sistema automatizado para avaliaÇÃo de...
Post on 09-Nov-2018
219 Views
Preview:
TRANSCRIPT
UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA AGRÍCOLA
WAGNER TOMÉ SILVA
SISTEMA AUTOMATIZADO PARA AVALIAÇÃO DE
EXAUSTORES EM GALPÕES CLIMATIZADOS
CAMPINAS
2016
WAGNER TOMÉ SILVA
SISTEMA AUTOMATIZADO PARA AVALIAÇÃO DE EXAUSTORES EM GALPÕES CLIMATIZADOS
Tese apresentada à Faculdade de Engenharia
Agrícola da Universidade Estadual de Campinas
como parte dos requisitos exigidos para obtenção do
título de Doutor em Engenharia Agrícola, na área de
Construções Rurais e Ambiência.
Orientadora: Profa. Dra. Daniella Jorge de Moura
ESTE EXEMPLAR CORRESPONDE À VERSÃO
FINAL TESE DEFENDIDA PELO ALUNO WAGNER
TOMÉ SILVA E ORIENTADO PELA PROFA. DRA.
DANIELLA JORGE DE MOURA
CAMPINAS
2016
Dedico aos meus irmãos:
Wellington Tomé Silva
William Tomé Silva
Danilo de O. Prado
AGRADECIMENTOS
Agradeço à orientadora, professora Daniella pela paciência e dedicação que me inspirou
trabalhar neste projeto. Espero dignamente honrar seus ensinamentos no futuro.
Agradeço à professora Irenilza que, mesmo distante nestes momentos finais, sempre me foi
inspiradora como pesquisadora e estudiosa da área de engenharia agrícola.
Agradeço aos membros da banca de defesa, professor Danilo, professora Lucila, professor
Rossi e professor Saraiva que contribuíram enormemente para o aprimoramento dos
conceitos, das ideias, das análises de resultados, emfim, me deram o olhar verdadeiramente
cietífico necessário à conclusão deste trabalho.
Agradeço ao diretor do SESI Sumaré Moacir e às educadoras Nerita, Diana e Helena pela
força e por acreditarem em meu trabalho como professor.
Agradecimento especial à minhas amigas Thayla e Rafaela.
Agradeço à FAPESP por apoiar e financiar o projeto.
Agradeço finalmente à UNICAMP por me acolher como aluno por esses longos 23 anos.
RESUMO
A manutenção dos parâmetros ambientais (temperatura, umidade relativa e velocidade do ar)
adequados à criação de frangos de corte durante as estações mais quentes do ano é um
desafio, mas assume grandes proporções em países de clima tropical e subtropical como o
Brasil. Neste sentido, o sistema de ventilação desempenha relevante importância para
amenizar os efeitos adversos das condições externas. Tal sistema é responsável pelo aumento
do fluxo do ar por meio de exaustores ou ventiladores que trabalhando juntamente com o
sistema de resfriamento (nebulizadores e painéis evaporativos) é capaz de reduzir a
temperatura ambiente e oferecer sensação térmica ideal à criação das aves. No entanto, apesar
da importância que o sistema de ventilação desempenha à produtividade da criação e à
ambiência das instalações, um número reduzido de pesquisas foram desenvolvidas em relação
ao funcionamento dos exaustores. Desta forma, este trabalho teve como objetivo o
desenvolvimento de uma metodologia capaz de projetar um sistema de avaliação do
funcionamento dos exaustores em aviários do tipo túnel de pressão negativa para produção de
frangos de corte. Para atender aos objetivos, o trabalho foi dividido em três etapas principais:
a) construção de um sistema denominado FANS-N composto por uma estrutura vertical
automatizada, conhecida como mesa de coordenadas, que mensura os valores de velocidade
do ar por meio de um anemômetro de fio quente que percorre toda a área de saída de ar na
frente dos exaustores; b) desenvolvimento de um programa computacional, módulo de coleta
de dados responsável pelo armazenamento dos dados de velocidade do ar e suas respectivas
posições nas coordenadas X e Y e o módulo de análise onde os dados são processados,
formando curvas de níveis avaliadas por redes neurais que busca padrões de qualidade dos
exaustores e; c) validação do sistema à campo. O sensor do anemômetro do sistema
apresentou adequação em relação à estabilidade e calibração, bem como foi adequado também
para a mensuração dos dados em relação ao posicionamento do mesmo no sistema de
coordenadas e a estabilidade da estrutura. O sistema foi capaz de avaliar os exaustores em
função da distribuição da velocidade do ar na saída de ar e a vazão em relação à pressão
estática. Em suma, o sistema FANS-N apresentou condições de avaliar exaustores em aviários
comerciais de frango de corte.
Palavras-chave: Avicultura - Brasil, Avicultura - Manual prático, Análise ambiental,
Produção animal, Ventilação.
ABSTRACT
The maintenance of environmental parameters (temperature, relative humidity and airspeed)
suitable for creation of broiler chickens during the warmer seasons of the year is a challenge,
but it assumes major proportions in countries of tropical and subtropical climate like Brazil.
In these cases, the ventilation system plays a relevant importance to ease the adverse effects
of external conditions. This system is responsible for the increasing of the air flow by the
employment of exhausters or fans that working together with the cooling system (evaporative
cooler panels and nebulizers) are able to reduce the room temperature and offer the ideal
thermal sensation for poultry farming. However, although the relative importance that the
ventilation system plays on the productivity of breeding and the setting of the premises, a
small number of studies in relation to the operation of exhaust fans were conducted. Thus, this
study had the objective of the development of a methodology able to design a system of
evaluation of the operation of negative-pressure tunnel type exhaust fans in aviaries for the
production of broiler chickens. In order to meet the objectives, the work was divided into
three main stages: a) construction of a system called FANS-N consisting of an automated
vertical structure, known as coordinate table, which measures the speed values of the air by
means of an hot-wire anemometer that runs the entire air outlet area in front of the exhausters;
b) development of a computer program, data collection module responsible for the storage of
airspeed data and their respective positions in the coordinates X and Y and the analysis
module where the data is processed, forming levels curves assessed by neural networks that
search quality standards of the exhausters and; c) validation of the system in the field. The
sensor of the anemometer system presented adequacy regarding the stability and calibration,
and it was also adequate for the measurement of the data in relation to its positioning in the
coordinate system and the stability of the structure. The system was able to assess the
exhausters due to the distribution of the airspeed at the air outlet and the flow in relation to the
static pressure. In short, the FANS-N system presented conditions to assess exhauster in
commercial broiler chicken aviaries.
Keywords: aviculture, environmental control, poultry farming, ventilation system.
LISTA DE ILUSTRAÇÕES
Figura 1 – Desempenho de exaustores funcionando em distintas pressões estáticas. ............. 15
Figura 2 – Vazão funcionando em duas distintas pressões estáticas (12 Pa e 37 Pa). ............. 15
Figura 3 – Localização dos pontos para coleta da velocidade do ar......................................... 16
Figura 4 – Esquema de construção FANS. ............................................................................... 17
Figura 5 – Esquema de funcionamento do FANS. ................................................................... 18
Figura 6 – Anemômetro de hélices. .......................................................................................... 20
Figura 7 – Anemômetro de Copo. ............................................................................................ 20
Figura 8 – Anemômetro termoelétrico (termistor). .................................................................. 21
Figura 9 – Anemômetro Ultrassônico. ..................................................................................... 22
Figura 10 – Neurônio Artificial (a) e neurônio biológico (b). .................................................. 24
Figura 11 – Rede Neural distribuída em multicamadas. .......................................................... 25
Figura 12 – Mesa de coordenadas do sistema FANS-N ........................................................... 27
Figura 13 – Projeto final da mesa de coordenadas desenvolvida no Laboratório de Conforto
Térmico II da Unicamp............................................................................................................. 29
Figura 14 – Detalhes do projeto final para o sistema FANS-N. ............................................... 29
Figura 15 – Foto em detalhes dos motores, polias e correias da mesa de coordenadas XZ. .... 30
Figura 16 – Testes com os motores sendo realizados. ............................................................. 30
Figura 17 – Aparelho atual em campo, formado por: A- Estrutura mecânica, B- Anemômetro,
C – interface controladora e D – Computador com o programa desenvolvido. ....................... 31
Figura 18 – Desenho da estrutura mecânica para o projeto FANS-N. Com a localização do
centro de massa (CM), dos pontos críticos: A (rotação), B (translação), C (translação), D
(rotação) e ponto de referência O. ............................................................................................ 33
Figura 19 – Desenho esquemático dos motores. ...................................................................... 34
Figura 20 – Equipamento controlador dos motores (driver). .................................................. 35
Figura 21 – Placa de comunicação do equipamento com o computador. ................................. 35
Figura 22 – Anemômetro de fio quente (com filamento de tungstênio) desenvolvido no
Laboratório de Conforto Térmico II da Unicamp. ................................................................... 37
Figura 23 – Ponte de Wheatstone. ............................................................................................ 37
Figura 24 – Anemômetro termoelétrico a termistor. ................................................................ 39
Figura 25 – Modelos teóricos mais utilizados para ajustes de variogramas. ............................ 41
Figura 26 – Tela do programa para coleta de dados e integrada ao sistema FANS-N. ........... 43
Figura 27 – Tela do programa de tratamento de dados por rede neural integrado ao sistema
FANS-N. ................................................................................................................................... 46
Figura 28 – Quadro do programa FANS-N para manipulação da Rede Neural. ...................... 46
Figura 29 – Quadro do programa que indica soluções para o acionamento de exaustores. ..... 48
Figura 30 – Curva característica das velocidades do ar e linearização. ................................... 48
Figura 31 – Curva de calibração típica do anemômetro escolhido para o sistema FANS-N. .. 50
Figura 32 – Anemômetro utilizado na calibração do sensor. ................................................... 51
Figura 33 – Curvas de caracterização do modelo de exaustor utilizado, segundo o fabricante.
.................................................................................................................................................. 52
Figura 34 – Conjunto de exaustores estudados e sistema FANS-N posicionado. .................... 53
Figura 35 – Detalhe frontal do sistema FANS-N montado em um exaustor central. ............... 54
Figura 36 – Esquema de movimentação do anemômetro no processo de coleta de dados. .... 56
Figura 37 – Sistema FANS-N posicionado para a coleta de dados do exaustor. ..................... 56
Figura 38 – Coleta de dados no exaustor 6 com cortina a 0,5m do ponto de vedação total. .... 58
Figura 39 – Coleta de dados no exaustor 6 com cortina a 1m do ponto de vedação total. ....... 58
Figura 40 – Coleta de dados no exaustor 6 com cortina a 2m do ponto de vedação total. ...... 59
Figura 41 – Momento do início da coleta de dados pelo sistema FANS-N. ........................... 59
Figura 42 – Regiões distribuídas na superfície da curva de interpolação. ............................... 62
Figura 43 – Detalhes da divisão em regiões da superfície do exaustor. .................................. 62
Figura 44 – Curva de interpolação para a superfície e sua divisão em regiões de análise. ...... 63
Figura 45 – Curva de vazão do exaustor em função da pressão estática para exaustor em
regime de trabalho ao sair de fábrica. ....................................................................................... 65
Figura 46 – Distribuição das forças pela simulação com o programa FTool®. ........................ 67
Figura 47 – Forças axiais encontradas na estrutura da FANS-N. ............................................. 68
Figura 48 – Pontos de deformação possíveis na estrutura da FANS-N.................................... 69
Figura 49 – Pontos críticos para aplicação de forças para teste de deslocamento ou rotação. . 71
Figura 50 – Curva de calibração do anemômetro. .................................................................... 73
Figura 51 – Gráfico de Resíduos em função da ordem de observação. .................................... 74
Figura 52 – Histograma da distribuição dos resíduos. .............................................................. 74
Figura 53 – Temperatura ambiente e a tensão de saída do anemômetro para um valor fixo de
velocidade do ar de 6 m s-1
. ...................................................................................................... 75
Figura 54 – Ordem de observação em função dos resíduos. .................................................... 76
Figura 55 – Distribuição percentual dos resíduos. ................................................................... 77
Figura 56 – Função de calibração U (T, v) expressa no gráfico. .............................................. 78
Figura 57 – Relação entre as velocidades médias em cada região da superfície dos exaustores
estudados ( exaustores 1, 3, 5 e 6). ........................................................................................... 81
Figura 58 – Boxplot que relaciona os dados de cada setor da superfície interpolada com a
velocidade do ar considerando todos os valores de velocidade encontrados em todos os
exaustores. ................................................................................................................................ 82
Figura 59 – Variação das velocidades do ar em cada superfície e relacionada com cada
exaustor estudado. .................................................................................................................... 83
Figura 60 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 4 Pa. ...................... 86
Figura 61 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 16 Pa. .................... 87
Figura 62 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 20 Pa. .................... 87
Figura 63 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 25 Pa. .................... 88
Figura 64 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 30 Pa. .................... 89
Figura 65 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 40 Pa. .................... 89
Figura 66 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3 e 5 ligados................................................. 91
Figura 67 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3, 5, 6, 8 e 10 ligados................................... 91
Figura 68 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com todos os exaustores ligados. .............................................. 92
Figura 69 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3 e 5 ligados................................................. 93
Figura 70 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3, 5, 6, 8 e 10 ligados................................... 93
Figura 71 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com todos os exaustores ligados. .............................................. 94
Figura 72 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3 e 5 ligados................................................. 95
Figura 73 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3, 5, 6, 8 e 10 ligados................................... 95
Figura 74 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com todos os exaustores ligados. .............................................. 96
Figura 75 – Interpolação entre os valores de coordenadas X Y da superfície do exaustor 6
estudada em função dos valores de velocidade do ar e da abertura da cortina do aviário. ...... 97
Figura 76 – Interpolação entre os valores de coordenadas X Y da superfície do exaustor 6
estudada em função dos valores de velocidade do ar e da abertura da cortina do aviário. ...... 98
Figura 77 – Interpolação entre os valores de coordenadas X Y da superfície do exaustor 6
estudada em função dos valores de velocidade do ar e da abertura da cortina do aviário. ...... 99
Figura 78 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 4 Pa.
................................................................................................................................................ 103
Figura 79 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 16 Pa.
................................................................................................................................................ 103
Figura 80 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 20 Pa.
................................................................................................................................................ 104
Figura 81 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 25 Pa.
................................................................................................................................................ 104
Figura 82 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 30 Pa.
................................................................................................................................................ 105
Figura 83 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 40 Pa.
................................................................................................................................................ 105
Figura 84 – Boxplot das velocidades em relação a cada pressão estática para o exaustor 1. . 106
Figura 85 – Boxplot das velocidades em relação a cada pressão estática para o exaustor 3. . 107
Figura 86 – Boxplot das velocidades em relação a cada pressão estática para o exaustor 5. . 108
Figura 87 – Boxplot das velocidades em relação a cada pressão estática estudada para o
exaustor 6. ............................................................................................................................... 109
Figura 88 – Relação entre vazão nos exaustores e a altura da cortina em relação ao seu
fechamento.............................................................................................................................. 110
Figura 89 – Relação entre vazão e pressão estática de todos os exaustores estudados, dados
obtidos pela interpolação da superfície do exaustor. .............................................................. 114
Figura 90 – Relação entre vazão e pressão estática de todos os exaustores, resultados da
FANS-N. ................................................................................................................................. 114
Figura 91 – Comparação entre as vazões dos exaustores em função da pressão estática.
Resultado obtido do processo de interpolação. ...................................................................... 115
Figura 92 – Comparação entre as vazões dos exaustores em função da pressão estática.
Resultado obtido do programa FANS-N. ............................................................................... 116
LISTA DE TABELAS
Tabela 1 – Faixa de conforto térmico para frango em diferentes idades. ................................... 7
Tabela 2 – Necessidades da vazão do ar por unidade de ave em função da temperatura
ambiente e da idade das aves. ..................................................................................................... 9
Tabela 3 – Necessidades de fluxo de ar para cada frango em sua respectiva idade. .................. 9
Tabela 4 – Características de ventiladores com 0,61 m de diâmetro. ..................................... 13
Tabela 5 – Velocidades do ar para a ave, macroclima e microclima. ...................................... 13
Tabela 6 – Modelos e aplicações de Redes Neurais Artificiais. ............................................... 23
Tabela 7 – Tabela das características dos motores utilizados. ................................................. 34
Tabela 8 – Tabela de configuração inicial do programa FANS-N. ......................................... 44
Tabela 9 – Tabela de testes com os exaustores 1, 3, 5. ........................................................... 57
Tabela 10 – Tabela de teste com o exaustor de número 6. ....................................................... 58
Tabela 11 – Plano de análise dos resultados. ........................................................................... 60
Tabela 12 – Agrupamentos de regiões da superfície do exaustor. .......................................... 61
Tabela 13 – Tabela de resultados de testes de cisalhamento. ................................................... 70
Tabela 14 – Tabela de calibração do anemômetro para temperatura ambiente de 27 oC. ........ 72
Tabela 15 – Dados de temperatura ambiente e a tensão de saída do anemômetro para um valor
fixo de velocidade do ar de 6 m s-1
. ......................................................................................... 75
Tabela 16 – Resultados estatísticos para escolha das regiões de entrada da rede neural ......... 81
Tabela 17 – Relação dos coeficientes da função var(N) = a.N+b para o exaustor 1. ............... 84
Tabela 18 – Relação dos coeficientes da função var(N) = a.N+b para o exaustor 3. ............... 84
Tabela 19 – Relação dos coeficientes da função var(N) = a.N+b para o exaustor 5. ............... 85
Tabela 20 – Relação dos coeficientes da função var(N) = a.N+b para o exaustor 6. ............... 85
Tabela 21 – Médias de velocidades de todos os exaustores, utilizando análise de variância
com intervalo de confiança de 95% de certeza....................................................................... 100
Tabela 22 – Resultados para vazão do ar obtida pela análise estatística. ............................... 101
Tabela 23 – Quadro geral da análise numérica realizada ....................................................... 102
Tabela 24 – Médias de velocidades para o exaustor 1, utilizando análise de variância com
intervalo de confiança de 95% de certeza. ............................................................................. 106
Tabela 25 – Médias de velocidades para o exaustor 3, utilizando análise de variância com
intervalo de confiança de 95% de certeza. ............................................................................. 107
Tabela 26 – Médias de velocidades para o exaustor 5, utilizando análise de variância com
intervalo de confiança de 95% de certeza. ............................................................................. 108
Tabela 27 – Médias de velocidades para o exaustor 6, utilizando análise de variância com
intervalo de confiança de 95% de certeza. ............................................................................. 109
Tabela 28 – Vazão e velocidade em função da altura da cortina, dados do exaustor 6. ......... 111
Tabela 29 – Comportamento do exaustor 6 avaliado pelo programa FANS-N em função da
altura da cortina e de seus dados armazenados da figura interpolada. ................................... 112
Tabela 30 – Resultados de saída do programa FANS-N. ....................................................... 113
Tabela 31 – Relação de retas linearizadas Vazão Q em função da pressão estática PE. ........ 116
Tabela 32 – Padronização de resultados esperados para banco de dados na rede neural em
relação aos valores coletados para o exaustor 6 (padrão). ...................................................... 118
Tabela 33 – Respostas da FANS-N para os exaustores em valores arredondados. ................ 118
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................................... 1
1.1 Justificativa ..................................................................................................................... 2
1.2 Objetivos ......................................................................................................................... 3
1.2.1 Objetivo geral ........................................................................................................................................3 1.2.2 Objetivos específicos .............................................................................................................................3
2 REVISÃO DE LITERATURA ............................................................................................. 4
2.1 Sistema de ventilação e renovação de ar ...................................................................... 4
2.2 Ventilação e exaustão ..................................................................................................... 5
2.2.1 A influência da ventilação nos frangos de corte .....................................................................................8
2.3 Climatização das instalações de frango de corte ....................................................... 10
2.4 Metodologias para avaliação de axaustores .............................................................. 16
2.4.1 Metodologia de Wheeler e Bottcher ..................................................................................................... 16 2.4.2 Avaliação de ventilação (FANS) ......................................................................................................... 17
2.5 Sistema de automação e coleta de dados .................................................................... 19
2.5.1 Anemômetro rotacional ....................................................................................................................... 19 2.5.2 Anemômetro termoelétrico .................................................................................................................. 20 2.5.3 Anemômetro ultrassônico .................................................................................................................... 21
2.6 Rede Neural .................................................................................................................. 22
2.6.1 Definição e histórico ........................................................................................................................... 22 2.6.2 Características da RNA ....................................................................................................................... 24 2.6.3 Aprendizagem RNA ............................................................................................................................ 25 2.6.4 Aplicações em análise de imagens ....................................................................................................... 25
3 METODOLOGIA ................................................................................................................ 27
3.1 Aparelhagem ................................................................................................................ 27
3.1.1 Mesa de coordenadas: estrutura ........................................................................................................... 28 3.1.2 Mesa de coordenadas: motores utilizados e drives ............................................................................... 33 3.1.3 Anemômetros ...................................................................................................................................... 36
3.1.3.1 Anemômetro de fio quente ..................................................................................................... 36 3.1.3.2 Anemômetro termoelétrico tipo termistor. .............................................................................. 38
3.2 Interpolação dos valores de velocidade do ar ............................................................ 40
3.3 Programação ................................................................................................................ 42
3.3.1 Sistema FANS-N - Módulo de Coleta e Controle ................................................................................. 42 3.3.2 Programa FANS-N - Módulo de Tratamento de Dados ....................................................................... 45
3.4 Calibração ..................................................................................................................... 48
3.4.1 Calibração do sistema de posicionamento do sensor ............................................................................ 48 3.4.2 Calibração do sensor ........................................................................................................................... 49
3.5 Validação ...................................................................................................................... 51
3.5.1 Descrição do aviário ............................................................................................................................ 51 3.5.2 Metodologia para estudo dos exaustores .............................................................................................. 52
3.5.2.1 Configuração do sistema FANS-N ......................................................................................... 55 3.5.2.2 Escolhas das condições de operação do galpão ..................................................................... 56
4 ANÁLISE DE DADOS ........................................................................................................ 60
4.1 Plano de análise ............................................................................................................ 60
4.2 Vazão em relação á pressão estática por rede neural ............................................... 61
4.2.1 Configuração da rede neural ................................................................................................................ 62 4.2.2 Treino, validação e teste da rede neural ............................................................................................... 64
5 RESULTADOS E DISCUSSÕES....................................................................................... 66
5.1 Desempenho eletromecânico ....................................................................................... 66
5.1.1 Estudo da estrutura .............................................................................................................................. 66 5.1.2 Funcionamento e precisão dos motores ................................................................................................ 71 5.1.3 Calibragem do sensor .......................................................................................................................... 71
5.2 Desempenho do programa FANS-N ........................................................................... 79
5.2.1 Validação do programa FANS-N ............................................................................ 80
5.2.2 Variáveis de entrada para rede neural .................................................................................................. 80 5.2.3 Linearização dos valores de velocidade do ar....................................................................................... 83
5.3 Superfície de interpolação ........................................................................................... 89
5.3.1 Superfífices de interpolação e variação da pressão estática pelo controle de funcionameto dos
exaustores .................................................................................................................................................... 90 5.3.1.1 resultados da variação da pressão estática no exaustor 1 ..................................................... 90 5.3.1.2 Resultados da variação da pressão estática no exaustor 3 .................................................... 92 5.3.1.3 Resultados da variação da pressão estática no exaustor 5 .................................................... 94
5.3.2 Superfíces de interpolação e variação da pressão estática pelo controle da altura das cortinas .............. 96
5.4 Análise numérica .......................................................................................................... 99
5.4.1 Estudo das velocidades do ar obtidas pelo sistema FANS-N ............................................................. 101 5.4.2 Variação da pressão estática pelo controle de funcionameto dos exaustores. ...................................... 102
5.4.2.1 Comparação das médias de velocidades do ar e vazão entre exaustores para cada valor de
pressão estática. .............................................................................................................................. 102 5.4.2.2 Comparação das médias de velocidades do ar e vazão de um mesmo exaustor em relação às
pressões estáticas. ........................................................................................................................... 105 5.4.3 Variação da pressão estática pelo controle da altura das cortinas ........................................................ 110
5.5 Resultados com uso da rede neural .......................................................................... 112
5.5.1 Caracterização do galpão pelo estudo de exaustores .......................................................................... 113 5.5.2 Diferença entre exaustores e adequação no funcionamento ................................................................ 115 5.5.3 Treinamento e teste da rede neural ..................................................................................................... 116
6. CONCLUSÕES ................................................................................................................. 119
REFERÊNCIAS.................................................................................................................... 120
APÊNDICE ........................................................................................................................... 130
Variogramas das superfícies interpoladas (programa Surfer®). ................................. 130
ANEXO .................................................................................................................................. 132
Anexo 1. Esquema eletrônico para cosntrução do anemômetro termoelétrico. ......... 132
Anexo 2. Diagrama do driver para o motor de passo. ................................................... 133
1
1 INTRODUÇÃO
O agronegócio brasileiro representa fator importante para a economia nacional,
sendo responsável por 46% das exportações, 25% dos empregos e 23% do Produto Interno
Bruto (PIB). Atualmente, o Brasil corresponde por 7,04% do comércio agropecuário mundial
e a produção avícola se destaca representando aproximadamente 1,5% do Produto Interno
Bruto. O Brasil é o maior exportador (com 4,099 mil de toneladas em 2014) e o terceiro maior
produtor desde 2004 no ranking mundial (com 12.691 mil toneladas em 2014), de acordo com
Associação Brasileira dos Produtores e Exportadores de frango – ABPA (2015).
A atividade avícola é uma das mais tecnificadas em relação ao avanço da
genética, da sanidade, da nutrição e do controle ambiental, possibilitando condições
adequadas para que as aves apresentem suas melhores características produtivas. As
instalações e as boas práticas de manejo também foram aperfeiçoadas com a automação e
outros desenvolvimentos tecnológicos, trazendo aos aviários alta tecnificação e produção
intensificada, permitindo alojar grande densidade de aves e suas respectivas produtividades.
Atualmente, parte dos aviários tem sido construidos ou adaptados para o sistema
de ventilação artificial do tipo túnel por pressão negativa. Entretanto, a experiência a respeito
dessa tecnologia é limitada uma vez que foi importada dos Estados Unidos e adaptada para
nossas condições climáticas, frequentemente incorrendo em erros.
Desta maneira, a quantificação das taxas de ventilação adequada nos aviários de
frangos de corte é crucial para o controle da ambiência (aérea e térmica), no bem-estar das
aves e, consequentemente, para a produção (CALVET et al., 2013). Entretanto, a
determinação da taxa de ventilação real em uma instalação animal é uma tarefa difícil e
complexa em função dos efeitos do tempo, ambiente insalubre, falta de manutenção dos
exaustores, efeitos dinâmicos e irregulares dos ventos, posicionamento diferenciado dos
exaustores, número variável de exaustores, aberturas diferenciadas para entrada de ar, frestas
existentes e as diferentes tipologias dos aviários, ainda que esta utilize sistema de ventilação
artificial (ZHU et al., 2012; ZHAO et al., 2013).
Neste sentido, várias metodologias, normas e procedimentos foram desenvolvidos
para a determinação e avaliação do desempenho de exaustores quanto à vazão de ar em
laboratórios (Air Movement and Control Association – AMCA, 1999; American Society of
Heating, Refrigerating & Air-Conditioning Engineers – ASHRAE, 2001, WHELLER e
BOTCHER, 1995; ASHRAE, 1992). Posteriormente, a metodologia para avaliar o fluxo de ar
2
de exaustores instalados em aviários de frangos de corte in loco foi desenvolvida por
Simmons e Hannigan (2000) e posteriormente utilizada por Gates et al. (2004).
O sistema desenvolvido, denominado FANS (Fan Assessment Numeration
System), possibilitou o mapeamento preciso da velocidade do ar na saída dos exaustores. O
sistema vem se mostrando adequado para a avaliação do desempenho de exaustores em
ambientes protegidos de animais e plantas (MORELLO et al., 2014; ZHI et al., 2015). Sendo
também adotada pela United States Department of Agriculture – USDA como metodologia
padrão de avaliação da emissão de gases em galpões avícolas e suinícolas nos Estados Unidos
da América.
Outra técnica capaz de oferecer suporte à para avaliação do sistema de ventilação
são as ‘ econômica, avaliação e predição de produtividade, dieta, sistema de ventilação, entre
outros (FARIDI et al., 2012, 2014; SEFATI et al., 2014; FARIDI e GOLIAN, 2011; CURI,
2014).
A utilização da rede neural artificial é adequada na análise de padrões de figuras,
uma vez que esta técnica é capaz de classificar, organizar e dar respostas relacionadas aos
resultados que se pretende obter. A eficiência em encontrar padrões em figuras e compará-los
com banco de dados pré-estabelecidos já é bem comum em muitas situações, tais como na
identificação de pessoas pelas suas digitais ou pela íris (GODARA e GUPTA, 2013; AL-
ALLAF et al., 2012; ZAGHETTO et al., 2015).
Neste contexto, o presente trabalho teve como objetivo o desenvolvimento de um
sistema para avaliação do funcionamento dos exaustores que compõe o sistema de ventilação
in loco em aviários de frangos de corte.
1.1 Justificativa
A atual posição brasileira da avicultura no mercado mundial de carne de frango
concede aos avicultores brasileiros a responsabilidade de se adequarem as exigências
internacionais dos padrões de qualidade, procurando sempre recursos alternativos de
melhoria, sem grande incremento no custo de produção. Dentre as tecnologias que permitem o
atendimento a esses padrões e normas internacionais, destacam-se sistemas de ventilação do
tipo túnel por pressão negativa (sistemas permitirem um maior controle do ambiente de
alojamento das aves).
Esses fatores tornam importante o desenvolvimento de projetos para a avaliação
dos atuais sistemas de exaustão/ventilação utilizados no controle da ambiência de aviários
3
para criação comercial de frangos de corte no país. Compete aos pesquisadores do setor,
desenvolver pesquisas que avaliem os sistemas ou equipamentos mais apropriados para serem
utilizados para este fim. Além disso, a apresentação de uma proposta de ajustes nos sistemas
de ventilação que apresentem um baixo desempenho de funcionamento e alto consumo de
energia elétrica (falhas na pressão de funcionamento dos túneis), com a finalidade de baixar
os custos de produção e aumentar o lucro do produtor.
A hipótese do presente trabalho é que o sistema proposto é adequado para a
avaliação in loco dos exaustores que compõe o sistema de ventilação de aviários de frangos de
corte.
1.2 Objetivos
1.2.1 Objetivo geral
O objetivo deste trabalho foi desenvolver e validar um sistema de avaliação de
exaustores do sistema de ventilação de aviários para a produção comercial de frangos de
corte.
1.2.2 Objetivos específicos
- Projeto e construção de um equipamento mecânico de posicionamento de
coordenadas para o deslocamento do anemômetro;
- Projeto, construção e calibração de um sensor anemômetro responsável pela
mensuração dos valores da velocidade do ar gerado pelo fluxo de ar nos exaustores;
- Desenvolvimento de um programa capaz de: registrar e armazenar os dados de
velocidade do ar mensurados pelo anemômetro, e também de controlar os motores para
movimentação do sensor;
- Validação do sistema em campo a partir de diferentes pressões estáticas gerado
pelo funcionamento dos exaustores e;
- Desenvolvimento do sistema computacional para analise de banco de dados com
uso das redes neurais.
4
2 REVISÃO DE LITERATURA
2.1 Sistema de ventilação e renovação de ar
A climatização de um ambiente consiste em adaptar as condições térmicas às
ideais. Na produção de frango de corte são considerados sistemas de climatização àqueles que
utilizam equipamentos como os exaustores, ventiladores, nebulizadores, sistema de
aquecimento, painéis de resfriamento evaporativo e controladores, além de materiais isolantes
(CURI et al., 2014; LIANG et al., 2014).
Desta forma, atingir as condições de conforto térmico (temperatura, umidade
relativa e velocidade do ar) no interior das instalações avícolas em função das condições
adversas externas (por frio e por calor) tornou-se um desafio, uma vez que influenciam
diretamente na qualidade do ambiente e consequentemente na produtividade das aves (NÄÄS
et al., 2001). Por esta razão, a utilização do sistema de ventilação e de resfriamento se torna
uma maneira estratégica para a manutenção das condições ambientais e da qualidade do ar no
interior dos aviários relacionados às exigências das aves em função da idade, linhagem e
localização do aviário (BUSTAMANTE et al., 2013; BUCKLIN et al., 2009;
BUSTAMANTE et al., 2015).
Dentre os custos relacionados à produção avícola, os gastos de energia elétrica
nos aviários representam impacto significativo e estão diretamente relacionados com o
sistema de climatização (aquecimento e ventilação) entre outros equipamentos (comedouros
automáticos, motobomba da nebulização, lâmpadas), dentre os quais necessitam de estudos
para promover a eficiência energética (CARNIATO et al., 2014; NONIS e SAMED, 2014).
O custo para climatização para o avicultor pode alcançar 22% do total de
produção do frango, sendo que racionalizando o dispêndio de energia elétrica, por meio da
escolha de melhores exaustores nos aviários, pode-se alcançar uma economia mensal de
eletricidade em 27,12% por aviário (TURCO et al., 2008). Entretanto, auxilia no maior
desempenho das aves por proporcionar maior bem-estar (FRAME et al., 2002; CORDEIRO et
al., 2009; FERRAREZ, 2009; NASCIMENTO et al., 2011).
A climatização do galpão auxilia na manutenção do conforto térmico animal, bem
como na renovação do ar capaz de reduzir os níveis de poeira, amônia, dióxido de carbono,
monóxido de carbono e vapor de água. Dentre os quais, quando se apresentam acima do limite
considerado ideal podem causar problemas respiratórios, ascite entre outros destacapos por
Abreu PG e Abreu VMN (2000).
5
A relevância do monitoramento do ambiente aéreo em galpões de frangos ocorre
não somente em consequência do bem-estar animal, mas também devido às questões de saúde
pública. As concentrações de poeira, e outros gases produzidos em galpões de confinamento
quando acima do nível tolerável, podem afetar tanto a saúde animal quanto a saúde humana.
Os limites toleráveis máximos de dióxido de carbono, monóxido de carbono, amônia, sulfato
de hidrogênio e poeira inalável são de 5.000 ppm, 50 ppm, 20 ppm, 10 ppm e 10 mg.m-3
,
respectivamente, segundo a Global good agricultural practices - GLOBALG.A.P (2012).
Além disso, a renovação do ar permite que os níveis de oxigênio. Enquanto a diretiva da
Comissão Européia (2008) estabelece limites máximos de 20 ppm, 3.000 ppm e 70 % para a
concentração de amônia, dióxido de carbono e nível de umidade relativa, respctivamente. Já o
manual de frango de corte da linhagem Cobb preconiza concentração máxima de 10 ppm para
a amônia e 3.000 ppm para o dióxido de carbono (COBB-VANTRESS, 2009).
2.2 Ventilação e exaustão
O sistema de ventilação apresenta três funções principais: a) manutenção da
qualidade do ar na instalação em função de um nível adequado de troca do ar interno; b)
proporcionar o conforto térmico pelo auxílio da perda de calor corporal, uma vez que o calor é
retirado com mais eficiência quando o corpo de animal recebe ventilação e; c) resfriamento da
estrutura da instalação, através da convecção, quando a temperatura interna é maior do que a
externa (BUCKLIN et al., 2009).
Dentre os quais os sistemas de ventilação podem ser classificados em: natural
(produzidos naturalmente), artificial (produzidos por equipamentos) e misto.
A ventilação natural, na maioria dos casos, não é eficiente por ser incapaz de fazer
a manutenção da temperatura e da umidade relativa adequada quando a condição externa se
encontra em valores extremos, como o caso do verão no período da tarde, representando
perdas produtivas (FURLAN, 2006). Enquanto que a ventilação artificial compõe um sistema
com exaustores, ventiladores, painéis adiabáticos, dentre os quais o ar passa pelo último para
ser resfriado e posteriormente saí pelos exaustores para a renovação do ar, este sistema é mais
eficiente que a ventilação natural por ser capaz de resfriar o ar e se vinculado à materiais de
isolamento, proverá uma ambiência térmica e aerea mais próximo do adequado (TINÔCO et
al., 2016).
6
Existem duas formas importantes de se promover artificialmente a movimentação
do ar em galpões: sistema de pressão negativa ou ventilação e sistema de pressão positiva ou
pressurização.
A ventilação artificial é produzida por equipamentos especiais como ventiladores
(pressão positiva) e exaustores (pressão negativa). A ventilação artificial de pressão positiva é
utilizada sempre que as condições naturais de ventilação não proporcionam adequada
movimentação do ar ou redução de temperatura. Apresentam a vantagem de promover a
distribuição uniforme e suficiente do ar no interior dos aviários e ser independente das
condições atmosféricas. Permite fácil controle da taxa de ventilação através do
dimensionamento dos ventiladores, das entradas e saídas de ar.
Tanto no sistema de ventilação por pressão negativa, quanto por pressão positiva,
deve ser dada atenção especial à pressão estática produzida pelo mesmo, a qual poderá
determinar a eficiência do sistema. A pressão estática está relacionada diretamente com a
vazão dos exaustores (saídas de ar) e a abertura de ar (entradas de ar) em unidade de m³ s-1
.
Comumente, observam-se zonas de pressão de baixa movimentação de ar em aviários com
ventilação por pressão negativa ou positiva. Um dos fatores mais frequentes para essa
ocorrência é o mau dimensionamento e posicionamento dos equipamentos de exaustão e
ventilação (CURI, 2014).
A ventilação ocorre em uma instalação em função da diferença na pressão estática
entre o interior e o exterior da construção. Se o ventilador impele o ar para o interior da
instalação através de aberturas, a pressão estática na instalação é maior que a de fora e,
normalmente, é chamada de sistema de pressão positiva. Se o ventilador remove ar da
estrutura, a pressão estática no aviário será menor que a externa, e o ar fluirá para dentro
através de aberturas, constituindo um sistema de pressão negativa (American Society for
Agricultural Engineers - ASAE, 1995).
Assim, quando o aviário possui adequado projeto de sistema de ventilação, é
possível garantir as exigências térmicas do frango de corte (Tabela 1) em função da idade para
promover a melhor produtividade da genética uitlizada, tais como Ross®, Cobb
® (COBB-
VANTRESS, 2009), entre outras linhagens utilizadas comercialmente. Uma instalação
adequada, para Nääs
(1995), prevê uma boa circulação de ar, remoção da umidade que se
forma dentro da edificação e a dispersão do excesso de calor gerado pela presença dos
animais.
7
Tabela 1 – Faixa de conforto térmico para frango em diferentes idades.
Idade
(semanas)
Temperatura (oC)¹ Temperatura (
oC)²
1 32 a 34 32 a 33
2 28 a 32 29 a 30
3 26 a 28 24 a 26
4 24 a 26 21 a 23
5 e 6 18 a 24 19 a 21
Fonte: adaptado de Furlan (2006)¹ e Cobb-Vantress (2009)².
Doenças crônicas, baixo ganho de peso, pior conversão alimentar e desempenho
estão entre as consequências de uma má ventilação no aviário. Para diagnosticar estes
problemas e determinar se o sistema de ventilação está funcionando perfeitamente, faz-se
necessário o monitoramento por equipamentdos adequados (NIENABER e HAHN, 2004;
SALGADO, 2006; VALE et al., 2008).
Equipamentos e metodologias de avaliação quando utilizados apropriadamente
permitem a visualização e avaliação do fluxo do ar e características importantes, como:
velocidade do ar, velocidade de rotação do ventilador, pressão estática, temperatura, umidade
relativa e a concentração de amônia e outros gases (BOTTCHER, 1995).
A escolha do sistema de ventilação adequado deve levar em consideração, além
das condições externas dos aviários, a dimensão da instalação (volume de ar à ser renovado),
densidade das aves (responsáevis pela produção de calor e umidade) e tipo de instalação para
garantir a eficiência da ventilação e das trocas de ar (BARTON, 1994; NILIPOUR, 1995).
Assim, o projeto do aviário deve levar em consideração, principalmente, os
equipamentos que serão instalados. O bom dimensionamento do sistema de exaustão em um
aviário resultará em uma boa manutenção do ambiente de alojamento das aves e em um
consumo adequado de energia elétrica. Somando-se a isso, o aumento do custo da energia
elétrica e em alguns casos, a baixa disponibilidade de energia no meio rural, exige análises
detalhadas quando da seleção dos equipamentos, podendo levar a uma significativa economia
ao avicultor. Assim, em aviários sob condições ambientais controladas e sistema de ventilação
mecânica, as taxas de ventilação podem ser determinadas por meio de métodos diretos com
precisão melhor do que 10% (GATES et al., 2004; CALVET et al., 2011).
Desta forma, para a seleção adequada dos equipamentos é fundamental que o
produtor não compare apenas o custo inicial, mas também o desempenho (eficiência elétrica)
e os custos operacionais. Uma vez que a produtividade das aves está relacionada diretamente
consumo energético, portanto, os estudos que propiciam melhor eficiência energética serão
8
fundamentais para o crescimento da atividade em um mercado cada vez mais competitivo. O
nível de automação também é fator importante a ser considerado, já que quanto mais
automatizado o sistema, maior é o consumo elétrico, valores que devem ser considerados pelo
avicultor quando decide por aprimorar seus meios produtivos (NASCIMENTO et al., 2011).
2.2.1 A influência da ventilação nos frangos de corte
A ventilação é especialmente crítica durante os períodos mais quentes do ano
como o verão, uma vez que as aves na fase final de produção são suscetíveis ao estresse
calórico quando expostas a altas temperaturas em combinação com alta umidade
(CARVALHO et al., 2013; GARCIA NETO et al., 2014).
Uma instalação avícola considerada adequada em termos de conforto térmico às
aves apresenta renovação de ar com a finalidade de remover o excesso de umidade e calor
produzido no interior da instalação. Na maioria das regiões produtoras brasileiras, somente a
ventilação natural não é suficiente para manter lotes mais pesados dentro da região de
termoneutralidade (NÄÄS, 1997).
O acréscimo da velocidade do ar de 0,2 para 2,5 m s-1
na altura das aves auxilia a
sensação térmica e a perda de calor, e por consequencia, melhora o ganho de peso e a
eficiência no uso da água de aves com 1,4 kg, quando a temperatura variou de 21 a 36 °C.
Aumentos similares na velocidade do ar amenizaram o estresse térmico de aves com 8
semanas, quando estas estavam expostas a temperaturas ambientes menores que a temperatura
corporal de 40,6 °C. Autores como Barnwell e Rossi (2003) afirmaram que as condições
adequadas para criação de frango de corte na fase final de produção é quando a temperatura se
aprensenta em torno de 21,1 °C, umidade relativa igual à 50% e velocidade do ar igual à 1,3
m s-1
.
Enquanto Carr e Nicholson (1980) o testaram três níveis de taxas de ventilação,
chamadas de baixa, média e alta, observaram diminuição na umidade da cama e nos níveis de
amônia presentes no ar no interior do aviário, à medida que se aumentou a ventilação. Esta
medida influenciou ainda no ganho de peso com diferença significativa entre as três taxas de
ventilação. Outros autores observaram que a velocidade do ar próxima ao valor de 2 m s-1
auxilia o bem-estar e o conforto térmico das aves (YAHAV et al., 2001),
O dimensionamento adequado de ventiladores/exaustores está relacionado com o
número total de aves adultas alojadas, a temperatura interna e externa do aviário, velocidade
externa do ar e eficiência de aberturas, bem como as características construtivas do aviário e
tipo de vedação do mesmo.
9
As exigências de ar em função da temperatura ambiente e da idade das aves são
apresentadas na Tabela 2 e as necessidades de ventilação em função do número de ave para
inverno e verão são apresentadas na Tabela 3.
Tabela 2 – Necessidades da vazão do ar por unidade de ave em função da temperatura
ambiente e da idade das aves.
Temperatura (oC)
Idade (semanas)
1 3 5 7
Fluxo de ar (10-3
m3.s
-1)
4,4 0,11 0,33 0,57 0,90
10,0 0,14 0,38 0,75 1,08
15,6 0,17 0,47 0,90 1,32
21,1 0,19 0,57 1,04 1,56
26,7 0,22 0,61 1,18 1,75
32,2 0,25 0,71 1,32 1,98
37,8 0,28 0,80 1,46 2,22
43,3 0,31 0,85 1,60 2,41
Fonte: Adaptado de Bampi (1994).
A partir dos dados apresentados pode-se definir, por exemplo, a ventilação
necessária por aviário. Por exemplo: i) um galpão de 10.000 frangos com 5 semanas e
temperatura ambiente de 26,7oC necessita de um fluxo de ar de aproximadamente 11,8 m
3.s
-1,
segundo a Tabela 2; ii) frangos adultos com massa de 2,35 kg em um galpão de 10.000
frangos durante o verão com umidade relativa maior que 50% necessitam de cerca de 22,2 m3
s-1
de fluxo de ar, segundo a Tabela 3.
Tabela 3 – Necessidades de fluxo de ar para cada frango em sua respectiva idade.
Idade
(dias)
Peso
(kg)
Exigências de fluxo de ar por unidade frango
(10-3
m3.s
-1)
Inverno
(fluxo mínimo)
Verão
(Fluxo máximo)
Máximo fluxo no verão com
umidade maior que 50%
7 0,160 0,14 0,56 0,56
14 0,380 0,17 0,56 0,56
21 0,700 0,19 0,83 0,83
28 1,070 0,25 1,11 1,11
35 1,500 0,28 1,39 1,67
42 1,920 0,42 1,67 2,22
49 2,350 0,42 1,67 2,22 Fonte: adaptado de Lacambra (1997).
10
2.3 Climatização das instalações de frango de corte
A climatização das instalações de frangos de corte é realizada por meio de
exaustores, ventiladores, painel evaporativo instalados das entradas de ar, nebulizadores e
aquecedores (na fase inicial de criação do frango de corte ou no período de inverno).
O ventilador pode ser definido como um equipamento provido por pás a qual
funciona para vencer as pressões de resistência impostas pelos dutos e demais equipamentos
do sistema de ventilação. De modo geral, as relações mais importantes para os ventiladores
são três: o fluxo de ar produzido pelo ventilador é diretamente proporcional à sua rotação; a
pressão gerada é proporcional ao quadrado da rotação e, por fim, a potência elétrica é
proporcional ao cubo da rotação (BAÊTA e SOUZA, 1997).
Os ventiladores são essencialmente utilizados para promover diferenças de
pressão estática entre o interior e o exterior do aviário auxiliando nas trocas de ar. Quando
instalados estão sujeitos à corrosão e ao pó pelas condições insalubres os quais são
submetidos. Os ventiladores podem ser combinados de acordo com o fluxo que gera e
quantidade deles:
- Um ou mais ventiladores pequenos são operados durante períodos frios e esses
são suplementados durante períodos quentes por grandes ventiladores;
- Alternativa para modificar a taxa de ventilação é o uso de duas velocidades.
É importante que eles sejam capazes de movimentar certa quantidade de ar ao
nível das aves, entretanto, a localização e o espaçamento dos ventiladores são determinantes
para o bom desempenho do sistema. Os ventiladores são classificados pela taxa de fluxo
volumétrico (Equação 1).
Tvent = m.Vp (Equação 1)
Onde:
Tvent = taxa de ventilação (m3 kg s
-1);
m = taxa do fluxo de massa (kg s-1
);
Vp = volume específico (obtido de uma carta psicrométrica com condições
escolhidas para representar aquelas no ventilador, em m3).
Para Moueddeb et al. (1998) os ventiladores comerciais apresentam o
desempenho do fluxo de ar em função do diferencial da pressão estática. A diferença entre a
pressão estática interna e a externa do ar no galpão faz com que haja o movimento do ar e
consequentemente, mantém a temperatura crítica superior mais baixa.
11
Enquanto que para Zhang e Barber (1993), um bom sistema de controle de
ventilação é aquele capaz de equilibrar a remoção de umidade e manter o balanço de calor
sensível. Os autores simularam um aviário usando um modelo dinâmico para determinar
quanto que a taxa de ventilação poderia ser eficaz no período quente do ano. Usaram para
tanto três estágios de ventilação, num total de 0,61 m3 s
-1. A umidade relativa foi menor do
que 75% porque a taxa de ventilação foi sempre maior àquela requerida para o balanço de
umidade.
Turco et al. (1996) estudaram treze conjuntos de ventiladores em instalações
comdimensões de 30 x 15 x 3 m (comprimento x largura x pé-direito), concluindo que não há
uniformidade nos equipamentos utilizados na avicultura brasileira, em termos de consumo de
energia elétrica e de eficiência de ventilação.
Em um estudo com ventilação forçada, Timmons e Hillman (1993) concluíram
que o aumento da velocidade do ar para 2,0 m s-1
quando a temperatura do ar esta em torno de
35 °C é uma maneira de amenizar o estresse térmico. Isto porque se elevou a perda de calor
por convecção e reduziu a perda por evaporação.
O uso de ventiladores axiais é indicado no período noturno em aviários ventilados
naturalmente com manejo de cortinas a fim de melhorar o desempenho das aves em climas
quentes, uma vez que estes auxiliam a preda de calor das aves sem aumentar o consumo de
energia elétrica. Estudos em campo recentes mostraram que reduzindo a velocidade dos
ventiladores, melhora-se o desempenho das aves. Quando as aves estão em estresse calórico,
estocam o calor recebido durante o dia no organismo, dificultando sua dissipação à noite.
Com o uso de ventiladores no período noturno, acelera-se então este processo de perda de
calor, ganhando em peso e melhorando a conversão alimentar (BOTTCHER e BISESI, 1993).
A ventilação natural tem sido o método predominante de climatização nos
aviários, embora a utilização de sistemas mais tecnificados também vem sendo empregado
para amenizar os efeitos adversos das condições externas na produtividade. Em lugares com
aberturas favoráveis, este método pode remover efetivamente o calor e a umidade produzida
pelas aves durante o tempo quente. Entretanto, a velocidade do ar ao nível das aves pode ser
próxima à zero m s-1
, e consequentemente um baixo resfriamento efetivo.
Bottecher et al. (1998) desenvolveram um modelo de ventilador axial, de pás
largas, 2,49 m de diâmetro com alta potência para uso em aviários. Os autores concluíram que
este ventilador tipo “tufão” é mais eficiente do ponto de vista energético do que os
convencionais, além de possuir abrangência maior em termos de área de piso. Testando este
12
ventilador para perus na fase de crescimento concluíram que esses ventiladores promoveram
uma velocidade de 1 m s-1
próxima ao piso (BOTTCHER et al., 1996).
Simmons et al. (1998) estudaram as variações na taxa do fluxo de ar de
ventiladores em aviário tipo “túnel”. Foram estudados ventiladores colocados “lado a lado”
num ângulo de 90º um ao outro. Os resultados mostraram um melhor desempenho para os
ventiladores colocados em ângulo de 90º.
As condições de ventilação local podem ser alteradas com a presença de
vegetação, edificações e outros anteparos naturais ou artificiais. Pode-se tirar partido do perfil
topográfico de um terreno para canalizar os ventos, desviando-os ou trazendo-os para próximo
à edificação (LAMBERTS et al., 1997). A utilização de ventiladores do tipo axial em aviários
é mais comum. Entretanto, a instalação desses equipamentos deve apresentar embasamento
nos conceitos teóricos para alcançar resultados satisfatórios.
Ventiladores de tração direta se apresentam, em casos específicos, mais eficientes
comparados aos ventiladores tracionados por correia, entretando não permitem a escolha de
velocidade. Em termos gerais, o ventilador deve possibilitar a retirada e a renovação completa
do ar a cada minuto. Quanto às pás, atualmente, tem-se adotado os ventiladores de 3 a 6 pás
com tamanho de 0,45 a 0,6 m. Certamente a eficiência do ventilador deve ser considerada
para o total de ventiladores a ser utilizado no aviário. A Tabela 4 apresenta as características
de ventiladores em função da capacidade de fluxo de ar, consumo de energia e eficiência
energética. Sendo assim, é possível observar:
- Dois ventiladores de igual tamanho podem não apresentar o mesmo
desempenho;
- Ventiladores de diferentes fabricantes podem ter desempenhos diferentes mesmo
com as mesmas dimensões;
- Boa qualidade dos ventiladores é essencial para propiciar um bom desempenho
da ventilação mecânica nos aviários;
- Ventiladores ineficientes aumentam os custos de produção (uso de ventiladores
de baixo desempenho).
13
Tabela 4 – Características de ventiladores com 0,61 m de diâmetro.
Modelo Capacidade de fluxo de ar
(m3 s
-1 )
Consumo de energia
(kW)
Eficiência energética
(m3 s
-1 kW
-1)
A 2,43 0,416 5,8
B 2,28 0,417 5,5
C 1,98 0,374 5,3
D 2,95 0,663 4,5 Fonte: Adaptado de Huffman (1994).
Quando o projeto do sistema de ventilação subestima o número necessário de
ventiladores, as aves tendem a se agrupar em áreas próximas aos ventiladores. Alternando-se
ventiladores direcionados horizontalmente, ou em ângulo levemente inclinado para baixo,
criam-se áreas de formato oval de 12 a 21 m de comprimento e 6 a 9 m de largura, próximas
ao piso, nas quais as velocidades do ar são de 1 m s-1
ou mais. Desse modo, na maioria dos
aviários, seria necessário um grande número de ventiladores para cobrir completamente o piso
com velocidades de ar elevadas.
A capacidade dos ventiladores pode variar amplamente, de acordo com o estado
em que se encontram e das condições em que operam. A velocidade de deslocamento do ar
em um aviário deve ser considerada, uma vez que os erros de concepção das taxas ideais
poderão trazer problemas ao plantel. Velocidade muito baixa pode dificultar a troca térmica
do meio ambiente interno e externo trazendo desconforto térmico às aves. A Velocidade do ar
acima do recomendado pelo manual de frangos de corte da linhagem comercial afetam
negativamente as aves nos limites de estresse ambiental e dependendo das condições
psicrométricas externas e idade das aves, ocasionar até mesmo hipotermia.
De acordo com Rossi (1998), a forma de alcançar a climatização ideal seria
avaliando a variável velocidade o ar em função da exigência das aves, do macro-clima, do
micro-clima e do ático de maneira diferenciada (Tabela 5).
Tabela 5 – Velocidades do ar para a ave, macroclima e microclima.
Local Velocidade (m s-1
)
Ideal para a ave 0,7*
Macroclima 1,5 à 2,3
Ático Convecção natural + vazão e velocidade artificial *Varia de acordo com a quantidade de calor que se deseja trocar e com as perdas existentes no aviário.
Fonte: Adaptado de Rossi (1998).
Em aviários, o fluxo de ar deve ser manejado para fornecer adequada velocidade
do ar à altura das aves. Ventiladores de velocidade simples possuem somente a opção de
14
funcionamento em uma velocidade do ar, enquanto ventiladores de duas velocidades possuem
a opção do uso da velocidade mais elevada em períodos quentes e velocidade baixa para
períodos frios. Ventiladores com velocidades múltiplas são indicados para locais onde a
temperatura externa varia muito durante o dia. Desta forma, o número de ventiladores a ser
utilizado no aviário vai depender de sua vazão, do volume do aviário, da época do ano e idade
das aves.
Conforme Czarick (2006), pressão estática pode ser definida como a resistência
que os equipamentos em funcionamento precisam vencer (ventiladores/exaustores) (Figuras 1
e 2).
A pressão estática dos galpões está em função da vazão de ar. Os principais
fatores que influenciam o fluxo de ar dos exaustores são:
- Vazão (Q) – volume de ar que passa na saída do exaustor na unidade de tempo.
- Pressão total do exaustor (Pt) – diferença entre a pressão total do ar na saída (Ps )
e na entrada do exaustor (Pe).
- Pressão estática do exaustor (Pe) – diferença entre a (Pt) e a pressão de
velocidade na saída do exaustor (Ps ).
Neste sentido, é possível observar regiões com baixa renovação de ar no interior
de aviários (velocidade do ar igual à zero m s-1
) em função do funcionamento dos exaustores
insuficientes para proporcionar a adequada pressão estática. Este fato está atribuído pelo mau
dimensionamento e localização dos equipamentos de ventilação, além de ocorrerem, também,
falhas de ângulos em relação ao ático, ao macro e ao microambiente.
Os equipamentos de exaustão devem ser selecionados de acordo com as vazões
necessárias a cada ambiente climático, com a velocidade e a pressão de ar desejada para
determinado microambiente, obedecendo às especificações e limites dos exaustores.
Na Figura 2, por exemplo, é evidente a queda acentuada no desempenho dos
exaustores a partir da pressão estática de 45 Pa, justificada pela exigência mecânica causada
na estrutura do galpão submetido a pressões superiores e que o excesso de esforço sobre os
motores pode diminuir sua vida útil e trazer prejuízos (CZARICK, 2006).
15
Figura 1 – Desempenho de exaustores funcionando em distintas pressões estáticas.
Fonte: Adaptado de Czarick (2006).
Figura 2 – Vazão funcionando em duas distintas pressões estáticas (12 Pa e 37 Pa).
Fonte: Adaptado de Czarick (2006).
A obtenção da pressão estática ideal no aviário necessita que a área de abertura para
entrada do ar e a capacidade dos exaustores sejam calibradas. O excesso da abertura causara
velocidade do ar muito baixa, impossibilitando que o ar percorra em todo o comprimento do
aviário, enquanto aberturas pequenas não permitem que os exaustores obtenham uma vazão
do ar suficiente para a renovação adequada. O cálculo da abertura da entrada e saída de ar
deve considerar a capacidade dos exaustores e a velocidade de ar que se deseja obter.
Contudo, a pressão do ar inteiro talvez seja o ponto mais importante de todos, podendo
determinar o êxito ou o fracasso do sistema (ROSSI, 1998).
16
A velocidade do ar adequada na altura dos animais é de aproximadamente 0,7 m s-1
,
enquanto no macro ambiente deve estar entre 1,5 a 2,3 m s-1
. Autores como Barnwell e Rossi
(2003) preconizam velocidade do ar entre 1,5 e 2,0 m s-1
.
2.4 Metodologias para avaliação de axaustores
A avaliação do funcionamento de exaustores devem considerar dois fatores
essenciais: i) determinação precisa do fluxo de ar gerado e, ii) energia elétrica consumida, de
forma que as especificações técnicas dos fabricantes devem ser a mais próxima possível. A
velocidade do ar medida em diversos pontos por onde é gerado o fluxo de ar pode determinar
o fluxo de ar e, por consequência, a eficiência do exaustor. A metodologia de Wheeler &
Bottcher (1995) é a mais utilizada para esse fim quando não possui equipamentos de varredura
automatizada como o desenvolvido no trabalho de Gates et al. (2004), conhecido como FANS
(Fan Assessment Numeration System), este sistema possibilita o mapeamento das velocidades
do ar e o cálculo do fluxo de ar. Dentre essas metodologias as quais fornecem resultados
satisfatórios, o nível de precisão e de exata posição dos sensores apresenta qualidade superior no
modelo de aparelhagem FAN projetado por GATES et al. (2004).
2.4.1 Metodologia de Wheeler e Bottcher
Pela metodologia de Wheeler e Bottecher (1995) são selecionados 9 pontos
estratégicos da superfície do exaustor, Figura 3, na qual são coletados os valores de velocidade do
ar em cada ponto. Obtém-se a média em cada ponto, e posteriormente a média dos nove pontos,
após a mensuração da velocidade do ar total é calculada a vazão por meio das Equações 2 e 3.
Figura 3 – Localização dos pontos para coleta da velocidade do ar.
Fonte: Wheeler e Bottcher (1995).
17
(Equação 2)
A = área da circunferência do exaustor (m²).
D = diâmetro do exaustor (m).
(Equação 3)
Q = vazão em volume do exaustor (m³ s-1
).
= média da velocidade do ar nos 9 pontos (m s-1
).
2.4.2 Avaliação de ventilação (FANS)
Um sistema de avaliação do sistema de ventilação requer o registro dos dados de
velocidade do ar por meio de um anemômetro em diversos pontos do ventilador ou exaustor
avaliado. Na metodologia proposta por Gates et al. (2004) tem-se o método utilizado para
construção do sistema FANS, é possível observar na Figura 4 o esquema de construção. Neste
sistema observa-se o posicionamento horizontal de cinco anemômetros que se movimentam
verticalmente para a coleta dos valores de velocidade do ar.
Figura 4 – Esquema de construção FANS.
Fonte: Gates et al. (2004).
O sistema é controlado pela interface entre o programa Anemometer2
(desenvolvido em Visual Basic por Gates et al., 2002) com o sistema eletrônico que controla o
motor que gera o movimento vertical de deslocamento dos anemômetros.
18
As dimensões do equipamento criado por Gates et al. (2008) são de 1,2200 m na
versão genérica, em que o movimento vertical se dá em intervalos de 0,0050 m. O
anemômetro utilizado é do tipo hélice. A aquisição dos dados foi realizada pelo programa
Anemometer2 através de um looping de coleta de dados sempre que ocorre o deslocamento
vertical e armazerará os valores em conjuntos de 12 bits. Para cada uma das cinco entradas
dos canais analógicos, 1000 amostras são adquiridas a uma taxa de 10 kHz e é realizada uma
média para se obter a leitura. O conjunto de anemômetros requer cerca de 185 segundos para
mapear a velocidade do ar em toda a extensão do aparelho, coletando 1775 valores de
velocidade do ar, dentre os quais estão distribuídos uniformemente sobre a área realizada. O
registro dos dados é realizado em uma única vez.
As etapas do funcionamento da aparelhagem porposto por Gates et al. (2004)
estão demonstradas na Figura 5.
Figura 5 – Esquema de funcionamento do FANS.
Fonte: Adaptado de Gates et al. (2004).
A calibração dos sensores utilizado por Gates et al. (2004) compara os valores
obtidos pelo aparelho e registrados pelo programa Anemometer2 com valores de referência
com uso de um anemômetro já calibrado. Desta forma, com a regressão linear das medidas de
vazão calculadas pelo anemômetro do projeto (y) versus as medidas de vazão de ar de
referência (x) obtidos (ou seja, y = a + bx) é possível realizar a calibração. Ou ainda, pela
inclusão de uma leitura de fluxo zero, desta forma, então subtraindo-se essa variação a partir
de cada valor medido e fazendo a regressão linear dos resultados (ou seja, da forma: y - y0 =
19
bx). Por fim, a calibração foi realizada pela comparação dos anemômetros pré-calibrados com
os valores obtidos pelo programa Anemometer2.
Os resultados obtidos pela utilização do sistema FANS por Gates et al. (2004) e,
na atualização realizada posteriormente por Gates et al. (2008) mostram que houve uma
melhora considerável em relação a metodologia proposta por Wheeler e Bottcher (1995). A
evidência principal pode ser percebida pela quantidade de pontos coletados de velocidade do
ar, sendo 1775 pontos no sistema proposto por Gates et al. (2008) e 9 pontos na metodologia
de Wheeler e Bottcher (1995). Outro fator é o posicionamento mais preciso do anemômetro
na frente do exaustor no momento da coleta, já que em Wheeler e Bottcher (1995) é feito
manualmente e o erro humano não pode ser descartado nesta situação.
2.5 Sistema de automação e coleta de dados
Os anemômetros são aparelhos utilizados para mensurar direção e velocidade do
ar. A aplicação deste equipamento é no controle de voos de aeronaves, túneis de vento,
estações meteorológicas, navegação, aeroportos e aferir condições de funcionamento de
exaustores e ventiladores. Várias técnicas e sensores de medição foram desenvolvidos para
mensuração da velocidade do ar, sendo que cada tipo é indicado para um determinado uso.
Os anemômetros mais indicados ao estudo de exaustores e ventiladores são: rotacional,
termoelétrico e ultrassônico. Questões relacionadas à locomoção, precisão e custo influenciam
a escolha destes tipos de anemômetros e verifica-se o uso em muitos trabalhos relacionados a
sistemas de ventilação em avicultura de corte, presentes em estudos desenvolvidos por Gates
et al. (2002), Gates et al. (2005) e Gates et al. (2008), Curi et al. (2014) e Morello (2010).
2.5.1 Anemômetro rotacional
O anemômetro rotacional de hélice é o mais usado de todos os anemômetros
devido a sua simplicidade. O funcionamento deste equipamento consiste em hélices que
giram a uma velocidade angular proporcional a velocidade do ar que passa por elas (Figura 6).
A rotação das hélices gera variação de campo eletromagnético que pode ser convertido em
valores de velocidade do ar.
20
Figura 6 – Anemômetro de hélices.
Fonte: University of British Columbia (2015).
Outra variação é o anemômetro rotacional de copo, o qual possui canecas
anexadas a um eixo horizontal de rotação e tem funcionamento igual ao de hélice (Figura 7).
Segundo Pinto (2006), o funcionamento consiste na mensuração da força exercida
pelo ar sobre as canecas, elas geram a rotação do eixo horizontal que gira a uma velocidade
proporcional à velocidade do ar. A desvantagem deste anemômetro é estar em contato direto
com o ar, obstruindo a passagem do fluxo do ar para medir a velocidade do vento,
sensibilidade baixa a rajadas de vento de curta duração, devido a sua inércia. Sampaio (2005)
propôs um modelo de fácil construção e calibração.
Figura 7 – Anemômetro de Copo.
Fonte: Direct Industry (2015).
2.5.2 Anemômetro termoelétrico
O anemômetro termoelétrico utiliza o fenômeno de troca de calor para mensurar a
velocidade do ar. A troca de calor é feita através de um fio ou filme condutor de calor e o
próprio fluido medido. O fio ou filme são aquecidos e expostos ao fluido em movimento,
deste modo, a velocidade do ar fica proporcional à quantidade de calor retirada do fio ou filme
quente.
21
O aquecimento do sensor pode ser feito de forma contínua ou pulsada, pelo
circuito que o compõe. A técnica mais utilizada faz com que uma grandeza elétrica seja
mantida constante (tensão, corrente ou potência elétricas) e, assim, a velocidade do ar é
calculada em função da temperatura do fio ou filme (SARMA, 1993). Outra técnica utilizada
é pela temperatura constante.
Devido à mudança de resistividade elétrica em função da temperatura, a corrente
elétrica sofre modificações necessárias para manter a temperatura do fio constante e, ao medir
a corrente tem-se um valor proporcional à velocidade do ar. Trabalhos foram inicialmente
realizados com este tipo de anemômetro por Freymuth (1967).
Outro método mais sofisticado, desenvolvido por Chartier et al. (1971), consiste
em utilizar a modulação por largura de pulso elétrico, PWM (Pulse-Width Modulation). Nesta
técnica, a largura dos pulsos da corrente necessária para manter a temperatura constante do fio
ou filme associa-se ao valor de velocidade do vento.
As principais vantagens deste tipo de anemômetro são: não possuir partes móveis
e ter um tamanho reduzido quando comparado com os anemômetros, além de ter maior
sensibilidade para baixas velocidades do vento (PINTO, 2006). A Figura 8 ilustra um
anemômetro de termoelétrico a termistor.
Sampaio (1998) construiu um anemômetro de fio quente calibrado utilizando um
método simples para ser aplicado no desenvolvimento deste sensor.
Figura 8 – Anemômetro termoelétrico (termistor).
Fonte: University of Cambridge (2015).
2.5.3 Anemômetro ultrassônico
Os anemômetros ultrassônicos são desenvolvidos com base no princípio de que a
velocidade do ar influencia a velocidade de uma onda acústica, com frequência ultrassônica.
Este anemômetro possui um emissor ultrassônico (transdutor emissor) e um microfone
receptor da onda gerada coletora (transdutor receptor) com distanciamento de
aproximadamente 0,10 m (dependendo do modelo). O tempo necessário para que o sinal
22
ultrassônico percorra a distância entre o transmissor e o receptor é depende da velocidade de
deslocamento do ar em movimento no espaço entre o transmissor e o receptor.
As vantagens deste equipamento são: boa exatidão, resposta rápida, não mantém
contato e nem obstrui o fluxo do fluido medido e possui linearidade em uma grande faixa de
frequência (PINTO, 2006). Na Figura 9 tem-se um exemplo de anemômetro ultrassônico.
Figura 9 – Anemômetro Ultrassônico.
Fonte: Direct Industry (2015).
2.6 Rede Neural
2.6.1 Definição e histórico
Redes Neurais Artificial (RNA) podem ser consideradas sistemas de
processamento de dados que possuem características de comportamento e desempenho
análogo às redes neurais biológicas. A Figura 2.1 apresenta um modelo de um neurônio
biológico com a seqüência de propagação dos sinais pela célula. A natureza das RNA's faz
com que seu estudo seja multidisciplinar, envolvendo pesquisadores de diversas áreas, como
neurofisiologia, psicologia, física, computação e engenharia.
Redes Neurais Artificiais (RNA) ou Artificial Neural Networks (ANN) são
técnicas computacionais, desenvolvidas por cientistas da computação para aprimoramento de
inteligência artificial (IA), apresentam modelos matemáticos inspirados na estrutura neural de
organismos vivos Lima (2010), Wilhelm e Lopes (1995). Nas RNA a análise de dados, assim
como nos seres vivos, é feita através de experiência adquirida com resultados, ou seja, um
banco de dados é acumulado, servindo para fornecer informações para o tratamento
matemático adequado dentro do processo computacional influenciando no resultado final de
avaliação. Os dados coletados e analisados em outras situações têm seus resultados como
parte importante para as análises futuras e daí a necessidade de formação de banco de dados.
23
Segundo Kóvacs (2006), a estrutura básica para construção de uma RNA é o
neurônio artificial (Figura 6), com ele desenvolvem-se os vários tipos de Redes Neurais, na
Tabela 6 temos os principais modelos e suas respectivas aplicações. Uma rede neural é
definida, pela sua topologia, pelas características dos nós e pelas regras de treinamento.
Tabela 6 – Modelos e aplicações de Redes Neurais Artificiais.
Modelo Aplicações Ano
Adaline/Madaline Filtragem de sinal adaptativo, equalização
adaptativa. 1960
Backpropagation Perceptron
Reconhecimento de padrões, filtragem de sinal,
controle robótico, compressão de dados e
segmentação de sinal.
1974
Neocognition Reconhecimento de manuscritos e imagens 1975
Brain-State-in-a-Box (BSB) Revocação autoassociativa 1977
Vector Quantization Learning Compressão de dados, revocação
autoassociativa. 1981
Hopfield Evocação autoassociativa. 1982
Adaptative Resonance Theory
(ART) Reconhecimento de padrões. 1983
Boltzmann Machine, Cauchy
Machine
Reconhecimento de padrões (imagem, som,
radar). 1984
Bidirectional Associative
Memory Memória endereçada por conteúdo. 1987
Recurrent Controle robótico, reconhecimento de fala e
previsão sequencial. 1987
Network Radial Basis Functions Classificação e mapeamento. 1987
Time-Delays Reconhecimento de fala. 1987
Networks of Functional Links Classificação e mapeamento. 1988
Fonte: Adaptado de Valdemeri (1999).
Na Figura 10 observa-se que cada entrada do neurônio corresponde a um valor
numérico que possui seu respectivo peso, definido proporcionalmente pelo engrossamento do
ramo de entrada (detrito artificial). No ramo de saída (axônio artificial) é calculado o
resultado final para este neurônio tendo como base os pesos iniciais e a função matemática
relacionada (KÓVACS, 2006). Na Figura 10b tem-se o Neurônio biológico com a respectiva
direção de propagação de sinal e na Figura 10a, seu análogo para neurônio artificial com as
entradas de dados ponderadas pelos pesos. Segue ainda na Figura 10a a função soma que
24
relaciona as entradas estabelecendo interrelações entre os valores ponderados. A função
transferência que estabelece os cálculos que resultam na saída do neurônio artificial.
Figura 10 – Estrutura do neurônio.
(a) Neurônio artificial (b) Neurônio biológico
2.6.2 Características da RNA
Uma rede neural artificial possui vários neurônios artificiais (unidades de
cálculo), por várias unidades de processamento. Essas unidades são conectadas por redes de
comunicação associadas a pesos, cada unidade opera sobre um conjunto local de dados e
fornece um resultado que pode ser utilizado por outro neurônio artificial. O comportamento
inteligente de uma Rede Neural Artificial é consequência das interações entre as unidades de
processamento da rede (KÓVACS, 2006, VEMURI, 1992 e SILVA 1998). Na proposta dos
criadores de RNA, Mcculloch e Pitts (1943), devem-se fazer as seguintes considerações:
1 – Têm-se valores de entrada que são multiplicados por pesos (números que
expressão a importância de cada valor);
2 – O nível de atividade é definido pelo cálculo baseado nestes valores de entrada;
3 – Se o nível de atividade for superior a certo limite (threshold) o neurônio
apresenta certa resposta de saída com base na regra de treinamento com base no modelo de
rede neural.
As Arquiteturas neurais são organizadas em camadas e, por sua vez, camadas são
classificadas em três grupos, Figura 11:
Camada de Entrada: Os padrões são apresentados à rede;
Camada Oculta: São processados os cálculos com uso das conexões
ponderadas (chama-se extratora de característica);
Camada de Saída: É apresentado o resultado final.
25
Figura 11 – Rede Neural distribuída em multicamadas.
Fonte: Valdemeri (1999).
2.6.3 Aprendizagem RNA
O desempenho e importância do uso da Rede Neural Artificial estão em sua
principal característica, memória de resultados, obtida por processos de treinamento. Isso é
feito pela interação de ajustes aplicados a seus pesos, O aprendizado ocorre quando a rede
neural alcança uma solução para determinado problema seguindo certo algoritmo para efetivar
o aprendizado, Silva (1998).
Existem vários tipos de algoritmos de aprendizado específicos para determinados
modelos de redes neurais, a diferença esta no modo como os pesos são modificados, Silva
(1998). Valdemeri (1999).
Kóvacs, 2006 cita os paradigmas associados ao aprendizado de uma RNA:
Aprendizado Supervisionado a Rede Neural é treinada com auxílio de um
observador que faz os devidos ajustes caso os resultados obtido estejam fora da faixa
satisfatória considerada.
Aprendizado autorregulador, quando não existe um agente externo indicando
a resposta desejada para os padrões de entrada e quando o próprio sistema consegue se
modificar e melhorar seus resultados.
2.6.4 Aplicações em análise de imagens
O reconhecimento de padrões é a principal aplicação para redes neurais artificiais.
Rosenblatt, criador do modelo Perceptron, criou este tido de RNA para reconhecimento de
padrões de manuscritos, o motivo principal é que a cognição humana tem melhores resultados
26
que os algoritmos matemáticos tradicionais para solucionar problemas de identificação de
padrões. O sistema humano em toda sua complexidade consegue distinguir pessoas, músicas,
sons e outros tantos sistemas de padrões com significativa facilidade.
Em seu trabalho, Lima et al. (2010), utilizou a RNA com modelagem Perceptron
(Mult Layer Perceptron, MLP) e desenvolveu um sistema de identificação de padrões de
escrita de letra, a programação feita na linguagem Delphi 7 obteve resultados satisfatórios, em
uma de suas conclusões afirma que o uso da rede neural dá uma segurança maior ao processo
de reconhecimento porque temos um procedimento de identificação adaptativo e variável.
Os resultados para os estudos de sistemas de ventilação obtidos por Gates et al.
(2002), Gates et al. (2005) e Gates et al. (2008) em seu sistema FANS e também Curi (2014)
com a metodologia de Wheeler e Bottcher (1995) podem passar por tratamento de RNA, em
especial para a modelagem MLP e ter resultados satisfatórios. Constatado inclusive por Curi
(2014) em sua tese, concluindo que a modelagem MLP é capaz de fornecer informações
suficientes para a tomada de decisão em sistemas de exaustão em galpões de frangos de corte.
O uso de rede neural na modelagem MLP mostra-se satisfatória para reconhecimento e
tratamento de imagens.
Detalhe importante do trabalho de Lima et al. (2010) é que, ao desenvolver o
programa em Delphi 7, seus estudos podem ser incorporados a outros programas para gerar
resultados específicos ao problema em tempo real. Por exemplo, se utilizado para identificar
problemas de rendimento em exaustores em granjas haverá um ganho significativo a todos
que querem solucionar o problema de maneira mais imediata, já que o programa pode aferir
com mais rapidez, eficiência e rapidez. O programa poderá levar consigo o banco de dados de
resultados anteriores e a rede poderá já estar treinada e eficiência, uma vez que o programa
comportará todas as especificidades da RNA caracterizada.
27
3 METODOLOGIA
O projeto foi realizado no Laboratório de Conforto Térmico II em conjunto com o
Laboratório de Protótipos da Faculdade de Engenharia Agrícola da Unicamp. A calibração do
equipamento produzido ocorreu no laboratório de Armazenamento Térmico de Tubo e Calor
da Faculdade de Engenharia Mecânica da Unicamp. A validação do equipamento foi realizada
em galpões com ventilação tipo-túnel localizados nas regiões de Campinas-SP no ano de
2014.
3.1 Aparelhagem
Foi construído um protótipo para avaliação do desempenho de exaustores, de
acordo com a descrição a seguir. Toda a montagem foi baseada nas recomendações feitas por
Gates et al. (2004) e alguns aperfeiçoamentos foram incluídos ao modelo. O equipamento
atual, para mensuração da velocidade do ar de exaustores, é mostrado na Figura 12.
Figura 12 – Mesa de coordenadas do sistema FANS-N
28
3.1.1 Mesa de coordenadas: estrutura
O modelo de construção foi feito utilizando o programa Google Sketchup®
7 para
desenhá-los e FTool ®
para os testes de equilíbrio, centro de massa e esforço devido à ação do
vento. Um ponto importante de fragilidade estática da estrutura é sua fixação ao solo, pois as
irregularidades do mesmo podem mudar o seu centro de equilíbrio e sair da condição
idealizada pelo programa. Para o uso de qualquer um dos protótipos, convém preparar sua
superfície de contato com o chão para que seja plana e nivelada na altura do exaustor a ser
estudado. Como sensor principal, foi escolhido um anemômetro termoelétrico de filamento e
temperatura variável, desenvolvido e construído no Laboratório de Conforto Térmico II da
Unicamp, seguindo a proposta de construção de anemômetro de fio quente observada em
Sampaio (1998). O sistema de deslocamento do sensor, que antes era realizado por dois
parafusos condutores (Figura 13), passou a ser feito por correias posicionadas vertical e
horizontalmente, assim, o último protótipo desenvolveu-se com elementos do segundo.
Nas Figuras 13 e 14 têm-se detalhes dos desenhos de construção deste projeto, as
barras de rotação giram conforme os motores são acionados e fazem as barras ligadas ao
sensor (barras móveis) deslocarem o sensor conforme se movimentam, posicionando-o em
qualquer ponto dentro do quadro de deslocamento. As barras são deslocadas por correias
laterais que sofrem a ação de dois motores de passo (Figura 15). Nos desenhos estão
expressas as dimensões da estrutura do projeto final.
29
Figura 13 – Projeto final da mesa de coordenadas desenvolvida no Laboratório de Conforto
Térmico II da Unicamp.
Figura 14 – Detalhes do projeto final para o sistema FANS-N.
Na Figura 15 tem-se a foto com detalhes dos motores, polias e correias do projeto
de construção da mesa de coordenadas já finalizado.
30
Figura 15 – Foto em detalhes dos motores, polias e correias da mesa de coordenadas XZ.
O sistema de controle de coordenadas é realizado pelos motores de passo com a
configuração técnica que segue: Motor para o deslocamento vertical (Z) do sensor com
utilização do motor de passo NEMA 34, torque 9,8 N.m e corrente 10 A. Para o deslocamento
horizontal (X) do sensor, utilizou-se do motor NEMA 34 com torque 4,9 N.m e corrente de
5A, ambos os motores ligados em 60Volts de corrente elétrica contínua. Observa-se a escolha
de maior torque para movimentação vertical, pois o esforço mecânico calculado também é
maior (detalhes dos motores podem sem obtidos com o fabricante pela referência OTTIME,
2010). Na Figura 16 observam-se os testes de deslocamento dos motores realizados no
Laboratório de Conforto Térmico II da Unicamp.
Figura 16 – Testes com os motores sendo realizados.
31
A estrutura finalizada e em campo para testes com a estrutura como equilíbrio,
estabilidade na movimentação dos sensores e coleta de dados com exaustores em
funcionamento. Na Figura 17 tem-se a foto da estrutura como um todo em teste em granja nas
proximidades da região de Campinas, São Paulo.
Figura 17 – Aparelho atual em campo, formado por: A- Estrutura mecânica, B- Anemômetro,
C – interface controladora e D – Computador com o programa desenvolvido.
Testes teóricos foram realizados com os programas FTools®, para análise de
estrutura metálica e os desenhos serão feitos com o programa SketchUp® 7 Para saber se a
estrutura física da aparelhagem não cai e não se desloca com as forças provenientes da
ventilação do exaustor e não prejudique o experimento, foram feitos alguns testes com a
estrutura. Em primeiro lugar, cálculos teóricos com o desenho esquemático, simulando a
forma, massa e dimensões distribuídas no equipamento. Na Figura 18 tem-se o desenho
proposto para as simulações. Para testes de equilíbrio e estabilidade é necessário, além das
especificações e dimensões da estrutura, obter as coordenadas do centro de massa do objeto
(CM). O resultado para o CM do modelo foi feito da seguinte forma, primeiro calculou-se as
coordenadas do centro de massa de cada barra individualmente e dos motores associados com
a Equação 4 (cálculo do centro de massa de corpos extensos).
Com os valores de coordenadas obtidos, e suas respectivas massas, o sistema pôde
ser considerado um sistema de partículas e, portanto, utilizou-se a Equação 5 (cálculo de
centro de massa de sistemas de partículas) para obter o CM do sistema todo.
32
(Equação 4)
ρ =densidade linear uniforme
(Equação 5)
Com o CM definido, o segundo passo é encontrar pontos críticos na estrutura,
pontos que podem gerar translação ou rotação com maior facilidade quando aplicada uma
carga pontual. Na Figura 18 tem-se o ponto A como ponto crítico de translação, B, C e D
como críticos de rotação.
Características técnicas da estrutura
Toda estrutura foi construída com barras de perfilados metálicos, em aço, de base
retangular (metalon) e soldada entre si, com área da base de cada barra: 30 mm por 50
mm e espessura de 2,25 mm;
Duas barras de rotação vertical com 5 kg e horizontal com 6 kg de aço maciço e duas
barras de translação (barras móveis) de alumínio de 0,3 kg cada.
Massa total 42,4 kg com os motores e 33,5kg sem os motores;
Coordenadas do centro de massa em relação ao ponto O (ver Figura 18) com valores de
CM (42 mm, 22 mm, 63 mm );
Oito polias de alumino de 150g cada, movidas por duas Correias de transmissão de
borracha lisas e cônicas (específicas para as polias).
33
Figura 18 – Desenho da estrutura mecânica para o projeto FANS-N. Com a localização do
centro de massa (CM), dos pontos críticos: A (rotação), B (translação), C (translação), D
(rotação) e ponto de referência O.
3.1.2 Mesa de coordenadas: motores utilizados e drives
Os motores para o deslocamento do sensor escolhidos foram os NEMA 34
(modelo KTC-5034-349 e modelo KTC-5034-350), são motores de passo de alto torque e
grande precisão. Para a ligação do motor utilizou-se o modo SÉRIE, de forma a obter maior
torque e menor velocidade nos motores. Adaptado ao sistema FANS-N consegui-se
deslocamentos mínimos, relacionados a um passo do motor, com valor de 1,7 mm na vertical
e 1,2 mm na horizontal com velocidade de deslocamento máxima de 0,8 m s-1
. Na tabela 7 e
na Figura 19 observam-se os dados técnicos dos motores e suas dimensões.
34
Tabela 7 – Tabela das características dos motores utilizados.
modelo
Ligação
do motor
1 (série)
2
(paralelo)
3
(unipolar)
Torque
(N.m)
Ângulo
do
passo
(graus)
Tensão
(V)
Corrente
(A) R(Ω)
Indutância
(mH)
Massa
(Kg)
KTC
H34
387
1 113,00
1,8
4,8 4,50 1,08 9,6
5,40 2 2,4 9,00 0,27 2,4
3 9,00 3,4 6,30 0,54 2,4
KTC
5034
350
1 4,70
1,8
3,5 4,17 0,80 10,4
3,50 2 1,8 8,34 0,20 2,6
3 3,31 2,5 5,90 0,40 2,6 Fonte: Adaptado de Kalatec (2015).
Figura 19 – Desenho esquemático dos motores.
Fonte: adaptado de Kalatec (2015).
Para controlar os motores utiliza-se um circuito eletrônico específico conhecido
como driver (com diagrama de funcionamento no Anexo 2), este equipamento fornece a
tensão elétrica necessária e o correto ciclo de energização das espiras dos motores para seu
correto funcionamento. O equipamento adquirido tem as especificações dadas a seguir e mais
informações podem ser obtidas em Kalatec (2015). Detalhes do driver montado para o
equipamento FANS-N observam-se na Figura 20.
Características do driver.
Modelo STR08 (Empresa Kalatec);
Corrente de 2,35 a 8,0 A;
35
Alimentação de 24 a 75 V DC;
Sinal Pulso: 5 ~ 24 V (NPN / PNP);
Alarmes: 7 tipos de alarmes;
Proteções Internas: Curto-circuito, baixa tensão e alta tensão;
Filtro Digital Interno (150 kHz ou 2 MHz).
Figura 20 – Equipamento controlador dos motores (driver).
Para controlar os motores e transferir os dados ao computador é necessária uma
placa eletrônica de comunicação entre os equipamentos (interface) a placa utilizada no projeto
foi adquirida na empresa EDUKATICA (modelo IO_USB_DATALOG) com orientações de
funcionamento detalhadas por Magoga (2013). Ver a placa na Figura 21.
Figura 21 – Placa de comunicação do equipamento com o computador.
36
A placa converte o sinal analógico do anemômetro para sinal digital, com
comunicação serial e transfere seus valores ao computador pela porta USB (via conversor
serial/USB).
A mesma placa serve como controladora dos drivers dos motores, permitindo o
desenvolvimento de software que envie sinais aos drivers dos motores e possibilitando definir
direção, velocidade e posicionamento aos motores individualmente.
Características do modelo IO_USB_DATALOG_2011:
Fabricante: EDUKATICA LTDA;
16 saídas digitais;
8 entradas digitais;
2 entradas analógicas.
Dimensões: 4 cm x 8 cm
3.1.3 Anemômetros
3.1.3.1 Anemômetro de fio quente
No inicio do ano de 2013 a estrutura mecânica do equipamento estava concluída,
porém não se encontrou um anemômetro comercial que fornecesse sinais digitais que e
pudesse ser utilizado em linguagem de programação (Visual C®, Delphi
®, Java
®) para
possibilitar a criação do software de controle do sistema FANS-N. Em geral, os anemômetros
digitais comercializados já vêm com seus respectivos programas computacionais e não
permitem sua adaptação a outros softwares que não sejam da empresa fornecedora. Não há
como integrar um anemômetro de forma precisa ao software de controle de motor. A coleta de
velocidade do ar pelo sensor deve estar sincronizada com a movimentação dos motores, para
que cada coordenada corresponda a um determinado valor de velocidade do ar, para isso era
necessário um anemômetro que atendesse tais necessidades. O desenvolvimento um
anemômetro específico a esta pesquisa tornou-se fundamental. O anemômetro de fio quente
foi escolhido como sensor a ser construído para o equipamento, tendo como base as
considerações vistas em 2.5.2 (facilidade em construí-lo, baixo custo de manutenção,
facilidade em calibrá-lo, precisão e baixa interferência ao fluxo de ar dos exaustores).
Em Sampaio et al. (1998) e em Ferreira (2010) tem-se metodologias semelhantes
para construção e calibragem do anemômetro que foram seguidas aqui para desenvolvimento
do sensor. Segundo este modelo, a utilização de elementos metálicos, como o filamento de
tungstênio, para construção do anemômetro de fio quente é a melhor opção, pois possui
37
coeficiente de resistência elétrica positivo com a temperatura e alta resistência a temperatura e
à oxidação provocada por esta. A construção do anemômetro baseou-se no princípio de
mudança da resistividade de um filamento aquecido pela passagem de corrente elétrica e
resfriado proporcionalmente pela troca de calor com o vento. Na Figura 22 tem-se o
anemômetro desenvolvido no laboratório.
Figura 22 – Anemômetro de fio quente (com filamento de tungstênio) desenvolvido no
Laboratório de Conforto Térmico II da Unicamp.
O tungstênio é empregado como sensor, devido às propriedades de resistência
mecânica e resistência térmica, com temperatura de fusão alta (3422 oC). Como observação,
deve-se evitar a oxidação do metal limitando seu aquecimento a temperatura de 300°C. Para
determinar a resistência do tungstênio em função de sua temperatura usa-se a Ponte de
Wheatstone que é um circuito composto de resistores e é usada para determinar a resistência
elétrica dos componentes elétricos e detectar pequenas variações nas resistências desses
componentes (Figura 23).
Figura 23 – Ponte de Wheatstone.
38
O sensor com fio de tungstênio tem sua variação de resistência elétrica medida
indiretamente pela diferença de potencial elétrico em seus terminais com uso da Ponte de
Wheatstone. A calibragem foi realizada por comparação à anemômetros comerciais também
de fio quente. Segundo Sampaio et al. (1998) este tipo de sensor apresenta instabilidade para
baixos valores de velocidade do ar, fator que não é prejudicial a este trabalho, pois o fluxo de
ar nos exaustores estudados é grande o suficiente para não causar instabilidade.
A relação da resistência elétrica com a temperatura é dada pela Equação 6:
Rs = Ro [1 + ao (Ts -To) + a1 (Ts - To)2 +...)] (Equação 6)
Rs - Resistência do sensor aquecido, W
Ts - Temperatura do sensor aquecido, °C
Ro - Resistência do sensor à temperatura de referência, W
To - Temperatura de referência, geralmente 0°C.
a0 = 5,20.10-3
°C-1
e a1 = 7,00.10-7
°C-1
(para o tungstênio)
3.1.3.2 Anemômetro termoelétrico tipo termistor.
Badger (2015) publicou um trabalho em que mostra a calibração de um
anemômetro termoelétrico construído a partir de uma placa com sensor de velocidade do ar
denominada Modern Device Wind Sensor (comercializado pela empresa norte americana
Modern Device). Em seu trabalho, Badger (2015), utiliza seu anemômetro em uma placa de
Arduino1 e obtem resultados satisfatório de calibração e com valores de velocidade do ar em
concordância com os valores gerados pelos exaustores em galpões de frango. O produto tem
origem comercial e segue padrões de qualidade da indústria eletrônica, desta forma, deu-se
preferência a utilização desta placa e considerou o anemômetro desenvolvido anteriormente,
como uma segunda opção caso necessária.
Buscou-se a aquisição desta placa de circuito para confeccionar o anemômetro
utilizado nesta pesquisa. Considerou-se satisfatória as conclusões e resultados obtidos por
Badger (2015) em seu trabalho e que a qualidade da confecção da placa de circuito utilizada
em seu trabalho é maior que a construida no Laboratório de Conforto Térmico II.
O anemômetro do tipo a termistor tem seu princípio de calibração baseado em
uma técnica tradicional para medir a velocidade do ar. A técnica é conhecida como a técnica
de "hot-wire", e envolve o aquecimento de um elemento de uma temperatura constante e em
1 Placa de prototipagem eletrônica de hardware livre, projetada com microcontrolador Atmel com suporte de entrada/saída digital e analógica.
39
seguida a medição da tensão eléctrica que é necessária para manter o elemento de
aquecimento à temperatura com as mudanças de velocidade do ar. Esta entrada eléctrica
medida é então diretamente proporcional ao quadrado da velocidade do vento (conforme
especificações do fabricante, Modern Device (2015) e esquema eletrônico no Anexo 1).
A análise inicial de seus resultados mostrou que este anemômetro é excelente em
velocidades baixas ou médias de ar, seu uso é preferível para a detecção de movimento do ar
que necessitem de maior precisão, onde os anemômetros de copo rotativo tipicamente vistos
em estações meteorológicas são ineficazes. Segundo o trabalho de Badger (2013), são
melhores que os de fio quente, pois estes devem ser utilizados com baixos niveis de poeira e
com específica densidade do ar e sua calibração deve ser mais frequente. Na Figura 24 tem-se
os detalhes do anemômetro desenvolvido com a utilização da placa Wind Sensor já conectado
ao sistema FANS-N.
Especificações técnicas do módulo Modern Device Wind Sensor
• Dimensões: 2 cm× 4 cm × 0,7 cm
• Tensão de alimentação : 5 Volts (pode ser utilizado com até 10 Volts)
• Corrente de alimentação : 20 - 40 mA (dependendo da velocidade do vento )
• Sinal de saída: analógico, 0 a 5 VCC
• Sensibilidade 50 cm
• Variação da velocidade 0 a 25 m s-1
Figura 24 – Anemômetro termoelétrico a termistor.
40
3.2 Interpolação dos valores de velocidade do ar
A observação das funções de interpolação estabelecidas pelas coordenadas da
posição do sensor anemômetro e seu respectivo valor de velocidade do ar podem ser
estudadas com o programa Surfer®
versão 10.1, aqui se utilizou sua versão 10. É um programa
que possui função para visualização de contornos tridimensionais e um pacote para
modelagem de superfície, utilizado neste trabalho. O programa é capaz de executar processos
de interpolação transformando dados XYZ em figuras de com níveis de cores em função das
amplitudes de velocidade obtidas.
Sua utilização aqui serviu como forma de encontrar os padrões de médias de
velocidades do ar pela superfície dos exaustores. Uma vez identificadas as regiões,
considerou-se a média das velocidades em cada uma das regiões como valores de entradas dos
neurônios artificiais da rede neural que compões o sistema FANS-N. O programa de análise
por rede neural do sistema FANS-N tem ainda o algoritmo necessário para o cálculo da vazão
de ar pelo exaustor e utilizar também a vazão calculada como valor de entrada da rede neural
desenvolvida.
Os métodos de interpolação espacial escolhidos para interpretação dos resultados
Saghafian & Bondarabadi (2009) demonstraram que tais métodos variam de acordo com os
pesos dos parâmetros da Equação 7:
(Equação 7)
Z*(x)= valor estimado na posição x;
Z(xi)= valor do ponto observado;
n= numero de pontos;
λ= peso associado ao estimador i.
Escolheu-se aqui o método conhecido como kriging2. Neste método, uma série de
técnicas de análises de regressão que procura minimizar a variância estimada. Tal processo de
regressão tem um modelo matemático que leva em conta a dependência estocástica entre os
dados distribuídos no espaço e buscando erro nulo com variância mínima. A função que a
representa é conhecida por variograma, explicado em Caruzo (1998).
A kriging do tipo ordinária permite calcular médias locais, limitando o domínio de
da média aos pontos próximos ao ponto centrado a ser estimado. Para isso os valores da
2Neste método é possível interpolar pontos espaciais em superfície de nível com uso do o conhecimento sobre as
relações de base espacial do conjunto de informações (SILVA, 2003).
41
direção z são estimados no plano das coordenadas x e y não observadas. Segundo Goovaerts
(2000), o estimador de kriging ordinária é:
(Equação 8)
A correlação espacial entre os pontos de medição são encontrados em variograma
experimental. Segundo Landim (1998) os variogramas expressam o comportamento espacial
da variável contínua. Segundo Goovaerts (2000), o semivariograma experimental é calculado
como a metade da média do quadrado da diferença entre os componentes dos pares de dados
expressos por:
(Equação 9)
N(h) = número de pares de pontos de medição com distância h de intervalo;
γ(h) = estimador da semivariância para distancia h;
h = distância de separação das observações
Z(si) e Z(si+h) = valores da variável aleatória regionalizada.
Feito os variogramas experimentais, deve-se estabelecer um modelo matemático
que melhor represente a variabilidade em estudo. Os modelos matemáticos mais importantes
para ajustes de variogramas são os modelos Linear, Esférico, Exponencial e Gaussiano, ver
Figura 25.
Figura 25 – Modelos teóricos mais utilizados para ajustes de variogramas.
0
8
0 2 4 6 8 10
Títu
lo d
o E
ixo
Título do Eixo
Exponencial
Linear
GAussiano
Esférico
42
3.3 Programação
A programação de todo sistema FANS foi realizada na linguagem de programação
Delphi®
6 com dois componentes internos importantes: o primeiro de controle serial
denominado Comport utilizado para a comunicação do software, via USB com os
equipamentos do projeto e o segundo, componente MLP, de análise por rede neural artificial
com modelagem do tipo Perceptron.
Foi criado, portanto o módulo de programação para coleta de dados, integrado ao
sistema FANS-N. Com a função de captura e armazenamento dos valores do sensor
anemômetro e movimentação dos motores para o posicionamento do sensor e desenvolvido
também para geração da rede neural artificial (RNA), destinada a interpretação dos resultados
de velocidade do ar e pressão estática dentro dos aviários.
3.3.1 Sistema FANS-N - Módulo de Coleta e Controle
O Módulo de Coleta e Controle de dados do sistema FANS-N, tem a função de
comunicar-se com a placa IO USB DATALOG, via porta USB do computador. Fornecendo o
sinal necessário para movimentação dos motores e captura do sinal serial responsável pela
leitura dos valores de velocidade do ar provenientes do anemômetro.
Na Figura 26 observa-se a tela do programa e com as indicações de suas divisões.
Em A tem-se a Tela de Varredura, neste quadro, o posicionamento do sensor é simulado
para que seja possível identificar na tela em qual local está o sensor, sem a necessidade de
olhar para o equipamento em funcionamento. Em B, Tem-se a Tabela de Registro, nesta
tabela são registrados os valores de posicionamento (em milímetros) do sensor e seu
respectivo valor de velocidade do ar (em metros por segundo), a tabela tem a opção de ser
salva automaticamente, o arquivo é guardado na mesma pasta do programa toda vez que
terminar a varredura no exaustor, o formato de arquivo salvo é do tipo texto (.txt) com opção
de exportação ao programa Excel® .
43
Figura 26 – Tela do programa para coleta de dados e integrada ao sistema FANS-N.
A – Tela de varredura, B – Tabela de registro, C – Gráfico do posicionamento, D – Gráfico das curvas
de Nível e E – Configuração.
Em C, o Gráfico de Posicionamento permite uma visualização inicial dos
valores obtidos na Tabela de Registro, o bidimensional relaciona, no eixo horizontal, a
posição do ponto na tabela em função do valor de velocidade do ar obtido, eixo vertical do
gráfico. Este gráfico representa o conjunto total de valores obtidos pelos sensores e sua
visualização permite identificar padrões. O objetivo deste gráfico é permitir que o usuário
treinado seja capaz de relacionar seu formato com um tipo específico de exaustor e até
mesmo identificar anomalias.
Em D, tem-se os dados de velocidade do ar convertidos em níveis de cinza3 (0 à
255) para a superfície, este gráfico tem a função de mostrar o estado de configuração do
exaustor estudado, os eixos horizontais e verticais têm representados os valores do
posicionamento do anemômetro, em milímetros. Os níveis de cinza representam a velocidade
do ar registrado, quanto mais claro o quadrado correspondente, menor a velocidade do ar.
Por fim, em E, pode-se mudar a Configuração inicial do programa,
caracterizando aqui a diversidade de regime de trabalho desta estrutura FANS-N, aqui é
3 Os níveis variam de 0 a 255 (equivalem a 8 bits de memória) onde 0 é o preto e 255 é o branco.
44
possível redefinir o tamanho do exaustor a ser estudado, alterando os valores máximos de
varredura, pode-se modificar o intervalo de parada do sensor para a coleta de velocidade do
ar, por exemplo, as paradas podem ser executadas numa configuração semelhante ao modelo
de coleta proposto por Wheeler e Bottcher (1995), ou ainda, ser alterada para ter semelhança a
configuração proposta em Gates et al. (2004), verificando e testando, desta forma, vários
modelos propostos para o estudo de exaustores. Escolheu-se como padrão de configuração
inicial para os estudos de realizados, o deslocamento de 10 cm para cada coleta de amostra,
tanto horizontal quanto vertical.
Pela Configuração é possível definir o intervalo de parada, no período de parada
o sensor pode coletar mais de uma amostra da velocidade do ar, mais precisamente um (um)
valor a cada 50 milissegundos, na configuração padronizada o sensor faz paradas de 1
segundo, portanto coleta 20 valores na parada padrão, com esses valores, o algoritmo descarta
possíveis erros e faz a média. Há também a opção por aumentar ou diminuir a velocidade de
rotação dos motores gerando deslocamento com velocidade zero até 0,8 m s-1
com incremento
mínimo de 0,5 m s-1
para a movimentação do sensor no quadro. Pela configuração o algoritmo
executado pode ser simplificado dando mais agilidade ao programa, ao suprir a gravação de
dados ou deixar de exibir na tela do computador a trajetória do sensor, opções estas utilizadas
para a situação em que se queira apenas testar sistema. Na Tabela 8 estão reunidos os dados
sobre configuração do sistema.
Tabela 8 – Tabela de configuração inicial do programa FANS-N.
Fator de Configuração Valor Associado
Taxa de coleta 20 leituras por segundo
Tempo de coleta mínimo 50 milissegundos
Distância máxima de varredura Horizontal 1600 mm (1,6 m)
Distância máxima de varredura Vertical 1600 mm (1,6 m)
Tempo de parada para coleta 1 segundo
Intervalos de parada 10 cm
Gravação automática Sim
Velocidade de deslocamento do anemômetro 0,8 m s-1
Mostrar trajetória virtual do sensor Sim
Precisão máxima no deslocamento mínimo 5 mm
45
3.3.2 Programa FANS-N - Módulo de Tratamento de Dados
O Módulo de Tratamento de Dados por rede neural desenvolvido dentro so
sistema FANS-N teve a finalidade de associar uma análise por rede neural artificial (RNA)
com os valores de velocidade do ar coletados e associados às cooordenadas da siperfície do
exaustor. O uso da RNA justifica-se pelo fato de que este método de análise é pertinente ao
estudo de padrões de forma geral (LIMA et al., 2010). O objetivo final é obter, através desta
análise parâmetros confiáveis que indiquem o estado dos exaustores assim como identifique
suas grandezas básicas de desempenho.
Na Figura 27 tem-se a tela principal do módulo de tratamento de dados por rede
neural do sistema FANS-N. Foram identificados 7 itens importantes desta tela. Em A, estão
os comandos de manipulação de arquivos e configuração. Em B, os dados do programa são
importados para a tabela de cálculos, em E. Também em B, é feito o treino, a construção e o
teste com a rede neural desenvolvida. Em C, a curva de interpolação para a superfície é
transferida aqui para sua visualização e identificação de possíveis padrões de níveis de cinza
associados à velocidade do ar. No gráfico D, os valores de velocidade do ar são expressos em
valores crescentes e, com eles, tem-se o gráfico de linearização associado. No quadro E estão
os resultados de manipulação de vetores, com as coordenadas e valores de velocidade do ar
obtidos e seus valores ordenados de forma crescente. O quadro manutenção F representa os
resultados de eficiência do exaustor obtidos pera rede neural, com indicação de possíveis
ajustes, melhoras ou até mesmo a troca de exaustor estudado. Em G tem-se a análise neural
do esforço submetido pelo exaustor associado.
46
Figura 27 – Tela do programa de tratamento de dados por rede neural integrado ao sistema
FANS-N.
Na Figura 28a destacam-se as funções deste quadro. Importar dados do Módulo
de Controle (parte do sistema que captura os dados), Construir a rede e testar o treino
realizado expressando os resultados nos quadros das Figuras 30 e 31.
Figura 28 – Quadro do programa FANS-N para manipulação da Rede Neural.
a b
47
Na Figura 28b, denominada Manutenção, refere-se a um campo de resultados,
mas é necessário fornecer aqui dados de corrente elétrica, obtidos pelo exaustor em
funcionamento. Com base na análise do programa, no tipo de exaustor e no valor de consumo
elétrico, são fornecidos os resultados de Vazão (e seu respectivo desvio padrão). Obtidos de
duas formas, a primeira pela média das velocidades multiplicada pela área do exaustor,
Equações 2 e 3 utilizadas na metodologia de Wheeler E Bottcher descritas. A segunda, pela
integração da curva, relacionando, em ordem crescente, a enumeração dos pontos obtidos e o
respectivo valor de velocidade do ar associado.
Para calcular a vazão por este método, encontra-se a curva de linearização dos
pontos obtidos, Equação 10. Através do método dos mínimos quadrados (MMQ), (Equações
11 e 12) para função linear é possível encontrar os coeficientes a e b da reta na Equação 10 e,
assim calcular a vazão pela equação de integração, Equação 13.
ba.xv(x) (Equação 10)
v = velocidade do ar (m s-1
);
x = pontos enumerados de 1 em 1 relacionados com a velocidade do ar;
a = coeficiente linear da reta;
b = coeficiente angular da reta;
m
1k
k
m
1k
k va).pos(mb (Equação 11)
m = quantidade total de pontos
m
1k
kk
m
1k
2
k
m
1k
k vpos)apos()bpos( (Equação 12)
.Am
v(x)dx
Q
n
1
(Equação 13)
Q = vazão em volume de ar (m3 s
-1);
Com o resultado de vazão obtido e a análise gráfica alcançada pela rede neural, o
programa dá como saída, ainda no quadro da Figura 30, resultados de pressão estática gerada
e a eficiência energética (relação entre a vazão e o consumo do exaustor). Como último
retorno, na Figura 28b, o programa dá 4 (quatro) tipos de diagnóstico a respeito do exaustor,
“bom”, “necessidade de manutenção”, “necessidade de ajuste técnico” ou “trocar exaustor”.
48
Na Figura 29, tem-se o segundo resultado para análise neural relacionado com os
valores de medias de velocidades do ar em regiões específicas da superfície do exaustor.
Figura 29 – Quadro do programa que indica soluções para o acionamento de exaustores.
No gráfico da Figura 30, ficam expressos os pontos obtidos dos valores de
velocidades do ar em ordem crescente. Está aqui também a reta que representa o ajuste de
curva calculado internamente pelo programa com uso das Equações 7, 8 e 9.
Figura 30 – Curva característica das velocidades do ar e linearização.
3.4 Calibração
3.4.1 Calibração do sistema de posicionamento do sensor
A calibração do sistema de posicionamento é feita através de testes de
deslocamento vertical e horizontal do cursor que move o anemômetro e para cada velocidade
de efetuam-se 10 testes para definir o erro e as possíveis correções a serem executadas pelo
49
programa. Caso seja alcançada a precisão maior que 95%, então os resultados tornam-se
satisfatórios e são inclusos no algoritmo do programa, assim como, o desvio padrão
associado. O sistema deve também passar por estresse de uso, ou seja, deixá-lo em
funcionamento e observar após certo tempo se ocorreram modificações ou se erros
sistemáticos. O sistema de posicionamento de coordenadas pode, por vezes, se desalinhar,
para isso deve-se notar se o cursor ao retornar para a posição inicial, volta ao mesmo ponto,
esta observação é indício de que a aparelhagem está em bom funcionamento.
3.4.2 Calibração do sensor
Para calibrar o sensor e usá-lo no sistema FANS-N, o ajuste dos valores de
velocidade do ar deve ser feito no módulo de captura de dados da FANS-N. O sensor deve ser
calibrado com um sistema confiável. A calibragem pode ser feita de maneira comparativa, ou
ainda, se possível contratar uma empresa especializada. Para o sistema FANS-N
desenvolvido, optou-se pela calibragem comparativa. A calibragem deve ocorrer em ambiente
que propicie a variação de velocidade do ar necessária à aplicação que se quer ao
anemômetro. Desta forma, o sensor pode ser calibrado em um túnel de vento ou com uso de
um exaustor em que se pode controlar sua velocidade. O anemômetro deste trabalho foi
calibrado com uso de um exaustor modelo Big Dutchman® para galpões de frango de corte e
do exaustor E30T4, equipamento presente no Laboratório de Conforto Térmico II da
UNICAMP.
A curva de calibração para o anemômetro é uma função matemática de ajuste de
curva que relaciona os bytes (1024) destinados ao sensor pelo módulo de comunicação
(interface) com os valores de ajuste encontrados no sistema de calibração. A função
matemática é caracterizada após encontrar os valores e observar o formato da curva
característica. O fabricante forneceu a curva expressa na Figura 32 e utilizou-se como
parâmetro de calibração. Observa-se na figura a dependência com a temperatura ambiente,
fato que deve ser levado em conta em calibração de anemômetros que utilizam o princípio dos
termistores para seu funcionamento. Outro fato é que a curva não é linear, portanto não é
possível uma linearização simples de função. O fabricante indicou uma curva logarítmica para
o ajuste e tal recomendação tornou-se o parâmetro a ser seguido aqui.
A boa calibragem depende do perfeito funcionamento do sensor para que a
obtensão da curva de calibração seja confiável. Para isso devem-se fazer testes de
comportamento do anemômetro e seguir as instruções de calibragem do fabricante.
50
Segundo o fabricante Modern Device (2015), o sensor pode ser desligado para
economizar energia, mas é necessário deixá-lo ligado por 10 segundo antes do início de seu
uso, estabilizando-o termicamente e melhorando a precisão. Este intervalo de tempo permite
que o termistor aqueça até à temperatura de operação. Desta forma a calibragem e ajuste para
o uso na FANS-N depende da curva de calibração e da curva de variação de temperatura em
relação a tensão elétrica do anemômetro.
O processo de calibração deste sensor consiste em variar a velocidade do ar e
coletar o valor de tensão elétrica de saída para uma quantidade de pontos que sejam
suficientes para caracterizar o sensor. Em seguida, um determinado valor de velocidade do ar
e varia-se a temperatura ambiente e, assim, pode ser encontrada a influência da variabilidade
térmica nos valores apresentados pelo sensor. A variação da temperatura foi gerada pelo
sistema de resfriamento controlado da câmara climática onde está presente também o exaustor
na câmara climática do Laboratório de Conforto Térmico mencionado.
Na Figura 31 têm-se as curvas obtidas por em Badger (2015) para a velocidade do
ar em diversos valores de temperatura.
Figura 31 – Curva de calibração típica do anemômetro escolhido para o sistema FANS-N.
Fonte: Adaptado de Badger (2015).
51
A Figura 32 representa o anemômetro utilizado na calibração, segue abaixo as
suas especificações técnicas.
Figura 32 – Anemômetro utilizado na calibração do sensor.
Características do anemômetro utilizado para calibração:
Anemômetro de Hélice;
Massa: 64 g;
Hélice de 2,3 cm;
Sensor de temperatura;
Valores em m h-1
, m s-1
e km h-1
;
Escala, de 0 a 30 m s-1
com desvio de ± 1 m s-1
.
3.5 Validação
3.5.1 Descrição do aviário
A validação do equipamento foi realizada em três aviários tipo Blue House com
ventilação por pressão negativa tipo-túnel com as seguintes características:
Tipologia da instalação: aviário com sistema de ventilação artificial de pressão
negativa com entrada de ar na face oposta aos exaustores.
Localização: município de Elias Fausto-SP.
Isolamento: telhado construído de telhas fibrocimento com inclinação de 14°,
forro de cortinado de polietileno na cor azul, paredes laterais de cortinado de polietileno na
cor azul na face interna e prata na face externa.
52
Materiais construtivos: estrutura de alvenaria nos pilares e vigas, estrutura de
madeira para sustentação do telhado, piso de concreto, mureta com 0,30 m de altura de
alvenaria e tela anti-pássaro.
Dimensões: 17,00 x 90,00 x 2,45 m (largura x comprimento x pé-direito).
Sistema de ventilação: composto por dez exaustores modelo Big Dutchman®.
Características do modelo de exaustor:
- Diâmetro de 1,38m;
- Hélice com 6 pás;
- Motor de 960 Watts, 220/380V trifásico;
- Veneziana e cone com grade de proteção;
- Vazão nominal de 10,55 m³ s-1
(com pressão estática de 0 Pa).
- A curva que caracteriza o exaustor (vazão em função da eficiência e pressão
estática) pode ser observada na Figura 33.
Figura 33 – Curvas de caracterização do modelo de exaustor utilizado, segundo o fabricante.
Fonte: Adaptado de Bigdutchman (2015).
3.5.2 Metodologia para estudo dos exaustores
Os exaustores foram avaliados em suas condições normais de funcionamento,
para isso, utilizou-se o sistema FANS-N composto por:
53
- Equipamento de posicionamento do anemômetro;
- Anemômetro calibrado;
- Programa para a coleta de velocidades do ar e controle de motores (módulo de
coleta de dados)
- Programa para análise de dados por rede neural artificial (módulo de análise de
dados).
Na Figura 34 está o conjunto de exaustores e o sistema FANS-N sendo preparado
para seu funcionamento.
Figura 34 – Conjunto de exaustores estudados e sistema FANS-N posicionado.
A Figura 35 mostra, em foto frontal, o posicionamento do sistema FANS-N para
leitura das velocidades do ar do exaustor central. Observa-se que toda estrutura do exaustor
cabe na região de varredura da estrutura do sistema FANS-N. Considerando que o sistema
todo que posiciona o anemômetro em suas coordenadas tem área bem reduzida quando
comparada ao sistema FANS de Gates et al. (2004) com anemômetros maiores e em maior
quantidade, tem-se aqui um sistema que pouco influencia no fluxo pelos exaustores.
Todos os componentes da FANS-N são levados a campo para coleta de dados, a
análise dos dados coletados de um exaustor pode ser feita em tempo real e os resultados
podem ser observados pelo produtor ou técnico que quiser acompanhar o sistema em
funcionamento.
54
Figura 35 – Detalhe frontal do sistema FANS-N montado em um exaustor central.
O planejamento de avaliação dos exaustores seguiu conforme as orientações de
Morello (2010) e adaptada para as condições do aviário estudado. Segue a metodologia e seus
respectivos aperfeiçoamentos.
Para caracterizar completamente o sistema de ventilação avaliado, em cada
pressão estática medida, foi mensurada a área de abertura para entrada de ar pelo manejo das
cortinas do aviário. Esses dados foram utilizados para que seja possível desenhar as curvas de
caracterização da ventilação de acordo com Albright (1990) e com as normas de sistemas de
ventilação da ASABE.
Durante os testes dos exaustores uma estação meteorológica HOBO monitorou as
condições climáticas externas: temperatura, umidade relativa, velocidade e direção do vento,
pluviosidade e radiação incidente.
A pressão estática é a pressão que age da mesma forma em todas as direções e que
é inerente à seção do escoamento (ar) para uma dada vazão. A avaliação desta pressão foi
realizada através do cálculo do diferencial de pressão. Para isso foram conectadas duas
mangueiras a um manômetro e uma delas ficou no aviário para medição da pressão interna do
aviário, a outra mangueira passou entre as cortinas do aviário para coleta da pressão externa.
O valor foi comparado com o sensor de pressão estática do sistema de automação que controla
o aviário, observou-se que os valores eram próximos, foi tirada a média.
55
3.5.2.1 Configuração do sistema FANS-N
É necessária a padronização da configuração do sistema para que os dados
analisados possam ser submetidos a testes estatísticos e tratamentos matemáticos com maior
facilidade.
Movimento do Sensor
Respeitando o tempo de aquecimento, o sensor calibrado movimentou-se em uma
região quadrada compreendida no intervalo de 1260 mm de largura por 1260 mm de altura
com paradas para coleta de dados a cada 140 mm. A varredura promovida pelo sistema de
coordenadas inicia-se na extremidade inferior esquerda e desloca o sensor para direita
conforme orientação dada na Figura 38. Portanto, com 9 coletas de dado em cada varredura
horizontal. Após cada varredura, desta direção, o sensor desloca-se 140 mm para cima e, em
seguida, desloca-se novamente, porém para esquerda da Figura 36, assim a varredura se dá até
o sensor alcançar o ponto superior direito do quadro da estrutura do sistema FANS-N. O
conjunto total de pontos de coletada de velocidade do ar é resultado da multiplicação das
quantidades de varreduras horizontais pelas varreduras verticais, 9x9, totalizando 81 pontos
de coletas de valores (como são coletados 20 valores em cada parada, tem-se um total de 1620
valores obtidos).
Custo de tempo
O tempo gasto para a execução de todos os movimentos pelo sistema de
coordenadas está relacionado com o tempo de deslocamento total somado ao tempo de parada
para coleta de dados. Em cada parada o sensor foi configurado para permanecer durante 1
(um) segundo coletando informação sobre a velocidade do ar naquele ponto. Neste tempo o
sensor executa 20 coletas seguidas, os dados são armazenados pelo programa FANS-N em
forma de média de valores associados a um vetor que guarda também o posicionamento do
instante. Desta forma, tem-se 81 segundos de coleta total que ao associar ao tempo de
deslocamento 230 s, resultam em um total de 311s ± 2s, acima de 5 min.
56
Figura 36 – Esquema de movimentação do anemômetro no processo de coleta de dados.
3.5.2.2 Escolhas das condições de operação do galpão
A situação proposta para determinar o estudo dos exaustores segue as orientações
de Morello (2010) com as devidas modificações. Para facilitar a localização, os exaustores
foram enumerados de 1 a 10 e seu desenho pode ser observado na Figura 37 (versão em
esquematizada da situação real, observada na Figura 34).
Os estudos dos exaustores foram realizados nos dias 9 de setembro de 2013, 6 e 9
de novembro de 2013 em três aviários de uma mesma granja.
Figura 37 – Sistema FANS-N posicionado para a coleta de dados do exaustor.
Duas formas foram estabelecidas para a coleta de dados. A primeira, analisando
os exaustores 1, 3 e 5 (Figura 37) dos 3 aviários, com variações de pressão estática promovida
pelo deslocamento das cortinas laterais e pelo acionamento múltiplo de exaustores, conforme
Tabela 9.
57
Tabela 9 – Tabela de testes com os exaustores 1, 3, 54.
Exaustores em funcionamento Pressões estáticas fixadas (Pa)
1, 3, 5 4
1, 3, 5 16
1, 3, 5, 6, 8, 10 20
1, 3, 5, 6, 8, 10 25
Todos ligados 30
Todos ligados 40
O segundo modo estabelecido para coleta de dados relaciona a altura do da
cortina, a pressão estática observada e os valores de vazão medidos e considerando todos os
exaustores ligados. Pela Tabela 10, tem-se o esquema completo para a execução destes
procedimentos. Nesta forma observou-se o comportamento do exaustor de melhor
desempenho, segundo o técnico responsável pela manutenção do equipamento no aviário. Por
estes testes buscou-se caracterizar o melhor dos exaustores (mais novo e com especificações
dentro das determinadas pelo fabricante) e ter elementos para formação do banco de dados da
rede neural presente no programa FAN-N.
Na condição estabelecida para os testes, todos os exaustores ficaram ligados
durante a coleta e a cortina movimentada e mantendo a altura (Tabela 10). Percebeu-se aqui
que a pressão estática aumentava significativamente somente nas proximidades do seu
fechamento total.
O exaustor estudado aqui é o de número 6 (seis) do aviário 3. Nas Figura 38, nas
figuras 39 e 40 tem-se a demosntração esquematizada do levantamento das cortinas propostas
para esta metodologia.
4 Os números dos exaustores correspondem a sua posição na estrutura do aviário conforme Figura 38.
58
Tabela 10 – Tabela de teste com o exaustor de número 6.
Altura da cortina em relação ao isolamento (cm) Pressões estáticas observadas (Pa)
0 (fechamento total) 40
2 35
4 28
8 20
50 14
100 10
200 (abertura total) 4
Figura 38 – Coleta de dados no exaustor 6 com cortina a 0,5m do ponto de vedação total.
Figura 39 – Coleta de dados no exaustor 6 com cortina a 1m do ponto de vedação total.
59
Figura 40 – Coleta de dados no exaustor 6 com cortina a 2m do ponto de vedação total.
Na Figura 41 tem-se um dos momentos de coleta de dados, em que a cortina está
completamente fechada e todos os exaustores prontos para o acionamento.
Figura 41 – Momento do início da coleta de dados pelo sistema FANS-N.
60
4 ANÁLISE DE DADOS
4.1 Plano de análise
Inicialmente analisou-se a estrutura mecânica quanto ao equilíbrio de forças, ação
da variação térmica sobre a estrutura e desempenho dos motores. O estudo da estrutura
mecânica foi realizado com auxílio do programa FTools®
. Para o desempenho dos motores foi
analisado o erro de deslocamento que pudesse interferir na coleta de dados e a ação do
controle realizado pelo driver que estabelece o deslocamento dos motores.
Como parte da análise de dados, a calibragem do anemômetro foi fundamental
para o correto funcionamento do equipamento, para isso buscou-se a curva de calibração
respeitando a influência térmica sobre os resultados para as velocidades do ar coletadas pelo
sensor. Foram utilizados dois métodos de análise estatística dos resultados pela Análise de
Variância (ANOVA, analise of variance) através do Teste Tukey, para as comparações entre
as médias de velocidades do ar obtidas entre exaustores. Utilizou-se o programa Minitab®
10
para tal. O segundo método, buscou-se obter a função matemática que relaciona a pressão
estática com a vazão. Assim, como em Morello (2010), observar qual a relação matemática
estabelecida, neste autor constatou-se que a relação pressão estática do exaustor e vazão de ar
fornece curvas de lineares, portanto funções de primeiro grau.
A Tabela 11 contém a relação dos testes realizados pela análise de variância e
pelas linearizações de curvas, assim como a caracterização do exaustor pela rede neural
executada pela programação do sistema FANS-N.
Tabela 11 – Plano de análise dos resultados.
Método Estudo das variáveis
Teste Tukey
Regiões da superfície
do exaustor com a
velocidade do ar.
Programa: Minitab®
10.
Vazão e quantidade de
exaustores ligados.
Programa: Minitab® 10.
Vazão e altura da
cortina.
Programa:
Minitab® 10.
Obtenção da
Curva de ajuste
Relação das coordenadas de deslocamento obtidas
com o sistema e a velocidade do ar em cada ponto.
Programa: FANS-N.
Pressão estática com a vazão.
Programa:
Excel®.
Rede Neural
(RNA
Perceptron)
Relaciona Vazão e pressão estática com desempenho percentual dos
exaustores.
61
4.2 Vazão em relação á pressão estática por rede neural
Em especial, a análise das regiões da superfície do exaustor com a velocidade do
ar, está relacionada com os dados tabelados na programação da FANS-N e seu respectivo
tratamento matemático. Na programação do sistema FANS-N desenvolvido, os dados de
velocidade do ar distribuídos pelas coordenadas da superfície do exaustor foram divididos em
quatro regiões básicas, são elas: central, cantos inferiores, cantos superiores, borda central
inferior. Na Tabela 12 têm-se as regiões, suas denominações e pontos representativos, os
valores dos pontos nesta tabela referem-se aos números das posições do cursor do sistema
FANS-N quando este desloca o anemômetro, tais números estão expressos na Figura 42 e
detalhados, em suas regiões, na Figura 43. Os pontos enumerados seguem a ordem crescente
em que ocorre a trajetória do cursor que desloca o anemômetro pela estrutura da FANS-N.
Tabela 12 – Agrupamentos de regiões da superfície do exaustor5.
Classificação das regiões
Central Cantos inferiores Cantos superiores central
inferior
Pontos
enumerados
da
superfície
do exaustor
69 – 68 – 67
– 66 – 58 –
59 – 60 – 61
– 51 – 50 –
49 – 48 – 40
– 41 – 42 –
43
Direito:
19 – 20 – 21 – 18 –
17 – 16 – 1 – 2 – 3
Esquerdo:
25 – 26 – 27 – 12 –
11 – 10 – 7 – 8 – 9
Direito:
73 – 74 – 75 – 72 – 71
– 70 – 55 – 56 – 57
Esquerdo:
79 – 80 – 81 – 66 – 65
– 64 – 61 – 62 – 63
22 – 23 – 24 –
15 – 14 – 13 –
4 – 5 – 6
5 Observou-se, com testes iniciais, que os cantos inferiores da varredura de sensor feita pela FANS-N, comportam-se sempre
de maneira análoga com relação aos valores de velocidade do ar, da mesma forma, que os cantos superiores também
apresentam a mesma constância, por isso, agrupados conforme apresentado.
62
Figura 42 – Regiões distribuídas na superfície da curva de interpolação.
Nos detalhes da Figura 43, ficam mais claras as evidências da escolha de
separação por regiões para que sejam feitas as análises. Observa-se certa simetria entre os
lados direito e esquerdo das figuras que representam os cantos e a região central como sendo
bem clara em relação às outras (quanto mais clara uma região menor a velocidade do ar). O
fenômeno é observado sempre que é feita a análise de velocidade do ar em exaustores.
Figura 43 – Detalhes da divisão em regiões da superfície do exaustor.
4.2.1 Configuração da rede neural
No programa FANS-N o componente MLP (Mult Layer Perceptron), utilizado na
linguagem Delphi®6, foi fundamental para a construção da rede neural artificial baseada na
estrutura Perceptron. Com o software foi possível análisar os padrões encontrados em cada
63
conjunto de dados de velocidade do ar para cada exaustor. A entrada da rede define os
parâmetros que serão processados para obter resultados associados aos padrões observados
experimentalmente, para isso, cada entrada tem um peso matemático relacionado com sua
importância no cálculo. Aqui se estabeleceu os seguintes critérios de escolha de pesos para a
influência da variável: 1 (baixa), 2 (média), 3 (alta) e 4 (decisiva). Inicialmente o programa
divide a figura em 36 regiões e os transforma em matriz de coordenadas em função da média
das velocidades em cada setor estabelecido, Figura 44. Definem-se então os pontos da figura
que terão mais peso nas entradas da rede neural. Na Figura 44, toda letra:
Seguida de zero (0) tem peso quatro (4);
Seguida do número um (1) tem peso três (3);
Pareada com outra letra tem peso dois (2);
Onde não há letra tem peso um (1).
Figura 44 – Curva de interpolação para a superfície e sua divisão em regiões de análise.
Em seguida, as médias de velocidades do ar em cada setor da figura são utilizadas
como parâmetros de entrada da rede. Outro parâmetro de entrada da rede é o valor da vazão
que, para fins de cálculo pela rede, tem peso quatro (4), pois a vazão é fator decisivo para
determinar o resultado definido na saída da rede. Por fim a pressão estática entra como
variável de peso quatro (4). Os pesos definidos para as entradas da rede neural podem ser
alterados conforme as observações realizadas experimentalmente para uma melhor
configuração futura. Já os valores de cada variável de entrada tiveram que ser normalizados
64
conforme suas características, de modo que foram estabelecidos quatro (4) valores para cada
variável associada à rede, enumerados de 1 a 4. Desta forma, o conjunto de dados para entrada
da rede neural é composto por: médias das velocidades do ar em cada setor, vazão do exaustor
e a pressão estática relacionada.
A saída da rede neural artificial criada indica o estado6 do exaustor, e possível
tomada de decisão para seu melhor funcionamento nos galpões.
4.2.2 Treino, validação e teste da rede neural
Para efetuar os testes de validação da rede neural adotou-se a abordagem clássica
Haykin (1994) e Prechelt, (1997) em que o conjunto de dados da rede é dividido da seguinte
forma: 50% dos dados para treinamento, 25% para validação e 25% para teste.
Para completar a rede neural artificial é necessário treiná-la com padrões definidos
de classificação para isso, pesquisam-se as especificações técnicas dos exaustores para
encontrar dados que deem parâmetros de funcionamento adequado7 e, dessa forma,
estabelecer o resultado do treino. Além disso, devem-se buscar informações com técnicos
responsáveis pela manutenção dos exaustores e, assim acrescentar mais informações para o
aprimoramento da rede. Na Figura 45 têm-se as curvas que limitam cada faixa de eficiência
com base na curva de caracterização do exaustor estudado. A curva tracejada representa o
comportamento do exaustor ao sair de fábrica, com sua caracterização validada pelo
departamento de engenharia agrícola e biológica da Universidade de Illinois (BESS, 2016).
As demais curvas representam as quedas percentuais no desempenho do exaustor na relação
vazão e pressão estática pela diminuição de R2 em relação à curva característica do exaustor
novo. Com base na máxima eficiência do exaustor com relação à vazão adequada em relação
à pressão estática definiram-se padrões de qualidade do mesmo. As faixas selecionadas para
montagem da rede neural compreendem quatro níveis de eficiência em função de R2:
Nível 1 –R2 maior que 0,95;
Nível 2 – R2 menor ou igual que 0,95 e inferior a 0,90;
Nível 3 – R2 menor ou igual que 0,90 e inferior a 0,75;
Nível 4 – R2 menor ou igual a 0,5.
6 Estado definido aqui como: de troca, de manutenção, limite de funcionamento e de funcionamento adequado.
7 Considerou-se aqui que o funcionamento adequado para o exaustor é aquele que está dentro das especificações
formecidas pelo fabricante e observadas para exaustores novos. Neste contexto enquadra-se o exaustor número 6
(Figura 38) como sendo o exaustor novo, não utilizado com frangos até o término das coletas de dados.
65
Figura 45 – Curva de vazão do exaustor em função da pressão estática para exaustor em
regime de trabalho ao sair de fábrica.
Fonte: Adaptado de Bigdutchman (2015).
66
5 RESULTADOS E DISCUSSÕES
5.1 Desempenho eletromecânico
5.1.1 Estudo da estrutura
A importância em se analisar a estrutura mecânica do equipamento está em
garantir a qualidade do equipamento, além de estabelecer as limitações e prever possíveis
ajustes futuros. A estrutura deve garantir sua precisão em relação ao posicionamento no
sistema de coordenadas de modo que influências externas (deslocamento do aparelho,
variação de temperatura, do vento do exaustor), ou da própria estrutura (sua massa, vibração
pelo movimento dos motores, inclinação) não devem comprometer os resultados. Pela
caracterização do equipamento fixou-se como padrão de bom funcionamento a precisão de 5
mm para um deslocamento de 1260 mm (1,26 m), fato alcançado em todos os testes de
deslocamento e no processo de calibração do sistema que aciona o posicionamento. Buscou-se
nos testes verificar se esta precisão deva ser alterada por outros fatores.
Foram considerados como pontos importantes na análise da estrutura mecânica:
A força coaxial do aparelho em suas vigas,
A variação de temperatura,
A força de cisalhamento produzida pela ação do vento do exaustor em pontos
de críticos da estrutura.
A análise da estrutura pelo programa FTool® permitiu identificar as forças que
atuam em cada barra, para tal simulação foram calculadas as forças distribuídas, levando-se
em conta a distribuição de massa (densidade linear) do material utilizado. A Figura 46
representa o conjunto de forças que atuam no quadro da estrutura FANS-N sem a ação do
fluxo de ar promovido pelos exaustores. Os valores de força foram transferidos ao programa
FTool®
.
67
Figura 46 – Distribuição das forças pela simulação com o programa FTool®.
Efeito das forças axiais
Como resultado da distribuição de forças foi possível obter um panorama das
características principais da estrutura. Na Figura 47 estão expressas as forças axiais (Forças
segundo o eixo longitudinal de uma barra) que mostram as forças que agem em cada barra. O
objetivo de ter a configuração das forças axiais está em ver o limite de força suportado e
evidenciar sua estabilidade e pouca deformação em relação às forças axiais.
O módulo de elasticidade das barras está em torno de 2.1011
Pa, a área de cada
uma delas é de 1,5.10-5
m2 e a maior das barras tem comprimento de 2,10 m . Pela Equação 14
calcula-se a deformação máxima da barra submetida a maior compressão que é de 351N
(Figura 48), como resultado tem-se o valor de 0,351. 10-6
mm (muito distante dos 5 mm de
precisão necessários).
Com baixa deformação na barra, observada nos cálculos, é possível concluir que
seus efeitos são muito pequenos em toda a estrutura e que a precisão do aparelho não é
afetada por este efeito.
68
Figura 47 – Forças axiais encontradas na estrutura da FANS-N.
Os valores estão expressos em Newton.
(Equação 14)
ΔL = variação do comprimento da barra
F = força que age sobre a barra
Lo = comprimento inicial da barra
E = módulo de elasticidade do material
Uma simulação interessante de se observar está expressa na Figura 48, refere-se a
regiões de possíveis deformações na estrutura, indicando a fragilidade quando submetida a
condições extremas.
69
Figura 48 – Pontos de deformação possíveis na estrutura da FANS-N.
Efeito da variação de temperatura sobre a estrutura
Para observar os efeitos térmicos em seus extremos foi considerada a maior das
barras (2,1 m de comprimento) como parâmetro que define tal influência. Considerando
apenas a dilatação linear, pois é a mais significativa na estrutura, calcula-se a maior variação
de comprimento através da Equação 15. Para uma variação extrema de temperatura em 200 oC
e considerando que o coeficiente de dilatação linear do ferro é de 12.10-6
°C
-1, obtém 5,04
mm de variação no comprimento da barra. Este resultado pode influenciar no posicionamento
inadequado do sensor pelo sistema de coordenadas.
Mesmo com uma variação de temperatura menor, por exemplo, de 50 oC observa-
se uma variação no comprimento da barra de 1,26 mm, fato que pode alterar algum resultado.
Desta forma, deve-se evitar que o equipamento fique exposto a calor intenso, principalmente a
exposições solares prolongadas sem o devido arrefecimento. Contudo no processo de coleta
de dados dos exaustores este fator não é primordial, pois o próprio exaustor retira o calor que
provoca variação de temperatura extrema na FANS-N.
Durante os experimentos realizados no mês de novembro, a temperatura próxima
ao equipamento estava em torno de 34 oC que ficou em funcionamento por mais de 4 horas,
nenhuma modificação no sistema de posicionamento do sensor foi observada e nenhum ajuste
foi necessário.
70
(Equação 15)
ΔL = variação do comprimento da barra pela dilatação
Lo = comprimento inicial da barra a 25°C
ΔT = variação de temperatura da barra
α = coeficiente de dilatação linear
Efeito das forças Cisalhantes
Entende-se aqui como força cisalhante na estrutura, toda força que possa agir na
mesma direção do fluxo de ar do exaustor. A importância deste efeito está, principalmente, no
efeito da velocidade do ar na estrutura da FANS-N. As consequências possíveis desta força
sobre o equipamento é provocarem seu deslocamento, tombamento ou vibração, todos os
fenômenos indesejáveis para uma correta coleta de dados.
Em 3.1.1 da Metodologia deste trabalho identificou-se as coordenadas do centro
de massa da estrutura necessária para verificar aqui os efeitos de cisalhamento e seus limites.
O aparelho foi testado em duas superfícies distintas no Laboratório de Conforto
Térmico II da Unicamp, concreto e terra batida (superfícies comumente encontradas na parte
externa dos galpões de frango, em locais onde estão as tomadas de ar dos exaustores).
Com dois dinamômetros ( um de 250 N e precisão de 2,5 N e outro de 50 N com
precisão de 0,5 N) foram utilizados para a aplicação das forças nos pontos críticos e
observação dos efeitos. Na Figura 49, mostram-se pontos de aplicação de força e na Tabela
13 estão os resultados observados.
Tabela 13 – Tabela de resultados de testes de cisalhamento.
Superfície Ponto Crítico Força mínima (N) Tipo de deslocamento
Terra batida A 13,5 Rotação
Terra batida B 220 Rotação
Terra batida C 180 Translação
Terra batida D 12,0 Rotação
Concreto A 13,5 Rotação
Concreto B 190 Translação
Concreto C 150 Translação
Concreto D 12,0 Rotação
71
Figura 49 – Pontos críticos para aplicação de forças para teste de deslocamento ou rotação.
Os testes realizados mostraram que os pontos D e A são os mais vulneráveis de
toda a estrutura e merecem atenção, pois a força necessária para gerar a rotação é pequena
quando comparada com os outros valores de força aplicados em outros pontos. Ao analisar o
fluxo de ar provocado nos exaustores, verifica-se que os pontos que podem gerar maiores
forças pelo deslocamento de ar encontram-se nas bordas dos exaustores. Em especial, nos
cantos superiores direito e esquerdo do equipamento FANS-N tem-se constatado os maiores
valores de velocidade do ar obtidos, coincide com os pontos críticos estudados. Com o uso do
equipamento em campo, não se observou qualquer vibração, deslocamento ou rotação da
estrutura, portanto nas condições em que os experimentos as forças que agiam nos pontos
críticos estudados não foram suficientes para prejudicar os resultados de nenhuma forma.
5.1.2 Funcionamento e precisão dos motores
Verificou-se que os motores, em funcionamento, obtiveram desempenho
satisfatório na estrutura do sistema, sua velocidade máxima foi de 0,8 m s-1
. Trepidações e
efeitos térmicos puderam ser minimizados pela correta configuração dos drives de controle.
5.1.3 Calibragem do sensor
O anemômetro a termistor utilizado teve sua eficiência comparada com a de um
anemômetro de hélice calibrado. A calibração do anemômetro a termistor foi feita em um
exaustor de aviário e com o exaustor do Laboratório de Conforto Térmico, como mencionado
72
na metodologia. As medições foram realizadas pela aproximação dos dois anemômetros, o
calibrado e o da FANS-N, ao ponto de velocidade do ar constante em frente ao exaustor, a
variação da velocidade se deu pelo afastamento dos dois sensores em relação ao exaustor
utilizado. Como resultados de calibração observam-se na Tabela 14 os valores que
relacionam a tensão elétrica U, em Volts, de saída do sensor a ser calibrado com a velocidade
do ar obtida no sensor calibrado, em m s-1
para uma temperatura fixa de 27 oC. A tensão
elétrica é diretamente proporcional ao valor convertido em sinal digital pelo conversor
Analógico Digital (A/D) do sistema FANS-N. Portanto, obter a função matemática que
relaciona a tensão de saída do sensor com o valor de velocidade do ar consiste no processo de
calibração de todo sensor acoplado a entrada digital de um sistema computacional.
Tabela 14 – Tabela de calibração do anemômetro para temperatura ambiente de 27 oC.
N V (m/s) U(Volts) N v(m/s) U(Volts) N v(m/s) U(Volts)
1 0 0,645 17 4,8 2,362 33 9,6 2,702
2 0,3 0,984 18 5,1 2,392 34 9,9 2,733
3 0,6 1,339 19 5,4 2,426 35 10,2 2,751
4 0,9 1,594 20 5,7 2,451 36 10,5 2,764
5 1,2 1,758 21 6 2,458 37 10,8 2,781
6 1,5 1,819 22 6,3 2,496 38 11,1 2,8
7 1,8 1,889 23 6,6 2,506 39 12 2,819
8 2,1 2,006 24 6,9 2,522 40 12,9 2,838
9 2,4 2,042 25 7,2 2,574 41 13,8 2,856
10 2,7 2,076 26 7,5 2,606 42 14,7 2,875
11 3 2,181 27 7,8 2,614 43 15,6 2,904
12 3,3 2,195 28 8,1 2,638 44 16,5 2,913
13 3,6 2,253 29 8,4 2,658 45 17,4 2,931
14 3,9 2,283 30 8,7 2,669 46 18,3 2,95
15 4,2 2,327 31 9 2,681
16 4,5 2,346 32 9,3 2,699
Os dados de calibração podem ser observados no gráfico da Figura 50. Nesta
figura observa-se o caráter tipicamente logarítmico, Tal como obtido por Badger (2015), na
Figura 33, portanto em acordo com as indicações do fornecedor do sensor.
O ajuste de curva foi realizado com o programa Minitab®, fornecendo a curva de
regressão não linear do tipo logarítmica, recomentada pelo fornecedor do anemômetro. Como
resultado do ajuste tem-se a Equação 16 que segue:
U = 0,4675. Ln (v) + 1,64 (Equação 16)
U= tensão elétrica do sensor em processo de calibração (V);
73
v = velocidade do ar fornecida pelo anemômetro calibrado (m s-1
).
R2 = 99,67 %
Constata-se que o valor de R2 está muito próximo de 1, portanto a curva tem
ajuste de acordo com os dados e pode ser usada no equipamento com segurança de sua
precisão para a temperatura de 27 oC.
Figura 50 – Curva de calibração do anemômetro.
Para que o ajuste de curva fique completamente caracterizado e validado é
necessário fazer a análise de resíduos. Na Figura 51 que relaciona a ordem de observação
com os resíduos da Tensão elétrica U, observa-se a boa homocedasticidade, já que não estão
acumulados nem na parte superior do zero e nem na inferior, mostrando que a interferência
externa é baixa.
A autocorrelação também é constatada, principalmente inicialmente, em que os
pontos flutuam rapidamente entre o zero dos resíduos até o 25o ponto em que está o valor de
7,2 m s-1
, após surge certa concentração de dados entre o 25o ponto e o 39
o. Porém, no
conjunto dos dados a correlação satisfaz os requisitos de regressão.
74
Figura 51 – Gráfico de Resíduos em função da ordem de observação.
Para o gráfico de distribuição de resíduos, Figura 52, constata-se praticamente
uma distribuição Normal, pois a maioria dos pontos está sobre o valor nulo de resíduo. Uma
maior quantidade de pontos nas extremidades da Figura 52 ou uma maior assimetria na
mesma figura indicaria uma necessidade de um ajuste de curva mais adequado. A influência
da temperatura no anemômetro pode ser um fator que contribui para as distorções observadas
nos extremos.
Figura 52 – Histograma da distribuição dos resíduos.
0.080.040.00-0.04-0.08
18
16
14
12
10
8
6
4
2
0
Resíduos
Fre
qu
ên
cia
Histograma da distribuição de resíduios
75
Contudo, somente o ajuste de curva para um dado valor de temperatura não é
suficiente. Outro procedimento foi realizado para adequar a variação de temperatura ambiente
aos resultados e poder concluir sobre as condições que determinam a confiabilidade do
sistema. Para isso, fixou-se a velocidade do ar em 6 m.s-1
e foram feitas as coletas de dados de
tensão elétrica em função da temperatura ambiente e podem ser vistos na Tabela 15 e
expressos seus valores no gráfico da Figura 53.
Tabela 15 – Dados de temperatura ambiente e a tensão de saída do anemômetro para um valor
fixo de velocidade do ar de 6 m s-1
.
Temperatura (oC) Tensão elétrica(V)
18 2,367
20 2,382
22 2,401
24 2,417
26 2,438
30 2,493
30 2,500
34 2,511
34 2,551
36 2,577
Figura 53 – Temperatura ambiente e a tensão de saída do anemômetro para um valor fixo de
velocidade do ar de 6 m s-1
.
76
Obtendo a regressão linear com o programa Minitab®, têm-se os dados abaixo
para a curva de linearização (Equação 17).
U = 0,0109.T + 2,16 para v = 6 m s-1
(Equação 17)
U = tensão elétrica (V).
T = temperatura ambiente (ºC)
R2 de 96,9%
Observa-se que o ajuste de curva condiz com o modelo proposto de ajuste linear,
o valor de 96,9% evidencia tal fato. Na análise de resíduos, percebe-se que os valores de
resíduos estão distribuídos de maneira oscilatória evidenciando que os pontos são coerentes e
que as influências aleatórias são baixas, Figura 54.
Um fato importante é que não foi obtida uma grande quantidade de dados, então a
autocorrelação não foi grande, pois não há amplas oscilações dos resíduos em torno de seu
zero.
Figura 54 – Ordem de observação em função dos resíduos.
Na Figura 55, tem-se a distribuição percentual dos resíduos, em que se observa a
maioria dos pontos dos resíduos seguem a reta, embora a extremidade negativa apresente
discrepância em relação à linearidade. Não há evidência de a a distribuição dos pontos não
seja normal ou que existam variáveis não identificadas.
77
Figura 55 – Distribuição percentual dos resíduos.
Com as Equações 16 e 17 é possível encontrar a função que caracteriza a
calibração do anemômetro, pelas observações realizadas por Badger (2015) em seus
experimentos e comparando com a Figura 31, constata-se que ao variar a temperatura
ambiente, o coeficiente linear da Equação 16 permanece o mesmo. No caso do sensor
calibrado no projeto, b = 1,64. Considerando que a 6m/s a relação de temperatura com tensão
elétrica é dada pela Equação 17, basta resolver o sistema para encontrar a função final de
calibração (Equação 18):
U = K. Ln (v)+B (Equação 18)
Considerando v = 6 m s-1
e B = 1,64 substitui-se na Equação 18 para obter:
U = K. Ln (6)+B → U = K. Ln (6)+1,64
Igualando com a Equação 17, chega-se a:
0,0109.T + 2.16 = K.Ln(6) +1,64 e finalmente a equação que relaciona a
constante K da Equação 18 com a temperatura T resultando na Equação 19.
K = 0,00608.T +0.29 (Equação 19)
Portanto a função matemática que relaciona a tensão elétrica com a velocidade do
ar e temperatura é dada pela Equação 20:
U(T, v) = (0,00608.T +0.29). Ln (v) + 1.64 (Equação 20)
Na Figura 56 estão algumas das famílias de funções extraídas a partir da Equação 20
(Equações 21 a 24) para quatro temperaturas diferentes:
U = 0,4116. Ln(v) +1,64 para T = 20 oC R
2 de 95,4% (Equação 21)
78
U = 0,442. Ln(v) +1,64 para T = 25 oC R
2 de 94,8% (Equação 22)
U = 0,4724. Ln(v) +1,64 para T = 30 oC R
2 de 93,3% (Equação 23)
U = 0,5028. Ln(v) +1,64 para T = 35 oC R
2 de 92,1% (Equação 24)
Figura 56 – Função de calibração U (T, v) expressa no gráfico.
Nota-se grande semelhança deste resultado com os encontrados por Badger (2015)
em seus experimentos e observados na Figura 32. Desta forma, o atual sistema de medição de
velocidades do ar apresentou bons resultados em termos de funcionamento e calibração, sendo
que uma maior quantidade de pontos poderia favorecer ainda mais os resultados.
É relevante observar no gráfico da Figura 56 que a temperatura ambiente modifica
as curvas principalmente em seus extremos direito da figura, em que ocorre o aumento da
velocidade do ar. A diferença máxima observada para uma variação de 15 oC entre as
temperaturas ambientes para o valor de tensão elétrica é de 0,25 V. Este valor corresponde a
velocidade do ar de 13 m s-1
, neste ponto se o fator temperatura ambiente não fosse
considerado ter-se-iam resultados inadequados para os experimentos. Como forma de
segurança aos resultados, durante a coleta de dado é conveniente ter um anemômetro
confiável para verificar se o ajuste de curva está em conformidade com os valores coletados
de velocidade do ar. Nos experimentos realizados em aviário não ocorreu diferença
79
significativa entre os dados do anemômetro do sistema FANS-N e do anemômetro levado em
campo.
5.2 Desempenho do programa FANS-N
O programa FANS-N, como descrito na Metodologia executa as seguintes
funções enumeradas a seguir:
Controle dos motores de Passo nas coordenadas XY.
Posiciona corretamente o cursor que define as coordenadas do sensor.
Captura o sinal digital do anemômetro pela placa de comunicação.
Converte o sinal digital do anemômetro em valores ajustados pela função
expressa na Equação 17.
Cria um vetor de dados composto pelos valores de coordenadas do sensor e
o de velocidade do ar correspondente.
Grava os valores organizadamente do vetor de dados.
Utiliza os valores do vetor de dados para compor a rede neural.
Têm-se as funções de treino, validação e teste para a rede neural que integra o
programa.
Todas as funções descritas foram executadas perfeitamente pelo programa. Duas
considerações são importantes a respeito do desempenho da FANS-N, na primeira, a
conversão de dados do sensor não tem precisão maior que o menor valor de bits
correspondente a tal velocidade.
Neste caso 1024 bits para um valor proporcional de no máximo 25 m s-1
equivalem a um erro digital de aproximadamente 0,02 m s-1
para cada bit, valor insignificante
para os resultados.
A variação da velocidade do ar observada em exaustores está entre 0 a 20 m s-1
,
erro, portanto de aproximadamente 0,1 % (0,02 m s-1
). Desta forma, os resultados adquirem
uma precisão compatível com os anemômetros comerciais.
Outra consideração está relacionada à versatilidade do programa FANS-N. O
mesmo permite que sejam feitos ajustes, caso necessário, para possíveis erros do sistema
durante a coleta de valores de velocidade do ar tanto em rever o sistema de posicionamento e
calibrá-lo quanto mudar variáveis na função ajuste de curva e obter maior precisão.
80
Pode-se também modificar o regime de coleta de dados para uma coleta maior
sem prejuízo da precisão, contudo aumenta-se o tempo de coleta.
5.2.1 Validação do programa FANS-N
Os Aviários 1, 2 e 3 tiveram quatro de seus exaustores avaliados através da
FANS-N (exaustores8 1, 3, 5 dos três aviários e o exaustor
9 6 do aviário 3, conforme Figura
37) em diferentes condições, estabelecidas de acordo com as Tabelas 9 e 10)
5.2.2 Variáveis de entrada para rede neural
Para verificar se as entradas da rede neural para o programa FANS-N possuíam
importância significativa ao sistema testou-se, pelo método estatístico de análise de variância
(ANOVA) e teste Tukey, se as médias de velocidades encontradas para cada região da
superfície dos exaustores tinham significado importante do ponto de vista estatístico. Para
isso seguem as comparações de resultados das médias de velocidades do ar encontradas para
cada uma das regiões da superfície dos exaustores e escolhidas comos parâmetros de entrada
da rede neural.
A Figura 57 representa as médias das velocidades do ar encontradas no conjunto
de observações em todos os exaustores estudados para diversos valores de Pressão Estática.
Houve diferenças significativas entre as regiões da superfície do exaustor quanto à velocidade
do ar. Da mesma forma, tais variações se modificam conforme o aumento da pressão estática
e as regiões da superfíce mantém suas diferenças em relação às médias de suas velocidades.
No conjunto de observações da tendência, há convergência das curvas conforme a pressão
estática aumenta, este fenômeno acrescenta maior certeza da viabilidade de utilizar as médias
das velocidades das regiões com entradas para a rede neural criada na FANS-N, pois
modificações desta natureza são perfeitamente identificadas por rede neural. Na Tabela 16,
aplicando-se o teste Tukey, identifica-se com 95% de certeza que há diferença entre as
regiões: “Central Inferior”, “Lateral Inferior” e “Central” das superfícies dos exaustores.
Porém não se percebe diferença significativa entre as regiões “Arestas Superior” e “Central
Inferior”. A análise gráfica da Figura 58 faz perceber que as médias se alteram com a pressão
de maneira significativa, desta forma, as regiões escolhidas para entrada da rede neural como
8 Os exaustores 1, 3 e 5 foram escolhidos para o estudo, pois são aqueles que estão sempre em funcionamento
quando o sistema de acionamento de exaustão do aviário entra em funcionamento. Observa-se que os aviários
estudados nesta granja são todos automatizados e funcionamento controlado por CLP (Controle Lógico
Programável). 9 O exaustor 6 do aviário 3 foi escolhido para o estudo como forma de referência, já que este havia acabado de
ser comprado e trocado, portanto apto a ser a referência para os testes.
81
médias de velocidades tem validade, já que há diferenças e podem ser identificadas por este
método.
Figura 57 – Relação entre as velocidades médias em cada região da superfície dos exaustores
estudados ( exaustores 1, 3, 5 e 6).
40.0035.0028.0020.0014.0010.004.00
12
10
8
6
4
2
0
PE (Pa)
v (
m.s
-¹)
Are.Inf.
Cen. Inf.
Central
Are. Sup.
Região
Tabela 16 – Resultados estatísticos para escolha das regiões de entrada da rede neural
Região Pontos Média Desvio padrão Grupos*
Arestas Superiores 324 9,04 1,44 A
Central Inferior 324 8,62 2,13 A
Arestas Inferiores 324 6,01 1,88 _B
Central 324 1,11 2,41 __C
*Usando método Tukey de análise de variância. Médias que não compartilham a mesma letra são
significativamente diferentes.
Considerando o conjunto total de dados relativos à superfície do exaustor,
percebe-se mais claramente que há diferenças entre as regiões. No boxplot da Figura 58 estão
expressos os conjuntos de dados de velocidade do ar total dos exaustores estudados para cada
setor da figura interpolada sem distinção de pressão estática. Como observado anteriormente,
identifica-se há diferença entre as regiões, pois as médias são diferentes no conjunto total.
82
Figura 58 – Boxplot que relaciona os dados de cada setor da superfície interpolada com a
velocidade do ar considerando todos os valores de velocidade encontrados em todos os
exaustores.
CentralAre. Sup.Cen. Inf.Are.Inf.
18
16
14
12
10
8
6
4
2
0
v (
m.s
-¹)
No acompanhamento individual de cada exaustor constata-se que as regiões
escolhidas da superfície interpolada para fornecer médias de velocidades para as entradas da
rede neural têm destacada diferença.
Na Figura 59 há claramente um comportamento diferenciado do exaustor 6 em
relação ao outros, as variações de médias de velocidades em cada setor da superfície
interpolada tem mudanças grandes conforme a região analisada. Mesmo os exaustores 1, 3 e 5
se mostram diferenças entre si que a rede neural do programa FANS-N tem condições de
detectar, todavia o banco de dados deve ser acrescido de outros resultados para seu melhor
desempenho.
Como observado em resultados de Wheller et al. (2006), a região central dos
exaustores tem menores valores de velocidade do ar, Figura 59. Acrescenta-se que tal região
integra informação importante do comportamento do exaustor e deve ser levado em conta
para se criar a rede neural baseada na estrada de dados de velocidade do ar por região.
Portanto tem-se como primeira entrada para a rede neural do programa FANS-N as médias
das velocidades do ar em cada região (arestas superiores, arestas inferiores, região central,
região central inferior).
83
Figura 59 – Variação das velocidades do ar em cada superfície e relacionada com cada
exaustor estudado.
Are.Inf.Cen. Inf.CentralAre. Sup.
9
8
7
6
5
4
3
2
1
0
v (
m.s
-¹)
1
3
5
6
exaustor
5.2.3 Linearização dos valores de velocidade do ar
A segunda entrada para a rede neural refere-se à curva característica de velocidade
que relaciona velocidade do ar (var), organizada em ordem crescente em função dos pontos
coletados (N). Nesta curva os dados são organizados em ordem crescente de velocidade do ar.
Observa-se que sua linearidade indica que é possível associar uma equação de primeiro grau
do tipo var (N) = a.N+b para a relação entre os pontos organizados (N) e seu respectivo valor
de velocidade do ar (var(N)). Os coeficientes lineares e angulares das retas foram utilizados,
como entradas da rede no programa FANS-N, pois estes definem as inclinações das curvas
(coeficiente a) e a transladação (coeficiente b). A derivada da reta, coeficiente a, indica o
quanto a velocidade do ar aumenta com o número de pontos, quanto maior o valor de a, maior
é a variação da velocidade do ar (var) em relação à N. Por outro lado, o valor do coeficiente b,
indica o deslocameto da reta de var, valores altos de b deslocam a média de valores de
velocidade do ar para valores maiores (para uma mesma inclinação a). Desta forma, os
coeficientes a e b são importantes na caracterização dos exaustores e foram utilizados como
variáveis de entrada da rede neural.
A distribuição linear dos valores de velocidade do ar permite também que o
programa FANS-N calcule, a velocidade média e vazão dos exaustores, uma vez que, pela
Equação 25, tem-se como resultado a média das velocidades através da integral da função
var(N) dividida por N. Método utilizado pela FANS-N para o Calculo de vazão (Q (m3 s
-1)),
lembrando que Q = (A = Área do exaustor (m2)).
84
(Equação 25)
Os resultados das linearizações para os valores de var(N) em função de N para o
exaustor 1 estão expressos na Tabela 17. Convém observar que o modelo de ajuste é muito
satisfatório, pois os valores de R2 são maiores que 0,97 indicando ótima linearização dos
pontos.
Tabela 17 – Relação dos coeficientes da função var(N) = a.N+b para o exaustor 1.
Pressão Estática (Pa) Equação associada
4 var(N) = 0,162.N + 0,649 R² = 0,978
16 var(N) = 0,137.N + 0,711 R² = 0,977
20 var(N) = 0,152.N – 0,875 R² = 0,985
25 var(N) = 0,140.N – 0,802 R² = 0,979
30 var(N) = 0,116.N – 0,790 R² = 0,972
40 var(N) = 0,075.N – 0,514 R² = 0,972
Os resultados das linearizações para os valores de var(N) em função de N para o
exaustor 3 estão expressos na Tabela 18. Como anteriormente, observa-se que o modelo de
ajuste é muito satisfatório, pois os valores de R2 são maiores que 0,97 indicando ótima
linearização dos pontos.
Tabela 18 – Relação dos coeficientes da função var(N) = a.N+b para o exaustor 3.
Pressão Estática (Pa) Equação associada
4 var(N) = 0,257.N - 2,482 R² = 0,980
16 var(N) = 0,237.N - 2,582 R² = 0,980
20 var(N) = 0,184.N - 1,410 R² = 0,967
25 var(N) = 0,165.N - 1,261 R² = 0,966
30 var(N) = 0,120.N - 0,902 R² = 0,970
40 var(N) = 0,085.N - 0,117 R² = 0,973
Os resultados das linearizações para os valores de var(N) em função de N para o
exaustor 5 estão expressos na Tabela 19. Com os valores de R2 maiores que 0,95, há uma
excelente linearização dos pontos.
85
Tabela 19 – Relação dos coeficientes da função var(N) = a.N+b para o exaustor 5.
Pressão Estática (Pa) Equação associada
4 var(N) = 0,131.N + 1,7819 R² = 0,985
16 var(N) = 0,139.N + 0,1474 R² = 0,949
20 var(N) = 0,166.N - 1,0269 R² = 0,972
25 var(N) = 0,133.N - 0,8215 R² = 0,982
30 var(N) = 0,123.N - 1,3573 R² = 0,955
40 var(N) = 0,088.N - 0,9695 R² = 0,945
Os resultados das linearizações para os valores de var(N) em função de N para o
exaustor 6 estão expressos na Tabela 20. Segue aqui que o modelo apresenta-se satisfatório,
pois os valores de R2 são maiores que 0,94 indicando ótima linearização dos pontos.
Tabela 20 – Relação dos coeficientes da função var(N) = a.N+b para o exaustor 6.
Pressão Estática (Pa) Equação associada
40 var(N) = 0,103.N - 0,239 R² = 0,963
35 var(N) = 0,144.N - 1,247 R² = 0,946
28 var(N) = 0,141.N - 0,555 R² = 0,952
20 var(N) = 0,148.N - 0,106 R² = 0,964
14 var(N) = 0,189.N - 1,038 R² = 0,944
10 var(N) = 0,194.N - 1,204 R² = 0,961
4 var(N) = 0,146.N +1,827 R² = 0,978
A Figura 60 mostra como as curvas de linearização se comportam a 4 Pa. As
semelhanças e diferenças entre os comportamentos das curvas possibilitam identificar
anomalias nos exaustores, como bem pode ser observado pela curva característica do exaustor
6. Neste gráfico, Figura 60, a inclinação da curva para o exaustor 6 se diferencia das demais,
portanto é sinal de anomalia em relação aos outros. Tal fato explica-se pela condição especial
deste exaustor, o exaustor 6 é um exaustor novo, sem qualquer dano provocado pelo uso.
Portanto foram utilizados os dados do exaustor 6 como parâmetros de padronização de bom
funcionamento e, ainda, como padrão de treinameto para rede neural. Para que
especificamente esta observação seja relevante nos comportamentos analisados via rede
neural necessita-se de um banco de dados maior do que o criado neste trabalho.
86
Figura 60 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 4 Pa.
9080706050403020100
20
15
10
5
0
N
v (
m.s
-¹)
Exaustor1
Exaustor3
Exaustor5
Exaustor6
P=4Pa
Na Figura 61, com pressão estática de 16 Pa observa-se a anomalia de
comportamento, em relação aos demais, para o exaustor 3 e leve diferenciação entre os
exaustores pela pequena mudança entre os coeficientes lineares das curvas que permanecem
paralelas entre si.
O mesmo fenômeno anterior de paralelismo entre as curvas constata-se também
para a Figura 62, porém aqui a inclinação da curva para o exaustor 6 torna-se mais semelhante
a curva dos demais exaustores. Um fato que pode ser associado ao treino pela observação das
três últimas figuras é que a pressões estáticas muito altas, o esforço de cada exaustor aumenta,
diminuindo sua eficiência e dando margem para o aparecimento de anomalias, tal como
observada no exaustor 6. O exaustor 6 é um exaustor central e novo (conforme já
mencionado), portanto a dinâmica do ar associada a ele pode ser diferente que dos demais, tal
como se constata também, certas anomalias de comportamento termodinâmico em Li et al.
(2009). Mais detalhes de seu comportamento serão analisados no item sobre estudo da vazão.
87
Figura 61 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 16 Pa.
9080706050403020100
20
15
10
5
0
N
v (
m.s
-¹)
Exaustor1
Exaustor3
Exaustor5
PE=16Pa
Na Figura 62, com pressão estática de 20 Pa, portanto fica constatado o grande
paralelismo entre as curvas.
Figura 62 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 20 Pa.
9080706050403020100
15.0
12.5
10.0
7.5
5.0
2.5
0.0
N
v (
m.s
-¹)
Exaustor1
Exaustor3
Exaustor5
Exaustor6
PE=20Pa
Na Figura 63, a 25 Pa há pequena inclinação da curva do exaustor 3
caracterizando-o como aquele com coeficiente angular maior, observado também em 16 e 20
Pa.
88
Figura 63 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 25 Pa.
9080706050403020100
14
12
10
8
6
4
2
0
N
v (
m.s
-¹)
Exaustor1
Exaustor3
Exaustor5
PE=25Pa
A partir de 30 Pa, Figuras 64 e 65, as inclinações e distanciamento entre as curvas
aumentam. Com pressões estáticas mais altas os exaustores perdem em eficiência, como
mostra a Figura 33 fornecida pelo fabricante dos exaustores estudados, que expressa o
rendimento do exaustor estudado em função das pressões estáticas.
Dois extremos são importantes de serem analisados nas Figuras 64 e 65 e podem
fazer parte da tomada de decisão em um sistema especialista ou no aprimoramento do
programa FANS-N. O exaustor 6, central tem maiores valores de velocidade do ar do que o
exaustor 1 que fica em uma das bordas do conjunto de exaustores. Durante o experimento, um
técnico ao acompanhar a realização da coleta de dados informou que este exaustor havia sido
trocado recentemente e, portanto, mais novo que os demais (pelo menos, 6 meses mais novo
que os demais). De forma que este exaustor estava mais limpo, menos oxidado que os outros e
sistema de lubrificação de fábrica. Os bons resultados do exaustor 6 tornou-o como padrão
para montagem da rede neural no programa FANS-N, pois se adequa melhor às
especificações do fabricante, principalmente, mais uma vez, pelo fato de ser novo.
89
Figura 64 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 30 Pa.
9080706050403020100
10
8
6
4
2
0
N
v (
m.s
-¹)
Exaustor1
Exaustor3
Exaustor5
PE=30Pa
Figura 65 – Curva de linearização para os pontos de velocidade do ar na superfície dos
exaustores em função no número de pontos obtidos. Pressão Estática de 40 Pa.
9080706050403020100
8
6
4
2
0
N
v (
m.s
-¹)
Exaustor1
Exaustor3
Exaustor5
Exaustor6
PE=40Pa
5.3 Superfície de interpolação
A superfície de interpolação é uma ferramenta matemática importante para o
estudo das velocidades do ar na superfície dos exaustores, pois identificar o regime de
funcionamento do exaustor. Para a obtenção da superfície de interpolação dos exaustores é
fundamental escolher corretamente a função matemática básica à interpolação. Para isso,
90
conforme discutido na análise de dados (item 3.2), é necessário traçar o variograma dos
pontos.
Todos os variogramas estudados para todos os exaustores apresentaram
comportamento linear para suas curvas, desta forma, configurou-se o método de interpolação
do tipo linear utilizado no programa Surfer®. Os variogramas mais representativos dos
conjuntos de dados podem ser observados no APÊNDICE. Em geral, todos os exaustores
estudados apresentaram o comportamento típico de exaustores de aviários, que consiste em ter
grandes regiões centrais com baixa velocidade (abaixo de 3m s-1
) e regiões periféricas com
altas velocidades do ar (acima de 8m s-1
), Tais constatações foram inclusive evidenciadas nos
trabalhos de Morello et al. (2010) e também Wheeler et al. (2006). Observam-se, nas figuras
que seguem, detalhes precisos das superfícies de ventilação dos exaustores, tais figuras
evidenciam bem a vazão de ar produzido pelos exaustores. Detalhes obtidos pelas figuras de
interpolação indicam a influência de fatores externos ao exaustor assim como também estão
associados ao desempenho do exaustor. Os exaustores de aviários sofrem muito com a
utilização intensa e seus motores passam por condições de extremo desgaste, principalmente
pela umidade e poeira na qual são submetidos.
Observar as superfícies de interpolação das velocidades do ar dos exaustores pode
dar indícios a respeito do funcionamento dos mesmos. Através da análise das superfíces de
interpolação é possível encontrar a relação desta com a pressão estática dentro do aviário ou,
ainda, relacionar a altura das cortinas com vazão produzida pelo exaustor. O objetivo do
presente capítulo é mostrar que, de fato, a FANS-N desenvolvida pode auxiliar no diagnóstico
das condições dos exaustores e que as superfícies de interpolação extraídas são ferramentas de
grande utilidade para isso.
5.3.1 Superfífices de interpolação e variação da pressão estática pelo controle
de funcionameto dos exaustores
5.3.1.1 resultados da variação da pressão estática no exaustor 1
Pressões estáticas de 4 Pa e 16 Pa
A 4 Pa, tem-se uma pressão estática negativa dentro do aviário que gera
interferência no regime de funcionamento dos exaustores, de modo que as Figuras 66a e 66b
têm a região de maior velocidade do ar na parte central inferior (maior que 14 m s-1
), e de
baixa velocidade na região central (abaixo de 3 m s-1
).
91
Figura 66 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3 e 5 ligados.
(a) Exaustor 1, PE de 4 Pa
(b) Exaustor 1, PE de 16 Pa
Pressões estáticas de 20 Pa e 25 Pa
As Figura 67a e 67b apresentam uma grande região central de baixa velocidade do
ar (inferior a 1 m s-1
) em relação às Figuras 66a e 66b, consequência da diminuição da
velocidade do ar como um todo, resultado do aumento na pressão estática. Contudo ainda se
observa na mesma figura a parte inferior central com velocidade do ar considerável (superior
a 10 m s-1
).
Figura 67 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3, 5, 6, 8 e 10 ligados.
(a) Exaustor 1, PE de 20 Pa (b) Exaustor 1, PE de 25 Pa.
92
Pressões estáticas de 30 Pa e 40 Pa
Nas Figuras 68a e 68b, surgem trechos brancos com velocidade nula e grandes
quedas de velocidades do ar quando comparada com as figuras anteriores. A área branca
representa ausência de velocidade do ar10
. A região central inferior em que se observam as
maiores velocidades do ar, aqui tem seus valores de velocidades entre 5 e 7 m s-1
,
consideravelmente inferiores aos valores obtidos nas Figuras 66 e 67.
De modo geral, observa-se que em todas as Figuras (Figuras 66, 67 e 68),
excetuando-se a região inferior central, as demais regiões não possuem muitas regiões com
velocidades do ar superiores a 8 m s-1 11
.
Figura 68 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com todos os exaustores ligados.
(a) Exaustor 1, PE de 30 Pa
(b) Exaustor 1, PE de 40 Pa.
5.3.1.2 Resultados da variação da pressão estática no exaustor 3
Pressões estáticas de 4 Pa e 16 Pa
Nas Figuras 69a e 69b têm-se as velocidades do ar praticamente nulas nos centros
e grandes amplitude nos entornos. A região inferior, em que aparecem as maiores velocidades
do ar (constatado nas figuras anteriores para o exaustor 1), aqui não fica tão clara para este
exaustor a 16 Pa. Observa-se ainda que a 16 Pa tem-se vários pontos em regiões distintas com
picos de velocidades do ar em torno de 14m s-1
, pode-se considerar que há maior turbulência
10
Ou valor inferior ao que pode ser detectado pelo sensor que corresponde ao mínimo de 0,02m.s-1
, valor
relativo ao erro do anemômetro calibrado. 11
Esta constatação será percebida na análise de vazão e terá a indicação, por rede neural, da necessidade de troca
do exaustor ou sua manutenção.
93
no regime de vazão neste exaustor, provavelmente provocada pelo desgaste de seu
funcionamento e requer manutenção.
Figura 69 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3 e 5 ligados.
(a) Exaustor 3, PE de 4 Pa
(b) Exaustor 3, PE de 16 Pa
Pressões estáticas de 20 Pa e 25 Pa
As Figuras 70a e 70b mantêm a característica de ter região central de velocidade
nula, mas pode-se observar a queda de velocidade do ar generalizada em relação a anterior,
poucos pontos onde a velocidade do ar supera os 11 m s-1
. Observa-se aqui poucas diferenças
entre as Figuras 70a e 70b para as pressões estáticas de 20 ou 25 Pa.
Figura 70 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3, 5, 6, 8 e 10 ligados.
(a) Exaustor 3, PE de 20 Pa (b) Exaustor 3, PE de 25 Pa
94
Pressões estáticas de 30 Pa e 40 Pa
Nas Figuras 71a 71b há diminuição da região de velocidade nula, porém a região
com velocidade entre 0 e 1 m s-1
aumenta consideravelmente. Há poucas regiões com
velocidades do ar maiores que 6m s-1
tanto na Figura 71a ou Figura 71b que são muito
parecidas. A pressão estática elevada influencia na queda das velocidades do ar, novamente
observada nestas figuras.
Figura 71 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com todos os exaustores ligados.
(a) Exaustor 3, PE de 30 Pa (b) Exaustor 3, PE de 40 Pa
5.3.1.3 Resultados da variação da pressão estática no exaustor 5
Pressões estáticas de 4 Pa e 16 Pa
Como nas figuras anteriores analisadas, as Figuras 72a e 72b têm as regiões
centrais com baixa velocidade. Aparecem muitos “nós” de picos de velocidades espalhados
em ambas as figuras, principalmente na Figura 72b.
95
Figura 72 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3 e 5 ligados.
(a) Exaustor 5, PE de 4 Pa
(b) Exaustor 5, PE de 16 Pa
Pressões estáticas de 20 Pa e 25 Pa
As Figuras 73a e 73b são também típicas dos comportamentos estudados até aqui,
mostram regiões centrais com baixa velocidade e velocidade mais alta na extremidade
inferior. A Figura 73a mostra região central grande e com regiões de velocidades nulas e
região central inferior com velocidades entre 8 e 10 m s-1
. A Figura 73b tem suas velocidades
do ar na superfície menores que na Figura 73a, a constatação será evidenciada na análise de
vazão das duas situações aqui apresentadas.
Figura 73 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com exaustores 1, 3, 5, 6, 8 e 10 ligados.
(a) Exaustor 5, PE de 20 Pa (b) Exaustor 5, PE de 25 Pa
96
Pressões estáticas de 30 Pa e 40 Pa
As Figuras 74a e 74b mostram, como nas figuras anteriores, as regiões centrais
grandes e com baixas velocidades do ar chegando a ser zero em trecho brancos das figuras.
Ambas apresentam poucas regiões com velocidade maiores que 6 m s-1
. A análise de vazão e
velocidade do ar dará suporte à análise destas figuras. Percebe-se mais uma vez que a pressão
estática faz com que a velocidade do ar tenha queda considerável nos resultados de
velocidades do ar na superfície do exaustor.
Figura 74 – Interpolação para as coordenadas X Y da superfície do exaustor em função dos
valores de velocidade do ar e com todos os exaustores ligados.
(a) Exaustor 5, PE de 30 Pa
(b) Exaustor 5, PE de 40 Pa
5.3.2 Superfíces de interpolação e variação da pressão estática pelo controle
da altura das cortinas
Durante o teste da cortina, em que a pressão estática se modificava pelo
levantamento da cortina no mesmo momento em que todos os exaustores permaneciam
ligados, foram coletados os valores de velocidade do ar para o exaustor 6 do aviário 3.
Considera-se aqui o exaustor 612
como padrão o estudo dos demais exaustores. A Figura 75a
mostra o resultado do processo de interpolação seguindo o modelo linear obtido pelo
variograma com região central com velocidades menores, porém seu entorno possui fluxo
relativamente alto de velocidade do ar chegando próximo de 15 m.s-1
.
12
Como já mencionado anteriormente, o exaustor da posição 6 do aviário 3 fora trocado e testado pelo fabricante
recentemente e estava dentro de suas especificações técnicas. Seu bom desempenho em termos de vazão e
pressão estática foi constatado através dos experimentos realizados neste trabalho.
97
Aqui há completo acordo do que se esperava experimentalmente, grandes
velocidades do ar ao redor da região central para a pressão estática de 4 Pa e altura de 200cm
do solo das cortinas do aviário, em que os exaustores funcionam com a maior eficiência
dentre os testes realizados neste trabalho. A Figura 75b mostra a interpolação realizada para
os dados de velocidade do ar quando a pressão estática é de 10 Pa e altura de cortina em 100
cm do solo, figura semelhante a anterior, porém a região inferior apresenta modificações no
regime de velocidade do ar ocorrendo certa diminuição. Com menos regiões com velocidades
superiores a 11 m s-1
, por exemplo, nas regiões central inferior e esquerda superior.
Figura 75 – Interpolação entre os valores de coordenadas X Y da superfície do exaustor 6
estudada em função dos valores de velocidade do ar e da abertura da cortina do aviário.
(a) Cortina a 200 cm do solo e PE de 4 Pa (b) Cortina a 100cm do solo e PE de 10 Pa
A Figura 76a mostra a interpolação realizada para os dados de velocidade do ar
quando a pressão estática é de 14 Pa e altura de cortina em 50 cm do solo. A Figura 76b
mostra a interpolação realizada para os dados de velocidade do ar quando a pressão estática é
de 20 Pa e altura de cortina em 8 cm do solo. Começam a aparecer maiores velocidades do ar
na região central, mas é perceptível a acentuada diminuição das velocidades do ar nas outras
regiões.
98
Figura 76 – Interpolação entre os valores de coordenadas X Y da superfície do exaustor 6
estudada em função dos valores de velocidade do ar e da abertura da cortina do aviário.
(a) Cortina a 50 cm do solo e PE de 14 Pa
(b) Cortina a 8 cm do solo e PE de 20 Pa
A Figura 77a mostra a interpolação realizada para os dados de velocidade do ar
quando a pressão estática é de 28 Pa e altura de cortina em 4 cm do solo. A diminuição de
velocidade passa a ser maior se comparada com as Figuras 77a e 77b. A Figura 77b mostra a
interpolação realizada para os dados de velocidade do ar quando a pressão estática é de 35 Pa
e altura de cortina em 2 cm do solo. Aparece aqui pequena região de velocidade praticamente
nula (região branca). A Figura 77c mostra a interpolação realizada para os dados de
velocidade do ar quando a pressão estática é de 40 Pa e altura de cortina fechada. Torna-se
baixa em grandes áreas e apenas no canto superior direito permanece alta. Evidencia-se,
portanto, que a variação de 4 cm até o fechamento total das cortinas, há uma queda muito
grande dos valores de velocidades do ar na superfície do exaustor. O fato se dá por conta da
diminuição da entrada de ar no aviário que passa a se ocorrer exclusivamente pela face oposta
do aviário13
.
13
Região destinada exatamente para esta função: fornecimento de ar para o aviário quando as cortinas estão
fechadas gerando um fluxo de ar direcionado que possa atravessar o aviário e diminuir sua temperatura interna
como um todo.
99
Figura 77 – Interpolação entre os valores de coordenadas X Y da superfície do exaustor 6
estudada em função dos valores de velocidade do ar e da abertura da cortina do aviário.
(a) Cortina a 4 cm do solo e PE de 28 Pa (b) Cortina a 2 cm do solo
(c) Cortina fechada
5.4 Análise numérica
Na Tabela 21 estão os resultados gerais para os valores de velocidade do ar médio
encontrados em todos os exaustores estudados, utilizando para isso a análise de variância com
intervalo de confiança de 95% de certeza e teste Tukey. Nesta tabela a ordem de classificação
está em ordem crescente de pressão estática, observa-se que muitos dados coincidem do ponto
de vista da análise de variância. Tal coincidência diminui com o aumento da pressão estática,
os resultados tornam-se significativamente diferentes somente com aumento considerável da
pressão estática.
A baixa significância para muitos dos valores indica que simplesmente tirar a
média das velocidades não é suficiente para definir conclusões a respeito do funcionamento
100
dos exaustores em relação à velocidade ou vazão dos exaustores. Observa-se também que o
desvio associado aos valores de velocidade do ar é baixo (inferiores a 1%) e que a vazão
calculada com tais médias também será precisa.
Tabela 21 – Médias de velocidades de todos os exaustores, utilizando análise de variância
com intervalo de confiança de 95% de certeza.
Pressão
Estática
(Pa)
Exaustor Número de
pontos
Média de
velocidades
(m s-1
)
Desvio padrão
(m s-1
)
Grupos*
4 6 81 7,360 0,03 A
4 3 81 7,200 0,03 A
4 5 81 6,790 0,04 AB
4 1 81 6,770 0,02 AB
10 6 81 6,320 0,02 ABC
16 3 81 6,310 0,04 ABC
14 6 81 6,256 0,03 ABC
16 1 81 5,910 0,02 ABCD
20 6 81 5,600 0,04 ABCDE
16 5 81 5,590 0,04 ABCDE
20 3 81 5,570 0,02 ABCDEF
20 5 81 5,210 0,04 _BCDEFG
20 1 81 5,010 0,04 _BCDEFGH
25 3 81 5,010 0,03 _BCDEFGH
28 6 81 4,840 0,03 __CDEFGHI
25 1 81 4,589 0,02 __CDEFGHI
35 6 81 4,250 0,03 ___DEFGHIJ
25 5 81 4,160 0,02 ___DEFGHIJK
40 6 81 3,730 0,03 ____EFGHIJK
30 1 81 3,680 0,02 _____FGHIJK
30 3 81 3,520 0,04 ______GHIJK
30 5 81 3,300 0,02 _______HIJK
40 3 81 3,020 0,02 ________ IJK
40 1 81 2,390 0,04 _________JK
40 5 81 2,350 0,03 __________K *Usando método Tukey de análise de variância. Médias que não compartilham a mesma letra são
significativamente diferentes.
A Tabela 22 tem-se os resultados de vazão obtidos pelos exaustores 1, 3 e 5
seguindo a metodologia descrita, em que ocorreu o ligamento e desligamento de exaustores
para o controle da pressão estática e coleta de dados. O intervalo de confiança é de no mínimo
95%.
101
Tabela 22 – Resultados para vazão do ar obtida pela análise estatística.
Exaustor PE (Pa) Q(m3 s
-1) vmédio vmin vmax cv Erro Padrão
Exaustores 1, 3 e 5 ligados
1 4 10,11 6,77 1,54 14,97 0,51 0,03
1 16 8,86 5,91 1,57 12,97 0,5 0,03
3 4 10,82 7,2 0,67 18,3 0,64 0,05
3 16 9,46 6,31 0,6 17,51 0,57 0,05
5 4 10,18 6,79 2,48 13,69 0,4 0,02
5 16 8,38 5,59 0,6 12,28 0,49 0,02
Exaustores 1, 3, 5, 6, 8 e 10 ligados
1 20 7,51 5,01 0 11,53 0,68 0,03
1 25 6,88 4,59 0 10,57 0,56 0,03
3 20 8,35 5,57 0,29 14,42 0,71 0,04
3 25 7,51 5,01 0,26 12,98 0,27 0,03
5 20 7,81 5,21 0,24 13,23 0,57 0,03
5 25 6,24 4,16 0,19 10,58 0,39 0,03
Todos os exaustores ligados
1 30 5,52 3,68 0,11 9,9 0,68 0,02
1 40 3,58 2,39 0,07 6,4 0,77 0,01
3 30 5,28 3,52 0 9,65 0,75 0,02
3 40 4,53 3,02 0,26 6,98 0,62 0,01
5 30 4,95 3,3 0,2 9,32 0,65 0,02
5 40 3,52 2,35 0,14 6,65 0,62 0,01
A eficiência em coletar dados do sistema FANS-N, fica evidenciada com os
resultados observados na Tabela 22. Percebe-se que os valores de velocidades do ar obtidos
pelo sistema relacionam-se diretamente com os valores de pressão estática do aviário. O
cálculo de vazão apresentou valores coerentes com os trabalhos realizados por Gates et al.
(2004) e Morello et al. (2010).
5.4.1 Estudo das velocidades do ar obtidas pelo sistema FANS-N
Para sistematizar a análise de dados de velocidades do ar estudadas neste trabalho,
tem-se a Tabela 23 que representa o quadro geral das análises numéricas realizadas.
Diferenciam-se nos quadros da Tabela 23 duas situações fundamentais, ambas relacionadas
com a variação de pressão estática. Na coluna da esquerda tem-se a variação da pressão
estática pelo controle de funcionameto dos exaustores14
e na coluna da direita a variação da
14
A pressão estática aqui é controlada não somente pelo acionamento dos exaustores, mas também pela variação
da altura das cortinas do aviário.
102
pressão estática pelo controle da altura das cortinas15
. Na mesma tabela tem-se o quadro de
plano de estudo para a vazão do ar pelos exaustores.
Tabela 23 – Quadro geral da análise numérica realizada
Variação da pressão estática pelo controle
de funcionameto dos exaustores
Variação da pressão estática pelo controle
da altura das cortinas
Comparação das médias de velocidades do
ar e vazão entre exaustores para cada valor
de pressão estática.
Comparação das médias de velocidades do
ar de um mesmo exaustor em relação às
pressões estáticas.
Comparação das médias de velocidades do
ar e vazão de um mesmo exaustor em
relação às pressões estáticas.
Vazão de ar pelo exaustor
Uso de superfície de interpolação para
identificar inicialmente mudanças
significativas nas velocidades nas
superfícies dos exaustores.
Estudo da vazão para cada pressão estática e
cálculo de vazão pela de média simples das
velocidades (Equação 3).
5.4.2 Variação da pressão estática pelo controle de funcionameto dos
exaustores.
5.4.2.1 Comparação das médias de velocidades do ar e vazão entre exaustores
para cada valor de pressão estática.
Encontrar semelhanças é importante tanto para saber que os exaustores estão
padronizados quanto para identificar constância nas conclusões tomadas pela rede neural
artificial. O treino da rede neural, como qualquer outra do tipo perceptron, associada à análise
de padrões, baseia-se nas semelhanças e observadas que formam o banco de dados para seu
treino (LIMA et al., 2010).
Nas próximas figuras de Boxplot observa-se que os exaustores têm suas médias de
velocidades do ar muito próximas, mostrando que realmente tem constância e padrão de
comportamento. Na Figura 78, de Boxplot, os exaustores 1, 3, 5 e 6 têm valores de médias
próximos à pressão de 4 Pa. Seus posicionamentos são indicadores de pequenas mudanças em
tais médias. Detalhe ao exaustor 3 que tem maior dispersão (altura do Boxplot maior).
15
A pressão estática varia nesta situação pelo controle da abertura das cortinas e com todos os exaustores
ligados.
103
Figura 78 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 4 Pa.
Ex6 4PaEx5 4PaEx3 4PaEx1 4Pa
18
16
14
12
10
8
6
4
2
0
v (
m.s
-¹)
Na Figura 79, de Boxplot, os exaustores 1, 3 e 5 têm valores de médias próximos
a pressão de 16 Pa, seus posicionamentos são indicadores de pequenas mudanças em tais
médias. Novamente o exaustor 3 tem maior dispersão. Com média em torno de 6 m s-1
.
Distribuição praticamente simétrica de valores.
Figura 79 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 16 Pa.
Ex5 16PaEx3 16PaEx1 16Pa
18
16
14
12
10
8
6
4
2
0
v (
m.s
-¹)
Na Figura 80, de Boxplot, os exaustores 1, 3, 5 e 6 têm valores de médias
próximos a pressão de 20 Pa, seus posicionamentos são indicadores de pequenas mudanças
em tais médias. As dispersões são maiores que as anteriores e a distribuição têm caráter
negativamente assimétrico constatado. Com média de velocidade em torno de 5 m s-1
.
104
Figura 80 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 20 Pa.
Ex6 20PaEx5 20PaEx3 20PaEx1 20Pa
14
12
10
8
6
4
2
0
v (
m.s
-¹)
Na Figura 81, de Boxplot, os exaustores 1, 3 e 5 têm valores de médias próximos
a pressão de 25 Pa. A assimetria permanece assim como a dispersão. Com média de
velocidade em torno de 4,2 m s-1
.
Figura 81 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 25 Pa.
Ex5 25PaEx3 25PaEx1 25Pa
12
10
8
6
4
2
0
v (
m.s
-¹)
Na Figura 82, de Boxplot, os exaustores 1, 3 e 5 têm valores de médias próximos
a pressão de 30 Pa. A assimetria permanece assim como a dispersão, mas toma caráter de
simetria positiva. Com média de velocidade em torno de 3,5 m s-1
.
105
Figura 82 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 30 Pa.
Ex5 30PaEx3 30PaEx1 30Pa
9
8
7
6
5
4
3
2
1
0
v (
m.s
-¹)
Na Figura 83, de Boxplot, com pressão estática de 40 Pa, os exaustores 1, 3, 5 e 6
têm valores de médias de velocidades com maior diferença que em todas as observações
anteriores, o estado de alta pressão negativa observada contribui fortemente para que o
sistema de exaustão se adapte a um regime de funcionamento que ocasiona diminuição do
rendimento. A velocidade cai consideravelmente para em torno de 2,5 a 4 m s-1
e o exaustor
sai da região de operação adequada ao melhor rendimento.
Figura 83 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 40 Pa.
Ex6 40PaEx5 40PaEx3 40PaEx1 40Pa
8
7
6
5
4
3
2
1
0
v (
m.s
-¹)
5.4.2.2 Comparação das médias de velocidades do ar e vazão de um mesmo
exaustor em relação às pressões estáticas.
Na Tabela 24 constata-se que, que o exaustor 1 analisado pelo teste Tukey tem
diferença estatística significativa entre os valores de 4 Pa, 20 Pa e 40 Pa.
106
Além da queda de velocidade média é muito considerável entre os valores de 4 a
40 Pa de pressão estática.
Tabela 24 – Médias de velocidades para o exaustor 1, utilizando análise de variância com
intervalo de confiança de 95% de certeza.
Pressão
Estática
(Pa)
Número
de
pontos
Média de
velocidades
(m s-1
)
Desvio
padrão
(m s-1
)
Desvio padrão
S. (m s-1
)**
Grupos*
4 81 6.770 3.578 0.03 A
16 81 5.910 3.046 0.02 AB
20 81 5.010 3.368 0.04 _B
25 81 4.589 3.085 0.02 _BC
30 81 3.680 2.567 0.03 __CD
40 81 2.390 1.667 0.04 ___D
*Usando método Tukey de análise de variância. Médias que não compartilham a mesma letra são
significativamente diferentes. **
Da superfície interpolada.
No gráfico de Boxplot da Figura 84 percebe-se a queda gradativa dos valores de
médias e que para 4 Pa, 16 Pa, 30 Pa e 40 Pa as distribuições são simétricas.
Figura 84 – Boxplot das velocidades em relação a cada pressão estática para o exaustor 1.
Ex1 40PaEx1 30PaEx1 25PaEx1 20PaEx1 16PaEx1 4Pa
14
12
10
8
6
4
2
0
v (
m.s
-¹)
A Tabela 25, para o exaustor 3 analisado pelo teste Tukey tem diferença
estatística significativa entre os valores de 4 Pa, 25 Pa e 40 Pa, alem do que a queda de
velocidade média é perceptível entre os valores de 4 a 40 Pa de pressão estática.
107
Tabela 25 – Médias de velocidades para o exaustor 3, utilizando análise de variância com
intervalo de confiança de 95% de certeza.
Pressão
Estática
(Pa)
Número
de
pontos
Média de
velocidades
(m s-1
)
Desvio
padrão
(m s-1
)
Desvio padrão
S. (m s-1
)**
Grupos*
4 81 7,200 4,965 0,03 A
16 81 6,310 4,980 0,03 AB
20 81 5,570 3,991 0,04 AB
25 81 5,010 3,594 0,02 _BC
30 81 3,520 2,456 0,03 __CD
40 81 3,020 1,818 0,04 ___D
*Usando método Tukey de análise de variância. Médias que não compartilham a mesma letra são
significativamente diferentes. **
Da superfície interpolada.
No gráfico de Boxplot da Figura 85, a interpretação é muito semelhante à
realizada na Figura 85, percebe-se a queda gradativa dos valores de médias, mas que para 4
Pa, 16 Pa, 30 Pa e 40 Pa as distribuições não são tão simétricas.
Figura 85 – Boxplot das velocidades em relação a cada pressão estática para o exaustor 3.
Ex3 40PaEx3 30PaEx3 25PaEx3 20PaEx3 16PaEx3 4Pa
18
16
14
12
10
8
6
4
2
0
v (
m.s
-¹)
A Tabela 26, para o exaustor 5 analisado pelo teste Tukey tem novamente
diferença estatística significativa entre os valores de 4 Pa, 25 Pa e 40 Pa, além do que a queda
de velocidade média é perceptível entre os valores de 4 a 40 Pa de pressão estática.
108
Tabela 26 – Médias de velocidades para o exaustor 5, utilizando análise de variância com
intervalo de confiança de 95% de certeza.
Pressão
Estática
(Pa)
Número
de
pontos
Média de
velocidades
(m s-1
)
Desvio
padrão
(m s-1
)
Desvio padrão
S. (m s-1
)**
Grupos*
4 81 6,790 2,949 0,03 A
16 81 5,590 3,209 0,04 AB
20 81 5,210 3,570 0,04 _BC
25 81 4,160 2,851 0,02 __CD
30 81 3,300 1,986 0,04 ___DE
40 81 2,350 1,886 0,03 ____E
*Usando método Tukey de análise de variância. Médias que não compartilham a mesma letra são
significativamente diferentes. **
Da superfície interpolada.
No Boxplot da Figura 86 há a queda gradativa dos valores de médias. Fato
interessante à pressão estática aqui é que a 16 Pa a mediana tornou-se muito baixa deslocando
a distribuição nesta direção, nos outros valores tal mudança não foi perceptível, não há motivo
aparente que esteja dentro das observações anotadas durante o experimento que explique tal
fato.
Figura 86 – Boxplot das velocidades em relação a cada pressão estática para o exaustor 5.
Ex5 40PaEx5 30PaEx5 25PaEx5 20PaEx5 16PaEx5 4Pa
14
12
10
8
6
4
2
0
v (
m.s
-¹)
A Tabela 27, para o exaustor 6 analisado pelo teste Tukey tem novamente
diferença estatística significativa, porém aqui para os valores de 4 Pa, 20 Pa e 40 Pa, além do
109
que a queda de velocidade média é perceptível entre os valores de 4 a 40 Pa de pressão
estática. No Boxplot da Figura 87 percebe-se a queda gradativa dos valores de médias e que
para 10 e 14 Pa de pressão estática a dispersão de valores é muito grande, entre 1,9 e 10 m s2.
Tabela 27 – Médias de velocidades para o exaustor 6, utilizando análise de variância com
intervalo de confiança de 95% de certeza.
Pressão
Estática
(Pa)
Número
de
pontos
Média de
velocidades
(m s-1
)
Desvio
padrão
(m s-1
)
Desvio padrão
S. (m s-1
) **
Grupos
*
4 81 7,360 3,270 0,03 A
10 81 6,320 4,358 0,04 AB
14 81 6,256 4,265 0,04 AB
20 81 5,600 3,331 0,02 _BC
28 81 4,840 3,148 0,04 _BCD
35 81 4,250 3,177 0,04 __CD
40 81 3,730 2,310 0,03 ___D
*Usando método Tukey de análise de variância. Médias que não compartilham a mesma letra são
significativamente diferentes. **
Da superfície interpolada.
Figura 87 – Boxplot das velocidades em relação a cada pressão estática estudada para o
exaustor 6.
4035282014104
16
14
12
10
8
6
4
2
0
PE do Exaustor 6 (Pa)
v (
m.s
-¹)
110
5.4.3 Variação da pressão estática pelo controle da altura das cortinas
O experimento com as cortinas evidenciou o caráter logarítmico da curva que
relaciona altura e vazão de modo que pequenas aberturas na cortina podem influenciar
drasticamente na vazão dos exaustores e comprometer o sistema de pressão negativa que se
quer obter. Falhas no sistema, vedação da cortina são grandes responsáveis pela perda de
pressão negativa, discussão presente nos trabalhos de Czarick (2013) e Donald (1999).
Evidencia-se também a fragilidade do sistema de abertura e indica um caminho de pesquisa
mais rigoroso nessa área. A Figura 88 e a Equação 26 de ajuste associada mostram o resultado
final observado neste ponto da pesquisa.
Q = 0,6983.ln(A) + 6,6267 R² = 0,9189 (Equação 26)
Q = vazão (m3 s
-1)
A = altura da cortina (cm)
Figura 88 – Relação entre vazão nos exaustores e a altura da cortina em relação ao seu
fechamento.
Os resultados da vazão obtidos foram calculados a partir da análise de variância
com o programa Minitab 16 e teste Tukey. Observa-se que quando comparados os valores de
vazão calculados por esse método com os valores calculados pela média de velocidade
fornecida pelo programa Surfer, os resultados são próximos, porém a metodologia aqui
3
4
5
6
7
8
9
10
11
12
-40 10 60 110 160 210
Q (
m³.
s-¹)
Altura (cm)
111
estabelecida é de usar a análise de variância como padrão. A Tabela 28 representa os
resultados de vazão calculados e seus valores associados para o exaustor 6, observa-se o
intervalo de confiança de no mínimo 95% para todos os resultados de Vazão que seguem.
Tabela 28 – Vazão e velocidade em função da altura da cortina, dados do exaustor 6.
Altura da
cortina
(cm)
PE
(Pa)
Q
(m3 s
-1)
Média das
Velocidades
(m s-1
)
vmin
(m s-1
)
vmax
(m s-1
) CV
erro
padrão
(m s-1
)
0 40 5,59 3,73 0,17 8,05 0,62 0,02
2 35 6,3 4,25 0,08 7,04 0,5 0,03
4 28 7,26 4,84 0,17 12,12 0,63 0,03
8 20 8,4 5,6 0,25 12,3 0,58 0,03
50 14 9,3 6,25 0,05 15,47 0,67 0,04
100 10 9,48 6,32 0,07 16,29 0,68 0,04
200 4 11 7,36 1,58 15 0,42 0,03
*Usando método Tukey de análise de variância. Médias que não compartilham a mesma letra são
significativamente diferentes.
A Tabela 29 representa a resposta calculada pelo programa do sistema FANS-N
para os mesmos valores de velocidade do ar em relação ao cálculo de vazão pela integração
da curva associada Equação 25. Constata-se que os resultados das Tabelas 28 e 29 são
próximos e que validam o sistema desenvolvido nesta pesquisa para obtenção rápida e em
campo dos valores de vazão dos exaustores. Além do que, pela rede neural que integra o
sistema FANS-N é possível ter resposta em termos da eficiência pela relação entre a altura da
cortina e sua relação com a pressão estática dentro do aviário.
112
Tabela 29 – Comportamento do exaustor 6 avaliado pelo programa FANS-N em função da
altura da cortina e de seus dados armazenados da figura interpolada.
Altura da cortina
(cm)
Qmmq
(m3 s
-1)
Desvio
(m3 s
-1)
PE Medida
(Pa)
PE neural
(Pa)
0 5,91 0,48 40 41
2 6,89 0,82 35 37
4 7,72 0,75 28 33
8 8,81 0,68 20 21
50 9,91 1,09 14 8
100 9,97 0,93 10 7
200 11,56 0,52 4 3
5.5 Resultados com uso da rede neural
Na Tabela 30 têm-se os resultados obtidos pelo sistema FANS-N para os valores
de Vazão e eficiência associada aos valores coletados. Em todas as tabelas encontradas para
explicar a vazão percebe-se que o desvio padrão é baixo e, portanto, os resultados são
satisfatórios.
Nas quatro últimas tabelas mencionadas, os valores previstos no modelo
representam o esperado e estão dentro dos padrões fornecidos pelo fabricante. Comparando os
resultados com os das Figuras 34 e 46 em que o fabricante mostra o comportamento padrão
do exaustor estudado vê-se que os valores estão em acordo com resalva para as flutuações
observadas. No geral a pressão estática muito negativa faz o exaustor perder em eficiência e
trabalhar com pouca vazão dificultando a movimentação de ar no aviário.
113
Tabela 30 – Resultados de saída do programa FANS-N.
Qmmq
(m3 s
-1)
Desvio
(m3 s
-1)
Vm
(m s-1
)
Desvio
(m3 s
-1) PE (Pa) Exaustor
4 ou 16
10,77 0,58 10,89 2,88 6 1
9,39 0,5 9,49 2,45 13 1
11,99 0,82 12,17 4,2 6 2
10,49 0,79 10,67 4,21 12 2
10,6 0,39 10,7 2,32 4 3
8,72 0,95 8,83 2,6 14 3
20 ou 25
7,92 0,44 8,03 2,7 22 1
7,26 0,4 7,36 2,47 27 1
9,01 0,81 9,15 3,29 18 2
8,11 0,73 8,24 2,25 28 2
8,53 0,66 8,65 2,96 20 3
6,82 0,53 6,92 2,37 27 3
30 ou 40
5,85 0,46 5,94 2,07 51 1
3,8 0,3 3,86 1,35 65 1
5,9 0,5 5,99 2,14 51 2
4,98 0,34 5,05 1,52 58 2
5,44 0,63 5,53 2,22 54 3
3,89 0,45 3,95 1,59 64 3
5.5.1 Caracterização do galpão pelo estudo de exaustores
Para definir um comportamento médio aos exaustores e fornecer dados para que a
rede neural da FANS-N dê respostas mais precisas, relacionou-se aqui a vazão dos exaustores
em função da pressão estática associada no total. Deste modo, chegou-se aos gráficos de
padrão de comportamento para o exaustor modelo Big Dutchman® utilizado no experimento.
A Figura 89 foi obtida pela interpolação dos valores de velocidades do ar com uso
do programa Surfer®. A Figura 90 obtida pelo sistema FANS-N (com algoritmo para uso
Equação 13), de modo a relacionar a área do exaustor com os valores de velocidades do ar
114
obtidos. Ambos os métodos chegam a resultados próximos, evidenciando que a interpolação é
também uma opção para a obtenção dos valores de vazão dos exaustores. O treinamento da
rede neural e o acréscimo futuro de mais informações ao banco de dados permitirá ter mais
certeza na escolha de um ou outro modelo. O sistema FANS-N desenvolvido neste trabalho
tem resultados dentro do que se esperava para esta fase de utilização do equipamento.
Figura 89 – Relação entre vazão e pressão estática de todos os exaustores estudados, dados
obtidos pela interpolação da superfície do exaustor.
403020100
11
10
9
8
7
6
5
4
3
PE (Pa)
Q(m
³.s
-¹)
Figura 90 – Relação entre vazão e pressão estática de todos os exaustores, resultados da
FANS-N.
403020100
12
11
10
9
8
7
6
5
4
3
PE (Pa)
Q N
(m
³.s
-¹
115
5.5.2 Diferença entre exaustores e adequação no funcionamento
Utilizando a metodologia proposta comparou-se aqui cada um dos exaustores em
função da pressão estática, foi grande a semelhança com o trabalho de Morello (2010) em
caracterizar diversos exaustores pela sua pressão estática observada. Constata-se nas Figuras
91 e 92 a queda de vazão em função do aumento de pressão estática para cada exaustor
estudado. Tem-se dois conjuntos de curvas de linearização muito parecidas, uma obtida pela
FANS-N, e outro pela linearização com o programa Minitab.
Assim como Morello (2010), as curvas obtidas para os exaustores são relações
lineares que pode certamente caracterizar o exaustor e suas condições de funcionamento, já
que a curva estabelece uma equação de comportamento do exaustor frente às mudanças de
pressão estática.
Figura 91 – Comparação entre as vazões dos exaustores em função da pressão estática.
Resultado obtido do processo de interpolação.
403020100
12
11
10
9
8
7
6
5
4
3
PE (Pa)
Q (
m³.s
-¹)
1
3
5
6
Exaustor
116
Figura 92 – Comparação entre as vazões dos exaustores em função da pressão estática.
Resultado obtido do programa FANS-N.
403020100
13
12
11
10
9
8
7
6
5
4
PE (Pa)
QN
(m
³.s
-¹)
1
2
3
6
Exaustor
A Tabela 31 mostra as equações obtidas tanto pelo programa Minitab quanto pelo
programa FANS-N, verifica-se muita semelhança entre os coeficientes lineares e angulares
das retas calculadas.
Tabela 31 – Relação de retas linearizadas Vazão Q em função da pressão estática PE.
Exaustor Equação (Minitab) R2
Equação (FANS-N) R2
1 Qe1 = 11,3 - 0,187.PE 0,98 Qe1 = 12,0 - 0,200.PE 0,96
3 Qe3 = 12,0 - 0,191.PE 0,97 Qe3 = 13,2 - 0,212.PE 0,98
5 Qe5 = 11,2 - 0,195.PE 0,97 Qe5 = 11,7 - 0,195.PE 0,95
6 Qe6 = 11,3 - 0,143.PE 0,98 Qe6 = 11,9 - 0,147.PE 0,96
5.5.3 Treinamento e teste da rede neural
O sistema FANS-N, armazenou o conjunto de dados sobre os valores de
velocidade em cada setor da superfície de cada exaustor para compor sua entrada na rede
neural juntamente com a vazão e pressão estática (capítulo 4.2.1). Foram coletados 20
conjuntos de dados de velocidades do ar, vazão e pressão estática e utilizado o exaustor 616
16
Pressões de40 Pa, 35 Pa, 28 Pa, 20 Pa, 14 Pa, 10 Pa e 4 Pa
117
como base para o treinamento, validação e teste da rede neural criada. Totalizou-se 140
conjuntos de valores. Destes conjuntos, 50% dos dados foram destinados para treinamento,
25% para validação e 25% para teste17
.
Processo de treinamento
O processo de treinamento se deu através de uma varredura em todos os conjuntos
de valores destinados ao treinamento. Assim, adquirir “conhecimento” dos padrões de
velocidade do ar existentes em cada setor da superfície do exaustor. O padrão foi armazenado
em um arquivo de conhecimento para uso na identificação e classificação dos exaustores de
acordo com as saídas da rede neural pré-estabelecidas (“dentro dos padrões”, “limite dos
padrões”, “manutenção” e “possível troca”).
Processo de teste
É feita uma leitura das informações das dos conjuntos de velocidades do ar e
vazão dos valores de teste para identificação e classificação dos exaustores nos padrões das
saídas da rede neural. A cada padrão encontrado pela rede neural, através do software
desenvolvido para o sistema, combina-se seu padrão armazenado e forma-se um par de
acertos considerado como um acerto dentro da rede. Após a varredura tem-se a quantidade de
acertos e erros realizados pela rede. Os parâmetros de rede utilizados, foram: 10 Épocas (cada
época corresponde a uma varredura), 0 neurônios de camada oculta, 90 de taxa de
aprendizagem e 30 de taxa de inércia, 7 níveis de entrada (correspondentes a cada valor de
pressão estática) para cada resultado18
. Observa-se que com o aumento de épocas, aumenta-se
a precisão do sistema, contudo o tempo de cálculo, resultado do esforço computacional,
também aumenta consideravelmente. Em 10 Épocas o tempo gasto foi de 30 segundos
aproximadamente, com 100 Épocas testadas, o tempo passou a ser de 15 minutos
aproximadamente.
Na Tabela 32, têm-se os valores médios de velocidades de cada setor da superfície
do exaustor 6 e valores relacionados ao resultado de vazão associado. Esta tabela representa o
padrão de bom desempenho estabelecido neste trabalho, para futuros trabalhos buscar-se-á
novos padrões com novo banco de dados e aperfeiçoamento do equipamento com possível
inclusão de leitura de consumo elétrico pelo exaustor.
17
A cada 20 conjunto de dados para cada pressão estática estudada, 10 conjuntos foram pra treinamento, 5 para
validação e 5 para teste 18
Resultados discutidos anteriormente: “Dentro dos padrões”, “limite dos padrões”, “manutenção” e “possível
troca”.
118
Tabela 32 – Padronização de resultados esperados para banco de dados na rede neural em
relação aos valores coletados para o exaustor 6 (padrão).
Entradas da rede neural do sistema FANS-N19
va inf
(m s-1
)
vc. inf
(m s-1
)
va. sup
(m s-1
)
vcentro
(m s-1
)
Q
(m3 s
-1)
PE
(Pa)
6,2 6,2 4,5 0,8 5,59 40
7,7 7,5 4,8 0,4 6,3 35
8,1 7,5 5,3 0,8 7,26 28
9,2 8,2 6 1,1 8,4 20
10,6 10,1 6,9 0,8 9,3 14
10,7 10,3 7 0,7 9,48 10
11 10,4 7,6 3,2 11 4
Como resposta probabilística dos testes realizados com os outros exaustores, a
saída da rede neural obtida pelo sistema FANS-N teve como resultado os valores obtidos na
Tabela 33. Os resultados apresentados foram satisfatórios e dentro do esperado, o sistema
mostrou-se apto a aquisição de um banco e sua análise via rede neural. A escolha do número
de Épocas (número de varreduras no banco de dados pelo sistema) é fator importante para que
a resposta fique conforme as necessidades do estudo realizado. De modo que um número
muito grande pode tornar a resposta lenta, para pesquisas futuras convém testar a agilidade do
sistema FANS-N para vários valores de Épocas escolhidas. O conhecimento técnico das
condições de operação dos exaustores incluindo sua eficiência devem fazer parte de futuros
testes e aprimoramento do sistema desenvolvido neste trabalho. O sistema mostrou-se em
condições de ser aprimorada para inclusão de novas informações já que existe o domínio da
programação para se adaptar a modificações futuras.
Tabela 33 – Respostas da FANS-N para os exaustores em valores arredondados.
Respostas Exaustor
1(%)
Exaustor
3(%)
Exaustor
5(%)
Exaustor 6(%)
Possível troca 3 3 9 1
Manutenção 19 15 3 3
Limite dos
padrões 40 31 23 7
Dentro dos padrões
38 51 65 89
19
Velocidades médias do ar nos setores do exaustor 6: va inf = velocidade nos cantos inferiores, vc. inf = velocidade
no centro inferior, va. sup = velocidade nos cantos superiores, vcentro = velocidade central, Q = Vazão e PE =
pressão estática
119
6. CONCLUSÕES
Foi possível desenvolver e validar um sistema de avaliação do desempenho de
exaustores em galpões para produção de frangos de corte baseado na metodologia de (GATES
et al. 2004).
O aparelho construído foi capaz de medir e armazenar as velocidades do ar em
coordenadas horizontal e vertical do exaustor com taxa de 15 coletas por segundo (varredura
horizontal e vertical de 9 pontos cada, com total de 400 pontos de coleta).
Desenvolveu-se o sistema FANS-N capaz de controlar a movimentação de um
sensor anemômetro e coletar valores de velocidade do ar da superfície de exaustores.
Com o sistema FANS-N foi possível armazenar dados coletados e tratá-los através
de rede neural artificial com modelagem perceptron.
A estrutura da FANS-N construída obteve desempenho satisfatório em todos os
testes realizados, tanto nas previsões e simulações teóricas quanto na prática de suas funções
em campo.
Foi possível utilizar o aparelho para a coleta de dados de exaustores em regime de
funcionamento na granja, o sistema foi validado em campo.
Com os valores de vazão obtidos pelos exaustores em diferentes condições de
pressão estática foram obtidas as curvas de eficiência dos exaustores em relação a tais
parâmetros.
Desenvolveu-se um sistema computacional baseado em rede neural artificial para
análise de banco de dados e com formação inicial baseada nas principais características dos
exaustores estudados.
O banco de dados, apesar de apresentar resultados satisfatórios, tem necessidade
de ampliação para melhorar o desempenho da rede neural desenvolvida.
Um modelo linear de variograma para a interpolação superficial é o mais indicado
em todos os resultados obtidos.
O sistema mostrou-se eficiente em armazenar, comparar e avaliar os exaustores
quanto à relação de fluxo de ar com pressão interna nos galpões. Posteriormente, o sistema
será útil para avaliação de outros sistemas de exaustores em outras granjas com flexibilidade
para aprimoramento inclusive pela inclusão de monitoramento de consumo de energia
elétrica.
Foi possível calibrar corretamente o anemômetro.
120
REFERÊNCIAS
ABREU, P. G. de. ABREU, V. M. N. Ventilação na avicultura de corte. Concórdia:
Embrapa Suínos e Aves. Série Documentos, 63, 2000. 50p .
ABPA. Associação Brasileira dos Produtores e Exportadores de frango. Relatório anual
2015. Disponível em: <http:// www.ubabef.com.br>. Acesso em: 10 jul. 2015.
AL-ALLAF, O. N. A.; ABDALKADER, S. A.; TAMIMI, A. A. Pattern Recognition Neural
Network for Improving the Performance of Iris Recognition System. Int’l Journal of
Scientific & Engineering Research, v.4, n.6, p.661-667, 2013.
ALBRIGHT, L.D. 1990. Environment Control for Animals and Plants. ASAE, St. Joseph,
MI. 1990.
AMCA. Laboratory methods of testing fans for aerodynamic performance rating.
ANSI/AMCA Standard 210-99. Chicago, Ill.: Air Movement and Control Association
International, Inc. 1999.
ASAE Standars. 45° ed. St. Joseph, ASAE, 1995. EP270.5 DEC94. 1995.
ASHRAE. Handbook of Fundamentals. Atlanta, Ga.: ASHRAE. 1992.
ASHRAE. Handbook of Fundamentals. Atlanta, Ga.: ASHRAE. 2001.
BADGER, P. Disponível em: http://moderndevice.com/uncategorized/finally-rough-wind-
sensor-calibration/. Data de acesso: 18/07/2015.
BAÊTA, F.C., SOUZA, C.F., Ambiência em Edificações Rurais, conforto animal. UFV,
Viçosa. 246 p. 1997.
BAMPI, R. Manejo no período de calor. In: APINCO, Manejo de frangos. Campinas:
APINCO, p.91-102. 1994.
BARNWELL, R.; ROSSI, A. Maximização da performance em períodos quentes.
Avicultura Industrial, v.11, p.72-80, 2003.
BARTON, T.L. Four-year study provides insight on ventilations system. USA: Arbor.
1994.
BESS, Department of Agricultural and Biological Engineering. University of Illinois.
Disponível em: http://www.bess.illinois.edu/oldSearchResults.asp. Data de acesso:
10/03/2016.
121
BIGDUTCHMAN. Manual de Exaustor. Disponível em: http://bigdutchman.com.br
/produtos/download/exaustor-50-70/59. Data de acesso: 18/07/2015.
BOTTCHER, R. Monitoring the ventilation of poultry and livestock buildings. North
Carolina Cooperative extension service, 5 p. 1995.
BOTTCHER, R., BISESI, P. Hot weather management of broiler housing: increasing
night-time use of mixing fans. NC Alternative Energy Corporation, North Carolina. 4p.
1993.
BOTTCHER, R.W., BAUGHMAN, G.R., MAGURA, J.R. Reducing heat stress in broilers.
Vertically directed mixing fans as an alternative to tunnel ventilation. World Poultry
Science Journal, Mt. Morris, v.11, n.3, p.24-9, 1995.
BOTTCHER, R.W., BAUGHMAN, G.R., MUNILLA, R.D., GRIMES, J.L., GONDER, E.
Large paddle fans for turkey grow out housing. Applied Engineering in Agriculture,
ASAE, paper nº 964105, 16 p. 1996.
BOTTCHER, R.W., BAUGHMAN, G.R., MUNILLA, R.D., GRIMES, J.L., GONDER, E.
Development of a large paddle fan for cooling poultry. Applied Engineering in
Agriculture, ASAE, paper nº 0883-8542. p. 1401-87. 1998.
BUCKLIN, R.A.; JACOB, J. P.; MATHER, F. B.; LEARY, J. D.; NÄÄS, I.A. Tunnel
ventilation of broiler houses. This document is FACTSHEET PS-46, One of a series of the
Animal Science Department, Florida Cooperative Extension Service, Institute of Food
and Agricultural Sciences. 2009. University of Florida. Disponível em: <edis.ifas.ufl.edu>.
Acessado em 01 de fevereiro de 2014.
BUSTAMANTE, E. et al. Exploring ventilation efficiency in poultry buildings: The
validation of computational fluid dynamics (CFD) in a cross-mechanically ventilated
broiler farm. Energies, v.6, p.2605-2623, 2013.
BUSTAMANTE, E.; GARCÍA-DIEGO, F.J.; CALVET, S.; TORRES, A.G.; HOSPITALER,
A. Measurement and Numerical Simulation of Air Velocity in a Tunnel-Ventilated
Broiler House. Sustainability, v.7, n.2, p.2066-2085, 2015.
CALVET, S. The influence of broiler activity, growth rate, and litter on carbon dioxide
balances for the determination of ventilation flow rates in broiler production. Poultry
Science, v.90, p.2449–2458, 2010.
CALVET, S.; GATES, R..; ZHANG, G.; ESTELLES, F.; OGINK, N.W.; PEDERSEN, S.;
BERCKMANS, D. Measuring gas emissions from livestock buildings: a review on
uncertainty analysis and error sources. Biosystems Engineering, v.116, n.3,p. 221-231,
2013.
122
CARNIATO, A.; BETTIOL, A.L.; UGGIONI, G.D.; BETTIOL, Á.D.; PASSOS, L.F.N.;
PENNER, N.; SILVA, W.A. Aproveitamento do fluxo de ar de exaustores em aviários
para geração de energia elétrica. Brazil Windpower, v.1, n.1, p. 1- 9, 2014.
CARR, L. E.; NICHOLSON, J. L. Broiler responses to three ventilation rates. Transactions
of ASAE. St. Joseph, MI. 23, 02, p. 414- 418. 1980.
CARUSO, C.; QUARTA, F. (1998). Interpolation methods comparison. Computers &
Mathematics With Applications, San Giovanni, (35-12), pp. 109-126.
CARVALHO, G.B.D.; LOPES, J.B.; SANTOS, N.P.D.S.; REIS, N.B.D.N.; CARVALHO,
W.F.D.; SILVA, S.F.; SILVA, S.M.D. Behavior of broiler chickens raised under thermal
stress fed diets containing different levels of selenium. Revista Brasileira de Saúde e
Produção Animal, v.14, n.4, p.785-797, 2013.
CHARTIER, P., GROSS, M., SPIGLER. Application de la thermodynamique dunon
équilibre. Effets thermoeléctriques – Couplage ducourant de matière. Ed.Masson, p. 154-
163. 1971.
COBB - VANTRESS, INC. Cobb - Vantress Brasil, LTDA. Manual de Manejo de Frangos
de Corte. 2008, 66p. Disponível em: <www.granjaplanalto.com.br
/Manual%20Frango%20Corte_20_03_09.pdf>. Acesso em: 25 abr. de 2009.
COMISSÃO EUROPÉIA. Regulamento (CE) N.o 543/2008 DA COMISSÃO de 16 de
Junho de 2008.
CORDEIRO, A. F. da S. Avaliação de problemas locomotores em frangos de corte
utilizando diferentes metodologias de gait score. Tese de mestrado em engenharia agrícola
- Universidade Estadual de Campinas. Campinas, 2009.
CURI, T. M. R. de C. Avaliação do sistema de ventilação em instalações para frangos de
corte através de diferentes modelagens. Tese de doutorado em engenharia agrícola -
Universidade Estadual de Campinas. Campinas, 2014.
CURI, T.M.R.C.; VERCELLINO, R.D.A.; MASSARI, J.M.; SOUZA, Z.M.; MOURA, D.J.
Geostatistic to evaluete the environmental control in different ventilation systems in
broiler houses. Engenharia Agrícola, v.34, n.6, p.1062-1074, 2014.
CZARICK, M., How do Tunnel Inlet Doors Affect Air Velocity Distribution in Tunnel
Houses? UGA Cooperative Extension Poultry Housing Tips Vol. 25 no. 6, June, 2013.
CZARICK, M., LACY, M. P. Performance of tunnel-ventilated broiler houses with
misting nozzles. Applied Engineering in Agriculture, Paper nº: 914562. St. Joseph, ASAE,
14 p. 2006.
123
DIRECT INDUSTRY. Cup anemometer. Disponível em: http://www.directindustry.com/
prod/fuehlersysteme-enet-international-gmbh/product-59132-486244.html. Acessado em
18/07/2015.
DONALD, J., Need for Insulation in Warm- Climate Poultry Housing. UGA Poultry
Ventilation Pointers no9 June, 1999.
FARIDI, A.; GOLIAN, A. Use of neural network models to estimate early egg production
in broiler breeder hens through dietary nutrient intake. Poultry science, v.90, n.12,
p.2897-2903, 2011.
FARIDI, A.; GOLIAN, A.; FRANCE, J. Evaluating the egg production of broiler breeder
hens in response to dietary nutrient intake from 31 to 60 weeks of age through neural
network models. Canadian Journal of Animal Science, v.92, n.4, p.473-481, 2012.
FARIDI, A.; GOLIAN, A.; FRANCE, J.; HERAVI MOUSAVI, A.; MOTTAGHITALAB,
M. Evaluation of broiler chicks responses to protein, methionine and tryptophan using
neural network models. Journal of Applied Animal Research, v.42, n.3, p.327-332, 2014.
FERRAREZ, A. H. Análise da Viabilidade do Uso de Biogás Como Fonte Energética na
Cadeia Produtiva de Frango de Corte na Zona da Mata de Minas Gerais. 2009,
Dissertação de Mestrado em Engenharia Agrícola, Universidade Federal de Viçosa, Minas
Gerais, Brasil, 2009.
FERREIRA, V. P.; PEPE, I. M. Anemômetro De Fio Quente De Baixo Custo Para
Medição de Vazão de Ar Condicionado. In: VI Congresso Nacional De Engenharia
Mecânica Campina Grande, Paraíba, ago. 2010.
FRAME, D.D.; BUCKNER, R.E.; ANDERSON, G.L. Causes and control of spontaneous
cardiomyopathy or roundheart disease in Utah turkeys. Bulletin AG506, Cooperative
Extension Service. Utah State University, Logan, UT. 2002.
FREYMUTH, P. Feedback Control Theory for Constant-Temperature Hot-Wire
Anemometers. The Review os Scientific Instruments, Vol. 38, No. 5, p. 677-681. 1967.
FURLAN, R. L. Influência da Temperatura na Produção de frangos de corte In: VII
Simpósio Brasil Sul de Avicultura. Chapecó. SC. 2006.
GARCIA NETO, M.; OLIVEIRA, P.M.D.; ALMEIDA, M.A.D.; FERRARI, E.D.; FARIA
JÚNIOR, M.J.D.A.; PINTO, M.F. Strategies to minimize heat stress in broilers
chickens. Poultry Science, 263-264, 2014.
GATES R.S. , CASEY K. D. , WHEELER E. , XIN H., PESCATORE A. J. U. S. broiler
housing ammonia emissions inventory. Atmospheric Environment. (42):3342-3350. 2008.
124
GATES, R. S., H. XIN, K. D. CASEY, Y. LIANG, AND E. F. WHEELER. A method for
measuring ammonia emissions from poultry houses. J. Applied Poultry Res. 14(3): 622-634.
2005.
GATES, R. S., J. D. SIMMONS, K. D. CASEY, T. GREIS, H. XIN, E. F. WHEELER, C.
KING AND J. BARNETT. Fan assessment numeration system (FANS) design and calibration
specifications. Technical paper number 024124. American Society of Agricultural Engineers,
St. Joseph, MI: ASAE. 2002.
GATES, R. S., K. D. CASEY, H. XIN, E. F. WHEELER, AND J. D. SIMMONS. Fan
Assessment Numeration System (FANS) design and calibration specifications. Transactions of the ASAE 47(5): 1709-1715. 2004.
GLOBALG.A.P. Integrated Farm Assurance / Poultry. Controls Point and Compliance
Criteria. PY 5.4: 2011-2012, 2012. Disponível em <www.globalgap.org>. Acesso em: 24 fev.
de 2012.
GODARA, S.; GUPTA, R. Neural Networks for Iris Recognition: Comparisons between
LVQ and Cascade Forward Back Propagation Neural network Models, Architectures
and Algorithm. Neural Networks, v.3, n.1, p.1-9, 2013.
GOOVAERTS, P. Geostatistical approaches for incorporating elevation into the spatial
interpolation of rainfall. Journal Of Hydrology, Michigan, (228-2), pp. 113-129, 2000.
HAYKIN S. Neural Networks – A Comprehensive Foundation. Macmillan College
Publishing Inc., 1994.
HUFFMAN, WALLACE E. and EVENSON, ROBERT E. The Development of U.S.
Agricultural Research and Education: An Economic Perspective. Staff General Research
Papers 10998, Iowa State University, Department of Economics. 1994.
KALATEC. Driver para Motores de Passo. Disponível em: http://www.kalatec.com.br/str8
Data de acesso: 18/07/2015.
KALATEC. Motores de Passo. Disponível em: http://www.kalatec.com.br/motor-de-passo.
Data de acesso: 18/07/2015.
KOVÁCS, Zsolt László. Redes Neurais Artificiais: Fundamentos e Aplicações: Um Texto
Básico.4 ed. São Paulo Editora Livraria Física 2006.
LACAMBRA, J. M. C. Sistemas de ventilación y refrigeración en avicultura. Selecciones
Avícolas, v.39, p.347-357, 1997.
LAMBERT, R.; DUTRA, L.; PEREIRA, F. O. R. Eficiência Energética na Arquitetura
(Energy Efficiency in Agriculture). Procel - Programa de Combate ao Desperdício de
Energia Elétrica. PW Editores. São Paulo, p. 192. 1997.
125
LANDIM, P.M.B. (1998). Análise estatística de dados geológicos. Editora UNESP, São
Paulo, 226p.
LI, H.; XIN H.; LI S.; BURNS R. Downstream Placement of FANS to Determine Fan
Performance in Situ. ASABE. Jun. 2009.
LIMA, F. P. dos A., SILVA, J. C., ESTEVAM, G. Pi., MINUSSI, C. R. Reconhecimento de
dígitos com uso de redes neurais artificiais. Omnia Exatas, v.3, n.2, p.29-39, 2010.
MCCULLOCH, W. S., PITTS, W. H., A Logical Calculus of the Ideas Immanent in
Nervous Activity, Bulletin of Mathematical Biophysics. 1943.
MAGOGA C. Placa de Conversão Serial para USB. Disponível em:
http://www.edukatikaloja.com.br. Data de acesso: 15/02/2013.
MODERN DEVICE. Wind Sensor. Disponível em: http://moderndevice.com/product/wind-
sensor/ data de acesso: 18/07/2013.
MORELLO, G. M., D. G. OVERHULTS, I. M. LOPES, J. EARNEST JR., R. S. GATES, A.
PESCATORE, J. JACOB and M. MILLER. 2010. Influence of Fan Operations on FANS
(Fan Assessment Numeration System) Test Results. In: ASABE Annual 137 International
Meeting, Pittsburgh, Pennsylvania. Technical paper number: 1009235. 2010.
Morello, G. M., Overhults, D. G., Gates, R. S., Day, G. B., Lopes, I. M., & Earnest, J. W.
(2014). Using the Fan Assessment Numeration System (FANS) in Situ: A Procedure for
Minimizing Errors During Fan Tests.Transactions of the ASABE, 57(1), 199-209.
MOUEDDEB K. EL., BARRINGTON S., BARTHAKUR N. N. Modeling Fan and
Perforated Ventilation Ducts for Airflow Balance Point. In: ASAE. VOL. 41(4): 1131-
1137. 1998.
NAAS, I. A. Exaustão e climatização para frangos de corte. Conferência Apinco de ciência
e tecnologia avícolas. Anais, São Paulo, FACTA, p. 113 – 119. Campinas, 1997.
NÃÃS, I. A.; MIRAGLIOTTA, M. Y.; ARADAS, M. E. C.; SILVA, I. J. O.; BARACHO, M.
S. Controle e sistematização em ambientes de produção. In: Silva, I. J. O. (ed.). Ambiência
na produção de aves em clima tropical. 1.ed. Piracicaba: NUPEA-ESALQ/USP, v.1, 165p.
2001.
NÄÄS, I.A. Estresse calórico: meios artificiais de condicionamento. In: Simpósio
Internacional Sobre Ambiência e Instalação na Avicultura industrial. Campinas, Textos.
Campinas, p. 109-112, 1995.
NASCIMENTO. G. R.; PEREIRA. D. F.; NAAS. I. A.; RODRIGUES. L. H. A. Índice Fuzzy
de Conforto Térmico para Frangos de Corte. Eng. Agrícola, v.31, n.2, p.219-229,
Jaboticabal, 2011.
126
NIENABER, J.A.; HAHN, G.L. Engineering and management practices to ameliorate
livestock heat stress. In: International Symposium of the Cigr. New trends in farm buildings,
2004, Évora. Anais…, Évora: CIGR, 2004.
NILIPOUR, A. Ventilación adecuada. Industria Avícola, Edicion Latinoamericana de
Poultry International, Illinois, v.42, n.3, p. 20-5, 1995.
NONIS JÚNIOR, J.N.; SAMED, M.M.A. Análise da eficiência energética em um aviário
de corte. Revista Produção Industrial & Serviços, v.1, n.1, p. 93-118, 2014.
OTTIME – Nema 23. Disponível em: http://www.ottime.com.br/index.php?
option=com_content&view=article&id=134:mp1&catid=35:motoresdepasso&Itemid=56.
Acessado em janeiro 2010.
OTTIME – Nema 34. Disponível em http://www.ottime.com.br/index.php?option=
com_content&view=article&id=132:mp1&catid=35:motoresdepasso&Itemid=56. Acessado
em janeiro 2010.
PINTO, M. S. S. Especificações de Projeto para Medição de Velocidade de Vento
Utilizando Anemômetro Ultrassônico com o Método de Diferença de Fase. Dissertação de
Mestrado. Universidade Federal do Maranhão. Maranhão 2006.
PRECHELT L., Early Stopping - but when? Technical Report, 1997, URL:
http://wwwipd.ira.uka.de/~prechelt/Biblio/stop_tricks1997.ps.gz.
ROSSI, P. R. Sistemas de climatização de instalações avícolas. In: Simpósio
Internacional sobre Ambiência e Sistemas de Produção Avícola, 1998, Concórdia.
Resumos. Concórdia: Embrapa CNPA, p.1-6. 1998.
SAGHAFIAN, B.; BONDARABADI, S. R. (2009). Validity of Regional Rainfall Spatial
Distribution Methods in Mountainous Areas. J. Hydrologic, Iran, 14-7, pp. 771-781.
SALGADO, D.D. Modelo estatístico para predição de bem-estar de reprodutoras de
frango de corte baseado em dados de ambiente e análise do comportamento. 2006. 126 f.
Dissertação (Mestrado em Construções Rurais e Ambiência) - Faculdade de Engenharia
Agrícola, Universidade Estadual de Campinas, Campinas, 2006.
SAMPAIO, C. A. de P., PASSOS, E. F., DIAS G. P., CORREA, P. C. Desenvolvimento e
Avaliação de um Anemômetro de Fio Quente Operando à Temperatura Constante.
Revista Brasileira de Engenharia Agrícola e Ambiental, v.2, n.2, p.229-234, Campina Grande,
PB, DEAg/UFPB. 1998.
SAMPAIO, C. A. de P., ULLMANN M. N., CAMARGO, M. Desenvolvimento e avaliação
de anemômetro de copos de fácil construção e operação. Revista de Ciências
Agroveterinárias, Lages, v.4, n.1, p. 11-16, 2005.
127
SARMA, G. R. Analysis of a Constant Voltage Anemometer. In: IMCT'93-Instrumentation
and measurement technology conference. Proccedings. pp 731-736. 1993.
SEFAT, M. Y., BORGAEE, A. M., BEHESHTI, B., & BAKHODA, H. Application of
Artificial Neural Network (ANN) for Modelling the Economic Efficiency of Broiler
Production Units. Indian Journal of Science and Technology, v.7, n.11, 1820-1826, 2014.
SILVA, L. N. de C. Silva. Análise E Síntese De Estratégias De Aprendizado Para Redes
Neurais Artificiais. Dissertação de Mestrado em Engenharia Elétrica, Universidade Estadual
de Campinas. Campinas, Brasil, 1998.
SILVA. A. B. (2003). Sistemas de informações georreferenciadas: conceitos e
fundamentos. Campinas, SP: Editora da Unicamp, 183 p.
SIMMONS, J.D. AND T.E. HANNIGAN. Go with the flow. Resource Magazine, pp 9-10.
ASAE Publications, St. Joseph, MI. 2000.
SIMMONS, J.D., HANNIGAN, T.E., LOTT, B.D. Flow rate variations resulting from
placement of large fans in tunnel ventilated broiler houses. Paper 98-4037, St. Joseph,
ASAE. 14 p. 1998.
TIMMONS, M.B., HILLMAN, P.E.Partitional heat losses in heat stressed poultry as
affect by wind speed. In: Livestock environment, Coventry, Anais, ASAE, St. Joseph. p.
265. 1993.
TINOCO, I. F., OSORIO, S., JAIRO, A., MENDES, L. B., & ROCHA, K. S. Thermal
environment in two broiler barns during the first three weeks of age. Revista Brasileira
de Engenharia Agrícola e Ambiental, v.20, n.3, p. 256-262, 2016.
TURCO, J.E.P., MILANI, A. P., FURLAN, R.L., GUERREIRO, J.R., SECATO, E.R.,
MACARI, M. Avaliação de conjuntos motor-exaustor utilizados na avicultura industrial.
1996, Curitiba, Trabalhos de pesquisa, FACTA, Campinas, p. 18 1996.
TURCO, J.E.P.; MILANI, A.P.; FURLAN, R.L.; MACARI, M. Análise do consumo de
energia elétrica e eficiência de conjuntos motor-exaustor utilizados na avicultura
brasileira, Engenharia Agrícola, Jaboticabal, v.18, n.1, p.1-12, Set., 2008.
UNIVERSITY OF BRITISH COLUMBIA. Propeller anemometer (10m) to measure wind
speed. Disponível em: http://ibis.geog.ubc.ca /courses/geob204/images/lab1/Pages/5.html.
Acessado em: 18/07/2015.
UNIVERSITY OF CAMBRIDGE. Hot-Wire Anemometers. Disponível em: http://www-
g.eng.cam.ac.uk/whittle/current-research/hph/hot-wire/hot-wire.html. Acessado em:
18/07/2015.
128
VALDAMERI, A. R.; WILHELM, P.P.H ; LOPES, M.C. Aplicação de Redes Neurais
Artificiais para Previsão de Vendas do Sistema de Informação do Jogo de Empresas
Virtual. Dablium Administração Em Revista, 1999.
VALE, M.M. et al. Data mining to estimate broiler mortality when exposed to heat wave.
Scientia Agrícola, v.65, p.335-339, 2008.
VEMURI, V.R. Artificial Neural Networks: Concepts and control applications. IEEE.
Computer Society Press. Los Alamitos 1992.
WHEELER, E.F. et al. Ammonia emissions from twelve U.S.A. broiler chicken houses.
Transactions of the ASABE. v 49, n. 5, p. 1495–1512, 2006.
WHEELER, E.F.; BOTTCHER, R. Evaluating mechanical ventilation systems. G–82 Fact
Sheet. The Pennsylvania State University. Agricultural and Biological Engineering
Department, University Park, Pa, 1995.
WILHELM, P. P. H.; LOPES, M. C. Sistema inteligente de Apoio a Desisão. Revista de
Negócios. Blumenau, v. 1, n. 1 1995.
YAHAV, S. et al. Air velocity alters broiler performance under harsh environmental
conditions. Poultry Science, v.80, p.724-726, 2001.
ZAGHETTO, C., AGUIAR, L. H. M., ZAGHETTO, A., & DE BARROS VIDAL, F. (2015).
Projeto e implementação de uma rede neural artificial para detecção do mal-
posicionamento rotacional de dedos em dispositivos de captura de impressões digitais
multivista sem toque. In: XI Brazilian Sysmposium on Information System, Goiânia, GO,
26-29 maio, p.211-2018, 2015.
ZHANG, Y., BARBER, E.M. Variable ventilation rate control below the heat-deficit
temperature in cold-climate livestock buildings. Transactions of ASAE, 36, 5, p. 1473-
1482. 1993.
ZHAO, Y. et al. Modelling ventilation rate, balance temperature and supplemental heat
need in alternative VS. Convencional laying-hen housing systems. Biosystems
engineering, v.115, p.311-323, 2013.
ZHAO, Y.; XIN, H.; SHEPHERD, T. A.; HAYES, M. D.; STINN, J. P. Modelling
ventilation rate, balance temperature and supplemental heat need in alternative vs.
conventional laying-hen housing systems. Biosystems Engineering, v.115, n.3, p.311-323,
2013.
ZHI, Z., GATES, R. S., ZHIRONG, Z., & XIAOHUI, H. Evaluation of ventilation
performance and energy efficiency of greenhouse fans. International Journal of
Agricultural and Biological Engineering, v.8,n.1,p. 103-110, 2015.
129
ZHU, S.; YANG, N.; LIU, P.; HE, J.; YE, Z. Measurements and calculations of ventilation
rate for naturally ventilated animal buildings: A Review. In: 2012 IX International
Livestock Environment Symposium (ILES IX) (p. 3). American Society of Agricultural and
Biological Engineers, 2012.
130
APÊNDICE
Variogramas das superfícies interpoladas (programa Surfer®).
Os gráficos que seguem tem o eixo vertical em termos de velocidade do ar(m.s-1
)
e eixo horizontal em termos de h(cm) que representa a distância de separação entre pontos
próximos para as velocidades do ar.
Variogramas para os valores de 4 e 40 Pa do exaustor1.
Variogramas para os valores de 4 e 40 Pa do exaustor 3.
131
Variogramas para os valores de 4 e 40 Pa do exaustor 5.
Variogramas para os valores de 4 e 40 Pa do exaustor 6.
132
ANEXO
Anexo 1. Esquema eletrônico para cosntrução do anemômetro termoelétrico.
Fonte: Adaptado de BADGER (2015)
133
Anexo 2. Diagrama do driver para o motor de passo.
Fonte: KALATEC (2015)
top related