Análise de Reabilitação de Redes de Distribuição de Água para Abastecimento Via Algoritmos Genéticos Multiobjetivo.

See
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/35468168
Anlise de reabilitao de redes de distribuio

de gua para abastecimento via algoritmos
genticos multiobjetivo.
Article January 2011

Source: OAI
CITATION READS
1 475
3 authors, including:
Peter Cheung Luisa Fernanda Ribeiro Reis

Universidade Federal de Mato Grosso do Sul University of So Paulo
22 PUBLICATIONS 119 CITATIONS 64 PUBLICATIONS 473 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Water availability and quality threats in a Guarani Aquifer System outcrop zone - FAPESP grant
2015/03806-1 View project
REDE LENHS (Cluster of Brazilian Research Labs about Hydraulic and Energy Efficient) View project
All content following this page was uploaded by Luisa Fernanda Ribeiro Reis on 08 May 2015.
The user has requested enhancement of the downloaded file.

Peter Batista Cheung
ANLISE DE REABILITAO DE REDES DE

DISTRIBUIO DE GUA PARA ABASTECIMENTO VIA
ALGORITMOS GENTICOS MULTIOBJETIVO
Tese apresentada Escola de Engenharia

de So Carlos da Universidade de So
Paulo, como parte dos requisitos para
obteno do Ttulo de Doutor em
Hidrulica e Saneamento
ORIENTADORA: Profa. Associada Luisa Fernanda Ribeiro Reis
So Carlos
2004
Thelma Lucchese, mulher que tanto amo,
admiro e me orgulho, exemplo de esposa...
sentido de minha vida.

AGRADECIMENTOS
A Deus pelo dom da vida.

professora Luisa Fernanda Ribeiro Reis, pela orientao deste trabalho.
Coordenadoria de Aperfeioamento de Pessoal de Nvel Superior CAPES, pela
bolsa de estudo concedida.
FINEP (Financiadora Nacional de Estudos e Projetos), na qualidade de agncia
financiadora do projeto integrado intitulado "Controle Operacional e Avaliao de
Perdas em um Sub-Sistema Urbano de Distribuio de gua (subprojeto da sub-rede 2
da REHIDRO)", referncia FINEP 3131/96, cuja infra-estrutura deu suporte ao
desenvolvimento do presente trabalho.
Ao CNPq, pelo apoio financeiro concedido ao Projeto Temtico (CT-HIDRO 01/2001)
"Instrumentos do Uso Racional e Otimizado da gua em Meio Urbano", do qual este
trabalho parte integrante.
Aos professores Fazal Hussain Chaudhry, Robert Schiaveto de Souza e Rodrigo de
Melo Porto, pela formao cientfica concedida.
Ao professor Dr. Kobus Van Zyl da Universidade Rand Afrikaans, Johannesburg
(frica do Sul), pelo auxlio na mudana do cdigo do Epanet 2.
Ao professor Dr. Ezio Todini da Universidade de Bologna, Bologna (Itlia), pelas
constantes discusses sobre o mtodo gradiente (Epanet 2).
A Andrs Arenas do Massachusetts Institute of Technology (MIT), por fornecer
livremente o cdigo da biblioteca de algoritmos genticos (GAlib) desenvolvido para
compilador Borland Builder C++ 5.0.
Viktoria Neimane do Royal Institute of Technology, Stockholm, pela discusses sobre
a biblioteca de algoritmos genticos (GAlib).
Companhia guas Guariroba S.A., por propiciar o estudo de campo.
Engenheira Civil Marilcia P. Sandim, ao Tcnico Nelson Motta Vieira e aos
funcionrios do Departamento de Projetos e Operao da guas Guariroba S.A., pelo
excelente auxlio no fornecimento dos dados e suporte durante a pesquisa de campo.
Aos meus pais, Hai Been e Lucyna, pela formao e pelo incentivo.
Ao meu irmo, Andrs B. Cheung, meu grande amigo e companheiro.
Aos colegas do Laboratrio de Simulao Numrica (LABSIN): Adelena, Alexandre,
Andra, Daniel, Fernando, Johannes, Jos Eduardo, Klebber, Leonardo, Liliane,
Luciane, Tinil, Tosta.
A todos os professores, colegas e funcionrios do Departamento de Hidrulica e
Saneamento da EESC/USP.
RESUMO
CHEUNG, P. B. (2003). Anlise de reabilitao de redes de distribuio de

distribuio de gua para abastecimento via algoritmos genticos multiobjetivo. So
Carlos, 2004. 268p. Tese (Doutorado) Escola de Engenharia de So Carlos,
Universidade de So Paulo, So Carlos, 2003.
Reconhecendo-se a importncia da gua como recurso natural limitado e considerando-

se a perspectiva de crescimento do contingente populacional urbano, faz-se necessria
uma investigao dos sistemas de distribuio de gua para abastecimento, por tratarem-
se de infra-estruturas bsicas comuns aos ncleos populacionais do mundo todo. O
planejamento da reabilitao das redes de distribuio de gua torna-se de fundamental
importncia considerando os recursos financeiros limitados e o comportamento
operacional desses sistemas que so alterados ao longo do tempo devido ao processo de
deteriorao de seus componentes. O presente trabalho representa um esforo no sentido
de considerar objetivos mais promissores na anlise de reabilitao de redes. Dessa
maneira, foram considerados: custo, benefcio, vazamentos e confiabilidade. Este
trabalho apresenta contribuies s anlises multiobjetivo via algoritmos genticos,
propriciando um aprimoramento do algoritmo Multiobjective Genetic Algorithm
(MOGA) e realizando investigao dos operadores (recombinao e mutao) e dos
mtodos Non-dominated Sorting Genetic Algorithm (NSGA), Strength Pareto
Evolutionary Algorithm (SPEA) e Elitist Non-Dominated Sorting Genetic Algorithm
(NSGA II). Do ponto de vista hidrulico, este trabalho introduz tanto perdas por
vazamentos como demanda varivel com a presso, proporcionando uma anlise mais
realstica do problema. Os estudos desenvolvidos para redes hipotticas e para um
sistema real, possibilitaram que solues satisfatrias fossem obtidas, chegando-se
inclusive a uma proposio do conceito de programao dinmica para o caso
multiobjetivo.
Palavras-chave: Redes de distribuio de gua, anlise de reabilitao, otimizao

multiobjetivo, algoritmos genticos.
ABSTRACT
CHEUNG, P. B. (2003). Rehabilitation analyses of the water distribution networks by

multiobjective genetic algorithms. So Carlos, 2004. 268p. Thesis (Doctorate) So
Carlos School of Engineering, University of So Paulo, So Carlos, 2003.
Recognizing the importance of water as a limited natural resource and considering the
prospect of continued population growth, it is important to investigate water distribution
systems which are common to all urban infrastructures. Planning of the water
distribution network rehabilitation becomes additionally important given economic
constraints and operational behavior these systems which modifies in time due to
deterioration of water networks. The present work is an effort to consider the multiple
objectives in the water network rehabilitation analyses. Four objectives were
considered: cost minimization, benefit maximization, leakage minimization and
reliability maximization. In addition, it presents some contributions to multiobjective
optimization methodology by genetic algorithms, offering an improvement of
Multiobjective Genetic Algorithm (MOGA). A detailed investigation is conducted on
genetic operators (recombination and mutation) comparing some existing multiobjective
optimization methods (Multiobjective Genetic Algorithm MOGA, Non-dominated
Sorting Genetic Algorithm NSGA, Strength Pareto Evolutionary Algorithm SPEA
and Elitist Non-Dominated Sorting Genetic Algorithm NSGA II). As regards the
hydraulic analysis, this work introduces both leakages and pressure dependent demands
in the simulations, providing a more realistic representation of actual field situations.
The present study employs hypothetical networks and a real network obtaining
satisfactory solutions. Further, dynamic programming concept is also incorporated into
the multiobjective optimization framework.
Keywords: Water distribution networks, rehabilitation analyses, multiobjective

optimization, genetic algorithms.
LISTA DE FIGURAS
Figura 2.1 Ns, ligaes e alocao de demandas ..................................................................... 6

Figura 2.2 Perdas nos sistemas de abastecimento de gua (adaptado de SILVA e CONEJO,
1998) ........................................................................................................................................... 10
Figura 2.3 Classificao dos modelos de avaliao de vazamentos ....................................... 14
Figura 2.4 Ilustrao hipottica reservatrio - n de consumo ................................................ 18
Figura 2.5 Relao entre energia e vazo ................................................................................ 19
Figura 2.6 Algoritmo iterativo de avaliao hidrulica (proposto por SOARES, 2003) ......... 26
Figura 2.7 Algoritmo hbrido de calibrao (proposto por SOARES, 2003)........................... 27
Figura 3.1 Classificao dos modelos de reabilitao de redes hidrulicas (adaptado de
DANDY e ENGELHARDT, 2001a) .......................................................................................... 31
Figura 3.2 Ciclo de vida de componentes (AGGARWAL, 1993) ........................................... 32
Figura 3.3 Esquema geral do modelo proposto por DANDY e ENGELHARDT (2001a) ...... 49
Figura 3.4 Curva diria de demanda (adapatado de WALTERS et al., 1999) ......................... 59
Figura 4.1 Classificao dos modelos de otimizao multiobjetivo convencionais ................ 65
Figura 4.2 Espao varivel de deciso (ZITZLER, 1999) ....................................................... 68
Figura 4.3 Espao funo objetivo (ZITZLER, 1999)............................................................. 69
Figura 4.4 Ilustrao dos conjuntos Pareto timo global e local (ZITZLER, 1999)
considerando um problema de minimizao............................................................................... 71
Figura 4.5 Esquema geral de um procedimento multiobjetivo (DEB, 2001)........................... 72
Figura 4.6 Esquema geral dos algoritmos genticos convencionais ........................................ 74
Figura 4.7 Populao inicial referente ao problema (4.9)........................................................ 75
Figura 4.8 Populao corrente dos AGs (iterao 30) referente ao problema (4.9)................. 76
Figura 4.9 Populao final dos AGs (iterao 500) referente ao problema (4.9) .................... 76
Figura 4.7 Estrutura geral dos algoritmos genticos multiobjetivo ......................................... 77
Figura 5.1 Modelo de reabilitao proposto ........................................................................... 88
Figura 5.2 Solues referentes ao problema (5.9) (adaptado de DEB, 2001).......................... 98
Figura 5.3 Procedimento geral do MOGA .............................................................................. 99
Figura 5.4 Classificao realizada pelo MOGA no problema exemplo (5.9) ........................ 100
Figura 5.5 Compartilhamento e nicho (adaptado de HORN e NAFPLIOTIS, 1993) ............ 102
Figura 5.6 Procedimento geral do NSGA ............................................................................. 106
vii
Figura 5.7 Classificao realizada pelo NSGA para o problema exemplo (5.9) ................... 107
Figura 5.8 Procedimento geral do SPEA .............................................................................. 111
Figura 5.9 Ilustrao do algoritmo de cluster ........................................................................ 114
Figura 5.10 Esquema do procedimento evolutivo do NSGA II (adaptado de DEB, 2001) ... 116
Figura 5.11 Clculo da distncia de multido do NSGA II ................................................... 117
Figura 5.12 Procedimento geral do NSGA II ........................................................................ 120
Figura 5.13 Distribuio das solues ................................................................................... 131
Figura 5.14 Convergncia da frente....................................................................................... 131
Figura 5.15 Comparao ideal ............................................................................................... 131
Figura 5.16 Comparao complexa ....................................................................................... 131
Figura 5.17 Procedimento proposto para otimizao multiobjetivo dinmica....................... 140
Figura 5.18 Rede Exemplo 1 ................................................................................................. 141
Figura 5.19 Rede exemplo 2 .................................................................................................. 144
Figura 5.20 Rede exemplo 3 (modelo simplificado do sistema RF-1)................................... 146
Figura 6.1 Organograma das simulaes realizadas .............................................................. 148
Figura 6.2 Vetor soluo referente ao problema de GESSLER (1985) ................................. 150
Figura 6.3 Simulaes da rede exemplo 1 com diferentes pesos ........................................... 152
Figura 6.4 Grfico comparativo das presses da rede para cenrio 1 .................................... 155
Figura 6.7 Solues obtidas pelos AGs considerando diferentes pesos................................. 156
Figura 6.8 Solues obtidas pelos AGs considerando diferentes pesos................................. 156
Figura 6.9 - Fluxograma do programa desenvolvido para reabilitao de redes considerando dois
objetivos (custo e dficit de presso) utilizando o MOGA como mtodo de otimizao
multiobjetivo ............................................................................................................................. 163
Figura 6.10 Diferentes populaes produzidas pelo MOGA ................................................. 165
Figura 6.11 Comparao de Frentes Pareto obtidas pelo MOGA.......................................... 165
Figura 6.12 Esquema explicativo de construo de um BOXPLOT ...................................... 167
Figura 6.13 Valores da mtrica C (A,B), descrita no item (5.6.1), para quatro mtodos
multiobjetivo (MOGA, NSGA, SPEA e NSGA II) .................................................................. 168
Figura 6.14 Mtrica de distribuio considerando a dimenso da populao igual a 100 ..... 169
Figura 6.17 Frente Pareto MOGA.......................................................................................... 171
Figura 6.18 Frente Pareto NSGA........................................................................................... 171
Figura 6.19 Frente Pareto SPEA ............................................................................................ 171
Figura 6.20 Frente Pareto NSGA II ....................................................................................... 171
viii
Figura 6.21 - Valores da mtrica C (A,B) para SPEA considerando vrios operadores genticos
.................................................................................................................................................. 171
Figura 6.22 Mtrica de distribuio do SPEA considerando diferentes operadores genticos
(configuraes de 1 a 9)............................................................................................................ 172
Figura 6.23 Mtrica de distribuio do SPEA considerando apenas configuraes de 4 a 9 172
Figura 6.24 Frente Pareto SPEA (7) ...................................................................................... 174
Figura 6.25 Frente Pareto SPEA (8) ...................................................................................... 174
Figura 6.26 Frente Pareto produzida pelo SPEA considerando um problema com trs objetivos
.................................................................................................................................................. 174
Figura 6.27 Demanda total (FUJIWARA e LI, 1998) e vazamentos (TUCCIARELLI,
CRIMINISI e TERMINI, 1999) durante o processo iterativo .................................................. 180
Figura 6.28 Porcentagem de vazamentos e demandas para diferentes modelos de presso-
demanda .................................................................................................................................... 182
Figura 6.29 Confiabilidade hidrulica para diferentes modelos de presso-demanda ........... 182
Figura 6.30 Comparao das presses nos ns da rede exemplo 2 considerando simulaes
hidrulicas convencional e com vazamentos ............................................................................ 183
Figura 6.31 Comparao das presses nos ns da rede exemplo 2 considerando as simulaes
hidrulicas convencional e com modelo presso-demanda de WAGNER, SHAMIR e MARKS
(1988)........................................................................................................................................ 184
Figura 6.32 Setores do modelo simplificado real .................................................................. 185
Figura 6.33 Pontos de amostragem do modelo simplificado (rede exemplo 3)..................... 185
Figura 6.34 Vazo abastecida da rede exemplo 3 .................................................................. 187
Figura 6.36 Frente Pareto obtida atravs da otimizao multiobjetivo esttica para estudo de
caso real .................................................................................................................................... 203
Figura 6.37 Autovalores contra nmero de fatores - otimizao esttica .............................. 206
Figura 6.38 Grfico de auxlio tomada de deciso utilizando Anlise de Componentes
Principais .................................................................................................................................. 206
Figura 6.40 Curva custo contra benefcio .............................................................................. 213
Figura 6.41 Curva benefcio contra vazamento ..................................................................... 213
Figura 6.42 Curva vazamento contra confiabilidade ............................................................. 213
Figura 6.43 Curva confiabilidade contra custo ...................................................................... 213
Figura 6.44 Autovalores contra nmero de fatores - otimizao dinmica ........................... 214
Principais .................................................................................................................................. 214
Figura 6.47 Grfico de deciso para cenrio otimista otimizao dinmica....................... 218
Figura 6.48 Planos alternativos de reabilitao para rede real (rede exemplo 3)................... 220
Figura a.1 Algoritmo de busca de solues que dominam determinada soluo i.................. 242
ix
Figura a.2 Algoritmo de busca de solues no dominadas 2 ............................................... 243

Figura a.3 - Algoritmo de busca solues no dominadas 3..................................................... 244
Figura a.4 Algoritmo de classificao de frentes no dominadas ........................................... 245
Figura A1.1 Modelo simplificado real................................................................................... 249
Figura A1.2 Modelo simplificado real divido em setores de vazamento............................... 250
Figura A1.3 Medidor de presso............................................................................................ 251
Figura A1.4 Computador porttil........................................................................................... 251
Figura A1.5 Instalao de Medidor........................................................................................ 253
Figura A1.6 Medidor de presso............................................................................................ 253
Figura A1.7 Presses observadas (p. 1) ................................................................................. 256
Figura A1.10 Presses observadas (p. 4) ............................................................................... 256
Figura A1.16 Presses observadas (p. 10) ............................................................................. 257
Figura A1.17 Vazo abastecida pelo reservatrio (19 04 2003) ............................................ 258
Figura A1.22 Presso Monitorada no ponto 1 (19 04 2003).................................................. 260
Figura A1.31 Presso Monitorada no ponto 10 (19 04 2003)................................................ 261
x

Figura A1.71 Presso Monitorada no ponto 10 (23 04 2003).................................................266
LISTA DE TABELAS
Tabela 3.1 Custos de reabilitao apresentados por HALHAL et al. (1997)........................... 57

Tabela 3.2 Padro de demanda utilizada por WALTERS et al. (1999) ................................... 58
Tabela 5.1 - Solues geradas aleatoriamente para o problema (5.9)......................................... 98
Tabela 5.2 Notaes utilizadas em um planejamento 32 com p* rplicas .............................. 134
Tabela 5.3 Planejamento composto central para duas variveis independentes .................... 136
Tabela 5.4 Planejamento composto central ortogonal para duas variveis independentes .... 136
Tabela 5.5 Valores de a* para PCCO ..................................................................................... 137
Tabela 5.6 Caractersticas geomtricas da rede exemplo 1.................................................... 142
Tabela 5.7 Dados dos ns da rede exemplo 1 ........................................................................ 142
Tabela 5.8 Opes de projeto................................................................................................. 143
Tabela 5.9 Opes de reabilitao ......................................................................................... 143
Tabela 5.10 Custos de projeto................................................................................................ 143
Tabela 5.11 Custos de reabilitao ........................................................................................ 143
Tabela 5.12 Caractersticas geomtricas da rede exemplo 2.................................................. 144
Tabela 5.13 Dados dos ns da rede exemplo 2 ...................................................................... 145
Tabela 5.14 Decises de reabilitao para rede exemplo 3.................................................... 146
Tabela 5.15 Custos de reabilitao ........................................................................................ 147
Tabela 6.1 Solues de mnimo custo (GAlib - Epanet 2)..................................................... 153
Tabela 6.2 Codificao dos fatores referente ao problema (eq. 6.2)...................................... 159
Tabela 6.3 Planejamento de simulaes computacionais para rede exemplo 1 ..................... 160
Tabela 6.4 Resultados PCCO................................................................................................. 161
Tabela 6.5 Presses obtidas utilizando simulador hidrulico sem vazamentos e com
vazamentos................................................................................................................................ 176
Tabela 6.6 Presses e vazamentos obtidos utilizando o modelo de Wagner et al. (1988) sem
fator de relaxao ...................................................................................................................... 177
Tabela 6.7 Presses e vazamentos obtidos utilizando o modelo de Fujiwara e Li (1998) sem
fator de relaxao ...................................................................................................................... 177
Tabela 6.8 Presses e vazamentos obtidos utilizando o modelo de Tucciarelli et................. 178
Tabela 6.9 Presses e vazamentos obtidos utilizando o modelo de Wagner et ..................... 178
xii
Tabela 6.10 Presses e vazamentos obtidos utilizando o modelo de Fujiwara e Li............... 179
Tabela 6.11 Presses e vazamentos obtidos utilizando o modelo de Tucciarelli et............... 179
Tabela 6.12 Desvio absoluto referentes s presses nodais................................................... 181
Tabela 6.13 Confiabilidade hidrulica ................................................................................... 181
Tabela 6.14 Demandas nodais da rede exemplo 3 ................................................................. 186
Tabela 6.15 Presses nos ns monitorados (simulada e observada) ...................................... 188
Tabela 6.16 Parmetros do modelo presso-vazamento referente ao modelo simplificado real
(rede exemplo 3) ....................................................................................................................... 190
Tabela 6.17 Presses nos ns monitorados (observadas e calibradas)................................... 190
Tabela 6.18 Erro absoluto referente s presses calibradas ................................................... 190
Tabela 6.19 Parmetros do modelo presso-vazamento da rede exemplo 3 para diferentes
cenrios de consumo (valores mdios de cinco populaes iniciais)........................................ 192
Tabela 6.20 Ajuste das manobras para os diferentes cenrios de consumo ............................ 192
Tabela 6.21 Presses nos ns monitorados (observadas e calibradas considerando manobras e
parmetros de vazamento diferenciados para cada padro de consumo).................................. 192
Tabela 6.22 Manobras calibradas considerando cenrios de consumo distintos ................... 193
Tabela 6.23 Parmetros do modelo de vazamentos global .................................................... 194
Tabela 6.24 Presses calibradas considerando parmetros de vazamentos globais............... 195
Tabela 6.25 Presses calibradas considerando parmetros de vazamentos globais............... 196
Tabela 6.26 Vazes abastecidas calibradas e observadas considerando parmetros de
vazamentos globais ................................................................................................................... 197
Tabela 6.27 Erro relativo da vazo calibrada......................................................................... 197
Tabela 6.28 Anlise detalhada da soluo de menor desvio absoluto total (simulao 2)
considerando parmetros de vazamento globais ....................................................................... 197
Tabela 6.29 Parmetros de vazamento utilizados nas anlises de reabilitao ...................... 199
Tabela 6.30 Estimativa das perdas fsicas do setor RF-1 no perodo diurno ......................... 199
Tabela 6.31 - Estimativa das perdas fsicas do setor RF-1 no perodo noturno........................ 199
Tabela 6.32 Demanda efetivamente atendida e confiabilidade hidrulica do setor RF-1
(modelo simplificado real rede exemplo 3) ........................................................................... 200
Tabela 6.33 Autovalores da matriz de dados referentes aos resultados da otimizao esttica
.................................................................................................................................................. 205
Tabela 6.34 Funes objetivo de solues da otimizao esttica......................................... 207
Tabela 6.35 Decises de reabilitao representativas dos trs cenrios obtidas na otimizao
esttica ...................................................................................................................................... 208
Tabela 6.36 Autovalores da matriz de dados referentes a frente inicial da otimizao dinmica
.................................................................................................................................................. 213
Tabela 6.37 Solues escolhidas da frente Pareto inicial otimizao dinmica ................. 214
xiii
Tabela 6.38 Decises de reabilitao para o primeiro perodo de planejamento em relao aos
cenrios da otimizao dinmica .............................................................................................. 215
Tabela 6.39 Solues da anlise de reabilitao dinmica .................................................... 216
Tabela 6.40 Trechos a serem reabilitados no segundo perodo de planejamento .................. 216
Tabela 6.41 Solues da anlise de reabilitao dinmica .................................................... 218
Tabela 6.42 Decises de reabilitao para o ltimo perodo de planejamento em relao aos
cenrios da otimizao dinmica .............................................................................................. 219
Tabela 7.1 Modelos para anlise de reabilitao de redes de distribuio de gua e a
contribuio original do presente trabalho................................................................................ 229
Tabela A1.1 Demandas nos ns para modelo real simplificado ............................................ 252
Tabela A1.2 Pontos de monitoramento de presso ................................................................ 254
Tabela A2.1 Dados da rede exemplo 3 (setor RF-1).............................................................. 267
LISTA DE SMBOLOS
A - Matriz de incidncia dos ns interiores; rea

a - Expoente de vazamentos; Expoente de regresso; Expoente de ajuste da evoluo temporal;
Taxa de crescimento da rugosidade na tubulao
a0 - Constante da curva caracterstica de bombas
B - Varivel de deciso referente a capacidade de bombeamento; Benefcio
b0 - Constante da curva caracterstica de bombas
c - Constante nodal (anlises dirigidas pela presso)
c0 - Constante da curva caracterstica de bombas
C - Custo; Conjuntos clusters; Mtrica de cobertura da frente Pareto
Cd - Coeficiente de descarga de orifcios
Cp - Funo penalidade
Cr - Custo de reparo de uma quebra
Crf - Custo de reparo de futuras quebras
Cs - Custo de substituio de uma tubulao ($)
CT - Custo total
CHW - Coeficiente de Hazen-Williams
Cduplicao - Custo de implantao de tubulaes em paralelo
Climpeza - Custo de limpeza de tubulaes
Cprojeto - Custo de implantao de novas tubulaes
Csubstiuio - Custo de substituio de tubulaes
C1 - Fator de correo (modelo proposto por WALSKI e PELLICCIA, 1982)
C2 - Fator de correo (modelo proposto por WALSKI e PELLICCIA, 1982)
D - Dimetro de tubulao; Matriz diagonal
DEFo - Deficincia da rede original
DEFr - Deficincia da rede reabilitada
DR - Varivel de deciso referente ao dimensionamento de reservatrios
d - Expoente; Distncia da funo de compartilhamento; Distncia euclidiana; Distncia entre
solues
e - Exponencial
e0 - Rugosidade interna de tubulao
F - Funo de aptido
FR - Frentes no dominadas
FT - Fator temporal (modelo proposto por SOARES, 2003)
Fu - Fator de quebra de tubulaes em relao ao seu uso (residencial, comercial ou indsutrial)
xv
Fmin - Funo de aptido mnima

f - Funo objetivo
max
f - Valor mximo de funo objetivo
min
f - Valor mnimo de funo objetivo
g - Acelerao da gravidade; Idade de tubulao
GER - Nmero mximo de geraes
hp - Perda de carga em uma tubulao
h0 - Energia disponvel para o ponto de funcionamento de uma bomba
H - Energia nos ns
AO
H - Presses nos ns disponveis considerando a rede em estado original
AR
H - Presses nos ns disponveis considerando a rede reabilitada
min
H - Energia mnima nos ns
Hd - Energia disponvel
des
H - Energia necessria para o atendimento total da demanda nodal
I - Matriz identidade
Pr - Probabilidade de recombinao
Pm - Probabilidade de mutao
Pt - Conjunto de solues
PDNA - Parcela de demanda no atendida (modelo proposto por SOARES, 2003)
q - Demanda nodal
req
q - Demanda nodal requerida
Q - Vazo na tubulao (m3/s)
Qt - Conjunto de solues (NSGA II)
AO
q - Demanda efetivamente atendida para rede em estado original
AR
q - Demanda efetivamente atendida para rede reabilitada
QL - Vazamentos distribudos
K - Emitter coefficient (Epanet 2); Constante de perda de carga de tubulao; Coeficiente;
Parmetro do modelo demanda-presso; Custo fictcio penalidade
k - Iterao
min
K - Parmetro que representa energias abaixo da mnima (modelo de HALHAL et al., 1997)
max
K - Parmetro que representa energias acima da mxima (modelo de HALHAL et al., 1997)
L - Comprimento de tubulao
M - Nmero de objetivo; Matriz de planejamento
m - Coeficiente de perda de carga localizada
n - Expoente de perda de carga de tubulao; Nmero de solues no dominadas
nb - Nmero de quebras
nc - Nicho
N - Matriz diagonal
NN - Nmero de ns
Np - Nvel de perdas
Nb - Nmero de quebras
xvi
NB - Nmero de bombas
NPD - Nmero de padres de demanda
NR - Nmero de reservatrios
NT - Nmero de trechos
NTp - Nmero de trechos de projeto (reabilitao)
NTr - Nmero de trechos a serem reabilitados (limpeza ou duplicao)
NTO - Nmero de ns total (conhecido e no conhecido)
NV - Nmero de vlvulas
Niter - Nmero de iteraes
Nmax - Nmero mximo de iteraes
nb - Nmero de quebras
POP - Dimenso do conjunto populao (AGs)
R - Varivel de deciso de aes de reabilitao; Confiabilidade hidrulica do sistema
Rt - Conjunto de solues (NSGA II)
W - Coeficiente penalidade (AGs)
wh - Peso referente ao benefcio capacidade hidrulica
wf - Peso referente ao beneficio fsico
wo - Peso referente ao beneficio operacional
wq - Peso referente ao benefcio qualidade de gua
r - Constante de perda de carga de tubulaes; Taxa de juros; Rank; Nmero aleatrio
S - Coeficiente de ajuste dos modelos de vazamentos (rede no modelada); Strength (SPEA);
Mtrica de diversidade da frente Pareto
Sh - Funo de compartilhamento (Sharing Function)
t - Operador de transposio; Idade de tubulaes; Tempo
T - Tempo de substituio;
TS - Vazo total de abastecida (modelo proposto por SOARES, 2003)
ref
TS - Somatrio da vazo total de referncia (modelo proposto por SOARES, 2003)
TD - Vazo total efetivamente abastecida (modelo proposto por SOARES, 2003)
TDP - Demanda total potencial de referncia (modelo proposto por SOARES, 2003)
V - Vazamento total; Varivel de deciso referente ao ajuste de vlvulas redutoras de presso
Vperdas - Volume de perdas de gua
Vconsumido - Volume de gua consumida
Vtotal - Volume total de gua fornecida
L
X - Limite inferior da varivel de deciso
U
X - Limite superior da varivel de deciso
c
x - Varivel de deciso codificada (planejamentos fatoriais)
Z - Cota topogrfica
x1,x2,...,x7 - Variveis de deciso
i, j, k, m - Sub ndices
- Coeficiente correspondente velocidade de bomba

xvii
- Coeficiente correspondente intensidade de falhas (modelo de HALHAL et al., 1997)

- Correo de energia
- Coeficiente de vazamentos distribudos
- Idade das tubulaes
- Nmero pi
- Funo de aptido
- Conjunto
- Conjunto
- Peso (modelo de HALHAL et al., 1997); Expoente da funo de compartilhamento;
Parmetro do operador de recombinao BLX-
- Peso (modelo de HALHAL et al., 1997)

- Coeficiente de falhas (modelo de HALHAL et al., 1997)
- Parmetro da funo de compartilhamento
- Conjunto de solues de mesmo rank (MOGA)
- Nmero
> , <, >/ , , - Smbolos
f, f, ~, - Smbolos
SUMRIO
AGRADECIMENTOS.....................................................................................................iii
RESUMO .........................................................................................................................iv
ABSTRACT........................................................................................................................v
LISTA DE FIGURAS ......................................................................................................vi
LISTA DE TABELAS .....................................................................................................xi
LISTA DE SMBOLOS.................................................................................................xiv
SUMRIO ...................................................................................................................xviii
1 INTRODUO .......................................................................................................1
1.1 Objetivos ...........................................................................................................3
2 MODELOS HIDRULICOS.................................................................................5
2.1 Anlise de redes em regime permanente...........................................................5
2.1.1 Formulao do problema...................................................................................7
2.2 Perdas em sistemas de abastecimento de gua................................................10
2.2.1 Formulao matemtica de vazamentos atravs de orifcio............................12
2.2.2 Modelao matemtica de vazamentos atravs de seo varivel ..................13
2.3 Demandas dependentes da presso .................................................................17
3 MODELOS DE REABILITAO .....................................................................28
3.1 Consideraes gerais.......................................................................................28
3.2 Modelos de estatsticos ...................................................................................31
3.3 Modelos baseados nas tcnicas de anlise de sistemas...................................38
3.3.1 Algoritmos genticos aplicados a sistemas de abastecimento ........................42
3.3.2 Modelos de otimizao multiobjetivo.............................................................52
4 MODELOS DE OTIMIZAO MULTIOBJETIVO ......................................63
4.2 Otimizao multiobjetivo................................................................................66
4.3 Algoritmos evolucionrios ..............................................................................72
4.3.1 Exemplo de evoluo dos algoritmos genticos .............................................75
4.3.2 Algoritmos evolucionrios multiobjetivo .......................................................77
xix
5 PROPOSIO DE MODELO COMPUTACIONAL.......................................86

5.2 Tcnicas de reabilitao ..................................................................................89
5.3 Formulao do problema de reabilitao de redes hidrulicas .......................90
5.3.1 Custos..............................................................................................................91
5.3.2 Benefcios........................................................................................................93
5.3.3 Vazamentos .....................................................................................................94
5.3.4 Confiabilidade .................................................................................................94
5.4 Otimizao multiobjetivo................................................................................95
5.4.1 MOGA ............................................................................................................99
5.4.1.1 Classificao das solues ............................................................................100
5.4.1.2 Diversidade da populao .............................................................................101
5.4.1.3 Etapas do procedimento iterativo do MOGA................................................103
5.4.2 NSGA............................................................................................................106
5.4.2.1 Classificao das solues ............................................................................107
5.4.2.2 Etapas do procedimento iterativo do NSGA.................................................108
5.4.3 SPEA .............................................................................................................111
5.4.3.1 Etapas do procedimento iterativo do SPEA ..................................................112
5.4.4 NSGAII .........................................................................................................116
5.4.4.1 Etapas do procedimento iterativo do NSGA II .............................................118
5.5 Simulao Hidrulica de Redes ....................................................................122
5.5.1 Simulador hidrulico convencional...............................................................122
5.5.2 Simulador hidrulico iterativo para calibrao .............................................123
5.5.3 Simulador hidrulico proposto......................................................................123
5.5.4 Simulador hidrulico iterativo para reabilitao ...........................................127
5.6 Implementao dos mtodos evolucionrios multiobjetivo..........................127
5.6.1 Operadores genticos ....................................................................................128
5.7 Medidas de desempenho para algoritmos evolucionrios multiobjetivo ......130
5.7.1 Mtrica para avaliar a convergncia da frente Pareto ...................................131
5.7.2 Mtrica para avaliar a diversidade da frente Pareto ......................................132
5.8 Planejamento de experimentos computacionais............................................132
5.8.1 Planejamentos fatoriais .................................................................................133
5.8.1.1 Planejamentos fatoriais com trs nveis ........................................................133
5.8.1.2 Planejamentos compostos centrais................................................................134
5.8.1.3 Planejamentos compostos centrais ortogonais ..............................................136
5.9 Anlise de componentes principais ferramenta de auxlio a tomada de
deciso ......................................................................................................................137
5.10 Anlise de reabilitao atravs da otimizao multiobjetivo de mltiplos
estgios .....................................................................................................................138
5.11 Redes exemplo ..............................................................................................139
5.11.1 Rede exemplo 1.............................................................................................141
5.11.2 Rede exemplo 2.............................................................................................142
xx
5.11.3 Rede exemplo 3.............................................................................................145

6 RESULTADOS E DISCUSSES ......................................................................148
6.1 Anlise de reabilitao atravs da otimizao convencional estudo
terico.......................................................................................................................149
6.1.1 Anlises estatsticas de experimentos computacionais com AGs .................157
6.2 Anlise de reabilitao atravs da otimizao multiobjetivo estudo
terico.......................................................................................................................162
6.2.1 Comparaes de mtodos de otimizao multiobjetivo................................166
6.3 Anlise de redes atravs do simulador hidrulico proposto..........................175
6.4 Estimativa dos parmetros do modelo de vazamentos - estudo de caso real 183
6.5 Anlise de reabilitao atravs da otimizao multiobjetivo esttica estudo
de caso real ...............................................................................................................201
6.6 Anlise de reabilitao atravs da otimizao multiobjetivo dinmica estudo
de caso real ...............................................................................................................209
6.7 Comparao da anlise de reabilitao esttica e dinmica..........................220
7 CONCLUSES ...................................................................................................222
9 REFERNCIAS BIBLIOGRFICAS ..............................................................231
APNDICE A Algoritmos de busca de solues no dominadas............................ 241
ANEXO A - Descrio da pesquisa de campo e preparao dos dados para
determinao dos parmetros do modelo de vazamentos para o sistema real (Setor RF
1) da cidade de Campo Grande, MS .............................................................................246
A1 MODELO SIMPLIFICADO REAL .................................................................247
A1.1 Preparao dos dados ....................................................................................247
A1.2 Estudo de caso real: rede simplificada correspondente ao setor operacional
RF-1 da cidade de Campo Grande, MS....................................................................249
A1.2.1 Simplificao da rede....................................................................................250
A2 DADOS DA REDE EXEMPLO 3 (SETOR RF-1)...........................................267
1 INTRODUO
A perspectiva de crescimento do contingente populacional urbano sugere que as fontes

hdricas existentes sejam oneradas, acelerando o processo de explorao de novas fontes
com o propsito de abastecimento. Dessa maneira, com base no reconhecimento de que
a gua constitui recurso natural limitado, a garantia de atendimento s necessidades das
futuras geraes obriga a operao eficiente e eficaz dos sistemas de aproveitamento e
de distribuio de guas em geral. Dentro desse contexto, os sistemas de distribuio de
guas para abastecimento, componentes essenciais da infra-estrutura e desenvolvimento
de reas urbanizadas, merecem ser examinados.
As mudanas nas condies fsicas dos elementos (tubulaes, acessrios e

componentes hidrulicos) que compem as redes de distribuio alteram o
comportamento econmico e operacional das mesmas, cuja deteriorao provoca perda
da capacidade de transporte, elevao nas presses de bombeamento, aumento dos
custos de operao e manuteno, alm de presses inadequadas. Esses problemas esto
diretamente relacionados idade das redes que, se elevada, pode gerar vazamentos e
colapso das tubulaes, resultando no apenas na perda de gua, mas tambm em uma
possvel contaminao. Todavia, apesar dos custos elevados envolvidos nos trabalhos de
reparo, em contraposio aos investimentos geralmente limitados que se dispe, grande
quantidade de capital tem sido investido na melhoria (reabilitao) de sistemas
existentes, tendo em vista vantagens tais como, reduo dos danos causados pelas
presses excessivas provenientes das variaes de consumo nos ns da rede e
minimizao das perdas, dentre outras.
Maior confiabilidade e eficincia na distribuio de gua podem ser obtidas atravs da

reabilitao das redes. No entanto, esse um problema complexo devido necessidade
de se prover solues efetivas tomada de deciso. A estratgia de deciso deve
considerar as propriedades fsicas, o prognstico evolutivo do comportamento dinmico
do sistema e a satisfao do usurio, em substituio s anlises do tipo custo/benefcio
convencionais.
2
O projeto de abastecimento urbano atravs de redes hidrulicas constitui-se de uma

tcnica sistmica antiga e comum. Muitos dos sistemas de distribuio existentes foram
projetados utilizando o mtodo de tentativa e erro, baseados tambm nas experincias
anteriores bem sucedidas. Atualmente, alguns modelos computacionais vm sendo
desenvolvidos para estudar o problema de reabilitao de redes devido reconhecida
necessidade de se restabelecer e manter um nvel de servio adequado aos usurios.
Nas dcadas passadas, os mtodos matemticos de otimizao serviram como

ferramentas facilitadoras para a busca de solues que fornecessem menores custos para
os projetos de redes hidrulicas. Esses mtodos (programao linear, no-linear e
dinmica) obtiveram vantagens em relao aos procedimentos anteriores de tentativa e
erro.
Recentemente, pesquisadores apontam desvantagens caractersticas dos mtodos de

otimizao convencional, das quais esto relacionadas s dificuldades de obteno do
timo global, aplicaes a problemas complexos, implementao de tais tcnicas e,
principalmente, no que se refere necessidade enquadrar objetivos reais e mltiplos.
O modelo computacional para anlise de reabilitao de redes de distribuio de gua

para abastecimento proposto no presente trabalho, desenvolvido sob trs fases
distintas. A primeira fase, denominada etapa preliminar, contempla todos os estudos que
envolvem a busca de informaes do sistema. Essas informaes so os dados
cadastrais da rede, as estimativas de demandas nos ns, os registros de manuteno e
operao e as observaes em campo. Nessa etapa, adotado um procedimento de
calibrao, cuja funo identificar os parmetros caractersticos do modelo presso-
vazamento, para que as perdas fsicas possam ser consideradas nas anlises hidrulicas.
Alguns estudos na literatura demonstraram que os parmetros de vazamento devem ser
estimados antes de qualquer anlise de redes de distribuio de gua existentes, seja na
operao e/ou na reabilitao. A calibrao desses parmetros possibilita que as
simulaes hidrulicas, realizadas posteriormente, reproduzam uma melhor
aproximao do comportamento real do sistema. Esse procedimento faz-se necessrio
devido anlise de reabilitao de redes de distribuio de gua tratar o problema como
um sistema existente.
A segunda fase do modelo proposto, denominada etapa de avaliao, identifica solues

timas atravs de algoritmos de otimizao que contemplam vrios objetivos
simultaneamente. Esses algoritmos, denominados algoritmos genticos multiobjetivo,
3
representam os mtodos mais eficientes e versteis encontrados na literatura at o

momento. Quatro algoritmos genticos multiobjetivo (Multiple Objective Genetic
Algorithm - MOGA, Non-Dominated Sorting Genetic Algorithm - NSGA, Strength
Pareto Evolutionary Algorithm - SPEA, Elitist Non-Dominated Sorting Genetic
Algorithm - NSGA II) foram testados e comparados neste trabalho. Quatro funes
objetivo (minimizao de custo, maximizao de benefcios, minimizao de
vazamentos e maximizao da confiabilidade) so propostas para serem otimizadas
simultaneamente.
Do ponto de vista hidrulico, o presente trabalho introduz tanto perdas por vazamentos
como demanda varivel com a presso, possibilitando uma anlise mais realstica do
problema. A literatura oferece duas possibilidades para incorporao dos modelos
presso-vazamento e presso-demanda nas anlises hidrulicas de redes, explcita
(interveno direta sobre o cdigo) ou iterativa (sem interveno direta sobre o cdigo).
Neste trabalho, as duas formas foram desenvolvidas e analisadas. A considerao
explcita propiciou um aperfeioamento do mtodo gradiente implementado no Epanet
2, originalmente proposto para anlise dirigida pela demanda.
Finalmente, a terceira fase do modelo, denominada etapa de deciso, tem como objetivo
apresentar as solues timas, identificadas na etapa de avaliao e transform-las em
planos alternativos de reabilitao.
1.1 Objetivos
Face s necessidades prementes de ordem prtica j enfatizada, definem-se como

objetivos desta pesquisa:
- anlise detalhada dos mtodos de reabilitao de redes da literatura;
- identificao e formulao dos objetivos mais promissores a serem perseguidos no

tratamento do problema de reabilitao de redes de distribuio de gua para
abastecimento;
- implementao de cdigo computacional que utilize o ferramental bsico de

algoritmos genticos (AGs), possibilitando anlises multiobjetivo, atravs da incluso
de rotinas adicionais; e
4
- realizao de simulaes computacionais que propiciem condies de comparao

com resultados j reportados na literatura, bem como a sua aplicao uma rede
existente.
2 MODELOS HIDRULICOS
Neste captulo so abordadas e discutidas algumas evolues e tendncias, referentes

considerao de perdas por vazamento e relao de dependncia da demanda com a
presso, nos modelos matemticos para anlise de redes de distribuio de gua em
regime permanente.
2.1 Anlise de redes em regime permanente

Uma rede de distribuio de gua definida como sendo uma combinao de tubos,
componentes hidrulicos (bombas e vlvulas) e estruturas hidrulicas (reservatrios e
estaes de bombeamento) interconectados com propsito de transportar gua potvel
para populao, em quantidade e qualidade satisfatria. As redes so representadas por
trechos de tubulaes conectadas entre si em pontos bem definidos denominados ns. A
anlise do comportamento de tais sistemas uma tarefa complexa tendo em vista a
natureza no linear das leis fsicas que regem o escoamento no interior de condutos
forados.
Com o advento dos computadores essas anlises passaram a ser realizada com auxlio
de tcnicas numricas, sendo os sistemas de distribuio de gua representados atravs
de modelos matemticos1. SOUZA (1994) classifica os modelos matemticos para
anlise de redes, tambm denominados simuladores hidrulicos, em dois principais
grupos: modelos de ajuste simples (analogia eltrica, Hardy-Cross, comprimento
equivalente, proporcionalidade das vazes) e modelos de ajuste simultneo (teoria
linear, Newton-Raphson e gradiente). Nos modelos de ajuste simples, as incgnitas
(vazes e presses) so obtidas independentemente, j nos mtodos de ajuste
simultneo, essas incgnitas (variveis de estado) so encontradas simultaneamente.
Cabe destacar que grande parte dos pacotes computacionais existentes (WADISO,
KYPIPE, H20NET, EPANET, WATERCAD, dentre outros) utiliza o ajuste simultneo
1
Segundo DENN apud GARCIA (1997), um modelo matemtico um sistema de equaes cuja soluo, dado um
conjunto de dados de entrada, representativa da resposta do processo.
6
como metodologia de resoluo, visando vantagens computacionais (convergncia)

frente aos mtodos de ajuste simples.
A modelao matemtica em sistemas de distribuio de gua requer o uso de uma

terminologia caracterstica para descrever o problema fsico, por exemplo, os termos
ns e trechos. Os consumos ao longo dos trechos so concentrados nos ns, ou seja,
atribui-se metade da demanda ao longo de um trecho ao n de montante e a outra
metade dessa demanda ao n de jusante. A Figura 2.1 apresenta um exemplo da
disposio de ns e trechos em um sistema, e como as demandas so consideradas para
efeito da modelao.
10 D
10 D
5D 5D
Consumo D rea de Influncia Ligao Predial Trecho N
Figura 2.1 Ns, ligaes e alocao de demandas
As leis da fsica que governam o escoamento em condutos sob presso so a

conservao de massa e a conservao de energia. De acordo com a lei da conservao
de massa, aplicada aos ns da rede, a demanda em um sistema representa a diferena
entre a vazo aduzida (entrada) no sistema e a vazo requerida (sada) do sistema.
dessa forma que LANSEY e MAYS (2000) apresentam a equao da conservao de
massa:
Q Q
i j =q (2.1)
sendo que Qi e Qj so as vazes das tubulaes com fluxo direcionado ao n (entrada) e

para o fluxo em sentido oposto ao n (sada), respectivamente, e q representa a demanda
ou consumo no n.
7
Na lei da conservao de energia, a diferena de energia entre dois pontos igual a

soma de todas as perdas de carga (atrito e localizada) acrescidas s energias adicionais
(bombas) nos trechos. Um balano de energia pode ser descrito sob trs formas: (1)
entre dois pontos de um trecho, (2) entre dois ns de energia constante contendo uma
srie de tubulaes, vlvulas e bombas entre esses pontos, (3) um circuito que comea e
termina no mesmo ponto. De maneira geral, LANSEY e MAYS (2000) apresentam
essas afirmaes conforme eq.(2.2).
h
i
pi + h
i
bi = E (2.2)
sendo um circuito (aberto ou fechado); h p a perda de carga do componente i
pertencente ao circuito ; hb a energia adicionada pela bomba no trecho i pertencente

ao circuito e E a diferena de energia entre os pontos extremos do circuito.
A soluo do problema hidrulico obtida quando as equaes hidrulicas (eqs. 2.1 e

2.2) de balano nos ns e nos circuitos2 so satisfeitas. Grande parte dos modelos
(SHAMIR e HOWARD, 1968; EPP e FOWLER, 1970; WOOD e CHARLES, 1972;
DONACHIE, 1974; CHANDRASHEKAR e STEWART, 1975; RIGHETTO, 1977;
TODINI, 1979; TODINI e PILATI, 1988; NIELSEN, 1989; SOUZA, 1994) propostos
na literatura baseiam-se nessas equaes.
2.1.1 Formulao do problema

Embora existam vrios mtodos para anlise de redes de distribuio de gua (gradiente
local, Newton-Raphson, linearizao sucessiva e minimizao numrica), neste item
apresentada apenas a formulao matricial proposta por TODINI e PILATI (1988), pois
o mtodo de resoluo implementado no Epanet 2 (ROSSMAN, 2000), simulador
hidrulico utilizado neste trabalho.
A formulao proposta por TODINI e PILATI (1988) utiliza o mtodo de Newton-

Raphson para linearizar as equaes no lineares e obter um sistema de equaes
lineares, a ser resolvido pela fatorizao incompleta de Cholesky, em conjunto com o
mtodo do gradiente conjugado. Isso s possvel devido s caractersticas inerentes
matriz do sistema: esparsa, simtrica e definida positiva. Alguns trabalhos (TODINI,
2
A definio de circuitos (abertos ou fechados) apresentada por Walski (1992) em seu livro texto
Analysis of Water Distribution Systems publicado pela Krieger Publishing Company.
8
1979; SALGADO, TODINI e OCONNELL, 1988) so referidos na literatura por

apresentarem as provas de convergncia desse mtodo.
Em geral, a formulao matricial para um problema de anlise de redes de distribuio

de gua apresentada conforme eq.(2.3).
A11 M A12 Q A10 H 0

L L L L = L (2.3)

A 21 M 0 H q
Sendo Q t = [Q1 , Q 2 , L , Q NT ] o vetor de vazes no conhecidas; H t = [H 1 , H 2 , L , H NN ]
o vetor de energias no conhecidas; H 0t = [H NN +1 , H NN + 2 , L , H NTO ] o vetor das energias
nodais conhecidas e q t = [q 1 , q 2 , L , q NN ] o vetor de demandas nodais conhecidas. NT

representa o nmero de tubulaes, NN o nmero de ns de energia desconhecida,
NTO o nmero total de ns da rede (energias conhecida e desconhecida), com isso, a
subtrao (NTO NN) representa o nmero de ns com energia conhecida e t denota o
operador de transposio. A11, A12, A21, 0 e A10 representam matrizes do sistema. A11
definida conforme eq.(2.4) para k [1, NTO] , i [1, NTO] e j [1, NTO] .
n 1
A11 (k , k ) = r Q ij + m Q ij (2.4)
sendo que r a constante de perda de carga da tubulao e m o coeficiente de perda de

carga localizada. Para trechos dotados de bombas, os elemento da matriz A11 so
definidos conforme eq.(2.5) ou eq.(2.6):
n
Q ij
2 (h 0 r )

A11 (k , k ) = (2.5)
Q ij
a 2
A11 (k , k ) = 0 + b 0 + c 0 Q ij (2.6)
Q ij

sendo o coeficiente que est relacionado a velocidade de rotao da bomba; r e n so

constantes da curva da bomba que tambm pode ser expressos em termos de a0, b0 e c0 e
h0 a energia disponvel para o ponto de funcionamento da bomba. Note que essa
notao (eqs. 2.4, 2.5 e 2.6) a mesma utilizada no Epanet 2 (ROSSMAN, 2000).
9
A matriz A12 , tambm denominada matriz de incidncia, que descreve a topologia do

sistema, definida conforme eq.(2.7).
1, se a vazo do tubo deixa o n i

A12 (i, j) = 0, se o tubo j no est conectado ao n i (2.7)
1, se a vazo do tubo j entra no n i

t
sendo que A 12 = A 21 .
Para resolver o sistema de equaes no lineares (eq. 2.3) atravs da tcnica de Newton-
Raphson, diferenciam-se ambos os lados da eq.(2.3) em relao a Q e H, obtendo-se
dessa forma a eq.(2.8).
NA11 A 12 dQ dE
= (2.8)

A 21 0 dH dq
com N sendo uma matriz diagonal quadrada de ordem NT, cujos elementos representam
os expoentes de perda de carga da respectivas tubulaes. A soluo do problema ,
portanto, obtida iterativamente resolvendo o seguinte sistema de equaes lineares a
cada passo:
1
dQ NA 11 A 12 dE
= (2.9)

dH A 21 0 dq
sendo os diferenciais dQ, dH, dE e dq substitudos pela forma discreta:
dQ = Q k Q k +1 (2.10)
dH = H k H k +1 (2.11)
dE = A 11Q k + A 12 H k +1 + A 10 H 0 (2.12)
dq = A 21 Q k q (2.13)
10
Assim, aps alguns procedimentos algbricos demonstrados por TODINI e PILATI

(1988), obtmse as formulaes explcitas para o mtodo de ajuste simultneo
utilizado no Epanet 2.
H k +1 = (A 21 N 1A11
1
A12 ) 1[A 21 N 1 (Q k + A11
1
A10 H 0 ) + (q A 21Q k )] (2.14)
Q k +1 = (I N 1 )Q k N 1A11
1
(A12 H k +1 + A10 H 0 ) (2.15)
2.2 Perdas em sistemas de abastecimento de gua

As perdas de gua em sistemas pblicos de abastecimento so calculadas como sendo a
diferena do volume produzido pelo volume faturado. Segundo MARTNEZ,
CONEJOS e VERCHER (1999) as perdas de gua nas redes de distribuio so de
aproximadamente 50% do volume total aduzido. Tais perdas so classificadas em fsicas
e no fsicas (Figura 2.2). A perdas fsicas so referentes parcela de gua que no
chega aos consumidores devido s falhas que ocorrem no sistema, j as perdas no
fsicas so referentes ao subfaturamento e esto relacionadas parcela de gua
consumida, porm no contabilizada para efeito de tarifa.
Perdas
Fsicas No Fsicas
Perdas na Aduo
Ligaes Clandestinas
(gua Bruta)
Perdas no Tratamento Ligaes no Hidrometradas
Perdas na Reservao Hidrmetros Defeituosos
Perdas na Aduo
Ligaes Inativas Reabertas
(gua Tratada)
Perdas na Distribuio Erros de Leitura
Nmero de Economias Errado
Figura 2.2 Perdas nos sistemas de abastecimento de gua (adaptado de SILVA e CONEJO,
1998)
As perdas fsicas em redes de distribuio de gua so classificadas em visveis e

inerentes. Segundo REIS et al. (2003) as perdas visveis so aquelas detectveis em
11
campo, atravs de instrumentos apropriados, e podem ser facilmente reparadas. J as

perdas inerentes so aquelas que no podem ser detectadas e reparadas com a mesma
facilidade, devido a fatores como a magnitude e a distribuies das mesmas ao longo
das tubulaes.
As perdas no fsicas, segundo classificao apresentada por SILVA e CONEJO (1998),

originam-se de ligaes clandestinas ou no cadastradas, hidrmetros domiciliares
defeituosos ou adulterados, falta de medio, fraudes nos hidrmetros e outras. Essas
perdas so tambm conhecidas como perdas de faturamento, uma vez que seu principal
indicador determina a relao entre o volume disponibilizado e o volume faturado.
Em geral, a estimativa das perdas de gua (eq. 2.16) em um sistema de abastecimento

calculada atravs da diferena entre o volume de gua transferido (Vtotal) de uma fonte
de abastecimento e o volume de gua consumido (Vconsumido) nos pontos de demanda
(situados na rea de influncia do ponto de transferncia).
Vperdas = Vtotal Vconsumido (2.16)
Segundo LUVIZOTTO (1998) usual exprimir as perdas em relao percentual ao

volume total de gua injetada (transferida) ao sistema. Esse ndice (eq. 2.17)
denominado nvel de perdas (Np).
Vperdas
Np = x 100% (2.18)
Vtotal
Um programa completo de deteco e controle de perdas envolve quatro etapas

distintas: diagnstico do sistema, identificao das perdas passveis de serem
encontradas atravs de operao de deteco, quantificao das perdas distribudas,
alm das aes de reabilitao e preveno. Entretanto, a etapa de deteco de perdas
distribudas representa um dos problemas mais complexos e um dos grandes desafios a
serem perseguidos nos estudos de sistemas de distribuio de gua existentes. Uma das
formas que pesquisadores (CALIMAN, 2002; SOARES, 2003) encontraram para a
resoluo desse problema foi recorrer s tcnicas computacionais.
LUVIZOTTO (1998) classifica os modelos matemticos, para controle e deteco de

perdas por vazamentos, em diretos e inversos. Os modelos diretos visam simular o
comportamento dos sistemas de distribuio de gua (presses nos ns e vazes nos
12
trechos), tendo conhecidas s caractersticas das tubulaes e acessrios bem como os

dados referentes aos vazamentos. J os mtodos inversos visam detectar a posio e o
volume dos vazamentos, conhecendo-se algumas presses e vazes no sistema (pontos
monitorados), atravs do processo de calibrao.
A seguir faz-se uma descrio detalhada das diferentes formulaes de vazamentos

existentes na literatura e da forma com que tais vazamentos so introduzidos nos
modelos de anlise hidrulica.
2.2.1 Formulao matemtica de vazamentos atravs de orifcio

A considerao de vazamentos nas anlises de redes hidrulicas surgiu da necessidade
de que em mdia 20 a 50% (BROTHERS, 2001) de toda gua produzida, para fins de
abastecimento, perdida ao longo da distribuio. Em consequncia disso, surge
tambm a dificuldade de como introduzi-los nas anlises hidrulicas. Vrios autores
(PUDAR e LIGGETT, 1992; ROSSMAN, 2000; COLOMBO e KARNEY, 2002)
ostentam a hiptese de que os vazamentos possam ser representados como orifcios de
seo constante.
PORTO (1998) define orifcio como sendo uma abertura de permetro fechado, de
forma geomtrica definida (circular, retangular, triangular, etc.), realizada na parede ou
fundo de um reservatrio ou na parede de um canal ou conduto em presso, pela qual o
lquido em repouso ou movimento escoa em virtude da energia potencial e/ou cintica
que possui. A expresso geral (lei dos orifcios) para a vazo descarregada atravs de
um orifcio de rea A, de pequenas dimenses e parede fina, sujeito a uma carga H
apresentada conforme eq.(2.19).
Q = C d A 2gH (2.19)
sendo Cd o coeficiente de descarga (adimensional); A rea do orifcio (pequenas

dimenses e parede fina em m2); g a acelerao da gravidade (m/s2) e H a carga
hidrulica (m).
Na prtica muito comum estimar porcentagens de vazamentos, considerando reas de

influncias, e som-las nas demandas de referncia nos ns3. Segundo alguns
pesquisadores (COLOMBO e KARNEY, 2002; TODINI, 2003) essa maneira uma
3
Essa informao foi obtida atravs de entrevistas realizadas com engenheiros de diversas companhias
(SANESUL, GUAS GUARIROBA, SAAE Piracicaba) de saneamento no Brasil.
13
forma simplificada de considerar vazamentos nas anlises hidrulicas. COLOMBO e

KARNEY (2002) reportam que a formulao introduzida por ROSSMAN (2000), no
Epanet 2, apresenta uma relao mais adequada para tal considerao.
ROSSMAN (2000) sugere que os vazamentos em redes de distribuio de gua sejam

modelados atravs da funo de orifcio (eq. 2.19). Segundo esse pesquisador, os
parmetros Cd, A e 2g da eq.(2.19) podem ser agrupados em um nico coeficiente
(Ce), denominado emitter coefficient no Epanet 2, para obter a eq.(2.20).
QL j = i H ia (2.20)
sendo QL o vazamento referente as tubulaes i conectadas ao n j; o coeficiente de

vazamento implementado no Epanet 2 (m3-a/s), H a presso mdia entre os ns
extremos da tubulao i (m) e a o expoente de vazamentos. Observa-se que se o
expoente de vazamentos (a) for igual a 0,5, a eq.(2.20) representa a equao de orifcios
e tem-se uma rea de seo constante, caso contrrio, o orifcio tem dimenso varivel
(considera coeficiente de vazamento ( ) multiplicado pelo comprimento do trecho).
A funo apresentada pela eq.(2.20) definida por dois parmetros ( e a). O

coeficiente reflete a dimenso e a forma de um vazamento. O parmetro a reflete a
relao de elasticidade ente a rea efetiva de vazamento e a presso interna atuante na
tubulao. Na literatura encontram-se muitas referncias (PUDAR e LIGGETT, 1992;
ROSSMAN, 2000; COLOMBO e KARNEY, 2002) sugerindo utilizar o valor de a igual
a 0,5, no entanto, essa uma aproximao simples que admite uma rea de seo
constante para o orifcio.
2.2.2 Modelao matemtica de vazamentos atravs de seo varivel

Vrios modelos matemticos vm sendo propostos na literatura para avaliar os
vazamentos em sistemas de distribuio de gua. Tais modelos so classificados
segundo SOARES (2003) em modelos de avaliao global e modelos de avaliaes
detalhadas e so ilustrados pela Figura 2.3.
A considerao de vazamentos em redes de distribuio de gua est diretamente

associada presso atuante nesses sistemas, sendo que, a taxa de vazamento aumenta
proporcionalmente com a elevao de presso. Assim, GERMANOPOULOS e
14
JOWITT (1989) apresentam uma relao (no linear) entre vazamentos e presso mdia
de servio conforme eq.(2.21).
QL ij = L ij [(H Z) i (H Z) j ] a (2.21)
sendo QL o vazamento ocorrendo no elemento de comprimento L entre os ns i e j; o

coeficiente de vazamento que depende das caractersticas do sistema (idade e
deteriorao das tubulaes e tipo de solo, dentre outras); H a energia no n (i ou j); Z a
cota topogrfica do n (i ou j) e a o expoente de vazamentos. GERMANOPOULOS e
JOWITT (1989) reportaram que esse expoente foi baseado em investigaes de campo e
deveria ser igual a 1,18.
Modelos de Vazamentos
Modelos de Avaliao Global Modelos de Avaliao Detalhada
Explcitos Iterativos
Germanopoulos e Jowitt
National Water Counsil (1980) Hernndez et al. (1991)
(1989)
Lambert e Hirner (2000) Salgado, Rojo e Zepeda (1993) Soares (2003)
Tucciarelli, Criminisi e
Lambert et al. (2000)
Termini (1999)
Burrows, Tanymboh e Tabesh Martnez, Conejos e Vercher
(2000) (1999)
Figura 2.3 Classificao dos modelos de avaliao de vazamentos
Depois de identificada a vazo referente parcela de vazamentos em um elemento de

rede (por exemplo, uma tubulao), pode-se apresentar ento o balano de massa nodal
atravs da eq.(2.22). Para efeito de modelao matemtica, representa-se um vazamento
como uma ocorrncia nodal, ou seja, o vazamento dividido entre os ns de montante e
jusante.
1
Q
j i
ij + qi +
2 j i
QLij = 0 i = 1, 2, K , NN (2.22)
15
sendo Q a vazo entre os ns i e j; o conjunto de ns conectado ao n i; q a demanda

no n i; QL o vazamento na tubulao entre os ns i e j e NN o nmero de ns na
rede.
Redes de distribuio de gua so projetadas e planejadas para atender as demandas

atuais e futuras. Presses excessivas podem ocorrer nos sistemas de distribuio de
gua, no entanto, para que um servio seja considerado satisfatrio essas presses
devem ser minimizadas, para consequentemente reduzir vazamentos. Foi dessa forma
que JOWITT e XU (1990) propuseram uma metodologia para minimizar os vazamentos
atravs do ajuste das vlvulas controladoras de vazo na rede. As restries referentes a
esse problema foram o balano de massa nos ns, os requisitos de energia mnima e o
controle de vlvulas. Como as equaes desse problema so no lineares, o mtodo da
teoria linear foi empregado prioritariamente para linearizar as referidas equaes,
combinado com uma tcnica de otimizao (programao linear) que apresentava a cada
passo aproximaes das energias nos ns e das aberturas das vlvulas. Vrios trabalhos
(REIS, PORTO e CHAUDHRY, 1997; VAIRAVAMOORTHY e LUMBERS, 1998)
tambm se destacaram no ajuste de vlvulas controladoras de forma a minimizar o
vazamento total do sistema.
Estimar perdas por vazamentos em sistemas de distribuio de gua uma tarefa

complexa. Os vazamentos referentes s tubulaes conectadas em cada n no so
constantes e dependem de ambos os fatores: presso e parmetros caractersticos da
rede. TUCCIARELLI, CRIMINISI e TERMINI (1999) propem um procedimento
inverso iterativo em dois passos, para obter uma estimativa dos parmetros no
conhecidos do sistema (coeficiente e expoente de vazamentos). Depois de determinado
esses parmetros caractersticos, as energias, as vazes e os vazamentos so ento
obtidos atravs da simulao hidrulica da rede. Esse procedimento estima as taxas de
vazamentos para cada setor de rede (rea de vazamentos). Isso pode ser til na
identificao de reas prioritrias para substituio de tubulaes, pois, em muitas
situaes reais os vazamentos esto diretamente relacionados deteriorao de
componentes.
Esses mesmos pesquisadores supem que as perdas por vazamentos em sistemas de

distribuio de gua so proporcionais aos fatores caractersticos (quebras, juntas mal
vedadas, tipo de material e solo, qualidade de gua, presso de operao, idade do
sistema, prticas incorretas de operao e manuteno) do setor que o n pertence. Com
16
isso, haver valores caractersticos, referentes ao expoente de vazamentos (a) e ao

coeficiente de vazamentos ( ), para cada setor de vazamentos da rede em estudo.
Segundo esses pesquisadores quando o expoente tem valor mnimo de 0,5 (leis dos
orifcios), corresponde a um valor constante de reas de pequenos vazamentos em torno
dos ns. Na formulao de GERMANOPOULOS e JOWITT (1989) esse expoente
maior que 1 (igual a 1,18), que fisicamente significa maiores vazamentos associados
com um aumento de presso. TUCCIARELLI, CRIMINISI e TERMINI (1999)
defendem a hiptese de que cada sistema tem seus parmetros caractersticos para o
modelo de vazamentos, os quais devem ser calibrados para possibilitar uma estimativa
razovel. Os vazamentos distribudos ao longo da superfcie das tubulaes, propostos
por esses autores, so formulados de acordo com a eq.(2.23).
i

QLi = (H i Zi ) a 2D L
j=1
ij ij ij (2.23)
sendo QL o vazamento quantificado do n i; H a energia total disponvel no n i; Z cota

topogrfica referente ao n i; a o expoente de perda referente ao setor de vazamentos
que o n i pertence; o conjunto de ns cujos trechos so interconectados ao n i; D
e L so o dimetro e o comprimento, respectivamente dos trechos (j) ligados ao n i e
a constante de vazamentos, por unidade de superfcie de tubulao, do trecho j do n i.
Assumindo-se a variao espacial e temporal dos vazamentos, MARTNEZ, CONEJOS

e VERCHER (1999) propuseram um modelo dinmico para simular o comportamento
da rede sob um perodo de 24 horas. Esse modelo incorporou tanto a dependncia de
presso dos vazamentos quanto dependncia de presso das demandas e foi construdo
utilizando o cdigo do Epanet (ROSSMAN 1994). Em se tratando da modelao de
vazamentos, tais pesquisadores consideraram formulaes para a parte modelada
(tubulaes principais do sistema macro ou esqueleto) e para a parte no modelada
(tubulaes com dimetros pequenos, com consumos inferiores a parte modelada).
A formulao considerada por MARTNEZ, CONEJOS e VERCHER (1999) para parte

modelada da rede baseada na proposio de GERMANOPOULOS e JOWITT (1989)
(eq. 2.21), que assume uma distribuio uniforme dos vazamentos ao longo das
tubulaes. Entretanto, MARTNEZ, CONEJOS e VERCHER (1999) aperfeioaram tal
formulao pela introduo do conceito de falhas de tubulaes. Essa formulao
baseia-se no fato de que as perdas por vazamentos na parte modelada da rede podem ser
17
consideradas proporcionais ao nmero de quebras de tubulaes (eq. 2.24) durante certo

intervalo de tempo.
N b = KLD d e a (2.24)
sendo que Nb o nmero de quebras durante o intervalo [0, ] ; K um coeficiente

dependente do material, do tipo e da qualidade da instalao; L o comprimento da
tubulao (m); D o dimetro da tubulao (m); d um expoente que recebe o valor
igual a 1 se forem tubos de dimetros pequenos (abaixo de 125 mm) e 1 para dimetros
maiores; a um expoente de ajuste da evoluo temporal das quebras e a idade das
tubulaes (anos).
A eq.(2.21) pode ser reescrita (eq. 2.25) considerando um grupo de tubulaes, de

mesmo material e idade, e introduzindo o efeito estatstico do nmero de quebras na
taxa de vazamentos do n i.
QL i = LD d e a [(H Z) i ]1,18 (2.25)
As perdas por vazamentos na parte no modelada da rede, segundo MARTNEZ,

CONEJOS e VERCHER (1999), podem ser maiores que na parte modelada devido ao
nmero elevado de quebras nas tubulaes de dimetros pequenos (rede secundria). A
formulao apresentada (eq. 2.26) por esses pesquisadores admite vazamentos
referentes parte no modelada.
QLi = Kq i [(H Z) i ]a (2.26)
sendo K um coeficiente de ajuste global para um setor determinado (m-a); q a demanda

no n i (m3/s) pertencente ao mesmo setor; a o expoente de perda referente ao setor de
vazamentos e H e Z so respectivamente a carga hidrulica (m) e a cota topogrfica do
n i (m).
2.3 Demandas dependentes da presso

A modelao matemtica permite que o projeto, a calibrao, a reabilitao e a operao
de redes hidrulicas possam ser investigados de maneira mais efetiva. A anlise de redes
realizada com tais propsitos deve satisfazer as equaes de continuidade e energia.
Trata-se de um problema complexo, face ao carter no linear dessas equaes. A
18
tcnica clssica para anlise de redes denominada anlise dirigida pela demanda
(ADD) desde a proposio de Hardy Cross, em 1930. As demandas nos ns so
consideradas fixas, e cabe ao modelo determinar as vazes nas tubulaes e presses
nos ns, hidraulicamente consistente com atendimento pleno dessas demandas,
considerando que os sistemas so fechados e o escoamento ocorre sob presso.
Em sistemas reais, orifcios e aberturas (vazamentos) esto presentes nos diversos

componentes dessas redes (tubulaes furadas ou quebradas, conexes com juntas mal
vedadas, dentre outros) fazendo com que ocorram as perdas hdricas, denominadas
vazamentos distribudos ou latentes. Assim, se a presso disponvel no sistema for
insuficiente, as referidas demandas no sero integralmente atendidas.
Dessa forma, alguns pesquisadores (SALGADO, ROJO e ZEPEDA, 1993; FUJIWARA

e LI, 1998; MARTNEZ, CONEJOS e VERCHER, 1999; TUCCIARELLI, CRIMINISI
e TERMINI, 1999; TABESH e KARIMZADEH, 2000; TANYIMBOH, TABESH e
BURROWS, 2001; SOARES, 2003) vm reexaminando os modelos existentes e
afirmando que as demandas nos ns no devem ser fixas, mas variveis com a presso
disponvel na rede. Essas anlises so denominadas anlises dirigidas pela presso
(ADP).
hr
H1 kQn
hd
Z1
H2
2
Z2
Plano de Referncia
Figura 2.4 Ilustrao hipottica reservatrio - n de consumo
Investigando os diversos sistemas urbanos de distribuio na ndia e observando que a

gua abastecida populao era menor que a demanda real requerida,
CHANDAPILLAI (1991) teceu vrias crticas aos modelos de simulao vigentes,
dizendo que tais modelos eram incapazes de reproduzir o comportamento do sistema
devido dependncia de presso das demandas nos ns. A Figura 2.4 apresenta a
ilustrao de tal procedimento atravs da considerao hipottica de um sistema
19
reservatrio-consumidor. Pode-se afirmar que a energia disponvel no n de consumo

(ponto 2) descrita conforme a eq.(2.27).
H 2 =Z 2 +h d (2.27)
sendo H2 a energia disponvel no ponto 2; Z2 a cota topogrfica do n no ponto 2 e hd a

presso disponvel no ponto 2 na qual pode variar dependendo das caractersticas da
tubulao que liga os ns 1-2. Considerando a eq. (2.27), pode-se supor H2 em termos
de duas condies conforme eq.(2.28).
H 2 = H min = Z 2 + P min
(2.28)
H 2 = H des = Z 2 + P des
sendo Hmin e Hdes as energias mnima e desejvel, respectivamente; Pmin a presso

mnima e Pdes a presso desejvel.
qreq
0
H
min des
H2 H min
H H2 H des
H2 H
Figura 2.5 Relao entre energia e vazo
Considerando a situao hipottica apresentada pela Figura 2.4, CHANDAPILLAI

(1991) prope uma relao parablica (Figura 2.5) entre energia e demanda. Segundo
esse autor, se no ponto de consumo (ponto 2) a presso disponvel (hd), para um dado
instante, for menor que a presso mnima necessria para que haja algum atendimento, a
demanda requerida (estimada) para consumo naquele n no atendida. Se a presso
disponvel estiver entre o valor de presso mnimo e um valor de presso desejvel
(presso cessria para o atendimento da demanda integral), a demanda parcialmente
atendida. Caso essas duas situaes anteriores no se verifiquem, a demanda
20
totalmente atendida. Para a situao onde a demanda (q) parcialmente atendida, esse
pesquisador apresenta uma relao conforme eq.(2.29).
1
H j H min n
q j = q req j (2.29)
j
Hj Hj
des min

sendo q a demanda realmente atendida; qreq a demanda nodal (demanda de projeto,

geralmente estimada); H a energia do n j; Hmin a energia mnima necessria para o
atendimento parcial da demanda no n j e Hdes a energia desejvel para que o
atendimento a demanda nodal seja integral.
Uma outra situao a ser considerada quando a demanda nodal torna-se excessiva em
algum ponto da rede devido a uma condio extrema, por exemplo, demanda de
incndio ou quando uma bomba falha ou uma tubulao quebra. Assim, o sistema de
distribuio de gua torna-se deficiente por no satisfazer todas demandas nodais. Essa
situao dificilmente pode ser simulada em modelos dirigidos pelas demandas onde
todas as demandas so concentradas nos ns, presumindo que, as demandas nodais
sempre sejam satisfeitas. Com base nessas discusses, GUPTA e BHAVE (1996)
realizaram uma comparao dos mtodos existentes que levam em considerao o no
atendimento das demandas nodais devido a uma deficincia de presso na rede.
Segundo esses pesquisadores BHAVE (1981) apud GUPTA e BHAVE (1996) foi um
dos pioneiros na introduo da demanda dependente da presso simultaneamente nas
anlises hidrulicas. A relao proposta por esse pesquisador apresentada conforme
eq.(2.30).
q j = q req
j se H j H min
j
0 < q j < q req

j se H j = H min
j (2.30)
qj = 0 se H j H min
j
sendo q a demanda real; qreq a demanda concentrada nos ns (demanda de projeto); H

a energia real disponvel no n j e Hmin a energia mnima necessria para o
atendimento parcial da demanda no n j. Para o clculo da demanda real q, pode ser
utilizada a formulao de GERMANOPOULOS (1985) apud GUPTA e BHAVE (1996)
21
que sugere uma relao presso-demanda em funo dos parmetros j citados na eq.
(2.30) e de dois novos parmetros (K e Hdes), sendo K uma constante nodal e Hdes a
energia necessria para o atendimento integral da demanda requerida (qreq). Essa
formulao apresentada atravs da eq.(2.31).
( H j H min
K j des min
j )

req
( H j H j )
q j = q j 1 10
(2.31)

A formulao apresentada por WAGNER, SHAMIR e MARKS (1988) e

CHANDAPILLAI (1991) sugerem uma relao parablica para a demanda
parcialmente abastecida (q). Essa formulao ilustrada pela Figura 2.5 e apresentada
pela eq.(2.32).
q j = q req
j se H j H des
j
1
H j H min n
q j = q req j se H min < H j < H des (2.32)
j
H des H min j j
j j
qj = 0 se H j H min
j
sendo n um coeficiente geralmente igual a 2. Em linhas gerais, pode-se mencionar uma

relao de dependncia da vazo com a presso.
Outra observao que deve ser ressaltada a relao apresentada por BHAVE (1981)
apud GUPTA e BHAVE (1996) que apresenta uma funo em forma de degrau, ou seja,
ou h atendimento integral ou no h atendimento. J a formulao apresentada de
WAGNER, SHAMIR e MARKS (1988) e de CHANDAPILLAI (1991) prope uma
funo mais suave (relao parablica) para as os ns com energias entre a mnima e a
desejvel (eq. 2.31). Essa proposio, fisicamente, mais real, pois, se h energia no n
alguma parcela de demanda est sendo abastecida.
Um procedimento geral iterativo para analisar a relao demanda-presso apresentado

por GUPTA e BHAVE (1996). Segundo esses pesquisadores essa anlise pode ser
dividida em quatro passos.
22
Passo 1 Inicialmente simula-se a condio em regime permanente considerando as

demandas de entrada (qk) e obtm-se as energias (Hk) nodais referentes;
Passo 2 Com os valores de Hk, corrige-se as demandas (qk+1) atravs da eq.(2.31) ou

da eq. (2.32);
Passo 3 Com os novos valores de demanda (qk+1), simula-se novamente a rede e

obtm-se os novos valores de Hk+1;
Passo 4 - Comparam-se os valores de Hk+1 com Hk e os valores de qk+1 com qk, e se no

verificarem diferenas significativas, volta-se ao passo 1 calculando-se novos valores
para q com as energias de Hk+1. Caso contrrio a convergncia satisfeita.
Para investigar a eficincia e adequao dos mtodos GUPTA e BHAVE (1996)

compararam os mtodos (eq. 2.30 e 2.32) em uma pequena rede em srie de quatro
trechos e um reservatrio, e concluram que, o mtodo que utiliza a relao parablica
para a relao demanda-presso foi o que apresentou os melhores resultados atravs de
anlises de regresso.
Um sistema de distribuio de gua considerado confivel quando, para cada n, todas

demandas impostas so atendidas com energia acima do limite de servio. Se,
porventura, alguma falha ocorrer no sistema (quebra de tubulaes, parada de bombas,
reparo na rede), e as demandas impostas no forem atendidas devido a alguma
insuficincia de presso, o sistema apresentar confiabilidade baixa.
Percebe-se, portanto, que modelos de simulao dirigidos pela demanda no so

adequados para analisar a confiabilidade de redes em termos do atendimento nodal.
Dessa forma, FUJIWARA e LI (1998) propuseram um mtodo de programao de
metas para analisar a confiabilidade de redes de distribuio de gua considerando
algumas situaes de falhas. Tais pesquisadores reportam a necessidade de se incorporar
demandas dependentes da presso nos modelos de simulao hidrulica nas anlises de
confiabilidade. Uma das principais contribuies desse trabalho se refere funo
demanda-presso proposta, descrita pela eq. (2.33). Essa funo (eq. 2.33) por ser
diferencivel em seus pontos de inflexo, apresenta vantagens frente s outras funes
descritas (eqs. 2.31 e 2.32), alm de ser facilmente incorporada nos mtodos de
otimizao que se baseiam no gradiente da funo (matrizes jacobianas).
Incorporar demanda varivel com a presso nos modelos de simulao hidrulica para
avaliar a confiabilidade hidrulica dos sistemas de distribuio de gua tem sido uma
23
tendncia recente, pois estabelece uma situao mais real em termos das variveis de
estado (energias e vazes). Por exemplo, alguns pesquisadores (TUCCIARELLI,
CRIMINISI e TERMINI, 1999; SOARES, 2003) vm considerando tais anlises na
calibrao de modelos de redes hidrulicas.
q j = q req
j se H j H des
j
qj = q req
(H j H min
j ) (3H
2 des
j 2H j H min
j ) se H min < H j < H des (2.33)
j
( ) j j
3
H des
j H min
j
qj = 0 se H j H min
j
A formulao (eq. 2.34) proposta por TUCCIARELLI, CRIMINISI e TERMINI (1999)

mostra-se adequada para efeito da modelao matemtica, pois as funes so contnuas
e finitas.
q j = q req
j se H j H des
j
Hj Zj
2

q j = q req
j sen se 0 < H j H des (2.34)
2H des
j
qj = 0 se Hj 0
Diferentes nveis piezomtricos (patamares de presso) caracterizam o escoamento nas

redes de distribuio de gua durante as 24 horas de um dia tpico. Por exemplo, em
perodos diurnos as demandas so elevadas, e com isso, as presses so baixas. Em
perodos noturnos acontece o inverso, as demandas so menores (baixo consumo) e as
presses tornam-se elevadas (favorecendo vazamentos). Baseando-se nessas hipteses,
MARTNEZ, CONEJOS e VERCHER (1999) propuseram um modelo para descrever o
comportamento dinmico de redes de distribuio de gua considerando a dependncia
de presso (varivel de estado) das demandas e dos vazamentos, para diferentes
situaes operacionais. Esse modelo matemtico de vazamentos e de demandas foi
incorporado de forma direta no cdigo do Epanet (ROSSMAN, 1994). Esse pacote
computacional baseado no mtodo convencional de anlise de redes (ADD). A
formulao de vazamentos utilizada por esses pesquisadores j foi discutida no sub item
24
(2.2.2). A formulao que descreve a relao demanda-presso apresentada conforme

eq.(2.35).
q i = K i [(H i Z i ) (H i H imin )] n (2.35)
sendo K um coeficiente de ajuste global, por setor, para o n i; q a demanda no n i, H a

energia disponvel no n i; Z a cota topogrfica do n i e Hmin a energia mnima
necessria para o atendimento de uma determinada parcela de demanda e n um expoente
que depende das caractersticas do setor. MARTNEZ, CONEJOS e VERCHER (1999)
encontraram um valor para o expoente n igual a 0,21. A determinao desse expoente
baseou-se em investigaes de campo na cidade de Valncia (Espanha), entretanto, no
h descries desse procedimento na literatura.
Uma das formas de identificar caractersticas (rugosidades absolutas das tubulaes,

demandas nos ns, acessrios presentes, mas que no se encontram nos dados
cadastrais, dimetros de tubulaes, dentre outros) das redes de distribuio de gua
utilizar procedimentos de calibrao (WALSKI, 1983; BHAVE, 1988; ORMSBEE,
1989; BOULOS e WOOD, 1990; LANSEY e BASNET, 1991; DATTA e
SRIDHARAN, 1994; DE SCHAETZEN et al., 2000; GAMBALE, 2000; CHEUNG,
2001; RIGHETTO, 2001; CALIMAN, 2002; KAPELAN, SAVIC e WALTERS, 2002;
SILVA, 2003; SOARES, 2003). Tais procedimentos fornecem uma estimativa de
parmetros do sistema, no conhecidos ou alterados (idade avanada), para que em uma
etapa posterior, o seu comportamento operacional possa ser avaliado de modo mais real.
Grande parte desses modelos utilizou a anlise convencional de redes (ADD) e no
incorporou a dependncia de presso dos vazamentos e das demandas. No entanto, trs
trabalhos (CALIMAN, 2002; SILVA, 2003; SOARES, 2003), do conjunto ora citado,
so excees.
Por exemplo, CALIMAN (2002) props uma metodologia para calibrao do modelo
presso-vazamento e aplicou essa metodologia em uma rede real da cidade de So
Carlos, SP. SILVA (2003) props um modelo de calibrao em dois passos cujo
primeiro passo calibrava as rugosidades absolutas e o segundo passo calibrava os
parmetros de vazamentos, atravs da rotina computacional, proposta por CALIMAN
(2002).
25
Por fim, SOARES (2003) desenvolveu uma metodologia de calibrao que inclua tanto
a relao presso-vazamento quanto relao presso-demanda. Os parmetros
calibrados nesse modelo foram: rugosidades absolutas, demandas, dimetros, cotas
topogrficas e parmetros do modelo de vazamentos alm de localizar singularidades
hidrulicas na rede.
Segundo HARRIS (1984), a calibrao uma tcnica de determinao dos parmetros

do modelo (rugosidades, demandas, dimetros, dentre outros) atravs de medies das
variveis de estado (energia ou vazo) em pontos estratgicos das redes de distribuio
de gua. A identificao desses parmetros geralmente realizada com auxlio de
tcnicas de otimizao que minimizam a diferena entre os valores observados (reais) e
os valores simulados. SOARES (2003) utilizou a tcnicas dos algoritmos genticos em
conjunto com um algoritmo de busca baseado no mtodo simplex.
A Figura 2.6 apresenta o algoritmo iterativo proposto por SOARES (2003) para as
avaliaes hidrulicas considerando demanda e vazamentos dependentes da presso.
Esse pesquisador investigou vrias formulaes da relao presso-demanda e conclui
que a formulao (eq. 2.34) apresentada por TUCCIARELLI, CRIMINISI e TERMINI
(1999) consumiu menor tempo computacional e para efeito de modelao a melhor.
Em relao formulao de vazamentos, a eq.(2.23) apresenta vantagens por considerar
vazamentos por rea de superfcie de tubo, ao contrrio de outras formulaes
(GERMANOPOULOS e JOWITT, 1989) que consideram perdas por comprimento.
A maior dificuldade na avaliao de vazamentos distinguir a parcela de gua

(demanda) consumida e a parcela de vazamentos, dada uma vazo real conhecida
(abastecida). O algoritmo proposto por SOARES (2003) faz essa distino partindo do
princpio que a vazo real abastecida a soma das demandas mais a vazamentos (eq.
2.36).
TS = TD + V (2.36)
sendo que TS a vazo total abastecida (conhecida); TD o somatrio da demanda

total efetivamente abastecida e V o vazamento total.
As demandas variam espacialmente e temporalmente, entretanto supondo-se que todos

os ns possuam o mesmo padro temporal (FT) para toda rede e que a demanda
potencial de referncia definida como sendo a multiplicao desse fator temporal pelo
26
somatrio das demandas nos ns (demandas de referncia), pode-se escrever a

eq.(2.37).
TDP = FT . TS ref (2.37)
sendo TDP a demanda total potencial de referncia; FT o fator temporal e TSref a

demanda de referncia nos ns (demanda concentrada). Assim, pode-se definir a
demanda potencial total como sendo a soma demanda total potencial (2.38) menos a
parcela (PDNA) de deixa que ser atendida devido s restries de presso (modelo
presso-demanda).
TD = TDP PDNA (2.38)
Incio
k=1
TS
FTk =
TSref
q = q . FTk
Avaliao Hidrulica - EPANET 2
Presses e Vazes
Clculo das novas demandas Avaliao dos vazamentos (v) - (eq. 2.23) FTk + FTk +1
FT =
q = FT k.q + V Avaliao das demandas (q) - (eq. 2.34) 2
1 = max| |
No
Convergncia
Sim 2 =| FTk+1 FTk | No
TS + FTk .TSref TDk Vk

FTk +1 = Convergncia
TSref
3 = TS Vk TDk
Sim
Fim Algoritmo
Figura 2.6 Algoritmo iterativo de avaliao hidrulica (proposto por SOARES, 2003)
Substituindo as eqs.(2.37) e (2.38) na eq.(2.36), obtm-se a eq.(2.39).
TS + PDNA V
FT = (2.39)
TS ref
27
sendo que para o passo inicial (k = 1) FT igual a TS/TSref, ou seja, sem vazamentos.
Para os passos posteriores (k+1) o fator multiplicador e calculado conforme eq.(2.40).
TS + FT k . TS ref TD k V k
FT k +1 = (2.40)
TS ref
A Figura 2.7 apresenta o fluxograma do algoritmo de calibrao proposto por SOARES

(2003). Essa metodologia utiliza um procedimento hbrido entre um algoritmo de busca
global (algoritmos genticos) e um algoritmo de busca local baseado no mtodo
simplex. Segundo SOARES (2003), a hibridao alm de poupar esforo
computacional, permite um melhor refinamento da soluo final.
O prximo item apresenta uma reviso bibliogrfica dos modelos de reabilitao

propostos na literatura. Esses modelos so classificados em modelos estatsticos e
modelos baseados nas tcnicas de anlise de sistemas.
Incio Algoritmo
Dados de entrada do modelo
Inicializao do modelo
(Populao inicial)
Avaliao hidrulica Mdulo de otimizao

(Epanet 2) (GAlib C++)
Procedimento de variao
(Operadores geneticos)
No
Convergrncia
(Nmero de geraes)
Sim
Mdulo de busca local

(Mtodo Simplex)
Avaliao hidrulica
(Epanet 2)
Sim
No
Convergrncia Fim Algoritmo
Figura 2.7 Algoritmo hbrido de calibrao (proposto por SOARES, 2003)

3 MODELOS DE REABILITAO
Este captulo enfoca os modelos de reabilitao de sistemas de distribuio de gua para

abastecimento existentes na literatura. Os mesmos podem ser classificados em dois
grupos, o primeiro visa reabilitar componentes individuais da rede sem se preocupar
com a anlise hidrulica do sistema e so baseados em tcnicas estatsticas. J o
segundo grupo identifica os componentes da rede que devem ser reabilitados,
considerando a avaliao hidrulica do sistema e so baseados em tcnicas de anlise de
sistemas. Os modelos pertencentes ao segundo grupo vm sendo extensivamente
investigados na literatura, ao longo dos anos, e utilizam tcnicas de programao
matemtica como mtodos de resoluo. No entanto, as solues apresentadas por esses
mtodos vm sendo questionadas por no apresentarem flexibilidade de escolha da
melhor alternativa, pois, geralmente so baseados na otimizao de objetivo nico, na
qual gera apenas uma soluo como reposta. Recentemente, pesquisadores tm
apontado que o planejamento de sistemas urbanos no deve considerar um nico
objetivo no processo de deciso; objetivos mltiplos existem e devem ser incorporados
nas anlises. A seguir, apresenta-se uma breve reviso dos trabalhos encontrados na
literatura relativos aos dois grupos, ora citados.
3.1 Consideraes gerais

A reabilitao de sistemas de distribuio de gua uma prtica antiga e comum que
vem sendo desenvolvida desde a implantao dos primeiros ncleos urbanos servidos de
redes de distribuio. Muitas reabilitaes j foram realizadas na antiguidade,
principalmente em civilizaes que sofreram conflitos histricos (guerras), no entanto, a
reabilitao s se consolidou como uma tcnica cientfica com o surgimento das
tubulaes de ferro fundido.
A histria retrata que as primeiras tubulaes de ferro utilizadas para transportar gua
foram implantadas na Alemanha, especificamente, no castelo de Dillenburg em 1455;
em Logensalya em 1562 e em Braunfels em 1661. Um fato histrico marcou o incio do
29
processo de reabilitao de sistemas de distribuio de gua, quando em 1810, todas as

tubulaes de madeira, na cidade de Thames (Inglaterra), foram substitudas por
tubulaes de ferro fundido. Outra ocorrncia marcante foi substituio da tubulao
principal que compunha o sistema de Braunfels, em 1932, por uma tubulao de maior
dimetro, aps seus 271 anos de uso (SKEAT, 1961).
Aps a revoluo industrial, o crescimento populacional e a demanda por gua

elevaram-se no meio urbano, afetando os sistemas de distribuio de gua existentes.
Assim, as redes comearam a ser expandidas e modificadas com o propsito de
transportar gua aos consumidores de maneira eficiente. O desafio da poca foi
dimensionar sistemas redundantes, de forma possibilitar que parte da populao
continuasse recebendo gua, caso ocorresse alguma falha no sistema. Isso foi
conseguido com a proposio e construo de redes em circuitos fechados. Foi ento
nessa poca que os primeiros modelos para anlises de redes, tambm denominados
simuladores hidrulicos, foram propostos (McLROY, 1950; SURYAPRAKASAN,
REID e GEYER, 1950).
Durante muitos anos os sistemas de distribuio de gua para abastecimento foram

projetados sem auxlio de computador. Entretanto, recentemente, WALSKI et al. (2003)
citam trs vantagens dos modelos computacionais. Primeiro, os clculos manuais de
redes so extensos e tediosos e fazem com que os projetistas fixem previamente
decises a serem perseguidas. Segundo, os modelos computacionais podem incorporar
com facilidade as complexidades do sistema real (bombas, vlvulas, demanda varivel
com a presso, vazamentos, dentre outros). Finalmente, a rapidez desses modelos
fornece aos projetistas possibilidades de se avaliar vrias alternativas sob vrias
condies, conferindo robustez aos projetos.
As aplicaes dos modelos matemticos para anlise, operao e reabilitao de redes

so dependentes da qualidade dos dados de entrada. O comportamento e as
caractersticas de tais sistemas so dinmicos, uma vez que mudam ao longo do tempo
devido ao crescimento das demandas e a alterao nas rugosidades das tubulaes que
alteram a capacidade hidrulica da rede. Assim, tais anlises s podem ser realizadas a
contento se efetuadas para sistemas calibrados. Para que isso ocorra, a verdade de
campo deve ser conhecida atravs de valores reais para os parmetros de demandas,
dimetros, rugosidades, dentre outros. A etapa de calibrao imprescindvel,
geralmente obtida atravs de mtodos inversos, ou seja, minimizao dos desvios
30
entre os dados observados e os respectivos valores simulados. Vrios modelos de

calibrao esto disponveis na literatura (WALSKI, 1983; BHAVE, 1988; ORMSBEE,
1989; BOULOS e WOOD, 1990; LANSEY e BASNET, 1991; DATTA e
SRIDHARAN, 1994; DE SCHAETZEN et al., 2000; GAMBALE, 2000; CHEUNG,
2001; RIGHETTO, 2001; CALIMAN, 2002; KAPELAN, SAVIC e WALTERS, 2002;
SILVA, 2003; SOARES, 2003).
Recentemente, CHEUNG (2001) realizou uma comparao dos mtodos clssicos de

calibrao de redes hidrulicas que ajustam simultaneamente os fatores de rugosidade e
as demandas nos ns. O autor argumentou sobre a necessidade de utilizao de
algoritmos que determinem os melhores pontos de amostragem no sistema para
obteno de dados observados e apresentou uma generalizao do algoritmo de
calibrao explcito proposto por BOULOS e WOOD (1990). Esse algoritmo foi
baseado na tcnica de Newton-Raphson, acoplado com o simulador hidrulico proposto
por SOUZA (1994).
Depois que os dados so calibrados, os modelos computacionais podem ser utilizados

para diversas finalidades, principalmente para auxiliar no dimensionamento timo de
componentes da rede, seja no projeto de expanso, operao ou reabilitao. Tais
dimensionamentos referem-se a novos dimetros, ao ajuste das aberturas de vlvulas,
aos nveis de reservatrios, as decises de reabilitao (limpeza, duplicao,
substituio), dentre outros.
Vrios modelos matemticos j foram desenvolvidos para otimizar os sistemas de

distribuio de gua para abastecimento, cujos aperfeioamentos na busca de solues
mais elaboradas, so devidos aos esforos de diversos pesquisadores. As tcnicas de
simulao e programao matemtica que foram empregadas no passado consideraram
critrios pautados em anlises do tipo custo/benefcio. No princpio, essas tcnicas
visavam os projetos de abastecimento urbano e tinham como objetivo principal
minimizao de custos. Com o decorrer do tempo e devido idade avanada dos
elementos que compe as redes hidrulicas, as referidas tcnicas comearam a ser
desenvolvidas e aplicadas nos programas de reabilitao, pois os problemas de perdas
de gua e o colapso nas tubulaes tornaram-se frequentes, reduzindo a qualidade do
servio e a gua abastecida. Como consequncias de tais fatos pode-se apontar a
elevao dos custos de manuteno e operao, refletindo-se diretamente na insatisfao
dos usurios.
31
Os custos citados podem ser substanciais em uma anlise de deciso, pois uma quantia
de capital elevada necessria para restabelecer e manter nveis adequados de servios,
em funo dos fundos limitados de investimentos disponveis no setor. As medidas
adotadas para o problema geralmente so paliativas, tornando o processo de deciso
uma rea de grande interesse para reabilitao e/ou expanso dos sistemas. Nesse
sentido, muitos pesquisadores tm estudado o estado das redes hidrulicas e as
respectivas estratgias de manuteno e recuperao, visando alocao tima de
recursos financeiros limitados.
Modelos de Reabilitao
Modelos de Anlises de
Modelos Estatsticos
Sistemas
Figura 3.1 Classificao dos modelos de reabilitao de redes hidrulicas (adaptado de

DANDY e ENGELHARDT, 2001a)
A literatura reporta diversos modelos de deciso desenvolvidos para analisar o problema

de reabilitao de redes. As complexidades que tais modelos variam de acordo com sua
utilizao. Esses modelos so classificados em modelos estatsticos e modelos de
anlises de sistemas (Figura 3.1), apresentados nos prximos itens deste trabalho.
3.2 Modelos de estatsticos

Os modelos de estatsticos identificam os componentes das redes hidrulicas que devem
ser reabilitados individualmente, sem considerar os efeitos globais causados na rede
decorrentes dessas mudanas. A maioria desses modelos baseia-se em estudos de caso
isolados e especficos, utilizando como informaes, o ciclo de vida dos componentes e
os dados histricos disponveis referentes aos reparos dos sistemas.
O ciclo de vida de componentes, descrito por AGGARWAL (1993), pode ser

representado pelas diferentes etapas caracterizadas por taxas de falhas distintas,
conforme ilustrado na Figura 3.2. A fase prematura o perodo em que os
componentes exibem taxa de falhas elevada. Nessa fase, as mesmas ocorrem devido a
erros de instalao e a defeitos de fabricao. Nas indstrias eletrnica e mecnica, por
32
exemplo, essa fase evitada atravs do funcionamento exaustivo desses componentes

sob um certo perodo de tempo nos laboratrios de testes da prpria indstria. Isto
justifica o fato de vrios modelos estatsticos considerarem apenas a fase final da curva
do ciclo de vida, geralmente ajustado a um modelo exponencial, em suas anlises. No
entanto, para tubulaes este procedimento no possvel. As falhas, nessa fase,
ocorrem e no podem ser evitadas, pois esto relacionadas s instalaes inadequadas,
ao tipo de solo, as tenses de transporte, a falhas de fabricao, as condies transientes,
dentre outras. As falhas em tubulaes s podem ser identificadas a partir do instante
em que estas se encontram no prprio local de operao.
Fase Prematura Vida til Fase de Degradao

Taxa de Falhas
Tempo
Figura 3.2 Ciclo de vida de componentes (AGGARWAL, 1993)
O segundo perodo da curva do ciclo de vida, denominado vida til, caracterizado pela
taxa constante. Nessa fase os componentes falham por efeitos aleatrios, denominados
tambm efeitos catastrficos, ou pela interferncia da terceira fase. Nesse perodo as
falhas podem ser previstas atravs da gerao de cenrios sintticos aleatrios seguindo
uma distribuio estatstica (AGGARWAL, 1993).
Finalmente, na fase de degradao, as falhas ocorrem principalmente devido idade

avanada das tubulaes e demais componentes hidrulicos, em consequncia das novas
regras operacionais e da exposio ao meio em que se encontram. As falhas nesse
perodo s podem ser evitadas atravs da manuteno do sistema, que envolve
substituies, reparos e reforos de componentes deteriorados.
ASCHER e FEINGOLD (1984) classificaram a curva de ciclo de vida (curva

representativa que relaciona a taxa de falhas de tubulaes contra o tempo a vida til
de operao de componentes) em unidades reparveis ou no reparveis. Se a unidade
33
for no reparvel, a curva descreve a probabilidade de falha instantnea (funo de

risco) em relao ao tempo, pois os modelos so dedicados obteno do perodo entre
falhas. Se a unidade for reparvel, a curva descreve a taxa de ocorrncia de falha em
relao ao tempo. Geralmente, os componentes de sistemas de distribuio de gua so
tratados como unidades reparveis (MAYS et al., 1989), ou seja, podem ser colocados
em servio novamente, aps reparos terem sido realizados.
Assim, antes de apresentar os modelos de reabilitao, necessrio definir falhas em

sistemas de distribuio de gua que, de modo geral, qualquer fenmeno que ocasiona
uma deficincia em termos de presso e vazo nas redes hidrulicas. Segundo
CULLINANE, LANSEY e MAYS (1992), essas falhas podem ser mecnicas ou
hidrulicas. As falhas hidrulicas so decorrentes de diversos fatores, dentre os quais
pode-se citar: o aumento de demandas nos ns (crescimento populacional), o aumento
da rugosidade das tubulaes (idade das redes), os vazamentos distribudos (construo,
trfego, solo, dentre outros) e a falta de energia eltrica (desligamento de bombas). J as
falhas mecnicas so decorrentes de quebras dos componentes hidrulicos como
bombas, vlvulas e tubulaes. Esses rompimentos so ocasionados por diversos
fatores. Os mais comuns so: as presses elevadas (interrupes da rede e transientes
hidrulicos), os eventos catastrficos (movimentos ssmicos), os defeitos de fbrica
desses componentes e as tenses elevadas (trfego sob o sistema).
Devido s falhas hidrulicas ou mecnicas interferirem diretamente nos ciclos de vida

dos componentes, alguns modelos apresentados posteriormente consideram as trs fases
da curva apresentada na Figura 3.2, enquanto outros, consideram apenas uma ou duas
fases. PELLETIER, MAILHOT e VILLENEUVE (2003) classificam os modelos de
falhas em trs categorias: fsicos, descritivos e de previso.
Os modelos fsicos consistem em analisar os fenmenos fsicos que provocam falhas

nas tubulaes tais como: corroso interna e externa, tenses de trfego sobre a rede,
tipo de solo, qualidade da gua. RAJANI e KLEINER (2001) apresentam uma reviso
completa desses modelos.
Os modelos descritivos tm objetivo de quantificar os parmetros estatsticos que

servem como indicador de padres e tendncias das quebras. Tais anlises s podem ser
desenvolvidas em sistemas que contm uma base de dados, com as caractersticas das
tubulaes e os registros histricos das quebras, completo. Por essa razo, existem
34
poucos estudos de casos na literatura (CLARK e GOODRICH, 1989; MALE, WALSKI

e SLUTSKY, 1990; GOULTER, DAVIDSON e JACOBS, 1993).
Os modelos de previso tm objetivo de analisar o comportamento das quebras

existentes e projetar esse comportamento para o futuro. Existem dois principais tipos de
modelos: determinnisticos e probabilsticos. Os determinsticos so propostos
(SHAMIR e HOWARD, 1979; WALSKI e PELLICCIA, 1982) atravs de relaes
lineares ou exponenciais entre o nmero de quebras e a idade das tubulaes ou atravs
de anlises de regresso (CLARK, STAFFORD e GOODRICH, 1982) que tentam
prever as quebras supondo fatores que influenciam a degradao das tubulaes. Os
probabilsticos (MARKS et al., 1985; HERZ, 1996; LEI, 1997; GAT e EISENBEIS,
2000; MAILHOT et al., 2000) utilizam a tcnica de anlise de sobrevivncia para
prever tal comportamento. A anlise de sobrevivncia uma tcnica estatstica que
quantifica o tempo em que uma tubulao possivelmente falhar.
Modelos determinsticos
O objetivo dos modelos determinsticos investigar as falhas nas redes de distribuio

de gua utilizando parmetros conhecidos, como idade e histrico de falhas, para ento,
priorizar os componentes hidrulicos a serem reabilitados. Uma das formas que alguns
pesquisadores (SHAMIR e HOWARD, 1979; WALSKI e PELLICCIA, 1982)
encontraram para implementar tais modelos foi dividir o sistema em setores de
caractersticas semelhantes, de forma a manter a homogeneidade e uniformidade dos
grupos de componentes pertencentes a cada setor.
SHAMIR e HOWARD (1979), estudando o histrico de quebras nos sistemas de

distribuio de gua reais, propuseram um modelo de previso baseado em uma anlise
de regresso, para obter uma relao exponencial entre a taxa de quebra e a idade das
tubulaes. Segundo esses pesquisadores, as quebras so decorrentes da qualidade e
idade das tubulaes, do tipo de solo no qual a tubulao est assentada, do sistema
construtivo e das condies operacionais do sistema. Para a determinao do tempo
timo de substituio de tubulaes, esses estudos incorporaram os custos totais
convertidos para o valor presente, fornecendo dessa forma uma relao entre
reabilitao e anlise econmica. A funo de quebras proposta por esses autores :
N b ( t ) = N b ( t 0 )e a ( t t 0 ) (3.1)
35
sendo t o tempo em anos; Nb representa o nmero de quebras por unidade de

comprimento por ano (quebras/km/ano) no ano t ou t0; t0 refere-se ao ano de instalao
da tubulao (tubulao nova) e a o coeficiente de evoluo (crescimento) da taxa de
quebra (ano-1). Esses pesquisadores no forneceram detalhes de onde foi realizado o
estudo, da qualidade e quantidade dos dados disponveis e dos mtodos de anlise. No
entanto, recomendaram que anlises de regresso fossem aplicadas para grupos de
tubulaes homogneas, em relao aos fatores que influenciavam as quebras.
Nesse mesmo trabalho, SHAMIR e HOWARD (1979), investigando a relao entre

reabilitao e vida til econmica das tubulaes, propuseram uma tcnica analtica (eq.
3.2) para determinar o tempo timo de substituio de tubulaes, baseada nos custos de
uma tubulao em termos do valor presente de reparos de quebras e investimento de
capital. Observa-se que o modelo exponencial (eq. 3.1) de quebras incorporado na
formulao, com objetivo de fornecer o tempo timo de substituio das tubulaes.
Tais anlises (econmica) surgiram para substituir as tcnicas subjetivas, baseadas na
experincia dos analistas, utilizadas at ento. Essa relao dada pela funo:
T
C(T) = C s e rT + LC r N b (t 0 ) e a (t + t 0 )e rt dt (3.2)
0
sendo que C o custo total; Cs o custo de substituio de uma tubulao ($/km); r a

taxa de juros; T o ano de substituio de uma tubulao; L o comprimento da
tubulao; Cr o custo de reparo de uma quebra ($); Nb o nmero de quebras por
unidade de comprimento por ano (quebras/km/ano); t0 refere-se ao ano de instalao da
tubulao (tubulao nova); a o coeficiente de evoluo (crescimento) da taxa de
quebra (ano-1) e t o tempo. O tempo de substituio timo a primeira derivada de
C(T) igualada a zero sendo resolvida para T.
Crticas ao modelo proposto por SHAMIR e HOWARD (1979) foram tecidas por
GOULTER, DAVIDSON e JACOBS (1993), demonstrando que o modelo proposto (eq
3.1) s poderia ser aplicado a grupos homogneos de componentes da rede, pois
assumia implicitamente uma distribuio uniforme de quebras em relao a esse grupo.
As falhas em tubulaes representam uma frao significativa nos custos de

manuteno dos sistemas de distribuio de gua. Embora tcnicas qualitativas
forneam as causas e o tempo de substituio dos componentes das redes, pouca ateno
tem sido dada aos mtodos quantitativos. Dessa forma, WALSKI e PELLICCIA (1982),
36
realizando um estudo de caso e investigando os dados de quebras reais em conjunto com

os custos envolvidos nos trabalhos de substituio e reparos, aperfeioaram a relao
apresentada por SHAMIR e HOWARD (1979) propondo uma alterao no modelo
exponencial. Esses pesquisadores (WALSKI e PELLICCIA, 1982) argumentaram sobre
o valor utilizado no modelo proposto por SHAMIR e HOWARD (1979), o qual no
indicava que a quebra elevava-se rapidamente com a idade das tubulaes. Assim, dois
fatores de correo (C1, C2) foram incorporados ao modelo exponencial. O fator (C1)
avaliado na quebra prvia conhecida dos tubos, j o outro fator (C2) est relacionado aos
dimetros, por exemplo, dimetros elevados ( 500 ) apresentaram taxa de rompimentos
maior que dimetros menores ( < 500 ). Essa relao apresentada pela equao (3).
N b ( t ) = C 1 C 2 N b ( t 0 )e a ( t t 0 ) (3.3)
Crticas aos fatores de correo C1 e C2 foram realizadas por KLEINER e RAJANI

(2001). Esses pesquisadores argumentaram sobre o quanto tais fatores melhorariam a
qualidade da soluo. Outra crtica recaiu sobre arbitrariedade na incorporao desses
fatores na formulao exponencial, sem consistncia estatstica. A justificativa de
WALSKI e PELLICCIA (1982) para aperfeioamento do modelo exponencial foi de
que o fator de crescimento de falhas era baixo no modelo proposto por SHAMIR e
HOWARD (1979) e que os fatores C1 e C2 melhorariam a qualidade da soluo, pois
influenciavam apenas a taxa de quebra e no a taxa de crescimento anual.
A escolha da opo (limpar, revestir ou substituir) de reabilitao mais adequada para

um dado sistema, atendendo s especificaes de custo e capacidade de bombeamento,
um problema complexo. Por exemplo, em uma situao em que as opes disponveis
consistem na instalao de bombas adicionais, na limpeza ou no reforo de tubulaes,
o decisor pode optar por uma alternativa no desejada pelos consumidores. WALSKI
(1982) ciente desses problemas apresentou um mtodo para determinar a viabilidade
econmica da substituio de tubulaes, tendo em vista as redues financeiras
produzidas na energia e na capacidade de bombeamento do sistema. A identificao da
deciso de reabilitar tubulaes baseada nos custos da energia consumida pelas
bombas, na capacidade de aduo, nas vazes dos tubos e no fator de atrito antes e
depois da reabilitao. Anlises de sensibilidade foram realizadas para demonstrar o
efeito das diferentes variveis, na deciso de reabilitao. O pesquisador demonstrou
37
que para funo custo de energia eltrica, o mtodo pode descartar a possibilidade de
reabilitar o sistema se o preo da energia for muito baixo.
Modelos probabilsticos
Os modelos probabilsticos so capazes de explicitar quantitativamente os fatores que

causam falhas em sistemas de distribuio de gua utilizando um breve histrico de
quebras. Essas caractersticas fazem dos mtodos probabilsticos, tcnicas poderosas
para a previso de futuras quebras de componentes das redes hidrulicas. Entretanto, a
aplicao desses mtodos complexa e exige certo grau de experincia do analista para
concepo dos modelos. Algumas vantagens podem ser obtidas com tais mtodos,
dentre elas, a possibilidade de se trabalhar com um subconjunto dos dados histricos
referentes ao sistema.
Vrios modelos probabilsticos (MARKS et al., 1985; CONSTANTINE e DARROCH,

1993; HERZ, 1996; LEI, 1997; GAT e EISENBEIS, 2000; KLEINER e RAJANI, 2001)
vm sendo propostos na literatura. Os avanos desses estudos seguem para a
determinao da distribuio de probabilidades que melhor se adapta s ocorrncias de
quebras em sistemas de distribuio de gua. No entanto, esses mtodos vem sendo
constantemente aperfeioados e revisados. Trabalhos como de CONSTANTINE e
DARROCH (1993) propem que a funo que melhor se ajusta a distribuio Poisson.
J BRMOND (1997) refere-se a distribuio Weibull como a funo que melhor ajusta
taxa de quebras baseados na funo densidade de dados observados.
LOGANATHAN, PARK e SHERALI (2002) relacionaram a porcentagem de quebra de

tubulaes atravs de um modelo conjugado entre as distribuies Exponencial e
Weibull. Parmetros das distribuies de probabilidade so estimados e a porcentagem
de quebras retirada das funes estatsticas obtidas. Assim possvel derivar
analiticamente o tempo de timo de substituio. Nesse trabalho, foi salientado que a
distribuio Exponencial no apresentou bons resultados para a quantificao de falhas,
ao contrrio, a distribuio Weibull mostrou-se mais adequada ao problema alm de
requerer apenas um subconjunto do conjunto de dados considerados.
Portanto, pode-se dizer que o estado da arte continua avanando em relao aos
modelos matemticos e estatsticos de reabilitao de componentes dos sistemas de
distribuio de gua. Muitos algoritmos e tcnicas so propostos, mas ainda no existe
um modelo universal de falhas aplicado a redes hidrulicas. Uma ateno especial
38
dedicada aos modelos que utilizam anlise de sobrevivncia na literatura, devido

flexibilidade que esses modelos apresentam, pois permitem ajustar diferentes
distribuies de probabilidade no decorrer da anlise. Isto faz com que a modelao
torne-se mais prxima da problemtica real.
Uma complexidade inerente ao problema de reabilitao a quantidade de fatores

incertos que podem provocar as quebras nesses componentes. Esses fatores so locais e
variam em relao regio de estudo. No entanto, alguns deles so comuns, como por
exemplo, a idade avanada das tubulaes, o trfego sob o sistema, o material composto
das tubulaes e o tipo de solo que certamente afetam a taxa de quebras. A principal
dificuldade em se aplicar tais modelos estatsticos est relacionada aos registros
histricos das quebras, que nem sempre esto disponveis.
No item seguinte so abordados os modelos de reabilitao encontrados na literatura

que se baseiam em tcnicas otimizao para anlise de reabilitao de sistemas de
distribuio de gua para abastecimento.
3.3 Modelos baseados nas tcnicas de anlise de sistemas
Com o surgimento de modelos eficientes para anlise de redes, as tcnicas de anlise de

sistemas comearam a ser aplicadas no planejamento de sistemas de distribuio de
gua, especificamente, no projeto timo dos mesmos. Os primeiros modelos foram
propostos utilizando a programao linear (ALPEROVITS e SHAMIR, 1977; BHAVE,
1979) como ferramental para resoluo do problema de dimensionamento de redes,
atendendo-se s restries de custo. No entanto, a simplificao (linearizao) da funo
objetivo ocultam informaes que deveriam ser consideradas em tais anlises. No
passado, essa simplificao tornou-se necessria devido s limitaes computacionais.
Esforos e aperfeioamentos foram realizados (DEB e SAKAR, 1971;

WATANATADA 1973; BHAVE, 1979; QUINDRY, BRILL LIEBMAN, 1981) para
aprimoramento e refinamento das tcnicas clssicas de otimizao. Alguns estudos
(KALLY, 1969; LIANG, 1971; YANG, LIANG e WU, 1975) adotaram a programao
dinmica como mtodo de resoluo. Como esta tcnica requer elevado tempo
computacional suas aplicaes no se difundiram. As tcnicas de programao no
linear (JACOBY, 1968; MORGAN e GOULTER, 1985; FUJIWARA e
GANESHARAJAH, 1993; FORMIGA, 1999) firmaram-se como ferramentas eficientes,
por tratarem a no linearidade dos problemas, aproximando-se mais da problemtica
39
real. Alguns trabalhos destacaram-se tambm pela anlise de todas as possveis solues
para o problema de otimizao atravs dos algoritmos de enumerao (GESSLER,
1985).
Enquanto esforo considervel foi empenhado durante as ltimas dcadas no

desenvolvimento de projetos eficientes, a problemtica da reabilitao de redes
hidrulicas recebeu menor ateno. Pode-se afirmar que a reabilitao de sistemas de
distribuio de gua um problema complexo, pois alm de envolver muitas variveis,
considera vrias opes (duplicao, substituio, limpeza, eliminao e reforos de
componentes) que podem ser implementadas nos sistemas como alternativa de melhoria
dos mesmos. Poucos modelos tm sido propostos para quantificar a melhor estratgia de
reabilitao, comprometendo-se em manter o desempenho hidrulico do sistema em
conformidade com os nveis de servio adequados.
Ao contrrio das tcnicas descritas no item (3.2), os modelos baseados em tcnicas de

anlise de sistemas avaliam as diversas alternativas (projeto, operao e reabilitao)
atravs de simulaes hidrulicas (avaliam o desempenho global). Esses modelos
analisam tanto a eficincia como o custo do sistema reabilitado, simultaneamente, para
gerar os planos de manuteno. Diversas aplicaes, utilizando mtodos clssicos de
otimizao, vm sendo propostas na literatura (LI e HAIMES, 1992; LANSEY et al.,
1992; KIM e MAYS, 1994; DE SCHAETZEN et al., 1998; KLEINER, ADAMS e
ROGERS, 1998) para auxiliar na deciso de escolha das melhores opes de
reabilitao a serem adotadas em um sistema.
Uma alternativa ideal seria a reabilitao de todos os componentes hidrulicos

deteriorados de um sistema existente, entretanto, isso invivel sob o ponto de vista
econmico, pois os recursos financeiros disponveis so limitados e insuficientes para
contemplar todo sistema. Assim, a escolha da melhor alternativa de reabilitao no
uma tarefa simples, pois envolve decises que consideram no s os aspectos
econmicos e fsicos das aes de reabilitao, mas tambm, o efeito das mesmas na
confiabilidade do sistema.
A grande dimenso e o alto grau de no linearidade dos sistemas deteriorados fazem da

reabilitao um problema de difcil resoluo. LI e HAIMES (1992) propuseram um
modelo, baseado na teoria de Markov, que maximiza a disponibilidade (medida de
desempenho) do sistema considerando restries de custos. As variveis de deciso
foram as tubulaes. Esses pesquisadores consideraram tambm o modelo de falhas
40
proposto por ANDREOU, MARKS e CLARK (1987). A metodologia foi aplicada

rede hipottica estudada por JACOBY (1968) e ALPEROVITS e SHAMIR (1977). Para
reduzir a dimenso do problema, LI e HAIMES (1992) decompuseram o problema de
otimizao no linear em uma srie de problemas lineares menores. A decomposio do
problema no linear em problemas menores reduziu o custo computacional do modelo
de otimizao dinmica e foi a principal contribuio do trabalho.
Um sistema devidamente reabilitado deve fornecer gua em quantidade e qualidade

satisfatrias aos consumidores. KIM e MAYS (1990), estudando as estratgias de
deciso dos componentes de sistemas existentes, propuseram um mtodo utilizando
programao inteira em conjunto com a programao no-linear com restries
probabilsticas para elevar a capacidade de bombeamento, de tal forma que as demandas
e as energias em todos os ns fossem atendidas, enquanto o custo total fosse
minimizado. Variveis inteiras (0 e 1) foram definidas como as opes a serem
implementadas na rede. Quatro funes custo foram consideradas para enquadrar as
diferentes opes de reabilitao (substituio, reparo, energia e aumento da capacidade
de bombeamento). O algoritmo de soluo utilizou a tcnica de enumerao implcita
acoplada ao algoritmo de gradiente generalizado reduzido, para resolver o subproblema
no linear. Esses pesquisadores no garantiram a obteno do timo global, mas
admitiram a eficincia da tcnica. As vantagens do modelo proposto foram incluir
incertezas relativas a algumas variveis de deciso, simular vrios cenrios de demanda
e incorporar as diferentes funes de custo.
Segundo KLEINER, ADAMS e ROGERS (1998), a deteriorao em uma rede de

distribuio de gua deve ser considerada sob dois aspectos, capacidade hidrulica
(integridade estrutural devido idade das tubulaes) e critrios econmicos (custos de
operao e manuteno, perdas por vazamento, reduo na qualidade de servio). O
mtodo proposto utilizou a programao dinmica em conjunto com a enumerao
parcial e implcita para definir o projeto de reabilitao com base na minimizao de
todos os custos sobre um horizonte de planejamento sujeito s restries do sistema,
determinando o tempo final da prxima medida de reabilitao. A deciso de
implementar uma ao de reabilitao em um certo perodo de tempo determinada no
apenas pelo estado corrente do sistema, mas tambm pelas aes futuras de reabilitao.
A formulao da capacidade hidrulica foi derivada da equao de perda de carga em
uma tubulao utilizando as equaes de Hazen-Williams.
41
Medidas de rugosidade interna das tubulaes so importantes para todo tipo de anlise
em redes de distribuio de gua. Fundamentalmente, existem trs maneiras de obter as
informaes sobre esse parmetro incerto. A primeira utilizar valores tpicos da
literatura. A segunda maneira determinar as rugosidades das tubulaes existentes via
modelos de calibrao. Por ltimo, pode-se medir a rugosidade das tubulaes atravs
de testes de perda de carga em campo. No entanto, nenhum desses mtodos fornece a
extrapolao desse parmetro para o futuro.
Alguns trabalhos relacionam a taxa de deteriorao com o tipo de tubulao, com a

qualidade de abastecimento e com as prticas operacionais. COLEBROOK e WHITE
(1937) e LAMONT (1981) apresentaram relaes entre os coeficientes de rugosidade e
o tempo atravs de dados histricos e estudos de caso, mas foi SHARP e WALSKI
(1988) que propuseram uma metodologia consistente, baseada nos ajustes de Colebrook
e White, segundo o qual o valor do coeficiente de rugosidade apresenta-se dependente
do tempo e tem efeito na capacidade hidrulica. A formulao apresentada em duas
partes, uma para a tubulao antes da reabilitao e outra para a tubulao aps a
reabilitao. Para a tubulao antes da reabilitao :
e + a (t + g)
C HW ( t ) = 18,0 37,2 log 0 (3.4)
D
sendo CHW o coeficiente de rugosidade de Hazen-Williams na tubulao i e no tempo t

(antes da reabilitao); e 0 a rugosidade inicial na tubulao no tempo de instalao da
tubulao (m), considerada nova; a a taxa de crescimento da rugosidade na tubulao
(m/ano); D o dimetro da tubulao (m); g a idade da tubulao no tempo de anlise
(anos) e t o tempo transcorrido do tempo presente aos perodos futuros ( t < Tij ) em
anos. Aps a reabilitao da tubulao com a alternativa de reabilitao j o coeficiente

de Hazen-Williams na tubulao no ano t :
e 0 + a (t + Tj )
C HW ( t ) = 18,0 37,2 log (3.5)
D
onde e 0 a rugosidade inicial da tubulao na poca de implementao da reabilitao
(m); a a taxa de crescimento da rugosidade da tubulao na poca da reabilitao

(m/ano); D o dimetro da tubulao aps a reabilitao j (m); T a poca da
42
reabilitao da tubulao (anos transcorridos at o tempo presente) e t o tempo

transcorrido desde a implementao da alternativa de reabilitao ( t > Tij ) em anos.
Uma estratgia de reabilitao deve garantir que um sistema de distribuio de gua

continue a operar eficientemente e economicamente de acordo com os requisitos
operacionais, durante um extenso perodo de tempo. Essas anlises devem ser baseadas
no entendimento de como esses sistemas deterioram-se e suas diferentes caractersticas
de desempenho. ENGELHARDT et al. (2000) afirmaram que vantagens podem ser
obtidas quando a estratgia de reabilitao considera os custos associados em um
planejamento de longo prazo. Os critrios econmicos, hidrulicos, de confiabilidade e
de qualidade da gua devem ser considerados na busca de uma estratgia efetiva. De
acordo com os referidos autores, muitos modelos de deciso tm sido desenvolvidos,
porm falhas resultantes da considerao meramente econmica tem representado
inadequadamente os problemas reais. Poucos modelos consideram horizontes de
planejamento de longo prazo e o ciclo de vida dos componentes do sistema.
Embora mtodos de otimizao convencionais incluindo programao linear, no linear

e dinmica possibilitam clculos eficientes para a soluo de mnimo custo ao longo dos
anos, algumas desvantagens inerentes a esses mtodos, devido ineficincia na busca
do timo global (soluo tima local), falta de flexibilidade no trato de variveis
discretas e a complexidade na implementao, demandaram a busca por tcnicas mais
eficientes. Nos ltimos anos, vem mudando o paradigma da pesquisa operacional com
uso de mtodos no convencionais. Vrias tcnicas de otimizao recentes vem sendo
propostas e aperfeioadas de forma que o timo global possa ser obtido. Com as
proposies de tcnicas evolucionrias como os algoritmos genticos, baseadas nos
mecanismos da evoluo natural das espcies, esses problemas comearam a ser revisto.
A prxima seo aborda o estado da arte dessas tcnicas, aplicadas a problemtica dos
sistemas de distribuio de gua para abastecimento.
3.3.1 Algoritmos genticos aplicados a sistemas de abastecimento

A complexidade inerente aos sistemas de abastecimento de gua associada s suas
propriedades no lineares tem limitado o uso de tcnicas de otimizao convencionais
para analisar o desempenho global dos sistemas. Uma soluo tima para o problema de
projeto redes hidrulicas a combinao de dimetros que fornece o custo mnimo para
um conjunto de demandas projetadas satisfazendo simultaneamente s restries de
43
continuidade e energia. As vazes nas tubulaes e presses nos ns, correspondentes

aos referidos dimetros, so determinadas via anlise hidrulica.
Geralmente na otimizao, os dimetros das tubulaes so representados por variveis

discretas (dimetros comerciais) e, dessa forma, a busca da soluo tima por mtodos
convencionais dificultada, pois os mesmos trabalham com variveis contnuas. Em se
tratando de um sistema de abastecimento de gua existente, analistas e decisores
esbarram com uma variedade de opes que podem ser implementadas nesses sistemas
de forma aumentar a eficincia tais como: limpeza, reforo, duplicao ou eliminao
de tubulaes existentes alm de dimensionar novas tubulaes. A questo que aes
de reabilitao so difceis de serem aplicadas por procedimentos de otimizao
convencionais.
Diversos trabalhos (MURPHY e SIMPSON, 1992; SIMPSON, DANDY e MURPHY,

1994) foram propostos e so pioneiros na utilizao dos algoritmos genticos como
ferramenta computacional para determinao do projeto timo, bem como de planos de
reabilitao para sistemas hdricos em geral, mais especificamente os de abastecimento
de gua. Essas tcnicas vem se consolidando como tcnicas adequadas e adaptveis
aos problemas em questo, devido flexibilidade de incorporar problemas discretos, a
ausncia do uso de derivadas, a eficincia na explorao do espao de busca, alm das
facilidades, na implementao e no tratamento de funes complexas e descontnuas.
Investigando os problemas relativos a sistemas de abastecimento de gua, MURPHY e

SIMPSON (1992) aplicaram algoritmos genticos simples para projeto de expanso e
reabilitao do sistema proposto por GESSLER (1985). As variveis de deciso foram
os dimetros de tubulaes novas e opes de reabilitao que inclua limpeza e
construo de tubulaes paralelas ao sistema existente. Para aplicao dos AGs foi
utilizado um cdigo binrio onde cada varivel do vetor de deciso foi representada por
trs bits. A justificativa de utilizao desse cdigo foi fundamentada nos conceitos
bsicos dos AGs (teorema do esquema) que GOLDBERG (1989) afirma ser eficiente,
pois tende a manter os blocos de construo4 em cada iterao do modelo. A soluo
tima global foi obtida por enumerao completa e comparada com as solues
produzidas pelos AGs. Como a soluo tima do problema tinha que obedecer s
4
Holland em 1975 afirmou que a soluo tima ser encontrada em uma regio que contem alta proporo de boas solues. Um
conjunto de vetores (indivduos) que representam boas solues possui certas similaridades nos valores de suas variveis de deciso.
Um subvetor de similaridades, que pertence a esse conjunto citado, que contribui para elevar o valor de aptido mdio denominado
Bloco de Construo (WU e SIMPSON, 2001).
44
restries de presses mnimas requeridas nos ns, sob trs cenrios de demandas, foi
considerada uma funo penalidade incorporada funo objetivo. A funo penalidade
considerada no trabalho foi:
C p = max[K (H min
j H j )] j (3.6)
sendo que o conjunto de todos os ns que apresentam dficit de presso (abaixo da

mnima requerida) para as diferentes curvas de demanda (mnima, mdia e mxima) de
uma possvel soluo; K o custo fictcio unitrio associado a penalidade ($/m); H a
energia referente a combinao de variveis produzidas pelos AGs no n j (m) e Hmin
a energia mnima requerida no sistema para o n j (m), sem considerar aes de
melhorias do sistema.
Funes penalidade so aproximaes que auxiliam a obteno de solues timas

dentro da regio factvel do espao de busca. O custo penalidade somado ao custo
total. Com isso, solues boas tendem apresentar custo penalidade prximo de zero e
solues ruins tendem a manter custos penalidade elevados, provavelmente sendo
descartadas pelos AGs durante o processo iterativo.
Para avaliao das solues, recorre-se s denominadas funes aptido, que relacionam
as funes objetivo com as funes penalidade, para fornecer o ndice de desempenho
de cada vetor de deciso (mrito da soluo). Considerando um problema de otimizao
qualquer, o valor da funo objetivo corresponde ao custo total associado a um
determinado conjunto de variveis de deciso que representa completamente uma
soluo para o problema em questo. No trabalho de MURPHY e SIMPSON (1992), a
funo aptido foi definida como sendo o inverso da funo objetivo custo a ser
minimizada, pois conceitualmente, os AGs foram propostos para maximizao. Outro
motivo para essa opo o fato de que operadores de seleo foram desenvolvidos
apenas para a maximizao, por exemplo, o algoritmo de seleo atravs de roleta. A
funo de aptido a ser maximizada considerada pelos referidos autores, no caso de
minimizao, foi:
1
= NT
(3.7)
C
j=1
Tj + Cp
45
sendo NT o nmero de tubulaes no sistema; representa a funo de aptido para

uma dada soluo; CT o custo total de todas as opes de reabilitao implementadas no
sistema, atravs da combinao das variveis de deciso e Cp o custo fictcio imposto
para evitar solues infatveis (custo penalidade).
Devido ao aparecimento de tcnicas de otimizao no convencionais, os problemas de

otimizao de redes de distribuio de gua para abastecimento comearam a ser
revistos, sob a tica da comparao com as tcnicas j consolidadas na literatura.
SIMPSON, DANDY e MURPHY (1994) compararam os algoritmos genticos com a
programao no-linear e a enumerao completa, para o problema proposto por
GESSLER (1985). Na otimizao no linear as variveis de deciso foram consideradas
contnuas, com a vantagem de consumir menos tempo computacional. Os autores
reportaram que os resultados mantiveram-se prximos da soluo global, mas no
acurados, devido s variveis serem contnuas. A tcnica de enumerao completa
consumiu 723 vezes mais tempo do que a otimizao no linear. A aplicao de ambas
as tcnicas mencionadas anteriormente invivel para sistemas de grande escala. J os
AGs mostram-se eficientes na busca da soluo global, o tempo computacional gasto
pelos AGs foi aproximadamente 7 vezes maior que a otimizao no linear.
Dificuldades foram encontradas na determinao do critrio de parada. A maior
vantagem apresentada por SIMPSON, DANDY e MURPHY (1994) foi que os AGs
apresentaram bom desempenho para problemas de natureza discreta.
Diferentes valores para o expoente da funo aptido, cdigo Gray5 e operador de

mutao para cdigo Gray so algumas da trs maneiras que DANDY, SIMPSON e
MURPHY (1996) encontraram para melhorar os AGs simples em termos de
desempenho e acurcia. O operador de mutao especfico (para cdigo Gray) muda o
valor do gene selecionado utilizando os valores de seus genes adjacentes. Esse operador
pode ser aplicado com facilidade para codificao binria, mas no pode ser aplicado
com eficincia para codificao real. Na codificao real, os genes adjacentes a outro,
escolhido para sofrer mutao, podem ter limites de variveis de deciso diferentes. O
cdigo Gray tambm considera dgitos binrios (0 e 1), na representao de suas
variveis de deciso diferenciada da codificao convencional binria. O expoente na
5
Essa codificao pode ser encontrada em textos especializados como GOLDBERG (1989) e MICHALEWICZ (1992). No entanto,
de forma geral, esta codificao caracteriza-se pela diferenciao da codificao binria convencional. Na codificao Gray as
subtrings adjacentes s tem um bit diferenciado. Por exemplo, considerando substrings adjacente: 0011, 0010 e 0110 observa-se que
apenas 1 bit mudou entre elas.
46
funo aptido uma forma de parametrizao dos valores dessa funo. Por exemplo,
gerao aleatria de indivduos muito semelhantes, pode conduzir a valores de aptido
muito prximos, dificultando a diferenciao dos indivduos mais aptos. A funo de
aptido utilizada por esses pesquisadores foi:
d

1
= NT (3.8)

CT j + Cp

j=1
sendo a funo aptido modificada (parametrizada); NT o nmero de tubulaes no

sistema; CTj o custo total para uma determinada soluo; Cp o custo penalidade e d
um expoente, considerado unitrio para AGs simples. A incorporao desse expoente na
formulao aumentou a competitividade entre os indivduos da populao. Com baixo
valor de d nas geraes iniciais, os AGs no detectam essas pequenas diferenas nos
valores de aptido, preservando dessa forma a diversidade da populao na explorao
global. Nas geraes posteriores, quando o valor de d torna-se maior, as diferenas no
valor da aptido das solues so mais evidentes e os AGs passam a concentrar suas
buscas em regies mais promissoras do espao de solues. A mutao adotada nesse
trabalho (DANDY, SIMPSON e MURPHY, 1996), destri sutilmente as solues,
permitindo assim exploraes locais do espao de busca. O cdigo Gray tambm foi
considerado eficiente nas investigaes realizadas. A principal desvantagem desse
estudo foi o tempo computacional consumido, apesar da soluo encontrada ser superior
soluo de mnimo custo apresentada por FUJIWARA e KWANG (1990).
O desenvolvimento de modelos computacionais eficientes para identificao de projetos

timos de sistemas de distribuio de gua, atendendo as restries no lineares
inerentes ao problema, tornou-se um grande desafio para pesquisadores dessa rea.
SAVIC e WALTERS (1997) integraram algoritmos genticos a um modelo para anlise
de redes (ROSSMAN 1994) e aplicaram tal tcnica em projetos de custo mnimo para
algumas redes exemplo propostas na literatura. O simulador hidrulico utilizado serviu
como avaliador das energias nos ns e vazes nos trechos, fornecendo assim subsdios
para o clculo do custo total da soluo que incorporava tambm uma parcela de
penalidade, como realizado por outros pesquisadores (MURPHY e SIMPSON, 1992;
47
DANDY, SIMPSON e MURPHY, 1996). Alm disso, SAVIC e WALTERS (1997)

consideraram o fator multiplicador de penalidade dinmica expresso pela eq.(3.9):
d
N
= K iter (3.9)
N max
sendo K um custo fictcio (igual ao custo penalidade definido na eq. 3.6); Niter o
nmero de iteraes; Nmax o nmero mximo de iteraes e d um parmetro
experimentalmente escolhido, geralmente igual a 0.8 (SAVIC e WALTERS, 1997).
Esse fator penalidade age diretamente no processo, no deixando que a melhor soluo
infactvel seja superior a alguma soluo factvel da populao. Trs problemas
exemplos da literatura foram estudados, dentre os quais um de expanso. Os resultados
mostraram que os AGs so adequados e no requerem hipteses simplificadores
(linearizaes) em sua formulao. Sua principal desvantagem diz respeito ao esforo
computacional requerido nas simulaes.
A aplicao dos AGs a problemas de processamento de grande escala, impe que o

tempo computacional seja levado em considerao. Foi analisando o tempo de
processamento dos AGs convencionais nos problemas de redes de distribuio de gua
que WU e SIMPSON (2001) propuseram a utilizao dos algoritmos genticos
competentes6 para projeto e reabilitao de sistemas de distribuio de gua. O
problema ento foi determinar a combinao de mnimo custo, em termos de novos
dimetros, opes de reabilitao, capacidades de bombeamento, dimensionamento de
reservatrios e ajuste de vlvulas. Uma nova tubulao poderia representar a opo de
expanso, substituio ou duplicao em um sistema existente. O custo total de uma
soluo de projeto e reabilitao foi ento minimizado, satisfazendo um conjunto de
objetivos do sistema. A funo objetivo, referente ao custo total associado a todos os
componentes a serem dimensionados e reabilitados, foi expresso pela eq.(3.10).
NTp NTr NB NR nv
CT = k =1
C k (D k )L k +
k =1
C k (D k , R k )L k +
k =1
C k (B k ) +
k =1
C k (DR k ) + C
k =1
k ( Vk ) (3.10)
6
Esses algoritmos tambm so denominados Algoritmos Genticos Messy e foram inicialmente propostos por GOLDBERG et al.
(1989), porm quem os desenvolveu foi um de seus orientados, DEB (1991), em sua tese de doutorado. O objetivo principal do
desenvolvimento desses algoritmos foi focalizado na melhoria de identificao e mudana dos Blocos de Construo a qual
conseguida atravs dos comprimentos dos vetores soluo varivel. Esse algoritmo exige menor tempo computacional aos AGs
convencionais.
48
sendo Lk o comprimento da tubulao k; NTp o nmero de tubulaes de projeto; NTr o

nmero de tubulaes a serem reabilitadas; NB o nmero de bombas; NR o nmero de
reservatrios e NV o nmero de vlvulas; Dk, Rk, Bk, DRk e Vk so variveis de deciso
que representam dimetro, opes de reabilitao (relacionada ao dimetro), capacidade
de bombeamento, dimenso do reservatrio e ajuste da vlvula reguladora e Ck refere-se
ao custo associado a cada varivel de deciso. Para cada combinao de variveis
discretas, o simulador hidrulico solicitado, para verificar as restries de tal forma
que a resposta seja factvel. As restries consideradas foram: presses mnimas nos
ns, velocidades e perda de carga mxima permitida, capacidade de bombeamento,
ajustes de vlvulas e volumes dos reservatrios.
Como forma de adaptar o problema de minimizao atravs de uma formulao de

maximizao, WU e SIMPSON (2001) propuseram:
CTi
=1 (3.11)
max C T i
i =1,..., POP
sendo POP a dimenso do conjunto populao e CTi o custo total de uma soluo de
projeto e reabilitao da iterao corrente. O valor da funo aptido varia 0 1 .
Para que uma funo objetivo geral, por exemplo custo, seja minimizada o valor de
deve ser maximizado.
Muitos sistemas de distribuio de gua existentes em operao, apresentam elevados

nveis de deteriorao, fazendo com que os custos de manuteno e operao sejam
onerosos. Apesar dos investimentos disponveis para recuperao das infraestruturas
urbanas deterioradas, geralmente, apenas uma pequena parcela desse montante
destinada reabilitao das redes hidrulicas. Assim, uma das complexidades do
problema como esses fundos devem ser alocados de maneira tima. Partindo dessas
premissas, DANDY e ENGELHARDT (2001a) desenvolveram um modelo de deciso
para fornecer planos de substituio de tubulaes para um perodo de planejamento de
longo prazo. Para esses pesquisadores o desenvolvimento de uma estratgia de
reabilitao eficiente deve envolver quatro estgios: investigao da problemtica
existente, estudo de caso, formulao do problema de reabilitao e compactao de
resultados. Na fase de investigao da problemtica realizada uma reviso dos
modelos de reabilitao propostos na literatura, bem como dos dados necessrios
resoluo do problema e a escolha do modelo a ser utilizado. Posteriormente
necessrio realizar um estudo detalhado da aplicao do modelo e levantamento dos
49
dados de entrada necessrios, seguido de uma terceira fase, que o estudo das
formulaes mais promissoras que descrevem o problema real. Finalmente, os analistas
devem apresentar resultados do modelo implementado, de forma compacta e de fcil
visualizao aos decisores e gestores responsveis.
Dados de Entrada
PASSO 1
- Determinao de quais tubulaes devem ser substiudas
Deciso 1
PASSO 2
- Determinao do ano de substituio das tubulaes
Deciso 2
PASSO 3
- Determinao dos dimetros das tubulaes
Deciso Final
Figura 3.3 Esquema geral do modelo proposto por DANDY e ENGELHARDT (2001a)
Antes que fosse desenvolvida uma estratgia de reabilitao efetiva, para apresentar os
planos de substituio de tubulaes em um sistema de distribuio real, DANDY e
ENGELHARDT (2001a) realizaram uma ampla reviso dos modelos existentes na
literatura e optaram por utilizar os AGs como tcnica de otimizao acoplada ao modelo
de deciso que tambm incorporava um simulador hidrulico. A modelao
compreendeu trs fases. Na primeira fase, um modelo foi utilizado para decidir se as
tubulaes seriam substitudas imediatamente ou posteriormente. Na segundo fase, foi
admitido um perodo de planejamento de vinte anos que inclua restries de fundos
disponveis a cada cinco anos. Na terceira fase, o modelo determinava os dimetros de
novas tubulaes do sistema. A Figura 3.3 ilustra tal procedimento. Os critrios
econmicos considerados foram os valores presentes dos custos de reparos das
tubulaes existentes, dos custos de futuras reparaes para novas tubulaes e dos
custos de substituio de tubulaes. As formulaes utilizadas foram:
Ts
k N b ( D, t ) C r (D) Fu ( U ) L
C r (Tr ) = t =0 (1 + r ) 5 t
(3.12)
50
sendo Cr o custo de reparos de quebras de tubulaes; Ts o tempo de substituio de

tubulaes; k igual a 2,5 para t = 0, caso contrrio, k igual a 5,0 para t = Ts; Nb a taxa
de quebra esperada do dimetro existente (D) no tempo t para tubulaes
(quebras/km/ano); Cr o custo de reparos de quebras para o dimetro D; Fu o fator custo
de quebra em relao ao seu uso (residencial, industrial, comercial, dentre outros); L o
comprimento da tubulao (km); t o tempo (anos) e r a taxa de juros. Observa-se que
os referidos pesquisadores utilizaram a formulao (eq. 3.1) proposta por SHAMIR e
HOWARD, (1979).
DANDY e ENGELHARDT (2001a) tambm apresentaram o custo de reparos de futuras

quebras (Crf) de uma tubulao nova de dimetro (D):
10
k N b (D, t ) C r (D) Fu ( U) L
C rf (D, Tr ) =
t = Tr (1 + r ) 5 t
(3.13)
sendo D o dimetro da nova tubulao instalada no tempo Tr e 10 menciona que as

tubulaes sero substitudas a cada 10 anos. O valor presente do custo de substituio
de tubulao, com dimetro (D) no tempo Tr, foi definido pela eq.(3.14)
1000 C s (D) L
C(D, Tr ) = 5 Tr

(3.14)
(1 + r )
sendo Cs o custo unitrio (por metro de comprimento) de tubulao substituda de

dimetro D.
O trabalho desenvolvido por DANDY e ENGELHARDT (2001a) proporcionou vrias

contribuies (incorporao do modelo de falhas, considerao de planejamento de
longo prazo e reabilitaes considerando as simulaes hidrulicas) ao estudo da
reabilitao de sistemas de distribuio de gua, apesar de considerar apenas a
substituio de tubulaes como opo de reabilitao. A aplicao desse modelo foi
realizada a um sistema de distribuio de gua existente para o qual se podia contar com
dados reais. O estudo de falhas (quebras) em tubulaes foi aperfeioado de maneira a
possibilitar a quantificao de custos de reparos. At ento, a literatura apenas reportava
a utilizao das equaes propostas por SHAMIR e HOWARD (1968) e WALSKI e
PELLICCIA (1982). Nesse trabalho, as falhas foram ajustadas aos dados histricos
disponveis pelo mtodo dos mnimos quadrados, de maneira possibilitar o prognstico
das taxas de quebras futuras necessrias ao planejamento de longo prazo. Dez anos de
51
registros de falhas foram utilizados, indicando a localizao da quebra, o material

(cimento amianto e ferro fundido) e o dimetro da tubulao reparada. As equaes
obtidas e propostas para o prognstico de falhas futuras foram as eqs.(3.15) e (3.16). A
eq.(3.15) foi desenvolvida para tubulaes de ferro. A eq.(3.16) foi desenvolvida para
tubulaes de cimento amianto.
3
N b = 0,02214 e ( 8,64.10 D ) 1, 337
g (3.15)
3
N b = 1,974.10 3 e ( 9, 74.10 D)
g 1,808 (3.16)
sendo que g representa a idade da tubulao (anos). O trabalho apresentou desvantagens

em relao ao tempo computacional requerido pelos AGs. Estudos futuros foram
sugeridos, pautados na necessidade de incorporao de outros objetivos a serem
considerados simultaneamente.
WALSKI (2001) criticou alguns modelos de otimizao desenvolvidos nos ltimos anos
para os projetos de recursos hdricos e argumentou sobre a simplicidade da funo
objetivo (minimizao de custos) geralmente empregada, razo pela qual, segundo o
autor, os resultados obtidos no atendem s necessidades reais. O autor afirma que os
sistemas de distribuio reais apresentam muitos outros objetivos que devem ser
considerados nos modelos de deciso, como por exemplo, os benefcios no
mensurveis, e discute formas de quantificao desses objetivos atravs das melhorias
nos sistemas, analisando as modificaes realizadas na rede em comparao com o
sistema existente. Foram discutidas tambm as incertezas quanto s demandas futuras e
a sua influncia na minimizao dos custos e na capacidade do sistema, pois, quando as
demandas elevam-se devido aos fatores sociais, os benefcios tambm crescem e,
quando se minimiza apenas os custos, uma grande parcela do benefcio reduzida. O
autor elogia e aponta o trabalho de WALTERS et al. (1999) como sendo uma das
poucas publicaes que trataram o problema dos sistemas de distribuio de gua de
forma multiobjetivo e prope, como desafio, que os problemas reais de redes hidrulicas
sejam investigados visando mudar o paradigma de no somente utilizar a minimizao
de custos, mas tambm a maximizao de benefcios gerados.
52
3.3.2 Modelos de otimizao multiobjetivo

Infra-estruturas deterioradas em sistemas de distribuio de gua podem provocar
perdas por vazamentos, diminuio da capacidade de transporte de gua, falhas nos
componentes do sistema (tubulaes, bombas, vlvulas dentre outros), elevao nos
custos de manuteno e operao, constantes interrupes do funcionamento dos
sistemas e diminuio da sua confiabilidade. Esses fatores demonstram que a melhoria
nessas infra-estruturas, apesar de necessria, no uma tarefa fcil, pois os objetivos
so mltiplos e conflitantes. Essa melhoria pode ser conseguida atravs de tcnicas de
reabilitao tais como substituio, duplicao, reparo de tubulaes ou adio de
componentes hidrulicos como bombas, vlvulas e reservatrios. Dessa forma surge
ento o problema de quais componentes adicionar ou melhorar para maximizar os
benefcios oriundos das mudanas no sistema, dado que os fundos disponveis so
limitados para atender todas as aes.
Quando benefcios de reabilitao de redes hidrulicas so maximizados atravs de

algoritmos de otimizao de objetivo nico, a soluo encontrada no atender os outros
objetivos que esto implcitos no problema, por exemplo, custos, confiabilidade e
vazamentos. Para um decisor interessante que vrias solues estejam disponveis de
forma guiar uma escolha adequada, por exemplo, solues com custos e benefcios
diferenciados. H uma tendncia na literatura em substituir a otimizao convencional,
envolvendo apenas um objetivo, pela otimizao multiobjetivo (HALHAL et al. 1997;
WALTERS et al., 1999; DANDY e ENGELHARDT, 2001b; CHEUNG et al., 2003;
FORMIGA et al., 2003) que se mostra mais adequada e prxima da realidade. Foi dessa
forma que HALHAL et al. (1997) propuseram um mtodo baseado em algoritmos
genticos para encontrar solues timas de reabilitao dos sistemas de distribuio de
gua atravs de uma formulao multiobjetivo de minimizao de custos e maximizao
de benefcios. A formulao proposta reproduzida aqui neste trabalho, com a
finalidade de introduzir a otimizao multiobjetivo aos problemas de reabilitao de
sistemas de distribuio de gua.
O objetivo da otimizao multiobjetivo aplicada ao problema em questo encontrar a

forma tima de investimento que eleve a eficincia dos sistemas urbanos deteriorados
atravs de modificaes aplicadas s redes. Essas modificaes visam elevao da
capacidade hidrulica da rede (limpeza, reforo, duplicao ou substituio das
tubulaes existentes), o aumento da integridade fsica atravs da substituio de
53
tubulaes propensas a falhas, o aumento da flexibilidade do sistema, adicionando

tubulaes em paralelo e a melhoria da qualidade da gua, atravs da limpeza e do
revestimento de tubulaes antigas. Vrios componentes de redes podem ser
considerados, porm na formulao proposta por HALHAL et al. (1997) apenas as
tubulaes so objetos de estudo.
HALHAL et al. (1997) mencionam que de maneira geral os benefcios produzidos

durante o perodo de planejamento devem ser maximizados e podem ser obtidos pelas
melhorias realizadas no sistema. A soma dos valores presentes dos custos envolvidos
deve ser minimizada com garantia de que esses custos devam se adequar ao oramento
disponvel. Com isso, o problema pode ser colocado analiticamente como um problema
de otimizao multiobjetivo:
Maximizar Beneficios = B(i) (3.17)
Minimizar Custos = C(i) (3.18)
sujeito a : C(i) I (3.19)
sendo que B (i) representa os benefcios relativos implementao da soluo i, C (i)

so os custos de reabilitao da soluo i e I o investimento disponvel total. A
formulao de B(i) combina ainda quatro fatores atravs de pesos devidamente
atribudos. A soma dos benefcios (beneficio total) de uma soluo i expressa como a
soma de quatro parcelas:
B (i) = w h B h (i) + w p B f (i) + w f B o (i) + w q B q (i) (3.20)
sendo Bh o beneficio relativo melhoria do desempenho hidrulico; BF o beneficio de

manuteno da melhor condio fsica das tubulaes; Bo o beneficio operacional
representado pela ao de reabilitao que possibilita melhor flexibilidade na
distribuio de vazes na rede; Bq o beneficio de qualidade relativo substituio de
tubulaes e wh, wf, wo, wq so os pesos respectivos. A seguir explicitado cada um
desses componentes da formulao de benefcios.
54
Benefcio Hidrulico - O benefcio hidrulico o ganho de desempenho obtido

decorrente de qualquer ao de melhoria implementada no sistema. Essa funo pode
ser quantificada como sendo a diferena entre as deficincias na rede original (sem
melhoria), DEFo, e as deficincias na rede reabilitada (com melhorias), DEFr:
B h = DEFo DEFr (3.21)
sendo que DEFo refere-se deficincia do sistema em termos das presses nos ns da
rede em seu estado original (sem modificaes) e DEFr a deficincia da rede
reabilitada (com modificaes). DEFo e DEFr correspondem soma de presses nodais
excessivas e deficitrias, respectivamente, representando dessa forma as duas situaes
crticas que devem ser evitadas no sistema. Tanto DEFo como DEFr podem ser
calculadas atravs da eq.(3.22).
(
DEFo / DEFp = K min + K max ) (3.22)
sendo que:
K min = Q
j
j j (3.23)
K max = Q
j
j j (3.24)
sendo o conjunto de ns com presses abaixo do nvel mnimo considerado; o

conjunto de ns com presses acima do nvel mximo considerado; e so pesos
globais que podem ser ajustados enfatizando a elevao de presses baixas ou o
decrscimo de presses altas e correspondente a intensidade das falhas (presses
nodais acima da mxima ou presses nodais abaixo da mnima) de presses no sistema
para o n j e Q a demanda no n j. O acrscimo nas presses mnimas ou decrscimo
nas presses mximas dos ns, gera melhorias na performance hidrulica e, portanto,
apresenta reflexos sobre os respectivos benefcios. No entanto, quando a presso
elevada, mas permanece abaixo de zero, a melhoria do sistema no tem efeito
mensurvel. Para contornar essa dificuldade, um coeficiente ( ) foi introduzido na
avaliao de presso para considerar o impacto de falhas no sistema. Para um n j tendo
uma presso H menor que a presso mnima Hmin, podem ser consideradas as seguintes
expresses:
55
j = [H min H j ] se H j > 0 (3.25)
j = H min H j se H j < 0 (3.26)
sendo que representa um coeficiente geralmente maior que 1. Para a avaliao das
presses nos ns e da consequente deficincia de uma soluo necessria a utilizao
de um modelo para anlise de redes, simulador hidrulico.
Benefcio Fsico Esse benefcio calculado atravs do ganho obtido por qualquer ao
de reabilitao implementada na rede, na qual melhora a condio estrutural das
tubulaes existentes, das quais esto suscetveis a rompimentos e vazamentos. Quando
as tubulaes existentes so substitudas por tubulaes novas, consideradas livres de
quebras, gera um benefcio que pode ser quantificado em funo do valor presente dos
custos de reparo relativos ao perodo em que essas tubulaes foram substitudas:

Bf = C
j=1
rj (3.27)
sendo o conjunto que contm as tubulaes a serem renovadas; Cr o custo de reparos

de quebras da tubulao j. Segundo WALSKI (1986), os custos de reparos podem ser
calculados pela eq.(3.28).
t =t r N b ( t )C r j
Cr = (1 + r)
t =t p
ttp
(3.28)
sendo que Cr igual ao custo de reparo de uma quebra na tubulao j; r igual taxa de
juros; tp igual ao ano presente; tr igual ao ano tp mais 10; e Nb corresponde a taxa de
quebra no ano t que pode ser aproximado pela eq.(3.29):
N b ( t ) = N b ( t 0 )(1 + a ) t (3.29)
sendo Nb a taxa de quebra no ano 0 (quebra/km/ano); b a taxa de crescimento de quebra

e t o tempo em anos.
Benefcio Operacional O benefcio operacional calculado como sendo o ganho

obtido por uma nova tubulao inserida em paralelo com uma tubulao velha
(duplicao). Essa ao de reabilitao eleva o nmero de caminhos percorridos pela
56
gua e, portanto, aumenta a flexibilidade operacional do sistema. Esse benefcio

expresso pela eq.(3.30).

Bo = D
j=1
j (3.30)
sendo o conjunto que constitudo pelo nmero de novas tubulaes em paralelo e D o

dimetro da tubulao nova.
Benefcio de Qualidade - Um fator de rugosidade baixo em uma tubulao proporciona

o surgimento de eventuais pontos de corroso, de acumulao, no caso de tubulaes de
ferro, propiciando condies locais para o desenvolvimento de microorganismos e/ou
mudana na cor da gua. Portanto, a partir da limpeza ou substituio de tubulaes, seu
fator de atrito pode apresentar-se maior que um valor limite aceitvel. Isso implica em
um ganho na capacidade hidrulica da rede e nos respectivos benefcios gerados pela
melhoria da qualidade da gua, avaliado atravs da eq.(3.31).

Bq = L
j=1
j (3.31)
sendo que igual ao nmero de tubulaes renovadas (limpas ou substitudas) e L (j)

o comprimento da tubulao renovada j.
Custo O custo de uma tubulao nova corresponde soma dos custos de aquisio e
de implantao. Os custos de substituio de tubulaes so mais elevados que os custos
de implantao de novas tubulaes, pois na substituio de tubulaes esto envolvidos
outros fatores que elevam o custo, por exemplo, a obstruo do pavimento e
interrupes do sistema. J os custos de limpeza e reforo estrutural so custos
intermedirios entre os citados. HALHAL et al. (1997) apresentaram os custos relativos
a diferentes dimetros (Tabela 3.1), mas no explicitaram a origem desses valores.
Como em muitos problemas de otimizao, o projeto e a reabilitao de redes envolvem

objetivos mltiplos, tais como a minimizao de custos e maximizao de benefcios.
possvel, no entanto utilizar uma formulao de critrio nico para englobar esses
objetivos no processo de deciso, considerando alguns deles como restries do
problema ou incorporando critrios mltiplos em uma nica funo objetivo, do tipo
somatrio, ponderados por pesos. HALHAL et al. (1997) afirmaram que nenhuma
57
dessas abordagens satisfatria e que na otimizao multiobjetivo, os critrios devem

ser tratados individualmente, sendo cada soluo avaliada nesses termos. No h uma
soluo tima no procedimento multiobjetivo, mas um conjunto de solues de
compromisso em relao s funes objetivo consideradas. Esse conjunto de solues
denominado Solues timas Pareto7. Cada combinao de variveis pertencente a esse
conjunto no dominada por nenhuma outra combinao desse mesmo conjunto. Com
isso, todas as solues pertencentes ao conjunto so timas. A diferena entre as
solues a relao de "troca" entre os objetivos, enquanto um objetivo apresenta bom
desempenho os outros podem apresentar pior desempenho.
Tabela 3.1 Custos de reabilitao apresentados por HALHAL et al. (1997)

Custos Unitrios ($/m)
Dimetro (mm) Novas Limpeza e Reforo Substituio
80 100 85 110
100 175 100 190
150 220 150 240
200 320 220 350
300 550 300 600
400 780 410 850
500 980 500 1050
600 1350 630 1500
HALHAL et al. (1997) utilizaram os algoritmos genticos competentes (Messy Genetic

Algorithms) com vetores solues de comprimento varivel em sua estrutura de dados e
compararam esses algoritmos com as tcnicas que utilizavam vetores solues de
comprimento fixo. Esse mtodo foi aplicado a duas redes exemplo encontradas na
literatura, uma considerada de pequeno porte, hipottica, e outra de mdio porte, real.
Concluiu-se que, os algoritmos genticos competentes possibilitaram melhores
resultados em relao para a rede exemplo de mdio porte.
Em um outro trabalho, WALTERS et al. (1999) tambm utilizaram os AGs competentes

para resolver problemas de projeto e reabilitao de sistemas de distribuio de gua de
maneira tima. Adio de novas tubulaes, reparos e substituio das existentes,
7
O conceito Pareto timo foi formulado pelo pesquisador italiano Vilfredo Pareto no sculo XIX e constitui a base da otimizao
multiobjetivo. A obra original desse pesquisador denominada Cours D Ecomomie Politique, vol.I e II, F. Rouge, Lausanne em
1896.
58
adio, ajuste e dimensionamento de novos reservatrios e previso de novas bombas

foram s opes de reabilitao adotadas por esses pesquisadores para aumentar a
eficincia do sistema. As funes objetivo adotadas foram similares quelas adotadas
nos estudos de HALHAL et al. (1997), porm com algumas modificaes. A presena
de bombas requereu que o projeto e a operao da rede fossem considerados em
conjunto no processo de otimizao. O mtodo permitiu a seleo do tipo e nmero de
bombas a ser instalada para cada estao elevatria nova ou reabilitada. Os reservatrios
foram adicionados ao sistema para simular o enchimento e o esvaziamento de sua
capacidade. Por exemplo, durante os perodos de baixa demanda diria o reservatrio
deveria encher, j em perodos de demandas elevadas o reservatrio deveria ser
esvaziado, reduzindo assim os custos de reparo de tubulaes e de bombeamento.
Garantiu-se tambm um volume de reserva, para combate incndio e para o
atendimento de consumo de emergncia, para esses reservatrios.
Tabela 3.2 Padro de demanda utilizada por WALTERS et al. (1999)

Perodo Tempo do Dia Fator de Demanda Horria Mdia
1 00:00 03:00 0,7
2 03: 00 06:00 0,6
3 06: 00 09:00 1,2
4 09: 00 12:00 1,3
5 12: 00 15:00 1,2
6 15: 00 18:00 1,1
7 18: 00 21:00 1,0
8 21: 00 24:00 0,9
A incluso dos reservatrios na otimizao exige a simulao operacional do sistema

(enchimento e esvaziamento) durante o ciclo dirio de demandas, para garantir uma
operao factvel. Para isso, alguns autores (WALTERS et al., 1999) vm considerando
curvas de demanda dirias, conforme exemplo da Tabela 3.2, ilustrada atravs da Figura
3.4. Foram consideradas demandas fixas nos ns da rede para a situao atual ao longo
do perodo de planejamento. Para a simulao das demandas horria nos ns, foram
considerados esses padres (Figura 3.4) multiplicados pela demanda fixa estabelecida
nos ns.
A simulao da resposta do sistema para variaes na demanda, utilizando simulao

horria, consome muito tempo computacional, pois requer um grande nmero de
59
avaliaes. Com isso, WALTERS et al. (1999) realizaram uma simplificao na

modelao. O perodo dirio foi dividido em quatro nveis. Uma simulao de 24 horas
na demanda mxima horria foi utilizada apenas para verificar a viabilidade dos
projetos finais (soluo final). O problema teste estudado por esses pesquisadores foi
inicialmente proposto na literatura por WALSKI et al. (1987) para uma cidade fictcia
denominada Anytown. Essa cidade possui as complexidades de um sistema real,
principalmente, os problemas de expanso (projeto) e reabilitao de redes, tratados em
conjunto.
1.4
1.2
Fator Mutlplicador de Demanda
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tempo (horas)
Figura 3.4 Curva diria de demanda (adapatado de WALTERS et al., 1999)
O projeto de armazenamento dentro de uma rede pode ser definido adequadamente, pela
localizao de reservatrios e quantificao de seus nveis. Para cada reservatrio, o
volume e os nveis operacionais mnimos e mximos devem ser determinados. Alm
disso, todos os reservatrios devem esvaziar e encher sob as condies operacionais
dirias, no dia de mxima demanda, deixando que os nveis armazenados para situaes
de emergncia no sejam alterados. Dois tipos de investigao foram conduzidos no
trabalho (WALTERS et al., 1999), para conseguir definir os reservatrios no processo
de otimizao. Na primeira, a localizao e os volumes de novos reservatrios foram
especificados como variveis de projeto. Os nveis de operao mximo e mnimo
foram tratados como variveis dependentes. Os reservatrios foram tratados como ns
de demandas conhecidas. As energias nos ns, correspondentes aos reservatrios, so
determinadas pela simulao em regime permanente da rede para cada um dos quatro
perodos de demanda. Para cada n, onde foram localizados os reservatrios, a energia
60
mnima e mxima identificada sobre os quatro perodos de demanda foi interpretada

atravs dos nveis de operao mximo e mnimo para o reservatrio correspondente.
Como o volume dos reservatrios era conhecido, pode-se ento determinar a rea dos
mesmos. Na segunda aplicao, a localizao, o volume e os nveis de operao
mximo e mnimo foram tratados como variveis independentes para os reservatrios,
definindo, dessa forma, o projeto das unidades de armazenamento. No entanto, a
condio de armazenamento poderia no atender s restries da rede. Para prevenir o
transbordamento ou o esvaziamento dos reservatrios a nveis operacionais
insatisfatrios, foi necessrio utilizar um artifcio de penalidade para dirigir os AGs para
a regio factvel, balanceando assim as solues.
Os resultados obtidos por WALTERS et al. (1999) representaram um grande avano no

planejamento das estratgias de reabilitao tima em sistemas de distribuio de gua.
A considerao de bombas e simulaes operacionais (reservatrios) para dar suporte ao
processo de deciso proporcionou mais complexidade modelao, porm possibilitou
maior proximidade da problemtica real. Alguns fatores podem ser destacados nesse
trabalho como a formulao multiobjetivo que forneceu um aperfeioamento ao
problema originalmente proposto por WALSKI et al. (1987) e a adequao dos AGs ao
problema, demonstrando ser uma tcnica poderosa, principalmente quando cresce a
complexidade do sistema. A tcnica de otimizao proposta por esses pesquisadores
utiliza dois conceitos propostos por GOLDBERG (1989) para o problema multiobjetivo,
ordenao das solues e o compartilhamento das mesmas com objetivo de manter
solues no dominadas na populao corrente dos AGs.
O procedimento multiobjetivo proposto por WALTERS et al. (1999) pode ser

apresentado de forma geral. Por exemplo, um conjunto de vetores soluo (populao)
gerado aleatoriamente, atendendo os limites de cada varivel de deciso. Cada vetor
pertencente a esse conjunto ordenado e receber um valor de ordenao (rank) de
acordo com a classificao no dominada, cujos detalhes so abordados posteriormente
nesse trabalho. Aps classificar a soluo, os valores de ordenao so utilizados para
fornecer a medida de desempenho (aptido) desses vetores, baseados na tcnica de
compartilhamento (sharing fitness) proposta por GOLDBERG (1989), de maneira a
garantir a representatividade de solues na frente Pareto. Nota-se que a medida de
desempenho, utilizada para avaliar os vetores, um valor fictcio. Como os AGs
mantm sempre um conjunto de vetores solues a cada iterao, os vetores que se
61
encontrarem na ltima gerao, aps o critrio de convergncia ser satisfeito, so as

solues timas Pareto. A principal contribuio da tcnica foi a incorporao de
perodos de planejamento de longo prazo na formulao proposta por HALHAL et al.
(1997). Outro trabalho (WALTERS et al. 1999) utilizou essa mesma metodologia para
projetar e planejar investimentos para reabilitao tima de sistemas de distribuio
gua.
Recentemente, DANDY e ENGELHARDT (2001b) propuseram uma das maiores

contribuies na otimizao multiobjetivo aplicadas a problemas de reabilitao de
redes de distribuio de gua. Esses pesquisadores aplicaram e descreveram uma das
tcnicas mais avanadas encontradas na rea de anlise de sistemas, que trata os
problemas com vrios objetivos simultaneamente, sem ter que arbitrar pesos em suas
formulaes. Os algoritmos genticos desenvolvidos para problemas multiobjetivo
puderam identificar as solues timas Pareto considerando os critrios custo e
confiabilidade na substituio de tubulaes a serem efetuadas no sistema. A
confiabilidade foi definida em termos do nmero esperado de interrupes no sistema
por ano. Um modelo de estimao das quebras de tubulaes foi acoplado a um
simulador hidrulico para definir o nmero esperado de interrupes. A identificao da
frente Pareto tima foi realizada atravs dos algoritmos genticos multiobjetivo, com
base na aproximao proposta por FONSECA e FLEMING (1993).
A reviso bibliogrfica realizada demonstra que o estado da arte continua avanando e

que vrios modelos computacionais vem sendo desenvolvidos e aperfeioados para a
anlise dos problemas de sistemas de abastecimento de gua. certo, que esses sistemas
no so conhecidos em sua totalidade e que vrias incertezas esto presentes (demandas,
parmetros de rugosidade, material das tubulaes, falhas, dentre outros), tornando o
processo de planejamento complexo. No entanto, os modelos de otimizao so as
ferramentas mais poderosas e eficientes no tratamento dessa problemtica, pois
conseguem agregar no s as caractersticas fsicas do sistema, mas fatores econmicos,
operacionais, de confiabilidade e de qualidade de gua, auxiliando os decisores e os
analistas na tomada de deciso, de forma a satisfazer o consumidor e gerenciar os
recursos hdricos eficientemente, preservando-os para futuras geraes.
Considerveis esforos foram despendidos, ao longo da ltima dcada, no

desenvolvimento de tcnicas de otimizao que tratam o problema de otimizao de
forma multiobjetivo. Consequentemente, vrias simplificaes e aproximaes foram
62
consideradas no processo de modelao. Com o surgimento das tcnicas evolucionrias,

como os algoritmos genticos, a otimizao passou por uma mudana de paradigma,
conseguindo identificar os "timos globais" que at ento no eram garantidos pelos
mtodos convencionais. Reconhecendo que os problemas de recursos hdricos possuem
objetivos mltiplos e conflitantes, alguns pesquisadores (HALHAL et al. 1997;
WALTERS et al., 1999; DANDY e ENGELHARDT, 2001b; CHEUNG et al., 2003;
FORMIGA et al., 2003) consideraram tais aspectos em seus trabalhos. Porm, os AGs
apesar de serem extremamente adaptados para buscas paralelas, sofreram tambm
modificaes para se adequarem ao problema de objetivos mltiplos. Mas s aps a
proposio de FONSECA e FLEMING (1993) que os algoritmos genticos
multiobjetivo se consolidaram como tcnica de otimizao multiobjetivo propriamente
dita. A partir desse trabalho, vrios mtodos foram propostos na literatura (SRINIVAS e
DEB, 1995; HORN e NAFPLIOTIS, 1994; ZITZLER, 1999; DEB, 2001), porm ainda
no foram totalmente investigados e aplicados aos problemas de abastecimento de gua.
O prximo captulo deste trabalho apresenta essa nova classe de mtodos para os
problemas de otimizao multiobjetivo.
4 MODELOS DE OTIMIZAO MULTIOBJETIVO
A existncia de objetivos mltiplos e conflitantes na investigao de sistemas de

naturezas diversas faz com que analistas busquem mtodos mais confiveis e eficientes
para identificao de solues. Em muitas aplicaes apresentadas na literatura o
problema multiobjetivo foi tratado como um problema de objetivo nico e solucionado
atravs de mtodos de otimizao convencionais. No entanto, com o aparecimento de
tcnicas de otimizao no convencionais tais como os algoritmos evolucionrios
(AEs), flexveis na busca paralela de soluo, os problemas de otimizao multiobjetivo
vm sendo revistos. Neste captulo so apresentados os princpios e os conceitos bsicos
da otimizao multiobjetivo, alm de uma breve reviso das tcnicas convencionais e
das tcnicas multiobjetivo no convencionais, baseadas na programao evolucionria.

Desde o advento da pesquisa operacional, durante a Segunda Guerra Mundial, tcnicas
de programao matemtica vm sendo desenvolvidas, aperfeioadas e aplicadas aos
diversos problemas de engenharia existentes. Inicialmente essas tcnicas no
contemplavam abordagens cientficas, apenas auxiliavam as decises operacionais
militares. Entretanto, o reconhecimento da importncia da pesquisa operacional como
ferramenta de resoluo dos problemas complexos propiciou o seu emprego nas
diversas reas do conhecimento8. Diversas metodologias foram propostas ao longo do
tempo com intuito de difundir procedimentos sistmicos capazes de estruturar os
processos reais atravs de modelos matemticos, analisar interaes entre alternativas
de projeto e consequncias futuras e desenvolver mtodos para obteno de alternativas
de projeto que satisfaam s necessidades da sociedade.
Programao linear, no linear e dinmica so algumas dessas tcnicas utilizadas com o

objetivo maximizar ou minimizar uma funo (funo objetivo) sujeita a restries.
conveniente destacar que tais tcnicas possuem caractersticas distintas. A programao
8
MAASS et. al. (1962) foram quem introduziram a pesquisa operacional no planejamento e gerenciamento de
recursos hdricos.
64
linear distinta ao tratamento de problemas em que a funo objetivo e as restries

podem ser expressas atravs de relaes lineares das variveis de deciso. A
programao no linear adequada aos problemas que envolvem funo objetivo ou, no
mnimo, uma restrio no linear. J a programao dinmica uma tcnica adequada
para resoluo de problemas sequenciais.
Nos ltimos anos, vrios pesquisadores (GOICOECHEA, HANSEN e DUCKSTEIN,

1982; LOUCKS, STEDINGER e HAITH 1981; COELLO, 1996; VELDHUIZEN,
1999; WALSKI, 2001) vm tecendo crticas em relao ao desenvolvimento e aplicao
das tcnicas de programao matemtica. O argumento principal levantado por esses
autores que essas tcnicas so formuladas utilizando critrio nico, ao contrrio dos
problemas reais em engenharia, principalmente na rea de recursos hdricos, nos quais
os objetivos so mltiplos e conflitantes. Enquanto a otimizao de objetivo nico
produz uma nica soluo, denominada soluo tima, o procedimento que envolve
mais do que um objetivo conhecido como otimizao multiobjetivo e visa produzir um
conjunto de solues denominadas na literatura como solues timas Pareto ou
solues Trade-offs. Essas solues so timas porque no h outras solues
superiores a elas no espao de busca, quando todos os objetivos so considerados.
Existem vrios algoritmos propostos na literatura para tratar o problema multiobjetivo.

COHON (1978) em seu livro texto classificou esses modelos em dois grupos, tcnicas
de gerao de solues no dominadas e tcnicas baseadas na preferncia do decisor,
ilustrados atravs da Figura 4.1.
As tcnicas de gerao de solues no dominadas tm apenas a funo de produzir um

conjunto de vetores soluo para que o decisor possa escolher a soluo que mais lhe
convm. As tcnicas baseadas na preferncia do decisor (articulao prvia ou
articulao posterior) utilizam informaes de preferncia de cada objetivo e
iterativamente geram um conjunto de solues timas. GOICOECHEA, HANSEN e
DUCKSTEIN (1982) denominam essas tcnicas (preferncia) como mtodos
interativos, que so caracterizadas pelo conhecimento prvio necessrio e pela
interferncia do decisor a cada iterao durante o processo. Nessa etapa do processo, o
decisor influencia a direo do espao de busca, o vetor peso e os pontos de referncia.
Isso justifica a interao do decisor com o processo de otimizao, fornecendo dessa
forma, suas informaes implcitas ao problema.
65
Modelos de Otimizao
Multiobjetivo
Tcnicas de Gerao de Tcnicas Baseadas na

Solues No Dominadas Preferncia do Decisor
- Mtodo dos Pesos

Articulao Prvia Articulao Progressiva
- Mtodo das Restries -
- Mtodo de Philip
- Mtodo de Zeleny
Contnuo Discreto
- Mtodo Programao por Metas - Mtodo da Matriz de Prioridades - Mtodo dos Passos
- Mtodo da Utilidade Explcita - Mtodos da famlia Electre - Mtodo da Programao por Compromissos
- Mtodo da Ponderao de Critrios - Mtodos Promethee
Figura 4.1 Classificao dos modelos de otimizao multiobjetivo convencionais
Quase todas as tcnicas multiobjetivo convencionais apresentadas por COHON (1978) e

GOICOECHEA, HANSEN e DUCKSTEIN (1982) transformam um problema de
otimizao de objetivos mltiplos em um problema de otimizao de objetivo nico.
Por exemplo, o mtodo de soma ponderada sugere minimizar uma soma (ponderada) de
objetivos mltiplos; o mtodo das restries- sugere otimizar uma funo objetivo e
utilizar todos os outros objetivo como restries; o mtodo de mtricas ponderadas
sugere minimizar um elemento mtrico, que representa todos os objetivos; o mtodo da
programao de metas sugere minimizar uma soma ponderada dos desvios das metas. A
formulao resultante permite que tcnicas clssicas de otimizao sejam utilizadas na
soluo do problema.
Embora muitos mtodos de otimizao desenvolvidos para o planejamento e o

gerenciamento de recursos hdricos, tenham produzido solues razoveis tomada de
deciso, h um interesse por parte dos pesquisadores (GOICOECHEA, HANSEN e
DUCKSTEIN, 1982; WALSKI, 2001; FRANCATO, 2002; CHEUNG et al. 2003;
FORMIGA et al., 2003) em identificar e considerar simultaneamente vrios objetivos na
anlise e soluo desses problemas. As motivaes principais que levam esses
pesquisadores a analisar seus problemas sob a tica da otimizao multiobjetivo so: a
definio explcita de objetivos mltiplos ao invs de tratar o problema como objetivo
nico, a gerao de vrias solues (estratgias) simultaneamente com mltiplos valores
66
(custo, benefcio, vazamentos, confiabilidade, dentre outros) associados para cada

soluo, a avaliao de vrias alternativas de projeto, operao e/ou reabilitao e a
seleo da alternativa preferida pelo decisor, com conhecimento da compensao em
relao a cada objetivo.
Dessa forma, um modelo de otimizao multiobjetivo consistente deve contemplar os

diversos objetivos envolvidos simultaneamente em suas anlises, de forma a identificar
solues alternativas para o problema.
Tcnicas de otimizao convencionais, como mtodos de busca direta ou mtodos

baseados no gradiente da funo, so de difcil aplicao ao caso multiobjetivo, porque
no trabalham com solues mltiplas. H, portanto, uma tendncia em substituir os
mtodos de otimizao convencionais por tcnicas de otimizao multiobjetivo no
convencionais baseadas na programao evolucionria. Assim, o que se pretende nessa
reviso contemplar os conceitos bsicos da otimizao multiobjetivo e apresentar os
modelos no convencionais propostos na literatura.
4.2 Otimizao multiobjetivo

Um problema de otimizao multiobjetivo consiste em um nmero de funes objetivo
a serem minimizadas ou maximizadas simultaneamente. De maneira semelhante
otimizao de objetivo nico, a otimizao multiobjetivo contm um nmero de
restries que devem ser satisfeitas. Neste item so apresentados os conceitos e
terminologias da otimizao multiobjetivo, de acordo com ZITZLER (1999). Sem
perder generalidade, esse autor apresenta o conceito geral do problema multiobjetivo,
para um problema de maximizao e garante que para problemas de minimizao ou
mistos, maximizao e minimizao, as definies apresentadas so semelhantes. O
problema pode ento ser formulado, de maneira geral, segundo a Definio (1).
Definio 1: (Problema de Otimizao Multiobjetivo) Um problema de otimizao

multiobjetivo inclui um conjunto de n parmetros (variveis de deciso), um conjunto
de k funes objetivo e m restries, funes das variveis de deciso. O objetivo da
otimizao :
Maximizar y = f ( x ) = (f1 ( x ), f 2 ( x ),..., f k ( x ) )
sujeito g( x ) = (g1 ( x ), g 2 ( x ),..., g m ( x ) ) 0 (4.1)

67
sendo x = (x1 , x 2 ,..., x n ) X
y = (y1 , y 2 ,..., y k ) Y
e x o vetor de deciso, y o vetor objetivo, X denotado como o espao de deciso

e Y denominado espao objetivo. As restries g( x ) 0 determinam o conjunto de
solues factveis. Uma soluo x que no satisfaz todas essas restries (m) e todos
os limites de cada varivel de deciso denominada soluo infactvel. Por outro lado,
se alguma soluo x satisfaz todas as restries e todos os limites de cada varivel de
deciso, denominada soluo factvel. O conjunto de todas solues factveis
denominado regio factvel ou Y .
Definio 2: (Conjunto Factvel) O conjunto factvel X f definido como o conjunto

de vetores de deciso x que satisfazem s restries g( x ) :
X f = { x X g ( x ) 0} (4.2)
A imagem de X f , isto , a regio factvel no espao da superfcie de resposta,

denotada como Yf = f (X f ) = U x Xf { f ( x ) }
A soluo tima global para um problema de objetivo nico representa o valor mnimo
ou mximo de determinada funo atendendo todas as restries. Entretanto, nos
problemas multiobjetivo pode-se dizer que os timos globais so diferentes. O ideal
seria que o valor timo de uma funo (mnimo ou mximo) fosse timo para as outras
funes tambm. Particularmente isso pode ocorrer, mas nem sempre acontece. Nos
problemas de otimizao multiobjetivo, geralmente, os objetivos so conflitantes, e
consequentemente, uma soluo que tima para uma dada funo no tima para as
outras funes. Portanto, os objetivos no podem ser otimizados simultaneamente, ao
contrrio, o que se pretende buscar uma relao satisfatria, denominada tambm
compensatria, compatibilizada ou de compromisso, entre as funes. Essa relao
(trade-off) contextualizada atravs da definio de otimalidade.
Na otimizao de objetivo nico, o conjunto factvel completamente ordenado de

acordo com sua funo objetivo (f). Por exemplo, para duas solues a e b pertencentes
ao conjunto Xf,, o que pode ocorrer f (a ) f (b) ou f (b) f (a ) . A meta ento
encontrar a soluo que fornece um valor mximo ou mnimo de f. Entretanto, quando
68
vrios objetivos so envolvidos, a situao muda. Por exemplo, Xf, , em geral no

totalmente ordenado, mas parcialmente ordenado9, ilustrado pela Figura 4.2. Nessa
ilustrao considera-se que as funes f1 e f2 devam ser maximizadas. A soluo
representada pelo ponto B melhor que a soluo representada por C, porque B
apresenta maior valor que C para f1 e f2. Comparando C e D, C melhor que D porque o
valor de C para f1 maior e para f2 as solues empatam. Para expressar essa situao
matematicamente, as relaes = , e > so estendidos aos vetores objetivo por
analogia ao caso de otimizao de um nico objetivo.
f2
Frente Pareto
Regio Factvel
E A
D C
f1
Figura 4.2 Espao varivel de deciso (ZITZLER, 1999)
Definio 3: Considerando dois vetores u e v,
u = v se e somente se i { 1,2,..., k } : ui = vi
u v se e somente se i { 1,2,..., k } : ui vi (4.3)
u > v se e somente se u v u v
As relaes e < so definidas similarmente.
Utilizando a notao da Definio (3), pode-se garantir na ilustrao (Figura 4.2) que
B > C , C > D implica que B > D . Entretanto, quando B e E so comparados entre si,
no se pode identificar qual soluo superior, desde que B >/ E e E >/ B . Embora a
9
PARETO, V. (1896) - Cours D Ecomomie Politique, vol.I e II, F. Rouge, Lausanne.
69
soluo E tenha maior valor de f2 do que a soluo B , quando observada a funo f1, a
soluo E tem menor valor que a soluo B . Portanto, duas variveis de deciso
quaisquer a e b podem ter trs possibilidades nos problemas multiobjetivo
considerando o smbolo (em contraste aos problemas de objetivo nico com duas
solues sendo comparadas): f (a ) f (b) , f (b) f (a ) , ou f (a ) / f (b) f (b) / f (a ) .
Neste trabalho, essas terminologias so utilizadas para classificar e ordenar diferentes
situaes.
f2
dominado
A
E
Indiferente
B
Domina
Indiferente
D C
f1
Figura 4.3 Espao funo objetivo (ZITZLER, 1999)
Definio 4: (Dominncia Pareto) Considerando conjunto dois vetores de deciso a e

b,
a f b ( a domina b ) se e somente se f (a ) > f (b)
a f b ( a domina fracamente b ) se e somente se f (a ) f (b) (4.4)
a ~ b ( a indiferente a b ) se e somente se f (a ) >/ f (b)
As definies para os problemas de minimizao ( p , p , ~ ) so anlogas.
Na Figura 4.3 no retngulo referenciado com o texto "Domina", significa que o vetor
soluo B domina todo espao objetivo que contem as solues C e D. O outro
retngulo referenciado com o texto " dominado", significa que o vetor soluo A
70
domina o vetor soluo B. Todas as outras solues pertencentes ao espao objetivo so

indiferentes em relao ao vetor soluo B.
Assim, pode-se introduzir o critrio da otimalidade baseado no conceito de dominncia

Pareto. O vetor soluo A (Figura 4.2) nico dentre as outras solues (C, D e E) no
dominado por nenhum outro vetor no espao objetivo. Tais solues so denominadas
timas Pareto ou No Inferiores (COHON, 1978).
Definio 5: (Otimalidade Pareto) Um vetor de deciso x X f dito ser no

dominado, ao considerar um conjunto A X f , se e somente se
/a A : a f x (4.5)
Se estiver claro qual conjunto A mencionado, essa relao simplesmente omitida.

Alm disso, x dito ser timo Pareto se e somente se x no dominado considerando
Xf .
Na Figura 4.2 todos os outros pontos pertencentes linha pontilhada so solues

timas Pareto. Essas solues so indiferentes umas das outras. Essa a principal
diferena dos problemas de otimizao de objetivo nico, no existe uma soluo tima,
mas um conjunto de solues compatibilizadas. Nenhuma dessas solues pode ser dita
melhor que as outras, a no ser que, alguma informao de preferncia seja includa. O
conjunto de todas as solues timas Pareto denominado conjunto Pareto timo; os
vetores (objetivo) correspondentes formam a frente ou a superfcie Pareto tima.
Definio 6: (Frentes e Conjuntos No Dominados) Sendo A X f . A funo p(A)

fornece o conjunto de vetores de deciso no dominado em A :
p(A) = { a A | a no dominado em A} (4.6)
O conjunto p(A) o conjunto no dominado em A , o conjunto correspondente de

vetores objetivo f (p(A) ) a frente no dominada em A . Alm disso, o conjunto
X p = p(X f ) denominado conjunto Pareto timo e o conjunto Yp = f (X p ) denotado
frente Pareto tima.
O conjunto Pareto timo compreende as solues de melhor compromisso. Entretanto,

semelhante otimizao de objetivo nico, na otimizao multiobjetivo tambm existe
os timos locais que constituem um conjunto no dominado dentro de uma certa
71
vizinhana. Isso corresponde aos conceitos de conjunto timo local e global apresentado
por DEB (1999).
Definio 7: Considerando um conjunto de vetores de deciso A X f .
1. O conjunto A denotado como um conjunto timo Pareto se e somente se
a A : / x X f : x f a x a < f ( x ) f (a ) < (4.7)
sendo que . uma mtrica de distncia correspondente e > 0, > 0 .
2. O conjunto A denominado um conjunto Pareto timo global se e somente se
a A : / x X f : x f a (4.8)
f2
Frente Pareto tima Global
Regio Factvel
Frente Pareto tima Local
f1
Figura 4.4 Ilustrao dos conjuntos Pareto timo global e local (ZITZLER, 1999)
considerando um problema de minimizao
A diferena entre os timos global e local ilustrada pela Figura 4.4. A linha pontilhada
constitui a frente Pareto tima global enquanto a linha continua uma frente Pareto tima
local. Pode-se notar que a um conjunto Pareto timo no necessariamente contem todas
solues timas Pareto e que o conjunto timo global um conjunto timo local.
DEB (2001) apresenta uma relao ideal para o procedimento multiobjetivo, o qual
dividido em duas etapas. A primeira etapa tem como objetivo gerar as solues timas
aplicando-se algum modelo de otimizao e a segunda etapa refere-se escolha dessas
solues. Existem modelos que tambm podem ser aplicados nessa segunda etapa,
como forma de classificar as solues seguindo uma ordem de preferncia fornecida por
decisores. De forma geral, a Figura 4.5 apresenta tal procedimento.
72
Cada soluo na frente Pareto corresponde a uma ordem especfica de importncia dos
objetivos. Assim, se fatores de preferncia entre os objetivos forem conhecidos para um
problema especfico, no h necessidade de seguir o princpio mostrado na Figura 4.5
para um problema multiobjetivo.
Problema Multiobjetivo
Minimizar f1
Maximizar f2
...
Minimizar fn
sujeito a restries
Modelo de Otimizao
Multiobjetivo Etapa 1
Mltiplas Solues Escolha de uma Soluo

Frente Pareto
DECISO
Etapa 2
Figura 4.5 Esquema geral de um procedimento multiobjetivo (DEB, 2001)
Um mtodo simples seria compor uma funo atravs da soma dos pesos dos objetivos,
onde um peso para um objetivo proporcional ao fator de preferncia garantido para um
objetivo, em particular. O procedimento de escalonar um vetor objetivo em uma nica
funo converte o problema multiobjetivo em um problema de objetivo nico. Quando
uma funo composta dessa forma, a soluo obtida, geralmente, representa uma
soluo aproximada de uma soluo de compromisso particular.
4.3 Algoritmos evolucionrios

A pesquisa operacional tem mudado nos ltimos anos pela introduo de algoritmos de
otimizao no convencionais denominados Algoritmos Evolucionrios (AEs). Segundo
ZITZLER (1999) o termo evolucionrio vem de uma classe de mtodos de otimizao
estocsticos que compartilham a mesma base conceitual, com intuito de simular o
processo de evoluo de qualquer sistema. Os AEs so classificados em: Algoritmos
Genticos (AGs), Estratgias de Evoluo (EE), Programao Evolucionria (PE),
Programao Gentica (PG) e Sistemas Classificatrios (SCs).
73
ZITZLER (1999) menciona ainda que os AEs tiveram sua origem marcada por volta de
1950, e que a partir de 1970 vrias metodologias foram propostas. Todas essas tcnicas
operam um conjunto de solues simultaneamente (algoritmos populacionais). Esse
conjunto evolui por dois princpios bsicos: seleo e variao. A seleo baseada no
princpio da seleo natural de Darwin e representa a competio entre indivduos de
mesma espcie, sendo caracterizada pela escolha de solues candidatas dentro desse
conjunto de possveis solues e simulada por um processo de seleo estocstica. Cada
soluo recebe a chance de se reproduzir um certo nmero de vezes, dependendo da sua
qualidade enquanto soluo. A qualidade da soluo denominada valor aptido ou
fitness na literatura especializada (GOLDBERG, 1989; MICHALEWICZ, 1992; GEN e
CHENG, 1996). O outro princpio, a variao, imita a capacidade natural das espcies
de criar "novos" indivduos, no caso dos AGs, esse princpio analogamente associado
ao processo de recombinao e mutao.
SRINIVAS e DEB (1995) afirmaram que os AEs so robustos por buscarem pontos de
inflexo em funes descontnuas, multimodais e perturbadas em espaos complexos.
Adicionalmente, ZITZLER (1999) garantiu que esses algoritmos so extremamente
adaptados ao problema de otimizao multiobjetivo pela habilidade de manter mltiplas
solues em uma nica simulao e pela facilidade em se explorar regies do espao
atravs do principio da variao (recombinao e mutao).
Nos trabalhos aplicados a sistemas de distribuio de gua para abastecimento maior

ateno foi dada aos algoritmos genticos (AGs) convencionais. A literatura reporta
diversas e recentes aplicaes (SIMPSON, DANDY e MURPHY, 1994; REIS, PORTO
e CHAUDHRY, 1997; HALHAL et al., 1997, WALTERS et al., 1999; SILVA, 2003;
SOARES, 2003) desses algoritmos. A seguir apresenta-se uma descrio sucinta dos
AGs convencionais cujos conceitos podem ser aprofundados com o auxlio de textos
especializados, tais como GOLDBERG (1989), MICHALEWICZ (1992), GEN e
CHENG (1996) e DEB(2001).
Os AGs so mtodos de busca estocstica que imitam matematicamente os mecanismos

de evoluo natural das espcies, compreendendo processos da gentica das populaes,
sobrevivncia e adaptao dos indivduos. Foram inicialmente desenvolvidos por John
Holland, em 1975, porm quem os popularizou foi um dos seus alunos (GOLDBERG,
1989). Os objetivos desses pesquisadores, inicialmente, foram investigar e projetar
sistemas artificiais, anlogos aos mecanismos naturais considerados perfeitos. Em
74
termos biolgicos, a evoluo natural o processo que ocorre nos cromossomos

(elementos microscpicos das clulas nucleares) dos quais as informaes hereditrias
so transmitidas para seus descendentes, atravs dos genes.
Os AGs diferem das tcnicas de busca convencionais, pois iniciam o processo gerando
aleatoriamente um conjunto inicial de solues possveis denominadas populao. Cada
indivduo dessa populao, denominado cromossomo, constitui uma possvel
representao completa de soluo para o problema. O cromossomo representado por
um vetor, cujos elementos so denominados analogamente genes, que representam as
caractersticas de uma soluo e podem ser codificados atravs de nmeros binrios ou
reais. Os cromossomos tendem a evoluir gradativamente atravs de sucessivas iteraes,
produzindo novas geraes de indivduos mais aptos ou capazes em termos da funo
de aptido.
Fim
Sim
Codificao
Avaliao C onve rg ncia?
No
Decodificao
Decodificao Seleo
1100101010
Codificao 1011101110
Gerao Aleatria
Recombinao
Solues Possveis 0011011001
1100110001 Cromossomos 110010 1010
Populao Nova
Inicial Populao 101110 1110
1100101110
1011101010
Decodificao
Avaliao
Codificao
Mutao
00110 1 1001
00110 0 1001
Figura 4.6 Esquema geral dos algoritmos genticos convencionais
Durante cada iterao (gerao), as solues (cromossomos) so avaliadas atravs da

funo objetivo ou atravs de uma funo modificada (aptido), que permite sua
classificao e ordenao enquanto soluo. Uma nova gerao formada atravs dos
processos de seleo, recombinao e mutao, cujas solues com valor elevado da
funo objetivo tm maior probabilidade de serem preservadas para a prxima gerao.
75
Para se criar uma nova gerao, novos cromossomos denominados filhos ou

descendentes so produzidos pela combinao de dois indivduos pais (cromossomos)
da gerao corrente, utilizando os operadores genticos de recombinao e mutao
(modificao eventual dos genes). Aps vrias iteraes o algoritmo converge para uma
soluo tima ou quase tima do problema.
Apesar de seguirem uma estrutura geral, conforme apresentada no esquema da Figura

4.6, onde as solues so representadas em cdigo binrio, diversas so as
possibilidades de implementao dos AGs em termos da sistemtica de representao
das solues, dos operadores genticos e dos parmetros a serem adotados como as
probabilidades de recombinao e mutao, o nmero de indivduos da populao de
solues e o critrio de convergncia.
4.3.1 Exemplo de evoluo dos algoritmos genticos

Para exemplificar e ilustrar as etapas de evoluo dos AGs, foi aplicado pelo autor do
presente trabalho os AGs em um problema simples de maximizao (eq. 4.9).
Maximizar f ( x 1 , x 2 ) = x 1 + e ( x1 x 2 )
2 2
(4.9)
0.5
0.4
0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
2
1.5
2
1
1.5
0.5 1
0 0.5
0
-0.5
-0.5
-1 -1
Figura 4.7 Populao inicial referente ao problema (4.9)
Um pacote computacional (GAlib) escrito em C++ por WALL (1996) e desenvolvido

especificamente para AGs, foi utilizado para demonstrao de tal procedimento. O
nmero de vetores solues contidos no conjunto inicial foi 100, o nmero de iteraes
76
foi 500, as probabilidades de recombinao e mutao foram 0,9 e 0,01,

respectivamente.
0.5
0.4
0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
2
1.5
2
1
1.5
0.5 1
0 0.5
0
-0.5
-0.5
-1 -1
Figura 4.8 Populao corrente dos AGs (iterao 30) referente ao problema (4.9)
Ponto Global
0.5
Solues Finais
-0.5
2
2
1
1
0
0
-1 -1
Figura 4.9 Populao final dos AGs (iterao 500) referente ao problema (4.9)
A Figura 4.7 tem objetivo de ilustrar o conjunto inicial de solues no espao de

objetivos gerado aleatoriamente pelos AGs e a maneira com que esses vetores soluo
so distribudos na superfcie da funo. Essa uma das diferenas dos AGs em relao
aos mtodos convencionais de otimizao, que ao contrrio, partem de uma nica
soluo inicial (estimativa inicial). As Figuras 4.8 e 4.9 apresentam o conjunto de
solues (populao) na iterao 30 e 500 (gerao final), respectivamente.
77
Nos ltimos anos os AGs tm demonstrado eficincia frente aos problemas de

otimizao e em diversas reas da cincia. A grande fora da tcnica (teoria do
esquema) o processo de aprendizado que os AGs desenvolvem atravs de seus
operadores genticos para garantir melhores solues para as prximas geraes.
4.3.2 Algoritmos evolucionrios multiobjetivo

Devido dificuldade de obteno de solues timas Pareto pelos mtodos
convencionais de otimizao, os AEs so as tcnicas mais modernas e eficientes para a
otimizao multiobjetivo (FONSECA e FLEMING, 1995; VELDHUIZEN, 1999;
ZITZLER, 1999; DEB, 2001). O paralelismo implcito, possibilidade de se trabalhar
com vrias solues simultaneamente, fazem dos AEs ferramentais poderosos na
identificao de mltiplas solues timas em uma nica simulao.
Fim
Sim
PopulaoInicial Avaliao Avaliao Multiobjetivo Convergncia ?

(Gerao Aleatria) (Conceito de dominncia)
No
Seleo
Avaliao
Recombinao
Nova
Populao
Avaliao
Mutao
Figura 4.7 Estrutura geral dos algoritmos genticos multiobjetivo
Os mtodos de otimizao multiobjetivo tm trs principais objetivos que devem ser

perseguidos para melhorar a acurcia das solues. Esses objetivos referem-se
minimizao da distncia entre a frente no dominada e a frente tima Pareto e a
produo de solues bem distribudas ao longo da frente. No entanto, observa-se que
dois problemas vem sendo enfrentados para que os AEs possam atingir esses objetivos.
O primeiro est relacionado aos procedimentos de avaliao e seleo dos AEs de forma
a garantir uma busca eficiente para o conjunto timo Pareto. O segundo problema
refere-se em como manter uma diversidade da populao de forma a evitar a
convergncia prematura.
78
O procedimento de busca de solues timas Pareto atravs de algoritmos

evolucionrios multiobjetivo (Figura 4.10) similar aos AGs convencionais (Figura
4.6). Pequenas modificaes na estrutura dos AGs convencionais so realizadas, no
estgio de avaliao, para que os algoritmos evolucionrios multiobjetivo busquem ao
invs de uma soluo, um conjunto de solues timas. Por exemplo, segundo os
algoritmos genticos convencionais os melhores indivduos (valor de aptido alto) tm
alta probabilidade de pertencer ao conjunto soluo na prxima gerao, a soluo
tima representa a combinao de variveis (vetor de deciso) que tem o maior valor de
aptido, no caso de maximizao, na ltima iterao (gerao). Nos algoritmos
genticos multiobjetivo, primeiro, a populao inicial classificada segundo os
conceitos de dominncia (4.7), e dessa forma, obtm-se os vetores de deciso que so
no dominados. Esses vetores so as melhores combinaes da iterao corrente e tm
alta probabilidade de se encontrarem na prxima iterao (gerao). A soluo final
compreender todos vetores de deciso no dominados da ltima iterao.
FONSECA e FLEMING (1995) apresentaram uma reviso dos vrios algoritmos

evolucionrios aplicados otimizao multiobjetivo presentes na literatura. De modo
particular, esses autores classificaram os mtodos multiobjetivo em: (1) tcnicas de
funes agregadas, (2) tcnicas baseados em um conjunto de solues (populao) sem
considerar o conceito Pareto e (3) tcnicas baseadas em um conjunto de solues
considerando o conceito Pareto. A primeira possibilidade incorpora os objetivos atravs
de uma combinao ponderada por pesos em uma funo nica. Assim, as solues no
dominadas sero geradas por vrias combinaes de pesos e representam as retas
tangentes frente Pareto. A segunda possibilidade considera os objetivos definidos
individualmente e tratados simultaneamente. Nesse caso, os operadores genticos
devem ser alterados de forma a adequar o problema segundo os princpios de busca das
solues timas Pareto. A terceira possibilidade consiste na combinao das duas
possibilidades anteriores.
Tcnicas de funes agregadas

As tcnicas de funes agregadas representam esforos de pesquisadores em tentar
reproduzir a frente Pareto. Pode ser considerada como uma evoluo da otimizao
clssica multiobjetivo. Essas tcnicas tm a caracterstica de combinar vrias funes
em uma nica funo atravs do escalonamento de valores das funes objetivo. Com
79
isso, o decisor prope as metas que devem ser alcanadas e, ento, o algoritmo
aplicado vrias vezes para gerar a soluo compatibilizada.
A vantagem de se otimizar uma nica funo atribuda simplicidade de

implementao que visa encontrar apenas uma soluo para o problema. Porm, essa
aproximao apresenta srios problemas em relao determinao de pesos, que
geralmente subjetiva. Outro problema encontrado que solues alternativas
fundamentais tomada de deciso no so necessariamente obtidas como resposta.
Vrias aplicaes tm sido reportadas na literatura, considerando os problemas de
objetivos mltiplos agregados em uma nica funo objetivo. O trabalho de
RICHARDSON et al. (1989) pode ser considerado um esforo no sentido de dar suporte
para o enquadramento de pesos relativos s restries inseridas como penalidades na
funo objetivo.
HAJELA e LIN (1992) desenvolveram um mtodo de busca no qual inclui pesos no

vetor de deciso e promove a diversidade na populao com tcnicas de
compartilhamento. Como conseqncia, um conjunto de indivduos obtido para cada
combinao de pesos. Portanto, para cada objetivo considerou-se um peso w i ]0,1[ , de
tal forma que, w i = 1 . O valor da avaliao calculado como sendo a soma dos
valores objetivos ponderados, w i f i ( x ) . Para se buscar solues mltiplas em paralelo,

esses pesquisadores adotaram pesos variveis. A diversidade da combinao de pesos
promovida pelas tcnicas de compartilhamento. O algoritmo evolui atravs da
combinao de pesos simultaneamente.
Todos esses mtodos citados utilizaram funes agregadas ponderadas em sua

formulao. No entanto, nenhum incorporou a definio do conceito Pareto
(dominncia). O interesse principal desses mtodos era gerar solues no dominadas,
sem a preocupao de manter a diversidade da populao na frente Pareto.
Tcnicas populacionais que no consideram o conceito Pareto
As tcnicas populacionais que no consideram o conceito Pareto tm a caracterstica de

trabalhar com solues mltiplas em uma nica simulao. O critrio de seleo
diferente dos AGs convencionais, pois a busca realizada em vrias direes ao mesmo
tempo. Esses algoritmos utilizam vrias combinaes lineares dos objetivos. O trabalho
pioneiro nessa direo foi o trabalho de SCHAFFER (1984), que desenvolveu uma
extenso dos algoritmos genticos simples para acomodar valores das funes aptido
80
ou avaliao em um vetor que foi denominado VEGA (Vector Evaluated Genetic

Algorithm).
Esse algoritmo (SCHAFFER, 1984) executa a seleo para cada objetivo

separadamente. O algoritmo considera um conjunto (mating pool) dividido em n partes
de dimenses iguais. Uma parte desse conjunto preenchida com indivduos escolhidos
aleatoriamente na populao corrente de acordo com um dos seus objetivos.
Posteriormente, a outra parte preenchida por novos indivduos criados a partir de
indivduos que j se encontram nesse conjunto. Os novos vetores soluo (indivduos)
so obtidos atravs da aplicao dos operadores genticos (recombinao e mutao)
convencionais. Depois desse procedimentos, aplica-se o operador de seleo
proporcional.
Um dos problemas encontrados nas solues produzidas pelo algoritmo VEGA foi
tendncia da populao em dividir-se, em diferentes espcies fortes em relao aos
objetivos considerados. A esse fenmeno dado o nome de especiao (FONSECA e
FLEMING, 1995; SRINIVAS e DEB, 1995).
FONSECA e FLEMING (1995) afirmaram que o procedimento desenvolvido por

SCHAFFER (1984) implicitamente um combinao linear e explica o porqu da
populao dividir-se em espcies fortes em relao a cada um dos objetivos, no caso de
regies cncavas. Os autores referidos argumentaram que pontos em regies cncavas
so de difcil localizao quando se tem uma combinao linear dos objetivos, para um
conjunto de pesos.
SCHAFFER (1984) tentou minimizar a ocorrncia desse fenmeno (especiao)

desenvolvendo duas heursticas: a heurstica de seleo no dominada e a heurstica de
seleo de pares. Na primeira, indivduos dominados so penalizados atravs da
subtrao de um valor fixo (penalidade) pequeno no nmero esperado de suas cpias
durante a seleo. A penalidade total para as solues dominadas calculada
proporcionalmente as solues no dominadas, que tm o seu nmero de cpias
esperado elevado durante a seleo. Entretanto, o algoritmo falha quando a populao
apresenta poucos indivduos no dominados, resultando em um elevado valor de aptido
e, eventualmente, atribuindo-lhes uma alta probabilidade de seleo. A segunda
heurstica realiza uma espcie de juno de pares, promovendo a recombinao entre os
cromossomos. O mtodo implementado selecionando pares de indivduos
aleatoriamente, cuja sua distncia (um em relao ao outro) no espao euclidiano deve
81
ser mxima. A tcnica tambm falha por impedir que indivduos com baixos valores de
aptido participem da seleo, dada a possibilidade de grandes distncias euclidianas
entre indivduos "campees" e "medocres".
GOLDBERG (1989) tambm props uma tcnica para minimizar a ocorrncia do

fenmeno da especiao, realizando a classificao no dominada em conjunto com
uma tcnica de compartilhamento. O autor afirma que a probabilidade de reproduo de
todos os indivduos no dominados em uma populao pode ser estabelecida atravs de
nveis de dominncia (frentes no dominadas). Dessa forma, se uma frente no
dominada determinada, os indivduos pertencentes a esta frente so removidos da
concatenao. Segue-se ento o processo para determinar a nova frente no dominada
com os indivduos remanescentes da populao. No final, toda populao classificada
de acordo com seu grau de dominao (frentes).
KURSAWE (1991) props um algoritmo que consiste em vrias etapas. Para cada
etapa, um objetivo selecionado aleatoriamente de acordo com um vetor probabilidade,
e utilizado para determinar a anulao de indivduos da populao corrente. Esta
implementao se assemelha aos algoritmos desenvolvidos por SCHAFFER (1984).
Tcnicas populacionais que consideram o conceito Pareto
As tcnicas populacionais que consideram o conceito Pareto so baseadas nas

proposies de GOLDBERG (1989), que sugeriu incorporar o conceito de dominncia
nos algoritmos genticos. Vrios pesquisadores (FONSECA e FLEMING, 1993; HORN
e NAFPLIOTIS, 1993; SRINIVAS e DEB 1995) concentraram seus esforos na
incorporao e implementao desse conceito nos AGs. A partir dessas contribuies,
esses algoritmos tornaram-se capazes de buscar solues no dominadas
independentemente e simultaneamente (paralelamente) em uma nica iterao,
possibilitando assim, que a subjetividade referente atribuio de pesos na funo
objetivo fosse evitada.
FONSECA e FLEMING (1993) foram os primeiros a introduzir tcnicas de otimizao

multiobjetivo, utilizando o conceito de dominao (solues no dominadas), em
algoritmos genticos. Esse algoritmo foi denominado MOGA (Multi Objective Genetic
Algorithms) pelos autores. No MOGA, as solues no dominadas e a diversidade da
populao so tratadas simultaneamente durante o processo iterativo.
82
A classificao da populao baseada no conceito de dominncia garante que todos os

indivduos no dominados tenham o mesmo valor de ordenao, mas no garante
uniformidade de solues na frente. De forma a evitar a tendncia da populao em
dividir-se em pequenas sub populaes e convergirem individualmente para cada um
dos objetivos considerados, algumas tcnicas preventivas foram desenvolvidas. Essas
tcnicas possibilitam a representatividade das solues no dominadas de maneira
distribuda ao longo da superfcie Pareto. Essas aplicaes so denominadas tcnicas de
compartilhamento (fitness sharing).
HORN, NAFPLIOTIS e GOLDBERG (1994) propuseram uma combinao da seleo

torneio com o conceito de dominncia Pareto. Esta tcnica toma dois indivduos que
esto competindo e um conjunto formado por indivduos selecionados aleatoriamente da
populao. Se um dos indivduos competidores dominado por algum membro do
conjunto comparao, e o outro no , ento esse ltimo escolhido como sendo
vencedor do torneio. Se ambos os indivduos so dominados (ou no dominados), o
resultado do torneio decidido por pela tcnica de compartilhamento: o competidor que
obtiver menor nmero de indivduos em seu nicho (definido pelo share ) selecionado
para reproduo. Esse algoritmo reportado na literatura internacional como NPGA
(Niched Pareto Genetic Algorithm). O nicho, na biologia, definido por um grupo de
indivduos de mesma espcie com caractersticas comuns. Na otimizao evolucionria
faz-se uma analogia a esse processo. Vetores soluo com valores de aptido altos
(indivduos fortes) podem produzir vrias cpias de seus vetores na prxima gerao,
fazendo com que a populao perca diversidade atravs da eliminao dos outros
vetores soluo pelo processo estocstico. Com isso, diz-se que toda populao
aglomerada em um nicho de indivduos ou converge para uma nica soluo.
SRINIVAS e DEB (1995) desenvolveram uma aplicao baseada nos conceitos de

otimizao multiobjetivo sugeridas por GOLDBERG (1989). Esse algoritmo
denominado NSGA (Nondominated Sorting Genetic Algorithm). Nesse algoritmo o
operador de seleo aplicado em vrias etapas. Em cada etapa, as solues no
dominadas constituem uma frente no dominada s quais, so atribudos valores
fictcios de aptido a essas solues pertencentes a cada frente. Esta avaliao fictcia
ajustada utilizando valores da tcnica de compartilhamento (Sharing Fitness) nas frentes
no dominadas. A classificao das solues acontece por frentes, e para cada frente so
calculados os respectivos compartilhamentos. Depois de atribudo o valor de aptido
83
fictcio de cada soluo pertencente a uma frente, passa-se para prxima frente no
dominada e o processo se repete at que toda populao seja classificada. Nos primeiros
estudos de SRINIVAS e DEB (1995) foi desenvolvido um mtodo de seleo
combinado com operador de seleo estocstica convencional.
Percebe-se, no algoritmo proposto por SRINIVAS e DEB (1995), que as solues

pertencentes primeira frente no dominada recebem valores fictcios maiores do que
as solues que pertencem s frentes no dominadas posteriores. Com isso, a
probabilidade desses indivduos passarem para a prxima gerao tambm maior.
Autores como FONSECA e FLEMING (1993), HORN e NAFPLOTIS (1993) e

SRINIVAS e DEB (1995) contriburam tambm na evoluo das tcnicas de
compartilhamento. Essas tcnicas tendem a manter diversidade da populao, ao longo
da superfcie Pareto, e so baseadas no processo natural das espcies, onde indivduos
tendem a se aglomerar em pequenas comunidades denominados nichos. A partir das
diferentes formas de compartilhamento e estabelecimento de nichos, as implementaes
dos AGs para problemas multiobjetivo apresentam diferentes aproximaes, cujo
objetivo principal encontrar e manter uma amostra representativa de solues da frente
Pareto.
Como reportado, a literatura conta com trs implementaes clssicas: FONSECA e

FLEMING (1993), HORN e NAFPLIOTIS (1993) e SRINIVAS e DEB (1995). Esses
autores desenvolveram e testaram seus algoritmos evolucionrios para vrios problemas
reais e provaram que os algoritmos evolucionrios multiobjetivo baseados no conceito
de dominncia Pareto so confiveis. Esses algoritmos apresentam duas caractersticas
comuns nos seus operadores de evoluo. A primeira caracterstica refere-se maneira
de avaliar as solues considerando o conceito de dominncia. J a segunda refere-se
forma com que esses algoritmos preservaram a diversidade das solues na fronteira
no dominada.
Apesar dessas implementaes terem demonstrado eficincia na identificao de

solues timas Pareto para diversos problemas testes e de engenharia, autores como
ZITZLER e THIELE (1998), KNOWLES e CORNE (2000) e DEB et al. (2002)
identificaram a necessidade de introduzir um operador de desempenho comprovado nos
AGs convencionais. Particularmente, o interesse foi introduzir a sistemtica do
84
elitismo10 nos algoritmos evolucionrios multiobjetivo, de forma a garantir propriedades

de convergncia.
ZITZLER e THIELE (1998) sugeriram um algoritmo evolucionrio multiobjetivo

elitista. Esse algoritmo denominado SPEA (Strength Pareto Evolutionary Algorithm)
e tem como caracterstica fundamental a manuteno de uma populao externa ao
longo das iteraes de forma a armazenar todas as solues no dominadas encontradas
desde a populao inicial. Essa populao participa de todas as operaes evolutivas.
Em cada iterao uma populao combinada, entre as populaes externa e corrente,
construda. Todas as solues no dominadas da populao combinada so avaliadas e
recebem um valor de aptido baseado no nmero de solues que essas solues
dominam. J as solues dominadas recebem um valor de aptido pior que o pior valor
de aptido das solues classificadas como no dominadas. Esse procedimento garante
que a busca seja direcionada para espao das solues no dominadas. Para manter a
diversidade das solues no dominadas aplicada uma tcnica de agrupamento.
Com um procedimento simples de comparao de solues no dominadas entres dois

vetores soluo KNOWLES e CORNE (2000) propuseram um algoritmo evolucionrio
multiobjetivo elitista, denominado PAES (Pareto-Archived Evolution Strategy). Esse
algoritmo utiliza a codificao binria ao invs da codificao real para criar um novo
vetor soluo (filho) atravs da mutao. O processo resume-se na seguinte anlise, se o
vetor soluo filho domina o vetor soluo pai, o filho aceito como prximo pai e as
iteraes continuam. Por outro lado, se o pai domina o filho, o filho descartado e uma
nova mutao realizada para gerar um novo vetor soluo (filho). No entanto, se o
vetor soluo pai e o vetor soluo filho no apresentam relao de dominncia, a
escolha realizada comparando os dois com uma lista de solues boas armazenadas ao
longo das geraes.
Baseando-se no ordenamento elitista por no dominncia e aperfeioando o algoritmo

no elitista NSGA, DEB et al. (2002) propuseram o algoritmo NSGA II (Elitist Non-
Dominated Sorting Genetic Algorithm). O NSGA II trabalha com dois conjuntos
simultneos em cada iterao, denominados populao pai e populao filha. Na
primeira iterao gera-se um conjunto inicial como nos AGs convencionais e ordena-se
esse conjunto considerando o nveis de no dominncia, por exemplo, solues com
10
O elitismo foi introduzido por DEJONG apud ZITZLER (1999) nos algoritmos evolucionrios convencionais. Este operador
sugere que as melhores solues da populao correntes sejam preservadas sem modificaes e incorporadas na populao
posterior. Segundo o autor, esse operador evita a convergncia prematura dos AEs.
85
nvel 1 so as melhores solues do conjunto, solues com nvel 2 correspondem ao

segundo melhor grupo, e assim por diante. Cada soluo recebe um valor de aptido
igual a seu nvel de dominao (frentes). So aplicados ento os operadores de seleo
(torneio), recombinao e mutao, sucessivamente, para se obter a populao filha. As
duas populaes tm a mesma dimenso. Aps isso, ambas as populaes so unidas em
um nico conjunto temporrio (dimenso 2N). Realiza-se um ordenamento por no
dominncia desse conjunto temporrio de forma a identificar os novos nveis de
dominao. Dado que apenas N solues podem estar contidas no prximo conjunto,
ento as N piores solues so descartadas, de acordo com um critrio de seleo que
considera uma tcnica de compartilhamento para garantir a diversidade da prxima
populao.
Finalmente, pode-se concluir, atravs da reviso bibliogrfica realizada, que o problema

de otimizao multiobjetivo recebeu um grande avano com o surgimento das tcnicas
de otimizao no convencionais como os AEs, mais especificamente os AGs.
Comprovadamente, a literatura vem reportando as desvantagens dos modelos de
otimizao multiobjetivo convencionais em relao aos mtodos no convencionais,
principalmente pela dificuldade na atribuio de pesos inerentes s tcnicas
convencionais. Cabe destacar que os algoritmos evolucionrios de otimizao
multiobjetivo tambm vm recebendo aperfeioamentos de forma a garantir a
identificao e distribuio de solues no dominadas na frente Pareto. No entanto,
atualmente so as tcnicas mais modernas e eficientes na abordagem multiobjetivo.
O prximo captulo destinado proposio do modelo computacional para

reabilitao de sistemas de distribuio de gua que considera o carter multiobjetivo do
problema. Quatro algoritmos (MOGA, NSGA, SPEA e NSGA II) so investigados na
resoluo do problema em questo, como forma de identificar o modelo mais adequado.
Assim, o detalhamento de cada uma dessas tcnicas e os mtodos (mtricas) de
comparao desses algoritmos so descritos no prximo captulo.
5 PROPOSIO DE MODELO COMPUTACIONAL
Este captulo descreve a proposio de um modelo computacional para anlise de

reabilitao de redes de distribuio de gua para abastecimento considerando o aspecto
multiobjetivo do problema (objetivos mltiplos e conflitantes). Para tal finalidade, o
modelo proposto concebido em trs etapas. A primeira etapa compreende os
programas necessrios para a calibrao dos dados de entrada do modelo. A segunda
etapa refere-se ao mdulo de avaliao e compreende o algoritmo de otimizao
multiobjetivo e o simulador hidrulico que auxilia avaliaes das funes objetivo. A
terceira etapa representa a resposta final do modelo, ou seja, os planos timos de
reabilitao (solues alternativas). Minimizao de custos e vazamentos e
maximizao da confiabilidade e benefcios so os critrios que o mdulo de otimizao
considera simultaneamente, para gerar os planos timos de reabilitao. Tais planos
refletem a relao de compromisso entre a satisfao dos consumidores (maximizao
de benefcio e confiabilidade), a proteo dos recursos naturais (minimizao de
vazamentos) e as metas de investimento a serem cumpridas pelas companhias de
saneamento (minimizao de custo). Neste captulo tambm so encontradas as
descries das funes objetivo (critrios) propostas, dos algoritmos de otimizao
multiobjetivo e das tcnicas de anlise dos resultados.

A modelao matemtica, como alvo de pesquisa, tem por objetivo caracterizar um
problema fsico qualquer atravs de equaes matemticas, para gerar um modelo
representativo. Segundo SEBORG, EDGAR e MELLICHAMP (1989), um modelo
nada mais que uma abstrao matemtica de um processo real. Essas equaes depois
de formuladas e resolvidas fornecem o comportamento do sistema para diversas
condies de projeto e/ou de operao. Entretanto, um modelo bem desenvolvido deve
considerar as caractersticas mais importantes do sistema real, de forma que os critrios
a serem analisados sejam expressos numericamente. Em se tratando da tomada de
87
deciso, o modelo deve propiciar uma avaliao, dos efeitos causados pelas decises
sobre os objetivos estabelecidos para um determinado sistema, com objetivo de
identificar as melhores alternativas de projeto e operao.
Nos ltimos anos a modelao matemtica de sistemas de distribuio de gua tem se

tornado uma rea de grande interesse por parte dos pesquisadores e profissionais,
devido principalmente s complexidades inerentes de tais sistemas. Existem vrias
razes que levam a essa procura. A primeira est relacionada necessidade de fornecer
s empresas tecnologias eficientes que auxiliem na investigao dos sistemas e seus
processos. A segunda razo se refere possibilidade de identificar planos de melhorias
para promover a adequao eficiente dos sistemas existentes aos novos padres de
consumo, evitando assim, o desperdcio de gua e as possveis falhas decorrentes de
componentes deteriorados. Finalmente, WALSKI et al. (2003) afirmam que a
disponibilidade dos recursos computacionais possibilita o desenvolvimento de tais
ferramentas para o planejamento (projeto e reabilitao) e operao (calibrao,
controle e operao) de tais sistemas.
Confiabilidade, custos, benefcios e vazamentos so alguns dos aspectos que devem ser
incorporados nas anlises de reabilitao dos sistemas de distribuio de gua.
Entretanto, observa-se que esses critrios, quando tratados como funes objetivo, alm
de serem mltiplos so conflitantes. Por exemplo, considere um problema de
dimensionamento timo de uma rede (mnimo custo). Se apenas a funo objetivo custo
for utilizada, a soluo obtida tende apresentar solues com os menores dimetros
disponveis e consequentemente menores presses. Se para essa mesma situao fosse
considerada simultaneamente, a maximizao da capacidade hidrulica como outro
objetivo, essa situao mudaria, pois a considerao de capacidade hidrulica exige do
algoritmo de otimizao maiores dimetros e oferece maiores presses. Demonstra-se
ento, o conflito de objetivos para uma simples situao hipottica. Isso caracteriza uma
das complexidades do planejamento (projeto e/ou reabilitao) de sistemas de
distribuio de gua. Uma das formas que analistas e decisores encontram para
solucionar tais problemas recorrer s tcnicas de programao matemtica para
auxiliarem-nos nesse processo.
Como j mencionado em captulos anteriores, os mtodos de otimizao multiobjetivo

convencionais apresentam desvantagens frente aos mtodos no convencionais. Por
isso, o modelo aqui proposto foi concebido sob a tica dos algoritmos evolucionrios
88
multiobjetivo que so tcnicas mais recentes encontradas na literatura para tratar o

problema em questo. Tais algoritmos, alm de considerarem objetivos mltiplos
simultaneamente, atravs da busca paralela, exploram as similaridades das solues
atravs do processo de variao (recombinao e mutao). No obstante a tcnica
empregada, o que deve ser levado em considerao na anlise de reabilitao de redes
de distribuio de gua, a identificao das solues timas Pareto. Quatro
implementaes desses algoritmos so detalhadas e investigadas neste trabalho, com
objetivo de estudar seu comportamento frente ao problema ora proposto.
ETAPA PRELIMINAR
Dados de Projeto Medies em Campo
Modelo de Calibrao
Parmetros de Vazamentos
ETAPA DE AVALIAO
M inimizao de Vazamentos
SIM ULAO HIDRULICA M aximizao de Benefcios
M aximizao da Confiabilidade Modelo de Otimizao

Multiobjetivo
M inimizao de Custos
ETAPA DE DECISO
Solues timas Pareto
Planos de Reabilitao
Figura 5.1 Modelo de reabilitao proposto
Em geral, a anlise de reabilitao de redes de distribuio de gua consiste em

identificar e formular os objetivos promissores, avaliar tais objetivos atravs de tcnicas
de otimizao, e assim, gerar planos timos de reabilitao e selecionar as intervenes
(planos) a serem implementadas nos sistemas de forma a melhorar o desempenho dos
89
mesmos. A Figura 5.1 ilustra o modelo de reabilitao proposto neste trabalho.

Observa-se que este modelo considera trs etapas bem distintas. A etapa preliminar
(primeira etapa) compreende todos os procedimentos necessrios para ajustar os dados
de entrada que iro alimentar o mdulo de avaliao (otimizao multiobjetivo). Como
a reabilitao de redes visa melhorar o desempenho de um sistema existente,
extremamente necessrio o comportamento real do mesmo seja conhecido, por isso a
etapa preliminar torna-se imprescindvel. Tais dados se dividem em dados cadastrais e
dados experimentais. Os dados cadastrais envolveram todo tipo de estudos referentes:
simplificao do sistema, aos estudos de consumo (para estimar as demandas nodais),
aos dados cadastrais da rede (caractersticas geomtricas, posio de componentes
hidrulicos, dentre outros), aos relatrios de manuteno (vazamentos e pequenos
reparos), aos relatrios operacionais (manobras na rede), dentre outros. Os dados
experimentais foram caracterizados pelos dados obtidos em campo atravs de
instrumentao (medidores de presso e medidores de vazo). O mdulo referente
segunda etapa visa avaliar o sistema em estudo atravs de um procedimento de
otimizao multiobjetivo auxiliado por um simulador hidrulico. A terceira etapa do
modelo proposto, tambm denominado mdulo de deciso, apresenta os resultados da
modelao, ou seja, os planos timos de reabilitao (solues alternativas).
Nas prximas sees so abordados e descritos os objetivos considerados no modelo

proposto, os mtodos de otimizao multiobjetivo investigados, os ndices de
comparao desses mtodos, os simuladores hidrulicos e as redes exemplos, objeto de
estudo deste trabalho.
5.2 Tcnicas de reabilitao

Existem inmeras tcnicas para a reabilitao de redes de distribuio de gua.
ENGELHARDT et al. (2000) classifica essas tcnicas em quatro principais categorias:
substituio, revestimento estrutural, limpeza e outras tcnicas.
Substituio - A substituio de tubulaes consiste em trocar as tubulaes existentes

por tubulaes novas. Essa tcnica de reabilitao tem efeitos negativos e diretos na
satisfao dos usurios. Barulho, poluio visual, conserto das vias de transporte e
obstruo do trfego so alguns dos fatores que propiciam desconforto populao que
reside prximo ao local do reparo.
90
Revestimento estrutural - Esta tcnica visa revestir as paredes internas e externas das
tubulaes protegendo contra possveis corroses, no caso de tubulaes de ferro.
Geralmente, esse revestimento aplicado aps a limpeza das tubulaes e no possui
impacto estrutural direto na tubulao. Os materiais para revestimento mais utilizados
so cimento e resina epxi.
Limpeza - A limpeza de tubulaes uma tcnica de reabilitao muito comum. Tal

tcnica tem como objetivo remover depsitos de sedimentos incrustados no interior das
tubulaes. Atualmente, existem procedimentos mais avanados que removem tais
incrustaes sem causar danos as tubulaes. No entanto, essa tcnica deve ser aplicada
criteriosamente, pois incrustaes podem estar localizadas em pontos onde
possivelmente ocorreram vazamentos, considerando regies que a gua tem alto ndice
de carbonato de clcio. Portanto, conveniente aplicar algum revestimento estrutural
nas paredes externas das tubulaes aps a aplicao desta tcnica.
Outras tcnicas - A deteco prvia de vazamentos nos redes de distribuio uma das
tcnicas que podem ser aplicadas nos sistemas de forma a retardar a deteriorao dos
mesmos. No caso de tubulaes de ferro fundido, o mais recomendvel controlar a
qualidade da gua nas estaes de tratamento. Outra tcnica muito utilizada nas redes de
distribuio de gua o reforo de tubulaes em paralelo ao sistema macro (rede
principal) de forma a garantir abastecimento a toda populao atravs do aumento da
capacidade hidrulica do sistema.
5.3 Formulao do problema de reabilitao de redes hidrulicas

Enquanto as demandas crescem com o tempo, o desempenho dos sistemas decresce
devido a fatores internos ou externos. Fatores internos esto vinculados deteriorao
das superfcies internas das tubulaes, resultando em uma diminuio da capacidade
hidrulica, degradao da qualidade da gua e reduo da confiabilidade do sistema. Os
fatores externos so provenientes da deteriorao estrutural das tubulaes relacionadas
s tenses impostas sobre o sistema. Esses fatores propiciam o surgimento de
vazamentos, queda da presso, deteriorao da qualidade de gua, no atendimento de
presses requeridas nos sistemas, dentre outros. KLEINER e RAJANI (2001) enfatizam
que uma melhoria tardia em um sistema degradado pode propiciar grandes gastos nos
reparos emergenciais de quebras, deteces de vazamentos, investigao das
reclamaes durante os anos, alm de causar descontentamento e reduo do bem estar
da populao.
91
De acordo com HALHAL et al. (1997) o aumento da performance hidrulica das redes
de distribuio de gua depende de algumas melhorias realizadas nas mesmas, que
apresentam reflexos diretos, sobre sua capacidade hidrulica. Essas melhorias so
obtidas atravs da recuperao da integridade fsica da rede por meio da substituio de
tubulaes danificadas, da incorporao de tubulaes adicionais e das remoes e/ou
limpezas das tubulaes antigas. Esses objetivos, no entanto, variam de um sistema para
outro de acordo com sua utilidade.
A modelao matemtica desenvolvida sob a tica da anlise de sistemas exige que

critrios ou objetivos sejam expressos numericamente. Para isso, necessria a
investigao dos objetivos mais promissores do problema, de forma que exista uma
relao entre o problema fsico e a sua formulao. As funes objetivo para anlise de
reabilitao de redes baseiam-se em critrios como capacidade hidrulica, integridade
fsica das tubulaes, recursos financeiros, desempenho e flexibilidade dos sistemas.
Essas funes so detalhadas nas prximas sees.
5.3.1 Custos
Os custos representam os investimentos financeiros calculados pela soma dos valores
presentes referentes s aes a serem implementadas no sistema ao longo do perodo de
planejamento, representado pela eq.(5.1).
C T = C projeto + C lim peza + C duplicao + C substituio (5.1)
Em algumas situaes possvel identificar e quantificar benefcios, em termos

monetrios, decorrentes da implementao de melhorias realizadas nos sistemas. Dessa
forma, tais parcelas (benefcios) podem ser consideradas na formulao de custo total
atravs de uma subtrao no valor do custo total.
Projeto Em algumas situaes, a reabilitao de redes est associada expanso do

sistema (dimensionamento timo). Quantifica-se o custo de implantao de novas
tubulaes conforme a eq.(5.2).
C projeto = C L
j 1
j j (5.2)
92
sendo 1 o conjunto de trechos que recebero novas tubulaes; j representa o trecho de

tubulao de projeto; c o custo unitrio de novas tubulaes e L o comprimento do
trecho.
Duplicao - O custo de implantao de tubulaes em paralelo expresso pela

eq.(5.3). Esse custo um caso particular do custo de projeto, entretanto, em algumas
situaes reais seu valor pode ser diferenciado do custo de projeto. A duplicao de
tubulaes est diretamente relacionada a um sistema existente, e dessa forma implica
em um desconforto da populao11 nas proximidades do local da reabilitao, e
consequentemente tende a ter custos mais elevados. No caso de projeto, muitas vezes o
que se pretende obter uma medida preventiva para minimizar problemas futuros,
havendo ou no interferncias de residncias prximas, assim os custos so menos
elevados quando comparados com as da duplicao.
C duplicao = C L
j 2
j j (5.3)
sendo 2 o conjunto de trechos que iro ser duplicados; j representa o trecho tubulaes
que ser duplicado; c o custo unitrio de novas tubulaes e L o comprimento do
trecho da tubulao que receber duplicao.
Limpeza - O custo de limpeza de tubulaes expresso pela eq.(5.4).
C lim peza = C L
j 3
j j (5.4)
sendo 3 o conjunto de tubulaes que iro ser limpas; j representa as tubulaes que
sero limpas; c o custo unitrio da limpeza das tubulaes e L o comprimento da
tubulao a ser limpa.
Substituio - O custo de substituio de tubulaes expresso pela eq.(5.5). Essa

tcnica uma das mais onerosas, tendo em vista que para substituir tubulaes
necessrio realizar obstrues do trfego e interrupes no abastecimento. Em muitas
situaes reais, essa tcnica no utilizada.
11
A rede de abastecimento de gua do centro da cidade de Piracicaba (SP) em 1998 foi reabilitada utilizando essa
tcnica de reabilitao. A duplicao da rede foi feita no passeio (calada) tendo em vista a no obstruo do trfego
local (rea comercial). Essa comunicao foi fornecida pelo diretor do SAAE de Piracicaba Eng. Civil Renato
Takami.
93
C substituio = C L
j 4
j j (5.5)
sendo 4 o conjunto de tubulaes que iro ser substitudas; j representa a tubulao

que ser substituda; c o custo unitrio da substituio de tubulaes e L o
comprimento da tubulao.
WALSKI (2001) argumentou sobre a utilizao das tcnicas de otimizao aplicadas

aos recursos hdricos e sobre a necessidade de incorporar no s custos nas anlises,
mas tambm os benefcios gerados pela implementao de tcnicas de reabilitao. O
autor reconhece a dificuldade de se quantificar tais objetivos e ressalta que alguns
pesquisadores como HALHAL et. al. (1997) e WALTERS et al. (1999) iniciaram
esforos para formulao desses benefcios baseando-se na quantificao da capacidade
hidrulica do sistema sem e com reabilitao.
Entretanto, algumas crticas podem ser tecidas em relao a essas formulaes

(HALHAL et. al., 1997; WALTERS et al. 1999). A questo que se remete como os
benefcios podem ser somados na formulao proposta (eq. 3.20), se os mesmos no
apresentam as mesmas unidades e so desprovidos de significado fsico. No presente
trabalho, essas formulaes foram aperfeioadas atravs de um procedimento simples.
Anlises adimensionais foram aplicadas para conceder no s um significado fsico as
tais formulaes, mas tambm uma converso de unidades de maneira que as parcelas
dos benefcios possam ser somadas. Essas formulaes so apresentadas a seguir.
5.3.2 Benefcios
Em geral, os benefcios referem-se melhoria do nvel de servio prestado aos
consumidores, combinados com uma medida de decrscimo dos custos associados
operao e manuteno dos sistemas de distribuio de gua. O benefcio no presente
trabalho descrito pela eq.(5.6) e representa o ganho de capacidade hidrulica
alcanado pelo sistema a partir de melhorias realizadas nas redes.
NPD NN NN
B= q AR

i =1 j =1
AR
j Hj q AO AO
j Hj

(5.6)
j =1 i
sendo B o benefcio (kW); o peso especfico da gua (9,8 kN/m3); qAR a demanda
efetivamente atendida no n j considerando a rede reabilitada (m3/s); qAO a demanda
efetivamente atendida no n j considerando a rede em seu estado original (m3/s); HAR a
94
presso disponvel no n j para a rede reabilitada (m); HAO a presso disponvel no n j

para rede em seu estado original e NPD o nmero de padres de consumo
considerados (geralmente, mnimo, mdio e mximo). Observe que para se quantificar
(podendo ser utilizada as eqs. 2.32, 2.33 e 2.34) tanto qAR como qAO, necessrio
utilizar um simulador hidrulico dirigido pela presso (descrito posteriormente).
5.3.3 Vazamentos
A quantificao das perdas fsicas em sistemas de distribuio de gua calculada
atravs da pressuposta relao entre vazamento e presso de servio na rede. No
presente trabalho utiliza-se a formulao proposta por TUCCIARELLI, CRIMINISI e
TERMINI (1999) assumindo que os vazamentos so distribudos ao longo da superfcie
de rea das tubulaes. Essa funo objetivo definida pela eq.(5.7).
NN
V= QL
i =1
i (5.7)
sendo V o vazamento total na rede e QL o vazamento no n i considerando o sistema

reabilitado.
5.3.4 Confiabilidade
Embora no exista uma definio universal para os ndices de confiabilidade nos
estudos de redes de distribuio de gua, segundo TODINI (2000) a tcnica heurstica
baseada no conceito de resilincia12 um ndice muito apropriado para medir a
confiabilidade das redes de distribuio de gua, principalmente pela facilidade
computacional que a mesma oferece. O ndice proposto por esse autor mede a
capacidade hidrulica do sistema atender as demandas nodais da rede em situaes de
falhas. Considera-se que, a falha hidrulica resultante das mudanas nos padres de
consumo, deteriorao de tubulaes, perdas fsicas, dentre outras. A eq.(5.8) descreve
o ndice mencionado.
NN
qi =1
*
i (h i h *i )
R= NR NN
(5.8)
Q
k =1
kHk
i =1
q *i h *i
12
A resilincia definida como sendo a capacidade do sistema se recuperar dado que ocorreu alguma
falha (mecnica ou hidrulica).
95
sendo R o ndice de confiabilidade hidrulica; NN o nmero total de ns; NR o nmero

total de reservatrios; q* a demanda efetivamente abastecida no n i; h a energia do n i;
h* a energia desejvel para que a demanda seja totalmente atendida; Q a vazo
abastecida correspondente ao reservatrio k e H a energia total do reservatrio k.
5.4 Otimizao multiobjetivo

Analistas esto sempre tentando encontrar formas para solucionar e flexibilizar a
complexidade de seus problemas (complexos) atravs do emprego de tcnicas
avanadas de programao matemtica. A maioria desses analistas visa propor modelos
eficientes e bem calibrados para produzir projetos seguros e, assim, promover
economias financeiras.
A maioria dos problemas na engenharia de recursos hdricos envolve decises

complexas devido existncia dos objetivos mltiplos e conflitantes, por exemplo,
encontrar uma alternativa de projeto de redes de distribuio de gua que contemple,
mxima confiabilidade, mnimo custo, mximo benefcio gerado e mnimo vazamento.
A maximizao de benefcios tende apresentar solues de projeto com maiores
dimetros, e consequentemente presses elevadas no sistema. Observa-se que essa
maximizao conflitante com a minimizao de vazamentos, que prioriza solues de
projeto com presses mais baixas.
Como j mencionado nos captulos prvios, a otimizao de objetivo nico visa

encontrar a melhor soluo, que corresponde o valor mnimo ou mximo de uma
determinada funo. Esse tipo de otimizao til no sentido de fornecer aos decisores,
informaes preliminares sobre a natureza do problema, mas no fornece solues
alternativas que relacionam os objetivos. Ao contrrio, na otimizao multiobjetivo no
existe uma nica soluo tima, mas sim vrias solues que correspondem a atribuio
de prioridades diferentes aos objetivos do problema, fornecendo assim um conjunto de
solues de compromisso, denominadas trade-off, solues no dominadas, solues
no inferiores ou solues timas Pareto (SAVIC, 2002).
A considerao de vrios objetivos em um projeto ou plano garante trs melhorias ao

processo de tomada de deciso. Segundo COHON (1978) essa trs melhorias so: um
conjunto de solues timas identificado quando uma metodologia multiobjetivo
empregada; a considerao de objetivos mltiplos promove regras prprias aos
participantes do processo de planejamento e tomada de deciso, por exemplo, o analista
96
ou o modelador tem a funo de gerar solues alternativas e apresentar ao tomador de

deciso que utiliza essas solues geradas para escolha; se objetivos mltiplos forem
considerados o modelo torna-se mais real.
As tubulaes so os componentes mais comuns para transporte de gua, gases e leos

necessrios aos complexos urbanos. O projeto de sistemas de distribuio de gua foi
sempre visto como um problema de minimizao de custos (objetivo nico)
considerando dimetros como variveis de deciso. O problema do dimensionamento de
tubulaes visando custo mnimo um problema no linear e combinatorial discreto.
Seria ideal que todas as possveis solues do problema fossem analisadas, entretanto,
esses problemas tornam-se intratveis por tcnicas de enumerao quando o sistema a
ser otimizado possui dimenso elevada (situaes reais).
A otimizao de sistemas de distribuio de gua uma das reas de pesquisa mais

complexas e promissoras. Vrios artigos relatam o estado da arte dos modelos de
otimizao de sistemas de distribuio de gua (GOULTER, 1992; LANSEY, 2000) nas
ltimas dcadas. No entanto, WALSKI (2001) critica tais aplicaes e discute porque
essas tcnicas no so utilizadas por usurios nas companhias de saneamento. Segundo
esse autor h dificuldades em se definir objetivos e restries devido: as demandas nos
ns variam e os modelos disponveis consideram demandas fixas; o sistema construdo
aos poucos, e se for considerar as solues resultantes da otimizao, o sistema deveria
ser construdo em uma nica etapa; h uma tendncia da otimizao reduzir dimetros e
at mesmo eliminar tubulaes atravs da minimizao de custos, deixando o sistema
vulnervel, ou seja, com capacidade insuficiente para responder as quebras ou
demandas que excedem os valores de projeto. Dessa forma, o problema ora proposto foi
formulado como um problema de otimizao multiobjetivo sendo solucionado atravs
dos algoritmos evolucionrios.
Os Algoritmos Evolucionrios (AEs), como j citados no item (4.3), so tcnicas que

imitam matematicamente os processos encontrados na natureza, como por exemplo, a
evoluo natural das espcies. Esses algoritmos mostram-se adequados otimizao
multiobjetivo, em particular, pela flexibilidade de se explorar a similaridade das
solues atravs da busca paralela (conjunto de solues simultaneamente) e, dessa
forma, identificar um conjunto de solues timas em uma nica simulao. Um dos
algoritmos mais conhecidos pertencentes classe dos AEs so os algoritmos genticos
97
(AGs). Entretanto, os AGs convencionais foram desenvolvidos para otimizao de

objetivo nico.
Para adequar os AEs otimizao multiobjetivo foram necessrias modificaes no

mdulo de avaliao desses algoritmos, pois ao invs de selecionar uma nica soluo,
os AEs deveria incorporar o critrio de dominncia (4.4) para selecionar vrias solues
(soluo no dominadas) a cada iterao. Aps essas modificaes surgiu uma nova
classe de algoritmos voltados ao problema multiobjetivo, tais algoritmos so
denominados Algoritmos Evolucionrios Multiobjetivo (AEMO). Existe tambm uma
classe especfica dos AEMO denominada Algoritmos Genticos Multiobjetivo
(AGMO), considerados como evoluo dos AGs aos problemas multiobjetivo.
Os algoritmos evolucionrios multiobjetivo so classificados em dois grupos segundo

DEB (2001). O primeiro grupo no possui nenhum tipo de operador de elitismo
(operador que garante a presena dos melhores vetores soluo nas prximas iteraes)
sendo denominado algoritmos evolucionrios multiobjetivo no elitistas. O segundo
grupo refere-se aos modelos que de alguma forma garantem que os melhores vetores
soluo do conjunto (populao) corrente se encontrem nas prximas iteraes, esses
algoritmos recebem a denominao de algoritmos evolucionrios multiobjetivo elitistas.
No presente trabalho, optou-se por utilizar quatro dos mais conhecidos AEMO, dois no
elitistas (FONSECA e FLEMING, 1993; SRINIVAS e DEB, 1995) e dois elitistas
(ZITZLER e THIELE, 1998; DEB et al., 2002), como forma de verificar a eficincia e a
adequao desses algoritmos no problema de anlise de reabilitao de sistemas de
distribuio de gua.
As denominaes referentes aos AEMO so distintas e diversas. Assim, visando

adequar este trabalho a literatura internacional, preservou-se as denominaes sugeridas
pelos prprios autores. A aproximao proposta por FONSECA e FLEMING (1993)
denominada Multiobjective Genetic Algorithm (MOGA), a aproximao proposta por
SRINIVAS e DEB (1995) denominada Non-Dominated Sorting Genetic Algorithm
(NSGA). ZITZLER e THIELE (1998) denominam seu algoritmo como Strength Pareto
Evolutionary Algorithm (SPEA) e, recentemente DEB et al. (2002) props o Elitist Non-
Dominated Sorting Genetic Algorithm (NSGA II), considerado como um
aperfeioamento do algoritmo no elitista NSGA.
98
Para descrio e demonstrao dos quatro algoritmos utilizados (MOGA, NSGA, SPEA
e NSGA II) neste trabalho, um problema exemplo apresentado por DEB (2001)
reproduzido. Esse problema contm duas variveis de deciso e duas funes objetivo
nas quais ambas devem ser minimizadas. A eq.(5.9) descreve tal problema.
Minimizar F1(X) = x1
1 + x2 (5.9)
Minimizar F2( X) =
x1
sujeito : 0,1 x 1 1
0 x2 5
Tabela 5.1 - Solues geradas aleatoriamente para o problema (5.9)

Soluo x1 x2 F1 F2
1 0,31 0,89 0,31 6,10
2 0,43 1,92 0,43 6,79
3 0,22 0,56 0,22 7,09
4 0,59 3,63 0,59 7,85
5 0,66 1,41 0,66 3,65
6 0,83 2,51 0,83 4,23
Fonte: DEB (2001)
10
7 4
3 2
6
1
F2
4
6
3 5
2
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
F1
Figura 5.2 Solues referentes ao problema (5.9) (adaptado de DEB, 2001)
A Tabela 5.1 apresenta seis solues geradas aleatoriamente e calculadas conforme a

eq.(5.9). Essas solues so utilizadas como referncia para a demonstrao do
desenvolvimento dos quatro algoritmos. A Figura 5.2 ilustra os valores das funes
objetivo (F1 e F2) correspondente ao conjunto aleatrio apresentado na Tabela 5.1.
99
5.4.1 MOGA
O MOGA (Multiobjective Genetic Algorithm) referenciado na literatura como sendo a
primeira tcnica de otimizao multiobjetivo que considera simultaneamente o conceito
de dominncia e a diversidade das solues no dominadas. Esse algoritmo foi proposto
por FONSECA e FLEMING (1993) e difere-se dos algoritmos genticos convencionais
(AGs) na maneira com que a avaliao conduzida, pois a cada iterao o algoritmo
deve buscar no uma soluo mas um conjunto de solues no dominadas. Os
operadores de variao (recombinao e mutao) so aplicados de forma idntica aos
AGs convencionais. A Figura 5.3 ilustra o procedimento iterativo geral do MOGA.
ENTRADA DE DADO S
- T amanho Populao
- Probabilidade de Recombinao
- Probabilidade de Mutao
- Nmero Mximo de Geraes
- Parmetro de Compartilhamento
Populao Inicial
(Gerao Aleatria)
AVALIA O DAS FUN ES O BJETIVO Solues No Dominadas

(Considerando vrios objetivos) (Algoritmo de busca)
AVALIA O MO GA Classificao MOGA

(Considerando vrios objetivos) (rank)
Valor de Avaliao Modificada

Sim (Avaliao Mdia, nicho)
Convergncia ?
No
Fim Algoritmo
Seleo
Recombinao
(Populao Corrente Modificada)
AVALIA O DAS FUN ES O BJETIVO

(Considerando vrios objetivos)
Mutao

Figura 5.3 Procedimento geral do MOGA

100
5.4.1.1 Classificao das solues

A cada vetor soluo pertencente ao conjunto corrente (populao), na otimizao de
objetivo nico, associado um valor (aptido) que representa seu desempenho. Esse
valor, em muitos casos, o prprio valor da funo objetivo. Com isso, o melhor
indivduo recebe o maior valor de aptido e possivelmente pertencer ao conjunto
referente prxima iterao.
Como a otimizao multiobjetivo trabalha com solues timas Pareto a cada iterao,
no possvel identificar um nico vetor soluo melhor desse conjunto. Os melhores
valores de aptido so dados ao conjunto de solues no dominadas da iterao
corrente, que so melhores em relao aos outros vetores soluo. Considerando tais
aspectos, GOLDBERG (1989) props que a funo aptido para o conjunto de solues
no dominadas deveria basear-se em um procedimento de ordenao (rank).
FONSECA e FLEMING (1993) propuseram um operador de classificao (rank) para o

MOGA, similar as sugestes de GOLDBERG (1989). O rank baseado no nmero de
solues que dominam determinada soluo i, dada pela eq.(5.10).
ri = 1 + n i (5.10)
sendo que r representa o rank da soluo i e n representa o nmero de solues que

dominam a soluo i. Para o clculo dessas solues h um algoritmo descrito no
APNDICE A (Algoritmo1) deste trabalho.
10
7 4
1 2
6
1
F2
4
2
3 1
2
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
F1
Figura 5.4 Classificao realizada pelo MOGA no problema exemplo (5.9)

101
Considerando o problema exemplo (eq. 5.9), pode-se mostrar (Figura 5.4) a

classificao que o MOGA realiza utilizando eq.(5.10). Se na Figura 5.2 os nmeros
representam as solues, na Figura 5.4 so apresentados os ranks dessas solues
(observe que nem sempre a ordenao garante o uso de todos os possveis valores, 1-6).
Essas informaes so necessrias durante processo de avaliao das solues.
5.4.1.2 Diversidade da populao

Algoritmos evolucionrios so mtodos de otimizao que partem inicialmente de
diversos vetores soluo simultaneamente, ou seja, trabalham com vrias solues
(populao) a cada iterao (gerao). Isso faz com que esses mtodos contemplem
caractersticas de busca global. Esse conjunto de solues possui informaes distintas
referentes soluo tima global. Entretanto, tais informaes esto distribudas entre
os vetores pertencentes a esse conjunto. Essa distribuio de informaes, entre os
vetores soluo, denominada diversidade da populao.
Manter a diversidade da populao durante todo processo iterativo a principal

dificuldade dos AEs. Isso se deve ao fato de que vetores "fortes" (alto valor de aptido)
podem estar presentes na populao e podem dominar o processo de otimizao. A
dominao que esses vetores soluo impem no processo s acontece porque a seleo
dos melhores indivduos da populao est relacionada ao valor de aptido. Como esses
indivduos (fortes) tm elevado valores de aptido, h uma tendncia dos mesmos
produzirem diversas cpias para a prxima gerao, fazendo com que informaes
sobre o timo sejam perdidas e, consequentemente, provocar uma convergncia
prematura (timos locais) do algoritmo.
Segundo ZITZLER (1999) existem trs fatores que fazem com que a populao perca
diversidade: presso de seleo, perturbao na seleo e operadores de variao. A
presso de seleo definida como sendo o fator que determina o nmero de cpias de
vetores soluo na prxima gerao. Por exemplo, uma alta presso de soluo indica
que muitas cpias da melhor soluo estaro presentes na prxima gerao, fazendo
com que a populao perca diversidade e que o algoritmo recaia em timos locais. A
perturbao de seleo est relacionada aos diferentes mtodos de seleo existentes e
s diferentes formas de tais mtodos trabalharem. J os operadores de variao fazem
com que a populao perca diversidade devido os efeitos destrutivos que tais operadores
(recombinao e mutao) podem causar nas solues.
102
Em se tratando do problema multiobjetivo, semelhante otimizao de objetivo nico,

os AEMO tambm tm dificuldades de evoluo em decorrncia da perda de
diversidade da populao. Entretanto, nesse caso (otimizao multiobjetivo) o algoritmo
pode convergir no para um ponto local, mas sim para um conjunto de pontos locais
(Figura 4.4), no identificando dessa forma a frente Pareto.
GOLDBERG e RICHARDSON (1987) propuseram uma tcnica para manter mltiplas

solues na populao em cada gerao. Esta tcnica denominada funo de
compartilhamento cujo objetivo distribuir proporcionalmente na populao diferentes
solues contendo informaes do espao de busca. Para isso, o valor da funo de
aptido dividido pela dimenso do nicho associado a essa soluo, obtendo dessa
forma a funo partilhada. A dimenso do nicho uma estimativa do quo densa a
regio do espao qual essa soluo pertence, em outras palavras, a dimenso do nicho
representa o nmero de elementos candidatos a representante desse local na superfcie
da funo.
F2
Regio do Compartilhamento
Soluo Candidata 1
Nichos Determinados
Soluo Candidata 2
F1
Figura 5.5 Compartilhamento e nicho (adaptado de HORN e NAFPLIOTIS, 1993)
A Figura 5.5 ilustra essas definies e a eq.(5.11) apresenta a formulao matemtica.
d
se d
Sh (d) = 1 (5.11)
caso contrrio
0
o parmetro d conhecido como sendo a distncia normalizada (eq. 5.12) entre duas
solues (i e j) na populao com mesma ordem; um expoente que caracteriza a
funo e o parmetro denominado parmetro de compartilhamento das solues.
103
Existem valores na literatura para os parmetros e . SIRINIVAS e DEB (1995)

prope, = 0,5 e = 1 .
2
f k(i ) f k( j)
M
d ij =
max f min
k =1 f k

(5.12)
k
sendo que f kmax e f kmin so os valores mximo e mnimo das funes objetivo. Para uma
soluo i, d ij calculada para cada soluo j (incluindo i), sendo que, i e j possuem
mesma ordem; M so os objetivos considerados e fk so os valores das funes objetivo

correspondentes a cada soluo. Considerando, = 1 na eq.(5.11), calcula-se o nicho
conforme a eq.(5.13).
( ri )
nc i = Sh (d
j=1
ij ) (5.13)
sendo (ri ) o nmero de solues com ordem (ri) e j so as solues que esto
contidas na mesma ordem de i.
5.4.1.3 Etapas do procedimento iterativo do MOGA

Diversas so as possibilidades de implementao dos algoritmos evolucionrios
multiobjetivo em termos da sistemtica de obteno da frente Pareto tima, dos
operadores genticos e dos parmetros adotados, das tcnicas de distribuio de
solues nas frentes no dominadas, das probabilidades de recombinao e mutao e
do critrio de convergncia. Nesta seo segue a descrio e implementao do
algoritmo MOGA de acordo com fluxograma apresentado na Figura 5.3.
Dados de Entrada
- Dimenso da populao: POP
- Probabilidade de recombinao: Pr
- Probabilidade de mutao: Pm
- Parmetro de compartilhamento (5.11):
- Nmero mximo de geraes: GER

104
Etapa 1 Populao inicial

- Gerao da populao inicial aleatria Pt considerando o parmetro de entrada
POP.
Etapa 2 Avaliao das funes objetivo

- Cada vetor soluo pertencente populao inicial Pt avaliado de acordo com
as funes objetivo consideradas. Esta etapa denominada avaliao das
funes de avaliao ou aptido.
Etapa 3 Avaliao MOGA

- Para cada vetor soluo i pertencente ao conjunto Pt calculado o nmero de
solues que dominam (n) esse vetor (Algoritmo 1 - APNDICE A).
- O prximo passo classificar as solues ( ri ) conforme eq.(5.10).
- Aps ter determinado o rank de cada vetor pertencente populao Pt , calcula-
se a funo avaliao mdia para todos os vetores soluo POP atravs da
eq.(5.14):
ri 1
Fi = n populao

u ( k ) 0,5 (u (ri ) 1)

(5.14)
k =1
sendo que u(k) representa o conjunto de vetores soluo de rank k. Por exemplo,
u(1) refere-se ao nmero de vetores soluo com rank 1.
- Aps calcular a avaliao mdia necessrio dimensionar o nicho (5.13) para

cada soluo i de mesmo rank e assim calcular a avaliao compartilhada
conforme eq.(5.14). A avaliao compartilhada ( Fi ) uma das formas de
garantir diversidade na populao.
Fi
Fi = (5.15)
nc i
- Finalmente, como forma de preservar a escala da avaliao mdia, a avaliao

compartilhada (avaliao modificada) recalculada conforme eq.(5.16):
Fi u (ri )
Fi = Fi (5.16)

u ( ri )
F
k =1 k
105
Etapa 5 Convergncia
- Nessa etapa o algoritmo verificar seu critrio de convergncia. Em geral, adota-
se o nmero mximo de iteraes (GER) para essa verificao. Se tal critrio for
satisfeito o algoritmo segue para a etapa 10 e o processo finalizado, caso
contrrio, o algoritmo segue para a etapa 6 (procedimento de variao).
Etapa 6 Seleo
- Utilizando os valores de aptido modificado ( Fi ), mecanismos de
compartilhamento e nichos, calculados para cada vetor da populao, nessa
etapa acontece a seleo das solues candidatas que iro compor a prxima
populao. No MOGA a tcnica de seleo utilizada a amostragem estocstica
universal.
Etapa 7 Recombinao
- Nessa etapa os AEMO se assemelham aos AEs. A recombinao tambm
denominado operador de variao. nessa etapa que o algoritmo evolui sua
busca, analogamente essa etapa pode ser comparada ao processo de mudanas de
direes e coordenadas realizadas pelos algoritmos convencionais de busca.
Esse operador aplicado como na estrutura geral dos AGs convencionais
simples (Figura 4.6).
Etapa 8 Mutao
- O operador de mutao tambm faz parte do processo de variao e
responsvel pela introduo de diversidade na populao, que muitas vezes
perdida ao longo das iteraes, em outras palavras pode-se dizer que esse
operador responsvel pela introduo de material gentico na populao. Em
geral, esse operador aplicado como na estrutura dos AGs convencionais
apresentada pela Figura 4.6.
Etapa 9 Nova Populao
- Uma nova populao formada devido aplicao dos operadores de

recombinao e mutao. Assim necessrio que uma nova avaliao seja
realizada para cada vetor soluo pertencente a essa nova populao, retornando
o processo a etapa 2.
Etapa 10 Resultados
- Nessa etapa o algoritmo apresenta as solues timas Pareto.

106
5.4.2 NSGA
O NSGA (Non Dominated Sorting Genetic Algorithm) foi proposto por SRINIVAS e
DEB (1995) com objetivo de se trabalhar o conceito de dominncia e a manuteno da
diversidade da populao simultaneamente seguindo a idia inicial de GOLDBERG
(1989). Esse mtodo muito semelhante ao algoritmo MOGA, entretanto o NSGA
difere da aproximao proposta por FONSECA e FLEMING (1993) na maneira como
classifica os vetores soluo no dominados (frentes) e na forma com que o mtodo de
compartilhamento considerado (espao dos parmetros) para garantir a diversidade da
populao. Os operadores de recombinao e mutao so aplicados como nos AGs
convencionais (Figura 4.6). A Figura 5.6 ilustra o procedimento geral do NSGA.
ENTRADA DE DADOS
- T amanho Populao
- Parmetro de Compartilhamento
Populao Inicial
(Gerao Aleatria)
AVALIA O DAS FUN ES O BJETIVO Solues No Dominadas

(Considerando vrios objetivos) (Algoritmo de Busca)
AVALIA O NSGA
Classificao das Solues
(Considerando vrios objetivos) (Frentes de dominao)
Valor de Avaliao Fictcia

Sim (Compartilhamento e Nicho)
Convergncia ?
No
Fim Algoritmo
Seleo
Recombinao

Mutao

Figura 5.6 Procedimento geral do NSGA

107
5.4.2.1 Classificao das solues

Antes que a seleo seja desenvolvida, necessrio classificar as solues conforme o
conceito de dominncia apresentado no item (eq. 4.4) deste trabalho. Entretanto, o
NSGA desenvolve a classificao atravs de frentes de dominao sendo que todos os
indivduos pertencentes a essas frentes recebem um mesmo valor de aptido o qual
utilizado posteriormente para o clculo da funo compartilhada.
SRINIVAS e DEB (1995) propuseram o operador de classificao de solues do

NSGA baseado em frentes no dominadas. Encontrar o conjunto de solues no
dominadas para uma dada populao similar ao princpio de encontrar o mnimo ou
mximo de um conjunto de nmeros. Existem vrios algoritmos para determinao
desse conjunto de solues, no entanto esses algoritmos diferem entre si em
complexidade computacional. Alguns trabalhos (KUNG, LUCCIO e PREPARATA,
1975; DEB, 2001) discutem a complexidade desses algoritmos. Nesse trabalho so
apresentados dois algoritmos de busca de solues no dominadas que podem ser
encontrados no Anexo A. O primeiro algoritmo (Algoritmo 2 APNDICE A) tem um
custo computacional mais elevado do que o segundo (Algoritmo 3 APNDICE A),
porm mais simples de ser implementado.
10
7 4
3 2
6
1 Frente 3
F2
4
6
3 5 Frente 2
2
Frente 1
1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
F1
Figura 5.7 Classificao realizada pelo NSGA para o problema exemplo (5.9)
No algoritmo NSGA a populao ordenada de acordo com um procedimento de

classificao baseado em frentes de dominao (Algoritmo 4 APNDICE A). Esse
108
procedimento ilustrado pela Figura 5.7, considerando o problema exemplo (5.9).

Observa-se que as solues 1,3 e 5 pertencem a primeira frente de dominncia e so
candidatas a evoluir para frente Pareto.
5.4.2.2 Etapas do procedimento iterativo do NSGA

Nesta seo apresentam-se a descrio e implementao do algoritmo NSGA de acordo
com fluxograma apresentado na Figura 5.6.
Dados de Entrada
- Parmetro de compartilhamento (4.19):

POP

funes de avaliao ou aptido considerando objetivos mltiplos.
Etapa 3 Avaliao NSGA

- Ajuste um nmero pequeno positivo ( ) e um contador j que representa a frente
no dominada ( FR j ), e inicialize um valor de aptido mnimo (Fmin) conforme
eq. (5.17):
F min = POP + (5.17)
- Para cada vetor soluo i pertencente ao conjunto Pt identificado a frente no

dominada qual esse vetor pertence (Algoritmo 4 - APNDICE A), com isso
existiro frentes no dominadas (FR 1 , FR 2 ,..., FR ) . O nmero de frentes no
dominadas depende do problema e da populao.

109
- Para cada vetor i pertencente a cada frente no dominada ( FR j j = 1, 2,..., ) de
ndice j calculada sua avaliao fictcia Fji (eq. 5.26), o seu nicho nc i (eq.
5.19) considerando a distncia euclidiana d ik (eq. 5.19) no espao das variveis
de deciso e sua avaliao compartilhada Fi (eq. 5.23) correspondente.
Fji = F min (5.18)
sendo que i representa todos os vetores pertencentes a frente Fj . A distncia
euclidiana no espao das variveis de deciso :
2
x ip x kp
Pt
d ik = max (5.19)

p =1 x p x min
p
sendo que Pt refere-se dimenso do espao da conjunto Pt . Por exemplo,
para o problema (5.9) Pt igual a 2. A distncia entre duas solues i e k ( d ik )
calculada considerando que essas solues pertencem mesma frente no

dominada.
- Aps terem sido calculadas todas as distncias d ik referentes s solues

pertencentes frente no dominada j, possvel dimensionar os nichos
correspondentes dessas solues atravs da eq. (5.11).
- O prximo passo calcular a avaliao compartilhada para cada soluo i

pertencente frente no dominada j atravs da eq. (5.20).
Fji
Fj (i ) = (5.20)
nc i
- A partir do clculo das avaliaes compartilhada, um novo valor de Fmin

identificado atravs da eq.(5.21), um incremento de j ajustado (p. ex. frente
no dominada 2 FR2) e volta-se o incio desse mdulo de avaliao at que
todas as frentes ( ) sejam consideradas.
(
F min = min Fj (i ) j FR j ) (5.21)
110
Etapa 5 Convergncia
- Nessa etapa o algoritmo verificar se o critrio de convergncia foi atendido. Em
geral, adota-se o nmero mximo de iteraes para essa verificao. Se tal
critrio for satisfeito o algoritmo segue para a etapa 10 e o processo finalizado,
caso contrrio, o algoritmo segue para a etapa 6 (procedimento de variao).
Etapa 6 Seleo
- Utilizando os valores de aptido modificado ( Fj ( i ) ) para cada soluo j
pertencente a frente i, calcula-se para cada vetor da populao o nmero de

cpias que cada vetor soluo ir ter na prxima populao. Nos estudos iniciais
do NSGA, a tcnica de seleo utilizada foi seleo estocstica proposta por
GOLDBERG (1989).
Etapa 7 Recombinao
- Nessa etapa os AEMO se assemelham aos AEs. A recombinao tambm
denominado operador de variao. nessa etapa que o algoritmo evolui sua
busca, analogamente essa etapa pode ser comparada ao processo de mudanas de
direes e coordenadas realizadas pelos algoritmos convencionais de busca.
Esse operador aplicado como na estrutura geral dos AGs convencionais
simples (Figura 4.6).
Etapa 8 Mutao
perdida ao longo das iteraes. Em outras palavras pode-se dizer que esse
operador responsvel pela introduo de novo material gentico na populao.
Em geral, esse operador aplicado como na estrutura dos AGs convencionais
apresentada pela Figura (4.6).

realizada para cada vetor soluo pertencente a essa nova populao, por isso
volta-se a etapa 2.
Etapa 10 Resultados
111
5.4.3 SPEA
O SPEA (Strength Pareto Evolutionary Algorithm) foi proposto por ZITZLER e
THIELE (1998) com objetivo de introduzir o elitismo nos algoritmos evolucionrios
multiobjetivo. As melhores solues (solues no dominadas) de cada iterao,
denominadas elite, so armazenadas em um conjunto externo (temporrio). Em cada
iterao do algoritmo, as solues externas so comparadas com as solues
pertencentes ao conjunto corrente de forma que as melhores solues so preservadas.
ENTRADA DE DADOS
- Dimenso da Populao
- Dimenso da Populao Externa
Populao Inicial (P0)

(Gerao Aleatria)
Populao Externa ( P0 )
(Criao)
Pt = P0
Identificao das Solues
Pt = P0 No Dominadas (SND)
AVALIAO DAS FUNES OBJET IVO Cpia das Solues No Dominadas

Pt = Pt + SND
Remoo das Solues No Dominadas

Atualizao da Populao Externa
Pt = Pt SND
No Reduo do Conjunto Externo

(Algoritmo de Cluster - Clustering Algorithm)
Convergncia ?
Sim AVALIA O SPEA

Fim Algoritmo Avaliao das Solues em Pt
Seleo
(T orneio ) Avaliao das Solues em Pt
Recombinao
Mutao
Figura 5.8 Procedimento geral do SPEA
Existem vrias similaridades entre o SPEA e os outros algoritmos evolucionrios

multiobjetivo (SCHAFFER, 1984; FONSECA e FLEMING, 1993; HORN e
NAFPLIOTIS, 1993; SRINIVAS e DEB, 1995). Dentre as principais pode-se citar a
garantia de vetores soluo representantes da frente no dominada entre as solues
consideradas e a utilizao do conceito de dominncia Pareto para atribuir valores de
aptido baseados nesse conceito. Entretanto, o SPEA difere dos demais mtodos em
112
relao alguns aspectos: atribuio do valor aptido de um vetor soluo determinado

entre os conjuntos externo e corrente, e no entre vetores pertencentes mesma
populao, todos os vetores soluo no conjunto externo participam da seleo e a
utilizao de um novo mtodo de manuteno da diversidade da populao.
5.4.3.1 Etapas do procedimento iterativo do SPEA

Nesta seo descreve-se a implementao do algoritmo SPEA de acordo com
fluxograma apresentado na Figura (5.8). Em geral, pode-se dizer que o SPEA cria um
conjunto inicial aleatrio P0 de dimenso POP e um conjunto externo vazio P 0 com
uma dimenso mxima POP . Na iterao t, as solues no dominadas da populao Pt
so copiadas para a populao externa P t . Com isso, acontece a unio entre as solues
no dominadas (populao elite) da iterao corrente e da iterao prvia, e em seguida,
identificam-se e excluem-se as solues dominadas desse conjunto unificado. O que
permanece nesse conjunto externo so as melhores solues elite encontradas durante o
processo iterativo. Entretanto, medida que o processo evolui, em alguns problemas, o
nmero de solues contidas nesse conjunto considerado elevado.
Como forma de restringir o aumento exagerado de solues no dominadas no conjunto

externo, uma dimenso ( POP ) fixada. Assim, quando a dimenso da populao
externa menor que POP , toda a populao elite encontrada no conjunto. No entanto,
quando a dimenso excede POP , nem toda populao elite pode estar na populao
externa. Dessa forma, os autores (ZITZLER e THIELE, 1998) do SPEA propuseram
uma tcnica para reduzir as solues da populao externa denominada. Essa tcnica
denominada na literatura internacional como clustering algorithm, aqui denominado
algoritmo de agrupamento (cluster).
Dados de Entrada
- Dimenso da populao externa: POP

113

POP.
Etapa 2 Populao externa

- Criao da populao externa P t vazia de dimenso POP (parmetro de
entrada).


funes de avaliao ou aptido considerando objetivos mltiplos.
Etapa 4 Atualizao da populao externa

- Identificao das solues no dominadas da populao Pt .
- Cpia das solues no dominadas encontradas em Pt para a populao P t .
- Remoo das solues no dominadas de Pt .
- Adequao do conjunto externo, conforme dimenso da populao externa POP ,

atravs do algoritmo de cluster. Esse algoritmo reduz a dimenso da populao
externa corrente ( POP corrente ) para a dimenso limite ( POP ), fornecida nos dados
de entrada (sendo POP corrente > POP ). Assume-se inicialmente que cada soluo i
( i Pt ) pertence a um cluster individual, portanto, existem POP corrente clusters.
Por exemplo, se o conjunto externo possui 20 solues, inicialmente para o
algoritmo de corte, considera-se a existncia de 20 clusters. Assim, as distncias
entre pares de clusters so calculadas. Em geral, a distncia (dkp) entre dois
clusters (Ck e Cp) definida como sendo a distncia euclidiana de todos pares de
solues ( i C k e j C p ) ou matematicamente conforme eq.(5.22):
1
d kp =
Ck Cp
d(i, j)
i Ck , j Cp
(5.22)
sendo que a distncia d(i,j) pode ser calculada no espao de variveis de deciso
ou no espao objetivo. No SPEA, os autores preferiram trabalhar no espao
objetivo. Uma vez que todas as distncias de clusters so calculadas, os dois
clusters com distncia mnima so combinados para formarem um cluster maior.
114
Assim, as distncias de cluster so recalculadas para todos os pares de clusters,

para posteriormente dois clusters serem unidos novamente. O processo continua
at que o nmero de clusters na populao externa reduzida dimenso
desejada POP . Consequentemente, em cada cluster, a soluo de distncia
mnima mdia das outras solues no cluster retida e as outras so excludas. A
Figura 5.9 ilustra o procedimento geral do algoritmo de cluster.
Etapa 5 Convergncia
Nessa etapa o algoritmo verificar seu critrio de convergncia. Em geral, adota-
se o nmero mximo de iteraes para essa verificao. Se tal critrio for
contrrio, o algoritmo segue para a etapa 6.
F2 1 F2 1
2
3 4 3
5 5
6 6
7 8 8
F1 F1
Figura 5.9 Ilustrao do algoritmo de cluster
Etapa 6 Avaliao SPEA

- O mdulo de avaliao tem objetivo de atribuir valores de aptido as solues
como forma de preparar para ao operador seleo. No SPEA, esse procedimento
realizado sob duas etapas. Primeiro todos vetores soluo i pertencentes
populao externa ( P t ) so classificados e recebem um valor de aptido Si
denominado na literatura internacional como strength. Esse valor de aptido,
para um dado vetor de soluo i, proporcional ao nmero de solues
dominadas pela soluo i na populao corrente. Matematicamente, esse valor
definido pela eq.(5.23):
ni
Si = (5.23)
n populao + 1
115
sendo que n representa o nmero de vetores pertencentes a populao corrente

que uma soluo i domina. Aps todos os valores de Si terem sido calculados,
atribui-se a Fi tais valores.
- Posteriormente, calcula-se os valores de aptido ( Fj ) de todas as solues j
pertencentes populao corrente ( Pt ). Esse valor de aptido calculado (eq.
5.24) como sendo a soma de todos os valores de aptido Si das solues

externas i que dominam vetores j da populao corrente:
Fi = 1 + S(i)
i Pt , i p j
(5.24)
- O valor 1 presente na eq.(5.24) garante que solues de P t tenham valores de

aptido melhor que solues de Pt (note que o valor de aptido deve ser
minimizado, isto , menores valores de aptido correspondem a altas
probabilidades de cpias (reproduo) , na prxima populao).
Etapa 7 Seleo
- Nessa etapa o SPEA se difere de ambos os mtodos, MOGA e NSGA. Pois, a

tcnica de seleo utilizada no SPEA a seleo por torneio. Aps todas as
solues, pertencentes aos conjuntos externo e corrente, terem recebido seus
respectivos valores de aptido (F), os conjuntos Pt e P t so unidos para ser
aplicado o operador de seleo.
- A seleo por torneio no SPEA desenvolvida da seguinte forma: cria-se um

conjunto temporrio ( Ptemp ) de dimenso n populao ; seleciona-se aleatoriamente
duas solues (i e j) pertencentes a conjunto unificado ( Pt P t ); se F(i) < F( j)
ento i incluso em Ptemp caso contrrio j incluso em Ptemp (note que a melhor
soluo a que apresenta menor valor de aptido F).
Etapa 8 Recombinao
- Nessa etapa o SPEA se assemelham aos AEs simples. A recombinao
denominada operador de variao. Esse operador aplicado como na estrutura
geral dos AGs convencionais simples (Figura 4.6).
116
Etapa 9 Mutao
perdida ao longo das iteraes, em outras palavras pode-se dizer que esse
operador responsvel pela introduo de material gentico na populao. Em
geral, esse operador aplicado como na estrutura dos AGs convencionais
apresentada pela Figura (4.6).

realizada para cada vetor soluo pertencente a essa nova populao, portanto
volta-se a etapa 3.
Etapa 11 Resultados
5.4.4 NSGAII
Considerando a necessidade de diminuir a complexidade computacional na classificao
no dominada, introduzir o elitismo e eliminar a subjetividade na atribuio do
parmetro de compartilhamento, DEB et al. (2002) propuseram o NSGA II (Elitist Non-
dominated Sorting Genetic Algorithm).
Rt Frentes No Dominadas Pt+1

F1
Pt
F2
F3
.
Qt .
.
Solues Rejeitadas
Fp
Figura 5.10 Esquema do procedimento evolutivo do NSGA II (adaptado de DEB, 2001)

117
Em se tratando da complexidade computacional, o NSGA II contm um algoritmo de

classificao no dominada com menor complexidade computacional (ordem MN 2 )
frente aos outros AEMO (MOGA, NSGA e SPEA), que apresentam uma complexidade
aproximada na ordem de MN 3 , sendo M o nmero de objetivos e N a dimenso da
populao. J o elitismo, no NSGA II, garantido atravs de preservao das melhores
solues (frentes no dominadas) na populao posterior. Em geral, o procedimento
desenvolve-se da seguinte forma, uma populao derivada (filha) da populao corrente
(pai) criada utilizando a seleo por torneio de multido seguida da recombinao e
mutao. Aps isso, esses dois conjuntos de mesma dimenso (pai e filha) so unidos
em uma nica populao e aplica-se a classificao no dominada (Algoritmo 4
APNDICE A) em frentes de dominncia. Inicia-se ento o processo de preenchimento
de uma nova populao colocando as melhores frentes no dominadas nesse novo
conjunto, garantindo dessa forma o elitismo. A Figura 5.10 ilustra esse procedimento.
Observa-se na Figura (5.10) que nem todas as frentes podem ser includas na nova
populao ( Pt +1 ), por exemplo a frente 3 ( F3 ). Assim, os autores do NSGA II (DEB et
al., 2002) propuseram um mtodo, que combina as frentes no includas no conjunto,
para compor os ltimos espaos da populao Pt +1 . Esse mtodo denominado distncia
de multido, ilustrado pela Figura 5.11. Com a utilizao dessa tcnica para alocao de
solues na populao Pt +1 garantida a diversidade da populao (estimao de
densidade das solues) e eliminao da subjetividade de introduo do parmetro de
compartilhamento utilizado nos mtodos no elitistas, pois diferentes solues podem
tem chances de pertencer nova populao.
F2
i+1
i-1 Cubide
F1
Figura 5.11 Clculo da distncia de multido do NSGA II
118
5.4.4.1 Etapas do procedimento iterativo do NSGA II

Nesta seo apresentada a descrio e a implementao do algoritmo NSGA II de
acordo com fluxograma apresentado na Figura 5.12. Em geral, pode-se dizer que o
NSGA II inicia seu processo atravs de um conjunto inicial aleatrio P0 de dimenso
POP. Atravs desse conjunto inicial obtm-se uma populao derivada Q 0 de dimenso
POP denominada populao filha, utilizando operadores de seleo, recombinao e
mutao. Esses dois conjuntos so unidos e formam um conjunto R 0 de dimenso
2POP . A partir desse passo, inicia-se o processo de classificao no dominada e

formao da nova populao Pt . Essa nova populao preenchida com solues de
diversas frentes no dominadas, que garante a diversidade da populao.
Dados de Entrada

- Gerao da populao inicial aleatria P0 considerando o parmetro de entrada
POP.
Etapa 2 Classificao da populao inicial

- Cada vetor soluo da populao inicial classificado em frentes de dominncia
(Algoritmo 4 - APNDICE A).
- Para cada soluo atribudo um valor de aptido igual ao seu nvel de

dominao (1 o melhor nvel, 2 o segundo melhor nvel e assim por diante).
Etapa 3 Seleo para criao da populao Q0

- Nessa etapa o NSGA II se assemelha ao operador de seleo utilizado pelo
SPEA. Entretanto, no NSGA II o operador ( < c ) compara duas solues e retorna
o vencedor do torneio. Assume-se que toda soluo i tem dois atributos:
a) um rank ( ri ) de soluo no dominada, ou seja, o nvel de dominao (frente no

qual a soluo pertence) na populao.
119
b) uma distncia de multido local ( d i ) na populao.
c) sendo que a distncia de multido d i de uma soluo i uma medida do espao

de busca em torno da soluo i a qual no ocupado por nenhuma outra soluo
na populao. O valor de d i serve como estimativa do permetro do cubide
(Figura 5.11) formado pelos vizinhos mais prximos com vrtices calculado
para cada frente no dominada. Quando maior o cubide de i, mais afastada essa
soluo se encontra de seus vizinhos. As solues extremas em cada objetivo
tero um cubide infinito. O procedimento para encontrar a distncia de
multido descrito a seguir.
- Considerando F j como sendo o conjunto de solues na fronteira j e L o

nmero de solues em F j , faa para cada i pertencente ao conjunto F j d i = 0
- Para cada funo objetivo ( f m , m = 1,2,..., M ) classifique o conjunto em ordem
decrescente de f m e coloque o ndice dessas solues em uma lista I m , por
exemplo I10 = 3 representa que a soluo 3 possui o menor valor de funo

objetivo 1 encontrado na populao.
- Para cada m = 1,2,..., M atribua um valor infinito para as solues extremas

(mximo e mnima), ou seja, d Im = d I m = , e calcule d I m para as outras
0 L i
solues i ( i = 1,..., L 1 , lembrando que o primeiro elemento representa o ndice

0):
m m
f m( Ii +1 ) f m( Ii 1 )
d Im = d Im + max (5.25)
i i
f m f mmin
Baseado nos dois atributos citados (rank e distncia de multido) DEB (2001)
define a seleo por torneio de multido atravs da definio 8.
Definio 8: Uma soluo i vence um torneio com outra soluo j se alguma

das condies so verdadeiras:
Se a soluo i tem um rank (frente no dominada) melhor, ento, ri < rj ;
Se ambas as solues tem um mesmo rank, mas a soluo i tem uma distncia de
multido melhor que a soluo j, ento, ri = rj e d i > d j .
120
ENTRADA DE DADOS
- Dimenso Populao
Populao Inicial (P0)

(Gerao Aleatria)
Populao P t = P 0
Classificao das Solues em Pt Atribuio da aptido i para Pt

(Frentes de dominao) i = Fi i =1,...,npopulao
Seleo
Criao da Populao Q0
(Operador por T orneio Binrio)
Recombinao Classificao das Solues em Rt

(Frentes de dominao)
i =0
Mutao Nova populao (Pt+1 = 0)
Populao Qt i= i + 1
R t = Pt U Qt No Classificao N Pt +1 solues
Pt +1 + Fi < N pelo operador de comparao de multido
Sim
AVALIA O NSGA II
Pt +1 = Pt +1 U Fi Populao Pt+1
Atribuio da aptido para Pt+1

( = Fj j = 1,...,N )
Convergncia ?
Sim
No
Sim
Fim Algoritmo Seleo

(Operador por T orneio Binrio)
Recombinao
Mutao
Figura 5.12 Procedimento geral do NSGA II
Etapa 4 Recombinao
- Esse operador aplicado como na estrutura geral dos AGs convencionais
simples.
Etapa 5 Mutao
- Esse operador aplicado como na estrutura geral dos AGs convencionais
simples.
121
Etapa 6 Populao Q0
- Obteno da populao derivada da populao inicial P0 . Essa populao
derivada denominada populao filha.
Etapa 7 Criao da populao Rt

- Nessa etapa uma populao combinada R t ( R t = P0 U Q 0 ) formada pela unio
das populaes pai e filha. A populao R t tem dimenso 2POP.
Etapa 8 Avaliao NSGA II

- O mdulo de avaliao tem objetivo de atribuir valores de aptido das solues
no dominadas identificado no conjunto R t atravs do algoritmo que classifica
soluo no dominadas em frentes.
- Crie uma nova populao Pt e coloque todas as solues pertencentes as frentes
no dominadas F j nesse conjunto enquanto Pt + F j < n populao . Se houver
violao dessa condio (Figura 5.10), aplicado o clculo da distncia de

multido (eq. 5.25) da ltima frente candidata que no entrou no conjunto Pt e
as outras frentes como forma de escolher quais solues sero alocadas nessa
nova populao.
- Aps todas as solues serem acomodadas no conjunto Pt , atribui-se o valor de

aptido para essas solues conforme seu nvel de dominao (frente no
dominada). Por exemplo, uma determinada soluo pertence a frente 2, portanto
seu valor de aptido 2.
Etapa 9 Convergncia
- Nessa etapa o NSGA II verificar seu critrio de convergncia. Em geral, adota-
se o nmero mximo de iteraes para essa verificao. Se tal critrio for
contrrio, o algoritmo segue para a etapa 3 considerando a populao Pt
semelhante o que aconteceu com a populao P0 .
Etapa 10 Resultados
122
5.5 Simulao Hidrulica de Redes

As avaliaes hidrulicas constituem parte essencial no cmputo dos valores das
funes objetivo. H, portanto, necessidade de incorporar um simulador hidrulico
rotina computacional que quantifica os objetivos estabelecidos. O simulador deve
desempenhar o papel de avaliador das variveis de estado (presses e vazes) do
sistema. Neste trabalho, trs simuladores hidrulicos so utilizados e todos se baseiam
no cdigo original do Epanet 2 (ROSSMAN 2000) acoplado a um compilador C++
(Borland Builder C++ 5.0).
5.5.1 Simulador hidrulico convencional
A tcnica clssica para anlise de redes denominada anlise dirigida pela demanda
(ADD) desde a proposio de Hardy Cross, em 1930. As demandas so consideradas
fixas e seus valores representativos so concentrados nos ns, cabendo ao modelo
determinar as vazes nas tubulaes e presses nos ns consistentes com atendimento
pleno das mesmas, alm de considerar os sistemas como sendo fechados (sem
vazamentos) e o escoamento sob presso.
O Epanet 2 (ROSSMAN, 2000) um programa de domnio pblico desenvolvido pela

Environmental Protection Agency (EPA) para analisar redes de distribuio de gua em
regime permanente. Esse pacote computacional distribudo gratuitamente sob duas
formas: executvel e cdigo fonte (Toolkit). A forma executvel recomendvel para
estudos que envolvem apenas as simulaes hidrulicas. A forma de cdigo fonte
recomendvel para estudos que envolvem o acoplamento de outros modelos (calibrao,
vazamentos, demanda varivel, dentre outros) com o Epanet 2.
A Toolkit uma biblioteca de vnculo dinmico (DLL) que contm funes que
permitem aos programadores o desenvolvimento de aplicaes especficas. Essas
funes podem ser incorporadas em aplicaes Windows escritas em: C/C++, Pascal
(Delphi), Visual Basic ou outras linguagens de programao que possibilitam chamar
funes atravs de DLLs. Alm disso, essa biblioteca permite abrir e fechar um arquivo
que descreve a rede (.INP), ler e modificar os vrios parmetros de projeto e operao,
simular perodos extensivos acessando resultados a cada passo e escrever os resultados
das simulaes nos arquivos de sada (.RPT). Alm de possibilitar o desenvolvimento
de modelos especficos (calibrao, projeto e operao), a Toolkit tambm oferece uma
123
certa flexibilidade para acoplar e integrar plataformas CAD e GIS, que auxiliam na
modelao de redes de distribuio de gua.
Para acoplar o Epanet 2 com o compilador C++ (Borland Builder C++ 5.0),
primeiramente, necessrio realizar o download dos arquivos fonte (Toolkit) na
pgina13 da Environmental Protection Agency (EPA). A Toolkit inclui diferentes
arquivos de cabealho (.h), diferentes arquivos de funes e arquivos .lib que
simplificam a tarefa de interface da biblioteca com o compilador (C/C++, Pascal
(Delphi, Visual Basic). Essa biblioteca contm tambm um arquivo de ajuda para
orientar a utilizao adequada das vrias funes existentes atravs de alguns programas
exemplo.
5.5.2 Simulador hidrulico iterativo para calibrao

Com objetivo de aplicar a metodologia proposta em uma rede existente e incorporar
vazamentos nas anlises de reabilitao de redes de distribuio de gua, necessria a
utilizao de um simulador hidrulico que considere ambas as relaes presso-
vazamento e presso-demanda.
A metodologia proposta neste trabalho sugere utilizao de um procedimento de

calibrao, na etapa preliminar (Figura 5.1), para ajustar os parmetros do modelo
presso-vazamento (coeficiente e expoente). Adotou-se o modelo desenvolvido por
SOARES (2003), ilustrado pela Figura 2.7, que ajusta tais parmetros atravs de um
modelo inverso baseado em um procedimento hbrido (AGs-SIMPLEX). O simulador
hidrulico do referido autor baseado em um procedimento iterativo (Figura 2.6) para
considerar as relaes de dependncia de presso tanto para vazamento como para as
demandas. Cabe ressaltar que esse simulador hidrulico foi construdo sem interferncia
direta no cdigo do Epanet 2.
5.5.3 Simulador hidrulico proposto

A anlise de redes de distribuio de gua realizada de maneira a satisfazer os
princpios da continuidade e da conservao de energia. A considerao de vazamentos
e demanda varivel com a presso nos modelos para anlise de redes requer algumas
mudanas na formulao clssica (eq. 2.3). Tais mudanas referem-se s demandas nos
ns que no sero mais fixas, mas dependentes da presso disponvel no sistema (o
vetor Q depender do vetor h), e da existncia da parcela referente aos vazamentos
13
http://www.epa.gov/ORD/NRMRL/wswrd/epanet.html#Downloads
124
distribudos. No presente item, prope-se um simulador hidrulico que considera ambas

as relaes. Na verdade, este simulador uma modificao do Epanet 2 e representa
uma contribuio deste trabalho no sentido de se produzir resultados mais realsticos
para anlise de redes em regime permanente.
At ento, apenas MARTNEZ et al. (1999) tinham introduzido as relaes presso-

vazamento e presso-demanda diretamente no cdigo da verso original do Epanet
(ROSSMAN, 1994). O objetivo principal desses pesquisadores era minimizar o elevado
tempo computacional consumido pelas anlises dirigidas pela presso atravs de
procedimentos iterativos (sem interferir no cdigo). Isso foi evidenciado por SOARES
(2003) nos estudos de calibrao de modelos de redes de distribuio de gua
considerando vazamentos e demanda varivel com a presso.
Vrias solues tm sido propostas na literatura (SALGADO, ROJO e ZEPEDA, 1993;

FUJIWARA e LI, 1998; MARTNEZ, CONEJOS e VERCHER, 1999;
TUCCIARELLI, CRIMINISI e TERMINI, 1999; TABESH e KARIMZADEH, 2000;
TANYIMBOH, TABESH e BURROWS, 2001) com objetivo de converter o modelo
matemtico, baseado nas anlises dirigidas pela demanda, para anlises dirigidas pela
presso. TODINI (2003) mostra como essas relaes podem ser introduzidas no Epanet
2. Inicialmente, esse pesquisador remete a formulao clssica (eq. 2.3) incorporando
um termo adicional (A22) conforme demonstrado pela eq.(5.26).
A 11 M A 12 Q A 10 H 0
L L L L = L (5.26)

A 21 M A 22 H q *
sendo A 22 uma matriz diagonal de ordem (NT NT ) com os elementos fora da diagonal
iguais a zero. As outras matrizes (A11, A12 e A21) so definidas conforme formulao
matricial apresentada no item (2.1.1) deste trabalho. O termo q* um vetor de ordem
(1 NN ) com seus elementos sendo igual a demanda atribuda ao n se a demanda no
dirigida pela energia ou sendo igual a zero no caso da demanda dirigida pela energia.
Seguindo a formulao de WAGNER, SHAMIR e MARKS (1988), a matriz A22 pode
ser definida, segundo o presente trabalho, conforme eq.(5.27).
125
0 H i < H imin

1

A 22 (i, i) = q req H i H i n
min
H imin < H i < H ides (5.27)
i H ides H imin

q ireq H i H ides
sendo Hdes a energia nodal requerida para o atendimento pleno da demanda e n um

coeficiente geralmente igual a 2.
Para resolver o sistema de equaes no lineares (eq. 5.26), a tcnica de Newton-

Raphson utilizada, diferenciando ambos os lados da eq.(5.26) em relao a Q e H para
obter:
D11 A 12 dQ dE
= (5.28)

A 21 D 22 dH dq *
sendo D11 uma matriz diagonal com elementos definidos para

k 1, NT; i 1, NTO; j 1, NTO definida conforme eq.(5.37) para tubos e eq.(5.38) para
bombas. NT representa o nmero de tubulaes e NTO o nmero total de ns na rede.
n 1
D11 (k , k ) = nr Q ij + 2m Q ij (5.29)
n 1
D11 (k , k ) = nr 2 n Q ij ou D11 (k , k ) = (b 0 + 2c 0 Q ij ) (5.30)
Para incluir a demanda dirigida pela presso, um nova matriz (D22) de dimenso
(NN NN ) introduzida, sendo NN o nmero de ns na rede. Os elementos da matriz
D22 so zeros se a demanda no dirigida pela energia, caso contrrio, define-se a
matriz D22 conforme eq.(5.31), que corresponde derivao da eq.(5.27).
0 H i < H imin

(H )
1 n
q ireq
D 22 (i, i) = i H imin n H imin < H i < H ides (5.31)
( )
1
n H ides H imin n

0 H i H ides
126
Considerando linearizao local entre a soluo da iterao k e a soluo da iterao

k+1, pode-se reescrever a eq.(5.28) atravs de seus respectivos diferenciais
dQ, dH, dE e dq .
dQ = Q k Q k +1 (5.32)
dH = H k H k +1 (5.33)
dE = A 11Q k + A 12 H k +1 + A 10 H 0 (5.34)
dq * = A 21Q k + A 22 H k + q * (5.35)
Substituindo as eqs.(5.32, 5.33, 5.34 e 5.35) na eq.(5.28) e resolvendo analiticamente o

sistema de equaes, obtm-se a formulao iterativa para anlise de redes considerando
demanda varivel com a energia.
H k +1 = A 1 F
(5.36)
11 (
Q k +1 = Q k D 1 A Q k + A H k +1 + A H
11 12 10 0 )
sendo que
1
A = A 21 D11 A 12 D 22 (5.37)
1 1
F = A 21Q k + q * A 21 D11 A 11Q k A 21 D11 A 10 H 0 (5.38)
1
Considerando D11 A 11 = N 1 e multiplicando ambos os lados dessa expresso por A 11
1
1 1 1
obtm-se D11 = A 11 N . Substituindo essa ltima expresso nas eqs.(5.37) e (5.38) e
comparado-as com as eqs.(2.14) e (2.15), percebe-se que os termos adicionais so a

matriz diagonal D22 e o vetor q*.
Apesar de TODINI (2003) apresentar como incorporar a demanda varivel com a

energia no Epanet 2, esse pesquisador no implementa tais consideraes no cdigo
desse programa e nem demonstra a incorporao de vazamentos.
As sugestes apresentadas por TODINI (2003) serviram de guias para que os modelos
presso-demanda e presso-vazamento fossem includos no cdigo do Epanet 2. O
modelo presso-vazamento (eq. 2.23) adotado foi proposto por TUCCIARELLI,
127
CRIMINISI e TERMINI (1999). Dessa forma, foi possvel redefinir as matrizes A22 e
D22 (eqs. 5.27 e 5.31) descritas por TODINI (2003).
A 22 (i, i) = q(H ) + QL (5.39)
q(H ) QL
D 22 (i, i) = + (5.40)
H H
sendo q(H) definido pela eq.(5.27) e QL definido pela eq.(2.23).
Quando a biblioteca Toolkit utilizada, nos casos dos itens (5.5.1) e (5.5.2), o acesso
direto ao cdigo do Epanet 2 fica impossibilitado, pois o modelo acoplado por meio de
arquivos DLL (Epanet2.DLL) e LIB (Epanet2bc.lib). Por isso, para incorporar as
relaes presso-demanda e presso-vazamento (mudana do cdigo do Epanet 2)
conforme descrito neste item, foi utilizada uma biblioteca do Epanet 2 orientada a
objetos (OOTEN - Object Oriented Toolkit for Epanet), em C++, desenvolvida por ZYL
et al. (2003) na Universidade Rand Afrikaans (frica do Sul).
5.5.4 Simulador hidrulico iterativo para reabilitao

Com objetivo de aplicar a metodologia proposta considerando vazamentos e demandas
varivel nas anlises de reabilitao de redes de distribuio de gua, um simulador
hidrulico iterativo (sem interveno direta sobre o cdigo) foi desenvolvido utilizando
a biblioteca do Epanet 2 orientada a objetos (OOTEN - Object Oriented Toolkit for
Epanet). O modelo presso-vazamento (eq. 2.23) implementado nesse simulador foi o
proposto por TUCCIARELLI, CRIMINISI e TERMINI (1999) e o modelo de demanda
varivel foi o proposto por WAGNER, SHAMIR e MARKS (1988).
5.6 Implementao dos mtodos evolucionrios multiobjetivo

Quatro mtodos evolucionrios de otimizao multiobjetivo (MOGA, NSGA, SPEA e
NSGA II) so investigados neste trabalho. O MOGA foi implementado em C++
suportado pela biblioteca de algoritmos genticos (GAlib14), de domnio pblico, escrita
por Matthew Wall em 1996, do Instituto de Tecnologia de Massachusetts (MIT). A
GAlib conta com quatro tipos de algoritmos genticos implementados (Simple, Steady-
State, Incremental e Deme), cuja descrio detalhada de cada qual pode ser encontrada
no prprio manual da biblioteca (WALL, 1996).
14
http://lancet.mit.edu/ga
128
Os algoritmos NSGA, SPEA e NSGA II foram avaliados atravs da biblioteca de metas-

heursticas multiobjetivo MOMHLib++15 (JASKIEWICZ, 1999), de domnio pblico,
escrita em C++ por Andrzej Jaskiewicz em 1999 da Universidade de Tecnologia de
Poznan (Polnia). A MOMHLib++ no tem implementada em seu cdigo, operadores
genticos (recombinao e mutao) gerais, esses por sua vez devem ser construdos
pelo prprio usurio em conformidade com o problema que est sendo tratado. O
prximo item apresenta a descrio dos operadores genticos implementados na
MOMHLIb++ e investigados no presente trabalho.
5.6.1 Operadores genticos

O principal objetivo dos operadores genticos gerar novas solues dentro do espao
de busca, com intuito de explorar novas regies desse espao. O operador de
recombinao tem a funo de criar novas solues (filhos) atravs da recombinao de
solues correntes (pais). Para imitar a natureza estocstica da evoluo natural, uma
probabilidade de recombinao associada com esse operador. Ao contrrio, o operador
de mutao desempenha um papel importante no processo de evoluo dos AEs, pois
atravs desse operador que novo "material gentico" introduzido a uma populao
durante o processo iterativo. O operador de mutao modifica as solues correntes
atravs de uma mudana gradual nas variveis de deciso (genes) do vetor associado
(cromossomo) obedecendo a um critrio probabiltisco (probabilidade de mutao).
Recombinao linear: WRIGHT (1991) props uma das primeiras implementaes de

recombinao. Segundo esse autor novas solues (filhos ou descendentes) podem ser
geradas atravs de combinaes lineares entre as solues pais ( x i(1, t ) , x i(2,t ) ) da gerao t.
As eqs. (5.41-5.43) descrevem tal proposio.
x i(1, t +1) = 0,5x i(1, t ) + 0,5x i(2, t ) (5.41)
x i(1, t +1) = 1,5x i(1, t ) 0,5x i(2, t ) (5.42)
x i(1, t +1) = 0,5x i(1, t ) + 1,5x i(2, t ) (5.43)
sendo x a varivel de deciso; i o ndice da varivel de deciso; t o ndice da gerao; 1

e 2 so os ndices dos vetores pais. Observa-se que trs novas solues so geradas.
15
http://www-idss.cs.put.poznan.pl/~jaskiewicz/MOMHLib
129
Entretanto, no presente trabalho, a melhor soluo escolhida para prxima gerao

atravs do conceito de dominncia.
Recombinao BLX (Blend Crossover): ESHELMAN e SCHAFFER (1993) sugeriram

o operador BLX para AGs com parmetros reais. Partindo das solues pais x i(1, t ) and
x i(2, t ) e assumindo que x i(1, t ) menor que x i(2, t ) , o operador BLX aleatoriamente seleciona
uma soluo no intervalo [ x i(1, t ) ( x i( 2, t ) x i(1, t ) ), x i( 2, t ) + ( x i( 2, t ) x i(1, t ) )] . Assim,

considerando u i como sendo um nmero aleatrio entre 0 e 1, tal operador descrito
pela eq.(5.44).
x i(1, t +1) = (1 i ) x i(1, t ) + i x i(2, t ) (5.44)
sendo i = (1 + 2)u i . DEB (2001) garante que igual a 0,5 desenvolve um bom
desempenho.
Recombinao uniforme: MICHALEWICZ (1992) descreveram o mtodo de

recombinao uniforme como um operador que modifica as variveis de deciso
individuais de um vetor soluo. Tal autor sugere esse operador para a representao
binria. Entretanto, como neste trabalho a codificao utilizada a real, tal operador foi
modificado. Inicialmente, gera-se aleatoriamente um vetor temporrio (mi), com valores
variando entre 0 e 1, de mesmo tamanho do vetor soluo em cada operao de
recombinao. O prximo passo determinar as novas solues atravs da formulao
descrita pela eq.(5.45).
x (1, t ) if m i = 0
x i(1, t +1) = i( 2, t ) (5.45)
x i if m i = 1
Mutao limite: MICHALEWICZ (1992) descreve que esse operador (5.46) substitui o
valor de uma varivel de deciso, selecionada aleatoriamente, por outro cujo valor
obtido aleatoriamente ( x i( L ) ou x i( U ) ) , sendo x i( L ) e x i( U ) os limites inferiores e
superiores das variveis de deciso, respectivamente.
x L if r < 0,5
x i( t +1) = iu (5.46)
x i if r > 0,5
130
sendo x it +1 a varivel de deciso obtida e r um nmero aleatrio pertencente ao intervalo

[0,1].
Mutao aleatria: DEB (2001) descreve esse operador como sendo uma das
implementaes mais simples. Esse procedimento cria uma soluo aleatoriamente
dentro do espao de busca atravs da eq.(5.47).
x i( t +1) = ri ( x iU x iL ) (5.47)
Mutao dinmica: Esse operador utiliza os valores da gerao corrente e o nmero

mximo de geraes concedidas para criar uma nova soluo (DEB, 2001). A eq.(5.48)
descreve tal operador.
t b
(1 )
x i( t +1) = x i(1, t +1) + ( x iU x iL )(1 ri GER
) (5.48)
sendo um valor aleatrio que assume -1 ou 1, gerado com um probabilidade de 0,5;

GER denota o nmero mximo de iteraes concedidas; r um nmero aleatrio
pertencente ao intervalo [0,1] e b um parmetro definido pelo usurio. No presente
trabalho o valor de b foi considerado igual a 6, seguindo a sugesto de
MICHALEWICZ (1992).
5.7 Medidas de desempenho para algoritmos evolucionrios multiobjetivo

Quando uma nova metodologia torna-se popular, diversas implementaes surgem
devido aos aperfeioamentos realizados e propostos. Torna-se ento necessrio,
investigar os mtodos propostos sob o ponto de vista de desempenho computacional.
Em se tratando dos mtodos de otimizao multiobjetivo, DEB et al. (2002) afirma que
para compar-los necessrio que no mnimo duas mtricas de performance sejam
avaliadas. No presente trabalho, os algoritmos evolucionrios multiobjetivo so
comparados e avaliados sob a tica de duas mtricas de desempenho, conforme alguns
autores (ZITZLER, 1999; DEB, 2001) propem. Essas mtricas foram propostas para
avaliar a convergncia da frente Pareto e a diversidade das solues ao longo da frente
Pareto. Um algoritmo evolucionrio multiobjetivo ser considerado eficiente se ambas
as mtricas so adequadamente satisfatrias. As Figuras 5.13 a 5.14 mostram uma
exemplificao do porqu da necessidade de comparar mtodos atravs dessas medidas
de performance.
131
Figura 5.13 Distribuio das solues Figura 5.14 Convergncia da frente
Figura 5.15 Comparao ideal Figura 5.16 Comparao complexa
Supe-se nas Figuras 5.13 e 5.14 um problema hipottico de minimizao de ambas as

funes objetivo. Observa-se na Figura 5.13 que, apesar das solues apresentarem
convergncia para suposta "Frente Pareto" verdadeira, tais solues no apresentam
diversidade. Ao contrrio pode ser verificado na Figura 5.14, onde as solues
apresentam boa diversidade, mas h convergncia prematura. Uma outra discusso
refere-se forma com que as frentes produzidas por diferentes mtodos so
comparadas. Seria ideal que quando frentes Pareto distintas fossem construdas juntas,
as mesmas pudessem apresentar uma relao como na Figura 5.15, que possibilita a
identificao do melhor mtodo visualmente. Isso no acontece no exemplo da Figura
5.16, onde as frentes se sobrepem.
5.7.1 Mtrica para avaliar a convergncia da frente Pareto

Dados dois conjuntos A e B, a mtrica de cobertura (Set Coverage Metric) calcula a
proporo de solues de B que so dominadas pelas solues de A, conforme avaliao
realizada pela eq.(5.41).
bB a A :a p b
C(A, B) = (5.41)
B
132
sendo que C( A, B) = 1 significa que todas as solues em B so dominadas por solues

de A. Se C(A, B) = 0 ento nenhuma soluo de B dominada pelas solues de A.
Dado que o operador de dominncia no simtrico, C(A, B) no necessariamente
igual a C(B, A) . Ento, devem-se calcular ambos os valores, tanto para as solues de
A que dominam B, quanto para as solues de B que dominam A.
5.7.2 Mtrica para avaliar a diversidade da frente Pareto

A mtrica de diversidade (Spacing) calcula o desvio padro entre distncias de solues
consecutivas, matematicamente:
(d )
Q
1 2
S= i d (5.42)
Q i =1
sendo que:
M
d i = min
kQ e k i
f
m =1
i
m f mk (5.43)

Q
i =1
di
d= (5.44)
Q
sendo Q o conjunto que contm as solues no dominadas, d i a varivel que

representa o mnimo do somatrio do valor absoluto da diferena dos valores das
funes objetivo entre a soluo i e qualquer outra soluo q e M representa o nmero
de funes objetivo consideradas. Por outro lado, d representa a mdia do valores de
d i . Quanto menor o desvio de S, melhor distribuda estar a frente Pareto.
5.8 Planejamento de experimentos computacionais

Uma das principais preocupaes dos pesquisadores que utilizam algoritmos
evolucionrios como ferramenta computacional conhecer a combinao de parmetros
"ideal" para garantir uma boa soluo ao problema tratado. Na engenharia de recursos
hdricos tais respostas geralmente so obtidas atravs da simulao extensiva de
diversas combinaes de parmetros (nmeros de solues iniciais, nmero de
iteraes, probabilidade de recombinao e probabilidade de mutao) de tal forma que
essas questes possam ser solucionadas.
133
Entretanto, na literatura existem trabalhos (LIN e RARDIN, 1980; PETROVSKI,

WILSON e McCALL, 1998) que fornecem diretrizes para analisar essas questes. Por
exemplo, LIN e RARDIN (1980) afirmam que quando os algoritmos de otimizao
possuem entradas aleatrias, as tcnicas de planejamento estatstico fornecem uma base
para analisar os diversos efeitos nos experimentos computacionais.
Segundo BOX (1978), o planejamento fatorial de experimento computacional uma

metodologia adequada para identificar valores referentes aos fatores mais significativos
da performance de um algoritmo e para encontrar os nveis de sensibilidade desses
fatores quando dados de entrada aleatrios so simulados.
Existem vrios livros textos (BOX, 1978; MONTGOMERY, 1991; MENDENHALL,

1992) que abordam esse tema com profundidade. No presente trabalho, optou-se pela
linha metodolgica proposta por PETROVSKI, WILSON e McCALL (1998) para
investigar os efeitos significativos dos parmetros de entrada dos algoritmos genticos
sobre a varivel resposta (timo). O planejamento fatorial utilizado aqui no ser em
dois nveis (2k) como proposto por PETROVSKI, WILSON e McCALL (1998), mas em
trs nveis (3k) seguindo a metodologia de MARTNEZ (2001), que props um
planejamento composto central ortogonal (PCCO).
5.8.1 Planejamentos fatoriais

Em muitas situaes experimentais, aqui aplicadas a experimentos computacionais,
diferentes fatores de entrada produzem respostas distintas. Uma situao particular o
estudo de algoritmos evolucionrios, segundo os quais diferentes parmetros de entrada
(dimenso da populao, nmero mximo de geraes, probabilidade de recombinao
e probabilidade de mutao) produzem diferentes respostas. Segundo MONTGOMERY
(1991) um planejamento fatorial a tcnica que investiga todas as combinaes,
referentes aos nveis dos fatores, para cada ensaio.
5.8.1.1 Planejamentos fatoriais com trs nveis

Segundo MARTNEZ (2001) os planejamentos fatoriais com trs nveis so formados
por k fatores, cada um com trs nveis. Em um planejamento 3k ou em qualquer
planejamento fatorial no conveniente trabalhar com os valores reais das variveis x *i ,
mas utilizar variveis codificadas ( x ic ) atravs de seus nveis.

134
A codificao dos nveis dos fatores de um planejamento 3k mais utilizada 1, 0 e 1

para denotar os nveis baixo, intermedirio e alto do fator, como ilustrado pela Tabela
5.2. As p* rplicas correspondem, neste trabalho, s sementes aleatrias distintas para
cada simulao. Os fatores A e B podem ser, por exemplo, as probabilidades de
recombinao e mutao.
Tabela 5.2 Notaes utilizadas em um planejamento 32 com p* rplicas

Simulao Resposta Fatores
i Y A B
1 y11 L y1p* -1 -1
2 y 21 L y 2 p* 0 -1
3 y 31 L y 3p* 1 -1
4 y 41 L y 4 p* -1 0
5 y 51 L y 5p* 0 0
6 y 61 L y 6 p* 1 0
7 y 71 L y 7 p* -1 1
8 y 81 L y 8 p* 0 1
9 y 91 L y 9 p* 1 1
5.8.1.2 Planejamentos compostos centrais

Se o nmero de fatores aumenta (variveis a serem analisadas) nos planejamentos
fatoriais 3k, consequentemente, o nmero de simulaes tambm aumentar. Portanto,
uma alternativa proposta por MARTNEZ (2001) para reduzir o nmero de ensaios
utilizar planejamentos compostos centrais (PCC).
Segundo KHURI (1996) um planejamento composto central formado por um

planejamento fatorial 2k completo, sendo os nveis dos fatores codificados pelos valores
1 e 1, representados pela matriz M (eq. 5.45), e por dois pontos axiais em cada eixo
das variveis do planejamento, a uma distncia a* do centro do planejamento, sendo a*
uma constante que deve ser escolhida pelo pesquisador. Esses pontos podem ser
representados pela matriz M* (eq. 5.46).
Segundo MARTNEZ (1999) o nmero total de pontos experimentais em um

planejamento composto central igual: n = 2 k + 2k + n 0 , sendo n 0 ( n 0 1 ) as
observaes no centro do planejamento (0, 0, L ,0) . Uma escolha adequada de a* pode
135
ser feita conforme eq.(5.47). Isso converte o PCC em rotativo. Em outras palavras, a
varincia da resposta estimada constante para todos os pontos, as quais so
eqidistantes a partir do centro do planejamento. A Tabela 5.3 apresenta um exemplo de
um planejamento composto central com duas variveis independentes x 1c e x c2 , isto ,
1
* 2
com dois fatores (k = 2) com n 0 igual a 1 e a = (2 )4 = 2.
1 1 1 L 1
1 1 1 L 1

1 1 1 L 1

1 1 1 L 1
M

M = 1 1 1 L 1 (5.45)
1 1 1 L 1

1 1 1 L 1

1 1 1 L 1
1 1 1 L 1

1 1 1 L 1
a * 0 0 L 0 0
*
a 0 0 L 0 0
0 a *
0 L 0 0
*

0 a 0 L 0 0
M =
*
M (5.46)
*

0 0 L 0 a 0

0 0 L 0 a* 0
0 0 L 0 0 a*

0 0 L 0 0 a*
1
a * = (2 k ) 4 (5.47)
Na Tabela 5.3, as simulaes correspondentes de 1 a 4, correspondem ao planejamento

fatorial 22 completo, a simulao 5 o centro do planejamento e as simulaes 6 a 9 so
os dois pontos axiais em cada eixo das variveis de planejamento, a uma distncia igual
a 2 do centro do planejamento.
136
Tabela 5.3 Planejamento composto central para duas variveis independentes

Simulao Fatores Fatores Resposta
i x 1c x c2 Y
1 -1 -1 y11 L y1p*
2 1 -1 y 21 L y 2 p*
3 -1 1 y 31 L y 3p*
4 1 1 y 41 L y 4 p*
5 0 0 y 51 L y 5p*
6 2 0 y 61 L y 6 p*
7 2 0 y 71 L y 7 p*
8 0 2 y 81 L y 8 p*
9 0 2 y 91 L y 9 p*
Tabela 5.4 Planejamento composto central ortogonal para duas variveis

independentes
Simulao Fatores Fatores Resposta
i x 1c x c2 Y
1 -1 -1 y11 L y1p*
2 1 -1 y 21 L y 2 p*
3 -1 1 y 31 L y 3p*
4 1 1 y 41 L y 4 p*
5 0 0 y 51 L y 5 p*
6 -1 0 y 61 L y 6 p*
7 1 0 y 71 L y 7 p*
8 0 -1 y 81 L y 8p*
9 0 1 y 91 L y 9 p*
5.8.1.3 Planejamentos compostos centrais ortogonais

Os planejamentos compostos centrais ortogonais (PCCO) so alternativas aos
planejamentos 3k, propiciando flexibilidade ao pesquisador (MARTNEZ, 2001), pois
permitem vrias escolhas de a*. Uma outra escolha possvel para a* atravs dos
planejamentos compostos centrais ortogonais conforme descrito pela eq.(5.48). A
Tabela 5.4 apresenta um exemplo de um planejamento composto central ortogonal com
137
duas variveis independentes x 1c e x c2 , isto , com dois fatores (k = 2) com n 0 igual a 1
e a * igual a 1 obtido pela eq.(5.48).

1
k 1 k 2
( 2 ) 2 ( 2 + 2k + n 0 ) 2 k
a* = (5.48)
2

Tabela 5.5 Valores de a* para PCCO

K a*
2 1,000
3 1,216
4 1,414
Observa-se que para a* igual a 1 o PCCO torna-se um planejamento fatorial 33. A

Tabela (5.5) apresenta alguns valores de a* para diversos valores de k.
5.9 Anlise de componentes principais ferramenta de auxlio a tomada de

deciso
A anlise de componentes principais (ACP) faz parte de um conjunto de tcnicas
estatsticas, denominadas tcnicas de anlise multivariada. Os objetivos principais da
ACP so descrever as relaes entre as variveis e reduzir a dimensionalidade do
problema formando um novo conjunto de variveis (fatores) de forma eliminar a
variveis redundantes do conjunto de dados iniciais.
Teoricamente, a ACP definida atravs de uma matriz X com m vetores, dos quais no
presente estudo representam valores das funes objetivo relativos s diversas solues
do problema de reabilitao resultante da frente Pareto. O primeiro componente
principal expresso por uma combinao linear das colunas da matriz X, isto
variveis (nesse estudo, objetivos), que apresentam a maior variabilidade em X,
t 1 = X p 1 , dado que p1 = 1 . No espao m-dimensional (no caso m igual 4), p1
definido como a direo de maior variabilidade (autovetor) e t1 representa a projeo de

cada varivel em p1. O segundo componente principal a combinao linear definida
por t 2 = E1 p 2 , sendo que a varincia desse segundo componente est sujeito condio
de ser ortogonal ao primeiro componente principal t1. Portanto pode-se escrever a eq.
5.49:
138
E1 = (X t 1 p1t ) (5.49)
sendo pi um autovetor da matriz de covarincia de X, t1 o primeiro componente

principal, t o operador de transposio e p o vetor que descreve a direo da maior
variabilidade dos dados. O procedimento (5.49) repetido at que m componentes
principais possam ser calculados. Dessa forma, a ACP decompe o conjunto inicial X
conforme eq. 5.50:
m
X = TP t = t p
i =1
t
i i (5.50)
sendo pi o autovetor da matriz X, P a matriz de componentes principais e T a matriz de

coeficientes dos componentes principais. A matriz T fornece a informao do impacto
de cada varivel sobre componente principal.
A proposta de aplicao dessa metodologia (ACP) como ferramenta de auxlio escolha

de solues representativas das frentes Pareto, foi inspirada no trabalho de NEIMANE
(2001), que utilizou o referido mtodo (ACP) na anlise de reabilitao de redes de
distribuio de energia eltrica. Para isso, foi utilizado um pacote computacional de
anlise estatstica MINITAB (verso demonstrativa).
5.10 Anlise de reabilitao atravs da otimizao multiobjetivo de mltiplos

estgios
Um plano de reabilitao deve estabelecer a seqncia de aes a serem implementadas
na rede ao longo do horizonte de planejamento, em conformidade com o Plano Diretor
de Abastecimento da cidade, subdividido em intervalos de tempo menores.
Considerando que o problema de reabilitao alm de ser multicriterial dinmico,
props-se, como sistemtica de resoluo, uma extenso do conceito da otimalidade de
Bellman (BELLMAN e KALABA, 1965) para o caso multiobjetivo, de maneira que os
planos de reabilitao possam ser identificados. O problema a ser resolvido num estgio
j, qualquer, pode ser expresso atravs da equao recursiva forward conforme eq.(5.51):
f j* (S j ) = MaxDo min ar[fator j1 f j*1 (S j , X j ) + fator j R j (X j )] (5.51)

Xj
sendo que f j* (S j ) o vetor dos objetivos acumulados do primeiro ao estgio j,
representativo das solues pertencentes frente Pareto resultante no estgio j;

139
f j*1 (S j , X j ) o vetor dos objetivos acumulados do primeiro ao estgio j-1 (sub-timo),
representativo das solues pertencentes frente Pareto resultante no estgio j-1;

R j (X j ) a contribuio do estgio j em termos dos objetivos; Xj o vetor de decises
relativas ao estgio j; Sj vetor de variveis determinantes do estado do sistema

relativas ao incio do estgio j ou final do estgio j-1; fatorj-1 e fatorj representam os
fatores de ponderao dessas duas parcelas, cujos valores dependem do objetivo
considerado, no caso do custo, expresso em unidades monetrias, o objetivo acumulado
corresponde soma dos valores presentes dos custos de cada estgio. Nesse caso, fatorj
corresponde unidade e fatorj-1 ao fator de recuperao do capital
1
[ frc = ],sendo r a taxa de juros anual, fixada em 5%]. No caso do benefcio,
(1 + r )5.( j1)
expresso em unidades de potncia, o objetivo acumulado corresponde soma dos

valores dos benefcios de cada estgio. Portanto, fatorj-1 e fatorj assumem o valor
unitrio. J no caso dos vazamentos e da confiabilidade, os respectivos objetivos
acumulados correspondem mdia dos trs estgios. Assim, os valores dos fatores
devem ser adequados de maneira a avaliar vazamento mdio e confiabilidade mdia dos
trs estgios.
Para viabilizar o processamento computacional, algumas simplificaes foram ainda

necessrias, para que somente algumas solues representativas da frente Pareto
resultante de um estgio fossem consideradas no estgio seguinte, de acordo com a
metodologia descrita no item 5.9 (Anlise de Componentes Principais). A Figura 5.17
apresenta o procedimento geral da otimizao multiobjetivo dinmica.
5.11 Redes exemplo

Nesse item apresentam-se as redes utilizadas neste trabalho. Duas dessas redes (Figuras
5.18 e 5.19) so proposies da literatura e servem de referncia para testes e avaliaes
dos algoritmos propostos e utilizados. A terceira rede (Figura 5.20) um modelo
representativo, sistema macro (tubulaes principais, desprezando-se tubulaes
secundrias, menores que 100 mm), de um sistema real.
140
Otimizao Multiobjetivo
PERODO DE PLANEJAMENTO
Frente Pareto
1 Perodo
(5 anos)
Escolha de Solues Anlise Multivariada
Componentes Principais
Soluo representativa 1 Soluo representativa 2 Soluo representativa 3
Otimizao Multiobjetivo Otimizao Multiobjetivo Otimizao Multiobjetivo
Frente 1 Frente 2 Frente 3
(10 anos)
Algoritmo de Filtragem
Frente Pareto nica
Frente Pareto
2 Perodo
Anlise Multivariada
Otimizao Multiobjetivo Otimizao Multiobjetivo Otimizao Multiobjetivo
Frente 4 Frente 5 Frente 6

Algoritmo de Filtragem
Frente Pareto nica
(15 anos)
Frente Pareto
3 Perodo
Anlise Multivariada
Figura 5.17 Procedimento proposto para otimizao multiobjetivo dinmica

141
5.11.1 Rede exemplo 1

O estudo de reabilitao da rede exemplo 1 (Figura 5.18) foi inicialmente proposto por
GESSLER (1985). Essa rede possui 14 tubulaes, 2 reservatrios de nvel constante
(ns 1 e 5) e 9 ns de demanda (2, 3, 6, 7, 8, 9, 10, 11 e 12). As linhas slidas
representam o sistema existente e linhas pontilhadas as novas tubulaes.
Tanque
Reservatrio
5
1
[4]
[1]
2 3 4
[2] [3]
[5] [6]
6 7 8
[7] [8]
[9] [10] [11]
9 10 11 12
[12] [13] [14]
Ns
Sistema Existente
Novas Tubulaes
Tubulaes Duplicadas
Figura 5.18 Rede Exemplo 1
Os dados dos trechos e dos ns da rede exemplo 1 so apresentados nas Tabelas 5.6 e
5.7, respectivamente. A complexidade desse problema determinada pelas diversas
combinaes possveis (variveis de deciso) que o sistema pode admitir. Por exemplo,
existem cinco tubulaes de projeto (6, 8, 11, 13 e 14) dos quais seus dimetros devem
ser escolhidos entre 8 possibilidades (Tabela 5.8). Trs tubulaes existentes (1, 4 e 5)
142
podem sofrer reabilitao, oito so as possibilidades (Tabela 5.9). Os custos associados

com essas variveis de deciso so apresentados nas Tabelas 5.10 e 5.11.
Tabela 5.6 Caractersticas geomtricas da rede exemplo 1

Tubulao Dimetro Comprimento Coeficiente
mm m HW
1 356 4828 75
2 254 1609 80
3 254 1609 80
4 254 6437 80
5 254 1609 80
6 Projeto 1609 120
7 203 1609 100
8 Projeto 1609 120
9 254 1609 80
10 102 1609 100
11 Projeto 1609 120
12 203 1609 100
13 Projeto 1609 120
14 Projeto 1609 120
Tabela 5.7 Dados dos ns da rede exemplo 1

N Elevao Cenrio 1 Cenrio 2 Cenrio 3
q Pmin q Pmin q Pmin
m L/s m L/s M L/s m
1 365,76 - - - - - -
2 320,40 12,62 28,18 12,62 14,09 12,62 14,09
3 326,14 12,62 17,61 12,62 14,09 12,62 14,09
4 323,23 0 17,61 0 14,09 0 14,09
5 371,86 - - - - - -
6 298,70 18,93 35,22 18,93 14,09 18,93 14,09
7 295,66 18,93 35,22 82,03 10,57 18,93 14,09
8 292,61 18,93 35,22 18,93 14,09 18,93 14,09
9 289,56 12,62 35,22 12,62 14,09 12,62 14,09
10 289,56 18,93 35,22 18,93 14,09 18,93 14,09
11 292,61 18,93 35,22 18,93 14,09 18,93 14,09
12 289,56 12,62 35,22 12,62 14,09 50,48 10,57

A rede exemplo 2 (Figura 5.19) foi proposta por TUCCIARELLI, CRIMINISI e
TERMINI (1999) para estudar as perdas por vazamento (estimativa). Para isso, essa
143
rede foi dividida em trs setores de vazamentos ( ) e um expoente de vazamento ( )

comum a esses trs setores. Essa rede conta com 25 trechos de tubulaes, 15 ns e trs
reservatrios. As Tabelas 5.12 e 5.13 apresentam os dados relativos aos trechos
(comprimentos, dimetros, coeficiente de vazamentos e expoente de vazamentos) e aos
ns (elevao e demanda), respectivamente.
Tabela 5.8 Opes de projeto Tabela 5.9 Opes de reabilitao

Dimetro Cdigo Ao Cdigo
mm
152 0 Deixar como est 0
203 1 Limpar Tubulao 1
254 2 Duplicar com 152 2
Tabela 5.10 Custos de projeto Tabela 5.11 Custos de reabilitao

Dimetro Custo de tubos Dimetro Custo de limpeza
mm $/m mm $/m
152 49,54 152 47,57
203 63,32 203 51,51
254 94,82 254 55,12
305 132,87 305 58,07
356 170,93 356 60,70
407 194,88 407 63,00
458 232,94 458 -
509 264,10 509 -
144
No16
23 No13
1 No4 2 No11 7 No9 10 No1
6 4 9 11
12
No3 5 No10 8 No2 18 No12 13 No5 22 No15 25 No18
21 20 17 15 14
No8 19 No7 16 No6

3
No14
24
No17
Figura 5.19 Rede exemplo 2
Tabela 5.12 Caractersticas geomtricas da rede exemplo 2

Tubulao Dimetro Comprimento Rugosidade Vazamento
mm m mm setor
1 500 1000 3,474 1
2 250 500 3,474 2
3 500 1000 3,474 1
4 150 500 3,474 2
5 150 500 3,474 2
6 250 500 3,474 2
7 250 500 3,474 2
8 150 500 3,474 2
9 150 500 3,474 3
10 250 500 3,474 3
11 150 500 3,474 3
12 250 560 3,474 3
13 250 250 3,474 3
14 250 560 3,474 3
15 150 500 3,474 3
16 250 500 3,474 3
17 150 500 3,474 3
18 150 500 3,474 3
19 250 500 3,474 3
20 150 700 3,474 3
21 250 500 3,474 3
22 500 500 3,474 1
23 500 1 3,474 1
24 500 1 3,474 1
25 500 1 3,474 1
145
Tabela 5.13 Dados dos ns da rede exemplo 2

N Elevao Q
m L/s
1 25 30,4
2 20 30,4
3 22 30,4
4 27 0,0
5 30 0,0
6 27 30,4
7 22 0,0
8 25 0,0
9 25 0,0
10 20 0,0
11 22 30,4
12 27 0,0
13 25 0,0
14 25 0,0
15 30 0,0
16 70 0,0
17 70 0,0
18 70 0,0

O sistema de abastecimento de gua da cidade de Campo Grande MS divido em 20
setores operacionais, responsveis pelo atendimento de 706.442 mil habitantes
(SANDIM et al., 2002). Especificamente, o sistema de distribuio RF-1/TH o setor
operacional que apresenta mais perda de gua, em mdia 48%, e por isso, est sendo
objeto de estudo neste trabalho. Esse setor est localizado na regio norte do municpio
de Campo Grande, sendo totalmente abastecido pelo sistema integrado (compreende as
regies da cidade cujo abastecimento tem como fontes de suprimento principais as
captaes superficiais). Esse setor divido em: parte alta (TH) e parte baixa (RF-1), e
neste trabalho, apenas o setor RF-1 est sendo investigado.
Foi constatado16 que, em se tratando da anlise de reabilitao de redes de distribuio

de gua, as companhias de saneamento tem interesse em avaliar a reabilitao apenas do
sistema macro (tubulaes principais) e no de redes secundrias (tubos com dimetros
menores que 100 mm). Por isso, no presente estudo tubulaes com dimetros inferiores
a 100 mm foram desprezadas, gerando dessa forma, um modelo simplificado ilustrado
pela Figura 5.20.
16
Entrevista realizada com a gerente de projetos Enga Civil Marilcia Sandim Pereira da Companhia de
Saneamento gua Guariroba S. A. , Campo Grande MS, em Abril de 2003.
146
79 80
SISTEMA RF1 77
78
82
Ponto 5 86
76 83 84
74 85
75 73 VRP
69
65
64 68 72
87
67 71 88
62
Ponto 8 70
66 61 89
25 63 57
39
58
26 55
56 90
38 37 54
23 59
27 52 53 91
22 Ponto 3
51 50
36 35 34 46 60 Ponto 4
18 24 13 33 111
28 49 126
47 92
Ponto 1 32 42 45 123
125 127 129 110
17 19
12 44 48 109
29 30 124
120 122 128 108 103
16 10 41 119 104
15 21 11 118 93
94
VRP 43 121 114 113
20 8 31 102 Ponto 6
09 115 107 101
14 7 40 112 99
Ponto 10 95
116 Ponto 7
6 Ponto 2 98 97 96
100
5 Ponto 9 117 106
4 105
1 2
VRP
Figura 5.20 Rede exemplo 3 (modelo simplificado do sistema RF-1)
Tabela 5.14 Decises de reabilitao para rede exemplo 3

Cdigo Ao de Reabilitao Dimetro (mm) / CHW
0 Substituio 150
1 Substituio 200
2 Substituio 300
3 Substituio 500
4 Substituio 600
5 Substituio 700
6 Substituio 800
7 Substituio 900
8 Deixar como est -
9 Duplicao 150
10 Duplicao 200
11 Duplicao 500
12 Duplicao 600
13 Duplicao 700
14 Duplicao 800
15 Duplicao 900
16 Limpeza 120*
* Coeficiente de Hazen Williams aps limpeza do tubo
O suprimento de gua do setor de distribuio RF1 ocorre por meio de dois

reservatrios semi-enterrados, cada qual com um volume de armazenamento de 6000
147
m3. Esse setor responsvel por atender a demanda de aproximadamente 100.000

habitantes (SANDIM et al., 2002) sendo a sua rede composta de PVC e cimento
amianto com 432.509,27 metros de tubulaes. Os dados dessa rede encontram-se no
ANEXO A. A complexidade desse problema determinada pelas diversas combinaes
possveis (variveis de deciso) que o sistema pode admitir. Por exemplo, existem 148
trechos possveis de serem reabilitadas e 17 aes que podem ser implementadas
(Tabela 5.14). Os custos associados com essas variveis de deciso so apresentados na
Tabelas 5.15.
Tabela 5.15 Custos de reabilitao

Custos ($ / m)
Dimetro (mm) Substituio Duplicao Limpeza
150 42 47 39
200 58 65 39
250 74 82 39
300 96 106 43
350 119 132 47
400 143 159 51
450 169 188 56
500 197 219 66
600 253 281 76
700 346 381 82
800 374 402 90
900 401 452 110
6 RESULTADOS E DISCUSSES
Nesse captulo so apresentados e discutidos os resultados obtidos da anlise de

reabilitao de redes de distribuio de gua para abastecimento aplicada a problemas
exemplos da literatura e a um estudo de caso real, utilizando a metodologia proposta no
presente trabalho. Um organograma apresentado atravs da Figura 6.1 com objetivo de
enfatizar as etapas desenvolvidas na pesquisa e facilitar ao leitor o acompanhamento das
investigaes e das concluses obtidas.
Simulador Hidrulico Convencional (Toolkit)

(Anlise Dirigida pela Demanda)
- Estudo de acoplamento (GAlib/Epanet 2)

Anlise de Reabilitao - Investigao de pesos (funo penalidade)
Algoritmos Genticos Rede Exemplo 1
(Otimizao Convencional) - Anlises estatsticas
M OGA
- Implementao MOGA (GAlib)
MOGA - Incorporao de funo penalidade como objetivo independente
NSGA
Anlise de Reabilitao MOGA, NSGA, NSGA II, SPEA
Rede Exemplo 1
(Otimizao Multiobjetivo) - Comparao de mtodos multiobjetivo
NSGA II
SPEA
SPEA
- Considerao de 3 objetivos
SIMULAES - Estudo de operadores genticos (recombinao, mutao)
Simulador Hidrulico Proposto (OOTEN / Epanet 2)

Anlise Dirigida pela Energia
Modelo de Vazamentos
EPANET 2 Modificado (Biblioteca OOTEN)
Anlise de Redes - Estudo de acoplamento OOTEN
(Simulador Hidrulico Proposto - Rede Exemplo 2 - Investigao do modelo de vazamentos
Epanet 2 Modificado) - Investigao dos modelos de demanda varivel
- Testes de convergncia
Demanda Varivel
Simulador Hidrulico Iterativo (Toolkit)

(Anlise Dirigida pela Energia)
Calibrao do Modelo Mtodo proposto por

PARMETROS DO M ODELO DE VAZAMENTOS
(Estimativa dos parmetros do Rede Exemplo 3 - Estudo calibrao
SOARES (2003)
modelo presso vazamento) - Anlise de erros
Simulador Hidrulico Iterativo (OOTEN / Epanet 2)

Anlise Dirigida pela Energia
Anlise Esttica
Custo
Benefcio
Anlise de Reabilitao Rede Exemplo 3
(Otimao Multiobjetivo)
Vazamentos
Confiabilidade
Anlise Dinmica
ESCOLHA DE SOLUES
- Anlise multivariada (Componentes Principais)
- Planejamento de longo prazo (5, 10 e 15 anos)
- Planos timos de reabilitao
Figura 6.1 Organograma das simulaes realizadas

149
Qualquer estudo de sistemas de distribuio de gua que utilize a modelao

matemtica como ferramenta, deve tomar por base um modelo de simulao hidrulica
confivel que possibilite analisar o comportamento dos sistemas sob diversas condies
operacionais. No presente trabalho, quatro simuladores hidrulicos foram utilizados e
testados, conforme descrito no item 5.5. Todos esses simuladores so baseados no
cdigo fonte do Epanet 2 (ROSSMAN, 2000) e acoplados a um compilador C++
(Borland Builder C++ 5.0).
O Epanet 2 um programa computacional de domnio pblico, escrito em linguagem de

programao C, de desempenho comprovado e bem aceito pela comunidade cientfica.
Sua principal vantagem a possibilidade de incorporar diversos dispositivos hidrulicos
(bombas, vlvulas, reservatrios com nveis variveis) associada as simulaes em
perodo extensivo. Esse programa est disponvel na sua forma executvel (visual) ou
atravs de suas bibliotecas (rotinas de funes). A utilizao de cdigos (sub-rotinas),
ao invs do programa executvel, flexibiliza o acoplamento de rotinas adicionais.
Os resultados apresentados nesse captulo so divididos em: estudos das anlises de

reabilitao atravs da otimizao convencional (algoritmos genticos) e da otimizao
multiobjetivo (algoritmos evolucionrios) em problemas da literatura, anlise do
comportamento numrico do simulador hidrulico proposto (Epanet 2 modificado) em
relao aos modelos dirigidos pela presso (vazamento e demanda) nele implementados
e suas respectivas convergncias, estimativa dos parmetros do modelo de presso
vazamento (calibrao do modelo) e anlises de reabilitao (esttica e dinmica) de
uma rede real considerando objetivos mltiplos (custo, benefcio, vazamentos e
confiabilidade).
6.1 Anlise de reabilitao atravs da otimizao convencional estudo terico

Essa seo aborda os resultados da anlise de reabilitao atravs da otimizao
convencional (Algoritmos Genticos - objetivo nico) e sntese dos procedimentos
desenvolvidos. Vrios testes foram realizados utilizando o simulador hidrulico
convencional (5.5.1) com objetivo de verificar a sua adequao diante do problema de
reabilitao de redes. Esses testes envolveram estudos preliminares de acoplamento
desse simulador com o compilador Borland Builder C++ 5.0, de chamadas de funes,
de entrada e sada de dados, alm de investigaes de como se modificava as
caractersticas geomtricas de um dado arquivo de rede, por exemplo, a mudana de
150
dimetros e coeficientes de rugosidade, de como considerar os vrios padres de

demanda, dentre outros.
Aps ter exaurido as investigaes sobre a utilizao do simulador, iniciou-se a fase de

integrao do modelo hidrulico com o modelo de otimizao. Partiu-se da hiptese de
que como o cdigo fonte do simulador hidrulico (Epanet 2) est escrito em linguagem
C, o mdulo de otimizao deveria estar ou na mesma linguagem ou em uma linguagem
compatvel com a linguagem C. Adotou-se, portanto, a biblioteca de otimizao GAlib
C++17 (WALL, 1996), baseada na tcnica de algoritmos genticos, de domnio pblico e
de desempenho cientfico comprovado, escrita por Matthew Wall em 1996 no Instituto
de Tecnologia de Massachusetts (MIT). A GAlib conta com quatro tipos de algoritmos
genticos implementados (Simple, Steady-State, Incremental e Deme), cuja descrio
detalhada consta no manual da biblioteca (WALL, 1996).
Trs etapas iniciais devem ser rigorosamente cumpridas antes de resolver qualquer
problema de otimizao atravs de AGs. Essas etapas so: representao adequada das
possveis solues para o problema, escolha dos parmetros de entrada dos operadores
genticos (probabilidades de recombinao e de mutao) e formulao da funo
objetivo (funo que descreve o mrito de um determinado vetor soluo) do problema
em estudo.
Tubulaes
1 4 5 6 8 11 13 14
0-7 0-7 0-7 0-7 0-7 0-7 0-7 0-7
Reabilitao Projeto
Figura 6.2 Vetor soluo referente ao problema de GESSLER (1985)
Para representao das possveis solues do problema, geralmente, utiliza-se um vetor

que contm combinaes de cdigos (binrios ou reais) que representa as variveis de
deciso do problema (soluo completa). A literatura apresenta vrias formas de
representar essa combinao (GOLDBERG, 1989; MICHALEWICZ, 1992). Cada qual
possui vantagens e desvantagens. Por exemplo, uma desvantagem da codificao binria
o tempo computacional exigido durante a fase de decodificao (converter nmeros
17
Essa biblioteca est disponvel na pgina http:// lancet.mit.Edu/ga/ e pode ser utilizada, sem custo, para
fins educacionais e pesquisa.
151
binrios em reais). Para problemas de grande escala a decodificao torna-se invivel

devido seu elevado tempo computacional. Como os problemas de redes de distribuio
de gua (projeto, calibrao, operao e reabilitao) envolvem uma grande quantidade
de variveis de deciso, neste trabalho optou-se por utilizar a codificao real visando
economia de tempo computacional.
GESSLER (1985) props um problema teste (Figura 5.18) para otimizao de redes de
distribuio de gua que envolve decises de reabilitao e de projeto simultaneamente.
Esse problema vem sendo estudado por diversos pesquisadores (SIMPSON, DANDY e
MURPHY, 1994; WU e SIMPSON, 1996; WU e SIMPSON, 2001; CHEUNG et al.,
2003; CHEUNG, REIS e CARRIJO, 2003) ao longo dos anos. O objetivo principal
desse problema determinar a combinao tima de mnimo custo das aes de
reabilitao (Tabela 5.9) a serem implementadas em trs tubulaes existentes (1, 4 e 5)
e das aes de projeto (Tabela 5.8) de expanso em cinco tubulaes novas
(determinao de dimetros), de tal forma que as restries de presso mnima (Tabela
5.7) para trs padres de demanda sejam atendidas. A Figura 6.2 representa o vetor
soluo para o problema, cuja funo de avaliao do mrito (funo objetivo) de cada
vetor soluo apresentada pela eq.(6.1).
Minimizar custo total, F1 = c L + c

i
i i
k
k Lk (6.1)
sendo i o ndice das tubulaes a serem reabilitadas (limpeza ou inalteradas); k o ndice

de novas tubulaes (substitudas ou duplicadas); o conjunto de alternativas relativas
s tubulaes que requerem reabilitao; o conjunto de novas tubulaes; L o
comprimento das tubulaes e ci e c k so os custos unitrios (Tabelas 5.11 e 5.10) de
reabilitao de tubulaes e de novas tubulaes, respectivamente.
Como h dificuldades em se trabalhar com restries nos AGs, SIMPSON, DANDY e

MURPHY (1994) propuseram, para esse problema (eq. 6.1), que o atendimento de
presses mnimas (restries) fossem introduzidas na funo objetivo na forma de
funo penalidade. A formulao proposta por esses pesquisadores apresentada pela
eq.(6.2).

max (H )
NPD
Minimizar custo total, F1 = c L + c
i i k Lk +W min
j Hj

(6.2)
i k i =1 j i
152
sendo W um coeficiente penalidade; i o ndice que varia de acordo com o nmero de

cenrios de demanda; NPD denota o nmero de padres de demanda; o conjunto de
ns que apresentam energias abaixo da mnima; H representa a energia no n j e Hmin
representa a energia mnima requerida no n j (Tabela 5.7).
Para investigao do problema (eq. 6.2), um programa computacional foi desenvolvido

integrando o Epanet 2 (simulador hidrulico convencional) e a GAlib (mdulo de
otimizao) em uma nica rotina. As solues obtidas atravs desse programa
permitiram que comparaes, com o trabalho de SIMPSON, DANDY e MURPHY
(1994), fossem realizadas, com intuito de avaliar a performance do modelo integrado
(otimizao - GAlib e simulao hidrulica - Epanet 2). Alm disso, esse programa
permitiu o estudo das possibilidades de uso da GAlib (em termos de seus operadores),
para que posteriormente fosse desenvolvida uma rotina de otimizao multiobjetivo
utilizando operadores convencionais dessa biblioteca.
w = 100 w = 1000 w = 5000 w = 10000 w = 50000 w = 70000 w = 80000
2.50E+06
2.00E+06
Funo Objetivo
1.50E+06
1.00E+06
5.00E+05
0.00E+00
0 200 400 600 800 1000
Iteraes
Figura 6.3 Simulaes da rede exemplo 1 com diferentes pesos
A Figura 6.3 apresenta os resultados de algumas simulaes realizadas com o programa

GAlib - Epanet 2, para rede exemplo 1, considerando o problema mencionado na
eq.(6.2). O objetivo dessa ilustrao foi demonstrar a dificuldade em se encontrar
fatores penalidade adequados de forma que a soluo tima pudesse ser obtida.
GESSLER (1985) foi quem props esse problema e o resolveu utilizando tcnicas de
153
enumerao parcial. A soluo de mnimo custo encontrada por esse pesquisador foi
$1.833.744. SIMPSON, DANDY e MURPHY (1994) construram dois programas para
resoluo desse problema. No primeiro programa, foi implementada a tcnica de
enumerao completa para obter a soluo tima global do problema. Cada vetor
soluo foi avaliado por uma rotina de anlise hidrulica, construda pelos prprios
autores, baseada na tcnica de Newton-Raphson. SIMPSON, DANDY e MURPHY
(1994) tambm construram um programa baseado na tcnica dos AGs. A soluo de
mnimo custo, encontrada por esses pesquisadores, utilizando ambos os programas
(enumerao completa e algoritmos genticos) foi $1.750.300 ("mnimo global"). Para
esse ltimo caso (algoritmos genticos) a soluo de mnimo custo foi encontrada
considerando um valor penalidade de W (eq. 6.2) igual a 70.000.
Tabela 6.1 Solues de mnimo custo (GAlib - Epanet 2)

Simulao Pesos Soluo encontrada
W $ Restrio
1 100 4.44E+05 457
2 1000 1.51E+06 361
3 2000 8.98E+05 179
4 3000 1.07E+06 143
5 4000 1.20E+06 60
6 5000 1.25E+06 58
7 6000 1.29E+06 42
8 7000 1.38E+06 60
9 8000 1.44E+06 60
10 9000 1.42E+06 45
11 10000 1.51E+06 34
12 20000 1.61E+06 6
13 30000 1.71E+06 4
14 40000 1.70E+06 0
15 50000 1.83E+06 0
16 60000 1.80E+06 0
17 70000 1.72E+06 0
18 80000 1.72E+06 0
19 90000 1.81E+06 0
No presente trabalho (Tabela 6.1), a melhor soluo obtida (mnimo custo) foi igual a
$1.700.000, considerando W igual a 40.000. Utilizando W igual a 70.000, o valor de
mnimo custo encontrado foi $1.720.000. As simulaes realizadas para os pesos 40.000
e 70.000 satisfizeram restrio de presso mnima. Percebe-se que essas solues
esto abaixo da soluo "tima global" apontada por SIMPSON, DANDY e MURPHY
(1994). Atribui-se a diferena entre a "soluo global", obtida anteriormente pelos
autores, e a soluo de mnimo custo apresentada aqui, aos diferentes simuladores
154
hidrulicos utilizados. A Tabela 6.1 apresenta os valores das solues de mnimo custo,
os pesos que foram atribudos e os valores das restries (atendida ou no), encontrados
pelo programa desenvolvido (GAlib-Epanet 2).
Quando algoritmos genticos so utilizados, no mnimo quatro parmetros de entrada

so necessrios para o processo iterativo: dimenso da populao, nmero mximo de
geraes, probabilidade de recombinao e probabilidade de mutao. Para as
simulaes apresentadas na Tabela 6.1 esses parmetros foram: 100, 1000, 0,9 e 0,02,
respectivamente. Para todas as simulaes, a populao inicial foi gerada a partir da
mesma semente aleatria (7000)18.
A reabilitao de redes justifica-se quantitativamente atravs de anlises comparativas

entre as energias nos ns da rede para condio anterior reabilitao e as energias nos
ns da rede para condio posterior reabilitao. Tais anlises so apresentadas
atravs das Figuras 6.4, 6.5 e 6.6. Esses grficos apresentam as presses nos ns da
rede, referentes soluo de mnimo custo obtida pela simulao 14 (Tabela 6.1), as
presses nos ns da rede sem considerar reabilitao e as presses mnimas requeridas
para os cenrios 1, 2 e 3 (Tabela 5.7), respectivamente. Para realizar a simulao
hidrulica da rede exemplo 1 (Figura 5.18) foi necessrio adotar dimetros mdios
disponveis (356 mm) para os trechos 6, 8, 11, 13 e 14 (trechos inexistentes projeto)
para representar uma situao similar existente.
A Tabela 6.1 mostra diversas solues alcanadas pelos algoritmos genticos para
diversos pesos. Todas essas solues representam intervenes que podem ser
implementadas na rede, possibilitando ao decisor do sistema escolher a soluo que
melhor lhe satisfaa. Por exemplo, se o rgo gestor do sistema decidir que o
investimento na rede deva ser inferior a $1.700.000, existem alternativas (solues) que
podem satisfazer tal restrio, entretanto, o dficit de presso aceitvel pode ser violado
em algum perodo do dia.
18
A biblioteca GAlib oferece a possibilidade de influenciar o processo de evoluo (atribuir um valor
para a semente aleatria), possibilitando assim reproduzir as mesmas simulaes. Isso no acontece
quando o "relgio" do computador utilizado como semente aleatria.
155
Presso Mnima Requerida Rede Reabilitada Rede sem Reabilitao

60
50
40
Presso (m)
30
20
10
0
2 3 4 6 7 8 9 10 11 12
-10
N
Figura 6.4 Grfico comparativo das presses da rede para cenrio 1
60
Presso Minima Requerida Rede Reabilitada Rede sem Reabilitao
50
40
30
20
Presso (m)
10
0
2 3 4 6 7 8 9 10 11 12
-10
-20
-30
-40
-50
-60
-70
N
60
Presso Minima Requerida Rede Reabilitada Rede sem Reabilitao
50
40
30
Presso (m)
20
10
0
2 3 4 6 7 8 9 10 11 12
-10
-20
-30
-40
-50
N

156
Uma boa soluo, para essa situao hipottica, seria a soluo gerada pela simulao
12 que, alm de satisfazer a restrio de investimento (menor que $1.700.000),
apresenta um dficit de presso em torno de 6m (aceitvel para sistemas reais) em um
determinado perodo do dia. Observe que para todos os cenrios considerados (1, 2 e 3)
as energias da rede reabilitada representam valores acima da presso mnima requerida
e, portanto, dficit de presso zero.
500
450
400
Dficit de Presso (m)
350
300
250
200
150
100
50
0
0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06 2.50E+06 3.00E+06 3.50E+06 4.00E+06
Custo ($)
Figura 6.7 Solues obtidas pelos AGs considerando diferentes pesos
500
450
400
350
300
250
200
150
100
50
0
0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06 2.50E+06 3.00E+06 3.50E+06 4.00E+06
Custo ($)
Figura 6.8 Solues obtidas pelos AGs considerando diferentes pesos

157
Atravs dos dados da Tabela 6.1, considerando custo e dficit de presso, foi possvel
construir uma curva de troca (Tradeoff) de todas as solues encontradas nas 19
simulaes. Essa curva (Figura 6.7) auxilia o decisor na tomada de deciso. Observa-se
na Figura 6.7 uma tendncia de esboo da frente Pareto. Entretanto, essa curva no pode
ser considerada Pareto timo pois inclui solues dominadas em seu conjunto. Uma
frente Pareto timo, de acordo com conceito apresentado no captulo 4 (eq. 4.4), deve
apresentar apenas solues no dominadas conforme ilustrada pela Figura 6.8, onde as
solues dominadas foram includas.
6.1.1 Anlises estatsticas de experimentos computacionais com AGs
Uma das principais dificuldades na utilizao dos AGs determinar parmetros de

entrada adequados (dimenso da populao, nmero mximo de geraes, probabilidade
de recombinao e probabilidade de mutao) de forma a garantir que a soluo obtida
seja obtida. Em geral, pesquisadores realizam anlises de sensibilidades como
procedimento inicial de forma a identificar tais parmetros.
Neste trabalho, uma metodologia cientfica foi buscada de forma a dar suporte
investigao dos fatores que mais interferem nesse processo (LIN e RARDIN, 1980;
PETROVSKI, WILSON e McCALL, 1998), para que, posteriormente, apenas esses
parmetros possam ser avaliados criteriosamente.
As caractersticas estocsticas dos AGs esto presentes no processo de variao do

mtodo (busca por regies do espao inexploradas) atravs dos seus operadores
genticos (recombinao e mutao). Esses operadores desenvolvem um papel
importante na eficincia do mtodo. Infelizmente, no existe expresso analtica ou um
modelo terico que descreva a performance dos AGs em termos dos seus fatores
(dimenso da populao, nmero de geraes, probabilidade de recombinao e
probabilidade de mutao). Uma maneira de estimar os efeitos que esses fatores
promovem sobre a soluo final utilizar anlises estatsticas (planejamentos fatoriais).
Neste trabalho, foi utilizado o planejamento composto central ortogonal (baseado nos
planejamento 3k), descrito no item (5.7.1.3), ao invs dos planejamentos fatoriais 2k.
Essa escolha se deve ao fato de que os planejamentos 2k permitem que se investiguem
apenas dois nveis (alto e baixo) para um determinado fator k. Por exemplo, considere
uma situao hipottica onde se quer conhecer a influncia de um determinado fator k
(por exemplo, probabilidade de recombinao) na soluo final. Se for utilizado um
158
planejamento fatorial 2k, as anlises ficariam restritas ao estudo de um nvel alto

(probabilidade de recombinao igual a 0,9) e de um nvel baixo (probabilidade igual a
0,1). Observe que analisar apenas dois nveis seria injusto, uma vez que existem outros
valores intermedirios nesse intervalo importantes e que devem influenciar a resposta.
Por isso, optou-se por utilizar planejamentos compostos centrais ortogonais (PCCO) que
levam em considerao nveis intermedirios entre o limite superior e o limite inferior.
Para se utilizar essa metodologia estatstica (planejamento fatoriais) na anlise dos

fatores que mais interferem na soluo tima produzida pelo algoritmo de otimizao,
deve-se em primeiro lugar, escolher quais os fatores ( x n ) a serem analisados. Para o
problema (eq. 6.2) proposto por GESSLER (1985), quatro fatores (k = 4) foram
escolhidos: o nmero mximo de geraes, a dimenso da populao, a probabilidade
de recombinao e a probabilidade de mutao. O prximo passo foi determinar, de
acordo com os trabalhos da literatura que apresentam aplicao de AGs nos problemas
relacionados a sistemas de distribuio de gua (SIMPSON, DANDY e MURPHY,
1994; REIS, PORTO e CHAUDHRY, 1997; HALHAL et al., 1997, WALTERS et al.,
1999; SILVA, 2003; SOARES, 2003), os intervalos numricos de cada fator k, descrito
pelas eqs.(6.3), (6.4), (6.5) e (6.6).
Nmero mximo de geraes: x1c (100, L ,5000) (6.3)
Dimenso da populao: x c2 (30, L ,500) (6.4)
Probabilidade de recombinao: x 3c (0,1 , L , 0,9) (6.5)
Probabilidade de mutao: x c4 (0,01, L , 0,2) (6.6)
Depois de determinados os fatores e os intervalos respectivos necessita-se codificar os

nveis dos fatores para o planejamento. A codificao mais utilizada 1, 0 e 1,
considerando um planejamento 3k, conforme descrito no item (5.7.1). Como neste
trabalho foi utilizado o PCCO, alm dos nveis intermedirios (-1, 0 e 1) mais dois
nveis (-a*, a*) so determinados conforme descrito no item (5.7.1.3). A Tabela 6.2
apresenta os valores numricos para os respectivos nveis.
Para construo da Tabela 6.3 necessrio atribuir para o nvel zero (centro do
planejamento) o valor numrico mdio aproximado referente ao intervalo de cada fator
159
(eqs. 6.3, 6.4, 6.5 e 6.6). O mesmo feito para os nveis 1 e 1, atribuindo valores
equidistantes do centro do planejamento. Observe que para o primeiro fator ( x 1c ) a
distncia entre o nvel 1 e 0 1800, o mesmo acontece entre o intervalo 0 e 1
(distncia igual a 1800). Segundo MARTNEZ (2001) a codificao de um
planejamento 3k descrita pela eq.(6.7).
x *i x *i
x ic = (6.7)
s *i
*
sendo x i o valor mdio entre os nveis 0, 1 e 1; s *i a distncia equidistantes entres os
nveis e x *i os valores numricos correspondentes ao intervalo da varivel i. Por

*
exemplo para i igual a 1, com valor de x 1* sendo 1200, x 1 sendo 3000 e s1* sendo 1800
tem-se x 1c igual 1.
Tabela 6.2 Codificao dos fatores referente ao problema (eq. 6.2)

Fatores -a* -1 0 1 a*
x 1c 480 1200 3000 4800 5520
x c2 40 100 250 400 460
x 3c 0,08 0,2 0,5 0,8 0,92
x c4 0,03 0,05 0,10 0,15 0,17
Para o clculo dos outros nveis (-a*, a*) do PCCO, a varivel x ic assume um a valor
conhecido (Tabela 5.13). Como para esse estudo assumiu-se uma anlise de quatro
fatores, os valores de -a* e a* so -1,4 e 1,4, respectivamente. Assim, pode-se determinar
os valores correspondentes de x *i na Tabela 6.2.
Observe na Tabela 6.3 que da configurao 1 at a configurao 16 os dados se referem

ao planejamento fatorial 2k completo, com k igual a 4, na configurao 17 encontra-se o
centro do planejamento e da configurao 18 at a configurao 25, essa parcela
completa todo planejamento composto central ortogonal. Essa metodologia fornece o
nmero exato das simulaes a serem realizadas com suas respectivas combinaes de
parmetros.
160
Para cada combinao de fatores (mesmos parmetros de entrada) pode-se repetir o

experimento vrias vezes (rplicas). O nmero necessrio de rplicas no determinado
por essa metodologia. PETROVSKI, WILSON e McCALL (1998) utilizaram 50
rplicas para cada configurao (simulao). SRINIVAS e DEB (1995), comparando
dois mtodos evolucionrios de otimizao multiobjetivo, afirmaram que para uma
comparao justa a populao inicial dos dois algoritmos deveria ser igual (mesma
semente aleatria).
Tabela 6.3 Planejamento de simulaes computacionais para rede exemplo 1

Configurao Varivel Resposta
(Simulao) x 1c x c2 x 3c x c4 x 1* x *2 x *3 x *4 (Mnimo Custo)
1 -1 -1 -1 -1 1200 100 0,2 0,05 1.87E+06

2 1 -1 -1 -1 4800 100 0,2 0,05 1.84E+06
3 -1 1 -1 -1 1200 400 0,2 0,05 1.81E+06
4 1 1 -1 -1 4800 400 0,2 0,05 1.78E+06
5 -1 -1 1 -1 1200 100 0,8 0,05 1.90E+06
6 1 -1 1 -1 4800 100 0,8 0,05 1.72E+06
7 -1 1 1 -1 1200 400 0,8 0,05 1.78E+06
8 1 1 1 -1 4800 400 0,8 0,05 1.80E+06
9 -1 -1 -1 1 1200 100 0,2 0,15 1.86E+06
10 1 -1 -1 1 4800 100 0,2 0,15 1.75E+06
11 -1 1 -1 1 1200 400 0,2 0,15 1.78E+06
12 1 1 -1 1 4800 400 0,2 0,15 1.75E+06
13 -1 -1 1 1 1200 100 0,8 0,15 1.80E+06
14 1 -1 1 1 4800 100 0,8 0,15 1.80E+06
15 -1 1 1 1 1200 400 0,8 0,15 1.75E+06
16 1 1 1 1 4800 400 0,8 0,15 1.80E+06
17 0 0 0 0 3000 250 0,5 0,10 1.81E+06
*
18 -a 0 0 0 480 250 0,5 0,10 1.81E+06
*
19 a 0 0 0 5520 250 0,5 0,10 1.85E+06
20 0 -a* 0 0 3000 40 0,5 0,10 1.86E+06
*
21 0 a 0 0 3000 460 0,5 0,10 1.72E+06
*
22 0 0 -a 0 3000 250 0,08 0,10 1.75E+06
*
23 0 0 a 0 3000 250 0,92 0,10 1.75E+06
24 0 0 0 -a* 3000 250 0,5 0,03 1.75E+06
*
25 0 0 0 a 3000 250 0,5 0,17 1.72E+06
161
No caso da Tabela 6.3, para cada combinao de parmetros (nmero mximo de

geraes, dimenso da populao, probabilidade de recombinao e probabilidade de
mutao) cinco rplicas foram realizadas. Cada rplica partiu de cinco sementes
aleatrias distintas. Assim, a varivel resposta (soluo mnimo custo) foi definida
como sendo a mdia das cinco solues de mnimo custo produzidas pelo programa
(GAlib - Epanet 2).
Tabela 6.4 Resultados PCCO

Fator Efeito Coeficiente Valor t Valor p
Constante 1773616 26290 67,463 0
-17851 13941 -1,281 0,229

x 1c
-34157 13941 -2,45 0,034
x c2
-6325 13941 -0,454 0,660
x 3c
-17711 13941 -1,27 0,233
x c4
x 1 * x 1c
c 65301 31180 2,094 0,063
x c2 * x c2 25301 31180 0,811 0,436
x 3c * x 3c -14699 31180 -0,471 0,647
x c4 * x c4 -29699 31180 -0,952 0,363
x 1c * x c2 40425 21777 1,856 0,093
x 1c * x 3c 11025 21777 0,506 0,624
x 1c * x c4 15925 21777 0,731 0,481
x c2 * x 3c 13475 21777 0,619 0,550
x c2 * x c4 3675 21777 0,169 0,869
x 3c * x c4 13475 21777 0,619 0,550
Analisando os resultados obtidos (solues de mnimo custo) correspondentes s

diferentes combinaes de fatores consideradas na Tabela 6.3 atravs do software de
anlise estatstica MINITAB (verso demonstrativa) foi possvel construir a Tabela 6.4,
atravs do planejamento composto central ortogonal (item 5.8.1).
Atravs dessa metodologia (PETROVSKI, WILSON e McCALL, 1998) foi possvel

analisar os fatores e os efeitos das variveis dependentes sobre a varivel independente
utilizando anlise de varincia, considerando termos lineares, termos quadrticos e
iteraes entre os termos.
162
A Tabela 6.4 apresenta o resultado do MINITAB. O valor de p representa a

significncia da varivel dependente ou da combinao de variveis (no caso de efeito
quadrtico) na soluo final. Segundo HAIR (1998) valores de p pequenos, por
exemplo, p igual a 0,034 ( x c2 ) e p igual a 0,063 ( x 1c * x 1c ), indicam efeito significativo na
soluo final. O valor de t um teste estatstico que avalia a significncia das variveis
sobre o modelo estatstico inferido. Por exemplo, avaliar o quanto o(s) coeficiente(s) de
regresso (Tabela 6.4) interfere no processo. O efeito uma medida que exerce a
mesma funo do valor de t, no entanto, tal valor parametrizado como forma de
visualizar os valores em outras escalas.
Pode-se ento afirmar que, para o problema estudado, a dimenso da populao (p =

0,034) e o nmero mximo de geraes (p = 0,063) so os fatores mais interferem na
resposta e devem ser investigados criteriosamente. Vale ressaltar que o efeito
significativo referente ao nmero de geraes, apresentado pelas anlises, foi o efeito
quadrtico ( x 1c * x 1c ) .
6.2 Anlise de reabilitao atravs da otimizao multiobjetivo estudo terico

Uma das formas de considerar restries nos AGs incorpor-las funo objetivo na
forma de penalidades. Em muitos problemas de engenharia, essa aproximao tem
possibilitado bons resultados, embora (funes penalidade) possua limitaes bem
conhecidas, como a necessidade de adequao dos pesos (discutidos na Figura 6.3) e o
custo computacional envolvido. Geralmente, esse ajuste feito por tentativa e erro,
conforme resultados apresentados na Tabela 6.1.
O problema de reabilitao da rede exemplo 1 (eq. 6.1), inicialmente equacionado como

sendo de objetivo nico, foi reformulado como um problema de otimizao
multiobjetivo, passando ento a ter dois objetivos a serem alcanados simultaneamente:
minimizao de custos, descrito pela eq. (6.1), e minimizao do dficit de presso,
descrito pela eq.(6.8).
NPD
Minimizar dficit de presso, F2 = max
H min
j H j

(6.8)
i =1 j=1 i
sendo i o ndice que varia de acordo com o nmero de padres de demanda; NPD
denota o nmero total de padres de demanda considerado; o conjunto de ns que
163
apresentam presses abaixo da mnima; H representa a energia no n j e Hmin representa

a energia mnima requerida no n j (Tabela 5.7).
Incio Algoritmo
Avaliao Hidrulica
Dados de entrada do modelo (EPANET 2)
Inicializao do modelo
(Populao inicial)
Dficit Presso
Avaliao das Funes
Objetivo
Custo
Busca de Solues No
Dominadas (Algoritmo 1)
Avaliao MOGA
(Avaliao Ficitcia)
Seleo Mdulo de otimizao

(GAlib C++)
Recombinao Avaliao Hidrulica

(EPANET 2)
Mutao
Dficit Presso
Avaliao das Funes
Objetivo
Custo
Busca de Solues No
Dominadas (Algoritmo 1)
No Convergrncia
(Nmero de geraes)
Sim
Fim Algoritmo
Figura 6.9 - Fluxograma do programa desenvolvido para reabilitao de redes considerando dois
objetivos (custo e dficit de presso) utilizando o MOGA como mtodo de otimizao
multiobjetivo
Apesar de muitos objetivos poderem ser incorporados na anlise de reabilitao de

redes, nesse item, optou-se por formular o problema considerando dois objetivos
(incorporando a restrio como objetivo), como forma de comparar os resultados
obtidos pela otimizao de objetivo nico, que utilizou uma combinao de pesos
(Figura 6.8). Atravs dessa formulao foi possvel tambm investigar os mtodos de
otimizao multiobjetivo e os operadores de recombinao e mutao apropriados ao
problema.
164
Para avaliao simultnea das funes objetivo (eq. 6.1 e eq. 6.8), referentes ao
problema da rede exemplo 1, foi implementado um programa computacional em C++
baseado no mtodo de otimizao multiobjetivo MOGA descrito no item (5.41). Esse
programa foi construdo com suporte das rotinas da biblioteca GAlib (operadores de
seleo, recombinao e mutao) e do simulador hidrulico convencional (Epanet 2).
Na otimizao multiobjetivo atravs de algoritmos evolucionrios, a etapa de avaliao

difere dos algoritmos genticos convencionais. Assim, foi necessrio tambm
implementar um algoritmo de busca de solues no dominadas. Esse algoritmo
encontrado no APNDICE A (Algoritmo 1) deste trabalho. A Figura 6.9 apresenta o
fluxograma do programa desenvolvido, mostrando os mdulos que cada rotina executa.
importante ressaltar que s foi possvel construir esse modelo integrado, pois tanto a
GAlib como o Epanet 2 esto em linguagens C++ e C, respectivamente.
A Figura 6.10 apresenta os resultados de uma simulao do programa MOGA Epanet

2 considerando uma populao de 100 solues, um nmero de geraes igual a 500,
probabilidade de recombinao igual a 0,9 e probabilidade de mutao igual 0,1.
Atravs dessa ilustrao, demonstra-se a evoluo das populaes da gerao inicial at
a gerao final. Nessa mesma ilustrao (Figura 6.10), possvel identificar uma
convergncia prematura caso o nmero de geraes adotado fosse 250. Outro fato
evidenciado foi a perda de solues pertencentes gerao 250 quando comparada com
as solues referentes gerao 500. Nesse caso, a perda de solues decorrente da
aplicao dos operadores genticos (recombinao e mutao) sobre o conjunto
referente ltima gerao.
Uma forma alternativa de evitar a perda dessas solues e melhorar a distribuio de

solues na frente Pareto criar um conjunto externo que armazene todas as solues
no dominadas encontradas durante o processo iterativo, sendo que, no final, apenas as
solues no dominadas estejam contidas nesse conjunto (algoritmo de busca de
solues no dominadas). Essa proposio foi implementada no programa MOGA
Epanet 2 e representou uma melhoria (Figura 6.11) quando comparada com as frentes
produzidas pela Figura 6.10, que no considera o conjunto externo. Observe que a frente
Pareto obtida atravs do conjunto externo apresentou solues correspondentes a pontos
da curva que a frente obtida sem o conjunto (Figura 6.10) externo no conseguiu
explorar. Pode-se concluir que a frente Pareto obtida atravs do conjunto externo
165
apresenta maior diversidade de solues que aquela obtida sem considerar esse
conjunto.
500 Gerao 0
450
400 Gerao 250
350
300 Gerao 500
250
200
150
100
50
0
0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06 2.50E+06 3.00E+06 3.50E+06 4.00E+06
Custo ($)
Figura 6.10 Diferentes populaes produzidas pelo MOGA
500 Frente Pareto sem Conjunto Externo

450
400 Frente Pareto com Conjunto Externo
350
300
250
200
150
100
50
0
0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06 2.50E+06 3.00E+06 3.50E+06 4.00E+06
Custo ($)
Figura 6.11 Comparao de Frentes Pareto obtidas pelo MOGA
Uma comparao foi realizada entre a frente Pareto produzida atravs da otimizao
multiobjetivo (Figura 6.11) e a frente produzida atravs da otimizao de objetivo nico
(Figura 6.8). Nota-se, portanto, uma vantagem significativa (distribuio de solues na
frente) em se utilizar otimizao multiobjetivo ao invs da otimizao de objetivo
166
nico. A otimizao multiobjetivo fornece maior flexibilidade ao decisor, uma vez que
uma diversidade maior de alternativas produzida. A otimizao multiobjetivo
considerando dois objetivos consumiu tempo de processamento bem inferior ao da
otimizao de objetivo nico. Na situao de objetivo nico, 19 simulaes foram
necessrias para gerar a frente ilustrada pela Figura 6.8. Na otimizao multiobjetivo
apenas uma simulao foi necessria para obter as frentes ilustradas na Figura 6.11.
6.2.1 Comparaes de mtodos de otimizao multiobjetivo

Como j mencionado anteriormente, existe uma tendncia em utilizar algoritmos
evolucionrios para problemas de otimizao envolvendo objetivos mltiplos. A
literatura reporta a existncia de diversos mtodos capazes de buscar em uma nica
simulao as solues timas Pareto. Entretanto, a escolha do mtodo mais eficiente no
uma tarefa fcil. Na Cincia da Computao, rea na qual tais mtodos vm sendo
difundidos, ainda existem poucos estudos comparativos (SRINIVAS e DEB, 1995;
ZITZLER e THIELE, 1998; TAN, LEE e KHOR, 2001; DEB et al., 2002; CHEUNG et
al., 2003).
Neste trabalho, quatro mtodos evolucionrios de otimizao multiobjetivo (MOGA,

NSGA, SPEA e NSGA II) foram investigados. DEB et al. (2002) reportam que para se
comparar tais mtodos necessrio que no mnimo duas mtricas de performance
(convergncia e distribuio) sejam avaliadas. Visando avaliao dos algoritmos,
vrias simulaes foram desenvolvidas empregando MOGA, NSGA, SPEA e NSGA II,
partindo das mesmas cinco populaes iniciais distintas e considerando o problema de
reabilitao da rede exemplo 1 (Figura 5.18) com dois objetivos (eqs. 6.1 e 6.8).
Segundo SRINIVAS e DEB (1995) cinco populaes iniciais distintas so consideradas
satisfatrias para se comparar mtodos, lembrando que os mesmos devem partir das
mesmas populaes iniciais.
Os resultados do MOGA foram produzidos atravs do programa descrito no item

anterior (Figura 6.9). Os resultados do NSGA, SPEA e NSGA II foram obtidos
utilizando a biblioteca MOMHLib++ (descrita no item 5.6) acoplada ao simulador
hidrulico convencional (Epanet 2). Trs operadores de recombinao (Linear, BLX-
e Uniforme) e trs operadores de mutao (Limite, Aleatria e Dinmica) foram
implementados e investigados aqui, conforme descrito no item 5.6.1. Os resultados das
167
simulaes, referentes mtrica que avalia a convergncia das frentes Pareto (Set
Coverage Metric), so apresentadas atravs de grficos Boxplot19.
A Figura 6.12 apresenta o esquema de construo de um Boxplot. As letras A e B

denotam os mtodos que esto sendo comparados (p.ex. MOGA e NSGA). Como cada
mtodo parte de cinco populaes distintas, para cada configurao adotada (dimenso
de populao, nmero de geraes, probabilidade de recombinao e probabilidade de
mutao), cinco frentes Pareto so obtidas (FR). Assim, possvel obter 25 medidas de
C e construir os grficos Boxplot. Esses grficos medem a variabilidade dos valores de
C.
A B
FRA 1 FRB 1
FRA 2 FRB 2
FRA 3 FRB 3
FRA 4 FRB 4
FRA 5 FRB 5
1 C (FRA 1, FRB 1)
2 C (FRA 1, FRB 2)
3 C (FRA 1, FRB 3)
.
. BOXPLOT
.
23 C (FRA 5, FRB 3)
24 C (FRA 5, FRB 4)
25 C (FRA 5, FRB 5)
Figura 6.12 Esquema explicativo de construo de um BOXPLOT
Partindo do pressuposto que os parmetros que mais afetam os algoritmos

evolucionrios (item 6.1.1) so a dimenso da populao e o nmero de geraes,
anlises de sensibilidades foram realizadas com objetivo de identificar os parmetros
mais adequados ao problema. O estudo do nmero mximo de geraes foi
desenvolvido por CHEUNG et al. (2003) para esse mesmo estudo de caso (rede
19
Os grficos Boxplot so ilustraes grficas que representam os valores do quartil inferior, da mediana
e do quartil superior de uma amostra de dados (Manual do MATLAB 6.0).
168
exemplo 1 dois objetivos) e os resultados obtidos demonstraram que um nmero

mximo de geraes igual a 200, produz frentes Pareto eficientes para o problema em
questo.
A Figura 6.13 apresenta os resultados da mtrica C (item 5.6.1), para os diferentes

mtodos considerados (MOGA, NSGA, SPEA e NSGA II), atravs de Boxplot. Para tais
simulaes foram adotados os seguintes parmetros de entrada: dimenso de populao
varivel igual a 100, 200 e 300, nmero mximo de geraes igual a 500, probabilidade
de recombinao igual a 0,9, probabilidade de mutao igual a 0,1. Uma vez que cinco
simulaes foram realizadas, para cada configurao considerada (MOGA 100, MOGA
200, MOGA 300, NSGA 100, NSGA 200, NSGA 300, SPEA 100, SPEA 200, SPEA
300, NSGA II 100, NSGA II 200, NSGA II 300), e que cada algoritmo partiu das
mesmas cinco populaes iniciais, as comparaes em termos da mtrica C, foram
obtidas (Figura 6.12) considerando todos as combinaes possveis de frentes.
1 1 1 1 1 1 1 1 1 1 1
MOGA 100
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
MOGA 200
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
MOGA 300
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
NSGA 100
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
NSGA 200
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
NSGA 300
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
SPEA 100
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
SPEA 200
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
SPEA 300
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
NSGAII 100
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
NSGAII 200
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
NSGAII 300
0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1
Figura 6.13 Valores da mtrica C (A,B), descrita no item (5.6.1), para quatro mtodos
multiobjetivo (MOGA, NSGA, SPEA e NSGA II)
Conforme apresentado na eq.(5.41), a mtrica C (A,B) apresenta valor igual a 1 quando

toda populao de B dominada pela populao de A. Observando a Figura 6.13 e
comparando o MOGA (Mtodo A) em relao aos demais mtodos (Mtodos B),
169
sempre avaliando linha em relao a coluna, percebe-se que tanto o NSGA quanto o
SPEA dominam as solues do MOGA, pois o MOGA apresenta valores de C prximos
de zero, enfatizando que suas solues no dominam as solues do NSGA e do SPEA.
O mesmo no acontece quando se compara o MOGA em relao ao NSGA II.
Comparando-se o NSGA e o SPEA com o NSGA II, constata-se que ambos os mtodos
produzem solues que dominam as solues do NSGA II. Portanto, tanto o NSGA
como o SPEA apresentou boa eficincia quanto convergncia da frente. Entretanto,
nada se pode afirmar enquanto no for avaliada a mtrica de distribuio da frente. As
Figuras 6.14, 6.15 e 6.16 apresentam os resultados da mtrica S (item 5.7.2) que avalia a
distribuio das solues na frente Pareto. Quanto menor o valor de S, melhor
distribuda estaro as solues ao longo da frente (DEB, 2001). Os valores de S tambm
so apresentadas em termos de grficos Boxplots e demonstram a variabilidade das
medidas. Os valores (1, 2, 3 e 4) no eixo horizontal das Figuras 6.14, 6.15 e 6.16,
referem-se respectivamente aos mtodos (MOGA, NSGA, SPEA, NSGA II) avaliados.
4
x 10
7
Mtrica de Distribuio
1 2 3 4
Mtodo de Otimizao
Figura 6.14 Mtrica de distribuio considerando a dimenso da populao igual a 100
Atravs das Figuras 6.14, 6.15 e 6.16 pode-se afirmar que o NSGA II apresentou
maiores desvios em termos da mtrica S. O MOGA tambm apresentou grandes desvios
quando comparados com o NSGA e o SPEA. J o SPEA, apresentou os menores
desvios e demonstrou ser um mtodo eficiente em relao convergncia (Mtrica C) e
a distribuio das solues na frente Pareto (Mtrica S).
Como forma de ilustrar os resultados das simulaes, os grficos das frentes Pareto,
referente aos quatro mtodos (MOGA, NSGA, SPEA e NSGA II) avaliados, foram
construdos (Figuras 6.17-6.20). Todas essas frentes correspondem o caso em que a
170
dimenso da populao foi igual 200 e com a mesma semente aleatria. Observa-se que
tanto o NSGA como o SPEA, apresentaram solues melhores distribudas do que o
MOGA e o NSGA II. Na realidade essa inspeo visual refora os resultados obtidos
pela mtrica S (Figura 6.15).
4
x 10
7
1
1 2 3 4
Mtodo de Otimizao
4
x 10
7
1
1 2 3 4
Mtodo de Otimizao
Depois de identificado o mtodo mais eficiente (SPEA) para o problema de anlise de

reabilitao de redes de distribuio de gua considerando objetivos mltiplos, foram
realizados estudos em relao aos operadores genticos, de recombinao e de mutao,
com intuito de identificar os mais adequados ao problema. Para isso, trs operadores de
recombinao e trs operadores de mutao foram considerados. Esses operadores
foram descritos no item 5.6.1 do presente trabalho.
171
300 300
250 250
Dficit de Presso (F2)

Dficit de Presso (F2) 200 200
150 150
100 100
50 50
0 0
0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06 0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06
Custo (F1) Custo (F1)
Figura 6.17 Frente Pareto MOGA Figura 6.18 Frente Pareto NSGA
300 300
250 250

200 200
150 150
100 100
50 50
0 0
0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06 0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06
Figura 6.19 Frente Pareto SPEA Figura 6.20 Frente Pareto NSGA II
1 1 1 1 1 1 1 1
BLX
Limite
1 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
Linear
Limite
0 2 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
Uniforme
Limite
0
1
0
1
3 0
1
0
1
0
1
0
1
0
1
0
1
1 1 1 1 1 1 1 1
BLX
Aleatrio
0
1
0
1
0
1
4 0
1
0
1
0
1
0
1
0
1
1 1 1 1 1 1 1 1
Linear
Aleatrio
0
1
0
1
0
1
0
1
5 0
1
0
1
0
1
0
1
1 1 1 1 1 1 1 1
Uniforme
Aleatrio
0 0 0 0 0 6 0 0 0
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
BLX
Dinmico
0
1
0
1
0
1
0
1
0
1
0
1
7 0
1
0
1
1 1 1 1 1 1 1 1
Linear
Dinmico
0 0 0 0 0 0 0 8 0
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
Uniforme
Dinmico
9
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
Figura 6.21 - Valores da mtrica C (A,B) para SPEA considerando vrios operadores genticos
A Figura 6.21 apresenta os valores da mtrica C para as nove combinaes de

operadores consideradas. Esses valores foram obtidos seguindo o mesmo procedimento
mostrado na Figura 6.12. Para esse estudo, o mtodo utilizado foi o SPEA com
172
configuraes de operadores (recombinao e mutao) distintos. Por exemplo, a

configurao 1 representa a aplicao do algoritmo SPEA simulado com operador de
recombinao BLX e operador de mutao Limite. Os parmetros de entrada para todos
os nove casos foram: dimenso da populao igual a 200, nmero de geraes igual a
500, probabilidade de recombinao 0,9 e probabilidade de mutao 0,1.
A inspeo da Figura 6.21 permite que se conclua que se todas as solues Pareto
produzidas pelas configuraes 1, 2 e 3 (mutao Limite) foram dominadas pelas
demais (4, 5, 6, 7, 8 e 9). Entretanto, no se constata nenhuma combinao ideal entre as
configuraes 4, 5, 6, 7 , 8 e 9, pois todas essas configuraes so competitivas.
4 4
x 10 x 10
7 1.9
1.8
1.7
5 1.6
1.5
4
1.4
3 1.3
1.2
2
1.1
1 1
1 2 3 4 5 6 7 8 9 4 5 6 7 8 9
Configuraes Configuraes
Figura 6.22 Mtrica de distribuio do Figura 6.23 Mtrica de distribuio do

SPEA considerando diferentes operadores SPEA considerando apenas configuraes de
genticos (configuraes de 1 a 9) 4a9
A Figura 6.22 apresenta os resultados da mtrica S (item 5.7.2) para as simulaes

realizadas com o SPEA considerando diferentes operadores genticos. Observa-se que
os resultados referentes s configuraes que contm o operador de mutao Limite
apresentaram os maiores desvios. Assim, pode-se admitir que esse operador no
eficiente, pois de acordo com as mtricas (C e S) seus resultados so ruins. As outras
combinaes de operadores (49) apresentaram os valores de S de mesma ordem de
grandeza, no entanto, uma ligeira vantagem pode ser observada na configurao 7
(operador de recombinao BLX e operador de mutao Dinmico) atravs da Figura
6.22. Como a Figura 6.22 apresenta todos os resultados da mtrica S, e as combinaes
que apresentam resultados da mutao Limite produziram valores muito elevados, fica
difcil avaliar quais configuraes de 4 9 so mais eficientes (menor desvio). Assim,
foi construda a Figura 6.23, na qual considerou apenas as configuraes de interesse (4-
9). Observando-se Figura 6.23, constata-se que os valores medianos das combinaes
173
de operadores 4, 5 e 6, que utilizaram a mutao dinmica, apresentaram os melhores

valores em termos da mtrica S.
As configuraes 1, 2 e 3 apresentaram valores medianos semelhantes. O mesmo

acontece com 4, 5 e 6 e com o grupo formado pelas configuraes 7, 8 e 9. Buscou-se
ento uma explicao para esse fato. A principal diferena encontrada nesses grupos
est relacionada ao operador de mutao. Com isso, pode-se afirmar que o operador de
mutao tem mais influncia no processo iterativo do que o operador de recombinao.
As Figuras 6.24 e 6.25 apresentam as frentes Pareto do SPEA referentes s
configuraes 7 e 8, respectivamente. Observa-se que a comparao visual torna-se
difcil. Um crculo localizado na Figura 6.25 mostra a regio da superfcie Pareto que o
SPEA, com operador de recombinao BLX e mutao dinmica, explorou melhor.
Depois de identificados o algoritmo SPEA e os operadores genticos mais eficientes

para o problema de reabilitao de redes, iniciaram-se estudos referentes s funes
objetivo mais promissoras. HALHAL et al. (1997) sugerem que se alguma ao de
melhoria for implementada no sistema h um ganho direto de desempenho decorrente
dessa interveno sobre o sistema. Esse ganho foi denominado benefcio hidrulico.
Para quantificar esse benefcio, HALHAL et al. (1997) propem o uso de uma
formulao (eq. 3.21) que calcula as deficincias (DEF) da rede sem reabilitao e com
reabilitao, respectivamente. Uma crtica que se faz a essa formulao a unidade,
m4/s, obtida do benefcio hidrulico, a qual no tem nenhum significado fsico. Como
forma de aperfeioar tal formulao, no presente trabalho foi proposta a eq.(6.9) para
clculo desse benefcio.
Maximizar benefcio hidrulico, F3 = DEFo DEFp (6.9)
sendo que DEFo refere-se a deficincia da rede, em termos de presses no atendidas,

em seu estado original (sem reabilitao) e DEFp corresponde a deficincia da rede
reabilitada. Tanto DEFo como DEFp podem ser calculadas atravs da eq.(6.10).
DEFo / DEFp = (H
j
min
j H j )Q j (6.10)
sendo o peso especfico da gua (9,8 kN/m3); o conjunto de ns que no atendem

as presses mnimas; Hmin a energia mnima requerida para o n j (m); H a energia
174
simulada para o n j (m) e Q a demanda requerida para o n j (m3/s). Nota-se que os

valores obtidos pelo benefcio hidrulico sero apresentados em termos de potncia
(kW).
Simulaes foram realizadas com o SPEA para o problema de reabilitao da rede

exemplo 1 (Figura 5.18) considerando trs objetivos (eqs. 6.1, 6.8 e 6.9). O operador de
recombinao (probabilidade igual a 0,9) BLX e a mutao dinmica, com
probabilidade igual a 0,1, foram utilizados. A dimenso de populao considerada foi
igual a 200 e o nmero mximo de geraes igual a 500. A Figura 6.20 apresenta a
frente Pareto obtida atravs dessa simulao.
300 300
250 250

200 200
150 150
100 100
50 50
0 0
0 500000 1000000 1500000 2000000 0.00E+00 5.00E+05 1.00E+06 1.50E+06 2.00E+06
Figura 6.24 Frente Pareto SPEA (7) Figura 6.25 Frente Pareto SPEA (8)
350 6.0E+05
300 5.0E+05
250
4.0E+05
200
F1
3.0E+05
150
2.0E+05
100
1.0E+05
50
0 0.0E+00
0.0E+00 5.0E+05 1.0E+06 1.5E+06 2.0E+06 0.0E+00 5.0E+05 1.0E+06 1.5E+06 2.0E+06
1.80E+06 6.00E+05
1.60E+06
5.00E+05
1.40E+06
1.20E+06 4.00E+05
1.00E+06
8.00E+05
6.00E+05
F2 3.00E+05
2.00E+05
4.00E+05
1.00E+05
2.00E+05
0.00E+00 0.00E+00
0 50 100 150 200 250 300 350 0 50 100 150 200 250 300 350
1.80E+06 350
1.60E+06
300
1.40E+06
250
F3
1.20E+06
1.00E+06 200
8.00E+05 150
6.00E+05
100
4.00E+05
50
2.00E+05
0.00E+00 0
0.00E+00 1.00E+05 2.00E+05 3.00E+05 4.00E+05 5.00E+05 6.00E+05 0.00E+00 1.00E+05 2.00E+05 3.00E+05 4.00E+05 5.00E+05 6.00E+05
Figura 6.26 Frente Pareto produzida pelo SPEA considerando um problema com trs objetivos
As solues da Figura 6.26 evidenciam o efeito causado pela escolha de uma alternativa
de reabilitao (soluo) sobre os objetivos considerados. Por exemplo, considerando F1
175
em relao a F2 (grfico a direita de F1), se o decisor escolher uma soluo de mais

baixo custo (F1), o dficit de presso (F2) tem a ser mais elevado, da mesma forma que
se for analisado F1 em relao a F3, uma soluo de baixo custo produziria um benefcio
hidrulico menor.
6.3 Anlise de redes atravs do simulador hidrulico proposto

A incorporao de modelos presso-demanda e presso-vazamento nas anlises de redes
em regime permanente uma tendncia da literatura, com objetivo de produzir
resultados mais realsticos. Tais modelos, quando incorporados na formulao clssica
de redes, fazem com que as demandas trabalhem dinamicamente (e no fixas como nas
proposies clssicas), ou seja, variem em funo da carga hidrulica atuante nos ns da
rede.
Nesse item so apresentadas algumas investigaes referentes ao simulador hidrulico

modificado proposto (item 5.5.1). Esse simulador representa uma interveno direta
sobre o mtodo de TODINI e PILATI (1988), implementado no Epanet 2, e constitui
uma das contribuies originais deste trabalho. Cabe ressaltar que essa modificao foi
realizada utilizando uma biblioteca do Epanet 2 orientada a objetos, denominada
OOTEN (ZYl et al., 2003). A principal vantagem da OOTEN o acesso ao cdigo fonte
do Epanet 2, o que no conseguido quando se utiliza a biblioteca do Epanet 2 (Toolkit)
disponvel. Na Toolkit, o acesso direto ao cdigo do Epanet 2 fica impossibilitado
devido a presena de arquivos DLL (epanet2.DLL) e LIB (epanet2bc.lib). Assim, a
incorporao da relao presso-demanda e da relao presso-vazamento atravs da
Toolkit no possvel, a no ser que sejam construdos novos arquivos (DLL e LIB)
para qualquer modificao realizada no cdigo fonte do Epanet 2.
Vrios testes foram conduzidos com o simulador hidrulico proposto com intuito de
verificar sua adequao aos diferentes modelos de presso-demanda existentes (eqs.
2.32, 2.33 e 2.34). Considerando a rede exemplo 2 (TUCCIARELLI, CRIMINISI e
TERMINI, 1999), com os dados geomtricos apresentados nas Tabelas 5.12 e 5.13 e
considerando uma altura igual a 40 m.c.a. (condio operacional em que as demandas
requeridas nos ns so elevadas e as presses mais baixas) para os trs reservatrios,
diversas anlises foram realizadas.
Um primeiro estudo (Tabela 6.5) foi desenvolvido visando comparar a superfcie

piezomtrica de uma simulao convencional, considerando demandas fixas sem
176
vazamentos, com uma simulao considerando vazamentos (eq. 2.23). Observe na

Figura 5.18 que existem diferentes setores de vazamentos (Tabela 5.12) para a rede em
estudo (rede exemplo 2). Para o setor 1 foi considerado um valor para o coeficiente de
vazamentos ( 1 ) igual a 0. Para o setor 2 foi considerado um coeficiente de vazamentos
igual a 205,4.10-7 (m3-a/s) e para o setor 3 foi considerado um coeficiente de vazamentos
igual a 104,6. 10-7 (m3-a/s). O expoente (a) da formulao de vazamentos (eq. 2.23) foi
considerado igual a 0,1. Tanto os coeficientes adotados quanto o expoente so baseados
em um caso investigado por TUCCIARELLI, CRIMINISI e TERMINI (1999) para a
obteno dos resultados da Tabela 6.5 considerando a situao em que se admite
vazamentos.
Tabela 6.5 Presses obtidas utilizando simulador hidrulico sem vazamentos e com
vazamentos
Demanda Sem vazamentos Com vazamentos
N q Presso Presso QL Erro Absoluto
L/s m.c.a m.c.a L/s

1 30,4 13,26 12,27 14,1 0,99
2 30,4 17,22 15,64 11,2 1,58
3 30,4 17,26 16,84 9,7 0,42
4 0,0 12,80 12,67 5,3 0,13
5 0,0 9,81 9,66 13,9 0,15
6 30,4 12,14 11,52 14,0 0,62
7 0,0 17,29 16,61 13,9 0,68
8 0,0 14,85 14,68 14,9 0,17
9 0,0 13,24 12,19 10,9 1,05
10 0,0 18,59 17,35 9,4 1,24
11 30,4 16,25 15,23 7,0 1,02
12 0,0 12,48 12,01 11,9 0,47
13 0,0 15,00 15,00 0,00 0,00
14 0,0 15,00 15,00 0,00 0,00
15 0,0 10,00 10,00 0,00 0,00
Soma 152,0 136,3 8,52
Na Tabela 6.5 foi desenvolvida uma comparao simples das presses simuladas
considerando e no considerando vazamentos atravs do clculo do erro absoluto.
Observa-se que as presses obtidas sem considerar os vazamentos so mais elevadas
quando comparadas com a simulao convencional. Somando-se as parcelas referentes
aos vazamentos e as demandas (Tabela 6.5) obtm-se uma demanda total requerida pelo
sistema igual a 288,3 L/s. Observe que se no fossem incorporados os vazamentos nas
anlises hidrulicas a demanda total requerida pelo sistema estaria em torno de 152 L/s,
177
o que representa uma situao irreal, considerando que parcela expressiva de

vazamentos so apresentados no sistema em anlise.
Um segundo estudo (Tabelas 6.6 6.11) foi realizado com objetivo de comparar as
diferentes formulaes do modelo presso-demanda sobre a mesma rede exemplo. Trs
modelos presso-demanda foram investigados: WAGNER, SHAMIR e MARKS (1988)
(Modelo A), FUJIWARA e LI (1998) (Modelo B) e TUCCIARELLI, CRIMINISI e
TERMINI (1999) (Modelo C).
Tabela 6.6 Presses e vazamentos obtidos Tabela 6.7 Presses e vazamentos obtidos
utilizando o modelo de Wagner et al. (1988) utilizando o modelo de Fujiwara e Li (1998)
sem fator de relaxao sem fator de relaxao
WAGNER et al, (1988) FUJIWARA e LI (1998)
N Presso Vazamentos Demanda Varivel N Presso Vazamentos Demanda Varivel
M L/s L/s M L/s L/s
1 8,91 13,65 18,9 1 13,27 13,4 4,7
2 10,07 10,69 21,6 2 17,58 10,5 7,0
3 14,73 9,58 30,0 3 15,31 9,6 30,0
4 12,20 5,28 0,0 4 12,54 5,3 0,0
5 9,28 13,81 0,0 5 9,71 13,8 0,0
6 9,77 13,78 20,9 6 11,23 13,7 12,7
7 15,06 13,75 0,0 7 16,42 13,7 0,0
8 14,27 14,94 0,0 8 14,51 14,9 0,0
9 8,67 10,56 0,0 9 13,02 10,4 0,0
10 14,18 9,23 0,0 10 17,80 9,2 0,0
11 11,67 6,83 24,8 11 15,81 6,7 17,0
12 10,95 11,78 0,0 12 12,23 11,7 0,0
13 15,00 0,00 0,0 13 15,00 0,0 0,0
14 15,00 0,00 0,0 14 15,00 0,0 0,0
15 10,00 0,00 0,0 15 10,00 0,0 0,0
SOMA 133,88 116,3 SOMA 132,88 71,37
Os valores de energia obtidos considerando uma presso mnima de 5 m.c.a. e presso

desejada de suprimento da demanda de 15 m.c.a. para todos os ns da rede, so
mostrados nas Tabelas 6.6-6.11. Para os casos analisados nas Tabelas (6.6-6.8) no foi
considerado um fator de relaxao. Esse fator um procedimento numrico que auxilia
a convergncia do mtodo, pois quando os modelos presso-demanda e presso-
vazamento so integrados nas simulaes hidrulicas, observa-se a presena de
oscilaes. Essas oscilaes surgem devido ao clculo dos gradientes das funes que
compem a matriz Jacobiana. Em alguns casos (Tabela 6.7), as oscilaes produzem
respostas ruins, quando observada a soma total da demanda varivel. Considerando o
178
modelo presso demanda de FUJIWARA E LI (1998) no domnio entre Hmin e Hdes (eq.
6.11), o fator de relaxao (FS) dessa formulao nada mais que o termo que envolve
as energias. Para a iterao atual o fator de relaxao calculado atravs da eq.(6.12)
utilizando os valores das iteraes (k) anteriores.
qj = q req
(H j H min
j ) (3H
2 des
j 2H j H min
j )=q req
j FS j
j
(H des
j H min
j
3
) (6.11)
FS k + FS k 1
FS =
2 (6.12)
Tabela 6.8 Presses e vazamentos obtidos Tabela 6.9 Presses e vazamentos obtidos
utilizando o modelo de Tucciarelli et al. utilizando o modelo de Wagner et al. (1988)
(1999) sem fator de relaxao com fator de relaxao
TUCCIARELLI et al. (1999) WAGNER et al, (1988)
m L/s L/s m L/s L/s
1 10,57 13,42 15,19 1 8,91 13,65 19,00
2 13,66 10,39 15,27 2 10,06 10,69 21,60
3 14,95 9,56 30,28 3 14,73 9,58 29,99
4 12,34 5,27 0,00 4 12,20 5,28 0,00
5 9,45 13,79 0,00 5 9,28 13,81 0,00
6 10,23 13,70 20,66 6 9,77 13,78 21,00
7 15,54 13,71 0,00 7 15,05 13,75 0,00
8 14,36 14,93 0,00 8 14,27 14,94 0,00
9 10,36 10,36 0,00 9 8,66 10,56 0,00
10 15,73 9,15 0,00 10 14,17 9,24 0,00
11 13,28 6,74 23,47 11 11,67 6,83 24,82
12 11,47 11,73 0,00 12 10,95 11,78 0,00
13 15,00 0,00 0,00 13 15,00 0,00 0,00
14 15,00 0,00 0,00 14 15,00 0,00 0,00
15 10,00 0,00 0,00 15 10,00 0,00 0,00
SOMA 132,75 104,88 SOMA 133,88 116,41
Como o modelo de FUJIWARA e LI (1998) apresentou os piores resultados para o caso

em que o fator de relaxao no foi considerado, decidiu-se ento demonstrar o
comportamento das demandas e vazamentos ao longo das iteraes em comparao com
a situao em que o fator de relaxao considerado (Tabela 6.10) ao longo das
iteraes. A Figura 6.27 apresenta a demanda e os vazamentos totais calculados para
cada iterao do processo considerando o modelo presso-vazamento de
179
TUCCIARELLI, CRIMINISI e TERMINI (1999) e o modelo presso-demanda de

FUJIWARA e LI (1998). Atravs dessa figura possvel notar que os vazamentos se
mantm estabilizados durante o processo iterativo, entretanto a parcela referente
demanda oscila consideravelmente. Uma melhoria demonstrada quando se aplica um
fator de relaxao (eq. 6.12) entre consecutivas iteraes.
Tabela 6.10 Presses e vazamentos Tabela 6.11 Presses e vazamentos

obtidos utilizando o modelo de Fujiwara e obtidos utilizando o modelo de Tucciarelli
Li (1998) com fator de relaxao et al. (1988) com fator de relaxao
FUJIWARA e LI (1998) TUCCIARELLI et al, (1999)

m L/s L/s m L/s L/s
1 9,52 13,74 13,16 1 8,77 13,63 19,21
2 10,87 10,78 19,10 2 9,83 10,67 22,35
3 14,79 9,58 30,27 3 14,67 9,57 30,36
4 12,24 5,28 0,00 4 12,19 5,27 0,00
5 9,35 13,82 0,00 5 9,26 13,81 0,00
6 10,17 13,83 16,11 6 9,69 13,77 21,93
7 15,38 13,78 0,00 7 14,99 13,75 0,00
8 14,31 14,95 0,00 8 14,25 14,94 0,00
9 9,17 10,62 0,00 9 8,50 10,54 0,00
10 14,57 9,26 0,00 10 14,04 9,23 0,00
11 12,17 6,86 24,42 11 11,50 6,82 26,50
12 11,14 11,80 0,00 12 10,90 11,78 0,00
13 15,00 0,00 0,00 13 15,00 0,00 0,00
14 15,00 0,00 0,00 14 15,00 0,00 0,00
15 10,00 0,00 0,00 15 10,00 0,00 0,00
SOMA 134,29 103,07 SOMA 133,77 120,35
A Tabela 6.12 apresenta os desvios de presso obtidos em relao simulao

convencional. Por exemplo, a segunda coluna da Tabela 6.12, corresponde aos desvios
das presses simuladas (Tabela 6.5) considerando vazamentos (sem demanda varivel
com a presso) em relao s presses obtidas pela simulao convencional (Tabela
6.5). Esses desvios foram calculados conforme a eq.(6.13), onde o ndice i representa o
n da rede, k representa as energias obtidas pelas diferentes simulaes (vazamentos e
vazamentos com demanda varivel). Atravs do clculo desses desvios verifica-se o
erro cometido por desconsiderar vazamentos e demandas variveis com a presso nas
anlises hidrulicas. Deve-se tomar cuidado na anlise desses desvios, pois um desvio
pequeno no significa que o melhor mtodo, mas que o mtodo est prximo da
simulao convencional em que no so considerados os modelos dirigidos pela presso
180
(vazamentos e demanda varivel). Em relao aos modelos presso-demanda,

considerando a situao com o fator de relaxao por ser uma situao mais confivel
(estvel), nota-se que as formulaes de WAGNER, SHAMIR e MARKS (1988) e
TUCCIARELLI, CRIMINISI e TERMINI (1999) apresentam resultados muito
semelhantes (valores na mesma ordem de magnitude). J a proposio de FUJIWARA e
LI (1998) apresenta uma situao mais restritiva de atendimento das demandas logo as
presses nos ns so mais elevadas.
Desvio i = H k H j (6.13)
170
Fujiwara e Li (1998) s/ Relaxao Fujiwara e Li (1998) com Relaxao
Vazamentos sem Relaxao Vazamentos com relaxao
150
Demanda e Vazamentos (L/s)
130
110
90
70
50
1 3 5 7 9 11 13 15
Iteraes
Figura 6.27 Demanda total (FUJIWARA e LI, 1998) e vazamentos (TUCCIARELLI,

CRIMINISI e TERMINI, 1999) durante o processo iterativo
O desenvolvimento de simuladores hidrulicos dirigidos pela presso apresenta

inmeras vantagens para as anlises de redes de distribuio de gua. Os resultados das
variveis de estado (presso e vazo), obtidas por meio desses simuladores, apresentam-
se mais prximos da realidade dos sistemas existentes, possibilitando dessa forma um
melhor controle operacional. Uma outra vantagem desses simuladores refere-se ao
clculo da confiabilidade hidrulica do sistema, definida como sendo o no atendimento
das demandas devido a alguma falha existente no sistema. Os modelos para anlise de
redes dirigidas pela presso so bem adaptados para tal finalidade, pois explicitam
quantitativamente as parcelas de vazamentos e as parcelas de demandas no atendidas.
Realizando um clculo simples entre a demanda realmente atendida pelos diferentes
181
mtodos de presso-demanda (Tabela 6.13) e a demanda total requerida na rede (Tabela

6.5), 152 L/s, obtm-se a confiabilidade hidrulica (Tabela 6.13). O modelo B
apresentou a menor confiabilidade devido presena de oscilaes (Figura 6.27),
discutidas anteriormente, que convergiu para uma situao em que a demanda real
consumida foi igual a 71,4 L/s. Entretanto, recomenda-se que com o uso do fator de
relaxao, qualquer um dos modelos de demanda (D, E e F) pode ser utilizado nas
simulaes hidrulicas.
Tabela 6.12 Desvio absoluto referentes s presses nodais

Desvio Absoluto
Sem Fator de Relaxao Com Fator de Relaxao
N
Vazamentos WAGNER FUJIWARA TUCCIARELLI WAGNER FUJIWARA TUCCIARELLI
1 0,99 4,35 0,01 2,70 4,36 3,74 4,49
2 1,58 7,15 0,36 3,56 7,16 6,35 7,39
3 0,41 2,52 1,95 2,30 2,52 2,47 2,58
4 0,13 0,60 0,26 0,47 0,60 0,56 0,62
5 0,15 0,53 0,10 0,37 0,53 0,46 0,55
6 0,62 2,37 0,92 1,91 2,38 1,97 2,45
7 0,68 2,23 0,87 1,75 2,23 1,91 2,30
8 0,17 0,58 0,34 0,49 0,58 0,53 0,59
9 1,05 4,57 0,22 2,88 4,57 4,06 4,74
10 1,25 4,41 0,80 2,86 4,42 4,03 4,55
11 1,01 4,57 0,44 2,97 4,58 4,08 4,75
12 0,47 1,54 0,26 1,01 1,54 1,34 1,58
13 0,00 0,00 0,00 0,00 0,00 0,00 0,00
14 0,00 0,00 0,00 0,00 0,00 0,00 0,00
15 0,00 0,00 0,00 0,00 0,00 0,00 0,00
SOMA 8,51 35,43 6,52 23,27 35,47 31,49 36,60
Tabela 6.13 Confiabilidade hidrulica

Vazamentos Demanda Total Confiabilidade
Modelo
(L/s) (L/s) (Adimensional)
Wagner (A) 133,9 116,3 0,8
S/ Fator de
Relaxao
Fujiwara (B) 132,9 71,4 0,5

Tucciarelli (C) 132,7 104,9 0,7
Wagner (D) 133,9 116,4 0,8
Relaxao
C/ Fator
Fujiwara (E) 134,3 103,1 0,7

Tucciarelli (F) 133,8 120,4 0,8
As Figuras 6.28 e 6.29 apresentam ilustraes do vazamento total e da demanda total e

da confiabilidade hidrulica, respectivamente, para os diferentes mtodos considerados
(Tabela 6.13). As Figuras 6.30 e 6.31 apresentam os nveis piezomtricos da simulao
hidrulica convencional e comparao com a simulao hidrulica considerando
somente vazamentos e da simulao hidrulica considerando vazamentos e o modelo
182
presso-demanda, respectivamente. Nota-se, portanto que, quando somente vazamentos

so considerados, os nveis piezomtricos so mais elevados do que em relao as
simulaes hidrulicas que consideram tanto vazamentos quanto a demanda varivel
com a presso.
Vazamento Total Demanda Total

160.0
140.0
120.0
Vazamentos (L/s)
100.0
80.0
60.0
40.0
20.0
0.0
A B C D E F
Figura 6.28 Porcentagem de vazamentos e demandas para diferentes modelos de presso-

demanda
0.9
0.8
0.7
Confiabilidade Hidrulica
0.6
0.5
0.4
0.3
0.2
0.1
0.0
A B C D E F
Figura 6.29 Confiabilidade hidrulica para diferentes modelos de presso-demanda
Esse item (6.3) foi desenvolvido com objetivo de apresentar a incorporao dos
modelos de vazamentos e demanda-presso no cdigo do Epanet 2 e de discutir
resultados obtidos para a escolha adequada do modelo de presso-demanda mais
eficiente a ser adotado para o estudo de caso real (rede exemplo 3). Dessa forma, o
183
modelo de WAGNER, SHAMIR e MARKS (1988), com fator de relaxao, o

modelo-presso demanda implementado no simulador hidrulico proposto, em conjunto
com o modelo de vazamentos proposto por TUCCIARELLI, CRIMINISI e TERMINI
(1999). Esse modelo foi adotado por apresentar erros absolutos na mesma magnitude
para ambas as situaes (com e sem relaxao). O modelo de vazamentos
(TUCCIARELLI, CRIMINISI e TERMINI, 1999) foi escolhido por apresentar
formulao matemtica que quantifica as perdas por rea de superfcie de vazamentos,
conforme discutido no captulo 2 deste trabalho.
Simulao hidrulica convencional
20.00 Simulao hidrulica considerando vazamentos

18.00
16.00
14.00
Presso (m)
12.00
10.00
8.00
6.00
4.00
2.00
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
N
Figura 6.30 Comparao das presses nos ns da rede exemplo 2 considerando simulaes
hidrulicas convencional e com vazamentos
6.4 Estimativa dos parmetros do modelo de vazamentos - estudo de caso real

No existe um sistema totalmente estanque, todo sistema de abastecimento de gua
existente apresenta alguma parcela de perdas por vazamento na distribuio. Uma das
formas de quantificar os vazamentos incluir modelos presso-vazamento (eq. 2.23)
nas anlises hidrulicas. Entretanto, para que esses modelos possam representar
estimativas adequadas, necessrio, primeiramente, que seus parmetros (a e ) sejam
conhecidos. Nesse item, as estimativas obtidas dos parmetros presso-vazamento para
o estudo de caso real (rede exemplo 3 Figura 5.20) so apresentados. A calibrao de
tais parmetros foi realizada atravs do programa computacional desenvolvido por
SOARES (2003).
A calibrao de um modelo de redes um procedimento preliminar a ser adotado antes

de qualquer anlise de reabilitao e/ou operao de redes (sistema existente) com
184
objetivo de identificar os parmetros do sistema e assim poder representar, por meio de

simulaes hidrulicas, o comportamento realstico das variveis de estado. O
procedimento de calibrao visa ajustar os parmetros do sistema de tal forma que o
desvio entre os dados simulados e os dados observados seja mnimo. No presente
trabalho, os parmetros do modelo presso-vazamento foram identificados atravs da
minimizao do desvio dos dados observados em relao aos dados simulados.
Simulao hidrulica convencional
20.00 Simulao hidrulica considerando demanda varivel e vazamentos
18.00
16.00
14.00
Presso (m)
12.00
10.00
8.00
6.00
4.00
2.00
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
N
Figura 6.31 Comparao das presses nos ns da rede exemplo 2 considerando as simulaes
hidrulicas convencional e com modelo presso-demanda de WAGNER, SHAMIR e MARKS
(1988)
Para obteno dos dados reais, referentes ao estudo de caso, foi necessria a realizao
de uma pesquisa de campo (ANEXO A). Apresentam-se aqui as etapas procedidas para
determinao dos parmetros do modelo presso-vazamento. Esses parmetros servem
de dados de entrada para que as anlises de reabilitao, referente ao modelo proposto
neste trabalho, fossem desenvolvidas.
O suprimento de gua do setor de distribuio RF-1 (rede exemplo 3) ocorre por meio
de dois reservatrios semi-enterrados, localizados no n 131 (Figura 6.32), cada qual
com um volume de armazenamento de 6000 m3. Esse setor responsvel em atender a
demanda em mdia 100.000 habitantes (SANDIM et al., 2002) sendo composto por
tubulaes de PVC, cimento amianto e ferro fundido.
Considerando o setor RF-1 como sendo um sistema de grande escala, neste trabalho as
tubulaes com dimetros inferiores a 100 mm (salvo excees ora citadas) no foram
consideradas. O modelo simplificado ilustrado pela Figura 5.19 e os dados referentes
185
s caractersticas geomtricas das tubulaes e aos componentes hidrulicos encontram-

se no ANEXO A.
Setor 1
2
4 1
131
3
16
18
5
38
1419
Setor 3 37
13 17
35
48 101 36
41 12
102 39
11
49 42
40
43 10
47
Setor 4 105
50
45
95
44
46
104 51 9
52 56 8
106 94 93
103 58 53
116 57 54 55
92 91 96 59
107 32
108 128 90 83 82 100 65
7
60 64
61 31
84 85 66 67
109
117 62 63
112
99 81 69 68
89 88 21 22
113 111 70
80 71 76
110 118 119 97 26 6
114 87 98 15
72
121 120 23
79 73 20
115 86 24
74 3033 29 27
129 28
77
34
122 78 75
123 25
124
126 130
125
Setor 2
127
Setor 5
Figura 6.32 Setores do modelo simplificado real

2
4 1
131
3
16
Ponto 5 18
5
38
1419
13 17
37
35
48 101 36
41 12
102 39
11
49 42
40
Ponto
47
8 43 10
50
105 45
95
44
46
Ponto 3 104 51 9
52 56 8
94 93
106 103 58 53 Ponto 4
116 57 54 55
92 91 96 59
107 32
108 128 90 83 82 100 65
7
60 64
61 31
84 85 66 67
109 62 63
112 117 Ponto 1 99 81 69 68 22
113 111
89 88
70
71
21
76
Ponto 6
118 119 97 80 26
110 87 6 15
114 98 72
121 120 23
79 73 20
115 86 24
74 3033 29 27
129 28
77
34
Ponto 10 122 Ponto 2 78 75
123
Ponto 9 25
124
130
Ponto 7
126 125
127
Figura 6.33 Pontos de amostragem do modelo simplificado (rede exemplo 3)

186
Tabela 6.14 Demandas nodais da rede exemplo 3

ID Elevao Bairro 1996 2003 ID Elevao Bairro 1996 2003
1 627 Coophasul 68,1 75,7 78 562 Petrpolis 3,8 4,5
5 602.5 StaCarmelia 0,0 0,0 82 555 Petrpolis 6,6 7,8
6 596.5 StaCarmelia 0,0 0,0 83 556 Recanto 0,2 0,4
7 597 StaCarmelia 2,4 2,7 84 555.5 Recanto 0,9 1,6
10 598 StaCarmelia 4,7 5,3 87 545 Recanto 1,2 2,2
11 599 StaCarmelia 1,3 1,4 88 560 Petrpolis 7,2 8,5
13 595 StaCarmelia 0,0 0,0 90 562.5 Petrpolis 1,4 1,7
14 587 Coophatrab. 0,5 0,6 91 564 Petrpolis 1,6 1,8
15 582.5 Coophatrab. 6,3 7,1 92 536 Popular 5,1 6,3
16 576 Coophatrab. 0,0 0,0 93 549 Popular 0,7 0,8
19 564 Coophatrab. 1,1 1,2 96 534.5 Popular 4,5 5,6
23 573 Panam 0,0 0,0 100 525 Popular 7,0 8,7
24 575 Panam 0,0 0,0 101 538 Sta Monica 0,6 0,8
25 575 Panam 4,1 7,6 102 536 Sta Monica 0,7 0,8
26 580.5 Panam 7,1 13,1 103 535 Sta Monica 0,4 0,5
27 585 Coophatrab. 0,0 0,0 104 534.5 Sta Monica 0,8 1,0
28 573 Panam 4,1 7,5 105 530 Petrpolis 8,7 10,2
29 571 Panam 1,5 2,7 106 539 Petrpolis 0,0 0,0
30 567 Petrpolis 0,9 1,0 107 544 Petrpolis 4,5 5,3
31 569 Petrpolis 3,5 4,1 108 545 Nova Cgde 5,0 7,8
32 571 Alba 0,9 1,7 109 539.5 Nova Cgde 0,0 0,0
33 571.5 Alba 2,4 4,5 110 542.5 Nova Cgde 5,3 8,2
34 576 Panam 0,0 0,0 111 542 Nova Cgde 0,0 0,0
35 578 Panam 4,2 7,8 112 541 Nova Cgde 0,0 0,0
36 583 Panam 0,0 0,0 113 532.5 Nova Cgde 1,2 1,9
37 580.2 Panam 6,2 11,5 114 525 Nova Cgde 2,0 3,0
38 581.5 Panam 2,1 3,9 115 522.5 Nova Cgde 2,3 3,6
39 578 Panam 5,0 9,2 116 575 Panam 0,0 0,0
40 571 Panam 0,0 0,0 117 574 Planalto 0,0 0,0
41 570 Alba 2,8 3,2 118 566 So Franc. 2,3 2,5
42 570 Alba 0,0 0,0 119 569 So Franc. 0,9 1,0
43 568 Alba 6,6 7,4 120 584 Planalto 5,7 10,4
44 572 Alba 4,9 5,5 121 585 Planalto 1,7 3,1
45 569 Alba 1,1 1,3 122 541.5 Petrpolis 0,1 0,1
46 571.5 Alba 0,0 0,0 123 572.5 Planalto 1,5 2,7
47 577 Planalto 0,0 0,0 124 542.5 Nova Cgde 0,0 0,0
48 581 Planalto 1,2 1,3 125 582 StaCarmelia 0,0 0,0
49 581.3 Planalto 6,4 7,0 126 577.5 Coophatrab. 0,4 0,5
50 581 Planalto 0,0 0,0 127 538 Popular 0,0 0,0
51 577.5 Planalto 0,0 0,0 128 573.9 Alba 0,0 0,0
52 576.5 Planalto 0,0 0,0 129 532 0,0 0,0
53 567.5 Alba 0,0 0,0 130 583.3 0,0 0,0
54 581 Planalto 11,1 20,5
55 579 Planalto 10,8 19,8
56 564.5 Planalto 0,0 0,0
57 570 Planalto 0,0 0,0
58 560 Planalto 0,0 0,0
59 557.5 So Franc. 0,9 1,0
60 560 So Franc. 1,7 1,9
61 570 So Franc. 6,0 6,7
62 583 So Franc. 0,0 0,0
63 594 Coophasul 0,2 0,2
64 562.5 Planalto 1,2 2,2
65 566 Planalto 5,1 9,4
66 564 Planalto 3,3 6,1
67 567 Planalto 9,1 16,7
68 619 Coophasul 0,0 0,0
69 565 Alba 2,3 2,6
70 565 Alba 0,8 0,9
71 567 Alba 0,0 0,0
72 564 Alba 0,0 0,0
73 568.5 Alba 7,9 8,9
74 565.5 Petrpolis 4,9 5,8
75 560 Petrpolis 0,6 0,7
76 561 Petrpolis 3,5 4,1
77 561.5 Petrpolis 4,5 5,3
Com propsito de identificar parmetros de vazamentos para grupo de ns e tubulaes,

o modelo da rede exemplo 3 foi dividido em cinco setores. Esses setores foram
divididos considerando as reas de incidncia de vazamentos, conforme o mapa
187
fornecido pela Companhia de Saneamento guas Guariroba S.A. (CD Anexo). A Figura
6.32 mostra os diversos setores, para o modelo simplificado do sistema real RF-1 (rede
exemplo 3).
Os dados cadastrais da rede foram obtidos na prpria companhia de saneamento

(ANEXO A). As demandas nos ns (Tabela 6.14) foram obtidas atravs de uma base
cadastral referente ao ano de 1996 e projetada para ano de 2003, utilizando ndices de
crescimento populacional apresentados no plano diretor do sistema de abastecimento de
gua (SANDIM et al., 2002).
Os dados de campo foram obtidos mediante campanhas de medio realizadas pelo

autor do presente trabalho, no perodo entre 15 a 24 de Abril de 2003, com suporte de
dez medidores de presso (Metrolog NA Data Logger). Os pontos de instalao (pontos
de amostragem) dos medidores de presso foram escolhidos a sentimento, numa
tentativa de delimitar reas de diferentes incidncias de vazamentos, em conformidade
com mapa fornecido pela companhia (CD Anexo). A Figura 6.33 apresenta os pontos de
monitoramento considerados. Maiores detalhes sobre a pesquisa de campo encontram-se
no ANEXO A.
2000
1800
1600
Vazo Abastecida (m3/h)
1400
1200
1000
800
600
400
200
0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Horrio
Figura 6.34 Vazo abastecida da rede exemplo 3
A incorporao de vazamentos nas anlises hidrulicas tem como objetivo principal

representar uma melhor aproximao do comportamento real do sistema. bvio que,
para cada instante de tempo os parmetros de vazamentos variam, pois as presses
atuantes no sistema tambm mudam. Neste trabalho, foram adotados dois cenrios de
188
consumo (mnimo e mximo) tendo em vista que os modelos para anlise de redes
consideram regime permanente.
Um estudo foi realizado para determinao dos cenrios de consumo atravs das vazes
abastecidas (entrada do setor) na rede de distribuio. Diversos grficos so mostrados
no ANEXO A referente s vazes abastecidas no setor. A Figura 6.34 apresenta as
vazes de entrada na rede de distribuio para o dia 20 de Abril de 2003. Esses dados
foram obtidos junto companhia de saneamento. O horrio escolhido para representar o
padro de consumo mnimo foi 3:00 horas e para o consumo mximo foi de 11:00
horas. Esses horrios foram estabelecidos observando as vazes abastecidas para
diferentes dias de monitoramento.
Tabela 6.15 Presses nos ns monitorados (simulada e observada)

Simulada (m.c.a) Observada (m.c.a) Erro absoluto (m.c.a)
Ponto N
Noturno Diurno Noturno Diurno Noturno Diurno
1 128 83,6 82,2 73,9 50,6 9,7 31,6
2 86 63,9 62,9 53,0 33,1 10,9 29,8
3 106 80,1 78,0 65,1 37,6 15,0 40,4
4 32 34,5 30,9 33,1 20,9 1,4 10,0
5 14 34,3 34,2 28,8 28,6 5,5 5,6
6 6 34,9 29,1 21,1 14,5 13,8 14,6
7 25 55,5 53,4 23,2 15,3 32,3 38,1
8 50 53,2 52,7 41,3 22,0 11,9 30,7
9 122 82,3 80,9 72,0 46,0 10,3 34,9
10 115 87,7 85,2 75,0 45,0 12,7 40,2
Soma Parcial 123,4 275,9
Soma Total 399,3
A Tabela 6.15 apresenta as resultados das simulaes hidrulicas efetuadas utilizando o

modelo convencional (descrito no item 5.5.1), o qual no admite vazamentos. Uma
comparao entre as presses simuladas e as observadas (os valores de presso
observados durante todo perodo de investigao de campo so encontrados no ANEXO
A) foi realizada para os dois cenrios de consumo adotados. As simulaes foram
desenvolvidas considerando um perodo de 24 horas. Os fatores multiplicadores das
demandas nodais considerados so apresentados na Tabela 3.2 e ilustrados pela Figura
3.4. Os termos mnimo e mximo representam os cenrios de consumo noturno e dirio,
respectivamente. Foi calculado o desvio absoluto das presses simuladas em relao s
observadas para os dois cenrios considerados. Observa-se que (Tabela 6.15) para o
consumo mximo (diurno), as presses apresentam nveis piezomtricos menores
quando comparados com as presses noturnas. Atravs dessa comparao justifica-se a
189
necessidade de incorporar vazamentos nas anlises hidrulicas de tal forma que os

resultados provenientes das simulaes possam representar o comportamento
aproximado do sistema real.
Para obter resultados representativos, o modelador deve garantir, antes de qualquer

investigao, que as posies das singularidades (vlvulas) estejam corretamente
representadas no modelo (EGGENER e POLKOWSKI 1976; RAO, MARKEL e BREE
1977). A primeira tentativa, para determinao dos parmetros do modelo presso-
vazamento atravs da calibrao do modelo simplificado real (rede exemplo 3),
considerou duas vlvulas redutoras de presso atuando na rede, segundo informaes da
companhia. Essas vlvulas esto localizadas prximas aos ns 130 e 14,
respectivamente.
A primeira tentativa de calibrao dos parmetros de vazamento, considerado como um

estudo preliminar, recebeu a denominao "sem manobras". O significado desse termo
parte da hiptese que no h interferncia (manobras) nos registros do sistema ao longo
do dia. Essa primeira tentativa de calibrao visou principalmente utilizar os dados
referentes s vlvulas redutoras de presso da prpria companhia. A vlvula localizada
prxima ao n 14 (Figura 6.33), segundo informaes do departamento de operaes
companhia de saneamento, reduz presso jusante para 10 m.c.a e a vlvula localizada
prximo ao n 130 reduz a presso jusante para 25 m.c.a.
Atravs do conhecimento prvio da localizao e ajuste dessas vlvulas foi possvel

consider-las no simulador hidrulico (item 5.5.2) e proceder calibrao do modelo
simplificado real. Os parmetros de entrada do modelo de calibrao (SOARES, 2003),
referente ao mdulo de otimizao, foram: dimenso da populao igual a 100, nmero
de geraes igual a 500, probabilidade de recombinao igual 0,70 e probabilidade de
mutao igual a 0,01.
A Tabela 6.16 apresenta os parmetros calibrados do modelo presso-vazamento

referente ao primeiro estudo realizado (sem manobras). Inserindo os parmetros
calibrados no simulador hidrulico proposto foi possvel obter as presses nos ns da
rede considerando vazamentos. Os resultados dessas simulaes, referentes s presses
nos pontos monitorados, so agrupados na Tabela 6.17. Os desvios absolutos entre os
dados observados e os simulados considerando vazamentos so apresentados na Tabela
6.18. Observe que a soma total desses desvios foi de 394,0 o que resulta em uma
190
melhoria insignificante (1,4%) quando comparado com o desvio das simulaes sem
considerar vazamentos (399,3).
Tabela 6.16 Parmetros do modelo presso-vazamento referente ao modelo

simplificado real (rede exemplo 3)
(x 10-7) a
Setor
Sem manobras Com manobras Sem manobras Com manobras
1 0,000 0,000 0,00 0,00
2 0,000 0,294 0,10 1,07
3 0,192 0,000 0,10 0,10
4 0,398 0,039 1,16 0,58
5 0,349 0,000 1,14 0,48
Tabela 6.17 Presses nos ns monitorados (observadas e calibradas)

Observada (m.c.a) Calibrada (m.c.a)
Ponto
Sem manobras Com manobras
1 73,9 50,6 85,2 78,6 74,2 48,8
2 53,0 33,1 67,8 63,5 62,5 57,0
3 65,1 37,6 79,7 69,6 70,9 41,4
4 33,1 20,9 41,4 25,2 32,1 12,7
5 28,8 28,6 37,9 37,7 32,1 30,1
6 21,1 14,5 44,1 19,1 39,3 22,4
7 23,2 15,3 61,1 51,7 51,5 36,2
8 41,3 22,0 57,0 54,8 51,7 48,9
9 72,0 46,0 83,5 76,2 72,9 46,8
10 75,0 45,0 85,9 74,1 78,5 47,0
Tabela 6.18 Erro absoluto referente s presses calibradas

Erro absoluto (m.c.a)
Ponto
Sem manobras Com manobras
Noturno Diurno Noturno Diurno
1 11,3 28,0 0,3 1,8
2 14,8 30,4 9,5 23,9
3 14,6 32,0 5,8 3,8
4 8,3 4,3 1,0 8,2
5 9,1 9,1 3,3 1,5
6 23,0 4,6 18,2 7,9
7 37,9 36,4 28,3 20,9
8 15,7 32,8 10,4 26,9
9 11,5 30,2 0,9 0,8
10 10,9 29,1 3,5 2,0
Soma parcial 157,1 236,9 81,2 97,7
Soma total 394,0 178,9
Um segundo estudo de calibrao foi desenvolvido levando em considerao a

existncia de manobras nos registros da rede. As localizaes das manobras foram
obtidas junto companhia de saneamento e so ilustradas pela Figura 6.35. Uma das
principais dificuldades em representar operaes (manobras de registros) nas
191
simulaes hidrulicas identificar as aberturas das vlvulas (coeficiente de perda de

carga localizada - nmero de voltas no caso de registros manuais) resultantes das
manobras. Assim, o ajuste das manobras foi considerado como variveis de deciso do
problema de calibrao, em conjunto com os parmetros do modelo presso-vazamento.
2
4 1
131
3
16
Manobra 4 18
5
38
1419
13
Manobra 1 35 37
17
48 101 36
41 12
102 39
11
49 42
40
43 10
47
50
105 45
95
44
46
104 51 9
52 56 8
106 94 93
103 58 53
116
107
92 91 96 59
57 54 55 Manobra 2 32
108 128 90 83 82 100 65
7
60 64
61 31
84 85 66 67
109
117 62 63
112
113
Manobra 3 89 88
99 81 69 68
21 22
111 70
80 71 76
110 118 119 97 26 6
114 87 98 15
72
121 120 23
79 73 20
115 86 24
74 3033 29 27
129 28
77
34
122 78 75
123 25
124
126 130
125
127
Figura 6.35 Localizao de manobras noturnas referentes o modelo simplificado real

(rede exemplo 3)
A Tabela 6.16 apresenta os parmetros calibrados (coeficiente e expoente de

vazamentos) do modelo presso-vazamento para o estudo denominado "com manobras".
Nesse estudo, os parmetros de vazamentos e aos ajustes das manobras so valores
mdios representativos aos cenrios de consumo considerados. A Tabela 6.17 apresenta
as presses calibradas para esse estudo. Na Tabela 6.18 so calculados os desvios
absolutos para esse segundo estudo de calibrao. Observa-se que a soma do desvio
total considerando os dois cenrios de consumo igual a 178,9. Comparando esse valor
(178,9) com o desvio (399,3) referente simulao em que no considera vazamentos
(Tabela 6.15) observa-se uma melhoria global de 55,2%. Entretanto, quando as presses
so analisadas em pares, para cada padro de consumo, os resultados no so
convincentes. Uma possvel discrepncia dessas presses pode estar relacionada s
manobras diferenciadas para cada padro de consumo. No Brasil, manobras noturnas
so realizadas com frequncia em grande parte dos sistemas de distribuio de gua. As
192
mesmas so operaes rotineiras realizadas com objetivo de reduzir a presso noturna e,

assim, minimizar as perdas por vazamento.
Tabela 6.19 Parmetros do modelo presso-vazamento da rede exemplo 3 para

diferentes cenrios de consumo (valores mdios de cinco populaes iniciais)
(x 10-7) a
Setor
Noturno Diurno Noturno Diurno
1 0,00 0,00 0,00 0,00

2 0,88 0,00 1,16 0,32
3 0,72 0,66 0,10 1,14
4 0,37 0,42 0,47 1,17
5 0,00 0,44 0,10 0,90
Tabela 6.20 Ajuste das manobras para os diferentes cenrios de consumo

Coeficiente de perda de carga localizada (K) do Epanet 2
Manobra
Noturno Diurno
1 1187 994
2 688 10
3 367 32
4 1178 132
Tabela 6.21 Presses nos ns monitorados (observadas e calibradas considerando

manobras e parmetros de vazamento diferenciados para cada padro de consumo)
Observada (m.c.a) Calibrada (m.c.a) Erro absoluto
Ponto Manobras diferenciadas
1 73,9 50,6 72,0 47,4 1,9 3,2
2 53,0 33,1 54,4 30,6 1,4 2,5
3 65,1 37,6 69,0 41,0 3,9 3,4
4 33,1 20,9 26,9 4,4 6,2 16,5
5 28,8 28,6 32,0 29,8 3,2 1,2
6 21,1 14,5 34,3 15,4 13,2 0,9
7 23,2 15,3 46,4 25,2 23,2 9,9
8 41,3 22,0 43,3 21,9 2,0 0,1
9 72,0 46,0 70,8 45,7 1,2 0,3
10 75,0 45,0 76,7 47,1 1,7 2,1
Soma parcial 57,9 40,1
Soma total 98,0
Com decorrer das investigaes e analisando as presses obtidas atravs da calibrao

para duas situaes (sem e com manobras) percebeu-se que, no sistema RF-1 (rede
exemplo 3) ocorre operaes (manobras em registros) distintas nos diferentes perodos
(noturno e diurno) do dia. Essas operaes so muito comuns na maioria dos sistemas
existentes e representam solues alternativas prticas, adotadas pelas companhias de
saneamento, para minimizar os vazamentos. Dessa forma, realizou-se um outro estudo
193
(terceira tentativa) de calibrao com objetivo de identificar manobras e parmetros de

vazamentos distintos para cada padro de consumo considerado.
As Tabelas 6.19 e 6.20 apresentam os parmetros calibrados do modelo presso-

vazamento referente ao terceiro estudo de calibrao (manobras e parmetros distintos
para os diferentes cenrios considerados) e os coeficientes de perda de carga localizada
ajustados, respectivamente, para cada padro de consumo considerado. Os valores de
presso, referentes s presses nos pontos monitorados e os desvios absolutos para cada
n da rede so agrupados na Tabela 6.21. Observe que a soma total desses desvios foi
de 98,0 o que resulta em uma melhoria de 75,5% quando comparado com o desvio das
simulaes sem considerar vazamentos (399,3). Nota-se tambm que, no perodo
noturno apenas dois pontos de monitoramento (6 e 7) no apresentaram bons ajustes.
Tabela 6.22 Manobras calibradas considerando cenrios de consumo distintos

Coeficiente de perda de carga localizada (K) do Epanet 2
Simulao 1 2 3 4
1 994 10 32 132
2 1004 10 10 196
Diurno
3 1037 127 160 36

4 1032 103 10 83
5 1009 157 57 10
Mdia 1015 81 54 91
1 1187 688 367 1178
2 1167 705 406 1137
Noturno
3 1170 767 406 1167

4 1199 570 310 1191
5 1195 783 500 1160
Mdia 1184 703 398 1167
Para o perodo diurno os pontos 4 e 7 no apresentaram bons ajustes. Observe que todos
os pontos que no apresentaram bons ajustes pertencem ao setor 2 (Figura 6.32). Um
resultado interessante que vale ser destacado que o procedimento de calibrao
permitiu identificar a regra operacional adotada pela companhia no setor RF-1 (rede
exemplo 3) para diferentes perodos do dia. Isso pode ser verificado observando os
ajustes das manobras na Tabela 6.20. Observa-se que no perodo noturno os registros 1
e 4 (Figura 6.35) so quase que fechados, j os registros 1 e 2 so parcialmente
fechados. Atravs desses resultados (ajuste desses coeficientes) possvel afirmar a
existncia de manobras diferenciadas nos dois cenrios de consumo considerados.
194
Todos os estudos de calibrao realizados at o momento foram desenvolvidos como

etapas preliminares de investigao. Como o modelo de calibrao adotado (SOARES,
2003) baseado em uma tcnica de busca estocstica (AGs), vrias simulaes,
utilizando sementes aleatrias distintas, so necessrias para obter resultados confiveis.
Populaes iniciais foram consideradas no modelo de calibrao para um quarto estudo,
que teve como objetivo determinar coeficientes de ajustes mdios para cada manobra
(cinco sementes aleatrias), em um primeiro passo, e parmetros de vazamentos globais
em um segundo passo (dez sementes aleatrias). Os valores mdios das manobras so
referentes a cada padro de consumo. Depois de conhecidas as manobras, as mesmas
foram inseridas no modelo de calibrao para obter ento os parmetros do modelo
presso-vazamento global (considerando um valor para os dois cenrios). Os valores
ajustados das manobras so apresentados na Tabela 6.22 e os parmetros globais
calibrados so apresentados na Tabela 6.23 que tambm apresenta o clculo do
coeficiente de variao para as dez simulaes realizadas. O setor 5 apresentou maior
variao, em cada simulao, tanto para o coeficiente de vazamento ( ) quanto para o
expoente de vazamento.
Tabela 6.23 Parmetros do modelo de vazamentos global

(x 10-7) a
Setor Setor
Simulao 1 2 3 4 5 1 2 3 4 5
1 0,00 0,83 0,83 0,76 0,86 0,00 1,18 0,91 0,97 0,10
2 0,00 0,89 0,88 0,59 0,28 0,00 1,20 0,46 0,95 0,10
3 0,00 0,73 0,85 0,89 0,00 0,00 1,15 0,40 0,79 0,30
4 0,00 0,89 0,48 0,47 0,00 0,00 1,19 1,15 1,13 0,10
5 0,00 0,76 0,67 0,45 0,86 0,00 1,18 0,36 0,89 0,34
6 0,00 0,89 0,67 0,82 0,00 0,00 1,18 0,93 0,96 0,10
7 0,00 0,89 0,49 0,75 0,00 0,00 1,16 1,12 1,02 0,10
8 0,00 0,89 0,73 0,55 0,14 0,00 1,12 0,93 1,00 0,10
9 0,00 0,74 0,70 0,72 0,00 0,00 1,17 0,62 0,93 0,10
10 0,00 0,82 0,56 0,56 0,00 0,00 1,19 1,11 1,11 0,10
Mdia 0,00 0,83 0,69 0,66 0,21 0,00 1,17 0,80 0,98 0,14
CV - 0,08 0,21 0,23 1,65 - 0,02 0,39 0,10 0,66
CV Coeficiente de Variao = Desvio Padro / Mdia
Os valores de presso, referentes s presses nos pontos monitorados, e os desvios

absolutos para cada n da rede considerando os parmetros de vazamento global so
agrupados nas Tabelas 6.24 e 6.25, respectivamente. Observe que o menor desvio total
encontrado foi na simulao 2, o que resultou em uma melhoria de 76,3% quando
comparado com o desvio das simulaes sem considerar vazamentos (399,3). possvel
195
afirmar, atravs dos desvios totais da simulao 2, que a utilizao de parmetros de

vazamentos globais apresentam uma ligeira melhoria quando comparado como o estudo
que identificou parmetros de vazamentos distintos (75,5%) para os diferentes cenrios.
Tabela 6.24 Presses calibradas considerando parmetros de vazamentos globais

Calibrada (m.c.a.) Observada (m.c.a.)
Ponto N Simulao
1 2 3 4 5 6 7 8 9 10
1 128 69,7 70,6 70,8 70,2 71,0 69,7 69,0 70,0 71,9 72,0 73,9
2 86 54,1 54,3 54,2 54,2 54,3 54,2 54,1 54,2 54,4 54,5 53,0
3 106 64,6 66,3 66,8 65,5 67,3 64,6 63,3 65,4 69,0 69,0 65,1
4 32 27,3 26,9 27,6 27,0 27,1 27,1 27,3 27,4 27,0 26,6 33,1
Noturno
5 14 32,1 32,0 32,1 32,0 32,0 32,1 32,1 32,1 32,0 32,0 28,8
6 6 34,8 34,4 35,1 34,5 34,5 34,6 34,8 34,9 34,4 34,1 21,1
7 25 46,3 45,9 46,6 46,1 46,3 46,2 46,4 46,5 46,3 46,1 23,2
8 50 43,1 43,2 43,1 43,2 43,2 43,1 43,1 43,1 43,3 43,4 41,3
9 122 68,4 69,4 69,6 69,0 69,8 68,5 67,8 68,8 70,7 70,7 72,0
10 115 71,2 73,3 74,0 72,3 74,6 71,2 69,4 72,2 76,7 76,8 75,0
1 128 48,3 48,8 48,9 48,7 49,0 48,4 48,1 48,6 49,5 49,6 50,6
2 86 33,5 33,6 33,5 33,6 33,6 33,5 33,5 33,5 33,8 33,8 33,1
3 106 39,1 40,2 40,6 39,9 41,0 39,1 38,4 39,8 42,4 42,4 37,6
4 32 4,1 3,9 4,2 3,9 3,9 4,0 4,0 4,0 3,9 3,7 20,9
Diurno
5 14 29,7 29,7 29,7 29,7 29,7 29,7 29,7 29,7 29,7 29,7 28,6
6 6 14,7 14,5 14,8 14,5 14,5 14,6 14,6 14,7 14,4 14,2 14,5
7 25 26,1 25,9 26,2 26,0 26,1 26,0 26,1 26,1 26,1 26,1 15,3
8 50 24,6 24,7 24,6 24,7 24,7 24,6 24,6 24,7 24,8 24,9 22,0
9 122 46,4 46,9 47,0 46,8 47,1 46,5 46,2 46,7 47,6 47,6 46,0
10 115 43,8 45,2 45,8 44,8 46,3 43,7 42,8 44,7 48,2 48,1 45,0
A Tabela 6.26 apresenta as vazes abastecidas calibradas, para as diferentes simulaes,

e a vazo abastecida real para os diferentes cenrios de consumo considerados. Observe
que o ajuste do balano de massa muito eficiente. Isso pode ser verificado no clculo
dos desvios relativos apresentado pela Tabela 6.27.
Como forma de realizar uma anlise mais detalhada da soluo que apresentou o menor
desvio total (simulao 2 Tabela 6.25) foi construda a Tabela 6.28. Observe que para
o perodo noturno os pontos 4, 6 e 7 continuam apresentar os piores ajustes conforme
discutido anteriormente. No perodo diurno, os piores resultados so encontrados nos
pontos 4 e 7. Esses pontos (4, 6 e 7) pertencem ao setor 2 conforme Figura 6.32.
Algumas fontes de incerteza esto associadas a esses pontos merecendo ser
mencionadas.
196
Existe uma indefinio na estimativa da demanda referente ao ponto 4. Os dados

estimados de demanda utilizados no presente trabalho foram obtidos de um estudo de
demanda realizado em 1996 pela companhia. Naquela poca, toda rea prxima ao
ponto 4 era abastecida pelo sistema RF-1. Entretanto, durante o levantamento de campo
realizado para este trabalho, observou-se que um sistema isolado, contendo um bomba
de suco de gua subterrnea, estava abastecendo parte da rea de influncia do ponto
4. Nota-se portanto que as demandas reais, referente ao ano de 2003, deveriam ser
menores que as de 1996. Observa-se ento na Tabela 6.28 o porqu das presses
observadas serem maiores do que as presses calibradas, pois h menos consumo do
que o estimado para aquele ponto.
Tabela 6.25 Presses calibradas considerando parmetros de vazamentos globais

Erro absoluto
Padro Ponto N Simulao
1 2 3 4 5 6 7 8 9 10
1 128 4,25 3,27 3,13 3,72 2,86 4,15 4,88 3,86 1,97 1,92
2 86 1,15 1,27 1,18 1,24 1,31 1,18 1,13 1,19 1,43 1,50
3 106 0,51 1,22 1,69 0,38 2,16 0,48 1,84 0,26 3,85 3,89
4 32 5,83 6,24 5,48 6,15 6,01 5,98 5,81 5,69 6,07 6,48
Noturno
5 14 3,26 3,24 3,27 3,24 3,24 3,25 3,26 3,26 3,23 3,21
6 6 13,68 13,30 13,96 13,36 13,44 13,53 13,65 13,75 13,35 12,95
7 25 23,06 22,74 23,42 22,88 23,08 22,96 23,22 23,30 23,13 22,90
8 50 1,79 1,86 1,81 1,86 1,92 1,81 1,82 1,84 2,00 2,07
9 122 3,56 2,57 2,45 3,03 2,19 3,45 4,20 3,18 1,32 1,27
10 115 3,83 1,66 0,98 2,74 0,41 3,85 5,57 2,83 1,73 1,76
Soma Parcial 60,91 57,38 57,38 58,60 56,62 60,65 65,36 59,15 58,09 57,96
1 128 2,27 1,82 1,74 1,93 1,56 2,22 2,46 2,00 1,06 1,05
2 86 0,37 0,48 0,42 0,48 0,55 0,39 0,38 0,44 0,67 0,72
3 106 1,53 2,62 3,02 2,30 3,41 1,50 0,80 2,19 4,84 4,80
4 32 16,82 16,98 16,72 16,97 16,97 16,89 16,86 16,86 17,05 17,16
Diurno
5 14 1,11 1,10 1,11 1,09 1,09 1,10 1,10 1,10 1,07 1,06
6 6 0,22 0,03 0,34 0,01 0,01 0,14 0,14 0,16 0,12 0,31
7 25 10,77 10,64 10,92 10,71 10,79 10,73 10,85 10,85 10,81 10,75
8 50 2,60 2,66 2,63 2,68 2,73 2,62 2,64 2,66 2,81 2,86
9 122 0,42 0,89 0,96 0,77 1,12 0,49 0,24 0,70 1,60 1,61
10 115 1,22 0,21 0,78 0,23 1,29 1,30 2,24 0,35 3,20 3,14
Soma Parcial 37,33 37,42 38,64 37,16 39,51 37,38 37,70 37,30 43,23 43,45
Soma Total 98,24 94,80 96,01 95,76 96,13 98,02 103,06 96,45 101,32 101,41
J o ponto 6 apresentou um resultado muito interessante. No perodo diurno, houve um

timo ajuste em relao presso observada por outro lado no perodo noturno
197
presso observada apresentou menor nvel piezomtrico do que as calibradas. Conclui-

se que alguma operao realizada no perodo noturno para aliviar a presso do ponto 6
ou que existe alguma singularidade desconhecida pela companhia naquele setor. Foi
levantada a hiptese que, outras manobras estariam sendo realizadas no perodo noturno
no setor 2 afetando dessa forma a presso no ponto. No entanto, segundo a companhia
de saneamento as manobras s ocorrem nos locais determinados pela Figura 6.35.
Tabela 6.26 Vazes abastecidas calibradas e observadas considerando parmetros de

vazamentos globais
Vazo abastecida (L/s)
Calibrada Observada
Padro Trecho Simulao
1 2 3 4 5 6 7 8 9 10
Noturno 118 247,0 247,0 247,0 247,0 247,0 247,0 247,0 247,0 246,9 246,9 246,94
Diurno 118 457,4 457,4 457,4 457,4 457,4 457,4 457,4 457,4 457,4 457,4 457,50
Tabela 6.27 Erro relativo da vazo calibrada

Erro relativo (%)
Padro Simulao
1 2 3 4 5 6 7 8 9 10
Noturno 0,03 0,03 0,04 0,04 0,03 0,03 0,03 0,03 -0,03 -0,03
Diurno -0,02 -0,02 -0,02 -0,02 -0,02 -0,02 -0,02 -0,02 -0,02 -0,02
Em relao ao ponto 7, os desvios apresentados representam alvios de presso tanto no

perodo diurno quanto no perodo noturno. Segundo informaes da companhia isso
acontece porque recentemente foi construda uma derivao, prxima a esse ponto, para
atender um bairro prximo.
Outras possveis fontes de incerteza pode ser mencionadas, por exemplo, os erros de
leitura dos equipamentos (medidores de presso e vazo), a localizao errada de
monitoramento de presso devido a cadastros desatualizados (estar monitorando um
sistema isolado ao invs do sistema RF-1), erros nas estimativas de demandas nodais,
coeficientes de rugosidade das tubulaes e singularidades (vlvulas) desconhecidas.
Reconhecendo a complexidade do problema de calibrao, as incertezas adversas

existentes e a dimenso do sistema real (atendimento de 100.000 habitantes), conclui-se
que o modelo de calibrao apresentou bons resultados para estimativa dos parmetros
198
de vazamento. Esses parmetros so essenciais para as anlises que consideram sistema

existente, por exemplo, as anlises de reabilitao. Entretanto, um estudo mais
detalhado (demandas, cadastros dentre outros) pode ser realizado futuramente no setor 2
de forma obter ajustes mais acurados aos pontos 4, 6 e 7.
Tabela 6.28 Anlise detalhada da soluo de menor desvio absoluto total (simulao
2) considerando parmetros de vazamento globais
Presso (m.c.a.) Erro absoluto
Calibrada Observada
1 69,7 73,9 4,2
2 54,1 53,0 1,1
3 64,6 65,1 0,5
4 27,3 33,1 5,8
Noturno
5 32,1 28,8 3,3

6 34,8 21,1 13,7
7 46,3 23,2 23,1
8 43,1 41,3 1,8
9 68,4 72,0 3,6
10 71,2 75,0 3,8
1 48,3 50,6 2,3
2 33,5 33,1 0,4
3 39,1 37,6 1,5
4 4,1 20,9 16,8
Diurno
5 29,7 28,6 1,1

6 14,7 14,5 0,2
7 26,1 15,3 10,8
8 24,6 22,0 2,6
9 46,4 46,0 0,4
10 43,8 45,0 1,2
REIS et al. (2003) avaliou parmetros do modelo de vazamentos para setores da cidade
de So Carlos SP atravs de teste noturnos de vazamentos. Foram empregados dois
mtodos para determinao dos valores e a do modelo de vazamentos. O primeiro
mtodo, baseado em anlises de regresso, identificou valores para a entre 1,15 e 1,18.
O segundo mtodo, baseado em um procedimento inverso, identificou valores de a entre
0,49 e 1,1.
No presente trabalho, os valores obtidos para o expoente de vazamentos (Tabela 6.17),

se apresentaram no intervalo entre 0,10 e 1,16, condizentes com os resultados
apresentados na literatura por GERMANOPOULOS e JOWITT (1989),
TUCCIARELLI, CRIMINISI e TERMINI (1999) e REIS et al. (2003). Atravs dessas
199
investigaes pode-se afirmar que cada sistema tem seus parmetros caractersticos,
reafirmando a necessidade de um procedimento de calibrao.
Os parmetros de vazamento adotados para o estudo de caso real, que sero realizados
posteriormente no presente trabalho, so apresentados na Tabela 6.29 (simulao 2).
Esses parmetros foram escolhidos por apresentarem o menor desvio total absoluto
(94,80) considerando os dois cenrios de consumo.
Tabela 6.29 Parmetros de vazamento utilizados nas anlises de reabilitao

(x 10-7) a
Setor Setor
Simulao 1 2 3 4 5 1 2 3 4 5
2 0,00 0,89 0,88 0,59 0,28 0,00 1,20 0,46 0,95 0,10
Tabela 6.30 Estimativa das perdas fsicas do setor RF-1 no perodo diurno
Vazamentos (L/s)
Sem Manobras Com Manobras
Setor Setor
1 2 3 4 5 1 2 3 4 5
0,00 39,73 13,01 11,39 0,33 0,00 19,50 10,00 7,74 0,32
64,46 37,56
Total Total
Tabela 6.31 - Estimativa das perdas fsicas do setor RF-1 no perodo noturno
Vazamentos (L/s)
Sem Manobras Com Manobras
Setor Setor
1 2 3 4 5 1 2 3 4 5
0,00 50,08 13,44 13,02 0,34 0,00 40,94 12,50 11,41 0,33
76,88 65,18
Total Total
Utilizando os parmetros calibrados do modelo presso-vazamento (Tabela 6.29), foram

realizados quatros simulaes para os dois cenrios de consumo adotados (diurno e
noturno). Foram tambm estimadas as perdas fsicas (vazamentos - Tabelas 6.30 e 6.31)
do setor RF-1 para os dois perodos considerados (diurno e noturno) atravs do
simulador hidrulico proposto e a demanda realmente atendida (Tabela 6.32).
Observa-se na Tabela 6.30 que se no houver manobras na rede, durante o perodo

diurno, a perda fsica estimada para o sistema ser de 64,46 L/s. Considerando a vazo
200
abastecida para esse perodo de 457,5, obtm-se o ndice de vazamentos de 14,1%.

Considerando manobras, para o mesmo perodo, o ndice de vazamentos apresenta-se
em torno de 8,2%.
Para o perodo noturno, se no forem realizadas manobras, as perdas por vazamento

giram em torno de 31,1%, considerando um vazo abastecida de 246,94 L/s (dados
observados). Caso sejam realizadas manobras, as perdas por vazamento so de 26,40%.
As Tabelas 6.30 e 6,31 apresentam tambm as estimativas de vazamentos para cada
setor de rede considerado (Figura 6.32).
Tabela 6.32 Demanda efetivamente atendida e confiabilidade hidrulica do setor RF-1

(modelo simplificado real rede exemplo 3)
Diurno Noturno
S/ manobras C/ manobras S/ manobras C/ manobras
D. Atendida* (L/s) 393,1 419,8 170,1 181,8
Confiabilidade 0,81 0,86 0,35 0,37
Demanda de referncia = 486, 7 L/s; Confiabilidade = *Demanda Atendida / Demanda de Referncia
A Tabela 6.32 apresenta os somatrios das demandas efetivamente atendidas nos ns da

rede exemplo 3 (modelo simplificado real) para ambos os perodos considerados e a
demanda de referncia. A razo entre a demanda atendida e a demanda de referncia
possibilita calcular a confiabilidade hidrulica do sistema, segundo a proposio de
TANYIMBOH, TABESH e BURROWS (2001). Observe que para o perodo diurno
sem manobras, o sistema menos confivel do que para o perodo diurno com
manobras. A situao denominada "com manobras" reduz a presso atuante no sistema
e consequentemente reduz os vazamentos, favorecendo ao atendimento de demanda nos
ns. No perodo noturno a confiabilidade baixa, pois as demandas requeridas nos ns
so bem inferiores que no perodo diurno. Atravs desse clculo simples de
confiabilidade hidrulica possvel demonstrar a vantagem de se utilizar o simulador
hidrulico dirigido pela presso. Essa confiabilidade hidrulica um ndice global de
avaliao, pois considera as falhas no sistema que comprometem o atendimento das
demandas nodais. Vale lembrar que essas so as falhas mais comuns nos sistemas
existentes.
201
6.5 Anlise de reabilitao atravs da otimizao multiobjetivo esttica estudo

de caso real
O planejamento da reabilitao de redes de distribuio de gua atravs da otimizao
multiobjetivo esttica considera algumas hipteses simplificadoras. A primeira delas
assegura que as aes de reabilitao sejam implementadas no incio do perodo de
planejamento. No caso em estudo (rede exemplo 3), foi adotado um horizonte de 15
anos, embora as avaliaes das funes objetivo tenham sido realizadas em perodos
menores (cinco anos) a partir de 2003. O custo de reabilitao calculado uma nica
vez, pois supe-se que as aes de reabilitao sejam implementadas no primeiro ano do
horizonte de planejamento. Os benefcios, os vazamentos e a confiabilidade so valores
mdios representativos das condies do sistema em 2008, 2013 e 2018, como resposta
s demandas projetadas. Uma segunda hiptese diz respeito ao estado da rede
(rugosidades, etc), que permanece inalterado durante os quinze anos de planejamento. A
terceira hiptese est relacionada evoluo temporal dos parmetros de vazamentos
que foram considerados (Tabela 6.29) constantes para o perodo de planejamento, por
falta de dados de evoluo dos mesmos ao longo do tempo. Na verdade, tais parmetros
mudam em funo de diversos fatores: tempo, nveis piezomtricos, deteriorao das
componentes da rede, trfego, tipo de solo, dentre outros. Finalmente, pode-se dizer
que, alm dos custos de investimentos existem outros custos que afetam as decises do
problema e que no foram considerados no presente trabalho. Por exemplo, os
vazamentos impem um custo adicional relativo ao tratamento e bombeamento da
parcela adicional de gua abastecida que perdida. Essas simplificaes podem
representar solues no realsticas na tomada de deciso. Entretanto, a metodologia
proposta no presente trabalho um esforo em tentar abranger e considerar os diversos
fatores que interferem no problema complexo de reabilitao de redes de distribuio de
gua. Alm disso, o procedimento descrito nesse item (otimizao multiobjetivo
esttica) pode ser empregado como ferramenta de anlise preliminar no processo de
tomada de deciso.
Nessa seo so apresentados os resultados das anlises de reabilitao para o estudo de

caso real (rede exemplo 3), utilizando a metodologia proposta no captulo 5. Como esse
problema de natureza multiobjetivo, quatro funes objetivo foram consideradas:
minimizao de custos (e.q. 5.1), maximizao de benefcios (eq. 5.6), minimizao de
vazamentos (eq. 5.7) e maximizao da confiabilidade (eq. 5.8). As avaliaes
202
hidrulicas foram conduzidas com uso do simulador hidrulico iterativo (5.5.4)

desenvolvido pelo autor deste trabalho. Os parmetros utilizados para o modelo de
vazamentos so apresentados na Tabela 6.29. O mtodo de otimizao multiobjetivo
utilizado foi o SPEA, o qual apresentou melhor desempenho, segundo estudos tericos
apresentados no item 6.2. O vetor de deciso contou com 148 variveis de deciso, que
correspondem ao nmero de trechos do sistema. A Tabela 5.14 apresenta as aes de
reabilitao consideradas para esse estudo. Os custos dessas aes de reabilitao so
apresentados na Tabela 5.15, os quais foram adaptados do trabalho de WALTERS et al.
(1999).
Os parmetros adotados para o mtodo de otimizao via algoritmos genticos

multiobjetivo foram: dimenso da populao inicial de solues igual a 150, nmero
mximo de geraes igual a 400, probabilidade de recombinao igual 0,9 e
probabilidade de mutao igual a 0,1. Os operadores de recombinao e mutao
utilizados foram o BLX- e a mutao no uniforme, respectivamente, os quais
apresentaram melhor desempenho para o problema de reabilitao, conforme discutido
no item 6.2 deste captulo.
As simulaes foram desenvolvidas atravs do procedimento geral apresentado pela

Figura 5.1. Como o objetivo principal do planejamento fornecer tecnicamente e
economicamente aes de reabilitao que atendam demandas futuras, no presente
estudo as demandas nodais foram projetadas para o ano de 2018, conforme o plano
diretor (SANDIM et al., 2002) referente a esse sistema (rede exemplo 3). A Frente
Pareto obtida atravs dessas simulaes, apresentada no espao de objetivos aos pares
atravs da Figura 6.36. Observe que tais valores correspondem s solues timas
Pareto, no inferiores ou no dominadas (conforme definio do captulo 4). Essas
solues representam planos alternativos de reabilitao a serem implementados na
rede. evidente que a otimizao multiobjetivo apresenta uma relao de compromisso
entre os objetivos considerados, ao contrrio do que acontece na otimizao de objetivo
nico, que atende apenas um critrio.
1.10E+07 1.10E+07 1.10E+07
1.00E+07 1.00E+07 1.00E+07
9.00E+06 9.00E+06 9.00E+06
CUSTO ($)
CUSTO ($)
CUSTO ($)
Custos
8.00E+06 8.00E+06 8.00E+06
7.00E+06 7.00E+06 7.00E+06
6.00E+06 6.00E+06 6.00E+06
5.00E+06 5.00E+06 5.00E+06

5000 10000 15000 20000 25000 30000 35000 40000 60 70 80 90 100 110 120 130 140 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90 1.95 2.00
BENEFCIO (KW) VAZAMENTO (L/S) CONFIABILIDADE
40000 40000 40000
35000 35000 35000
30000 30000 30000

BENEFCIO (KW)
BENEFCIO (KW)
BENEFCIO (KW)
Benefcios
25000 25000 25000
20000 20000 20000
15000 15000 15000
10000 10000 10000
5000 5000 5000

5.00E+06 6.00E+06 7.00E+06 8.00E+06 9.00E+06 1.00E+07 1.10E+07 60 70 80 90 100 110 120 130 140 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90 1.95 2.00
CUSTO ($) VAZAMENTO (L/S) CONFIABILIDADE
140 140 140.00
130 130 130.00
120 120 120.00

VAZAMENTO (L/S)
VAZAMENTO (L/S)
VAZAMENTO (L/S)
110 110 110.00
Vazamentos
100 100 100.00
90 90 90.00
80 80 80.00
70 70 70.00
60 60 60.00
5.00E+06 6.00E+06 7.00E+06 8.00E+06 9.00E+06 1.00E+07 1.10E+07 5000 10000 15000 20000 25000 30000 35000 40000 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90 1.95 2.00
CUSTO ($) BENEFCIO (KW) CONFIABILIDADE
2.00 2.00 2.00
1.95 1.95
1.90 1.90 1.90

CONFIABILIDADE
CONFIABILIDADE
CONFIABILIDADE
1.85 1.85
1.80 1.80 1.80
Confiabilidade
1.75 1.75
1.70 1.70 1.70
1.65 1.65
1.60 1.60 1.60
1.55 1.55
1.50 1.50 1.50
5.00E+06 6.00E+06 7.00E+06 8.00E+06 9.00E+06 1.00E+07 1.10E+07 5000 10000 15000 20000 25000 30000 35000 40000 60 70 80 90 100 110 120 130 140
CUSTO ($) BENEFCIO (KW) VAZAMENTO (L/S)
Figura 6.36 Frente Pareto obtida atravs da otimizao multiobjetivo esttica para estudo de caso real
203
204
As solues obtidas da anlise de reabilitao esttica (Figura 6.36) mostradas aqui,

apresentam custos variando no intervalo entre $5.000.000 (limite inferior) a
$11.000.000 (limite superior), benefcios no intervalo de 5000 a 40000 KW,
vazamentos entre 60 a 140 L/s e confiabilidade (resilincia) entre 1,60 a 2,00. Observa-
se (Figura 6.36) que a curva de custos contra benefcios, exibe um aglomerado de
pontos que representam as solues no intervalo de benefcios entre 10000 a 20000 KW
(solues com custos baixos), indicando que a funo objetivo custo pode apresentar
valores muito semelhantes, e at mesmo iguais, para diferentes combinaes de
variveis de deciso. Observe que todos os grficos que consideram custo, em um de
seus eixos, apresentam esse "aglomerado" de solues
A Frente Pareto da Figura 6.36 mostra que na curva benefcios contra vazamentos h
um tendncia de crescimento exponencial dos benefcios a partir de determinado valor
(no caso, 25.000 KW), ou seja, solues com vazamentos elevados nem sempre
correspondem a maiores benefcios. Por exemplo, solues que apresentam diferentes
valores de vazamentos podem apresentar o mesmo valor em termos de benefcios. A
mesma anlise pode ser feita entre custo e confiabilidade. Para exemplificar, considere o
grfico que apresenta a confiabilidade no eixo das abscissas e custo no eixo das
ordenadas. Considere duas solues, a primeira com custo prximo a $9.000.000,0 e a
outra com custo prximo a $15.000.000,00. A diferena de custo entre essas solues
de $6.000.000,0 (valor significativo). Observe que a confiabilidade apresentada por
ambas solues praticamente a mesma, em torno de 1.92. Pode-se concluir, ento, que
nem sempre um investimento financeiro elevado (estratgia geralmente adotada pelas
companhias de saneamento) para um sistema, garante maior confiabilidade, e que, os
benefcios (medida da eficincia do sistema em termos de capacidade hidrulica)
gerados por alguma ao de reabilitao tm um limite, a partir do qual a deciso de
reabilitao estar elevando os investimentos de capital e contribuindo para os
vazamentos.
Observando a curva de benefcios contra confiabilidade, nota-se que h uma forte

relao (relao linear) entre os mesmos, porque ambos so funo do excesso de
presso nodal. Tal comportamento sugere que apenas um desses objetivos possam ser
considerados em anlises futuras.
O problema de planejamento de reabilitao de redes de distribuio de gua tratado no

presente estudo foi formulado como um problema multiobjetivo (quatro objetivos). As
205
solues no dominadas produzidas pela otimizao (Figura 6.36) representam o

compromisso entre os diversos critrios considerados (custos, benefcios, vazamentos e
confiabilidade). Depois de geradas as solues timas, a dificuldade reside na escolha
da soluo que melhor satisfaa o decisor, a poltica de utilidade do sistema e os
recursos financeiros disponveis. Geralmente, essa escolha realizada de modo
subjetivo, baseada principalmente no julgamento e experincia do decisor, que sem
dvida no devem ser descartados no processo de planejamento. Entretanto, quando um
problema envolve mais que trs objetivos a visualizao e a interpretao das solues
tornam-se complexas, dificultando ao decisor escolher uma soluo. No presente
trabalho, adotou-se a metodologia proposta por NEIMANE (2001), descrita no item 5.9,
que utilizou a Anlise de Componentes Principais (ACP) para identificar solues da
frente Pareto que apresentam similaridades. Segundo EVSUKOFF e EBECKEN (2003),
a ACP est inserida nas tcnicas de minerao de dados (Data Mining), que so tcnicas
de pesquisa multidisciplinar que envolve conceitos de estatstica, aprendizado de
mquinas, banco de dados, sistemas especialistas, tcnicas de visualizao de dados e
computao de alto desempenho.
Tabela 6.33 Autovalores da matriz de dados referentes aos resultados da otimizao

esttica
Nmero de fatores
1 2 3 4
Autovalor 3,6213 0,2232 0,1391 0,0169
Proporo 0,905 0,056 0,035 0,004
Cumulativo 0,905 0,961 0,996 1,000
Considerando as solues no dominadas da Figura 6.36 na composio da matriz de

dados X (item 5.9) e utilizando o pacote computacional de anlise estatstica MINITAB
(verso demonstrativa), foi possvel aplicar a tcnica de ACP. As linhas da matriz
correspondem s solues encontradas durante o processo de otimizao (frente Pareto)
e as colunas representam as funes objetivo (custo, benefcios, vazamentos e
confiabilidade) dessas solues. O nmero total de solues encontradas foi 520, e por
razes de espao no so apresentadas aqui. A Tabela 6.33 apresenta os autovalores
206
calculados a partir da matriz de dados e a proporo de varincia individual e

cumulativa em relao ao nmero de componentes principais.
4.00
3.50
3.00
AUTOVALOR
2.50
2.00
1.50
1.00
0.50
0.00
1 2 3 4
FATOR
Figura 6.37 Autovalores contra nmero de fatores - otimizao esttica
Cenrio 1 Cenrio 2 Cenrio 3

2
Solues 1
Solues 4
Solues 3
1
Fator 2
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
-1
Solues 5
Solues 2 -2
Fator 1

Principais
Geralmente, dois (ou trs) componentes principais fornecem uma descrio adequada
dos dados. Observe na Tabela 6.33, que se for adotado um componente principal (fator)
para descrever o conjunto de dados (solues no dominadas), a varincia
207
correspondente igual a 3,6213 (autovalor) e considera 90,5 % da variabilidade total.

Adotando-se dois componentes principais, o segundo fator, analisado individualmente,
apresenta uma varincia de 0,2232 e considera 11,3% da variabilidade total. Juntos o
primeiro e o segundo fator representam 90,5% e 96,1% da variabilidade total das
solues, respectivamente. Dessa forma, justifica-se a utilizao de apenas dois
componentes principais (menor dimensionalidade) como sendo suficientes para
representar um conjunto de dados de quatro dimenses (funes objetivo). A Figura
6.37 apresenta um grfico dos autovalores contra nmero de fatores da Tabela 6.33.
A Figura 6.38 apresenta os valores das funes objetivo do problema de reabilitao no

espao bidimensional. Atravs desse grfico possvel verificar as similaridades entre
as solues. Na Figura 6.38, foi construdo um crculo de raio 0,5 com intuito de
apresentar a diferena entre o grupo de solues (1, 2, 3 e 4)pertencentes a cada
quadrante do grfico bidimensional.
Tabela 6.34 Funes objetivo de solues da otimizao esttica

Grupo Custos Benefcios Vazamentos Confiabilidade
Fator 2 Fator 1
Soluo $ KW L/s Adimensional
1 -2,76 0,51 9,04E+06 31441,3 92,1 1,89
2 -2,48 -1,12 7,55E+06 30462,4 103,7 1,90
3 -0,10 0,05 7,14E+06 24135,9 74,6 1,79
4 1,63 0,52 7,02E+06 14851,0 67,8 1,67
5 1,76 -0,46 5,93E+06 16920,9 70,3 1,69
Uma soluo pertencente a cada quadrante do grfico bidimensional (Figura 6.38) e

uma soluo pertencente a crculo de raio 0,5 foram escolhidas aleatoriamente, cujos
respectivos valores das funes objetivo e os valores das coordenadas correspondentes
so apresentados na Tabela 6.34. Observe que os valores das funes objetivo das
solues 1 e 2, e das solues 4 e 5 so muito semelhantes em termos de benefcios,
vazamentos e confiabilidade e representam valores representativos distintos da frente
Pareto da Figura 6.36. As solues pertencentes ao interior do crculo, denominado
neste trabalho como crculo ideal, representam o "verdadeiro" compromisso entre os
critrios considerados. Observe que os valores das funes objetivo da soluo 3
(pertence ao crculo) apresentam valores intermedirios entre as solues 1 e 2, e 4 e 5,
confirmando ento, que existe uma similaridade entre as solues do quadrante
esquerdo superior e inferior (por exemplo, solues 1 e 2) e das solues pertencentes
208
ao quadrante direito superior e inferior (solues 4 e 5). Dessa forma, no presente

trabalho adotou-se uma denominao para as solues pertencentes a essa trs regies
do espao de objetivos (bidimensional). As solues pertencentes aos quadrantes
superior e inferior esquerdo representam o cenrio 1. As solues pertencentes ao
crculo ideal fazem parte do grupo representativo do cenrio 2 e as solues dos
quadrantes superior e inferior direito fazem parte do grupo representativo do cenrio 3.
Tabela 6.35 Decises de reabilitao representativas dos trs cenrios obtidas na

otimizao esttica
Soluo (Cenrio) Soluo (Cenrio) Soluo (Cenrio)
Trecho Trecho Trecho
1 2 3 1 2 3 1 2 3
1 10 9 10 52 9 4 3 103 2 0 0
2 16 13 8 53 3 3 16 104 16 3 3
3 12 12 8 54 11 4 3 105 2 2 2
4 12 5 8 55 6 9 4 106 2 2 2
5 15 6 2 56 1 8 1 107 9 8 8
6 12 11 8 57 8 2 2 108 7 8 8
7 9 7 9 58 10 11 6 109 0 0 0
8 13 16 5 59 2 9 2 110 15 4 3
9 7 3 5 60 8 8 8 111 3 0 0
10 2 2 2 61 4 2 2 112 2 0 0
11 2 2 2 62 2 4 2 113 6 0 0
12 6 4 3 63 2 2 2 114 3 3 3
13 10 8 4 64 11 8 2 115 0 0 0
14 3 5 2 65 5 2 2 116 1 0 0
15 11 2 2 66 4 2 2 117 1 1 1
16 12 4 2 67 8 4 4 118 7 7 7
17 13 2 2 68 8 1 1 119 3 3 5
18 5 3 3 69 2 5 4 120 9 2 2
19 0 0 0 70 8 0 6 121 2 2 2
20 2 2 2 71 0 0 0 122 4 1 1
21 8 0 0 72 4 3 2 123 5 0 0
22 0 0 0 73 4 6 10 124 0 0 0
23 2 1 1 74 0 3 0 125 0 0 0
24 16 0 0 75 14 5 8 126 11 1 0
25 2 1 1 76 6 6 6 127 10 0 0
26 1 0 0 77 7 5 5 128 1 0 0
27 4 0 0 78 1 1 1 129 1 1 1
28 0 0 0 79 8 1 0 130 16 0 0
29 2 2 2 80 3 3 11 131 2 4 2
30 8 1 1 81 13 2 2 132 16 8 9
31 0 0 0 82 4 5 3 133 8 3 3
32 0 0 0 83 4 4 4 134 11 3 9
33 2 8 8 84 4 4 4 135 4 3 3
34 2 2 2 85 1 0 0 136 7 2 3
35 0 0 0 86 2 7 2 137 1 3 2
36 2 2 2 87 2 2 2 138 1 2 1
37 9 0 0 88 3 2 2 139 13 0 2
38 11 6 6 89 7 4 4 140 15 1 0
39 9 0 1 90 4 4 4 141 4 3 3
40 12 7 6 91 5 5 5 142 12 9 10
41 3 3 3 92 8 4 4 143 3 3 3
42 5 3 3 93 8 3 3 144 12 2 2
43 0 0 0 94 3 0 0 145 3 1 1
44 11 6 5 95 3 3 3 146 3 1 1
45 6 5 9 96 7 3 3 147 3 3 3
46 8 0 0 97 2 0 0 148 0 0 0
47 9 8 6 98 9 3 3
48 4 4 4 99 4 4 8
49 3 3 3 100 4 0 0
50 4 3 3 101 1 1 1
51 3 3 3 102 3 3 3
A Tabela 6.35 apresenta as decises a serem implementadas na rede (rede exemplo 3).
Cada cdigo inteiro corresponde a uma ao de reabilitao conforme indicao da
209
Tabela 5.14. As solues 1, 2 e 3 da Tabela 6.35 (espao de deciso) correspondem as

solues 2, 3 e 5 da Tabela 6.34 (espao das funes objetivo), respectivamente.
Observe que para muitos trechos, a deciso (Tabela 6.35) a mesma para as trs
diferentes solues escolhidas (1, 2 e 3), como no caso dos trechos 10, 11, 22, 28, 29 e
outros. A principal diferena, que reflete incisivamente no clculo das funes objetivo,
encontram-se nos trechos de aduo (1, 2, 3, 6, 7, 8, 9, 12, etc.) da rede. Para verificar a
localizao desses trechos, veja a Tabela A2.1 (ANEXO A) e depois localize-os pelas
identificaes nodais nas Figuras (6.32 ou 6.33).
6.6 Anlise de reabilitao atravs da otimizao multiobjetivo dinmica

estudo de caso real
Um plano de reabilitao deve estabelecer a seqncia de aes a serem implementadas
na rede ao longo do horizonte de planejamento, em conformidade com o Plano Diretor
de Abastecimento da cidade, subdividido em intervalos de tempo menores. No caso, foi
adotado o horizonte de planejamento de 15 anos, subdividido em qinqnios, sendo
que as aes de reabilitao (planos) obtidas devem ser implementadas no incio dos
respectivos perodos (qinqnios) para abastecimento das demandas no final dos
mesmos, permitindo que cada trecho de rede sofra reabilitao em espao de tempo no
inferior a 10 anos (DANDY E ENGELHARDT, 2001).
O problema de deciso assim definido corresponde determinao dos valores de 444

variveis de deciso [148(variveis por qinqnio) x 3 (qinqnios)]. Vislumbrou-se,
ento, a possibilidade de subdividir o problema em trs estgios (programao
dinmica). Como sistemtica de resoluo, props-se uma extenso do conceito da
otimalidade de Bellman (BELLMAN e KALABA, 1965) para o caso multiobjetivo
conforme eq.(5.51)
A anlise de reabilitao multiobjetivo dinmica apresenta no apenas as melhores

aes a serem implementadas na rede, mas tambm a seqncia tima de tais
intervenes ao longo dos perodos considerados. Os valores dos critrios (custo,
benefcios, vazamentos e confiabilidade) so calculados para cada perodo de
planejamento, considerando que para cada trecho de rede existem 17 aes
(possibilidades) de reabilitao (Tabela 5.14).
A otimizao dinmica permite identificar trechos crticos na rede que devem ser
reabilitados nos primeiros perodos do planejamento e trechos menos crticos que
210
podem ser postergados para os prximos qinqnios. As solues apresentadas pela

otimizao multiobjetivo atravs da programao dinmica tornam as solues mais
flexveis do que as apresentadas pela otimizao esttica. No caso dinmico, os
investimentos financeiros podem ser distribudos durante o perodo e a configurao da
rede (estado) pode ser diferenciada para cada estgio de planejamento.
Nessa seo so apresentados os resultados das anlises de reabilitao atravs da

otimizao multiobjetivo dinmica. Os dados do problema, os parmetros de entrada do
mtodo de otimizao (AGs) dentre outros, so os mesmos adotados na otimizao
esttica. Entretanto, as simulaes seguem o procedimento ilustrado na Figura 5.17.
Observe que a etapa denominada otimizao multiobjetivo segue o procedimento geral
apresentado pela Figura 5.1.
O primeiro estgio da anlise de reabilitao multiobjetivo dinmica tem a funo de

inicializar o processo. As decises desse estgio representam as aes a serem
implementadas na rede para atendimento das demandas no final do primeiro perodo de
planejamento (cinco anos). Conceitualmente, o primeiro estgio da otimizao dinmica
no deve ser otimizado (BELLMAN e KALABA, 1965). Entretanto, adotar vrias
solues iniciais oneraria o processo do ponto de vista computacional.
Assim, no presente trabalho, optou-se por estabelecer uma frente Pareto inicial (Figura
6.39) relativa ao primeiro estgio e tomar trs pontos representativos da mesma. Esses
pontos representativos correspondem as decises a serem implementadas na rede no
perodo e representam o estado da rede (rede modificada) no incio do prximo perodo.
possvel observar algumas diferenas entre o caso esttico e dinmico. No caso
dinmico, os custos de investimentos so calculados por perodo de planejamento
(qinqnio) considerando uma taxa de juros. Essa taxa foi considerada aqui igual a 5%
ao ano. Os benefcios, vazamentos e confiabilidade continuam sendo calculados como
valores mdios dos perodos de planejamento (como no caso esttico). No entanto,
considera-se para o clculo da funo objetivo de um perodo posterior, a rede
reabilitada (mudana de estados) com decises anteriores (cenrios 1, 2 e 3). As
demandas nodais estimadas necessrias s avaliaes hidrulicas referem-se ao final do
qinqnio.
1.20E+07 1.20E+07 1.20E+07
1.10E+07 1.10E+07 1.10E+07
1.00E+07 1.00E+07 1.00E+07
CUSTO ($)
CUSTO ($)
CUSTO ($)
9.00E+06
Custos
9.00E+06 9.00E+06
8.00E+06 8.00E+06 8.00E+06
7.00E+06 7.00E+06 7.00E+06
6.00E+06 6.00E+06 6.00E+06
5.00E+06 5.00E+06 5.00E+06

19000.00 29000.00 39000.00 49000.00 59000.00 60 70 80 90 100 110 120 130 140 1.50 1.60 1.70 1.80 1.90 2.00
59000 59000 59000
49000 49000 49000

BENEFCIO (KW)
BENEFCIO (KW)
BENEFCIO (KW)
Benefcios
39000 39000 39000
29000 29000 29000
19000 19000 19000

5.00E+06 6.00E+06 7.00E+06 8.00E+06 9.00E+06 1.00E+07 1.10E+07 1.20E+07 60 70 80 90 100 110 120 130 140 1.50 1.60 1.70 1.80 1.90 2.00
140 140 140.00
130 130 130.00
120 120 120.00

VAZAMENTO (L/S)
VAZAMENTO (L/S)
VAZAMENTO (L/S)
110 110 110.00
Vazamentos
100 100 100.00
90 90 90.00
80 80 80.00
70 70 70.00
60 60 60.00
5.00E+06 6.00E+06 7.00E+06 8.00E+06 9.00E+06 1.00E+07 1.10E+07 1.20E+07 19000 29000 39000 49000 59000 1.50 1.60 1.70 1.80 1.90 2.00
2.00 2.00 2
1.90 1.90 1.9

CONFIABILIDADE
CONFIABILIDADE
CONFIABILIDADE
1.80 1.80 1.8
1.70
1.60
1.70
1.60
1.7
1.6
Confiabilidade
1.50 1.50 1.5
5.00E+06 6.00E+06 7.00E+06 8.00E+06 9.00E+06 1.00E+07 1.10E+07 1.20E+07 19000 29000 39000 49000 59000 60 70 80 90 100 110 120 130 140
Figura 6.39 Frente Pareto inicial da otimizao multiobjetivo dinmica
211
212
A escolha de solues representativas (Cenrios 1, 2 e 3) da frente Pareto uma tarefa

complexa. No presente estudo (otimizao dinmica) foi adotada a tcnica estatstica
multivariada (ACP), seguindo o mesmo procedimento (5.9) da anlise de reabilitao
esttica apresentada no item anterior, e uma escolha subjetiva. Uma comparao entre
as duas tcnicas de escolha foi realizada considerando o custo como critrio de
elegibilidade.
Assim, trs solues (1, 2 e 3) foram escolhidas da frente Pareto inicial (Figura 6.39)
com auxlio da tcnica de ACP e trs solues (4, 5 e 6) foram escolhidas
aleatoriamente a partir de trs cenrios de custos (mnimo, mdio e alto). A Figura 6.40
apresenta a curva de custo contra benefcios com indicaes das solues escolhidas. As
solues 1, 2 e 3 foram escolhidas atravs da ACP e as solues 4, 5 e 6 foram
escolhidas considerando diferentes valores de custos. Observe que para essa curva, as
solues 4, 5 e 6 esto mais distribudas ao longo da curva que as solues 1, 2 e 3.
Considerando a funo objetivo benefcios (Figura 6.41), as solues 1, 2 e 3
apresentaram melhor representatividade da frente do que as solues 4, 5 e 6, pois as
solues 5 e 6 apresentaram valores muito prximos. O mesmo comportamento foi
verificado para as funes objetivo vazamentos e confiabilidade. Esses resultados
permitiram mostrar a eficincia da tcnica ACP como ferramenta de auxlio para
classificao e escolha de solues. Alm disso, possvel afirmar que nem sempre
escolher solues representativas em termos de custos (ou um outro objetivo) estar
garantindo a representatividade da frente em relao aos demais critrios considerados.
Os autovalores da matriz de dados referente frente Pareto inicial (1 perodo de

planejamento) so apresentados na Tabela 6.36. Observe nessa Tabela (6.36), que se for
adotado um componente principal (fator) para descrever o conjunto de dados (solues
no dominadas), a varincia correspondente igual a 3,5337 (autovalor) com
variabilidade total igual a 88,3%. Adotando-se dois componentes principais, o segundo
fator, analisado individualmente, apresenta uma varincia de 0,2762 e considera o
incremento de 6,9% da variabilidade total. Juntos o primeiro e o segundo fator
representam 88,3% e 95,2% da variabilidade total das solues, respectivamente. Dessa
forma, justifica-se a necessidade de utilizao de apenas dois componentes principais
(menor dimensionalidade) como sendo essenciais para representar um conjunto de
dados de quatro dimenses (funes objetivo). A Figura 6.44 apresenta um grfico dos
autovalores contra nmero de fatores da Tabela 6.36.
213
1.20E+07 59000
1.10E+07 6 1
6
1 49000
1.00E+07 5
BENEFCIO (KW)
CUSTO ($)
9.00E+06 2
5 39000
8.00E+06
2
7.00E+06 3
29000
3
6.00E+06
4
4
5.00E+06 19000
19000.00 29000.00 39000.00 49000.00 59000.00 60 70 80 90 100 110 120 130 140
BENEFCIO (KW) VAZAMENTO (L/S)
Figura 6.40 Curva custo contra benefcio Figura 6.41 Curva benefcio contra
vazamento
140.00 2.00
130.00
1.90 6
120.00
CONFIABILIDADE
1
VAZAMENTO (L/S)
5
110.00 1.80
1 2
100.00 6
5 1.70
90.00
80.00 2 3
1.60
70.00 4
3 4
60.00 1.50
1.50 1.60 1.70 1.80 1.90 2.00 5.00E+06 6.00E+06 7.00E+06 8.00E+06 9.00E+06 1.00E+07 1.10E+07 1.20E+07
CONFIABILIDADE CUSTO ($)
Figura 6.42 Curva vazamento contra Figura 6.43 Curva confiabilidade contra
confiabilidade custo
O grfico que apresenta as solues da frente Pareto inicial (Figura 6.39) apresentado
na Figura 6.45. Uma soluo pertencente a cada quadrante do grfico bidimensional
(Figura 6.45) e uma soluo pertencente a crculo ideal foram escolhidas
aleatoriamente, cujos respectivos valores das funes objetivo e os valores das
coordenadas correspondentes so apresentados na Tabela 6.37. Essas solues so
representativas do primeiro perodo de planejamento (qinqnio) e correspondem aos
estgios iniciais do prximo perodo (10 anos).
Tabela 6.36 Autovalores da matriz de dados referentes a frente inicial da otimizao

dinmica
Nmero de fatores
1 2 3 4
Autovalores 3,5337 0,2762 0,1782 0,0119
Proporo 0,883 0,069 0,045 0,003
Cumulativo 0,883 0,952 0,997 1,0

214
4.00
3.50
3.00
AUTOVALORES
2.50
2.00
1.50
1.00
0.50
0.00
1 2 3 4
FATORES
Figura 6.44 Autovalores contra nmero de fatores - otimizao dinmica
Grupo Representativo 2
Cenrio 1
Grupo Representativo
2 Cenrio 3
1
Fator 1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
-1
-1
Grupo Representativo
-2
Cenrio 2
-2
Fator 2

Principais
Tabela 6.37 Solues escolhidas da frente Pareto inicial otimizao dinmica

Soluo Custos Benefcios Vazamentos Confiabilidade
Fator 1 Fator 2
Cenrio $ KW L/s Adimensional
1 -2,7 0,9 1,03E+07 50605,2 102,8 1,87
2 0,1 0,1 7,59E+06 41760,9 77,7 1,76
3 2,0 0,6 7,20E+06 27189,2 68,5 1,61
215
As decises referentes a cada soluo escolhida (cenrio 1, 2 e 3) da frente Pareto inicial

so apresentadas na Tabela 6.38. A partir dessa etapa, acontece a denominada transio
de estados da programao dinmica. Por exemplo, considere o trecho 2 do cenrio 1
(Tabela 6.38). Observe que a ao de reabilitao (Tabela 5.14) a ser implementada
nesse trecho a duplicao com um dimetro de 800 mm. Conseqentemente, no
prximo qinqnio, esse trecho no ser reabilitado.
Tabela 6.38 Decises de reabilitao para o primeiro perodo de planejamento em

relao aos cenrios da otimizao dinmica
1 2 3 1 2 3 1 2 3
1 12 7 8 52 3 3 3 103 4 0 0
2 14 12 12 53 5 3 14 104 5 5 3
3 13 13 14 54 3 7 3 105 9 8 8
4 5 4 2 55 4 3 3 106 9 8 8
5 11 10 7 56 3 1 1 107 2 2 2
6 13 13 13 57 2 8 2 108 4 0 1
7 11 7 7 58 3 2 2 109 0 0 0
8 4 5 4 59 11 3 8 110 3 3 3
9 7 5 3 60 3 8 8 111 6 2 0
10 2 11 2 61 7 8 5 112 0 0 0
11 2 2 2 62 5 2 2 113 1 0 0
12 5 3 3 63 3 2 2 114 5 3 3
13 2 4 2 64 4 2 2 115 4 2 0
14 3 4 2 65 2 2 2 116 3 0 0
15 3 3 2 66 2 2 2 117 3 1 1
16 3 3 2 67 5 4 4 118 7 7 7
17 6 4 3 68 1 1 1 119 3 3 3
18 7 9 9 69 2 0 3 120 3 2 2
19 0 0 0 70 2 0 0 121 3 2 2
20 2 3 2 71 0 1 0 122 4 2 1
21 0 0 0 72 3 0 4 123 0 0 0
22 4 0 0 73 4 3 3 124 2 8 2
23 1 1 1 74 4 10 1 125 0 2 0
24 1 2 0 75 15 9 5 126 11 0 0
25 5 1 1 76 6 6 6 127 0 1 0
26 0 0 0 77 9 5 5 128 0 0 0
27 0 0 0 78 1 1 1 129 11 1 1
28 0 1 0 79 11 6 10 130 0 0 0
29 9 2 2 80 0 2 1 131 6 2 2
30 1 1 1 81 3 3 0 132 2 2 2
31 0 0 0 82 12 5 6 133 8 4 12
32 1 0 0 83 6 4 4 134 4 3 5
33 2 2 2 84 4 4 4 135 7 6 3
34 2 2 2 85 5 3 1 136 4 2 2
35 5 0 0 86 7 8 8 137 5 4 1
36 2 2 2 87 7 8 16 138 7 2 1
37 0 0 0 88 2 5 3 139 4 7 13
38 6 7 6 89 14 4 4 140 11 0 4
39 0 0 4 90 9 4 4 141 3 4 3
40 7 6 6 91 12 5 5 142 3 3 3
41 4 3 3 92 12 6 11 143 10 3 3
42 13 7 9 93 7 6 3 144 4 3 2
43 4 0 0 94 0 0 0 145 3 1 1
44 15 5 5 95 5 3 3 146 1 2 1
45 9 8 7 96 3 3 3 147 4 3 3
46 2 0 0 97 2 0 0 148 1 0 0
47 6 5 5 98 5 3 3
48 4 5 4 99 7 5 4
49 9 3 3 100 0 0 0
50 10 8 5 101 2 1 1
51 8 4 4 102 3 3 3
Considerando os trs estados iniciais (cenrios 1, 2 e 3) da rede exemplo 3 (j

reabilitada) como dados de entrada para o segundo ano de planejamento, aplica-se
216
novamente a otimizao multiobjetivo (Figura 5.1) e geram-se trs novas frentes Pareto.
Essas frentes so agrupadas e filtradas atravs de algoritmo de busca de solues no
dominadas (Algoritmo 2 APNDICE A) de forma a identificar a frente Pareto
resultante. Vale lembrar que para o clculo das funes objetivo no segundo perodo de
planejamento, considera-se os valores das funes objetivo do perodo (primeiro
perodo de planejamento) que o antecede e no caso da funo objetivo custo, uma taxa
de juros igual a 5% ao ano. A partir da nova frente aplica-se a tcnica de ACP para
escolha das trs solues representativas cujos os valores das funes objetivo so
apresentadas na Tabela 6.39 e as decises apresentadas na Tabela 6.40.
As decises de reabilitao (Tabela 6.40) referentes ao segundo ano de planejamento

definem a transio do estado para o prximo perodo (ltimo perodo do planejamento)
da programao dinmica. Depois de definido os estados iniciais para o ltimo perodo
de planejamento, aplica-se novamente o procedimento geral de otimizao
multiobjetivo para os trs cenrios, levando-se em conta as funes objetivo do estgio
anterior (Tabela 6.39). Obtm-se as trs novas frentes Pareto nas quais agrupadas e
filtradas produzem a frente Pareto final para o caso dinmico (planejamento de longo
prazo).
Tabela 6.39 Solues da anlise de reabilitao dinmica

1 7,25E+06 28075,5 84,6 1,72
2 7,82E+06 29638,4 66,9 1,56
3 7,80E+06 43163,6 76,9 1,72
Tabela 6.40 Trechos a serem reabilitados no segundo perodo de planejamento

Soluo
Trechos
Cenrio
1 51(4), 133(8)
2 45(8), 50(5), 57(5), 60(9), 61(2), 86(6), 87(8), 105(2), 106(3), 124(2)
3 1(8) , 59(5), 60(8), 86(8), 105(7), 106(4)
1.80E+07 1.80E+07 1.80E+07
1.70E+07 1.70E+07 1.70E+07
1.60E+07 1.60E+07 1.60E+07
CUSTO ($)
CUSTO ($)
CUSTO ($)
1.50E+07
Custo
1.50E+07 1.50E+07
1.40E+07 1.40E+07 1.40E+07
1.30E+07 1.30E+07 1.30E+07
1.20E+07 1.20E+07 1.20E+07
1.10E+07 1.10E+07 1.10E+07

30000 35000 40000 45000 50000 55000 60000 65000 70000 75000 95 100 105 110 115 120 125 130 135 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90
75000 75000 75000
70000 70000 70000
65000 65000 65000

BENEFCIO (KW)
BENEFCIO (KW)
BENEFCIO (KW)
60000 60000 60000
Benefcio
55000 55000 55000
50000 50000 50000
45000 45000 45000
40000 40000 40000
35000 35000 35000
30000 30000 30000

1.10E+07 1.20E+07 1.30E+07 1.40E+07 1.50E+07 1.60E+07 1.70E+07 1.80E+07 95 100 105 110 115 120 125 130 135 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90
135 135 135
130 130 130
125 125 125

VAZAMENTO (L/S)
VAZAMENTO (L/S)
VAZAMENTO (L/S)
120 120 120
Vazamentos
115 115 115
110 110 110
105 105 105
100 100 100
95 95 95
1.10E+07 1.20E+07 1.30E+07 1.40E+07 1.50E+07 1.60E+07 1.70E+07 1.80E+07 30000 35000 40000 45000 50000 55000 60000 65000 70000 75000 1.50 1.60 1.70 1.80 1.90
1.90 1.90 2.00
1.95
1.85 1.85
1.90
1.80 1.80
CONFIABILIDADE
CONFIABILIDADE
CONFIABILIDADE
1.85
1.75 1.75
1.80
Confiabilidade
1.70 1.70 1.75
1.65 1.70
1.65
1.65
1.60 1.60
1.60
1.55 1.55
1.55
1.50 1.50 1.50
1.10E+07 1.20E+07 1.30E+07 1.40E+07 1.50E+07 1.60E+07 1.70E+07 1.80E+07 30000 35000 40000 45000 50000 55000 60000 65000 70000 75000 95 100 105 110 115 120 125 130 135
Figura 6.46 Frente Pareto programao dinmica
217
218
5
Grupo representativo Grupo representativo
Cenrio 1 4
Cenrio 3
3
1
Fator 1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
-1
-2
-3 Grupo representativo
Cenrio 2
-4
-5
Fator 2
Figura 6.47 Grfico de deciso para cenrio otimista otimizao dinmica
A Figura 6.46 apresenta a frente Pareto final no espao objetivo. Observe que existe
uma transposio de curvas na frente Pareto final. Isso se deve ao fato de que a
otimizao multibjetivo dinmica considera os estgios anteriores, e os valores de
funes objetivo correspondentes esto associados aos valores das solues que
correspondem a esses estgios. Na realidade, percebe-se que cada curva sobreposta
corresponde a uma regio do espao de busca. Por exemplo, analisando a curva de
benefcios contra vazamentos possvel verificar que existem solues com mesmo
vazamento no entanto com benefcios mais elevados. O mesmo acontece para a curva de
vazamentos contra confiabilidade, para um mesmo ndice de vazamentos, o decisor
pode optar por uma soluo que apresente maior confiabilidade.
Tabela 6.41 Solues da anlise de reabilitao dinmica

Fator 1 Fator 2
1 -2,00 -1,80 1,15E+07 39393,2 103,5 1,62
2 0,05 0,06 1,29E+07 58996,5 109,9 1,70
3 2,23 0,10 1,34E+07 62726,7 119,2 1,85
Transformando o problema de quatro dimenses para o espao bidimensional atravs da

tcnica da ACP foi possvel construir o grfico da Figura 6.47. Escolhendo-se
219
aleatoriamente trs solues representativas (1, 2 e 3) referentes ao ltimo estgio foi

possvel construir a Tabela 6.41. As decises desse ltimo perodo de planejamento so
apresentadas na Tabela 6.42.
Tabela 6.42 Decises de reabilitao para o ltimo perodo de planejamento em

relao aos cenrios da otimizao dinmica
1 2 3 1 2 3 1 2 3
1 3 14 8 52 16 5 9 103 8 12 8
2 8 11 12 53 7 4 7 104 6 12 12
3 8 8 9 54 7 3 3 105 2 - -
4 10 5 13 55 4 13 4 106 2 - -
5 13 4 7 56 1 7 1 107 6 12 5
6 8 16 13 57 2 - 2 108 2 6 2
7 8 8 14 58 4 6 11 109 0 9 2
8 10 13 8 59 4 10 - 110 3 13 10
9 5 16 16 60 3 - 10 111 10 8 7
10 8 9 6 61 8 - 6 112 10 2 1
11 6 2 8 62 5 9 9 113 2 1 2
12 3 5 7 63 4 10 4 114 8 14 8
13 8 7 8 64 2 6 2 115 7 10 6
14 4 14 12 65 9 6 5 116 4 0 8
15 10 11 7 66 7 6 7 117 10 2 3
16 8 6 3 67 12 9 4 118 9 8 12
17 2 4 8 68 2 2 2 119 3 3 7
18 4 7 6 69 3 3 3 120 3 4 8
19 6 2 1 70 0 0 3 121 6 10 8
20 1 10 10 71 1 1 2 122 2 4 2
21 10 2 3 72 7 8 5 123 2 9 0
22 3 2 0 73 9 3 5 124 2 - 6
23 0 8 7 74 4 2 2 125 8 4 10
24 8 2 6 75 6 14 6 126 0 9 0
25 6 2 4 76 8 14 7 127 0 6 0
26 4 0 0 77 5 9 8 128 8 8 8
27 0 2 4 78 2 1 2 129 4 7 6
28 8 4 9 79 8 8 8 130 8 2 6
29 14 2 8 80 15 7 13 131 4 8 4
30 8 8 2 81 5 11 5 132 2 10 2
31 2 9 2 82 8 10 10 133 12 3 7
32 2 2 5 83 5 6 4 134 7 7 6
33 5 6 3 84 10 4 13 135 9 8 5
34 8 6 4 85 1 8 2 136 3 2 4
35 4 7 1 86 2 - 11 137 5 6 5
36 0 8 3 87 7 9 7 138 2 7 5
37 3 1 10 88 7 14 11 139 8 10 6
38 6 7 7 89 4 8 16 140 4 8 6
39 7 0 7 90 8 11 7 141 4 11 4
40 8 13 7 91 10 13 8 142 7 7 9
41 8 7 3 92 11 15 6 143 8 4 6
42 3 7 6 93 5 6 10 144 8 5 7
43 6 6 2 94 0 0 0 145 8 9 5
44 2 13 6 95 5 4 9 146 11 2 1
45 8 13 8 96 8 5 4 147 11 5 3
46 13 6 2 97 2 1 1 148 3 5 6
47 2 9 8 98 6 6 6
48 8 5 6 99 5 8 5
49 5 10 6 100 0 12 1
50 6 - 5 101 5 3 5
51 - 8 7 102 4 8 6
Atravs das decises representativas do ltimo estgio da otimizao foi possvel

identificar os planos timos de reabilitao referentes ao estudo de caso real (rede
exemplo 3). A Figura 6.48 apresenta as trs alternativas de reabilitao (seqncia
tima). Por exemplo, a seqncia 2-2-1 refere-se soluo 2 do primeiro perodo
(Tabela 6.37 - espao objetivo e Tabela 6.38 espao de deciso), soluo 2 do
220
segundo perodo (Tabela 6.39 espao objetivo e Tabela 6.40 espao de deciso) e
soluo 1 do ltimo perodo (Tabela 6.41 espao objetivo e Tabela 6.42 espao de
deciso). A seqncia 2-2-1 o plano que apresenta menor custo, consequentemente,
menores benefcios, vazamentos e confiabilidade. A seqncia 2-2-2 apresenta valores
intermedirios entre as seqncias 2-2-1 e 2-3-3. Observe que a escolha da melhor
alternativa depende do senso de valor do decisor.
C: 7,59E+06 C: 7,59E+06 C: 7,59E+06

B: 41760,9 B: 41760,9 B: 41760,9 1o perodo
2 V: 77,7 2 V: 77,7 2 V: 77,7
CF:1,76 CF:1,76 CF:1,76
C: 7,82E+06 C: 7,82E+06 C: 7,80E+06 2o perodo

B: 29638,4 B: 29638,4 B: 43163,6
2 V: 66,9 2 V: 66,9 3 V: 76,9
CF:1,56 CF:1,56 CF:1,72
C: 1,15E+07 C: 1,29E+07 C: 1,34E+07

B: 39393,2 B: 58996,5 B: 62726,7 3o perodo
1 V: 103,5 2 V: 109,9 3 V: 119,2
CF:1,62 CF:1,70 CF:1,85
Figura 6.48 Planos alternativos de reabilitao para rede real (rede exemplo 3)
6.7 Comparao da anlise de reabilitao esttica e dinmica

Da mesma forma que a escolha da melhor alternativa de reabilitao, a comparao dos
resultados das anlises esttica e dinmica tambm s possvel com base no senso de
valor daquele(s) a quem compete decidir. Nessa seo so discutidas algumas
comparaes entre a anlise de reabilitao esttica e dinmica, enfocando aspectos
qualitativos.
A anlise de reabilitao multiobjetivo esttica apresenta algumas vantagens frente

otimizao dinmica. Por exemplo, a simplicidade do procedimento computacional. No
caso esttico, no so considerados os procedimentos complexos de transies de estado
da rede. No caso dinmico, por exemplo, no primeiro perodo de planejamento o
sistema existente corresponde ao estado inicial para os trs cenrios considerados
(Figura 5.17). No segundo ano de planejamento (Figura 5.17) surge a incerteza de trs
221
"supostos" estados iniciais (Cenrio 1, 2 e 3) a serem considerados para os prximos

perodos. Recomenda-se que essas transies de estados devem ser cuidadosamente
analisadas e melhor estudadas em investigaes futuras. Uma outra vantagem da
otimizao multiobjetivo esttica est relacionada ao baixo tempo computacional
quando comparada com o caso dinmico. Por exemplo, nesse estudo foi realizada uma
otimizao multiobjetivo (sementes aleatrias distintas) para se obter os resultados da
anlise esttica, no caso dinmico, foram realizados sete otimizaes multiobjetivo para
uma anlise de 15 anos de planejamento avaliados a cada cinco anos.
No entanto, as vantagens da otimizao multiobjetivo dinmica so: resposta mais

realstica do problema permitindo que aes de reabilitao sejam identificadas por
perodo de planejamento, distribuio de investimentos financeiros ao longo do
horizonte de planejamento, senso de valor referentes as aes de reabilitao (planos
timos) em relao aos critrios adotados (custos, benefcios, vazamentos e
confiabilidade) para cada perodo de planejamento.
7 CONCLUSES
Um modelo computacional para anlise de reabilitao de redes de distribuio de gua

para abastecimento considerando objetivos mltiplos foi desenvolvido neste trabalho.
Esse modelo foi concebido em trs fases distintas.
A primeira fase, denominada etapa preliminar, compreendeu todos os estudos

envolvendo o levantamento de dados (cadastro da rede, demandas nodais, registros de
manuteno e operao, observaes de campo e dados de telemetria das fontes de
abastecimento). Um procedimento de calibrao (SOARES, 2003), cuja funo ajustar
os parmetros do modelo presso-vazamento (TUCCIARELLI, CRIMINISI e
TERMINI, 1999), foi utilizado nessa fase. Esse procedimento mostrou-se necessrio
devido anlise de reabilitao de redes considerar, como objeto de estudo, um sistema
existente. Parmetros de entrada (parmetros de vazamentos) foram ajustados de forma
que as simulaes hidrulicas realizadas posteriormente pudessem representar melhor o
comportamento real do mesmo.
A segunda fase do modelo proposto, denominada etapa de avaliao, contemplou os

algoritmos de otimizao multiobjetivo e os simuladores hidrulicos. Quatro algoritmos
evolucionrios multiobjetivo (MOGA, NSGA, SPEA, NSGA II) foram investigados e
testados. Trs simuladores hidrulicos (Epanet 2 convencional, Epanet 2 explcito e
iterativo baseado nas anlises dirigida pela presso) foram testados e acoplados aos
mtodos de otimizao com intuito de dar suporte s avaliaes das funes objetivo.
A terceira fase do modelo (etapa de deciso) foi responsvel por apresentar as solues
timas obtidas, que representam os aes de reabilitao a serem implementadas na
rede. nessa fase que ocorre a tomada de deciso. A investigao de cada fase do
modelo computacional proposto possibilitou que diversas concluses fossem obtidas, as
quais so apresentadas aqui de forma sucinta.
Os primeiros estudos realizados neste trabalho objetivaram o acoplamento do simulador

hidrulico convencional (Epanet 2) ao compilador Borland Builder C++ 5.0. Esse
223
acoplamento foi realizado atravs da Toolkit, biblioteca de funes, que possibilita que
as rotinas do Epanet 2 possam ser chamadas atravs do compilador C++. No houve
problemas nesse acoplamento, podendo-se afirmar que o Epanet 2, utilizado atravs da
Toolkit, trabalha eficientemente. Um outro estudo realizado teve como objetivo
desenvolver o acoplamento entre o mdulo de otimizao (GAlib), biblioteca de
algoritmos genticos e o simulador hidrulico (Epanet 2). A integrao entre o mdulo
de otimizao e o simulador hidrulico s foi possvel porque ambos os pacotes (GAlib
e Epanet 2) foram escritos em linguagens compatveis, C++ e C, respectivamente.
A integrao entre a GAlib e o Epanet 2 permitiu que vrios testes fossem realizados
sobre o problema proposto por GESSLER (1985). Atravs desse programa
desenvolvido (GAlib/Epanet) foi possvel tambm avaliar a adequao e o desempenho
dos algoritmos genticos resoluo do problema de reabilitao (estudo terico). As
solues de mnimo custo, encontradas atravs desse programa, apresentaram resultados
melhores do que os obtidos por GESSLER (1985) e SIMPSON, DANDY e MURPHY
(1994). As restries desse problema (garantia de atendimento de presses mnimas)
foram incorporadas atravs de um termo penalidade na funo objetivo associado a um
peso. Vrias simulaes foram realizadas considerando diferentes combinaes (anlise
de sensibilidade) de pesos. Funes penalidades apresentam uma srie de
inconvenientes j conhecidos, por exemplo, a necessidade de identificao adequada de
pesos. Anlises de sensibilidades foram desenvolvidas com intuito de identificar o valor
ideal para o peso da funo penalidade. Mostrou-se a dificuldade em ajust-lo de forma
a garantir uma resposta acurada da soluo de mnimo custo. Cabe lembrar que esse
estudo de caso foi terico, cuja soluo tima do problema era conhecida. Em
problemas reais, nem sempre se tem um conhecimento prvio da soluo.
Os estudos de otimizao desenvolvidos no problema de GESSLER (1985) produziram

resultados interessantes e propiciaram um entendimento da ferramenta de busca
utilizada (GAlib). Em relao aos resultados, pode-se mencionar que as simulaes
desenvolvidas, considerando os diferentes pesos para a funo penalidade, produziram
respostas tambm distintas. Para cada peso adotado como coeficiente da funo
penalidade foi obtida uma nica resposta representativa de uma soluo sobre a curva
trade-off ou frente Pareto. No entanto, a crtica que se faz a esse procedimento (mtodo
dos pesos) o elevado tempo computacional consumido para obter uma frente Pareto
descontnua. Observou-se uma forte fragilidade do mtodo dos pesos em perder
224
solues da frente. A frente Pareto obtida pelo mtodo dos pesos serviu de motivao
para o desenvolvimento do mdulo de otimizao multiobjetivo, baseado na proposio
de FONSECA e FLEMING (1993), denominado MOGA. O entendimento
pormenorizado da GAlib, obtido atravs dos estudos mencionados, possibilitou o
domnio da tcnica e permitiu que o MOGA fosse implementado, utilizando operadores
convencionais (recombinao e mutao) da GAlib.
Um dos principais questionamentos, por parte dos pesquisadores que tratam do assunto,
referentes aplicao de algoritmos genticos a identificao adequada dos
parmetros de entrada desses algoritmos (dimenso da populao, nmero mximo de
geraes, probabilidade de recombinao e probabilidade de mutao). Nesse sentido, o
presente trabalho apresenta um esforo em identificar qual desses parmetros interfere
mais na resposta desses algoritmos. Anlises estatsticas, baseadas no planejamento
fatorial com ponto central ortogonal, foram desenvolvidas para o problema de
reabilitao de redes e os resultados demonstraram que os parmetros que interferem de
maneira mais decisiva na resposta tima dos algoritmos genticos so a dimenso da
populao e o nmero mximo de geraes.
Vrias simulaes teste foram realizadas com o MOGA aplicado ao problema de

reabilitao de redes. Uma anlise simples foi desenvolvida comparando a frente obtida
atravs do MOGA com a frente obtida atravs do mtodo dos pesos. A frente produzida
pelo MOGA foi melhor definida que a frente obtida pelo mtodo dos pesos (otimizao
de objetivo nico). Duas vantagens foram observadas pela utilizao do MOGA: no h
necessidade de se atribuir pesos funo objetivo, pois todos os objetivos (no caso,
dficit de presso) so tratados simultaneamente, e, com apenas uma simulao, obtm-
se a frente Pareto.
O MOGA, em sua concepo original, considera que as frentes no dominadas evoluam

a cada iterao. No presente trabalho foi realizado um aperfeioamento (uma espcie de
elitismo) desse mtodo, que resultou em uma melhoria da frente Pareto resultante,
quando comparada sua proposio original. A cada iterao do algoritmo, as solues
no dominadas so armazenadas em um conjunto externo e substitudas somente
quando as mesmas forem dominadas por solues obtidas posteriormente. Comparando-
se a frente Pareto obtida atravs do procedimento original com a frente Pareto obtida
considerando o conjunto externo, observou-se que o MOGA aperfeioado explora
regies da superfcie de resposta no alcanadas pelo MOGA original. Assim, tal
225
procedimento foi incorporado ao algoritmo MOGA implementado pelo autor deste

trabalho e representa uma das contribuies desta pesquisa.
Como a aplicao de algoritmos evolucionrios multiobjetivo na anlise de reabilitao

de redes de distribuio de gua um assunto relativamente novo, poucos estudos
comparativos desses mtodos tm sido desenvolvidos. Nessa direo e visando
identificar o mtodo mais eficiente para o problema em estudo, anlises comparativas
foram realizadas. importante lembrar que para avaliar o desempenho de algoritmos
evolucionrios multiobjetivo, no mnimo duas mtricas de desempenho devem ser
aplicadas. A primeira mtrica avalia a convergncia da frente, a segunda avalia quo
uniforme as solues esto distribudas ao longo da superfcie Pareto. Quatro mtodos
evolucionrios de otimizao multiobjetivo (MOGA, NSGA, SPEA e NSGA II) foram
comparados, sendo que os resultados do MOGA produzidos atravs do programa
desenvolvido pelo autor deste trabalho contou com suporte da biblioteca GAlib e os
resultados do NSGA, SPEA e NSGA II obtidos utilizando a biblioteca MOMHLib++.
As anlises comparativas demonstraram que o SPEA apresentou melhor desempenho,
seguido pelo NSGA, MOGA e NSGA II.
Aps a identificao do mtodo mais eficiente (SPEA) para o problema de reabilitao

de redes de distribuio de gua, anlises comparativas foram desenvolvidas com o
objetivo de encontrar os operadores de recombinao e mutao mais eficientes. Trs
operadores de recombinao (Linear, BLX- e Uniforme) e trs operadores de mutao
(Limite, Aleatria e Dinmica) foram implementados e investigados. As anlises
mostraram que para o operador de recombinao, tanto o BLX- quanto o uniforme,
apresentaram bom desempenho. Em se tratando do operador de mutao, o melhor
desempenho foi verificado atravs da mutao dinmica.
Considerando o SPEA como melhor mtodo de otimizao multiobjetivo para o

problema em questo, com parmetros e operadores genticos adequados, um terceiro
objetivo foi incorporado na anlise de reabilitao. O SPEA demonstrou eficincia
quando um problema envolve trs objetivos (minimizao de custos, minimizao de
dficit de presso e maximizao de benefcios). A funo objetivo benefcios responde
o anseio de vrios pesquisadores em quantificar os benefcios gerados pelas aes de
melhoria realizadas no sistema. A formulao desse objetivo foi uma outra contribuio
deste trabalho e representa um aperfeioamento da proposta de HALHAL et al. (1997).
226
Evoluindo nos estudos de reabilitao de redes e verificando que as simulaes

hidrulicas, baseadas nas anlises dirigidas pela demanda, aplicadas aos problemas reais
tendem a produzir resultados poucos satisfatrios, optou-se por utilizar um simulador
hidrulico baseado nas anlises dirigidas pela presso, como plataforma de avaliao,
para as anlises de reabilitao de redes de distribuio de gua. Existia, portanto, duas
possibilidades a serem adotadas: procedimento iterativo (sem interveno no cdigo de
Epanet 2) ou procedimento direto (interveno no cdigo). Visando economizar tempo
computacional para as investigaes posteriores (sistema real considerando quatro
objetivos) optou-se pelo procedimento que fornecesse interveno direta sob o cdigo
do Epanet 2. Para isso, foi necessrio utilizar um mdulo de avaliao que possibilitasse
mudar o mtodo gradiente que implementado no Epanet 2. Isso s foi possvel atravs
da utilizao da biblioteca para Epanet 2 orientada a objetos (escrita em C++)
denominada OOTEN.
A mudana do cdigo do Epanet 2 foi uma contribuio original deste trabalho e

permitiu a incluso explcita do modelo de vazamentos e do modelo de demanda
dirigida pela presso. O modelo de vazamentos adotado foi aquele proposto por
TUCCIARELLI, CRIMINISI e TERMINI (1999). A considerao do modelo de
vazamentos no causa instabilidade no mtodo numrico. J a demanda varivel com a
presso apresentou problemas de convergncia (oscilaes). Vrios modelos presso-
demanda foram testados (WAGNER, SHAMIR e MARKS, 1988; FUJIWARA e LI,
1998 e TUCCIARELLI, CRIMINISI e TERMINI, 1999) na rede exemplo (estudo
terico) proposta por TUCCIARELLI, CRIMINISI e TERMINI (1999). O modelo de
FUJIWARA e LI (1998) apresentou os piores resultados, devido s oscilaes causadas
pelos gradientes da funo, causando instabilidade na avaliao da matriz Jacobiana.
Essas oscilaes para todos os modelos presso-demanda foram suavizadas atravs de
um procedimento simples de relaxao. Depois de aplicado o fator de relaxao, todos
os modelos de demanda no apresentaram problemas de convergncia no estudo terico.
No entanto, aperfeioamentos no sentido de minimizar as oscilaes causadas pelos
modelos de demanda dirigidos pela presso merecem ser melhor investigados para que
esse simulador possa ser aplicado em estudos de caso reais.
Depois de identificado o mtodo de otimizao mais apropriado, os parmetros

genticos, os operadores e o simulador hidrulico mais realstico, foi possvel aplicar a
metodologia proposta a um problema real. O sistema real estudado foi um modelo
227
simplificado ("esqueleto") do sistema RF-1 da cidade de Campo Grande - MS. Como o

simulador hidrulico proposto (Epanet 2 modificado) est ainda em fase de
desenvolvimento pelo autor do presente trabalho, necessitando de alguns ajustes,
desenvolveu-se um simulador hidrulico iterativo baseado nas anlise dirigidas pela
presso que conta com os mesmos modelos (vazamento e demanda) do simulador
proposto. Esse simulador hidrulico iterativo tambm foi desenvolvido atravs da
biblioteca para Epanet 2 orientado a objetos (ZYL et al., 2003). Atravs do
procedimento iterativo no h necessidade de se calcular a matriz jacobiana dos
modelos de demanda, propiciando assim uma certa estabilidade no procedimento.
Uma pesquisa de campo foi realizada no sistema real com objetivo de identificar os
parmetros de caractersticos do modelo de vazamentos, de forma a consider-los
explicitamente no simulador hidrulico iterativo. Esses parmetros foram encontrados
atravs de um procedimento inverso (calibrao) que estima os valores desses
parmetros atravs da minimizao entre os dados observados em campo e os dados
simulados na rede.
Uma vez que os parmetros caractersticos do modelo de vazamentos para o sistema

real foram obtidos e puderam ser considerados nas avaliaes hidrulicas, procederam-
se s anlises de reabilitao para identificao dos planos timos de reabilitao
(seqncia de aes a serem implementadas na rede). Com o decorrer da pesquisa,
observou-se que o problema de reabilitao de redes alm de ser multicriterial pode ser
tratado como um problema dinmico. Dois tipos de investigaes foram propostas nesse
sentido: anlise de reabilitao multiobjetivo esttica e anlise de reabilitao
multiobjetivo dinmica, sendo que essa ltima apresenta-se como outra contribuio
deste trabalho.
A anlise de reabilitao de redes de distribuio de gua esttica considera algumas

hipteses, para efeito de simplificao, no processo de planejamento. Tais hipteses
referem-se ao estado da rede (estado dos trechos, reabilitados ou no reabilitados) que
permanece inaltervel durante o perodo de anlise, aos investimentos financeiros
disponveis, que devem ser empregados no primeiro ano do projeto e as avaliaes dos
critrios (custo, benefcio, vazamentos e confiabilidade) considerando demandas nodais
projetadas para os perodos de anlise. Nesse caso, a funo objetivo custo no
considera taxa de juros, sendo calculada uma nica vez. Essas simplificaes podem
apresentar solues no realsticas tomada de deciso.
228
A anlise dinmica, pelo contrrio, sugere que o tempo timo de investimentos durante
o horizonte de planejamento seja levado em considerao, e dessa forma, apresenta uma
alternativa mais realstica do problema. Cada soluo obtida no caso dinmico fornece
informaes da soluo correspondentes s aes de reabilitao, por perodo de
planejamento. A determinao dos planos de reabilitao e a distribuio dos
investimentos necessrios ao longo do perodo de planejamento (15 anos) a principal
vantagem da programao multiobjetivo dinmica. A desvantagem desse tipo de anlise
(dinmica) o tempo computacional consumido durante o processo iterativo.
As vantagens que podem ser apontadas da anlise esttica esto relacionadas

simplicidade do procedimento de clculo para obteno de aes de reabilitao de
curto prazo (implementadas no primeiro perodo). Poucas simulaes so necessrias
para se ter um conhecimento preliminar do problema. No entanto, a anlise esttica no
fornece ao decisor informaes das aes a serem implementadas na rede a cada ano de
planejamento. Conclui-se, portanto, que a anlise de reabilitao dinmica o
procedimento mais adequado e realstico a ser considerado em um planejamento de
longo prazo, a anlise de esttica um procedimento simplificado que pode ser utilizado
como ferramenta de auxlio para uma investigao preliminar do problema.
O problema de planejamento de reabilitao de redes de distribuio de gua tratado no

presente estudo foi formulado como um problema multicriterial (quatro objetivos) de
mltiplo estgios (programao dinmica). Essa nova abordagem promove um avano
na aplicao de tcnicas de anlise de sistemas nos problemas de redes de distribuio
de gua. A Tabela 7.1 apresenta um descrio das proposies da literatura e situa o
presente trabalho em termos das contribuies que o mesmo apresenta.
As solues apresentadas pela otimizao demonstraram e comprovaram os conflitos

existentes e a competio entre os critrios considerados (custos, benefcios,
vazamentos e confiabilidade). Depois de identificadas as solues no dominadas
(frente Pareto), a complexidade do problema torna-se escolher a melhor soluo dentre
um conjunto de boas solues. Neste trabalho, considerou-se a Anlise de Componentes
Principais (ACP) como mtodo de escolha. A ACP mostrou-se muito adequada ao
problema e permitiu mostrar as similaridades entre as solues da frente Pareto no
espao de deciso. Atravs da ACP foi possvel transformar o problema de quatro
dimenses em um problema bidimensional, favorecendo uma escolha favorvel de
solues que pudessem garantir a representatividade da frente.
229
Tabela 7.1 Modelos para anlise de reabilitao de redes de distribuio de gua e a

contribuio original do presente trabalho
Simulador Objetivos
Autor Ano Modelo Aes
Hidrulico C V B CF Q
SHAMIR e HOWARD 1979 ES - S E - - - -
WALSKI e PELLICIA 1982 ES - S E - - - -
WALSKI 1982 ES - L/R E - - - -
GESSLER 1985 AS (O) ADD S / L/ D / P E - - I (H) -
QUIMPO e SHAMSI 1991 ES ADD A X - - E (M) -
LANSEY et al. 1992 AS (O) ADD S / L/ R E - - - -
LI e HAIMES 1992b AS (O) ADD S E - - I (H) -
KIM e MAYS 1994 AS (O) ADD S E - - I (H) -
SIMPSON et al. 1994 AS (O) ADD S / L/ D / P E - - I (H) -
SCHNEITER et al. 1996 AS (O) ADD L E - - E (H) -
HALHAL et al. 1997 AS (MO) ADD S/L/R E I E I (H) I
DE SCHAETZEN et al. 1998 AS (O) ADD S/L/R E - - - -
KLEINER et al. 1998 AS (O) ADD S E - - I (H) -
ENGELHARDT 1999 AS (MO) ADD S E - - E (H) -
DANDY e -
1999 AS (O) ADD S E - - -
ENGELHARDT
WALTERS et al. 1999 AS (MO) ADD S / L/ D/ P E - E I (H) -
WU e SIMPSON 2001 AS (O) ADD S / L/ D/ P E - - I (H) -
CHEUNG et al. 2003 AS (MO) ADD S / L/ D/ P E - - E (H) -
CHEUNG, REIS e
2003 AS (MO) ADD S / L/ D/ P E - E E (H) -
CARRIJO
CHEUNG e REIS 2003 AS (MO) ADP S / L/ D/ P E E E - -
CHEUNG 2003 AS (MO) ADP S / L/ D/ P/ E E E E (H) -
ES: Modelo estatstico; AS: Modelo baseado em anlise de sistemas; O: Otimizao considerando apenas um objetivo; MO: Otimi-
zao multiobjetivo; ADD: Anlise de redes dirigida pela demanda; ADP: Anlise de redes dirigida pela presso; S: Substituio de
tubos; L: Limpeza de tubos; R: Revestimento de tubos; D: Tubos em paralelo; P: Novos tubos (projeto); A: Setores de rede que
precisam ser reabilitadas; E: Explcito; I: Implcito; H: Confiabilidade hidrulica; M: Confiabilidade Mecnica; C: Custo; V:
Vazamento; CF: Confiabilidade; Q: Qualidade da gua
Ressalta-se ainda a necessidade de investigar melhor os mtodos de classificao de

solues, de aperfeioar a programao multiobjetivo dinmica no sentido de
desenvolver tcnicas automticas e "inteligentes" de transio de estados, de reavaliar o
simulador hidrulico proposto (Epanet 2 modificado) para aplicaes reais de maneira
que as oscilaes causadas pelos modelos de demanda dependentes da presso (embora
o mesmo tenha apresentado bons resultados em problemas tericos - redes da literatura)
sejam controlados e gerenciados eficientemente, de incorporar tcnicas convencionais
de confiabilidade (simulaes monte-carlo, cut-set) para avaliao das solues finais
(frente Pareto), de reavaliar as funes objetivo propostas, de propor e incorporar outros
critrios (por exemplo, qualidade da gua) e de desenvolver tcnicas de computao de
230
alto desempenho (clusters de computadores ou sistemas distribudos) visando economia

de tempo computacional.
9 REFERNCIAS BIBLIOGRFICAS
AGGARWAL, K. K. (1993). Reliability Engineering. Boston: Kluwer Academic

Publishers.
ASCHER, H. e FEINGOLD, H. (1984). Repairable systems reliability: modeling,
inference, misconceptions and their causes. New York: Lecture notes in statistics.
ALPEROVITS, E.; SHAMIR, U. (1977). Design of Optimal Water Distribution Systems.
Water Resources Research, v. 13, n. 6, p. 885-900.
ANDREOU S.A.; MARKS D.H.; CLARK R.M. (1987). A New Methodology for
Modeling Break Failure Patterns in Deteriorating Water Distribution-Systems
Theory. Advances in Water Resources, v. 10, n. 1, p. 2-10.
BELLMAN, R.; KALABA, R. (1965). Dynamic Programming and Modern Control
Theory, New York: Academic Press.
BHAVE, P. R. (1979). Selecting Pipe Sizes in Network Optimization by LP. Journal of
the Hydraulics Division Asce, v. 105, n. 8, p. 1019-1025.
BHAVE, P. R. (1988). Calibrating Water Distribution Network Models. Journal of
Environmental Engineering, v. 114, n. 1, p. 120-136, Feb.
BOULOS, P. F.; WOOD, D. J. (1990). Explicit Calculation of Pipe-Network Parameters.
Journal of Hydraulic Engineering, v. 116, n. 11, p. 1329-1344, Nov.
BOX, G. E. P. (1978). Statistics for Experiments: Introduction to Design, Data Analysis
and Model Building. New York, John Wiley.
BRMOND, B. (1997). Statistical Modelling as Help in Network Renewal Decision.
European commission co-operation on science and technology (COST), Committee
C3 diagnostics of urban infrastructure, Paris, France.
BROTHERS, K. J. (2001). Water leakage and sustainable supply - Truth or
consequences? Journal American Water Works Association, v. 93, n. 4, p. 150-152.
CALIMAN, R. O. (2002). Determinao dos Parmetros do Modelo Presso x
Vazamento para Sub-setores da Rede de Distribuio de gua de So Carlos - SP. So
Carlos. 110 p. Dissertao (Mestrado). Escola de Engenharia de So Carlos,
Universidade de So Paulo, Brasil.
CHANDRASHEKAR M.; STEWART K.H. (1975). Sparsity Oriented Analysis of Large
Pipe Networks. Journal of The Hydraulics Division, v. 101, n. NHY4, p. 341-355.
CHANDAPILLAI, J. (1991). Realistic Simulation of Water Distribution System. Journal
of Transportation Engineering, v. 117, n. 2, p. 258-263.
CHEUNG, P. B. (2001). Investigao dos Mtodos Clssicos de Calibrao de Redes
Hidrulicas. Campo Grande. 132 p. Dissertao (Mestrado). Universidade Federal de
Mato Grosso do Sul, Brasil.
CHEUNG, P. B.; REIS, L. F. R.; CARRIJO, I. B. (2003) - Multiobjective Optimization to
the Rehabilitation of a Water Distribution Network. Advances in Water Supply
Management (CCWI Computing and Control for the Water Industry & Watersave
Network). Imperial College, London, England.
232
CHEUNG, P. B.; REIS, L. F. R.; FORMIGA, K. T. M.; CHAUDHRY, F. H.; TICONA,

W. G. C. (2003). Multiobjective Evolutionary Algorithms Applied to the Rehabilitation
of a Water Distribution System: A Comparative Study. Evolutionary Multi-Criterion
Optimization, v.2632, p. 662-676. Springer-Verlag, Heidelberg.
CLARK, R.M.; GOODRICH, J.A. (1989). Developing a data base on infrastructure
needs. Journal of the American Water Works Association, v 81, n 7, p. 81-87.
CLARK, R.M.; STAFFORD, C.L.; GOODRICH, J.A. (1982). Water Distribution
Systems: A Spatial Cost Evaluation. Journal of Water Resources Planning and
Management, v. 108 (WR 3), p. 243-255.
COELLO, C. A. C. (1996). An Empirical Study of Evolutionary Techniques for
Multiobjective Optimization in Engineering Design. Ph. D. Thesis. Tulane University.
COHON, J. L. (1978). Multiobjective Programming and Planning. San Diego, Academic,
USA.
COLEBROOK, C. F.; WHITE, C. M. (1937). The reduction of Capacity of Pipes with
Age. Journal Institution Civil Engineers. London, n. 5137, p. 99-118.
COLOMBO, A. F.; KARNEY, B. W. (2002). Energy and costs of leaky pipes toward
comprehensive picture. Journal of Water Resources Planning and Management, v.
128, n 6, p. 441-450.
CONSTANTINE, A. G.; DARROCH, J. N. (1993). Pipeline Reliability: Stochastic
Models in Engineering Technology and Management. Singapure: World Scientific.
CULLINANE M. J.; LANSEY K.E.; MAYS L.W. (1992). Optimization-Availability-
Based Design Of Water-Distribution Networks. Journal of Hydraulic Engineering, v.
118, n. 3, p. 420-441.
DANDY, G.C.; ENGELHARDT, M.O. (2001a). Optimal Scheduling of Water Pipe

Replacement using Genetic Algorithms. Journal of Water Resources Planning and
Management, v. 127, n. 4, p. 214-223.
DANDY, G.C.; ENGELHARDT, M.O. (2001b). Optimum Rehabilitation of Water
Distribution System considering Cost and Reliability. Proceedings of the World Water
and Environmental Resources Congress, Orlando, Florida.
DANDY, G. C.; SIMPSON, A. R.; MURPHY, L. J. (1996). An improved Genetic
Algorithm for Pipe Network Optimization. Water Resources Research, v. 32, n. 2, p.
449-458.
DATTA, R. S. N.; SRIDHARAN, K. (1994). Parameter Estimation in Water- Distribution
Systems by Least Squares. Journal of Water Resources Planning and Management, v.
120, n. 4, p. 405-422.
DE SCHAETZEN, W.; RANDALL-SMITH, M.; SAVIC, D. A.; WALTERS, G. A.
(1999). Optimal Logger Density in Water Distribution Network Calibration. In:
SAVIC, D. A. (ed.); WALTERS, G. A. (ed.): Water Industry Systems: Modeling and
Optimization Applications, vol. 1, p. 301-307.
DEB, K. (1999). Evolutionary Algorithms for Multi-Criterion Optimization in
Engineering Design. In: Miettinen K.; Neittaanmki, P.; Mkel, M. M. and Priaux,
J. (Eds), Evolutionary Algorithms in Engineering and Computer Science, pp. 135-161.
Chicester, UK: Wiley.
DEB, K. (2001). Multi-Objective Using Evolutionary Algorithms. John Wiley & Sons,
Ltd.
DEB, A. K.; SARKAR, A. K. (1971). Optimization in Design of Hydraulic Network,
Journal of the Sanitary Engineering Division. v. 97, n. SA2, p. 141-159.
DEB, K.; PRATAP, A.; AGARWAL, S.; MEYARIVAN, T. (2002). A Fast and Elitist
Multiobjective Genetic Algorithm: NSGA-II. IEEE Transactions on Evolutionary
Computation. v. 6, n. 2, p. 182-197.
233
DONACHIE, R. P. (1974). Digital Program for Water Network Analysis. Journal of the
Hydraulics Division, v. 100, n. NHY3, p. 393-403.
EGGENER C. L.; POLKOWSKI, L.B. (1976). Network Models and Impact of Modeling
Assumptions. Journal American Water Works Association, v. 68, n. 4, p. 189-196.
EPP, R., FOWLER, A. G. (1970). Efficient Code for Steady State Flows in Networks.
Journal of the Hydraulic Division, v. 96, n. HY1, p. 43-56.
ESHELMAN, L. J.; SCHAFFER, J. D. (1993). Real-coded Genetic Algorithms and
Interval-Schemata. Foundations of Genetic Algorithms 2 (FOGA 2), p. 187-202.
ENGELHARDT, M.O.; SKIPWORTH, P.J.; SAVIC, D.A.; SAUL, A.J.; WALTERS,
G.A. (2000). Rehabilitation Strategies for Water Distribution Networks: a Literature
Review with a UK Perspective. Urban Water, n. 2, p. 153-170.
ENGELHARDT, M.O.; DANDY, G.C. (1999). The Development of an Optimal Strategy
to Schedule Main Replacements. Water Industry Systems: Modelling and Optimisation
Applications, Research Studies Press, England, v. 2, p. 419-426.
EVSUKOFF, A.G.; EBECKEN, N.F.F. (2003). Mtodos Numricos em Recursos
Hdricos. ABRH, Silva, R.C.V. (Editor), Porto Alegre.
FRANCATO, A. L. (2002). Operao Multiobjetivo para a Operao de Sistemas
Urbanos de Abastecimento de gua. Tese de Doutorado. Universidade Estadual de
Campinas (UNICAMP), Brasil.
FONSECA, C.M.; FLEMING, P. J. (1993). Genetic Algorithms for Multiobjective
Optimization: Formulation, Discussion and Generalization. Proceedings of the Fifth
International Conference, San Mateo.
FONSECA, C. M.; FLEMING, P. J. (1995). An Overview of Evolutionary in
Multiobjective Optimization. Evolutionary Computation, v. 3, n. 1, p. 1-16.
FORMIGA, K. T. M. (1999). Metodologia de otimizao de redes malhadas atravs da
programao no linear. Campina Grande. 159 p. Dissertao (Mestrado).
Universidade Federal da Paraba, Brasil.
FORMIGA, K. T. M.; CHAUDHRY, F. H.; CHEUNG, P. B.; REIS, L. F. R. (2003).
Optimal Design of Water Distribution System by Multiobjective Evolutionary
Methods. Evolutionary Multi-Criterion Optimization, v. 2632, p. 677-691 Springer-
Verlag, Heidelberg.
FUJIWARA, O.; GANESHARAJAH, T. (1993). Reliability Assessment of Water Supply
Systems Withstorage and Distributions Networks. Water Resources Research. v. 29, n.
8, p. 2917-2924.
FUJIWARA, O.; KWANG, D. B. (1990). A Two-Phase Decomposition Method for
Optimal Design of Looped Water Distribution Networks. Water Resources Research,
v. 26, n. 4, p. 539-549.
FUJIWARA, O.; LI, J. (1998). Reliability Analysis of Water Distribution Networks in
Consideration of Equity, Redistribution, and Pressure-Dependent Demand. Water
Resources Research, v. 34, n. 7, p. 1843-1850.
GAMBALE, S. R. (2000). Aplicao de Algoritmo Gentico na Calibrao de Redes de
gua. So Paulo. 266 p. Dissertao (Mestrado). Escola Politcnica, Universidade de
So Paulo, Brasil.
GARCIA, C. (1997). Modelagem e Simulao de Processos Industriais e de Sistemas
Eletromecnicos. Editora da Universidade de So Paulo, So Paulo, Brasil.
GAT, Y. L.; EISENBEIS, P. (2000). Using Maintenance Records to Forecast Failures in
Water Networks. Urban Water, v. 2, p. 173-181.
GEN, M.; CHENG, R. (1996). Genetic Algorithms and Engineering Design. John Wiley
& Sons, INC.
234
GERMANOPOULOS, G.; JOWITT, P. W. (1989). Leakage Reduction by Excess

Pressure Minimization in a Water Supply Network. Proc. Instn. Civ. Engrs., Part 2
(June), p. 195-214.
GESSLER, J. (1985). Pipe network optimization by enumeration. Proceedings Computer
Applications for Water Resources, ASCE, New York, N.Y., 572-581
GOICOECHEA, A.; HANSEN, D. R.; DUCKSTEIN, L. (1982). Multiobjective Decision
Analysis with Engineering and Business Applications. John Wiley & Sons.
GOLDBERG, D.E. (1989) Genetic Algorithms in Search, Optimization, and Machine
Learning, Addison-Wesley, Reading, Massachusetts.
GOLDBERG, D.E.; RICHARDSON, J. (1987). Genetic Algorithms with Sharing for
Multimodal Function Optimization. In. Proceedings of the First International
Conference on Genetic Algorithms and Their Applications, p. 41-49.
GOULTER, I.C. (1992). Systems Analysis in Water-Distribution Network Design from
Theory to Practice. Journal of Water Resources Planning and Management, v. 118, n.
3, p. 238-248.
GOULTER, I.; DAVIDSON, J.; JACOBS, P. (1993). Predicting Water-main Breakage
Rate. Journal of Water Resources Planning and Management, v. 119, n. 4, p. 419-436.
GUPTA, R.; BHAVE, P. R. (1996). Comparison of Methods for Predicting Deficient-
Network Performance. Journal of Water Resources Planning and Management, v.
122, n. 3, p. 214-217, May/June.
HAIR, J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. (1998). Multivariate
Data Analysis. Prentice-Hall.
HALHAL, D.; WALTERS, G.A.; OUAZAR, D.; SAVIC, D.A. (1997). Water Network
Rehabilitation with Structured Messy Genetic Algorithm. Journal of Water Resources
Planning and Management, v. 123, n. 3, p. 137-146.
HAJELA, P.; LIN, C. Y. (1992). Genetic Search Strategies in Multi-Criterion Optimal
Design. Structural Optimization, v. 4, n. 2, p. 99-107.
HARRIS, R. U. (1984). Computer Modelling in Water System Planning and Design.
Journal of the American Water Works Association, p. 78-81, 1984.
HERZ, R. K. (1996). Ageing Process and Rehabilitation Needs of Drinking Water
Distribution Networks. Journal of Water SRT Aqua, v. 45, n. 5, p. 221-231.
HORN, J.; NAFPLIOTIS, N. (1993). Multiobjective Optimization using the Niched
Pareto Genetic Algorithm. IlliGAL Report n. 93005.
HORN, J.; NAFPLIOTIS, N.; GOLDBERG, D. (1994). A Niched Pareto Genetic
Algorithm for Multi-objective Optimization. In: Proceedings of the First IEEE
Conference on Evolutionary Computation, p. 82-87.
JASKIEWICZ, A. (1999). MOMHLIB++: Multiple Objective Metaheuristics Library in
C++. http://www-idss.cs.put.poznan.pl/~jaszkiewicz/MOMHLIB.
JACOBY, S. L. S. (1968). Design of Optimal Hydraulic Network. Journal Hydraulic
Division American Society Civil Engineering, v. 94, n. HY3, p. 641-661.
JOWITT, P. W.; XU, C. (1990). Optimal Valve Control in Water Distribution Networks.
Journal of Water Resources Planning and Management, v. 116, n.4, p. 455-472.
KALLY, E. (1969). Pipeline Planning by Dynamic Computer Programming. Journal
American Water Works Association, v. 61, n. 3.
KAPELAN, Z. S.; SAVIC, D. A.; WALTERS, G. A. (2002). Inverse Transient Analysis
in Pipe Networks for Leakage Detection and Roughness Calibration. In: SAVIC, D. A.
(ed.); WALTERS, G. A. (ed.): Water Network Modelling for Optimal Design and
Management, p. 143-159, Sept.
235
KHURI, A. (1996). Response Surfaces. New York: Marcel Dekker.

KIM, J.H.; MAYS, L.W. (1990). Rehabilitation and Replacement of Water Distribution
System Components considering Uncertainties. Stochastic Hydrology and Hydraulics,
Springer Verlag, p. 277-294.
KIM, J.H.; MAYS, L.W. (1994). Optimal Rehabilitation Model for Water Distribution
Systems. Journal of Water Resources Planning and Management, v. 120, n. 5, p. 674-
692.
KLEINER, Y.; RAJANI, B. (2001). Comprehensive Review of Structural Deterioration
of Water Mains: Statistical Models. Urban Water, n. 3, p. 131-150.
KLEINER, Y.; ADAMS, B. J.; ROGERS, J. S. (1998). Long-term Planning Methodology
for Water Distribution System Rehabilitation. Water Resources Research, n. 3, p. 131-
150.
KNOWLES, J. D.; CORNE, D. W. (2000). Approximating the Non-Dominated Front
using the Pareto Archived Evolution Strategy. Evolutionary Computation Journal, v.
8, n. 2, p. 149-172.
KUNG, H. T.; LUCCIO, F.; PREPARATA, F. P. (1975). On Finding the Maxima of a Set
of Vectors. Journal of the Association for Computing Machinery v. 22, n. 4, p. 469-
476.
KURSAWE, F. (1991). A Variant of Evolution Strategies for Vector Optimization.
Lecture Notes in Computer Science v. 496, p. 193-197.
LAMONT, P. A. (1981). Common Pipe Formulas Compared With the Theory of
Roughness. Journal of the American Water Works Association, v.72, n. 5, p. 274-280.
LANSEY, K. E. (2000). Optimal Maintenance Scheduling for Water Distribution
Systems. Civil Engineering Systems, v. 9, p. 211-226.
LANSEY,K., BASNET, C. (1991). Parameter Estimation for Water Distribution
Networks. Journal of Water Resources Planning and Management, v. 117, n. 1, p.
126.
LANSEY, K.; MAYS, L.W. (2000). Hydraulics of Water Distribution Systems. In: Mays
LW, editor. Water Distribution Systems Handbook, New York: McGraw Hill.
LANSEY, K. E.; BASNET, C.; MAYS, L. W.; WOODBURN, J. (1992). Optimal
Maintenance Scheduling for Water Distribution Systems. Civil Engineering Systems,
v. 9, p. 211-226.
LEI, J. (1997). Statistical Approach for Describing Lifetimes of water Mains Case
Trondheim Municipality. SINTEF Civil and Environmental Engineering, Report n.
22F007.28, Trondheim, Norway.
LI, D.; HAIMES, Y. (1992). Optimal Maintenance-Related Decision Making for
Deteriorating Water Distribution Systems. Water Resources Research, v. 28, n. 4, p.
1053-1061.
LIANG, T. (1971). Design Conduit System by Dynamic Programming. Journal of the
Hydraulics Division, v. 97, n. HY3, p. 383-393.
LIN, B. W.; RARDIN, R. L. (1980). Controlled Experimental Design for Statistical
Comparison of Integer Programming Algorithms. Management Science, v. 25, n. 12,
p. 1258-1271.
LOGANATHAN, G.V.; PARK, S.; SHERALI, H. D. (2002). Threshold Break Rate for
Pipeline Replacement in Water Distribution Systems. Journal of Water Resources
LOUCKS, D. P.; STEDINGER, J. R.; HAITH, D. A. (1981). Water Resource Systems
Planning and Analysis. Prentice-Hall, Inc. Englewood Cliffs, New Jersey.
236
LUVIZOTTO Jr., E. (1998). Monitoramento e Deteco de Vazamentos em Sistemas de

Aduo e Distribuio de gua. Relatrio Final de Ps-doutoramento, 204 pp.
MAASS, A. (1962). Design of Water Resource Systems. Harvard University Press,
Cambridge, Massachusetts, 620 pp.
MAILHOT, A.; PELLETIER, G. NOL, J-F. (2000). Modeling the Evolution of the
Structural State of Water Pipe Networks with Brief Recorded Pipe Break Histories:
Methodology and Application. Water Resources Research, v. 36, n. 10, p. 3053-3062.
MALE J.W.; WALSKI T.M.; SLUTSKY A.H. (1990). Analyzing Water Main
Replacement Policies. Journal of Water Resources Planning and Management, v. 116,
n. 3, p. 362-374.
MARKS, H. D. et al. (1985). Predicting Urban Water Distribution Maintenance
Strategies: A case study of New Haven Connecticut. US Environmental Protection
Agency (Co-operative Agreement R8 1 0558-01-0).
MARTNEZ, F.; CONEJOS, P.; VERCHER, J. (1999). Developing an Integrated Model
for Water Distribution Systems Considering both Distributed Leakage and Pressure-
Dependent Demands. Proceedings of the 26th ASCE WaterResources Planning and
Management Division Conference, Tempe, Arizona.
MARTNEZ, F.; SIGNES, M.; SAVALL, R.; ANDRS, M.; PONZ, R.; CONEJOS, P.
(1999). Construction and Use of Dynamic Simulation Model for the Valencia
Metropolitan Water Supply and Distribution Network. In: SAVIC, D. A. (ed.);
WALTERS, G. A. (ed.): Water Industry Systems: Modeling and Optimization
Applications, vol. 1, p. 155-174.
MARTNEZ, M. E. (2001). Desenvolvimento de um Modelo Estatstico para Aplicao
no Estudo de Fadiga em Emendas Dentadas de Madeira. So Carlos. 104 p. Tese de
Doutorado. Escola de Engenharia de So Carlos, Universidade de So Paulo, Brasil.
MAYS, L. W. (1989). Reliability Analysis of Water Distribution Systems. American
Society of Civil Engineers, New York.
McILROY, M. S. (1950). Direct Reading Electric Analyzer for Pipeline Networks.
Journal of the American Water Works Association, p. 347-365.
MENDENHALL, W. (1992). Statistical for Engineering and the Sciences. New York:
Maxwell.
MICHALEWICZ, Z. (1992). Genetic Algorithms + Data Structure = Evolution
Programs. Springer-Verlag, New York, N.Y.
MONTGOMERY, D. C. (1991). Introduction to statistical quality control. New York:
Wiley.
MORGAN, D. R.; GOULTER, I. (1985). Optimal Urban Water Distribution Design.
Water Resources Research, v. 21, n. 5, p. 642-652.
MURPHY, L.J.; SIMPSON, A.R. (1992). Pipe Optimization using Genetic Algorithms.
Res. Rep. N. R93, Department of Civil Engineering, University of Adelaide, Australia.
NEIMANE, V. (2001). On Development Planning of Electricity Distribution Networks.
Royal Institute of Technology. Doctoral Dissertation, Stockholm.
NIELSEN, H. B. (1989). Methods for Analyzing Pipe Networks. Journal of Hydraulic
Engineering, v. 115, n. 2, p. 139-157, 1989.
ORMSBEE, L. E. (1989). Implicit Network Calibration. Journal of Water Resources
PELLETIER, G.; MAILHOT, A.; VILLENEUVE, J. P. (2003). Modeling Water Pipe
Breaks Three Case Studies. Journal of Water Resources Planning and Management,
v. 129, n. 2, p. 115-123.
237
PETROVSKI, A.; WILSON, A.; McCALL, J. (1998). Statistical Analysis of Genetic

Algorithms and Inference about Optimal Factors. SCMS Technical Report, n. 2 (The
Robert Gordon University).
PORTO, R. M. (1998). Hidrulica Bsica. EESC/USP, Projeto REENGE, So Carlos.
PUDAR, R. S.; LIGGETT, J. A. (1992). Leaks in Pipe Networks. Journal of Hydraulic
Engineering, v. 118, n. 7, p. 1031-1046.
QUINDRY, G. E.; BRILL, E. D.; LIEBMAN, J. C. (1981). Optimization of Looped
Water Distribution Systems. Journal of the Environmental Engineering Division, v.
107, n. EE4, p. 665-679.
RAO, H. S.; MARKEL, L. C.; BREE, D. W., Jr. (1977). Extended Period Simulation of
Water Systems part B. Journal of the Hydraulic Division, v. 103, n. HY3, p. 281-
294.
RAJANI, B.; KLEINER, Y. (2001). Comprehensive Review of Structural Deterioration
of Water Mains: Statistical Models. Urban Water, p. 151-164.
REIS, L. F. R.; PORTO, R. M.; CHAUDHRY, F. H. (1997). Optimal Location of Control
Valves in Pipe Networks by Genetic Algorithm. Journal of Water Resources Planning
and Management, v. 123, n. 6, p. 317-326.
REIS, L. F. R.; SANTOS, A.; CALIMAN, R. O.; SILVA, F. G. B. (2003). Avaliao dos
Parmetros de Vazamentos para Setores de Rede da Cidade de So Carlos SP,
Revista Brasileira de Recursos Hdricos (RBRH) (no prelo).
RESEARCH COMMITTEE (1974). Water Distribution Research and Applied
Development Needs. Journal of the American Water Works Association, v. 66, n. 6, p.
385-390.
RICHARDSON, J. T; PALMER, M. R.; LIEPINS, G.; HILLIARD, M. (1989). Some
Guidelines for Genetic Algorithms with Penalty Functions. Proceedings of the 3rd
International Conference on Genetic Algorithms, George Mason University, Fairfax,
Virginia, USA.
RIGHETTO, A. M. (1977). Desenvolvimento de Modelos de Simulao para o
Dimensionamento de Redes de Distribuio de gua. So Carlos. Tese de Doutorado.
Escola de Engenharia de So Carlos, Universidade de So Paulo, Brasil.
RIGHETTO, A. M. (2001). Calibrao de Modelo Hidrulico de Rede de Distribuio de
gua. Revista Brasileira de Recursos Hdricos (RBRH), v. 6, n. 3, p. 33-44.
ROSSMAN, L. A. (1994). EPANET users manual. U.S. Environmental Protection
Agency, Cincinnati, Ohio.
ROSSMAN, L. A. (2000). EPANET 2 users manual. U.S. Environmental Protection
Agency, Cincinnati, Ohio.
SANDIM, M. P. et al. (2002). Plano Diretor do Sistema de Abastecimento de gua de
Campo Grande (2000 2030).
SALGADO, R.; ROJO, J.; ZEPEDA, S. (1993). Extended Gradient Method for Fully
Non-linear Head and Flow Analysis in Pipe Networks. In: COULBECK, B. (ed.):
Integrated Computer Applications in Water Supply. Methods and Procedures for
Systems Simulation and Control, vol. 1, p. 49-60.
SALGADO, R.; TODINI, E.; O' CONNELL, P. E. (1988). Extending the Gradient
Method to Include Pressure Regulating Valves in Pipe Networks. In: COULBECK, B.
(ed.): Computer Applications in Water Supply - Systems Analysis and Simulation, v. 1.
238
SAVIC, D. A. (2002). Single-objective vs. Multiobjective Optimisation for Integrated

Decision Support. In: Rizzoli, A. E. and Jakeman, A. J. (Eds.). Integrated Assessment
and Decision Support, Proceedings of the First Biennal Meeting of the International
Environmental Modelling and Software Society, 24-27 June, Lugano, Switzerland,
vol. 1. pp. 7-12.
SAVIC, D. A.; WALTERS, G. A. (1997). Genetic Algorithms for Least-Cost Design of
Water Distribution Networks. Journal of Water Resources Planning and Management,
v. 123, n. 2, p. 67-77.
SEBORG, D. E.; EDGAR, T. F.; MELLICHAMP, D. A. (1989). Process Dynamics and
Control. New York: Wiley.
SCHAFFER, J. D. (1984). Some Experiments in Machine Learning using Vector
Evaluated Genetic Algorithms (TCGA file number 00314). PhD dissertation,
Vanderbilt University, Nashville, TN.
SHAMIR, U.; HOWARD, C. D. D. (1968). Water Distribution System Analysis. Journal
of the Hydraulic Division, v. 94, n. HY1, p. 219-234.
SHAMIR, U.; HOWARD, C. D. D. (1979). An Analytic Approach to Scheduling Pipe
Replacement. Journal of the American Water Works Association, p. 248-258.
SHARP, W. W.; WALSKI, T. M. (1988). Predicting Internal Roughness in Water Mains.
Journal of the American Water Works Association, v. 80, n. 11, p. 248-258.
SILVA, F. G. B. (2003). Estudos de Calibrao de Redes de Distribuio de gua atravs
de Algoritmos Genticos. So Carlos. Tese de Doutorado. 234 p. Escola de
Engenharia de So Carlos, Universidade de So Paulo, Brasil.
SILVA, R. T.; CONEJO J. G. L. (1998). Definies de Perdas nos Sistemas Pblicos de
Abastecimento de gua. Plano Nacional de Combate ao Desperdcio de gua
(PNCDA), SEDU.
SIMPSON, A. R.; DANDY, G.C.; MURPHY, L. J. (1994). Genetic Algorithms
Compared to Other Techniques for Pipe Optimization. Journal of Water Resources
SRINIVAS, N.; DEB, K. (1995). Multiobjective Optimization using Nondominated
Sorting in Genetic Algorithms. Evolutionary Computation, Massachusetts Institute of
Technology, v. 2. n. 3, p. 221-248.
SKEAT, W. O. (1961). Manual of British Water Engineering Practice. Cambridge:
Institution of Water Engineers by W. Heffer.
SOARES, A. K. (2003). Calibrao de Modelos de Redes de Distribuio de gua para
Abastecimento Considerando Vazamentos e Demanda Dirigida pela Presso. So
Carlos. 153p. Dissertao (Mestrado). Escola de Engenharia de So Carlos,
Universidade de So Paulo, Brasil.
SOUZA, R. S. (1994). Aspectos Computacionais da Anlise de Redes de Distribuio de
gua com Componentes Hidrulicos em Regime Permanente. So Carlos. 236 p.
Dissertao (Mestrado). Escola de Engenharia de So Carlos, Universidade de So
Paulo, Brasil.
SURYAPRAKASAM, M. V.; REID, G. W.; GEYER, J. C. (1950). Use of Alternating
Current Network Calculator in Distribution Systems Design. Journal of the American
Water Works Association, p. 1154-1164.
TABESH, M.; KARIMZADEH, A. (2000). Optimum Design of Reliable Distribution
Systems Considering Pressure Dependency of Outflows. In: SAVIC, D. A. (ed.);
WALTERS, G. A. (ed.): Water Network Modeling for Optimal Design and
Management, p. 211-220.
239
TAN, K. C.; LEE, T. H.; KHOR, E. F. (2001). Evolutionary Algorithms with Dynamic
Population Size and Local Exploration for Multiobjective Optimization. IEEE
Transactions on Evolutionary Computation, v. 5, n. 6, p. 565-588.
TANYIMBOH, T. T.; TABESH, M.; BURROWS, R. (2001). Appraisal of Source Head
Methods for Calculating Reliability of Water Distribution Networks. Journal of Water
Resources Planning and Management, v. 127, n. 4, p. 206-213.
TODINI, E. (1979). Un Metodo del Gradiente per La Verifica Delle Reti Idrauliche.
Bolletino Degli Ingegneri Della Toscana, n. 11, p. 11-14.
TODINI, E. (2000). Looped Water Distribution Networks Design using a Resilience
Index based Heuristic Approach. Urban Water. p. 115-122.
TODINI, E. (2003). A More Realistic Approach to the Extended Period Simulation of
Water Distribution Networks. CCWI Conference, Imperial College, London (recebido
do autor).
TODINI, E.; PILATI, S. (1988). A Gradient Algorithm for the Analysis of Pipe
Networks. In: COULBECK, B. and CHUN-HOU O. (eds.): Computer Applications in
Water Supply - Systems Analysis and Simulation, v. 1.
TUCCIARELLI, T.; CRIMINISI, A.; TERMINI, D. (1999). Leak Analysis in Pipeline
Systems by Means of Optimal Valve Regulation. Journal of Hydraulic Engineering, v.
125, n. 3, p. 277-285.
WAGNER, J. M.; SHAMIR, U.; MARKS, D. H. (1988). Water Distribution Reliability:
Simulation Methods. Journal of Water Resources Planning and Management, v. 114,
n. 3, p. 276-294.
WALL, M. (1996). GAlib: A C++ Library of Genetic Algorithm Components.
Mechanical Engineering Department, Massachusetts Institute of Technology.
WALSKI, T. M. (1982). Economic Analysis of Rehabilitation of Water Mains. Journal of
Water Resources Planning and Management, v. 108, n. WR3, p. 296-308.
WALSKI, T. M. (1983). Technique for Calibrating Network Models. Journal of Water
WALSKI, T. M. (1986). Case Study: Pipe Network Model Calibration Issues. Journal of
Water Resources Planning and Management, v. 112, n. 2, p. 238-249.
WALSKI, T.M. (2001). The Wrong Paradigm, Why Water Distribution Optimization
Doesnt Work. Journal of Water Resources Planning and Management (Editorial), v.
123, n. 3, p. 203-205.
WALSKI, T. M.; PELLICCIA, A. (1982). Economic Analysis of Water Main Breaks.
Journal of the American Water Works Association, p. 140-147.
WALSKI, T. M. et al. (1987). Battle of the Network Models: Epilogue. Journal of Water
WALSKI, T. M. et al. (2003). Advanced Water Distribution Modeling and Management.
Hasted Press, Waterbury, CT, USA.
WALTERS, G.A.; HALHAL, D.; SAVIC, D.A.; OUAZAR, D. (1999). Improved Design
of Anytown Distribution Network using Structured Messy Genetic Algorithms. Urban
Water, v. 1, p. 23-38.
WATANATADA, T. (1973). Least-Cost Design of Water Distribution Systems. Journal
of Hydraulics Division, v. 99, n. HY9, p. 1497-1513.
WOOD, D. J.; CHARLES, C. O. A. (1972). Hydraulic Network Analysis using Linear
Theory. Journal of the Hydraulic Division, v. 98, n. HY7, p.1157-1170.
WRIGHT, A. (1991). Genetic Algorithms for Real Parameter Optimization. In
Foundations of Genetic Algorithms 2 (FOGA-1): 205-218.
240
WU, Z. Y.; SIMPSON, A. R. (1996). Messy Genetic Algorithms for Optimisation of

Water Distribution Systems. Research Report N. R 140. The University of Adelaide.
WU, Z.Y.; SIMPSON, A. R. (2001). Competent Genetic-Evolutionary Optimization of
Water Distribution Systems. Journal of Computing in Civil Engineering, v. 15, n. 2, p.
89-101.
VAIRAVAMOORTHY, K.; LUMBERS, J. (1998). Leakage Reduction in Water
Distribution Systems: Optimal Valve Control. Journal of Hydraulic Engineering, v.
124, n. 11, p. 1146-1153, Nov.
VELDHUIZEN, D. V. (1999). Multiobjective Evolutionary Algorithms: Classifications,
Analyses, and New Innovations. Ph. D. Thesis. Air Force Institute of Technology,
Wright-Patterson AFB, OH 45433, USA.
ZYL, J.E. van; BORTHWICK, J.; HARDY, A. (2003). OOTEN: An Object-oriented
Programmers Toolkit for Epanet. Advances in Water Supply Management (CCWI
Computing and Control for the Water Industry & Watersave Network). Imperial
College, London, England.
ZITZLER, E. (1999). Evolutionary Algorithms for Multiobjective Optimization: Methods
and Applications. Ph. D. Thesis. Swiss Federal Institute of Technology Zurich.
ZITZLER, E.; THIELE, L. (1998). An Evolutionary Algorithm for Multiobjective
Optimization: The Strength Pareto Approach. Technical Report, 43, Zrich.
Switzerland: Computer Engineering and Networks Laboratory (TIK), Swiss Federal
Institute of Technology.
YANG, K. P.; LIANG, T.; WU, I. P. (1975). Design of Conduit System with Diverging
Branches. Journal of Hydraulics Division, v. 101, n. HY1, p. 167-188.
APNDICE A Algoritmos de busca de solues no dominadas
242
Algoritmo 1 - Esse algoritmo (Figura a.1) foi desenvolvido com objetivo de identificar o
nmero de solues que dominam uma determinada soluo i. Como o mdulo de
avaliao do MOGA necessita calcular o rank de cada vetor soluo, esse algoritmo faz
parte da implementao do MOGA.
INICIALIZAO
- Dimenso da populao: N
- Aloque vetor com dimenso N
i=1
No
Nmero de S olues
i < N que Dominam a
S oluo i
Sim
contador = 0
i = i +1
j=1
No
j <N
j = j +1 j = j +1
Sim j = j +1
Sim
j=i
No
vetor_contador[i] = contador
auxiliar = 0
iobj = 1
No
iobj < nmero de Sim

objetivos No contador = contador+1
auxiliar = 0
e
auxiliar = 0
iobj = iobj +1
Sim
No i melhor que j
segundo objetivo (iobj)
Sim
auxiliar = 1
Figura a.1 Algoritmo de busca de solues que dominam determinada soluo i

243
Algoritmo 2 Nesse algoritmo (Figura a.2), cada soluo i comparada com todas
outras solues na populao para verificar se essa soluo dominada por alguma
soluo na populao. Se for encontrada uma soluo que domina i, isso menciona que
existe no mnimo uma soluo na populao que melhor que i em todos os objetivos.
Conseqentemente a soluo i no pertence ao conjunto no dominado.
INICIALIZAO
- Declare varivel inteira: dimNs = 1
- Aloque vetor: P' com dimenso N
- P ' [0] = 0
- Declare um contador: i =0
j= 0
Verificar se a
Sim P[j] = i
Soluo i domina P[j]
No i = i +1
Verificar se a
j = j +1 Sim i<N Sim
Soluo P[j] domina i
No
No
Sim j+i < dimNS
No
j = j+1 Solues No
dimNS = dim NS +1 Dominadas
P[j] = i
i<N No
Sim
Figura a.2 Algoritmo de busca de solues no dominadas 2

244
Algoritmo 3 Esse algoritmo (Figura a.3) um dos mais eficientes em termos de custo
computacional. Todas as solues da populao so verificadas com uma populao de
solues no dominadas.
INICIALIZAO
- Aloque um vetor (flag) com
dimenso N
i=1
flag[i] = 0
Conjunto No Determinado
Sim
i < N i = i +1
No
j=1
Solues No
j<N
Dominadas ( flag [i] = 2)
No
Sim
j = j +1
i=1 flag[j] = 2
No Conjunto No Dominado
No Sim
i <N flag[j] = 0
i = i +1 Sim
Sim i = j ou
flag[i ]= 2 ou
flag[i] = 1
No
auxiliar = 0
iobj = 1
iobj < nmero de No Sim

flag[j] = 1
objetivos auxiliar = 0
Conjunto Dominado
e
auxiliar = 0
iobj = iobj +1
Sim
No
j melhor que i No
Sim
auxiliar = 1
Figura a.3 - Algoritmo de busca solues no dominadas 3
Algoritmo 4 - Esse algoritmo (Figura a.4) foi desenvolvido com objetivo de identificar o
nmero de solues no dominadas e classific-las em relao s frentes no
dominadas. Esse algoritmo utilizado no mdulo de avaliao do NSGA.
245
INICIALIZAO
- Aloque vetores (flag, frente) com
dimenso N
i=1
flag[i] = 0
Conjunto No Determinado
Sim
i < N i = i +1
No
contador = 0
i_frente = 1
No Frentes No
contador < N
Dominadas
Sim
j=1
No
j<N Fluxo A
j = j +1 Sim
j = j +1
flag[j] = 3
Sim
contador = contador + 1
No
i=1 flag[j] = 2
No
Conjunto No Dominado
No Sim
i<N flag[j] = 0
Sim
i = i +1
i = j ou
flag[i ]= 3 ou
Sim flag[i] = 1
No
auxiliar = 0
iobj = 1
iobj < nmero de No

Sim flag[j] = 1
objetivos auxiliar = 0
e Conjunto Dominado
auxiliar = 0
No
iobj = iobj +1 Sim
No
j melhor que i
Sim
auxiliar = 1
Fluxo A
Sim No
i_frente = 1 i=1 i<N i_frente = i_frente + 1
No
Sim
i=1
i = i +1 flag[i] = 2
No
i<N i_frente = i_frente + 1 Sim
frente[i] = i_frente i=1

Sim
i = i +1 flag[i] = 2
No
i = i +1 i<N
frente[i] = i_frente Sim

Sim
flag[i] = 3
flag[i] = 2
Conjunto Determinado
No
Sim
flag[i] = 0
flag[i] = 1
Conjunto Determinado
No
Figura a.4 Algoritmo de classificao de frentes no dominadas

ANEXO A - Descrio da pesquisa de campo e preparao dos dados para
determinao dos parmetros do modelo de vazamentos para o sistema real (Setor RF
1) da cidade de Campo Grande, MS
A1 MODELO SIMPLIFICADO REAL
objetivo do presente anexo ressaltar os testes realizados em campo durante o perodo

de 15 a 24 de Abril de 2003 e apresentar os dados resultantes dessa investigao de
campo. Prioritariamente, buscou-se obter dados referentes s presses atuantes no
sistema e vazo abastecida do setor para que tais dados fossem introduzidos em um
modelo de calibrao a fim de obter estimativas dos parmetros do modelo de
vazamentos.
A1.1 Preparao dos dados

Uma rede de distribuio de gua definida como sendo uma combinao de tubos,
componentes hidrulicos (bombas e vlvulas) e obras de arte (reservatrios e estaes
de bombeamento) interconectados com propsito de transportar gua potvel para
populao, em quantidade e qualidade satisfatria. As redes so representadas por ns
(caractersticas de localizaes especficas dentro do sistema) e ligaes (relaes entre
os ns). A preparao do modelo considerando todas estas tubulaes faz com que o
problema se torne complexo sob o ponto de vista computacional.
Na prtica, portanto, as tubulaes menores que 100mm ou muitas vezes iguais a

150mm so eliminadas (FAIR, GEYER e OKUN 1971) ou agrupadas e substitudas por
tubulaes equivalentes (JEPPSON 1982; WALSKI 1983a) de tal forma que a topologia
resultante possa ser representativa do sistema real. Se muitas tubulaes so removidas
durante este processo, o modelo resultante pode no representar adequadamente a rede
de distribuio.
Para obter resultados significativos, o modelador deve garantir que as posies das
vlvulas (completamente abertas ou fechadas) e as colocaes de vlvulas redutoras de
presso sejam corretamente representadas no modelo (EGGENER e POLKOWSKI
1976; RAO, MARKEL e BREE 1977).
248
Energia das Fontes de Abastecimento
As energias nos ns fonte devem ser determinadas com certo grau de acurcia. A
elevao de gua nos reservatrios e a energia proveniente das bombas podem ser
medidas com manmetros apropriados ou por um sistema de telemetria (reservatrios).
Consumo nos Ns de Demanda
A estimao correta da taxa de consumo nos ns de demanda de difcil compreenso.

A taxa de consumo de gua depende dos hbitos e propsito (industrial, residencial,
comercial, etc.) de consumo da populao que est contida na rea de influncia daquele
n e depende do perodo do dia. Deste modo, a estimao de demandas nos ns est
suscetvel a erros grosseiros e pode precisar de ajuste durante o processo de calibrao.
Coeficientes de Perda de Carga
Segundo EGGENER e POLKOWSKI (1976), o coeficiente de perda de carga de uma

tubulao em uma rede um parmetro que representa no apenas o atrito das
tubulaes, mais tambm outras causas da perda de carga tais como singularidades
(vlvulas e acessrios). Esse coeficiente depende tambm da velocidade do escoamento.
A interseo dos condutos se assemelha, em se tratando de condies operacionais, s
vlvulas desligadas e, portanto as perdas de ramificaes e intersees que so
apresentadas durante a operao normal so eliminadas durante os testes.
O RESEARCH COMMITTEE (1974) declarou que a maior fonte de erros, na

simulao hidrulica, estaria nas cargas assumidas nos ns e nas suas prprias
variaes, enfatizando assim o ajuste de consumo.
Procedimento geral de calibrao
O procedimento geral para calibrao de um modelo de redes, descrito por CHEUNG

(2001), dividido em cinco etapas:
1. Simplificar a rede desconsiderando dimetros menores que 150 mm salvo algumas

excees (ponta de rede, proximidades de reservatrios, mudana de dimetro, dentre
outros);
2. Dividir a rede em setores de rugosidade e/ou vazamentos, de forma que as estimativas

para cada setor de rede correspondam a um fator de ajuste global;
249
3. Obter dados cadastrais (consulta de informaes) referentes as: caractersticas

geomtricas das tubulaes (dimetros, rugosidades, comprimento e material) e
caractersticas dos componentes (vlvulas e bombas), elevaes topogrficas, consumos
nos ns, dentre outros;
4. Instalar medidores de presso e vazo (medidas preliminares de campo) na rede de

forma armazenar dados contnuos e obter dados (medidas preliminares de campo) dos
reservatrios (nveis) durante 24 horas atravs de telemetria ou atravs de medies em
campo;
5. Simular a rede (anlises atravs de computador) utilizando os dados de projeto para

obter valores das variveis de estado (presso e vazo) e compar-las (modelo de
calibrao) com os dados reais obtidos no campo. Se o ajuste aceitvel, a calibrao
finalizada, caso contrrio, volta-se a etapa de simulao ajustando novos valores (por
algum processo) e assim por diante, at que a convergncia seja satisfeita.
2
4 1
131
3
16
18
5
38
1419
13 17
37
35
48 101 36
41 12
102 39
11
49 42
40
43 10
47
50
105 45
95
44
46
104 51 9
52 56 8
106 94 93
103 58 53
116 57 54 55
92 91 96 59
107 32
108 128 90 83 82 100 65
7
60 64
61 31
84 66 67
109
117
85 62 63
112
99 81 69 68
89 88 21 22
113 111 70
80 71 76
110 118 119 97 26 6
114 87 98 15
72
121 120 23
79 73 20
115 86 24
74 3033 29 27
129 28
77
34
122 78 75
123 25
124
126 130
125
127
Figura A1.1 Modelo simplificado real
A1.2 Estudo de caso real: rede simplificada correspondente ao setor operacional

RF-1 da cidade de Campo Grande, MS
O sistema de abastecimento de gua da cidade de Campo Grande MS dividido em
20 setores operacionais e responsveis pelo atendimento de 706.442 mil habitantes de
250
(SANDIM et al., 2002). Especificamente, o sistema de distribuio RF-1/TH o setor

operacional que apresenta mais perda de gua, em mdia 48% (contemplando fsicas e
no fsicas), e por isso, est sendo objeto de estudo deste trabalho. Esse setor localiza-se
na regio norte do municpio de Campo Grande, sendo abastecido totalmente pelo
sistema integrado (compreende as regies da cidade cujo abastecimento tem como
fontes suprimento principais s captaes superficiais). Esse setor divido em: parte
alta (TH) e parte baixa (RF-1), e neste trabalho, apenas a parte baixa (setor RF-1) est
sendo investigada.
O suprimento de gua do setor de distribuio RF1 ocorre por meio de dois

reservatrios semi-enterrados, cada qual com um volume de armazenamento de 6000
m3. Esse setor responsvel pelo atendimento de aproximadamente 100.000 habitantes
(SANDIM et al., 2002) sendo a sua rede composta por PVC, cimento amianto e ferro
fundido.
Setor 1
2
4 1
131
3
16
18
5
38
1419
13
Setor 3 35
37
17
48 101 36
41 12
102 39
11
49 42
40
Setor 4 105
47
50
45
43 10
95
44
46
104 51 9
52 56 8
106 94 93
103 58 53
116 57 54 55
92 91 96 59
107 32
108 128 90 83 82 100 65
7
60 64
61 31
84 85 66 67
109
117 62 63
112
99 81 69 68
89 88 21 22
113 111 70
80 71 76
110 118 119 97 26 6
114 87 98 15
72
121 120 23
79 73 20
115 86 24
74 3033 29 27
129 28
77
34
122 78 75
123 25
124
126 130
125
Setor 2
127
Setor 5
Figura A1.2 Modelo simplificado real divido em setores de vazamento
A1.2.1 Simplificao da rede

Considerando que a rede de distribuio do setor RF-1 de grande escala, neste
trabalho foram desprezados tubulaes com dimetros inferiores a 100 mm (salvo
excees ora citadas) conforme procedimento geral descrito no item A1.1. O modelo
simplificado ilustrado pela Figura A1.1. Os dados referentes s caractersticas
251
geomtricas das tubulaes e aos componentes hidrulicos encontram-se no final desse

anexo.
A1.2.2 Diviso da rede em setores

Conforme procedimento geral de calibrao do modelo descrito no item A.1.1, a
segunda etapa refere-se diviso da rede em setores. Esses setores podem ser divididos
em termos de tubulaes de mesma rugosidade, em termos das caractersticas de trfego
e solo, em termos das caractersticas de consumo, em termos de reas de incidncia de
vazamentos. Neste trabalho, a rede foi divida em termos das reas de incidncias de
vazamentos conforme o mapa fornecido pela Companhia de Saneamento guas
Guariroba S.A., que se encontra no CD anexo. A Figura A1.2 apresenta o modelo
simplificado real divido em setores.
Os dados cadastrais da rede foram obtidos na prpria companhia de saneamento. As

demandas nos ns (Tabela A1.1) foram obtidas atravs de um base cadastral do ano de
1996 e transposta para ano de 2003 utilizando ndices de crescimento populacional
apresentados no plano diretor do sistema de abastecimento de gua (SANDIM et al.,
2002).
A1.2.3 Equipamentos para aquisio de dados

Dez medidores de presso (Metrolog NA Data Logger da Technolog) foram utilizados
para armazenar dados referentes s presses atuantes na rede durante o perodo de
observao (10 a 25 de Abril de 2003). A Figura A1.3 mostra o medidor de presso
acoplado a um equipamento (Psion) que serve de auxlio para extrao dos dados
armazenados nesses medidores. A Figura A1.4 mostra o computador porttil utilizado
para extrair os dados armazenados em campo.
Figura A1.3 Medidor de presso Figura A1.4 Computador porttil

252
Tabela A1.1 Demandas nos ns para modelo real simplificado

ID Elevao Bairro 1996 2003 ID Elevao Bairro 1996 2003
5 602.5 StaCarmelia 0,0 0,0 82 555 Petrpolis 6,6 7,8
10 598 StaCarmelia 4,7 5,3 87 545 Recanto 1,2 2,2
13 595 StaCarmelia 0,0 0,0 90 562.5 Petrpolis 1,4 1,7
14 587 Coophatrab. 0,5 0,6 91 564 Petrpolis 1,6 1,8
19 564 Coophatrab. 1,1 1,2 96 534.5 Popular 4,5 5,6
23 573 Panam 0,0 0,0 100 525 Popular 7,0 8,7
24 575 Panam 0,0 0,0 101 538 Sta Monica 0,6 0,8
25 575 Panam 4,1 7,6 102 536 Sta Monica 0,7 0,8
26 580.5 Panam 7,1 13,1 103 535 Sta Monica 0,4 0,5
27 585 Coophatrab. 0,0 0,0 104 534.5 Sta Monica 0,8 1,0
28 573 Panam 4,1 7,5 105 530 Petrpolis 8,7 10,2
29 571 Panam 1,5 2,7 106 539 Petrpolis 0,0 0,0
30 567 Petrpolis 0,9 1,0 107 544 Petrpolis 4,5 5,3
31 569 Petrpolis 3,5 4,1 108 545 Nova Cgde 5,0 7,8
32 571 Alba 0,9 1,7 109 539.5 Nova Cgde 0,0 0,0
33 571.5 Alba 2,4 4,5 110 542.5 Nova Cgde 5,3 8,2
34 576 Panam 0,0 0,0 111 542 Nova Cgde 0,0 0,0
35 578 Panam 4,2 7,8 112 541 Nova Cgde 0,0 0,0
36 583 Panam 0,0 0,0 113 532.5 Nova Cgde 1,2 1,9
37 580.2 Panam 6,2 11,5 114 525 Nova Cgde 2,0 3,0
38 581.5 Panam 2,1 3,9 115 522.5 Nova Cgde 2,3 3,6
39 578 Panam 5,0 9,2 116 575 Panam 0,0 0,0
40 571 Panam 0,0 0,0 117 574 Planalto 0,0 0,0
41 570 Alba 2,8 3,2 118 566 So Franc. 2,3 2,5
42 570 Alba 0,0 0,0 119 569 So Franc. 0,9 1,0
43 568 Alba 6,6 7,4 120 584 Planalto 5,7 10,4
44 572 Alba 4,9 5,5 121 585 Planalto 1,7 3,1
45 569 Alba 1,1 1,3 122 541.5 Petrpolis 0,1 0,1
46 571.5 Alba 0,0 0,0 123 572.5 Planalto 1,5 2,7
47 577 Planalto 0,0 0,0 124 542.5 Nova Cgde 0,0 0,0
48 581 Planalto 1,2 1,3 125 582 StaCarmelia 0,0 0,0
49 581.3 Planalto 6,4 7,0 126 577.5 Coophatrab. 0,4 0,5
50 581 Planalto 0,0 0,0 127 538 Popular 0,0 0,0
51 577.5 Planalto 0,0 0,0 128 573.9 Alba 0,0 0,0
52 576.5 Planalto 0,0 0,0 129 532 0,0 0,0
53 567.5 Alba 0,0 0,0 130 583.3 0,0 0,0
54 581 Planalto 11,1 20,5
55 579 Planalto 10,8 19,8
56 564.5 Planalto 0,0 0,0
57 570 Planalto 0,0 0,0
58 560 Planalto 0,0 0,0
59 557.5 So Franc. 0,9 1,0
60 560 So Franc. 1,7 1,9
61 570 So Franc. 6,0 6,7
62 583 So Franc. 0,0 0,0
63 594 Coophasul 0,2 0,2
64 562.5 Planalto 1,2 2,2
65 566 Planalto 5,1 9,4
66 564 Planalto 3,3 6,1
67 567 Planalto 9,1 16,7
68 619 Coophasul 0,0 0,0
69 565 Alba 2,3 2,6
70 565 Alba 0,8 0,9
71 567 Alba 0,0 0,0
72 564 Alba 0,0 0,0
73 568.5 Alba 7,9 8,9
74 565.5 Petrpolis 4,9 5,8
75 560 Petrpolis 0,6 0,7
76 561 Petrpolis 3,5 4,1
77 561.5 Petrpolis 4,5 5,3
253
A etapa de aferio de equipamentos de fundamental importncia para obteno de

dados confiveis. Os medidores de presso foram aferidos no laboratrio de Hidrulica
do Departamento de Hidrulica e Saneamento (EESC/USP) atravs de piezmetros.
Em relao s medidas de vazo, foram utilizados dados da Central de Controle de

Processos (CCP), que recebe informaes dos reservatrios e da vazo abastecida do
setor RF-1 atravs de um sistema de telemetria. Para alimentar o sistema de telemetria,
h um macromedidor eletromagntico instalado na sada do reservatrio (dois
reservatrios semi-enterrados funcionando como vasos comunicantes) e entrada na rede
de distribuio do sistema RF-1. H um aparelho de telemetria enviando informaes a
cada minuto, da vazo abastecida, para a CCP.
Para que as medidas fossem instantneas, ajustou-se o mesmo horrio de leitura de

ambos os aparelhos: medidores de presso e macromedidor eletromagntico. Os
medidores de presso foram ajustados para registrar presses em intervalos
consecutivos de 10 minutos. Esse ajuste, bem como a formatao dos dados, feito por
um software (GP2) fornecido pelo fabricante dos medidores de presso.
A1.2.4 Medidas de campo

Antes de realizar as medidas de campo foi realizada uma reunio com a equipe
responsvel pela companhia de saneamento (guas Guariroba S.A.) da cidade de
Campo Grande, de forma solicitar intervenes a serem realizadas no sistema.
Figura A1.5 Instalao de Medidor Figura A1.6 Medidor de presso
Para avaliar as vazes mnimas noturnas (avaliao de vazamentos), conforme algumas

metodologias propem, foi solicitada companhia a possibilidade de se manobrar o
registro de entrada da rede (setor RF-1). Entretanto, a companhia alegou que a manobra
desse registro no seria possvel devido a diversos fatores prejudiciais:
254
comprometimento do abastecimento, entrada de ar na rede, estabilizao do transiente

hidrulico, dentre outros fatores. Alm disso, foi solicitado que pelo menos um dia
nesse perodo de investigao no fossem realizadas manobras na rede para no
interferir nos dados de presso.
As tomadas de presso foram realizadas em cavaletes residenciais, conforme mostrado

nas Figuras A1.5 e A1.6. As diferenas existentes entre as cotas da rede e as cotas dos
cavaletes residenciais foram desprezadas.
Os pontos de instalao (pontos de amostragem) dos medidores de presso foram

escolhidos conforme mapa de incidncia de vazamentos fornecido pela companhia de
saneamento e apresentado no CD anexo. A Tabela A1.2 apresenta os pontos de
monitoramento conforme Figura A1.1.
Tabela A1.2 Pontos de monitoramento de presso

MONITORAMENTO DA SITUAO DE PRESSO NO SETOR RF-01 - COOPHASUL ZB
Ponto N Instalado em Retirado em
Endereo Observaes
Coleta Epanet DATA HORA DATA HORA
Rua Paracat, 1423 Antes da VRP
PONTO 1 128 11/7/2003 09:25 24/4/2003 15:30
B.Silvia Regina Rua Timteo
Rua Porto Carreiro, 39 Entre R.dos Caius

PONTO 2 86 11/7/2003 08:40 24/4/2003 14:50
Jd.Petrpolis e R.Itatiaia
Av.Cezar Augusto Telles, 2376 Entre R.Diva L.Albertini

PONTO 3 106 11/7/2003 10:40 24/4/2003 15:50
Vila Popular e R.Geraldo L. Moraes
Rua Baro de Ladrio, 122 Entre R.Ipanema e R.

PONTO 4 32 10/4/2003 16:15 24/4/2003 14:55
Vila Sobrinho Guaruj
Rua Bartra x Rua Juiz de Fora Instalado antes da VRP,

PONTO 5 14 10/4/2003 16:50 24/4/2003 16:20
Jardim Seminrio R.Juiz de Fora C/ Bartira
Rua Dr.Silvio de Andrade, 497 Entre a R.Augusto Severo

PONTO 6 6 16/4/2003 09:20 24/4/2003 14:25
Vila Planalto e R.Benjamim Constant
Avenida Tamandar, 249 Entre R. Paraibuna e

PONTO 7 25 15/4/2003 17:00 24/4/2003 14:45
Prx. Vila Petengil R. Piracicaba
Rua Flamengo em frente ao N

1276 Entre R.Pres.Arthur Bernar
PONTO 8 50 11/4/2003 08:15 25/4/2003 08:15
des e Pres.Delfim Moreira
Vila Almeida
Av.59, 402
PONTO 9 122 16/4/2000 15:00 24/4/2003 16:00 Entre R.49 e R.53
Nova Campo Grande
115 Rua Merced, 85 Entre R.Caravelas e
PONTO 10 11/4/2003 10:15 24/4/2003 15:55
B.Bosque Santa Mnica R.Monterrey
Como j mencionado, o perodo da investigao de campo foi entre 10 e 24 de Abril de

2003. Entretanto, entre os dias 10 e 16 as investigaes foram destinadas observao e
255
a verificao dos medidores de presso (trabalhando corretamente). Nota-se na Tabela

A1.2 que os medidores referentes os pontos 6, 7 e 9 foram reinstalados dia 15 e 16. Na
realidade, esses medidores foram instalados dia 10 e 11, mas como todos os pontos
eram percorridos diariamente, percebeu-se que os mesmos estavam registrando presses
desnecessrias. Por exemplo, o ponto 9 foi mudado de local pois estava registrando
presso a jusante da VRP (Figura A1.2 - Setor 5, prximo ao n 130). Foi verificado
atravs de inspeo diria que o ponto 6 no estava registrando presso da rede, mas,
presso de um sistema isolado (poo), por isso o medidor foi mudado de local. O ponto
7 foi mudado de local devido caixa d' gua da residncia anterior no possuir bia20.
A1.2.5 Simulaes hidrulicas

Procedimentos de calibrao de modelo de redes de distribuio de gua sempre devem
ser aplicados antes de qualquer anlise de reabilitao de redes (sistema existente), para
que o comportamento aproximado do sistema existente possa ser conhecido. Atravs do
conhecimento dos sistemas existentes possvel simular a hidrulica das redes de
maneira mais confivel.
Uma das formas de realizar anlises hidrulicas das redes existentes identificar os
parmetros para o modelo de vazamentos e incorpor-los nos modelos de anlises
hidrulicas. Para isso, necessrio que os dados obtidos sejam formatados e
organizados de tal maneira que os resultados esperados possam representar o
comportamento do sistema real. Optou-se por trabalhar com modelos para anlises de
redes em regime permanente, sendo necessrio que cenrios de consumo (por exemplo,
mnimo, mdio e mximo) sejam identificados e os parmetros representem os valores
mdios de vazamentos para o sistema. Com a introduo de vazamentos nas simulaes
hidrulicas as presses obtidas devem ser menores que aquelas obtidas nas simulaes
sem vazamentos.
As Figuras A1.7-A1.16 mostram as presses observadas nos ns monitorados. Esses

dados refletem o comportamento do sistema durante o perodo de monitoramento.
Atravs dessas ilustraes possvel identificar as manobras (presso prxima de zero)
realizadas na rede nos perodos noturnos. Esse tipo de ao comum em quase todos os
sistemas de abastecimento de gua no Brasil. Durante o perodo noturno a demanda
mnima, com isso, a presso torna-se elevada, e, como os vazamentos so proporcionais
20
Foi solicitado aos moradores das residncias nas quais os medidores de presso estavam instalados, que
no fechassem o registro durante o perodo de investigao de campo.
256
s presses, manobras na rede so necessrias como forma de minimizar as presses e,

consequentemente, os vazamentos. Os dados referentes s presses observadas podem
ser encontrados em uma pasta denominada DadosLoggers que est contida no CD de
dados incorporado no final desse trabalho.
Figura A1.7 Presses observadas (p. 1) Figura A1.8 Presses observadas (p. 2)
257
Durante o perodo de experimentao em campo foi observada uma mudana climtica

na cidade de Campo Grande - MS que registrou temperaturas dirias abaixo da mdia
258
tpica para o perodo. Como os cenrios de consumo variam em funo do clima, optou-
se por desprezar os dias (15 a 18 de Abril de 2003), em que as temperaturas ficaram
mais baixas que a mdia por no representar consumos tpicos do sistema. Assim,
determinou-se o perodo para anlises entre os dias 19 e 23 de Abril de 2003.
A primeira etapa para determinao dos cenrios de consumo a serem considerados na

calibrao foi avaliar as vazes abastecidas (entrada do setor) na rede de distribuio.
As Figuras A1.17-A1.21 mostram as vazes de entrada na rede de distribuio. Esses
dados foram fornecidos pela prpria companhia, que conta com um equipamento de
telemetria enviando informaes a cada minuto (via rdio).
2000 2000
1800 1800
1600 1600
Vazo Abastecida (m /h)

1400 1400
3
3
1200 1200
1000 1000
800 800
600 600
400 400
200 200
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
Figura A1.17 Vazo abastecida pelo Figura A1.18 Vazo abastecida pelo
reservatrio (19 04 2003) reservatrio (20 04 2003)
2000 2000
1800 1800
1600 1600
1400 1400
3
1200 1200
1000 1000
800 800
600 600
400 400
200 200
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
Figura A1.19 Vazo abastecida pelo Figura A1.20 Vazo abastecida pelo
reservatrio (21 04 2003) reservatrio (22 04 2003)
2000
1800
1600
1400
3
1200
1000
800
600
400
200
0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo
Figura A1.21 Vazo abastecida pelo

reservatrio (23 04 2003)
259
Observando as Figuras A1.17 e A1.19 pode-se constatar a presena de manobras no

registro de entrada do setor no perodo noturno. Segundo informaes da prpria
companhia, essas manobras so realizadas de forma a minimizar as perdas (minimizar
presso) no sistema, durante o perodo em que as presses so elevadas (consumo
baixo). Dessa forma, optou-se por analisar os dados do dia 20, 21 e 23, que apresentam
uma curva tpica da vazo de consumo e no apresenta manobras nos perodos de
demanda mxima. O horrio escolhido para representar o padro de consumo mnimo
foi 3:00 horas e o horrio escolhido como representativo ao consumo mximo foi 11:00
horas, podendo ser verificado atravs das Figuras (A1.17-A1.19).
A operao de manobras de registros na rede como forma de diminuir e at cessar o

abastecimento em algumas regies que registram presses elevadas em perodos
noturnos (presso alta) constatada atravs das Figuras A1.25, A1.27 e A1.28. Esses
pontos (4, 6 e 7), por pertencerem ao mesmo setor de rede (2 - Figura A1.2),
apresentaram o mesmo comportamento em termos de presses. A identificao das
manobras nesse setor (em perodos noturnos) verificada atravs das presses nulas
registradas pelos medidores de presso no dia 19 (Figuras A1.25, A1.27 e A1.28).
Valores para as variveis de estado do sistema podem ser obtidos verificando os dados
armazenados pelos medidores de presso durante a experimentao em campo. Esses
dados demonstram o comportamento do sistema e a operao diria realizada na rede.
Por exemplo, o ponto 5 (Figuras A1.26, A1.36, A1.46, A1.56 e A1.66), localizado
prximo (a montante) a uma vlvula redutora de presso (VRP), registrou presses
constantes de 30 m.c.a. Outro fato interessante observado foi a distino entre manobras
noturnas para minimizao de vazamentos (Figuras A1.25, A1.27 e A1.28) e manobras
de manuteno de redes (Figuras A1.42 e A1.52). Por exemplo, no dia 22 foram
constatadas vrias manobras realizadas na rede atravs dos dados armazenados pelos
medidores de presso. Essas manobras comprometeram o abastecimento dos setores 4 e
5 (Figuras A1.54, A1.60 e A1.61) e do setor 2 (Figuras A1.55, A1.57, A1.58) no
perodo entre 17:00 as 23:00 horas. Segundo informaes fornecidas pela CCP, nesse
dia houve um problema na captao e aduo do sistema. Os reservatrios apresentaram
nveis baixos para suprir a demanda diria, ento, tais manobras serviram como
limitadores de consumo em vrios locais do setor RF-1.
260
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
Figura A1.22 Presso Monitorada no ponto 1 Figura A1.23 Presso Monitorada no ponto 2
(19 04 2003) (19 04 2003)
80 80
70 70
60 60
50
Presso (mca)
50
Presso (mca)
40
40
30
30
20
20
10
10
0
0 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 -10
Tempo Tempo
(19 04 2003) (19 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(19 04 2003) (19 04 2003)
80 80
70 70
60 60
50
Presso (mca)
50
Presso (mca)
40
40
30
30
20
20
10
10
0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 0
-10 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(19 04 2003) (19 04 2003)
261
80.0 80.0
70.0 70.0
60.0 60.0
Presso (mca)
Presso (mca)
50.0 50.0
40.0 40.0
30.0 30.0
20.0 20.0
10.0 10.0
0.0 0.0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
Figura A1.30 Presso Monitorada no ponto 9 Figura A1.31 Presso Monitorada no ponto
(19 04 2003) 10 (19 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(20 04 2003) (20 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(20 04 2003) (20 04 2003)
80 80
70 70
60 60
50
Presso (mca)
50
Presso (mca)
40
40
30
30
20
20
10
10
0
0 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 -10
Tempo Tempo
(20 04 2003) (20 04 2003)
262
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(20 04 2003) (20 04 2003)
80.0 80.0
70.0 70.0
60.0 60.0
Presso (mca)
Presso (mca)
50.0 50.0
40.0 40.0
30.0 30.0
20.0 20.0
10.0 10.0
0.0 0.0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(20 04 2003) 10 (20 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(21 04 2003) (21 04 2003)
80 80
70 70
60 60
50
Presso (mca)
50
Presso (mca)
40
40
30
30
20
20
10
10
0
0 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 -10
Tempo Tempo
(21 04 2003) (21 04 2003)
263
80 80
70 70
60 60
50
Presso (mca)
50
Presso (mca)
40
40
30
30
20
20
10
10
0
0 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 -10
Tempo Tempo
(21 04 2003) (21 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(21 04 2003) (21 04 2003)
80.0 80.0
70.0 70.0
60.0 60.0
Presso (mca)
Presso (mca)
50.0 50.0
40.0 40.0
30.0 30.0
20.0 20.0
10.0 10.0
0.0 0.0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(21 04 2003) 10 (21 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(22 04 2003) (22 04 2003)
264
80 80
70 70
60 60
50
Presso (mca)
50
Presso (mca)
40
40
30
30
20
20
10
10
0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 0
-10 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(22 04 2003) (22 04 2003)
80 80
70 70
60 60
50
Presso (mca)
50
Presso (mca)
40
40
30
30
20
20
10
10
0
0 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 -10
Tempo Tempo
(22 04 2003) (22 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(22 04 2003) (22 04 2003)
80.0 80.0
70.0 70.0
60.0 60.0
Presso (mca)
Presso (mca)
50.0 50.0
40.0 40.0
30.0 30.0
20.0 20.0
10.0 10.0
0.0 0.0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(22 04 2003) 10 (22 04 2003)
265
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(23 04 2003) (23 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(23 04 2003) (23 04 2003)
80 80
70 70
60 60
50
Presso (mca)
50
Presso (mca)
40
40
30
30
20
20
10
10
0
0 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 -10
Tempo Tempo
(23 04 2003) (23 04 2003)
80 80
70 70
60 60
Presso (mca)
Presso (mca)
50 50
40 40
30 30
20 20
10 10
0 0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(23 04 2003) (23 04 2003)
266
80.0 80.0
70.0 70.0
60.0 60.0
Presso (mca)
Presso (mca)
50.0 50.0
40.0 40.0
30.0 30.0
20.0 20.0
10.0 10.0
0.0 0.0
00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20 00:00 03:20 06:40 10:00 13:20 16:40 20:00 23:20
Tempo Tempo
(23 04 2003) 10 (23 04 2003)
267
A2 DADOS DA REDE EXEMPLO 3 (SETOR RF-1)
Tabela A2.1 Dados da rede exemplo 3 (setor RF-1)

ID N 1 N 2 Comp. Diam. Coef. de ID N 1 N 2 Comp. Diam. Coef. de
m mm Hazen m mm Hazen
1 2 3 320 900 100 43 44 45 470 100 130
2 3 4 440 800 100 44 45 46 310 700 100
3 5 35 490 800 100 45 45 50 120 700 100
4 7 8 770 300 100 46 47 48 620 100 130
5 11 12 200 300 100 47 49 50 310 700 100
6 4 5 840 800 100 48 52 58 120 600 100
7 1 2 255 900 100 49 52 53 370 400 100
8 3 16 1860 500 100 50 60 61 120 400 100
9 16 14 1337 500 100 51 63 64 264 400 100
10 17 18 370 250 100 52 64 65 375 400 100
11 17 13 343 300 100 53 60 81 120 400 100
12 13 12 615 400 100 54 65 100 386 400 100
13 11 10 275 300 100 55 100 54 5 400 100
14 10 9 750 300 100 56 66 68 200 200 100
15 9 8 250 300 100 57 69 70 74 300 100
16 7 6 775 250 100 58 70 71 230 300 100
17 6 15 529 200 100 59 71 72 140 250 130
18 14 19 190 500 100 60 74 75 643 400 100
19 22 76 425 150 100 61 77 79 510 250 130
20 23 24 55 250 100 62 79 72 80 250 130
21 20 24 430 150 100 63 78 74 290 300 100
22 27 28 36 150 80 64 79 80 710 300 100
23 28 15 690 200 100 65 80 81 460 300 100
24 33 30 100 150 80 66 85 97 50 250 100
25 26 6 235 200 100 67 84 87 480 600 100
26 31 32 165 150 100 68 86 87 356 200 100
27 31 21 350 150 100 69 90 91 162 150 100
28 21 22 145 150 100 70 93 94 105 100 130
29 21 20 530 250 100 71 94 95 105 75 130
30 76 23 342 200 100 72 91 96 580 100 130
31 27 29 105 150 80 73 61 100 430 400 100
32 33 29 190 150 80 74 43 49 430 100 130
33 20 75 500 250 100 75 41 101 340 700 100
34 24 34 444 250 100 76 101 102 270 800 100
35 34 25 155 100 100 77 102 49 45 700 100
36 25 75 464 250 100 78 76 26 30 200 100
37 30 34 270 150 80 79 93 92 510 150 100
38 35 36 20 800 100 80 92 91 185 150 100
39 37 38 168 150 130 81 96 83 400 150 130
40 35 41 328 800 100 82 90 89 240 400 100
41 41 42 140 400 100 83 88 87 455 600 100
42 42 43 300 400 100 84 84 83 280 600 100

268
ID N 1 N 2 Comp. Diam. Coef. de ID N 1 N 2 Comp. Diam. Coef. de
m mm Hazen m mm Hazen
85 88 84 570 100 130 125 113 112 440 150 100
86 97 86 112 250 100 126 110 109 340 150 100
87 98 99 400 250 100 127 109 111 345 150 100
88 97 98 355 250 100 128 112 108 830 150 100
89 59 82 160 600 100 129 116 108 250 200 100
90 83 82 505 600 100 130 106 107 290 150 130
91 46 51 207 700 100 131 105 104 296 250 100
92 52 51 264 600 100 132 104 103 225 300 100
93 54 53 330 400 100 133 117 118 340 400 100
94 57 58 368 110 130 134 118 119 280 400 100
95 44 56 630 400 100 135 120 121 280 400 100
96 56 55 466 400 100 136 129 122 210 250 100
97 55 54 248 100 130 137 123 122 240 200 100
98 55 65 145 400 100 138 123 124 560 200 100
99 59 58 446 600 100 139 127 125 640 150 100
100 60 59 496 100 130 140 126 125 567 150 100
101 66 63 352 200 100 141 121 129 525 400 100
102 63 62 464 400 100 142 119 120 210 400 100
103 62 61 590 100 130 143 128 117 740 400 100
104 62 69 81 400 100 144 128 103 800 300 100
105 73 72 330 300 100 145 124 130 1140 200 100
106 74 73 348 300 100 146 130 125 5 200 100
107 78 77 664 250 130 147 19 13 5 500 100
108 47 46 635 100 130 148 84 85 180 100 130
109 102 48 475 100 130
110 43 44 448 400 100
111 36 39 205 150 130
112 39 40 315 150 130
113 36 37 332 150 130
114 90 128 1030 400 100
115 70 81 570 100 130
116 54 57 244 100 130
117 66 67 154 200 100
118 131 1 5 900 130
119 89 88 515 400 100
120 105 106 960 250 100
121 106 116 360 250 100
122 108 109 60 200 100
123 113 114 230 150 100
124 114 115 150 150 100
View publication stats

Análise de Reabilitação de Redes de Distribuição de Água para Abastecimento Via Algoritmos Genéticos Multiobjetivo.

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Análise de Reabilitação de Redes de Distribuição de Água para Abastecimento Via Algoritmos Genéticos Multiobjetivo.

Uploaded by

Copyright:

Available Formats

See

Anlise de reabilitao de redes de distribuio

Article January 2011

Peter Cheung Luisa Fernanda Ribeiro Reis

SEE PROFILE SEE PROFILE

The user has requested enhancement of the downloaded file.

ANLISE DE REABILITAO DE REDES DE

Tese apresentada Escola de Engenharia

ORIENTADORA: Profa. Associada Luisa Fernanda Ribeiro Reis

admiro e me orgulho, exemplo de esposa...

sentido de minha vida.

A Deus pelo dom da vida.

CHEUNG, P. B. (2003). Anlise de reabilitao de redes de distribuio de

Reconhecendo-se a importncia da gua como recurso natural limitado e considerando-

Palavras-chave: Redes de distribuio de gua, anlise de reabilitao, otimizao

CHEUNG, P. B. (2003). Rehabilitation analyses of the water distribution networks by

Keywords: Water distribution networks, rehabilitation analyses, multiobjective

Figura 2.1 Ns, ligaes e alocao de demandas ..................................................................... 6

Figura a.2 Algoritmo de busca de solues no dominadas 2 ............................................... 243

Figura A1.35 Presso Monitorada no ponto 4 (20 04 2003).................................................. 261

Tabela 3.1 Custos de reabilitao apresentados por HALHAL et al. (1997)........................... 57

A - Matriz de incidncia dos ns interiores; rea

Fmin - Funo de aptido mnima

- Coeficiente correspondente velocidade de bomba

- Coeficiente correspondente intensidade de falhas (modelo de HALHAL et al., 1997)

- Peso (modelo de HALHAL et al., 1997)

5 PROPOSIO DE MODELO COMPUTACIONAL.......................................86

5.11.3 Rede exemplo 3.............................................................................................145

A perspectiva de crescimento do contingente populacional urbano sugere que as fontes

As mudanas nas condies fsicas dos elementos (tubulaes, acessrios e

Maior confiabilidade e eficincia na distribuio de gua podem ser obtidas atravs da

O projeto de abastecimento urbano atravs de redes hidrulicas constitui-se de uma

Nas dcadas passadas, os mtodos matemticos de otimizao serviram como

Recentemente, pesquisadores apontam desvantagens caractersticas dos mtodos de

O modelo computacional para anlise de reabilitao de redes de distribuio de gua

A segunda fase do modelo proposto, denominada etapa de avaliao, identifica solues

representam os mtodos mais eficientes e versteis encontrados na literatura at o

Face s necessidades prementes de ordem prtica j enfatizada, definem-se como

- anlise detalhada dos mtodos de reabilitao de redes da literatura;

- identificao e formulao dos objetivos mais promissores a serem perseguidos no

- implementao de cdigo computacional que utilize o ferramental bsico de

- realizao de simulaes computacionais que propiciem condies de comparao

Neste captulo so abordadas e discutidas algumas evolues e tendncias, referentes

2.1 Anlise de redes em regime permanente

como metodologia de resoluo, visando vantagens computacionais (convergncia)

A modelao matemtica em sistemas de distribuio de gua requer o uso de uma

Consumo D rea de Influncia Ligao Predial Trecho N

Figura 2.1 Ns, ligaes e alocao de demandas

As leis da fsica que governam o escoamento em condutos sob presso so a

sendo que Qi e Qj so as vazes das tubulaes com fluxo direcionado ao n (entrada) e

Na lei da conservao de energia, a diferena de energia entre dois pontos igual a

sendo um circuito (aberto ou fechado); h p a perda de carga do componente i

pertencente ao circuito ; hb a energia adicionada pela bomba no trecho i pertencente

A soluo do problema hidrulico obtida quando as equaes hidrulicas (eqs. 2.1 e

2.1.1 Formulao do problema

A formulao proposta por TODINI e PILATI (1988) utiliza o mtodo de Newton-

1979; SALGADO, TODINI e OCONNELL, 1988) so referidos na literatura por

Em geral, a formulao matricial para um problema de anlise de redes de distribuio

A11 M A12 Q A10 H 0

Sendo Q t = [Q1 , Q 2 , L , Q NT ] o vetor de vazes no conhecidas; H t = [H 1 , H 2 , L , H NN ]

o vetor de energias no conhecidas; H 0t = [H NN +1 , H NN + 2 , L , H NTO ] o vetor das energias

nodais conhecidas e q t = [q 1 , q 2 , L , q NN ] o vetor de demandas nodais conhecidas. NT

sendo que r a constante de perda de carga da tubulao e m o coeficiente de perda de