Baixe o app para aproveitar ainda mais
Prévia do material em texto
Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Módulo Temático 02 Soluções de Problemas de Engenharia Química Envolvendo Ajuste de Modelos Matemáticos a Dados Tabelados Cinética de secagem de maçãs t(h) Ys (b.s.) 0,20 7,0430 0,50 6,0130 1,00 4,4852 1,50 3,3311 2,00 2,4879 2,50 1,8367 3,50 0,9884 5,00 0,4170 0,0 2,0 4,0 6,0 8,0 0,00 1,00 2,00 3,00 4,00 5,00 Y s (b .s .) t (h) Ys(t) = ? Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini AJUSTE DE DADOS TABELADOS Cinética de secagem de maçãs t(h) Ys (b.s.) 0,20 7,0430 0,50 6,0130 1,00 4,4852 1,50 3,3311 2,00 2,4879 2,50 1,8367 3,50 0,9884 5,00 0,4170 OBS1: No caso de Ajuste de Dados, reconhece-se que os valores tabelados têm incertezas: 𝑡 = ҧ𝑡 ± ∆𝑡 e 𝑌s = ഥ𝑌𝑠 ± ∆𝑌𝑠. Elipses de confiança: regiões onde o valor exato da variável pode estar. Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini FUNDAMENTOS PARA O AJUSTE DE DADOS No ajuste de dados, deseja-se, dentre um conjunto de modelos matemáticos propostos, determinar os coeficientes de cada modelo, de modo a assegurar que os valores calculados serão os mais próximos possíveis dos valores observados (para TODOS os pontos tabelados). 1) Propor modelos matemáticos → para descrever o comportamento da variável dependente frente às variações da variável independente. 2) Determinar os valores dos parâmetros → de modo a minimizar as diferenças entre os valores observados e os valores calculados: 𝑖 = 1…𝑁𝑝𝑜𝑛𝑡𝑜𝑠 ; 𝑀𝑖𝑛(𝑦𝑜𝑏𝑠.𝑖 − 𝑦𝑐𝑎𝑙𝑐.𝑖). 3) Discriminar o melhor modelo → definir, dentre os modelos disponíveis, qual é o que melhor descreve os dados. Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini O QUE SÃO MODELOS MATEMÁTICOS? São correlações, funções da variável independente (ou das variáveis independentes), com parâmetros de ajuste p (coeficientes dos modelos que assumirão valores constantes) que visam descrever o comportamento de uma variável dependente. 1) Modelos teóricos → Baseados em equações relacionadas à fundamentação teórica das “leis naturais”. 2) Modelos empíricos → Baseados em simples ajustes de dados experimentais a uma determinada equação. 3) Modelos semi-empíricos → Originados de correlações baseadas em “leis naturais”, nas quais são inseridos fatores de correção e coeficientes de ajuste. 𝑦 𝒙 = 𝑚(𝒙, 𝒑) Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini No caso da cinética de secagem de maçã 1) Modelo linear no comportamento e nos parâmetros (os parâmetros são coeficientes em combinações lineares de parcelas). Exemplo:𝑦 𝑥 = 𝐴1𝑥 + 𝐴𝑜 𝑜𝑢 𝑦 𝑥 = 𝐴1𝑥 2) Modelo não linear no comportamento e linear nos parâmetros Exemplo:𝑦 𝑥 = 𝐴2𝑥 2 + 𝐴1𝑥 + 𝐴𝑜 𝑜𝑢 𝑦 𝑥 = 𝐴2𝑥 2 + 𝐴1𝑥 −2 + 𝐴𝑜𝑥 −1 3) Modelo não linear no comportamento e nos parâmetros (os parâmetros são argumentos de funções não lineares). Exemplo:𝑦 𝑥 = 𝐴𝑜 + 𝐴1𝑒 −𝐴2𝑥 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Nomenclatura deste módulo! Precisamos nos entender! i – Índice do contador de pontos observados (i = 1 ... Np). Np – Número de pontos observados (experimentais ou tabelados). x – Vetor de variáveis independentes (no caso de uma única variável independente, x será um escalar). xi ou xi – Valor (ou vetor de valores) da(s) variável(eis) independente(s) nos pontos de observação (tabelados). yei – Valor observado (experimental, tabelado) da variável dependente em x = xi. yci – Valor calculado (pelo modelo) da variável dependente em x = xi. di – Resíduo em x = xi. 𝛿𝑖 = 𝑦𝑐𝑖 − 𝑦𝑒𝑖 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini i xi yei 1 x1 ye1 2 x2 ye2 3 x3 ye3 4 x4 ye4 5 x5 ye5 y é função só de x 𝑦 = 𝑓(𝑥) y é função só de x1 e x2 𝑦 = 𝑔(𝑥1, 𝑥2) i x1i x2i yei 1 x11 x21 ye1 2 x12 x22 ye2 3 x13 x23 ye3 4 x14 x24 ye4 5 x15 x25 ye5 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Estimativa de Parâmetros em Ajuste de Dados O que desejamos? → determinar o conjunto de parâmetros (p) de um determinado modelo de ajuste, de forma a garantir que os resíduos serão os menores possíveis em todos os pontos. 𝛿𝑖𝑡𝑜𝑡𝑎𝑙 → 𝐷𝑒𝑣𝑒 𝑠𝑒𝑟 𝑚í𝑛𝑖𝑚𝑜𝑦𝑐𝑖 = 𝑚(𝑥𝑖 , 𝒑) Para i = 1...Np Mas: 𝛿𝑖 = 𝑚 𝑥𝑖 , 𝒑 − 𝑦𝑒𝑖 < 0𝛿𝑖 = 𝑚 𝑥𝑖 , 𝒑 − 𝑦𝑒𝑖 > 0 𝛿𝑖 = 𝑚 𝑥𝑖 , 𝒑 − 𝑦𝑒𝑖 = 0 OBS2: Fazer a soma simples dos resíduos pode resultar num resíduo total bem pequeno e, ainda assim, o modelo ser muito ruim, pois os valores positivos poderão cancelar os valores negativos dos resíduos, gerando uma falsa conclusão sobre o modelo. Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Visualizando o que foi dito antes 𝑦𝑐𝑖 𝑥𝑖 = 𝑚1(𝑥𝑖 , 𝒑𝟏) 𝑖=1 𝑖=3 𝛿𝑖 = −2 + 0 + 2 = 0 𝑦𝑐𝑖 𝑥𝑖 = 𝑚2(𝑥𝑖 , 𝒑𝟐) 𝑖=1 𝑖=3 𝛿𝑖 = 0,5 + 0,5 + 0,5 = 1,5 𝑦𝑐𝑖 𝑥𝑖 = 𝑚3(𝑥𝑖 , 𝒑𝟑) 𝑖=1 𝑖=3 𝛿𝑖 = 0,3 + 0,2 − 0,3 = 0,2 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini OBS3: A soma simples dos resíduos não é um bom critério para avaliar e discriminar os modelos. O ideal seria a soma de parcelas sempre positivas. 𝑖=1 𝑖=𝑁𝑝 𝛿𝑖 = 𝑖=1 𝑖=𝑁𝑝 𝑚 𝑥𝑖 , 𝒑 − 𝑦𝑒𝑖 𝑖=1 𝑖=𝑁𝑝 𝛿𝑖 2 = 𝑖=1 𝑖=𝑁𝑝 𝑚 𝑥𝑖 , 𝒑 − 𝑦𝑒𝑖 2 Temos duas possibilidades de fazer isto: Qual função é mais fácil para trabalhar? Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini 𝑖=1 𝑖=𝑁𝑝 𝛿𝑖 2 = 𝑖=1 𝑖=𝑁𝑝 𝑚 𝑥𝑖 , 𝒑 − 𝑦𝑒𝑖 2 OBS4: Certamente o Quadrado do Resíduo é mais suave do que o Módulo do Resíduo, embora ambos sirvam como critério inicial para discriminar modelos. Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini 𝐹𝑢𝑛çã𝑜 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 𝐹𝑂 = 𝑖=1 𝑖=𝑁𝑝 𝛿𝑖 2 = 𝑖=1 𝑖=𝑁𝑝 𝑚 𝑥𝑖 , 𝒑 − 𝑦𝑒𝑖 2 ESTIMATIVA DE PARÂMETROS USANDO O MÉTODO DE MÍNIMOS QUADRADOS - MMQ Baseado na determinação do vetor de parâmetros (p) que assegure que a Soma dos Quadrados dos Resíduos (Função Objetivo) será a mínima possível para aquele modelo em estudo. Função Objetivo → é uma função que depende apenas dos elementos do vetor de parâmetros (p), uma vez que os valores de xi e yei são conhecidos e estão tabelados. Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini MÉTODO DE MÍNIMOS QUADRADOS – MMQ Quais são as nossas incógnitas? 𝑦𝑐𝑖 = 𝑚1 𝑥𝑖 , 𝒑 = 𝐴1𝑥𝑖 + 𝐴𝑜 𝑦𝑐𝑖 = 𝑚2 𝑥𝑖 , 𝒑 = 𝐴3𝑥𝑖 3 + 𝐴2𝑥𝑖 2 + 𝐴1𝑥𝑖 + 𝐴𝑜 𝑦𝑐𝑖 = 𝑚3 𝑥𝑖 , 𝒑 = 𝐴3𝑥𝑖 2 + 𝐴2𝑥𝑖 + 𝐴1 𝑥𝑖 + 𝐴𝑜 𝑥𝑖 2 𝑦𝑐𝑖 = 𝑚4 𝑥𝑖 , 𝒑 = 𝐴3cos(𝐴2𝑥𝑖) + 𝐴1𝑒 𝐴𝑜𝑥𝑖 OBS5: Nos quatro modelos apresentados acima os valores de xi são todos conhecidos, apenas os elementos do vetor de parâmetros (p) precisarão ser determinados, logo, são estas as nossas incógnitas no MMQ. 𝒑 = 𝐴1 𝐴𝑜 𝒑 = 𝐴3 𝐴2 𝐴1 𝐴𝑜 Modelos lineares nos parâmetros Modelo não linear nos parâmetros Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Voltando à nossa secagem de maçãs Cinética de secagem de maçãs t(h) Ys (b.s.) 0,20 7,0430 0,50 6,0130 1,00 4,4852 1,50 3,3311 2,00 2,4879 2,50 1,8367 3,50 0,9884 5,00 0,4170OBS6: O modelo m4 é conhecido na literatura como Modelo Cinético de Overhults, muito utilizado para descrever a cinética de secagem de material particulado. Seus parâmetros são: 𝒑 = 𝑘 𝑛 e Yso e Yse são os valores da umidade inicial e no equilíbrio, respectivamente. 𝑌𝑠𝑐𝑖 = 𝑚1 𝑡𝑖, 𝐴1, 𝐴𝑜 = 𝐴1𝑡𝑖 + 𝐴𝑜 𝑌𝑠𝑐𝑖 = 𝑚2 𝑡𝑖, 𝐴2, 𝐴1, 𝐴𝑜 = 𝐴2𝑡𝑖 2 + 𝐴1𝑡𝑖 + 𝐴𝑜 𝑌𝑠𝑐𝑖 = 𝑚3 𝑡𝑖, 𝐴3, 𝐴2, 𝐴1, 𝐴𝑜 = 𝐴3𝑡𝑖 3 + 𝐴2𝑡𝑖 2 + 𝐴1𝑡𝑖 + 𝐴𝑜 𝑌𝑠𝑐𝑖 = 𝑚4 𝑡𝑖, 𝑘, 𝑛 = 𝑌𝑠𝑒 + 𝑌𝑠𝑜 − 𝑌𝑠𝑒 𝑒 − 𝑘𝑡𝑖 𝑛 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini 𝐹𝑢𝑛çã𝑜 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 𝐹𝑂 = 𝑖=1 𝑖=𝑁𝑝 𝛿𝑖 2 = 𝑖=1 𝑖=𝑁𝑝 𝑚 𝑥𝑖 , 𝒑 − 𝑦𝑒𝑖 2 Como equacionar o Método de Mínimos Quadrados (MMQ)? O método é baseado na determinação dos elementos do vetor de parâmetros (p) que minimizam a Soma dos Quadrados dos Resíduos. Ou seja, para j = 1 ... j = Npar (Número de parâmetros ) 𝜕(𝐹𝑂) 𝜕𝑝𝑗 = 𝜕 𝜕𝑝𝑗 𝑖=1 𝑖=𝑁𝑝 𝛿𝑖 2 = 0 OBS7: Não confundir: Np → Número de pontos tabelados. Npar → Número de parâmetros do modelo. Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini 𝐹𝑂 = 𝑖=1 𝑖=𝑁𝑝 𝛿𝑖 2 = 𝑖=1 𝑖=𝑁𝑝 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 2 Aplicando a um modelo linear: 𝑦𝑐𝑖 = 𝑚 𝑥𝑖 , 𝐴1, 𝐴𝑜 = 𝐴1𝑥𝑖 + 𝐴𝑜 Teremos: 𝜕(𝐹𝑂) 𝜕𝐴1 = 𝜕 𝜕𝐴1 𝑖=1 𝑖=𝑁𝑝 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 2 = 0 OBS8: Façam uma boa revisão de: Cálculo I → Regras de Derivação, e Determinação de Máximos e Mínimos; Cálculo II → Derivadas Parciais. 𝜕(𝐹𝑂) 𝜕𝐴𝑜 = 𝜕 𝜕𝐴𝑜 𝑖=1 𝑖=𝑁𝑝 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 2 = 0 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Aplicando a regra da derivada da soma: 𝜕(𝐹𝑂) 𝜕𝐴1 = 𝑖=1 𝑖=𝑁𝑝 𝜕 𝜕𝐴1 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 2 = 0 𝜕 𝐹𝑂 𝜕𝐴𝑜 = 𝑖=1 𝑖=𝑁𝑝 𝜕 𝜕𝐴𝑜 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 2 = 0 Aplicando a regra da cadeia: 𝜕 𝐹𝑂 𝜕𝐴1 = 𝑖=1 𝑖=𝑁𝑝 2 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 𝜕 𝜕𝐴1 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 = 0 𝜕 𝐹𝑂 𝜕𝐴𝑜 = 𝑖=1 𝑖=𝑁𝑝 2 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 𝜕 𝜕𝐴𝑜 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 = 0 Mas: 𝜕 𝜕𝐴1 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 = 𝑥𝑖 𝜕 𝜕𝐴𝑜 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 = 1 𝑑𝑓(𝑔 𝑥 ) 𝑑𝑥 = 𝑑𝑓(𝑔) 𝑑𝑔 𝑑𝑔(𝑥) 𝑑𝑥 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Temos: 𝜕 𝐹𝑂 𝜕𝐴1 = 2 𝑖=1 𝑖=𝑁𝑝 𝐴1𝑥𝑖 2 + 𝐴𝑜𝑥𝑖 − 𝑦𝑒𝑖𝑥𝑖 = 0 𝜕 𝐹𝑂 𝜕𝐴𝑜 = 2 𝑖=1 𝑖=𝑁𝑝 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 = 0 Aplicando as propriedades do somatório: 𝑖=1 𝑖=𝑁𝑝 𝐴1𝑥𝑖 2 + 𝐴𝑜𝑥𝑖 − 𝑦𝑒𝑖𝑥𝑖 = 0 𝑖=1 𝑖=𝑁𝑝 𝐴1𝑥𝑖 + 𝐴𝑜 − 𝑦𝑒𝑖 = 0 𝐴1 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 2 + 𝐴𝑜 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 − 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖𝑥𝑖 = 0 𝐴1 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 + 𝐴𝑜 𝑖=1 𝑖=𝑁𝑝 1 − 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖 = 0 𝐴1 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 2 + 𝐴𝑜 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 = 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖𝑥𝑖 𝐴1 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 + 𝐴𝑜𝑁𝑝 = 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Escrevendo na forma matricial: 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 2 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 𝑁𝑝 𝐴1 𝐴𝑜 = 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖𝑥𝑖 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖 OBS9: Agora, basta resolver o sistema de equações algébricas lineares (que tal um Gauss-Jordan?), obter os valores de A1 e Ao e determinar os valores de yci. Mostre que você aprendeu e demonstre que se 𝑦𝑐𝑖 = 𝐴2𝑥𝑖 2 + 𝐴1𝑥𝑖 + 𝐴𝑜 , tem-se: 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 4 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 3 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 2 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 3 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 2 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 2 𝑖=1 𝑖=𝑁𝑝 𝑥𝑖 𝑁𝑝 𝐴2 𝐴1 𝐴𝑜 = 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖𝑥𝑖 2 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖 𝑥𝑖 𝑖=1 𝑖=𝑁𝑝 𝑦𝑒𝑖 Equacione, também, para o caso de: 𝑦𝑐𝑖 = 𝐴3𝑥𝑖 3 + 𝐴2𝑥𝑖 2 + 𝐴1𝑥𝑖 + 𝐴𝑜 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Aplicando o MMQ à cinética de secagem de maçãs Cinética de secagem de maçãs t(h) Ys (b.s.) 0,20 7,0430 0,50 6,0130 1,00 4,4852 1,50 3,3311 2,00 2,4879 2,50 1,8367 3,50 0,9884 5,00 0,4170 OBS10: Para resolver o sistema serão necessários os valores de: σ 𝑖=1 𝑖=𝑁𝑝 𝑡𝑖 2 ; σ 𝑖=1 𝑖=𝑁𝑝 𝑡𝑖 ; σ𝑖=1 𝑖=𝑁𝑝 𝑌𝑠𝑒𝑖𝑡𝑖 𝑒 σ𝑖=1 𝑖=𝑁𝑝 𝑌𝑠𝑒𝑖 . 𝑌𝑠𝑐𝑖 = 𝑚1 𝑡𝑖 , 𝐴1, 𝐴𝑜 = 𝐴1𝑡𝑖 + 𝐴𝑜 𝑖=1 𝑖=𝑁𝑝 𝑡𝑖 2 𝑖=1 𝑖=𝑁𝑝 𝑡𝑖 𝑖=1 𝑖=𝑁𝑝 𝑡𝑖 𝑁𝑝 𝐴1 𝐴𝑜 = 𝑖=1 𝑖=𝑁𝑝 𝑌𝑠𝑒𝑖𝑡𝑖 𝑖=1 𝑖=𝑁𝑝 𝑌𝑠𝑒𝑖 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Aplicando o MMQ à cinética de secagem de maçãs Cinética de secagem de maçãs t(h) Ys (b.s.) 0,20 7,0430 0,50 6,0130 1,00 4,4852 1,50 3,3311 2,00 2,4879 2,50 1,8367 3,50 0,9884 5,00 0,4170 t(h) Ys (b.s.) ti 2 tiYsei 0,20 7,0430 0,04 1,4086 0,50 6,0130 0,25 3,0065 1,00 4,4852 1,00 4,4852 1,50 3,3311 2,25 4,9966 2,00 2,4879 4,00 4,9758 2,50 1,8367 6,25 4,5918 3,50 0,9884 12,25 3,4593 5,00 0,4170 25,00 2,0851 Sxi 16,2000 Syie 26,6023 Sxi 2 51,0400 Sxiyie 29,0090 51,04 16,20 16,20 8,00 𝐴1 𝐴𝑜 = 29,0090 26,6023 𝐴1 = −1,3633 ℎ −1 𝐴𝑜 = 6,0861 𝑌𝑠𝑐𝑖 = −1,3633𝑡𝑖 + 6,0861 t(h) Ys (b.s.) ti 2 tiYsei Ysci 0,20 7,0430 0,04 1,4086 5,8134 0,50 6,0130 0,25 3,0065 5,4044 1,00 4,4852 1,00 4,4852 4,7227 1,50 3,3311 2,25 4,9966 4,0410 2,00 2,4879 4,00 4,9758 3,3594 2,50 1,8367 6,25 4,5918 2,6777 3,50 0,9884 12,25 3,4593 1,3143 5,00 0,4170 25,00 2,0851 -0,7307 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Aplicando o MMQ à cinética de secagem de maçãs Cinética de secagem de maçãs t(h) Ys (b.s.) 0,20 7,0430 0,50 6,0130 1,00 4,4852 1,50 3,3311 2,00 2,4879 2,50 1,8367 3,50 0,9884 5,00 0,4170 t(h) Ys (b.s.) ti 2 tiYsei 0,20 7,0430 0,04 1,4086 0,50 6,0130 0,25 3,0065 1,00 4,4852 1,00 4,4852 1,50 3,3311 2,25 4,9966 2,00 2,4879 4,00 4,9758 2,50 1,8367 6,25 4,5918 3,50 0,9884 12,25 3,4593 5,00 0,4170 25,00 2,0851 t(h) Ys (b.s.) ti 2 tiYsei Ysci 0,20 7,0430 0,04 1,4086 5,8134 0,50 6,0130 0,25 3,0065 5,4044 1,00 4,4852 1,00 4,4852 4,7227 1,50 3,3311 2,25 4,9966 4,0410 2,00 2,4879 4,00 4,9758 3,3594 2,50 1,8367 6,25 4,5918 2,6777 3,50 0,9884 12,25 3,4593 1,3143 5,00 0,4170 25,00 2,0851 -0,7307 Departamento de Engenharia Química – IT - UFRRJ IT751 – Métodos Computacionais I – Teórica Professor: Maurício Mancini Para encerrar a aula, teste com outros modelos Cinética de secagem de maçãs t(h) Ys (b.s.) 0,20 7,0430 0,50 6,0130 1,00 4,4852 1,50 3,3311 2,00 2,4879 2,50 1,8367 3,50 0,9884 5,00 0,4170 𝑌𝑠𝑐𝑖 = 𝐴1𝑡𝑖 + 𝐴𝑜 𝑌𝑠𝑐𝑖 = 𝐴2𝑡𝑖 2 + 𝐴1𝑡𝑖 + 𝐴𝑜 𝑌𝑠𝑐𝑖 = 𝐴3𝑡𝑖 3 + 𝐴2𝑡𝑖 2 + 𝐴1𝑡𝑖 + 𝐴𝑜 Slide 1 Slide 2 Slide 3 Slide 4 Slide 5 Slide 6 Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22 Slide 23
Compartilhar