1

Avaliao de Mtodos Matemticos Aplicados

Resoluo das Questes Propostas
Execuo
Incio: 29/04/2005
Trmino: 07/05/2005

Questo: Introduo.
1- Definies de sistemas de parmetros distribudos e agregados. D 2 exemplos de
cada sistema.
Sistemas de Parmetros Agregados (Lumped):
So aqueles nos quais as variveis no sofrem variao com relao ao
espao e as diversas propriedades de estado do sistema podem ser consideradas
homogneas ao longo do sistema (ele no muda com o tempo). No estado
Estacionrio, o sistema pode ser representado por Equao Algbrica Linear (EAL)
e Equao Algbrica No Linear (EANL).
No caso do estado Dinmico pode ser representado por Equao Diferencial
Ordinria (EDO)
Sistema de Parmetros Distribudos :
So aqueles que levam em considerao o comportamento das variveis,
ponto a ponto, por todo o sistema (ocorre uma variao espacial das variveis)
mudam com o tempo e o espao.
No estado Estacionrio, o sistema gera equaes Diferenciais Parciais (EDP)
bem como no estado Dinmico.
Exemplos:

Considerando o conceito de
estado de equilbrio em um
processo de destilao ou
extrao, usualmente assumese que o sistema age como um
todo e no so consideradas
variaes
de temperatura,
composio ou presso em
diversos pontos do sistema, ou seja, todas as variveis so agregadas dentro de
uma mdia.

Pode ser tambm citado, um tanque de mistura usado para misturar fluidos ou para
reaes qumicas, no qual a base de clculos parte de que no tanque dos fluidos, por

2
exemplo, se misturam perfeitamente e que o volume total do tanque consiste em um
material homogneo que o mesmo fluido de sada.
No sistema distribudo:

Reator tubular de leito fixo. Onde tem variao axial e radial.

Reator PFR.

Questo: Planejamento de Experimentos

Planejamento de Experimentos o adequado conjunto de prticas que tm como
base fundamental os conceitos estatsticos e matemticos.
Freqentemente, no processo de fabricao e na pesquisa e desenvolvimento de
indstrias qumicas, alimentcias e farmacuticas, se nos deparamos com problemas nos
quais devemos avaliar vrias propriedades simultaneamente e estas, por sua vez, sofrem
efeito de uma outra gama de fatores experimentais. Desta forma, quase que
inevitavelmente, chegamos s seguintes indagaes prticas:

Como investigar os efeitos de um nmero grande de variveis sobre o processo,

minimizando o trabalho necessrio e o custo dos experimentos?
Como melhorar a qualidade do produto resultante?
Em que faixa operacional deve funcionar o equipamento para maximizar a
produo?

Muitas vezes, fornecer respostas a essas perguntas pode no ser to simples, sendo uma
tarefa que toma vrios meses de trabalho, a um custo bastante alto em termos de salrios,
reagentes, testes fsicos, anlises qumicas, etc. Desta forma, a finalidade de um
planejamento estatstico para experimentos visa a otimizao destes fatores
preponderantes no trabalho. atravs dele que se pode responder s tais indagaes
iniciais.
Responder, ento, tais questes fazendo uso de conceitos de estatstica e matemtica
fundamental o princpio bsico desse mtodo. A metodologia de planejamento de
experimentos proposta de uma forma acessvel e prtica, de forma que essa ferramenta
possa apresentar condies de aplicao em diversos sistemas.
Vamos fazer a seguinte considerao:

Imaginemos um processo hipottico descrito da seguinte forma:

Nesse caso nosso hipottico processo uma situao em que gostaramos analisar a
influncia de algumas variveis como temperatura, quantidade de catalisador e
concentrao de um determinado reagente sobre o rendimento de uma reao qumica.
Fatores so as variveis envolvidas no sistema, tais como a temperatura (T),
quantidade de catalisador (Cat) e concentrao de um determinado reagente (C) que iro
afetar o rendimento da reao.
Resposta, neste caso, seria o rendimento desta reao.
Nesse caso, a obteno de uma relao, por mtodo estatstico nos forneceria uma
gama de dados que nos permitiriam responder questionamentos fundamentais sobre o
processo e como os fatores influenciam a resposta.
Aplicao: Planejamento estatstico com R.K em 4 ordem:
O sistema em questo um Reator CSTR com descrio dada abaixo:
CAo, FAo, To

Fco, Tco
QR

Fc, Tc

CA, FAo, T, CB

Consideremos, inicialmente, que nossa experimentao prtica , to somente, um

grupamento de simulaes computacionais com uso de algoritmo matemtico para

4
resoluo numrica de nosso problema. Tais simulaes foram compiladas pelo mtodo de
Runge-Kutta em 4 ordem .
Abaixo seguem as etapas de nosso trabalho neste problema:
i.
Construo do Algoritmo e cdigo fonte. O programa foi elaborado em Fortran,
cujo algoritmo e seu cdigo fonte podem ser encontrados abaixo;

REAL K,KC,K1VC,K2VC,K3VC,K4VC,K1VT
REAL K2VT,K3VT,K4VT,K1TJ,K2T,JK3TJ,K4TJ
CONDIES INICIAIS
CA=0.245
T=600.
TJ=594.59
V=48.
TIME=0.
VC=V*CA
VT=V*T
TJ0=530.
F0=40.
T0=530.
CAO=0.5
KC=4.
FJ=49.9
F=40.
DELTA=0.01
TPRINT=0.
DISTURBANCE
CA0=0.5
OPEN(UNIT=1,NAME='SAIDARANGE.XLS',STATUS='NEW',ERR=100)
WRITE(1,1)
WRITE(6,1)
1
FORMAT(' TIME CA T V F TJ FJ')
100
CONTINUE
FJ=49.9-KC*(600.-T)
F=40.-10.*(48.-V)
K=7.08E10*EXP(-30000./(1.99*T))
Q=150.*250.*(T-TJ)
DERIVADAS
VDOT=F0-F
VCDOT=F0*CA0-F*CA-V*K*CA
VTDOT=F0*T0-F*T+(30000.*V*K*CA-Q)/(0.75*50.)
TJDOT=FJ*(TJ0-TJ)/3.85+Q/240.
IF(TIME.LT.TPRINT)GO TO 10
WRITE(1,2)TIME,CA,T,V,F,TJ,FJ
WRITE(6,2)TIME,CA,T,V,F,TJ,FJ
2 FORMAT(1X,7F8.3)
TPRINT=TPRINT+0.2
CALCULO DE K1
10 K1VC=F0*CA0-F*CA-V*K*CA
K1VT=F0*T0-F*T+(30000.*V*K*CA-Q)/(0.75*50.)

5
K1TJ=FJ*(TJ0-TJ)/3.85+Q/240.
CALCULO DE K2
K2VC=F0*CA0-F*(CA+0.5*DELTA)-V*K*(CA+0.5*DELTA)-(0.5*DELTA*K1VT)
K2TJ=FJ*(TJ0-(TJ+0.5*DELTA))/3.85+Q/240.-(0.5*DELTA*K1TJ)
CALCULO DE K3
K3VC=F0*CA0-F*(CA+0.5*DELTA)-V*K*(CA+0.5*DELTA)-(0.5*DELTA*K2VC)
K3VT=F0*T0-F*(T+0.5*DELTA)+(30000.*V*K*CA-Q)/(0.75-50)
*-(0.5*DELTA*K2VT)
K3TJ=FJ*(TJ0-(TJ+0.5*DELTA))/3.85+Q/240.-(0.5*DELTA*K2TJ)
CALCULO DE K4
K4VC=F0*CA0-F*(CA+DELTA)-V*K*(CA+DELTA)-(DELTA*K3VC)
K4VT=F0*T0-F*(T+DELTA)+(30000.*V*K*CA-Q)/(0.75-50.)-(DELTA*K3VT)
K4TJ=FJ*(TJ0-(TJ-DELTA))/3.85+Q/240.-(DELTA*K3TJ)
CALCULO DE VC,VT,TJ
VC=VC+(DELTA/6.)*(K1VC+2*K2VC+2*K3VC+K4VC)
VT=VT+(DELTA/6.)*(K1VT+2*K2VT+2*K3VT+K4VT)
TJ=TJ+(DELTA/6.)*(K1TJ+2*K2TJ+2*K3TJ+K4TJ)
TIME=TIME+DELTA
CA=VC/V
T=VT/V
IF(TIME.LT.81)GO TO 100
STOP
END
Cdigo fonte do Algoritmo em Fortran

ii.

Promoveuse , ento, distrbios nas seguintes variveis de processo : CAo,To e

Fo ;

iii.

Aquisio de dados pelas simulaes em Fortran para a resposta (T),

considerando o estado estacionrio;

iv. Gerou-se um planejamento estatstico para o experimento/simulaes (planejamento

estrela- 2n+2n+n);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

-1
1
-1
1
-1
1
-1
1
-1,68
1,68
0
0
0
0
0
0
0

-1
-1
1
1
-1
-1
1
1
0
0
-1,68
1,68
0
0
0
0
0

-1
-1
-1
-1
1
1
1
1
0
0
0
0
-1,68
1,68
0
0
0

O STATISTICA ser usado para a anlise dos dados. A matriz do planejamento

facilmente gerada pelo STATISTICA. Primeiramente, clicamos em file e posteriormente em
new. Ento, no menu principal, clicamos novamente em Statistics e agora selecionamos a
opo Experimental design, Central composite design e Generate design Standard
Design. Reproduza a janela:

v. Com uso do software Statistica, geramos os resultados e suas devidas avaliaes

estatsticas, que podem ser acompanhadas em seqncias posteriores.

minimo
mximo

Fzero CAzero Tzero

30,000
0,245 529,228
40,000
0,474 600,000

Fzero CAzero Tzero

T
32,024
0,291 543,551 530,999
37,976
0,291 543,551 531,232
32,024
0,428 543,551 530,757
37,976
0,428 543,551 531,232
32,024
0,291 585,677 536,523
37,976
0,291 585,677 537,329
32,024
0,428 585,677 536,094
37,976
0,428 585,677 537,563
30,000
0,360 564,614 533,143
40,000
0,360 564,614 534,545
35,000
0,245 564,614 533,439
35,000
0,474 564,614 533,702
35,000
0,360 529,228 529,359
35,000
0,360 600,000 539,584
35,000
0,360 564,614 533,688
35,000
0,360 564,614 533,688
35,000
0,360 564,614 533,688
Os valores da tabela foram obtidos com o auxilio do planejamento e a resposta foi
obtida pelas simulaes, obtendo-se o valor do estado estacionrio.

ANOVA; Var.:Temperatura; R-sqr=,99882; Adj:,99731 (teste)

3 factors, 1 Blocks, 17 Runs; MS Residual=,0207669
DV: Temperatura
Factor
SS
df
MS
F
p
(1)Fzero (L)
2,0886 1
2,0886 100,572 0,000021
Fzero (Q)
0,0308 1
0,0308
1,483 0,262705
(2)CAzero (L)
0,0000 1
0,0000
0,000 0,992999
CAzero (Q)
0,0223 1
0,0223
1,075 0,334341
(3)Tzero (L) 120,0148 1 120,0148 5779,140 0,000000
Tzero (Q)
0,8482 1
0,8482
40,843 0,000370
1L by 2L
0,1024 1
0,1024
4,930 0,061847
1L by 3L
0,3069 1
0,3069
14,780 0,006338
2L by 3L
0,0003 1
0,0003
0,013 0,911437
Error
0,1454 7
0,0208
Total SS
123,7001 16

Effect Estimates; Var.:T emperatura; R-sqr=,99739; Adj:,99652 (teste)

3 factors, 1 Blocks, 17 Runs; MS Residual=,0269242
DV: T emperatura
Effect
Std.Err.
t(12)
p
-95,%
+95,%
Coeff.
Factor
Cnf.Limt Cnf.Limt
Mean/Interc. 533,6965 0,054038 9876,388 0,000000 533,5788 533,8143 533,6965
(1)Fzero (L)
0,7825 0,088842
8,808 0,000001
0,5889
0,9760
0,3912
(3)T zero (L)
5,9315 0,088842
66,765 0,000000
5,7379
6,1251
2,9657
T zero (Q)
0,5458 0,091088
5,992 0,000063
0,3473
0,7443
0,2729
1L by 3L
0,3917 0,116026
3,376 0,005505
0,1390
0,6445
0,1959

Std.Err.
-95,%
+95,%
Coeff. Cnf.Limt Cnf.Limt
0,054038 533,5788 533,8143
0,044421
0,2945
0,4880
0,044421
2,8690
3,0625
0,045544
0,1737
0,3721
0,058013
0,0695
0,3223

F it t e d S u r f a c e ; V a r ia b le : T e m p e r a t u r a
3 f a c t o r s , 1 B lo c k s , 1 7 R u n s ; M S R e s id u a l= , 0 2 6 9 2 4 2
D V : T e m p e ra tu ra

5
5
5
5
5
5
5

4
4
3
3
3
3
3

2
0
8
6
4
2
0

Questo: Sistema de Equaes Diferenciais Ordinrias

Dado o sistema de equaes diferenciais ordinrias abaixo, que representam trs reatores
CSTR em srie(vide figura esquemtica):
CAo

CA1

CA2
Reator 1
CA3
Reator 2

Reator 3

Apresentar o procedimento de clculo e a primeira seqncia de clculo para o mtodo de

R.K. e Euler.

Consideremos o seguinte sistema de equaes diferenciais, obtidas do balano de massa

para o sistema de reatores CSTR.
dCA1 1
(CAo CA1 ) KCA1
dt

dCA2 1
(CA1 CA2 ) KCA2
dt

dCA3 1
(CA2 CA3 ) KCA3
dt

Algortmo para procedimento de clculo do sistema de EDOs dos 3 reatores em srie

a) . Leitura de dados: CAo,CA1(0), CA2(0), CA3(0) ,e K.

10
necessrio que se faa a leitura de entrada dos valores definidos acima para que
os passos futuros do algoritmo sejam completados .
b) Entrada das equaes do modelo CSTR
Deve-se definir as equaes do modelo para o balano de massa do Reator
(reatores).
dCA1 1
(CAo CA1 ) KCA1
dt

dCA2 1
(CA1 CA2 ) KCA2
dt

dCA3 1
(CA2 CA3 ) KCA3
dt

c) Ajuste das equaes do modelo para o mtodo de Runge-Kutta (2. Ordem)

Atravs das equaes de balano definidas acima, pode-se ajustar o modelo de R.K
(em 2 ordem).
dCAn
1
f (t , CAn ) (CAn 1 CAn ) KCAn
dt

d) Executando os clculos para variao de i de 0 M

e) Executando os clculos para n= 1,2,3

f)

1
K1 f (t (i ) , CAn(i ) ) (CAn1 CAn(i ) ) KCAn(i )

K 2 CAn(i ) h( K1 )

g) Clculo da concentrao por R.K de 2 ordem:

CAn(i1) CAn(i) h(K1 K2 )

h) Impresso dos resultados nas variaes especficas ( CA1, CA2, CA3)
i) Ajuste das equaes do modelo para o mtodo de Euller
j) Clculo dos parmetros de Euller:

11
h

C An ( m ) C An ( 0 )
M

C An ( i ) C An ( 0 ) ih

k) Clculo da concentrao pelo mtodo de Euller:

1

C An (i 1) C An (i ) h (C An1 C An ) KC An

l) Impresso dos resultados

m) Fim

Seqncia de clculo para o Mtodo de Runge-Kuta de 2 ordem:

i 1 i h k1 k 2
onde : k1 f ( xi , i )
k 2 i hf ( xi , i )
0 y0

1 Reator
f (t , C A1)

(C A 0 C A1 ) KC A1

Para i=0
k1 f (t ( 0 ) , C A1( 0 ) )
k 2 C A1( 0 ) hk1

1
(C A0 C A1( 0 ) ) kC A1( 0 )

1
1

C A1 C A1( 0 ) h ( (C A0 C A1( 0 ) ) KC A1( 0 ) ) (C A1( 0 ) h( (C A0 C A1( 0 ) ) KC A1( 0 ) ))

2 Reator
f (t , C A 2 )

Para i=0

1
(C A1 C A 2 ) KC A 2

12
k1 f (t ( 0 ) , C A 2 ( 0 ) )
k 2 C A 2 ( 0 ) hk1

1
(C A1 ( 0) C A 2 ( 0 ) ) kC A 2( 0)

1
1

C A 2 C A 2( 0) h ( (C A1( 0) C A 2 ( 0 ) ) KC A1( 0 ) ) (C A 2( 0) h( (C A1( 0 ) C A 2 ( 0 ) ) KC A 2 ( 0 ) ))

3 Reator

f (t , C A3 )

Para i=0

1
(C A 2 C A 3 )

1
(C 2( 0) C A3( 0 ) ) kC A3( 0)

k 2 C A3( 0 ) hk1
k1

1
1

C A3 C A3( 0 ) h ( (C A 2 ( 0 ) C A3( 0 ) ) KC A3( 0) ) (C A3( 0 ) h( (C A 2 ( 0 ) C A3( 0 ) ) KC A3( 0) ))

Primeira seqncia de clculo para o Mtodo de Euller

i 1 i hf ( xi , i ) i=0,1,2,3,..., N-1

xn x0
, 0 y 0 , xi x0 ih
N

Onde: h
1 Reator

C A1( i 1) C An (i ) hf (t ( i ) , C An ( i ) )
f (t , C A1 )

(C A0 C A1 ) kC A1

Para i=0
C A1 C A1( 0 ) h
h

C A1 C A1( 0 )
N

2 Reator

1
C A0 C A1( 0 ) ) kC A1( 0 )

13
C A 2 (i 1) C An ( i ) hf (t (i ) , C An (i ) )
f (t , C A 2 )

1
(C A1 C A 2 ) kC A 2

Para i=0
C A2 C A2(0) h
h

C A2 C A2(0)

1
(C A1 C A 2 ( 0 ) ) kC A 2 ( 0 )

3 Reator
C A3( i 1) C An (i ) hf (t (i ) , C An ( i ) )
f (t , C A3 )

1
(C A 2 C A3 ) kC A3

Para i=0
C A3 C A3( 0 ) h
h

C A3 C A3( 0 )

1
(C A 2 C A3( 0 ) ) kC A3( 0 )

Questo: Sistemas de Equaes Algbricas No Lineares

Seja f(x) uma funo cuja raiz procurada. Admitamos, que f(x) pode ser expandida em
srie de Taylor nas proximidades de um certo ponto xk. Neste caso,

df
f x * f x k x x k . .
dx xk

(01)

Admitindo-se que estamos suficientemente prximo da raiz e que a aproximao

linear boa, a Equao (01) pode ser utilizada para se estimar o valor da raiz

df
f x * 0 f x k x * x k . .
dx xk

(02)

14

x * xk

f xk
df
dx xk

(03)

que pode ser obviamente colocada numa forma recursiva como

x k 1 x k

f xk
df
dx xk

(04)

A Equao (04) a essncia do mtodo de Newton-Raphson. Esta tcnica

iterativa recebe comumente o nome de Newton-Raphson clssico porque aproximaes de
f(x) com mais termos podem tambm ser utilizadas, embora o sejam raramente, em virtude
da necessidade de se computar derivadas de ordem superior e de no apresentarem
desempenho significativamente melhor do que aquele obtido com a Equao (04).
O mtodo de Newton-Raphson pode ser ilustrado como na Figura 01. V-se que
a aproximao da raiz obtida recursivamente como extrapolaes lineares da funo, a
partir de pontos prvios estimados.

x=0
x x x
2 1 0
f(x)

Figura 01 - Interpretao geomtrica do mtodo de Newton-Raphson.

Objetivo de Sistema de Equaes Algbricas no linares.

f(x)=x2+x-6

15
chute inical x0=1,0

Mtodo de Newton-Raphson

x n 1 x n

f ( xn )
sabendo-se que f(xn)=x2n+xn-6 e f(xn)=2xn+1
f ' ( xn )
portanto xn1 xn

( xn2 xn 6)
(2 xn 1)

Considerando os erros, E1>0,05 e E2>0,05, com o chute inicial de x0=1,0,

obtm-se f(x0)=-4, para na condio do chute inicial.(Estas etapas, podem ser feitas atravs
de um mtodo computacional, fazendo interaes, at chegar em um erro menor do que E 1
e E2). Abaixo, segue-se um calculo, para exemplificar o mtodo de Newton-Raphson, como
se fosse uma simulao computacional.

i.

x1 x0

para n=0

( x02 x0 6)
(12 1 6)
x1 1
ento
(2 1)
(2 x0 1)

x1= 2,333

na equao f(xn)=x2n+xn-6 , obteve-se o f(x1)=(2,333)2+2,333-6 , o valor : f(x1)=1,776

f ( x1 ) E1
( x1 x0 ) E 2

1,776 0,05

( 2,333 1) 0,05 1,333 0,05

Para n=0, atingiu-se um valor maior do que o E 2(erro)=0,05. Desta forma, o valor
obtido da interao Newton-Raphson, foi superior ao esperado. Exige-se ento um outro
passo. Considerado abaixo:

16
ii.

x 2 x1

para n=1

( 2,333 2 2,333 6)
( x12 x1 6)
x

2
,
333

2
ento
[2 ( 2,333) 1]
( 2 x1 1)

x2=2,019

na equao f(xn)=x2n+xn-6 , obteve-se o f(x1)=(2,019)2+2,019-6 , o valor : f(x1)=0,0954

f ( x2 ) E1

0,0954 0,05

e ( x2 x1 ) E2 (2,019 2,333) 0,05 0,314 0,05

Como n=1, no atingiu a converso ( x2 x1 ) E 2 ( x2 x1 ) 0,05 , exige-se um novo

passo de interao.

iii.
x3 x 2

para n=2
( x22 x 2 6)
( 2,019 2 2,019 6)
x3 2,019
ento
[2 (2,019) 1]
(2 x2 1)

x3=2,000

na equao f(xn)=x2n+xn-6 , obteve-se o f(x3)=(2,000)2+2,000-6 , o valor : f(x3)=0,000

f ( x3 ) E1
( x3 x 2 ) E 2

0,00 0,05

( 2,000 2,019) 0,05 0,019 0,05

Pararam-se as interaes, visto que os valores obtidos matematicamente, atravs

de um programa computacional, so menores do que os dados inicialmente, exemplo
x0=1,0, E1=0,05 e E2=0,05. Ento se pode disser que encontramos a raiz do Sistema de
Equaes Algbricas no linares.
Como forma de complementar nossos clculos, observamos, com a plotagem do
grfico de Y= F(X) que nosso valor para a raiz da funo realmente confere.

17

Ao que conclumos com o xito a aplicao metodolgica de Newton-Raphson.

18
Referncias Bibliogrficas

1
1. Froment, Gilbert, Bischoff, Kenneth B., "Chemical Reactor Analysis and
Design", Wiley Series in Chemical Engineering, John Wiley, NY, 1990.
2. Fogler, H. Scott, Elements of Chemical Reaction Engineering, 3rd ed., Prentice Hall,
1999.
3. Himmelblau, D.M. and Bischoff, K.E. Process Analysis and Simulation, Ed. Wiley,
1968.
4. Luyben L. Willian, Process Modeling, Simulation and Control for Chemical
Engineers, 2da edicin, Mc Graw Hill New York, 1990.
5. Fregolente, L.V, Maciel Filho, R.,Planejamento de Experimentos e Otimizao de
Processos, notas de aula,2005.

19