El módulo Optimización te permite encontrar de manera eficiente las mejores soluciones de diseño, considerando la combinación de numeras variables y opciones, así como dos o más objetivos de desempeño (incluso contradictorios).
Cuando tratamos de encontrar la solución a un problema, hay una pregunta que solemos hacernos (o deberíamos): ¿Es esta la mejor solución posible? Y cuándo el problema es muy complejo, por ejemplo si estamos considerando muchas variables y opciones de diseño, responder a esa pregunta es extremadamente difícil.
El módulo Optimización, basado en el uso de algoritmos genéticos (que forman parte de la inteligencia artificial), te permite precisamente eso: encontrar de manera eficiente las mejores soluciones cuando hay numerosas variables y opciones de diseño. Además, y lo que es más importante, te permite considerar dos o más objetivos de desempeño que incluso pueden ser contradictorios, como incrementar la eficiencia energética pero manteniendo costes de construcción bajos.
Este módulo representa un punto y aparte respecto a los métodos usados tradicionalmente para evaluar diversas alternativas de diseño, como los análisis paramétricos. Y ya no digamos respecto a los procesos de simple prueba y error, que suelen ser extremadamente ineficientes. En síntesis, el módulo Optimización te permite:
- Desarrollar estudios de coste-beneficio, durante cualquier etapa de proyecto, con el objeto de determinar las opciones de diseño que mejor cumplen unos determinados criterios de desempeño, por ejemplo minimizar tanto los costes de construcción como las emisiones de carbono.
- Encontrar de manera eficiente, dentro de un amplio rango de alternativas, las soluciones de diseño que tienen mayor potencial energético, ambiental y económico.
- Desarrollar análisis de incertidumbre, que pueden ser útiles para determinar los niveles de confianza en los resultados de simulación.
- Llevar a cabo análisis de sensibilidad, para saber cuáles son las variables de diseño que tienen mayor impacto en los resultados de simulación, y cuales las que menos. Esto puede servir para descartar variables de diseño poco importantes y enfocarse en las que tienen mayor impacto.
Ejemplos de uso del módulo Optimización
En esta sección te mostramos algunos ejemplos del uso del módulo Optimización de DesignBuilder. Es una muestra pequeña, pero con ella te puedes dar una idea general sobre su potencial.
El primer ejemplo muestra los resultados del análisis de optimización desarrollado en la fase inicial del proyecto una vivienda. En este análisis, además de siete opciones de forma, se consideraron numerosas opciones de diseño relacionadas con la composición de los cerramientos y el acristalamiento, la proporción ventana-muro (WWR) y el uso de dispositivos de sombreado. En cuanto a los objetivos de desempeño, se estableció la reducción tanto de las emisiones operacionales de CO2 como de los costes construcción.
Nota: La combinación de todas las opciones de diseño arroja más de 170,000 soluciones posibles. Simular todas esas soluciones implicaría alrededor de 710 horas (casi un mes), incluso con una computadora potente. El análisis con algoritmos genéticos permitió encontrar las soluciones óptimas con unas 7,000 simulaciones, que se llevaron cerca de 29 horas.
La siguiente imagen muestra una gráfica de distribución con todas las soluciones simuladas, identificando mediante un color distinto las que corresponden a cada modelo geométrico. El eje X indica las emisiones de carbono, mientras que el eje Y indica los costes de construcción. Cabe resaltar la amplia variedad de resultados.
La imagen de abajo, por otra parte, muestra solo el frente de Pareto del modelo identificado como óptimo. También se resaltan las tres soluciones seleccionadas como las mejores, cuyas opciones de diseño y valores de desempeño se indican en una tabla. Estas soluciones ofrecen un buen balance entre eficiencia y coste, es decir, un buen desempeño energético con costes de construcción moderados.
Nota: Para generar las gráficas de arriba los resultados de DesignBuilder se han exportado al programa de exploración de datos Orange.
El segundo ejemplo ilustra el uso del módulo Optimización para encontrar las mejores soluciones para un edificio que funciona en modo pasivo. Dado que en este caso no se considera el uso de sistemas de climatización, y por lo tanto no hay consumos energéticos asociados, se ha empleado como indicador de desempeño el grado de confort. Así, el objetivo general del análisis fue reducir tanto el coste inicial de construcción como las horas de disconfort.
Las gráficas de abajo muestran los resultados de todas las soluciones simuladas durante el proceso de optimización. En cada gráfica se emplea una escala de colores para identificar la posición de las diferentes opciones de diseño de cuatro de las variables consideradas: el nivel de aislamiento, el nivel de masa térmica, la proporción de acristalamiento (WWR) y el tipo de vidrio usado en las ventanas. De esa manera es posible analizar la distribución de las opciones de diseño, y sobre todo identificar cuáles son las que predominan en el frente de Pareto, es decir, entre las soluciones óptimas.
Nota: Para generar las gráficas de arriba los resultados de DesignBuilder se han exportado al programa de exploración de datos Orange.
Entre las especificaciones más importantes del módulo Optimización de DesignBuilder se encuentran las siguientes:
- Emplea el algoritmo evolutivo NSGA2, en conjunto con el motor de cálculo de EnergyPlus, para identificar con mayor eficiencia las soluciones de diseño que mejor se ajustan a unos criterios de desempeño.
- A partir de la versión 6 cuenta con un nuevo motor de optimización y análisis paramétrico basado en la tecnología JEA.
- Detrás de escena, el programa ejecuta una serie de simulaciones y lleva a cabo un proceso de “selección natural” para identificar las opciones de diseño que al combinarse ofrecen el mejor desempeño. Las mejores opciones de diseño pasan de una “generación” a otra, hasta que se identifican las soluciones óptimas.
- Este método permite evaluar con precisión cientos e incluso miles de combinaciones de diseño en tiempos mucho menores que los requeridos por métodos tradicionales como el análisis paramétrico.
- En cada análisis de optimización se puede seleccionar simultáneamente hasta dos objetivos de diseño (por ejemplo minimizar costes y reducir emisiones de carbono), múltiples restricciones (por ejemplo un número máximo de horas de disconfort) y 10 variables de diseño (cada una con múltiples opciones o valores).
- Es posible seleccionar de entre 120 variables de diseño, entre las que se encuentran el tipo y cantidad de acristalamiento, los niveles de aislamiento y masa térmica, y el control de los sistemas de climatización, iluminación y ventilación natural.
- Un grupo de soluciones propuestas como óptimas (frente de Pareto), se pueden analizar gráfica y numéricamente para seleccionar las más adecuadas, de acuerdo con la prioridad asignada a cada objetivo de desempeño. Por ejemplo se puede priorizar el costo o el nivel de confort, o bien el balance entre costo y emisiones de carbono.
- El módulo está vinculado al Administrador de simulaciones, lo que permite llevar a cabo varios análisis simultáneamente en su propia computadora, en un sistema en red o en un servidor remoto de alto desempeño.
- Respecto a las funciones de análisis de incertidumbre y sensibilidad:
- Informes de alta calidad con histogramas para cada salida y entrada, los cuales explican la importancia de los resultados de análisis de incertidumbre y sensibilidad.
- Es posible emplear diversos métodos de muestreo y un amplio rango de distribuciones probabilísticas para los parámetros de entrada.
- Es posible incluir cualquier número de variables de diseño en el análisis, para cada una de las salidas seleccionadas.
- Análisis estadístico completo, que incluye informes de coeficientes de regresión, valores-p de significación estadística, desviación estándar, mediana, y mínimos/máximos, entre otros.
