Detalhes bibliográficos
Ano de defesa: |
2018 |
Autor(a) principal: |
Araldi, Jonatas Comparin |
Orientador(a): |
Corso, Leandro Luís |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Palavras-chave em Inglês: |
|
Link de acesso: |
https://repositorio.ucs.br/11338/4209
|
Resumo: |
A partir da necessidade de substituição, ou reparo, de estruturas ósseas humanas, a utilização de mini-implantes tem se tornado uma prática cada vez mais usual nos seres humanos. Mesmo com o desenvolvimento e pesquisa de métodos e materiais mais avançados tecnologicamente, alguns procedimentos ainda se tornam de difícil aplicação. A análise realizada no próprio paciente acaba se tornando inviável e invasiva. Este trabalho apresentou uma metodologia para criação de modelos computacionais tridimensionais de estruturas ósseas a partir de tomografias computadorizadas. Foram realizados estudos de distribuição de tensão de von-Mises em um modelo global de uma mandíbula visando identificar as regiões submetidas a estresse. Posteriormente, a metodologia foi implementada utilizando o método de algoritmos genéticos para encontrar a melhor orientação de mini-implantes mandibulares osseointegrados, objetivando a minimização do valor médio da deformação no osso, recorrente de níveis elevados de tensões. Com o algoritmo de otimização foi possível encontrar ângulos de inserção ótimos do mini-implante em um modelo computacional gerado por meio de tomografias computacionais diminuindo o risco de falha do mini-implante por perda óssea. Por fim, um comparativo entre o método de algoritmo genético e o método de programação sequencial quadrática foi realizado, visando demonstrar a efetiva do algoritmo genético. O método de algoritmo genético apresentou baixa eficiência em relação ao método de programação sequencial quadrática por conta do custo computacional utilizado para a implementação da rotina, porém quando comparado as eficácias de cada método, o método de algoritmo genético apresentou um melhor valor de função objetivo, mostrando uma eficácia de 42%, maior. |