O desenvolvimento contemporâneo de automóveis leva em consideração diferentes fatores, como desempenho, viabilidade econômica, normas de segurança e emissões. No entanto, certos objetivos almejados competem entre si. Melhorar o desempenho ao impacto de um carro, muitas vezes, afeta negativamente em seu custo e desempenho. O uso de técnicas de otimização é uma boa alternativa quando se busca aumentar uma métrica sem comprometer outros resultados ligados a ela. O trabalho em questão foca especificamente na otimização paramétrica da longarina de veículos leves, que é um componente estrutural responsável por mitigar lesões em ocupantes em caso de colisões. Por conta de sua flexibilidade e precisão para esse tipo de fenômeno, os experimentos são realizados exclusivamente pelo método dos elementos finitos, que ´e usualmente empregado durante as etapas iniciais do desenvolvimento de um projeto. Apesar de a peça estudada possuir geometria simples, a natureza não linear dos experimentos, associado ao número extenso de iterações necessárias para a otimização, gera um alto custo computacional para a solução do problema. Com a finalidade de reduzir o tempo do processo de otimização, foi estudado o uso de três diferentes algoritmos de otimização. Paralelamente, analisou-se a viabilidade da aplicação de modelos de regressão chamados de meta modelos, cuja função principal é de reduzir o número de experimentos realizados. Explorou-se também o uso de planejamento de experimentos, responsável tanto por fornecer pontos para a composição dos meta modelos, quanto para propor projetos iniciais para as otimizações. Todas as otimizações foram capazes de propor longarinas com maior absorção de energia por unidade de volume, dentro de uma restrição de força de reação máxima. Porém, nenhum caso garantiu que a longarina possuísse o máximo desempenho possível dentro do domínio analisado. Apesar de limitações com relação à aderência das superfícies de resposta a determinados fenômenos físicos, a combinação de meta modelos com algoritmos de otimização diminuiu o tempo computacional em até 75%, ao mesmo tempo em que gerou longarinas com características mais desejáveis, quando comparadas aos resultados das otimizações sem os meta modelos.

The development of automobiles in the present day takes different factors into consideration, such as performance, economic viability, safety standards and emissions. However, certain desired objectives often compete with each other. Improving the crashworthiness of a car can negatively affect its cost and handling. The use of optimization techniques is a good alternative when improving one metric without deteriorating other results linked to it. This work aims specifically at parametrically optimizing the midrail of light vehicles, which is a structural part responsible for mitigating occupant injuries during traffic collisions. The experiments are conducted exclusively by the finite element method, known for its flexibility and precision for this kind of phenomenon, and it's often employed during the initial stages of a project development. In spite of the component's simple geometry, the non-linear nature of the experiments, associated with the number of iterations required for optimization, greatly increases the computational cost for solving the problem. In order to reduce the time of the optimization process, there was studied the use of three different optimization algorithms. In parallel, there was analyzed the feasibility of the use of regression models called metamodels, whose main role is to reduce the overall number of experiments. The use of design of experiments was also explored. It is responsible both for feeding data into the metamodels, and for proposing initial projects for the optimizations. All optimizations were able to offer midrails with greater energy absorption per unit of volume, within a maximum reaction force constraint. However, none of them guaranteed that the midrail had the maximum possible performance within the analyzed domain. Despite limitations regarding the response surfaces' adhesion to certain physical phenomena, the combination of metamodels with optimization algorithms reduced the computational time by up to 75%, while generating midrails with more desirable characteristics, when compared to the results of optimizations without metamodels.