness function) .....................................................................................................99
4.6.6.Seleção….. ...............................................................................................................................................99
4.5.1.Cruzamento...........................................................................................................................................102
4.5.2.Mutação… .............................................................................................................................................105
4.5.3.Substituição ..........................................................................................................................................106
xii
4.5.4.Critérios de paragem ............................................................................................................................108
4.5.5.Codificação (representação) dos indivíduos ........................................................................................108
4.7.Algoritmos Genéticos multiobjectivo: Conceitos fundamentais............................................................110
4.7.1.Generalidades .......................................................................................................................................110
4.7.2.Mecanismos de atribuição de Aptidão em EA’s ..................................................................................112
4.7.3.Mecanismos de arquivamento em EA’s ...............................................................................................118
4.7.4.Estrutura de AE's Multiobjetivo ...........................................................................................................120
4.6.Algoritmos Genéticos multiobjectivo: Abordagens desenvolvidas .......................................................123
4.7. Sistemas de suporte a tomada de decisão ...........................................................................................139
4.7.1.Processo de tomada de decisão ...........................................................................................................139
4.7.2.Intervenientes no processo de tomada de decisão .............................................................................141
4.7.3.Analise de decisão multicritério no processo de decisão ....................................................................142
4.7.4.Valores versus alternativas ..................................................................................................................143
4.8. Analise Multicritério .............................................................................................................................144
4.8.1.Introdução ............................................................................................................................................144
4.8.2.Definição da problemática ...................................................................................................................144
4.8.3.Aspetos tidos em consideração na definição do modelo de Apoio Multicritério à Decisão ..............145
4.8.4.Tabela de desempenho e escalas utilizadas ........................................................................................148
4.8.5.Metodologias de Apoio Multicritério à Decisão ..................................................................................149
4.9. Função de Utilidade e Teoria do Valor .................................................................................................151
4.9.1.Funções de Utilidade ............................................................................................................................152
4.9.2.Teoria do valor ......................................................................................................................................153
4.9.3.Modelo aditivo de agregação de valor ................................................................................................153
4.10.Teoria do valor multiatributo (MAVT) ..................................................................................................156
4.10.1.Introdução ..........................................................................................................................................157
4.10.2.Metodologia .......................................................................................................................................158
4.11.Integração de algoritmos de optimização com abordagens multicritério ...........................................160
4.12.Nota Conclusiva .....................................................................................................................................161
5. Modelo proposto ..................................................................................................................................164
5.1.Introdução.. .............................................................................................................................................164
5.2.Estrutura conceptual ...............................................................................................................................166
5.3.Analise Multicritério: Definição dos critérios e subcritérios adotados ..................................................170
5.3.1.Nomenclatura adotada, relativa a cada critério/subcritério e variáveis de decisão .........................171
5.3.2.A - Dimensão Económica ......................................................................................................................172
5.3.3.B - Dimensão Social ..............................................................................................................................201
xiii
5.3.4.C - Dimensão Ambiental .......................................................................................................................229
5.3.5.Tabelas de desempenho e escalas utilizadas.......................................................................................244
5.4.Formulação do problema ........................................................................................................................247
5.4.1.Definição das variáveis de decisão.......................................................................................................247
5.4.2.Definição da função objectivo ..............................................................................................................248
5.4.3.Definição das restrições do problema .................................................................................................250
6.Aplicação e validação do modelo proposto ...............................................................................................259
6.1.Introdução.. .............................................................................................................................................259
6.2.Descrição do caso de estudo ...................................................................................................................259
6.2.1.Contexto.. .............................................................................................................................................259
6.2.2.Parâmetros de entrada e prossupostos adotados...............................................................................261
6.3.Aplicação do método ...............................................................................................................................263
6.3.1.1ª Fase - Definição do espaço de decisão, tabela de variáveis, e calculo das poupanças ..................263
6.3.2.2ª Fase - Implementação das preferências do consumidor, através da abordagem MAVT………….. 265
6.3.3.3ª Fase - Obtenção de soluções sustentáveis (ótimas) para o consumidor........................................267
6.3.4.Otimização: Implementação do NSGAII ..............................................................................................269
6.4.Apresentação e discussão dos resultados obtidos .................................................................................272
6.4.1.Introdução ............................................................................................................................................272
6.4.2.Abordagem monobjectivo ....................................................................................................................272
6.4.3.Abordagem Multiobjectivo (Múltiplas combinações c/2 Objetivos) ..................................................276
6.4.4.Abordagem Multiobjectivo (Múltiplas combinações c/3 Objetivos) ..................................................280
6.5.Nota conclusiva........................................................................................................................................284
7.Conclusões e perspectivas de trabalho futuro ..........................................................................................286
7.1Considerações finais e principais contributos .........................................................................................286
7.2Perspetivas de trabalho futuro ................................................................................................................289
8.ANEXOS……….. ............................................................................................................................................305
xiv
Índice de figuras
xv
Indice de tabelas
Tabela 3.1 - Características-padrão, referentes a cada tecnologia de lâmpada (EcoCasa, 2018 ).......... 72
Tabela 3. 2 - Valores típicos de fluxo luminoso referentes por tecnologia de lâmpada (EU, 2009) ........ 75
Tabela 3.3 - Indice de Reprodução de Cores (valores típicos / tecnologia de lâmpada) Guerrini (2007)
......................................................................................................................................................... 77
Tabela 4.1 - Comparação entre a codificação binaria (base 2) e o código de gray................................ 109
xvi
Lista de Acrónimos
xvii
SMARTER - SMART Exploiting Ranks
SMARTS - SMART using Swings
SMARTS - SMART using Swings
SPEA - Strength Pareto Evolutionary Algorithm
SSD - Sistemas de Suporte a Decisão
STEM - Step Method
TFL - Tubular Fluorescent Lamps
UE – União Europeia
UICN - União Mundial para a Natureza
UNESCO - United Nations Educational Scientific and Cultural Organization
UTA - UTilités Additives
UUICN - União Mundial para a Natureza
VAL - Valor Acual Líquido
VEGA - Vector Evaluated Genetic Algorithm
WBGA - Weight-based Genetic Algorithm
WFN - Water Footprint Network
xviii
Nota Preliminar:
Ao longo deste trabalho, todos os termos de origem anglo-saxónica estarão em itálico, sendo as
siglas imediatamente acompanhadas, na primeira vez que forem mencionadas, pela descrição em
extenso. Contudo, nem todos os termos escritos em itálico, são referentes a termos anglo-
saxónicos, sendo que por vezes este estilo, é utilizado por vezes para enfatizar certos termos e
expressões.
xix
Capítulo 1
Introdução
Resumo
Neste capítulo, é realizada uma breve
introdução ao trabalho de investigação
que se pretende desenvolver,
apresentando-se a motivação, o
enquadramento do tema, a metodologia
de investigação seguida, bem como os
objectivos a atingir com a investigação
proposta.
1
1. Introdução
2
bem como a promoção de uma melhor eficiência energética, obtida através do recurso aos
mais diversos serviços de energia, aquando do seu consumo.
De acordo com IEA (2017), a redução do consumo de energia é uma prioridade para
se alcançar a sustentabilidade, com o sector dos edifícios a representar cerca de 30-40 % do
consumo energético em grande parte dos países existentes (Gul et al, 2015).
Desses 40%, aproximadamente 27% do consumo energético é causado pelo sector
doméstico, de onde 19% da procura de energia final, deve-se a equipamentos elétricos
(Fisher et al, 2015).
Adicionalmente, e para alem da vertente ambiental, o consumidor de energia, vê-se
confrontado com a necessidade de ser obterem soluções economicamente competitivas, e
socialmente mais favoráveis, comportando-se deste modo como um agente-decisor.
Surge então a necessidade de se obterem soluções sustentáveis, visando assim atingir o
equilíbrio da sustentabilidade através das dimensões que a compõem, nomeadamente:
ambiental, económica e social.
Nos últimos anos, têm-se registado algumas melhorias no domínio da eficiência
energética no sector residencial, e em particular com os aparelhos produtores de serviços
de energia (iluminação, aquecimento, lavagem, etc), devido essencialmente a imperativos
de caracter legal, como por exemplo a Diretiva Europeia 2009/125/EU (conceção
ecológica dos produtos relacionados com o consumo de energia) e a Diretiva Europeia
2010/30/UE (etiquetagem energética para os diferentes eletrodomésticos em uso
residencial), ao classifica-los mediante o seu consumo energético, promovendo desta forma
uma redução do custo dos serviços energéticos associados, e ao mesmo tempo uma
redução das emissões de gases de efeito de estufa (GEE) equivalentes (DGEG, 2002 &
ADENE, 2010).
O sistema de etiquetagem torna-se relevante, no sentido em que permite informar o
consumidor, acerca das especificidades inerentes a cada tipo de aparelho, sendo que no
caso dos eletrodomésticos residenciais, e para alem dos consumos energéticos, pode-se
referir a capacidade em litros (frigorifico), a capacidade de roupa (maquina de lavar
roupa), a quantidade de agua consumida (maquina de secar roupa), ruido, etc.
Esta informação, possibilita adequar as escolhas do consumidor, de acordo com as
suas necessidades, contribuindo adicionalmente para uma melhor eficiência energética a
medio e longo prazo (Hordeski, 2003).
3
Contudo, tendo em conta o que fora dito anteriormente, e devido as mais diversas
opções disponíveis no mercado, torna-se difícil analisar qual a melhor solução a adotar por
de forma a satisfazer as necessidades de cada consumidor.
O problema acima referido, assume maior proporção quando cada aparelho possui as
suas próprias características, que variam de acordo com a marca e modelo a adquirir,
tornando a relação preço-qualidade diferenciada, e por vezes, difícil de ser analisada numa
ótica de tomada de decisão devido a questões de diversa ordem como os ciclos de vida do
equipamento, consumos de energia, entre outros aspetos (Nassir, et al, 1991 & Rigby,
2005).
Neste sentido, e considerando um consumidor (i.e., agente-decisor) que pretenda
adquirir vários tipos de eletrodomésticos, o mesmo terá que lidar com um problema de
natureza combinatória, que poderá ser abordado através do recurso a técnicas de
otimização.
Dada a elevada natureza combinatória do problema, e apesar de se poderem empregar
métodos de otimização clássicos (e.g. simplex), os algoritmos evolucionários tem assumido
cada vez mais, maior destaque na resolução de problemas deste tipo, demonstrando bom
desempenho na sua resolução, e tendo ainda a vantagem de apresentar diversas soluções
ótimas para o mesmo problema (Randall et al,2015).
Tal razão, prende-se essencialmente com a capacidade de manipular em cada geração,
uma população de potenciais soluções, o que num problema de eficiência energética,
poder-se-á traduzir numa mais-valia, tendo em conta que o agente decisor nem sempre
dispõe de uma determinada solução no mercado, pelo que se torna conveniente dispor de
outra igualmente admissível.
Apesar de já existirem algumas abordagens de suporte a decisão neste campo,
nenhuma tenta reunir de forma tão integrada os aspetos acima mencionados, tão relevantes
no que diz respeito a obtenção de soluções sustentáveis.
Com o intuito de responder a esta necessidade, pretende-se com este trabalho, procurar
uma solução de compromisso que maximize o bem-estar económico, social e ambiental do
agente-decisor (consumidor), através do desenvolvimento de uma abordagem holística que
integre os conceitos referidos anteriormente, e que será proposta no presente trabalho.
4
Este trabalho é motivado pela necessidade referida anteriormente, e apoia-se nas
questões de investigação seguintes:
Questão de investigação:
Sub-questão 1:
Sub-questão 2:
Como obter soluções ótimas e diversificadas, que vão ao encontro do bem-estar social
do agente-decisor, nomeadamente ao nível da satisfação das suas necessidades (conforto
térmico, qualidade do ar interior, grau de adequação aos equipamentos, etc.), por sua vez
relacionadas com as suas escolhas e durante o horizonte temporal considerado?
Sub-questão 3:
Hipótese 1:
5
Através do recurso a técnicas de otimização baseadas em meta-heurísticas, e por meio
de um modelo, fruto de uma combinação holística de diversos conceitos (analise do ciclo
de vida do produto, classificação da eficiência energética, custos de consumo, investimento
inicial, entre outros) poderá ser possível promover o bem-estar económico do agente-
decisor.
Hipótese 2:
Hipótese 3:
6
Pretende-se com o presente trabalho, obter-se uma metodologia que forneça um
conjunto de escolhas sustentáveis e adequadas aos interesses do agente-decisor
(consumidor), tendo por standard o grau de importância atribuído pelo mesmo a cada uma
das dimensões que compõem o respetivo grau de sustentabilidade, nomeadamente as
dimensões económica, social e ambiental.
A complementar esta faculdade, espera-se obter um indicador que permita informar o
agente decisor acerca de eventuais impactes na eficiência energética alcançada no presente
com uma determinada escolha, e através das suas escolhas futuras.
O conceito de teoria, é algo que têm promovido a discussão entre os vários autores que
se debruçam sobre o tema, gerando por isso algum desacordo na definição do seu conceito.
Um exemplo desse desacordo, é o dado por Strauss e Corbin (1998; p.25) que encaram
a teoria, como “um ato de construção”. Já Schmenner et al. (2009), afirmam por sua vez,
que “as teorias não se constroem, mas sim, inventam-se”, o que indica que as mesmas não
podem ser construídas ou deduzidas sistematicamente dos fenómenos.
Devido a duas posições opostas e extremadas entre si, existem autores que preferem
recorrer à terminologia “produzir teoria”, como sendo aquela que reúne maior consenso.
Outro conceito, bastante associado ao conceito anterior, é o conceito de ciência. Este
conceito, têm dividido cientistas e filósofos no que toca a formulação de uma definição
formal. Contudo, uma definição algo consensual entre os diversos autores, é definir ciência
como um conhecimento ou conjunto de conhecimentos rigorosos e sistemáticos (ainda que
imperfeitos) de uma dada realidade.
De acordo com Nevado (2001), estes conhecimentos adquirem-se pelo estudo, pela
prática ou pela conjugação de ambos, sendo que o seu desenvolvimento, devera passar pelo
valor acrescentado ao conhecimento já existente, ainda que possa haver ruturas com esse
mesmo conhecimento.
Não obstante, e ainda numa fase preliminar do desenvolvimento científico, deve-se
tratar de uma questão importante, que se coloca em qualquer trabalho de investigação
científica, nomeadamente a questão da escolha do método científico mais adequado.
Deste modo, e na presença de uma nova questão ou problema a ser esclarecido e
resolvido, o investigador tanto pode optar por uma metodologia científica que tenha por
7
base uma estratégia de investigação de base teórica, como optar por uma estratégia
essencialmente de base empírica, sendo que a opção por uma estratégia que conjugue as
duas estratégias referidas anteriormente, também permanece valida.
Na primeira estratégia, o investigador tenta elaborar uma lógica, assente quase
exclusivamente, na revisão de livros, artigos e comunicações conhecidas, subordinadas ao
tema sob o qual se debruça. Posteriormente, e recorrendo à sua capacidade intelectual, é
então elaborado uma nova abordagem para o problema, tendo em vista a criação de uma
nova teoria, formulada pelo investigador (Nevado, 2001).
Contudo, no âmbito da estratégia empírica, e ainda de acordo com Nevado (2001), o
investigador apoia-.se no objeto da sua investigação, com vista ao seu estudo e observação,
de forma a poder recolher, tratar e analisar a informação daí resultante, de forma a extrair
conclusões que acrescentem algo de novo ao conhecimento já existente, ou até mesmo,
colocando esse mesmo conhecimento em causa. A este método de investigação, dá-se o
nome de positivismo.
De acordo com Thuan e Xuan (1998), uma teoria que não possa ser verificada
experimentalmente, não poderá pertencer ao domínio da ciência, mas sim da metafísica.
No entanto, e do que se sabe atualmente, verifica-se que muita da ciência teórica,
desenvolvida no âmbito da matemática ou da física (incluindo outras), não foi demonstrada
empiricamente no momento certo, mas sim validada experimentalmente e aplicada algum
tempo depois, recorrendo apenas a tecnologias disponíveis.
Alguns autores como Nevado (2001), defendem que a metodologia científica, deva ser
uma investigação em espiral, i.e., uma investigação onde seja possível a aplicação de uma
metodologia indutivo-hipotético-dedutiva, e onde a primeira fase, seja uma fase de
exploração e observação, de onde emergem posteriormente as hipóteses correspondentes.
Outros autores, propõem abordagens, bastantes mais flexíveis de investigação direta,
podendo esta ter cariz qualitativo ou quantitativo, e com ou sem hipóteses a testar (e.g.
Eisenhardt (1989), Yin (2009) e Sutton (1997)).
Na secção anterior, viu-se que alguns autores como Nevado (2001), dividiam as
estratégias de investigação em dois grandes grupos; teórico e empírico.
8
No entanto, autores como Freixo (2011), dividem em 3 grandes correntes, no que
respeita a visões epistemológicas do método científico, nomeadamente; racionalismo, o
empirismo e o construtivismo.
O empirismo, já fora referido anteriormente, sendo que de uma forma geral, as
hipóteses científicas, assentam em métodos baseados em experimentações ou observações
(Freixo, 2011).
O racionalismo por seu turno, afirma a razão como a única faculdade de alcançar o
conhecimento adequado da realidade, sendo que a ciência se desenvolve através da
dedução e demonstração matemática, traduzindo-se deste modo, na prova e verdade
necessárias e universais, eliminado quaisquer dúvidas que possam surgir.
Já o construtivismo, e de acordo com Brandalise (2004), o objeto e o sujeito estão
ativamente interligados na atividade de criar conhecimento, sendo que esta criação, traduz-
se no desenvolvimento de ações mútuas entre o indivíduo e o meio. Deste modo, verifica-
se que as fontes do conhecimento são simultaneamente de origem interna e externa.
De acordo com Freixo (2011), para que o construtivismo seja válido cientificamente,
deverá atender a um conjunto de exigências, nomeadamente:
9
de conjunturas ou hipóteses. Dessas mesmas hipóteses, são deduzidas consequências que
deverão ser testadas ou falseadas, sendo que falsear, significa tornarem falsas as
consequências deduzidas das hipóteses
Como tal, a estratégia a seguir no decurso desta investigação é guiada pelo método
hipotético-dedutivo (Marconi e Lakatos, 2003) (Figura 1.1), o que implica a realização de
uma revisão de literatura, acerca do tema que for possível efetuar, selecionando-se
posteriormente o problema a ser abordado. Deste modo, são apresentados os objetivos, a
amostra relacionada com a área de pesquisa é estabelecida, operacionalizam-se as
variáveis, sendo os resultados obtidos, analisados para posterior apresentação.
Dentro do estudo de campo aqui proposto nesta investigação, são seguidos dois
procedimentos metodológicos, nomeadamente; o método experimental, onde se exige uma
medição rigorosa e controlada (Freixo, 2011) e uma seleção de amostra para que os dados
recolhidos, possam ser generalizados, de forma a garantir a representatividade da
população em estudo.
10
De acordo com Markoni e Lakatos (2003), o trabalho de campo será aquele que tem o
objetivo de obter conhecimentos ou informações acerca de um problema, com o objetivo
de se obter uma resposta para o mesmo. Para o efeito, a pesquisa bibliográfica sobre o tema
em questão torna-se prioritária, dado que os trabalhos realizados facilitam a delineação de
um plano, permitindo deste modo a construção de um modelo teórico de referência,
auxiliando da mesma forma a determinação de itens e variáveis.
11
dois cenários possíveis; o primeiro, onde o consumidor utiliza a metodologia proposta para
extrair soluções optimas do mercado, e o segundo, onde o consumidor apenas escolhe as
soluções sem qualquer metodologia de suporte a tomada de decisão.
Esta validação, teve como objetivo essencial, a de criar teoria, testá-la e validá-la,
permitindo deste modo, a transformação do modelo conceptual obtido, num modelo
funcional, através da validação acima referida.
12
• Equipamentos elétricos no sector
residêncial
Máquina de Lavar Roupa
Máquina de Secar Roupa
Máquina de Lavar Louça
Frigorifico/Combinado
Forno
Ar Condicionado
Iluminação
• Optimização Multiobjectivo vs
Monobjectivo
• Algoritmos Classicos vs. Evolutivos
(AE’s)
• Algoritmos Evolutivos (Genéticos)
• AE’s Multiobjectivo
Conceitos de dominância
Atribuição de aptidão
Mecanismos de Arquivamento
Capítulo 4 – Optimização • Estrutura AE’s Multiobjectivo
Multiobjectivo, Algoritmos • AE’s existentes na literatura
Evolutivos e Analise • Sistemas de suporte a tomada de decisão
Multicritério • Analise Multicriterio
Tabela de desempenho e escalas
adoptadas
Funções de utilidade
Teoria de Valor
Modelo aditivo de agregaçãod e valor
Teoria do valor Multiatributo (MAVT)
• Integração de algoritmos de optimização
com abordagens multicritério
• Estrututura Conceptual
• Analise Multicritério: Definição dos
critérios e subcritérios adoptados
Dimensão Economica
Capítulo 5 – Modelo Proposto Dimensão Social
Dimensão Ambiental
• Tabela de desempenho e escalas
adotadas
• Formulação do problema
13
Definição das variaveis de decisão
Definição da função objectivo
Definição das restrições do problema
14
Capítulo 2
Sustentabilidade e Energia:
Introdução ao modelo proposto
Resumo
Neste capítulo, pretende-se apresentar
as dimensões que compõem o conceito
de sustentabilidade, e explorá-las no
contexto do sector dos edificios, com
maior enfase no sector residêncial. È
igualmente, realizado, um breve
enquadramento do papel da energia e
dos serviços energeticos no quadro da
sustentabilidade, de forma a introdzir o
conceito de eficiencia energética nos
edificios.
15
2. Sustentabilidade
2.1. Introdução
A preocupação de um mundo sustentável, não é recente, sendo que desde os anos 70,
que muitos países procuram novas fontes de energia, organizando para o efeito convenções
internacionais, que vêm sendo realizadas até aos dias de hoje, embora atualmente num
âmbito mais nacional e regional.
Nestes encontros têm sido fixados objetivos, ações e programas que, ao serem
cumpridos, permitiriam a recuperação e proteção dos recursos da Terra.
Uma das primeiras conferências sobre este tema foi a Conferência das Nações Unidas
sobre o Meio Ambiente em 1972 em Estocolmo (Suécia), onde era considerada a
necessidade de se estabelecer uma visão global e princípios comuns, que servissem de
inspiração e orientação para guiar os povos do mundo na preservação e na melhoria do
meio ambiente (Ferrão, 2009).
Um dos seus 26 princípios que constam nesse acordo, e que foram estabelecidos de
forma a que fossem respeitados por todos os países mundiais, visava não só a preservação
do meio ambiente, como os recursos não renováveis da Terra, que deveriam ser utilizados
de forma a evitar o perigo do seu esgotamento futuro e a assegurar que toda a humanidade
participasse dos benefícios de tal uso.
Posteriormente em 1975, e no mesmo âmbito, realizou-se a Conferência de Belgrado,
tendo esta sida promovida pela UNESCO (United Nations Educational Scientific and
Cultural Organization).
Daqui resultou a "Carta de Belgrado", tendo sido considerado um dos documentos
mais importantes daquela década.
Em 1977, inspirada na conferência de Estocolmo, foi organizada em Tiblisi (Geórgia),
quer pela UNESCO, quer pela PNUMA (Programa das Nações Unidas para o Meio
Ambiente), a Conferência Intergovernamental sobre Educação Ambiental, que se
standardou no início de inúmeras discussões e propostas, respeitantes a vinculação da
educação ambiental às normas jurídicas.
De uma forma sucinta, este encontro visou dirigir um apelo para que os Estados
Membros incluíssem nas suas políticas, um conjunto de medidas de educação, orientadas
16
no sentido de incorporar conteúdo, diretrizes e atividades ambientais nos seus sistemas
(Ferrão, 2009).
Adicionalmente, procurou-se na altura, incentivar as autoridades em educação, a
intensificarem os seus trabalhos de reflexão, de investigação e desenvolvimento, relativos à
Educação Ambiental, promovendo ao mesmo tempo o intercambio de experiências e de
conhecimento entre os diferentes países aderentes.
Em 1980, utiliza-se pela primeira vez o termo “Desenvolvimento Sustentável”, por um
organismo privado de investigação, nomeadamente a União Mundial para a Natureza
(UICN), sendo que em 1987 aquando da criação do Relatório Brundtland, também
denominado de Nosso Futuro Comum‖ (Our Common Future), o termo ganha maior
relevo.
Este relatório, foi realizado pela Comissão Mundial sobre Meio Ambiente e
Desenvolvimento, chefiada na altura pela Primeira ministra Norueguesa Gro Harlem
Brundtland e faz parte integrante de um conjunto de iniciativas, algumas das quais,
resultaram numa critica ao modelo de desenvolvimento adotado pelos países
industrializados.
De acordo com o relatório de Brundtland, a sustentabilidade pode ser definida como a
capacidade de “satisfazer as necessidades das gerações atuais sem comprometer as
possibilidades das gerações futuras” (Brundtland, 1987).
Uma das recomendações deste relatório, resultou em 1992, no Rio de Janeiro (Brasil)
na Conferência das Nações Unidas para o Meio Ambiente e Desenvolvimento‖, mais
conhecida por ECO-92 ou Rio-92.
Esta conferencia fora promovida pela ONU (Organização das Nações Unidas), e
contou com a participação de 170 países.
O objetivo principal, visou conciliar o desenvolvimento socioeconómico com a
conservação e proteção dos ecossistemas da Terra.
Dessa conferencia, resultou um documento, aprovado na altura e denominado de
Agenda 21, que tinha o objetivo de promover o compromisso de cada país com a reflexão
(quer global quer local), acerca da forma pela qual os diferentes governos, empresas, e
todos os sectores da sociedade poderiam cooperar no estudo de soluções para os problemas
socioambientais (Ferrão, 2009).
17
Neste contexto, cada país tinha o compromisso de desenvolver a sua própria Agenda
21, tornando-se desta forma, num importante instrumento de defesa das questões
ambientais, e conferindo uma outra interpretação ao conceito de progresso, promovendo
não só a quantidade, mas também a qualidade do crescimento.
Desde essa altura, a Agenda 21 tem sido revista e ajustada em alguns encontros como
o Rio+5, realizado em Nova Iorque em 1997, e mais tarde na mesma cidade Americana em
2000 na sede da ONU, onde fora dado especial relevância às políticas de globalização e
erradicação da pobreza e da fome.
Em 2002, ocorrera a Cimeira da Terra sobre Desenvolvimento Sustentável‖ em
Joanesburgo, África do Sul, na qual se reafirmaram os compromissos da Agenda 21, e
onde se propôs uma maior integração das três dimensões do desenvolvimento sustentável
(económica, social e ambiental), através de programas e políticas centrados nas questões
sociais e, particularmente, nos sistemas de proteção social (Ferrão, 2009).
Ainda acerca do conceito de Desenvolvimento Sustentável, surge a definição de um
outro conceito que esta na sua génese, o qual é proposto por Ferrão (2009), ao definir
ecodesenvolvimento, como o “desenvolvimento que é socialmente desejável,
economicamente viável e ecologicamente prudente”.
Este conceito dará origem ao conceito de Desenvolvimento Sustentável cujas
dimensões principais, referidas anteriormente, serão objeto de discussão na secção
seguinte.
Tal como fora referido anteriormente, têm sido implementadas, diversas iniciativas em
torno da sustentabilidade, para que sejam alcançados os objectivos acima referidos.
Nesse âmbito, importa destacar três vetores de actuação da sustentabilidade, e que a
seguir se apresentam; Eco Produtos, Construção Sustentável, Produtos e Serviços
Sustentáveis.
18
diferentes tipologias sendo alguns exemplos de rotulagem: Os rótulos ecológicos (tipo I),
as auto declarações de produto, onde são apresentadas pelo produtor ou comercializador as
características ambientais (tipo II), ou as declarações ambientais do produto (DAP e em
inglês EPD) (tipo III) e marcas e sistemas de avaliação específicos facilitam a
comunicação e divulgação dos eco produtos.
19
em consideração (Pinheiro, 2006). Os produtores de produtos sustentáveis esforçam-se
para que estes produtos não tenham custos muito elevados no ciclo de vida, uma vez que
só serão sustentáveis se conseguirem afirmar-se no mercado assegurando a adequada
relação qualidade/desempenho e custo.
Figura 2.1 - Dimensão ambiental, económica e social do desenvolvimento sustentável (BCSD (2005))
• Dimensão social - Baseia-se no respeito pelo ser humano, para que este possa
respeitar a natureza;
20
• Dimensão energética - Baseia-se no princípio de que sem energia a economia não
se desenvolve, podendo comprometer deste modo as condições de vida das
populações;
A energia surge assim como um elemento transversal a estas três dimensões, pelo
facto de ser um fator-chave para o crescimento macroeconómico e social, uma vez que
constitui um principal pré-requisito para as necessidades humanas básicas.
A partir dos princípios referidos anteriormente, e com base na Figura 3.1, torna-se
possível redefinir as dimensões económica, social e ambiental do seguinte modo:
21
Neste contexto, e tendo em conta o que fora referido anteriormente, uma das formas de
atuar nestas três dimensões, poderá passar por um aumento da eficiência energética,
contribuindo desta forma para um maior desenvolvimento sustentável.
1
Do termo anglo-saxónico Life Cycle Cost assessment
22
Para alem dos custos, referentes as diferentes fases do ciclo de vida do produto,
existe ainda outro fator importante dentro do conceito do LCC: os ajustes de tempo.
Estes ajustes são utilizados para colocar os diferentes fluxos monetários (e.g. gastos,
receitas) ocorridos ao longo do tempo, numa base que seja comparável, e que permita uma
avaliação válida dos custos e benefícios ao longo do ciclo de vida de um projeto.
Este ajuste torna-se necessário, dado que qualquer fluxo monetário ocorrido no
presente, não possui o mesmo valor no futuro, pelo que existem duas razões para essa
disparidade de valor:
as oportunidades de investimento alternativas, o risco associado as receitas ou poupanças
futuras sob a forma de fluxos monetários, e a influencia da inflação no poder de compra
dos consumidores.
O Valor Acual Líquido (VAL2), surge neste contexto como a diferença entre o valor
presente dos fluxos monetários (ou de caixa) de entrada e o valor presente dos fluxos
monetários de saída.
O VAL é utilizado para analisar o lucro de um investimento ou projeto.
Tal como fora referido anteriormente, devido aos fluxos monetários ocorrerem em
diferentes instantes de tempo, existe a necessidade de se proceder a diferentes ajustes, pelo
que a taxa de desconto na expressão do VAL permite incluir esse fenómeno.
A expressão para o cálculo do VAL, é a seguinte:
C1 C2 Cn
VAL = −C0 + + + ... + (2.1)
1 + i (1 + i ) 2
(1 + i )
n
Onde:
C0 - Investimento inicial
Cn - Fluxo monetário3
2
Também designado na literatura anglo-saxónica por net presente value (NPV)
3
Também designado de cash flow, da literatura anglo-saxónica
23
Representando os mesmos fluxos, de forma esquemática (Figura 2.2), fica:
24
âmbito do presente trabalho, recebem a designação de consumo da opção eficiente Cef e
associados ao consumo anual associado com a opção standard Cstd .anual , podem ser obtidos
j
Ou seja:
25
Invstd .t Invstd .2t Invstd .ct n PCons. j
VAL = Invstd . − Invef 0. + + .. + + + (2.8)
(1 + i ) (1 + i ) (1 + i ) (1 + i )
t 2t c.t j
j =1
i (1 + i ) − 1
n
n
1 1 1
= = − = (2.9)
(1 + i ) i i (1 + i ) i (1 + i )
j n n
j =0
Deste modo, e partindo dos respetivos consumos Cstd . j e Cef .ij , referidos
(
PCons.act.ij = Cstd .act. j − Cef .act.ij = Cstd . j − Cef .ij ) (2.10)
obtida por:
Pinv.act.ij = I std .T − I ef .ij = ( I std . j − I ef .ij ) (2.11)
i (1 + i ) − 1
n
(
PCons.act.ij = Cstd .act. j − Cef .act .ij = Cstd . j − Cef .ij ) i (1 + i )
n
(2.12)
2.5.1. Introdução
26
este atribui o valor a uma dada solução disponível no mercado. Para tal, o comportamento
do consumidor, pode ser estudado numa perspetiva de marketing Business to Consumer
(B2C), com o intuito de sistematizar as suas preferências, de forma a que o consumidor
possa classificar posteriormente cada solução encontrada, e de acordo com um dado
conjunto de atributos, centrados por sua vez na perceção que o mesmo têm do
produto/solução em questão.
Nesse contexto, o consumidor opta normalmente por escolher de entre as diferentes
ofertas existentes no mercado, aquela que lhe parece proporcionar o maior valor possível,
pelo que importa começar por abordar o seu conceito.
27
cliente ficara satisfeito. Já, e se o desempenho supera as expectativas, a satisfação será
ainda maior.
Se o desempenho não atinge as expectativas, o cliente (consumidor) ficara insatisfeito,
enquanto que se o desempenho alcança as expectativas, o cliente ficara satisfeito. Já, e se o
desempenho supera as expectativas, o cliente ficara ainda mais satisfeito (Pires, 1998).
Coloca-se então a seguinte questão: De que forma os consumidores tomam as suas
decisões relativamente a uma dada solução, i.e., como é que realizam as suas escolhas?
Em marketing, tal processo, denomina-se Processo de decisão de compra, e será
abordado de seguida.
É sabido do marketing, e em particular do marketing B2C, que o consumidor busca
sempre a maximização do valor, dentro dos limites impostos pelos custos envolvidos, quer
na sua procura, quer nas limitações de conhecimento, mobilidade e rendimento disponível.
Deste modo, o consumidor avalia qual a solução, que o mesmo acredita que lhe
proporcionara o maior valor percebido, e age com base nisso, sendo que a probabilidade de
satisfação e repetição da sua aquisição, dependera de a solução atender ou não a
expectativa de valor criada.
De acordo com alguns estudos de mercado, è muito frequente os gestores realizarem
uma análise de valor para o cliente, reveladora dos pontos fortes e fracos da empresa em
relação aos diversos players existentes no mercado, sendo que duas das etapas/fases
principais dessa mesma análise, são as seguintes:
28
Estas e outras etapas, fazem parte de estudos de mercado, onde os gestores, e em
particular os gestores de marketing, elaboram com o intuito de desenvolver não só um
produto que vá de encontro as pretensões do cliente/consumidor, como também determinar
o posicionamento da empresa a qual pertence, face a outras a operarem no mesmo sector.
Outro aspecto relevante, e muito estudado pelas empresas inteligentes, é o processo de
decisão de compra do consumidor, onde são analisadas questões como, a experiência de
aprendizagem, a escolha, o uso e inclusive, o descarte de um produto.
Reconhecimento
Procura da Avaliação de Decisão de Comportamento
do
informação alternativas Compra Pos-compra
Problema
1. Reconhecimento do problema
29
2. Procura de informação
3. Avaliação de alternativas
• Modelo de predominância
• Modelo conjuntivo
• Modelo disjuntivo
• Modelo lexicográfico
• Modelo de expectativa-valor
• Modelo de ponto ideal
30
Qualquer um dos modelos existentes, obedece a um conjunto de requisitos definidos
por parte do consumidor, nomeadamente a satisfação da sua necessidade, a busca de certos
benefícios na escolha do produto e a existência de um conjunto de atributos com diferentes
capacidades de proporcionar os benefícios acima mencionados. Os atributos que
interessam aos consumidores variam de acordo com o tipo produto, pelo que serão
abordados em pormenor na Secção 4.10, e definidos e implementados na Secção 5.3.
Modelo de expectativa-valor
wik = w1k , w2 k , w3k ,.., wik c / wik 0,1 i = 1, 2,.., i k = 1, 2,.., k (2.14)
Estes pesos, são normalmente utilizados para ponderar as atitudes tomadas pelo
consumidor, relativamente a várias marcas, por meio de um procedimento de avaliação de
atributos. Ou seja, estas atitudes resultam do desenvolvimento de um conjunto de
crenças/valores, reflectindo cada uma delas, o posicionamento de cada consumidor, em
relação a cada atributo associado.
O modelo de expectativa de valor, permite deste modo, que os consumidores avaliem
produtos, combinando as crenças que possuem em relação a marca (positivas e negativas)
de acordo com a importância atribuída.
Deste modo, o modelo de expectativas assume a seguinte forma geral:
n
Ajk = Wik Bijk (2.15)
i =1
Onde:
Ajk - Número de pontos de atitude do consumidor k para com a marca j
Wik - O peso da importância dada ao atributo i pelo consumidor k
Bijk - Crença no consumidor k quanto á extensão em que o atributo i é oferecido
pela marca j
n - Número de atributos importantes na selecção de determinada marca
31
relativa (pesos), que o agente-decisor (consumidor) dará a cada uma das dimensões a ter
em conta na obtenção de soluções de mercado sustentáveis: ambiental, social e económica.
No entanto, no âmbito da investigação tratada no presente trabalho, e em particular no
âmbito da dimensão social, importa conhecer quais os atributos que o consumidor valoriza
para cada serviço energético/eletrodoméstico.
32
Figura 2.5 - Grau de importância, atribuído pelo consumidor a cada caraterística identificada como
importante para a escolha de um novo eletrodoméstico (%) (Fonte: ERSE, 2011)
Já o estudo de Bezerra et al (2011), começa por fazer uma revisão teórica de alguns
estudos no âmbito dos produtos em geral, apresentando alguns atributos valorizados pelos
consumidores, que se revelam consensuais entre estudos realizados, referentes a diferentes
produtos, sendo os eletrodomésticos um deles (Tabela 2.1).
Tabela 2 1 - Alguns atributos relacionados com produtos no geral (adaptado de Bezerra et al (2011))
33
dimensões “ruido” e “design”, que expressam a interação entre o design do produto e o
consumidor, bem como entre o ruido associado e o consumidor, aquando da escolha do
produto.Outros estudos têm sido realizados neste âmbito, como por exemplo, os trabalhos
de Bloch (1995), Blijlevens et al (2009) e Erasmus et al (2011), relativamente ao estudo do
comprotamento do consumidor.
É notório que no âmbito do marketing em geral, a verificação da importância desses
atributos é crucial, na medida em que pode oferecer informações valiosas, para que se
estabeleçam estratégias de marketing mais efetivas entre as marcas e os consumidores,
maximizando deste modo, as experiências de consumo e a própria satisfação dos
consumidores.
2.6.1. Introdução
34
comportamentos ambientalmente positivos, sugerindo nesse contexto para uma maior
sensibilização do consumidor para as questões ambientais e para a adopção de
determinados comportamentos com vista a uma maior protecção do meio ambiente.
Este trabalho pretende contribuir nesse sentido, ao conceber uma metodologia que não
só permita ajudar o agente-decisor (consumidor) na obtenção de soluções sustentáveis,
como sensibilizá-lo para os impactes ambientais, decorrentes das suas escolhas.
Para isso, a mesma metodologia faz recurso a um conjunto de conceitos que serão
apresentados de seguida.
Numa primeira instância, importa distinguir as diferentes fases, pelas quais é sujeito
um determinado produto, pelo que, e de acordo com Ashby (2009) distinguem-se 5
fases/estágios de desenvolvimento:
• Materiais
• Produção
• Transporte
• Uso/Exploração
• Desmantelamento
Contudo, o consumo energético por fase não é o mesmo, assim como a sua estrutura e
predominância, poderá sofrer alterações, algumas das quais associadas com o tipo de
produto a ser fabricado, conforme se demonstra na Figura 2.6.
Figura 2.6 - Exemplo de distribuição dos consumos energéticos por fase/aplicação (Ferrão, 2009)
35
Na mesma figura, é ainda visível uma predominância no consumo energético, relativo
a fase de “uso/exploração”, associada a utilização de electrodomésticos.
Considerando ainda o sector dos electrodomésticos, verifica-se que a distribuição em
termos de consumo energético por fase4, sofre naturalmente alterações, de acordo com o
serviço energético em causa, embora a sequencia de predominância se mantenha constante,
mantendo-se em primeira instancia a predominância na fase de uso/exploração, seguida das
fases de fabrico de materiais/componentes, fase de fabrico e finalmente a fase de
transporte. Tal facto, pode ser confirmado se tomarmos a refrigeração de alimentos
(frigorifico) como exemplo de serviço energético associado ao sector dos
electrodomésticos (Figura 2.7).
Figura 2.7 - Impacte ambiental (emissões de CO2) associadas ao frigorifico (Ferrão, 2009)
4
Também designada de embodied energy na literatura anglo-saxónica
36
cada uma das diferentes fases do produto, e consequentemente as respectivas emissões de
CO2.
No âmbito da norma ISO 14040, a ACV define-se como a Compilação dos fluxos de
entradas e saídas e a avaliação dos impactes ambientais associados a um produto ao
longo do seu ciclo de vida (Ferrão, 2009).
37
Esta técnica fora utilizada inicialmente na indústria de bens de consumo, onde se
pretendia identificar ou demonstrar a superioridade do desempenho dos seus produtos, face
ao dos concorrentes, numa vertente ambiental.
Esta abordagem potenciou o interesse posterior, manifestado pelos consumidores
através de campanhas organizadas por associações de apoio ao consumidor, onde uma das
reivindicações, prendia-se com a “informação ambiental” sobre os produtos adquiridos
pelos consumidores, possibilitando deste modo, a comparação entre produtos como sendo
a principal área de actuação da ACV (Ferrão, 2009).
Em termos genéricos, a ACV consiste numa “compilação e caracterização das entradas
e saídas de substâncias nos diversos processos ao longo do ciclo de vida de um produto,
com vista a avaliar o seu potencial impacte ambiental” (Ferrão, 2009).
Deste modo, a metodologia da ACV assenta em quatro fases principais, relacionadas
entre si (Figura 2.9).
Figura 2.9 - Principais fases da Avaliação de Ciclo de Vida segundo a ISO 14040 (Ferrão, 2009)
38
Inventario
39
Figura 2.10 - Avaliação de Ciclo de Vida: Avaliação dos impactes Ambientais (adaptado de Ferrão, 2009)
Interpretação
40
Pegada de carbono
41
semelhança do que fora referido anteriormente, tratam-se, de métodos que quando
implementados de forma isolada, não garantem que as soluções implementadas -apesar de
energeticamente eficientes - venham ao encontro do bem-estar do consumidor, nem do
bem-estar económico do mesmo.
Adicionalmente, avaliação do ciclo de vida de um determinado produto, não fornece
indicações explicitas ao consumidor, acerca da quantidade de GEE que podem ser evitadas
para a atmosfera durante o período de vida de determinado aparelho a ser adquirido, pelo
que importa estimar as emissões de GEE, com a adopção de uma dada solução ou conjunto
de soluções energéticas.
Para o efeito existe actualmente normalização adequada, nomeadamente a norma ISO
16745-1:20175, a qual que estabelece um método alternativo ao LCA, no cálculo da
pegada de carbono, referente as diferentes fases do ciclo de vida, relativamente a cada
residência (ISO, 2017).
O método de calculo das emissões de CO2 equivalentes (CO2e), baseia-se na
metodologia LCA, assente em (WBCSD, 2011)
kgCO2e = Dados actividade [unid .] F .E.[k gGEE / unid .] PAG [k g CO2 e/ k g GEE ] (2.16)
kgCO2e = Consumo Energetico [kWh] F .E [k gGEE / kWh] PAG [k g CO2 e/ k g GEE ] (2.17)
Onde:
como sendo um factor que apresenta uma medição relativa da quantidade de calor
existente numa dada massa do gás, objeto de medição, comparado com a mesma
5
Sustainability in buildings and civil engineering works — Carbon metric of an existing building during use stage — Part
1: Calculation, reporting and communication
42
unidade de massa de CO2, o que permite caracterizar o impacte das várias emissões
especificas de GEE’s em termos comparativos. Por esta razão e pretendendo-se o
PAG de CO2, este assume o valor unitário.
Como o gás, objecto de avaliação é o CO2, e pretendendo-se o PAG respectivo, este
assume o valor unitário, conduzindo deste modo á expressão seguinte:
Pegada hídrica
43
Este conceito, permite ainda a compreensão e a resolução de problemas de escassez e
poluição da água, baseado no estudo das cadeias de produção e de abastecimento como um
todo (Hoekstra et al., 2011).
Ao longo dos últimos anos, foram propostas diversas metodologias de calculo da
pegada hídrica, sendo a metodologia desenvolvida pela Water Footprint Network (WFN9),
uma das mais utilizadas em todo o mundo para este fim (Maracajá et al, 2012).
Nesse âmbito, foi publicado em Fevereiro de 2011, a versão final de um manual
intitulado “Manual de Avaliação da Pegada Hídrica: Estabelecendo o Padrão Global”
(Hoekstra et al., 2011), onde, para além das várias metodologias de cálculo, e de apresentar
ainda um conjunto de exemplos práticos, esta publicação permitiu ainda a utilização de
uma metodologia credível, tornando deste modo possível, a comparação entre vários
estudos realizados sobre a pegada hídrica.
A definição deste conceito, bem como a respetiva metodologia, contribuiu
significativamente para a resolução dos problemas de escassez de água a nível mundial,
dado que permite demonstrar o grau de contribuição subjacente a cada pais/entidade, na
degradação das bacias hidrográficas a nível mundial, permitindo deste modo, a adopção de
medidas para redução dos impactos causados.
Atualmente, a pegada hídrica é entendida como um indicador que expressa não só, o
volume de água consumido por fonte, como também o volume de água poluído, e de
acordo com o tipo de poluição, considerando não só o uso direto, como também o uso
indireto de água (Figura 2.11).
Figura 2.11 - Esquema representativo dos componentes da pegada hídrica (Fonte: Cordeiro, 2014)
9 Plataforma com o objetivo de criar uma dinâmica de aprendizagem internacional, fazendo a ligação das
mais diversas comunidades com interesse no uso sustentável, equitativo e eficiente da água
(http://www.waterfootprint.org)
44
Com base na Figura 2.11, a avaliação da pegada hídrica engloba ainda três
componentes, especificados geográfica e temporalmente (Hoekstra et al., 2011):
• pegada hídrica azul - relativa à utilização de água doce subterrânea ou superficial;
• pegada hídrica verde - relativa à precipitação armazenada no solo, ou a que
permanece temporariamente na superfície do solo/vegetação;
• pegada hídrica cinza - relativa ao grau de poluição da água;
Relativamente ao uso, e ainda de acordo com a mesma figura, refira-se que a pegada
hídrica direta se refere ao consumo e à poluição relacionados com o uso da água em casa
ou no jardim, enquanto que pegada hídrica indireta se refere ao consumo e à poluição da
água que podem estar associados à produção dos bens e serviços utilizados pelo
consumidor.
De acordo com Cordeiro (2014), é também possível calcular a Pegada Hídrica de um
indivíduo, de acordo com os seus hábitos de consumo. O âmbito do respetivo cálculo,
define metodologia e unidade de pegada hídrica adoptada10, pelo que no presente trabalho,
considera-se a pegada hídrica de um consumidor, ou o respetivo valor total, quando se trata
de um grupo de consumidores11.
Assim, a pegada hídrica de um consumidor, resulta da soma das pegadas hídricas de
todos os produtos/serviços adquiridos pelo mesmo, podendo a mesma ser expressa como o
volume de água por unidade de tempo, ou ainda como o volume de água por unidade
monetária (Hoekstra et al., 2011).
No que toca ao seu cálculo, a pegada hídrica de um consumidor (PHcons) é calculada
através da soma da pegada hídrica direta ( PH cons ,dir ) do indivíduo e sua pegada hídrica
Dado o conceito de pegada hídrica indirecta, já aqui referido anteriormente, bem como
o âmbito deste trabalho, a pegada hídrica a ter em conta na metodologia, ira cingir-se
10
Para mais informação acerca dos diferentes âmbitos de aplicação, ver [manual de avaliação da pegada
hídrica http://www.waterfootprint.org]
11
Quando se considera que na residência, existe mais do que um ocupante a residir em permanência.
45
essencialmente na pegada hídrica indireta ( PHcons ,indir ), pelo que, e através da expressão
anterior, resulta:
PH cons PH cons ,indir [m3 / h] (2.21)
produto).
A partir da pegada hídrica do consumidor por produto, i.e. PHconsi , é possível calcular
o consumo individual de cada produto, durante a sua fase de exploração/uso, i.e.12:
mesmos serem obtidos com base em dados provenientes de fabricantes, ou na falta destes,
de estudos efectuados por entidades publicas ou privadas, certificadas para o efeito.
12
Apesar de em muitas etiquetas de eficiência energética, e em particular em máquinas de lavar
roupa/louça, já existir a indicação do consumo de água, esta não expressa necessariamente a realidade
de cada um dos consumidores, dado que o consumo pode variar segundo os mais diversos fatores,
nomeadamente o número de ocupantes do edifício.
46
2.7. Serviços de Energia
2.7.1. Conceito
47
serviço energético de iluminação, a fonte energética “frigorifico”, um serviço energético de
refrigeração, etc.
Na Figura 2.12, encontra-se listados alguns exemplos que expressam essa mesma
relação entre fonte de energia e serviço energético correspondente.
Figura 2.12 - Exemplos de serviços energéticos (ordenadas), incluídos em duas ou mais fontes (abcissas)
Lâmpada Iluminação
Ar Condicionado Climatização
Frigorifico Refrigeração
48
Cada um destes eletrodomésticos/serviços energéticos, pode ser alvo de melhorias em
termos de eficiência energética, que se resumem não só ao seu desempenho energético
inerente, como também por um conjunto de medidas eventualmente realizadas pelo
consumidor (agente-decisor), e que começam com a escolha do eletrodoméstico destinado
a exercer o serviço energético correspondente.
Num conceito mais lato, a eficiência energética pode ser definida como a redução do
consumo de energia, mantendo os serviços, estando por isso diretamente relacionada com
uma utilização racional da energia consumida.
Nesse sentido, e de forma a serem identificadas e implementadas medidas de
oportunidade de racionalização de consumos, torna-se necessário conhecer quais as opções
disponíveis a intervir, bem como quais os principais consumidores envolvidos e quais as
soluções existentes no mercado, garantindo deste modo uma correta implementação e
fiscalização das condições de operação e manutenção.
Para se reduzir o consumo de energia, torna-se necessário:
• Eliminação de consumos supérfluos
• Recuperação das perdas de energia
• Adaptação funcional dos equipamentos existentes as necessidades dos seus
utilizadores
• Utilização do equipamento de eficiência elevada
Todos estes princípios, são tidos em conta, e em qualquer contexto onde se apliquem
medidas de eficiência energética, sendo igualmente aplicados no sector dos Edifícios.
A necessidade de se obter uma elevada eficiência energética no sector residencial
constitui uma prioridade no largo rol de medidas de eficiência energética que têm sido
aplicadas em vários sectores, e em diversos países.
A sua importância, pode ser entendida através da repartição do consumo de energia
final por sector de atividade, podendo, no entanto, a mesma repartição variar de acordo
com o país ou o continente considerado.
49
No entanto e considerando a repartição de consumos de energia final nos países
Membros da UE (Figura 3.1), verifica-se que em 2013, os sectores dominantes eram
essencialmente o de transportes, residencial e indústria.
Figura 3.1 - Repartição do consumo de energia final nos Países Membros da UE, 2013 (Eurostat, 2015).
Dos sectores destacados anteriormente, o sector residencial era o 2º sector com maior
percentagem do consumo de energia (27%), possuindo a energia elétrica o segundo maior
contributo para este consumo (7%).
A maior parte das medidas de redução do consumo energético e de promoção da
eficiência energética, destinam-se essencialmente aos sectores de energia final,
representando cerca de 55-58% da redução do consumo de energia projetada nestes
sectores (EC, 2011).
Como medidas aplicáveis neste contexto, e no âmbito da legislação europeia, surgem
as diretivas europeias seguintes:
50
essenciais durante a utilização, com o propósito de conferir ao utilizador final a
possibilidade de escolher os produtos com maior eficiência.
O segundo diploma, vêm complementar a promoção da eficiência energética dos
edifícios, definindo um conjunto de requisitos referentes à metodologia de cálculo do
desempenho energético e à aplicação de requisitos mínimos para o desempenho energético
dos edifícios (EC, 2011).
A terceira diretiva tem como objetivo primordial, atingir 20% de eficiência energética
até 2020, estabelecendo aos Países Membros requisitos para o uso de energia mais
eficiente em todas as fases da cadeia energética, i.e., desde a sua produção até ao consumo
final (EC, 2011).
Esta nova Diretiva relativa à eficiência energética anexou o Plano de Ação para a
Eficiência Energética de 2011, estabelecendo o objetivo primordial da redução de energia
primária em 20%.
Para a concretização deste objetivo, a diretiva estabelece um conjunto de medidas para
a promoção de eficiência energética, estabelecendo ainda que cada estado membro, deva
definir os seus próprios objetivos, que deverão ser incluídos num Plano de Acção Nacional
para a Eficiência Energética para 2014, 2017 e 2020.
Estes requisitos exigem um conhecimento aprofundado do uso final nos diversos
sectores, por forma a monitorizar a evolução para os referidos objetivos.
No que concerne às emissões de Gases de Efeito de Estufa (GEE), a Agência Europeia
do Ambiente observa que o sector residencial é um dos que mais contribui neste domínio.
Na Figura 2.13, é possível observar-se a evolução das emissões de GEE na totalidade
dos países da UE, e em cada sector, entre 2005 a 2010.
Figura 2.13 - Emissões de GEE por sector (em Tg de CO2 equivalente) (Fernandez, 2012)
51
Ainda de acordo com Fernandez (2012) em 2010, o sector residencial foi o segundo
sector que registou maior taxa de crescimento de emissões desde 2009, logo atrás da
indústria, apesar de neste ano tal crescimento ter-se devido essencialmente as baixas
temperaturas verificadas no Inverno de 2010, contribuindo desta forma para o aumento da
procura de energia para aquecimento das habitações.
Figura 2.14 - Potencial de poupança no consumo energético por sector (DGEG, 2002).
52
2.9. Introdução ao modelo conceptual proposto
Wz
Wy
Ambiental
f(Y)
Wx
Economica
f(X)
Figura 2.15 - Sistema de classificação das soluções obtidas do mercado, baseado nas 3 dimensões
consideradas
53
Opções disponíveis no
mercado Modelo Soluções
Holistico Sustentaveis
Ar Condicionado
Ar Condicionado
Iluminação
Iluminação Nr. opções /serviços de energia
Forno
Forno
Maq. Lavar roupa
Maq. Lavar roupa (ajustável de acordo com as
Maq.Lavar Louça
Maq.Lavar Louça necessidades do consumidor no
Maquina secar roupa
Maquina secar roupa momento da aquisição)
Firgorificos
Frigorificos
54
abordagem agregadora, que possa estabelecer uma análise completa no quadro da
sustentabilidade.
Esta evidência, é ainda mais reforçada quando no mesmo capítulo, é apresentado os
conceitos de Serviços Energético e Eficiência Energética, com um breve enquadramento ao
sector residencial, tema a ser abordado no capítulo seguinte,
55
Capítulo 3
Eficiencia Energética
Sector Residencial
Resumo
Neste capítulo, é realizada uma
caracterização do perfil de consumo
energetico e hidrico no sector
residêncial, evidênciando as formas de
actuação da abordagem aqui proposta,
manifestadas através de cada um dos
serviços energeticos nela abordados.
56
3. Eficiência energética: sector residencial
57
Figura 3.1 - Repartição dos consumos energéticos (típicos) numa habitação (DGEG, 2002)
Figura 3.2 - Repartição de consumos de energia por serviço energético (DGEG, 2002)
58
Analisando a Figura 3.2, verifica-se uma vez mais a predominância dos equipamentos
de refrigeração (32%), com os equipamentos frigoríficos a deterem 22% e os equipamentos
congeladores a deterem 10 % do consumo elétrico total respetivamente.
Este valor é seguido do consumo em aquecimento (15%) e iluminação (12%).
A climatização (arrefecimento e aquecimento) dos edifícios representa cerca de 17%
do consumo total de energia elétrica.
Esta análise revela-se importante, na medida em que permite saber quais os setores
que necessitam de uma intervenção mais rápida.
Adicionalmente, pode-se ainda analisar o potencial de poupança energética nos
equipamentos do setor residencial (Figura 3.3), o que permite perceber quais os
equipamentos onde se podem alcançar melhorias significativas em termos de eficiência
energética.
59
sua eficiência, mas também no seu grau de adequação às necessidades da habitação e do
agregado familiar.
13
Business to business (negócio para negócio)
60
consumo energético que permitem quantificar o desempenho energético e identificar o tipo
de produto a que se refere a mesma.
A acrescer ao enquadramento legislativo referido anteriormente, importa também
mencionar a Diretiva n.º 2009/125/CE, que estabelece os requisitos de conceção ecológica
dos produtos (Eco Design) relacionados com o consumo de energia, sendo uma diretiva
mais orientada para os fabricantes enquanto público-alvo, ao invés da diretiva anterior,
onde o público-alvo são os consumidores finais.
No sistema de etiquetagem energética atual, existem 7 classes (índices) de eficiência
energética, identificados por um código de cores e letras que vão desde o verde - letra A,
no caso dos equipamentos mais eficientes, até ao vermelho - letra G, no caso dos
equipamentos menos eficientes.
No entanto, sempre que é atribuída etiqueta energética a um produto prevê-se, desde
logo que a etiqueta seja revista em vários momentos.
Para a maior parte das etiquetas, e no momento inicial, a escala vai de A G, sendo que
num segundo momento, e após a etiqueta energética desse produto estar em vigor cerca
dois anos, são introduzidas novas classes energéticas de forma incentivar os fabricantes a
desenvolverem soluções mais eficientes eliminado as classes inferiores, entre E G e
introduzindo novas classes no topo da classificação, A+, A++ e A+++ (Figura 3.4).
61
A nova etiqueta energética, pode ser aplicada a Frigoríficos e Arcas Congeladoras,
Máquinas de Lavar Roupa, Máquina de Secar Roupa, Combinados de Lavar e Secar
Roupa, Máquinas de Lavar Louça, Aparelhos de Ar Condicionado, Fornos Elétricos,
Lâmpadas e Televisores.
Mantém-se a escala e cores de classificação de A (verde escuro) a G (vermelho), à
qual se juntam mais três classes: A+, A++ e A+++ (Figura 3.5).
Torna-se relevante referir ainda neste contexto, que o consumo de energia para
desempenhos idênticos, pode ser quase 3 vezes superior nos eletrodomésticos de classe G,
comparativamente com os da classe A.
Considerando que a maior parte dos equipamentos (com exceção da iluminação)
apresenta uma vida útil superior a 10 anos, pode-se ter uma poupança económica superior
a 350€, pelo que importa ter em consideração na hora da compra, a classe energética do
aparelho a adquirir e escolher, preferencialmente, os de classe mais eficiente possível.
O impacto da aplicação da etiquetagem energética dos equipamentos elétricos de uso
doméstico resulta na redução da energia elétrica consumida, sem, no entanto, haver uma
redução do nível de desempenho desses equipamentos, garantindo desta forma a
competividade económica (Wong, & Kruger, 2017).
Adicionalmente, e para além da classe energética, a etiquetagem inclui outros dados
que podem ser de grande utilidade para o utilizador final na escolha do produto mais
eficiente e com menor impacto ambiental (e.g. potência e consumos em várias zonas
62
climáticas, capacidade de lavagem, etc), ou que promovam o seu bem-estar social em
termos de conforto (e.g. nível de ruído, etc.).
Regime de Funcionamento
Para além da água consumida na lavagem, este equipamento absorve ainda energia
elétrica da rede, para converter posteriormente em energia mecânica (rotação do tambor,
enxaguamento, bomba de circulação da água) e em energia calorifica, para posterior
aquecimento da água, onde este último consumo, representa cerca de 80% a 90% do
consumo total de energia de um ciclo de lavagem (DGEG, 2002).
Dada a periodicidade do aquecimento, e quando conjugado com a energia consumida
pelos processos mecânicos, origina um perfil de potencia absorvida como o apresentado na
Figura 3.6.
Figura 3.6 - Perfil de carga (potência elétrica absorvida) típico de uma máquina de lavar roupa, a baixa
temperatura (30ºC) e a temperatura elevada (60º) (DGEG, 2002)
A elevada taxa de penetração deste equipamento no sector residencial, faz com que
seja essencial a redução dos consumos de energia envolvidos.
Nesse contexto, os consumos em cada lavagem, são influenciados pelos seguintes
fatores, os quais traduzem-se em variáveis potenciais de poupança:
63
• Características da máquina de lavar (tipo, idade e programas);
• Carga de roupa colocada em cada lavagem (capacidade expressa em kg associada a
máquina);
• Temperatura de lavagem (energia despendida no processo de aquecimento);
• Tipo e quantidade de detergente utilizado (utilização inadequada de detergente pode
conduzir a aumento do consumo de energia elétrica na lavagem).
A classe energética das máquinas de lavar roupa (Regulamento Delegado (UE) N.º
1061/2010) é obtida através do consumo anual de energia, com base em 220 ciclos de
lavagem, no programa normal de algodão a 60ºC em plena capacidade e no programa de
algodão a 40ºC em plena carga e em carga parcial.
Na Figura 3.7, encontra-se apresentada a etiqueta energética, actualmente em vigor.
64
3.2.2. Máquina de secar roupa
De acordo com (DGEG, 2002), a máquina de secar roupa é um equipamento cujo
consumo representa cerca de 2% do consumo total de energia elétrica nos edifícios
residenciais, apresentando uma taxa de penetração da ordem dos 19%.
Regime de Funcionamento
Figura 3.8 - Perfil de carga (potência absorvida) típico de uma máquina de secar roupa (DGEG, 2002)
65
Figura 3.9 - Etiqueta energética - Máquina de Lavar Roupa a) Exaustão b) Condensação (ADENE, 2017)
De acordo com o regulamento de Eco Design deste produto não são permitidos no
mercado novas máquinas com classe de eficiência energética inferior a C.
Para alem da classe de eficiência energética presente na etiqueta, e entre outra
informação relevante no momento da escolha, importa ainda referir a Capacidade da
máquina (kg), bem como o ruido associado ao equipamento.
66
É o processo de aquecimento que maior peso tem no consumo durante a sua utilização,
podendo representar cerca de 80% do consumo total (DGEG, 2002).
O perfil de carga típico encontra-se apresentado na Figura 3.10.
Figura 3.10 - Perfil de carga (potência elétrica absorvida) de uma máquina de lavar louça (DGEG, 2002)
67
Dado que o número de lavagens realizado por cada consumidor varia, o consumo
efetivo pode ser inferior ou superior, estando este dependente da efetiva utilização da
máquina.
Neste sentido, para alem da classe de eficiência energética, do ruido, do consumo de
água entre outros indicadores existentes na etiqueta energética atual, existe ainda a
capacidade da máquina em termos do número de serviços de louça, que varia em função do
número de ocupantes do edifício.
Segundo as exigências de Eco Design estabelecidos no regulamento das máquinas de
lavar loiça, não podem ser colocadas à venda máquinas com uma classe energética inferior
A+.
3.2.4. Frigorifico/combinado
De acordo com DGEG (2002) o frigorifico representa cerca de 22% do consumo total
de energia elétrica nas habitações, sendo o maior consumidor de todos os equipamentos, e
com uma taxa de penetração da ordem dos 99% no sector residencial.
Estes equipamentos atuam como bombas de calor, transferindo o calor do seu interior
para o exterior, de forma a poder conservar os alimentos a uma temperatura mais ou menos
constante.
Para que possam funcionar com uma temperatura constante (algures entre +3ºC e
+10°C), este tem de possuir um funcionamento cíclico, em que uma parte do ciclo
corresponde ao funcionamento na potência nominal e a outra, à paragem do compressor
(Figura 3.11).
Figura 3.11 - Perfil de carga (Potência elétrica absorvida) típico de um frigorifico (DGEG, 2002).
68
Atualmente, os aparelhos de refrigeração para uso doméstico (Regulamento Delegado
(UE) N.º 1060/2010) estão divididos em:
3.2.5. Forno
3.2.6. Ar Condicionado
O sistema de etiquetagem energética de equipamentos de ar condicionado
(Regulamento Delegado (UE) N.º 626/2011) aplica-se aos equipamentos elétricos com
capacidade nominal ≤ 12kW para arrefecimento, ou para aquecimento, caso o produto não
tenha função de arrefecimento.
De acordo com a tipologia de equipamento e funcionalidades associadas, existem
diferentes etiquetas energéticas.
69
Atualmente os sistemas individuais de ar condicionado podem ser distinguidos e
agrupados da seguinte forma:
• Monobloco convencional (instalação na janela) - Aparelho composto por uma só
unidade, tipicamente com uma dimensão menor do que outro tipo de aparelhos, o que
pode pôr em causa a eficiência. Consome mais energia do que o de tipo split, sendo
atualmente pouco comum no mercado.
• Split - Trata-se do modelo mais comum existente no mercado, e é composto por duas
unidades: uma para colocar no interior e outra no exterior do edifício.
• Multi-split - Semelhante ao split, dado ser composto por uma unidade exterior, embora
com a possibilidade de ligação a várias unidades interiores, o que permite ter ar
condicionado em várias divisões da casa.
O sistema de etiquetagem destes equipamentos é uniforme, sendo a distinção relativa
às funções de aquecimento e/ou arrefecimento.
Desde janeiro de 2017 a escala em vigor é entre A++ e, sendo que após 2019 entrará
em vigor a etiqueta mais exigente, com a classificação compreendida entre A+++ e D.
De acordo com o sistema de etiquetagem atualmente em vigor, na etiqueta de
equipamentos de ar condicionado deve ter em conta a seguinte informação:
70
A sua etiqueta energética difere ligeiramente das demais unidades referidas
anteriormente, dada a existência de uma conduta, simples ou dupla, que realiza as funções
de extração e admissão de ar.
Na etiqueta destes equipamentos são ainda apresentados os indicadores EER e COP,
que indicam o desempenho de arrefecimento e de aquecimento, bem como o consumo por
hora de funcionamento, XY kWh/60min.
3.2.7. Iluminação
De acordo com ADENE (2017), estima-se que a maioria das habitações possam
reduzir o consumo de iluminação entre 15% a 20%, sem, contudo, reduzir os benefícios de
uma luz de melhor qualidade.
Adicionalmente, e para uma correta iluminação dos espaços, torna-se necessário ter
em conta as características da divisão, o tipo de espaço funcional e as fontes de luz
disponíveis.
A lâmpada, emite um fluxo luminoso, medido em lúmen (lm), que representa a
quantidade de luz que a mesma produz.
Através deste indicador e com base na potência elétrica que possui, torna-se possível
obter o rendimento luminoso da lâmpada, i.e., a quantidade de luz emitida, expressa por
unidade de potência. A unidade de medida é lúmen/Watt.
A iluminação deficiente é prejudicial para a saúde podendo provocar desconforto e
tem custos de consumo de eletricidade elevados.
De acordo com os dados apresentados na Figura 3.3, a iluminação apresenta um valor
de consumo de eletricidade na ordem dos 12%.
Deste, modo e atendendo ao potencial de eficiência energética existente com este
serviço energético, tona-se essencial observarem-se vários aspectos, aquando da aquisição
das respectivas lâmpadas14. Como exemplos, refira-se à potência pretendida, a classe
energética e o tipo de luz que cada lâmpada fornece; branco frio (para zonas de atividade)
ou branco quente (para zonas de descanso).
14
No que se refere ao serviço energético iluminação, as lâmpadas constituem fator critico para uma melhoria
da eficiência energética, embora não seja único. No entanto, e dado o foco evidenciado neste trabalho, dar-
se-á maior enfase a este item em particular, dada a etiquetagem energética associada e a diversidade de
opções, existentes no mercado.
71
Existe ainda um aspecto muito importante, que condiciona estes e outros indicadores
objecto de desenvolvimento neste trabalho, e que têm a ver essencialmente com o tipo de
tecnologia utilizada.
As lâmpadas atualmente existentes no mercado, e de maior uso no sector residêncial
doméstico, podem ser divididas quanto a tecnologia empregue, distinguindo-se assim as
seguintes: lâmpadas fluorescentes tubulares (TFL), lâmpadas fluorescentes circulares e
compactas (CFL) (também designadas de economizadoras), lâmpadas de halogénio15, e
lâmpadas led.
A Tabela 3.1 apresenta as principais características a serem observadas na escolha das
diferentes tecnologias de lâmpadas mais utilizadas no setor doméstico.
72
Os LED (Light Emitting Diode - Díodos Emissores de Luz), tem emergido como uma
nova tecnologia com elevado potencial na redução do consumo de energia elétrica.
Atualmente já existem LEDs com potências equivalentes às lâmpadas incandescentes,
embora possuam um preço mais elevado do que as lâmpadas fluorescentes compactas, mas
apresentam de igual modo um período de vida muito superior (20 a 45 mil horas ao invés
das 6 a 15 mil horas das CFL).
Etiquetagem Energética
73
Considerações adicionais sobre as lâmpadas de halogénio
16
Excluem-se deste regulamento, alguns produtos para fins especiais, como por exemplo as lâmpadas de
forno. Outras lâmpadas de halogénio, também não são afetadas pelo regulamento.
74
Será um parâmetro a ter consta na definição da iluminância (E), bem como na
definição da eficiência luminosa, que será explicado de seguida.
Eficiência luminosa
Para alem da diferença, existente no fluxo luminoso irradiado por cada lâmpada,
existem ainda diferenças ao nível da potência consumida.
Por esse motivo, e tendo em conta avaliação de desempenho de cada lâmpada, importa
saber quantos lumens podem ser gerados por cada watt absorvido, originando daí, um
outro conceito, designado de eficiência luminosa, e expresso em lm/w.
Na Tabela 3.2, são apresentadas as gamas de valores de eficiência luminosa típicos,
referentes a cada tecnologia, sendo que na mesma tabela, é apresentado uma relação entre
o fluxo obtido por cada tipo de lâmpada não direccional, considerando a mesma potência
equivalente de uma lâmpada de eficiência mínima (lâmpada incandescente).
Tabela 3. 2 - Valores típicos de fluxo luminoso referentes por tecnologia de lâmpada (EU, 2009)
A relação entre a quantidade de luz irradiada por uma lâmpada, e a superfície a qual
esta incide, vêm designada por iluminância, sendo esta usualmente expressa em lux (lx).
Por outras palavras, a iluminância pode ser referida como a relação existente entre o
fluxo luminoso de uma dada fonte de luz e a superfície a qual a mesma incide, sendo esta
situada a uma certa distância desta mesma fonte17, i.e.:
17
Também designada como a relação entre intensidade luminosa e o quadrado da distância(l/d²)
75
i
i = Em A [lx] Em = [lm / m 2 ] (3.1)
A
76
Tabela 3.3 - Indice de Reprodução de Cores (valores típicos / tecnologia de lâmpada) Guerrini (2007)
Apesar de haver normalização que estabeleça níveis de IRC recomendados, não é algo
que influencie directamente o conforto visual, embora seja um critério a ter em conta na
escolha de uma lâmpada, dado que um IRC elevado, permite uma melhor percepção da cor
do objecto visionado.
77
Contudo, e conforme verificado anteriormente na Tabela 3.3, um IRC elevado, poderá
corresponder a uma tecnologia menos eficiente, pelo que deverá haver uma solução de
compromisso entre estes dois critérios.
O papel da iluminação no conforto visual, é algo que já tinha sido (em parte)
evidenciado anteriormente, sendo a temperatura da cor um dos factores críticos de sucesso,
dada a sua influência na iluminação ao dar ao ambiente o especto desejado.
De acordo com OSRAM (2010), diversas sensações de aconchego ou estímulo podem
ser provocadas aquando da combinação de uma correta temperatura de cor da fonte de luz,
com o nível de iluminância desejado. Alguns estudos, corroboram esta premissa,
acrescentado ainda que para valores de iluminância mais elevados, serão igualmente
requeridas lâmpadas de temperatura de cor mais elevada.
Com base nestas conclusões acima, alguns fabricantes de lâmpadas elaboram abacos,
com o intuito de orientar o consumidor e projectista na escolha de um sistema de
iluminação que satisfaça os requisitos de iluminância/temperatura de cor, garantindo deste
modo, um nível de conforto visual, através da definição de uma “zona de conforto”. Na
Figura3.15, encontra-se um exemplo de abaco utilizado.
Figura 3.15 - Relação de conforto ambiental entre nível de iluminância e tonalidade de cor da lâmpada
(Fonte: OSRAM, 2010)
Com base nesta relação, é possivel definir uma relação analítica entre o nível de
iluminância media ( Em ) e a temperatura da cor ( T ), com vista a contribuir para um
78
Deste modo, e com base na Figura 3.15, torna-se possível extrair uma relação
analítica entre o nível de iluminância media ( Em ) e a temperatura da cor ( T ), da qual
Onde:
De acordo com a Figura 3.15, e para uma dada temperatura de cor (T), haverão dois
valores de iluminância a considerar, nomeadamente os valores de iluminância minimos e
maximos (respetivamente Em(min) e Em(max) ). Dado que ambas as rectas, são paralelas entre
si, o valor de k será o mesmo, pelo que bastara calculá-lo uma única vez. Deste modo, k,
pode ser estimado da seguinte forma (com base nos valores da Figura 3.15):
Em k .T − E0min Em k .T − E0min
( k.T + E0max ) Em ( k .T − E0min ) (3.4)
Em k .T + E0max Em k .T + E0max
79
modo, que quanto mais alta for a temperatura de cor, mais “fria” será a luz, sendo esta,
mais empregue em escritórios, cozinhas ou locais onde se deseja estimular ou realizar
alguma atividade. Dependendo do ambiente/local de aplicação, esta será uma característica
muito importante a ter em conta na escolha de uma lâmpada.
plano
Em = (3.5)
A
Sendo plano , o fluxo luminoso incidente sobre a área A (m2) no plano de trabalho
considerado. Com base na expressão (3.5), e nos valores das eficiências envolvidas, obtêm-
se a expressão que permite obter a quantidade (n), de lâmpadas necessárias, i.e.:
Em . A
n= (3.6)
L .R .i .BF
Onde:
80
Fd =fator de depreciação (Fd = 1,25 para boa manutenção; Fd = 1,67 para manutenção
crítica)
O factor de utilização (FU), resulta da seguinte expressão:
FU = L . R (3.8)
Onde:
L - Eficiencia da Luminaria
. R - Eficiencia do recinto
18
No caso da utilização de lâmpadas de descarga, deve-se levar em conta ainda o fator de fluxo luminoso do
reator (BF). No entanto, e dado o tipo de lâmpadas aqui aplicados, esse fator não fora considerado.
81
Capítulo 4
Optimização Multiobjectivo,
Algoritmos Evolutivos e Analise Multicritério
Resumo
Neste capítulo, é feito um “estado da
arte”, apresentando e discutindo as duas
principais vertentes da optimização
multiobjectivo, bem como uma breve
apresentação da análise multicritério e
dos principais métodos em uso na
literatura.
82
4. Otimização multiobjectivo, algoritmos evolutivos e analise multicritério
4.1. Introdução
De acordo com o número de funções objectivo associadas, um problema de
optimizacao, pode ser classificado em dois tipos: mono-objectivo e multi-objectivo.
Ao contrário dos problemas do tipo monobjectivo (que so possuem uma função
objectivo), um problema do tipo multi-objectivo, possui mais de uma função objectivo
associada ao problema.
Num problema deste tipo, não existe uma solução optima admissível, que maximize
ambas as funções objetivo ao mesmo tempo. Tal ocorre, uma vez que uma solução
admissível que otimize um dos objetivos, não optimiza, no geral, os restantes objetivos,
quando estes se encontram em conflito (Steuer, 1986).
83
Deste modo, e para que a diversidade no conjunto de soluções obtidas seja garantida,
torna-se crucial decidir em que espaço deve ser alcançada a diversidade.
Embora a busca de soluções por parte de qualquer algoritmo de otimização, possa ser
realizada através do espaço das variáveis de decisão, é possível mapear o seu
comportamento nesse espaço, através do espaço dos objetivos.
Através da definição no comportamento do espaço dos objetivos, é possível orientar a
busca no espaço das variáveis de decisão, pelo que o desempenho do algoritmo devera ser
coordenado em ambos os espaços, de forma a que a geração de novas soluções no espaço
das variáveis de decisão, conduza a tão almejada diversidade no espaço dos objetivos.
Normalmente, o processo de resolução de problemas multi-objectivo, recorre a
funções escalares substitutas, resultantes da agregação de múltiplas funções objectivo,
integradas numa única dimensão, de tal forma que a solução ótima da função, é uma
solução não dominada do problema multi-objectivo original (Climaco et al., 2003).
Como abordagens mais usuais na resolução deste tipo de problemas, destacam-se as
baseadas em funções escalares, obtidas através de somas ponderadas por pesos, a
abordagem por seleção de uma das funções (definindo as restantes como restrições) e as
abordagens baseadas na distância a um ponto de referência.
A abordagem baseada na soma ponderada por pesos, é obtida a partir de uma única
função objetivo integrada, resultante da soma ponderada dos vários objectivos.
A segunda abordagem, consiste em selecionar uma das funções objectivo para
optimizar, e converter as restantes em restrições do problema, limitando cada uma destas
restrições a certos valores pré-estabelecidos.
Por último, a terceira abordagem, é a que resulta da utilização de funções escalares
baseadas na distância a um ponto de referência, permitindo deste modo, obter soluções não
dominadas através da redução da mesma (segundo um determinado critério) da região
admissível a um qualquer ponto de referência, existente no espaço dos objetivos.
84
A formulação de um problema de otimização multiobjectivo, pode ser apresentada na
seguinte forma genérica:
min fm ( x ) , (4.1)
sujeito a x X
onde:
Cada uma das m funções objetivo f(x) ([f1(x), f2(x), ..., fm(x)] T com m ≥ 2) pode ser
minimizada ou a maximizada individualmente, embora em constante conflito com as
restantes.
Um aspeto fundamental, que contribui para a diferença entre otimização mono-
objectivo e otimização multiobjectivo, é que para alem do espaço das variáveis de decisão,
existe ainda um outro espaço multidimensional, obtido a partir das funções objetivo,
designado de espaço das funções objetivo.
Deste modo, verifica-se o seguinte:
x → f ( x) c / m = 1,2,...., M (4.3)
de f m ( x) .
Deste modo, a região admissível no espaço das funções objetivo (i.e., o conjunto de
todas as imagens dos pontos em x ), pode ser representado da seguinte forma:
Z = z m
: z = f1 ( x ) , f 2 ( x ) ,..., f m ( x ) , x X c / m = 1,2,...., M (4.5)
85
uma solução final do problema de decisão, ou ainda através da caracterização da região
não dominada.
Ao contrário do que se verifica em problemas mono-objectivo, a solução optima,
obtida através da resolução de problemas do tipo multiobjectivo, não é única, pelo que a
noção de “solução optima”, aplicada em problemas multiobjectivo, vêm substituída pela
noção de “solução não dominada”, ou até mesmo, “ótimo de Pareto”.
Existem ainda alguns autores que diferenciam o conceito de “solução não dominada”
e “solução eficiente”.
Enquanto que o conceito de solução eficiente é referente a pontos do espaço de
decisão, o conceito de solução não dominada é utilizado para pontos do espaço dos
objectivos, o que faz com que uma solução não dominada seja uma imagem de uma
solução eficiente.
Uma solução não dominada, pode ainda definir-se como toda a solução admissível,
na qual não é possível melhorar em simultâneo todas as funções objetivo; i.e., a melhoria
numa função objetivo só é possível, através da deterioração de pelo menos uma das outras.
Por outro lado, uma solução admissível considera-se dominada por outra, quando ao
passar-se da primeira para a segunda, existir a melhoria de pelo menos uma função
objetivo, permanecendo as restantes inalteradas (Climaco et al., 2003).
O conjunto das soluções não dominadas, pode ser definido como frente optima de
Pareto (ou apenas frente de Pareto), e obedece as condições seguintes:
86
A partir deste conceito, torna-se possível ainda o conceito de dominância forte
(estrita), onde uma determinada solução x1 domina fortemente (estritamente) uma solução
x2, se a solução x1 for estritamente melhor do que a solução x2 em todos os M objectivos.
Daqui se conclui, que se uma solução x1 domina fortemente uma solução x2, a
solução x1 também dominara fracamente a solução x2, embora o inverso não seja verdade.
Tal como fora referido anteriormente, o conjunto obtido, das soluções não
dominadas, devera ficar o mais próximo possível da frente optima de Pareto (real),
devendo, de igual forma, ser o mais diversificado possível, garantindo deste modo, a
existência de um conjunto razoável de soluções de compromisso entre os diferentes
objetivos.
Contudo, é igualmente defendido que uma solução satisfatória para o problema
multi-objectivo, é uma solução que devera ser não dominada, e cujos valores respetivos
das funções objectivo, sejam satisfatórios para o agente-decisor, de tal forma que sejam
aceites como solução final (Steuer, 1986).
Foi tambem referido anteriormente, que a optimizacao multiobjectivo recorre ao
espaço das variáveis de decisão, bem como ao espaço dos objectivos, pelo que a
diversidade das soluções respetivas, podera ser definida a partir destes dois espaços.
No entanto, e de forma a não condicionar a qualidade das soluções obtidas, dever-se-
a assegurar a diversidade em ambos os espaços de busca (variáveis de decisão e
objectivos), o que nem sempre acontece, apesar de se verificar a ocorrência deste facto na
generalidade dos problemas de optimização multiobjectivo.
Refira-se ainda que da mesma forma que existem soluções optimas globais e locais
em problemas monoobjectivo, também poderá haver frentes óptimas de Pareto globais e
locais em problemas multiobjectivo.
Deste modo, a frente optima de Pareto global (também designada de frente óptima de
Pareto ou frente de Pareto) caractriza todo o conjunto de soluções não dominadas de toda a
região admissível, sendo estas, as melhores soluções do problema de otimização
multiobjectivo (Steuer, 1986).
87
Um método mais expedito, baseia-se na comparação de cada solução x de uma
população com todas as outras soluções desta mesma população, a fim de verificar se x e
dominada por alguma das soluções existentes na população.
Um outro método, baseia-se na comparação de cada solução da população com as
soluções de uma outra população, que se encontra parcialmente ocupada com soluções não
dominadas entre si.
Trata-se de um processo iterativo, sendo que o ponto de partida, baseia-se na
inserção da primeira solução de um dado conjunto C num outro conjunto vazio C'.
De seguida, compara-se cada solução x de C que vai surgindo em cada iteração, com
todas as outras soluções existentes no conjunto C'. Caso a solução x domine alguma
solução de C', então todas as soluções de C' que são dominadas por x, serão removidas de
C' e x é inserida em C'. Em caso contrário, i.e., se a solução x e dominada por uma solução
de C', então a solução x será ignorada.
O processo termina quando todas as soluções da população forem comparadas, sendo
que as soluções do conjunto C' formam a frente não dominada.
No que concerne às restantes frentes, existem algoritmos que classificam a
população, através do nível de dominância respectivo, sendo as soluções da população,
ordenadas de forma crescente, e de acordo com o seu nível de dominância, obtendo-se
deste modo, a respetiva frente dominada (Figura.4.1). Assim, e no primeiro nível (Nível 1),
estarão as melhores soluções, ao passo que no último nível, estarão as piores soluções em
termos de dominância.
Conclui-se, portanto, que qualquer solução de um certo nível de dominância, será
dominada por pelo menos uma solução de cada nível mais baixo (Figura 4.1), com as
soluções não dominadas (Nível 1), consideradas como as mais relevantes.
Nivel 5
f2 (minimzar)
Nivel 4
Nivel 3
Nivel 2
Nivel 1
f1 (minimzar)
88
Entre as soluções dominadas, podem existir vários níveis de dominância, formando
cada nível, uma determinada curva, representativa de um dado conjunto pontos ou soluções
dominadas (Figura 4.1). O grau de interesse num determinado nível de dominância, é
inversamente proporcional ao índice respetivo, i.e., as soluções classificadas no Nível 1,
são na sua generalidade, consideradas mais interessantes do que as do Nível 2, e assim
sucessivamente.
A principal diferença, existente entre os vários algoritmos encontrados na literatura
para determinar as frentes não dominadas de uma população, reside na complexidade
inerente a cada uma delas, não só em termos de rapidez de execução, como em termos de
espaço de armazenamento de dados.
Um dos processos utilizados para determinar as várias frentes, associadas aos vários
níveis de dominância de uma população, consiste em determinar primeiro a frente de Nível
1, composta pelas soluções não dominadas da população e só depois as restantes frentes,
correspondentes aos restantes níveis de dominância.
A determinação das soluções relativas a frente de Nível 1, é baseada inteiramente nas
soluções não dominadas da população, ao passo que determinação das soluções das frentes
de Nível k > 1 sucessivas, é realizada com standard nos dois passos seguintes:
1. Para cada frente de nível de dominância k, ignorar todas as soluções das frentes de
níveis anteriores;
2. A partir do passo anterior, determinar as soluções não dominadas entre as
restantes soluções da população, as quais constituem a frente não dominada de
Nível k;
4.5.1. Introdução
89
possibilidade de o agente-decisor poder contribuir na procura de soluções não dominadas
do problema, ao exprimir as suas preferências, através por exemplo do uso combinado de
técnicas de analise multicritério.
Para o efeito, estes métodos podem ser agrupados em dois grandes grupos,
nomeadamente: algoritmos clássicos e algoritmos evolucionários ou evolutivos.
Este último, baseia-se essencialmente na aplicação de meta heurísticas, sendo por
isso de natureza pseudoaleatória, ao passo que os métodos de optimização clássicos,
assumem uma natureza determinística.
Ambos serão abordados de seguida, embora seja dado maior enfase aos algoritmos
evolutivos, que serão objecto de aplicação neste trabalho, devido a um conjunto de
vantagens que serão discutidas nas secções seguintes.
90
Contrariamente aos métodos clássicos, utilizados em problemas de otimização, as
heurísticas são menos “ambiciosas”, uma vez que vão determinando o valor de uma função
objetivo em pontos julgados “promissores”, os quais vão sendo obtidos de forma iterativa
(Cunha et al, 2012).
Goldberg (1995), define heurística para problemas mono-objectivo, como uma técnica
que procura obter boas soluções (i.e., próximo do ótimo), com um custo computacional
razoável, embora sem garantir de forma integral, quer a admissibilidade, quer a
optimalidade, e até mesmo, em muitos casos, determinar até que ponto uma solução
admissível obtida se encontra próxima do ótimo.
Mesmo que a solução obtida, não seja a ótima, esta permite definir um limite superior
para o valor opimo (considerando um problema de minimização), ou até mesmo um limite
inferior para o valor ótimo (considerando um problema de maximização).
As técnicas heurísticas, demarcam-se das demais técnicas tradicionais, pelo facto de
embora a sua execução seja feita de forma algorítmica, o respetivo progresso é obtido pela
avaliação puramente empírica do resultado.
O uso de técnicas heurísticas torna-se assim vantajoso em certas circunstâncias,
nomeadamente nas situações onde os dados do problema se tornam escassos e incertos,
quando não existem métodos exatos, ou mesmo que existam, requerem um elevado esforço
computacional, ou ainda quando o agente decisor precisa de obter rapidamente um vasto
conjunto de soluções para escolher uma delas (Cunha et al, 2012).
Apesar de haver vantagens inerentes a utilização de heurísticas, existe, contudo, uma
desvantagem na sua utilização, uma vez que a sua existência surge no contexto da
resolução de um tipo específico de problema, deixando, contudo, de ser aplicável logo que
algum elemento particular perturbe o modelo a que se destina.
De forma a contornar esta desvantagem, e procurando responder a necessidade de
existirem métodos sólidos e flexíveis que pudessem ser facilmente adaptados a um vasto
conjunto de problemas, surgiu o aparecimento das meta-heurísticas, as quais permitiram o
desenvolvimento de uma serie de novos algoritmos, a que se deu a designação de
Algoritmos Evolutivos ou Algoritmos Evolucionários.
91
4.5.3. Algoritmos Evolutivos
92
Apesar de atualmente existirem várias abordagens baseadas em Algoritmos
Evolutivos, estes podem-se dividir em três grandes grupos (cuja classificação, deve-se
essencialmente a fatores históricos relacionados com o aparecimento de diferentes áreas de
investigação):
• Programação Evolutiva
• Estratégias Evolutivas
• Algoritmos Genéticos.
Dado o foco de aplicação dos Algoritmos Evolutivos neste trabalho, centrar-se nos
Algoritmos Genéticos (AG’s), será abordado com maior enfase na secção seguinte.
4.6.1. Introdução
19
Charles Darwin (1809-1882), naturalista escreveu a obra “A Origem das Espécies”, publicada em 1859.
93
De acordo com Goldberg (1989), os AG’s diferem dos mecanismos clássicos de
otimização e de pesquisa, nos seguintes aspetos:
94
A busca pelo optimo, é orientada apenas pelo valor da função de aptidão, associada a
cada individuo da população, i.e, aqueles com maior aptidão, terão maior probabilidade de
serem selecionados para reprodução (transmitindo deste modo o seu material genético para
os descendentes nas gerações posteriores) do que os com menor valor de aptidão, cujo
material genético tende a desaparecer nas gerações posteriores.
Resumidamente e de acordo com Deb et al. (2000), podem-se destacar as
características dos AG’s da seguinte forma:
Passo 1 - t = 0;
Passo 2 - Inicio: gerar a primeira população principal (inicial), Pt de tamanho n;
Passo 3 - Avaliação: calcular o valor de aptidão referente a cada solução da
população Pt;
Passo 4 - Seleção: Selecionar n soluções (progenitores) da população Pt para
reprodução;
95
Passo 6 - Reprodução: Aplicar o operador genético cruzamento ao número de
pares de soluções, correspondentes as n soluções selecionadas,
obtendo-se n novas soluções (descendentes);
Passo 7 - Mutação: Aplicar o operador genético mutação as n novas soluções
(descendentes);
Passo 8 - alocar estas n novas soluções na nova população Pt+1;
Passo 9 - t = t + 1;
Passo 10 - Caso o critério de paragem seja verificado, terminar, caso contrário,
retorna ao Passo 3.
96
Contudo, se o espaço de busca contiver poucas soluções admissíveis, é provável que a
população inicial, quando criada desta forma, possa ser baseada apenas em soluções não
admissíveis.
Por esta razão, o objectivo do processo evolucionário não reside apenas em convergir
para a frente optima de Pareto, mas de igual modo orientar a busca para a região
admissível. Deste modo, pode ser tão difícil a tarefa de encontrar a região admissível,
como a de melhorar uma solução admissível, para se alcançar a frente optima de Pareto.
O uso de heurísticas especificas do problema para se chegar a uma população inicial
de indivíduos com elevada aptidão, permite ir ao encontro das pretensões (Eiben e Smith,
2003). Contudo, esta estratégia implica normalmente um esforço adicional extra (podendo
ser significativo em alguns casos) em termos computacionais, podendo, no entanto, trazer
vantagens, ao permitir que se acelere a convergência do algoritmo ou que se evite que este
seja atingido de forma prematura.
De acordo com Santos (2018a), o processo de criação da população inicial, assume
especial relevância, dado que uma população inicial mal construída pode levar o AG a
convergir de forma prematura para optimos locais, ficando ai retido. Tal poderá ocorrer se
o material genético guardado nos indivíduos de uma população, não possuir a informação
necessária para melhorar a qualidade da solução obtida.
Uma das causas que pode justificar a perda de parte dessa informação genética,
(importante na definição da solução ótima global) tem a ver com o facto desta informação
não estar representada na população inicial do AG.
Da mesma forma, a perda de material genético relevante, poderá ocorrer durante a fase
inicial do processo de busca, prevendo-se que a informação genética relevante escondida
em indivíduos com maus valores de aptidão (fitness), seja eliminada através dos respetivos
indivíduos portadores, durante o processo de seleção Santos (2018b).
4.6.4. População
97
implementação do AG, dado que este valor vai influenciar não só a qualidade das soluções,
como o também o tempo de processamento do algoritmo.
Como consequência do que fora referido anteriormente, uma população pequena,
apresenta normalmente pouca diversidade genética por parte dos seus elementos, levando
deste modo a uma menor cobertura do espaço de soluções, e fazendo com que
normalmente haja convergência prematura por parte do algoritmo, obtendo-se deste modo,
soluções de menor qualidade.
Por outro lado, uma população de grande dimensão garante normalmente uma maior
diversidade de soluções por parte da população devido a uma maior cobertura do espaço
das soluções, o que permite deste modo evitar uma situação de convergência prematura,
embora tal seja conseguido a custa de um maior esforço computacional.
A dimensão da população de um AG pode variar, contudo é mantida normalmente
constante ao longo da evolução do processo.
Um factor critico para o bom funcionamento de um AG, é a existência de um nível de
diversidade elevado entre os indivíduos da população, sendo que a diversidade
populacional e uma medida associada a diferenciação das soluções no espaço das soluções
e/ou no espaço dos objetivos.
Se a diversidade populacional for baixa, tal significa que os indivíduos são muito
semelhantes, levando ao enfraquecimento da capacidade do operador genético cruzamento
de trocar informação útil entre os indivíduos da população, fazendo com que a busca possa
progredir muito lentamente ou no limite estagnar. Pelo contrario, se a diversidade da
população for elevada, tal implica uma melhor exploração do espaço de busca, permitindo
deste modo que se evitem mínimos ou máximos locais.
No entanto, uma elevada diversidade populacional, implica que a população possua
tamanho finito e não muito grande, dado que uma população absurdamente grande, poderá
conduzir a um esforço computacional muito elevado, levando a que seja impraticabilidade
do AG a ser implementado.
De acordo com Eiben e Smith (2003), não existe, contudo, um nível de diversidade
“optimo” para todos os tipos de problemas, assim como não existe um tamanho único de
população. No entanto existem algumas abordagens que poderão servir de linhas
orientadoras na definição da diversidade populacional através do nível de diversidade
98
respetivo, como seja através da gama dos valores de aptidão, do número de soluções
diferentes ou ainda do número de indivíduos diferentes.
4.6.6. Seleção
99
Este mecanismo baseia-se no princípio da teoria de Darwin de que “só os mais aptos
sobrevivem”, i.e., a maior probabilidade de seleção para a reprodução será atribuída ao
indivíduo com melhor valore de aptidão e dai sucessivamente.
Assim, e para alem deste mecanismo permitir determinar quais os indivíduos
(progenitores) a serem escolhidos para o cruzamento, também poderão possibilitar a
escolha de quais os indivíduos (descendentes) é que devem sobreviver na geração seguinte.
Essencialmente, existem dois tipos de mecanismos de seleção: a seleção baseada na
proporção dos valores de aptidão dos indivíduos e a seleção baseada na ordenação dos
mesmos valores de aptidão.
No primeiro mecanismo, os indivíduos serão escolhidos de acordo com os seus valores
de aptidão e em relação aos valores de aptidão dos outros indivíduos da população, ao
passo que no segundo mecanismo, os indivíduos serão escolhidos de acordo com as
respetivas posições na população ordenada, ao invés de serem escolhidos de acordo com os
seus valores de aptidão.
Existem dois mecanismos de seleção baseados na proporção, que são muito frequentes
em problemas de otimização, nomeadamente: o método da roleta e a amostra universal
estocástica.
Segundo Goldberg (1989), o método da roleta é um método estocástico, onde os
indivíduos, são associados a secções contiguas de uma roleta, cuja dimensão de cada
secção é proporcional ao valor de aptidão do individuo que lhe esta associado, fazendo
com que os indivíduos com maior valor de aptidão possuam maiores probabilidade de
serem escolhidos. Seguidamente, são realizados vários lançamentos da roleta, sendo
selecionados os indivíduos cuja secção é assinalada por cada um destes lançamentos.
Contudo, este método apresenta essencialmente duas desvantagens: redução da
diversidade e convergência prematura. Tal ocorre, devido ao facto de os indivíduos mais
aptos poderem ser selecionados muitas vezes, originando dessa forma uma redução da
diversidade, e com isso a estagnação da população Santos (2019).
O mecanismo por amostra universal estocástica, segue uma abordagem diferente. Tal
como no mecanismo da roleta, os indivíduos são associados a secções (ou porções)
contiguas, e proporcionais aos seus valores de aptidão, contudo, a diferença e que neste
caso, em vez de um ponteiro selecionar um individuo por cada lançamento efetuado,
100
existem N ponteiros equidistantes um do outro, sendo N o numero de indivíduos a
selecionar.
Neste método, a roleta gira apenas uma vez, sendo escolhidos para o efeito os
indivíduos sinalizados pelos N ponteiros, pelo que desta forma os indivíduos menos aptos
terão maior probabilidade de serem escolhidos do que no método anterior (Baker, 1987).
No que toca aos mecanismos de seleção baseados na ordenação, os métodos mais
usados, são: a ordenação linear, a seleção por truncatura e a seleção por torneio (Baker
(1985).
No primeiro mecanismo, os indivíduos da população são ordenados de acordo com o
valor da função de aptidão respetivo, sendo atribuído a cada individuo um valor
correspondente a sua posição na população ordenada (Baker, 1985).
Assim, e ao pior individuo é-lhe atribuído o valor 1, sendo que o melhor individuo terá
o valor correspondente a dimensão da população. Posteriormente, e a cada individuo, é-lhe
atribuída uma probabilidade de seleção, calculada por sua vez, com base numa dada
distribuição, sendo que as mais usuais são a linear e a exponencial (Baker, 1985).
Esta técnica permite prevenir a convergência prematura do algoritmo, dado a não
existência de favorecimento dos melhores indivíduos, e evita ao mesmo tempo, e em
gerações mais avançadas, a ocorrência de estagnação por parte da população.
No mecanismo de seleção por truncatura, os indivíduos são ordenados de acordo com
os seus valores de aptidão e, de seguida, são selecionados aqueles indivíduos cujos valores
de aptidão sejam maiores do que um limiar predefinido (só são selecionados os melhores
indivíduos).
O método denominado por seleção por torneio, escolhe aleatoriamente um certo
número de indivíduos da população, designado por dimensão do torneio e realiza um
torneio entre os mesmos. Em cada torneio, os valores de aptidão dos indivíduos
envolvidos, são comparados, sendo selecionado o individuo vencedor que possua melhor
valor de aptidão. O número de indivíduos selecionados será igual ao número de torneios
realizados (Goldberg, 1989).
A dimensão dos torneios condiciona fortemente a convergência do processo, sendo
que a mesma só não será prematura, se a dimensão dos torneios não for pequena. Este
método, para alem de implementação simples, permite combater a estagnação da
101
população e não requer grande esforço computacional, tornando-se para o efeito num dos
mecanismos de seleção mais utilizados na resolução de problemas de otimização.
Uma das técnicas que se encontra em estreita ligação com o mecanismo de seleção e o
elitismo. Esta técnica, introduzida por De Jong (1975), baseia-se na retenção de um
determinado número de melhores indivíduos da população, os quais transitam diretamente
para a geração seguinte.
De acordo com Mitchell (1997), reconhece-se no Elitismo, um conjunto de vantagens
significativas para o desempenho dos AG, pois por um lado pretende-se com esta técnica,
assegurar que os melhores indivíduos pertencentes a cada geração, não sejam eliminados
pelos operadores genéticos cruzamento e mutação, e por outro, que se acelere a
convergência do processo evolucionário.
No entanto, o elitismo apresenta desvantagens, sendo que uma delas, diz respeito a
situação quando os melhores indivíduos encontrados, permanecem os mesmos durante um
determinado numero de gerações consecutivas, podendo implicar a presença de vários
indivíduos, com características idênticas, e em cada geração.
Tal situação, resultara numa perda de diversidade entre os indivíduos da população, o
que poderá resultar na convergência do processo de busca, em torno de um ótimo local.
Deste modo, e para obviar este efeito indesejável, o elitismo não devera ser utilizado de
forma permanente, mas sim de forma esporádica ao longo do processo evolucionário.
Outro fator que condiciona a utilização desta técnica, prende-se com o numero de
indivíduos que formam a elite, constituindo um dos parâmetros mais importantes dos
AG’s, pois se o valor não for adequado, poderá influenciar negativamente a convergência
do AG. Usualmente adota-se valores típicos da ordem dos 10% da população (no máximo)
e o processo de amostragem poderá ser determinista (os x’s melhores) ou por sorteio (os
x’’s melhores entre os x’s melhores da população).
4.5.1. Cruzamento
102
Pretende-se assim com este mecanismo, contribuir para um bom desempenho do AG,
cujo objetivo final baseia-se na obtenção de novos indivíduos (descendentes) e de
qualidade superior à dos progenitores que lhe deram origem.
Um aspeto importante neste operador, se não mesmo um desafio, é o de possibilitar a
propagação, ao longo das gerações seguintes, da informação genética presente nos
melhores indivíduos, de forma a se conseguir explorar da melhor forma possível o espaço
de soluções, bem como reunir a melhor informação genética num individuo que represente
uma solução final do problema de otimização em questão.
Atualmente, existem vários tipos de cruzamento que podem ser encontrados na
literatura, sendo que a sua tipologia, reside no tipo de representação usado na codificação
dos indivíduos.
Deste modo, e quando os indivíduos são representados por strings de dimensão fixa
(e.g. codificação binária), os tipos de recombinação usados com mais frequência são:
recombinação com um ponto de corte, recombinação com dois pontos de corte e
recombinação com vários pontos de corte (Baker, 1985).
O primeiro tipo de cruzamento, consiste em determinar aleatoriamente uma posição
do individuo, (i.e., um ponto de corte), separando-o em dois, e a partir do mesmo ponto,
ocorrendo o mesmo para o outro individuo progenitor. O processo da mesma forma, para
os restantes pares de indivíduos progenitores, entretanto selecionados.
Desta forma, obtêm-se quatro strings de genes dos indivíduos selecionados, as quais
aparecerão cruzadas nos descendentes, que receberão uma string de cada um dos
progenitores (Figura 4.2).
103
No cruzamento com dois pontos de corte, são determinadas aleatoriamente duas
posições do individuo (dois pontos de corte), separando-o em três sequencias de genes
(strings), ocorrendo o mesmo para o outro individuo do par e para cada um dos pares de
indivíduos selecionados. Deste modo, são geradas seis sequencias de genes dos indivíduos
selecionados, com as sequencias do meio a aparecerem trocadas nos descendentes, que
acolhem as duas sequências dos extremos de um dos progenitores e a do meio do outro
(Figura 4.3).
104
Figura 4.4 - Cruzamento uniforme
Contudo, este tipo de cruzamento apresenta algumas limitações, não sendo aplicável
em determinados problemas onde se faça uso de representações baseadas em permutações
(e.g. problemas do caixeiro-viajante), sendo então necessário optar-se por outros tipos de
cruzamento mais específicos e enquadrados no alfabeto escolhido na representação.
Saber qual o melhor tipo de cruzamento que se adequa a resolução do problema em
estudo, dependera muito da especificidade do problema a resolver, dado que o mesmo tipo
de operador permite obter diferentes desempenhos do mesmo algoritmo, quando aplicado
na resolução de vários problemas diferentes.
A complementar o que fora referido anteriormente, e relativamente ao operador
crossover, há ainda um especto importante a ter em conta aquando da utilização deste
operador, e que se prende com a atribuição de uma probabilidade de cruzamento associada.
Este parâmetro, permite definir uma probabilidade de ocorrência de cruzamento num
dado par de indivíduos selecionados. Deste modo, quanto maior for este valor, maior será a
possibilidade de entrarem novos indivíduos na população e em maior número, sendo que
os valores mais usuais se situam entre 0.6 e 1.0.
4.5.2. Mutação
Este operador possibilita, por um lado, recuperar material genético perdido durante o
processo de seleção para ser testado num novo contexto, e por outro, introduzir novo
material genético que não exista nas populações anteriores.
Quando se utiliza a codificação com conjuntos de valores inteiros (e.g. codificação
binária), o operador mutação determina aleatoriamente uma posição do cromossoma, para
105
posteriormente substituir o valor que se encontra nessa posição por um dos outros valores
do conjunto existentes na codificação usada. Caso exista mais do que um valor possível
para o substituir, então este será escolhido de forma aleatória.
Uma forma simples de mutar um individuo (principalmente quando a sua
representação é baseada em permutações) baseia-se na troca de posição de dois elementos.
Contudo, existem outros tipos de mutação propostos na literatura.
Um exemplo disso mesmo, é a mutação múltipla, sendo a mesma aplicada a todos os
elementos do individuo, o que pode acarretar diferenças significativas entre o individuo
antes e depois de ser mutado. Tal traduz-se numa vantagem, uma vez que permite escapar
a um máximo ou mínimo local.
Um outro tipo de mutação que se pode encontrar na literatura, é a chamada mutação
localizada, cujo operador afeta apenas os genes menos significativos do individuo,
traduzindo-se em pequenas perturbações nos cromossomas.
A semelhança do operador recombinação, também na mutação, é possível atribuir
uma taxa de probabilidade de ocorrência sobre um dado individuo, sendo o valor utilizado,
crucial para o desempenho dos AG’s. Alguns estudos referem, que uma elevada
probabilidade, tende a tornar o AG num algoritmo maioritariamente aleatório.
De forma a evitar tal situação, o valor da probabilidade de mutação devera ser baixo,
o suficiente para promover a diversidade dos indivíduos da população, sem, contudo,
prejudicar a convergência do algoritmo.
Em alguns casos encontrados na literatura, a taxa de mutação pode variar de acordo
com uma função matemática monótona e decrescente, levando a que a mutação ocorra com
maior frequência nas primeiras gerações (onde é exigido uma busca mais alargada), sendo
cada vez menos frequente nas gerações seguintes, de forma a possibilitar a convergência
do algoritmo Gomes et al. (2004) e Santos (2018b).
Independentemente do valor assumido pela taxa de mutação, este devera ser
diferente de zero, de forma a evitarem-se os máximos e os mínimos locais.
4.5.3. Substituição
Apos a criação e avaliação da população de indivíduos (realizada a partir da função
de aptidão) os indivíduos são introduzidos na população.
106
De acordo com o mecanismo da substituição, será definido quantos e quais os
indivíduos descendentes, é que serao inseridos na população da nova geração, e que
indivíduos da população atual deverão ser alvo de substituição. Para o efeito, é definida
uma taxa de substituição, que indicara a percentagem de indivíduos da população a ser
substituída em cada geração.
Quanto menor for este valor, menor será a diversidade genética entre gerações,
implicando uma convergência mais lenta do algoritmo.
Na literatura podem ser encontrados vários mecanismos de substituição, contudo o
mecanismo mais comum, é aquele que produz tantos descendentes quanto o número de
indivíduos da população, para posteriormente, proceder a substituição de todos estes
indivíduos pelos descendentes gerados.
Existem, contudo, outras técnicas como, por exemplo, escolher apenas um ou dois
indivíduos, definir uma determinada percentagem para a reprodução, ou por último,
recorrer ao elitismo, já referido anteriormente.
No primeiro mecanismo, são selecionados apenas dois progenitores da população
para reprodução (cruzamento seguido de mutação), da qual resultara apenas um ou dois
novos indivíduos (Hill & Hiremath, 2005).
Estes indivíduos irão substituir outros indivíduos da população corrente, os quais
serão escolhidos consoante os seus valores de aptidão (os indivíduos com piores valores de
aptidão serão os escolhidos) ou de forma aleatória.
Contudo, a substituição só será efetuada caso os novos indivíduos tenham valores de
aptidão melhores do que os indivíduos da população corrente.
O segundo mecanismo, assume uma posição intermedia entre os dois mecanismos
anteriores, e consiste em escolher uma determinada percentagem da população corrente
para reprodução (Hill & Hiremath, 2005).
Por último, o terceiro caso refere-se à utilização do Elitismo, sendo realizado para o
efeito, uma escolha dos melhores indivíduos da população, os quais transitam
imediatamente, e sem qualquer tipo de competição, para a população da geração seguinte.
Refira-se, contudo, que o primeiro mecanismo difere dos outros três essencialmente
no facto de nestes três mecanismos existir a possibilidade de competição entre indivíduos
de gerações diferentes, uma vez que numa geração existem sempre indivíduos de gerações
107
anteriores, o que não ocorre no primeiro mecanismo, onde todos os indivíduos da
população corrente serão substituídos por novos indivíduos.
108
Durante esta fase inicial da definição de um AG, procura-se estabelecer uma relação
entre o contexto do problema original e o espaço de resolução do problema, através do qual
os AG’s actuam.
Este passo inicial, usualmente designado por codificação (ou representação), consiste
no estabelecimento de uma codificação adequada para as possíveis soluções do problema
ao nível do material genético de cada individuo (genótipo).
A codificação mais comum, coincidente com a ideia original de Holland, é a que
utiliza a linguagem binária, de forma a codificar os valores possíveis de cada variável do
individuo.
Contudo, outras representações poderão ser utilizadas, as quais deverão ser
apropriadas as características do problema em estudo, nomeadamente: codificação com
números reais, codificação com números inteiros e ate mesmo codificação com caracteres.
Um dos inconvenientes da codificação binaria, é o elevado esforço computacional
envolvido na exploração do espaço das soluções, por sua vez proporcional ao numero de
bits dos valores associados a resolução de problemas que necessitem de elevada precisão
nas soluções obtidas.
Por esse motivo (e quando tal o permite) usam-se valores reais para representar as
soluções deste tipo de problema.
Contudo, o tipo de codificação mais utilizada e a codificação binaria, quer seja na sua
versão tradicional, de linguagem de base 2, quer numa versão designada por código de
gray (Tabela 4.1).
Uma das vantagens do recurso ao código gray, é que relativamente a codificação
binaria de base 2, quando um dado individuo e alterado em apenas um dos genes (de 1 para
0 ou vice-versa), o individuo resultante não difere muito do anterior, traduzindo-se numa
maior capacidade de exploração da região local do espaço de soluções. Tal ocorre devido a
propriedade de adjacência.
109
5 101 111
6 110 101
7 111 100
4.7.1. Generalidades
110
• a frente de Pareto obtida e a frente ótima de Pareto real, deverão estar o mais
próximos possível uma da outra;
• a frente de Pareto obtida, devera ter a sua extensão maximizada, i.e., as soluções
não dominadas obtidas, deverão abranger a maior gama de valores possíveis para
cada objetivo;
• a função de aptidão bem como a seleção dos individuos, deverão ser aperfeiçoadas
de forma a orientar a busca em direção a frente ótima de Pareto real;
• a população e respetivas soluções, devera ser diversificada, de forma a evitar a
convergência prematura, e alcançar ao mesmo tempo uma frente de Pareto extensa
e bem distribuída.
• População inicial
• Cruzamento
• Mutação
• Selecção
111
4.7.2. Mecanismos de atribuição de Aptidão em EA’s
112
de aptidão dos indivíduos da população, contribuindo deste modo para uma maior
diversidade de soluções obtidas.
A diversidade de soluções obtidas principalmente na frente de Pareto, constitui um
aspecto fundamental no desempenho de um AG multiobjectivo, pelo que importa
aprofundar a viabilidade da sua aplicação na metodologia proposta neste trabalho.
O mecanismo de atribuição de aptidão em Algoritmos Evolutivos (AE’s)
multiobjectivo, realiza-se de acordo com as condições seguintes:
Deste modo, a aptidão da solução xa terá que ser maior do que a da solução xb
O índice IF foi originalmente aplicado no algoritmo NSGA (Cunha et al, 2012), tendo
ainda sido introduzido, numa fase posterior, no algoritmo NSGA-II (Deb et al., 2002). Já o
113
índice ID, foi utilizado no algoritmo MOGA (Fonseca e Fleming, 1995) e o índice Ip„ foi
criado em conjunto com o algoritmo proposto, SPEA2 (Zitzler et al., 2001).
Dada a utilização do NSGAII neste trabalho, e tendo em conta o propósito original do
índice IF com provas dadas no trabalho de (Deb et al., 2002) e de outros posteriores a este,
decidiu-se utilizar eo mesmo índice no NSGAII aqui proposto.
Deste modo, importa aprofundar o índice IF, pelo que a sua atribuição, processa-se da
seguinte forma:
114
No entanto, e dada a sua importância, enquanto exemplo ilustrativo da densidade
f2 (x)
i-1 Cuboide
i
i+1
f1 (x)
Figura 4.5 - Obtenção da distância de multidão (Cunha et al, 2012).
Deste modo, quanto maior for o número a ( xi ) , maior será a distância da solução i
das respetivas soluções vizinhas, pelo que mais importante será esta solução, de forma a
garantir a representatividade do conjunto de soluções.
Relativamente as soluções extremas i=1 e i=q, estas assumirão (como convenção)
respetivamente, os valores δa(x1) = e δa(xq)= , traduzindo-se nas soluções de maior
relevância no conjunto em apreço.
115
O método da k-Vizinhança, por sua vez, pode ser descrito da seguinte forma:
Um valor para k, é inicialmente estabelecido através da dimensão da população (N),
sendo adotada como exemplo de critério, a seguinte relação:
k N (4.7)
i , j ( xi ) = ( f ( x ) − f ( x )) + ( f ( x ) − f ( x )) + ( f ( x ) − f ( x ))
2 2 2
i i j j i i j j i i j j
A A B B C C (4.8)
como medidas da densidade da amostragem, por sua vez, existente na região periférica do
ponto em questão.
Assim, e para que ocorra uma amostragem mais representativa do conjunto Pareto-
ótimo, o algoritmo deverá dar maior primazia, a seleção de soluções em regiões com,
menor densidade amostral, ou seja, soluções com menor valor de a ( xi ) , ou de K ( xi )
O número a ( xi ) foi proposto junto com o algoritmo NSGA-II (Deb et al., 2002).
referidos anteriormente.
116
Deste modo, e adotando como medida de densidade amostral, o indicador K ( xi ) ,
este poderá ser expresso através da seguinte notação, K ( I F , P ) , que será utilizada para
I ( x ) = I ( x )
F a F b K ( xa ) K ( xb ) R ( xa ) R ( xb ) (4.11)
K ( xa ) = K ( xb ) rand ( R ( xa ) R ( xb ) ) ( R ( xa ) R ( xb ) )
empatadas, i.e., com o mesmo valor dos dois índices, o desempate será feito de forma
aleatória.
Deste modo, o a função de ranking R(x), permite definir a aptidão, referente a cada
solução, e que sera será posteriormente utilizada no respetivo mecanismo de seleção,
indepentemente de ser do tipo roleta ou torneio, tal como ocorre nos AG’ mono-objetivo.
117
A função R ( I F , K ( xb ) , P ) , será constituída com o intuito de representar o vetor de
resultados do ranking dos pontos pertencentes ao conjunto P, e após a aplicação prévia das
operações I F ( P ) e K ( I F ( P), P ) sobre o conjunto.
Com base nesta notação, considera-se ainda um conjunto (U), às quais lhe serão
atribuídas, as n soluções pertencentes ao conjunto P que ocupam as n primeiras soluções
no ranking R ( I* , * , P ) , i.e.:
U seleciona ( I* , * , R, P, n ) (4.12)
Refira-se por último, que a forma como fora definido R(x), implica que quanto menor
for o seu valor, maior será a aptidão do indivíduo, logo, maior será a hipótese de ele ser
selecionado.
118
Se xi não domina, mas tambem não é dominada (i.e., não possui relação de
aspecto relevante para o arquivamento, dado que será necessário, de entre as diferentes
estratégias para armazenar soluções não-dominadas, escolher uma que assegure a
diversidade do conjunto Pk obtido.
Para tal, considere-se a situação, na qual é considerado um conjunto que irá incluir as
q melhores soluções que o algoritmo vai obtendo até um dado instante. Daqui, decorrem
dois cenários:
119
R ( I* , * , P ) , de acordo com o referido anteriormente, e de forma a serem
determinística.
Desta forma, o armazenamento das melhores soluções, ficara implícito no próprio
mecanismo de seleção da nova população.
120
Quadro 6.1 – Pseudocódigo do Algoritmo NSGA - II
121
Figura 4.6 - Fluxograma do algoritmo NSGA II
122
Com base no Quadro 6.1, o algoritmo NSGA II, pode ainda ser descrito através do uso
das seguintes definições:
B aleatório(n)
Representa a geração aleatória de n indivíduos, que serão preservados no conjunto B.
B variação (A, n)
Representa a aplicação de operadores de mutação e de cruzamento aos indivíduos do
conjunto A, resultando em n novos indivíduos, que são preservados num outro conjunto,
designado de conjunto B.
B não-dominado(A)
identifica os soluções não-dominadas pertencentes ao conjunto A, atribuindo deste
modo, o resultado ao conjunto B.
B torneio ( A, R, I* , * , n )
indica a realização de um torneio binário com reposição, sendo este realizado com as
soluções do conjunto A, utilizando como função de aptidão a função de
ranking R ( I* , * , A) , resultando na escolha de n indivíduos que serão preservados no
conjunto B.
123
evitar que haja perda de algumas soluções não dominadas obtidas durante o processo de
busca.
Em termos de abordagens elitistas em otimização multiobjectivo, destacam-se as
seguintes: NSGA-II (Deb et al. (2000)) e SPEA-2 (Zitzler et al. (2001)).
Existem na literatura algumas publicações que apresentam não só a descrição dos
métodos evolutivos empregues em multiobjectivo, como discussões detalhadas dos seus
pontos fortes e fracos (e.g. Deb (2001) e Kicinger et al. (2005)), ou ate mesmo aplicações
dos mesmos, como é o caso dos trabalhos de Coello et al. (2002) por exemplo.
Na sua generalidade, o método empregue em otimização evolucionaria multiobjectivo,
podem-se subdividir em dois grandes grupos: métodos elitistas e métodos não elitistas, os
quais são apresentados de seguida.
124
r ( x ) = 1 + nd ( x) (4.14)
125
Por fim, é aplicado o mecanismo de seleção universal estocástica (de acordo com os
valores de fp(x)) e os operadores genéticos cruzamento com um ponto de corte e mutação
binaria simples, de forma a gerar uma nova população.
Implementado pela primeira vez por Schaffer em 1984, este algoritmo recebeu o nome
de Vector Evaluated Genetic Algorithm (VEGA) (Schaffer ,1984).
Neste algoritmo, os M objetivos do problema, são tratados da seguinte forma:
De referir, no entanto, que esta abordagem não recorre a técnicas especificas para
controlar a diversidade da população, embora seja particularmente útil no tratamento de
problemas onde funções objetivo assumem valores de diferentes ordens de magnitude.
No entanto, esta abordagem também apresenta algumas limitações, nomeadamente o
facto de haver restrições na seleção de soluções potenciais, dado a afetação individual de
cada uma a uma dada subpopulação, estando cada solução por isso, sujeita a uma função
de aptidão diferente, consoante a subpopulação a que pertença. Deste modo serão
selecionadas as melhores soluções afetas a cada uma das funções de aptidão/objetivo
consideradas.
126
Esta e outras limitações, são identificadas por (Schaffer (1984), Fonseca e Fleming
(1995)), embora ambos os autores, reconheçam a sua importância enquanto abordagem
geradora de soluções não dominadas.
Esta abordagem fora introduzida pela primeira vez por Hajela e Lin (1992).
Trata-se de uma abordagem onde cada função objetivo fm(x), vêm multiplicada por um
peso wm (c/ m = 1, ..., M), atribuindo deste modo, ponderação as diferentes funções
objetivo consideradas.
Os valores de aptidão dos indivíduos da população, são determinados com base na
seleção por agregação com variação dos parâmetros.
O método da soma pesada é então aplicado, tendo cada individuo da população, uma
combinação de pesos normalmente diferente.
Esta diferença de combinação de pesos, possibilita a que em vez de se determinar uma
única solução não dominada, correspondente a uma combinação de pesos especifica, a
população mantenha em simultâneo várias combinações de pesos, determinando, assim,
várias soluções não dominadas a cada geração do AG.
No que concerne a preservação da diversidade das combinações de pesos, esta é
assegurada através de duas técnicas, escolhidas em alternância, nomeadamente:
O valor da função de aptidão de uma solução x, F(x), será igual a soma pesada dos
valores normalizados das funções objetivo, de acordo com a expressão seguinte:
M
f m ( x) − f mmin
F ( x ) = wm (4.15)
m=1 f mmax − f mmin
127
Onde:
128
Non-dominated Sorting Genetic Algorithm (NSGA)
Implementada de forma integral por Srinivas e Deb (1994), baseia-se numa ideia,
apresentada inicialmente por Goldberg (1989), através do recurso ao conceito de ordenação
por não dominância20.
O mecanismo de seleção, associado a esta abordagem, opera com base no conceito de
dominância, classificando para o efeito as soluções da população por níveis de dominância
(secção 4.4 do presente capítulo) e através de uma estratégia de partilha dos valores de
aptidão, de modo a preservar a diversidade entre as soluções de cada frente não dominada.
Como 1º passo deste algoritmo, é aplicado o conceito de dominância de Pareto as
soluções de uma dada população P, classificando-as para o efeito, em várias frentes de
soluções não dominadas.
O processo de atribuição de valores de aptidão as soluções da população P começa
pela primeira frente não dominada (a que contem as melhores soluções, isto e, as não
dominadas), até a última (que contem as piores soluções). A cada solução da primeira
frente não dominada e atribuído um valor de aptidão igual ao tamanho da população, uma
vez que todas estas soluções tem o mesmo nível de importância, em termos de
proximidade a frente ótima de Pareto.
De forma a manter a diversidade da população, os valores de aptidão das soluções, são
depreciados em função do respetivo número de soluções vizinhas, sendo usada para o
efeito, a técnica de partilha do valor de aptidão.
Este processo inicia-se com o cálculo (para cada solução x de uma dada frente P1) da
distância euclidiana para uma outra solução da mesma frente, pertencente ao espaço das
soluções.
Posteriormente, e usando a distância obtida anteriormente, obtêm-se a função de
partilha, fp(x), com α= 2. Deste modo, qualquer solução da população que esteja a uma
distância superior a σshare de x não contribui para o cálculo do valor de fp(x) desta solução.
Depois de obtidos os valores de aptidão partilhados de todas as soluções da frente P 1,
determinam-se os contadores de nicho, nc(x), da frente P1. Finalmente, para se obter o
valor de fp(x), divide-se o seu valor de aptidão pelo seu nc(x) respetivo.
20
do termo em inglês Non-dominated Sorting Genetic Algorithm (NSGA)
129
Obtidos os valores de aptidão partilhados das soluções da primeira frente, aplica-se o
mesmo processo para as soluções da segunda frente, começando-se por atribuir a cada uma
destas soluções, um valor de aptidão partilhado ligeiramente inferior ao valor de aptidão
partilhado mínimo associado a uma solução da primeira frente.
O processo prossegue, até ser atribuído um valor de aptidão partilhado a todas as
soluções desta frente, repetindo-se de igual forma para as restantes frentes não dominadas.
Dado que o método de partilha do valor de aptidão é aplicado conjuntamente com um
operador de seleção proporcional, o NSGA recorre ao método da roleta (Goldberg (1989)
como mecanismo de seleção. Este método permite dividir a roleta em tantas porções
quanto o número de soluções da população, onde cada porção será proporcional ao valor
de aptidão partilhado da respetiva solução. Os operadores genéticos cruzamento e mutação,
são posteriormente aplicados a toda a população normalmente.
Proposta por Horn et al. (1994), esta abordagem difere essencialmente das abordagens
anteriores, através do método de seleção que utiliza, combinando para o efeito o método de
função de partilha do valor de aptidão com um mecanismo de seleção baseado na
ordenação dos valores de aptidão, nomeadamente a seleção por torneio21.
O algoritmo seleciona de forma aleatoria duas soluções x e y da população P de
tamanho n, as quais são comparadas com uma subpopulação Pdom (de dominação), com
tamanho ndom (<< n), que sera escolhida aleatoriamente da população P (tipicamente ndom =
0.1 POP).
Caso uma destas soluções domine todas as soluções de Pdom e a outra solução vêm
dominada por pelo menos uma solução de Pdom, então a solução vencedora do torneio,
será a primeira.
Caso a situação anterior não ocorra, as soluções x e y serão testadas na subpopulação
(incompleta) de descendentes já gerados Q, e a verificar-se Q ≠ O (se Q = O, então
escolhe-se uma delas de forma aleatória), calculam-se os contadores de nicho das soluções
x e y considerando apenas a subpopulação de descendentes Q, onde o contador de nicho de
x, nc(x), vêm calculado como o numero de descendentes (z Q) que estarão a uma
distancia d(x,z) de x inferior a share, e onde d(x,z), representa a distancia Euclidiana
130
entre as soluções x e z no espaço dos objetivos. Das soluções x e y obtidas, a que tiver
menor contador de nicho (i.e., com menos soluções vizinhas) será a solução vencedora do
torneio.
Tal como referido anteriormente, o elitismo permite conservar uma parte de uma
população afeta a uma dada geração, para ser posteriormente introduzida na nova
população.
O elitismo pode se implementado através do uso de uma população externa (ou
secundaria), que será composta pelas soluções não dominadas, que serão mantidas durante
o processo de busca.
Neste âmbito, torna-se necessário definir o mecanismo de atualização da população
externa (garantindo a diversidade das soluções na população), o tamanho da mesma (i.e., o
número máximo de soluções que pode guardar) e a respetiva estrutura, assim como a forma
como as soluções são reinseridas na população.
Esta é uma das formas de abordagem do elitismo, que se revela vantajosa em
problemas onde haja muitas soluções não dominadas.
Apesar da existência de várias abordagens elitistas em otimização evolutiva
multiobjectivo, neste texto são referidas três das abordagens mais adotadas na literatura:
SPEA, NSGA-II e SPEA-2.
Trata-se de um algoritmo proposto por Zitzler e Thiele (1999), cujo elitismo obtêm-se
através de uma população externa, onde é guardada um número fixo de soluções não
dominadas, que vão sendo obtidas ao longo das iterações (ou gerações) realizadas aquando
da execução do algoritmo.
Em cada geração, são comparadas com as da população externa, as novas soluções não
dominadas obtidas, sendo posteriormente guardadas as soluções não dominadas daí
resultantes, i.e., as melhores dessa mesma comparação.
21
contrário as abordagens NSGA, VEGA e MOGA, cujo método de seleção é proporcional a aptidão
131
Para alem de se poder preservar os melhores indivíduos, estes também participam nos
mecanismos de seleção e restantes mecanismos, associados aos operadores genéticos,
conjuntamente com a população corrente. O objetivo passa por tentar redirecionar a busca
em direção a regiões mais promissoras do mesmo espaço de soluções.
O SPEA assemelha-se a outras abordagens em otimização evolucionaria
multiobjectivo, nomeadamente no uso do conceito de dominância, aplicado ao cálculo dos
valores de aptidão das soluções (Cunha et al, 2012) e na determinação de agrupamentos de
soluções não dominadas, de forma a reduzir o número destas soluções guardadas na
população externa, e mantendo as características da frente ótima de Pareto.
No entanto, revela-se diferente de outras abordagens, nomeadamente na obtenção dos
valores de aptidão das soluções referentes as populações externas e corrente, o que neste
caso são obtidas, usando apenas as soluções da população externa.
Adicionalmente, todas as soluções da população externa, participam no mecanismo de
seleção, para ale de haver a introdução de um novo método baseado em nichos, tendo em
vista a preservação da diversidade da população.
O algoritmo inicia-se deste modo, com a criação (aleatória) de uma população P0 de
tamanho np, bem como com uma população externa PE0 =ø de tamanho máximo npe.
A cada geração t, as soluções não dominadas da população Pt serão reproduzidas para
a nova população externa PEt, substituindo deste modo as soluções dominadas da
população externa PEt, pelas soluções não dominadas existentes na população Pt.
Se no decorrer do processo, e ao longo das gerações, se verificar a situação onde o
numero de soluções da população externa (depois de atualizada) e superior ao seu tamanho
máximo, npe, será aplicado então um mecanismo para a escolha das melhores npe, soluções
da população externa PEt, com vista a constituír uma população externa apenas com npe,
soluções.
Para a determinação das npe soluções, o SPEA recorre a um método de agrupamento,
que se baseia na determinação dos npe agrupamentos com melhor distribuição na frente não
dominada. Na última fase, a população externa da geração seguinte, (a população PEt+1)
será concebida a custa das soluções que se encontram em cada um dos npe agrupamentos,
onde cada agrupamento contribuirá com apenas uma solução.
132
Obtida a nova população externa, referente a próxima geração, avaliam-se agora as
soluções desta população e também da população corrente, sendo ambos os processos,
realizados de forma diferenciada.
A aptidão de uma dada solução x da população externa, F(x), será um valor
proporcional ao numero ndom(x) de soluções da população corrente, dominadas pela
solução x, i.e, :
ndom ( x)
F ( x) = (4.16)
(n + 1)
Por seu turno, o valor de aptidão de uma solução y da população corrente, será
resultante da soma dos valores de aptidão das soluções da população externa que dominam
a solução y, i.e,:
y : F ( y ) = 1 + X PEt F ( x) (4.17)
A solução x domina y, pelo que F(y)>1. Deste modo, os valores de aptidão das
soluções da população corrente F(y), serão sempre superiores aos valores de aptidão
referentes as soluções da população externa F(x).
Através deste método de calculo dos valores de aptidão, as soluções que possuem
menor valor de aptidão, serão as preferíveis.
Apos a avaliação de todas as soluções, é aplicado o mecanismo de seleção por torneio,
usando os valores de aptidão obtidos anteriormente e os operadores genéticos cruzamento e
mutação as soluções da população resultante da combinação das duas populações, i.e:
PEt Pt (4.18)
Esta união terá a dimensão n + npe, e será responsável por criar a população associada
a geração seguinte, Pt+1, de dimensão n.
133
• o mecanismo que determina o valor de aptidão de uma solução, (seja esta
pertencente a população corrente, P0, ou a população externa, PE0) recorre a uma
estratégia baseada no número de soluções que a dominam, bem como no número de
soluções, dominadas por ela. É ainda incluído, um método adicional para
discriminação das soluções com similaridades em termos de dominância.
O processo que permite o cálculo dos valores de aptidão das soluções de ambas as
populações (corrente, P e externa, PE) é o mesmo. A cada geração t, e para cada solução x
de qualquer uma das populações, é atribuído um valor F(x) = n(x), onde n(x), representa o
número de soluções dominadas por x.
Posteriormente, calcula-se o valor de aptidão bruta de x, FB(x), resultante da soma dos
valores de n(y). A subpopulação n(y), é referente a todas as soluções y, pertencentes a
ambas populações (Pt e PEt) que dominam x, e onde y domina x, i.e:
Deste modo, quando uma solução x assume FB(x) = 0, significa que x será uma
solução não dominada, e quando FB(x) assume valores elevados, significa que x sera uma
solução dominada por muitas soluções.
De forma a diferenciar as soluções que possuem o mesmo valor de aptidão bruta, é
ainda incluído neste mecanismo, um método de estimação da densidade das soluções,
baseado na distância para o vizinho mais próximo.
Este método baseia-se na obtenção do inverso da distância, no espaço dos objetivos,
para o k-esimo vizinho mais próximo, como forma de estimação da densidade de uma dada
solução x, i.e.:
134
1
D( x) = (4.20)
( ( x) + 2)
k
onde σk(x), representa a distância da solução x para o k-esimo vizinho mais próximo.
De acordo com Zitzler et al. (2001), o parâmetro k, pode ser obtido da seguinte forma:
k = n + nPE (4.21)
Onde:
n é nPE, representam os tamanhos das populações P e PE, respetivamente
Deste modo, o valor de aptidão F(x) da solução x, é obtido por:
F ( x) = FB( x) + D( x) (4.22)
A dimensão da população externa e fixa, nem que esta seja constituída apenas por
soluções dominadas. Deste modo, quando o número de soluções não dominadas for
superior ao tamanho da população externa, é aplicado um método que se assemelha ao
método baseado em nichos usado no SPEA, evitando-se deste modo que sejam removidas
as soluções extremas não dominadas.
Este método inicia-se com a inserção de todas as soluções não dominadas x (i.e. com
F(x) < 1) referentes as populações corrente, Pt e externa, PEt, na população externa da
próxima geração, PEt+1.
Se PEt+1 ficar completa, então termina este processo; caso contrário, aquela população
encontra-se incompleta, ou seja, com|PEt+1| < nPE, ou então, encontra-se sobrelotada, i.e.,
com |PEt+1| > nPE.
Na primeira situação, a população fica completa com as melhores soluções dominadas,
y (i.e., com F(y) ≥ 1) e de acordo com os seus valores de aptidão. Na segunda situação,
recorre-se a um método para remover as soluções da população externa sobrelotada, ate
esta ficar com o tamanho adequado (i.e., com |PEt+1| = nPE). A cada iteração deste processo,
a solução a ser removida e a que possui a distância mínima referente a outra solução. Caso
existam mais do que uma solução nestas circunstâncias, escolhe-se de entre as mesmas,
aquela que detém a segunda menor distancia, e assim sucessivamente para com todas as
outras soluções encontradas na mesma situação.
O AG implementado com o SPEAII, começa por gerar uma população inicial P0, e
uma população externa PE0 = ø, na geração (iteração) t = 0.
135
De seguida, são determinados os valores de aptidão das soluções, referentes as duas
populações, através do processo, já aqui descrito anteriormente.
A próxima fase, consiste na construção da população secundaria da próxima geração,
PEt+1, usando para o efeito, o procedimento já descrito também nesta secção.
A fase seguinte, verifica se o critério de paragem foi satisfeito. Em caso afirmativo,
todas as soluções não dominadas (e eventualmente dominadas) da população externa,
PEt+1, são inseridas num conjunto A, ocorrendo o fim do algoritmo. Caso contrário, è
aplicado um mecanismo de seleção por torneio com substituição sobre a população PEt+1,
aplicando-se de seguida, os operadores genéticos cruzamento e mutação as soluções
escolhidas pelo mecanismo de seleção. No fim, repete-se todo o processo referente a
próxima geração (t = t + 1).
22
Encontrado frequentemente na literatura anglo-saxonica, como Crownding sort
136
3. Para cada um dos objectivos m = 1, 2,..,M, é atribuido uma distancia muito grande
as soluções extremas d I m = d I m = , sendo que para as restantes soluções, a
l 1
(I ) m
f m i+1 − f m i−1
(I )
m
m
O indice Il define a i-esima solução na lista ordenada pelo objectivo m. Deste modo,
m m
I1 e Il definem os elementos da lista, respetivamente com menor e maior valor em relacao
a um dado objectivo m.
(I )
m
(I )
m
objectivo, enquanto que f mmax e f mmin são os limites maximo e minimo em cada objectivo.
A equacao 4.16 assegura que as soluções mais afastadas possuem di maior.
A distância de multidões (di,) de uma solucao i, constitui uma estimativa do perimetro
da seccao cuboide cujos vertices sao os seus vizinhos mais próximos (Figura 4.7).
f2 (x)
i-1 Cuboide
i
i+1
f1 (x)
137
Concluída esta fase de inicialização do algoritmo, é iniciada uma fase comum a todas
as gerações (iterações) t seguintes, sendo criada para o efeito uma terceira população Rt, de
tamanho 2n, resultante da combinação das duas populações, progenitores e descendentes,
de acordo com a relação seguinte:
Rt = Pt Qt ( 4.24)
As soluções da populacao Rt, sao entao classificadas por niveis de dominancia para a
obtenção das diferentes frentes de soluções nao dominadas
A criação da nova populacao, Pt+1, e realizada a partir das várias frentes não
dominadas, obtidas anteriormente atraves da população Rt (com 2N solucoes), assumindo,
no entanto, a dimensão N. Dado que a dimensão de Pt+1 e metade da dimensão de Rt, nem
todas as frentes podem ser adicionadas a nova população (Figura 4.8), o que implica que
as piores frentes sejam desprezadas e que, ao adicionar-se a última frente possível a nova
população, o número de soluções seja maior do que o espaco disponível para alocá-las em
Pt+1.
Na impossibilidade de serem adicionadas a totalidade das soluções da última frente,
em vez de simplesmente ignorarem-se os elementos excedentes, pode-se recorrer a mesma
estratégia baseada na distância de multidões, já aqui descrita anteriormente.
Deste modo, e considerando duas soluções i e j, sujeitas a selecção por torneio baseada
na técnica de multidões, a solução i ganha o torneio se:
ri rj (4.25)
138
2. Obtiverem a mesma classificação e a solução i, possuir uma distância de multidões
superior a solução j, i.e.:
ri = rj d i d j (4.26)
Rt = Pt Qt (4.27)
.
Realiza a classificação das soluções por níveis de dominância, identificando as
diversas frentes:
Passo 2: Começa uma nova população Pt+1= Æ colocando o contador i=1, ate a satisfação
da condição seguinte:
Pt +1 + Fi N faz Pt +1 = Pt +1 Fi c / i = i + 1 (4.29)
Passo 4: Cria a população de descendentes Qt+1 a partir de Pt+1, através da selecção por
torneio por multidões, e operadores de cruzamento e mutação.
139
processos de decisão, englobando quatro fases; inteligência, conceção, escolha (avaliação)
e revisão.
A fase de inteligência, compreende a necessidade de se agir, e quando tal deve ser
feito. A fase de conceção visa modelação da situação de decisão, sendo que a fase de
escolha se refere à tomada da decisão, sendo esta normalmente suportada por algoritmos
ou com recurso a técnicas matemáticas, ou ainda através de regras simples de forma a
explorar o modelo construído. Por último, a fase de revisão, diz respeito a adoção na
prática da decisão tomada, acompanhando-se posteriormente as suas consequências,
embora admita-se, no entanto, que em qualquer altura, possa existir um retorno às fases
anteriores (Dias & Climaco, 2005).
De acordo com Chen et al. (2008), um processo de decisão, pode ser subdividido em
dois ramos distintos. O primeiro ramo, refere-se a identificação do problema de decisão,
quando (normalmente) se está insatisfeito com uma dada situação, e pretende-se fazer algo
para reverter a mesma, surgindo daí algumas alternativas (obvias) e à medida que o agente-
decisor analisa o problema. Já no segundo ramo, surgem soluções alternativas (menos
óbvias) com o decorrer da análise do problema, existindo a necessidade de se decidir entre
as alternativas existentes anteriormente e as novas alternativas que, entretanto, surgiram.
Atualmente, já existem várias metodologias, como as que foram referidas
anteriormente, sendo na sua maioria, suportadas em software, o que constituem os
chamados Sistemas de Suporte a Decisão (SSD)23.
O principal objetivo dos SSD, prende-se com o auxílio das atividades relacionadas
com a decisão.
Como principais vantagens da utilização destes sistemas, refira-se o facto de se poder
aumentar o número de soluções alternativas que podem ser analisadas, originando ao
mesmo tempo, uma poupança de custos e de tempo. Deste modo, promove-se uma
resolução mais agilizada dos problemas, ocasionando posteriormente respostas mais
rápidas a situações inesperadas.
O recurso a um SSD, pode inclusive incentivar a exploração e a descoberta por parte
do agente-decisor, promovendo deste modo a aprendizagem e o treino, podendo
eventualmente melhorar o entendimento dos assuntos em questão e originar a partir dai
melhores decisões.
23
Também designado de Decision Support Systems (DSS) na literatura anglo-saxónica
140
Todas estas potencialidades, surgiram com o evoluir dos SSD enquanto teoria e área
de investigação, tendo esta tido o seu início em meados dos anos 70, e ganhando maior
intensidade durante os anos 80, onde se desenvolveram novas vertentes, nomeadamente:
EIS (Executive Information Systems), GDSS (Group Decision Support Systems) e ODSS
(Organizational Decision Support Systems).
Refira-se, no entanto, que apesar de todas as potencialidades inerentes aos DSS, a
sua principal finalidade, não é de forma alguma de substituir o agente-decisor, mas sim de
apoiá-lo na tomada de decisão.
Os agentes-decisores são pessoas, e como tal possuem diferentes perspetivas,
objetivos, e ate mesmo diferentes prioridades, sendo que para alem destes indivíduos,
existem outros intervenientes no processo de decisão que serão descritos na secção
seguinte.
141
• Analista: especialista no apoio à tomada de decisão, podendo ser um dos
intervenientes ou até mesmo um consultor externo.
1. Conceção do problema;
2. Definição das preferências (e respetiva agregação);
3. Implementação;
24
Em muitos casos não existe um agente-decisor único, mas sim múltiplos agentes-decisores que
coordenam conjuntamente as atividades, originando neste caso uma decisão coletiva.
142
Finalmente, o terceiro elemento, visa analisar as alternativas, com a finalidade de se
escolher uma ou mais, e de as ordenar, ou de as afetar a categorias.
Nas secções seguintes, far-se-á um enquadramento do apoio multicritério à decisão,
nomeadamente acerca da utilização da função de valor aditiva e do uso de informação
incompleta no contexto da decisão individual. Posteriormente, é realizada uma
apresentação de um conjunto de métodos, frequentemente encontrados na literatura para a
resolução deste tipo de problemas.
143
4.8. Analise Multicritério
4.8.1. Introdução
144
Existem, contudo, várias possibilidades de combinação entre as problemáticas acima
descritas; como exemplo, refira-se à possibilidade de combinação das problemáticas de
ordenação e de classificação.
Tanto as problemáticas de escolha, como a problemática de ordenação, referem-se à
avaliação relativa das alternativas, confrontando-as, entre si, através do recurso aos
conceitos de melhor e pior, dado que as alternativas são diretamente comparadas umas com
as outras.
No que se refere a problemática de afetação, esta recorre a uma avaliação absoluta das
alternativas, confrontando-as deste modo com padrões pré-definidos, i.e., elementos de
fronteira entre categorias ou soluções de referência alternativas (Dias & Climaco, 2005).
Em suma, podemos afirmar a existência de dois tipos de problemáticas, no que toca a
avaliação; as problemáticas onde as soluções alternativas são comparadas diretamente
entre si (avaliação relativa), e as problemáticas onde cada solução alternativa, é comparada
de forma independente das outras alternativas, com normas de referência (avaliação
absoluta).
Daqui resulta, que o facto de uma dada alternativa, ser a melhor em termos relativos,
tal não significa que a mesma seja a melhor em termos absolutos.
No presente texto, as soluções alternativas terão a notação que a seguir se descreve:
145
Esta premissa vem reforçada, pelo facto de em muitas situações, poder existir mais de
um agente-decisor, o que contribui para que as alternativas possíveis sejam geralmente
avaliadas por um conjunto de pontos de vista contraditórios entre si.
Por esse motivo, o principal objetivo na resolução deste tipo de problemas, não passa
(em primeira instância) por encontrar a “melhor” solução alternativa, mas sim de encontrar
aquela, que vá ao encontro das preferências dos agentes-decisores.
De acordo com Godwin & Wright (2004)., todo o aspeto que seja entendido como
relevante para a avaliação das soluções alternativas disponíveis, constitui um Ponto de
Vista Elementar (PVE), que em conjunto com outros pontos de vista elementares formam
um Ponto de Vista Fundamental (PVF). E é o conjunto de PVF, que define a construção de
um modelo para avaliação de soluções alternativas.
O PVE reúne e interliga as características das soluções alternativas com os valores dos
agentes-decisores, enquanto que os PVF agrupam vários PVE, por forma a serem aceites
para todos os atores, e poderem ser (ou não) isoláveis entre si. Dois ou mais PVF são
isoláveis, quando a avaliação das soluções alternativas segundo um dado PVF não depende
de nenhum outro PVF. Chen et al. (2008), optam por uma logica, em quase tudo
semelhante a proposta por Godwin & Wright (2004), substituindo, contudo, as designações
“pontos de vista elementares” e “pontos de vista fundamentais”, por “objetivos
elementares” e “objetivos fundamentais” respetivamente.
Para a definição dos critérios, apenas se têm em linha de conta os pontos de vista
identificados como fundamentais. De acordo com Godwin & Wright (2004), nos métodos
de suporte a decisão multicritério, os problemas de decisão serão estruturados, fazendo
corresponder um conjunto de critérios mensuráveis aos pontos de vista que sejam
relevantes para o decisor25.
Os diferentes pontos de vista podem ser estruturados sob a forma de uma árvore, com
o intuito de facilitar a sua compreensão pelos diferentes elementos intervenientes.
De acordo com Godwin & Wright (2004), para que um critério seja considerado como
adequado ao problema em estudo, o respetivo ponto de vista, devera ser:
25
Exemplo: ponto de vista de um comprador (agente-decisor) na aquisição de uma casa, e a beleza que o
mesmo lhe atribui. Este ponto de vista, embora não mensurável, torna-se passível de lhe ser atribuído um
critério mensurável.
146
• Completo: devera incluir todos os aspetos relevantes, existentes nas várias
soluções alternativas;
• Mensurável: devera definir os pontos de vista, e especificar os meios e a forma
como os mesmos poderão ser atingidos;
• Operacional: devera fornecer a informação necessária a uma análise consistente,
tendo em conta o tempo e o esforço disponíveis;
• Essencial (ou relevante): devera indicar apenas as consequências relevantes para o
processo de decisão;
• Compreensível: devera ser entendido por todos os intervenientes no processo de
decisão;
• Decomponível: devera permitir a separação dos diferentes pontos de vista em
análise;
• Controlável: devera referir-se às consequências que são influenciadas apenas pela
escolha de alternativas no contexto de decisão;
• Decomponível: deverá consentir a separação dos diferentes pontos de vista em
análise;
• Conciso: devera reduzir ao mínimo, o nível de detalhe, nomeadamente em termos
do número de pontos de vista necessários;
De acordo com Simon (1977), para que um dado conjunto de pontos de vista, possa
ser considerado uma família coerente de critérios, existem três propriedades que reportam
à forma como os critérios se relacionam, nomeadamente:
147
• Não redundância: o conjunto dos critérios deve ser de tal forma não redundante,
que a eliminação de um deles, faria com que pelo menos uma das propriedades
anteriores não se verificasse;
Deste modo, qualquer critério ci, (com i = 1, ..., n,), permitira ajudar a avaliar
148
um cenário (i.e., o nível de desempenho de uma alternativa segundo um determinado
critério consiste num vetor de valores, correspondente a cada estado da natureza), um
número difuso (i.e., o nível de desempenho da alternativa x(j) segundo o critério ci
quantifica o grau de pertença de x(j) ao conjunto difuso, satisfazendo deste modo o critério
ci), ou ainda uma variável aleatória associada a uma distribuição de probabilidade (i.e., o
nível de desempenho de uma alternativa segundo um determinado critério consiste numa
variável aleatória discreta ou contínua) (Dias & Climaco, 2005)
O nível de desempenho de uma determinada alternativa, tendo em conta um
determinado critério, pode também ser definido de forma qualitativa. Como exemplo,
refiram-se os seguintes níveis de desempenho: “mau”, “satisfaz”, “bom”, “muito bom” e
“excelente”.
Aquando da comparação entre duas soluções alternativas, em matéria da avaliação do
seu desempenho, e segundo um dado critério, importa que seja adotada a mesma escala na
avaliação, podendo esta ser de diferentes tipos, nomeadamente:
149
Assim, e de acordo com Dias (2000), o primeiro grupo de métodos, refere-se a
metodologias que visam atribuir um valor global a cada solução, agregando os respetivos
desempenhos, de acordo com vários critérios.
O segundo grupo, agrega as metodologias que se caracterizam por conceber e
explorar relações binárias entre as diferentes soluções alternativas.
No último grupo, incluem-se os métodos que funcionam de forma interativa,
intercalando fases de diálogo com fases de cálculo.
Deste modo, alguns métodos encontrados na literatura, podem ser subdivididos
através da classificação seguinte:
150
STEM (Step Method) (Benayoun et al.,1971), Pareto Race (Korhonen e
Wallenius, 1988), Zionts e Walleniuns (Zionts e Wallenius, 1983), ICW (Interval
Criterion Weights) (Steuer, 1986), TRIMAP (Clímaco e Antunes, 1987)
Outros métodos podem aqui ser referidos, embora sejam enquadrados noutros
grupos, que não os mencionados na classificação apresentada anteriormente, como é o
caso, por exemplo, do grupo de “Metodologias Elementares” (Vincke, 1992).
Como exemplos de metodologias enquadradas neste grupo, referem-se as seguintes
(Vincke, 1992): Borda’s Method, Lexicographic Method, Condorcet’s Method, e os
Adjustment Methods.
Outras metodologias, possuem ainda a finalidade de parametrizar modelos que
associam diferentes métodos, como é o caso por exemplo do método MACBETH
(Measuring Attractiveness by a Categorical Standardd Evaluation TecHnique) (Bana et al,
1994) e dos métodos UTA (UTilités Additives) (Jacquet-Lagrèze e Siskos, 1982), que neste
caso se referem a funções de valor aditivas.
A escolha da metodologia apropriada, dependera do problema objeto de estudo, bem
como do modelo com o qual o agente-decisor se sentira mais confortável. O presente
trabalho focar-se-á na teoria de valor / utilidade multicritério (MAVT / MAUT), que tanto
poder ser utilizado como no contexto das problemáticas da ordenação e da afetação, bem
como no contexto da problemática da escolha.
151
4.9.1. Funções de Utilidade
Para x
( j)
e x( k ) A 0,1 ;
Para x
( j)
e x
(k )
A 0,1 ;
Para x
( j)
e x
(k )
A 0,1 ;
152
contexto de incerteza, incluindo deste modo, probabilidades de ocorrência, as quais não
serão consideradas no presente trabalho, por razões que serão abordadas em secções
posteriores.
Para cada critério associado ao modelo, é lhe atribuída uma determinada função de
valor, com o objetivo de se obterem, e em fase posterior, diferentes valores (ou níveis de
desempenho), que serão referentes a cada critério, e dos quais resultara a avaliação final de
desempenho, referente a solução alternativa, objeto de analise.
De seguida, são atribuídos pesos, aqui representados por wi (com i = 1, ..., n), às
funções de valor, de forma a que as diversas componentes (funções de valor) possam ser
agregadas.
153
Estes pesos, recebem na literatura várias designações, nomeadamente “coeficientes de
escala”, “constantes de escala” ou até mesmo “ponderações”, sendo a designação
“constante de escala”, a que revela maior consenso entre os vários autores.
No texto, optou-se por utilizar a designação “pesos”, de forma a se usar uma
linguagem mais próxima do utilizador comum, neste caso o consumidor de serviços
energéticos.
Estes indicadores, permitem revelar o grau de importância relativa de cada critério, ao
mudar o nível de desempenho no critério respetivo do seu pior nível (nível com valor igual
a zero) para o seu melhor nível (nível com valor igual a um), especificado pela decisão em
consideração, comparado com o aumento do nível zero para o nível um no desempenho
noutro critério.
Por essa razão, deve haver ponderação na atribuição de valores a estes coeficientes, de
forma a assegurar a consistência necessária entre os resultados de avaliação das soluções
alternativas e as preferências do agente-decisor.
Os valores associados aos pesos, podem ser obtidos através de procedimentos
rigorosos, sendo estes normalmente baseados em questionários, realizados aos agentes-
decisores. Contudo, tais procedimentos conduzem normalmente a dificuldades na obtenção
de respostas precisas, dada a subjetividade inerente na resposta relacionada com as
questões, que são colocadas a cada agente-decisor.
Uma das questões inerentes a esse tipo de questionários, prende-se essencialmente,
com a seguinte pergunta; “quanto estariam os agentes-decisores dispostos a perder na
escala de valor associada a um dado critério, de forma a serem compensados com um certo
ganho noutro critério?”
Definidos os pesos a atribuir a cada componente do modelo multicritério, procede-se
de seguida a sua respetiva agregação.
Esta poderá ser realizada de acordo com vários métodos encontrados na literatura,
sendo os modelos aditivo e multiplicativo, os modelos com maior predominância na teoria
de valor multicritério, com o modelo aditivo, a ser o método mais utilizado na prática. Este
modelo, é geralmente expresso na forma seguinte:
v( x ) = .v ( x ) ,
n
( j)
i i
( j)
j = 1,...., m (4.34)
i =1
sendo:
154
n
i [0,1] , i=1,….,n com
i =1
i = 1, sendo i , o peso associado a cada critério ci
v( x ) = .v ( x ) ,
n
( j)
i i
( j)
j = 1,...., m (4.35)
i =1
De acordo com Keeney e Raiffa (1993), este formato de função de valor só será
válido, caso seja verificada a condição de independência aditiva entre os vários critérios,
i.e., a diferença de valor entre duas alternativas que tenham o mesmo nível em alguns
critérios, devera manter-se, caso estes critérios sejam fixados com outro nível de valor
(desde que se mantenham em igualdade).
Para alem da condição anterior, as componentes individuais da função de valor aditiva,
deverão ainda satisfazer as seguintes propriedades (Stewart,1995):
155
resultados obtidos com ambos os modelos. Ao substituir o modelo aditivo pelo modelo
multiplicativo, o mesmo autor verificou apenas um pequeno efeito na qualidade da
ordenação, i.e., o mesmo verificou que o modelo multiplicativo era ligeiramente melhor na
ordenação das soluções, do que o modelo aditivo.
Autores como Raiffa (1982), defendem a utilização de modelos aditivos, tendo como
fundamento, o facto destes serem mais robustos, e de apresentarem uma maior
transparência e desenvolvimento simples face aos modelos multiplicativos e outros
modelos.
Contudo, o modelo aditivo apresenta algumas desvantagens, sendo que, e de acordo
com Stewart (1996), são destacadas as seguintes:
26
Multiple−attribute value theory
156
De acordo com Salomon (2002), este método é adequado em casos onde mais de um
critério apresenta características conflitantes e quando envolve problemas complexos que
necessariamente precisam de ser subdivididos em partes de menor dimensão.
Estas serão posteriormente analisadas e ponderadas separadamente pelos agentes-
decisores, com o objetivo de integrar os resultados e sugerir a decisão mais adequada para
o modelo definido (Barford, 2011).
4.10.1. Introdução
157
o desempenho individual, obtido em cada critério, para formar uma avaliação global da
solução.
4.10.2. Metodologia
De seguida, definem-se os pesos dos critérios, bem como a sua normalização, i.e.,
( j)
associado a cada critério), de forma a mensurar o valor da alternativa x .
27
Multi-Attribute Value Theory
158
Aqui, poderão ser utilizadas vários métodos de normalização, os métodos mais usuais,
encontrados na literatura, sejam o método de normalização da razão e o método de
normalização da razão das diferenças.
O primeiro, pode ser obtido através da expressão seguinte:
x
xnorm = (4.37)
xmelhor
onde:
xnorm - representa o valor normalizado
x - representa o valor atual
xmelhor - representa o melhor valor do grupo de valores
Já o método de normalização da razão das diferenças, pode ser obtido através da
expressão seguinte:
x − x pior
xnorm = (4.38)
xmelhor − x pior
onde:
xnorm - representa o valor normalizado
x - representa o valor actual
x pior - representa o melhor valor do grupo de valores
solução j v x ( ):
( j)
v( x ) = .v ( x ) ,
n
( j)
i i
( j)
j = 1,...., m (4.39)
i =1
onde:
n
i [0,1] , i=1,….,n com
i =1
i = 1, sendo i , o peso associado a cada critério ci
159
A última fase consiste na aplicação do modelo num caso de estudo, a fim de se
analisar a viabilidade da solução proposta pelo modelo e avaliar sua consistência.
160
Nos métodos progressivos, o AD expressa as suas preferências através de um
processo de diálogo constante, com a componente procedimental, de forma a conduzir a
busca para a zona da região admissível onde se localizam as soluções que melhor
correspondem ao seu sistema de preferências (i.e., existe uma articulação progressiva das
preferências). Desta forma, estes métodos, ao aproveitarem a intervenção do AD, reduzem
o âmbito da pesquisa, de forma a minimizar o esforço quer computacional, quer do próprio
AD no processamento da informação.
Nos métodos de articulação a priori das preferências podem, por exemplo, ser
construídas funções de utilidade ou de valor, que se destinem a representar analiticamente
as preferências do AD, e as quais devem ser validas em todo o espaço de busca admissível,
sendo posteriotmente utilizada como funções que agregam os diversos objectivos, alvo de
optimização.
161
Posteriormente, são ainda discutidas algumas abordagens multicritério,
frequentemente utilizadas na literatura, dando-se enfase á abordagem multiatributo,
segundo a teoria MAVT, da qual se deduz um modelo aditivo, que permitira agregar cada
uma das funções de valor, associadas á respetiva função objetivo (dimensão do problema),
de acordo com um ponderador, que será a importância relativa definida pelo consumidor a
cada uma das dimensões da sustentabilidade aqui consideradas.
A abordagem aqui desenvolvida, permitira a construção do modelo de otimização
multiobjectivo, com base num conjunto de critérios, distribuídos pelas três dimensões do
problema, as quais serão objetivo de discussão e apresentação no próximo capítulo.
162
Capítulo 5
Modelo Proposto
Resumo
No presente capítulo, propõe-se
apresentar o modelo proposto, no
âmbito das dimensões Ambiental,
Economica e Social, tendo em conta,
não apenas os diferentes serviços
energeticos aqui abordados, como
tambem, o enquadramento teorico
abordado anteriormente.
163
5. Modelo proposto
5.1. Introdução
Tendo como base o que fora referido anteriormente, cada serviço energético, e em
concreto neste trabalho, cada electrodoméstico, apresenta particularidades muito distintas,
ao nível das suas características funcionais, podendo as mesmas diferirem dentro da
mesma dimensão, como é o caso por exemplo dos frigoríficos, que combinam as funções
de refrigeração e congelação de alimentos num só aparelho, ao invés de outros aparelhos
que apresentam separadamente estas duas funcionalidades de forma isolada, i.e., em
aparelhos diferentes.
Tal como referido anteriormente, cada agente-decisor (consumidor) possui diferentes
necessidades, sendo que, e em boa parte, estas prendem-se por exemplo com aspectos, que
vão desde as suas necessidades especificas (e.g. número de ocupantes, área do edifico a
climatizar, etc.) até aos seus gostos e necessidades pessoais (e.g. design, funcionalidade,
ruido, fiabilidade, etc.).
Nesse sentido, foram propostos um conjunto de critérios, que ajudam o consumidor a
ir ao encontro dos serviços energéticos disponíveis no mercado, de forma a satisfazer as
suas exigências.
No entanto, e tal como fora referido anteriormente, a adopção destes critérios não
constitui por si só uma garantia de eficiência energética, assim como não traduz uma boa
relação beneficio-custo por parte de quem está a comprar o (s) equipamento (s), para serem
utilizados posteriormente para o fim a que se destinam, sendo neste caso, uma habitação.
Torna-se então necessário, complementar a análise multicritério, com técnicas de
optimização, de forma a se obterem soluções sustentáveis, que não só satisfaçam as
diferentes necessidades de quem compra o equipamento, como ao mesmo tempo minimize
os impactes ambientais decorrentes das suas escolhas, com base em soluções obtidas no
mercado.
Esse modelo será objecto de desenvolvimento no presente capítulo. Do ponto de vista
conceptual, uma possível representação do mesmo, é a que se apresenta na Figura 5.1.
164
Figura 5.1 - Modelo proposto
165
5.2. Estrutura conceptual
• Iluminação
• Ar condicionado
• Máquina de lavar roupa
• Máquina de secar roupa
• Frigoríficos
• Fornos
• Máquina de lavar louça
166
sempre o electrodoméstico que apresenta maior investimento inicial, será o que apresenta
menor consumo durante o ciclo de vida útil respectivo.
Tais constrangimentos, constituem barreiras na obtenção de soluções sustentáveis,
quer ao nível ambiental, económico e social.
Deste modo, se o consumidor analisar o mercado de serviços energéticos
(electrodomésticos) de forma a ponderar soluções, esta ira obter diferentes opções para
cada um dos serviços energéticos de que necessita, conduzindo a um elevado número de
combinações, sendo este número tanto ou mais elevado, consoante o número de serviços
energéticos e opções por serviço energético a considerar. Tal conduzira ao espaço de
decisões apresentado na Figura 5.2.
N
Soluções
Opção Opção Opção Opção Opção Opção Opção
31 32 33 34 35 36 37
Observando ainda o espaço de decisão (Fig 5.2), poder-se-á referir ainda, que o
número de soluções possíveis, dependerá do número de opções que o consumidor tiver em
conta para cada serviço energético, podendo diferir ou não uns dos outros, devido a
discrepâncias na disponibilidade de equipamentos por tipo de serviço energético no
mercado, i.e.:
ni = n j ni n j c / i, j = 1,.., 7 i j n1 , n2 , n3 , n4 , n5 , n6 , n7 (5.1)
Onde:
n1 - nº de opções afectas á iluminação
167
n2 - nº de opções afectas ao ar condicionado
As variáveis de decisão terão de condicionar a escolha de uma opção entre as várias opções
disponíveis para cada serviço energético.
Deste modo, e no âmbito do modelo de atribuição de valor, é atribuído um valor global
Vij ( X ij ) , referente a cada opção (i), relativa a cada serviço energético (j), considerado.
Vij ( X ij ) correspondente.
168
O número de opções n j , referente a cada serviço energético j considerado, pode
diferir, ou seja:
ni = n j ni n j c / i, j = 1,.., 7 i j n1 , n2 , n3 , n4 , n5 , n6 , n7 (5.3)
O valor assumido pela variável de decisão xij , relativa a cada opção i, obtida do
mercado e pertencente ao serviço energético j, começou por ser definido, tendo como base
um conjunto de critérios adoptados, por sua vez inseridos nas dimensões económica, social
e ambiental, afectas ao conceito de sustentabilidade.
As variáveis de decisão referidas anteriormente, encontram-se enquadradas no modelo
de analise multicritério proposto, tendo sido formulado a partir destas, um conjunto de
funções objectivo individuais, referentes a cada uma das dimensões definidas
anteriormente no Capítulo 2.
Da agregação de tais funções, resultou uma função escalar, que será posteriormente,
objecto de optimização multiobjectivo com vista a se obterem as soluções que o agente-
decisor (consumidor) necessita. Da integração do modelo de analise multicritério com o
modelo de optimização proposto, resulta o modelo de suporte a decisão apresentado na
Figura 5.4.
169
mesmo agente-decisor confere a cada uma das dimensões de sustentabilidade respetivas,
i.e.: Económica, Social e Ambiental.
Nas secções seguintes do presente capítulo, far-se-á uma descrição detalhada dos
critérios adoptados, associados a cada serviço energético adotado, bem como todo o
desenvolvimento do modelo até a sua forma final, apresentada na Figura 5.1.
170
5.3.1. Nomenclatura adotada, relativa a cada critério/subcritério e variáveis de decisão
Deste modo, e tal como fora referido anteriormente, os critérios foram agrupados em
três dimensões, e de acordo com o Serviço energético/Electrodoméstico considerado.
Relativamente a definição de variáveis, utilizou-se a seguinte notação:
(g j )
xij - Variável de decisão, referente a cada opção i, pertencente ao serviço energético
j, estabelecida de acordo com o critério gj , associado por seu turno ao serviço energético
j.
(g j )
As variáveis xij e gj , são definidas, respetivamente, da seguinte forma:
g j A.1, A.2,.. A.nAj B.1, B.2,.., B.nB j C.1, C.2,.., C.nC j c / n , j
j j = 1, 2,.., 7 (5.4)
28
Multi-Attribute Value Theory
171
Onde n A j , nB j e nC j , designam o número de critérios por dimensão (A - Economico, B
- Social , C - Ambiental) e serviço energético j.
Deste modo e com base na expressão (4.38), a atribuição de valor a xij
(g j )
(v
(g j )
ij
(g )
)
( xij j ) ,
ocorre através da seguinte relação:
xij( g j ) − xij( g( pior
j)
x
(g j )
⎯⎯
→ (g )
)
⎯⎯
→ vij j ( xij j )
(g ) (g )
(5.5)
ij
xij ( melhor
j
) − xij ( melhor )
( g j )
Cálculo dos consumos energéticos Cstd . j e Cef .ij relativos a cada solução i, associada ao
serviço energético j
serviço energético j, fora obtido com base num perfil de consumo, que pode ser definido
previamente, através de especificação previa do agente-decisor (ex. ao referir quantas
horas semanais utiliza determinado equipamento), ou de forma pré-definida pela
metodologia aqui proposta, assumindo-se deste modo um perfil de utilização diária,
obtendo-se desse modo o consumo anual respetivo Cstd .anual .
j
associados ao consumo energético anual associado Cstd .anual € , podem ser obtidos através
j
da seguinte expressão:
Cstd .anual € = elect . € / kWh Cstd .anual kWh (5.6)
j j
172
Do mesmo modo, pode-se obter o consumo energético anual, referente a solução
eficiente i, e relativa ao serviço energético j, Cef .anual € , i.e.:
ij
Este indicador obtém-se com base no mesmo perfil de consumo, por sua vez
considerado para a solução standard.
173
associados), importa em primeira instância, afetar os cash-flows futuros de um factor (ou
coeficiente de atualização) , associado a uma taxa de atualização.
Deste modo, e partindo dos respetivos consumos Cstd . j e Cef .ij , referidos
(
PCons.act.ij = Cstd . j − Cef .ij ) (5.10)
Cálculo do consumo hidrico, com base na definição de pegada hídrica Cef .ij relativos a ( )
cada solução eficiente i, associada ao serviço energético j
obtidos com base num perfil de consumo, que pode ser definido previamente, através de
especificação previa do agente-decisor (ex. ao referir quantas horas semanais utiliza
determinado equipamento), ou de forma pré-definida pela metodologia aqui proposta,
assumindo-se deste modo um perfil de utilização diária, e obtendo-se desse modo os
consumos anuais respetivos Cstd .anual( H 2 O) Cef .anual( H 2O) .
j ij
Por outro lado, demonstrou-se anteriormente, que era possível calcular o consumo
individual de cada produto, durante a sua fase de exploração/uso. Pelo que, e com base na
expressão (2.23), vêm:
Cstd .anual( H 2 O) , Cef .anual( H 2 O) m3 = Consumoi ,exp lor . = PH consi .t ( i ) [m3 ] (5.12)
j ij
174
Deste modo, e considerando o valor da tarifa de água H2O , os gastos associados ao
consumo hidrico anual associado, podem ser obtidos através das expressões respetivas
seguintes:
Cef .anual( H 2O)
ij
€ = H O € / m3 Cef .
2 anual( H 2 O ) ij
m3 (5.14)
Cstd .HT ( H 2 O)
j
€ = Cstd . anual ( H 2 O ) j
€ (5.15)
Cef .HT ( H 2 O)
j
€ = Cef . anual ( H 2 O ) j
€ (5.16)
175
associado a uma dada taxa de atualização e horizonte temporal considerado, sendo este
ultimo coincidente com o ciclo de exploração do produto.
Deste modo, e partindo dos respetivos consumos Cstd .anual( H 2 O)
j
€ e Cef .anual( H 2 O )
j
€ ,
referidos anteriormente, a poupança atualizada, associada ao consumo com uma dada
solução i, afecta ao serviço energético j , Pcons ( H 2O ). HT .ij , é obtida por:
(
Pcons( H 2O ).HT .ij € = Cstd .anual( H 2 O) − Cef .anual( H 2 O)
j j
) (5.18)
Ilu. - Iluminação
176
Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:
Com vista, a se obter um valor normalizado para cada vij( A.1.) ( xij( A.1.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
( )
solução eficiente Pcons.act.i1 .
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
(
no investimento durante o horizonte temporal/ciclo de vida de uma dada solução Pinv.act.i1 , )
generalizado para todos os serviços energéticos aqui considerados neste trabalho. Contudo,
e no caso da iluminação, o cálculo de Pinv.act.ij , obedece a outros critérios, dadas as
177
discrepâncias, por sua vez relacionadas com o ciclo de vida útil de cada tipo de tecnologia
de lâmpada.
Como exemplo, refira-se o caso das lâmpadas fluorescentes tubulares, que possuem
um ciclo de vida superior ao de uma lâmpada incandescente convencional.
Deste modo, torna-se necessário definirem-se horizontes temporais, coincidentes com
o ciclo de vida de cada uma das opções, incluindo a opção standard (Figura 5.6), ou seja:
horas
0 100 200 300 400 500 n-100 n
Figura 5.6 - Ciclo de vida de uma opção
horas
0 100 200 300 400 500 1000
horas
0 100 200 300 400 500 1000 n+1000
Figura 5.8 - Ciclo de vida da opção eficiente
Deste modo, é possível obter-se o consumo energético ao longo das n + 1000 horas
de ciclo de vida útil, associado à solução eficiente em análise, sendo n neste caso, o
178
acréscimo de horas que a tecnologia eficiente (em analise) terá no seu ciclo de vida útil,
comparativamente com a solução standard.
Embora os ciclos de vida útil de cada uma das soluções sejam diferentes, torna-se
possível no entanto, apurar quanto é que se teria de investir, caso se optasse pela solução
standard, de forma a equiparar as n + 1000 horas da solução eficiente (Figura5.9):
horas
0 500 1000 1500 2000 2500 n+500 n+1000
Figura 5.9 - Número de opções standard, c/ ciclo de vida útil equivalente ao da opção eficiente
Sendo i, a taxa de atualização dos cash-flows, neste caso cada investimento realizado,
relativamente a solução standard a adquirir I s tan d . .
179
n
1 1 1
= = − (5.26)
(1 + i ) i i (1 + i )n
j
j =0
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
180
Ilu.A.5 ( xi(1A.5.) ) - Consumo Total Energia Atualizado [kWh]
Pelo que afetando os consumos acima referidos pela taxa de atualização (obtida a
partir da expressão (5.26)), vêm:
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
AC - Ar Condicionado
181
Pelo que, e tendo em vista a quantificação e valorização do mesmo critério, atribuiu-se
um valor vi(2A.1.) ( xi(2A.1.) ) numérico, correspondente a cada classe de eficiência energética,
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
182
Sendo a valorização atribuída, obtida nos mesmos moldes anteriores, relativamente ao
critério AC.A.2.
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
183
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Pelo que afetando os consumos acima referidos pela taxa de atualização (obtida a
partir da expressão (5.26), vêm:
184
xi(2A.5.) = Cef .i 2 € (5.47)
Com vista, a se obter um valor normalizado para cada vi(2A.2.) ( xi(2A.2.) ) , associado a cada
solução individual xi(2A.2.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
vi(2A.5.) ( xi(2A.5.) ) 0,1 (5.48)
MLR - Máquina de Lavar Roupa
185
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
( )
solução eficiente Pcons.act.i 3 .
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
186
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Cef .anual
i3
€ = elect. € / kWh Cef . anuali 3
kWh (5.58)
Pelo que afetando os consumos acima referidos pela taxa de atualização (obtida a
partir da expressão (5.26), vêm:
187
xi(3A.5.) = Cef .HT € = Cef .anual € (5.59)
j j
Com vista, a se obter um valor normalizado para cada vi(1A.5.) ( xi(1A.5.) ) , associado a cada
solução individual xi(3A.5.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(3A.3.6.) ( xi(3A.3.6.) ) , associado a
cada solução individual xi(3A.3.6.) , foi realizada uma normalização de escala, de acordo com
(
solução eficiente Pcons( H2O).HT .i 3 . )
Deste modo, Pcons( H 2O ).HT .i 3 , é obtido segundo o método de calculo especificado na
188
(
xi(3A.7.) = Pcons( H 2O ).HT .i 3 € = Cstd .anual( H 2 O) − Cef .anual( H 2 O)
3 3
) (5.63)
Com vista, a se obter um valor normalizado para cada vi(3A.7.) ( xi(3A.7.) ) , associado a cada
solução individual xi(3A.7.) , foi realizada uma normalização de escala, de acordo com (4.38)
189
vi(6A.1.) ( xi(6A.1.) ) 10,9,8, 7, 6,5, 4 (5.66)
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
( )
solução eficiente Pcons.act.i 4 .
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
190
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Cef .anual
i4
€ = elect. € / kWh Cef . anuali 4
kWh (5.74)
Pelo que afetando os consumos acima referidos pela taxa de atualização (obtida a
partir da expressão (5.26), vêm:
191
xi(4A.5.) = Cef .HT € = Cef .anual € (5.75)
j j
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
FRIG – Frigorifico
192
Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
( )
solução eficiente Pcons.act.i 5 .
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
193
xi(5A.4.) = Pinv.act.i 5 € (5.82)
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Cef .anual
i5
€ = elect. € / kWh Cef . anuali 5
kWh (5.86)
194
Pelo que afetando os consumos acima referidos pela taxa de atualização (obtida a
partir da expressão (5.26)), vêm:
xi(5A.5.) = Cef .HT € = Cef .anual € (5.87)
5 5
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
FE – Forno Electrico
195
Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
( )
solução eficiente Pcons.act.i 6 .
Com vista, a se obter um valor normalizado para cada vi(6A.2.) ( xi(6A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
196
xi(6A.3.) = Pinv.act.i 6 € (5.94)
Com vista, a se obter um valor normalizado para cada vi(6A.6.) ( xi(6A.6.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(6A.4.) ( xi(6A.4.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Cef .anual
i6
€ = elect. € / kWh Cef . anual 6
kWh (5.98)
197
Pelo que afetando os consumos acima referidos pela taxa de atualização (obtida a
partir da expressão (5.26), vêm:
Com vista, a se obter um valor normalizado para cada vi(6A.5.) ( xi(6A.5.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
198
Deste modo, vi(7A.1.) , pode ser definido da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(7A.1.) ( xi(7A.1.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
( )
solução eficiente Pcons.act.i 7 .
Com vista, a se obter um valor normalizado para cada vi(7A.2.) ( xi(7A.2.) ) , associado a cada
solução individual xi(7A.2.) , foi realizada uma normalização de escala, de acordo com (4.38)
199
xi(7A.4.) = Pinv.act.i 7 € (5.106)
Com vista, a se obter um valor normalizado para cada vi(7A.4.) ( xi(7A.4.) ) , associado a cada
solução individual xi(7A.4.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
Com vista, a se obter um valor normalizado para cada vi(7A.4.) ( xi(7A.4.) ) , associado a cada
solução individual xi(7A.4.) , foi realizada uma normalização de escala, de acordo com (4.38)
200
Com vista, a se obter um valor normalizado para cada vi(7A.5) ( xi(7A.5) ) , associado a cada
solução individual xi(7A.5) , foi realizada uma normalização de escala, de acordo com (4.38)
(
solução eficiente Pcons( H2O).HT .i 7 . )
Deste modo, Pcons( H 2O ).HT .i 7 , é obtido segundo o método de calculo especificado na
(
xi(7A.6.) = Pcons( H 2O ).HT .i 7 € = Cstd .anual( H 2 O) − Cef .anual( H 2 O )
7 7
) (5.112)
Com vista, a se obter um valor normalizado para cada vi(7A.6.) ( xi(7A.6.) ) , associado a cada
solução individual xi(7A.6.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
Ilu. - Iluminação
201
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(1B.1.) ,
Com vista, a se obter um valor normalizado para cada vi(1B.1.) ( xi(1B.1.) ) , associado a cada
solução individual xi(1B.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(1B.2.) ( xi(1B.2.) ) , associado a cada
solução individual xi(2B.2.) , foi realizada uma normalização de escala, de acordo com (4.38)
202
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(1A.1.) ,
Com vista, a se obter um valor normalizado para cada vi(1B.3.) ( xi(1B.3.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(1B.4.) ( xi(1B.4.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
203
Ilu.B.5 ( xi(1B.5.) ) - Fluxo luminoso (Φ)
Com vista, a se obter um valor normalizado para cada vi(1B.5.) ( xi(1B.5.) ) , associado a cada
solução individual xij( B.5.) , foi realizada uma normalização de escala, de acordo com (4.38)
AC – Ar Condicionado
Com base no referido anteriormente (Capítulo 3), constatou-se que a potência sonora
é um dos atributos a ter em conta pelo consumidor, aquando da escolha de um dado
eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(1A.1.) ,
204
Com vista, a se obter um valor normalizado para cada vi(2B.1.) ( xi(2B.1.) ) , associado a cada
solução individual xi(2B.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
De acordo com o que fora referido no Capítulo 3, constatou-se que a potência sonora
(exterior) é um dos atributos a ter em conta pelo consumidor, aquando da escolha de um
dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(1A.1.) ,
Com vista, a se obter um valor normalizado para cada vi(2B.2.) ( xi(2B.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
Capacidade Nominal é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(1A.1.) ,
sera definida da seguinte forma:
205
xi(2B.3.) 0,10000 kW (5.129)
Com vista, a se obter um valor normalizado para cada vi(2B.3.) ( xi(2B.3.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
Capacidade Nominal (Aquecimento) é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(1A.1.) ,
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a função
de desumificação, é um dos atributos a ter em conta pelo consumidor, aquando da escolha
de um dado ar condicionado.
Deste modo, a variável de decisão pode assumir dois estados possíveis, relacionados
com a existência/não da função desumificadora no ar condicionado, pelo que a variável de
decisão associada ao presente critério, pode ser definida da seguinte forma:
206
xi(2B.5.) Sim, Não xi(2B.5.) 0,1 (5.133)
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
existência de filtro de desodorização, é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de um dado ar condicionado.
Deste modo, a variável de decisão pode assumir dois estados possíveis, relacionados
com a existência/não do filtro de desodorização no ar condicionado, pelo que a variável de
decisão associada ao presente critério, pode ser definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(2B.6.) ( xi(2B.6.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
qualidade, e do ponto de vista da fiabilidade do equipamento, é um dos atributos a ter em
conta pelo consumidor, aquando da escolha de um dado ar condicionado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(2B.7.) ,
207
xi(2B.7.) 10,9,8, 7, 6,5, 4 (5.137)
Com vista, a se obter um valor normalizado para cada vi(2B.7.) ( xi(2B.7.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
funcionalidade, é um dos atributos a ter em conta pelo consumidor, aquando da escolha de
um dado ar condicionado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(2B.8.) ,
Com vista, a se obter um valor normalizado para cada vi(2B.8.) ( xi(2B.8.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o design,
é um dos atributos a ter em conta pelo consumidor, aquando da escolha de um dado ar
condicionado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(2B.9.) ,
208
xi(2B.9.) 10,9,8,7,6,5, 4 (5.141)
Com vista, a se obter um valor normalizado para cada vi(2B.9.) ( xi(2B.9.) ) , associado a cada
solução individual xi(2B.9.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o
assistência pós-venda (garantia), é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de um dado ar condicionado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(2B.10.) ,
Com vista, a se obter um valor normalizado para cada vi(2B.10.) ( xi(2B.10.) ) , associado a
cada solução individual xi(1A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o ruido é
um dos atributos a ter em conta pelo consumidor, aquando da escolha de um dado
eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
209
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(3B.1.) ,
Com vista, a se obter um valor normalizado para cada vi(3B.1.) ( xi(3B.1.) ) , associado a cada
solução individual xi(3B.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
Capacidade Nominal é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(3B.2.) ,
será definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(3B.2.) ( xi(3B.2.) ) , associado a cada
solução individual xi(3B.2.) , foi realizada uma normalização de escala, de acordo com (4.38)
210
MLR.B.3 ( xi(3B.3.) ) - Qualidade (Fiabilidade)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
qualidade, e do ponto de vista da fiabilidade do equipamento, é um dos atributos a ter em
conta pelo consumidor, aquando da escolha de um dado ar condicionado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(3B.3.) ,
Com vista, a se obter um valor normalizado para cada vi(3B.3.) ( xi(3B.3.) ) , associado a cada
solução individual xi(3B.3.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
funcionalidade é um dos atributos a ter em conta pelo consumidor, aquando da escolha de
um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(5B.3.) ,
211
Com vista, a se obter um valor normalizado para cada vi(3B.4.) ( xi(3B.4.) ) , associado a cada
solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que “Design”,
é um dos atributos a ter em conta pelo consumidor, aquando da escolha de uma “Maquina
de Lavar Roupa”.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(3B.3.) ,
sera definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(3B.5.) ( xi(3B.5.) ) , associado a
cada solução individual xi(3B.5.) , foi realizada uma normalização de escala, de acordo com
(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
existência de filtro de desodorização, é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de um dado ar condicionado.
Deste modo, a variável de decisão pode assumir dois estados possíveis, relacionados
com a existência/não do filtro de desodorização no ar condicionado, pelo que a variável de
decisão associada ao presente critério, pode ser definida da seguinte forma:
212
xi(3B.6.) 10,9,8,7,6,5, 4 (5.155)
Com vista, a se obter um valor normalizado para cada vi(3B.6.) ( xi(3B.6.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
qualidade, e do ponto de vista da fiabilidade do equipamento, é um dos atributos a ter em
conta pelo consumidor, aquando da escolha de um dado ar condicionado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(2B.7.) ,
Com vista, a se obter um valor normalizado para cada vi(3B.7.) ( xi(3B.7.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
funcionalidade, é um dos atributos a ter em conta pelo consumidor, aquando da escolha de
um dado ar condicionado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(3B.8.) ,
será definida da seguinte forma:
213
xi(3B.8.) 10,9,8,7,6,5, 4 (5.159)
Com vista, a se obter um valor normalizado para cada vi(3B.8.) ( xi(3B.8.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o design,
é um dos atributos a ter em conta pelo consumidor, aquando da escolha do serviço
energético “maquina de lavar roupa”.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(3B.9.) ,
Com vista, a se obter um valor normalizado para cada vi(3B.9.) ( xi(3B.9.) ) , associado a
cada solução individual xi(3B.9.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o
assistência pós-venda (garantia), é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de um dado ar condicionado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(3B.10.) ,
214
Com vista, a se obter um valor normalizado para cada vi(3B.10.) ( xi(3B.10.) ) , associado a
cada solução individual xi(3B.10.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a potência
sonora de secagem, é um dos atributos a ter em conta pelo consumidor, aquando da escolha
de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(4B.1.) ,
Com vista, a se obter um valor normalizado para cada vi(4B.1.) ( xi(4B.1.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
capacidade nominal, é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
215
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(4B.2.) ,
Com vista, a se obter um valor normalizado para cada vi(4B.2.) ( xi(4B.2.) ) , associado a cada
solução individual xi(4B.2.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
qualidade, e do ponto de vista da fiabilidade do equipamento, é um dos atributos a ter em
conta pelo consumidor, aquando da escolha de uma dada máquina de secar roupa.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(4B.3.) ,
Com vista, a se obter um valor normalizado para cada vi(4B.3.) ( xi(4B.3.) ) , associado a
cada solução individual xi(4B.3.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o número
de funcionalidades é um dos atributos a ter em conta pelo consumidor, aquando da escolha
de um dado eletrodoméstico/serviço energético.
216
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(5B.3.) ,
Com vista, a se obter um valor normalizado para cada vi(4B.4.) ( xi(4B.4.) ) , associado a
cada solução individual xi(4B.4.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a função
de design, é um dos atributos a ter em conta pelo consumidor, aquando da escolha de uma
dada máquina de secar roupa.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético j, xi(4B.3.) ,
Com vista, a se obter um valor normalizado para cada vi(4B.5.) ( xi(4B.5.) ) , associado a
cada solução individual xi(4B.5.) , foi realizada uma normalização de escala, de acordo com
217
vi(4B.5.) ( xi(4B.5.) ) 0,1 (5.174)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
existência do serviço de pós-venda, é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de uma máquina de secar roupa.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Máquina de Secar Roupa” (j=4), xi(4B.6.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(4B.6.) ( xi(4B.6.) ) , associado a
cada solução individual xi(4B.6.) , foi realizada uma normalização de escala, de acordo com
FRIG – Frigorifico
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o ruido é
um dos atributos a ter em conta pelo consumidor, aquando da escolha de um frigorifico.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
218
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Frigorifico”, (j=5), xi(5B.1.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(5B.1.) ( xi(5B.1.) ) , associado a
cada solução individual xi(5B.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que o volume
útil (a temperatura superior a 6º centígrados negativos) é um dos atributos a ter em conta
pelo consumidor, aquando da escolha de um frigorifico.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Frigorifico” (j=5), xi(5B.2.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(5B.2.) ( xi(5B.2.) ) , associado a
cada solução individual xi(5B.2.) , foi realizada uma normalização de escala, de acordo com
219
FRIG.B.3 ( xi(5B.3.) ) - Volume útil (temperatura <-6ºC) [l]
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que o volume
útil (a temperatura inferior a 6º centígrados negativos) é um dos atributos a ter em conta
pelo consumidor, aquando da escolha de um frigorifico.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Frigorifico” (j=5), xi(5B.3.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(5B.3.) ( xi(5B.3.) ) , associado a
cada solução individual xi(5B.3.) , foi realizada uma normalização de escala, de acordo com
(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
autonomia corte de energia é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(5B.4.) ,
220
Com vista, a se obter um valor normalizado para cada vi(5B.4.) ( xi(5B.4.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
qualidade, e do ponto de vista da fiabilidade do equipamento, é um dos atributos a ter em
conta pelo consumidor, aquando da escolha de um “Frigorifico”.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Frigorifico” (j=5), xi(5B.5.) , será definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(5B.5.) ( xi(5B.5.) ) , associado a
cada solução individual xi(5B.5.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que “número
de funcionalidades” é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Frigorifico” (j=5), xi(5B.6.) , será definida da seguinte forma:
221
Com vista, a se obter um valor normalizado para cada vi(5B.6.) ( xi(5B.6.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que “Design”,
é um dos atributos a ter em conta pelo consumidor, aquando da escolha de um
“Frigorifico”.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao serviço energético “Frigorifico”
(j=5), xi(5B.7.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(5B.7.) ( xi(5B.7.) ) , associado a cada
solução individual xi(5B.7.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
existência do serviço de pós-venda, é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de um “Frigorifico”.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
222
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Frigorifico” ( j=5), xi(5B.8.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(5B.8.) ( xi(5B.8.) ) , associado a
cada solução individual xi(5B.8.) , foi realizada uma normalização de escala, de acordo com
FE – Forno Elétrico
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o volume
útil é um dos atributos a ter em conta pelo consumidor, aquando da escolha de um Forno
Elétrico.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético “Forno
Elétrico” (j=6), xi(6B.1.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(6B.1.) ( xi(6B.1.) ) , associado a
cada solução individual xi(6B.1.) , foi realizada uma normalização de escala, de acordo com
223
FE.B.2 ( xi(6B.2.) ) - Qualidade (Fiabilidade)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
qualidade, e do ponto de vista da fiabilidade do equipamento, é um dos atributos a ter em
conta pelo consumidor, aquando da escolha de um “Forno Elétrico”.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético “Forno
Elétrico” (j=6), xi(6B.2.) , sera definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(1A.2.) ( xi(1A.2.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que “número
de funcionalidades” é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético “Forno
Elétrico” (j=6), xi(6B.3.) , será definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(6B.3.) ( xi(6B.3.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
224
FE.B.4 ( xi(6B.4.) ) - Design
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que “Design”,
é um dos atributos a ter em conta pelo consumidor, aquando da escolha de um “Forno
Elétrico”.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao serviço energético “Forno
Elétrico” (j=6), xi(6B.4.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(6B.4.) ( xi(6B.4.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
existência do serviço de pós-venda, é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de um “Forno Elétrico”.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético “Forno
Elétrico” ( j=6), xi(6B.5.) , vêm definida da seguinte forma:
225
Com vista, a se obter um valor normalizado para cada vi(6B.5.) ( xi(6B.5.) ) , associado a
cada solução individual xij( A.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que o ruido é
um dos atributos a ter em conta pelo consumidor, aquando da escolha de uma “Maquina de
Lavar Louça”.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Maquina de Lavar Louça” (j=7), xi(7B.1.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(1B.1.) ( xi(7B.1.) ) , associado a
cada solução individual xi(7B.1.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 3), constatou-se que a
capacidade nominal, é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de uma Máquina de Lavar Louça.
226
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético, xi(7B.2.) ,
Com vista, a se obter um valor normalizado para cada vi(7B.2.) ( xi(7B.2.) ) , associado a
cada solução individual xi(7B.2.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
qualidade, e do ponto de vista da fiabilidade do equipamento, é um dos atributos a ter em
conta pelo consumidor, aquando da escolha de um “Maquina de Lavar Louça”.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Maquina de Lavar Louça” (j=7), xi(7B.3.) , será definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(7B.3.) ( xi(7B.3.) ) , associado a
cada solução individual xi(7B.3.) , foi realizada uma normalização de escala, de acordo com
227
MLL.B.4 ( xi(7B.4.) ) - Número de Funcionalidades
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que “número
de funcionalidades” é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de um dado eletrodoméstico/serviço energético.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Maquina de Lavar Louça” (j=7), xi(7B.4.) , será definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(7B.4.) ( xi(7B.4.) ) , associado a
cada solução individual xi(7B.4.) , foi realizada uma normalização de escala, de acordo com
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que “Design”,
é um dos atributos a ter em conta pelo consumidor, aquando da escolha de um “Maquina
de Lavar Louça”.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, uma variável de decisão, com base em informação retirada do mercado.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao serviço energético “Forno
Elétrico” (j=7), xi(7B.5.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(7B.5.) ( xi(7B.5.) ) , associado a
cada solução individual xi(7B.5.) , foi realizada uma normalização de escala, de acordo com
228
vi(7B.5.) ( xi(7B.5.) ) 0,1 (5.212)
Com base no que fora referido anteriormente (Capítulo 2), constatou-se que a
existência do serviço de pós-venda, é um dos atributos a ter em conta pelo consumidor,
aquando da escolha de um “Maquina de Lavar Louça”.
Dado que estes valores, podem ser variáveis de tecnologia para tecnologia,
estabeleceu-se, com base em informação retirada do mercado, um intervalo, cujos valores,
estarão compreendidos.
Deste modo, a variável de decisão associada ao presente critério, por seu turno,
correspondente a cada solução individual i, e relativa ao mesmo serviço energético
“Maquina de Lavar Louça” (j=7), xi(7B.6.) , vêm definida da seguinte forma:
Com vista, a se obter um valor normalizado para cada vi(7B.6.) ( xi(7B.6.) ) , associado a
cada solução individual xi(7B.6.) , foi realizada uma normalização de escala, de acordo com
(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
229
Com o intuito de suportar melhor o agente-decisor nas suas decisões, poder-se-ia
empregar ainda mais indicadores, sendo que no Capítulo 7, deixar-se-á algumas sugestões
para trabalho futuro.
De acordo com a Secção 2.6.5, um dos métodos de calculo para a estimativa da
quantidade de CO2 emitido, é o que consta da expressão 2.18, pelo que se baseando na
mesma expressão, obtêm-se a expressão geral correspondente para cada solução i,
pertencente ao serviço energético j, i.e.:
Relativamente ao fator de emissão respetivo, este será considerado como único para
todos os serviços energéticos aqui considerados, dado que é assumido que estes dependem
da mesma fonte de energia elétrica. Deste modo e com base num estudo da Agencia
Internacional de Energia (IEA) (IEA, 2017), foi considerado um valor de Fator de Emissão
(F.E) correspondente a 0,675 gCO2/kWh, o que leva a seguinte expressão:
kgCO2e[k gCO2 ] = Consumo Energetico [kWh] 0,675 10−3 [k gCO2 / kWh] (5.216)
Sendo este o valor das emissões de CO2 equivalentes ao consumo de energia elétrica
por cada solução i, associada a um dado serviço energético j e durante a sua
exploração/uso.
O mesmo raciocínio, é empregue às fases de produção (downstream) e
desmantelamento (upstream), associado a cada solução individual considerada.
Relativamente aos indicadores de impacto ambiental, decorrentes dos valores de
inventario ACV, por sua vez, respeitantes as fases acima referidas, os mesmos, foram
obtidos, através de diferentes estudos, pelo que serão explicados individualmente para cada
um dos serviços energéticos considerados.
230
Ilu. - Iluminação
Com vista, a se obter um valor normalizado para cada vi(1C.1.) ( xi(1C.1.) ) , associado a cada
solução individual xi(1C .1.) , foi realizada uma normalização de escala, de acordo com (4.38)
solução individual xi(1C .1.) , foi realizada uma normalização de escala, de acordo com (4.38)
231
Ilu.C.3 ( xi(1C .3.) ) - Final - Emissões CO2e [kg]
solução individual xi(1C .3.) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(2C.1.) ( xi(2C.1.) ) , associado a cada
solução individual xi(2C .1.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
232
AC.C.2 ( xi(2C .2.) ) - Fabrico - Emissões CO2e [kg]
solução individual xi(2C .2.) , foi realizada uma normalização de escala, de acordo com (4.38)
solução individual xi(2C .3.) , foi realizada uma normalização de escala, de acordo com (4.38)
233
xi(3C .1.) = kgCO2e HorizonteTemporal kg (5.230)
Com vista, a se obter um valor normalizado para cada vi(3C.1.) ( xi(3C.1.) ) , associado a cada
solução individual xi(3C .1.) , foi realizada uma normalização de escala, de acordo com (4.38)
solução individual xi(3C .2.) , foi realizada uma normalização de escala, de acordo com (4.38)
234
Com vista, a se obter um valor normalizado para cada vi(3C.3.) ( xi(3C.3.) ) , associado a cada
solução individual xi(3C .3.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
Com vista, a se obter um valor normalizado para cada vi(3C.4.) ( xi(3C.4.) ) , associado a cada
solução individual xi(3C.4) , foi realizada uma normalização de escala, de acordo com (4.38)
Com vista, a se obter um valor normalizado para cada vi(4C.1.) ( xi(4C.1.) ) , associado a cada
solução individual xi(4C .1.) , foi realizada uma normalização de escala, de acordo com (4.38)
235
MSR.C.2 ( xi(4C .2.) ) - Fabrico - Emissões CO2e [kg]
solução individual xi(4C .2.) , foi realizada uma normalização de escala, de acordo com (4.38)
solução individual xi(4C .3.) , foi realizada uma normalização de escala, de acordo com (4.38)
236
FRIG.C.1 ( xi(5C .1.) ) - Uso - Emissões de CO2 (horizonte temporal) [kg]
Com vista, a se obter um valor normalizado para cada vi(5C.1.) ( xi(5C.1.) ) , associado a cada
solução individual xi(5C .1.) , foi realizada uma normalização de escala, de acordo com (4.38)
solução individual xi(5C .2.) , foi realizada uma normalização de escala, de acordo com (4.38)
237
xi(5C .3.) = F .EFRIG|Fabrico kg (5.248)
solução individual xi(5C .3.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
Com vista, a se obter um valor normalizado para cada vi(6C.1.) ( xi(6C.1.) ) , associado a cada
solução individual xi(6C .1.) , foi realizada uma normalização de escala, de acordo com (4.38)
238
Sendo F .EFRIG. , um fator de emissão fixo, referente a fase de produção do produto,
solução individual xi(6C .2.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
solução individual xi(6C .3.) , foi realizada uma normalização de escala, de acordo com (4.38)
239
Com vista, a se obter um valor normalizado para cada vi(7C.1.) ( xi(7C.1.) ) , associado a cada
solução individual xi(7C .1.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
solução individual xi(6C .2.) , foi realizada uma normalização de escala, de acordo com (4.38)
240
Com vista, a se obter um valor normalizado para cada vi(7C.3.) ( xi(7C.3.) ) , associado a cada
solução individual xi(7C .3.) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
Com vista, a se obter um valor normalizado para cada vi(7C.4.) ( xi(7C.4.) ) , associado a cada
solução individual xi(7C.4) , foi realizada uma normalização de escala, de acordo com (4.38)
indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:
241
Tabela 5.8 - Lista de critérios adotados, referente a todos os serviços energéticos aqui abordados
Dimensão
Energéti
Serviço
co
Poup.
Fabrico - Emissões
Cons.Energia Ilu.A2 IRC Ilu.B2 Ilu.C2
CO2e [kg]
Horiz. Temp.[€]
Poupança Inv. Freq.Subst. Final - Emissões
Ilu.A3 Ilu.B3 Ilu.C3
Horz Temp. [€] Lâmpadas CO2e [kg]
Invest. Inic. Qualidade
Ilu.A4 Ilu.B4
Tot. Act [€] (Fiabilidade)
Cons.Energ.Tot.
Ilu.A5 Fluxo luminoso Ilu.B5
Act. [€]
Uso - Emissões
Classe Pot. Son.
AC.A1 AC.B1 CO2e AC.C1
Ef.Ener.Arref. (Int.)[dB]
(horz.temp.)[kg]
Classe Pot. Son. Fabrico - Emissões
AC.A2 AC.B2 AC.C2
Ef.Ener.Aquec. (Ext.)[dB] CO2e [kg]
Poup.
Capac. Nominal Final - Emissões
Cons.Energia AC.A3 AC.B3 AC.C3
(Arref.) [kW] CO2e [kg]
AC - Ar Condicionado
Horz Temp.[€]
Poupança Inv. Capac. Nominal
AC.A4 AC.B4
Horz Temp. [€] (Aquec.) [kW]
Invest. Inic. Tot. Função
AC.A5 AC.B5
Act [€] desumificação
Cons.Energ.Tot. Filtro
AC.A6 AC.B6
Act. [€] dedesodorização
Qualidade
AC.B7
(Fiabilidade)
Nr.
AC.B8
Funcionalidades
Design AC.B9
Assistência Pós-
AC.B10
venda (Garantia)
Uso - Emissões
MLR - Maquina de Lavar Roupa
242
Consumo de
água total
Assistência Pós-
atualizado MLR.A.6 MLR.B6
venda (Garantia)
(Horiz.
Temporal) [€]
Poupança
consumo agua
atual. MLR.A.7
(horizonte
temporal)[€]
MSR.A.1 Uso - Emissões MSR.C1
Pot. Sonora
Classe Ef.Ener. MSR.B1 CO2e
Secagem [dB]
(horz.temp.)[kg]
MSR - Maquina Secar Roupa
(l)
(horz.temp.)[kg]
Poup. FE.C.2
Qualidade Fabrico - Emissões
Cons.Energia FE.A.2 FE.B.2
(Fiabilidade) CO2e [kg]
Horz Temp.[€]
Poupança Inv. Nr. Final - Emissões FE.C.3
FE.A.3 FE.B.3
Horz Temp. [€] Funcionalidades CO2e [kg]
Invest. Inic. Tot.
FE.A.4 Design FE.B.4
Act [€]
243
Cons.Energ.Tot. Assistencia Pos-
FE.A.5 FE.B.5
Act. [€] venda (Garantia)
Uso - Emissões MLL.C.1
Ruido (dB)
Classe Ef.Ener. MLL.A.1 MLL.B.1 CO2e
(horz.temp.)[kg]
Poup. Capacidade MLL.C.2
Fabrico - Emissões
Cons.Energia MLL.A.2 nominal MLL.B.2
CO2e [kg]
MLL - Maquina Lavar Louça
244
Estabelecidos os critérios, torna-se então possível, construir uma tabela de
desempenho, também designada de matriz de incidência, conforme abordado na Secção
4.8.4.
Esta tabela, configura-se como uma tabela com duas entradas, na qual o conjunto das
linhas i e o conjunto de colunas j, é referente ao desempenho da solução alternativa
( g jt )
individual xij , considerando o critério g jt , afeto ao serviço energetico j.
Tabela 5.9 – Tabela de desempenho, referente a todos os serviços energéticos aqui abordados: a) Iluminação
(Ilum.) b) Ar Condicionado (A.C) c) Maquina de Lavar Roupa (M.L.R) d) Maquina de Secar
Roupa (M.S.R) e) Frigorifico (Frig.) f) Forno Electrico g) Maquina de Lavar Louça (M.L.L)
a)
Ilum. A.1.1 A.2.1 ... A.n.1 B.1.1 B.2.1 ... B.n.1 C.1.1 C.2.1 ... C.n.1
X 11 v11 ( xi(1A.1.1.) ) v11 ( xi(1A.1.2.) ) ... v11 ( xi(1A.1.n.) ) v11 ( xi(B.1.1.)
1 ) v (
11 xi1
(B.1.2.)
) ... v11 ( xi(1B.1.n.) ) v11 ( xi(C.1.1.)
1 ) v (
11 xi1
(C.1.2.)
) ... v11 ( xi(C.1.
1
n.)
)
X 21 v11 ( xi(1A.1.1.) ) v11 ( xi(1A.1.2.) ) ( A.1.n.)
... v11 ( xi1 ( B.1.1.)
) v11 ( xi1 ( B.1.2.)
) v11 ( xi1 ) ( B.1. n.)
... v11 ( xi1 ( C .1.1.)
) v11 ( xi1 ( C .1.2.)
) v11 ( xi1 ) ( C .1.n.)
... v11 ( xi1 )
... ... ... ... ... ... ... ... ... ...
X 101 v11 ( xi(1A.1.1.) ) v11 ( xi(A.1.2.)
1 ) ... v11 ( xi(1A.1.n.) ) v11 ( xi(1B.1.1.) ) v11 ( xi(1B.1.2.) ) ... v11 ( xi(1B.1.n.) ) v11 ( xi(1C .1.1.) ) v11 ( xi(1C .1.2.) ) ... v11 ( xi(1C .1.n.) )
b)
A.C. A.1.2 A.2.2 ... A.n.2 B.1.2 B.2.2 ... B.n.2 C.1.2 C.2.2 ... C.n.2
X 12 v12 ( x12( A.2.1.) ) v12 ( x12( A.2.2.) ) ... v12 ( x12( A.2.n.) ) v12 ( x12(B.2.1.) ) v12 ( x12(B.2.2.) ) ... v12 ( x12( B.2.n.) ) v12 ( x12(C.2.1.) ) v12 ( x12(C.2.2.) ) ... v12 ( x12(C.2.n.) )
( A.2.1.) ( A.2.2.) ( A.2.n.) ( B.2.1.) ( B.2.2.) ( B.2. n.) ( C .2.1.) ( C .2.2.) ( C .2.n.)
X 22 v22 ( x22 ) v22 ( x22 ) ... v22 ( x22 ) v22 ( x22 ) v22 ( x22 ) ... v22 ( x22 ) v22 ( x22 ) v22 ( x22 ) ... v22 ( x22 )
... ... ... ... ... ... ... ... ... ... ... ...
( A.2.1.) (A.2.2.) ( A.2.n.) ( B.2.1.) ( B.2.2.) ( B.2. n.) ( C .2.1.) ( C .2.2.) ( C .2.n.)
X 102 v102 ( x102 ) v102 ( x102 ) ... v102 ( x102 ) v102 ( x102 ) v102 ( x102 ) ... v102 ( x102 ) v102 ( x102 ) v102 ( x102 ) ... v102 ( x102 )
c)
MLR A.1.3 A.2.3 ... A.n.3 B.1.3 B.2.3 ... B.n.3 C.1.3 C.2.3 ... C.n.3
X 13 v13 ( x13( A.3.1.) ) v13 ( x13( A.3.2.) ) ... v13 ( x13( A.3.n .) ) v13 ( x13(B.3.1.) ) v13 ( x13(B.3.2.) ) ... v13 ( x13( B.3.n.) ) v13 ( x13(C.3.1.) ) v13 ( x13(C.3.2.) ) ... v13 ( x13(C.3.n.) )
( A.3.1.) ( A.3.2.) ( A.3.n .) ( B.1.) ( B.2.) ( B.3. n.) ( C .3.1.) ( C .3.2.) ( C .3.n.)
X 23 v23 ( x23 ) v23 ( x23 ) ... v23 ( x23 ) v23 ( x23 ) v23 ( x23 ) ... v23 ( x23 ) v23 ( x23 ) v23 ( x23 ) ... v23 ( x23 )
... ... ... ... ... ... ... ... ... ... ... ...
( A.3.1.) (A.3.2.) ( A.3.n .) ( B.3.1.) ( B.3.2.) ( B.3.n.) ( C .3.1.) ( C .3.2.) ( C .3.n.)
X 103 v103 ( x103 ) v103 ( x103 ) ... v103 ( x103 ) v103 ( x103 ) v103 ( x103 ) ... v103 ( x103 ) v103 ( x103 ) v103 ( x103 ) ... v103 ( x103 )
d)
MSR A.1.4 A.2.4 ... A.n.1 B.1.1 B.2.1 ... B.n.4 C.1.4 C.2.4 ... C.n .4
X 14 v14 ( x14( A.1.) ) v14 ( x14( A.2.) ) ... v14 ( x14( A.n .) ) v14 ( x14(B.1.) ) v11 ( xi(B.2.)
1 ) ... v14 ( x14( B.n.) ) v14 ( x14(C.1.) ) v14 ( x14(C.2.) ) ... v14 ( x14(C.n.) )
( A.1.) ( A.2.) ( A.n .) ( B.1.) ( B.2.)
X 24 v24 ( x24 ) v24 ( x24 ) ... v24 ( x24 ) v11 ( x24 ) v24 ( x24 ) ... v11 ( xi(1B.n.) ) v24 ( x24 ( C .1.)
) v24 ( x24( C .2.)
) ( C .n.)
... v24 ( x24 )
... ... ... ... ... ... ... ... ... ... ... ...
( A.1.) (A.2.) ( A.n .) ( B.1.) ( B.2.) ( B. n.) ( C .1.) ( C .2.) ( C . n.)
X 104 v104 ( x104 ) v104 ( x104 ) ... v104 ( x104 ) v104 ( x104 ) v104 ( x104 ) ... v104 ( x104 ) v104 ( x104 ) v104 ( x104 ) ... v104 ( x104 )
245
e)
Frig. A.1.5 A.2.5 ... A.n.5 B.1.5 B.2.5 ... B.n.5 C.1.5 C.2.5 ... C.n.5
X 15 v15 ( x15( A.5.1.) ) v15 ( x15( A.5.2.) ) ... v14 ( x14( A.5.n .) ) v14 ( x14(B.5.1.) ) v11 ( xi(B.5.2.)
1 ) ... v15 ( x15( B.5.n.) ) v15 ( x15(C.5.1.) ) v15 ( x15(C.5.2.) ) ... v15 ( x15(C.5.n.) )
( A.5.1.) ( A.5.2.) ( A.5.n .) ( B.5.1.) ( B.5.2.) ( B.5. n.) ( C .5.1.) ( C .5.2.) ( C .5.n.)
X 25 v25 ( x25 ) v25 ( x25 ) ... v25 ( x25 ) v25 ( x25 ) v25 ( x25 ) ... v25 ( x25 ) v25 ( x25 ) v25 ( x25 ) ... v25 ( x25 )
... ... ... ... ... ... ... ... ... ...
( A.5.1.) (A.5.2.) ( A.5.n .) ( B.5.1.) ( B.5.2.) ( B.5. n.) ( C .5.1.) ( C .5.2.) ( C .5.n.)
X 105 v105 ( x105 ) v105 ( x105 ) ... v105 ( x105 ) v104 ( x104 ) v104 ( x104 ) ... v104 ( x104 ) v105 ( x105 ) v105 ( x105 ) ... v105 ( x105 )
f)
F .E. A.1.6 A.2.6 ... A.n.6 B.1.6 B.2.6 ... B.n.6 C.1.6 C.2.6 ... C.n.6
X 16 v16 ( x16( A.6.1.) ) v16 ( x16( A.6.2.) ) ... v16 ( xi(1A.6.n .) ) v16 ( xi(B.6.1.)
1 ) v (
16 xi1
(B.6.2.)
) ... v16 ( x16( B.6.n.) ) v16 ( x16(C.6.1.) ) v16 ( x16(C.6.2.) ) ... v16 ( x16(C.6.n.) )
( A.6.1.) ( A.6.2.) ( A.6.n .) ( B.6.1.) ( B.6.2.) ( B.6.n.) ( C .6.1.) ( C .6.2.) ( C .6.n.)
X 26 v26 ( x26 ) v26 ( x26 ) ... v26 ( x26 ) v26 ( x26 ) v26 ( x26 ) ... v26 ( x26 ) v26 ( x26 ) v26 ( x26 ) ... v26 ( x26 )
... ... ... ... ... ... ... ... ... ... ... ...
( A.6.1.) (A.6.2.) ( A.6.n .) ( B.6.1.) ( B.6.2.) ( B.6.n.) ( C .6.1.) ( C .6.2.) ( C .6.n.)
X 106 v106 ( x106 ) v106 ( x106 ) ... v106 ( x106 ) v106 ( x106 ) v106 ( x106 ) ... v106 ( x106 ) v106 ( x106 ) v106 ( x106 ) ... v106 ( x106 )
g)
MLL A.1.7 A.2.7 ... A.n.7 B.1.7 B.2.7 ... B.n.7 C.1.7 C.2.7 ... C.n .7
X 17 v17 ( x17( A.7.1.) ) v17 ( x17( A.7.2.) ) ... v17 ( x17( A.7.7.n.) ) v17 ( x17(B.7.1.) ) v17 ( x17(B.7.2.) ) ... v17 ( x17( B.7.n.) ) v17 ( x17(C.7.1.) ) v17 ( x17(C.7.2.) ) ... v17 ( x17(C.7.n.) )
( A.7.1.) ( A.7.2.) ( A.7.n.) ( B.7.1.) ( B.7.2.) ( B.7.n.) ( C .7.1.) ( C .7.2.) ( C .7.n.)
X 27 v27 ( x27 ) v27 ( x27 ) ... v27 ( x27 ) v27 ( x27 ) v27 ( x27 ) ... v27 ( x27 ) v27 ( x27 ) v27 ( x27 ) ... v27 ( x27 )
... ... ... ... ... ... ... ... ... ... ...
( A.7.1.) (A.7.2.) ( A.7.n.) ( B.7.1.) ( B.7.2.) ( B.7.n.) ( C .7.1.) ( C .7.2.) ( C .7.n.)
X 107 v107 ( x107 ) v107 ( x107 ) ... v107 ( x107 ) v107 ( x107 ) v107 ( x107 ) ... v107 ( x107 ) v107 ( x107 ) v107 ( x107 ) ... v107 ( x107 )
(g jt )
)=
(v efect .ij
(g jt )
( xij ) − vpior.ij ( xij
(g jt )
))
(v ))
vij ( x ij (5.204)
) − vpior.ij ( x
(g jt ) (g jt )
melhor.ij ( x ij ij
Esta função de valor, poderá, contudo, ser ainda reconvertida no valor de origem
respetivo, através das relações seguintes, baseadas nas expressões (5.5) e (5.204)
respetivamente, i.e.:
246
= vefect .ij ( xij ). ( xmelhor .ij − x pior.ij ) + x pior .ij
(g jt ) (g jt )
xij (5.206)
dimensão, resultara uma única função objetivo Vm ( x ) , elaborada a partir das 3 funções
objectivo acima definidas, sendo as mesmas respeitantes a cada uma das 3 dimensões da
sustentabilidade referidas anteriormente, nomeadamente: A - Economica, B - Social e C -
Ambiental.
Nas secções seguintes, far-se-á a definição da função objectivo, das restrições, bem
como das variáveis de decisão associadas.
247
( g jt )
xj - Variável de decisão, referente ao serviço energético j, estabelecida de acordo
com um dado critério t, associado por seu turno ao serviço energético j e a dimensão g
( g jt )
g jt Aj1 , Aj 2 ,.. AjnA B j1 , B j 2 ,..B jnB C j1 , C j 2 ,.., C jnC
j j j
(5.207)
Com:
g = A , B, C j = 1, 2,..,7 t = 1, 2,.., ng j ng j , t, j (5.208)
Onde:
( g jt ) ( g jt )
Deste modo, a atribuição de valor vij a xij , vêm definida da seguinte forma:
⎯⎯
→ vij
( g jt ) ( g jt ) ( g jt )
xij ( xij ) (5.209)
Onde:
248
C - Coeficiente de escala associado ao Critério C (Ambiente)
VA ( x) - Função de valor agregada das soluções referentes a cada serviço energetico j,
por sua vez associado ao Critério A (Economico)
VB ( x) - Função de valor agregada das soluções referentes a cada serviço energetico j,
por sua vez associado ao Critério B (Social)
VC ( x) - Função de valor agregada das soluções referentes a cada serviço energetico j,
por sua vez associado ao Critério C (Ambiente)
agregado, referente a uma dada solução, pertencente por sua vez ao serviço energético j, e
respeitante a dimensão g.
Estas componentes, podem ser obtidas a partir das respetcivas subcomponentes
individuais respectivas, do seguinte modo:
nA j
Deste modo, o valor agregado total, referente a uma dada solução i, associada ao
serviço energético j, pode ser obtido através de:
expressão do valor total agregado, pode ainda ser definida da seguinte forma:
nj
249
Pelo que, e com base em (5.215) e em (5.211) (5.212) (5.213), têm-se a expressão de
VTotal ( x ) , reescrita da seguinte forma:
nA j (A jt ) ( Ajt )
nj nB j nC j
VTotal ( x ) = vij ( xij ) + vij ( xij ) + vij jt ( xij jt )
(B jt ) (B jt ) (C ) (C )
(5.216)
j =1 t =1
t =1 t =1
I
nj
nA j (A jt ) ( Ajt ) nB j nC j
VTotal ( x ) = A . v j ( x j ) + B . v j ( x j ) + C . v j jt ( x j jt )
(B jt ) (B jt ) (C ) (C )
(5.218)
j =1
t =1 t =1 t =1
nj
VTotal ( x ) = A . ( A )
(
nA j x ( Ajt ) − x ( Ajt )
) + . ( x
nB j (B jt ) (B )
)
− x piorjt. j nC j
(
x jt − x piorjt. j
(C )
+ . efect . j
(C )
) (5.219)
x C
efect . j pior . j efect . j
j =1
t =1
(
x melhor . j − x piorjt. j
jt (A )
) B
(
t =1
(B jt )
melhor . j
(B )
)
− x piorjt. j
t =1 x
(
(C jt )
melhor . j
− x piorjt. j
(C )
)
Contudo, e tendo como base nas expressões (5.214) e (5.218), a expressão pode ainda
ser representada de uma forma simplificada, originando para o efeito a expressão seguinte:
As soluções ótimas obtidas, terão de observar não apenas os critérios que o agente-
decisor (consumidor) mais valoriza, como também, atender a um conjunto de requisitos de
diversa natureza (económica, bem-estar ou até mesmo ambiental) associadas a cada
situação em concreto.
250
Deste modo, e com base na revisão da literatura existente, desenvolveu-se um
conjunto de restrições que atendessem aos requisitos referidos anteriormente.
Restrição orçamental
O agente-decisor (consumidor), dispõe normalmente de um rendimento disponível e
limitado (disp. ) para a tomada de decisão, e aquando da aquisição do(s) serviço(s)
nj
nj
T
I ( X ) disp . I T = I ij ( x ij
)
I ij ( x ij ) disp. c / n j = 1, 2,.., 7 j = 1, 2,.., 7 (5.221)
j =1 j =1
onde:
I j ( x j ) - Investimento inicial da solução individual x j associada ao serviço energético
j [€]
disp.
- Rendimento disponível, associado ao agente-decisor [€]
IT ( X ) - Investimento total, associado a solução agregada X [€]
Formalmente, vêm:
nj
r1 : I ij ( x ij ) disp. (5.222)
j =1
nj
(A )
r1 : xij j 4 + xi(2 25 ) disp.
A
(5.223)
j =1
j 2
251
Conforto visual
Em . A.FD .F .n
n= Em = i U (5.224)
FU .i A.FD
.F .n .F .n
r2 : Em Emin Em = i u i u Emin (5.225)
A.Fd A.Fd
i .Fu .n i
Emedio = Emedio = K1 (5.226)
A.Fd A
Com área A constante, a expressão anterior, pode ainda ser reescrita da seguinte forma:
x( 15 )
B
r2 : Em Emin Em = i K1 i K1 Emin 1 K1 Emin (5.227)
A A A
252
Conforto térmico
Onde:
(P no m. Arref . ) superior a carga correspondente prevista (Q th. Arref .( proj .) ) , tendo em conta um
conjunto de factores previamente estabelecidos com o contexto onde se insere o
consumidor (numero de ocupantes, área e características do edifício, etc.). O mesmo
(
sucede-se com a capacidade nominal de aquecimento Pno m. Aquec.i e a carga correspondente )
( )
prevista Qth. Aquec.( proj .) .
253
r51 : Ruido1 Ruidodef .1
r52 : Ruido2 Ruidodef .2
c / i = 5 e j = 2,3, 4,5,6 (5.232)
r : Ruido Ruido
5j j def . j
Onde:
Ruido j - Ruido associado a uma dada solução individual i, referente ao serviço energetico
j [dB]
Ruidodef . j - Limite máximo de ruido associado a uma dada solução individual i, referente
ao serviço energetico j [dB]
r : x( B21 ) Ruido
51 i1 def .1
r : x( B31 ) Ruido
52 i 2 def .2
Consumo de Água
r61 : Cef . m3 CMLR r61 : Cef .HT H 2 O € 1/ H 2O € / m3 CMLR r61 : xi(3A.3.6.) 1/ H O CMLR
HT ( H 2 O ) i 3
( ) i3
2
(5.234)
r62 : Cef .HT ( H 2O) i 7 € 1/ H 2O € / m CMLL
1/ H 2O CMLL
r62 : Cef .HT ( H 2 O) i 7 m CMLL
( A.7.5.)
3 3 r :x
6 j i7
254
5.4.4. Modelo final
max Vm ( x ) , c / m = A, B, C (5.235)
c / Vm ( x) = VA ( x),VB ( x),VC ( x)
T
sujeito a x X
com:
nA j
Com:
nj
VTotal ( x ) = A . ( A )
(
nA j x ( Ajt ) − x ( Ajt )
) + . ( x nB j (B jt ) (B )
)
− x piorjt. j nC j
(
x jt − x piorjt. j
(C )
+ . efect . j
(C )
) (5.242)
x C
efect . j pior . j efect . j
j =1
t =1
jt
(
x melhor . j − x piorjt. j
(A )
) (
B
t =1
(B jt )
melhor . j
)
− x piorjt. j
(B )
t =1 x((C jt )
melhor . j
− x piorjt. j
(C )
)
Sujeito as restrições seguintes:
nj
(A )
r1 : xij j 4 + xi(2 25 ) disp.
A
(5.243)
j =1
j 2
x1( 15 )
B
r2 : K1 Emin (5.244)
A
r3 : x2(
B23 )
Qth. Aquec.( proj .) (5.245)
255
r4 : x2( B24 ) Qth. Aquec.( proj .) (5.246)
r : x( B21 ) Ruido
51 i1 def .1
r : x Ruido
( B31 )
52 i 2 def .2
256
Este desenvolvimento, tornar-se-á mais percetível no capítulo seguinte (Capítulo 6),
através de um exemplo de aplicação, baseado num caso de estudo e num conjunto de dados
reais, provenientes do mercado de eletrodomésticos (serviços energéticos).
257
Capítulo 6
Aplicação e validação
do modelo proposto
Resumo
Neste capítulo, propõe-se uma aplicação
do modelo proposto no capítulo
anterior, com o objectivo final, de serem
obtidas soluções sustentaveis para o
agente-decisor. As soluções obtidas
serão objecto de analise, no sentido de
se avaliar o modelo, quanto a
consistência e robustez dos resultados
obtidos.
258
6. Aplicação e validação do modelo proposto
6.1. Introdução
6.2.1. Contexto
259
Para alem do consumidor acima referido, o edifício possui ainda mais 3 ocupantes
(ex.: agregado familiar).
Relativamente ao edifício, este compreende uma moradia unifamiliar com 5
assoalhadas, cuja planta é apresentada na Figura 6.1.
Esta moradia, é constituída por:
17 m
260
Tabela 6.1 - Dimensões das divisões da moradia
O presente caso pressupõe que a família acima referida, pretende equipar a sua casa
com um conjunto de equipamentos essenciais ao seu bem-estar, dispondo para tal de um
orçamento limitado para o fazer.
Uma das restrições do problema, prende-se com a escolha do sistema de ar
condicionado para a sala (sendo esta a única divisão a ser equipada), pois será necessário
ter em conta as cargas térmicas a vencer, de modo a calcular-se a potência de refrigeração
e de aquecimento, ambas necessárias para vencer as mesmas cargas.
Na secção seguinte, e com base nas dimensões da sala de estar (Tabela 6.1), é obtida a
potência total do ar condicionado, necessária a refrigeração/aquecimento da referida
divisão.
No âmbito do que fora referido anteriormente, e com base na Figura 5.1, torna-se
necessário partir de um conjunto de prossupostos e parâmetros de entrada do modelo
(Tabela 6.2), sendo estes últimos definidos pelo agente-decisor.
261
Tabela 6.2 - Prossupostos e parâmetros de entrada considerados
Taxa de Actualização
Factor de Emissão [gCO2/kWh] 675 7
[%]
Ciclo de vida (fase de uso) [anos]: 10 Factor de actualização 7.02
Tarifa de Energia Electrica [€/kWh] 0.162 Tarifa de água [€/m3] 1.19
Deste modo, com base na Tabela 6.2 e definidos pelo agente-decisor (consumidor),
temos como parâmetros de entrada o número de serviços energéticos (eletrodomésticos) a
considerar, o orçamento previsto pelo consumidor para aquisição dos mesmos e o respetivo
perfil de consumo associado a cada um deles e definido tanto em duração como frequência
de uso.
Este último conjunto de parâmetros, tanto pode ser definido pelo consumidor, como
assumido por defeito pela metodologia aqui proposta. Refira-se que o perfil de consumo,
aqui considerado, é elaborado numa base diária, sendo depois extrapolado para as bases
mensal e anual respetivamente, de forma a se poder estimar os respetivos consumos
durante o horizonte temporal, também ele estipulado pelo consumidor. Neste trabalho, foi
adotado, contudo, o período de 10 anos, como sendo um período, normalmente aceite pela
generalidade dos estudos realizados em torno da análise do ciclo de vida do produto (ACV)
respeitante aos eletrodomésticos (Santos et al, 2018a).
262
Relativamente ao orçamento, assumido pelo agregado familiar para adquirir os
eletrodomésticos pretendidos, foi considerado o valor de 2900 €, tidos pelo consumidor
para a aquisição de 7 serviços energéticos (eletrodomésticos).
Pretendendo-se selecionar um ar condicionado para a sala de estar, e com base nas
dimensões da referida divisão (Figura 6.1), estimou-se uma capacidade mínima de
refrigeração/aquecimento de 9904,6 BTU.
Com base no que fora referido anteriormente, e tendo como base, um conjunto de
critérios pré-definidos (Tabela 6.1), foram pré-selecionadas um conjunto finito de potenciais
soluções, referentes a cada serviço energético, e a que se deu o nome de “Opção i,
n1 = n2 = n3 = n4 = n5 = n6 = n7 = 10 (6.1)
263
Tabela 6.3 - Critérios utilizados na pré-seleção dos serviços energéticos a considerar no caso de estudo
O conjunto de critérios referidos na Tabela 6.3, foi estabelecido tendo como base o
número de ocupantes do edifício. Com base neste conjunto de critérios e no espaço de
decisão, apresentado e formalizado nas Figuras 6.2 e 5.3, surge um conjunto de potenciais
soluções, que nos permite definir e formalizar o espaço de decisão (busca), referente ao
caso de estudo aqui apresentado (Figura 6.2).
Dimensão j
N
Soluções
x31 x32 x33 x34 x35 x36 x37
264
Tal problema, conduz-nos a um problema do tipo combinatório, cujo número total de
combinações, ascende a 10000000 (107) combinações (assumindo o problema irrestrito).
Posteriormente, e no âmbito da 1ª Fase de implementação do modelo (Fig.6.3),
calcularam-se as poupanças, referentes a cada opção, e durante o ciclo de vida útil
(horizonte temporal) considerado, referentes aos respetivos consumos (água e energia
elétrica), tendo sempre como base de comparação, a solução homologa, e energeticamente
menos eficiente.
Para além das poupanças acima referidas, foram ainda estimadas as emissões de CO2
correspondentes, durante o ciclo de vida útil dos equipamentos em questão.
Todos os valores, resultantes dos cálculos acima referidos e respeitantes á 1ª Fase de
implementação do modelo, encontram-se apresentados no ANEXO I.
Na secção seguinte, far-se-á a atribuição de valores de acordo com uma abordagem
multicritério, respeitante as três dimensões abordadas neste trabalho.
265
Estes critérios, apresentados no Capítulo 5 e resumidos na Tabela 5.8, permitem que o
consumidor expresse as suas preferências, as quais serão utilizadas posteriormente para
obter para cada uma das soluções em analise, o respetivo atributo, sendo este materializado
posteriormente, através de um valor no âmbito da teoria MAVT.
266
6.3.3. 3ª Fase - Obtenção de soluções sustentáveis (ótimas) para o consumidor
Nesta fase, pretendeu-se obter soluções sustentáveis, tendo como base os critérios
inicialmente empregues e a implementação das preferências do consumidor, conforme já
aqui referido anteriormente (Figura 6.5).
Para esse efeito, selecionaram-se soluções que maximizassem as pretensões do
consumidor, e de acordo com a importância relativa atribuída por este, i.e., através da
aplicação de pesos (ωA, ωB e ωC) a cada uma das dimensões consideradas.
267
nA j
Onde,
nj
VTotal ( x ) = A . ( A )
(
nA j x ( Ajt ) − x ( Ajt )
) + . ( x nB j (B jt ) (B )
)
− x piorjt. j nC j
(
x jt − x piorjt. j
(C )
+ . efect . j
(C )
)
x C
efect . j pior . j efect . j
( ) ( ) ( )
(6.7)
t =1 x − x piorjt. j t =1 x
B
− x piorjt. j − x piorjt. j
(A ) (B jt ) (B ) (C jt ) (C )
j =1
jt
t =1
melhor . j melhor . j melhor . j
Formalmente:
max VTotal ( x )
(6.8)
x
nj
(A )
r1 : xij j 4 + xi(2 25 ) disp.
A
(6.9)
j =1
j 2
x( 15 )
B
r2 : 1 K1 Emin (6.10)
A
r3 : x2(
B23 )
Qth. Aquec.( proj .) (6.11)
r : x Ruido
( B 31 )
52 i 2 def .2
268
r61 : xi(3A.3.6.) 1/ H 2O CMLR
(6.14)
r : x( A.7.5.) 1/ C
6 j i7 H 2O MLL
A codificação utilizada nos GA’s foi a real, tendo sido utilizado, contudo, e numa
primeira abordagem, a codificação binária, envolvendo neste caso a dimensão Económica
como único objetivo a ser maximizado (Santos, 2018a).
269
Esta abordagem inicial, centrada em GA’s uni objetivo, demonstrou, contudo, uma
desvantagem, nomeadamente, relacionada com a perda substancial de eficiência do
algoritmo, á medida que se aumentava o número de serviços energéticos
(eletrodomésticos) a adquirir, bem como o número de opções por serviço energético.
A perda de eficiência do algoritmo, prende-se essencialmente com o tempo de
execução, dado que o problema a ser abordado, é considerado como um problema do tipo
N-P em termos computacionais, e como tal, sujeito a um tempo polinomial associado
(Cormen et al, 2001 e Garey & Johnson, 1979). Deste modo, a escolha do método de
codificação, assume particular influencia no desempenho do algoritmo, sendo que a
codificação real, aplicada neste tipo de problema, de natureza combinatória, revelou-se
mais eficiente ao contornar este tipo de desvantagem (Santos, 2019a).
O algoritmo foi programado em Matlab (Figura 6.7), tendo sido essencialmente
testado num computador com CPU i7, 2700 MHz e 6GB de Memoria RAM.
270
A utilização do Matlab, revelou-se igualmente vantajosa, dada a facilidade de
interação com o MsExcel através da importação de dados pré-processados, no âmbito da 1ª
e 2ª fases de implementação, referente á abordagem aqui proposta (Figura 6.8).
Dado que o NSGA II, recorre a meta heurísticas, houve a necessidade de se analisar a
consistência e a robustez dos resultados obtidos, provenientes do NSGA II.
Pela mesma razão acima referida, foram testados vários valores para cada um dos
parâmetros do NSGA II, nomeadamente; taxa de mutação, taxa de cruzamento, população
inicial entre outros parâmetros associados.
Na secção seguinte, dar-se-á a conhecer em maior detalhe os testes realizados nesse
sentido.
271
6.4. Apresentação e discussão dos resultados obtidos
6.4.1. Introdução
Tal como fora referido anteriormente, a primeira abordagem deste estudo, envolveu
apenas a dimensão Económica, e para o mesmo caso de estudo.
As simulações, obtidas e publicadas em trabalhos anteriores (Santos (2018a) e Santos
(2018b), permitiram cumprir os seguintes objetivos:
272
variável x ij , i.e., não incluindo as preferências do consumidor, e sem o recurso a
No Electric Appliances
Optimal Process
(solutions) chosen by the
GA solver
Consumer initial data: Savings regarding each consumer:
option i and dimension j:
• Solutions Yes •
VR ( xij ) =
Appliances to be acquired Adopted Ligting
acepted by the
(Problem dimensions) Criteria • Air Condicioner
consumer?
• Number of household
occupants (
= f Pconsij ( xij ) , Pinv.ij ( xij ) ) •
•
Wash Machine
Dryer machine
• Available budget • Refrigerator
• Oven
Market • Dishwash
(Electrical
appliances)
Deste modo, e no que toca ao presente estudo, apresentam-se nas Figuras 6.10 a) e
6.10 b) o valor do investimento total referente a cada solução, bem como o valor da função
objetivo (fitness) respetiva, sempre numa ótica de comparação entre os resultados
provenientes dos AG’s (a “a azul”) e os provenientes do SIMPLEX (a “vermelho”).
a) b)
Figura 6.10 – Resultados obtidos AG’s mono-objectivo vs Método SIMPLEX (Santos et al, 2018b)
a) investimento total suportado pelo consumidor b) valor da função objetivo
273
Em relação a dados de simulação, o tempo médio de execução dos AG’s foi de 7,1 s e
12,3 s para o algoritmo SIMPLEX, considerando todos os cenários de restrição orçamental.
A máquina utilizada, consistiu num PC com CPU i5 2.7 GHz e 4GB de memoria
RAM.
Tal como fora referido anteriormente, os AG’s são usados para resolver vários tipos
de problemas de otimização combinatória, evitando os máximos locais e fornecendo várias
soluções viáveis.
Contudo, os AG’s baseiam-se em meta heurísticas, pelo que devido à sua natureza
estocástica, foi realizada uma análise estatística para avaliar a consistência dos resultados
obtidos, conforme sugerido em alguns trabalhos relacionados (e.g., Aghay Kaboli et al,
2017). Os resultados obtidos, encontram-se apresentados na Tabela 6.4.
Tabela 6.4 – Analise estatística com 15 corridas por cenário de restrição orçamental (AG’s vs Simplex)
Função Objetivo (Vr)
Cenário restrição
1800 1900 2000 2100 2200 2300 2400 2500 2600 2700 2800 2900 3000
orçamental (€)
Simplex - -3.6400 3.1300 2.1000 2.3500 2.1200 2.1650 2.1400 2.1200 2.1000 2.2500 2.1700 2.1100 2.1700
Mínimo
1.7784 1,8187 1.9177 2.1980 2.0180 2.0284 2.0282 2.0580 1.9381 2.1967 2.0582 1.9177 2.0284
Método
Média
1.7800 2,9000 1.9200 2.2000 2.0200 2.0300 2.0300 2.0600 1.9400 2.2000 2.0600 1.9800 2.0300
AG’s
Máximo
1.7816 1,9213 1.9223 2.2020 2.0220 2.0316 2.0318 2.0620 1.9419 2.2033 2.0618 1.9824 2.0316
Desvio Padrão
0.0112 0,0124 0.0123 0.0178 0.0183 0.0112 0.0124 0.0147 0.0149 0.0152 0.0154 0.0157 0.0160
274
Figura 6.11 – Convergência de resultados, referente ao melhor valor de função objetivo/geração
(restrição orçamental de 1900 euros e considerando 20 corridas) (Santos et al, 2018b)
a) b)
Figura 6.12 –Sensibilidade dos AG’s, através do valor de fitness respetivo para diferentes valores
de parametrização: a) taxa de mutação b) dimensão da população (Santos et al, 2018b)
275
Com base nos resultados acima expostos, verifica-se que os melhores resultados dos
AG’s, encontram-se situados entre um valor de taxa de mutação de 4 e 8%, ao passo que
no caso da dimensão da população, o intervalo de valores respetivo, fica compreendido
entre 200 e 500 indivíduos aproximadamente.
Fazendo a média dos limites, referentes aos intervalos de valores respetivos, obtêm-se
o melhor parâmetro de controlo respetivo, resultando neste caso numa taxa de mutação de
6%, uma dimensão de população inicial de 350 indivíduos e uma taxa de crossover de
70%.
Foi com base nestes valores, que se obteve a solução apresentada na Tabela 6.5.
As poupanças em termos de CO2 equivalentes, são também apresentadas, e resultam
da comparação entre a adoção da solução eficiente em detrimento da solução menos
eficiente (solução standard).
Tabela 6.5 - Exemplo de solução eficiente obtida – Mono-objectivo
Effic.
Solução
Sol. Poup. Poup. Poup.
Serviço Energetico Standard
Total Invest. Cons. CO2 Marca Modelo/Ref.
/Electrodoméstico Total
Invest (€) E.Elect.(€) (kg)
Invest. (€)
(€)
GENIE
Iluminação 15,89 50,55 5,34 58,44 28,5 Philips ESAVER
11W/827
TC N12KRH
Ar Condicionado 368,0 299,0 69,0 1315,6 1315,57 Electro
PORT
Frigorifico 250,0 529,0 -279,0 704,11 8,5 Indesit TAN13FFS
Maq. Lav. Louça 310,0 349,0 -39,0 3,2 6,2 Fagor 1LF-011S
Maq. Lav. Roupa 262,0 294,0 -32,0 6,85 94,8 Zanussi FLN1009
Forno Electrico 170,0 199,0 -29,0 1,3 2,6 Candy FST100X
Maq.Secar Roupa 349,0 419,0 -70,00 11,32 1,8 Indesit 1SL79C
Total 1724,89 2149,55 -374,66 2100,82 1457,97 - -
276
de soluções sustentáveis, resolveu-se alargar as dimensões de atuação do modelo anterior,
procurando-se obter um modelo que fornecesse soluções sustentáveis.
Deste modo, incorporou-se a metodologia apresentada na Figura 6.13 (a qual serviria
mais tarde, para desenvolver metodologia final, apresentada na Figura 5.1), tendo-se
desenvolvido um modelo cuja dimensão social, associada ao conforto/satisfação do
consumidor, encontrava-se originalmente expressa no modelo, através das preferências
deste.
Deste modo, a função objetivo, integrou apenas a dimensão Económica e a Dimensão
Ambiental, tendo a metodologia sido objeto de vários estudos posteriores, o que lhe
conferiu várias possíveis abordagens, e que vieram mais tarde a ser publicadas (Santos,
2019a) e (Santos, 2019b).
Deste modo, a implementação desta abordagem baseou-se no que já aqui fora referido
anteriormente, nomeadamente a implementação da abordagem multiatributo MAVT, na
qual resultou na construção de uma função de agregação multiobjectivo, cujas funções
277
objetivo, seriam constituídas respetivamente pelas dimensões Económica e Ambiental do
problema.
Das múltiplas experiências realizadas, e com base em estudos de opinião, estabeleceu-
se como níveis de importância relativa para cada uma destas funções objetivo, os
seguintes; ωA (Economico) = 0,7 e ωC (Ambiental) = 0,3.
Para a otimização das funções acima referidas, adotaram-se alguns dos parâmetros, já
apresentados na Secção 6.34, nomeadamente:
• Método de seleção: Torneio
• Método de Crossover: 2 pontos de cruzamento
• Método de mutação: 1 ponto
a) b)
Figura 6.14 – Fronteira de Pareto para diferentes valores de parâmetros do NSGA II (Santos,
2019b): a) População b) Taxa de cruzamento (crossover) e taxa de mutação (mutation rate)
278
Relativamente as taxas de cruzamento e de mutação, e com base nos resultados da
Figura 6.14 a), verifica-se um elevado grau de proximidade entre as diferentes Frentes de
Pareto obtidas, pelo que foram adotados como valores de taxas de crossover e de mutação,
os valores de 0,9 e 0,1 respetivamente. Foi ainda adotada, uma dimensão de população
inicial de 100 indivíduos e um valor de dimensão do torneio de 10 indivíduos.
Relativamente á influencia do critério de paragem “máximo número de gerações” na
Frente de Pareto obtida, verificou-se a existência de um grau de proximidade reduzido
entre as duas curvas respetivas (Figura 6.14b)), nomeadamente entre a curva de 100 e a
curva de 90 gerações como valores máximos.
Na Figura 6.15 a), encontra-se apresentada a evolução da Frente de Pareto obtida,
enquanto que na Figura 6.15 b), é apresentado a Frente de Pareto, com a inclusão dos
parâmetros de controlo obtidos e definidos anteriormente.
Cada ponto (ou nó) da curva da Figura 6.15 b), designa uma potencial solução. Um
destes nós é apresentado na Tabela 6.6, como exemplo de uma solução viável obtida,
considerando um orçamento de 2100 €.
a) b)
Figura 6.15 – Fronteira de Pareto obtida (Santos, 2019a): a) Evolução do valor da função objetivo
para diferentes gerações b) Frente de Pareto obtida, referente a última geração
A Frente de Pareto obtida, é formada por trezes soluções, sendo que uma delas
encontra-se apresentada na Tabela 6.6.
As poupanças em termos de CO2 equivalentes, são igualmente apresentadas, e
resultam da comparação entre a solução eficiente adotada em detrimento da solução menos
eficiente (solução standard).
279
Tabela 6.6 - Exemplo de solução sustentável obtida – Multiobjectivo (ωA =0.7, ωB = 0 e ωC = 0.3)
Effic.
Solução
Sol. Poup. Poup. Poup. Poup.
Serviço Energetico Standard
Total Invest. Cons. Cons. CO2 Marca Modelo/Ref.
/Electrodoméstico Total
Invest (€) E.Elect.(€) Àgua(l) (kg)
Invest. (€)
(€)
Iluminação 15.89 09.53 5.34 59.40 - 28.90 GE EFL23W
Ar Condicionado 368.00 299.00 69.00 1320.60 - 1315.70 Whirlpool PACW9HP
Frigorifico 250.00 529.00 −279.00 708.10 - 8.70 Candy CFET 6182W
Maq. Lav. Louça 310.00 349.00 −39.00 3.20 423.00 6.90 Bosch SMS25AI00E
Maq. Lav. Roupa 262.00 294.00 −32.00 6.90 317.00 94.80 Siemens WI12A222ES
Forno Electrico 170.00 199.00 −29.00 1.70 - 2.20 Zanussi ZZB21601XV
Maq.Secar Roupa 349.00 419.00 −70.0 12.30 - 1.70 Electrolux EDP2074PDW
Total 1724.90 2099.60 −374.70 2112.30 740.00 1458.90 - -
280
A Frente de Pareto obtida nestas circunstâncias, é a que se apresenta na Figura 6.16.
Figura 6.16 – Superfície de Pareto, respeitante a última geração (ωA = 0.65, ωB = 0.25 e ωC = 0.10)
281
Tabela 6.7 - Exemplo de solução sustentável obtida – Multiobjectivo (ωA = 0,65, ωB = 0,25 e ωC = 0,10)
Effic.
Solução
Sol. Poup. Poup. Poup. Poup.
Serviço Energetico Standard
Total Invest. Cons. Cons. CO2 Marca Modelo/Ref.
/Electrodoméstico Total
Invest (€) E.Elect.(€) Àgua(l) (kg)
Invest. (€)
(€)
Iluminação 16.88 49.04 5.35 62.20 - 27.60 Phillips LEDspotMV
Ar Condicionado 352.00 279.00 69.00 1319.50 - 1322.60 SAMSUNG AQV09PSBN
Frigorifico 234.00 399.00 −265.00 709.30 - 9.72 BECKEN Bc2016 Ix
Maq. Lav. Louça 310.00 349.00 −39.00 3.20 423.00 6.90 Bosch SMS25AI00E
Maq. Lav. Roupa 272.20 249.90 −33.00 5.60 322.10 95.10 INDESIT EWE71252 W
Forno Electrico 171.00 701.00 −28.30 2.82 - 2.33 Electrolux EZC2430AOX
Maq.Secar Roupa 368.00 449.00 −68.00 10.20 - 1.82 BOSCH WTE84107EE
Total 1724. 80 2475.94 -262.65 2112.30 740.00 1458.90 - -
282
a) b)
Figura 6.17 – Fronteira de Pareto, obtida para 2 cenários multiobjectivo a 2 dimensões: 2º
Cenário (ωA = 0.7, ωB = 0.3 e ωC = 0.0), b) 3º Cenário (ωA = 0.0, ωB = 0.7 e ωC = 0.3)
Tabela 6.8 - Exemplo de solução sustentável obtida – Multiobjectivo (ωA = 0.7, ωB = 0.3 e ωC = 0.0)
Effic.
Solução
Sol. Poup. Poup. Poup. Poup.
Serviço Energetico Standard
Total Invest. Cons. Cons. CO2 Marca Modelo/Ref.
/Electrodoméstico Total
Invest (€) E.Elect.(€) Àgua(l) (kg)
Invest. (€)
(€)
Iluminação 15.89 09.53 5.34 59.40 - 28.90 GE EFL23W
Ar Condicionado 368.00 299.00 69.00 1320.60 - 1315.70 Whirlpool PACW9HP
Frigorifico 234.00 399.00 −265.00 709.30 - 9.72 BECKEN Bc2016 Ix
Maq. Lav. Louça 310.00 349.00 −39.00 3.20 423.00 6.90 Bosch SMS25AI00E
Maq. Lav. Roupa 272.20 249.90 −33.00 5.60 322.10 95.10 INDESIT EWE71252 W
Forno Electrico 170.00 199.00 −29.00 1.70 - 2.20 Zanussi ZZB21601XV
Maq.Secar Roupa 349.00 419.00 −70.0 12.30 - 1.70 Electrolux EDP2074PDW
Total 1719.09 1924.43 −74.34 2112.10 745.01 1460.22 - -
Tabela 6.9 - Exemplo de solução sustentável obtida – Multiobjectivo (ωA = 0.0, ωB = 0.7 e ωC = 0.3)
Effic.
Solução
Sol. Poup. Poup. Poup. Poup.
Serviço Energetico Standard
Total Invest. Cons. Cons. CO2 Marca Modelo/Ref.
/Electrodoméstico Total
Invest (€) E.Elect.(€) Àgua(l) (kg)
Invest. (€)
(€)
Iluminação 15.89 69.65 5.34 59.40 - 28.90 OSRAM 3316242
Ar Condicionado 352.00 279.00 69.00 1319.50 - 1322.60 SAMSUNG AQV09PSBN
Frigorifico 250.00 529.00 −279.00 708.10 - 8.70 Candy CFET 6182W
Maq. Lav. Louça 320.10 351.99 −38.10 2.20 432.05 7.80 BALAY 3VS303IP
Maq. Lav. Roupa 262.00 294.00 −32.00 6.90 317.00 94.80 Siemens WI12A222ES
Forno Electrico 171.00 701.00 −28.30 2.82 - 2.33 Electrolux EZC2430AOX
Maq.Secar Roupa 368.00 449.00 −68.00 10.20 - 1.82 BOSCH WTE84107EE
Total 1738.99 2673,64 74.34 2109.12 749.05 1466.95 - -
283
evitando ainda 1460,22 kg de CO2 e 745,01 litros de água, com ambos os valores,
referentes ao ciclo de vida útil, considerado para os equipamentos em questão.
Já o exemplo da interação Social vs. Ambiental, mostra-nos que, e de acordo com a
solução apresentada na Tabela 6.9, se o consumidor optar pelo conjunto de soluções
disponibilizadas por esta abordagem, poderá poupar até 2109,12 €, evitando ainda 1466,96
kg de CO2 e 749,05 litros de água.
284
Capítulo 7
Conclusões e
Perspetivas de Trabalho futuro
Resumo
Neste capítulo, apresentam-se um
conjunto de conclusões com base nos
resultados obtidos, bem como na revisão
de literatura realizada anteriormente.
Serão ainda apresentadas, sugestões de
trabalho futuro, com vista a prolongar o
desenvolvimento do modelo proposto.
285
7. Conclusões e perspectivas de trabalho futuro
286
Uma das vantagens destes métodos, prende-se com a possibilidade de recorrerem a
menos recursos (e.g. tempo) para obter soluções optimas e diversificadas, face aos
tradicionais métodos de optimização, sendo particularmente eficazes e eficientes em
problemas de natureza combinatória.
No entanto, o facto de ser um método pseudo-deterministico, requere especial cuidado
na validação dos resultados obtidos, não só em termos de qualidade dos mesmos (face aos
resultados homólogos obtidos por métodos de optimização tradicionais) como tambem ao
nivel da consistência do seu comportamento, medida através dos resultados obtidos após
várias “corridas”.
Por esse facto, e pelas vantagens acima referidas, procurou-se estudar a implementação
de AE’s neste trabalho, nomeadamente através da análise do seu comportamento e dos
resultados obtidos.
Para tal, desenvolveu-se uma linha de investigação, onde se começou com uma única
abordagem uni objectivo, contemplando apenas a dimensão Economica, e onde se
comparou o desempenho dos AE’s uniobjectivo (Algoritmos Geneticos) com os resultados
provenientes de métodos de optimização tradicional (SIMPLEX).
Os testes realizados, permitiram aferir os parâmetros de controlo dos AG’s mais
adequados a optimização do problema em questão, bem como validar o uso dos AG’s,
através da análise dos respetivos resultados em termos de qualidade e consistência.
De seguida, passou-se para uma versão multiobjectivo a duas dimensões, substituindo
a versão uniobjectivo dos AG’s, por uma versão multiobjectivo, recorrendo ao método
NSGAII.
Nesta fase comprovou-se a adequabilidade dos AE’s, através da obtenção de soluções
optimas, tendo sido incluídas as preferencias do consumidor no modelo de suporte a
tomada de decisão.
Por último, integraram-se as três dimensões, com vista a obterem-se soluções no
âmbito das três dimensões da sustentabilidade: Economica, Social e Ambiental.
A busca por uma solução de compromisso agregada nestas 3 dimensões, foi orientada
não apenas pelo que já aqui fora referido, incluindo os parâmetros de controlo do NSGA II,
como tambem através do recurso a três niveis de importância relativa (ou “pesos”),
definidos pelo consumidor.
287
Para alem da qualidade e eficiencia, evidenciada através das soluções obtidas, em todas
fases da investigação aqui descrita, os AE’s, demonstraram ainda, a possibilidade de
providenciarem soluções optimas, e variadas para o consumidor.
Deste modo, e na ausência de abordagem semelhante na literatura, pensa-se ter
desenvolvido uma abordagem integradora das três dimensões referidas anteriormente,
tendo em vista a promoção da sustentabilidade a partir de soluções existentes no mercado.
De uma forma geral, as contribuições deste trabalho, podem ser sistematizadas, através
de três vertentes (Figura 7.1), nomeadamente; Ciência, Indústria e Sociedade.
Para cada uma das vertentes acima enunciadas, podemos ainda subdividir as respetivas
contribuições em três diferentes perspetivas, coincidentes com cada uma das três
dimensões consideradas no âmbito da sustentabilidade.
288
Apesar da presente metodologia, poder ser aplicada no contexto dos edificios
residenciais e de serviços, e para além das contribuições acima referidas, o trabalho aqui
desenvolvido, permitira ainda, abrir caminho para uma metodologia a ser desenvolvida
num contexto totalmente industrial.
289
Referencias
IEA,2017)
IEA: Energy Efficiency 2017 – Market Reports Series, OECD/IEA (2017)
Matias et al (2011)
Matias, J., Devezas, T.: Socio-Economic Development and Primary Energy Sources
Substitution towards Decarbonization. Low Carbon Economy, Springer, pp.49-53.
(2011)
IPCC,2015
IPCC: Climate Change 2014: Mitigation of Climate Change Summary for Policymakers
and Technical Summary, Intergovernmental Panel on Climate Change (IPCC), (2015)
(ADENE, 2010)
ADENE: Manual da Etiqueta Energética, ADENE, Lisboa ISBN: 978-972-8646-36-3
(2010)
(Hordeski, 2003)
Hordeski, M. F. (2003). New Technology for Energy Efficiency. New York, USA: The
Fairmount Press.
(Rigby, 2005)
Rigby, Barrie, Design of Electrical Services for Buildings, London and New York, Great
Britain:Spon Press, 4ed., 2005.
(Randall et al,2015)
290
Randall, M., Rawlins, T., Lewis, A., Kipouros, T., Performance Comparison of
Evolutionary Algorithms for Airfoil Design, In Procedia Computer Science, vol. 51,
pp. 2267-2276, Springer Heidelberg (2015)
(Schmenner, 2009)
Schmenner et al. (2009) Schmenner, R. W., Wassnhove, L., Ketokivi, M., Heyl, J. e Lusch,
R. F., 2009, Too much theory, not enough understanding, Journal of Operations
Management, 27, pp. 339-343.
(Nevado, 2001)
Nevado (2001) Nevado, P. P., 2001,“A Metodologia do Estudo de Casos: questoes
preliminares em Instituto Superior de Economia e Gestao – Universidade Tecnica de
Lisboa (Ed.), Ensaios de Homenagem a Rogerio Fernandes Ferreira. pp. 419-435,
ISEG.
(Eisenhardt, 1989)
Eisenhardt (1989) Eisenhardt, K. M., 1989, Building Theories from Case Study Research,
Academy of Management Review, 1989, vol.14, pp. 532-550.
(Yin, 2009)
Yin (2009) Yin, R. K., 2009, Case Study Research, Design and Methods, Applied Social
Research Methods Series, vol. 5, Sage Publications Inc., Second Edition, 2009.
(Sutton, 1997)
Sutton (1997) Sutton, R. I., 1997, The Virtues of Closet Qualitative Research,
Organization Science, vol. 8, pg. 97-106.
(Freixo, 2011)
Freixo, M. (2011). Metodologia Cientifica: Fundamentos, métodos e técnicas. (3ªEd).
Lisboa: Instituto Piaget.
(Brandalise, 2004)
Brandalise, K. C. A. Metodologia de apoio à decisão construtivista para aperfeiçoamento
de processos de faturamento em uma organização. 2004. 171f. Dissertação (Mestrado
em Engenharia de Produção) - Universidade Federal de Santa Catarina, Florianópolis,
SC.
291
Lakatos, Eva Maria; Marconi, Marina de Andrade. Fundamentos de metodologia científica.
5. ed. São Paulo: Atlas, 2003.
(Ferrão, 2009)
Ferrão, P. Ecologia Industrial: Princípios e ferramentas. Lisboa: Editora:IST Press, 2009.
(Brundtland, 1987)
Brundtland, G. (1987). Report of the World Commission on Environment and
Development: Our Common Future. United Nations General Assembly document
A/42/427.
(Pinheiro, 2006)
Pinheiro, M. D.- Ambiente e Construção Sustentável. Amadora, Instituto do Ambiente,
2006
(Fuller, 2005)
Fuller, S. (2005). Guidance on Life-Cycle Cost Analysis. Required by Executive Order
13123. Department of Energy, Federal Energy Management Program. Washington,
DC.
(BCSD,2005)
“Sustentabilidade”, BCSD Portugal, nº5, pp.2-3, Novembro 2005
(Kotler,2013)
Kotler, 2013 Administração de Marketing, 14 Ed., Pearson, Sâo Paulo, ISBN 978-85-
8143-000-3
(Pires,1998)
Aníbal Pires, Marketing: Conceitos, Técnicas e Problemas de Gestão, 2aEd., verbo,
Lisboa, 1998
Marketing, Edição compacta, Edição, SÃO PAULO: Atlas, 1985, ISBN 85-224-
1420-3
(ERSE,2011)
Energy Profiler, Perfil Energetico do sector residêncial, TRANSFORMAR ATITUDES
EM AÇÃO: PERFIL ENERGÉTICO DO SETOR RESIDENCIAL, ERSE, Setembro,
2011 (disponivel em:
http://www.erse.pt/pt/planodepromocaodaeficiencianoconsumoppec/poupar/Document
s/PerfilEnergeticoresidencial_ENERGAIA_PPEC2009_2010.pdf )
292
(Dubois et al, 2001)
Dubois, B., Laurent, G., & Czellar, S. (2001) Consumer rapport to luxury: analyzing
complex and ambivalent attitudes. Paris: HEC Group.
(Allérès,2000)
Allérès, D. (2000) Luxo...Estratégias de Marketing. Rio de Janeiro: Editora FGV.
(Castarede,2005)
Castarède, J. (2005). O luxo: os segredos dos produtos mais desejados do mundo. São
Paulo: Ed. Barcarolla.
(Christopher,2014)
Christopher, M., Lowson, R., & Peck, H. (2004). Creating agile supply chains in the
fashion industry. International Journal of Retail & Distribution Management, 32(8),
367-376.
Bloch, P. H. (1995). Seeking the ideal form: Product design and consumer
response. Journal of Marketing, 59, 16.
Erasmus, A. C., Donoghue, S., & Sonnenberg, N. C. (2011). The pertinence of status
factors in consumers’ consideration of major household appliances. Journal of Family
Ecology and Consumer Sciences/Tydskrif Vir Gesinsekologie En
Verbruikerswetenskappe, 39,47–55.
293
Ashby, Michael F. 'Materials and the Environment: Eco-informed Material Choice',
Butterworth Heinemann, 2009. 2nd Edition 2012.
LCA-WG (2014), Report on Life Cycle Inventory (LCI) Analyses of Refrigerators, The
Japan Electrical Manufactures Association, LCA-WG (Life Cycle Working Group),
junho 2014
(Disponivel em: https://www.jema-
net.or.jp/English/businessfields/environment/data/report_lci.pdf)
(Huijbregts, 2008)
Huijbregts, M. A., 2008. Ecological footprint accounting in the life cycle assessment of
products. Ecological Economics, 64, pp. 798-807.
(Ferreira, 2004)
Ferreira, J. V., 2004. Análise de Ciclo de Vida dos Produtos, Viseu: Escola Superior de
Tecnologia de Viseu.
(Ramage, 2003)
J.Ramage, Guia da Energia, Edições Monitor, Lisboa, 2003
(Wulfinghoff, 1999)
Wulfinghoff, Donald R.,Energy Efficiency Manual, Maryland, USA, Library of congress
Cataloging-in-publication Data, 1999.
(Gibbons,1992)
Gibbons, James F. et al, Building Energy Efficiency, Washington DC, USA, OTA Energy,
Materials and International Security Division, 1992.
ISO 16745-1:2017(en)
294
Sustainability in buildings and civil engineering works — Carbon metric of an existing
building during use stage — Part 1: Calculation, reporting and communication
WBCSD, 2011a
Product Life Cycle Accounting and Reporting Standard, Business Council for Sustainable
Development, WBCSD, Setembro de 2011, ISBN 978-1-56973-773-6
(disponivel em: https://ghgprotocol.org/sites/default/files/standards/Product-Life-Cycle-
Accounting-Reporting-Standard-EReader_041613_0.pdf )
(WBCSD, 2011b)
Global Warming Potential Values, Product Life Cycle Accounting and Reporting
Standard, Business Council for Sustainable Development, WBCSD, Setembro de 2011,
ISBN 978-1-56973-773-6 (disponivel em:
https://www.ghgprotocol.org/sites/default/files/ghgp/Global-Warming-Potential-
Values%20%28Feb%2016%202016%29_1.pdf )
(Cordeiro, 2014)
Cordeiro, A., (2014), Avaliação da Pegada Hidrica de um Empresa, Dissertação submetida
para obtenção do grau de Mestre em Engenharia do Ambiente, FEUP, Julho 2014
(Fell, 2017)
Michael James Fell, Energy services: A conceptual review,Energy Research & Social
Science,Volume 27,2017,
Pages 129-140,ISSN 2214-6296,https://doi.org/10.1016/j.erss.2017.02.010.
(http://www.sciencedirect.com/science/article/pii/S2214629617300518)
295
(Haas et al, 2008)
R. Haas, N. Nakicenovic, A. Ajanovic, T.Faber, L. Kranzl, A. Müller, G. ReschTowards
sustainability of energy systems: a primer on how to apply the concept of energy
services to identify necessary trends and policies, Energy Policy, 36 (11) (2008), pp.
4012-4021, 10.1016/j.enpol.2008.06.028, Transition towards Sustainable Energy
Systems
ADENE(2017)
ADENE: Manual da Etiqueta Energética, ADENE, Lisboa ISBN: 978-972-8646-36-3
(2017)
(disponivel em: http://aped.pt/application/files/9814/9668/1888/manual-etiqueta-
energetica-36-3.pdf )
DGEG (2002)
DGEG.: Eficiência Energética em Edifícios – Programa E4, Direção Geral de Energia e
Geologia, Lisboa (2002)
Malatji et al (2013)
Malatji, E., M., Zhang, J., Xia, X.: A multiple objective optimization model for building
energy efficiency investment decision, Energy and Buildings, vol. 61, pp. 81—87,
Springer, Heidelberg (2013)
(Philips, 2014)
Phillips, 2014 Tabela de Iluminação Profissional, Phillips, Abril de 2014 (disponivel em :
http://www.eiblda.pt/media/docs/Philips%20TPIP11-2014.pdf )
(OSRAM, 2002)
(OSRAM, 2002) Manual Luminotecnico Pratico, OSRAM, Suécia, Setembro 2002
(Disponivel em: https://www.iar.unicamp.br/lab/luz/ld/Livros/ManualOsram.pdf )
(EU,2009)
Regulamento (CE) N.o 244/2009 da comissão, Jornal Oficial da União Europeia, pp. 3-16,
Março de 2009 (disponivel em: https://eur-lex.europa.eu/legal-
content/PT/TXT/PDF/?uri=CELEX:32009R0244&from=PT )
(Guerrini, 2007)
Guerrini, D.P. (2007) Iluminação. Tradução . São Paulo: Érica, 2007
296
(Climaco, 2003)
Clímaco JN, C Henggeler Antunes, MJ Alves, Programação Linear Multiobjectivo – Do
modelo de programação linear clássico à consideração explícita de várias funções
objectivo, Imprensa da Universidade, Coimbra, 2003.
(Steuer, 1986)
Steuer RE; Multiple Criteria Optimization, John Wiley & Sons, New York, 1986
(Goldberg, 1989)
Goldberg, David E., Genetic Algorithms in Search and Optimization and Machine
Learning, Maryland, USA, Addison Wesley, 1989.
(Costa, 2003)
L. Costa (2003). “Algoritmos evolucionarios em optimizacao uni e multi-objectivo”. Tese
de Doutoramento. Universidade do Minho.
297
considering the rebound effect”, 9th Advanced Doctural Conference on Computing,
Electrical and Industrial Systems (DOCEIS) © IFIP International Federation for
Information Processing 2018 L. M. Camarinha-Matos et al. (Eds.): DoCEIS 2018,
IFIPAICT 521, pp. 1–10, 2018. https://doi.org/10.1007/978-3-319-78574-5_12
Baker (1985)
J.E. Baker (1985). “Adaptive selection methods for genetic algorithms”. Proceedings
of the First International Conference on Genetic Algorithms and Their Applications.
J.J. Grefenstette (Ed.). Lawrence Erlbaum Associates, 101-111.
Mitchell (1997)
M. Mitchell (1997). “An introduction to genetic algorithms”. Cambridge,
Massachusetts, London. MIT Press.
Zitzler (1999)
E. Zitzler (1999). “Evolutionary algorithms for multiobjective optimization: Methods
298
and applications”. Ph.D. Thesis. Swiss Federal Institute of Technology Zurich.
(Veldhuizen , 1999)
D.A.V. Veldhuizen (1999). “Multiobjective evolutionary algorithms: classifications,
analyses, and new innovations”. Ph.D. Thesis. Graduate School of Engineering of
the Air Force Institute of Technology, Air University.
299
evolutionary algorithm for multiobjective optimization”. Proceedings of the
EUROGEN 2001 — Evolutionary Methods for Design, Optimization and Control with
Applications to Industrial Problems. K.C. Giannakoglou et al. (Eds.), 95–100.
Schaffer (1984)
J.D. Schaffer (1984) “Some experiments in machine learning using vector evaluated
genetic algorithms”. Ph.D. Thesis. Vanderbilt University, Nashville, TN.
(Simon, 1977)
H. Simon. The new science of management decision. Prentice-Hall, Englewood Cliffs,
1977
300
P Goodwin, G Wright, Decision Analysis for Management Judgment, 3rd ed., John Wiley
& Sons, 2004.
(Edwards, 1977)
W. Edwards. How to use multiattribute utility measurement for social decisionmaking.
IEEE Transactions on Systems, Man, and Cybernetics, 7(5):326–340, 1977.
(Saaty, 1980)
T. Saaty. The analytic hierarchy process. McGraw-Hill, New York, 1980.
(Yager, 1988)
R. Yager. On ordered weighted averaging aggregation operators in multicriteria decision
making. IEEE Transactions on Systems, Man, and Cybernetics, 18(1):183–190, 1988.
(Roubens, 1982)
M. Roubens. Preference relation on actions and criteria in multicriteria decision making.
European Journal of Operational Research, 10:51–55, 1982.
(Matarazzo, 1987)
B. Matarazzo. Preference ranking global frequencies in muiticriterion analysis
(PRAGMA).
European Journal of Operational Research, 36:36–49, 1987.
301
1993.
(Steuer, 1986)
R. Steuer. Multiple criteria optimization: theory, computation, and application. Wiley, New
York, 1986.
(Vincke,1992)
P. Vincke. Multicriteria decision-aid. John Wiley and Sons, Chichester, 1992.
(Stewart, 1995)
T. Stewart. Simplified approaches for multicriteria decision making under uncertainty.
Journal of Multi-Criteria Decision Analysis, 44(4):246–258, 1995.
(Raiffa, 1982)
H. Raiffa. The art and science of negotiation. Harvard University Press, Cambridge (Ma),
1982.
(Salomon, 2002)
Salomon, V. A.P. Auxílio à decisão para a adoção de políticas de compras, Produto &
Produção, Vol. 6, n.1 pp. 01-08, 2002.
302
(Barford, 2011)
Barford, M. B. An MCDA approach for the selection of bike projects bases on structuring
and appraising activities. European Journal of Operational Reaserch. v. 218, pág. 810-
818, 2011.
(French, 1988)
French, S. (1988). Reading in Decision Analysis. Chapman and Hall: London.
(Delshad et al, 2016)
Mostafa Modiri-Delshad, S. Hr. Aghay Kaboli, Ehsan Taslimi-Renani, Nasrudin Abd
Rahim, Backtracking search algorithm for solving economic dispatch problems with
valve-point effects and multiple fuel options, Energy, Volume 116, Part 1, 2016, Pages
637-649, ISSN 0360-5442, https://doi.org/10.1016/j.energy.2016.09.140.
Sites:
(EcoCasa, 2018)
https://www.ecocasa.pt/energia_content.php?id=2
303
ANEXOS
304
8. ANEXOS
8.1 ANEXO I – Cálculo das poupanças ao nível do consumo (energia elétrica e água) e e dados acerca das opções
disponíveis no mercado, consideradas neste trabalho
Tabela I –Iluminação
305
Tabelas IV e V – Máquina de lavar louça
306
307
Tabelas VI e VII – Máquina de Lavar Roupa
308
Tabelas VIII e IX – Frigorifico
309
Tabelas X e XI – Forno Elétrico
310
Tabelas XII e XIII – Máquina de Secar Roupa
311
8.2 ANEXO II – Definição da tabela de atributos, associada ás opções disponíveis no
mercado, consideradas neste trabalho
312
313
314
8.3 ANEXO III– Definição da tabela de valores, associada às opções disponíveis no mercado, consideradas neste trabalho
315