UNIVERSIDADE DE SÃO PAULO

Faculdade de Zootecnia e Engenharia de Alimentos

Programa de Pós-Graduação em Engenharia de Alimentos
ZEA5814-2/3 - Planejamento Experimental, Análise de Dados e
Otimização de Processos

Análise Crítica do planejamento Experimental

DCCR utilizado em artigo.

Docente: Profa Dra Eliana Setsuko Kamimura

Discente: Jéssica Ciola Campos
1 – INTRODUÇÃO
Para esse trabalho foi utilizado como base o artigo: “Effect of biogas on the performance
and emissions of diesel engine fuelled with biodiesel-ethanol blends through response surface
methodology approach” que tem como autores Sharma, Ansari, Pal, Singh e Lalhriatpuia
publicado na revista “Renewable Energy” em 2019.
Durante a introdução do artigo são discutidos a importância dos combustíveis
renováveis e os benefícios da inserção de biogás em motores a diesel assim como seu
funcionamento.
Quanto a importância de novas alternativas aos combustíveis fósseis foram apontados
problemas como a poluição causada por estes e a escassez dos combustíveis fósseis. Como
alternativa a esse cenário aplicado a motores de combustão interna é apresentado o Biogás. O
biogás é facilmente obtido, econômico e fácil de usar em motores a diesel. Este é fácil de ser
implementado em motores a diesel pois são facilmente reabilitados para trabalhar como motores
fumigados com mistura de combustíveis. A fumigação do biogás se dá no coletor de admissão
onde este é misturado com o ar antes de ser inserido na câmara de combustão complementado
com uma quantidade reduzida de diesel injetada no cilindro no final da compressão. Além disso
o processo de fumigação tem o benefício de ser revertido para o motor alimentado somente a
diesel.
Os autores ainda apontam que a introdução do biogás tem efeitos significativos na
performance dos motores a diesel; tais como: melhorias na combustão e no desempenho do
motor, redução na quantidade de emissão de gases de exaustão, possui um papel significativo
nas características de performance do motor como a carga do motor e a taxa de fluxo de ar e a
implementação do biogás com diferentes misturas desempenham um papel vital.

2 – OBJETIVOS
Sharma et a. (2019) apontou em seu estudo como objetivo principal avaliar o
desempenho de um motor a diesel com diferentes tipos de combustíveis. Para isso foi utilizado
a metodologia de superfície de resposta através do planejamento experimental delineamento
composto central rotacional (DCCR) com as variáveis dependentes: tipo de combustível, carga
do motor, taxa de fluxo de ar e velocidade (rpm). Como variáveis dependentes (respostas) foram
avaliados o BTE (quão eficiente o motor converte energia térmica em cinética), eficiência
volumétrica, monóxido de carbono (CO); hidrocarboneto (HC) e Óxido de Nitrogênio (NOx).
3 – ANÁLISE CRÍTICA DA METODOLOGIA
Nesse item serão discutidos a metodologia utilizada no artigo focando no planejamento
experimental. Além disso, serão abordadas sugestões do que poderia ter sido realizado, críticas
à alguns procedimentos e cálculos que foram omitidos no artigo.

3.1 Combustíveis utilizados

No experimento detalhado pelo artigo foram utilizados como tipos de combustíveis o
diesel puro (Diesel), biogás com diesel (DBG), biogás com mistura de 20% biodiesel de soja e
80% de diesel (SBG), mistura de 20% biodiesel de soja com 80% de diesel (SBD), mistura de
10% biodiesel de soja e 10% de biodiesel de etanol com 80% de diesel (SED). O diesel puro
foi considerado como referência.

3.2 Metodologia de superfície de resposta

A metodologia de superfície de respostas (RSM) é considerada um conjunto de métodos
matemáticos e estatísticos que tem como objetivo a otimização e a modelagem de motores. O
maior destaque nesse caso estudado é o estudo das variáveis que podem influenciar nas medidas
de desempenho do motor (respostas). Nesse método cada resposta é considerada como uma
função das variáveis independentes.
Para se utilizar o RSM é necessário que os experimentos sejam feitos seguindo o
planejamento experimental fatorial completo com no mínimo 3 pontos centrais ou o modelo
DCCR com no mínimo 3 pontos centrais. O número mínimo de ensaios no fatorial completo é
dado pela equação 1 e o número mínimo de ensaios no método DCCR é dado pela equação 2.

𝑁.° 𝑑𝑒 𝑒𝑛𝑠𝑎𝑖𝑜𝑠 = 2𝑘 + 3𝑝.𝑐. Equação 1

𝑁.° 𝑑𝑒 𝑒𝑛𝑠𝑎𝑖𝑜𝑠 = 2𝑘 + 3𝑝.𝑐. + 2𝑘 Equação 2

Onde k é o número de variáveis independentes e p.c. são os pontos centrais. No artigo,

no entanto, são usados 7 pontos centrais ao invés de 3.O polinômio de segunda ordem seguindo
a metodologia DCCR é dado pela equação 3.
𝑘 𝑘

𝑦 = 𝛽0 + ∑ 𝛽𝑖 𝑥𝑖 + ∑ 𝛽𝑖𝑖 𝑥𝑖2 + ∑ 𝛽𝑖𝑗 𝑥𝑖 𝑥𝑗

𝑖=1 𝑖=1 𝑖<𝑗 Equação 3
 O artigo não traz o modelo de primeira ordem, onde podem ser avaliados os efeitos de
interação das variáveis. O polinômio de primeira ordem pode ser observado na equação 4.

𝑦 = 𝛽0 + ∑ 𝛽𝑖 𝑥𝑖 + ∑ 𝛽𝑖𝑗 𝑥𝑖 𝑥𝑗 Equação 4
𝑖=1 𝑖<𝑗
Os parâmetros β são os coeficientes de regressão dos modelos onde β0 é estimada através
da média das respostas, βi é a resposta individual e βij é a resposta de interação nas equações 3
e 4. Na equação 4 além dos termos citados acima há a interação quadrática representada pelo
coeficiente de regressão βii.
Nos modelos fatorial completo e DCCR o níveis de cada variável são codificados como:
0 para o ponto central, 1 para o maior valor e -1 para o menor valor. No DCCR, no entanto, há
o incremento dos pontos axiais seus níveis irão depender do número de variáveis, sendo
calculado conforme a equação 5. Onde k é o número de variáveis.

𝑘
𝑃𝑜𝑛𝑡𝑜𝑠 𝑎𝑥𝑖𝑎𝑖𝑠 = 𝛼 = ± 24 Equação 5

Os experimentos ocorreram em triplicata e a média foi usada nas análises. A variáveis

independentes testas foram o tipo de combustível, carga (kg), velocidade (RPM), fluxo de ar
(H), enquanto que as variáveis dependentes foram BTE (parâmetro de performance do motor
medido em %), VE (eficiência volumétrica medida em %), CO (Vol.%), HC (ppmv) e NOx
(ppmv). Quanto ao tipo de combustíveis foram utilizados diesel, DBG, SBG, SBD, SED.
Como no artigo foi utilizado um planejamento DCCR com quatro variáveis
independentes. A codificação dos pontos axiais seguindo a equação 5 foi igual ±2. Os níveis
codificados e seus respectivos números reais podem ser observados na tabela 1.

Tabela 1- Variáveis independentes e seus níveis para o modelo DCCR

Código Combustível carga (kg) velocidade (rpm) fluxo de ar (h)
-2 Diesel 2,4 1523 52
-1 DBG 4,8 1509 50
0 SBG 7,2 1493 48
1 SBD 9,6 1480 46
2 SED 12 1471 44
Fonte: Adaptado de Sharma, et. al. (2019)
 Na tabela 1 é possível observar alguns erros quanto a aplicação do DCCR.
Primeiramente, o autor principal e seu colaboradores utilizaram como variável independente o
tipo de combustível. Tipo de combustível é uma variável qualitativa; portanto, não deveria ser
utilizada dessa maneira, uma vez que toda variável independente deve ser quantitativa para que
aja uma relação matemática entre os níveis codificados. Algumas sugestões podem ser feitas,
como utilizar um teste preliminar codificado apenas com 1 e -1, analisar cada tipo de
combustível como uma variável fixa e um DCCR ou um fatorial completo para cada uma delas,
ou ainda variar algum tipo de componente do biogás utilizado ou porcentagem do combustível
tornando-a uma variável quantitativa.
Seguidamente, os níveis da varíavel velocidade foram mal dimensionados. Como foi
explicado anteriormente deve haver uma relação matemática entre os níveis, o que não ocorre
nesse caso. No esquema da figura 1 é possível ver o quanto foi somado ou subtraído do valor
de cada variável para cada nível. Portanto, é possível dizer que no caso da velocidade o artigo
não seguiu nenhuma proporção matemática, sendo assim possível afirmar que houve erro
durante os cálculos. Na tabela 2 é mostrado uma recomendação para este caso específico
utilizando como proporção ±13 para as variáveis codificadas ±1 e seu dobro ±26 para as
variáveis codificadas ±2, somadas e subtraídas apartir do nível 0. Além disso, tanto para a
variável independente velocidade como para o fluxo de ar foi somado as proporções para os
códigos – 1 e – 2 e subtraidos para os códigos 1 e 2. Apesar de não estar errado é recomendável
que todas as variáveis sigam um padrão e senão seguir que esse detalhe não seja esquecido na
hora das análises dos resultados.

Figura 1 - Esquema ilustrativo do cálculo matemático para a variável velocidade e seus níveis codificados

Fonte: Própria autoria com base nos dados do artigo de Sharma, et. al. (2019)
 Tabela 2 - Tabela de sugestão para os valores da velocidade e seus níveis codificados

Código velocidade (rpm)

-2 1519
-1 1506
0 1493
1 1480
2 1467
Fonte: Autoria Própria

O artigo não aborda o modelo de primeira ordem, mas o mesmo poderia ter sido
analisado, assim poderia ter sido analisado o efeito de interação entre as variáveis para cada
resposta. Para tanto o parâmetro tipo de combustível deveria ser removido ou sofrer alguns
ajustes para que o mesmo fosse transformado em uma variável quantitativa. A tabela 3
representa uma proposta de fatorial completo para o exprimento realizado no artigo. Sendo as
variáveis SBG 10% (biogás com mistura de 10% biodiesel de soja e 80% de diesel), SBG 20%
(biogás com mistura de 20% biodiesel de soja e 80% de diesel) e DBG (biogás com 100% de
diesel). Nesse caso a variável combustível passa a ser quantitativa variando a porcentagem da
mistura biodiesel e diesel que trabalham juntamente com o biogás.

Tabela 3 - Códigos e seus valores correspondentes para cada variável independente no modelo de primeira ordem
Código Combustível carga (kg) velocidade (rpm) fluxo de ar (h)
-1 DBG 4,8 1506 50
0 SBG (10%) 7,2 1493 48
1 SBG (20%) 9,6 1480 46

Fonte: Própria autoria

As respostas analisadas no artigo foram: BTE (quão eficiente o motor converte energia
térmica em cinética), eficiência volumétrica, monóxido de carbono (CO); hidrocarboneto (HC)
e Óxido de Nitrogênio (NOx). A matriz com os valores codificados das variáveis dependentes
para cada ensaio e as repostas obtidas estão presentes na tabela 4. Nessa tabela os ensaios
número 6 e 9 estão em duplicata e o ensaio -1 -1 -1 -1 não está constando. O que pode ter sido
um erro de digitação. Para efeito de análise nesse relatório o ensaio 9 foi considerado como o
ensaio -1 -1 -1 -1. A tabela 5 mostra a ordem correta dos ensaios utilizada para análise.
Tabela 4 - Matriz experimental apresentada no artigo

Fonte: Sharma, et. al. (2019)

 Tabela 5 - Matriz experimental DCCR utilizada para cálculos

ENSAIOS COMBUSTÍVEL CARGA VELOCIDADE FLUXO DE AR BTE VE CO (VOL. HC NOX

(KG) (RPM) (H) (%) (%) %) (PPMV) (PPMV)
1 -1,00000 -1,00000 -1,00000 -1,00000 21,5 69,05 0,193 48,25 716
2 1,00000 -1,00000 -1,00000 -1,00000 12,42 46,00 0,153 38,25 865
3 -1,00000 1,00000 -1,00000 -1,00000 27,32 65,66 0,132 39,00 1150
4 1,00000 1,00000 -1,00000 -1,00000 20,81 65,40 0,111 27,75 1341
5 -1,00000 -1,00000 1,00000 -1,00000 21,45 68,97 0,199 44,75 635
6 1,00000 -1,00000 1,00000 -1,00000 16,91 68,50 0,141 45,25 848
7 -1,00000 1,00000 1,00000 -1,00000 18,91 85,86 0,132 46,00 1310
8 1,00000 1,00000 1,00000 -1,00000 15,62 65,60 0,138 34,50 1345
9 -1,00000 -1,00000 -1,00000 1,00000 19,91 56,01 0,182 49,50 703
10 1,00000 -1,00000 -1,00000 1,00000 17,67 65,70 0,048 12,00 1015
11 -1,00000 1,00000 -1,00000 1,00000 17,26 64,91 0,196 43,00 1113
12 1,00000 1,00000 -1,00000 1,00000 26,20 85,00 0,018 14,50 1295
13 -1,00000 -1,00000 1,00000 1,00000 13,76 56,02 0,219 54,75 703
14 1,00000 -1,00000 1,00000 1,00000 16,92 65,70 0,135 33,75 870
15 -1,00000 1,00000 1,00000 1,00000 16,25 55,33 0,199 51,75 1175
16 1,00000 1,00000 1,00000 1,00000 15,31 65,20 0,135 33,75 1338
17 (C) 0,00000 0,00000 0,00000 0,00000 23,76 68,50 0,195 43,75 1226
18 (C) 0,00000 0,00000 0,00000 0,00000 22,60 68,40 0,195 44,75 1229
19 (C) 0,00000 0,00000 0,00000 0,00000 26,78 68,60 0,195 44,75 1228
20 (C) 0,00000 0,00000 0,00000 0,00000 22,80 68,60 0,192 48,00 1225
21 (C) 0,00000 0,00000 0,00000 0,00000 26,79 68,65 0,195 42,75 1210
22 (C) 0,00000 0,00000 0,00000 0,00000 26,71 68,63 0,195 42,75 1235
23 (C) 0,00000 0,00000 0,00000 0,00000 26,81 68,70 0,195 43,75 1205
24 -2,00000 0,00000 0,00000 0,00000 23,57 58,71 0,078 29,50 1056
25 2,00000 0,00000 0,00000 0,00000 16,90 67,80 0,048 22,00 1421
26 0,00000 -2,00000 0,00000 0,00000 13,11 49,67 0,045 56,25 650
27 0,00000 2,00000 0,00000 0,00000 25,12 68,10 0,105 36,25 1422
28 0,00000 0,00000 -2,00000 0,00000 28,26 68,80 0,132 33,00 1205
29 0,00000 0,00000 2,00000 0,00000 17,12 77,30 0,168 42,00 1251
30 0,00000 0,00000 0,00000 -2,00000 27,05 59,11 0,198 44,50 1222
31 0,00000 0,00000 0,00000 2,00000 20,01 58,00 0,132 43,00 1225
Fonte: Autoria Própria
 Na tabela 4 é possível observar que o autor escolheu realizar sete ensaios no ponto
central, na é usual e não é necessário sendo que três pontos centrais seriam suficientes para
análises. Além disso, o autor fez triplicatas de todos os ensaios e usou a média para os
resultados. Pode-se concluir que nesse caso houve um excesso de ensaios realizados uma vez
que a finalidade do planejamento experimental é reduzir o número total de ensaios realizados,
sendo desnecessário a realização de triplicata de cada um.

4 – ANÁLISE CRÍTICA DOS RESULTADOS E DISCUSSÕES

Nesse item serão discutidos os resultados e discussões abordados no artigo focando no
planejamento experimental. Além disso, serão abordadas recomendações do que poderia ter
sido realizado, críticas à alguns procedimentos e cálculos que foram omitidos no artigo. Todos
os dados gerados para comparação com o artigo foram calculados com 95% de confiança.
Ademais, apenas as respostas BTE e VE foram analisadas para essa comparação.

4.1 Análise da resposta BTE

A tabela 6 representa a tabela ANOVA gerada pelo software STATISTICA. Pela tabela
todas as variáveis de primeira foram estatisticamente significativas, enquanto que apenas a
variável de segunda ordem Fluxo de ar não foi estatisticamente significativa e apenas as
combinações de Combustível e Fluxo de ar e Carga e Velocidade foram consideradas
estatisticamente significativas. De acordo com a norma apenas estes 5 fatores estariam
presentes na equação de segunda ordem; porém, afim de comparação todos eles foram
considerados para a equação uma vez que os autores consideram todos os fatores.
A Tabela 7 representa a tabela estudada durante a disciplina e que será usada como base
para as demais análises. Nela é possível observar que o valor do F tabelado é maior que o do F
calculado e, portanto, os gráficos de superfície nem deveriam ser analisados, uma vez que a
partir desse ponto todos os dados gerados não são mais estatisticamente significativos. Quanto
ao R2 calculado foi diferente do apresentado no artigo. Enquanto o artigo apresento um valor
de R2 de 0,94 o calculado nesse relatório foi de 0,78, o que pode-se caracterizar como uma
possível manipulação de dados.
 Tabela 6 - Tabela ANOVA gerada pelo STATISTICA para a resposta BTE

FACTOR SS DF MS F P
(1)COMBUSTÍVEL(L) 32,2944 1 32,2944 7,91300 0,030635
COMBUSTÍVEL(Q) 82,1419 1 82,1419 20,12698 0,004164
(2)CARGA (KG)(L) 70,5894 1 70,5894 17,29632 0,005952
CARGA (KG)(Q) 111,5245 1 111,5245 27,32652 0,001962
(3)VELOCIDADE (RPM)(L) 105,1691 1 105,1691 25,76927 0,002274
VELOCIDADE (RPM)(Q) 33,4221 1 33,4221 8,18933 0,028738
(4)FLUXO DE AR (H)(L) 27,6061 1 27,6061 6,76426 0,040618
FLUXO DE AR (H)(Q) 21,6989 1 21,6989 5,31683 0,060615
1L BY 2L 7,4256 1 7,4256 1,81948 0,226055
1L BY 3L 0,6724 1 0,6724 0,16476 0,698894
1L BY 4L 65,3672 1 65,3672 16,01674 0,007102
2L BY 3L 33,1776 1 33,1776 8,12941 0,029135
2L BY 4L 0,8190 1 0,8190 0,20068 0,669891
3L BY 4L 5,8081 1 5,8081 1,42314 0,277917
LACK OF FIT 124,8967 10 12,4897 3,06031 0,091951
PURE ERROR 24,4871 6 4,0812
TOTAL SS 695,1543 30

Fonte: Própria autoria

Tabela 7 - ANOVA - Análise de variância para o design experimental fatorial de segunda ordem da resposta BTE

FONTE DE VARIAÇÃO SQ GL QM F CALC F TAB R2

REGRESSÃO ( R ) 545,7706 14 38,98361 1,682372 2,37 0,78510
RESÍDUO ( R ) 149,3838 16 9,336486
FALTA DE AJUSTE 124,8967 10 12,48967
ERRO PURO 24,4871 6 4,081181
TOTAL 695,1543 30 23,17181
Fonte: Própria autoria

A equação 6 representa os coeficientes de regressão apresentados no artigo enquanto

que a equação 7 apresenta a equação obtida pelo software Statistica. Mais uma vez é possível
observar que apenas a média foi igual os demais coeficientes foram diferentes.
 Equação 6

( SHARMA, et. al. , 2019)

𝑩𝑻𝑬 = 25,18 − 1,16𝐹 + 1,71𝐶 − 2,093𝑅𝑃𝑀 − 1,07𝐻 − 1,69𝐹2 − 1,97𝐶2
− 1,08𝑅𝑃𝑀2 − 0,87𝐻2 + 0,68𝐹 ∗ 𝐶 + 0,20𝐹 ∗ 𝑅𝑃𝑀 + 2,02𝐹 ∗ 𝐻
− 1,44𝐶 ∗ 𝑅𝑃𝑀 − 0,23𝐶 ∗ 𝐻 − 0,60𝑅𝑃𝑀 ∗ 𝐻
Equação 7

Os gráficos da curva de contorno gerado na simulação pelo software Statistica (a) e do

artigo (b) podem ser observados na figura 2 e 3. Os gráficos gerados foram bem similares com
os apresentados no artigo, isto só reforça a hipótese de que pode ter ocorrido manipulação de
dados.
Figura 2 - Análise da Curva de contorno Combustível x Carga

Fonte: Própria autoria

Figura 3 - Análise da Curva de contorno Combustível x Fluxo de ar

Fonte: Própria autoria

4.2 Análise da resposta Eficiência Volumétrica (VE)
A Tabela 8 é possível observar que o valor do F tabelado é maior que o do F calculado
e, portanto, os gráficos de superfície nem deveriam ser analisados, uma vez que a partir desse
ponto todos os dados gerados não são mais estatisticamente significativos. Quanto ao R 2
calculado foi diferente do apresentado no artigo. Enquanto o artigo apresento um valor de R2
de 0,93 o calculado nesse relatório foi de 0,83, o que pode-se caracterizar como uma possível
manipulação de dados.
A equação 8 representa os coeficientes de regressão apresentados no artigo enquanto
que a equação 9 apresenta a equação obtida pelo software Statistica. Mais uma vez é possível
observar que apenas a média foi igual os demais coeficientes foram diferentes.

Tabela 8 - ANOVA - Análise de variância para o design experimental fatorial de segunda ordem da resposta BTE

FONTE DE VARIAÇÃO SQ GL QM F CALC F TAB R2

REGRESSÃO ( R ) 1749,0450 14 124,9318 1,772931 2,37 0,83

RESÍDUO ( R ) 364,9421 16 22,80888

FALTA DE AJUSTE 364,881 10 36,48807
ERRO PURO 0,061 6 0,010224
TOTAL 2113,987 30 70,46623
Fonte: Própria autoria

Equação 8

𝐕𝐄 = 68,58 + 0,97𝐹 + 3,91𝐶 + 1,27𝑅𝑃𝑀 − 0,97𝐻 − 0,98𝐹2 − 2,07𝐶2

+ 1,47𝑅𝑃𝑀2 − 2,15𝐻2 + 0,85𝐹 ∗ 𝐶 − 0,48𝐹 ∗ 𝑅𝑃𝑀 + 5,83𝐹 ∗ 𝐻
− 1,96𝐶 ∗ 𝑅𝑃𝑀 − 0,19 ∗ 𝐻 − 4,51𝑅𝑃𝑀 ∗ 𝐻 Equação 9

Os gráficos da curva de contorno gerado na simulação pelo software Statistica (a) e do

artigo (b) podem ser observados na figura 4 e 5. Os gráficos gerados foram bem similares com
os apresentados no artigo, isto só reforça a hipótese de que pode ter ocorrido manipulação de
dados.
Figura 4- Análise da Curva de contorno Combustível x Carga

Fonte: Própria autoria

Figura 5 - Análise da Curva de contorno Combustível x Fluxo de ar:

Fonte: Própria autoria

5 – CONCLUSÕES
Foram encontrados erros durante o planejamento, entre eles estão o mal
dimensionamento das variáveis codificadas, a utilização de uma variável qualitativa como
variável dependente a repetição de uma corrida e a ausência de uma delas. Além disso, o autor
escolheu fazer triplicata de todos os ensaios e incluiu sete pontos centrais no planejamento,
aumento muito o número de corridas e indo de encontro com objetivo principal do planejamento
fatorial que é ter o maior número de informações com a menor quantidade de experimentos
economizando tempo e materiais.
 Para a análise dos resultados obtidos no planejamento considerações tiveram que ser
feitas. Os resultados da tabela ANOVA calculada e os polinômios foram diferentes dos
apresentados no artigo, enquanto que os gráficos de superfície de resposta foram similires
levando a conclusão de que pode ter ocorrido manipulação dos dados.

REFERÊNCIAS BIBLIOGRÁFICAS

SHARMA, A. et al. Effect of biogas on the performance and emissions of diesel engine
fuelled with biodiesel-ethanol blends through response surface methodology approach.
Renewable Energy, v. 141, p. 657–668, 2019.