Acta Scientiarum 22(5):1235-1239, 2000.

ISSN 1415-6814.

Linearizao do modelo log-normal para distribuio de tamanho

de partculas

Larcio Montovani Frare*, Marcelino Luiz Gimenes, Nehemias Curvelo Pereira e

Elisabete Scolin Mendes
Departamento de Engenharia Qumica, Universidade Estadual de Maring, Av. Colombo, 5790, 87020-900, Maring-Paran,
Brazil. *Author for correspondence. email:marcelino@deq.uem.br

RESUMO. As anlises granulomtricas de slidos podem ser satisfatoriamente representadas

pelos seguintes modelos de distribuio a 2 parmetros: Gates-Gaudin-Schumann (GGS),
Rosin-Rammler-Bennet (RRB) e Log-Normal (LN). Os modelos GGS e RRB podem ser
linearizados, obtendo-se um coeficiente de correlao que permite avaliar a qualidade do
ajuste. Entretanto, para o modelo LN, o ajuste linear feito atravs de um grfico do
dimetro de partcula em escala logartmica versus frao cumulativa em escala de
probabilidades, no sendo possvel comparar seu ajuste com os dois anteriores, sob uma
mesma base. Sendo assim, partiu-se neste trabalho de um conjunto de equaes
desenvolvidas por LAWLESS (1978), que possibilita a obteno de um coeficiente de
correlao linear para o modelo LN. Desta forma, os modelos GGS, RRB e LN podem
agora ser avaliados por meio da comparao dos coeficientes envolvidos na regresso linear,
tornando o trabalho de ajuste mais gil e preciso.
Palavras-chave: tamanho de partculas, modelos de distribuio, anlise granulomtrica.

ABSTRACT. Log-normal model linearization for particle size distribution.

Granulometric analyses of solids are satisfactorily represented by the following two
parameters models: Gates-Gaudin-Schumann (GGS), Rosin-Rammler-Bennet (RRB) and
Log-Normal (LN). GGS and RRB models may be linearized to get a correlation coefficient
to qualify them. Nevertheless, for LN model the linear fit is done by a particle diameter
graph in logarithm scale versus the cumulative mass fraction in a probability scale. Its not
possible to compare the three models on the same basis. Equations developed by Lawless
(1978) were developed to obtain a linear correlation coefficient for LN model. Thus, GGS,
RRB and LN models may be available by simple comparison of the linear regression
coefficients. Adjustment turns up to the faster and more precise.
Key words: particle size, distribution models, granulometric analyses.

Em escala industrial grande quantidade de caracterizao de um material particulado, podendo

partculas e p, que no so uniformes,
principalmente quanto ao tamanho, so manuseados
nos mais diferentes e diversos processos. Nesses
processos de grande importncia o conhecimento
do comportamento deste material particulado, sendo
freqentemente necessrio definir o sistema
particulado como um todo. Assim, em lugar de um
nico tamanho de partcula, tem-se a necessidade de
se conhecer a distribuio de tamanho de partculas,
atravs da qual possvel definir dimetros mdios
que possam representar o comportamento de todos
os tamanhos do material particulado em questo.
Vrias so as distribuies de tamanhos de
partculas que podem ser utilizadas para a
estas ser do tipo de distribuio por nmeros,
superfcie e massa ou volume. Para a obteno das
distribuies de tamanho de partcula existe uma
grande variedade de mtodos e equipamentos que
podem ser utilizados (Allen, 1981). Svarosvky (1990)
apresenta as faixas de aplicaes quanto aos
tamanhos das partculas, tipo de dimetros definidos
e tipos de distribuio obtidos (nmero, massa ou
volume) para uma grande variedade desses
mtodos/equipamentos. Os resultados das
distribuies de tamanhos de partculas podem ser
obtidos na forma diferencial ou na forma
cumulativa. A forma cumulativa muita vezes
preferida pela facilidade de interpretar resultados
1236 Frare et al.

quanto continuidade de dados e ajuste de modelos
matemticos que descrevem a distribuio de
tamanhos de partculas.
O uso de modelos desejvel para a obteno de
parmetros estatsticos que sejam representativos do
material particulado. Tais parmetros podem ser
utilizados no s na predio do comportamento
hidrodinmico, como tambm no clculo da
eficincia global de remoo de partculas em
equipamentos de coleta. A eficincia global de coleta
de partculas em ciclones e em equipamentos que
tenham mecanismos de coleta de partculas similares
descrita pela Equao (1).
1
apresenta uma metodologia para obteno dos
parmetros de ajuste de distribuio log-normal a
dois parmetros. Esta metodologia permite obter
coeficiente de ajuste linear para o modelo log-
normal, o qual pode ser comparado com o de outros
modelos linearizveis (RRB, GGS) a dois
parmetros.
Metodologia
Modelos de distribuio a dois parmetros. A
Tabela 1 apresenta as equaes dos modelos a dois
parmetros de maior aplicao na distribuio de
tamanhos de partculas.

Total = ind (D ). d alim. (1) Tabela 1. Modelos de distribuio

0 Modelo Parmetros Equaes
em que, Total a eficincia global ou total e ind a Gates-Gaudin- m
D
eficincia para um especfico tamanho de partcula Schumann K, m X= (2)
(GGS) k
(D) e d a distribuio de tamanho de partculas na
Rosin-Rammler-
corrente de alimentao. O conhecimento ou ajuste D, n X = 1 e(D / D') (3)
n

Bennet (RRB)
da funo (d) que descreve a distribuio de
tamanho de partculas permite que a eficincia X = (1 + erf (z )) / 2

global de coleta seja obtida com os parmetros da Log-normal D50 , (

Z = ln (D / D50 ) / 2 . ln ) (4)
distribuio ajustada. Para o caso de ciclones erf (z ) =
2 z z 2
. e .dz
0
Massarani (1986) apresenta grficos que permitem
calcular a eficincia global conhecendo-se o modelo
A linearizao dos modelos GGS e RRB, que
de distribuio de tamanho de partculas na
pode ser obtida diretamente (Massarani, 1986), est
alimentao (distribuio log-normal ou RRB -
apresentada na forma das Equaes (5) e (6)
Rosin-Rameler Bennet).
respectivamente.
No ajuste de modelos de distribuio de
partculas preferem-se modelos com menor nmero
de parmetros. Assim os modelos a 2 parmetros ln X = m.ln K + m.ln D (5)
tm sido usados para descrever a distribuio de
tamanho de partculas. Dentre estes modelos, o 1 (6)
ln ln = n. ln D'+n. ln D
modelo log-normal apresenta, em vista de suas 1 X
propriedades matemticas, uma preferncia para
ajuste de distribuio de tamanho de partculas, seja
Os parmetros dos modelos K, m, n e D podem
na sua forma originria seja na modificada (Irani e
ser obtidos atravs de regresso linear, da Qual se
Callis, 1963). Um exemplo da utilizao do modelo
pode conhecer o coeficiente de correlao (R2)
de distribuio log-normal se encontra no trabalho
como um indicativo do ajuste dos dados ao modelo.
de Kerr (1989), que apresenta uma maneira de
Enquanto o ajuste destes dois modelos pode ser
predizer a performance do equipamento de controle de
facilmente verificado pela inspeo do coeficiente de
material particulado. Neste trabalho, a distribuio
correlao, utilizando-se uma calculadora
de tamanho de partculas, que no segue exatamente
programvel ou uma planilha de clculo, para o
o modelo log-normal, por ser um modelo bimodal,
modelo log-normal necessita-se usar um grfico
ajustada atravs da separao em duas distribuies
como o da Figura 1, para a obteno dos parmetros
log-normal.
e D50. Embora tal grfico possa ser prontamente
Embora a distribuio log-normal seja a
obtido, o critrio de ajuste da reta ainda visual, no
distribuio mais utilizada na prtica, a obteno de
possuindo uma mesma base de comparao (como
seus dois parmetros quase sempre feita atravs do
por exemplo o coeficiente de correlao) que a dos
traado de uma reta em grfico de escala logartmica
outros modelos. Assim seria interessante encontrar
versus probabilidade. Tal prtica pode ser
uma forma de verificar se os dados obedecem ao
substituda, por meio de ajustes mais seguros e
rpidos com utilizao computacional. Este trabalho
Linearizao do modelo log-normal 1237

modelo log-normal, analisando o coeficiente de

correlao. D 50 = exp[] e = exp[ ] (10)
Os resultados apresentados neste trabalho
mostram que possvel linearizar o modelo log- Resultados e discusso
normal, o que permite de forma estatistica comparar A Tabela 3 apresenta dados de distribuio de
o ajuste deste modelo, atravs do coeficiente de tamanho de partculas (Massarani, 1986 e Nevers,
correlao, com os modelos a dois parmetros GGS 1995), os quais foram ajustadados ao modelo de
e RRB. distribuio log-normal.

Linearizao do modelo log-normal. Lawless Tabela 3. Dados de distribuio de tamanhos partculas

(1978) e Gimenes (1992) apresentam as Equaes
Dados de Massarani (1986) Dados de Nevers (1995)
(7) e (8), que possibilitam obter uma aproximao D# (m) X (%) D (m) X (%)
linearizada do modelo de distribuio log-normal. 2380 97,4 158,3 95,0
Trata-se na realidade de uma aproximao 1680 92,1 130 93,0
polinomial da funo inversa de probabilidade 1190 83,7 100 90,1
841 68,7 90 88,4
integral, com um erro absoluto menor que 4,5.10-5 595 51,5 80 86,7
(Abramowitz, 1964). 420 32,6 70 83,9
297 21,5 60 81,0
210 11,2 50 76,6
149 3,8 40 71,8
1 105 1,6 30 62,8
t = ln
74 0,6 20 50,0
X2 - - 10 30,1
(7)
a+ b. t+ c. t 2
z = t+ A Figura 1 ilustra, para os dados da Tabela 3, o
1 + d . t+ e. t 2 + f . t 3 grfico de D em escala logartmica versus X em
para 0 X 0,5 escala de probabilidade. A partir do grfico da Figura
1, podem-se encontrar os parmetros do modelo
log-normal tal como se exemplifica a seguir para os
1 dados de Massarani (1986):
t = ln
(1 X )2
D 50
(8) D50 0,55 mm e =
a+ b. t+ c. t 2 2,2 ou
z = t D15,87
1 + d . t+ e. t 2 + f . t 3
para 0,5< X 1 D 84,13
= 2,18 , ou seja 2,19
D 50
Os valores das constantes a, b, c, d, e e f so
apresentados na Tabela 2.

Tabela 2. Valores das constantes das Equaes (7) e (8)

a b c d e f
2,51557 0,802853 0,010328 1,432788 0,189269 0,001308

A partir de um conjunto de dados de X e D, a

obteno dos parmetros (desvio- padro
geomtrico) e D50 (dimetro mdio geomtrico) do
modelo log-normal feita atravs da regresso linear
de lnD versus a funo Z, calculada de acordo com
as Equaes (7) e (8):

ln[D] = Z+ (9)

Assim, podem-se obter os parmetros da

Figura 1. Dados Experimentais que seguem a distribuio log-
distribuio log-normal de acordo com: normal ( De Nevers, 1995; Massarani, 1986)
1238 Frare et al.

A Figura 2 ilustra a linearizao do modelo log-
normal para os dados da Tabela 3, obtida atravs das
equaes (7) a (10). A Tabela 4 apresenta valores de
desvio padro e dimetro mdio geomtrico D50
para os dados da Tabela 3, obtidos atravs do grfico
da Figura 1 e utilizando-se a linearizao do modelo
log-normal. Os resultados da Tabela 4 demonstram
no existir diferena entre parmetros obtidos
graficamente e aqueles obtidos atravs da regresso
linear do modelo log-normal.
LnD = 0,7772.Z - 0,5825
LnD = 0,8219.Z + 3,2285
-3 -2 -1
Ln D
A linearizao do modelo log-normal foi obtida
atravs do uso de uma funo polinomial log-
normalizada que se aproxima, com erros menores
que 4,5.10-5, da funo inversa de probabilidade
integral. Os resultados mostraram que esta
linearizao pode ser usada para obter os parmetros
do modelo log-normal com preciso, quando os
dados experimentais se ajustam ao modelo.
Os resultados apresentados mostram que
possvel analisar o ajuste de modelos a dois
parmetros (GGS, RRB e log-normal), para a
R2=0,9985
distribuio de tamanhos de partculas, atravs do
R2=0,9998
2
coeficiente de correlao obtido da linearizao
1 destes modelos.
0
-1 0 1 2 3
Nomenclatura

-2
D = Dimetro de partcula [L]
-3
X = Frao cumulativa com dimetro
-4
menor que D [-]
-5
K = Parmetro do modelo GGS [L]
Z
m = Parmetro do modelo GGS [-]
n, = Parmetro do modelo RRB [-]
Figura 2. Ajuste dos dados da Tabela 3 ao modelo log-normal
D = Parmetro do modelo RRB [L]
(Nevers, 1995; Massarani, 1986) D50 = Dimetro mdio geomtrico [L]
a,b,c,d,e,f = Constantes da funo polinomial [-]
t = Funo de transformao logartmica [-]
Tabela 4. Comparao entre os valores de e D50 Z = Funo polinomial aproximada funo
Dados de Massarani (1986) Dados de Nevers (1995)
inversa de probabilidade integral [-]
Mtodo de Mtodo de = Eficincia de coleta de partculas [-]
Parmetros Mtodo Mtodo
grfico
regresso linear
grfico
regresso linear = Funo distribuio de tamanho de
R2=0,9985 R2=0,9998 partculas [-]
2,19 2,175 3,49 3,57
= Coeficiente angular [-]
D50 (m) 55,00 55,85 20,00 19,67
= Coeficiente linear [-]
= Desvio Padro [-]
Os mesmos dados da Tabela 3 foram testados
para os modelos de distribuio GGS e RRB, cujos
Referncias bibliogrficas
ajustes so ilustrados na Figura 3. Verifica-se, atravs
das Figuras 2 e 3, que para os dados da Tabela 3 o Abramnovitz, M; Stegen, J. Handbook of Mathematical
melhor ajuste, baseado no coeficiente de correlao Funtions. New York: U.S. Department Commerce,
R2, o do modelo log-normal. 1969.
Ln X= 1,4534LnD - 0,4395 R2=0,8949
Allen, T. Particle Size Measurement. Powder Technology. 4.ed.
Ln(Ln(1/(1-X))) = 1,8212.LnD + 0,2768 R2=0,9635
London: Chapman and Hall, 1990.
Ln X= 0,3958LnD + 0,8921 R2=0,9068] Gimenes, M. L. Particulate Gaseous Emission Control Using
Ln(Ln(1/(1-X)))=0,7581LnD + 2,5918 R2=0,9886 Turbulent Beds of Mobile Packings. England, 1992.
(Doctoral Thesis in Chemical Engineering) -
Ln(Ln(1/(1-X)))

2 University of Leeds. England.

ou

0 Irani, R.R.; Callis, F. C. Particle Size: Measurement,

Interpretation and Aplication. Londres: John Wiley, 1963.
Ln X

-6 -4 -2 0 2
-2
Kerr, C. P. Predicting the Performance of Particulate
-4
Control Equipment. JAPCA, 38(12):1585-1587, 1989.
-6 Lawless, P.A. Analysis of Cascade Impactor Data for Calculating
Ln D
Particle Penetration. Environmental Protection Agency.
NTIS, EPA 600/7-78-189, 1978.
Figura 3. Ajuste dos dados da Tabela 3 aos modelos RRB e GGS
( e Nevers, 1995; e Massarani, 1986)
Linearizao do modelo log-normal
Massarani, G. Tpicos especiais de sistemas particulados.
So Carlos: Universidade Federal de So Carlos, 1986.
v.2.
Nevers, N. Air pollution control engineering. New York:
McGraw-Hill, 1995.
1239
Svarosvky, L. Particle Size Measurement and Sampling -
Course Manual. England: University of Bradford, 1990.
Received on November 13, 2000.
Accepted on November 20, 2000.