Este é um dos meus assuntos preferidos. Tanto que meu doutorado adentra nos temas de projeto da abertura, controle solar e otimização. O script apresentado aqui, porém, não tem relação direta com meu doutorado. Apresenta um processo de otimização uni-critério para estabelecer a solução otimizada de um elemento de sombreamento baseado na proteção solar anual em dias quentes. Já meu doutorado, depois eu faço um post sobre ele se alguém estiver afim...
O uso do processo de otimização se justifica quando o problema matemático tem muitas opções de combinações inviabilizando o teste de todas disponíveis. Não vou entrar em grandes detalhes. Prevejo realizar um post longo apenas sobre isso depois. De toda forma, adianto que o Grasshopper nativo apresenta uma solução de algoritmo genético para realizar otimização uni-critério, o Galápagos. Um algoritmo genético apresenta um modelo inicialmente randômico que evolui inspirado na teoria da evolução para chegar a uma solução otimizada. Já um algorítimo uni-critério, busca solucionar um problema formulado em uma única função matemática. No final deste post, incluo links de três textos do desenvolvedor do Grasshopper explicando com mais detalhes o princípio do Galápagos.
Voltando ao script, e fazendo uma crítica, um problema de arquitetura dificilmente consegue ser representado e simplificado em uma única função matemática. Mesmo assim, tento abordar o tema usando o Galápagos inicialmente, para ir evoluindo nos posts futuros. Tendo isso em mente, aqui a função de otimização tenta encontrar a solução com a menor soma de exposição solar que atravessa as janelas em horas quentes em todo ano. Ou seja, é baseado na solução associada ao clima externo para o desempenho térmico.
Pensando no problema caracterizado, é lógico afirmar que a solução com mais elementos de sombreamento será a otimizada, não é? Hum, é... Não preciso de um algoritmo de otimização para responder isso. Só que, convenhamos, a caracterização está pobre. Vamos lá, se eu imaginar que quero a menor exposição solar, em uma solução com a menor quantidade de elementos de sombreamento, aí começo a ter um problema passível de otimizar. Pronto, agora são dois parâmetros de desempenho: exposição solar x quantidade de elementos de proteção.
Uma vez caracterizado os parâmetros de desempenho, ao utilizar um algoritmo uni-critério temos que resolver outro problema na sequência: escrever uma única função que caracteriza e normaliza a importância dos parâmetros. Explicado melhor, considerando o contexto: o que é mais importante, a soma da exposição solar, ou o custo e a obstrução causada por um excesso de elementos de proteção? Hum! É difícil solucionar, e a resposta deve ser dada antes do processo de otimização. A função única deve caracterizar o que é mais importante. Isso influencia a solução que será encontrada.
Há algumas limitações associadas a função uni-critério e ao algoritmo genético. Por exemplo, além da caracterização do problema, não há garantia de que a solução encontrada é a melhor. Será a melhor dentre as testadas pelo algoritmo. Além disso, é fundamental que a modelagem permita gerar uma flexibilidade compatível com os parâmetros geométricos mais relevantes no desempenho do elemento estudado. Ou seja, não adianta gerar uma caracterização matemática sofisticada, se meu modelo geométrico não permite mudanças significantes. Então a modelagem é importante? Sim, muito. Existem soluções de otimização melhores que a uni-critério? Na minha opinião, sim, tem! No futuro, monto um post sobre os métodos de otimização disponíveis associados a problemas de arquitetura.
Voltando a caracterização do problema, a solução do elemento de sombreamento, sofre outras interferências como a forma e o padrão de uso do edifício. A solução interfere também em outras áreas, como a distribuição da luz natural, proteção do ofuscamento, redução da visibilidade para o exterior, etc. Minha função neste script, considera o somatório da exposição solar e a área dos elementos de sombreamento. Apesar de não apresentar uma função mais holística, o script apresenta uma possibilidade simplificada e relativamente rápida de estabelecer uma solução otimizada e sensível a orientação e ao entorno. Isso é melhor do que nada! O vídeo a baixo esclarece mais aspectos do script.
Plugins necessários:
Labybug;
Um arquivo climático no formato .epw.
Nível de dificuldade: intermediário.
Autoria do script: Natália Queiroz (2019).
Textos do desenvolvedor do Grasshopper sobre o Galapagos: