Vous êtes sur la page 1sur 334

Universidade de Departamento de Economia, Gestão e

Aveiro Engenharia Industrial


Ano (2019)

RICARDO SIMOES MODELO HOLISTICO DE SUPORTE A


SANTOS (89321) DECISÃO NA EFICIENCIA ENERGETICA EM
EDIFICIOS

i
2019

ii
Universidade de Aveiro Departamento de Economia, Gestão
Ano 2019 e Engenharia Industrial

RICARDO SIMÕES MODELO HOLISTICO DE SUPORTE A


SANTOS DECISÃO NA EFICIENCIA ENERGETICA
EM EDIFICIOS

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

Prof. Doutor Antonio Feliciano Abreu


Professor Adjunto Instituto Superior de Engenharia de Lisboa

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”.

Não menos importante (e não querendo esquecer ninguém),


gostaria de agradecer a alguns Professores do Instituto Superior
de Engenharia de Lisboa (ISEL), pelas palavras de incentivo e de
apoio á realização deste trabalho, nomeadamente os Professores
João Calado, Francisco Reis, Manuel Ferreira, Victor Mendes,
José Quadrado, Jorge Sousa, João Lagarto, Manuel Baptista
Pereira, Manuel Lima de Oliveira, Nuno Henriques, Fernando
Carreira, Joaquim Monteiro, Mário Mendes, Armando Inverno e
Victor Anes.

Um agradecimento especial aos meus orientadores, os


Professores Doutores João Carlos Oliveira Matias e Antonio João
Feliciano Pina da Costa Abreu, pela critica construtiva, com que
enriqueceram este trabalho e pelo estímulo nos momentos mais
difíceis.

Desejo expressar especialmente uma palavra de ternura e


admiração aos meus pais, Luis Pedro e Maria dos Prazeres, que
sem o seu enorme apoio e compreensão, não teria sido possível a
feitura desta tese.

Um Bem-Haja a todos.

viii
palavras-chave Sustentabildade, Eficiencia Energetica, Serviços Energeticos,
Abordagem Multi-atributo, Optimização, Meta-heuristicas,
Algoritmos Evolucionários

resumo Ultimamente, têm-se assistido a um aumento generalizado da


procura de energia a nível mundial, com este aumento, devido em
grande parte ao aumento do consumo de energia elétrica final,
comprometendo na sua generalidade o desenvolvimento
sustentável, através do consumo de recursos e do aumento das
emissões de gases de efeito de estufa (GEE).
Neste sentido, a incorporação de medidas de sustentabilidade,
constitui um importante contributo para a redução das emissões de
GEE para a atmosfera, sendo o sector dos edifícios, uma área com
especial relevância em termos de atuação neste domínio.
Deste modo, uma das formas de promover a sustentabilidade,
poderá pela escolha racional dos equipamentos utilizados
atualmente neste sector, e no âmbito dos serviços energeticos a
adquirir, aliada a medidas de eficiencia energética.
Deste modo, pretende-se desenvolver no presente trabalho uma
metodologia de suporte a decisão, que permita ao consumidor
tomar decisões que promovam a sustentabilidade, com base em
soluções existentes no mercado.
Para tal, recorre-se a abordagens multicritèrio, combinadas com
técnicas de otimização multiobjectivo, sendas estas por seu turno,
suportadas em algoritmos evolucionários.
O objetivo, passa por obter soluções sustentaveis, que maximizem
o bem-estar económico, social (conforto) e ambiental do
consumidor, respeitando naturalmente um conjunto de restrições
associadas, sejam as mesmas económicas (e.g. valores
orçamentais máximos), sociais (e.g. níveis mínimos de conforto) e
até mesmo ambientais (e.g. níveis máximos de CO2 equivalentes).
Fatores como o ciclo de vida do produto, investimento realizado,
etiquetagem energética, preferências do consumidor, pegada de
carbono, pegada hídrica, entre outras, serão igualmente tidos em
conta.
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, um 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 e em menor espaço de tempo.
Pretende-se deste modo, contribuir para a problemática
identificada, através de uma abordagem holística, que permita ao
agente-decisor tomar decisões sustentáveis, dado o contexto
descrito anteriormente.

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

8.1ANEXO I – Cálculo das poupanças ao nível do consumo (energia elétrica e água) e


e dados acerca das opções disponíveis no mercado, consideradas neste trabalho ........................305
8.2ANEXO II – Definição da tabela de atributos e dados acerca das opções disponíveis no mercado,
consideradas neste trabalho ................................................................................................................... 312
8.3ANEXO III–Definição da tabela de valores, associada ás opções disponíveis no mercado, consideradas
neste trabalho …………………………………………………………………………………………………………………………………..…315

xiv
Índice de figuras

Figura 1. Estrutura do estudo e da tese ............................................................................................................. 4


Figura 3.1 - Repartição do consumo de energia final nos Países Membros da UE, 2013 ............................ 50
Figura 4.1 - Classificação das soluções por níveis de dominância. 88
Figura 4.2 - Cruzamento com 1 ponto de corte ..................................................................................... 103
Figura 4.3 - Cruzamento com 2 pontos de corte ................................................................................... 104
Figura 4.4 - Cruzamento uniforme ....................................................................................................... 105
Figura 4.5 - Obtenção da distância de multidão (Cunha et al, 2012). ................................................... 115
Figura 4.6 - Fluxograma do algoritmo NSGA II ................................................................................... 122
Figura 4.7 - Obtenção da distância de multidao (Cunha et al., 2012). .................................................. 137
Figura 4.8 - Preenchimento da nova população no NSGA II. ............................................................... 138
Figura 4.9 - Decisão com múltiplos critérios (Tabela de desempenho) ................................................. 148
Figura 4.10 - Decisão com múltiplos critérios (Tabela de desempenhos) ............................................. 158
Figura 5.1 - Modelo proposto 165
Figura 5.2 - Espaço de decisão do agente-decisor (consumidor) ........................................................... 167
Figura 5.3 - Espaço de decisão do consumidor implementado no problema ........................................ 168
Figura 5.4 - Modelo de suporte a decisão proposto ............................................................................... 169
Figura 5.5 - Referência-exemplo para identificação de critério utlizados ............................................ 171
Figura 5.6 - Ciclo de vida de uma opção ............................................................................................... 178
Figura 5.7 - Ciclo de vida da opção standard ........................................................................................ 178
Figura 5.8 - Ciclo de vida da opção eficiente ......................................................................................... 178
Figura 5.9 - Número de opções standard, c/ ciclo de vida útil equivalente ao da opção eficiente ......... 179
Figura 6.1 - Disposição em planta da moradia a estudar 260
Figura 6.2 - Espaço de decisão do consumidor afeto ao problema .......................................................... 264
Figura 6.3 – 1ª Fase, correspondente á implementação do modelo proposto ......................................... 265
Figura 6.4 – 2ª Fase, correspondente á implementação do modelo proposto ......................................... 266
Figura 6.5 – 3ª Fase, correspondente á implementação do modelo proposto ......................................... 267
Figura 6.6 – Estrutura e codificação adotada para a solução global no NSGA II ....................................... 269
Figura 6.7 – Implementação do NSGAII em Matlab ................................................................................. 270
Figura 6.8 –Tabela de desempenho MAVT) (Parte da implementação da 1ª e 2ª Fases) ......................... 271
Figura 6.9 – Metodologia inicialmente proposta (Santos, 2018a)............................................................ 273
Figura 6.10 – Resultados obtidos AG’s mono-objectivo vs Método SIMPLEX (Santos et al, 2018b) .. 273
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) .............. 275
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
Figura 6.13 –Abordagem, considerando dois objetivos (Santos et al, 2018b) .......................................... 277
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
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 .................................. 279
Figura 6.16 – Superfície de Pareto, respeitante a última geração (ω A = 0.65, ωB = 0.25 e ωC = 0.10)........ 281
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) ............................................ 283

xv
Indice de tabelas

Tabela 1.1 - Estrutura da presente tese ................................................................................................... 12


Tabela 2. 1 - Alguns atributos relacionados com produtos no geral (adaptado de Bezerra et al (2011))……..33
Tabela 2.2 - Correspondência entre os aparelhos (fontes energéticas) e os respetivos serviços
energéticos ....................................................................................................................................... 48

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

Tabela 5.1 - Atribuição de escala ao critério considerado .................................................................... 176


Tabela 5.2 - Atribuição de escala ao critério considerado .................................................................... 182
Tabela 5.3 - Atribuição de escala ao critério considerado ....................................................................... 185
Tabela 5.4 - Atribuição de escala ao critério considerado ....................................................................... 189
Tabela 5.5 - Atribuição de escala ao critério considerado ....................................................................... 192
Tabela 5.6 - Atribuição de escala ao critério considerado ....................................................................... 195
Tabela 5.7 - Atribuição de escala ao critério considerado ....................................................................... 198
Tabela 5.8 - Lista de critérios adotados, referente a todos os serviços energéticos aqui abordados .... 242
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) .......................................................................................................................................... 245

xvi
Lista de Acrónimos

ACCV - Avaliação de Custos do Ciclo de Vida (LCAC)


ACV - Analise de Ciclo de Vida
AD - Agente-Decisor
AEs - Algoritmos Evolutivos
AG – Algoritmos Geneticos
AHP - Analytic Hierarchy Process
AHP - Analytic Hierarchy Process
B2C - Business to Consumer
CFL - Compact Fluorescent Lamp
DAP – Declaração ambiental do produto
DAP - Declarações Ambientais do Produto
DSS - Decision Support Systems
EIS - Executive Information Systems
ELECTRE - ELimination Et Choix Traduisant la REalité
EPD – Environment Product Declaration
ERSE – Entidade Reguladora do Sector Energetico
GDSS - Group Decision Support Systems
GEE - Gás de Efeito de Estufa
ICW - Interval Criterion Weights
IPCC - Intergovernmental Panel on Climate Change
IRC – Indice de Restituição de Cor
LCA - Life Cycle Cost Assessment
LCAC – Life Cycle Assessment Cost
LCC – Life Cycle Cost
LED- Light Emission Diode
MACBETH - Measuring Attractiveness by a Categorical Standardd Evaluation
TecHnique
MAUT - Multi-Attribute Utility Theory
MAVT - Multi-Attribute Value Theory
MOGA - Multi-Objective Genetic Algorithm
NPGA - Niched Pareto Genetic Algorithm
NSGA – Non-Sorting Genetic Algorithm
ODSS - Organizational Decision Support Systems
ORESTE - Organization Rangement Et Synthèses de donnés relaTionnElles
OWA - Ordered Weighted Average
OWA - Ordered Weighted Average
PNUMA - Programa das Nações Unidas para o Meio Ambiente)
PRAGMA - Preference RAnking Global frequencies in Multicriterion Analysis
PROMETHEE - Preference Ranking Organization METHod for Enrichment Evaluations
PVE - Ponto de Vista Elementar
PVF - Ponto de Vista Fundamental
QUALIFLEX - QUALItative and FLEXible assessment REGIME
SMART - Simple Multi-Attribute Rating Technique
SMART - Simple Multi-Attribute Rating Technique
SMARTER - SMART Exploiting Ranks

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

1.1. Enquadramento do tema e a sua importância

Nos ultimos anos, têm-se assistido a um aumento generalizado da procura de energia a


nível global, sendo este aumento devido em grande parte, ao consumo de energia elétrica
final (IEA,2017).
De acordo com Matias et al (2011), tal aumento do consumo energético, é devido na
sua essência, a fatores como o crescimento da população, o desenvolvimento económico e
o progresso tecnológico.
Neste sentido, e apesar do progresso tecnológico alcançado, prevê-se que o consumo
de energia deva continuar a aumentar, o que poderá comprometer a sustentabilidade
ambiental (IPCC,2015).
Tal resulta, do facto da produção de energia elétrica provir maioritariamente de
processos resultantes da queima de combustíveis fosseis, os quais encontram-se por sua
vez associados a emissões de Gases com Efeito de Estufa (GEE), responsáveis (em parte)
pelo aumento da temperatura media global do planeta (IPCC,2017).
Este paradigma, por sua vez associado ao mix energético produtor existente, tem sido
progressivamente alterado, em parte, devido aos mais diversos acordos internacionais para
as alterações climáticas, como o Protocolo de Quioto, a Conferência do Clima em
Copenhaga, ou mais recentemente o Acordo de Paris.
Como compromissos celebrados neste âmbito, destacam-se os assumidos pela
Estratégia Europa 202020, onde através da qual, a Europa vê-se comprometida a reduzir as
suas emissões de GEE e a sua energia primária associada em pelo menos cerca de 20% em
relação aos níveis registados em 1990, entre outras medidas entretanto adotadas (European
Comission, 2017).
No contexto Português, Portugal viu-se comprometido a reduzir as suas emissões em
matéria de energia final consumida em cerca de 20 kTep até 2020, onde no âmbito do
referido mix energético, a energia elétrica assume uma posição dominante, tendo o seu
consumo final, alcançado uma percentagem significativa no sector dos edifícios, nos
últimos anos (DGEG, 2011).
Devido em grande parte a estes compromissos, têm-se procurado a substituição
gradual das fontes de energia de origem não renovável por outras de origem renovável,

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.

1.2. Objetivos e questões de investigação

4
Este trabalho é motivado pela necessidade referida anteriormente, e apoia-se nas
questões de investigação seguintes:

Questão de investigação:

Como suportar o agente-decisor (consumidor) nas suas escolhas em matéria de


serviços energéticos (equipamentos para o sector residencial), de forma a se obterem
soluções sustentáveis, que promovam simultaneamente o seu bem-estar económico, social
e ambiental?
Para um melhor entendimento do problema, a mesma questão de investigação poderá
ser dividida em 4 sub-questões seguintes:

Sub-questão 1:

Como obter soluções ótimas e diversificadas, que maximizem o bem-estar económico


do agente decisor (consumidor), nomeadamente ao nível da poupança no consumo e no
investimento inicial, e durante o horizonte temporal considerado?

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:

Como obter soluções ótimas e diversificadas, que vão ao encontro do bem-estar


ambiental do agente-decisor, nomeadamente ao nível da pegada de carbono, associada
com as suas escolhas, e durante o horizonte temporal considerado?

De forma a se encontrar uma resposta para as questões acima colocadas, a


investigação é conduzida de acordo com as hipóteses seguintes:

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:

Com recurso a técnicas de otimização baseadas em meta-heurísticas, e por meio de um


modelo, fruto de uma combinação holística de diversos conceitos (analise multicritério,
conforto térmico, qualidade do ar interior, entre outros) poderá ser possível obter-se o bem-
estar social do agente decisor.

Hipótese 3:

Através do recurso a técnicas de otimização baseadas em meta-heurísticas, e por meio


de um modelo, baseado em indicadores ecológicos, poderá ser possível obter-se o bem-
estar ambiental do agente-decisor, reduzindo os impactes negativos para o meio-ambiente,
por sua vez associados com as suas escolhas.

1.3. Objetivos da investigação

O principal objetivo deste trabalho, consiste em apresentar uma metodologia de


suporte a tomada de decisão ao agente-decisor (AD) (consumidor), através do
fornecimento de soluções sustentáveis, tendo em vista o seu bem-estar económico, social e
ambiental, procurando desta forma promover a eficiência energética, a sustentabilidade
ecológica, o conforto humano e a competividade económica.
A metodologia a ser desenvolvida, não só providenciará soluções sustentáveis, como
permitira ao mesmo tempo, sensibilizar o consumidor para as implicações das suas
escolhas futuras, de forma a minimizar eventuais impactes negativos na eficiência
energética alcançada com as escolhas realizadas no presente.

1.4. Resultados esperados

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.

1.5. Conceitos e metodologias da investigação científica

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)).

1.5.1. Discussão epistemológica

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:

1) Existência de coerência entre os princípios que conduzem a teoria;


2) Existência de Modelos dos objetos construídos, baseada na experiência e na
observação;
3) Existência de resultados obtidos, que eventualmente possam alterar não apenas os
modelos construídos, como também os princípios associados a teoria, corrigindo-a.

A presente investigação, foca claramente o construtivismo, enquanto visão


epistemológica associada, dado que, e de acordo com Marconi e Lakatos (2003), qualquer
teoria existente, pode ajustar novos elementos factuais à sua estrutura, abrindo deste modo,
espaço a novas formulações teóricas que procurem incluir tais factos.
De acordo com Freixo (2011), a ciência contemporânea, é baseada no construtivismo,
o que leva a entender, que novos factos e fenómenos possam requerer a elaboração de
novas abordagens e/ou novas tecnologias, bem como novas teorias associadas.
Adicionalmente existe ainda o facto de os conhecimentos disponíveis sobre
determinado assunto, serem insuficientes para a explicação de um dado fenómeno, pelo
que importa tentar explicar as dificuldades expressas no problema, através da formulação

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.

Figura 1.1 – Estrategia de investigação adoptada (Markoni e Lakatos, 2003)

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.

1.5.2. Metodologia de investigação adotada

Conforme referido anteriormente, o objetivo desta investigação è o de construir uma


metodologia, abrangente e integrada, que permita ao consumidor obter soluções
sustentáveis a partir do mercado, e atendendo as suas necessidades individuais.
Deste modo, a revisão da literatura efetuada, permitiu a realização de um
levantamento tao exaustivo quanto aquele que fora possível, com vista a dedução do atual
estado da arte e do conjunto de eventuais modelos, até então, existentes na literatura.
Deste modo, a investigação teórica, caracteriza-se como sendo de carácter
exploratório, baseando-se ainda no construtivismo, através da adoção de uma estratégia
dedutiva indutiva.
Embora esta investigação tenha-se debruçado sobre um problema com solução
indefinida, a mesma decorre sobre um tema reconhecível, nomeadamente o da
sustentabilidade, envolvendo ainda temas reconhecidos pela comunidade científica,
nomeadamente a ecologia industrial, a eficiência energética, as pegadas hidricas e de
carbono, entre outros.
Pretende-se deste modo, que o principal contributo desta investigação seja notório ao
nível científico, pelo facto de agregar e integrar um conjunto de modelos parcelares, num
único modelo holístico, que será objeto de desenvolvimento neste trabalho.
Deste modo, o modelo a ser desenvolvido será conceptual, devido em parte, ao salto
dedutivo realizado numa investigação do tipo quantitativo, sendo testado posteriormente
através de um caso de estudo.
Neste âmbito, o trabalho aqui apresentado, caracteriza-se como um trabalho
quantitativo, seguindo o método hipotético dedutivo, tal como já fora referido
anteriormente. A validação empírica externa do modelo teórico aqui desenvolvido, foi
realizada através de um caso de estudo, suportado com dados reais, prevendo para o efeito

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.

1.6. Estrutura da tese


A presente tese encontra-se organizada, de forma sucinta, e conforme descrito na
Tabela 1.1, na qual se destacam as Secções por Capítulo, pelas quais o trabalho se divide,
bem como os principais topicos a serem abordados e desenvolvidos nos Capitulos e demais
secções que compoem o presente trabalho.

Tabela 1.1 - Estrutura da presente tese

Secções por capítulo Principais questões a abordar


• Enquadramento do tema e a sua
importância
• Objectivos e questões de investigação
Capítulo 1 – Introdução
• Resultados esperados
• Estrategia de investigação adoptada
• Introdução ao modelo proposto
• Linhas de actuação da sustentabilidade
• Dimensões da sustentabilidade no sector
residêncial
Económica
Social
Capítulo 2 – Sustentabildiade
Ambiental
• Serviços de Energia
• Eficiência Energética
• Introdução ao modelo conceptual
proposto
• Caracterização dos equipamentos
elétricos no sector residêncial
Capitulo 3 – Eficiencia Energética
Consumos
Sector Residêncial
Etiquetagem energética nos
equipamentos elétricos residenciais

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

• Descrição do caso de estudo


• Aplicação do método
1ª Fase – Definição do espaço de
decisão, tabela de variaveis e calculo das
poupanças
2ª Fase – Implementação das
preferencias do consumidor através da
abordagem MAVT
Capítulo 6 – Aplicação e validação do
3ª Fase – Obtenção de soluções
modelo proposto
sustentaveis para o consumidor
• Apresentação e discussão dos resultados
obtidos
Abordagem Monoobjectivo
Abordagem Multiobjectivo (Multiplas
combinações c/ 2 Objectivos)
Abordagem Multiobjectivo (Multiplas
combinações c/ 3 Objectivos)
• Considerações finais e principais
Capitulo 7 – Conclusões e perspectivas
contributos
de trabalho futuro
• Pistas para trabalho futuro
• Cálculo das poupanças
ANEXOS

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.

2.2. Linhas de actuação da sustentabilidade

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.

2.2.2. Eco Produtos


Os ecos produtos são produtos com melhor desempenho ambiental em relação a
produtos com a mesma função durante o seu ciclo de vida, sendo identificados através de
uma Analise de Ciclo de Vida (ACV). A sua rotulagem (ISO 14020:2000) abrange

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.

2.2.3. Construção sustentável

A construção sustentável considera importante o equilíbrio sustentável entre as


vertentes ambiente, economia e social, durante todas as fases de vida do edifício –
construção, utilização, demolição e considera todos os recursos utilizados como os
materiais, o solo, a energia e a água. Construção sustentável é definida como «Criação,
reabilitação e gestão responsável de um ambiente construído saudável, baseado na
eficiência de recursos e princípios ecológicos contribuindo para o equilíbrio social e
económico (Pinheiro, 2006)». Para se caminhar para a construção sustentável no edificado
é importante que os produtos e serviços contribuam para essa procura da sustentabilidade.

2.2.4. Produtos e serviços sustentáveis

De forma a serem conhecidos e selecionados materiais, produtos e serviços


sustentáveis para o edificado e zonas urbanas torna-se essencial classificar produtos quanto
ao seu desempenho ambiental. No entanto a informação dos produtos com melhor
desempenho ambiental existentes no mercado ainda é muito escassa. Os produtos e
serviços sustentáveis são produtos que apresentam um bom desempenho económico,
ambiental, social, cultural e espacial podendo ser caracterizados como produtos que
procuram a sustentabilidade uma vez que assumem níveis de preocupação e de procura
ambiental (Pinheiro, 2006). Estes produtos apresentam elevada importância junto do
cliente/consumidor uma vez que os clientes procuram nos produtos uma satisfação das suas
necessidades, uma forma de assegurar a saúde e o bem-estar sendo que no processo de
escolha, que cada vez é mais exigente e consciente, o desempenho energético, o menor
consumo de água, a menor toxicidade, maior durabilidade e o facto de contribuir
positivamente para o ambiente, para a sociedade e para a economia local são fatores tidos

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.

2.3. Dimensões da sustentabilidade

O relatório de Bruntland, onde é abordado o conceito de desenvolvimento sustentável,


apresenta uma visão complexa das causas dos problemas socioeconómicos e ecológicos da
sociedade, bem como das inter-relações entre a economia, ambiente e sociedade
(Bruntland, 1987).
De uma forma sucinta, as preocupações ambientais deixam de se centrar no controlo
da poluição, passando a focarem-se na delineação de estratégias na sua prevenção.
Compreende-se assim que o objetivo principal do desenvolvimento sustentável, seja o
de obter um equilíbrio entre três vertentes fulcrais: social, económico e ambiental (Figura
2.1) (BCSD, 2005)

Figura 2.1 - Dimensão ambiental, económica e social do desenvolvimento sustentável (BCSD (2005))

Tal equilíbrio, assenta em três princípios, nomeadamente:

• 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;

• Dimensão ambiental -Baseia-se no principio de que um meio ambiente degradado,


condiciona o tempo de vida do ser humano, colocando em causa o desenvolvimento
económico e com isso o futuro da humanidade;

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:

• Dimensão económica - Engloba no âmbito do desenvolvimento sustentável um


conjunto de medidas e políticas que visam a integração de preocupações e conceitos
ambientais e sociais.
Aos conceitos tradicionais, associados ao bem-estar económico, são adicionados fatores
ambientais e socioeconómicos, criando deste modo uma interligação entre os vários
setores.

• Dimensão social - Desenvolvida através do equilíbrio social, tanto na sua vertente de


desenvolvimento social, como socioeconómica.
Uma das áreas de desenvolvimento desta dimensão, prende-se com o aumento do bem-
estar social através do aumento da qualidade de vida do ser humano, o que pode ser
alcançado através do aumento dos níveis de conforto associados.

• Dimensão ambiental - Consiste em assegurar ao meio ambiente a capacidade de este


manter as condições de vida necessárias (quer no presente quer no futuro) para as
pessoas e restantes seres vivos existentes no planeta, seja em termos de habitabilidade,
beleza do ambiente e sua função, traduzindo-se este equilíbrio em bem-estar ambiental.

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.

2.4. Sustentabilidade no sector residêncial: Dimensões Economica

A avaliação do custo do ciclo de vida (LCC)1 é um método para avaliar todos os


custos relevantes ao longo do tempo de um projeto, produto ou medida. A avaliação de
LCC inclui os primeiros custos (i.e., custos de investimento de capital, custos de aquisição
e instalação), custos exploração/operação (i.e., custos de energia, custos operacionais,
custos de manutenção, custos de reposição de capital, custos de financiamento) e qualquer
outro custo adicional associado a revenda, desmantelamento, entre outros (Fuller, 2005).
Contudo, e dado o foco de investigação deste trabalho, ser direcionado para o suporte
á decisão do consumidor, associado ao sector residencial, apenas focar-se-ão as fases de
investimento inicial e de exploração/operação. Adicionalmente, e para alem do recurso a
logica subjacente ao LCC, serão tidos em conta eventuais benefícios económicos que o
agente-decisor (consumidor) possa receber sobre a forma de fluxos monetários ao longo do
ciclo de vida útil do investimento, e que aqui serão considerados sob a forma de
(eventuais) poupanças entre a solução eficiente e a solução standard.
Seguindo ainda uma logica de beneficio-custo, normalmente explorada em projetos,
e em particular, em projetos de eficiência energética, o eventual custo, será resultado da
comparação entre os custos relacionados com os investimentos respetivos entre a solução
eficiente e a solução standard, sendo este assunto abordado posteriormente, e em
pormenor, nas secções seguintes.
Prevê-se que, seja por observação dos valores de mercado, seja através da consulta
de alguns estudos realizados no mesmo âmbito, que o fluxo monetário esperado, seja um
fluxo de saída, na medida em que normalmente o investimento de uma solução eficiente
será maior do que o investimento numa solução menos eficiente, embora nem sempre tal se
verifique. Da mesma forma, e relativamente ao consumo, prevê que normalmente o
consumo associado a uma solução eficiente será menor do que o consumo associado a
solução menos eficiente, embora também aqui, nem sempre tal se verifique.

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

n - Período de tempo/Horizonte temporal do projeto

Existem diferentes maneiras de identificar a taxa de desconto, embora um método


comum seja usar o retorno esperado de outros investimentos alternativos com um nível
semelhante de risco.

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:

Figura 2.2 - Representação esquemática típica de um projeto de investimento

No entanto, poderá haver reinvestimentos ao longo de um determinado horizonte


temporal n, pelo que existirão fluxos de investimento que terão de ser atualizados, a
semelhança dos benefícios obtidos no projeto.
A representação gráfica da Figura6.4, viria alterada da seguinte forma:

Figura 2.3 - Representação esquemática típica de um projeto de investimento, prevendo vários


reinvestimentos

Existem diferentes maneiras de identificar a taxa de desconto, embora um método


comum seja usar o retorno esperado de outros investimentos alternativos com um nível
semelhante de risco.
De acordo com Boustead & Hancock (1979) e Culp (1991), uma das formas de se
analisarem os benefícios de um projeto de investimento, com uma dada solução eficiente,
assenta na obtenção de uma eventual poupança, resultante da comparação entre a energia
consumida com esta e a energia consumida com uma opção menos eficiente, o que no

24
âmbito do presente trabalho, recebem a designação de consumo da opção eficiente Cef e

consumo da opção standard Cstd , respetivamente.

Deste modo, e considerando o valor da tarifa de energia elétrica  elect . , os gastos

associados ao consumo anual associado com a opção standard Cstd .anual , podem ser obtidos
j

através da seguinte expressão:


Cstd .anualj  €  =  elect .  € / kWh   Cstd .anual  kWh  (2.2)
j

Do mesmo modo, pode-se obter o consumo energético, referente a solução eficiente,


Cef .ij , i.e.:

Cef .ij  €  =  elect .  € / kWh   Cef .anual  kWh  (2.3)


ij

Deste modo, torna-se possível determinar a eventual poupança PCons. , referente a

diferença entre os respetivos consumos, i.e.:

PCons. = Cstd . − Cef . (2.4)


Da mesma forma que uma eventual poupança em relação aos custos de investimento
do mesmo projeto, podem ser obtidos através da diferença entre os valores de
investimento, referentes a cada uma das opções (eficiente e standard), ou seja:

PInv. = Invstd . − Invef . (2.5)

Tendo em conta o que fora referido anteriormente, a expressão do VAL acima


referida, assume agora a seguinte forma:

Cstd . − Cef . Cstd . − Cef . Cstd .n − Cef .n PCons. P P


VAL = Invstd . − Invef . + + + ... + = PInv. + + Cons. + ... + Cons. n (2.6)
1+ i (1 + i ) (1 + i ) 1 + i (1 + i )2 (1 + i )
2 n

No caso da necessidade de possíveis reinvestimentos (aplicável ao caso da iluminação


como veremos mais adiante) ao longo de determinado horizonte temporal, a expressão
acima, assume ainda a forma:
Invstd .t Invstd .2t Invstd .ct n Cstd . j − Cef . j
VAL = Invstd . − Invef 0. + + .. + + + (2.7)
(1 + i ) (1 + i ) (1 + i ) (1 + i )
t 2t c.t j
j =1

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

Considerando o consumo aproximadamente constante (e tendo em conta que o perfil


de utilização nas duas opções é o mesmo), e através da taxa de desconto (também
designada de taxa de atualização) i, obtêm-se o respetivo coeficiente de atualização α, i.e.:

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

anteriormente, a poupança atualizada, associada ao consumo com uma dada solução


eficiente i, afeta ao serviço energético j , PCons.act.ij , é obtida por:

(
PCons.act.ij = Cstd .act. j − Cef .act.ij = Cstd . j − Cef .ij  ) (2.10)

Da mesma forma, é possível obter-se a poupança atualizada, associada ao


investimento com uma dada solução i, afeta ao serviço energético j , PInv.act.ij , sendo esta

obtida por:
Pinv.act.ij = I std .T − I ef .ij = ( I std . j − I ef .ij )   (2.11)

Substituindo  , na expressão (2.10), obtêm-se a expressão referente as poupança


atualizada com o consumo PCons.act.ij e investimento Pinv.ij , i.e.:

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. Sustentabilidade no sector residêncial: Dimensão Social

2.5.1. Introdução

A dimensão social da sustentabilidade aparece intrinsecamente associada ao bem-estar


humano, por sua vez associado ao grau de satisfação do mesmo, através da escolha de uma
determinada solução.
Nesse contexto, e dada interação consumidor (agente-decisor) - mercado, pretende-se
centrar a investigação no gau de satisfação que o consumidor “retira” com a escolha de
uma determinada solução, pelo que importa numa primeira instância, estudar o modo como

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.

2.5.2. Valor e satisfação de uma solução sustentável percebida pelo consumidor


Trata-se de um conceito central do marketing em geral, e que no mesmo âmbito pode
ser entendido como a relação entre o somatório dos benefícios tangíveis e intangíveis
proporcionados pelo produto e o respetivo somatório dos custos financeiros e emocionais
associados com a aquisição do mesmo (Kotler, 2013). Sob outra perspetiva, o valor pode
ainda ser considerado como uma combinação de qualidade, serviço e preço, denominada
tríade do valor para o cliente.
As perceções de valor aumentam com a qualidade e o serviço, mas diminuem com o
preço, i.e.:
 valor
 qualidade  0

 valor
valor = f (qualidade,serviço, preço) ⎯⎯
→ 0 (2.13)
 serviço
 valor
 0
 preço

O marketing, e em particular o B2C, pode ser entendido como a identificação, criação,


comunicação, entrega e monitorização do valor para o cliente final (Kotler, 2013).
A satisfação surge por seu turno, como algo subjetivo, relacionado com os
julgamentos individuais e comparativos de cada pessoa sobre o desempenho percebido de
um produto em relação as suas expectativas.
Quer isto dizer, que se o desempenho não atinge as expectativas, o cliente
(consumidor) ficara insatisfeito, enquanto que se o desempenho alcança as expectativas, o

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:

• Identificação dos principais atributos e benefícios valorizados pelos clientes.

O consumidor é questionado sobre os atributos, benefícios e níveis de desempenho


que o mesmo procura, ao escolher um determinado produto/solução e respetivo
fornecedor. Atributos e benefícios devem ser definidos de forma ampla, de forma a
abranger todos os fatores que compõem as decisões dos clientes.

• Avaliação da importância relativa dos diferentes atributos e benefícios


valorizados
O consumidor é solicitado a definir a importância dos diferentes atributos e
benefícios anteriormente referidos.

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.

2.5.3. Processo de decisão de compra

Trata-se de um processo amplamente estudado em marketing, ao ponto de serem


desenvolvidos modelos que o tentam explicá-lo. Um desses modelos, é o “modelo de
etapas” para o processo de decisão de compra, no qual o consumidor passa por um
conjunto de fases/etapas (Figura 2.4).

Reconhecimento
Procura da Avaliação de Decisão de Comportamento
do
informação alternativas Compra Pos-compra
Problema

Figura 2.4 - Estágios do Processo de Compra do consumidor (Kotler, 1985)

De entre as etapas referidas anteriormente e apresentadas na Figura 2.4, destacam-se


as três primeiras, sendo que desse subgrupo, as duas primeiras, contribuem activamente
para a ocorrência da 3ª etapa (“Analise de alternativas”), que contribuirá decisivamente
para a etapa seguinte (“Decisão de Compra”).
Assim sendo, descrevem-se as três etapas da seguinte forma:

1. Reconhecimento do problema

O consumidor reconhece uma necessidade de compra, desencadeada por estímulos


internos ou externos. Como estímulos internos, refira-se à transformação de uma das
necessidades normais de uma pessoa (e.g. fome, sede, sexo) para um dado nível de impulso
que a motiva a comprar algo. Como estímulos externos, entenda-se a interação com outros
agentes da sociedade (e.g. a pessoa admira o carro novo de um amigo ou vê uma
propaganda de férias no Havaí na televisão) desencadeando ideias sobre a possibilidade de
fazer uma compra.

29
2. Procura de informação

O consumidor tende a reunir uma quantidade limitada de informação.


Enquanto estudos revelam que, no caso de bens duráveis, metade dos consumidores
visita somente uma loja, enquanto, cerca de 30 por cento, examinam mais de uma marca de
eletrodomésticos, pelo que a literatura identifica dois níveis de interesse; o primeiro onde o
estado de procura de informação é mais moderado (embora com atenção elevada) e onde o
consumidor está simplesmente mais receptivo a informações sobre um dado produto, e o
segundo nível de interesse onde o consumidor embarca numa busca mais ativa de
informação (e.g. procura de literatura associada, consulta amigos, pesquisa na Internet,
etc.) sobre vários produtos do mesmo tipo.
Ainda nesse logica de ideias identificam-se várias fontes de informação,
nomeadamente a etiquetagem energética, baseada na informação disponibilizada pelos
fabricantes de produtos. Esta contribui significativamente para o processo de tomada de
decisão por parte do consumidor, sendo como tal, abordada em maior detalhe no âmbito do
presente trabalho.

3. Avaliação de alternativas

A avaliação de alternativas permite ao consumidor processar a informação de cada


marca concorrente e fazer um julgamento de valor final. Contudo, não existe um método
único, utilizado por todos os consumidores, nem por um consumidor em todas as situações
de compra. Existem vários processos, e os modelos mais atuais consideram que o
consumidor forma julgamentos, principalmente numa base racional e consciente.
Como exemplos de modelos encontrados na literatura, destacam-se os seguintes
(Kotler, 1985):

• 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

Tal como fora referido anteriormente, o modelo de expectativa de valor, é um dos


modelos a disposição do consumidor para a escolha de uma ou um conjunto de
alternativas, escolhidas de acordo com um conjunto de atributos definidos pelo consumidor
k a um dado produto, e através da definição de um conjunto de n “pesos”, i,e.:

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

A justificação do uso deste modelo no presente trabalho, assenta precisamente nas


características referidas anteriormente, nomeadamente o uso de níveis de importância

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.

Atributos valorizados por consumidores no processo de decisão de compra de


eletrodomésticos
Na literatura, existem diversos estudos nacionais e internacionais, realizados quer no
âmbito do marketing, quer no âmbito de outras áreas do conhecimento, que permitem
aferir os atributos valorizados pelos consumidores relativamente a cada produto que
compram, e em particular os eletrodomésticos.
Um desses estudos, é de índole nacional, e encontra-se inserido no projeto
Energyprofiler, promovido pela agência portuguesa de energia Energaia, em parceria com
a Factor Social e a TerraSystemics (ERSE, 2011).
O mesmo estudo, procurou avaliar o grau de importância atribuído pelo consumidor a
um conjunto de atributos, associados as características dos eletrodomésticos que cada
consumidor inquirido valorizou e adquiriu no ano anterior. Estes atributos, resultam deste
modo, da resposta dos consumidores aos inquéritos produzidos no âmbito do mesmo
projeto. De acordo com o mesmo estudo, como atributos mais valorizados, verifica-se que
o mais importante é o consumo de energia (31,1%), seguido da classe energética (29.2%),
da ponderação qualidade/preço (17,8%), o preço (16,8%) bem como a potência dos
equipamentos (14,3%).
Na Figura 2.5, encontram-se representadas as percentagens ao nível das características
identificadas como importantes para a escolha de um novo equipamento.

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))

Atributos Tangíveis Correspondência na Bibliografia


Dubois, Laurent & Czellar (2001); Allérès (2000); Castarède
Perfeição estética
(2005); Galhanone (2013);
Design exclusivo e diferenciador Dubois, Laurent & Czellar (2001); Galhanone (2013)
Dubois, Laurent & Czellar (2001); Galhanone (2013);
Qualidade superior
́ ngelo (2006)
DA
Alta durabilidade Dubois, Laurent & Czellar (2001); Galhanone (2013)
Matérias-primas de alta qualidade Galhanone (2013); D ́Angelo (2006)
Distribuição seletiva Christopher, Lowson & Peck (2004)
Preço elevado ́ ngelo (2006); Dubois, Laurent & Czellar (2001)
DA
Inovação ́ ngelo (2006)
Caniato, Moretto & Caridi (2013); D A

Observando a Tabela 2.1, verifica-se que apesar da diversidade de atributos e


definições características dos produtos em geral, propostos por parte dos autores, observa-
se a existência de algum consenso entre os mesmos relativamente a alguns atributos que
figuram na mesma tabela. Estudos como o de Hamid et al (2013), abordam por exemplo as

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. Sustentabilidade no sector residêncial: Dimensão Ambiental

2.6.1. Introdução

Conforme referido anteriormente, o aspecto ambiental, é algo a ter em conta na


concepção/desenvolvimento de uma solução sustentável.
No entanto ainda há muito a fazer, para que seja tido em conta a dimensão ambiental
no seio da sustentabilidade, sendo que esta integração, começa pela importância que o
agente-decisor (em particular o consumidor) confere a esta dimensão, e na forma como
este pode ser sensibilizado para a sua importância.

2.6.2. A importância do grau de percepção do consumidor para as questões ambientais


em geral

Diversos estudos, têm vindo a ser desenvolvidos neste âmbito, nomeadamente o


trabalho desenvolvido pela ERSE (ERSE,2011), que procurou caracterizar as percepções e
atitudes do consumidor em Portugal, face as questões ambientais em geral.
Este estudo afirma que, e de um modo geral, a população inquirida têm demonstrado
uma atitude positiva e crescente face ao ambiente e às questões ambientais, bem como uma
opinião favorável face às problemáticas ambientais e a sua resolução. O mesmo estudo
aponta, no entanto, e com base nos resultados obtidos, para a existência de uma eventual
inconsistência entre as atitudes e comportamentos ambientais globais.
Ou seja, o mesmo estudo afirma, que uma opinião favorável à conservação do
ambiente, não resulta necessariamente numa elevada frequência de realização de

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.

2.6.3. Fases do Ciclo de Vida do Produto

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)

Observando a mesma figura, verifica-se uma predominância de emissões de CO2,


durante a fase de uso (usage stage), face as restantes fases.
È sobre cada uma das diferentes fases do ciclo de vida de cada serviço energético,
associado aos diferentes serviços energéticos aqui considerados, que incidirá a Avaliação
do Ciclo de Vida (ACV), que nos permitira avaliar os consumos energéticos associados a

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.

2.6.4. Avaliação do Ciclo de Vida – ACV

Na secção anterior, foi apresentada a Avaliação de custos do ciclo de vida (ACCV


ou LCAC), que em termos elementares, nada mais é do que uma avaliação económica,
assente na metodologia apresentada nesta secção, i.e., a Avaliação do Ciclo de Vida (ACV
ou ainda LCA, na literatura anglo-saxónica) (Royal Society, 1998).
A ACV, é uma técnica, cujo objectivo assenta na avaliação do impacte ambiental
associado a um produto ou serviço, no decorrer de todo o seu ciclo de vida util.
Este ciclo, pelo qual o produto passa, compreende várias fases, sendo que na Figura
2.8, encontra-se apresentado um exemplo dessas mesmas fases.

Figura 2.8 - Fases decorrentes do Ciclo de Vida de um produto (Ferrão, 2009)

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)

Definição do âmbito e objectivo

A definição do âmbito de aplicação, através da caracterização da unidade funcional,


permite deste modo a caracterização do seu serviço e do tempo de duração respetivo, tendo
em vista a definição posterior do seu desempenho na execução da função que lhe está
associada.
Relativamente ao objectivo, a ACV pode possuir vários, sendo um objectivo usual,
promover a avaliação dos impactes ambientais de um determinado sistema, relacionado
com a utilização de diferentes produtos (ou até mesmo com o recurso de múltiplas formas
de utilização de um produto) no desempenho de uma determinada função (Huijbregts et al,
2008).

38
Inventario

Esta fase, corresponde ao levantamento, sistematização e processamento de entradas e


saídas de cada actividade, envolvendo ainda a recolha e o processamento de fluxos de
diferentes materiais, substâncias, consumos e emissões, no ambiente ao longo do ciclo de
vida do produto ou serviço considerado, bem como das actividades envolvidas. Desta fase
resulta uma quantidade de dados relativos a intervenções ambientais (e.g. emissões de
substâncias para o ambiente) cuja análise necessitara de uma fase adicional que permita a
interpretação dos valores obtidos, de forma a avaliar o grau de magnitude e/ relevância dos
(potenciais) impactes ambientais ao longo do ciclo de vida do produto.

Avaliação do Impacte Ambiental

De acordo com (Ferrão, 2009) a fase de avaliação de impacte ambiental engloba as


seguintes fases:

1. Selecção das categorias de impacte ambiental e do método de avaliação a utilizar;


2. Classificação - Definição das categorias de impacte ambiental, através das
contribuições, referentes a cada intervenção ambiental;
3. Caracterização - Cálculo das contribuições ambientais para cada categoria do
impacte ambiental através da utilização de factores de ponderação;
4. Normalização dos valores obtidos na fase de caracterização através da divisão dos
valores obtidos por um valor de referência em cada categoria de impacte ambiental.
5. Agregação de categorias de impacte ambiental e interpretação.

A agregação de cada categoria, com vista a definição do impacte ambiental é obtida,


atarvês de ponderação, tendo em conta um conjunto de critérios de importância relativa
para um dado indicador ambiental. O objectivo principal deste processo consiste na
redução significativa do número de indicadores ambientais utilizados na interpretação dos
resultados.
Na Figura 2.10, encontra-se um exemplo de uma avaliação de impacte ambiental,
decorrente de uma ACV.

39
Figura 2.10 - Avaliação de Ciclo de Vida: Avaliação dos impactes Ambientais (adaptado de Ferrão, 2009)

Interpretação

Nesta fase, avaliam-se os resultados da análise do inventário, que possam suportar a


alteração dos processos de ciclo de vida, ou a classificação dos produtos, sendo feita uma
análise de impacte para seleccionar o produto, processo ou serviço, através de uma
compreensão clara das incertezas e suposições, que estiveram na origem dos resultados
obtidos (Ferreira, 2004).

2.6.5. Indicadores utilizados na análise de impacte ambiental

Apesar de atualmente, haver uma extensa lista de indicadores de sustentabilidade


ambiental (ou Eco Indicadores), no presente trabalho, e dado o âmbito de aplicação da
metodologia aqui proposta, foram considerados os indicadores que se apresentam de
seguida.

40
Pegada de carbono

A pegada de carbono, permite caracterizar o impacto associado ao consumo de energia


na emissão do principal gás de efeito de estufa (GEE) para a atmosfera, o dióxido de
carbono (CO2) (Ramage, 2003).
Para o efeito, são consideradas diversas variáveis para o seu cálculo, sendo que estas
poderão estar relacionadas com as mais diversas atividades consumidoras de energia,
associadas por sua vez aos respetivos sectores de atividade, nomeadamente os transportes,
edifícios e industria.
Independentemente das formas de consumo de energia acima referidas, encontra-se
implícito, o recurso a combustíveis fósseis, nomeadamente o petróleo, o carvão e o gás,
cuja queima origina emissões de GEE para a atmosfera.
Além de informar o consumidor (agente-decisor) acerca do impacte dos seus hábitos
de consumo energético no meio ambiente, este indicador permite ainda informar o
consumidor acerca do impacte resultante da alteração desses mesmos hábitos, em
particular todos aqueles, resultantes da implementação de medidas de eficiência energética,
potenciando deste modo a redução das emissões GEE correspondentes (Gibbons et al,
1992).
Dada a preocupação crescente do consumidor com os aspectos ambientais, importa
que a escolha do equipamento tenha o menor impacte ambiental possível. No entanto, a
escolha de um equipamento com uma pegada de carbono reduzida, poderá comprometer o
bem-estar económico e social do consumidor (agente-decisor), pelo que a sua escolha terá
de atender a estes factos (Wulfinghoff, 1999).
Atualmente, existem vários métodos para determinar este indicador, sendo que alguns
encontram-se disponíveis na web sob a forma de aplicações, que incluem de igual forma o
cálculo de outros gases com efeito de estufa (GEE) (Ferrão, 2009).
Alguns estudos, tem procurado caracterizar a pegada de carbono, relativa ao uso de
alguns serviços energéticos residenciais durante a fase operacional (Heiselberg et al.
(2009), etc.).
Outros estudos, têm-se baseado numa análise mais completa dos impactes ambientais
relacionados com os equipamentos residenciais (Hoxha & Jusselme, 2017), e recorrendo
para o efeito, á analise do ciclo de vida útil do equipamento/serviço energético em questão,
considerando as seguintes fases: construção, uso/exploração e fim de vida. Contudo, e a

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)

Sendo que no caso dos serviços energéticos, e em particular dos eletrodomésticos


residenciais, os dados de actividade são substituídos pelo consumo associado ao
equipamento, ou ao processo de fabrico/desmantelamento deste, i.e.:

kgCO2e = Consumo Energetico [kWh]  F .E [k gGEE / kWh]  PAG [k g CO2 e/ k g GEE ] (2.17)

Onde:

F .E ( Factor de Emissão)[k gGEE / kWh] – Emissões de Gases Efeito de Estufa (GEE)


por unidade de atividade (neste caso por cada kWh de energia consumida);

PAG [k g CO2 e/ k g GEE ] - Traduz-se no Potencial de Aquecimento Global (PAG)6,

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:

kgCO2e = Consumo Energetico [kWh]  F .E [k gGEE / kWh] (2.18)

Quando os dados das emissões, são obtidos directamente, torna-se desnecessário o


recurso a um factor de emissão, sendo que a expressão (2.17), reduz-se na expressão
seguinte:

kgCO2e = Emissões directas [k gGEE ]  PAG [k g CO2 e/ k g GEE ] (2.19)

Dado a elevada dependência do GWP, com a concentração de GEE’s na atmosfera,


este parâmetro é actualizado periodicamente pelo IPCC, sendo que a data deste trabalho, a
versão mais recente, é a que respeita o 5º Relatorio de Avaliação7, publicado pelo IPCC em
2014 (WBCSD, 2011b).
Relativamente aos factores de emissão respetivos, estes podem ser obtidos através da
base de dados dos factores de emissão do IPCC8, de forma a se poder estimar a quantidade
de CO2 emitida para a atmosfera através do consumo de energia eléctrica por exemplo.

Pegada hídrica

A importância e o interesse do estudo neste indicador, sofreu um aumento


considerável nos últimos anos, em muito devido aos impactes do consume humano nos
sistemas de água doce um por todo o planeta.
Também designado de Water Footprint, trata-se de um indicador de sustentabilidade
que quantifica a quantidade de água utilizada nos bens e serviços consumidos pelos
habitantes de um país, tendo em conta também os fluxos de água que entram ou saem
desse mesmo país através das importações e exportações de produtos e serviços (Maracajá
et al, 2012).

6 Na literatura anglo-saxónica vêm normalmente designado de GWP (Global Warming Potential)


7 IPCC Fifth Assessment Report, 2014 (AR5)
8 EFDB - Emission Factor Data Base https://www.ipcc-nggip.iges.or.jp/EFDB/main.php

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

indireta ( PH cons ,indir ) :

PH cons = PH cons ,dir + PH cons ,indir [m3 / h] (2.20)

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)

A pegada hídrica indirecta da água é obtida, multiplicando todos os produtos


consumidos pelas respectivas pegadas hídricas de produto, i.e.:

PH cons ,indir =  ( C ( i ) .PH * prod . ( i ) )


p
[m3 / h] (2.22)
i =1
Onde:

C ( i ) - é o consumo do produto “p” (unidades de produto/tempo)

PH * prod . ( i ) - representa a pegada hídrica desse produto (volume de água/unidade de

produto).

No que se refere a pegada hídrica de um produto i


( PH *
prod . ( i ) ) , esta vêm expressa
como o volume de água por produto.
Dado que se pretende caracterizar a pegada hídrica indireta, referente a cada solução
individual, vêm:
PH consi PH cons ,indiri = PH * prod . ( i ) [m3 / h] c / i = 1,.. p (2.23)

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:

Consumoi ,exp lor . = PH consi .t ( i ) [m3 ] c / i = 1,.. p (2.24)

Onde t, traduz o número de horas estimado de utilização do produto/equipamento.


No que toca, as fases de produção e desmantelamento, os respetivos consumos
poderão ser obtidos através da pegada ecológica do produto i ( PH * prod . ( i ) ) , podendo os

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

De facto, não existe propriamente um consenso generalizado que se possa encontrar na


literatura acerca do conceito de serviço de energia.
De acordo com (Fell, 2017), um serviço energético, constitui todo o serviço, resultante
da combinação entre energia e aparelhos elétricos.
Modi et al (2005), refere por seu turno que um serviço energético é algo que
possibilita um conjunto de benefícios, percetíveis para o ser humano, e que são decorrentes
do consumo de energia respetivo.
Já Nissing and von Blottnitz (2010), aponta que os serviços energéticos representam
todo o serviço útil disponibilizado ao utilizador final pelos respetivos aparelhos de
utilização (e.g. aquecimento, aquecimento para cozinha, força motriz, etc.) e que são por
isso consumidos para satisfação das necessidades do utilizador final.
Haas et al (2008), afirma que existem várias definições possíveis para serviços de
energia, e que estas varuiam de acordo com o sector onde se inserem e da exemplos para o
sector da mobilidade, onde o serviço de energia real é chegar por exemplo a uma a loja
para comprar um determinado produto ou a chegada ao local de trabalho, etc.
Já Fell (1981), afirma ainda que um serviço energético pode ser definido como uma
medida do serviço providenciado aos consumidores finais, através do uso da energia nas
suas mais diversas formas.
Fell, (2017), na revisão de literatura que faz sobre os serviços de energia enquanto
conceito, refere ainda que as fontes de energia, neste caso, os eletrodomésticos, são
frequentemente associados ao serviço energético respetivo, i.e., a função que
desempenham, pelo que será este conceito que será explorado no presente trabalho.

2.7.2. Exemplos de serviços energéticos

Conforme fora referido anteriormente, as fontes de energia, neste caso, os


electrodomésticos, são frequentemente associados ao serviço energético respetivo, i.e., a
função que desempenham.
Deste modo, podemos dizer que a fonte de energia “ar acondicionado”, pode ser
entendida como um serviço energético de climatização, a fonte energética “lâmpada”, um

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)

Verifica-se deste modo uma correspondência entre os eletrodomésticos aqui objeto de


estudo, e os serviços energéticos correspondentes, pelo que no presente trabalho (Tabela
2.2), essa correspondência pode ser feita da seguinte forma:
Tabela 2.2 - Correspondência entre os aparelhos (fontes energéticas) e os respetivos serviços energéticos

Fonte Energética Serviço Energético

Lâmpada Iluminação

Ar Condicionado Climatização

Máquina Lavar Roupa Lavagem de roupa

Máquina Secar Roupa Secagem de roupa

Frigorifico Refrigeração

Forno Elétrico Cozinha de alimentos

Máquina Lavar Louça Lavagem de louça

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.

2.8. A Eficiência Energética e o seu papel no sector residencial

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:

• Diretiva 2010/30/UE - Referente à indicação do consumo de energia (entre outros


recursos) por parte de produtos relacionados com a energia, seja por meio de
etiquetagem, ou através de outras indicações uniformes relativas aos produtos;
• Diretiva 2010/31/UE - Referente ao desempenho energético dos edifícios;
• Diretiva 2012/27/EU - Referente à eficiência energética que altera as Diretivas n.ºs
2009/125/CE e 2010/30/UE e revoga as Diretivas n.ºs 2004/8/CE e 2006/32/CE;

A primeira diretiva, define um conjunto de requisitos no âmbito da etiquetagem,


referente ao consumo de energia dos produtos e, em alguns casos, de outros recursos

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.

2.8.1. Potencial de poupança no sector residencial

De acordo com alguns estudos realizados, o maior potencial de poupança energética


estimado encontra-se associado ao sector dos edifícios.
Um dos estudos que evidencia este potencial, é o trabalho de Rosenow et al (2015) ao
ter analisado a poupança energética proveniente de cada sector, obtida com base nas
medidas políticas estabelecidas.
A Figura 2.14 apresenta as percentagens de poupança energética associadas a cada
sector.

Figura 2.14 - Potencial de poupança no consumo energético por sector (DGEG, 2002).

Verifica-se que a maior percentagem de poupança, é obtida através de medidas


transversais a mais do que um sector.
Como exemplo de tais medidas, pode-se referir as taxas aplicáveis, regulamentos
aplicados a edifícios domésticos e não-domésticos, bem como os incentivos financeiros a
vários sectores.
No que concerne à poupança obtida a partir de medidas concentradas apenas num
sector-alvo, o sector residencial é o que possui maior significância no potencial de
poupança energética global.

52
2.9. Introdução ao modelo conceptual proposto

Com base nas 3 dimensões da sustentabilidade, referidas anteriormente, procura-se,


numa fase preliminar, definir uma abordagem que permita classificar cada solução do
mercado, segundo as dimensões Económica, Ambiental e Social.
Dado que a importância relativa, dada pelo consumidor a cada uma destas soluções,
pode diferir, estabelecem-se “pesos” a atribuir a cada uma das dimensões consideradas.
Com base nas premissas acima referidas, classificam-se as soluções obtidas, de
acordo com um sistema ortogonal de três eixos (x,y,z), que deverá constituir a base de
definição das funções-objetivo individuais, correspondentes a cada uma das três dimensões
da sustentabilidade aqui consideradas (Figura2.15).
Solução
Sustentavel
Social
f(Z) Ar Condicionado
Iluminação Nr. opções /serviços de energia
Forno
Maq. Lavar roupa (ajustável de acordo com as
Maq.Lavar Louça necessidades do consumidor no
Maquina secar roupa momento da aquisição)

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

Com base neste sistema a 3 dimensões, é então desenvolvido um modelo holístico,


que permite extrair soluções optimas do mercado, atendendo a um conjunto de requisitos
por parte do consumidor (agente-decisor), no âmbito das 3 dimensões da sustentabilidade:
Económica, Ambiental e Social.
O modelo será flexível, permitindo deste modo, adicionar/remover serviços
energéticos a adquirir por parte do agente-decisor (Figura 2.16).

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

Inputs dados pelo


consumidor
(agente-decisor)

Figura 2.16 - Representação simplificada do modelo holístico desenvolvido

O modelo, deverá ainda atender a um conjunto de questões relacionadas com a


eficiência energética, afeta a cada um dos serviços energéticos/eletrodomésticos, para além
das várias questões associadas a cada um das 3 dimensões consideradas, nomeadamente;
Económica (investimento inicial, consumo energético, consumo hídrico, etc.), Social
(preferências dos consumidores, conforto acústico, visual, etc.) e Ambiental (Emissões
CO2 durante as fases produção, operação e desmantelamento, referentes ao ciclo de vida
útil de cada solução, consumo hídrico, etc).
Para o efeito, será realizado nos capítulos seguintes, uma exposição de cada um destes
temas, com vista a um maior enquadramento do modelo aqui desenvolvido.

2.6. Nota Conclusiva

Neste capítulo, apresentou-se a Sustentabilidade enquanto conceito e reforçou-se a sua


importância, já aqui referida no capítulo anterior, nomeadamente através da redução das
emissões de gases de efeito de estufa e num melhor aproveitamento dos recursos do
planeta, com vista a assegurar-se um futuro sustentável para o mesmo.
Apresentaram-se para o efeito um conjunto de linhas de atuação do desenvolvimento
sustentável, onde os produtos e serviços sustentáveis, são reconhecidos pela comunidade
científica, enquanto meio para se chegar á sustentabilidade.
Apresentaram-se ainda as três dimensões da sustentabilidade (Económica, Social e
Ambiental), e nas quais foram abordadas diversas temáticas associadas, nomeadamente a
pegada de carbono, a pegada hídrica, entre outros temas.
Daqui se conclui, e através da literatura até então existente, que, apesar de haver
vários estudos sobre cada uma das temáticas aqui referidas, não existe, contudo, uma

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

3.1. Caracterização dos equipamentos elétricos no sector residencial

Os equipamentos existentes no sector residencial, nomeadamente os eletrodomésticos


como o forno elétrico, o ar condicionado, a máquina de lavar, os frigoríficos, e as fontes de
luz, constituem um recurso indispensável numa habitação, conforme comprovado através
do registo das elevadas taxas de penetração e de utilização obtidas em vários estudos
(DGEG, 2004).
È sabido que o aumento do consumo de energia de uma habitação, deve-se não só a
uma eventual ineficiência dos equipamentos, como também ao elevado consumo de
energia que advém de maus procedimentos e hábitos de utilização dos mesmos.
Neste contexto, e tendo em conta o potencial de poupança energética, referido
anteriormente, torna-se necessário analisar a respetiva etiquetagem energética de um
equipamento aquando do momento da sua aquisição, o que permitira no futuro reduzir os
consumos de energia associados, assegurando ao mesmo tempo o serviço energético nas
condições pretendidas pelo consumidor (agente decisor).

3.1.1. Caracterização dos consumos

A caracterização do tipo de equipamentos existentes numa habitação, é de extrema


importância, na medida em que representam um grande potencial de poupança, caso haja
uma correta utilização dos mesmos, ou até mesmo a sua substituição.
Considerando apenas os consumos energéticos de uma habitação, nomeadamente no
que toca a repartição dos seus consumos energéticos, verifica-se que a cozinha
desempenha um papel preponderante no consumo energético através dos seus
equipamentos elétricos, logo seguido da iluminação (Figura 3.1), com o respetivo
consumo energético a representar cerca de 40% do consumo energético total.
Isto permite inferir que dentro de uma habitação, os equipamentos que mais
consomem energia, são os que estão ligados permanentemente (equipamentos de frio),
apesar da existência da máquina de lavar roupa e loiça que embora possuam
funcionamentos periódicos e de pouca duração, possuem potência elevada.

57
Figura 3.1 - Repartição dos consumos energéticos (típicos) numa habitação (DGEG, 2002)

Associado ao consumo energético da cozinha, surge ainda a iluminação e os


equipamentos audiovisuais, sendo consumos que também possuem valores significativos,
derivado ao seu elevado uso.
Posteriormente ao consumo energético associado a cozinha, surgem então os
consumos associados aos equipamentos elétricos (33% do consumo energético total), á
iluminação (14%), seguindo-se posteriormente o aquecimento do ambiente (9%), o
arrefecimento (2%) e o aquecimento de águas (2%).
Verifica-se deste modo a elevada percentagem de consumo energético associado aos
equipamentos elétricos existentes na habitação, sendo que a sua significância se torna mais
acentuada quando se consideram incluídos os consumos de energia elétrica associados aos
equipamentos existentes na cozinha.
Através de uma monitorização de consumos, realizada por um estudo da DGEG, foi
possível estimar a distribuição dos consumos de energia elétrica, respeitantes aos
equipamentos elétricos (Figura 3.2) com base nas suas principais utilizações finais.

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.

Figura 3.3 - Potencial de economia de energia no setor residencial (DGEG,2002)

Tendo em conta os equipamentos abrangidos pelo sistema de etiquetagem energética,


verifica-se que aqueles que apresentam um maior potencial de economia de energia são os
frigoríficos, as arcas congeladoras ou os seus combinados, as lâmpadas e os audiovisuais,
em consequência do seu consumo em modo stand-by.
Alguns autores como Malatji et al (2013) entre outros, apresentaram métodos que
tentam explorar algumas das necessidades acima assinaladas, ao ter em conta alguns
critérios relevantes, tais como a energia consumida primaria anual do edifício, emissões de
dióxido de carbono, investimento inicial, etc), mas normalmente não tem consideração os
serviços energéticos associados aos eletrodomésticos de uso residencial disponíveis no
mercado, bem como as suas características em termos de uso e de etiquetagem, as quais
permitem realizar uma escolha opima do equipamento/serviço energético não apenas na

59
sua eficiência, mas também no seu grau de adequação às necessidades da habitação e do
agregado familiar.

3.1.2. Etiquetagem energética nos equipamentos elétricos residenciais

O sistema de etiquetagem energética constitui uma ferramenta de apoio à tomada de


decisão do consumidor, aquando da aquisição de novos produtos consumidores de energia,
ou relacionados com energia.
O principal propósito deste sistema, assenta na apresentação de métricas de
comparação de fácil compreensão, de forma a que seja possível ao consumidor comparar o
desempenho energético de produtos da mesma família de equipamentos (ADENE, 2013).
Atualmente, a etiquetagem energética e regulamentada pela Diretiva Europeia n.º
2010/30/EU, sendo a mesma “relativa à indicação do consumo de energia e de outros
recursos por parte dos produtos relacionados com a energia, por meio de rotulagem e
outras indicações uniformes relativas aos produtos”, transposta para a legislação
portuguesa através do Decreto-Lei n.º 63/2011 de 9 de maio.
De ressalvar que a etiqueta energética abrange essencialmente produtos destinados ao
setor residencial, isto é, produtos de baixa potência em que a principal condicionante são as
necessidades de conforto na habitação e o fator económico.
No caso do setor de serviços e indústria, prossupõe-se que a tomada de decisão tenha
em consideração uma série de requisitos e características locais, que vão além do
desempenho energético da solução e da implicação financeira da mesma.
Embora o que esteja na origem do sistema de etiquetagem energética, seja a
informação e sensibilização do consumidor, a Comissão Europeia, encontra-se atualmente
a introduzir a regulamentação da etiquetagem energética em alguns produtos dirigidos ao
setor profissional numa ótica do b2b13.
Um exemplo disso, prende-se com os armários refrigerados para armazenagem de uso
profissional.
A etiqueta energética, para alem de possuir um caracter cada vez mais universal em
todo o espaço europeu, é também cada vez mais baseada em pictogramas e em valores de

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).

Figura 3.4 – Evolução das classes de eficiência energética (ADENE,2017)

Estes índices de eficiência são obtidos através de ensaios laboratoriais realizados de


acordo com normas técnicas específicas para cada tipo de equipamento.
Tal como referido anteriormente, este sistema de etiquetagem é uniforme para todos os
produtos pertencentes a uma mesma categoria, e como tal, permite que em cada categoria,
o consumidor compare facilmente várias características dos produtos (e.g. consumo de
água ou de energia, o ruído, capacidade do equipamento, etc.).

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).

Figura 3.5 - Exemplo de etiqueta energética (Equipamentos de Refrigeração) (ADENE (2017)

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.).

3.2. Equipamentos elétricos no sector residencial

3.2.1. Máquina de lavar roupa


A máquina de lavar roupa é um equipamento, cujo consumo representa cerca de 5%
do consumo total de energia elétrica nas habitações, apresentando ainda uma taxa de
penetração da ordem dos 89% no parque residencial em Portugal (DGEG, 2004).

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).

Classe de Eficiência Energética

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.

Figura 3.7 - Etiqueta energética - Máquina de Lavar Roupa (ADENE, 2017)

De acordo com as exigências da Eco Design, só podem ser colocadas no mercado


máquinas de lavar roupa com a classe de eficiência energética mínima A+.
De acordo DGEG (2004), o potencial de poupança anual é tanto mais elevado quanto
maior for a diferença entre a classe energética do equipamento substituído, podendo a
mesma variar entre 35€ a 423€, devido a diferença associada com os respetivos consumos.

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

O seu princípio de funcionamento baseia-se no aquecimento do ar exterior, para em


seguida retirar a humidade da roupa lavada, secando-a.
O processo de aquecimento do ar, requer um consumo significativo de energia elétrica
(Figura 3.8), sendo por isso o custo muito elevado.

Figura 3.8 - Perfil de carga (potência absorvida) típico de uma máquina de secar roupa (DGEG, 2002)

Atualmente, existem no mercado três tipos de máquinas, respeitantes a dois processos


distintos: extração, condensação e com gás.

Classe de Eficiência Energética

De acordo com o Regulamento Delegado (UE) N.º 392/2012, estas máquinas


apresentam no mercado três etiquetas de eficiência energética distintas em função do tipo
de tecnologia acima referido.
Na tecnologia de condensação, existe um pictograma adicional na respetiva etiqueta
que indica a classe de eficiência energética por condensação de A G.
Na Figura 3.9, encontra-se apresentada a etiqueta energética, actualmente em vigor.

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.

3.2.3. Máquina de lavar louça

De acordo com (DGEG, 2002), a máquina de lavar louça representa cerca de 3% do


consumo total de energia elétrica nos edifícios habitacionais, apresentando uma taxa de
penetração de 35%.
A energia elétrica é em grande parte consumida pela resistência elétrica necessária ao
aquecimento de água utilizada na lavagem e, posteriormente, na secagem da louça.

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)

Este a tecnologia associada a este equipamento, têm evoluído de forma significativa,


permitindo deste modo aos novos equipamentos um menor consumo de energia elétrica,
água e detergente.
Os modelos mais antigos apresentam consumos entre 2,5 e 3 kWh para o ciclo longo,
enquanto os mais recentes consomem entre 1 e 1,8 kWh, poupando cerca de 0,18€ por
lavagem (ADENE, 2017).
A vida útil destes equipamentos varia entre 8 a 16 anos, dependendo essencialmente
da sua qualidade e da frequência de utilização.
Os fatores que influenciam os consumos de energia elétrica e de água são:

• Características da máquina de lavar (tipo, idade e programas);


• Capacidade de louça colocada em cada lavagem;
• Temperatura de lavagem;
• Tipo, quantidade de detergente e sal utilizado;
• Manutenção de filtros.

No cálculo da classe energética das máquinas de lavar loiça (Regulamento Delegado


(UE) N.º 1059/2010), é considerado o consumo energético despendido em 280 ciclos de
lavagem em programa normal (aproximadamente 5 lavagens por semana), bem como os
consumos nos estados de desativação, desligado, inativo e stand-by.

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:

• Aparelhos de refrigeração para uso doméstico: frigoríficos, combinados e arcas


congeladoras.
• Aparelhos de armazenagem de vinhos.

De acordo com os requisitos da norma Eco Design, os novos aparelhos de


refrigeração, colocados no mercado, deverão já apresentar a classe mínima de A+.
Nos frigoríficos com a tecnologia de absorção (os convencionais são de tecnologia de
compressão) a etiqueta energética é diferente, contemplando dez classes energéticas. Estes
aparelhos, embora sejam mais silenciosos, consomem mais energia.
A partir de 1 de julho de 2015, apenas podem ser colocados no mercado aparelhos de
refrigeração com tecnologia de absorção com a classe mínima D.

3.2.5. Forno

A etiquetagem energética dos fornos de utilização doméstica (Regulamento Delegado


(UE) N.º 65/2014), abrange quer fornos elétricos, quer a gás, sendo aplicável quer a fornos
isolados, quer aos fornos integrados em fogões, excluindo deste modo os aparelhos que
têm função de aquecimento por micro-ondas.
A classe de eficiência energética presente na respetiva etiqueta, é obtida através da
medição do consumo energético, considerando um ciclo normalizado, quer num modo
convencional, quer num modo de ventilação forçada, sendo considerado o menor consumo
de entre os dois no cálculo da classe de eficiência energética.

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:

• SCOP – Representa o coeficiente de desempenho sazonal de aquecimento. Este


coeficiente é calculado como o quociente entre a procura anual de aquecimento e o
respetivo consumo anual de eletricidade. Quanto mais elevado for o valor apresentado,
maior será a eficiência do equipamento.

• SEER – Representa o coeficiente de desempenho sazonal de arrefecimento, sendo o


mesmo obtido como o quociente entre a procura anual de arrefecimento (de referência)
e o respetivo consumo anual de eletricidade. Quanto mais elevado o valor apresentado,
maior será a eficiência do equipamento.

Existe ainda uma categoria de equipamentos de ar condicionado existente no mercado


(embora pouco comum no mercado português), que embora semelhantes aos monoblocos
(com pequenas dimensões e menos eficientes), funcionam como unidades interiores.
Um exemplo de tais unidades, são as unidades portáteis.

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.

Tabela 3.1 - Características-padrão, referentes a cada tecnologia de lâmpada (EcoCasa, 2018)

Lâmpadas incandescentes Lâmpadas Fluorescentes


Lampadas Led
Características Circular e (Light Emitting
Tubular
Clássica Halogénio Compacta Dicode)
(TFL)
(CFL)
Potência (W) 15-2000 20-2000 15-58 9-23
Eficiência Luminosa
8-15 15-25 58-93 55-65
(lm/W)
12000-
Duração (h) 1000 5000 6000-15000 20000-45000
18000
Suave
Suave (2.700K) e
Temperatura de Cor (°K) - - 3000-4000 (2.700K) e
Clara (4.000K)
Clara (6.500K)
IRC 80-90
Preço (€) 0,5 a 1 2a8 3a5 5 a 15

As TFL apresentam geralmente potências, rendimentos luminosos e tempos de vida


superiores aos valores apresentados pelas lâmpadas CFL, embora, no entanto, necessitem
de armaduras próprias devido às dimensões elevadas.
Embora as CFL sejam mais caras do que as lâmpadas incandescentes e as de
halogénio, estas apresentam um tempo de vida muito superior (3 a 15 vezes do que uma
lâmpada incandescente) e consomem cerca de 80% menos energia elétrica do que uma
lâmpada com tecnologia convencional (incandescente ou de halogénio).
As poupanças obtidas dependem do número de lâmpadas, da potência e do tempo de
funcionamento.

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

Atualmente as lâmpadas e luminárias vendidas com lâmpadas incorporadas ou


acompanhadas de lâmpadas devem também apresentar a etiqueta energética (Regulamento
Delegado (UE) N.º 874/201), aplicável a lâmpadas direcionais ou não, quer sejam, de
filamento, fluorescentes, de descarga de alta intensidade, LED (Light Emitting Diode:
díodo emissor de luz) ou módulos LED.
Na Figura 3.12, apresenta-se a etiqueta energética correspondente, actualmente em
uso.

Figura 3.12 - Etiqueta energética - Lâmpadas (ADENE, 2017)

Para além da classe de eficiência energética, da função da relação entre a potência da


lâmpada e o seu fluxo luminoso útil, a etiqueta apresenta ainda o consumo energético
associado por 1000 horas de funcionamento, o que corresponde a 1 ano de funcionamento
considerando que está acesa durante cerca de 3h/dia.

73
Considerações adicionais sobre as lâmpadas de halogénio

No âmbito de iniciativas regulamentares europeias, nomeadamente a regulamentação


ErP, EC 244/2009 (revista pela EC 859/2009), foi definido o phase-out de produtos de
acordo com o consumo máximo de potência para um determinado fluxo luminoso, bem
como a definição dos requisitos mínimos no que respeita à duração, manutenção dos
lumen, nº. de acendimentos, tempo de ignição, tempo de pré-aquecimento, taxa de falhas,
radiação UV, factor de potência e restituição de cor.
De entre as diversas fases previstas nesta regulamentação, existe a 6ª. Fase (Medidas
de implementação da Regulamentação (EC) 244/2009), relativa a lâmpadas de uso
doméstico não direcionais (Philips, 2014), onde no âmbito desta 6ª fase, ocorreu a decisão
de Portugal retirar do mercado, e a partir de 1 de setembro de 2018, um determinado
conjunto de lâmpadas de halogénio, consideradas ineficazes.
Importa referir, no entanto, que algumas destas lâmpadas, ainda existem no mercado
europeu16 , e que no mercado mundial ainda são amplamente utilizadas, sendo por isso
tidas em consideração no presente trabalho.

3.2.8. Conceitos gerais de luminotecnia

Fluxo Luminoso (ϕ)

Na escolha de uma determinada lâmpada, deve-se ter principalmente em atenção a


quantidade de luz que a lâmpada pode fornecer, i.e, o seu fluxo luminoso (ϕ) (Figura
3.13), cuja unidade de medida é o lumen (lm).

Figura 3.13 - Fluxo luminoso de uma lâmpada (OSRAM, 2010).

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)

Iluminância média (Em)

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

Na prática, traduz-se na quantidade de luz existente dentro de um ambiente, sendo a


sua medição, normalmente efectuada através de um fluxímetro. Dado o fluxo luminoso não
ser uniforme, a iluminância não será constante em todos os pontos da área em apreço, pelo
que normalmente é considerada, a iluminância média (Em).
O valor mínimo de Em, varia de acordo com a pela atividade exercida, e como tal com
o ambiente em questão. Este valor, pode ser encontrado na normalização actualmente
existente. No âmbito deste trabalho, foi tido em consideração o valor respetivo, existente
na norma EN 12464-1:2002 (OSRAM, 2010).

Índice de Reprodução (restituição) de Cor (IRC)

A cor de um objeto, é determinada pela parte reflectida do espectro de luz incidente


sobre o mesmo, o que evidência a relação existente entre a reprodução das cores do objecto
e a qualidade da luz incidente sobre o mesmo.
Objetos que sejam iluminados por fontes de luz de tonalidade idêntica, podem
apresentar diferenças ao nível da restituição de cor, surgindo dai variações ao nível da cor
percepcionada pela nossa visão.
Estas variações podem ser identificadas através do conceito, Reprodução (ou
restituição) de Cores, bem como através de uma escala qualitativa, denominada Índice de
Reprodução de Cores (Ra ou IRC).
O valor de referência do IRC (=100), obtêm-se da respetiva luz irradiada, resultante do
aquecimento do metal sólido até um dado ponto. Daqui, foram estabelecidos diferentes
níveis de Reprodução de Cor, cujo número ideal seria igual a 100.
Estes níveis, usam-se para classificar em termos de avaliação de despenho, as
diferentes tecnologias de lâmpadas, actualmente em uso. Na Tabela 3.3, encontra-se um
exemplo dessa mesma classificação.

76
Tabela 3.3 - Indice de Reprodução de Cores (valores típicos / tecnologia de lâmpada) Guerrini (2007)

Assim, quanto maior for a diferença na aparência de cor do objeto iluminado em


relação a referência (radiação do metal sólido), menor será o seu IRC, sendo essa a razão
pela qual as lâmpadas de mesma Temperatura de Cor, possuem IRC diferentes.
Tal como a Iluminância média, existe normalização que regulamenta o uso de fontes
de luz com determinados valores de IRC, estando a recomendação dos respectivos valores,
dependente da atividade a ser desempenhada no local (Figura 3.14).

Figura 3.14 - Índice de Reprodução de Cores aconselhado, em função do local


(Fonte: OSRAM, 2010)

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.

Tonalidade (ou temperatura) da Cor e a sua relação com a iluminância

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

melhor conforto visual.

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

resulta a seguinte expressão:


Em = k .T (3.2)

Onde:

Em - Iluminância media, em [lux]


T - Temperatura da cor [º K]

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 (2) − Em (1) 1000 − 250 750


k= = = = 0,1875 (3.3)
T(2) − T (1) 4000 − 0 4000

Como, existem níveis de iluminância recomendados pela normalização, é suposto que


a solução escolhida, tenha que possuir uma temperatura de cor, cuja iluminância, oscile em
torno dos valores recomendados, pelo que, e com base nesta premissa e no valor de k
calculdado anteriormente, torna-se possível definir as equações das duas rectas anteriores,
pelo que deste modo, vêm:

 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

As condições acima definidas, permitem definir os valores limite a que deverão


obedecer as opções a considerar em materia de iluminação, de forma a garantir o conforto
visual a partir da tonalidade (temperatura) de cor e a iluminância associada.
Convém referir, no entanto, que do ponto de vista psicológico, quando se diz que um
sistema de iluminação apresenta luz “quente”, tal significa que a luz apresenta uma menor
temperatura de cor, dado apresentar uma tonalidade mais amarelada.
Um exemplo de aplicação deste tipo de iluminação, é a sua utilização em salas de
estar, quartos ou locais onde se deseja tornar um ambiente mais aconchegante. Do mesmo

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.

Metodologia de calculo luminotécnico considerada

Para a obtenção do número de lâmpadas a instalar numa determinada divisória, e tendo


em conta um determinado nível de iluminância (Em), foi considerado como metodologia de
calculo luminotécnico o método das eficiências. De acordo com OSRAM (2010), este
método resume-se no seguinte:

1. Seleção da lâmpada adequada


2. Escolha da luminária adequada
3. Cálculo da quantidade de luminárias

Executados os dois primeiros passos, prossegue-se para o cálculo da quantidade de


luminárias/lâmpadas, recorrendo-se ao seguinte método (tendo em conta o nível de
Iluminância Média (Em) exigido. Assim, a iluminância media (Em), é dada por:

 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

Para alem das fintes de luz necessárias, há ainda a necessidade de se levar em


consideração o fator de depreciação Fd, de forma a compensar o desgaste e o tipo de
manutenção dos equipamentos ao longo do tempo. Assim, e considerando BF=118, vêm:
Em . A.FD Em . A.FD
n= = (3.7)
L .R .i FU .i

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

Alguns catálogos, indicam tabelas de Fator de Utilização para as respectivas


luminárias, sendo que por questões de simplificação, optou-se por aproximar do valor da
unidade, o valor de FU.

3.3. Nota Conclusiva

Neste capítulo, abordou-se a eficiência energética no sector residencial, como sendo o


âmbito de aplicação do presente trabalho.
Para o efeito, foram ainda abordados, os perfis de funcionamento de cada um dos
serviços energéticos aqui considerados, o sistema de etiquetagem energética associado,
bem como um conjunto de particularidades associadas a cada um destes serviços.
De entre alguns trabalhos publicados neste âmbito, identificaram-se, contudo, a
ausência de métodos de apoio a decisão associados a escolha individual ou coletiva de cada
um dos serviços energéticos aqui abordados.
Adicionalmente, o elevado grau de diferença entre os equipamentos aqui considerados,
evidenciado através dos perfis de consumo/utilização, modos de funcionamento, entre
outras características associadas, levanta a necessidade de se desenvolver uma metodologia
de suporte a tomada de decisão, que integre as diferentes particularidades acima referidas,
tendo em vista não só a analise individual de cada serviço energético, como também, a
analise agregada dos serviços energéticos a adquirir pelo consumidor. Por esse facto, será
abordado no capítulo seguinte, um conjunto de métodos de suporte a tomada de decisão,
onde serão apresentadas e discutidas algumas abordagens multicritério, bem como as
diferentes abordagens em matéria de técnicas de otimização, dita “clássica” e “evolutiva”.

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).

4.2. Diferenças entre otimização mono-objectivo e multiobjectivo

De um modo geral, as principais diferenças entre a abordagem multi-objectivo e a


mono-objectivo, relacionam-se essencialmente com os objectivos a atingir, bem como no
número de espaços de busca considerados.
Apesar de no espaço de busca, poderem existir soluções optimas locais, na abordagem
mono-objectivo, a finalidade a atingir é apenas a de alcançar uma solução optima global.
No entanto, na abordagem multiobjectivo são determinados vários optimos locais e
globais, sendo pretendido para o efeito, alcançar a convergência através do conjunto
obtido, de soluções não dominadas, em direção a frente optima de Pareto real, mantendo ao
mesmo tempo um conjunto diversificado de soluções na frente obtida.
Em problemas de otimização mono-objectivo, existe apenas um espaço de busca
multidimensional, nomeadamente o espaço das variáveis de decisão, onde o algoritmo
actua, aceitando e rejeitando soluções de acordo com os respetivos valores da função
objectivo (Climaco et al., 2003).
Em problemas multiobjectivo, e para alem do espaço das variáveis de decisão, existe
ainda o espaço dos objetivos, o que, e embora ambos relacionados, nem sempre se
assemelham em propriedade. Um exemplo desse mesmo facto, prende-se com o nível de
proximidade existente entre duas soluções, podendo o mesmo diferir substancialmente nos
dois espaços.

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.

4.3. Formulação de um problema multiobjectivo

Um problema de otimização multiobjectivo é constituído por duas ou mais funções


objetivo, que se pretendem maximizar ou minimizar e, normalmente, por várias restrições
funcionais que toda a solução admissível tem de satisfazer.

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:

m = 1,2,...., M f m ( x) =  f1 ( x), f 2 ( x),..., f M ( x)


T
e (4.2)

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)

c / x = x1, x2 ,..., xn  c / f ( x) = z =  z1, z2 ,..., zm 


T
(4.4)

Ou seja, a cada solução x , existente no espaço das variáveis de decisão, correspondera


um ponto, pertencente ao espaço dos objetivos f ( x ) , como sendo soluções particulares

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)

4.4. Dominância de soluções

4.4.1. Conceitos fundamentais

O principal objectivo na resolução de problemas multiobjectivo, prende-se com a


busca de uma solução de compromisso óptima para o agente-decisor, com vista a se obter

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:

1. Ausência de uma relação de dominância entre duas soluções escolhidas ao acaso,


pertencentes ao mesmo conjunto.
2. Dominancia de uma solução não pertencente a frente de Pareto, por pelo menos uma
solução do mesmo conjunto.

Neste contexto, importa ainda definir os conceitos de dominância forte e dominância


fraca, defendidos por alguns autores Climaco et al. (2003).
Tal como referido anteriormente, e a existir uma relação de dominância entre duas
soluções genéricas (x1) e (x2), assume-se então a existência de uma solução de dominância
fraca de x1 sobre x2, o que implica que x1 não será pior do que x2 em todos os M objetivos,
sendo x1 estritamente melhor do que x2 em pelo menos um dos M objetivos.

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).

4.4.2. Obtenção da frente de Pareto (e restantes níveis de dominância)


Existem várias formas para se obter uma frente não dominada (frente de Pareto) a
partir de uma dada população de soluções, sendo que o seu uso difere essencialmente no
esforço computacional, relativo a cada um deles.

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)

Figura 4.1 - Classificação das soluções por níveis de dominância.

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;

O processo é repetido até que todas as soluções da população estejam distribuídas


pelas diversas frentes, e classificadas de acordo com os vários níveis de dominância
respetivos.

4.5. Algoritmos de otimização em problemas multiobjectivo

4.5.1. Introdução

Ultimamente, tem-se assistido a um desenvolvimento notável de algoritmos para


resolução de problemas de otimização multiobjectivo, com especial enfase para a

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.

4.5.2. Algoritmos clássicos vs. Algoritmos evolutivos

È comum utilizarem-se frequentemente, e em problemas de otimização, técnicas


tradicionais em programação multiobjectivo (e.g. simplex).
Contudo, o uso deste tipo de técnicas, apresenta algumas desvantagens. Uma das
quais, pende-se com o facto de neste tipo de técnicas, começar-se habitualmente com uma
única solução potencial para o problema, sendo a mesma manipulada de forma iterativa,
até se convergir para uma solução final (normalmente) única (Ogwumike et al, 2016),
Haupt et al (2004) & Telega (2007)).
Tal traduz-se numa desvantagem para o presente problema que se quer tratar, pois
reduz o número de soluções ótimas possíveis para o agente-decisor, não lhe permitindo
explorar outras alternativas igualmente ótimas.
Outra desvantagem frequentemente encontrada e mencionada pela literatura, e que se
encontra relacionada com a aplicação destes algoritmos, prende-se com a elevada
probabilidade destes métodos convergirem prematuramente devido aos múltiplos ótimos
locais, inviabilizando frequentemente uma adequada exploração do espaço de busca
existente.
Dada a sua natureza comportamental pseudoaleatória, devido ao recurso a meta-
heurísticas, os algoritmos evolutivos procuram contornar estas e outras dificuldades, como
por exemplo o esforço computacional associado a muitos métodos de optimização
clássicos na resolução de alguns problemas de otimização de natureza combinatória.

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

Como referido anteriormente, os Algoritmos Evolutivos enquadram-se no grupo de


técnicas meta-heurísticas, cujo processo de optimização, se desenvolve através de uma
população inicialmente definida, e que será manipulada até se achar um conjunto de
soluções optimas, ou quase optimas. Cada individuo (solução) desta população (conjunto)
representa uma potencial solução do problema de otimização.
Estes algoritmos, possuem ainda a particularidade de se basearem em alguns dos
mecanismos biológicos associados a teoria da evolução natural, com vista a resolverem
problemas que exijam adaptação, busca e optimizacao. Trata-se de métodos estocásticos e
iterativos, não garantindo por isso a convergência para a melhor solução.
O algoritmo inicia-se com a criação (aleatória ou a partir de técnicas
especificas) da primeira população inicial, onde cada solução é tida como uma solução
potencial do problema.
Posteriormente, ocorre a avaliação individual de cada solução (individuo) existente
neste conjunto, recorrendo para o efeito a uma função de aptidão (fitness) que atribui um
valor de aptidão a cada uma das soluções da população. Este valor reflete a “qualidade” da
solução do problema, na medida em que “os indivíduos mais aptos terão maior chances de
sobreviver”, sendo por essa razão, utilizado para orientar na busca de novas soluções.
O processo prossegue, ocorrendo as quatro fases principais seguintes: seleção,
cruzamento, mutação e substituição.
A seleção parte da criação de uma população provisoria, constituída por algumas das
soluções da população principal, sendo que as soluções com maior valor de aptidão terão
maior probabilidade de estarem presentes na população provisoria do que as soluções com
menor valor de aptidão.
A este conjunto de soluções, é aplicado o operador genético cruzamento seguido de
mutação, de forma a gerar uma nova população. Posteriormente, ocorre a fase de
substituição das soluções da população principal pelas novas soluções, levando a que
normalmente as soluções com melhores valores de aptidão se mantenham, ao passo que as
soluções com piores valores de aptidão serão removidas. O processo termina geralmente,
quando se atinge um número predefinido de gerações, ou quando não haja uma melhoria
significativa nas últimas gerações.

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.

4.5. Algoritmos Genéticos

4.6.1. Introdução

Os Algoritmos Genéticos (AG’s) constituem o método mais utilizado (pertencente ao


grupo dos Algoritmos Evolutivos) na resolução de problemas de otimização. Tratam-se de
métodos adaptativos, por sua vez inspirados nos mecanismos de evolução natural de
populações de seres vivos, os quais evoluem de acordo com os princípios da seleção
natural, descritos pela primeira vez por Darwin19.
Deve-se a John Holland (1975) e a uma equipa de colaboradores (alunos e colegas)
da Universidade de Michigan, a introdução e desenvolvimento destes princípios, ocorrida
durante os períodos referentes aos anos 60 e 70 aproximadamente (Goldberg, 1989).
De acordo com Goldberg (1989), as investigações conduzidas Holland, visavam
atingir uma metodologia que pudesse:

• abstrair e explicar com rigor os processos adaptativos dos sistemas naturais;


• desenvolver algoritmos para sistemas artificiais baseados nos principais mecanismos
dos sistemas naturais;

Contudo, a popularização dos AG’s deveu-se essencialmente aos trabalhos de David


Goldberg, um dos alunos de Holland, através da aplicação desta técnica na resolução de
um problema de controlo no transporte de gás natural em gasodutos, no âmbito da sua tese
de doutoramento.

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:

• busca a partir de um conjunto (população) de soluções (indivíduos) potencialmente


admissíveis e não apenas de uma solução única;
• recurso a uma codificação do conjunto de parâmetros ao invés de o fazerem com os
próprios parâmetros;
• recurso a regras de natureza probabilística (e não determinística) na evolução do
processo;
• recurso a informação proveniente da própria função objetivo, e não de equações
associadas ou de outro tipo de conhecimento auxiliar;

Segundo (Eiben e Smith (2003)), é usual na literatura, usarem-se na terminologia dos


AG’s, várias designações adotadas no âmbito dos sistemas genéticos, associados a
biologia.
Assim, e no contexto dos AG’s, é frequente usarem-se qualquer um dos termos
genótipo, cromossoma e também indivíduo para designar as potenciais soluções do espaço
onde ocorre a busca pela melhor solução.
Da mesma forma, os elementos que compõem os indivíduos possuem vários
sinónimos, no que toca ao seu posicionamento e valor adotado. No que se refere ao seu
posicionamento este vêm denominado normalmente por variável, locus, posição, ou gene,
sendo que o valor que a mesma variável assume, pode denominar-se como valor ou alelo.
Dada a possibilidade de um individuo ser considerado como uma representação da
solução, assume-se na presente dissertação, que ambos os termos são usados como
sinónimos, onde cada solução/individuo compõe-se de um conjunto de variáveis ou genes,
assumindo cada um determinado valor.
Os AG’s recorrem a uma população de indivíduos (soluções do problema), para
aplicação de mecanismos de seleção e substituição, bem como de um conjunto de
operadores genéticos, nomeadamente cruzamento (recombinação) e mutação, originando
gerações sucessivas de indivíduos, cada vez mais aptos de acordo com os objetivos pré-
estabelecidos.

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:

• recorrem a uma população/conjunto de soluções do problema;


• a cada individuo/solução vêm associado um valor de aptidão, correspondente a
capacidade de sobrevivência e de reprodução do individuo em questão;
• as soluções com os melhores valores de aptidão possuem mais oportunidades de se
combinarem com outras soluções da população;
• apos a reprodução, são obtidas novas soluções, por sua vez, herdeiras das
características de cada uma das soluções anteriores que lhe deram origem
(progenitores);
• combinando algumas (boas) características dos progenitores, consegue-se obter
uma geração com melhores soluções;

4.6.2. Descrição do algoritmo

Sucintamente, o algoritmo (básico) de um AG, considerando uma população principal


de tamanho n, pode ser descrito através dos seguintes passos de execução (Goldberg,
1985):

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.

Durante o processo de desenvolvimento de um AG na resolução de um determinado


problema real, torna-se necessário considerar a representação (codificação) das soluções,
bem como definir a função de aptidão, uma vez que serão estas as únicas entidades
dependentes do problema.
Deste modo, torna-se necessário considerar no processo dos AG’s, aspetos como a
forma de representação (codificação) das soluções, a medida de aptidão, o início do
processo, a população, mecanismos de seleção, operadores genéticos (cruzamento e
mutação), mecanismos de substituição e critérios de paragem.

4.6.3. Inicio do Processo

A primeira fase do algoritmo, inicia-se com a criação da primeira população (ou


população inicial), cujos indivíduos são gerados aleatoriamente, embora se possa partir de
uma população inicial pré-determinada.
Contudo, exige-se que já exista na população inicial um determinado grau de
diversidade entre os seus indivíduos, com o intuito de permitir uma exploração mais
alargada no espaço de busca.
Para tal, recorre-se frequentemente a um gerador de valores aleatórios, ou então a
metodologias construídas para o efeito (Costa et al. (2003)).
Se considerarmos os algoritmos evolucionários multi-objectivo, verifica-se através da
literatura existente, que a sua maioria gera as populações iniciais de forma aleatória.

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

A população designa um conjunto de indivíduos (genótipos), com a particularidade de


poder haver elementos idênticos.
Na sua definição, considerar-se apenas o seu tamanho, i.e., o número máximo de
indivíduos que suporta, sendo o tamanho da população, um especto muito importante na

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.

4.6.5. Função de aptidão (fitness function)

A função de aptidão (avaliação) tem como objetivo caracterizar o grau de


adaptabilidade dos indivíduos da população, constituindo a base de funcionamento do
mecanismo de seleção, contribuindo como tal para a obtenção de indivíduos (soluções)
mais aptos a cada geração realizada.
A função ou procedimento de avaliação, visa atribuir uma medida de qualidade aos
indivíduos (genótipos), sendo um elemento fundamental para o processo de seleção.
Embora as noções de avaliação e de aptidão sejam usualmente as mesmas, importa
referir que nem sempre tal acontece, dado o papel inerente a cada uma.
Assim, a função de avaliação utilizada, é especifica para o problema em estudo, e
fornece uma medida de desempenho relativamente a um conjunto particular de parâmetros,
onde a avaliação de um individuo è independente das avaliações que ocorrem com outros.
A função de aptidão, por seu turno, transforma a medida de desempenho obtida em
oportunidade de reprodução, sendo a mesma atribuída a cada individuo respetivo, embora
esteja dependente dos outros indivíduos da população.
Da mesma forma que deve haver uma boa adequação da função de avaliação ao
problema em estudo, também na definição da função de aptidão, devera ser tido em conta o
mesmo critério, de forma a haver uma execução correta do AG.
Em termos ideais, e no caso da função de aptidão, esta deveria comportar-se de um
modo suave e regular, de modo a que indivíduos semelhantes e com características
partilhadas em termos de material genético relevante, tenham valores de aptidão muito
próximos uns dos outros.

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

Este operador, também designado de recombinação, permite a realização de trocas de


material genético entre dois indivíduos, sendo gerados para o efeito, dois novos indivíduos
(descendentes), resultantes da combinação de material genético (informação) contida num
par de indivíduos (progenitores), obtidos anteriormente através do mecanismo de seleção.

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).

Figura 4.2 - Cruzamento com 1 ponto de corte

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).

Figura 4.3 - Cruzamento com 2 pontos de corte

O cruzamento contendo vários pontos de corte é semelhante ao caso anterior, embora


tendo mais do que dois pontos de corte, e onde cada um dos descendentes recebe de um
dos progenitores as sequencias de genes de índice ímpar e do outro, as sequencias de genes
de indice par, e o outro descendente recebe as restantes.
Já o cruzamento uniforme, recorre a uma máscara binaria, sendo esta gerada de
forma aleatória e com comprimento igual ao dos indivíduos.
Em seguida, um dos descendentes, acolhe os genes de um dos progenitores para as
posições da máscara com valor 0, e do outro progenitor para as posições da máscara com
valor 1, ocorrendo o mesmo com o outro descendente, mas agora com os valores da
máscara invertidos.

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.

4.5.4. Critérios de paragem

A evolução de um AG encontra-se dependente, não so das características do


problema em estudo, como do tempo de execução do próprio algoritmo (esforço
computacional) em si. Deste modo, torna-se possível definir a qualidade da solução
procurada, segundo o tempo e os recursos disponíveis, e de acordo com a finalidade
daquela solução. O critério de paragem do processo evolucionário deve refletir todos estes
aspetos.
Deste modo, e de acordo com Eiben e Smith (2003), os critérios de paragem com
maior uso, são os seguintes:

1. tempo de CPU máximo;


2. número máximo de gerações;
3. valor mínimo para o desvio padrão do valor de aptidão das soluções da população;
4. não haver melhorias significativas das soluções durante um número de gerações;
5. limite mínimo de diversidade da população;
6. existência de uma boa solução encontrada, através da avaliação da qualidade das
soluções;

Os critérios 2 e 4 são talvez os casos mais usuais de se encontrarem na literatura, No


caso do critério nº 2, devera haver um certo cuidado na definição do numero de gerações,
pois um numero reduzido, poderá ser prejudicial, dado a possibilidade de se perderem
indivíduos potencialmente melhores do que aqueles que ficaram aquando do fim do
processo evolucionário, ao passo que um numero (máximo) excessivo de gerações, poderá
tornar o algoritmo pouco eficiente, especialmente em situações onde a diversidade
populacional, decresce consideravelmente logo nas primeiras gerações.
O critério 4, pode revelar-se nesse aspeto, uma mais valia, pois permite reduzir o
tempo de computação para a mesma situação descrita anteriormente.

4.5.5. Codificação (representação) dos 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.

Tabela 4.1 - Comparação entre a codificação binaria (base 2) e o código de gray.

Número inteiro Código Binário Código Gray


(base 2)
0 000 000
1 001 001
2 010 011
3 011 010
4 100 110

109
5 101 111
6 110 101
7 111 100

No entanto, a codificação binaria apresenta, algumas desvantagens, sendo que uma


delas, prende-se com a sua utilização na resolução de alguns problemas de otimização
combinatória (e.g. problema do caixeiro-viajante).
Nos problemas do tipo combinatório, a codificação mais adequada, é a que se baseia
em permutações, onde cada individuo, é definido como uma série ordenada de todos os
símbolos, sem repetição.
Atendendo a especificidades, inerentes ao problema apresentado nesta dissertação,
nomeadamente com ambos os espaços de solução e de decisão, a serem compostos por
valores discretos, optou-se pela codificação real.

4.7. Algoritmos Genéticos multiobjectivo: Conceitos fundamentais

4.7.1. Generalidades

Tipicamente, os algoritmos de otimização multiobjectivo, otimizam funções escalares


substitutas para obter no geral, e em cada iteração, uma única solução não dominada.
Normalmente este tipo de funções conjuga temporariamente e numa única dimensão
as múltiplas funções objetivo, de tal forma que a solução ótima de uma função escalar
substituta, determina uma solução não dominada do problema multiobjectivo.
Para alem do eventual esforço computacional na determinação do conjunto de
soluções não dominadas, as características e a diversidade das soluções obtidas,
encontram-se bastante dependentes da informação referente as preferências incluídas nas
funções escalares substitutas (Climaco et al. ,2003).
Adicionalmente, o desempenho de um processo de otimização multiobjectivo, devera
focar ainda os seguintes aspetos:

• as soluções pertencentes a frente obtida, deverão apresentar uma distribuição


uniforme;

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.

À excepção dos processos de Aptidão e Arquivamento das soluções/individuos, os


AG’s, apresentam um conjunto de aspectos comuns, quer na abordagem monoobjectivo,
quer na abordagem multiobjectivo, nomeadamente:

• População inicial
• Cruzamento
• Mutação
• Selecção

Enquanto que nos AG’s monoobjectivo, o arquivamento é realizado, guardando a


melhor, ou as n melhores (caso se use uma técnica de elitismo correspondente)
solução(ões) obtidas em cada iteração, nos AG’s multiobjectivo o processo torna-se um
pouco mais complexo, devido a existência de um conjunto de objectivos em conflito, o que
ocasiona a frente de soluções não dominadas, obtidas em cada iteração, conforme já aqui
descrito.
O processo de atribuição de aptidão a cada individuo, difere do mesmo modo na
abordagem multiobjectivo, e relativamente a abordagem monobjectivo. Nas secções
seguintes far-se-á uma exposição genérica destes conceitos, sendo a sua particularização
associada a cada método evolutivo (baseado em AG’s) desenvolvido, pelo que desse
conjunto, serão apresentados neste trabalho, os métodos mais adoptados pela literatura.

111
4.7.2. Mecanismos de atribuição de Aptidão em EA’s

Contrariamente á otimização mono-objectivo, onde a função de aptidão coincide


muitas vezes com função objetivo (baseando-se a seleção dos indivíduos a partir desse
princípio), na otimização multiobjectivo a função de aptidão e o processo de seleção
deverão ter em consideração os vários objetivos associados ao problema.
De acordo com Zitzler (1999), e no que toca a origem da função de aptidão,
distinguem-se três tipos de AG’s multiobjectivo, nomeadamente:

• uso direto do conceito de dominância de Pareto;


• técnicas baseadas em funções de agregação;
• separação das funções objetivo;

A seleção baseada no conceito de dominância de Pareto, teve a sua origem nos


trabalhos de Goldberg (1989), e baseia-se na determinação de vários níveis de frentes de
soluções não dominadas (Secção 4.4).
Daqui, resultaram vários mecanismos para a atribuição de valores de aptidão com
baseadas nas soluções de frentes de soluções não dominadas, nomeadamente, as
abordagens de Deb et al (1994), para se referirem alguns exemplos. Apesar dos primeiros
autores referirem que o desempenho deste tipo de abordagem, pode ser influenciado pela
dimensão do espaço de busca, verifica-se que no geral, estas técnicas revelam-se entre as
mais populares no campo da otimização evolucionaria multiobjectivo (Veldhuizen, 1999).
No mecanismo de seleção baseado em funções de agregação, as diversas funções-
objetivo são agregadas numa única função objetivo parametrizada, onde, e para cada
individuo da população, é atribuído um conjunto diferente de parâmetros desta função.
Algumas abordagens, recorrem a metodologia da soma ponderada, i.e., recorrendo a
vários “pesos” para a parametrização dos objetivos do problema.
Cada individuo (ou solução) é avaliado usando uma combinação particular de
parâmetros, o que se traduz na avaliação de uma função objetivo diferente para cada
individuo, sendo a otimização como tal, realizada em várias direções, e de forma
simultânea.
No método de seleção, baseado em funções-objetivo diferentes, escolhe-se
alternadamente (e durante a fase de seleção) um dos objetivos para determinar os valores

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:

• Ocorrência de uma relação de dominância entre duas soluções a e b, tal que xa xb .

Deste modo, a aptidão da solução xa terá que ser maior do que a da solução xb

• A inexistência de uma relação de dominância entre duas soluções a e b, tal que


e , prossupõe que a aptidão seja atribuída a essas mesmas soluções,
de forma a que a solução mais relevante para garantir a representatividade da
amostragem do conjunto de Pareto, será aquela que terá menor numero de vizinhos sem
relação de dominância, e como tal, a que terá maior aptidão.

A primeira condição, permite a convergência do algoritmo para o conjunto Pareto-


optimo. Neste conjunto, estarão soluções cuja aptidão devera ser maior que a de qualquer
solução fora do mesmo;
A segunda condição, assegura a diversidade da amostra, sendo esta uma característica
essencial do conjunto de Pareto-optimo;
Apesar de haver várias formas de se construírem mecanismos de atribuição de aptidão
que cumpram os requisitos acima referidos, todos eles, partem de um índice que garante o
ordenamento de acordo com as relações de precedência.
Dos índices utilizados mais frequentemente na literatura, destacam-se os seguintes:

• Índice de Fronteira (IF):


• Índice de Dominação (ID)
• Índice de Força-Pareto (IFP)

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:

1. Atribuição do índice 0 a todas as soluções não dominadas da população (fronteira não-


dominada), sendo as mesmas, excluídas posteriormente do conjunto de trabalho;
2. Excluídas as soluções do índice 0, e com base no mesmo conjunto de trabalho, obtêm-
se as soluções não-dominadas, relativas ao mesmo conjunto, que corresponderão à
nova fronteira não-dominada, relativa ao novo conjunto formado. As soluções obtidas
nessa nova fronteira, atribui-se o índice 1;
3. O procedimento repete-se, com a formação de novos conjuntos de soluções não
dominadas e respetivas fronteiras. As soluções referentes a cada conjunto, terão um
índice cada vez maior, á medida que são criadas novas fronteiras, e até que todos os
pontos da população estejam definidos.

Apesar da existência de uma relação de dominância entre as soluções não dominadas


(i.e. pertencentes, ao mesmo conjunto de dominância), face a outras soluções dominadas
(i.e. pertencentes a um conjunto de dominância diferente), existe ainda a necessidade de se
aferir a aptidão, relativamente as soluções não dominadas, pertencentes ao mesmo
conjunto de dominância. Para tal, é empregue um fator que procura realizar a distinção
nesse sentido.
Usualmente, aplica-se um fator de correção, de forma a realizar o desempate das
soluções que possuírem o mesmo índice de dominância, precisando deste modo, o
ordenamento das soluções baseado na atribuição de um dado índice IF. Na literatura,
existem vários métodos para realizar tal desempate. Dois dos métodos mais usuais, são; a
Distância de Aglomeração  a ( xi ) e a k-Vizinhança.

Dado o problema em estudo, possuir 3 objetivos, optou-se pela abordagem k-


Vizinhança.

114
No entanto, e dada a sua importância, enquanto exemplo ilustrativo da densidade

amostral, descreve-se de seguida o método da Distância de Aglomeração  a ( xi ) : ( )


Considerando problemas, formados por duas funções objectivo, ordenam-se as q
soluções, pertencentes ao mesmo índice IF, formado por soluções, as quais não existe
qualquer relação de dominância entre si.
Esta ordenação faz-se segundo a ordem crescente de um dos objetivos (e.g. f2), sendo
atribuídos a estas soluções, índices que vão de i = 1 até i = q. Ao realizar esta ordenação
com f2, está-se a ordenar as mesmas soluções por ordem decrescente, relativamente ao
outro objetivo (neste caso f1).
Deste modo, e para cada solução de i = 2 até i = q — 1 determina-se o valor:

 a ( xi ) =  f1 ( xi −1 ) − f1 ( xi +1 ) +  f 2 ( xi +1 ) − f 2 ( xi −1 ) (4.6)

O valor obtido, revela-se proporcional ao perímetro do retângulo, cujos vértices


(opostos entre si) encontram-se sobre as soluções vizinhas da solução i, no espaço de
objetivos (Figura 4.5).

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)

Posteriormente, calcula-se então a distância (e.g. euclidiana), no espaço de objetivos, e


entre cada par de soluções afetas à população, i.e.:

 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)

Para cada solução xi obtêm-se a distância  K ( xi ) , que correspondera a k-ésima menor

distância de xi, relativamente às restantes soluções da população, ou seja:

 k ( xi ) = min ( k ) i ,2 , i ,3 , i ,4 ,..., i ,n (4.9)

Refira-se que tanto o número  a ( xi ) , quanto o número  K ( xi ) , podem ser entendidos

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).

Já o indicador  K ( xi ) foi utilizado no algoritmo SPEA2 (Zitzler et al., 2001).

Refira-se que outras medidas de densidade amostral, podem ser encontradas na


literatura e utilizadas neste contexto, devendo as mesmas, serem capazes de executar
função semelhante à desempenhada pelos dois métodos/indicadores (  a ( xi ) e  K ( xi ) ),

referidos anteriormente.

No entanto, e tal como referido anteriormente, adotar-se-á o método k-Vizinhança,


expresso através do indicador  K ( xi ) , que será empregue tanto no mecanismo de

atribuição de aptidão, como no mecanismo de arquivamento, como veremos adiante.

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

representar o vetor de resultados do cálculo do valor do indicador  K ( xi ) para cada

elemento de um conjunto P de pontos do espaço de variáveis de decisão, após a aplicação


prévia da operação I F ( P ) sobre os elementos desse conjunto.

Deste modo, e dado um índice I F , relativo às relações de precedência entre soluções,

e um índice  K ( I F , P ) , ligado à densidade amostral, pode-se elaborar um ranking das

soluções pertencentes a população do AE, através da aplicação, e numa primeira instancia,


de I F ( P ) seguido de  K ( xi ) , para o desempate das soluções com o mesmo valor de índice

de dominância I F ( P ) . A ordem obtida, permite criar uma pressão seletiva, direcionada à

obtenção de um conjunto de amostras pertencentes ao conjunto Pareto-ótimo, de forma a


constituir uma amostra representativa desse mesmo conjunto.
Deste modo, e tendo por base um dado número N de soluções x1.... xN, reproduz-se um
ranking, de forma a associar um número inteiro de 1 até N para cada solução.
Deste modo, a função de ranking R(x), deverá assumir o seguinte comportamento:
Se
I F ( xa )  I F ( xb )  R ( xa )  R ( xb ) (4.10)
 (x )   (x )  R(x )  R(x )
 K a K b a b

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 ) )

No caso da aplicação conjunta de I F ( P ) e  K ( xi ) , deixar ainda algumas soluções

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.

4.7.3. Mecanismos de arquivamento em EA’s

Contrariamente ao que ocorre nos algoritmos evolutivos mono-objetivo, onde o


arquivamento da melhor solução, consiste no armazenamento da solução com o maior
valor de aptidão fitness, obtida em cada instância e durante a execução do algoritmo, no
caso dos algoritmos multiobjectivo, essa função de arquivamento revela-se um pouco mais
complexa, como é descrito em seguida.
Para o efeito, considere-se um conjunto Pk −1 , definido como sendo o conjunto

(arquivo) de todas as soluções não-dominadas, obtidas até a iteração (geração) k − 1 do


algoritmo.
Em cada geração k , e para cada nova solução xi encontrada, são realizadas as
seguintes operações:

Se xi for dominado por um mais elementos de Pk −1 , então o arquivo permanece


inalterado, pelo que a solução xi não será inserida no conjunto Pk −1 .

Se xi domina uma ou mais soluções contidas em Pk −1 , então as soluções dominadas


por xi , são excluídas do conjunto, e a solução xi é incluída em Pk −1 .

118
Se xi não domina, mas tambem não é dominada (i.e., não possui relação de

dominância) por nenhuma das soluções existentes em Pk −1 , então considera-se xi ,

como uma nova estimativa de solução não-dominada, sendo esta incluída em Pk −1

Como resultado da execução das operações acima referidas, e considerando todas as


novas soluções geradas na iteração k sobre o conjunto Pk −1 , provenientes da iteração

anterior, irá criar o novo conjunto Pk , referente ao final da geração k.

Este procedimento, embora bem estruturado, acarreta dificuldades, nomeadamente


relacionadas com o facto de haver uma tendência, para que seja criado um conjunto Pk

com uma taxa de crescimento muito rápido.


Como consequência desse facto, e devido ao número excessivo de soluções
armazenadas, o esforço computacional para avaliar novas soluções será maior, dado que
cada nova solução que surja, terá de ser comparada com todas as soluções do conjunto
Pk −1 .

Deste modo, é preciso limitar de alguma forma, o número de soluções a serem


armazenadas no conjunto.
Adicionalmente, a questão da amostragem representativa, conforme discutido
anteriormente no âmbito da definição da função de aptidão R ( I* , * , P ) , também será um

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:

Cenário 1 - Até ao instante em questão, não foram encontradas as q soluções não-


dominadas. Nesse caso, uma hipótese é deixar o arquivo incompleto,
incluindo apenas as soluções não-dominadas, encontradas até ao momento.
Uma outra alternativa, é também incluir no conjunto algumas das soluções
dominadas. Para isso, pode-se utilizar simplesmente a função de ranking

119
R ( I* , * , P ) , de acordo com o referido anteriormente, e de forma a serem

escolhidas as soluções a serem acrescentadas.


Cenário 2 - Num dado instante, são determinadas exatamente as q soluções não-
dominadas, pelo que nessa situação, as soluções não dominadas obtidas,
deverão formar o conjunto.
Cenário 3 - O número de soluções não-dominadas, disponível num dado momento, é
superior ao tamanho do arquivo, q. Nessa situação, algumas soluções não
dominadas serão dispensadas, pelo que uma das estratégias a considerar,
podera passar pelo uso da função de ranking R ( I* , * , P ) , preservando deste

modo, as soluções referentes as q primeiras posições do ranking,


dispensando as demais. Outros métodos poderão, contudo, serem empregues
para este fim.

Relativamente ao algoritmo NSGA-II (Deb et al., 2002), o arquivamento ocorre,


através do recurso a própria população, tendo o arquivo a dimensão N.
Às N novas soluções, obtidas através de operadores de variação, juntar-se-ão as N
soluções, referentes á população da geração anterior, resultando num conjunto com a
dimensão de 2*N indivíduos/soluções. Desta associação, serão selecionadas as N
melhores soluções, utilizando para o efeito, a função de ranking R ( I f ,  a , P ) , de forma

determinística.
Desta forma, o armazenamento das melhores soluções, ficara implícito no próprio
mecanismo de seleção da nova população.

4.7.4. Estrutura de AE's Multiobjectivo

Com o intuito de exemplificar a concepção do algoritmo evolutivo multiobjectivo


utilizado, é apresentado de seguida, a estrutura do NSGA-II.
Deste modo, o pseudocódigo do algoritmo NSGA-II, encontra-se representado na
Quadro 6.1.

120
Quadro 6.1 – Pseudocódigo do Algoritmo NSGA - II

Pseudocódigo do Algoritmo NSGA-II

O método, pode ainda ser sintetizado, através do fluxograma correspondente (Figura


4.6).

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.

4.6. Algoritmos Genéticos multiobjectivo: Abordagens desenvolvidas

A primeira implementação de um algoritmo evolucionário multiobjectivo fora


sugerido por Schaffer (1984), ao surgir o AG designado por VEGA.
Goldberg (1989) apresentou mais tarde um processo de classificação das soluções
através de níveis de dominância. De forma a manter a diversidade, Goldberg propõe a
utilização de uma estratégia de nichos entre as soluções do mesmo nível de não
dominância. Com base nas propostas de Goldberg, foram desenvolvidos mais tarde, alguns
algoritmos evolucionários multiobjectivo, destacando-se para o efeito os seguintes: WBGA
(Hajela e Lin (1992)), MOGA (Fonseca e Fleming (1993)), NSGA (Srinivas e Deb
(1994)), NPGA (Horn et al. (1994)) e NPGA 2 (Erickson et al. (2001)).
Contudo, e apesar de algum sucesso obtido com as abordagens acima referidas, estas
não incorporam o elitismo nos seus AG, pelo que autores como Zitzler (1999), sugeriram
que o elitismo pode contribuir para melhorar o desempenho dos AG, podendo inclusive,

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.

4.7.1. Abordagens que não integram o elitismo

Na literatura existem vários métodos não elitistas, aplicados em otimização


evolucionaria multiobjectivo. Contudo, e dada a diversidade de métodos existente, neste
texto descrevem-se apenas as metodologias seguintes: MOGA, VEGA, WBGA, NSGA e
NPGA.

Multiple Objective Genetic Algorithm (MOGA)

Surgido através dos trabalhos de Fonseca e Fleming (1993), trata-se de um AG


multiobjectivo que realça de forma explicita a importância das soluções não dominadas,
preservando do mesmo modo a diversidade das soluções na população.
Os valores de aptidão das soluções da população de tamanho n, são obtidos através da
classificação das soluções da população do AG, com a atribuição de níveis de dominância
(Secção 4.4 do presente capítulo). Deste modo, a classificação de um dado individuo da
população será proporcional ao número de indivíduos da mesma população que o
dominam.
De um modo geral, o método começa por determinar para cada solução x, o número de
soluções que a domina, nd(x), sendo a solução x, classificada com a aptidão r(x), através da
expressão seguinte:

124
r ( x ) = 1 + nd ( x) (4.14)

Assim, as soluções classificadas com valor 1, serão as soluções não dominadas da


população, sendo posteriormente ordenada com as restantes soluções, de acordo com as
respetivas classificações, i.e., das melhores (com r = 1) para as piores (com r ≤ n).
Posteriormente, e para cada solução atribui-se um valor de aptidão através de uma
função linear (ou outra adequada), com vista a atribuir as soluções valores entre n (para as
que possuem melhor classificação) e 1 (para as que possuem pior classificação).
Posteriormente, realiza-se uma média dos valores de aptidão obtidos entre as soluções
com a mesma classificação, sendo esta atribuída como valor de aptidão a cada solução com
a mesma classificação.
Por fim, aplica-se o método da função de partilha do valor de aptidão, com vista ao
apuramento do valor de aptidão partilhado das soluções da população.
Deste modo, e embora as soluções com a mesma classificação possuam o mesmo valor
de aptidão, as soluções que pertencem a um nicho com menos indivíduos terão melhor
valor de aptidão partilhado.
Com vista a garantir a diversidade entre as soluções não dominadas da população, foi
introduziram um metodo baseado num esquema de nichos entre soluções com a mesma
classificação, sendo usada para o efeito o método da função de partilha do valor de aptidão,
embora com as seguintes adaptações:

• Definição e normalização da distância existente entre soluções no espaço dos


objetivos;
• Calculo de d(x, y) para cada solução x, respeitante as soluções y (incluindo x) com a
mesma classificação;
• Cálculo do valor da função de partilha de uma solução x, recorrendo a equação para
o cálculo de fp(x), com = 1;
• Cálculo do contador de nicho nc(x), somando os valores da função de partilha
(fp(x)), envolvendo todas as soluções com a mesma classificação de x.

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.

Vector Evaluated Genetic Algorithm (VEGA)

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:

• A cada geração, divide-se a população de forma aleatória, e em M subpopulações


de igual tamanho, sendo que a cada uma destas subpopulações, é associado apenas
um objetivo.

• Para cada solução, pertencente a cada uma das subpopulações, è atribuído um


valor de aptidão, de acordo com a respetiva função objetivo.

• Posteriormente é aplicado um mecanismo de seleção (proporcional a aptidão),


operando apenas sobre as soluções da mesma subpopulação a que digam respeito.

• Finalmente, aplicam-se os operadores genéticos cruzamento e mutação a toda a


população, de forma a gerar as soluções da nova população.

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.

Weight-Standard Genetic Algorithm (WBGA)

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:

• recurso a técnica de partilha do valor de aptidão, aplicada no espaco das soluções

• avaliação de subpopulações escolhidas adequadamente, afetas a diferentes


combinações de pesos predefinidas (semelhante ao VEGA) (Deb, 2001).

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:

f mmin representa o valor mínimo de f m ( x)

f mmax representa o valor máximo de f m ( x)

Quando se recorre a técnica de partilha do valor de aptidão para o calculo do valor de


aptidão partilhado, F'(x), torna-se necessário calcular as distancias entre todos os pares de
soluções da população, d(x,y), sendo tal realizado, através do recurso a uma serie de
combinações de pesos associadas as soluções.
Por exemplo, usando ncp combinações de pesos, de onde a partir das quais, se obtêm n
soluções, para cada uma destas ncp , será associado um valor inteiro entre 1 e ncp.
Deste modo, a distância entre duas soluções x e y, vêm igual ao valor absoluto da
diferença dos inteiros associados as combinações de pesos de que resultaram as solucoes x
e y (Deb, 2001). Dado que o valor de aptidão, vêm depreciado pela aplicação da técnica de
partilha do valor de aptidão, torna-se necessário recorrer ao mecanismo de seleção,
proporcional ao valor de aptidão partilhado.
Quanto aos operadores genéticos (cruzamento e mutação), estes aplicam-se sem
alterações especificas.
Na técnica que se assemelha a que é aplicada no VEGA, o AG é iniciado através da
escolha de um conjunto de ncp combinações diferentes de pesos.
Posteriormente, cada uma destas combinações, é usada para determinar a aptidão, que
resulta da soma pesada normalizada de todos os n indivíduos da população, dos quais são
escolhidos, e de acordo com os mesmos valores de aptidão, os n/ ncp melhores indivíduos
para formarem uma sub-populacao.
Deste modo, serão constituídas ncp subpopulações, contendo cada uma os respetivos n/
ncp melhores indivíduos, de acordo com os valores da função de aptidão, associada a cada
uma das combinações de pesos. O método de seleção, bem como os operadores genéticos
(cruzamento e mutação), serão restritas as soluções de cada subpopulação.

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.

Niched Pareto Genetic Algorithm (NPGA)

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.

4.7.2. Abordagens que integram o Elitismo

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.

Strength Pareto Evolutionary Algorithm (SPEA)

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.

Strength Pareto Evolutionary Algorithm II

Trata-se de uma versão melhorada da abordagem Strength Pareto Evolutionary


Algorithm (SPEA) proposta por Zitzler et al. (2001), a qual recebeu a designação de
SPEAII.
Esta abordagem, difere da primeira, em três aspetos essenciais. São eles os seguintes:

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 tamanho da população externa è constante, pelo que a mesma população, poderá


conter soluções dominadas;

• usa um método aplicado a população externa, de forma a preservar as soluções


extremas desta população, i.e., as soluções que originam os melhores valores,
relativos a cada uma das funções objetivo.

• A população externa, é a única cujas soluções respetivas participam no processo de


seleção.

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:

F ( x) =  yPt PEt F ( y ) (4.19)

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).

Non-dominated Sorting Genetic Algorithm (NSGA-II)

O algoritmo inicia-se com a criação aleatoria de uma populacao P0, de tamanho N.


Nessa mesma população, identificam-se posteriomente várias frentes nao dominadas,
através da classificação das solucoes em diferentes niveis de dominancia.
Para cada solução, atribui-se um valor de aptidao igual ao nivel de dominância
respectivo, i.e., iniciando com 1 para as solucoes da primeira frente (solucoes nao
dominadas da populacao), dando-se continuidade ao processo com a obtenção das frentes
seguintes (Secção 4.4).
Posteriormente, é aplicado um mecanismo de seleccao por torneio, baseado na tecnica
de distância de aglomeração22, (ou de multidões em Português), com vista a preservar a
diversidade da populacao. Esta técnica, aplica-se, através da execução dos passos
seguintes:

1. O número de solucoes em cada frente F e l =|F|. Para cada solucao i na fronteira de


F faz-se di = 0;
2. Para cada funcao objectivo fm (c/m = 1,2, …, M), ordenam-se as solucoes de forma
decrescente em relacao a cada fim, permitindo obter o vector de indices ordenados
m
Ii ;

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

distancia respetiva, obtêm-se da seguinte forma:

(I ) m

f m i+1 − f m i−1
(I )
m

dI m = d I m + max c / i = 2,..., l − 1 ( 4.23)


i i
f m − f mmin

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

Já f m i+1 e f m i−1 , representam os valores dos vizinhos de i na m-esima funcao

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)

Figura 4.7 - Obtenção da distância de multidao (Cunha et al., 2012).

Refira-se, no entanto, que a distância de multidões e utilizada como uma estimativa da


densidade de soluções na vizinhança de uma dada solução i, sendo este valor calculado a
partir de varias técnicas, nomeadamente: através de um contador de nicho, ou através da
determinação do perímetro da secção do cuboide, cujos vértices são formadas pelas
soluções mais próximas da solução i para todas as funções objetivo (Deb, 2001).
Finalmente, aplicam-se os operadores genéticos cruzamento e mutação, de forma a ser
concebida uma população de descendentes, Q0, de dimensão n.

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.

Figura 4.8 - Preenchimento da nova população no NSGA II.

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:

1. Obtiver a melhor classificação, em matéria de ordenação nas frentes não


dominadas, face a solução j, i.e.:

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)

Resumidamente, o algoritmo pode ser descrito da seguinte forma:

Passo 1: Combina as populações com as soluções progenitoras e as descendentes

Rt = Pt  Qt (4.27)
.
Realiza a classificação das soluções por níveis de dominância, identificando as
diversas frentes:

Fi c / i = 1, 2,..., , etc. (4.28)

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 3: Cálculo da distância de multidões (explicado anteriormente) para realização do


procedimento crowding sort, (Fi < c) e inclui as (N-|Pt+1|) soluções mais dispersas
utilizando os valores de distância de multidões nas fronteiras classificadas Fi em Pt+1.

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.

4.7. Sistemas de suporte a tomada de decisão

4.7.1. Processo de tomada de decisão

Ao longo do tempo, o agente-decisor (consumidor), vê-se confrontado com a


necessidade de tomar decisões, o que se traduz num processo continuado, ocorrido num
dado período.
Vários autores têm-se debruçado sobre o tema, tentando sistematizá-lo, a partir de um
dado enquadramento de ideias. Um desses enquadramentos, foi apresentado precisamente
por Simon (1977) no seu trabalho, no qual propôs-se um enquadramento geral para os

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.

4.7.2. Intervenientes no processo de tomada de decisão

O conjunto dos intervenientes num processo de decisão, é subjetivo de acordo com o


próprio processo em que se vêm inseridos. Adicionalmente, os intervenientes que não são
agentes-decisores, participam sobretudo com o objetivo de partilhar opiniões, informações
e conhecimento. De acordo com Dias (2005), as pessoas, entidades ou grupos que poderão
entrar num processo de decisão, são:

• Actores: indivíduo, ou grupo de indivíduos, capaz de influenciar direta ou


indiretamente uma decisão. A influência torna-se direta quando o ator intervém no
processo de decisão, sendo indireta quando as suas opiniões são tidas em conta por
aqueles que intervêm diretamente no processo de decisão.

• Participantes: actores que condicionam de forma direta o processo de decisão.

• Agente-decisor: individuo (ou o grupo de indivíduos24), interveniente no processo


de decisão, responsável por coordenar o grupo de intervenientes e tomar uma
decisão. Será o individuo que estabelece objetivos e expressa preferências.

141
• Analista: especialista no apoio à tomada de decisão, podendo ser um dos
intervenientes ou até mesmo um consultor externo.

Por vezes, surge ainda no processo de decisão, um outro interveniente, em que de


acordo com Godwin & Wright (2004) será o individuo que faz a ligação entre o analista e
o agente-decisor, dada a aparente ausência de contacto direto entre estes.
O cliente será neste contexto, o individuo que requer o estudo, sendo o mesmo
responsável pela afetação dos meios necessários para o conduzir, de forma a que o agente-
decisor realize posteriormente a tomada de decisão.
A classificação acima apresentada, será relevante para o enquadramento do caso de
aplicação da metodologia a ser desenvolvida no presente trabalho.

4.7.3. Analise de decisão multicritério no processo de decisão

Tal como referido anteriormente, a analise de decisão multicritério, vêm agilizar o


processo de tomada de decisão. No entanto, e para que se implemente com eficácia e
eficiência um método de analise de decisão multicritério, importa numa primeira fase
estudar o mesmo problema, seguindo uma abordagem consistente.
Uma das abordagens existentes, é a abordagem proposta por Chen et al. (2008), onde,
e de acordo com o mesmo autor, o estudo de um problema de análise de decisão
multicritério, apresenta três passos essenciais, nomeadamente:

1. Conceção do problema;
2. Definição das preferências (e respetiva agregação);
3. Implementação;

O primeiro elemento, procura definir objetivos, transformando-os em critérios.


Identifica todas as soluções alternativas possíveis, avaliando cada alternativa em termos de
desempenho e de acordo com um dado critério.
O segundo elemento, permite modelar as preferências do agente-decisor, segundo
determinado critério, e através do peso que o agente-decisor lhe atribui, obtendo-se uma
avaliação global de cada solução alternativa.

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.

4.7.4. Valores versus alternativas

Apesar de habitualmente os agentes-decisores se centrarem na escolha das alternativas


com que se deparam, a condução das decisões que tomam, pode ainda ser realizada através
dos valores que os agentes-decisores atribuem a cada alternativa (Godwin & Wright,
2004).
De acordo com Godwin & Wright (2004), a escolha da melhor alternativa, nem
sempre será aquela que conduz ao valor que o agente-decisor gostaria de ver obtido.
Ainda de acordo com o mesmo autor, o agente-decisor devera passar parte do seu
processo de decisão, a refletir naquilo que é realmente importante para si e restantes
intervenientes no mesmo processo.
Um agente-decisor ao centrar-se nos valores, significa começar por algo que é
desejável pelo mesmo, trabalhando deste modo para que possa tornar a sua ambição uma
realidade. O foco nas soluções alternativas, por outro lado, implica começar pelo que está
prontamente disponível, e daí escolher a melhor solução alternativa.
Deste modo, existem dois conceitos; o conceito alternative-focused thinking, onde o
foco do agente-decisor, reside nas alternativas, e o conceito value-focused thinking, onde o
agente-decisor procura orientar o foco para os valores inerentes as alternativas.
No presente trabalho, dar-se-á maior relevância à escolha da melhor alternativa, i.e, o
foco incidirá no processo de avaliação de um conjunto de alternativas já definido.

143
4.8. Analise Multicritério

4.8.1. Introdução

De acordo com “International Society on Multiple Criteria Decision Making”, a


análise multicritério de suporte a decisão, pode ser definida como o estudo de métodos e
procedimentos (que tem em conta a eventual conflitualidade de critérios) que possam ser
formalmente aplicados no processo de planeamento da gestão (Godwin & Wright, 2004).
Neste âmbito, o apoio multicritério à tomada de decisão, permite ajudar o agente-
decisor a identificar, comparar e avaliar soluções alternativas, de acordo com vários
critérios (atributos) associados, normalmente em conflito.

4.8.2. Definição da problemática


O principal objetivo de um problema de decisão, é a possibilidade de se escolher a
melhor alternativa a partir de um conjunto existente. Tal escolha, implica na maioria das
vezes, a eliminação de alternativas que parecem não interessar, sendo muitas vezes tal
processo, realizado mentalmente.
Contudo, e de uma forma geral, o apoio à decisão não se baseia apenas na descrição
das soluções potenciais alternativas e eventuais consequências de uma determinada
decisão, pelo que a identificação da problemática a considerar, reveste-se de especial
relevância, havendo para o efeito, que identificar uma das problemáticas seguintes (Simon,
1977):

• Problemática da descrição: descreve a situação de decisão numa linguagem formal


e adequada, de forma possibilitar uma melhor compreensão da situação, facilitando a
comunicação entre os actores do processo de decisão;
• Problemática da afetação (triagem ou classificação): afecta as alternativas a
categorias definidas a priori.
• Problemática da escolha (seleção): consiste em escolher um subconjunto de
alternativas mais restrito que possibilita posteriormente a escolha de apenas uma
alternativa.
• Problemática da ordenação (seriação): consiste em ordenar as alternativas da mais
preferida para a menos preferida.

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:

C =  x(1) , x(2) ,..., x( m)  (4.30)

Sendo C, o conjunto das m alternativas, objeto de avaliação no presente trabalho.


Neste contexto, o presente trabalho, ira incidir sobre as problemáticas da escolha e da
ordenação.

4.8.3. Aspetos tidos em consideração na definição do modelo de Apoio Multicritério à


Decisão

Num problema clássico de otimização, é encontrado normalmente a melhor solução


alternativa de entre todas as soluções disponíveis. No caso da avaliação multicritério das
várias soluções alternativas disponíveis, não existe uma única alternativa, que se apresente
como a melhor segundo todos os pontos de vista.

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:

• Coesão: se a avaliação de duas alternativas x1 e x2, são iguais em todos os critérios,


exceto num, e se nesse critério, a alternativa x1 é a melhor, então devemos
considerar que a alternativa x1 não é pior do que a alternativa x2;.

• Exaustividade: duas soluções alternativas são indiferentes em termos de escolha,


quando o respetivo resultado da avaliação, for igual segundo todos os critérios do
conjunto. Caso contrário, o conjunto de critérios não será exaustivo;

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

diferentes soluções alternativas, de acordo com um determinado ponto de vista


previamente definido, sendo o desempenho de cada alternativa, obtido através da avaliação
dai resultante.

4.8.4. Tabela de desempenho e escalas utilizadas

Quando as soluções alternativas e os critérios estão definidos, e no caso de o conjunto


das soluções alternativas ser definido em extensão, é possível a construção de uma tabela
de desempenhos, também designada de matriz de impacto ou matriz de incidência. Trata-se
de uma tabela com duas entradas, na qual o conjunto das linhas i e conjunto de colunas j, é
referente ao desempenho da solução alternativa x(i), considerando o critério gj. Na figura
seguinte, é mostrado um exemplo dessa mesma tabela.

g1 (.) g 2 (.) ... g n (.)


a1 g1 (a1 ) g 2 (a1 ) ... g n (a1 )
a2 g1 (a2 ) g 2 (a2 ) ... g n (a2 )
... ... ... ... ...
am g1 (am ) g 2 (am ) ... g n (am )

Figura 4.9 - Decisão com múltiplos critérios (Tabela de desempenho)

Cada elemento gj(ai) indica o desempenho da ação ai (i=1,,m) de acordo com o j -


ésimo critério (j=1,...,n).
Normalmente o nível de desempenho, é expresso num número. No entanto, pode
ocorrer que o nível de desempenho seja um intervalo (i.e., é indicado um intervalo de
valores para o nível de desempenho de uma alternativa segundo um determinado critério),

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:

• Ordinal (dados qualitativos): as diversas categorias são previamente ordenadas;

• Nominal (dados qualitativos): os dados apresentados em escala nominal, são


agrupados em diferentes categorias ou classes, podendo eventualmente ser
ordenáveis;
• De intervalo (dados quantitativos): permite a ordenação dos dados, podendo a
diferença entre dois elementos, ser calculada e avaliada;
• De razão/rácio (dados quantitativos): inclui as características de uma escala de
intervalo sendo que, e para além disso, o valor zero representa a ausência total da
característica que está a ser medida;

4.8.5. Metodologias de Apoio Multicritério à Decisão

Na secção seguinte, apresentam-se alguns métodos para apoio multicritério à


decisão, encontrados com bastante frequência na literatura. Estes métodos podem ser
estruturados em diferentes grupos. A estrutura que aqui se apresenta, é baseada na proposta
de Dias (2000), embora seja possível encontrar na literatura, diferentes classificações de
métodos de apoio multicritério à decisão. Como exemplos, encontrados na literatura, são
referidos os trabalhos de Vincke (1992) e Belton & Stewart (2002).

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:

• Metodologias que conferem um valor global a cada solução alternativa:


MAUT (Multi-Attribute Utility Theory) (Keeney e Raiffa, 1976), SMART
(Simple Multi-Attribute Rating Technique) (Edwards, 1977), AHP (Analytic
Hierarchy Process) (Saaty, 1980), MAVT (Multi-Attribute Value Theory)
(Watson e Buede, 1987), OWA (Ordered Weighted Average) (Yager, 1988),
SMARTS (SMART using Swings) e SMARTER (SMART Exploiting Ranks)
(Edwards e Barron, 1994).

• Metodologias que concebem e exploram relações binárias entre as diferentes


soluções alternativas:
QUALIFLEX (QUALItative and FLEXible assessment REGIME) (Paelinck,
1978), ORESTE (Organization Rangement Et Synthèses de donnés
relaTionnElles) (Roubens, 1982), PROMETHEE (Preference Ranking
Organization METHod for Enrichment Evaluations) (Brans e Vincke, 1985),
PRAGMA (Preference RAnking Global frequencies in Multicriterion Analysis)
(Matarazzo, 1987), ELECTRE (ELimination Et Choix Traduisant la REalité) e
suas variantes (Roy e Bouyssou, 1993),

• Metodologias que funcionam de forma interativa, intercalando fases de


diálogo com fases de cálculo.

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.

4.9. Função de Utilidade e Teoria do Valor

Apos a realização de um breve enquadramento geral ao Apoio Multicritério à Decisão,


pretende-se apresentar nas próximas secções, a utilização de funções de utilidade / valor,
convergindo a mesma apresentação para o modelo aditivo com recurso a função de valor.
Será este o método a utilizar no presente trabalho, cujo objetivo final, será o de escolher a
melhor, ou as melhores soluções alternativas, tendo em conta os múltiplos critérios a
considerar pelo agente-decisor.

151
4.9.1. Funções de Utilidade

As funções de utilidade podem ser obtidas através da aplicação da Teoria de Utilidade


Multicritério, que na sua essência, permite avaliar a utilidade associada a cada solução
alternativa. Deste modo, quanto melhor for a solução alternativa, maior será a sua utilidade
associada.
No âmbito desta teoria, é realizada a correspondência de um conjunto de soluções
alternativas, a um conjunto de cenários respetivos e de consequências distintas, mediante a
atribuição de um dado valor de probabilidade de ocorrência.
Para tal, são atribuídos valores numéricos que expressam o valor de utilidade,
associada a cada consequência/cenário, bem como valores numéricos que expressem a
probabilidade para cada cenário. A solução alternativa a ser escolhida, será aquela que
maximiza a utilidade esperada (Dias, 2002). De acordo com Keeney e Raiffa (1993), as
diferentes atitudes face ao risco, possuem impacte direto na forma da função de utilidade
u(.), sendo:

• o agente-decisor é “amante do risco” sse a função de utilidade for convexa, i.e.:

.u ( x ( j ) ) + (1 −  ).u ( x ( k ) )  u ( x ( j ) + (1 −  ) x ( k ) ) (4.31)

Para x
( j)
e x( k )  A    0,1 ;

• o agente-decisor é avesso ao risco sse a função de utilidade é côncava, i.e.:

.u ( x ( j ) ) + (1 −  ).u ( x ( k ) )  u ( x ( j ) + (1 −  ) x ( k ) ) (4.32)

Para x
( j)
e x
(k )
A    0,1 ;

• o agente-decisor é indiferente ao risco sse a função de utilidade é linear, i.e:

.u ( x ( j ) ) + (1 −  ).u ( x ( k ) ) = u ( x ( j ) + (1 −  ) x ( k ) ) (4.33)

Para x
( j)
e x
(k )
A    0,1 ;

Embora seja uma teoria bastante implementada em estudos de natureza económica,


(com especial incidência no âmbito do comportamento do consumidor enquanto agente-
decisor) esta teoria apresenta a particularidade dos respetivos cenários ocorrerem num

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.

4.9.2. Teoria do valor

A Teoria de Valor Multicritério diferencia-se da Teoria de Utilidade Multicritério,


pelo facto de não necessitar de modelar a atitude do agente-decisor face ao risco, tornando
deste modo, o processo de eliciação mais fácil.
As funções de valor utilizam-se normalmente em contextos, onde as consequências
são certas, ao passo que as funções de utilidade são utilizadas normalmente em situações
onde existem diferentes cenários, aos quais estão associadas diferentes probabilidades de
ocorrência.
A função de valor pode ser entendida como um caso particular da função de utilidade
(ao coincidir com esta), nas situações onde o agente-decisor assuma uma posição de
indiferença face ao risco.
Ainda assim, existem alguns autores que questionam a distinção entre função de valor
e função de utilidade (Winterfeldt e Edwards, 1986), uma vez que as duas funções
apresentam semelhanças em termos de cálculos a efetuar, e da forma como são tratadas.
Ao longo deste texto optar-se-á pela utilização da função de valor, dada a especificidade do
problema, objeto de aplicação.

4.9.3. Modelo aditivo de agregação de valor

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

vi ( x ( j ) )   0,1 , sendo o valor associado a alternativa x ( j ) , considerando o 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):

• Os níveis associados aos valores das componentes individuais vi(x(j)), deverão


obrigatoriamente pertencer a uma escala intervalar de preferências, i.e., um
eventual incremento nesta escala, implicará o mesmo incremento para o agente-
decisor, qualquer que seja o valor standard associado;

• independentemente da avaliação dos coeficientes de escala, estes deverão ser

interpretados em termos de trade-offs, i.e., um incremento  i em v ( x ( j ) ) , levará a


um decréscimo  k em vk ( x
( j)
) , de acordo com a igualdade seguinte:
i  k
= (4.36)
k  i
Caso não se verifique a condição de independência aditiva, poderá ser usado o modelo
multiplicativo, onde apenas será exigida uma condição de independência mais fraca
(Keeney e Raiffa, 1976). No entanto, e no presente trabalho, será implementado apenas o
modelo aditivo.
O modelo multiplicativo, embora seja mais tolerante as condições do modelo aditivo,
torna-se mais difícil de ser explicado ao agente-decisor (Stewart, 1995).
Stewart (1995), através do seu estudo, onde recorreu a simulação Monte Carlo para
comparar o modelo aditivo com o modelo multiplicativo, verificou alguma semelhança nos

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:

• os cálculos, embora simples de serem realizados, não refletem o diálogo entre o


analista e o agente-decisor, que poderá não ter a mesma simplicidade;
• o modelo aditivo torna-se sensível a mudanças dinâmicas e a preferências
imprecisas. Deste modo, se o agente-decisor mudar as suas preferências, fará com
que uma dada solução alternativa possa não ser declarada como solução vencedora,
aquando da substituição da mesma solução devido a uma pequena perturbação no
modelo;
• o modelo aditivo, poderá ser sensível à omissão de critérios;

Como referido anteriormente, os pesos wi podem ser obtidos mediante questionários,


realizados aos vários intervenientes do processo, embora haja, no entanto, outros métodos,
os quais serão descritos na secção seguinte.

4.10. Teoria do valor multiatributo (MAVT)26

Apesar de no presente trabalho, poder haver alguma relutância (e daí imprecisão) na


atribuição de todos os pesos por parte do agente-decisor, é admitido que o próprio
consumidor (agente-decisor) possa atribuir os pesos, pelo que neste trabalho sera utilizado
como análise decisão multicritério, o MAVT.

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

A teoria de valor multi-atributo (MAVT), pode ser utilizada na resolução de


problemas que envolvam um conjunto finito e discreto de soluções alternativas, que
constituem o objeto de avaliação por parte de um ou mais objetivos, normalmente
conflituantes entre si (Barford, 2011).
São usados para um dado objetivo, um ou mais atributos ou critérios diferentes, com o
intuito de medir o desempenho da solução alternativa em relação àquele mesmo objetivo.
Como referido anteriormente, os diferentes desempenhos dai resultantes, referentes a cada
solução alternativa para um dado critério (associado a um determinado objetivo, são
apresentados numa tabela de avaliação de desempenho, sendo esses mesmos atributos,
medidos geralmente numa escala diferente de aferição.
A teoria do MAVT, encontra-se estreitamente relacionada com a teoria da utilidade de
múltiplos atributos (MAUT), embora esta última seja baseada na teoria da utilidade
esperada (Von Winterfeldt e Edwards (1986) & French (1988)), requerendo por isso
pressupostos mais consistentes de forma a garantir a condição de independência aditiva. A
vantagem inerente, de incluir a incerteza e representá-la diretamente no modelo de suporte
à decisão, torna o MAUT de difícil aplicação, precisamente pelo facto de incluir a
incerteza associada ao modelo, e dai ser pouco aplicado.
Como no presente trabalho, cada agente-decisor definira os pesos de acordo com as
suas preferências individuais, optou-se por recorrer ao MAVT para aplicação da análise
multicritério.
Adicionalmente, o MAVT constitui uma técnica “compensatória”, na medida em que
o método permite compensar o fraco desempenho, alcançado por uma solução num dado
critério, por um bom desempenho da mesma solução noutro critério, agregando deste modo

157
o desempenho individual, obtido em cada critério, para formar uma avaliação global da
solução.

4.10.2. Metodologia

A construção do modelo multicritério, assente no MAVT27, envolveu essencialmente


três fases:
• identificar e estruturar o problema (definição dos critérios/subcritérios)
• formulação matemática do modelo (definição da função de valor agregada)
• aplicação do modelo num caso hipotético.
• análises de sensibilidade e robustez para validação do modelo.

A primeira fase representa a fase de levantamento de informação relevante ao


problema e a avaliação da sua complexidade.
Daqui, são definidos os critérios, valores e soluções alternativas que melhor
representam a decisão a ser tomada.
O objetivo é obter-se uma tabela de desempenho como a seguir se representa (Tabela
4.10):

g1 (.) g 2 (.) ... g n (.)


a1 g1 (a1 ) g 2 (a1 ) ... g n (a1 )
a2 g1 (a2 ) g 2 (a2 ) ... g n (a2 )
... ... ... ... ...
am g1 (am ) g 2 (am ) ... g n (am )

Figura 4.10 - Decisão com múltiplos critérios (Tabela de desempenhos)

De seguida, definem-se os pesos dos critérios, bem como a sua normalização, i.e.,

determina-se a escala de valor v x ( ),( j)


subjacente a cada subcritério (por sua vez

( 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

xmelhor - representa o melhor valor do grupo de valores


Os pesos i serão definidos, e enquadrados com o valor de cada subcritério i,
vi ( x ( j ) ) , de acordo com a seguinte função de valor, para obtenção do valor agregado da

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

vi ( x ( j ) )   0,1 , sendo o valor associado a alternativa x ( j ) , considerando o 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.

4.11. Integração de algoritmos de optimização com abordagens multicritério

Os algoritmos, usados na resolução de problemas de optimizacao multiobjectivo,


podem ser classificados de acordo com vários critérios, sendo que (Climaco et al., 2003)
por exemplo, classifica estes métodos de acordo com: grau de intervenção do agente-
decisor (AD), tipo de modelação das preferências do AD, numero de agentes-decisores, a
certeza/incerteza incluída na definição dos parâmetros do modelo, e finalmente dados do
modelo requeridos e/ou resultados obtidos.
No entanto, o critério mais adoptado na literatura, aquando da classificação destes
métodos, baseia-se no grau de intervenção do AD, onde através do qual, os métodos
dividem-se em três grupos (Climaco et al., 2003): articulação a posteriori das preferências
(geradores), articulação a priori das preferências e articulação progressiva das preferências
(interativos), sendo esta classificação, considerada também por Steuer (1986).
No primeiro caso, calculam-se algumas, ou até mesmo todas (quando tal e possivel),
as solucoes nao dominadas do problema, que sao posteriormente colocadas a disposicao do
agente decisor para serem avaliadas. Tratam-se, de algoritmos que exigem um elevado
esforco computacional, dado que recorrem a um cálculo exaustivo para a caracterização do
conjunto de solucoes nao dominadas, sendo que e nao consideram as preferencias do
agente-decisor que poderiam servir de apoio na resolução do problema (identificação de
uma solução de compromisso aceitável como solução final).
Nos métodos a priori, o AD comeca por indicar as suas preferências, a partir das
quais e possível transformar o problema multi-objectivo inicial num problema
monoobjectivo, por exemplo, atraves da construcao de uma funcao utilidade. Desta forma,
apesar de existir modelação multi-objectivo do problema, pretende-se optimizar a função
utilidade, cuja solução opima sera a solucao final. A maior dificuldade deste processo está
em obter os parâmetros para construir uma funcao utilidade que agregue, numa única
dimensão, todos os objetivos em analise.

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.

4.12. Nota Conclusiva

Neste capítulo, começou-se por introduzir alguns conceitos de otimização mono


objetivo e otimização multiobjectivo, procurando naturalmente destacar as diferenças entre
ambas as abordagens.
Com base nas diferenças acima referidas, torna-se possível deduzir a motivação, pela
qual fora desenvolvida uma abordagem multiobjectivo para o problema. Esta, prende-se
essencialmente com o facto, de neste tipo de problemas de otimização, ser de difícil
implementação uma formulação mono-objectivo, uma vez que uma solução admissível que
otimize uma das dimensões da sustentabilidade, não otimiza em geral as restantes
dimensões, quando estas se encontram em conflito, o que tal ocorre numa solução que
abranje as três dimensões da sustentabilidade; Económica, Social e Ambiental.
A comparação entre algoritmos evolutivos e clássicos, é também abordada neste
capitulo, de onde também se retiram algumas conclusões que justificam o uso dos
algoritmos evolutivos em detrimento dos algoritmos clássicos, nomeadamente, a eficiência
na resolução de problemas deste tipo e a apetência para fornecer vários ótimos locais,
como alternativas a um único ótimo global, geralmente obtido com a abordagem clássica.
Para além da definição de alguns conceitos em abordagens multiobjectivo (e.g.
conceito de dominância), são ainda descritos e agrupados alguns dos algoritmos evolutivos
mais utilizados na literatura, nomeadamente o NSGAII e o SPEAII, entre outros.

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

A sua estrutura, será objeto de apresentação e discussão nas secções seguintes.

165
5.2. Estrutura conceptual

Conforme fora referido anteriormente, caso o consumidor pretenda adquirir vários


equipamentos na mesma altura, como por exemplo, um forno, uma máquina de lavar roupa
e um ar condicionado, este ver-se-á confrontado com um problema de optimização
combinatória ao nível das escolhas/decisões que o mesmo poderá realizar, dada a
quantidade de aparelhos electrodomésticos (e suas especificidades) existentes no mercado.
Deste modo, uma possível abordagem para o problema, poderá passar pelo uso de
técnicas de optimização, que suportem o agente-decisor na tomada de decisão.
O modelo aqui proposto, permite responder a essa necessidade. Para isso, começou-se
por definir o conjunto de dimensões, correspondentes a cada tipo de
eletrodoméstico/serviço energético a ser adquirido pelo agente-decisor (consumidor),
nomeadamente:

• Iluminação
• Ar condicionado
• Máquina de lavar roupa
• Máquina de secar roupa
• Frigoríficos
• Fornos
• Máquina de lavar louça

Importa, no entanto, aqui referir, que os eletrodomésticos/serviços energéticos aqui


abordados, não implicam necessariamente que o consumidor necessite de todos, sendo que
o mesmo modelo pode ser ajustado de forma a considerar apenas os serviços energéticos
pretendidos pelo consumidor.
Da mesma forma, que outros serviços energéticos, poderiam ser aqui abordados e
adicionados aos restantes, sem, no entanto, alterar a natureza do problema, algo que será
igualmente mencionado na secção perspectivas de trabalho futuro.
Contudo, considerando os serviços energéticos aqui referidos, e tendo em conta as
dificuldades referidas anteriormente com a aquisição de soluções do mercado, o
consumidor vê-se ainda confrontado com outro possível tradeoff, na medida em que nem

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.

Ar Maq. Lavar Maq. Secar Maq. Lavar


Iluminação Frigorifico Forno
condicionado roupa Roupa Louça

Opção Opção Opção Opção Opção Opção Opção


11 12 13 14 15 16 17

Opção Opção Opção Opção Opção Opção Opção


21 22 23 24 25 26 27

N
Soluções
Opção Opção Opção Opção Opção Opção Opção
31 32 33 34 35 36 37

Opção Opção Opção Opção Opção Opção Opção


n1 n2 n3 n4 n5 n6 n7

Figura 5.2 - Espaço de decisão do agente-decisor (consumidor)

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

n3 - nº de opções afectas à máquina de lavar roupa

n4 - nº de opções afectas à máquina de lavar louça

n5 - nº de opções afectas à máquina de secar roupa

n6 - nº de opções afectas ao frigorifico

n7 - nº de opções afectas ao forno

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.

Este valor baseia-se na premissa seguinte:

→Vij ( X ij ) : i = 1..n j   j = 1..7  n j 


X ij ⎯⎯  X ij ,Vij  (5.2)

Ou seja, para cada solução/opção i, referente a um dado serviço energético j, considerado,


existira um vector de variáveis de decisão X ij , que dará origem a uma função de valor global

Vij ( X ij ) correspondente.

Nestas condições, poder-se-á redefinir o espaço de decisões apresentado anteriormente, da


forma que se apresenta na Figura 5.3:

Figura 5.3 - Espaço de decisão do consumidor implementado no problema

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.

Figura 5.4 - Modelo de suporte a decisão proposto

A semelhança do que fora referido anteriormente, pretende-se que o agente-decisor


(consumidor), obtenha soluções sustentáveis, de acordo com as suas
necessidades/preferências, previamente estabelecidas. Uma dessas preferências, prende-se
com os diferentes níveis (ou “pesos”) em termos de importância relativa, wA , wB , wC , que o

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.

5.3. Analise Multicritério: Definição dos critérios e subcritérios adotados

No capítulo anterior, foram apresentados alguns métodos para apoio multicritério à


decisão, tendo sido os mesmos, apresentados e separados em dois grupos principais
distintos.
No âmbito da Secção 4.10, optou-se pela aplicação de um método, existente no
primeiro grupo de métodos apresentado, que procura atribuir um valor global a cada
solução alternativa, agregando os seus desempenhos em vários critérios.
Deste modo, a construção do modelo multicritério, assente no MAVT28, envolveu
essencialmente três fases:

• identificação e estruturação do problema (definição dos critérios/subcritérios)


• formulação matemática do modelo (definição da função de valor agregada)
• aplicação do modelo num caso hipotético.

A primeira fase representa a fase de levantamento de informação relevante ao


problema e a avaliação da sua complexidade, algo que já fora abordado em capítulos
anteriores.
A segunda fase, será abordada no presente capítulo e nas secções seguintes, e diz
respeito a definição dos critérios, referentes a cada dimensão, bem como os valores e
soluções alternativas que melhor representam a decisão a ser tomada.
A última fase, é a que respeita a aplicação do modelo num dado caso de estudo, a fim
de analisar a viabilidade da solução proposta pelo modelo e avaliar sua consistência.
Esta fase será integrada na validação do modelo de suporte a decisão proposto, e será
desenvolvida posteriormente no Capítulo 6.

170
5.3.1. Nomenclatura adotada, relativa a cada critério/subcritério e variáveis de decisão

Com vista a simplificar-se a identificação dos critérios utilizados, adoptou-se uma


referência para cada critério, seguindo uma estrutura como a que vêm exemplificada na
Figura 5.5:

Figura 5.5 - Referência-exemplo para identificação de critério utlizados

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 )

 

Nas secções seguintes, abordar-se-á de forma detalhada, cada um destes critérios.

5.3.2. A - Dimensão Económica

Relativamente a determinação das poupanças com investimento e consumo


(associadas a cada solução i do serviço energético j), seguiu-se uma metodologia de
calculo proposta, comum a todos os serviços energéticos aqui abordados. Para o efeito,
decidiu-se apresentar de uma forma genérica a metodologia proposta neste trabalho.
Contudo, verificar-se-á uma pequena nuance, relacionada com o serviço energético
Iluminação, e que será detalhada em pormenor na secção seguinte, relativa ao critério
económico associado a este serviço energético.

Cálculo dos consumos energéticos Cstd . j e Cef .ij relativos a cada solução i, associada ao
serviço energético j

O cálculo do consumo energético, referente a solução standard Cstd . j , e relativo ao

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

Deste modo, e considerando o valor da tarifa de energia elétrica  elect . , os gastos

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

Cef .anual  €  =  elect .  € / kWh   Cef .anual  kWh  (5.7)


ij ij

Este indicador obtém-se com base no mesmo perfil de consumo, por sua vez
considerado para a solução standard.

Cálculo das poupanças (atualizadas) relativas, afetas ao investimento Pinv.actij e ao


consumo Pcons.act.ij com a adoção de uma dada solução i, associada ao serviço energético j

Tanto o cálculo da poupança associada ao investimento, como a poupança associada


ao consumo, basearam-se na diferença entre os fluxos monetários (respetivos), associados
á solução standard ou de referência (menos eficiente), face a solução eficiente (solução
objecto de avaliação) tendo como base, as expressões elementares seguintes:
PCons.ij = Cstd . j − Cef .ij (5.8)

PInv.ij = Invstd . j − Invef .ij (5.9)

O cálculo dos indicadores económicos (atualizados) referentes a poupança com o


investimento Pinv.act.ij e a poupança com o consumo Pcons.act.ij para uma solução i, pertencente

a um serviço energético j, é comum a todos os serviços energéticos aqui tratados. Contudo,


verifica-se uma pequena nuance associada ao serviço Energético Iluminação,
nomeadamente acerca do número de investimentos a serem realizados entre cada
tecnologia, tendo em conta o horizonte temporal considerado e o ciclo de vida útil,
associado.
Essa nuance, será detalhada em pormenor na secção respetiva a iluminação, pelo que
na presente secção, abordar-se-á o processo de obtenção de Pinv.act.ij e Pcons.act.ij ,

respetivamente associados a poupança com o investimento e ao consumo de energia


elétrica durante o ciclo de vida útil de uma dada solução i, associada ao serviço energético
j.
Tal como fora referido na Secção 2.3 do Capítulo 2, para que seja incluído o valor
temporal, associado aos cash-flows obtidos no futuro (sejam estes gastos ou rendimentos

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

anteriormente, a poupança atualizada, associada ao consumo com uma dada solução i,


afecta ao serviço energético j , PCons.act.ij , é obtida por:

(
PCons.act.ij = Cstd . j − Cef .ij  ) (5.10)

Dado tratarem-se de serviços energéticos, cujo investimento inicial é único, e no


mesmo instante temporal, o respetivo coeficiente de atualização  é unitário, pelo que a
poupança atualizada, associada ao investimento com uma dada solução i, afecta ao serviço
energético j , PInv.act.ij , é obtida por:

Pinv.ij = I std .T − I ef .ij = ( I std . j − I ef .ij )   = I std . j − I ef .ij ( c /  = 1) (5.11)

Cálculo do consumo hidrico, com base na definição de pegada hídrica Cef .ij relativos a ( )
cada solução eficiente i, associada ao serviço energético j

Os consumos hídricos, referentes a solução standard Cstd . j ( ) e eficiente (C ) , foram


ef .ij

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

Cstd .anual( H 2O)  € =  H2O  € / m3   Cstd .anual( H 2O) m3  (5.13)


j j

Onde t, traduz o número de horas estimado de utilização do produto/equipamento.

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)

Atualizando as mesmas expressões, de acordo com o factor de atualização  ,


estipulado de acordo com a taxa de atualização, obtêm-se as mesmas expressões referentes
aos consumos obtidos durante o ciclo de vida util (horizonte temporal) de cada solução,
i.e.:

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)

Sendo estas, as expressões, referentes aos consumos hídricos atualizados, para a


solução eficiente e para a solução standard, receptivamente.

Cálculo da poupança atualizada, considerando um dado horizonte temporal (ciclo de


vida) do produto, afeto ao consumo de água Pcons ( H 2O ). HT .ij , e relativa á solução i,
associada ao serviço energético j

Tanto o cálculo da poupança associada ao investimento, como a poupança associada


ao consumo, baseiam-se na diferença entre os fluxos monetários (respetivos), associados á
solução standard ou de referência (menos eficiente), face a solução eficiente (solução
objecto de avaliação) tendo como base, as expressões elementares seguintes:

Pcons( H 2O ) = Cstd .anual( H 2 O)


ij j
 €  − Cef . anual ( H 2 O ) j
 € (5.17)

O cálculo dos indicadores económicos (atualizados) referentes a poupança com o


consumo Pcons ( H 2O ). HT .ij para uma dada solução i, pertencente a um serviço energético j, é

comum a ambos os serviços energéticos aqui tratados (Maquina de Lavar Roupa e


Maquina Lavar Louça).
Tal como fora referido na Secção 2.3 do Capítulo 2, para que seja incluído o valor
temporal, associado aos cash-flows obtidos no futuro (sejam estes gastos ou rendimentos
associados), importa em primeira instância, afetar os cash-flows futuros de um factor  ,

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

Ilu.A.1 ( xi(1A.1.) ) - Classe Efic. Energética

Conforme referido anteriormente, a classe de eficiência energética, associada ao


serviço energetico iluminação, assume uma escala compreendida entre A++ e.
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:

xi(1A.1.)  A + +, A+, A, B, C , D, E (5.19)

Pelo que, e tendo em vista a quantificação e valorização do mesmo critério, atribuiu-se


um valor vi(1A.1.) ( xi(1A.1.) ) numérico, correspondente a cada classe de eficiência energética,

associada a uma dada solução individual, xi(1A.1.) (Tabela 5.1).

Tabela 5.1 - Atribuição de escala ao critério considerado

Classe Efic. Energética Escala adoptada


A++ 10
A+ 9
A 8
B 7
C 6
D 5
E 4

176
Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:

vi(6A.1.) ( xi(6A.1.) ) 10,9,8, 7, 6,5, 4 (5.20)

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)

indicado na Secção 4.8.4, obtendo-se daí a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.21)

Ilu.A.2 ( xi(1A.2.) ) - Poupança Consumo Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados neste trabalho, a metodologia de calculo relativa aos
valores atualizados das poupanças com o consumo energético durante a vida útil de cada

( )
solução eficiente Pcons.act.i1 .

Deste modo, Pcons.act.i1 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

xi(1A.2.) = Pcons.act.i 2  € (5.22)

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) indicado na Secção 4.8.4, obtendo-se daí a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.23)

Ilu.A.3 ( xi(1A.3.) ) - Poupança Investimento Horizonte Temporal [€]

Na secção anterior, foi apresentado o método de calculo, relacionado com a poupança

(
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

Assim, e para o efeito, procurou-se comparar as opções mais eficientes (CFL,


fluorescente tubular, halogéneo e Led) com a opção de standard, um pouco á semelhança
do que fora realizado com as restantes dimensões, sendo que neste caso, considerou-se a
lâmpada incandescente convencional, como opção standard.
Assim, e tomando como exemplo uma lâmpada incandescente convencional, cujo
ciclo de vida útil, é em média de 1000 horas, torna-se possível estabelecer um horizonte
temporal correspondente a esse período (Figura 5.7):

horas
0 100 200 300 400 500 1000

Figura 5.7 - Ciclo de vida da opção standard

Estabelecendo o mesmo para a solução eficiente, que dependendo da tecnologia


empregue, é superior às 1000 horas, referidas em cima para a solução standard (Figura
5.8):

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):

Lâmpada Lâmpada Lâmpada


Incandescente 1 Incandescente 2 ……... Incandescente n

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

Conseguindo-se prever o número de investimentos necessários a realizar na solução


standard, de forma a igualar a utilidade da solução eficiente, pode-se calcular deste modo,
o investimento total associado a solução standard, realizado ao longo do ciclo de vida útil
da solução eficiente.
No entanto, e dado que o investimento no número total de lâmpadas da solução
standard, é efectuado ao longo do ciclo de vida útil da solução eficiente, torna-se
necessário actualizar o seu valor, tendo em conta o instante temporal em que o mesmo é
realizado, ou seja:
I s tan d . I s tan d . I s tan d .
I s tan d .T = I s tan d . + + + ... + (5.24)
(1 + i ) (1 + i ) (1 + i )
1 2 n

Sendo i, a taxa de atualização dos cash-flows, neste caso cada investimento realizado,
relativamente a solução standard a adquirir I s tan d . .

Dado que os cash-flows serão constantes, i.e., os investimentos na solução standard,


( I s tan d . ) , serão aplicados de forma constante e regular ao longo do tempo, a expressão

anterior, pode ainda ser simplificada da seguinte forma:

I s tan d .T = I s tan d .   (5.25)

Sendo α uma constante de atualização, cujo desenvolvimento, resulta em:

179
n
1 1 1
 = = − (5.26)
(1 + i ) i i (1 + i )n
j
j =0

E n, obtido a partir do número de investimentos a realizar com a solução standard, de


forma a igualar a solução eficiente, i.e.:

Vida util (Sol.Efic.)


n= −1 (5.27)
Vida util (Sol.S t d )

Desta forma, a poupança atualizada em termos de investimento, associada à


iluminação, vêm dada por:

xi(1A.3.) = Pinv.i1 = I std .T − I ef .i1 = I std .   − I ef .i1 (5.28)

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) indicado na Secção 4.8.4, obtendo-se daí a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.29)

Ilu.A.4 ( xi(1A.4.) ) - Investimento Total Inicial Atualizado [€]

Conforme já referido anteriormente (Secção 5.3.2), o investimento total inicial


atualizado, será sempre único, dado que apenas se investe uma única vez na solução
eficiente, e logo no início do ciclo de exploração da solução. Deste modo, o respetivo
coeficiente de atualização  é unitário, pelo que o investimento com uma dada solução i,
afeta ao serviço energético iluminação (j=1) , I ef .i1 , é obtida por:

xi(1A.4.) = I ef .i1   = I ef .i1 (5.30)

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) indicado na Secção 4.8.4, obtendo-se daí a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.31)

180
Ilu.A.5 ( xi(1A.5.) ) - Consumo Total Energia Atualizado [kWh]

Conforme já referido anteriormente (Secção 5.3.2), o consumo total atualizado, será


obtido ao longo do ciclo de vida útil da solução, objeto de analise (solução eficiente), bem
como da solução standard (referência).
No entanto, para efeitos de definição do critério em apreço, e com base na tarifa de
energia elétrica  elect . , será calculado o consumo energético anual, referente a solução

eficiente i, relativa ao serviço energético “iluminação” (j=1). Deste modo, o consumo


associado, vem obtido por:

Cef .anual  €  =  elect .  € / kWh   Cef .anual  kWh  (5.32)


i1 i1

Pelo que afetando os consumos acima referidos pela taxa de atualização  (obtida a
partir da expressão (5.26)), vêm:

xi(1A.5.) = Cef .i1    €  (5.33)

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) indicado na Secção 4.8.4, obtendo-se daí a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.34)

AC - Ar Condicionado

AC.A.1 ( xi(2A.1.) ) - Classe Eficiência Energética Arrefecimento

De acordo com o observado na Secção 3.2, Capítulo 3, a classe de eficiência


energética (Arrefecimento), associada ao serviço energético Ar Condicionado, assume uma
escala compreendida entre A++ e E.
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, “Ar
Condicionado” (j=2), sendo a mesma, definida da seguinte forma:

xi(2A.1.)  A + +, A+, A, B, C , D, E (5.35)

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,

associada a uma dada solução individual, xi(2A.1.) (Tabela 5.2).


Tabela 5.2 - Atribuição de escala ao critério considerado

Classe Efic. Energética Escala adoptada


A++ 10
A+ 9
A 8
B 7
C 6
D 5
E 4

Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:

vi(6A.1.) ( xi(6A.1.) ) 10,9,8, 7, 6,5, 4 (5.36)

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) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.37)

AC.A.2 ( xi(2A.2.) ) - Classe Eficiência Energética Aquecimento

De acordo com o observado na Secção 3.2, Capítulo 3, a classe de eficiência


energética (Aquecimento), associada ao serviço energético Ar Condicionado, assume uma
escala compreendida entre A++ e E.
Pelo facto de a escala considerada ser a mesma do que a que fora definida no critério
anterior (AC.A.1), a variável de decisão associada ao presente critério, correspondente a
cada solução individual i, e relativa ao mesmo serviço energético, “Ar Condicionado”
(j=2), será definida da seguinte forma:

xi(2A.2.)  A + +, A+, A, B, C , D, E (5.38)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.39)

AC.A.3 ( xi(2A.3.) ) - Poupança Consumo Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados, a metodologia de calculo de Pcons.act.ij , relativa aos

valores (atualizados) das poupanças com o consumo.


Deste modo, Pcons.act.i 2 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

xi(2A.3.) = Pcons.act.i 2  € (5.40)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.41)

AC.A.4 ( xi(2A.4.) ) - Poupança Investimento Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados, a metodologia de calculo de Pinv.act.ij , relativa aos valores

(atualizados) das poupanças com o investimento e consumo respetivamente.


Deste modo, Pinv.act.i 2 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

xi(2A.4.) = Pinv.act.i 2  € (5.42)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.43)

AC.A.5 ( xi(2A.5.) ) - Investimento Inicial Total Atualizado [€]

Conforme já referido anteriormente (Secção 5.3.2), o investimento total inicial


atualizado, será sempre único, dado que apenas se investe uma única vez na solução
eficiente, e logo no início do ciclo de exploração da solução. Deste modo, o respetivo
coeficiente de atualização  é unitário, pelo que o investimento com uma dada solução i,
afeta ao serviço energético “Ar Condicionado” (j=2) , I ef .i 2 , é obtida por:

xi(2A.5.) = I ef .i 2act = I ef .i 2   ( = 1)  €  (5.44)


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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.45)

AC.A.5 ( xi(2A.5.) ) - Consumo Total Energia Atualizado [kWh]

Conforme já referido anteriormente (Secção 5.3.2), o consumo total atualizado, será


obtido ao longo do ciclo de vida útil da solução, objeto de analise (solução eficiente), bem
como da solução standard (referência).
No entanto, para efeitos de definição do critério em apreço, e com base na tarifa de
energia elétrica  elect . , será calculado o consumo energético anual, referente a solução

eficiente i, relativa ao serviço energético “Ar Condicionado” (j=2). Deste modo, o


consumo associado, vem obtido por:

Cef .anual  €  =  elect .  € / kWh   Cef .anual  kWh  (5.46)


ij ij

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

MLR.A.1 ( xi(3A.1.) ) - Classe Eficiência Energética


De acordo com o observado na Secção 3.2, Capítulo 3, a classe de eficiência
energética, associada ao serviço energético “Máquina de Lavar Roupa” (j=3), assume uma
escala compreendida entre A++ e E.
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 Lavar Roupa (j=2), sendo a mesma, definida da seguinte forma:

xi(3A.1.)  A + ++, A + +, A+, A, B, C , D (5.49)

Pelo que, e tendo em vista a quantificação e valorização do mesmo critério, atribuiu-se


um valor vi(3A.1.) ( xi(3A.1.) ) numérico, correspondente a cada classe de eficiência energética,

associada a uma dada solução individual, xi(3A.1.) (Tabela 5.3).

Tabela 5.3 - Atribuição de escala ao critério considerado

Classe Efic. Energética Escala adoptada


A+++ 10
A++ 9
A+ 8
A 7
B 6
C 5
D 4

Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:

vi(6A.1.) ( xi(6A.1.) ) 10,9,8, 7, 6,5, 4 (5.50)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.51)

MLR.A.2 ( xi(3A.2.) ) - Poupança Consumo Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados neste trabalho, a metodologia de calculo relativa aos
valores atualizados das poupanças com o consumo energético durante a vida útil de cada

( )
solução eficiente Pcons.act.i 3 .

Deste modo, Pcons.act.i 3 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

xi(3A.2.) = Pcons.act.i 3  € (5.52)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.53)

MLR.A.3 ( xi(3A.3.) ) - Poupança Investimento Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados, a metodologia de calculo de Pinv.act.ij , relativa aos valores

(atualizados) das poupanças com o investimento e consumo respetivamente.


Deste modo, Pinv.act.i 3 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

xi(3A.4.) = Pinv.act.i 3  € (5.54)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.55)

MLR.A.4 ( xi(3A.4.) ) - Investimento Inicial Total Atualizado [€]

Conforme já referido anteriormente (Secção 5.3.2), o investimento total inicial


atualizado, será sempre único, dado que apenas se investe uma única vez na solução
eficiente, e logo no início do ciclo de exploração da solução. Deste modo, o respetivo
coeficiente de atualização  é unitário, pelo que o investimento com uma dada solução i,
afeta ao serviço energético “Maquina Lavar Roupa” (j=3) , I ef .i 3 , é obtida por:

xi(3A.4.) = I ef .i 3act = I ef .i 3   ( = 1)  €  (5.56)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.57)

MLR.A.5 ( xi(3A.5.) ) - Consumo Total Energia Atualizado [kWh]

Conforme já referido anteriormente (Secção 5.3.2), o consumo de energia elétrica


total, e atualizado, será obtido ao longo do ciclo de vida útil (horizonte temporal) da
solução, seja ela eficiente ou standard (referência).
Deste modo, para efeitos de definição do critério em apreço, e com base na expressão
(5.7), o consumo de energia elétrica durante o ciclo de vida util, referente a solução
eficiente i e relativa ao serviço energético “Maquina de Lavar Roupa” (j=3), será:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.5) ( xi(1A.5.) )  0,1 (5.60)

MLR.A.6 ( xi(3A.3.6.) ) - Consumo água total atualizado (horizonte temporal) [€]

Conforme já referido anteriormente (Secção 5.3.2), o consumo de água total, e


atualizado, será obtido ao longo do ciclo de vida útil da solução, objeto de analise (solução
eficiente).
Deste modo, para efeitos de definição do critério em apreço, e com base na expressão
(5.16), o consumo de água durante o ciclo de vida util da solução eficiente i, relativa ao
serviço energético “Maquina de Lavar Roupa” (j=3), será:

xi(3A.3.6.) = Cef .HT ( H 2O)


i3
 € = Cef .
anual ( H 2 O ) i 3
 €   (5.61)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3A.3.6.) ( xi(3A.3.6.) )  0,1 (5.62)

MLR.A.7 ( xi(3A.7.) ) - Poupança consumo água actualizado (horizonte temporal) [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados neste trabalho, a metodologia de calculo relativa aos
valores atualizados da poupança com o consumo de água durante a vida útil de cada

(
solução eficiente Pcons( H2O).HT .i 3 . )
Deste modo, Pcons( H 2O ).HT .i 3 , é obtido segundo o método de calculo especificado na

expressão 5.18, ou seja:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3A.7.) ( xi(3A.7.) )  0,1 (5.64)

MSR – Máquina de Secar Roupa

MSR.A.1 ( xi(4A.1.) ) - Classe Eficiência Energética

De acordo com o observado na Secção 3.2, Capítulo 3, a classe de eficiência


energética, associada ao serviço energético “Máquina de Secar Roupa” (j=4), assume uma
escala compreendida entre A+++ e D.
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), sendo a mesma, definida da seguinte forma:

xi(4A.1.)  A + ++, A + +, A+, A, B, C , D (5.65)


Pelo que, e tendo em vista a quantificação e valorização do mesmo critério, atribuiu-se
um valor vi(4A.1.) ( xi(4A.1.) ) numérico, correspondente a cada classe de eficiência energética,

associada a uma dada solução individual, xi(4A.1.) (Tabela 5.4).

Tabela 5.4 - Atribuição de escala ao critério considerado

Classe Efic. Energética Escala adoptada


A+++ 10
A++ 9
A+ 8
A 7
B 6
C 5
D 4

Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.67)

MSR.A.2 ( xi(4A.2.) ) - Poupança Consumo Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados neste trabalho, a metodologia de calculo relativa aos
valores atualizados das poupanças com o consumo energético durante a vida útil de cada

( )
solução eficiente Pcons.act.i 4 .

Deste modo, Pcons.act.i 4 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:


xi(4A.2.) = Pcons.act.i 4  € (5.68)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.69)

MSR.A.3 ( xi(4A.3.) ) - Poupança Investimento Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados, a metodologia de calculo de Pinv.act.ij , relativa aos valores

(atualizados) das poupanças com o investimento e consumo respetivamente.


Deste modo, Pinv.act.i 4 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

xi(4A.4.) = Pinv.act.i 4  € (5.70)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.71)

MSR.A.4 ( xi(4A.4.) ) - Investimento Inicial Total Atualizado [€]

Conforme já referido anteriormente (Secção 5.3.2), o investimento total inicial


atualizado, será sempre único, dado que apenas se investe uma única vez na solução
eficiente, e logo no início do ciclo de exploração da solução. Deste modo, o respetivo
coeficiente de atualização  é unitário, pelo que o investimento com uma dada solução i,
afeta ao serviço energético “Maquina Secar Roupa” (j=4) , I ef .i 4 , é obtida por:

xi(4A.4.) = I ef .i 4act = I ef .i 4   ( = 1)  €  (5.72)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.73)

MSR.A.5 ( xi(4A.5.) ) - Consumo Total Energia Atualizado [kWh]

Conforme já referido anteriormente (Secção 5.3.2), o consumo hídrico total, e


atualizado, será obtido ao longo do ciclo de vida útil (horizonte temporal) da solução, seja
ela eficiente ou standard (referência).
Deste modo, para efeitos de definição do critério em apreço, o consumo hidrico
durante o ciclo de vida util, referente a solução eficiente i e relativa ao serviço energético
“Maquina de Secar Roupa” (j=4), será:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.76)

FRIG – Frigorifico

FRIG.A.1 ( xi(5A.1.) ) - Classe Eficiência Energética

De acordo com o observado na Secção 3.2, Capítulo 3, a classe de eficiência


energética, associada ao serviço energético “Frigorifico” (j=5), assume uma escala
compreendida entre A+++ e D.
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), sendo a mesma, definida da seguinte forma:

xi(5A.1.)   A + ++, A + +, A+, A, B, C , D (5.77)

Pelo que, e tendo em vista a quantificação e valorização do mesmo critério, atribuiu-se


um valor vi(5A.1.) ( xi(5A.1.) ) numérico, correspondente a cada classe de eficiência energética,

associada a uma dada solução individual, xi(5A.1.) (Tabela 5.5).

Tabela 5.5 - Atribuição de escala ao critério considerado

Classe Efic. Energética Escala adoptada


A+++ 10
A++ 9
A+ 8
A 7
B 6
C 5
D 4

192
Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:

vi(6A.1.) ( xi(6A.1.) )  10,9,8, 7, 6,5, 4 (5.78)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.79)

FRIG.A.2 ( xi(5A.2.) ) - Poupança Consumo Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados neste trabalho, a metodologia de calculo relativa aos
valores atualizados das poupanças com o consumo energético durante a vida útil de cada

( )
solução eficiente Pcons.act.i 5 .

Deste modo, Pcons.act.i 5 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:


xi(5A.2.) = Pcons.act.i 5  € (5.80)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.81)

FRIG.A.3 ( xi(5A.3.) ) - Poupança Investimento Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados, a metodologia de calculo de Pinv.act.ij , relativa aos valores

(atualizados) das poupanças com o investimento e consumo respetivamente.


Deste modo, Pinv.act.i 5 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.83)

FRIG.A.4 ( xi(5A.4.) ) - Investimento Inicial Total Atualizado [€]

Conforme já referido anteriormente (Secção 5.3.2), o investimento total inicial


atualizado, será sempre único, dado que apenas se investe uma única vez na solução
eficiente, e logo no início do ciclo de exploração da solução. Deste modo, o respetivo
coeficiente de atualização  é unitário, pelo que o investimento com uma dada solução i,
afeta ao serviço energético “Frigorifico” (j=5) , I ef .i 5 , é obtida por:

xi(5A.4.) = I ef .i 5act = I ef .i 5   ( = 1)  €  (5.84)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.85)

FRIG.A.5 ( xi(5A.5.) ) - Consumo Total Energia Atualizado [kWh]

Conforme já referido anteriormente (Secção 5.32), o consumo hídrico total, e


atualizado, será obtido ao longo do ciclo de vida útil (horizonte temporal) da solução, seja
ela eficiente ou standard (referência).
Deste modo, para efeitos de definição do critério em apreço, e com base na expressão
(5.12), o consumo hidrico durante o ciclo de vida util, referente a solução eficiente i e
relativa ao serviço energético “Frigorifico” (j=5), será:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.88)

FE – Forno Electrico

FE.A.1 ( xi(6A.1.) ) - Classe Eficiência Energética

De acordo com o observado na Secção 3.2, Capítulo 3, a classe de eficiência


energética, associada ao serviço energético “Forno Electrico” (j=6), assume uma escala
compreendida entre A+++ e D.
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
Electrico” (j=6), sendo a mesma, definida da seguinte forma:

xi(6A.1.)  A + ++, A + +, A+, A, B, C , D (5.89)

Pelo que, e tendo em vista a quantificação e valorização do mesmo critério, atribuiu-se


um valor vi(6A.1.) ( xi(6A.1.) ) numérico, correspondente a cada classe de eficiência energética,

associada a uma dada solução individual, xi(6A.1.) (Tabela 5.6).

Tabela 5.6 - Atribuição de escala ao critério considerado

Classe Efic. Energética Escala adoptada


A+++ 10
A++ 9
A+ 8
A 7
B 6
C 5
D 4

195
Deste modo, vi(6A.1.) , pode ser definido da seguinte forma:

vi(6A.1.) ( xi(6A.1.) ) 10,9,8, 7, 6,5, 4 (5.90)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.91)

FE.A.2 ( xi(6A.2.) ) - Poupança Consumo Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados neste trabalho, a metodologia de calculo relativa aos
valores atualizados das poupanças com o consumo energético durante a vida útil de cada

( )
solução eficiente Pcons.act.i 6 .

Deste modo, Pcons.act.6 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

xi(6A.2.) = Pcons.act.i 6  € (5.92)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6A.2.) ( xi(6A.2.) )  0,1 (5.93)

FE.A.3 ( xi(6A.3.) ) - Poupança Investimento Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados, a metodologia de calculo de Pinv.act.i 6 , relativa aos

valores (atualizados) das poupanças com o investimento e consumo respetivamente.


Deste modo, Pinv.act.i 6 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6A.6.) ( xi(6A.6.) )  0,1 (5.95)

FE.A.4 ( xi(6A.4.) ) - Investimento Inicial Total Atualizado [€]

Conforme já referido anteriormente (Secção 5.3.2), o investimento total inicial


atualizado, será sempre único, dado que apenas se investe uma única vez na solução
eficiente, e logo no início do ciclo de exploração da solução. Deste modo, o respetivo
coeficiente de atualização  é unitário, pelo que o investimento com uma dada solução i,
afeta ao serviço energético “Forno Elétrico” (j=6) , I ef .i 6 , é obtida por:

xi(6A.4.) = I ef .i 6act = I ef .i 6   ( = 1)  €  (5.96)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6A.4.) ( xi(6A.4.) )  0,1 (5.97)

FE.A.5 ( xi(6A.5.) ) - Consumo Total Energia Atualizado [kWh]

Conforme já referido anteriormente (Secção 5.3.2), o consumo hidrico total, e


atualizado, será obtido ao longo do ciclo de vida útil (horizonte temporal) da solução, seja
ela eficiente ou standard (referência).
Deste modo, para efeitos de definição do critério em apreço, e com base na expressão
(5.7), o consumo hidrico durante o ciclo de vida util, referente a solução eficiente i e
relativa ao serviço energético “Forno Electrico” (j=6), será:

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:

xi(6A.5.) = Cef .HT  €  = Cef .anual 6  €   (5.99)


6

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6A.5.) ( xi(6A.5.) )  0,1 (5.100)

MLL - Máquina de Lavar Louça

MLL.A.1 ( xi(7A.1.) ) - Classe Eficiência Energética

De acordo com o observado no Capítulo 3, a classe de eficiência energética, associada


ao serviço energético “Máquina de Lavar Louça” (j=7), assume uma escala compreendida
entre A++ e D.
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 Lavar Louça” (j=7), sendo a mesma, definida da seguinte forma:

xi(7A.1.)   A + ++, A + +, A+, A, B, C , D (5.101)


Pelo que, e tendo em vista a quantificação e valorização do mesmo critério, atribuiu-se
um valor vi(7A.1.) ( xi(7A.1.) ) numérico, correspondente a cada classe de eficiência energética,

associada a uma dada solução individual, xi(7A.1.) (Tabela 5.7).

Tabela 5.7 - Atribuição de escala ao critério considerado

Classe Efic. Energética Escala adoptada


A+++ 10
A++ 9
A+ 8
A 7
B 6
C 5
D 4

198
Deste modo, vi(7A.1.) , pode ser definido da seguinte forma:

vi(7A.1.) ( xi(7A.1.) ) 10,9,8, 7, 6,5, 4 (5.102)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(7A.1.) ( xi(7A.1.) )  0,1 (5.103)

MLL.A.2 ( xi(7A.2.) ) - Poupança Consumo Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados neste trabalho, a metodologia de calculo relativa aos
valores atualizados das poupanças com o consumo energético durante a vida útil de cada

( )
solução eficiente Pcons.act.i 7 .

Deste modo, Pcons.act.i 7 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

xi(7A.2.) = Pcons.act.i 7  € (5.104)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(7A.2.) ( xi(7A.2.) )  0,1 (5.105)

MLL.A.3 ( xi(7A.3.) ) - Poupança Investimento Horizonte Temporal [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados, a metodologia de calculo de Pinv.act.i 7 , relativa aos

valores (atualizados) das poupanças com o investimento e consumo respetivamente.


Deste modo, Pinv.act.i 7 , é obtido segundo o método de calculo especificado

anteriormente, o que adaptando para o presente caso, fica:

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:

vi(7A.4.) ( xi(7A.4.) )  0,1 (5.107)

MLL.A.4 ( xi(7A.4.) ) - Investimento Inicial Total Atualizado [€]

Conforme já referido anteriormente (Secção 5.3.2), o investimento total inicial


atualizado, será sempre único, dado que apenas se investe uma única vez na solução
eficiente, e logo no início do ciclo de exploração da solução. Deste modo, o respetivo
coeficiente de atualização  é unitário, pelo que o investimento com uma dada solução i,
afeta ao serviço energético “Maquina Lavar Louça” (j=7) , I ef .i 7 , é obtida por:

xi(7A.4.) = I ef .i 7act = I ef .i 7   ( = 1)  €  (5.108)

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:

vi(7A.4.) ( xi(7A.4.) )  0,1 (5.109)

MLL.A.5 ( xi(7A.5) ) - Consumo água total atualizado (horizonte temporal) [€]

Conforme já referido anteriormente (Secção 5.3.2), o consumo de água total, e


atualizado, será obtido ao longo do ciclo de vida útil da solução, objeto de analise (solução
eficiente).
Deste modo, para efeitos de definição do critério em apreço, e com base na expressão
(5.16), o consumo de água durante o ciclo de vida util da solução eficiente i, relativa ao
serviço energético “Maquina de Lavar Louça” (j=7), será:

xi(7A.5.) = Cef .HT ( H 2O)


i7
 € = Cef .anual ( H 2 O ) i 7
 €  (5.110)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(7A.5) ( xi(7A.5) )  0,1 (5.111)

MLL.A.6 ( xi(7A.6.) ) - Poupança consumo água actualizado (horizonte temporal) [€]

Na secção anterior, foi apresentada de uma forma generalizada, e para todos os


serviços energéticos considerados neste trabalho, a metodologia de calculo relativa aos
valores atualizados da poupança com o consumo de água durante a vida útil de cada

(
solução eficiente Pcons( H2O).HT .i 7 . )
Deste modo, Pcons( H 2O ).HT .i 7 , é obtido segundo o método de calculo especificado na

expressão 5.18, ou seja:

(
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:

vi(7A.6.) ( xi(7A.6.) )  0,1 (5.113)


5.3.3. B - Dimensão Social

Ilu. - Iluminação

Ilu.B.1 ( xi(1B.1.) ) - Durabilidade

Na Secção 2.5.3, do Capítulo 2, constatou-se que a durabilidade 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.

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.) ,

sera definida da seguinte forma:

xi(1B.1.)  0,10000  h (5.114)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1B.1.) ( xi(1B.1.) )  0,1 (5.115)

Ilu.B.2 ( xi(1B.2.) ) - Índice de Restituição de Cor (IRC)

Na Secção 3.2.7, do Capítulo 3, constatou-se que o Índice de Restituição de Cor


(IRC), 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(1B.2.) ,

sera definida da seguinte forma:

xi(1B.2.)  0,10000  h (5.116)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1B.2.) ( xi(1B.2.) )  0,1 (5.117)

Ilu.B.3 ( xi(1B.3.) ) - Frequência de Substituição de Lâmpadas

Anteriormente, e conforme referido no Capítulo 3, constatou-se que a frequência de


substituição das lâmpadas, é um dos atributos a ter em conta pelo consumidor, aquando da
escolha de um dado eletrodoméstico/serviço energético.

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.) ,

sera definida da seguinte forma:

xi(1B.3.)  0,10000  h (5.118)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1B.3.) ( xi(1B.3.) )  0,1 (5.119)

Ilu.B.4 ( xi(1B.4.) ) - Qualidade (Fiabilidade)

Na Secção 2.5.3, do Capítulo 3, constatou-se que a qualidade 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:

xi(1B.4.)  0,10000  h (5.120)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1B.4.) ( xi(1B.4.) )  0,1 (5.121)

203
Ilu.B.5 ( xi(1B.5.) ) - Fluxo luminoso (Φ)

Na Secção 3.2.7, do Capítulo 3, constatou-se que o fluxo luminoso 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 acordo com o tipo de iluminação (i.e.
de acordo com a tecnologia) a considerar, 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(1B.5.) ,

será definida da seguinte forma:

xi(1B.5.)  0,10000 lm (5.123)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1B.5.) ( xi(1B.5.) )  0,1 (5.124)

AC – Ar Condicionado

AC.B.1 ( xi(2B.1.) ) - Potência Sonora (interior)

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.) ,

sera definida da seguinte forma:

xi(2B.1.)  0,10000  dB (5.125)

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:

vi(2B.1.) ( xi(2B.1.) )  0,1 (5.126)

AC.B.2 ( xi(2B.2.) ) - Potência Sonora (Exterior)

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.) ,

sera definida da seguinte forma:

xi(2B.2.)  0,10000  dB (5.127)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(2B.2.) ( xi(2B.2.) )  0,1 (5.128)

AC.B.3 ( xi(2B.3.) ) - Capacidade nominal (Arrefecimento)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(2B.3.) ( xi(2B.3.) )  0,1 (5.130)

AC.B.4 ( xi(2B.4.) ) - Capacidade nominal (Aquecimento)

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.) ,

sera definida da seguinte forma:

xi(2B.4.)  0,10000  kW  (5.131)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1A.2.) ( xi(1A.2.) )  0,1 (5.132)

AC.B.5 ( xi(2B.5.) ) - Função desumificadora

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(2B.5.) ( xi(2B.5.) )  0,1 (5.134)

AC.B.6 ( xi(2B.6.) ) - Existência de filtro de desodorização

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:

xi(2B.6.) Sim, Não  xi(2B.6.) 0,1 (5.135)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(2B.6.) ( xi(2B.6.) )  0,1 (5.136)

AC.B.7 ( xi(2B.7.) ) - Qualidade (Fiabilidade)

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.) ,

será definida da seguinte forma:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(2B.7.) ( xi(2B.7.) )  0,1 (5.138)

AC.B.8 ( xi(2B.8.) ) - Funcionalidade

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.) ,

será definida da seguinte forma:

xi(2B.8.)  10,9,8,7,6,5, 4 (5.139)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(2B.8.) ( xi(2B.8.) )  0,1 (5.140)

AC.B.9 ( xi(2B.9.) ) - Design

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.) ,

será definida da seguinte forma:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(2B.9.) ( xi(2B.9.) )  0,1 (5.142)

AC.B.10 ( xi(2B.10.) ) - Assistência Pós-venda (Garantia)

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.) ,

será definida da seguinte forma:

xi(2B.10.)  10,9,8, 7, 6,5, 4 (5.143)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(2B.10.) ( xi(2B.10.) )  0,1 (5.144)

MLR – Máquina de Lavar Roupa

MLR.B.1 ( xi(3B.1.) ) - Ruido

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.) ,

será definida da seguinte forma:

xi(3B.1.)  0,10000  dB (5.145)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3B.1.) ( xi(3B.1.) )  0,1 (5.146)

MLR.B.2 ( xi(3B.2.) ) - Capacidade nominal

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:

xi(3B.2.)  0,10000  kg  (5.147)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3B.2.) ( xi(3B.2.) )  0,1 (5.148)

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.) ,

será definida da seguinte forma:

xi(3B.3.)  10,9,8,7,6,5, 4 (5.149)

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:

vi(3B.3.) ( xi(3B.3.) )  0,1 (5.150)

MLR.B.4 ( xi(3B.4.) ) - Funcionalidade

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.) ,

será definida da seguinte forma:

xi(3B.4.)  10,9,8, 7, 6,5, 4 (5.151)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3B.4.) ( xi(3B.4.) )  0,1 (5.152)

MLR.B.5 ( xi(3B.5.) ) - 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 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:

xi(3B.5.)  10,9,8, 7, 6,5, 4 (5.153)

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:

vi(3B.5.) ( xi(3B.5.) )  0,1 (5.154)

MLR.B.6 ( xi(3B.6.) ) - Assistência Pós-venda (Garantia)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3B.6.) ( xi(3B.6.) )  0,1 (5.156)

MLR.B.7 ( xi(3B.7.) ) - 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(2B.7.) ,

sera definida da seguinte forma:

xi(3B.7.)  10,9,8, 7, 6,5, 4 (5.157)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3B.7.) ( xi(3B.7.) )  0,1 (5.158)

MLR.B.8 ( xi(3B.8.) ) - Funcionalidade

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3B.8.) ( xi(3B.8.) )  0,1 (5.160)

MLR.B.9 ( xi(3B.9.) ) - Design

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.) ,

será definida da seguinte forma:

xi(3B.9.)  10,9,8,7,6,5, 4 (5.161)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3B.9.) ( xi(3B.9.) )  0,1 (5.162)

MLR.B.10 ( xi(3B.10.) ) - Assistência Pós-venda (Garantia)

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.) ,

será definida da seguinte forma:

xi(3B.10.)  10,9,8, 7, 6,5, 4 (5.163)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3B.10.) ( xi(3B.10.) )  0,1 (5.164)

MSR – Máquina de Secar Roupa

MSR.B.1 ( xi(4B.1.) ) - Potência Sonora de Secagem

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.) ,

será definida da seguinte forma:

xi(4B.1.)  0,10000  dB (5.165)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(4B.1.) ( xi(4B.1.) )  0,1 (5.166)

MSR.B.2 ( xi(4B.2.) ) - Capacidade nominal

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.) ,

será definida da seguinte forma:

xi(4B.2.)  0,10000  kg  (5.167)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(4B.2.) ( xi(4B.2.) )  0,1 (5.168)

MSR.B.3 ( xi(4B.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 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.) ,

será definida da seguinte forma:

xi(4B.3.)  10,9,8,7,6,5, 4 (5.169)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(4B.3.) ( xi(4B.3.) )  0,1 (5.170)

MSR.B.4 ( xi(4B.4.) ) - Número de Funcionalidades

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.) ,

será definida da seguinte forma:

xi(4B.4.)  10,9,8, 7, 6,5, 4 (5.171)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(4B.4.) ( xi(4B.4.) )  0,1 (5.172)

MSR.B.5 ( xi(4B.5.) ) - Design

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.) ,

vêm definida da seguinte forma:

xi(4B.5.)  10,9,8, 7, 6,5, 4 (5.173)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

217
vi(4B.5.) ( xi(4B.5.) )  0,1 (5.174)

MSR.B.6 ( xi(4B.6.) ) - Assistência Pós-venda (Garantia)

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:

xi(4B.6.)  10,9,8,7,6,5, 4 (5.175)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(4B.6.) ( xi(4B.6.) )  0,1 (5.176)

FRIG – Frigorifico

FRIG.B.1 ( xi(5B.1.) ) - Ruido

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:

xi(5B.1.)  10,9,8,7,6,5, 4 (5.177)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(5B.1.) ( xi(5B.1.) )  0,1 (5.178)

FRIG.B.2 ( xi(5B.2.) ) - Volume útil (temperatura >-6ºC) [l]

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:

xi(5B.2.)  10,9,8,7,6,5, 4 (5.179)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(5B.2.) ( xi(5B.2.) )  0,1 (5.180)

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:

xi(5B.3.)  10,9,8,7,6,5, 4 (5.181)

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:

vi(5B.3.) ( xi(5B.3.) )  0,1 (5.182)

FRIG.B.4 ( xi(5B.4.) ) - Autonomia Corte Energia (horas)

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.) ,

pode ser definida da seguinte forma:

xi(5B.4.)  10,9,8,7,6,5, 4 (5.183)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(5B.4.) ( xi(5B.4.) )  0,1 (5.184)

FRIG.B.5 ( xi(5B.5.) ) - 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 “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:

xi(5B.5.)  10,9,8,7,6,5, 4 (5.185)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(5B.5.) ( xi(5B.5.) )  0,1 (5.186)

FRIG.B.6 ( xi(5B.6.) ) - 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
“Frigorifico” (j=5), xi(5B.6.) , será definida da seguinte forma:

xi(5B.6.)  10,9,8, 7, 6,5, 4 (5.187)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(5B.6.) ( xi(5B.6.) )  0,1 (5.188)


FRIG.B.7 ( xi(5B.7.) ) - 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
“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:

xi(5B.7.)  10,9,8,7,6,5, 4 (5.189)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(5B.7.) ( xi(5B.7.) )  0,1 (5.190)

FRIG.B.8 ( xi(5B.8.) ) - Assistência Pós-venda (Garantia)

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:

xi(5B.8.)  10,9,8,7,6,5, 4 (5.191)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(5B.8.) ( xi(5B.8.) )  0,1 (5.192)

FE – Forno Elétrico

FE.B.1 ( xi(6B.1.) ) - Volume útil [l]

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:

xi(6B.1.)  10,9,8, 7, 6,5, 4 (5.193)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6B.1.) ( xi(6B.1.) )  0,1 (5.194)

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:

xi(6B.2.)  10,9,8,7,6,5, 4 (5.195)

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) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6B.2.) ( xi(6B.2.) )  0,1 (5.196)

FE.B.3 ( xi(6B.3.) ) - 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 “Forno
Elétrico” (j=6), xi(6B.3.) , será definida da seguinte forma:

xi(6B.3.)  10,9,8,7,6,5, 4 (5.197)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6B.3.) ( xi(6B.3.) )  0,1 (5.198)

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:

xi(6B.4.)  10,9,8,7,6,5, 4 (5.199)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6B.4.) ( xi(6B.4.) )  0,1 (5.200)

FE.B.5 ( xi(6B.5.) ) - Assistência Pós-venda (Garantia)

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:

xi(6B.5.)  10,9,8,7,6,5, 4 (5.201)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6B.5.) ( xi(6B.5.) )  0,1 (5.202)

MLL – Máquina de Lavar Louça

MLL.B.1 ( xi(7B.1.) ) - Ruido

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:

xi(7B.1.)  10,9,8,7,6,5, 4 (5.203)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(7B.1.) ( xi(7B.1.) )  0,1 (5.204)

MLL.B.2 ( xi(7B.2.) ) - Capacidade nominal

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.) ,

será definida da seguinte forma:

xi(7B.2.)  0,10000  serviços delouça (5.205)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(7B.2.) ( xi(7B.2.) )  0,1 (5.206)

MLL.B.3 ( xi(7B.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 “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:

xi(7B.3.)  10,9,8, 7, 6,5, 4 (5.207)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(7B.3.) ( xi(7B.3.) )  0,1 (5.208)

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:

xi(7B.4.)  10,9,8,7,6,5, 4 (5.209)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(7B.4.) ( xi(7B.4.) )  0,1 (5.210)

MLL.B.5 ( xi(7B.5.) ) - 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 “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:

xi(7B.5.)  10,9,8,7,6,5, 4 (5.211)

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

(4.38) indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

228
vi(7B.5.) ( xi(7B.5.) )  0,1 (5.212)

MLL.B.6 ( xi(7B.6.) ) - Assistência Pós-venda (Garantia)

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:

xi(7B.6.)  10,9,8,7,6,5, 4 (5.213)

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:

vi(7B.6.) ( xi(7B.6.) )  0,1 (5.214)

5.3.4. C - Dimensão Ambiental

Como se viu anteriormente na Secção 2.6.4, e em concreto na Secção 2.6.5, o


impacte ambiental de um dado produto/serviço energético, pode ser obtido através de um
conjunto de indicadores, estimados através de uma análise do ciclo de vida útil (ACV) do
equipamento.
Esta ACV ocorre nomeadamente, com o decorrer das fases de inventario, e
posteriormente, através da avaliação de impacte ambiental.
Neste trabalho, serão adicionados á metodologia aqui proposta, dois possíveis
indicadores, afetos a duas categorias de impacte ambiental distintas, nomeadamente; a
pegada hídrica e a pegada de carbono.

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.:

kgCO2e = Consumo Energetico [kWh]  F .E [k gGEE / kWh] (5.215)

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)

Com base na expressão (2.17), e extipulado um horizonte temporal de 10 anos, vêm:

kgCO2e [k gCO2 ] HorizonteTemporal = kgCO2e [k gCO2 ]10 (5.217)

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

Ilu.C.1 ( xi(1C .1.) ) - Uso - Emissões de CO2 (horizonte temporal) [kg]

A variável de decisão associada ao presente critério, por seu turno, correspondente a


cada solução individual i, e relativa ao mesmo serviço energético “iluminação” (j=1) é
xi(1C .1.) , vêm definida da seguinte forma:

xi(1C .1.) = kgCO2e HorizonteTemporal  kg  (5.218)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(1C .1.) ( xi(1C.1.) )  0,1 (5.219)

Ilu.C.2 ( xi(1C .2.) ) - Fabrico - Emissões CO2e [kg]

A variável de decisão, associada ao presente critério, por seu turno, correspondente a


cada solução individual i, e relativa ao mesmo serviço energético “iluminação” (j=1) é
xi(1C .2.) e vêm definida da seguinte forma:

xi(1C .2.) = F .Eilum|Pr odução  kg  (5.220)

Sendo F .Eilu . , um fator de emissão fixo e obtido, referente a fase de produção do

produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(1C.2.) ( xi(1C.2.) ) , associado a cada

solução individual xi(1C .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:

vi(1C .2.) ( xi(1C .2.) )  0,1 (5.221)

231
Ilu.C.3 ( xi(1C .3.) ) - Final - Emissões CO2e [kg]

A variável de decisão, associada ao presente critério, por seu turno, correspondente a


cada solução individual i, e relativa ao mesmo serviço energético “iluminação” (j=1) é
xi(1C .3.) e vêm definida da seguinte forma:

xi(1C .3.) = F .Eilum|Fabrico  kg  (5.222)

Sendo F .Eilum|Final , um fator de emissão fixo e obtido, referente a fase de

desmantelamento do produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(1C.3.) ( xi(1C.3.) ) , associado a cada

solução individual xi(1C .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:

vi(1C .3.) ( xi(1C .3.) )  0,1 (5.223)

AC.C.1 ( xi(2C .1.) ) - Uso - Emissões de CO2 (horizonte temporal) [kg]

A variável de decisão associada ao presente critério, por seu turno, correspondente a


cada solução individual i, e relativa ao mesmo serviço energético “Ar Condicionado” (j=2)
é xi(2C .1.) , vêm definida da seguinte forma:

xi(2C .1.) = kgCO2e HorizonteTemporal  kg  (5.224)

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:

vi(2C .1.) ( xi(2C .1.) )  0,1 (5.225)

232
AC.C.2 ( xi(2C .2.) ) - Fabrico - Emissões CO2e [kg]

A variável de decisão, associada ao presente critério, por seu turno, correspondente a


cada solução individual i, e relativa ao mesmo serviço energético “Ar Condicionado” (j=2)
é xi(2C .2.) e vêm definida da seguinte forma:

xi(2C .2.) = F .EAC|Pr odução  kg  (5.226)

Sendo F .Eilu . , um fator de emissão de fixo e obtido, referente a fase de produção do

produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(2C.2.) ( xi(2C.2.) ) , associado a cada

solução individual xi(2C .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(2C .2.) ( xi(2C.2.) )  0,1 (5.227)

AC.C.3 ( xi(2C .3.) ) - Final - Emissões CO2e [kg]

A variável de decisão, associada ao presente critério, por seu turno, correspondente a


cada solução individual i, e relativa ao mesmo serviço energético “Ar Condicionado” (j=2)
é xi(2C .3.) e vêm definida da seguinte forma:

xi(2C .3.) = F .EAC|Fabrico  kg  (5.228)


Sendo F.EAC|Final , um fator de emissão fixo e obtido, referente a fase de

desmantelamento do produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(2C.3.) ( xi(2C.3.) ) , associado a cada

solução individual xi(2C .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:

vi(2C .3.) ( xi(2C.3.) )  0,1 (5.229)

MLR.C.1 ( xi(3C .1.) ) - Uso - Emissões de CO2 (horizonte temporal) [kg]

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
Roupa” (j=3) é xi(3C .1.) , vêm definida da seguinte forma:

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3C .1.) ( xi(3C .1.) )  0,1 (5.231)

MLR.C.2 ( xi(3C .2.) ) - Fabrico - Emissões CO2e [kg]

A variável de decisão, associada ao presente critério, por seu turno, correspondente a


cada solução individual i, e relativa ao mesmo serviço energético “Maquina Lavar Roupa”
(j=3) é xi(3C .2.) e vêm definida da seguinte forma:

xi(3C .2.) = F .EMLR|Pr odução  kg  (5.232)

Sendo F .EMLR. , um fator de emissão fixo e obtido, referente a fase de produção do

produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(3C.2.) ( xi(3C.2.) ) , associado a cada

solução individual xi(3C .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(3C .2.) ( xi(3C .2.) )  0,1 (5.233)

MLR.C.3 ( xi(3C .3.) ) - Final - Emissões CO2e [kg]

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
Roupa” (j=3) é xi(3C .3.) e vêm definida da seguinte forma:

xi(3C .3.) = F .EMLR|Fabrico  kg  (5.234)

Sendo F .EMLR|Final , um fator de emissão, fixo e obtido, referente a fase de

desmantelamento do produto, associado ao serviço energético em questão.

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:

vi(3C .3.) ( xi(3C .3.) )  0,1 (5.235)

MLR.C.4 ( xi(3C .4.) ) - Consumo Água Atualizado [€/horz.temp.]

O valor associado ao presente critério, já fora obtido anteriormente, na Dimensão


Económica e através do critério respetivo, nomeadamente o critério xi(3C.4.) , pelo que a

relação entre ambos os critérios, é a que se estabelece em baixo:

xi(3C.4.) = xi(3A.6.) (5.236)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(3C .4.) ( xi(3C .4.) )  0,1 (5.237)

MSR.C.1 ( xi(4C .1.) ) - Uso - Emissões de CO2 (horizonte temporal) [kg]

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 Secar
Roupa” (j=4) é xi(4C .1.) , vêm definida da seguinte forma:

xi(4C .1.) = kgCO2e HorizonteTemporal  kg  (5.238)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(4C .1.) ( xi(4C.1.) )  0,1 (5.239)

235
MSR.C.2 ( xi(4C .2.) ) - Fabrico - Emissões CO2e [kg]

A variável de decisão, associada ao presente critério, por seu turno, correspondente a


cada solução individual i, e relativa ao mesmo serviço energético “Maquina Secar Roupa”
(j=4) é xi(4C .2.) e vêm definida da seguinte forma:

xi(4C .2.) = F .EMSR|Pr odução  kg  (5.240)

Sendo F .EMSR. , um fator de emissão, fixo e obtido, referente a fase de produção do

produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(4C.2.) ( xi(4C.2.) ) , associado a cada

solução individual xi(4C .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(4C .2.) ( xi(4C .2.) )  0,1 (5.241)

MSR.C.3 ( xi(4C .3.) ) - Final - Emissões CO2e [kg]

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 Secar
Roupa” (j=4) é xi(4C .3.) e vêm definida da seguinte forma:

xi(4C .3.) = F .EMSR|Fabrico  kg  (5.242)

Sendo F.EMSR|Final , um fator de emissão, fixo e obtido, referente a fase de

desmantelamento do produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(4C.3.) ( xi(4C.3.) ) , associado a cada

solução individual xi(4C .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:

vi(4C .3.) ( xi(4C .3.) )  0,1 (5.243)

236
FRIG.C.1 ( xi(5C .1.) ) - Uso - Emissões de CO2 (horizonte temporal) [kg]

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) é
xi(4C .1.) , vêm definida da seguinte forma:

xi(5C .1.) = kgCO2e HorizonteTemporal  kg  (5.244)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(5C .1.) ( xi(5C .1.) )  0,1 (5.245)

FRIG.C.2 ( xi(4C .2.) ) - Fabrico - Emissões CO2e [kg]

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) é
xi(5C .2.) e vêm definida da seguinte forma:

xi(5C .2.) = F .EFRIG|Pr odução  kg  (5.246)

Sendo F .EFRIG. , um fator de emissão, fixo e obtido, referente a fase de produção do

produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(5C.2.) ( xi(5C.2.) ) , associado a cada

solução individual xi(5C .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(5C .2.) ( xi(5C.2.) )  0,1 (5.247)

FRIG.C.3 ( xi(5C .3.) ) - Final - Emissões CO2e [kg]

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) é
xi(5C .3.) e vêm definida da seguinte forma:

237
xi(5C .3.) = F .EFRIG|Fabrico  kg  (5.248)

Sendo F.EFRIG|Final , um fator de emissão, fixo e obtido, referente a fase de

desmantelamento do produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(5C.3.) ( xi(5C.3.) ) , associado a cada

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:

vi(5C .3.) ( xi(5C.3.) )  0,1 (5.249)

FE.C.1 ( xi(6C .1.) ) - Uso - Emissões de CO2 (horizonte temporal) [kg]

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) é
xi(6C .1.) , vêm definida da seguinte forma:

xi(6C .1.) = kgCO2e HorizonteTemporal  kg  (5.250)

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)

indicado na Secção 4.8.4, obtendo-se daí, a relação final seguinte:

vi(6C .1.) ( xi(6C .1.) )  0,1 (5.251)

FE.C.2 ( xi(6C .2.) ) - Fabrico - Emissões CO2e [kg]

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) é
xi(6C .2.) e vêm definida da seguinte forma:

xi(6C .2.) = F .EFRIG|Pr odução  kg  (5.252)

238
Sendo F .EFRIG. , um fator de emissão fixo, referente a fase de produção do produto,

associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(6C.2.) ( xi(6C.2.) ) , associado a cada

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:

vi(6C .2.) ( xi(6C .2.) )  0,1 (5.253)

FE.C.3 ( xi(6C .3.) ) - Final - Emissões CO2e [kg]

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) é
xi(6C .3.) e vêm definida da seguinte forma:

xi(6C .3.) = F .EFE|Fabrico  kg  (5.254)

Sendo F .EFE|Final , um fator de emissão fixo e obtido, referente a fase de

desmantelamento do produto, associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(6C.3.) ( xi(6C.3.) ) , associado a cada

solução individual xi(6C .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:

vi(6C .3.) ( xi(6C .3.) )  0,1 (5.255)

MLL.C.1 ( xi(7C .1.) ) - Uso - Emissões de CO2 (horizonte temporal) [kg]

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 Lavar
Louça” (j=7) é xi(7C .1.) , vêm definida da seguinte forma:

xi(7C .1.) = kgCO2e HorizonteTemporal  kg  (5.256)

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:

vi(7C .1.) ( xi(7C.1.) )  0,1 (5.257)

MLL.C.2 ( xi(7C .2.) ) - Fabrico - Emissões CO2e [kg]

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 Lavar
Louça” (j=7) é xi(7C .2.) e vêm definida da seguinte forma:

xi(7C .2.) = F .EMLL|Pr odução  kg  (5.258)

Sendo F .EMLL. , um fator de emissão fixo, referente a fase de produção do produto,

associado ao serviço energético em questão.


Com vista, a se obter um valor normalizado para cada vi(7C.2.) ( xi(7C.2.) ) , associado a cada

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:

vi(7C .2.) ( xi(7C.2.) )  0,1 (5.259)

MLL.C.3 ( xi(7C .3.) ) - Final - Emissões CO2e [kg]

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 Lavar
Louça” (j=7) é xi(7C .3.) e vêm definida da seguinte forma:

xi(7C .3.) = F .EMLL|Fabrico  kg  (5.260)

Sendo F.EMLL|Final , um fator de emissão fixo e obtido, referente a fase de

desmantelamento do produto, associado ao serviço energético em questão.

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:

vi(7C .3.) ( xi(7C .3.) )  0,1 (5.261)

MLL.C.4 ( xi(7C .4.) ) - Consumo Água Atualizado [€/horz.temp.]

O valor associado ao presente critério, já fora obtido anteriormente, na Dimensão


Económica e através do critério respetivo, nomeadamente o critério xi(7C.4.) , pelo que a

relação entre ambos os critérios, é a que se estabelece em baixo:

xi(7C.4.) = xi(7A.5.) (5.262)

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:

vi(7C .4.) ( xi(7C .4.) )  0,1 (5.263)

Lista final de critérios adoptados

Nas secções anteriores, foram apresentados os critérios, associados a cada dimensão


de sustentabilidade considerada, e adectos a cada um dos serviços energéticos
considerados.
Na Tabela 5.8, encontram-se apresentados, e de forma resumida, os mesmos critérios
referidos anteriormente.

241
Tabela 5.8 - Lista de critérios adotados, referente a todos os serviços energéticos aqui abordados

Dimensão
Energéti
Serviço

co

A - Económica Ref. B - Social Ref. C - Ambiental Ref.

Classe Uso - Emissões


Durabilidade
Eficiência Ilu.A1 Ilu.B1 CO2e Ilu.C1
(hrs)
Energética (horz.temp.)[kg]
Ilu -Iluminação

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

Classe Ef.Ener. MLR.A.1 Ruido (dB) MLR.B1 CO2e MLR.C.1


(horz.temp.)[kg]
Poup.
Capacidade Fabrico - Emissões
Cons.Energia MLR.A.2 MLR.B2 MLR.C.2
Nominal [kgs] CO2e [kg]
Horz Temp.[€]
Poupança Inv. Qualidade Final - Emissões
MLR.A.3 MLR.B3 MLR.C3
Horz Temp. [€] (Fiabilidade) CO2e [kg]
Nr.
Invest. Inic. Tot. Cons.
MLR.A.4 Funcionalidades MLR.B4 MLR.C.4
Act [€] Agua(horz.temp.)[l]
Cons.Energ.Tot. Design
MLR.A.5 MLR.B5
Act. [€]

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

Poup. MSR.A.2 MSR.C2


Fabrico - Emissões
Cons.Energia Capacidade
MSR.B2 CO2e [kg]
Horiz. Temp.[€] Nominal [kgs]

Poupança Inv. MSR.A.3 Qualidade Final - Emissões MSR.C3


MSR.B3
Horiz. Temp. [€] (Fiabilidade) CO2e [kg]
Invest. Inic. Tot. MSR.A.4 Nr.
MSR.B4
Act [€] Funcionalidades
Cons.Energ.Tot. MSR.A.5
Design MSR.B5
Act. [€]
Assistência Pós-
MSR.B6
venda (Garantia)
FRIG.A.1 Uso - Emissões FRIG.C.1
Classe Ef.Ener. Ruido (dB) FRIG.B.1 CO2e
(horz.temp.)[kg]
Poup. FRIG.C.2
Vol. util (>-6ºC) Fabrico - Emissões
Cons.Energia FRIG.A.2 FRIG.B.2
[l] CO2e [kg]
Horz Temp.[€]
FRIG. - Frigorifico

Poupança Inv. Vol. util (<-6ºC) Final - Emissões FRIG.C.3


FRIG.A.3 FRIG.B.3
Horz Temp. [€] [l] CO2e [kg]
Autonomia
Invest. Inic. Tot.
FRIG.A.4 Corte Energia FRIG.B.4
Act [€]
(horas)
Cons.Energ.Tot. Qualidade
FRIG.A.5 FRIG.B.5
Act. [€] (Fiabilidade)
Nr.
FRIG.B.6
Funcionalidades
Design FRIG.B.7
Assistencia Pos-
FRIG.B.8
venda (Garantia)
Uso - Emissões FE.C.1
Vol. util comp.
Classe Ef.Ener. FE.A.1 FE.B.1 CO2e
FE - Forno Elétrico

(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

Horz Temp.[€] [serviços-louça]


Poupança Inv. Qualidade Final - Emissões MLL.C.3
MLL.A.3 MLL.B.3
Horz Temp. [€] (Fiabilidade) CO2e [kg]
Nr. MLL.C.4
Invest. Inic. Tot. Cons. Agua
MLL.A.4 Funcionalidades MLL.B.4
Act [€] [l/horz.temp.]
Consumo de
agua total
actualizado MLL.A.5 Design MLL.B.5
(Horiz.
Temporal) [€]
Poupança
consumo agua Assistencia Pos-
MLL.A.6 MLL.B.6
(horizonte venda (Garantia)
temporal)[€]

Refira-se, no entanto, que existe a possibilidade de se poder estender a lista de critérios


acima referida (ou até mesmo a substituição parcial de alguns aqui referidos) com outros,
que serão referidos adiante neste trabalho, através da Secção 7.2
Existe ainda a possibilidade de atribuição de um nível de importância relativa para
cada conjunto de critérios, associados a cada dimensão, com o intuito de refinar a busca de
soluções que vá ao encontro das pretensões do agente-decisor (consumidor).
Entendeu-se neste trabalho, porem, que tal conduziria a um número excessivo de
“pesos”, o que, e aliado ao alto grau de subjectividade na atribuição de valor a uma dada
solução por parte do agente-decisor, faria com que a diversidade de soluções fosse
afectada, assim como desencorajaria no futuro o agente-decisor a utilizar o método na
prática.
Deste modo, foram atribuídos três pesos, sendo estes relativos a cada uma das
dimensões acima referidas, nomeadamente ωA, ωB e ωC, que traduzem o grau de
importância relativa, atribuído pelo consumidor, respectivamente a cada uma das
dimensões aqui tratadas: A- Economica, B - Social e C-Ambiental.

5.3.5. Tabelas de desempenho e escalas utilizadas

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.

Deste modo, e nas tabelas seguintes (Tabelas 5.9 a),b),c),d),e),f),g)), encontram-se


apresentadas as respetivas formulações, referentes a cada um dos serviços energéticos
considerados neste estudo, nomeadamente: Iluminação, Ar Condicionado, Máquina de
Lavar Roupa, Máquina de Secar Roupa, Frigorifico, Forno Electrico e Máquina de Lavar
Louça.

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 )

As tabelas de desempenho acima referidas, resultam da agregação dos valores iniciais,


atribuídos a cada um dos critérios mencionados anteriormente e são apresentadas no
ANEXO 3.
No entanto, e dada a discrepância em termos de escala nos valores envolvidos,
associados a cada um dos critérios utilizados, optou-se por uniformizar os valores obtidos,
utilizando para o efeito uma nova função de valor (de escala) para cada valor individual

(v ( x )) , de forma a relacionar o valor inicial respetivo (v


ij
(g jt )
ij efect .ij
(g )
)
( xij jt ) , com outros dois

valores, associados ao melhor e pior resultado (referente ao mesmo criterio).


Deste modo, e com base na expressão (5.5), o novo valor de vij ( xij(g ) ) pode ser obtido ( jt
)
através da expressão seguinte:

(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.:

vefect .ij ( xij


(g jt )
) = vij ( xij
(g jt )
(
). vmelhor.ij ( xij
(g jt )
) − vpior.ij ( xij
(g jt )
)
) + vpior.ij ( xij
(g jt )
) (5.205)

246
= vefect .ij ( xij ). ( xmelhor .ij − x pior.ij ) + x pior .ij
(g jt ) (g jt )
xij (5.206)

5.4. Formulação do problema

A formulação multiobjectivo, ocorre apos a realização da análise multicritério referida


anteriormente, e que de um modo geral passa pela definição dos critérios a considerar, e
posterior valorização de cada solução potêncial óptima de acordo com esses mesmos
critérios.
Do ponto de vista formal, o problema aqui abordado, pode ser formulado da seguinte
forma:
max Vm ( x ) , c / m = A, B, C (5.207)
c / Vm ( x) = VA ( x),VB ( x),VC ( x) 
T
sujeito a x  X

Da agregação dos valores individuais VA ( x) , VB ( x) e VC ( x) , associados a cada

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.

5.4.1. Definição das variáveis de decisão

As variáveis de decisão, aqui empregues, seguem uma notação, em parte já definida na


Secção 6.3.1, sendo as mesmas definidas a partir dos diferentes critérios apresentados,
aquando da construção do modelo multicritério (Secção 6.3).
Para alem do que fora referido anteriomente, o problema em estudo conduz a soluções
discretas, pelo que as variáveis de decisão, terão de ser também elas, discretas.
( g jt )
Deste modo, a variável de decisão x j , define-se como:

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 )

O critério g jt , vêm definido da seguinte forma:

    
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 - Critério t, associado a uma dada dimensão g , referente ao serviço energético j


ng j - Número de critérios t, associados a uma dada dimensão g, referente ao serviço
energético j
g - Dimensão do problema associada (A - Economico, B - Social, C - Ambiental)

( 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)

5.4.2. Definição da função objectivo

Conforme já referido anteriormente, um problema multiobjectivo pode ser abordado


como um problema monoobjectivo.
Nesse sentido, agregaram-se as 3 funções objectivo originais acima definidas ( VA ( x) ,

VB ( x) e VC ( x) ), através de uma soma ponderada pelos coeficientes de escala (“pesos”


relativos) respetivos (  A , B e C ), dando origem a função objetivo V ( x ) , que pode
ainda ser definida do seguinte modo:

V ( x ) = f (VA ( x),VB ( x),VC ( x) ) = A .VA ( x) + B .VB ( x) + C .VC ( x) (5.210)

Onde:

 A - Coeficiente de escala associado ao Critério A (Economico)


B - Coeficiente de escala associado ao Critério B (Social)

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)

A definição da função objectivo acima proposta, resultou da formalização (e posterior


dedução) dos vários elementos que compõem a problemática aqui abordada neste trabalho.
( Aj ) (B j ) (C j )
Assim, sejam V j , Vj e Vj , as componentes individuais respetivas do valor

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

VA ( x ) = V ) =  vij c / nAj = 1, 2,.., 7  j = 1, 2,.., 7


( Aj ) ( Aj ) (A jt ) ( A jt )
ij (x
ij ( xij ) (5.211)
t =1
nB j

VB ( x ) = V ) =  vij c / nB j = 1, 2,.., 7  j = 1, 2,.., 7


(Bj ) ( Bj ) ( B jt ) (B jt )
ij (x
ij ( xij ) (5.212)
t =1
nC j

VC ( x ) = V ) =  vij c / nC j = 1, 2,.., 7  j = 1, 2,.., 7


(C j ) (C j ) (C jt ) (C jt )
ij (x ij ( xij ) (5.213)
t =1

Deste modo, o valor agregado total, referente a uma dada solução i, associada ao
serviço energético j, pode ser obtido através de:

Vij ( xij ) = Vij j ( xij j ) + Vij j ( xij j ) + Vij


(A ) (A ) (B ) (B ) (C j ) (C )
( xij j ) (5.214)

Como se pretende, obter uma solução conjunta, constituída por um conjunto de


soluções individuais (serviços energéticos/electrodomésticos) existentes no mercado, e que
maximize o valor global VTotal ( x ) para o agente-decisor (consumidor) que as adquire, a

expressão do valor total agregado, pode ainda ser definida da seguinte forma:
nj

VTotal ( x ) =  ( Vij ( xij ) ) c / n j = 1, 2,..,7  j = 1, 2,..,7 (5.215)


j =1

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

Onde x , é um vetor que representa o conjunto de soluções individuais, traduzidas em


eletrodomésticos/serviços energéticos a serem adquiridos pelo agente-decisor
(consumidor), podendo o mesmo, ser descrito da seguinte forma:

x = ( x1 , x2 ,.., x j ) c / j = 1, 2,3, 4,5, 6, 7 (5.217)

Aplicando á expressão (5.216) os diferentes coeficientes de escala, associados a cada


uma das dimensões acima referidas, i.e.,  A , B e C , vêm:

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 

Se tivermos em conta, a expressão (4.38), adoptada para uniformizar em termos de


escala, cada uma das variáveis de decisão utilizadas, a expressão anterior assume ainda
uma forma mais explicita:

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:

V ( x ) = A .VA ( x) + B .VB ( x) + C .VC ( x) (5.220)

5.4.3. Definição das restrições do problema

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)

energéticos que tenciona adquirir.


Essa limitação, é formulada no presente problema, como uma restrição orçamental,
sendo a mesma expressa através da seguinte restrição:

 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

Ou seja, o investimento total realizado IT ( X ) , resultante da soma de cada um dos

investimentos individuais I j ( x j ) , referentes a cada serviço energético j considerado, não

devera ser superior ao rendimento disponível disp. , associado ao agente-consumidor.

Redefinindo a restrição anterior, de modo a ficar em função da variável de decisão


respetiva, obtêm-se a restrição (final) correspondente, i.e.:

nj
(A )
r1 :  xij j 4 + xi(2 25 ) disp.
A
(5.223)
j =1
j 2

251
Conforto visual

Tal como fora referido anteriormente, um dos requisitos a serem observados na


instalação do serviço energético iluminação, prende-se com o nível de iluminância mínimo
regulamentar a ser observado, de forma a garantir um determinado nivel de conforto visual
mínimo para o consumidor e demais utilizadores deste serviço.
Deste modo, e com base na expressão 3.7, torna-se possível obter a iluminância media
Em através do número n de iluminarias, i.e.:

Em . A.FD  .F .n
n=  Em = i U (5.224)
FU .i A.FD

Sabendo que devera existir um nível mínimo de iluminância Em , de forma a garantir


um nível de conforto mínimo correspondente, então a restrição associada, poder-se-á
definir uma restrição a partir da expressão (3.7) da seguinte forma:

  .F .n   .F .n
r2 :  Em  Emin  Em = i u   i u  Emin (5.225)
 A.Fd  A.Fd

Ou seja, o conjunto de lâmpada(s) com fluxo(s) individual(ais) i , referentes a uma


dada solução individual adotada, terá de proporcionar na sua totalidade, uma iluminância
média ( Em ) , de valor igual ou superior ao valor regulamentar (mínimo) recomendado Emin ,

exigido para o plano de trabalho, e associado ao espaço em questão.


A restrição anterior, pode ainda ser reescrita, de modo a ficar apenas em função do
fluxo individual i e da área A (dado que o restante terá valor constante), i.e.:

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

De forma a proporcionar um conforto térmico adequado ao consumidor, a solução a


ser obtida no âmbito do serviço energético do ar condicionado, devera atender aos
seguintes requisitos/restrições regulamentares:

r3 : Pno m. Arref .  Qth. Arref .( proj .) (5.228)


r4 : Pno m. Aquec.  Qth. Aquec.( proj.) (5.229)

Onde:

Pno m. Arref . - Capacidade nominal de arrefecimento, associado ao Ar Condicionado

Pno m. Aquec.i - Capacidade nominal de aquecimento, associado ao Ar Condicionado

Qth. Aquec.( proj.) - Carga total de projeto para o modo de aquecimento

Qth. Arref .( proj.) - Carga total de projeto para o modo de arrefecimento

Ou seja, de forma a garantir os níveis mínimos de conforto térmicos regulamentares, a


solução individual adotada, terá assegurar uma capacidade nominal de arrefecimento

(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 .) .

Redefinindo as restrições anteriores, de modo a ficarem em função das variáveis de


decisão respetivas, obtêm-se o conjunto restrições (finais) correspondentes:
r3 : x2(
B23 )
 Qth. Aquec.( proj .) (5.230)

r4 : x2( B24 )  Qth. Aquec.( proj .) (5.231)

Ruido (restrições definidas pelo utilizador)

A restrição para o nível de ruido, poderá ser referida a um serviço energético j, ou a


um determinado conjunto de serviços energéticos, dando origem deste modo a uma ou um
conjunto de restrições, cuja formulação estabelece-se de seguida:

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]

Redefinindo as restrições anteriores, de modo a ficarem em função das variáveis de


decisão respetivas, obtêm-se o conjunto restrições (finais) correspondentes:

 r : x( B21 )  Ruido
 51 i1 def .1

 r : x( B31 )  Ruido
 52 i 2 def .2

 c / i = 5 e j = 2,3, 4,5,7  (5.233)


 ( B j1 )
r5n : xij  Ruidodef . j
 ( B71 )
r57 : xi 7  Ruidodef .7

Consumo de Água

A redução do consumo de água, é algo desejável por um consumidor, que poderá


estabelecer um limite de consumo de água anual para um dado serviço energético, ou até
mesmo para o conjunto de serviços energéticos considerados para aquisição. Neste
trabalho, abordou-se dois serviços energéticos que consomem água no seu ciclo de
exploração; a máquina de lavar roupa e a máquina de lavar louça.
Deste modo, foram consideradas as seguintes restrições neste âmbito:

 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

Em suma, o modelo de otimização final é o que se apresenta de seguida:

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:

x = ( x1 , x2 ,.., x j ) c / j = 1, 2,3, 4,5,6,7 (5.236)

nA j

VA ( x ) = Vij ( xij j ) =  vij c / nAj = 1, 2,.., 7  j = 1, 2,.., 7


( Aj ) (A ) (A jt ) ( A jt )
( xij ) (5.237)
t =1
nB j

VB ( x ) = Vij ( xij j ) =  vij c / nB j = 1, 2,.., 7  j = 1, 2,.., 7


(Bj ) (B ) ( B jt ) (B jt )
( xij ) (5.238)
t =1
nC j

VC ( x ) = Vij ( xij j ) =  vij c / nC j = 1, 2,.., 7  j = 1, 2,.., 7


(C j ) (C ) (C jt ) (C jt )
( xij ) (5.239)
t =1

Função objetivo (agregadora) utilizada:

VTotal ( x ) = A .VA ( x) + B .VB ( x) + C .VC ( x)  A , B , C  0,1 (5.240)

max VTotal ( x ) (5.241)


x

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

 c / i = 5 e j = 2,3, 4,5,7  (5.247)


 ( B j1 )
r5n : xij  Ruidodef . j
 ( B71 )
r57 : xi 7  Ruidodef .7
 r61 : xi(3A.3.6.) 1/  H 2O  CMLR

 (5.248)
r : x( A.7.5.) 1/   C
 6 j i7 H 2O MLL

5.5. Nota Conclusiva

No presente capítulo, começou-se por definir a proposta de modelo a desenvolver, no


âmbito dos objetivos fixados para este trabalho (Capítulo 1, Secção 1.2).
Posteriormente, e tendo em conta o respetivo enquadramento teórico, evidenciado no
Capítulo 4, definiram-se as variáveis de decisão e as respetivas escalas de atributo, para
cada um dos critérios estabelecidos e associados a essas variáveis. A definição dos critérios
e da respetiva nomenclatura adotada, visou cada uma das dimensões, objeto de analise
neste trabalho (Económica, Social e Ambiental), tendo para isso, sido abordadas nos
Capítulos 2 e 3 do mesmo.
Definiram-se ainda as funções de escala a utilizar, com vista a conversão dos atributos
nos respetivos valores, tendo ainda sido definido através da abordagem MAVT, cada uma
das funções objetivo, referentes a cada uma das dimensões consideradas, bem como as
respetivas restrições associadas.
Deste modo, o modelo desenvolvido, resume-se através da definição dos critérios a
considerar, bem como dos respetivos atributos e valores correspondentes. Os valores
obtidos, serão combinados posteriormente, em três funções objetivo, por sua vez, sujeitas a
um conjunto de restrições associadas, tendo em vista a extração de um conjunto de
soluções ótimas, através do recurso a um método de otimização multiobjectivo.

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

Com o intuito de apresentar um exemplo de aplicação do modelo proposto e discutir-


se a sua validade, com base nas soluções obtidas, apresentar-se-á nas secções seguintes um
caso de estudo, inserido no âmbito de aplicação da metodologia proposta neste trabalho.
Para efeitos de clarificação de todo o processo, a aplicação da metodologia aqui
proposta, compreenderá 3 Fases, as quais se baseiam na Figura 6.1, e são as seguintes:

• 1ª Fase - Definição do espaço de decisão, tabela de variáveis, e calculo das


poupanças;
• 2ª Fase - Implementação das preferências do consumidor, através da abordagem
MAVT;
• 3ª Fase - Obtenção de soluções sustentáveis (ótimas) para o consumidor;

Relativamente á 3ª Fase, e dado que o algoritmo de otimização, recorre a meta


heurísticas, discutir-se-á a sua utilização, através de uma análise estatística dos resultados
obtidos, bem como através da comparação com outros métodos de otimização clássica.
Esta última comparação, fora, entretanto validada, através de estudos preliminares,
entretanto realizados durante a realização deste trabalho e os quais foram submetidos para
apreciação da comunidade científica, quer fossem através de publicação em atas de
conferencia, jornais, ou até mesmo na discussão com outros investigadores, integrados na
área da computação evolutiva.
Por último, discutem-se as eventuais vantagens/desvantagens que o agente-decisor
(consumidor) possa obter, quando suportado por esta metodologia nas suas decisões, face a
ao mesmo conjunto de decisões tomadas por este, numa situação onde não existe qualquer
suporte á tomada de decisão.

6.2. Descrição do caso de estudo

6.2.1. Contexto

O caso de estudo a apresentar, considera um consumidor (agente-decisor), que


pretende adquirir diretamente do mercado para a sua casa, 7 serviços energéticos
(eletrodomésticos) distintos, dispondo para tal de um orçamento limitado para o fazer.

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:

• 4 quartos e respectivas casas de banho privativas (1 quarto de casal, 2 quartos


individuais e 1 quarto de hóspedes)
• 1 cozinha
• 1 sala de estar
• 1 sala de arrumos
• 1 sala para as máquinas de lavar roupa e louça
• 1 WC comum
A disposição dos quartos bem como das restantes divisões, estão representadas através
de uma planta, representada na Figura 6.1:
16 m

17 m

Figura 6.1 - Disposição em planta da moradia a estudar

De forma a pretender ilustrar as dimensões da moradia em questão (e porque algumas


serão utilizadas posteriormente para o dimensionamento do sistema de ar condicionado),
na Tabela 6.1, são apresentadas as dimensões em termos de comprimento, largura e área
útil de cada uma das divisões que constituem a mesma.

260
Tabela 6.1 - Dimensões das divisões da moradia

Divisão Comprimento (m) Largura (m) Área útil (m2)


Quartos 6,00 5,00 30,00
Cozinha 5,00 5,9 29,50
Sala de estar 6,30 6,00 37,60
Sala de arrumos 2,50 1,60 4,00
Sala das máquinas 2,50 1,60 4,00
Casa de banho priv. 1,70 2,30 3,91
WC comum 1,90 1,60 3,04

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.

6.2.2. Parâmetros de entrada e prossupostos adotados

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

Table 3. Perfil de consumo considerado

Fator de emissão [gCO2/kWh] 675 Taxa de atualização [%] 7


Ciclo de vida (fase de uso) [anos]: 10 Fator de atualização 7.02
Tarifa de Energia Elétrica [€/kWh] 0.162 Tarifa de Água [€/m3] 1.19
Perfil de uso (h)
Serviço de Energia
Diário Semanal Mensal Anual
Ar Condicionado 2 12 48 576
Máquina de Lavar Roupa 1 4 16 192
Máquina de Secar Roupa 1 4 16 192
Frigorifico 11 77 330 4015
Forno Elétrico 1 2 8 96
Máquina de Lavar Louça 1 4 16 192
Iluminação 5 35 150 1825
Perfil de uso (Frequência)
Serviço
Diário Semanal Mensal Anual
Ar Condicionado 1 6 24 288
Máquina de Lavar Roupa 1 4 16 192
Máquina de Secar Roupa 1 4 16 192
Frigorifico 1 7 30 365
Forno Elétrico 1 2 8 96
Máquina de Lavar Louça 1 4 16 192
Iluminação 1 7 30 365

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.

6.3. Aplicação do método

6.3.1. 1ª Fase - Definição do espaço de decisão, tabela de variáveis, e calculo das


poupanças

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,

relacionada com o serviço energético j” ou ( x ) . No presente caso considerou-se 10


ij

opções/serviço energético, i.e.:

n1 = n2 = n3 = n4 = n5 = n6 = n7 = 10 (6.1)

Esta pré-seleção, pretendeu deste modo, atender aos seguintes objetivos:

• Promover a eficiência energética, através da utilização de equipamentos, selecionados


do mercado, que satisfaçam as necessidades do consumidor;
• Promover a eficiência do algoritmo de otimização, pela redução do espaço de busca;

Da literatura, sabe-se que uma das formas de promover a eficiência energética, é


através de uma melhor adequação de cada equipamento às necessidades de cada
consumidor (Santos, 2018b), pelo que foram definidos, um conjunto de critérios, através
dos quais, fora baseada a seleção dos equipamentos (Tabela 6.3).

263
Tabela 6.3 - Critérios utilizados na pré-seleção dos serviços energéticos a considerar no caso de estudo

Electrodoméstico Criterios utilizados Caracteristicas


mural (mono split)
Tipos de ar condicionado considerado: mural (multi split)
Ar Condicionado zona aquecida/arrefecida Portatil
capacidade minima exigida Sala de estar
9905.6 BTU
Maquina de Lavar Capacidade de acordo com o numero de ocupantes do
7 kg
Roupa edificio [9]
Maquina de Lavar
Capacidade de carga 12 serviços de louça
Louça
Forno Electrico Volume baseado no nuumero de ocupantes [9] 47 cm x 68 cm
Maquina de Secar Tipo de maquinas de secar roupa por exaustão
Roupa Capacidade de carga [9] 7 kg
halogenio
Compact Fluorescent Light
Iluminação Tecnologia
(CFL)
Fluorescente
Capacidade do frigorifico [9] 150 litros
Frigorifico Tipo de frigorifico de acordo com o numero de Frigorifico do tipo
ocupantes considerado [9] Combinado

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

Ar Maq. Lavar Maq. Secar Maq. Lavar


Iluminação Frigorifico Forno
condicionado roupa Roupa Louça

x11 x12 x13 x14 x15 x16 x17


Opção
Xij

x21 x22 x23 x24 x25 x26 x27


Opção i

N
Soluções
x31 x32 x33 x34 x35 x36 x37

x101 x102 x103 x104 x105 x106 x107

Figura 6.2 - Espaço de decisão do consumidor afeto ao problema

Deste modo, e tendo como base o conjunto de critérios definido anteriormente, o


agente-decisor, terá á sua disposição um conjunto de opções por serviço energético.

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.

Figura 6.3 – 1ª Fase, correspondente á implementação do modelo proposto

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.

6.3.2. 2ª Fase - Implementação das preferências do consumidor, através da abordagem


MAVT

O espaço de decisões definido na 1ª Fase de implementação do modelo, permitiu a


avaliação posterior de cada uma das opções aqui tratadas, através da aplicação de uma
abordagem multicritério, assente na teoria MAVT, dando início á 2ª Fase de
implementação (Figura 6.4). Nesta fase, são atribuídos valores a cada opção, resultantes
dos atributos, definidos no âmbito dos critérios adotados.

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.

Figura 6.4 – 2ª Fase, correspondente á implementação do modelo proposto

Deste modo, e numa primeira instância, as preferências definidas pelo consumidor


foram aplicadas posteriormente a cada uma das soluções individuais (e potenciais) do
espaço de decisão, através dos respetivos atributos. Os resultados desta aplicação,
encontram-se apresentados no ANEXO II deste trabalho.
Posteriormente, e com vista a uniformização de todos os atributos obtidos, e com
recurso á expressão (5.5), efetuou-se a conversão dos valores obtidos anteriormente, em
valores uniformes, e compatíveis com a abordagem MAVT. Dessa conversão, obtiveram-
se os resultados, constantes do ANEXO II deste trabalho.

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.

Figura 6.5 – 3ª Fase, correspondente á implementação do modelo proposto

As soluções tiveram ainda em consideração um conjunto de restrições, já aqui


abordadas no Capítulo 5.
Deste modo, e tendo como base o modelo generalizado, apresentado na Secção 5.4.4,
o modelo de otimização particularizado para este estudo de caso, é o que se apresenta de
seguida:
max Vm ( x ) , c / m = A, B, C (6.1)
c / Vm ( x) = VA ( x),VB ( x),VC ( x)
T
sujeito a x  X
com:

x = ( x1 , x2 ,.., x7 ) c / j = 1, 2,3, 4,5, 6, 7 (6.2)

267
nA j

VA ( x ) = Vij ( xij j ) =  vij c / nAj = 1, 2,.., 7  j = 1, 2,.., 7


( Aj ) (A ) (A jt ) ( A jt )
( xij ) (6.3)
t =1
nB j

VB ( x ) = Vij ( xij j ) =  vij c / nB j = 1, 2,.., 7  j = 1, 2,.., 7


(Bj ) (B ) ( B jt ) (B jt )
( xij ) (6.4)
t =1
nC j

VC ( x ) = Vij ( xij j ) =  vij c / nC j = 1, 2,.., 7  j = 1, 2,.., 7


(C j ) (C ) (C jt ) (C jt )
( xij ) (6.5)
t =1

Função objetivo (agregadora) utilizada:

VTotal ( x ) = A .VA ( x) + B .VB ( x) + C .VC ( x)   A , B , C  0,1 (6.6)

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

Sujeito as restrições seguintes:

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)

r4 : x2( B24 )  Qth. Aquec.( proj .) (6.12)


 r : x( B21 )  Ruido
 51 i1 def .1

 r : x  Ruido
( B 31 )
 52 i 2 def .2

 c / i = 5 e j = 2,3, 4,5,7  (6.13)


 ( B j1 )
r5n : xij  Ruidodef . j
 ( B71 )
r57 : xi 7  Ruidodef .7

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

6.3.4. Otimização: Implementação do NSGAII

O modelo matemático desenvolvido anteriormente, foi implementado através do


recurso ao algoritmo de otimização NSGA (Non-Dominated Sorting Genetic Algorithms)
II, já aqui abordado na Secção 4.7.1.
Relativamente a definição de cada cromossomo (individuo), este fora considerado no
seu conjunto, como uma única solução global, composta por soluções individuais,
conforme já aqui fora referido. A estrutura é a que se apresenta na Figura 6.6.

Figura 6.6 – Estrutura e codificação adotada para a solução global no NSGA II

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.

Figura 6.7 – Implementação do NSGAII em Matlab

A implementação em Matlab, permitiu alcançar uma maior eficiência de código, dada


a estrutura de dados desta abordagem ser essencialmente matricial e tendo em conta a
versatilidade do Matlab, nomeadamente através da realização de operações com matrizes.

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).

Figura 6.8 –Tabela de desempenho MAVT) (Parte da implementação da 1ª e 2ª Fases)

Em termos computacionais, os parâmetros de simulação adotados, foram os seguintes:

• Método de seleção: Torneio


• Método de Crossover: 1 ponto de cruzamento
• Método de mutação: 1 ponto

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

Os resultados obtidos com a implementação de Algoritmos Evolutivos (AG’s), e em


particular com a utilização do NSGA Il, surgem na sequência de várias experiências
levadas a cabo com AG’s monoobjectivo, razão pela qual, importa abordar em primeira
instância, e através da presente secção.
Posteriormente, serão apresentados alguns resultados multiobjectivo envolvendo
apenas duas dimensões, e nas suas mais diversas combinações, i.e.; Ambiental-Social,
Económico-social, Economico-Ambiental. Estas combinações surgem neste trabalho, não
apenas enquanto possível cenário de escolha, através da importância relativa dada pelo
consumidor a cada uma das dimensões consideradas, como também, pela consolidação da
utilização do NSGA II, enquanto algoritmo evolutivo baseado no uso de meta heurísticas.
No final é explorada a vertente com 3 dimensões, sendo realizada posteriormente, uma
análise estatística do mesmo.

6.4.2. Abordagem monobjectivo

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:

• Apresentação de uma primeira abordagem baseada na utilização dos AG’s mono-


objectivo, através da obtenção de soluções eficientes do ponto de vista energético;
• Avaliação da qualidade das soluções obtidas, através da comparação dos resultados
obtidos com os AG’s e os resultantes, provenientes da aplicação do algoritmo
SIMPLEX;
• Avaliação da convergência do desempenho dos AG’s, bem como a consistência dos
resultados obtidos, com vista a validação da primeira abordagem realizada;

A formulação utilizada, foi a mesma, respeitante a função objetivo da dimensão


económica aqui apresentada neste trabalho, embora considerando apenas o valor da

272
variável x ij , i.e., não incluindo as preferências do consumidor, e sem o recurso a

abordagem MAVT (Figura 6.9).

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)

Figura 6.9 – Metodologia inicialmente proposta (Santos, 2018a)

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

Os resultados apresentados, são referentes à melhor solução encontrada para cada


cenário em termos de orçamento disponível. Foram considerados diferentes valores para
cada cenário, e a oscilar entre 1800 a 3000 euros.
O objetivo, era avaliar o grau de cumprimento da restrição imposta, que na primeira
abordagem seria unicamente a restrição orçamental.
Através dos AG’s, foi possível obter várias soluções viáveis, sendo que o SIMPLEX,
apenas era possível obter-se uma única solução para cada cenário de restrição orçamental,
Este facto, permitiu a comparação posterior das soluções, obtidas por ambos os
métodos, sendo a aceitável a qualidade das soluções obtidas pelos AG’s, dada a reduzida
diferença entre os resultados, provenientes de ambos os métodos. Tal pode ser comprovado
através dos resultados constantes da Tabela 6.4, referente a analise estatística realizada.

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

A análise estatística apresentada na Tabela 6.4, foi realizada com base em 15


corridas/restrição orçamental.
Com base nos resultados obtidos, é possível constatar a existência de um desvio-
padrão reduzido, sendo o pior caso (0,0183), de valor desprezável, o que permite atestar a
robustez dos AG’s na resolução do problema em questão.
Relativamente ao grau de convergência dos resultados obtidos com os AG’s, é ainda
apresentado na Fig.6.11, o desempenho da função fitness para 20 corridas e considerando
uma restrição orçamental de 1900 €.

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)

Através da Figura 6.11, é ainda possível constatar a característica de convergência


altamente similar entre todas as corridas realizadas, tal é a proximidade dos diferentes
desempenhos dos AG’s.
Conforme fora referido anteriormente, o desempenho dos AG’s é afetado pelos
parâmetros de controle, daí a necessidade de se ajustarem ambos os parâmetros (taxa de
crossover, taxa de mutação e tamanho da população) para alcançar os melhores resultados
(Delshad et al, 2016) e (Kaboli et al, 2017).
Deste modo, a robustez dos AG’s, foi analisada com base em duas análises de
sensibilidade dos AG’s a dois parâmetros de controlo, nomeadamente à taxa de mutação e
a dimensão da população. Relativamente ao valor da taxa de crossover, este foi fixado em
0,70, de acordo com o trabalho de Santos (2018a).
Para este propósito, a taxa de mutação foi variada, de 0 a 10% com passos de 1%. O
tamanho da população foi variado, de 50 a 700 indivíduos com passos de 50. Os valores
máximos de iteração (número de gerações) não foram fixados e apenas o parâmetro
correspondente fora alterado, tendo aqui sido considerado uma restrição orçamental de
1900 €. Os resultados correspondentes, encontram-se apresentados na Figura 6.12.

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 - -

De acordo com a solução apresentada na Tabela 6.5, se o consumidor optar pelo


conjunto de soluções disponibilizadas por esta abordagem, poderá poupar até € 1726,16 (€
2100,82 -374.66), evitando ainda 1457,97 kg de CO2 durante o ciclo de vida útil,
considerado para os equipamentos em questão.

6.4.3. Abordagem Multiobjectivo (Múltiplas combinações c/2 Objetivos)

Na sequência da criação de um modelo que fosse abrangente, de forma a exprimir as


preocupações e as necessidades dos agentes-decisores (vulgo consumidores) na obtenção

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).

Figura 6.13 –Abordagem, considerando dois objetivos (Santos et al, 2018b)

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

Relativamente às taxas de mutação e de crossover, obtidas para este cenário, estas


resultaram de uma análise de sensibilidade, realizada por meio da variação de diferentes
combinações de pares de valores (taxa de crossover e de mutação) com o intuito de se
analisar o grau de proximidade das Frentes de Pareto daí resultantes. Os resultados obtidos,
bem como as diferentes combinações de valores de parâmetro (taxa de mutação e taxa de
crossover), encontram-se apresentados na Figura 6.14 a).
De igual forma, tentou-se analisar a influência do número máximo de gerações
(enquanto critério de paragem) na obtenção da Frente de Pareto (Figura 6.14 b)).

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)

Ambos as analises de sensibilidade, resultaram de estudos que decorreram durante esta


investigação, tendo sido posteriormente publicados em revista e conferencia especializadas
(respetivamente, Santos et al, 2019a e Santos et al, 2019b)).

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 - -

De acordo com a solução apresentada na Tabela 6.6, se o consumidor optar pelo


conjunto de soluções disponibilizadas por esta abordagem, poderá poupar até 2112,3 €,
evitando ainda 1458,9 kg de CO2 e 740 litros de água, ambos os valores, referentes ao ciclo
de vida útil, considerado para os equipamentos em questão.

6.4.4. Abordagem Multiobjectivo (Múltiplas combinações c/3 Objetivos)

Os resultados que a seguir se publicam, vêm na sequência da abordagem anterior, da


qual resultou a abordagem apresentada na Figura 5.1, e onde são explicitadas as três
dimensões da sustentabilidade.
Deste modo, o modelo matemático respetivo, é o que se apresenta no início deste
capítulo (Secção 6.3.3), cujos objetivos, respeitam a cada uma das 3 dimensões da
sustentabilidade; A - Económica, B - Social e C – Ambiental.
Para o efeito, e considerando o mesmo caso de estudo, inicialmente apresentado neste
capitulo, começou-se por definir um cenário, atribuindo os seguintes valores de
importância relativa; ωA (Economico)=0,65 , ωB (Social)=0,25 e ωC (Ambiental)= 0,10.
O critério de paragem, foi fixado em 100 gerações, dadas as conclusões a que se
chegou na Secção 6.4.3.
Os métodos associados aos parâmetros de controlo, relativos ao NSGA II, foram os
mesmos considerados na Secção 6.3.4 (abordagem multiobjectivo com duas dimensões).
Relativamente aos parâmetros de controlo, estes foram adotados da abordagem
anterior, idealizada na mesma secção, nomeadamente:
Taxa de cruzamento: 0,9
Taxa de mutação: 0,1

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)

Com base na Figura 6.16, verifica-se alguma predominância do lado da Dimensão


Económica (A) e Social (B), como seria de esperar.
Tal ocorre, em parte, devido aos pesos adotados (ωA = 0,65, ωB = 0,25 e ωC = 0,10),
referentes a cada uma das dimensões aqui consideradas.
No entanto, verifica-se um bom compromisso, da generalidade das soluções obtidas
para com a dimensão Social, o que permite obter uma solução equilibrada entre as
dimensões consideradas.
Na Figura 6.16, é também visível uma distribuição com alguma uniformidade, em
termos das soluções que compõem a frente de Pareto, o que permite fornecer soluções
alternativas ao agente-decisor (consumidor), evitando-se deste modo, nova simulação, o
que poderia ocorrer na eventualidade de alguma indisponibilidade que surgisse (e.g. de
uma solução inexistente no mercado local). Na Tabela 6.7, encontra-se apresentada uma
das soluções, respeitantes á Frente de Pareto obtida.

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 - -

De acordo com a solução apresentada na Tabela 6.7, se o consumidor optar pelo


conjunto de soluções disponibilizadas por esta abordagem, poderá poupar até 2112,30 €,
evitando ainda 1458,90 kg de CO2 e 740,00 litros de água, com ambos os valores,
referentes ao ciclo de vida útil, considerado para os equipamentos em questão.
A existência de uma distribuição (algo) uniforme, como a que se verifica na Figura
6.16, permite ainda (por exemplo) que o consumidor possa analisar o espaço de soluções
obtido, e de acordo com as suas preferências, escolher por exemplo, uma solução que
estivesse mais orientada para uma dada dimensão em detrimento das restantes.
A abordagem a três dimensões, permite ainda estabelecer casos particulares, que
podem revelar algum interesse potencial para o agente-decisor (consumidor).
Por esse facto, e com base na implementação anterior, torna-se ainda possível definir 3
cenários multiobjectivo, nomeadamente:

• Cenário 1: ωA = 0.70, ωB = 0,00 e ωC = 0,30 (Económica e Ambiental)


• Cenário 2: ωA = 0.70, ωB = 0,30 e ωC = 0,00 (Económica e Social)
• Cenário 3: ωA = 0.00, ωB = 0,70 e ωC = 0,30 (Social e Ambiental)

O primeiro cenário, já foi apresentado na Secção 6.4.3, incluindo com a mesma


importância relativa (ωA = 0.70, ωB = 0,00 e ωC = 0,30), pelo que estudar-se-ão
seguidamente os restantes cenários, i.e.; (ωA = 0.70, ωB = 30,00, ωC = 0,00) e (ωA = 0.00,
ωB = 0,70, ωC = 0,30).
Os resultados obtidos, respeitantes a cada cenário, são os que se apresentam nas
Figuras 6.17 a) e 6.17 b):

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)

Na Tabela 6.8, encontra-se apresentada uma das soluções existentes na Frente de


Pareto, considerando uma restrição orçamental de 1900 €.

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 - -

De acordo com a solução apresentada na Tabela 6.8, se o consumidor optar pelo


conjunto de soluções disponibilizadas por esta abordagem, poderá poupar até 2112,10 €,

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.

6.5. Nota conclusiva

No presente capítulo, foi apresentada a linha de investigação seguida, que contemplou


várias fases de desenvolvimento, começando com o caso da dimensão Economica (mono
objectivo), até á adição das restantes dimensões que compõem a sustentabilidade (Social e
Ambiental), conjugada com a inclusão de atributos (preferências do consumidor).
A utilização de Algoritmos Evolutivos (AE) na resolução deste problema, foi validada
através de um conjunto de testes, envolvendo para o efeito, testes de robustez dos AE’s á
mudança de parâmetros de controlo (e.g. taxa de mutação e taxa de cruzamento), seguida
de uma análise estatística, com o intuito de avaliar a consistência dos resultados obtidos.
Posteriormente, adicionou-se a dimensão Ambiental, à já existente no inicio deste
capitulo (i.e. dimensão Económica), de forma a explorar-se numa primeira vertente, a
interação entre as dimensões Económica vs Ambiental.
Dado que esta abordagem, constitui uma abordagem multiobjectivo, aplicou-se uma
técnica de AEs multiobjectivo, nomeadamente o NSGA II, com vista a optimização
posterior do multiobjectivo a 2 e 3 dimensões, por seu turno, controladas através da
atribuição de um conjunto de “pesos”/importância relativa, atribuidas pelo consumidor.
Verifica-se um elevado grau de adequabilidade dos Algoritmos Evolutivos (AE) na
resolução deste problema, dada a diversidade de soluções obtidas e a eficiencia na sua
obtenção, comparativamente com outros métodos, conforme se observou na versão
monoobjectivo.
Os resultados obtidos em todas as fases da investigação apresentada anteriormente,
permite-nos concluir que existe um potêncial de poupança (e retorno) se o consumidor
optar por uma “escolha inteligente” dos serviços energéticos (electrodomésticos) que
pretende adquirir.

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

7.1 Considerações finais e principais contributos

Na presente dissertação, foi apresentada uma metodologia de suporte a tomada de


decisão, que permite a um agente-decisor (vulgo “consumidor”) obter soluções
sustentaveis, existentes no mercado, atendendo ás suas preferencias, necessidades e
preocupações no âmbito dos três domínios que compõem a sustentabilidade,
nomeadamente; Economico, Social e Ambiental.
Devido a multiplicidade de questões, no âmbito de cada uma das dimensões acima
referidas, houve a necessidade de se desenvolver um modelo matemático suportado numa
abordagem multicritério, o qual foi suportado na teoria MAVT.
Foram abordadas (e integradas), questões de diversa natureza, nomeadamente
associadas á eficiencia energética dos equipamentos (etiquetagem energética), de índole
económica (avaliação de custos do ciclo de vida do produto, poupança no consumo hidrico
e energetico, etc), de índole social (e.g. conforto visual, conforto térmico, conforto
acústico, etc.) e até mesmo, de índole ambiental (emissões de CO2, ruido). O objectivo,
serviu para única e exclusivamente integrar todas estas questões numa única metodologia
de suporte a tomada de decisão, da qual resultaria uma solução optima global, composta
por um grupo de serviços energeticos (equipamentos) oriundos do mercado, a serem
adquiridos para o sector residêncial por parte do consumidor. A solução agregada, a ser
obtida do mercado, seria uma solução de compromisso, resultante da maximização do
bem-estar social, económico e ambiental do consumidor, através da actuação em cada uma
das áreas acima referidas.
Por outro lado, a natureza, extremamente diversificada das questões acima referidas,
aliada á diversidade de marcas e modelos existentes no mercado, leva-nos a um problema
de elevada natureza combinatória, o que requere o uso de algoritmos eficientes e eficazes,
na optimização e respetivo tratamento de dados.
Os Algoritmos Evolucionários (AE’s), são algoritmos de optimização suportados em
meta-heurísticas, que têm vindo a ganhar cada vez mais, e nos ultimos anos, um maior
destaque na literatura, no âmbito da investigação operacional, e em concreto no suporte a
tomada de decisão.

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.

Figura 7.1 – Principais contributos obtidos no âmbito da presente dissertação

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.

7.2 Perspetivas de trabalho futuro

Dado que a construção do modelo perfeito, será sempre um processo inacabado,


qualquer trabalho de investigação, terá sempre nesta medida, um caracter provisório, e
simultaneamente, um ponto de partida para outro que ocorrerá no futuro.
Deste modo, e na prossecução do modelo desenvolvido neste trabalho, será necessário
desenvolver um conjunto de actividades de investigação, as quais não foi possível em
alguns casos abordar, e noutros aprofundar na presente dissertação.
Uma das actividades de investigação, prendem-se com a possibilidade de inclusão do
Rebound Effect, enquanto indicador económico associado ao comportamento humano,
conforme já iniciado nos trabalhos de Santos et al (2018a) e Santos et al (2018b).
O objectivo a alcançar, será o de sensibilizar o consumidor para que as escolhas que
este faça no futuro, nao afetem negativamente a eficiencia energética alcançada, através
das escolhas realizadas no presente.
Tambem ao nivel da dimensão social, poderá importar aprofundar as preferencias do
consumidor, aliada ao recurso, por exemplo, de ponderadores individuais, que explicitem a
importância relativa dada por este a cada um dos critérios adoptados, com vista a
direcionar a busca por soluções optimas.
A inclusão do inventario de materiais no âmbito da avaliação do ciclo de vida do
produto, podera tambem ser uma mais valia, na medida em que permite sensibilizar o
consumidor para o dispêndio de material usado no fabrico da(s) solução(ões) que pretende
adquirir.
Poder-se-á ainda, estender a metodologia aqui desenvolvida, a outros serviços
energeticos (equipamentos), que não foram aqui integrados, como por exemplo;
equipamentos multimédia (e.g. computadores, sistemas de áudio, televisões etc.), veículos
elétricos, sistemas de aquecimento (Termo ventiladores, aquecedores, etc.), entre outros.

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)

(Gul et al, 2015)


Gul, M., Patidar. S. (2015). Understanding the energy consumption and occupancy of a
multi-purpose academic building, In Energy and Buildings, Volume 87, Pages 155-
165, ISSN 0378-7788

(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.

(Nassir, et al, 1991)


Nassir. S., Chain, Reinaldo S., Preparacion y evaluacion de proyetos, San Andres,
Mexico, McGraw-Hill, 2ed., 1991.

(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)

(Strauss e Corbin,1998; p.25)


Strauss e Corbin (1998; p.25) Strauss, A. e Corbin, J., 1998, Basic of Qualitative Research,
2a ed. (1a ed., 1990), London, Sage.

(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.

(Thuan e Xuan, 1998)


Thuan e Xuan (1998) Thuan, T. e Xuan, 1998, O Caos e a Harmonia: a Fabricacao do
Real, Editores Terramar, Lisboa, 1999.

(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.

(Lakatos & Marconi,2003)

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 )

(Bezerra, et al, 2017)


Henrique de Souza Bezerra, Dyego de Oliveira Arruda, Edgard Monforte Merlo, Análise
dos Atributos Valorizados pelo Consumidor no Mercado Brasileiro do Luxo , Revista
Brasileira de Marketing, Vol. 16, No 3 (2017)
Disponível em: http://www.revistabrasileiramarketing.org/ojs-
2.2.4/index.php/remark/article/viewArticle/3321

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.

Galhanone, R. F. (2013). Valor percebido pelo consumidor de produtos de luxo:


proposição de um modelo teórico. 2013. Tese (Doutorado em Administração) -
Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo
(FEA/USP), São Paulo.
(D’Angelo, 2006)
D’Angelo, A. C. (2006). Precisar, não Precisa: um olhar sobre o consumo de luxo no
Brasil. São Paulo: Lazuli Editora.

(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.

(Caniato et al, 2013)


Caniato, F., Moretto, A., & Caridi, M. (2013). Dynamic capabilities for fashion-luxury
supply chain innovation. International Journal of Retail & Distribution Management,
41(11/12), 940– 960.
(Hamid et al, 2013)
Hamid, A. H. A., Abidin, S. Z., & Abdullah, M. H. (2013). The interaction of product
noise and form design in evoking users’ responses. In Proceedings of E&PDE 13,
15th International Conference on Engineering and Product Design Education—
Design Education—Growing Our Future (pp. 692–697), Dublin, DS76.

Bloch, P. H. (1995). Seeking the ideal form: Product design and consumer
response. Journal of Marketing, 59, 16.

Blijlevens, J., Creusen, M. E. H., & Schoormans, J. P. L. (2009). How consumers


perceive product appearance: The identification of three product appearance
attributes. International Journal of Design, 3(3), 27–35.

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)

(Royal Society, 1998)


Royal Society Chemistry, 1998. Eco-labelling: Lide-cycle assessment in action, s.l.:
Royal Society of Chemistry

(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.

Heiselberg et al. (2009)


Marszal, Anna & Heiselberg, Per & Bourrelle, Julien & Musall, Eike & Voss, Karsten &
Sartori,

(Igor & Napolitano, 2011)


Igor & Napolitano, A. (2011). Zero Energy Building - A review of definitions and
calculation methodologies. Lancet. 43. 971-979. 10.1016/j.enbuild.2010.12.022.

(Hoxha & Jusselme, 2017)


Endrit Hoxha, Thomas Jusselme, On the necessity of improving the environmental impacts
of furniture and appliances in net-zero energy buildings, Science of The Total
Environment, Volumes 596–597, 2017, Pages 405-416, ISSN 0048-9697,
https://doi.org/10.1016/j.scitotenv.2017.03.107.(http://www.sciencedirect.com/science/
article/pii/S0048969717306216)

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 )

(Maracajá et al, 2012)


Maracajá, Kettrin & Silva, Vicente De Paulo Rodrigues & Dantas Neto, José & Eloi de
Araújo, Lincoln. (2012). Pegada Hídrica como Indicador de Sustentabilidade
Ambiental1. REUNIR: Revista de Administração, Contabilidade e Sustentabilidade. 2.
113. 10.18696/reunir.v2i2.75.

(Hoekstra et al., 2011)


Hoekstra, A.Y., Chapagain, A.K., Aldaya, M.M. & Mekonnen, M.M. (2011) The water
footprint assessment manual: Setting the global standard, Earthscan, London, UK.
(disponivel em: https://waterfootprint.org/en/resources/publications/water-footprint-
assessment-manual/ )

(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)

(Modi et al, 2005)


V. Modi, S. McDade, D. Lallement, J.SaghirEnergy Services for the Millennium
Development Goals The International Bank for Reconstruction and Development/The
World Bank/ESMAP,

Washington, D.C (2005)


(Nissing and Blottnitz, 2010)
C. Nissing, H. von Blottnitz, An economic model for energisation and its integration into
the urban energy planning process Energy Policy, 38 (5) (2010), pp. 2370-2378,
10.1016/j.enpol.2009.12.025

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

(Fernandez, R., 2012)


Fernandez, R., (2012), End-user GHG emissions from energy: Reallocation of emissions
from energy industries to end users 2005-2010 EEA Technical report No 18/2012,
European Environment Agency, Copenhagen, 2012

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)

(Wong & Kruger, 2017)


Wong, I., L., Krüger, E., Comparing energy efficiency labelling systems in the EU and
Brazil: Implications, challenges, barriers and opportunities, In Energy Policy, vol.109,
pp. 310-323, Springer, Heidelberg (2017)

(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

(Cunha et al, 2012)


Cunha, A.,G., Takahashi, R., Antunes, C.A.H.C., (2012) Manual de computação evolutiva
e metaheurística. Coimbra, 2012, ISBN 978-989-26-0583-8

(Ogwumike et al, 2016)


Ogwumike C., Short M., Abugchem F., (2016) Heuristic Optimization of Consumer
Electricity Costs Using a Generic Cost Model. Energies. 9(1):6.

(Haupt et al, 2004)


Haupt, RandyL., Haupt, Sue E.,Practical Genetic Algorithms, New Jersey, Wiley & Sons,
2ed., 2004.
(Telega, 2007)
Telega, H., Foundations of Global Genetic optimization – Principles, Modeling, Analysis
and Feedback Design, London, Great Britain: Springer, 2007.

(Goldberg, 1989)
Goldberg, David E., Genetic Algorithms in Search and Optimization and Machine
Learning, Maryland, USA, Addison Wesley, 1989.

Eiben e Smith (2003)


A.E. Eiben e J.E. Smith (2003). “Introduction to evolutionary computing”. Natural
Computing Series. Springer.

Deb et al. (2000)


K. Deb, A. Pratap e T. Meyarivan (2000). “A fast and elitist non-dominated sorting genetic
algorithm for multi-objective optimization: NSGA-II”. Parallel Problem Solving from
Nature PPSN VI, Lecture Notes in Computer Science 1917. M. Schoenauer, K. Deb, G.
Rudolph, X. Yao, E. Lutton, J. J. Merelo e H.-P. Schwefel (Eds.). Springer, 849-858.

(Costa, 2003)
L. Costa (2003). “Algoritmos evolucionarios em optimizacao uni e multi-objectivo”. Tese
de Doutoramento. Universidade do Minho.

(Santos et al, 2018a)


SANTOS.R, MATIAS, J.C.O., ABREU, A. – “Energy Efficiency in buildings by using
evolutionary algorithms: An approach to provide efficiency choices to the consumer,

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

(Santos et al, 2018b)


Ricardo S. Santos, J.C.O. Matias, Antonio Abreu, Francisco Reis, Evolutionary algorithms
on reducing energy consumption in buildings: An approach to provide smart and
efficiency choices, considering the rebound effect, Computers & Industrial
Engineering, Volume 126, 2018, Pages 729-755, ISSN 0360-8352,
https://doi.org/10.1016/j.cie.2018.09.050.

(Santos et al, 2019a)


Santos R., Matias J.C.O., Abreu A. (2019a) A New Approach to Provide Sustainable
Solutions for Residential Sector. In: Camarinha-Matos L., Almeida R., Oliveira J. (eds)
Technological Innovation for Industry and Service Systems. DoCEIS 2019. IFIP
Advances in Information and Communication Technology, vol 553. Springer, Cham
(Santos et al, 2019b)
Santos R., Matias J.C.O., Abreu A. (2019b) A Decision Support Approach to Provide
Sustainable Solutions to the Consumer, by Using Electrical Appliances. Sustainability,
11 (4), 1143

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.

(De Jong, 1975)


K.A. De Jong (1975). “An analysis of the behavior of a class of genetic adaptive
systems”. Ph.D. Thesis. University of Michigan Press.

Mitchell (1997)
M. Mitchell (1997). “An introduction to genetic algorithms”. Cambridge,
Massachusetts, London. MIT Press.

Gomes et al. (2004)


A. Gomes, C.H. Antunes e A. Martins (2004). “A multiple objective evolutionary
approach for the design and selection of load control strategies”. IEEE Transactions
on Power Systems 19 (2). IEEE Press, 1173-1180.

Hill e Hiremath (2005)


R. Hill e C. Hiremath (2005). “Improving genetic algorithm convergence using
problem structure and domain knowledge in multidimensional knapsack problems”.
International Journal of Operational Research 1 (1-2). Inderscience Publisers, 145-
159.

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.

(Deb et al., 2002)


K. Deb, A. Pratap, S. Agarwal e T. Meyarivan (2002). “A fast and elitist Multiobjective
genetic algorithm: NSGA-II”. IEEE Transactions on Evolutionary Computation 6 (2).
IEEE Press, 182-197.

(Fonseca e Fleming, 1995)


C.M. Fonseca e P.J. Fleming (1995). “An overview of evolutionary algorithms in
multiobjective optimization”. Evolutionary Computation 3 (1), 1-16.
(Schaffer, 1984)
J.D. Schaffer (1984) “Some experiments in machine learning using vector evaluated
genetic algorithms”. Ph.D. Thesis. Vanderbilt University, Nashville, TN.

Hajela e Lin (1992)


P. Hajela e C.-Y. Lin (1992). “Genetic search strategies in multicriterion optimal
design”. Structural and Multidisciplinary Optimization 4 (2). Springer, 99–107.

Fonseca e Fleming (1993)


C.M. Fonseca e P.J. Fleming (1993). “Genetic algorithms for multi-objective
optimization: formulation, discussion and generalization”. Proceedings of the Fifth
Internacional Conference on Genetic Algorithms. S. Forrest (Ed.). Morgan Kauffman
Publishers, 416–423.

Srinivas e Deb (1994)


N. Srinivas e K. Deb (1994). “Multiobjective optimization using nondominated
sorting in genetic algorithms”. Evolutionary Computation 2 (3), 221-248.

Horn et al. (1994)


J. Horn, N. Nafploitis e D. Goldberg (1994). “A niched pareto genetic algorithm for
multi-objective optimization”. Proceedings of the First IEEE Conference on
Evolutionary Computation (CEC'94) 1. IEEE Press, 82–87.

Erickson et al. (2001)


M. Erickson, A. Mayer e J. Horn (2001). “The Niched Pareto Genetic Algorithm 2
applied to the design of groundwater remediation systems”. Evolutionary Multi-
Criterion Optimization, First International Conference, EMO 2001, Zurich,
Switzerland, March 7-9, 2001, Proceedings, Lecture Notes in Computer Science
1993. E. Zitzler, K. Deb, L. Thiele, C.A.C. Coello e D. Corne (Eds.). Springer, 681–
695.

Zitzler et al. (2001)


E. Zitzler, M. Laumanns e L. Thiele (2001). “SPEA2: Improving the strength pareto

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.

Kicinger et al. (2005)


R. Kicinger, T. Arciszewski e K.A. De Jong (2005). “Evolutionary computation and
structural design: A survey of the state of the art”. Computers & Structures, 83 (23-
24) : 1943-1978.

Coello et al. (2002)


C. Coello, D. Veldhuizen e G. Lamont (2002). “Evolutionary algorithms for solving
multi-objective problems”. Kluwer Academic Publishers.

(Fonseca e Fleming, 1993)


C.M. Fonseca e P.J. Fleming (1993). “Genetic algorithms for multi-objective
optimization: formulation, discussion and generalization”. Proceedings of the Fifth
Internacional Conference on Genetic Algorithms. S. Forrest (Ed.). Morgan Kauffman
Publishers, 416–423.

Schaffer (1984)
J.D. Schaffer (1984) “Some experiments in machine learning using vector evaluated
genetic algorithms”. Ph.D. Thesis. Vanderbilt University, Nashville, TN.

Hajela e Lin (1992)


P. Hajela e C.-Y. Lin (1992). “Genetic search strategies in multicriterion optimal
design”. Structural and Multidisciplinary Optimization 4 (2). Springer, 99–107.

Zitzler e Thiele (1999)


E. Zitzler e L. Thiele (1999). “Multiobjective evolutionary algorithms: A comparative case
study and the strength pareto approach”. IEEE Transactions on Evolutionary
Computation 3 (4). IEEE Press, 257–271.

(Simon, 1977)
H. Simon. The new science of management decision. Prentice-Hall, Englewood Cliffs,
1977

(Dias & Climaco, 2005)


L. Dias e J. Clímaco. Dealing with imprecise information in group multicriteria decisions:
a methodology and a GDSS architecture. European Journal of Operational Research,
160:291–307, 2005.

(Chen et al., 2008)


Y. Chen, M. Kilgour, e K. Hipel. A case-based distance method for screening in multiple
criteria
decision aid. Omega, 36:373–383, 2008.

(Godwin & Wright, 2004)

300
P Goodwin, G Wright, Decision Analysis for Management Judgment, 3rd ed., John Wiley
& Sons, 2004.

(Belton e Stewart, 2002)


V. Belton e T. Stewart. Muliple criteria decision analysis: an integrated approach. Kluwer
Academic, Dordrecht, 2002.

(Keeney e Raiffa, 1993)


R. Keeney e H. Raiffa. Decisions with multiple objectives: preferences and value tradeoffs.
John Wiley and Sons, New York, 1976: republicado por Cambridge University Press,
Cambridge, 1993.

(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.

(Watson e Buede, 1987)


S. Watson e D. Buede. Decision synthesis. The principles and practice of decision analysis.
Cambridge University Press, Cambridge, 1987.

(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.

(Edwards e Barron, 1994)


W. Edwards e F. Barron. SMARTS and SMARTER: improved simple methods for
multiattribute
utility measurement. Organizational Behavior and Human Decision Processes,
60:306–325, 1994.

(Roubens, 1982)
M. Roubens. Preference relation on actions and criteria in multicriteria decision making.
European Journal of Operational Research, 10:51–55, 1982.

(Brans e Vincke, 1985)


J.-P. Brans e P. Vincke. A preference ranking organization method: the PROMETHEE
method for MCDM. Management Science, 31(6):647–656, 1985.

(Matarazzo, 1987)
B. Matarazzo. Preference ranking global frequencies in muiticriterion analysis
(PRAGMA).
European Journal of Operational Research, 36:36–49, 1987.

(Roy e Bouyssou, 1993)


B. Roy e D. Bouyssou. Aide multicritère à la décision: méthodes et cas. Economica, Paris,

301
1993.

(Benayoun et al, 1971)


R. Benayoun, J. Montgilfier, J. Tergny, e O. Larichev. Linear programming with multiple
objective functions: step method (STEM). Mathematical Programming, 1:366–375, 1971.

(Korhonen e Wallenius, 1988)


P. Korhonen e J. Wallenius. A Pareto race. Naval Research Logistics, 35:615–623, 1988.

(Zionts e Wallenius, 1983)


S. Zionts e J. Wallenius. An interactive multiple objective linear programming method for
a class of underlying nonlinear utility functions. Management Science, 29(5):519–529,
1983.

(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.

(Bana et al, 1994)


C. Bana e Costa e J. Vansnick. MACBETH - an interactive path toward the construction of
cardinal value functions. International Transactions in Operational Research, 1:489–500,
1994.

(Jacquet-Lagrèze e Siskos, 1982)


E. Jacquet-Lagrèze e Y. Siskos. Assessing a set of additive utility functions for
multicriteria
decision making: the UTA method. European Journal of Operational Research, 10:151–
164, 1982.

(Winterfeldt e Edwards, 1986)


D. Winterfeldt e W. Edwards. Decision analysis and behavioral research. Cambridge
University Press, Cambridge, 1986.

(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.

(Von Winterfeldt e Edwards, 1986)


Von Winterfeldt, D. and W. Edwards (1986). Decision Analysis and Behavioural
Research. Cambridge University Press: Cambridge.

(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.

(Kaboli et al, 2017)


Aghay Kaboli, S. Hr, Selvaraj, J., and Rahim, N. A. (2017) Rain-fall optimization
algorithm: a population-based algorithm for solving constrained optimization
problems. Journal of Computational Science.

(Cormen et al, 2001)


Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein.
Introduction to Algorithms, Second Edition. MIT Press and McGraw-Hill, 2001. ISBN
0-262-03293-7. Section 34.2: Polynomial-time verification, pp.979–983.

(Garey & Johnson, 1979)


Garey, M. and D. Johnson, Computers and Intractability; A Guide to the Theory of NP-
Completeness, 1979. ISBN 0716710455

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

Tabelas II e III – Ar Condicionado

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

Vous aimerez peut-être aussi