TÉCNICAS ESTATÍSTICAS PARA ANÁLISE DE DADOS DE …tcc/000003/000003FD.pdf · produção e...

49
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

Transcript of TÉCNICAS ESTATÍSTICAS PARA ANÁLISE DE DADOS DE …tcc/000003/000003FD.pdf · produção e...

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

Ficha catalográfica elaborada pelo Sistema Integrado de Biblioteca SIBI/UNIVASF Bibliotecário: Renato Marques Alves

Santos, Iuri Honório.

S237t 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

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

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

3. 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

4. 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 (CO2),

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):

(1)

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):

(2)

em que,

pos= posição da mediana;

n

xx

2

1npos

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):

(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

XmínXmáxAt

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):

(4)

em que:

S² = variância;

di = desvios;

n = número de elementos do conjunto.

Sendo quanto maior ²S , 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 calcula-

se do erro padrão da média (equação 5):

(5)

em que:

)x(S = 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

1n

²di²S

r

S)x(S

20

variação (CV) é o desvio padrão em porcentagem da média e mede a

dispersão relativa (equação 6):

(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

100.x

SCV

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 Kruskal-

Wallis, 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 Biodiesel Diesel

%

B5 5 95

B15 15 85

B25 25 75

B50 50 50

B75 75 25

Para obter as proporções de misturas (B5, B15, B25, B50, B75) utilizou-

se 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.

Altitude

Tipo de motor Aspirado ou

turboalimentado com LDA(1)

Turboalimentado

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 S-

W, 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 (7)

ncUCL

2

3

(8)

ncLCL

2

3

(9)

31

em que,

: 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.

X

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

(a)

(b)

(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

Opacidade (m-¹)

Fre

quência

13.512.010.59.07.56.0

10

8

6

4

2

0

Opacid

ade (

m-¹

)

13

12

11

10

9

8

7

6

B5

Fre

quência

141312111098

3.0

2.5

2.0

1.5

1.0

0.5

0.0

B5

13

12

11

10

9

8

B15

Fre

quência

11.611.210.810.410.0

3.0

2.5

2.0

1.5

1.0

0.5

0.0

B15

11.6

11.4

11.2

11.0

10.8

10.6

10.4

10.2

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.

(a)

(b)

(c)

Figura 6. Distribuição de frequência com curva normal e box-plot para os valores de opacidade: B25 (a), B50 (b) e B75 (c).

B25

Fre

quência

8.58.07.57.06.56.0

4

3

2

1

0

B25

8.0

7.5

7.0

6.5

6.0

B50

Fre

quência

111098

4

3

2

1

0

B50

10.5

10.0

9.5

9.0

8.5

8.0

B75

Fre

quência

9.28.88.48.07.67.26.8

3.0

2.5

2.0

1.5

1.0

0.5

0.0

B75

8.6

8.4

8.2

8.0

7.8

7.6

7.4

7.2

7.0

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.

Figura 7. Teste de normalidade dos dados de opacidade (Ryan Joiner similar

ao Shapiro Wilk).

Opacidade (m-¹)

Porc

enta

gem

(%

)

141312111098765

99

95

90

80

7060504030

20

10

5

1

Opacidade (m-¹) para B5

Porc

enta

gem

(%

)

151413121110987

99

95

90

80

7060504030

20

10

5

1

Opacidade (m-¹) para B15

Porc

enta

gem

(%

)

11.7511.5011.2511.0010.7510.5010.2510.00

99

95

90

80

7060504030

20

10

5

1

Opacidade (m-¹) para B25

Porc

enta

gem

(%

)

9.08.58.07.57.06.56.0

99

95

90

80

7060504030

20

10

5

1

Opacidade (m-¹) para B50

Porc

enta

gem

(%

)

121110987

99

95

90

80

7060504030

20

10

5

1

Opacidade (m-¹) para B75

Porc

enta

gem

(%

)

9.59.08.58.07.57.06.5

99

95

90

80

7060504030

20

10

5

1

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

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.

y = -8E-05x 3 + 0,01x

2 - 0,40x + 13,43

R² = 0,68

0.00

2.00

4.00

6.00

8.00

10.00

12.00

14.00

0 20 40 60 80

Proporções de biodiesel (%)

Opacidade (m-¹)

39

(a) (b)

(c) (d)

(e) (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

Observações

Opacid

ade (

m-¹

)

5045403530252015105

13

12

11

10

9

8

7

6

_X=9.290

UCL=11.877

LCL=6.704

11

1

1

1

1

Observações

Opacid

ade (

m-¹

) para

B5

10987654321

17.5

15.0

12.5

10.0

7.5

5.0

_X=11.18

UCL=16.36

LCL=6.01

Observações

Opacid

ade (

m-¹

) para

B15

10987654321

12.0

11.5

11.0

10.5

10.0

9.5

_X=10.787

UCL=12.052

LCL=9.522

Observações

Opacid

ade (

m-¹

) para

B25

10987654321

9

8

7

6

5

_X=7.259

UCL=9.005

LCL=5.513

Observações

Opacid

ade (

m-¹

) para

B50

10987654321

11.0

10.5

10.0

9.5

9.0

8.5

8.0

7.5

_X=9.282

UCL=10.972

LCL=7.592

Observações

Opacid

ade (

m-¹

) para

B75

10987654321

10

9

8

7

6

_X=7.94

UCL=9.645

LCL=6.235

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

B75 B25 B15 B50 B52.0

2.5

3.0

3.5

4.0

4.5

5.0

5.5D

istâ

ncia

Euclid

iana

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 tecnológica num país

engraçado. Fortaleza: Unigráfica, 2003. 68p.

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-de-

energia/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.