sistema automatizado para avaliaÇÃo de...

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


exaustores em função no número de pontos obtidos. Pressão Estática de 16 Pa. .................... 87









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


valores de velocidade do ar e com exaustores 1, 3, 5, 6, 8 e 10 ligados................................... 91


valores de velocidade do ar e com todos os exaustores ligados. .............................................. 92













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 78 – Boxplot relacionando a velocidade de cada exaustor e Pressão Estática de 4 Pa.

................................................................................................................................................ 103


................................................................................................................................................ 103


................................................................................................................................................ 104


................................................................................................................................................ 104


................................................................................................................................................ 105


................................................................................................................................................ 105

Figura 84 – Boxplot das velocidades em relação a cada pressão estática para o exaustor 1. . 106



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


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 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 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


.

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


, 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


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.



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


exaustor 5 estão expressos na Tabela 19. Com os valores de R2 maiores que 0,95, há uma

excelente linearização dos pontos.

85



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


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.



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


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



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.



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



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



9080706050403020100

10

8

6

4

2

0

N

v (

m.s

-¹)

Exaustor1

Exaustor3

Exaustor5

PE=30Pa



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


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


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

).


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


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

.


valores de velocidade do ar e com todos os exaustores ligados.


(b) Exaustor 1, PE de 40 Pa.

5.3.1.2 Resultados da variação da pressão estática no exaustor 3


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.






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.



(a) Exaustor 3, PE de 20 Pa (b) Exaustor 3, PE de 25 Pa

94


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.




5.3.1.3 Resultados da variação da pressão estática no exaustor 5


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






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.




96


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.





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.


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



(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



(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


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.


ar de um mesmo exaustor em relação às

pressões estáticas.


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


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.


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



14

12

10

8

6

4

2

0

v (

m.s

-¹)


a pressão de 25 Pa. A assimetria permanece assim como a dispersão. Com média de

velocidade em torno de 4,2 m s-1

.



12

10

8

6

4

2

0

v (

m.s

-¹)


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



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.



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.


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


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



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




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.



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



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




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.



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.



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




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



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.


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


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.

http://lattes.cnpq.br/2612079261739311



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.

http://ibis.geog.ubc.ca/courses/geob204/images/lab1/Pages/5.html

http://ibis.geog.ubc.ca/courses/geob204/images/lab1/Pages/5.html

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



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)

sistema automatizado para avaliaÇÃo de...

Documents