Trabalho de Conclusão de Curso

UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO
GRADUAÇÃO EM ENGENHARIA AGRÍCOLA E AMBIENTAL
IURI HONORIO SANTOS
TÉCNICAS ESTATÍSTICAS PARA ANÁLISE DE DADOS
DE OPACIDADE COM PROPORÇÕES DE BIODIESEL
JUAZEIRO – BA
2012
UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO
CURSO DE GRADUAÇÃO EM ENGENHARIA AGRÍCOLA E
AMBIENTAL
IURI HONORIO SANTOS
TÉCNICAS ESTATÍSTICAS PARA ANÁLISE DE DADOS
DE OPACIDADE COM PROPORÇÕES DE BIODIESEL
Trabalho de Conclusão de Curso,
apresentado à Universidade Federal do
Vale do São Francisco, Campus Ciências
Agrárias, como requisito da obtenção de
título de Bacharel em Eng. Agrícola e
Ambiental.
Orientador: Prof. Dr. Jorge W. Cortez
JUAZEIRO – BA
2012
S237t
Santos, Iuri Honório.
Técnicas estatísticas para análise de dados de opacidade com
proporções de biodiesel / Iuri Honório Santos. – Juazeiro, 2012.
48 f. : il. ; 28 cm.
Trabalho de Conclusão de Curso (Graduação em Engenharia
Agrícola e Ambiental) - Universidade Federal do Vale do São
Francisco, Campus Juazeiro – BA, 2012.
Orientador: Prof. Dr. Jorge W. Cortez.
Bibliografia.
1. Biodiesel – métodos estatísticos. 2. Poluição Atmosférica –
controle 3.. I. Título. II. Cortez, Jorge W.
CDD 662.88
Ficha catalográfica elaborada pelo Sistema Integrado de Biblioteca SIBI/UNIVASF
Bibliotecário: Renato Marques Alves
4
AGRADECIMENTOS
A Deus, o que seria de mim sem a fé que eu tenho nele.
A UNIVASF, em especial ao Colegiado, muito obrigado, pois todos de
alguma forma colaboraram para minha formação.
Ao amigo e orientador Prof. Dr. Jorge Wilson Cortez pelo incentivo,
ajuda, paciência e compreensão durante o curso de graduação.
Ao Laboratório de Processos Químicos pela produção do biodiesel e
disponibilidade do motor para o teste, em nome de sua coordenadora Profª.
Dra. Vivianni Marques Leite dos Santos.
A oficina Mecânica do curso de Eng. Mecânica da Univasf pela
disponibilidade das instalações para realização do teste.
Aos alunos da graduação Camila Coelho Guimarães e Davi Soares da
Silva e ao aluno de Mestrado em Engenharia Agrícola o Eng. Agrônomo Hideo
de Jesus Nagahama pela ajuda na realização do ensaio.
Aos meus familiares, em especial a minha esposa Sabrina da Cruz Silva
pelo apoio na realização deste trabalho. Um abraço aos meus queridos
professores.
Agradeço a DEUS simplesmente por tudo.
5
SANTOS, I.H. Técnicas estatísticas para análise de dados de opacidade
com proporções de biodiesel. 2012. 48F. Monografia, Universidade Federal
do Vale do São Francisco – UNIVASF, Juazeiro-BA.
RESUMO
TÉCNICAS ESTATÍSTICAS PARA ANÁLISE DE DADOS DE OPACIDADE
COM PROPORÇÕES DE BIODIESEL
A utilização do biodiesel em mistura, de diferentes proporções, com o
diesel em motores de combustão interna é uma técnica que ajusta reduzir a
emissão da opacidade (fumaça preta) na atmosfera, devido ao fato do biodiesel
ter características peculiares que o confere esse efeito na queima pelo motor.
O objetivo do trabalho foi comparar diferentes técnicas estatísticas com dados
de opacidade obtidos em ensaio prévio. O experimento foi realizado na
Universidade Federal do Vale do São Francisco – UNIVASF, Juazeiro (BA),
utilizando um tacômetro universal, um opacimetro de fluxo parcial, um motor
estacionário
monocilindro
de
4
tempos
e
diferentes
proporções
de
biodiesel/diesel. Foram utilizadas técnicas estatísticas como: análise descritiva,
análise de variância, controle estatístico do processo, análise multivariada –
agrupamento, para avaliar as emissões provenientes da queima das
proporções de biodiesel de 10% (B10), 15% (B15), 25% (B25), 50% (B50) e
75% (B75), com 10 repetições cada. Pela análise descritiva, análise de
variância e o dendograma (agrupamento) verificou-se que nas menores
concentrações de biodiesel (B5 e B15) os níveis de opacidade (fumaça preta)
foram maiores; e a partir da concentração de biodiesel de 25% (B25) foram
verificados os melhores (menores) índices de opacidade, tendo as amostras
sob controle, isto determinada por meio do controle estatístico do processo
(CEP).
Palavras-chave: Poluição atmosférica, biocombustíveis, testes estatísticos.
6
SANTOS, I.H. Statistical techniques for data analysis opacity with
proportions of biodiesel. 2012. 48F. Monograph, Federal University of São
Francisco Valley - UNIVASF, Juazeiro-BA.
ABSTRACT
TECHNICAL
ANALYSIS
STATISTICAL
DATA
FOR
OPACITY
WITH
PROPORTIONS OF BIODIESEL
The use of biodiesel blended in different proportions, with diesel in
internal combustion engines is a technique that adjusts to reduce the emission
of opacity (black smoke) in the atmosphere, due to the fact that biodiesel have
characteristics peculiar that gives this effect burning in the engine. The objective
of this study was to compare different statistical techniques with opacity data
obtained in testing. The experiment was conducted at the Federal University of
São Francisco Valley - UNIVASF, Juazeiro (BA), using a universal tachometer,
a partial flow opacimeter, an engine 4-stroke single cylinder stationary and
different proportions of biodiesel / diesel. Statistical techniques were used as
descriptive analysis, variance analysis, statistical process control, multivariate
analysis - grouping, to assess emissions from the burning of the proportions of
10% biodiesel (B10), 15% (B15), 25% (B25), 50% (B50) and 75% (B75), with
10 repetitions each. For the descriptive analysis, variance analysis and
dendrogram (cluster) found that lower concentrations of biodiesel (B5 and B15)
levels of opacity (black smoke) were higher, and from the concentration of 25%
biodiesel (B25) were checked the best (lowest) rate of opacity, and the samples
under control, it determined through statistical process control (SPC).
Keywords: Air pollution, biofuels, statistical tests.
7
LISTA DE FIGURAS
“Páginas”
Figura 1. Controlador serial utilizado no ensaio. .............................................. 25
Figura 2. Tacômetro universal para medição de rotação. ................................ 26
Figura 3. Medidor de opacidade – opacímetro de fluxo parcial. ....................... 27
Figura 4. Conjunto motor-gerador. ................................................................... 27
Figura 5. Distribuição de frequência com curva normal e box-plot para os
valores de opacidade: TOTAL (a), B5 (b) e B15 (c). ......................... 34
Figura 6. Distribuição de frequência com curva normal e box-plot para os
valores de opacidade: B25 (a), B50 (b) e B75 (c). ............................ 35
Figura 7. Teste de normalidade dos dados de opacidade (Ryan Joiner similar
ao Shapiro Wilk). ............................................................................... 36
Figura 8. Regressão polinomial para os dados de opacidade. ........................ 38
Figura 9. Carta de controle dos dados de opacidade para TOTAL (a), B5 (b),
B15 (c), B25 (d), B50 (e) e B75 (f). UCL: limite superior de controle;
LCL: limite inferior de controle; e X; média. ....................................... 39
Figura 10. Dendograma obtido por meio da análise multivariada –
agrupamento. .................................................................................... 41
8
LISTA DE TABELAS
“Páginas”
Tabela 1. Tratamentos utilizados de biodiesel e diesel. ................................... 28
Tabela 2. Limites máximos de opacidade em aceleração livre. ....................... 29
Tabela 3. Análise descritiva dos dados de opacidade (m-¹) considerando o total
e cada proporção de combustível. .................................................. 33
Tabela 4. Análise de variância dos dados de opacidade. ................................ 37
9
SUMÁRIO
“Páginas”
1.
INTRODUÇÃO .......................................................................................... 10
2.
REVISÃO BIBLIOGRÁFICA...................................................................... 12
3.
4.
2.1
Biodiesel .............................................................................................. 12
2.2
Biodiesel e emissões em motores........................................................ 13
2.3
Técnicas estatísticas ............................................................................ 16
2.3.1
Analise descritiva.......................................................................... 16
2.3.2
Análise de Variância e Regressão................................................ 21
2.3.3
Controle Estatístico do Processo (CEP) ....................................... 22
2.3.4
Analise descritiva.......................................................................... 23
MATERIAL E MÉTODOS.......................................................................... 25
3.1
Local .................................................................................................... 25
3.2
Equipamentos e insumos ..................................................................... 25
3.3
Parâmetros e condições de avaliação ................................................. 28
3.4
Técnicas estatísticas e análise dos dados ........................................... 29
3.4.1
Análise descritiva.......................................................................... 29
3.4.2
Análise descritiva.......................................................................... 30
3.4.3
Controle estatístico do processo (CEP)........................................ 30
3.4.4
Análise Multivariada ..................................................................... 31
RESULTADOS E DISCUSSÃO ................................................................ 32
4.1
Estatística descritiva ............................................................................ 32
4.2
Análise de Variância e Regressão ....................................................... 37
4.3
Controle estatístico do processo .......................................................... 38
4.4
Análise Multivariada ............................................................................. 40
5.
CONCLUSÕES ......................................................................................... 42
6.
REFERÊNCIAS ........................................................................................ 43
10
1. INTRODUÇÃO
Uma das maiores descobertas da humanidade foi o petróleo, chamado de
“ouro negro” é fonte de riqueza e desenvolvimento para aqueles países que o
detém em grandes quantidades, que são chamados autossuficientes em
produção e consumo interno ou, até mesmo, para exportação a outros países
que não tem produção ou possuem poucas fontes. Dentre os principais
produtores estão à Arábia Saudita, Rússia e EUA, aonde o Brasil,
recentemente, destaca-se no cenário mundial devido à descoberta das grandes
reservas de petróleo existentes no pré-sal.
Nesse sentido, a principal importância do petróleo está na enorme
capacidade de geração de energia, onde esse líquido precioso, armazenado
durante muito tempo e sob alta pressão, adquiriu grande potencial de
armazenamento energético. Do petróleo obtêm-se, por meio do complexo
processo de refinamento, vários subprodutos como o diesel, a gasolina e óleos
diversos. Uma das principais formas de aproveitamento energético do petróleo
é a utilização desses subprodutos (diesel e gasolina) na conversão da energia
química existente nesses, por meio da combustão, em energia mecânica em
automóveis.
Aproximadamente em 1900, Rudolf Diesel desenvolveu uma máquina
capaz de fazer, justamente, esta conversão de energia proveniente do petróleo
em energia mecânica. Assim, criava-se o motor de combustão interna, que
utiliza os subprodutos do petróleo – diesel e gasolina, e que iriam revolucionar
a forma de utilização energética.
O petróleo é extraído em camadas profundas no solo e com o passar do
tempo se foi descobrindo que a quantidade do mesmo era limitada. Conforme
sua escassez, os preços se elevaram, assim como, especificamente, o diesel
devido a pouca oferta e alta demanda. Além disso, conforme surgiu a
preocupação com o meio ambiente, devido as catástrofes naturais (furacões,
terremotos, tsunamis, aumento da temperatura média da terra, entre outros) foi
verificado que o diesel (derivado do petróleo), por meio da queima em motores
de combustão interna, liberam altos teores de dióxido de carbono (CO 2),
11
enxofre e outros gases e materiais particulados, também chamado de fumaça,
influem direta e prejudicialmente na qualidade da atmosfera terrestre e está
intimamente associado com um fenômeno natural de aquecimento da
temperatura da terra que é o “efeito estufa” - fenômeno onde os raios solares
incidem sobre a superfície terrestre e parte desses raios são absorvidas e
transformada em calor, e a outra parte deveria ser refletida para o espaço, mas
isso não ocorre porque uma camada de gases (poluição) existente sobre a
terra impede que isso ocorra, aumentando a temperatura média da terra.
Em consequência desses fatos, surgiram diversos estudos com relação a
produtos que possam substituir todo ou parcialmente o diesel. Como previu
Rudolf Diesel – onde o mesmo utilizou óleo vegetal na sua primeira
demonstração da utilização da sua invenção (o motor de combustão interna),
esses óleos de origem vegetal ou animal podem ser uma solução ao diesel
convencionalmente utilizado. Esses óleos, que não devem utilizados in natura
nos
motores,
passam
por
um
complexo
processo
chamado
de
transesterificação adquirindo características peculiares que passam a ser
chamados de biocombustíveis e podem ser misturados, ou até mesmo
substituir totalmente o diesel. As consequências deste processo de mistura ou
substituição do diesel com o biodiesel são de uma redução nos gases liberados
pela queima nos motores e, por o biodiesel ser um produto renovável
diferentemente do diesel, corrobora para uma exploração, do meio ambiente,
mais sustentável e equilibrada.
Ante o exposto, tomou-se como objetivo comparar técnicas estatísticas de
dados de opacidade obtidos em ensaio prévio.
12
2. REVISÃO BIBLIOGRÁFICA
2.1
Biodiesel
A partir da Crise Energética de 1973, com os aumentos desenfreados do
petróleo, originou-se um novo pensamento do mundo a respeito da produção e
consumo de energia, principalmente quando derivada de matérias-primas não
renováveis, como é o exemplo do petróleo, dentre vários combustíveis fósseis.
Essa crise representou um marco na história energética do mundo, pois o ser
humano passou a dar maior valor às energias, dispondo-as em evidência com
relação aos bens de sua coexistência. Com isso, o mundo passou a se dedicar,
cada vez mais, a conservar ou economizar energia e a utilizar fontes de
energias alternativas em relação às de combustíveis fósseis (PARENTE, 2003).
No Brasil, desde a década de 1970, quando foi lançado o Proálcool, o
etanol ganhou grande impulso e se tornou, definitivamente, uma fonte
importante de energia renovável. E devido a isso o País se tornou destaque no
cenário mundial por seu pioneirismo na introdução, em sua matriz energética,
de um biocombustível a partir da cana-de-açúcar: o etanol (PETROBRAS,
2012). Atualmente cerca de 45% da energia e 18% dos combustíveis
consumidos já são renováveis, e por isso o Brasil encontra-se numa condição
almejada por muitos países que buscam fontes renováveis de energia como
alternativas estratégicas ao petróleo, uma vez que 86% da energia mundial
vêm de fontes energéticas não renováveis (ANP, 2012).
Como as propriedades do óleo mineral, fluidodinâmicas (viscosidade e
densidade), assemelham-se as do biodiesel, na grande maioria das vezes não
há necessidade de adaptação ou regulagem no sistema de injeção dos
motores (BEZERRA, 2005).
Para Parente (2003) biocombustível é um combustível renovável,
biodegradável e ambientalmente correto que substitui o óleo diesel mineral,
constituído de uma mistura de ésteres metílicos ou etílicos de ácidos graxos,
obtidos da reação de transesterificação de qualquer triglicerídeo com um álcool
de cadeia curta, metanol ou etanol, respectivamente. E pelas semelhanças
13
fluidodinâmicas e termodinâmicas, o diesel e o biodiesel são equivalentes,
principalmente em relação à combustibilidade em motores diesel; Os consumos
nos motores são equivalentes; são miscíveis, permitindo misturas de várias
proporções, não havendo necessidade de modificação ou adaptação nos
motores; e nesse sentido, possui várias vantagens em relação ao óleo diesel
do petróleo como: não conter enxofre, ser biodegradável, não ser corrosivo, ser
renovável e não contribuir para o aumento do efeito estufa.
Conforme a ANP (2012), biocombustíveis são provenientes da biomassa
renovável que substituem, parcial ou totalmente, combustíveis derivados do
petróleo e gás natural em motores à combustão ou em outro tipo de geração de
energia.
Segundo Bilich e Silva (2006), o biodiesel é um combustível natural usado
em motores de compressão interna de ciclo diesel, produzido a partir de fontes
renováveis e que atende às especificações da ANP, podendo ser utilizado puro
ou em mistura com o óleo diesel, em qualquer proporção.
De acordo com a Lei nº 11.097 (BRASIL, 2005), o biodiesel é um
biocombustível derivado de biomassa renovável para uso em motores a
combustão interna de ciclo diesel ou para a geração de outro tipo de energia,
que possa substituir parcial ou totalmente combustíveis derivados de petróleo.
Segundo Barbosa et al (2008), comparado aos combustíveis derivados
do petróleo, o biodiesel possui características vantajosas, devido ao fato de ser
virtualmente livre de enxofre e de compostos aromáticos, possuir alto número
de cetano, teor médio de oxigênio, maior ponto de fulgor, menor emissão de
partículas (HC, CO e de CO2), caráter não tóxico e biodegradável, além de ser
provenientes de fontes renováveis.
2.2
Biodiesel e emissões em motores
Em 1895, Rudolf Diesel concebeu o motor de ignição por compressão,
que mais tarde foi denominado, em sua homenagem, de motor diesel. Durante
a Exposição Mundial de Paris, em aproximadamente 1900, um motor diesel foi
14
apresentado ao público funcionando com óleo de amendoim (PARENTE,
2003).
Entretanto, os combustíveis derivados do petróleo emitem gases
responsáveis por alterações na composição do ar atmosférico, entre eles estão
o dióxido de carbono (CO2), óxidos de nitrogênio (NOx), Metano (CH4),
hidrocarbonetos (HC), dióxido de enxofre (SO2), entre outros que fazem parte
do grupo dos Gases do Efeito Estufa (GEE’s), além do material particulado
(MP). Por outro lado, os biocombustíveis utilizam matéria prima renovável que
apresentam um potencial de emissão de GEEs e de material particulado menor
que os combustíveis fósseis mais utilizados, como a gasolina e o diesel. O
biodiesel possui características semelhantes ao diesel mineral e ainda confere
algumas vantagens em relação ao mesmo como maior viscosidade,
potencialmente livre de enxofre e de compostos aromáticos, alto número de
cetano, maior ponto de fulgor, caráter não tóxico e biodegradável (FERREIRA,
2010).
A poluição atmosférica pode ser definida como a presença de substâncias
estranhas na atmosfera, resultantes da atividade humana ou de processos
naturais, em concentrações suficientes para interferir direta ou indiretamente na
saúde, segurança e bem estar dos seres vivos. Pode ser de fontes naturais,
como queima acidental de biomassa (animal ou vegetal), e/ou de fontes
antropogênicas, como a queima de combustíveis fósseis nos motores à
combustão (CANÇADO et al, 2006).
Dentre os principais parâmetros para análise de uma atmosfera
equilibrada, está um importante fator que é o nível de fumaça (opacidade) que,
ocasionada da queima de combustíveis, determina a quantidade de gases e
compostos químicos (CO, CO2, enxofre, etc) presentes no meio, gases esses
que são agravantes à atmosfera e causadores do efeito estufa.
Em relação ao óleo diesel derivado do petróleo, o Biodiesel pode reduzir
em 78% as emissões líquidas de gás carbônico, considerando-se a reabsorção
pelas plantas. Além disso, reduz em 90% as emissões de fumaça e
praticamente elimina as emissões de óxido de enxofre (HOLANDA, 2004).
15
Com relação a emissões de poluentes na atmosfera, é possível inferir a
constituição da fumaça – partículas compostas de carbono resultante do
processo de combustão, sendo que quanto mais clara a fumaça (fumaça
branca), há evidências de maior quantidade de vapor d’água condensada e
combustível não queimado; e quanto mais escura a fumaça (fumaça preta), há
sinais de excesso de carbono resultante do processo de combustão e,
consequentemente, maiores serão os valores de opacidade e material
particulado da fumaça, estando esses dentre os principais parâmetros
indicadoras de qualidade do ar atmosférico (TECNOMOTOR, 2010).
Tabile (2008), avaliou o efeito de biodiesel de mamona no diesel interior
(quantidade de enxofre total máxima de 2.000 mg kg-1) e metropolitano
(quantidade de enxofre total máxima de 500 mg kg -1) em trator agrícola e
constatou que na linha do diesel interior quanto no diesel metropolitano,
verificou-se que a opacidade reduziu 22% à medida que aumentou a
quantidade de biodiesel, até a proporção de B75 (interior). Para o
metropolitano, o comportamento foi o mesmo, sendo a redução de 10,6%. Nos
dois tipos de diesel, a partir de B75, a opacidade voltou a aumentar,
especificamente para o metropolitano, em que B100 foi semelhante a B0.
Verificou-se, ainda, que o diesel metropolitano apresentou melhor resultado em
B0 e B5 (redução em relação ao diesel interior de 13,8 e 11,4%,
respectivamente). A partir de B15, o diesel interior se iguala ao metropolitano,
tornando-se notória a capacidade do biodiesel em reduzir a opacidade.
Teixeira, (2010), analisou as emissões e o desempenho de motores diesel
utilizando óleo diesel comercial, biodiesel de palma (B100) e misturas (BX) e
verificou que, em relação às emissões de CO2, o óleo diesel comercial (B3)
emite, em média, 8% a mais se comparado aos demais combustíveis testados.
Além disso, pode ser observado que as emissões de CO2 aumentam de acordo
com a carga a que o motor é submetido.
Camara (2009) analisou a opacidade em função da proporção de mistura,
e verificou que houve redução significativa com o acréscimo de biodiesel a
mistura, mesmo em pequenas quantidades, como na proporção B5, atingindo
uma melhoria de 50,4% comparando B100 com B0. E atribuiu esse fato à
16
menor emissão de material particulado quando se utiliza biodiesel, pois, no
referido biocombustível, há a presença de oxigênio livre na molécula, e, sendo
assim, aumenta a eficiência na combustão.
Para Liotti (2010), onde avaliou a opacidade da fumaça de trator agrícola
em função do uso de biodiesel de dendê e das condições climáticas, todos os
horários ensaiados, a opacidade da fumaça foi menor à medida que se
aumentou a quantidade de biodiesel. Tal fato aconteceu em virtude de o
biodiesel favorecer o processo de combustão no motor, sendo assim, a adição
de biodiesel de dendê no diesel mostrou-se como procedimento eficiente para
reduzir a opacidade da fumaça no motor do trator agrícola.
2.3
Técnicas estatísticas
Liotti (2010) utilizou análise de variância e o teste de comparação de
médias (tukey a 5% de probabilidade) para avaliar a variabilidade da opacidade
em função do uso de biodiesel de dendê.
Tabile (2008), em ensaio de opacidade, aplicou a análise de variância e
teste de médias (teste de Tukey a 5% de probabilidade) para avaliar os dados
de opacidade; além da análise de regressão para determinar o melhor ajuste
do comportamento de consumo de combustível no ensaio.
Passos (2010) utilizou o controle estatístico do processo (CEP) na
produção de ração animal e do óleo vegetal, extraídos do caroço de algodão.
Mingoti (2005) diz que, recentemente, os métodos multivariados têm sido
aplicados em um grande universo de áreas diferentes como: engenharia,
química, física, ergonomia, entre outras; e essas aplicações dessas técnicas
estão relacionada ao fato do grande número de softwares estatísticos com
módulos de análise multivariada implementados.
2.3.1 Análise descritiva
A estatística descritiva ou dedutiva é aquela encarregada dos primeiros
passos do processo estatístico, como a coleta, a organização e a descrição (ou
17
apresentação) dos dados. Esta etapa inicial pode ser resumida apenas como
organização e síntese dos dados.
Os principais parâmetros para serem avaliados são: média aritmética,
mediana, amplitude, mínimo, máximo, desvio-padrão, erro padrão da média, e
os coeficientes de variação, assimetria e curtose e o teste de normalidade.
Para Torezani (2004), podem-se determinar características de um
conjunto de dados por meio de medidas por apenas um número. Dentre essas
medidas estão: a média aritmética e a mediana, e descrevem a tendência
central que os dados têm de se agrupar em torno de certos valores.
A média pode ser considerada como a medida de posição ou medida de
tendência central e é calculada como a soma do conjunto de dados dividido
pelo número deles, da seguinte forma (equação 1):
x
x
(1)
n
em que,
x = média aritmética;
x = dados do conjunto;
n = número de elementos do conjunto.
A segunda medida de tendência central é a mediana (Med), que é o
valor que ocupa a posição central do conjunto dos dados ordenados (equação
2):
pos 
em que,
pos = posição da mediana;
n1
2
(2)
18
n = número de elementos do conjunto.
O processo para determinar a mediana é o seguinte:
 Ordenar os valores;
 Se o número de dados é ímpar, a mediana é o valor que está no
centro da série;
 Se o número de dados é par, a mediana é a média dos dois
valores que estão no centro da série.
Além da média ( x ) e mediana (Med), destaca-se, como medida de
posição a moda (Mo), que é o valor (elemento) mais frequente da distribuição.
Nesse contexto, existem outros importantes parâmetros, como medidas
de dispersão, que são: o desvio padrão, a variância e coeficiente de variação.
Para Pimentel-Gomes e Garcia (2002), a média aritmética, não permite avaliar
a dispersão. Existem formas simples de determinar essas variabilidades
(dispersão) dos valores em relação a média, onde se destaca a de considerar a
diferença entre o valor máximo ( Xmáx ) e mínimo ( Xmín ) da amostra, chamada
de amplitude total (equação 3):
At  Xmáx  Xmín
(3)
em que:
At = amplitude total;
Xmáx = maior valor da série;
Xmín = menor valor da série.
Outro parâmetro de análise de dispersão em relação à média é os
desvios de cada valor (x) em relação à média ( x ), isto é: di =
x – x . Logo, se
os desvios (di) forem baixos, teremos pouca dispersão; caso os desvios forem
19
altos, teremos elevada dispersão. A partir dos desvios, também chamado de
erros ou afastamentos, que podem ser positivos ou negativos, calcula-se a
variância (equação 4):
S² 
di²
(4)
n 1
em que:
S² = variância;
di = desvios;
n = número de elementos do conjunto.
Sendo quanto maior
S² , maior a dispersão dos dados amostrais, e para
melhor interpretar a dispersão de uma variável calcula-se a raiz quadrada
positiva da variância, obtendo-se o desvio padrão
S.
Para se determinar o intervalo de confiança ou precisão da média calculase do erro padrão da média (equação 5):
S( x ) 
S
r
(5)
em que:
S ( x ) = erro padrão da média;
S = desvio padrão;
r = repetições.
Segundo Martins (2005) enquanto a amplitude (At), a variância (S²), e o
desvio padrão (S) são medidas absolutas de dispersão, o coeficiente de
20
variação (CV) é o desvio padrão em porcentagem da média e mede a
dispersão relativa (equação 6):
CV 
S
.100
x
(6)
em que:
CV = coeficiente de variação;
S = desvio padrão;
x = média estimada.
A assimetria é o grau de deformação de uma distribuição em relação ao
eixo de simetria.
Segundo Medri (2011), embora as médias de posição e de variação
possibilitam descrever estatisticamente um conjunto de dados, é necessário
verificar como está se comportando de forma geral essa distribuição, o que é
possível por meio da distribuição de frequência e de histograma. Em uma
distribuição simétrica, a média ( x ), a mediana (med) e a moda (Mo) são iguais,
isto é, x = Med = Mo. Em uma distribuição assimétrica positiva ou assimétrica
à direita, a média é maior que a mediana, e esta, por sua vez, maior que a
moda ( x > Med > Mo), ao passo que, em uma distribuição assimétrica negativa
ou assimétrica à esquerda, a média é menor que a mediana, e esta, menor que
a moda ( x < Med < Mo).
Medri (2011) acrescenta que curtose é o grau de achatamento de uma
distribuição em relação a uma distribuição padrão denominada de curva
normal.
Segundo Rodrigues (2010) os testes aplicados para normalidade dos
dados, têm por objetivo direcionar o pesquisador, a saber, qual o tipo de teste
será utilizado, se paramétrico ou não paramétrico. Os testes usualmente
utilizados são Klomogorov–Smirnov, ou teste K-S, que é um teste tradicional de
normalidade, onde se compara a distribuição real dos dados (amostra) com
21
uma distribuição normal gerada por uma média e um desvio padrão
supostamente conhecidos (populacionais); e o teste de Shapiro-Wilks, ou teste
S-W, que vem sendo empregado com maior frequência e é uma boa opção
para se testar a normalidade de uma distribuição. E devido à capacidade de
adaptação do teste S-W a uma variada gama de problemas sobre a variação
da normalidade, este vem sendo preferido ao teste K-S.
2.3.2 Análise de Variância e Regressão
Para Martins (2005) a análise de variância trata-se de um método
estatístico que verifica se fatores (variáveis independentes) produzem
mudanças sistemáticas em alguma variável de interesse (variável dependente)
por meio do teste de igualdade de médias.
Segundo Anjos (2009), a ideia principal da analise de variância não é o
quanto as médias amostrais estão distantes, mas o quão distantes estão
relativamente à variabilidade de observações individuais. Esta técnica
estatística compara a variação resultante de fontes especificas com a variação
entre indivíduos que deveriam ser semelhantes. Em particular, testa se várias
populações tem a mesma média, comparando o afastamento entre as médias
amostrais com a variação existente dentro das amostras.
Segundo Rodrigues (2010) da mesma forma que o teste de KruskalWallis, o teste de análise de variância é um substitutivo ao teste F para análise
de variância paramétrica, sendo utilizado quando as amostras, cujas
observações podem verificar valores com acentuada variação e em cada
tratamento são constituídos blocos com a intenção de que isto resulte em um
pareamento considerável entres os diversos tratamentos.
Os tratamentos podem ser quantitativos, ou seja, podem ser dispostos
em uma ordem, como por exemplo, doses de nutrientes, quantidade de
lubrificante, níveis de temperatura, valores de opacidade, etc.; ou qualitativos
que não podem ser dispostos numa ordem, como variedades de plantas,
métodos de preparação de alimento, marcas de equipamentos e outros. O tipo
de tratamento tem importância na forma como os dados serão analisados.
22
Quando os tratamentos são quantitativos, pode-se usar, por exemplo, técnicas
de análise de regressão (ANJOS, 2009).
Para Martins (2005) a análise de regressão é usada com o propósito de
previsão, ou seja, tem o objetivo de desenvolver um modelo estatístico que
pode ser usado para prever valores de uma variável dependente em função de
valores de uma ou mais variáveis independentes e é representada por um
gráfico de dispersão. Existe a análise de regressão linear, que é uma dispersão
com equações mais simples, e análise de regressão múltipla que é utilizada na
maioria das aplicações práticas das regressões lineares e requerem modelos
mais complexos, às vezes necessitando de softwares estatísticos para serem
calculados devido ao trabalho para efetuaram-se os mesmos.
2.3.3 Controle Estatístico do Processo (CEP)
O CEP é definido como uma filosofia de gerenciamento, ou seja, um
conjunto de técnicas e habilidades provenientes da estatística e da engenharia
que tende a garantir a estabilidade e a melhoria contínua de um processo de
produção; visando, sempre, o controle e a melhoria do processo (VILAÇA e
OLIVEIRA, 2011).
Um processo está estável, ou operando sob controle estatístico, quando
a única fonte de variação é a de causas comuns. Esse controle não é uma
condição natural do processo, mas ela é obtida pela eliminação das causas
especiais de variação (COM ÊXITO, 2010).
O CEP trabalha com gráficos ou cartas de controle que permitem avaliar
se o processo está com o desempenho esperado ou se está fora de controle. O
objetivo destas cartas é detectar desvios de parâmetros representativos do
processo, reduzindo a quantidade de produtos fora de especificações e os
custos de produção (VILAÇA e OLIVEIRA, 2011).
As Cartas de Controle são gráficos onde possui uma linha central (LC)
que é a média ( x ) da estatística que está sendo controlada, a partir da qual
estabelecemos o Limite de Controle Superior (LCS) – soma da média mais 3
vezes o desvio padrão, e Limite de Controle Inferior (LCI) – soma da média
23
menos 3 vezes o desvio padrão, que nos permite uma visualização da
localização e dispersão do processo (MONTGOMERY e RUNGER, 2003).
Os limites extremos (distância de três desvios padrão da média) definem
uma área grande que vai evitar alarmes falsos. O desvio padrão utilizado é o
desvio padrão das médias (erro padrão), teoricamente o desvio padrão da
população dividido pela raiz quadrado do tamanho da amostra - σ/√n. Em
termos estatísticos, os dois limites de controle definem um intervalo de
confiança com nível de confiança de 99,73% (SAMOHYL, 2009).
2.3.4 Análise descritiva
A estatística multivariada se baseia no conjunto de métodos estatísticos
utilizados em que várias variáveis são medidas simultaneamente, em cada
elemento amostral. A estatística multivariada se divide em técnicas
exploratórias de sintetização (simplificação) da estrutura da variabilidade dos
dados e em técnicas de inferência estatística (MINGOTI, 2005). Dentro da
primeira técnica e sendo a mais utilizada, encontra-se, justamente, a análise de
agrupamentos que vem sendo empregada, nos últimos anos, diversas áreas
como engenharia florestal, experimentos agronômicos, medicina, sociologia,
administração, entre outras.
Segundo Johnson e Wichern, 1992; Cruz & Regazzi, 1994 citado por
Albuquerque (2005), a análise de agrupamento tem por finalidade reunir por
algum critério de classificação as unidades amostrais em grupos que exista
semelhança
ou
distinção
dentre
esses
grupos
objetivando
propor
classificações. Os objetos em um grupo são relativamente semelhantes, em
termos dessas variáveis, e diferentes de objetos de outros grupos; e envolve
basicamente duas etapas: a primeira se refere à estimação de uma medida de
similaridade ou dissimilaridade entre os indivíduos e a segunda, refere-se à
adoção de uma técnica de formação de grupos.
Entre as medidas de dissimilaridade, mais apropriada a variáveis
quantitativas, temos a distância euclidiana, a distância generalizada ou
ponderada e a distância de Minkowsky; Já entre as medidas de similaridades,
24
mais apropriada a variáveis qualitativas, temos o coeficiente de concordância
simples, coeficiente de concordância positiva, coeficiente de concordância de
Jaccard e a distância euclidiana média (MINGOTI, 2005).
Com a definição da medida de similaridade ou dissimilaridade a ser
utilizada, a etapa seguinte é a adoção de uma técnica de agrupamento para
formação dos grupos. Para realização desta tarefa, existem vários métodos
disponíveis, dos quais o pesquisador tem de decidir qual o mais adequado ao
seu propósito, uma vez que as diferentes técnicas podem levar a diferentes
soluções (SOUZA et al., 1997).
As técnicas de agrupamentos mais comuns e que se encontram na
maioria dos softwares estatísticos são: método de ligação simples (single
linkage), método de ligação completa (complete linkage), método da média das
distâncias (average linkage), método do centroide (centroid method) e método
de Ward.
O Dendograma ou gráfico em árvore representa uma síntese gráfica do
trabalho desenvolvido, sintetizando a informação. Esse gráfico é de grande
utilidade para a classificação, comparação e discussão de agrupamentos. Há
duas formas de se representar um dendograma: horizontal e verticalmente. No
dendograma horizontal, as linhas verticais, ou o eixo y, representam os grupos
unidos por ordem decrescente de semelhança, e a posição da reta, na escala
ou o eixo x, indica as distâncias entre os grupos que foram formados. O
dendograma é lido de cima para baixo, quando for feito na forma horizontal. No
dendograma vertical, a leitura é feita da direita para esquerda, no qual as linhas
verticais, ou o eixo y, indicam as distâncias entre os grupos que foram
formados, e a posição da reta na escala, ou o eixo x, representa os grupos
unidos por ordem decrescente de semelhança (VICINI, 2005).
25
3. MATERIAL E MÉTODOS1
3.1
Local
O experimento para a coleta de dados de opacidade foi, anteriormente,
realizado na Universidade Federal do Vale do São Francisco – UNIVASF,
Campus das Engenharias, Juazeiro (BA), conduzido pela equipe do Laboratório
de Máquinas e Mecanização Agrícola juntamente com a equipe do Laboratório
de Processos Químicos e de Engenharia Mecânica na oficina deste campus. A
altitude local é de aproximadamente 350 m.
3.2
Equipamentos e insumos
Na coleta de dados foi utilizado um controlador serial (Figura 1) da marca
Tecnomotor
(TM616)
que
permite
a
comunicação
com
os
demais
equipamentos com apenas 1 (uma) porta serial ao microcomputador. Como
acessórios deste equipamento foram utilizados: pinça indutiva e cabo de
alimentação (220 volts).
Figura 1. Controlador serial utilizado no ensaio.
1
A citação de marcas comerciais não implica em recomendação por parte do autor.
26
Foi utilizado um tacômetro universal (Figura 2) da marca Tecnomotor
(TM529) para fazer leituras de rotação do motor entre os limites de 300 a 9.990
rotações por minuto (rpm) acoplado a pinça indutiva do controlador serial.
Sendo o sinal da rotação obtido por meio de um sensor magnético.
Figura 2. Tacômetro universal para medição de rotação.
Foi utilizado um opacimetro de fluxo parcial da marca Tecnomotor (Figura
3) - modelo TM 133, para coletar os dados de opacidade, ou seja, a fuligem do
gás de escapamento, composta de carbono elementar.
O princípio de funcionamento do opacímetro é da seguinte forma: a
fumaça é captada por este por meio de uma sonda e levada até a câmara de
medição existente em seu interior, na câmara existe um emisssor que emite um
facho de luz (que é interceptado pelas partículas da fumaça) e um receptor
onde vai medir essa diferença entre a emissão e a recepção desse sinal de luz,
quantificando assim a opacidade. As medições foram realizadas com base no
coeficiente de absorção de luz (K) e têm como unidade m-¹. Como acessorios
deste equipamento foram utilizados: cabo de alimentação (220 volts), um cabo
serial (micro), um gabinete com entrada e saida de gás e um coletor de gás
(sonda). O equipamento funciona auxiliado por um software de inspeção
veicular denominado IGOR® da Tecnomotor que é ligado a um computador por
meio da porta serial do controlador serial.
27
Figura 3. Medidor de opacidade – opacímetro de fluxo parcial.
O motor estacionário (Figura 4) utilizado no ensaio foi da marca Branco
Diesel BD10.0 monocilindro de 4 tempos, com potência de 6,7 kW (9,07 HP) e
406 cilindradas que foi acoplado a um gerador de 35 Kva.
Figura 4. Conjunto motor-gerador.
28
A mistura biodisel/diesel foi produzida no Laboratório de Processos
Químicos da UNIVASF pelo processamento do óleo de soja comercial na rota
metílica, utilizando catalisador básico. Para obtenção do biodiesel foi utilizado
óleo de soja, metanol 99,8 P.A., hidróxido de sódio (NaOH) e silicato de
magnésio hidratado em uma mini usina com capacidade de produção até 15 L
por batelada. Na etapa de secagem foi utilizado magnesol como agente
secante.
O biodiesel foi designado segundo a nomenclatura padrão (Tabela 1),
exemplo: B5 considera-se 5% de biodiesel e 95% de diesel.
Tabela 1. Tratamentos utilizados de biodiesel e diesel.
Tratamento
B5
B15
B25
B50
B75
Biodiesel
Diesel
%
5
15
25
50
75
95
85
75
50
25
Para obter as proporções de misturas (B5, B15, B25, B50, B75) utilizouse diesel S-1.800 (quantidade de enxofre total máxima de 1.800 mg kg -1) obtido
nos postos da região, auxiliado por provetas de 1 L, funil e recipientes de 1 L
para cada mistura, para auxiliar no transporte até o local do ensaio e dois
recipientes de 20 L para material de descarte.
3.3
Parâmetros e condições de avaliação
O ensaio de material particulado ou opacidade é chamado de “Ensaio de
Aceleração Livre” conforme a norma NBR 13.037/1993.
O ensaio de material particulado foi com as proporções de combustível
com 10 repetições, medida pelo opacímetro de absorção de luz com fluxo
parcial ligado ao controlador serial e ligado ao computador portátil com
software.
29
Ao término de cada determinação, foi realizada a drenagem completa do
sistema de alimentação, evitando, com isso, a contaminação do ensaio
seguinte, seguido do novo abastecimento. Além disso, depois de trocado o
combustível, o motor ficou em funcionamento em torno de quinze minutos
antes do início de cada teste.
Os níveis de opacidade indicados por m-1 foram comparados utilizando a
norma do CONAMA 251/1999, citada na Resolução CONAMA 16/1995
(CONAMA, 1999) como pode ser visto na Tabela 2.
Tabela 2. Limites máximos de opacidade em aceleração livre.
Tipo de motor
Aspirado ou
Turboalimentado
Altitude
turboalimentado com
LDA(1)
Opacidade (m-1)
Até 350 m
1,7
2,1
Maior que 350 m
2,5
2,8
(1) LDA é o dispositivo de controle da bomba injetora de combustível para
adequação do seu débito à pressão do turboalimentador.
3.4
Técnicas estatísticas e análise dos dados
3.4.1 Análise descritiva
Inicialmente os dados foram analisados por meio da estatística
descritiva, para permitir a visualização geral do comportamento dos dados
(VIEIRA et al., 2002). Foram calculadas a média aritmética, mediana,
amplitude, mínimo, máximo, desvio-padrão, erro padrão da média, e os
coeficientes de variação, assimetria e curtose. Foram construídos gráficos da
distribuição de frequência, Box-plot e o teste de normalidade. A averiguação da
normalidade dos dados foi realizada pelo teste de Ryan-Joiner similar ao
Shapiro Wilk (teste K-W), por meio do software MINITAB, que busca testar
se os dados provêm ou não de uma distribuição normal. A escolha do teste de
Ryan-Joiner é devido a sua disponibilidade no software estatístico e por ser
30
superior, devido à semelhança ao teste K-S (SOARES, 2006), aos outros
testes disponíveis no software como Anderson-Darling e Kolmogorov-Smirnov.
Segundo Rodrigues (2010) o teste R de Ryan-Joiner é similar ao teste SW, pois ambos calculam o “coeficiente de correlação” entre os dados em forma
ordenada em um gráfico de probabilidade normal em relação aos pontos de
percentagem a partir da distribuição normal padrão. Caso este modelo seja
adequado o gráfico construído com os dados amostrais devem mostrar uma
linha reta.
3.4.2 Análise descritiva
Foi realizada a análise de variância para todas as avaliações, utilizando o
delineamento inteiramente casualizado e realizou-se análise de regressão
polinomial ortogonal quando os fatores quantitativos foram significativos pelo
teste de Fisher “F” a, pelo menos, 5% de probabilidade (PIMENTEL GOMES,
1987). Essas análises foram realizadas por meio do software “estat” - UNESP.
3.4.3 Controle estatístico do processo (CEP)
No controle estatístico do processo utilizaram-se as cartas de controle por
variáveis. As cartas de controle foram feitas a partir do limite inferior e superior
de controle. Para estimar as linhas médias e os limites dos gráficos de controle
foram usadas as equações 7, 8 e 9 (TRINDADE et al., 2000), calculadas
através do software MINITAB:
x
UCL    3
LCL    3
(7)

(8)
c2 n

c2 n
(9)
31
em que,
X : linha média;
 : média das médias dos subgrupos;
UCL: limite superior de controle;
 : desvio padrão;
c2: fator de ajuste à distribuição normal, tabelado em função de n;
n: tamanho da amostra;
LCL: limite inferior de controle.
Quando o cálculo do LCL resultou em valores negativos, considerou-se o
mesmo com valor nulo (LCL=0).
3.4.4
Análise Multivariada
Na análise multivariada os dados foram padronizados e em seguida as
análises multivariadas foram processadas, de modo que, cada variável ficou
com média nula e variância unitária. Assim, procedeu-se a análise de
agrupamento (hierárquica) conforme a metodologia proposta por Sneath e
Sokal (1973), e utilizado como coeficiente de semelhança entre pares de locais
a distância euclidiana. A estratégia de agrupamento adotada foi o método de
Ward. Assim, o objetivo da análise de agrupamento foi de encontrar a melhor
maneira de descrever os padrões de similaridades mútuas. O resultado da
análise foi apresentado em forma gráfica (dendrograma) que auxiliou na
identificação dos agrupamentos. Para esta análise foi utilizado o software
Estatística versão 7.0.
32
4. RESULTADOS E DISCUSSÃO
4.1
Estatística descritiva
Pela estatística descritiva (Tabela 3) verifica-se que na média os maiores
valores de opacidade (material particulado) foram encontrados para a
proporção B5 e B15, que apresentam as menores concentrações de biodiesel,
ou seja, com o aumento de biodiesel no diesel ocorreu diminuição da emissão
de material particulado.
Em relação ao coeficiente de variação (CV) as proporções avaliadas e
utilizando a classificação atribuída por Pimentel-Gomes (1987), as proporções
apresentaram CV baixo (CV < 20%) que demonstra a simetria dos dados.
A assimetria (As) pode ser avaliada pelo coeficiente de Pearson (As),
(Tabela 3), o qual demonstrou em todas as camadas apresentaram distribuição
assimétrica (|As|>0,15), sendo classificada como moderada (0,15<|As|<1,0)
para as proporções de B5, B15, B50 E TOTAL (média dos dados), e forte
(|As|>1,0) para as proporções de B25 e B75.
O coeficiente de curtose (k) observa o grau de achatamento da
distribuição (ACCIOLY,
2011).
Nesse caso,
os parâmetros avaliados
apresentaram k<2,63, o que classifica sua distribuição como leptocúrtica ou
alongada, ou seja, os dados apresentam menor variação e frequência modal
mais acentuada.
O teste de Normalidade de Ryan-Joiner foi também utilizado para avaliar
se os dados seguem distribuição normal, similar ao teste de Shapiro-Wilk, pois
ambos calculam o “coeficiente de correlação” entre os dados. Nesse tipo de
distribuição, é necessário que o coeficiente de correlação se aproxime de 1 e a
hipótese nula (H0: os dados seguem distribuição normal) seja aceita. A partir do
teste de Ryan-Joiner foi possível verificar que todas proporções e o total
apresentaram P > 0,050 (aceita H0), que os dados seguem distribuição normal.
33
Tabela 3. Análise descritiva dos dados de opacidade (m-¹) considerando o total
e cada proporção de combustível.
Parâmetros
TOTAL
B5
B15
B25
B50
B75
Média
9,3
11,2
10,8
7,2
9,3
7,9
EP
0,2
0,4
0,1
0,2
0,3
0,2
DP
1,7
1,4
0,4
0,6
0,9
0,6
Variância
3,1
2,0
0,2
0,4
0,9
0,3
C.V.
18,9
12,7
3,7
8,9
10,0
7,0
Mínimo
6,1
8,3
10,3
6,1
7,9
6,9
Máximo
12,8
12,8
11,5
7,9
10,3
8,6
Mediana
9,0
11,2
10,7
7,4
9,7
8,0
Amplitude
6,8
4,5
1,2
1,8
2,4
1,7
Assimetria
0,18
-0,78
0,55
-1,04
-0,46
-1,13
Curtose
-0,98
0,38
-0,01
-0,11
-1,77
0,34
Normalidade
R²
0,98
0,97
0,99
0,94
0,94
0,93
P
>0,10*
>0,10*
>0,10*
>0,10*
>0,10*
0,09*
EP: erro padrão da média; DP: desvio padrão; C.V.: coeficiente de variação (%); P:
probabilidade. *: distribuição normal pelo teste de Ryan-Joiner (Similar a Shapiro-Wilk).
**: distribuição não normal pelo teste de Ryan-Joiner (Similar a Shapiro-Wilk).
Pela distribuição de frequência (Figura 5), percebe-se que nas amostras
TOTAL, B5 e B15 seguem a linha normal. Em relação ao box-plot, na amostra
de B5 a mediana ficou em torno de 11,2 m-1 de opacidade, o valor máximo
obtido dentre as amostras foi de 12,8 m-1, e o mínimo de 8,3 m-1, sendo a
diferença entre o valor máximo e o mínimo a amplitude total dos dados – que
foi de 4,5 m-1 ; Além disso pode-se perceber que os dados estão distribuídos
com assimetria, tendo valores de opacidade mais altos do que baixos. Já na
amostra de B15 a mediana foi mais baixa, em relação a B5, com valor de
10,7 m-1 de opacidade, máximo de 11,5 m-1, mínimo de 10,3 m-1 e amplitude de
1,2 m-1. Semelhante à amostra B5, a de B15 apresentou a mesma assimetria,
sem valores atípicos.
34
13
10
12
8
Opacidade (m-¹)
Frequência
11
6
4
10
9
8
2
7
0
6.0
7.5
9.0
10.5
Opacidade (m-¹)
12.0
13.5
6
(a)
13
3.0
12
2.0
11
1.5
B5
Frequência
2.5
10
1.0
0.5
9
0.0
8
9
10
11
B5
12
13
14
8
11.6
3.0
11.4
2.5
11.2
2.0
11.0
1.5
B15
Frequência
(b)
10.8
1.0
10.6
0.5
10.4
0.0
10.0
10.4
10.8
B15
11.2
11.6
10.2
(c)
Figura 5. Distribuição de frequência com curva normal e box-plot para os
valores de opacidade: TOTAL (a), B5 (b) e B15 (c).
As amostras B25 e B50 (Figura 6) apresentaram frequências dispersas
em relação à linha de tendência central. Analisando o box-plot, a mediana da
amostra B25 ficou em torno de 7,4 m-1 de opacidade, o valor máximo obtido
dentre as amostras foi de 7,9 m-1, e o mínimo de 6,1m-1, sendo a amplitude
total dos dados de 1,8 m-1; observa-se ainda que os dados estão distribuídos
com assimetria, tendo valores de opacidade mais altos do que baixos. Na
amostra B50 a mediana foi mais alta, em relação a B25, com valor de 9,7 m-1
de opacidade, máximo de 10,3 m-1, mínimo de 7,9 m-1 e amplitude de 2,4 m-1.
Semelhante à amostra B25, a de B50 apresentou a mesma assimetria. Ao
35
contrário, em B75 as amostras apresentaram-se de forma simétrica, ou seja, os
valores acima e abaixo da mediana foram similares. As maiores emissões de
carbono elementar foram nas amostras de B5 e B15, e as menores proporções
emitidas foram nas amostras de B25, B50 e B75 com 7,4, 9,7 e 8,0 m-1 de
mediana, respectivamente; sendo B75 com a melhor simetria (box-plot) e
menor amplitude, ou seja, menor discrepância dentre valores máximos e
mínimos das amostras.
8.0
4
7.5
B25
Frequência
3
2
7.0
1
6.5
0
6.0
6.5
7.0
7.5
8.0
8.5
B25
6.0
4
10.5
10.0
3
9.5
2
B50
Frequência
(a)
9.0
1
8.5
0
8
9
10
11
8.0
B50
(b)
3.0
8.6
8.4
8.2
2.0
8.0
1.5
B75
Frequência
2.5
7.8
7.6
1.0
7.4
0.5
7.2
0.0
6.8
7.2
7.6
8.0
B75
8.4
8.8
9.2
7.0
(c)
Figura 6. Distribuição de frequência com curva normal e box-plot para os
valores de opacidade: B25 (a), B50 (b) e B75 (c).
36
No teste de normalidade (Figura 7) observa-se que os pontos
acompanham a linha central, o que indica a tendência de normalidade e
confirmada pelo teste (Tabela 3). A partir do teste de Ryan-Joiner foi possível
verificar que todas proporções e o total apresentaram P > 0,050 (aceita H0), ou
seja, que os dados seguem distribuição normal.
99
99
95
90
80
70
60
50
40
30
20
Porcentagem (%)
Porcentagem (%)
95
90
10
10
5
5
1
1
6
7
8
9
10
Opacidade (m-¹)
11
12
13
14
7
99
99
95
90
95
80
70
60
50
40
30
20
80
70
60
50
40
30
20
8
9
10
11
12
Opacidade (m-¹) para B5
13
14
15
90
Porcentagem (%)
Porcentagem (%)
5
10
10
5
5
1
10.00
10.25
10.50
10.75
11.00
11.25
Opacidade (m-¹) para B15
11.50
1
11.75
6.0
6.5
7.0
7.5
8.0
8.5
9.0
Opacidade (m-¹) para B25
99
99
95
90
95
90
80
70
60
50
40
30
20
80
70
60
50
40
30
20
Porcentagem (%)
Porcentagem (%)
80
70
60
50
40
30
20
10
10
5
5
1
1
7
8
9
10
Opacidade (m-¹) para B50
11
12
6.5
7.0
7.5
8.0
8.5
Opacidade (m-¹) para B75
9.0
9.5
Figura 7. Teste de normalidade dos dados de opacidade (Ryan Joiner similar
ao Shapiro Wilk).
37
4.2
Análise de Variância e Regressão
Verifica-se, na Tabela 4, que as diferentes proporções de biodiesel
influenciaram nos diferentes valores de opacidade, onde os maiores valores de
emissões de carbono elementar ocorreram nas menores proporções de
biodiesel no diesel (B5 e B15), as menores emissões ocorreram nas
proporções de B25 e B75, sendo B50 intermediário. Os dados de redução da
opacidade em motores estacionários com o aumento de biodiesel no diesel são
similares aos encontrados por Tabile (2008) e Liotti (2010) que confirmam que
há redução da opacidade com o aumento da concentração de biodiesel no
diesel em motores de tratores agrícolas.
Tabela 4. Análise de variância dos dados de opacidade.
Proporções de Biodiesel
Opacidade (m-¹)
B5
11,2 A
B15
10,8 A
B25
7,25 C
B50
9,2 B
B75
7,9 C
Teste de F
Proporções
39,65**
CV
9,3
** Significativo a 1% de probabilidade. CV.: coeficiente de variação (%).
Médias seguidas de mesma letra não diferem entre si, pelo teste de Tukey, a 5% de
probabilidade.
Na análise de regressão polinomial (Figura 8) verifica-se que o melhor
ajuste observado foi para a equação de 3º grau que apresentou significância no
teste com maior R². A curva apresenta os maiores valores de opacidade nas
menores proporções de biodiesel no diesel e que a partir de B25 há uma
tendência de estabilização.
38
14.00
12.00
Opacidade (m-¹)
10.00
8.00
6.00
4.00
y = -8E-05x3 + 0,01x2 - 0,40x + 13,43
R² = 0,68
2.00
0.00
0
20
40
60
80
Proporções de biodiesel (%)
Figura 8. Regressão polinomial para os dados de opacidade.
Considerando os limites preconizados de 2,5 m-¹ para a opacidade
(CONAMA, 1999), os atuais valores encontrados para o motor estão muito
acima do permitido. Na análise visual da fumaça, que apresentava cor preta, há
indícios de uma mistura rica, ou seja, excesso de combustível e pouco
oxigênio. Outro fato que pode ter ocasionado os altos valores, pode ser que
devido o motor ser novo, os componentes internos ainda não amaciados
podem provocar maiores emissões. Nesse caso, sugere-se nova avaliação da
opacidade deste motor após o mesmo ter trabalhado pelo menos 100 horas.
4.3
Controle estatístico do processo
As cartas de controle (Figura 9), para todas as amostras (B5, B25, B50 e
B75) estão sob controle, pois em todas as repetições oe valores de opacidade
encontram-se dentro dos limites de controle inferior (LCL) e superior (UCL)
caracterizando, assim, um padrão de comportamento estatisticamente estável
do processo.
39
1
13
17.5
1
1
UCL=16.36
1
UCL=11.877
15.0
Opacidade (m-¹) para B5
12
Opacidade (m-¹)
11
10
_
X=9.290
9
8
_
X=11.18
10.0
7.5
7
LCL=6.704
1
6
5
10
15
LCL=6.01
1
20
25
30
Observações
5.0
35
40
45
1
50
2
3
4
(a)
Opacidade (m-¹) para B25
11.5
11.0
5
6
Observações
7
8
9
10
(b)
9
UCL=12.052
12.0
Opacidade (m-¹) para B15
12.5
_
X=10.787
10.5
10.0
UCL=9.005
8
_
X=7.259
7
6
LCL=5.513
LCL=9.522
9.5
1
2
3
4
5
6
Observações
7
8
9
5
1
10
2
3
4
(c)
5
6
Observações
7
8
9
10
(d)
10
11.0
UCL=10.972
UCL=9.645
Opacidade (m-¹) para B75
Opacidade (m-¹) para B50
10.5
10.0
9.5
_
X=9.282
9.0
8.5
9
_
X=7.94
8
7
8.0
LCL=6.235
LCL=7.592
7.5
1
2
3
4
5
6
Observações
7
8
9
6
1
10
(e)
2
3
4
5
6
Observações
7
8
9
10
(f)
Figura 9. Carta de controle dos dados de opacidade para TOTAL (a), B5 (b),
B15 (c), B25 (d), B50 (e) e B75 (f). UCL: limite superior de controle;
LCL: limite inferior de controle; e X; média.
Segundo Werkema (1995), Pitt (1994) e Kume (1993), citado por Souza
(2002), se os pontos plotados da amostra situarem-se sempre dentro dos
limites e controle, não apresentado sequências de pontos acima ou abaixo da
média, nem tendências, dentre outras situações, caracterizam um processo
sob controle estatístico.
Para a análise TOTAL (Figura 9a) com todas as
proporções verifica-se que ocorreram pontos com um índice 1 fora dos limites
LCL e UCL, ou seja, são pontos que fogem do controle. Os pontos ocorreram
tanto para o limite superior como o inferior de controle. Individualmente as
40
proporções estão sob controle, pois seguem as variações da mesma proporção
e da demanda do motor.
4.4
Análise Multivariada
Pelo dendograma (Figura 10), observa-se que foram construídos 3
grupos distintos. O primeiro (Grupo I) formado por B50 e B5 que são
semelhantes devido a menor distância euclidiana; o segundo (Grupo II) por B15
isolado dos demais, e por último (Grupo III) as proporções de B75 e B25.
Poder-se-ia dividir também em apenas dois grupos para facilitar a análise, em
que as proporções B5, B15 E B50 formam um grupo (GI’) e B25 e B75 outro
grupo (GII’).
Na análise para dois grupos pode-se inferir que o GI’ apresenta as
maiores emissões de opacidade enquanto que o GII’ apresentam as menores
emissões. Assim, para o uso em motores estacionários as proporções
recomendadas seriam B75 e B25, mas considerando o custo do biodiesel, a
proporção B25 seria mais economicamente viável, entretanto, em relação às
questões ambientais a proporção B75 seria mais recomendada, pois por meio
de sua queima pelo motor essa proporção liberaria menos gases, como o
dióxido de carbono (CO2), e grande parte deste seriam reabsorvidos por meio
dos processos fisiológico dos vegetais.
41
5.5
5.0
Distância Euclidiana
4.5
4.0
3.5
3.0
2.5
2.0
B75
B25
B15
B50
B5
Figura 10. Dendograma obtido por meio da análise multivariada
agrupamento.
–
42
5. CONCLUSÕES
Pelos resultados obtidos e nas condições em que se desenvolveu este
trabalho, pode-se concluir que:
 Pela análise descritiva, análise de variância e o dendograma
verifica-se que nas menores concentrações de biodiesel (B5 e B15) e maiores
valores de diesel, os níveis de opacidade (fumaça preta) foram maiores e a
partir da concentração de biodiesel de 25% (B25) foram verificados os
melhores (menores) índices de opacidade.
 Em relação ao controle estatístico do processo (CEP) verifica-se
que as amostras estão sob controle, caracterizando assim um processo sobre
controle estatístico, com poucas variações durante a amostragem.
 Em relação às técnicas estatísticas, o melhor método ou que
melhor se adequou ao experimento foi a análise de variância com regressão,
pois mostrou diferença significativa entre os respectivos tratamentos,
caracterizando assim a influência das diferentes proporções de biodiesel em
relação a emissão de opacidade e significância, por meio da regressão, no
teste de R².
43
6. REFERÊNCIAS
ACCIOLY, C.V. Assimetria e Curtose (Aula 10). Disponível em: <
http://www1.eeg.uminho.pt/economia/priscila/intocaveis/FMIE04/links/assimetri
acurtose.pdf>. Acessado em 11 de abr 2011.
ALBUQUERQUE, M. A. Estabilidade em análise de agrupamento (cluster
analysis). 2005. 62f. Dissertação (mestrado em Biometria) - Universidade
Federal Rural de Pernambuco.
ANJOS. A. Estatística II. Departamento de Estatística. Universidade Federal do
Paraná. Curitiba. 2009. Pág. 112 – 121.
ANP – Agência Nacional do Petróleo. Biocombustíveis. Disponível em:
http://www.anp.gov.br/?id=470 Acesso em 28 de março de 2012.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS – ABNT. NBR-13.037 Gás de Escapamento Emitido por Motor Diesel em Aceleração Livre Determinação da Opacidade - Método de Ensaio. Rio de Janeiro: 1993. 4p.
BARBOSA, R. L; SILVA, F. M.; SALVADOR, N; VOLPATO, C. E. S.
Desempenho comparativo de um motor de ciclo diesel utilizando diesel e
misturas de biodiesel. Ciência e Agrotecnologia, Lavras, v.32, n.5, p.1588 1593, 2008.
BEZERRA, L. A. Previsão de Propriedades Físico-químicas da Mistura
Biodiesel de Soja-Diesel Mineral Utilizando mid/pls. 2005. 56f. Relatório de
Estágio Curricular, apresentado ao Departamento de Engenharia Química da
Universidade Federal de Pernambuco, como parte dos requisitos para a
obtenção do título de Engenheiro Químico. Recife – PE.
44
BILICH, F.; DASILVA, R. Análise da produção de Biodiesel utilizando
multicritério, In: CONGRESSO DA REDE BRASILEIRA DE TECNOLOGIA DE
BIODIESEL, 1. 2006, Brasília. Anais... Brasilia:RBTB, 2006.
BRASIL. LEI No 11.097, DE 13 DE JANEIRO DE 2005. Dispõe sobre a
introdução do biodiesel na matriz energética brasileira; altera as Leis nos
9.478, de 6 de agosto de 1997, 9.847, de 26 de outubro de 1999 e 10.636,
de 30 de dezembro de 2002; e dá outras providências. Diário Oficial da
União, Poder Executivo, Brasília, DF, 13 janeiro. 2005.
CAMARA, F.T. Biodiesel de dendê em trator agrícola: desempenho em
função do tempo de armazenamento e da proporção de mistura na
operação de preparo do solo. 2009. 106f. Tese (doutorado em Agronomia) –
Universidade Estadual Paulista, Faculdade de Ciências Agrárias e Veterinárias
Jaboticabal.
CANÇADO, J. E. D; BRAGA, A; PEREIRA, L. A. A; ARBEX, M. A; SALDIVA, P.
H. N; SANTOS, U. P. Repercussões clínicas da exposição à poluição
atmosférica. São Paulo (SP) Brasil: FMUSP, 2006. 07 p.
COM ÊXITO. Curso e-learning: CEP – Controle Estatístico de Processo [vídeo
aula].
São
Paulo,
[2009].
Disponível
em:
<http://www.comexito.com.br/cursos/cep-controle-estatistico-de
processos.asp>. Acesso em: 17 abr. 2012.
CONAMA - CONSELHO NACIONAL DO MEIO AMBIENTE. RESOLUÇÃO
CONAMA nº 251, de 7 de janeiro de 1999. Dispõe sobre os critérios,
procedimentos e limites máximos de opacidade da emissão de
escapamento dos veículos automotores do ciclo Diesel, em uso no
Território Nacional, a serem utilizados em programas de I/M. Diário Oficial
da União, Poder Executivo, Brasília, DF, n. 7, de 12 de janeiro de 1999, Seção
1, página 97.
45
FERREIRA, A. L. L. Quantificação e análise das emissões de gases da
frota da universidade federal rural do semi-árido, campus Mossoró. 2010.
43f. Monografia (Graduação em Engenheiro Agrícola e Ambiental)
-
Universidade Federal Rural do Semi-Árido – UFERSA, Departamento de
Ciências Ambientais e Tecnológicas para a obtenção do título de Engenheiro
Agrícola e Ambiental.
HOLANDA, A. Biodiesel e inclusão social / Ariosto Holanda. Brasília:
Câmara dos Deputados, Coordenação de Publicações, 2004. v.1. 200 p. Série
cadernos de altos estudos.
LIOTTI, C. G; LOPES, A; LIMA, L. P; CAMARA, F. T; GUIOTTO, F. A; KOIKE,
G. H. A. Opacidade da fumaça de trator agrícola em função do uso de
biodiesel de dendê e das condições climáticas. Faculdade de Ciências
Agrárias e Veterinárias, Campus de Jaboticabal, Engenharia Agronômica.
PIBIC/CNPq. 2010. 4f.
MARTINS, G. A. Estatística Geral e Aplicada. 3. Ed - São Paulo: Editora
Atlas, 2005. 421p.
MEDRI, W. Análise exploratória de dados. Londrina/PR, UEL. 2011. 82p.
MINGOTI, S. A. Análise de dados através de métodos de estatística
multivariada: uma abordagem aplicada. Belo Horizonte: Ed. UFMG, 2005.
297p.
MONTGOMERY, D.C; RUNGER, G.C. Estatística aplicada e probabilidade
para engenheiros. Rio de Janeiro: LTC, 2004. 463p
PARENTE.
E.J.S.
Biodiesel:
uma
aventura
engraçado. Fortaleza: Unigráfica, 2003. 68p.
tecnológica
num
país
46
PASSOS, F.G. Controle estatístico do processo (CEP) como Instrumento
para a tomada de decisão: estudo de caso em uma empresa de extração
de óleo Vegetal em Juazeiro-Ba. 2010. Monografia (Graduação em
Engenharia de Produção) – Universidade Federal do Vale do São Francisco –
UNIVASF.
PETROBRAS – Petróleo Brasileiro S/A. Biocombustível. Disponível em:
<http://www.petrobras.com.br/pt/energia-e-tecnologia/fontes-deenergia/biocombustiveis/> Acesso em: 28 de março de 2012.
PIMENTEL-GOMES, F; GARCIA, C. H. Estatística aplicada a experimentos
agronômicos e florestais: exposição com exemplos e orientações para
uso de aplicativos. Piracicaba: FEALQ, 2002. 309 p.
PIMENTEL GOMES, F. A estatística moderna na agropecuária. Piracicaba:
Associação Brasileira para Pesquisa da Potassa e do Fosfato, 1987. 162p.
RODRIGUES, W. C. Estatística Aplicada. 8° Ed. Revisada e Ampliada. Socal:
Editora, 2010. 70 p.
SAMOHYL, R. W. Controle Estatístico de Qualidade. Ed 1. Campus. Editora
Elsevier. 2009. 352p.
SNEATH, P.H.A. & SOKAL, R.R. Numeral taxonomy. San Francisco: W.H.
Freeman,1973. 573p.
SOARES, A.A. O índice de capacidade multivariado como instrumento
para avaliação do processo em uma operação de usinagem. 2006. 114f.
Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de
Santa Catarina - Departamento de Engenharia de Produção e Sistemas.
47
SOUZA, A. L.; FERREIRA, R. L. C.; XAVIER, A. Análise de agrupamento
aplicada à ciência florestal. Viçosa: SIF, 1997. 109 f.
SOUZA, G. R. Implantação do Controle Estatístico de Processos em uma
Empresa de Bebidas. 2002. 111f. Dissertação (Mestrado em Engenharia –
Ênfase em Qualidade e Desenvolvimento de Produtos e Processos) –
Universidade Federal do Rio Grande do Sul, Porto Alegre.
TABILE, R. A. Efeito de biodiesel de mamona no diesel interior e
metropolitano em trator agrícola. 2008. 88f. Dissertação (Mestrado em
Agronomia) - Universidade Estadual Paulista “Julio de Mesquita Filho”
Faculdade de Ciências Agrárias e Veterinárias Campus de Jaboticabal.
TECNOMOTOR, Tecnomotor Eletrônica do Brasil S/A. OPACECÍMETRO TM
138 12V . Manual de Instruções. São Carlos, 2001. Ed. 06/2010, 16p.
TEIXEIRA, C. V. Análise de emissões e desempenho de motores diesel
utilizando óleo diesel comercial, biodiesel de palma (b100) e misturas
(bx). 2010. 89f. Dissertação (Mestrado em Engenharia Mecânica) – Instituto
Militar de Engenharia, Rio de Janeiro.
TOREZANI, W. Apostila de estatística I. Vila velha. Faculdade Univila - Curso
de Administração. 2004. 59 p.
TRINDADE, C.; REZENDE, J.L.P.; JACOVINE, L.A.G.; SARTORIO, M.L.
Ferramentas da qualidade: aplicação na atividade florestal. Viçosa:
Universidade Federal de Viçosa, 2000. 124p.
VICINI, L. Análise multivariada da teoria à prática. 2005. 215f. Tese de
dissertação – Santa Maria : UFSM, CCNE, , 2005. 215 p. : il.
48
VIEIRA, S.R.; MILLETE, J.; TOPP, G.C. e REYNOLDS, W.D. Handbook for
geoestatical analysis of variability in soil and climate data. In: ALVAREZ V.,
V.H.; SCHAEFER, C.E.G.R.; BARROS, N.F.; MELLO, J.W.V. & COSTA, L.M.,
eds. Tópicos em ciência do solo. Viçosa: Sociedade Brasileira de Ciência do
Solo, v.2, p.1-45, 2002.
VILAÇA, A. C; OLIVEIRA, R. C. B. Comunicado Técnico 12 - Controle
Estatístico de Processo. Uberaba – Editora. 2011. 07 p.