Otimização multiobjetivo de misturas de concreto utilizando xgboost e algoritmo genético: uma abordagem sustentável baseada em IA

Página do item simplificado
dc.contributor.advisor1SILVA, Edilson Morais Lima e
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5216270980191539
dc.contributor.advisor1ORCIDhttps://orcid.org/0000-0003-4733-3200
dc.creatorSANTOS, Isaac Moraes dos
dc.date.accessioned2026-01-22T19:51:22Z
dc.date.available2026-01-22T19:51:22Z
dc.date.issued2025-09-16
dc.description.abstractThis work proposes an innovative approach for the multi-objective optimization of concrete mixtures, aiming to reconcile mechanical strength, cost reduction, and carbon footprint (CO₂) decrease. The methodology integrates the predictive XGBoost algorithm, with uncertainty quantification, and the NSGA-II genetic algorithm for optimization. XGBoost was refined to predict concrete strength, while NSGA-II explored solutions that balance multiple performance and sustainability objectives. The results demonstrate the effectiveness of the machine learning model in optimizing concrete mixtures, statistically and mathematically validating its precision and robustness compared to traditional methods. This study highlights the potential of artificial intelligence to enhance civil engineering, offering tools for more informed and sustainable decisions. Future steps include laboratory testing for practical validation of computational results, consolidating the applicability of the proposed approach in a real context.
dc.description.resumoEste trabalho propõe uma abordagem inovadora para a otimização multiobjetivo de misturas de concreto, visando conciliar resistência mecânica, redução de custos e diminuição da pegada de carbono (CO₂). A metodologia integra o algoritmo preditivo XGBoost, com quantificação de incertezas, e o algoritmo genético NSGA-II para otimização. O XGBoost foi refinado para prever a resistência do concreto, enquanto o NSGA-II explorou soluções que equilibram os múltiplos objetivos de desempenho e sustentabilidade. Os resultados demonstram a eficácia do modelo de machine learning na otimização de misturas de concreto, validando estatística e matematicamente sua precisão e robustez em comparação com métodos tradicionais. Este estudo destaca o potencial da inteligência artificial para aprimorar a engenharia civil, oferecendo ferramentas para decisões mais informadas e sustentáveis. Futuras etapas incluem a realização de ensaios laboratoriais para validação prática dos resultados computacionais, consolidando a aplicabilidade da abordagem em um contexto real. Palavra-chave: Otimização Multiobjetivo; Concreto; Machine Learning; XGBoost; Algoritmo Genético; Sustentabilidade; Resistência a Compressão; Traço de Concreto.
dc.identifier.citationSANTOS, Isaac Moraes dos. Otimização multiobjetivo de misturas de concreto utilizando xgboost e algoritmo genético: uma abordagem sustentável baseada em IA. Orientador: Edilson Morais Lima e Silva. 2025. 74 f. Trabalho de Curso (Bacharelado em Engenharia Civil) – Faculdade de Engenharia Civil, Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2025. Disponível em: https://bdm.ufpa.br/handle/prefix/9114. Acesso em:.
dc.identifier.urihttps://bdm.ufpa.br/handle/prefix/9114
dc.rightsAcesso Aberto
dc.rights.licenseAttribution-NonCommercial-NoDerivs 3.0 Brazilen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.source.uriDisponível na internet via correio eletrônico: bibliotecaitec@ufpa.br
dc.subjectOtimização multiobjetivo
dc.subjectConcreto
dc.subjectMachine learning
dc.subjectXGBoost
dc.subjectAlgoritmo genético
dc.subjectSustentabilidade
dc.subjectResistência a compressão
dc.subjectTraço de concreto
dc.subjectMulti-objective optimization
dc.subjectConcrete
dc.subjectMachine learning
dc.subjectXGBoost
dc.subjectGenetic algorithm
dc.subjectSustainability
dc.subjectCompressive strength
dc.subjectConcrete mix design
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA CIVIL
dc.titleOtimização multiobjetivo de misturas de concreto utilizando xgboost e algoritmo genético: uma abordagem sustentável baseada em IA
dc.typeTrabalho de Curso - Graduação - Monografia

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TC_OtimizacaoMultiobjetivaMisturas.pdf
Tamanho:
2.35 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Engenharia Civil - FEC/ITEC
Logo do RepositórioLogo do Repositório