0 оценок0% нашли этот документ полезным (0 голосов)
45 просмотров14 страниц
O documento discute modelagem estatística, planejamento de experimentos e análise fatorial. Inclui exemplos de como esses métodos são aplicados em engenharia química para otimizar a produção de etanol e tratar efluentes industriais.
O documento discute modelagem estatística, planejamento de experimentos e análise fatorial. Inclui exemplos de como esses métodos são aplicados em engenharia química para otimizar a produção de etanol e tratar efluentes industriais.
O documento discute modelagem estatística, planejamento de experimentos e análise fatorial. Inclui exemplos de como esses métodos são aplicados em engenharia química para otimizar a produção de etanol e tratar efluentes industriais.
Modelagem estatística é a aplicação de técnicas baseadas em
equações matemáticas para investigar a relação entre variáveis de um conjunto de dados, comumente contemplando algum elemento probabilístico.
Geralmente objetiva fazer inferência de um parâmetro a partir de
uma amostra utilizando: métodos matemáticos, amostras, testes de hipóteses, métodos de estimação, intervalos de confianças na maioria das vezes controlando um nível de confiança.
Alguns Modelos de Modelagem: Regressão Linear e não Linear,
Séries Temporais, Componente Principais (PCA), Análise de Sobrevivência, Análise de variância e de Covariância, Métodos Bayesianos de Estatística Espacial, etc.. I - Planejamento experimental: O planejamento experimental consiste em projetar um experimento de forma que ele forneça exatamente o tipo de informação que se deseja. Para isso precisa saber, primeiramente, o que é mesmo que está se procurando. Pode-se dizer que um bom experimentador é, antes de tudo, uma pessoa que sabe o que quer. Dependendo do que ele queira, algumas técnicas serão mais vantajosas, enquanto outras serão simplesmente inócuas. Para se tornar um bom experimentador, o experimentador precisa se questionar sobre: o que ele gostaria de ficar sabendo quando o experimento estivesse finalizado. II - Experimento fatorial: Um experimento fatorial consiste em um tipo de experimento planejado que permite observar os efeitos que vários fatores podem ter sobre uma resposta. Ao conduzir uma experiência, variando os níveis de todos os fatores, ao mesmo tempo, em vez de um de cada vez permite estudar as interações entre os fatores. Nesse método, se estuda mais de dois fatores ao invés de estudar um de cada vez. Em um experimento fatorial, todas as possíveis combinações dos níveis dos fatores são testadas. Por exemplo, se temos um fator A com dois níveis e um fator B com três níveis, teremos 2 x 3 = 6 combinações a serem testadas. Um exemplo de experimento fatorial na área de Engenharia Química é o seguinte: Foi utilizado como substrato caldo de cana, que é irrigada com vinhaça e rotineiramente utilizado na Destilaria Japungu, Santa Rita – PB, para a produção de etanol. Para isso fez-se uso de vários fatores, como: Brix do caldo in natura e do mostro, açúcares redutores totais (ART), nitrogênio totais, fósforo, com a finalidade de se chegar a melhor forma de se produzir etanol.
No final do experimento chegou-se à conclusão de que as fontes de
nutrientes nitrogênio e fósforo, na resposta rendimento e produtividade, na faixa estudada, só demonstraram efeito significativo de 1ª ordem, na variável fósforo, mostrando que o caldo de cana da variedade CB 453 já possui quantidades suficientes do nutriente nitrogênio para que ocorra uma boa fermentação. O modelo matemático probabilístico e empírico foi validado para a variável resposta produtividade e não para o rendimento e os teores alcoólicos obtidos nas fermentações não foram suficientes para causar inibição celular. III – Análise fatorial:
A análise fatorial é um método estatístico multivariado cujo objetivo é
agrupar p variáveis aleatórias, X1, ..., Xp, em grupos formados por variáveis fortemente correlacionadas. Tais grupos constituem os chamados fatores ou variáveis latentes. Os fatores são variáveis aleatórias não observáveis, preferencialmente em número inferior ao das variáveis originais. Este método requer a normalidade conjunta de F e de ε. Tendo em conta as hipóteses consideradas para modelo ortogonal, X − µ = ΛF + ε, apresentado na secção 3.1, tem-se X − µ ∼ Np(0,ΛΛT + Ψ). Prova-se também que a distribuição conjunta de X e F é Nm+p(0, ΣT) onde: Além disso, verifica-se que a distribuição condicional de F dado X = x, F|x, é normal multivariada com vetor média e matriz de variâncias-covariâncias dados, respetivamente, por:
De acordo com este método os scores fatoriais são obtidos encontrando
estimativas dos coeficientes na regressão multivariada dos fatores nas variáveis, ou seja, estimativas de Λ T (ΛΛT + Ψ)−1 . Desta forma, tomando como verdadeiras as estimativas de Λ e Ψ obtidas pelo método da máxima verossimilhança, os scores fatoriais para o j-ésimo indivíduo da amostra são as m componentes do vetor: Um exemplo de análise fatorial na área de Engenharia Química é o seguinte: Com o aumento das atividades industriais, há de forma direta, um aumento na geração de resíduos, e, em vista dessa realidade, cresce a necessidade do controle e tratamento dos mesmos, almejando o desenvolvimento sustentável. As indústrias de laticínios são importantes produtoras e, também, geradoras de resíduos – efluentes líquidos, que por sua vez, possuem elevada carga orgânica, sendo considerados materiais altamente poluidores. Diante disso, estudos vêm sendo elaborados visando o tratamento desses rejeitos de forma eficiente e economicamente viável.
Dentre eles, os Processos Oxidativos Avançados (POAs) são uma das
principais tendências em tratamento de efluentes, em especial o emprego da reação de Fenton. Esta reação acontece por meio do ataque de peróxido de hidrogênio (H2O2) à matéria orgânica na presença de sais de ferro, que atuam como catalisadores. Essa tem sido aplicada em sua forma homogênea, porém apresenta uma desvantagem: a geração de lama. Uma alternativa viável às desvantagens do emprego desta forma é a reação em fase heterogênea que possibilita reutilizar o material em outras reações. Esses sistemas utilizam como fonte de ferro catalisadores sólidos, que, em combinação com peróxido de hidrogênio, promovem a oxidação da matéria orgânica.
Neste trabalho, foi analisada a aplicação do minério de ferro, a
hematita (Fe2O3), como catalisador na reação de Fenton. Os experimentos para estudo deste sistema foram realizados em batelada, de acordo com um planejamento fatorial estatístico (23 ), que avaliou a influência de três variáveis (pH, concentração inicial de hematita e de peróxido de hidrogênio). A eficiência deste processo foi comparada ao processo homogêneo.
Por meio da análise estatística, verificou-se que, nenhuma das
variáveis escolhidas como independentes teve significância na resposta obtida nos experimentos dentro dos valores dos limites das variáveis citadas em estudo. Para o planejamento, as condições mais favoráveis para redução de DQO (em torno de 65,0%), após 90 minutos de reação foram: pH 3.0, [Hematita] 1,0 g/L e [H2O2] 50 g/L, (DQO inicial 52 g/L). Um delineamento composto central rotacional foi realizado mantendo a variável [Hematita] constante (1,0 g/L) e observou uma melhor redução da DQO (em torno de 80,0%), após 90 minutos de reação, nos valores de [H2O2] 40 g/L e pH 2,5, indicando um ponto melhor para o emprego deste tipo de reação para este efluente.
III – Análise de Variância:
Análise de variância é uma técnica estatística que avalia afirmações sobre as médias de populações. Esta análise visa, verificar se há uma diferença significativa entre as médias e se os fatores influenciam em alguma variável dependente. Objetivo da Análise de Variância:
A análise de variância compara médias de diferentes populações com o
objetivo de verificar se essas populações possuem médias iguais ou não. Desse jeito, a análise de variância possibilita que vários grupos sejam comparados ao mesmo tempo. Ou seja, a análise de variância é utilizada quando se quer decidir se as diferenças amostrais observadas são reais (provocadas por diferenças significativas nas populações observadas) ou casuais (provocadas pela mera variabilidade amostral). Pode se concluir que, essa análise parte do pressuposto que o acaso só produz pequenos desvios, as grandes diferenças são geradas por causas reais. Um exemplo de análise de variância na área de Engenharia Química é o seguinte: Nos dias de hoje, existe uma demanda crescente de asfaltos modificados no Brasil, isso faz com que a pesquisa de novas alternativas de materiais poliméricos que satisfaçam os requisitos de desempenho e viabilidade financeira seja necessária. A partir deste contexto se encaixa este trabalho, que apresenta um estudo sobre os efeitos da modificação de dois tipos de asfaltos brasileiros (CAP 50/70 e CAP 30/45) pela adição do terpolímero de etileno-acrilato de metila-metacrilato de glicidila (EMGMA) e ácido polifosfórico (PPA). As formulações de asfaltos modificados foram definidas utilizando-se um planejamento experimental e a análise fatorial foi realizada para estudar os efeitos e interações dos fatores nas variáveis de resposta. As amostras foram caracterizadas pelos ensaios tradicionais (ponto de amolecimento, penetração, recuperação elástica e viscosidade rotacional) e por ensaios reológicos, incluindo-se os ensaios de fluência e recuperação sob tensão múltipla (MSCR). A partir dos ensaios tradicionais observou-se uma melhoria significativa nas propriedades elásticas do asfalto modificado em relação aos materiais originais. Os ensaios reológicos evidenciaram a melhoria no comportamento dos asfaltos base e o ensaio de MSCR apresentou menores valores de compliância não- recuperáveis e maiores percentuais de recuperação para as amostras modificadas, o que evidencia a melhoria na resistência à deformação permanente em misturas asfálticas. A análise de espectroscopia no infravermelho por Transformada de Fourier (FTIR) foi realizada para a investigação das interações envolvidas entre os asfaltos CAP, EMGMA e o PPA. Observou-se o desaparecimento de banda relacionada com os grupos epoxídicos do EMGMA, sugerindo uma reação dos mesmos com os grupos carboxílicos contidos na fração asfalteno, formando uma rede polimérica tridimensional que explica a melhoria das características apresentadas. Com a avaliação estatística dos efeitos foi possível concluir que o polímero EMGMA tem maior influência nas respostas estudadas, porém concluiu-se que o PPA também exerce influência significativa nas propriedades, além de existir interação significativa entre os fatores, concluindo-se que o PPA tem o papel de um comodificador no processo, sendo proposto um mecanismo de reação combinada entre o CAP, o EMGMA e o PPA. Bibliografia: • https://pt.slideshare.net/MarcusEstanislao/tabela-diferenas-e-convergncias- entre-estatstica-e-machine-learning • BARROS NETO, B., SCARMÍNIO, I. S., E BRUNS, R.E. Como fazer experimentos. 2ª. Edição. Bookman, 2001. • CARPINETTI, LUIZ C. R. Planejamento e análise de experimentos • http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100- 40422008000500024 • https://estudogeral.sib.uc.pt/bitstream/10316/33696/1/Analise%20fatorial_Fra nciscoCarvalho.pdf • https://www.ufsj.edu.br/portal2-repositorio/File/ppgeq/Dissertacao.pdf • https://pt.wikipedia.org/wiki/An%C3%A1lise_de_vari%C3%A2ncia • http://repositorio.unicamp.br/handle/REPOSIP/321503