PREDIÇÃO DA EXOTERMIAt PDF

PREDIÇÃO DA EXOTERMIA DA REAÇÃO DE HIDRATAÇÃO DO CONCRETO
ATRAVÉS DE MODELO TERMO-QUÍMICO E MODELO DE DADOS
Étore Funchal de Faria
TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS

PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA UNIVERSIDADE
FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS
NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE MESTRE EM CIÊNCIAS EM
ENGENHARIA CIVIL.
Aprovada por:
________________________________________________
Prof. Eduardo de Moraes Rego Fairbairn, Dr. Ing.
________________________________________________
Prof. Romildo Dias Toledo Filho, D.Sc.
________________________________________________
Prof. Alexandre Gonçalves Evsukoff, Dr.
________________________________________________
Eng. Marcos Martinez Silvoso, D.Sc.
________________________________________________
Eng. Walton Pacelli de Andrade
________________________________________________
Prof. Hélio José Corrêa Barbosa, D.Sc.
RIO DE JANEIRO, RJ – BRASIL

OUTUBRO DE 2004
DE FARIA, ÉTORE FUNCHAL
Predição da exotermia da reação de hidratação
do concreto através de modelo termo-químico e
modelo de dados [Rio de Janeiro] 2004
XV, 130 p. 29,7 cm (COPPE/UFRJ, M.Sc.,
Engenharia Civil, 2004)
Tese – Universidade Federal do Rio de
Janeiro, COPPE
1. Concreto
2. Exotermia do concreto
3. Modelos preditivos
I. COPPE/UFRJ II. Título (série)
ii
Dedico meu trabalho à minha mãe e à minha esposa.
iii
Agradecimentos
Agradeço a tantos que, se fosse listá-los, ou você não teria tempo de concluir a leitura
deste meu trabalho, ou eu facilmente me esqueceria de muitos.
Entretanto, como de costume, agradeço à minha família que, à sua maneira, soube me
dar o que mais precisava: disciplina, amor, honestidade.
À minha mãe, Gilda. Ela é tudo. Pessoa completa. E também às outras mães que tive
nesta minha jornada.
À minha esposa, Karla. Vencer acompanhado é muito melhor.
Ao meu pai, que me foi pouco, infelizmente, e ao meu outro pai, na pessoa do meu
padrinho, Antônio Marcos, que me é muito, muito mesmo! Continue assim!
Aos que têm me ajudado como “pais”: Dr. Jairo Roberto da Silva, Laércio Borges da
Silva, Celso José Pires Filho.
Aos meus grandes professores pelas lições de vida, entre eles: Walter Vasconcelos Pinto
“Celito”, Darlan Ésper Kallas e José Augusto de Souza Martins.
A quem não posso deixar de citar: Quintiliano Mascarenhas Guedes, quem iniciou tudo,
e muitos mais. Minha memória está falhando agora.
Aos meus orientadores, Eduardo M. R. Fairbairn e Romildo D. Tolêdo Filho, por tudo o
que me proporcionaram e proporcionam.
Aos colegas do Laboratório de Estruturas da COPPE/UFRJ pela colaboração e auxílio

na busca de um trabalho o mais completo possível.
A Furnas Centrais Elétricas S.A., nas pessoas dos engenheiros Antonio de Pádua
Bemfica Guimarães, Hélio Goulart Júnior, Walton Pacelli de Andrade, Rubens
iv
Machado Bittencourt, Moacir Alexandre Souza de Andrade, do tecnólogo Élcio Antônio
Guerra e de todo o corpo de apoio técnico do Departamento de Apoio e Controle
Técnico – DCT.T, pela oportunidade e disponibilidade de informações, investimento em
meu aprimoramento profissional e incentivo.
Finalmente, agradeço a quem sempre esteve ao meu lado, porque foram esteios em
minhas atribulações. E aos que se fizeram pedras em meu caminho, porque me exigiram
sabedoria para atingir meu horizonte sem me importar com elas.
v
Resumo da Tese apresentada a COPPE/UFRJ como parte dos requisitos necessários
para a obtenção do grau de Mestre em Ciências (M.Sc.)
PREDIÇÃO DA EXOTERMIA DA REAÇÃO DE HIDRATAÇÃO DO CONCRETO

ATRAVÉS DE MODELO TERMO-QUÍMICO E MODELO DE DADOS
Outubro/2004
Orientadores: Eduardo de Moraes Rego Fairbairn

Romildo Dias Tolêdo Filho
Programa: Engenharia Civil
O presente trabalho apresenta dois modelos para a previsão da elevação

adiabática de temperatura do concreto: um físico multifásico elaborado por
MAEKAWA et al. [1]; o outro, um modelo de dados baseado em redes neurais
artificiais. Os parâmetros de entrada dos dois modelos são praticamente os mesmos,
consistindo-se das características e/ou consumo dos materiais constituintes, da
temperatura do concreto fresco e do calor específico do concreto estudado.
Para a aplicação dos dois modelos foi elaborado um banco de dados baseado
em 250 ensaios de elevação adiabática de temperatura, realizados pelo Laboratório de
Concreto de Furnas Centrais Elétricas S.A.
Os resultados obtidos com a aplicação desses modelos apresentaram
indicativos de que eles sejam ferramentas preditivas importantes na fase de projeto de
estruturas massivas de concreto, com erro médio da ordem de 3,0ºC.
vi
Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
EXOTHERMY PREDICTION OF CONCRETE HYDRATION REACTION BY

THERMO-CHEMICAL AND DATA MODELING
October/2004
Advisors: Eduardo de Moraes Rego Fairbairn

Romildo Dias Tolêdo Filho
Departament: Civil Engeneering
The present work presents two models for the prediction of the adiabatic
temperature rise of concrete: a physicist multiphase elaborated by MAEKAWA et al.
[1]; the other, a data model based on artificial neural networks. The parameters of
entrance of the two models are practically the same ones, being consisted of the
characteristics and/or consume of the constituent materials, of the temperature of the
fresh concrete and of the specific heat of the studied concrete.
For the application of the two models a database was elaborated based on
250 rehearsals of adiabatic temperature rise, accomplished by the Laboratory of
Concrete of Furnas Centrais Elétricas S.A.
The results obtained with the application of those models presented
indicative that they are important predictive tools in the phase of project of massive
concrete structures, with medium error of the order of 3,0ºC.
vii
Índice
1. INTRODUÇÃO ............................................................................................ 1
1.1. Motivação........................................................................................................ 1
1.2. Estado da Arte dos Modelos de Previsão da Exotermia do Concreto............. 1

1.2.1. Modelo de Vincent Waller ........................................................................... 2
1.2.2. Modelo Multicomponente de Calor de Hidratação de Maekawa, Chaube
e Kishi .......................................................................................................... 2
1.2.3. Modelo Multi-escala de Bernard, Ulm e LeMarchand ............................... 3
1.3. Objetivos e Relevância do Trabalho ............................................................... 3
2. ASPECTOS FÍSICO–QUÍMICOS DA HIDRATAÇÃO............................. 4
2.1. Os Reagentes ................................................................................................... 4

2.1.1. O Cimento Portland ..................................................................................... 5
2.1.2. A Água......................................................................................................... 8
2.1.3. Os Aditivos Químicos.................................................................................. 10
2.1.4. Os Aditivos Minerais................................................................................... 12
2.1.4.1. Escória de Alto Forno................................................................................ 13
2.1.4.2. Cinzas Volantes......................................................................................... 14
2.2. Patamar de Percolação..................................................................................... 17
2.3. As Reações de Hidratação............................................................................... 17

2.3.1. A Química da Hidratação dos Silicatos (C3S e C2S).................................... 21
B B B B
2.3.2. A Química da Hidratação dos Aluminatos (C3A e C4AF) ........................... 21

B B B B
2.4. Grau de Hidratação ......................................................................................... 23
2.5. Modelo de Ulm e Coussy para a Hidratação ................................................... 23

2.5.1. O Problema a ser Resolvido: Evolução dos Campos de Temperatura e
Hidratação.................................................................................................... 26
2.5.2. A Cinética da Hidratação ξ&(ξ ) ..................................................................... 27
2.5.3. Determinação da Afinidade Química Normalizada Ã(ξ) a partir de
Ensaios de Elevação Adiabática de Temperatura ........................................ 30
2.5.4. Determinação da Afinidade Química Normalizada Ã(ξ)a partir de
Ensaios de Resistência à Compressão Uniaxial........................................... 32
viii
2.5.4.1. Exemplo de Cálculo da Afinidade Normalizada Ã(ξ)............................... 33
2.6. A Energia de Ativação .................................................................................... 36
2.7. Calor Específico .............................................................................................. 42
2.8. Difusividade e Condutividade Térmicas ......................................................... 43
3. ASPECTOS DE MODELOS DE DADOS: INTRODUÇÃO ÀS REDES

NEURAIS ARTIFICIAIS (RNAs) ................................................................ 45
3.1. Introdução........................................................................................................ 45
3.2. Base Biológica................................................................................................. 45
3.3. Breve Histórico................................................................................................ 47
3.4. Esquema das RNAs ......................................................................................... 48
3.5. Neurônios Artificiais ....................................................................................... 48

3.5.1. O Neurônio de McCulloch–Pitts – MCP ..................................................... 49
3.5.2. O Neurônio Genérico................................................................................... 50
3.6. Funções de Ativação ....................................................................................... 50
3.7. Principais Arquiteturas de RNAs .................................................................... 54

3.7.1. Redes em Camadas ...................................................................................... 56
3.7.2. Redes Perceptron de Múltiplas Camadas (MLP) ........................................ 56
3.7.3. Algoritmo da Retropropagação – Backpropagation.................................... 57
3.8. Processos de Aprendizagem............................................................................ 57

3.8.1. Treinamento e Utilização da Rede MLP ..................................................... 59
3.8.2. Desenvolvimento de Aplicações.................................................................. 60
3.8.2.1. Coleta de Dados e Separação em Conjuntos ............................................. 60
3.8.2.2. Configuração da Rede ............................................................................... 61
3.8.2.3. Treinamento............................................................................................... 61
3.8.2.4. Teste .......................................................................................................... 62
3.8.2.5. Integração .................................................................................................. 63
4. PROCEDIMENTOS EXPERIMENTAIS E ELABORAÇÃO DO

BANCO DE DADOS ................................................................................... 64
4.1. Procedimentos de ensaio ................................................................................. 64
ix
4.1.1. Análise Química do Cimento....................................................................... 64
4.1.2. Módulo de Finura de Blaine ........................................................................ 64
4.1.3. Elevação Adiabática de Temperatura .......................................................... 64
4.1.3.1. Calorímetro Adiabático ............................................................................. 64
4.1.3.2. Procedimento............................................................................................. 66
4.1.4. Outras Propriedades Térmicas ..................................................................... 68
4.2. Elaboração do Banco de Dados....................................................................... 68
5. MODELO MULTICOMPONENTE DE CALOR DE HIDRATAÇÃO

(MCH) DE MAEKAWA ET AL.................................................................... 71
5.1. Descrição do Modelo....................................................................................... 71

5.1.1. Constituição do Modelo MCH..................................................................... 72
5.1.1.1. Taxa de Geração de Calor de Referência (Hi,T0) ........................................ 74
B B
5.1.1.2. Termoativação (Eai/ℜ).............................................................................. 77

B B
5.1.1.3. Modelagem da Formação de Etringita ...................................................... 78

5.1.1.4. Finura de Blaine (si) .................................................................................. 80
B B
5.1.1.5. Consumo de Água (βi)............................................................................... 80

B B
5.1.1.6. Composição Potencial de BOGUE do Cimento (µ).................................. 82

5.1.1.7. Consumo de Escória de Alto Forno e Cinza Volante (ζ) .......................... 83
5.1.1.8. Consumo de Adição Química (γ) .............................................................. 84
5.2. Implementação do Modelo MCH.................................................................... 86
6. MODELO DE RNA PARA A ELEVAÇÃO ADIABÁTICA DE

TEMPERATURA DO CONCRETO............................................................. 90
7. RESULTADOS, ANÁLISE E DISCUSSÃO............................................... 99
8. CONCLUSÕES E RECOMENDAÇÕES .................................................... 107
9. BIBLIOGRAFIA .......................................................................................... 109
APÊNDIDE A – FUNÇÕES PARA CARACTERIZAÇÃO DAS CURVAS

DE ELEVAÇÃO ADIABÁTICA DE TEMPERATURA DO CONCRETO.... 116
APÊNDIDE B – MODELO DE VINCENT WALLER ....................................... 124
x
Índice de Figuras
Figura 2.1 – Modelo de SIERRA [22,23]....................................................................... 10

TU UT
Figura 2.2 – Gráfico comparativo da utilização de Escória pura (E100) [27]................ 14

TU UT
Figura 2.3 – Gráfico comparativo da utilização de Cinza Volante (CV) [27]................ 16

TU UT
Figura 2.4 – Representação esquemática das noções de teoria da percolação, segundo

TU
ACKER [29]. .......................................................................................................... 17

UT
Figura 2.5 – Influência do tipo de cimento na evolução do calor de hidratação [27]. ... 18
TU UT
Figura 2.6 – Estágios do processo de hidratação ............................................................ 19

TU UT
Figura 2.7 – Agulhas de etringita ................................................................................... 22

TU UT
Figura 2.8 – Elevações adiabáticas de temperatura para diversas temperaturas iniciais

TU
(Ti)........................................................................................................................... 28
UB UB UT
Figura 2.9 – Evolução da reação de hidratação .............................................................. 28

TU UT
Figura 2.10 – Sistema de amortecedor simples .............................................................. 29

TU UT
Figura 2.11 – Relação entre fc e grau de hidratação dada pela expressão (2.5.13)......... 33
TU UB UB UT
Figura 2.12 – Temperatura adiabática e sua derivada em relação ao tempo [27]. ......... 34
TU UT
Figura 2.13 – Resistência à compressão e sua derivada com o tempo [27]. .................. 34
TU UT
Figura 2.14 – Afinidade normalizada. ............................................................................ 35

TU UT
Figura 2.15 – Geometria favorável para a colisão das moléculas .................................. 36

TU UT
Figura 2.16 – Tipos de reação em função da entalpia .................................................... 37

TU UT
Figura 2.17 – Efeito da temperatura nas reações químicas ............................................ 38

TU UT
Figura 2.18 – Representação esquemática da variação de Ea sugerida por Pinto [41]. . 40

UT T U
TU Figura 3.1 – Constituintes da célula neuronal – esquema .............................................. 46

UT
Figura 3.2 – Esquema de unidade MCCULLOCH e PITTS [63] .................................. 49

TU UT
Figura 3.3 – Representação de um neurônio de uma RNA ............................................ 50

TU UT
Figura 3.4 – Função semilinear e sua derivada em relação à entrada interna. ............... 51
TU UT
Figura 3.5 – Função linear e sua derivada em relação à entrada interna. ....................... 51
TU UT
Figura 3.6 – Função lógica ou threshold. ....................................................................... 52

TU UT
Figura 3.7 – Função sigmóide (ou logística) e sua derivada em relação à entrada interna.
TU T
................................................................................................................................ 53 U
TU Figura 3.8 – Função gaussiana e sua derivada em relação à entrada interna. ................ 54 UT
Figura 3.9 – Categorização de redes neurais .................................................................. 55

TU UT
Figura 3.10 – Função sigmoidal logística e sua derivada em relação à entrada interna. 56
UT T U
TU Figura 3.11 – Estrutura em camadas com uma camada escondida ................................ 57 UT
Figura 3.12 – Esquema de Treinamento Backpropagation ............................................ 59

TU UT
Figura 3.13 – Utilização de rede MLP após o seu treinamento ...................................... 60

TU UT
Figura 4.1 – Calorímetro Adiabático – Ante-sala – Corte Longitudinal [27] ................ 66

TU UT
Figura 4.2 – (a) Calorímetro Adiabático - vista geral da ante-sala e (b) corpo-de-prova
TU
inserido no Calorímetro. [27] ................................................................................. 67

UT
Figura 4.3a – Banco de dados parcial – dados utilizados como input nas aplicações –
TU
parte I [27]. ............................................................................................................. 69

UT
Figura 4.3b – Banco de dados parcial – dados utilizados como input nas aplicações –
TU
parte II [27]. ............................................................................................................ 70

UT
Figura 4.4a – Banco de dados parcial – dados utilizados como output nas aplicações –
TU
parte I [27]. ............................................................................................................. 70

UT
Figura 4.4b – Banco de dados parcial – dados utilizados como output nas aplicações –
TU
parte II [27]. ............................................................................................................ 70

UT
Figura 5.1 – Taxa de geração de calor dos minerais componentes do clínquer [6]........ 75
TU UT
Figura 5.2 – Taxa de geração de calor da Escória de Alto Forno e da Cinza Volante [6].
TU T
................................................................................................................................ 76 U
xi
Figura 5.3 – Termoativação para a reação de cada componente mineral [1]. ................ 77
TU UT
Figura 5.4 – Taxa de geração na formação de etringita [1]. ........................................... 78

TU UT
Figura 5.5 – Esquema do modelo MCH [1]. .................................................................. 87

TU UT
Figura 5.6 – Algoritmo do programa de implementação do modelo MCH [1]. ............. 88

TU UT
Figura 5.7 – Curvas experimental e modelada para o ensaio OPC400 realizado por
TU
MAEKAWA et al. [1]. ........................................................................................... 89

UT
Figura 6.1 – Exemplos de curvas de elevação adiabática ajustadas através da função Hill
TU
– parte I. Os ensaios colocados lado a lado são os mesmos em escalas diferentes:

esquerda - escala decimal e direita - escala logarítmica. ........................................ 92
UT
Figura 6.2 – Exemplos de curvas de elevação adiabática ajustadas através da função Hill
TU
– parte II. Os ensaios colocados lado a lado são os mesmos em escalas diferentes:
esquerda - escala decimal e direita - escala logarítmica. ........................................ 93
UT
Figura 6.3 – Representação esquemática dos dados de entrada e saída do modelo de

TU
previsão da exotermia da reação de hidratação. ..................................................... 94

UT
Figura 6.4 – Arquitetura da rede..................................................................................... 95

TU UT
Figura 7.1 – Gráficos da incerteza padrão para os ajustes do Modelo MCH e do Modelo
TU
HILL-RNA. ............................................................................................................ 99
UT
Figura 7.2 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados
TU
experimentais [27].Os ensaios colocados lado a lado são os mesmos em escalas

diferentes: esquerda - escala decimal e direita - escala logarítmica. .................... 101 UT
TU

TU

TU

TU

Figura 7.7 – Variações de superfície específica do cimento para a predição da exotermia

TU
da dosagem E-1433 utilizando o modelo MCH. Os ensaios colocados acima são os

mesmos em escalas diferentes: em cima - escala decimal e em baixo - escala
logarítmica. ........................................................................................................... 106
UT
Figura A.1 – Gráfico da incerteza padrão para os ajustes da função de Resposta no

TU
Tempo de Sistemas de 1ª Ordem. ......................................................................... 118

UT
Figura A.2 – Gráficos do ajuste da função de Resposta no Tempo de Sistemas de 1ª

TU
Ordem (RTS1O) para o ensaio E-3026 [27]......................................................... 118

UT
Figura A.3 – Gráficos da incerteza padrão para os ajustes da função de Ulm-Coussy-

TU
Kefei-Larive. ......................................................................................................... 119

UT
Figura A.4 – Gráficos do ajuste da função de “Ulm-Coussy-Kefei-Larive” para o ensaio

TU
E-2832 [27]. .......................................................................................................... 120

UT
Figura A.5 – Gráficos da incerteza padrão para os ajustes da função HILL. ............... 121
TU UT
Figura A.6 – Gráficos ajuste da função HILL para o ensaio E-3026 [27]. .................. 121
TU UT
Figura A.7 – Gráficos do ajuste da função HILL para o ensaio E-2832 [27]. ............. 122
TU UT
Figura A.8 – Comparação entre da função HILL e a função de Resposta no Tempo de

TU
Sistemas de 1ª Ordem (RTS1O). .......................................................................... 122

UT
xii
Figura A.9 – Comparação entre da função HILL e a função de Resposta no Tempo de
TU
Sistemas de 1ª Ordem (RTS1O). .......................................................................... 123

UT
xiii
Índice de Tabelas
Tabela 2.1 – Notação utilizada na química do cimento.................................................... 5

TU UT
Tabela 2.2 – Composição química do cimento Portland comum ..................................... 6

TU UT
Tabela 2.3 – Nomenclatura dos tipos de cimento [13,14,15,16,17] ................................. 7

TU UT
Tabela 2.4 – Cimento Portland no Brasil ......................................................................... 8

TU UT
Tabela 2.5 – Análise Termogravimétrica da água aprisionada ...................................... 25

TU UT
Tabela 2.6 – Calor específico dos constituintes do concreto a 20ºC [4(*),27] ................ 43
TU UP UP UT
Tabela 2.7 – Fatores influentes na Difusividade e Condutividade Térmicas do concreto

TU
[27,43]. ................................................................................................................... 44
UT
Tabela 4.1 – Ensaios de Calor Específico, Difusividade Térmica e Condutividade

TU
Térmica [27,43]. ..................................................................................................... 68

UT
Tabela 5.1 – Calor de hidratação das fases do clínquer.................................................. 76

TU UT
Tabela 5.2 – Composição da mistura OPC400 realizada por MAEKAWA et al. [1]. ... 89
TU UT THU UHT
TU Tabela 6.1 – Funções de ativação utilizadas na RNA da Figura 6.4. ............................. 95 UT
Tabela 6.2 – Topologias aplicadas na RNA da Figura 6.4. ............................................ 96

TU UT
Tabela 6.3 – Valores médios da incerteza padrão, desvio padrão e amplitude para cada
TU
topologia testada. .................................................................................................... 98

UT
Tabela 7.1 – Quadro comparativo dos parâmetros estatísticos entre o modelo MCH e o
TU
modelo HILL-RNA para 14 ensaios..................................................................... 100

UT
Tabela 7.2 – Parâmetros estatísticos para o modelo HILL-RNA aplicado a 136 ensaios.
TU T
.............................................................................................................................. 100 U
TU Tabela B.1 – Calor de hidratação das fases do clínquer - WALLER [4] ..................... 128 UT
Tabela B.2 – Calor de hidratação das microssílicas estudadas por WALLER [4] ....... 129
TU UT
Tabela B.3 – Calor de hidratação das cinzas volantes estudadas por WALLER [4] ... 129
TU UT
xiv
Notações gerais utilizadas
CV Cinza Volante (fly ash)

E Escória de Alto Forno (blast furnace slag)
FS Microssílica ou Fumo de sílica (silica fume)
E-0000 Código da dosagem (0000 refere-se ao seu número)
CPI000 Consumo de cimento tipo I na dosagem estudada
POZ000 Consumo de pozolana na dosagem estudada
E000 Consumo de escória na dosagem estudada
CV000 Consumo de cinza volante na dosagem estudada
x& Derivada de x em relação ao tempo.
xv
Capítulo 1 – Introdução
1.1 MOTIVAÇÃO
Hoje em dia existem modelos capazes de prever, com precisão, a evolução

dos campos térmicos, da hidratação e de tensões e deformações em estruturas de
concreto-massa, considerando variações de geometria para simular a fase construtiva,
como se pode observar em [1,2,3].
O input destes modelos constitui-se geralmente de:
- Temperatura de lançamento do concreto;
- Altura das camadas de concretagem;
- Tempo de espera entre a execução das camadas;
- Tipo e consumo de material
As características físico-químicas e mecânicas do material a ser utilizado são
geralmente determinadas a partir de ensaios realizados em corpos-de-prova obtidos de
dosagens experimentais. Uma das características físico-químicas mais importantes do
material é o calor gerado pela exotermia da reação de hidratação do cimento.
A motivação da presente tese é a predição das características da exotermia da
reação de hidratação (cinética e amplitude) visando a determinação da elevação
adiabática de temperatura dos concretos.
Tais modelos preditivos permitirão, então, um aumento significativo das
possibilidades de análise das estruturas de concreto-massa aumentando também a
capacidade dos procedimentos de otimização.
1.2 ESTADO DA ARTE DOS MODELOS DE PREVISÃO DA EXOTERMIA

DA REAÇÃO DE HIDRATAÇÃO
Não são muitos os modelos existentes para a previsão da elevação

adiabática da temperatura de materiais à base de cimento. Os poucos modelos existentes
não foram ainda submetidos a testes que permitam seu uso de forma corriqueira em
1
Introdução
projeto de estruturas massivas. Dentre os modelos disponíveis podemos citar os

modelos macroscópicos desenvolvidos por WALLER e DE LARRARD [4,5] e o
modelo de MAEKAWA et al. [1,6]. Mais recentemente foram propostos modelos
multiescala que utilizam os conceitos da micromecânica e nanomecânica, como o de
FERREIRA [7] baseado no modelo de BERNARD et al. [8] para a evolução de
parâmetros ligados à hidratação do concreto. O modelo de FERREIRA [7] está em fase
de desenvolvimento, não sendo, ainda, operacional para a obtenção de valores para
projeto.
Descrevemos brevemente, a seguir, estes três modelos.
1.2.1. Modelo de Waller
WALLER [4,5] realizou estudos com concretos elaborados com cimento

sem adições e com concretos compostos binários e ternários, cujos materiais
pozolânicos foram o Fumo de Sílica e a Cinza Volante. O modelo apresentado
contempla os graus de avanço das reações de hidratação no cimento e nas pozolanas, os
graus de hidratação finais do cimento e das pozolanas, os consumos de cimento e de
pozolanas e o calor específico do concreto.
O modelo emprega o conceito de modelagem preditiva sobre um ensaio
prévio do material para se definir uma função de avanço das reações químicas que
ocorrem durante a hidratação. Esta função de avanço é chamada de afinidade química
normalizada e o seu cálculo se dá de maneira idêntica ao elaborado por ULM e
COUSSY detalhado no subitem 2.5.
Maiores detalhes do modelo de WALLER [4,5] se encontram no Apêndice
B, no final deste trabalho.
1.2.2. Modelo Multicomponente de Calor de Hidratação de Maekawa et al.
A exotermia do concreto prevista pelo modelo de MAEKAWA et al. [1]

segue o conceito de multiplas fases. Assim, os efeitos exotérmicos das reações químicas
dos principais compostos do cimento (C3A, C3S, C4AF e C2S), da escória de alto forno e
B B B B B B B B
da cinza volante (que são as duas pozolanas estudadas pelos autores), são modelados
separadamente e posteriormente somados para constituir a elevação adiabática de
temperatura do concreto. Além disso, os efeitos do consumo de água, de aditivos
2
Introdução
químicos e de outras propriedades do cimento também são considerados. Este modelo,

que foi implementado computacionalmente dentro do quadro da presente tese, será
descrito em detalhes no capítulo 5.
1.2.3. Modelo Multi-escala de Ferreira (Bernard et al. Adaptado)
O modelo de BERNARD et al. [8] é fundamentado no formalismo da

micromecânica que descreve a evolução isotérmica de parâmetros elásticos de materiais
cimentícios considerando uma cinética que homogeneíza diversas escalas, desde a
escala nanométrica até à escala estrutural. Para isto, foram definidos quatro níveis de
escala para abranger o máximo de informação possível desde a nano até a macro-
estrutura do material: hidratos de C–S–H, pasta de cimento, argamassa e concreto.
FERREIRA [7] adaptou o modelo de BERNARD et al. [8] aos conceitos de
acoplamentos termo-químico-mecânicos e a conceitos de homogeneização de
temperatura para poder prever a elevação adiabática de temperatura em função da
exotermia da reação de hidratação. Tal modelo encontra-se em fase de
desenvolvimento, não sendo ainda possível sua utilização em projeto.
1.3 OBJETIVOS E RELEVÂNCIA DO TRABALHO
Este trabalho tem como objetivos: 1) A elaboração de um banco de dados a

partir das informações obtidas nos ensaios realizados no Laboratório de Concreto do
Departamento de Controle e Apoio Técnico – DCT.T, de Furnas Centrais Elétricas S.A.
(chamada daqui por diante apenas por Furnas) na realização de 250 ensaios de elevação
adiabática de temperatura do concreto em conjunto com ensaios de caracterização dos
materiais constituintes do mesmo; 2) A implementação computacional e a correlação
dos resultados do banco de dados ao modelo multifásico proposto por MAEKAWA et
al. [1]; e 3) A implementação de um modelo de dados para prever a elevação adiabática
de temperatura no concreto através da aplicação do treinamento supervisionado de uma
rede neural.
O trabalho tem sua relevância calcada na evolução das técnicas de projeto e
construção de estruturas de concreto-massa, estando inserido no contexto da modelagem
do concreto a poucas idades com aplicações a barragens.
3
Capítulo 2 – Aspectos Físico–Químicos da
Hidratação
A reação de hidratação do cimento, é geralmente apresentada de forma

simplificada (e unificada) como:
cimento + H → C-S-H + CH + calor (2.0.1)

onde H = H2O, C-S-H representa os hidratos de silicato de cálcio hidratado e
B B
CH , o hidróxido de cálcio ou Portlandita.

Entretanto, a reação de hidratação é na realidade a composição de diversas
reações de hidratação, podendo ser apresentadas, esquematicamente, sob a forma das
equações (2.0.2) a (2.0.6) abaixo:
C3S + H → C-S-H + CH + calor

B B (2.0.2)
C2S + H → C-S-H + CH + calor

B B (2.0.3)
C3A + CS H 2 + H → AFt + calor

B B B B (2.0.4)
C4AF + CS H 2 + H → AFt + CH + FH3 + calor

B B B B B B (2.0.5)
C3 A
+ AFt + H → AFm + CH + FH3 (2.0.6)
C 4 AF
B B B B B B
sendo AFt o símbolo usado para a etringita e AFm o símbolo usado para o
B B B B
monossulfato.
Desta forma, a reação de hidratação do cimento Portland abrange um
conjunto de reações interdependentes de suas diferentes fases, com cinéticas diferentes,
ao curso das quais os grãos de cimento anidro iniciais vão sendo progressivamente
dissolvidos dando origem a uma estrutura que incorpora as moléculas de água. Os
produtos formados, em sua maioria, são os C-S-H, que por sua vez começam a formar
uma matriz porosa coesiva. O desenvolvimento da reação de hidratação corresponde ao
aumento progressivo do número de hidratos que formam o esqueleto poroso
proporcionando o aumento da rigidez e da resistência do material. Devido à exotermia
4
Aspectos Físico–Químicos da Hidratação
da reação de hidratação o calor total gerado fornece uma boa resposta macroscópica da
evolução das reações químicas que envolvem a hidratação, apesar destas gerarem
diferentes taxas de evolução de calor. Considera-se que o calor de hidratação gerado na
hidratação completa de um cimento é aproximadamente uma função aditiva dos calores
gerados na hidratação dos compostos individuais do cimento, ponderados pelos teores
dos compostos [1,9].
2.1 OS REAGENTES
2.1.1. O Cimento Portland
A notação normalmente utilizada na bibliografia técnico-científica

especializada para os componentes químicos do cimento Portland é apresentada na
Tabela 2.1 abaixo:
Tabela 2.1 – Notação utilizada na química do cimento
Nome Fórmula Nome popular Símbolo

Óxido de Cálcio CaO Cal C
Óxido de Silício SiO2 B B Sílica S
Óxido de Alumínio Al2O3
B B B B Alumina A
Óxido de Ferro Fe2O3 B B B B Ferrito ou Hematita F
Água H2O B B Água H
Sulfeto SO3 B B Sulfeto S
O cimento Portland é um aglomerante hidráulico produzido a partir do

clínquer triturado, com a adição de algumas frações de gesso. Os compostos que
formam o clínquer são principalmente óxidos de cálcio e sílica. Seu processo de
fabricação corresponde à seguinte seqüência:
– Do calcário (carbonato de cálcio – CaCO3 – calcita), através de queima, B B
extrai-se a cal (CaO) e libera-se CO2 na atmosfera: B B
CaCO3 → CaO + CO2 (2.1.1)
– Da argila extraem-se os óxidos SiO2, Al2O3 e Fe2O3 e através de uma B B B B B B B B B B
mistura balanceada de todos estes componentes elabora-se o clínquer.
5
– O gesso, que é o produto de adição final no processo de fabricação do

cimento Portland (com o fim de regular o tempo de pega por ocasião da reação de
hidratação) é encontrado sob a forma de gipsita (CaSO4⋅2H2O), hemidrato ou bassanita B B B B
(CaSO4⋅0,5H2O) e anidrita (CaSO4). A gipsita é encontrada no estado natural em

B B B B B B
grandes jazidas sedimentares.

A composição química típica de um cimento Portland com seus óxidos é
mostrada na Tabela 2.2, bem como as abreviações comumente utilizadas para os seus
componentes.
Tabela 2.2 – Composição química do cimento Portland comum
Componentes do Clínquer Composição Sigla Porcentagem
Silicato Tricálcico ou Alita 3CaO⋅SiO2 B B C3S B B 42% a 60%
Silicato Bicálcico ou Belita 2CaO⋅SiO2 B B C2S B B 14% a 35%

≈ 85%
Aluminato Tricálcico ou Aluminato 3CaO⋅Al2O3 B B B B C3A B B 6% a 13%
Ferroaluminato Tetracálcico ou
4CaO⋅Al2O3⋅Fe2O3 C4AF 5% a 10%
Ferrito
B B B B B B B B B B
Outros componentes ≈ 10%
Componentes do Gesso Composição Sigla Porcentagem
Gipsita CaSO4⋅2H2O
B B B B C SH 2 3% a 5%
O conhecimento do teor das fases (componentes) do cimento pode ter

fundamental importância para a análise da evolução da reação de hidratação, e
conseqüentemente, da evolução das propriedades do concreto. Uma forma de estimar a
composição potencial do cimento a partir da análise de seus óxidos é utilizar uma série
de equações desenvolvidas por BOGUE [10]. Estas equações admitem que todas as
reações químicas ocorridas na formação do clínquer estão completas, ignorando a
presença de impurezas no cimento, tais como MgO e álcalis. O conjunto das equações
de BOGUE é dado a seguir:
C3 S = 4,071 ⋅ %CaO − 7,600 ⋅ % SiO2 − 6,718 ⋅ % Al 2 O3 − 1,430 ⋅ % Fe2 O3 − 2,852 ⋅ % SO3

C2 S = 2,867 ⋅ % SiO2 − 0,7544 ⋅ %C3 S
C3 A = 2,650 ⋅ % Al 2 O3 − 1,692 ⋅ % Fe2 O3 (I)
C 4 AF = 3,043 ⋅ % Fe2 O3
6
Estas equações são aplicáveis aos cimentos Portland desde que a relação
entre Óxido de Alumínio e Óxido de Ferro seja maior que 0,64 (Al2O3 / Fe2O3 ≥ 0,64). B B B B B B B B
Caso esta relação não seja válida, a série de equações (II) abaixo deverá ser utilizada
conforme preconiza a norma ASTM C 150-00 [11], pois uma solução sólida de
alumino-ferrito de cálcio, expresso como ss(C4AF + C2F), é formada. Não há C3A em
B B B B B B
cimentos com esta composição. Neste caso o cálculo da composição potencial do

cimento é expresso pelo seguinte sistema de equações:
C3 S = 4,071 ⋅ %CaO − 7,600 ⋅ % SiO2 − 4,479 ⋅ % Al2 O3 − 2,859 ⋅ % Fe2 O3 − 2,852 ⋅ % SO3
C2 S = 2,867 ⋅ % SiO2 − 0,7544 ⋅ %C3 S
(II)
ss(C 4 AF + C 2 F ) = 2,100 ⋅ % Al2 O3 + 1,702 ⋅ % Fe2 O3
As equações de BOGUE avaliam de modo aproximado a composição

potencial (fases) do cimento. Para análises mais precisas é necessário o uso de técnicas
experimentais, tais como difratometria de raios X, espectometria e ressonância
magnética, dentre outras. A descrição detalhada de tais técnicas é encontrada em [12].
As propriedades do cimento são bastante influenciadas pelo
proporcionamento dos compostos no clínquer, pelo uso de adições e pela sua finura. Os
diferentes tipos de cimento produzidos têm suas características determinadas em função
de sua aplicação. Por exemplo, cimentos de alta resistência inicial, de baixo calor de
hidratação, alta resistência a sulfatos, dentre outros.
No Brasil, são produzidos vários tipos de cimento Portland. Os principais
estão apresentados na Tabela 2.3 e na Tabela 2.4.
Tabela 2.3 – Nomenclatura dos tipos de cimento [13,14,15,16,17]
Nome Sigla
Cimento Portland Comum CP I
Cimento Portland Comum com Adição CP I-S
Cimento Portland Composto com Filler CP II F
Cimento Portland Composto com Escória CP II E
Cimento Portland Composto com Pozolana CP II Z
Cimento Portland de Alto Forno CP III
Cimento Portland Pozolânico CP IV
Cimento Portland de Alta Resistência Inicial CP V-ARI
7
Tabela 2.4 – Cimento Portland no Brasil
Tipos CP I CP I S CP II F CP II E CP II Z CP III CP IV CP V-ARI

25 MPa 25 MPa 25 MPa 25 MPa 25 MPa 25 MPa 25 MPa
Classes de
Resistência aos 32 MPa 32 MPa 32 MPa 32 MPa 32 MPa 32 MPa 32 MPa ≥ 34 MPa
28 dias (MPa)
40 MPa 40 MPa 40 MPa 40 MPa 40 MPa 40 MPa ⎯
NORMA NBR 5732 NBR 11578 NBR 5735 NBR 5736 NBR 5733
(ABNT) [13] [14] [15] [16] [17]
≤ 97% ≤ 96% ≤ 91% ≤ 91% ≤ 91% ≤ 62% ≤ 82% ≤ 97%
Clínquer
≥ 95% ≥ 90% ≥ 85% ≥ 51% ≥ 71% ≥ 20% ≥ 40% ≥ 90%
Gesso ≥ 3% ≥ 3% ≥ 3% ≥ 3% ≥ 3% ≥ 3% ≥ 3% ≥ 3%
(Sulfatos de
Cálcio) ≤ 5% ≤ 5% ≤ 5% ≤ 5% ≤ 5% ≤ 5% ≤ 5% ≤ 5%
Escória de Alto ⎯ ⎯ ⎯ ≥ 6% ⎯ ≥ 35% ⎯ ⎯

Forno ⎯ ⎯ ⎯ ≤ 34% ⎯ ≤ 70% ⎯ ⎯
⎯ ⎯ ⎯ ⎯ ≥ 6% ⎯ ≥ 15% ⎯
Pozolana
⎯ ⎯ ⎯ ⎯ ≤ 14% ⎯ ≤ 50% ⎯
Fillers ⎯ ⎯ ≥ 6% ≥ 0% ≥ 0% ≥ 0% ≥ 0% ≥ 0%
(material
carbonático) ⎯ ⎯ ≤ 10% ≤ 10% ≤ 10% ≤ 5% ≤ 5% ≤ 5%
Escória + ⎯ ≥ 1% ⎯ ⎯ ⎯ ⎯ ⎯ ⎯
Pozolanas +
Fillers ⎯ ≤ 5% ⎯ ⎯ ⎯ ⎯ ⎯ ⎯
TOTAL 100% 100% 100% 100% 100% 100% 100% 100%
Assim, o cimento com a denominação “CP II E 32” é um cimento Portland

(CP) composto (II) com Escória (E), cuja resistência à compressão aos 28 dias é de
32MPa. O cimento Portland de Baixo Calor de Hidratação recebe a sigla “BC” após a
denominação usual, segundo a norma NBR 13116 [18] como, por exemplo, o “CP II E
32 BC ”.
2.1.2. A Água
A água é um importante reagente no processo de hidratação dos

aglomerantes. Além de se combinar com o clínquer para formar os hidratos, ela
desempenha também a função de propiciar a trabalhabilidade da mistura antes do início
do seu enrijecimento.
POWERS e BROWNYARD [19], citados por WALLER [4], afirmaram que
se a água não evaporável e a água adsorvida (não disponível para hidratação) fossem
somadas, a quantidade total seria de aproximadamente 42% da massa de cimento.
8
Segundo CZERNIN [20], a relação água/cimento mínima de 0,40, em peso, é necessária

para que o cimento seja completamente hidratado. Entretanto, METHA e MONTEIRO
[9] apresentaram um cálculo estequiométrico mostrando que uma quantidade de água
igual a ≈ 0,24g é necessária para hidratar completamente 1g de cimento. LAPLANTE
[21] reforçou esta afirmativa citando que a água total utilizada ao final da hidratação, ou
seja, para t = ∞, é ≈ 0,25 vezes o peso de cimento na mistura.
Uma classificação clássica da água presente no sistema compreende várias
subdivisões, considerando a temperatura necessária para seu desprendimento do
sistema, como veremos a seguir:
1. A água quimicamente ligada, combinada aos hidratos, dos quais ela faz
parte integrante sob a forma de água de solvatação ou de cristalização. Ela não é mais
considerada como parte da fase líquida do material.
2. A água adsorvida é constituída pelas primeiras camadas de moléculas
de água submetidas ao campo das forças elétricas superficiais das partículas de C–S–H
[22]. Caso a energia destas forças de ligação seja forte ou fraca (daí originando o caráter
de ligação como provisório ou permanente) se fala de água fisi ou quimissorvida. A
fisissorção diz respeito às ligações por forças intermoleculares de atração (tipicamente
as forças de Van der Waals) que corresponde a energias relativamente fracas, da ordem
de uma dezena de kJ/mol. A quimissorção diz respeito a uma transferência de elétrons, e
a um processo que concerne uma energia de algumas centenas de kJ/mol.
A água fisissorvida intervém na molhagem (umedecimento) dos grãos de
cimento e forma, por simples condensação, um filme relativamente uniforme sobre toda
a superfície do sólido que ela ocupa. A estrutura eletrônica da molécula da água varia
muito pouco neste processo.
A água quimissorvida é adsorvida em lugares privilegiados através de uma
ligação química real com as moléculas do adsorvente, as quais ela favoriza a
estabilização das folhas. Como esta ligação implica numa transferência de elétrons, a
reatividade da água adsorvida é fortemente modificada.
SIERRA [23], adotando o modelo microestrutural de FELDMAN E
SEREDA [22] distingue os seguintes casos, por ordem decrescente de energia de
ligação com o sólido (ver Figura 2.1):
a. A água hidroxílica, onde os grupamentos hidroxilas OH–, ligados aos
P P
átomos Si4+ ou Ca2+ sobre as faces interna e externa das folhas, estabelecem ligações de
P P P P
hidrogênio com as moléculas de água na vizinhança das folhas.
9
b. A água adsorvida interfoliar, que intervém na coesão intrínseca da

lâmina e é fixada entre as folhas por pontes de hidrogênio ou grupamentos de hidroxila.
c. A água adsorvida interlamelar, que é submetida ao campo de forças
criado pelas lâminas, é estruturada e fixada sobre uma hidroxila isolada ou ligada a
outras moléculas de água.
Água adsorvida interfoliar Água adsorvida interlamear
Lamela de C–S–H com 3 folículos Lamela de C–S–H com 2 folículos
Molécula de água Água hidroxílica Ponte de hidrogênio
Figura 2.1 – Modelo de SIERRA [22,23]
3. E a água livre, que escapa às forças superficiais das partículas sólidas.

Em excesso, relativamente à água necessária à hidratação, ela ocupa os poros capilares,
em particular os macroporos. É a primeira a migrar quando da exsudação e, sobretudo,
da secagem, quando as trocas higrométricas são permitidas com o meio ambiente.
Uma outra classificação, relativa às técnicas de caracterização da rede
porosa consiste em distinguir água evaporável (água livre e água fisissorvida) e água
não-evaporável (água quimissorvida e água ligada quimicamente).
2.1.3. Os Aditivos Químicos
A utilização de aditivos químicos data desde a época de povos que se

encontram extintos, tais como os incas, que empregavam substâncias como a albumina
(sangue e clara de ovos) e álcalis (cal) em suas obras. Os romanos também faziam uso
destas substâncias. No Brasil, o uso de óleo de baleia foi muito utilizado em argamassas
para o assentamento de pedras, com o intuito de plastificá-las, para as construções
históricas, igrejas e pontes.
10
O desenvolvimento de aditivos tomou força apenas com o aparecimento do

cimento Portland no início do século XIX. Hoje, em países como Estados Unidos, Japão
e Alemanha, o concreto aditivado chega a 80% de todo o concreto consumido.
É bem sabido, que os aditivos não transformam um concreto mal dosado e
mal manuseado em um concreto bom, eles conferem apenas um aprimoramento às suas
qualidades. Assim, todos os fabricantes de aditivos recomendam um estudo preliminar,
em laboratório, da dosagem que se pretende aplicar na obra.
Os aditivos químicos são produtos tensoativos que consistem
essencialmente de moléculas orgânicas de cadeia longa, com uma extremidade
hidrófila (que atrai a água) e outra hidrófoba (que repele a água).
Os tensoativos são adsorvidos nas interfaces ar-água e cimento-água e a
orientação (polaridade) da molécula determina se a sua ação principal é de incorporação
de ar ou de redução de água.
Segundo LEA [24], os incorporadores de ar têm seus grupos polares ligados
ao grão de cimento sob a forma de bolhas, tornando sua superfície hidrófoba de modo
que o ar possa deslocar a água, diminuindo a tensão superficial. A sua aplicação é maior
na melhoria da trabalhabilidade dos concretos, em especial nos que contêm menos
cimento e água, agregados leves e de textura rugosa.
Já no caso dos redutores de água, a cadeia polar aniônica é adsorvida na
superfície da partícula de cimento, conduzindo a um sistema bem disperso de grãos de
cimento, tornando-os hidrófilos e diminuindo a tensão superficial da água.
É comum o conhecimento de que a adição de um superplastificante retarda a
o início da pega e da geração de calor do concreto. No caso de concretos de alta fluidez,
usando cimentos de composição ternária ou de alta quantidade de belita (C2S), o B B
retardamento pode exceder a 12 horas dependendo dos efeitos da adição de um

superplastificante, em função do tipo de cimento. Quando grupos funcionais do
superplastificante adicionado, que é desenhado para contribuir para a dispersão de
partícula, reagem com Ca2+ originados pela hidratação de cimento, um sal de Cálcio é
P P
formado [1]. Este consumo de Ca2+ retarda a formação de núcleos cristais de CH , que
P P B B
são os “gatilhos” que ativam a geração de calor de hidratação, ou pelo menos diminui a
taxa de formação de cristais.
Foi relatado [9,25] que alguns superplastificantes ficam incorporados dentro
dos hidratos dos materiais intersticiais como resultado da rápida hidratação de C3A ou B B
11
de outros materiais intersticiais, e assim é consumido sem causar qualquer efeito

retardador.
Segundo um artigo de UCHIKAWA et al. [26], o efeito de retardamento de
um aditivo orgânico varia dependendo de como ele é adicionado; o efeito é
aparentemente maior com pós-adição do que com adições simultâneas. Isto corresponde
com a observação de que o efeito de redução de água varia, dependendo do método de
adição. A razão é que o consumo de Ca2+ na reação com aditivos orgânicos, retarda a
P P
formação de um núcleo cristal de CH que dispara o início da geração de calor de

hidratação ou retarda a taxa de formação de cristais.
2.1.4. Os Aditivos Minerais
A função dos aditivos minerais é similar à dos aditivos químicos, porém

com a propriedade de serem adicionados em substituição, parcial ou integral, ao
cimento, a fim de alterar suas propriedades térmicas, físicas, químicas e mecânicas.
Seus efeitos são os mesmos, independentemente de serem adicionados ou de já
constituírem o cimento Portland composto, e incluem a melhora da resistência à
fissuração térmica devido ao baixo calor de hidratação, aumento das resistências, maior
durabilidade a ataques químicos em função da baixa alcalinidade e maior
impermeabilidade dos poros [9].
Em um cimento composto contendo vários materiais pulverulentos que
podem, mais tarde, alterar a interdependência entre as reações, não é possível garantir
que os efeitos da hidratação possam ser previstos, separadamente, do calor acumulado
global do sistema, especialmente porque a temperatura se altera de várias formas [1].
Hoje, uma variedade considerável de materiais pulverulentos, incluindo Escória de Alto
Forno, Cinzas Volantes, pó de Pedra Calcária, Fumo de Sílica e agentes de expansão,
são usados como aditivos minerais.
Segundo METHA [9], os aditivos minerais são classificados em:
pozolânicos – como as cinzas volantes com baixo teor de cálcio; cimentantes – como
as escórias de alto forno; e cimentantes-pozolânicos – como as cinzas volantes de alto
teor de cálcio.
A Escória de Alto Forno e as Cinzas Volantes, que são objetos de estudo
neste trabalho, serão detalhadas nos itens que se seguem.
12
2.1.4.1. Escória de Alto Forno
A escória de alto-forno é um produto não metálico consistindo

essencialmente de silicatos e aluminossilicatos de cálcio, além de outras bases,
originário da produção do ferro fundido ou ferro-gusa. A escória é essencialmente
cristalina e a reatividade na fase vítrea varia com a história térmica do material. Amplas
variações na finura também são produzidas. Sua constituição química tem a forma de
melilita cristalina (solução sólida de C2AS-C2MS2 , onde M é MgO), que não reage com
B B B B B B
água à temperatura ambiente. É utilizada como agregado ou como aglomerante em

substituição ao cimento nos conretos.
Quando usadas como agregados, as escórias são originadas da moagem e
graduação de produtos do resfriamento lento, formando pelotas. Por este fato são
conhecidas por escórias pelotizadas, escórias expandidas ou espuma de escória. As
escórias ácidas dão origem a agregados mais densos; e as escórias básicas, a agregados
com estrutura vesicular ou celular menos densas (2000 a 2800 kg/m³). As escórias
resfriadas de forma lenta têm massa específica entre 1120 e 1360 kg/m³, valores entre a
do agregado normal e a do agregado leve estrutural. Devem ser moídas até atingir
partículas muito finas para adquirirem certa atividade cimentante e pozolânica.
A escória líquida sob alta temperatura, resfriada bruscamente com água ou
água/ar, mantém a maior parte de cal, magnésia, sílica e alumina no estado cristalino ou
vítreo. Possui uma estrutura química mais desordenada e será por isso mais reativa. As
diferenças nos teores químicos do MgO e do Al2O3 da escória não mudam drasticamente
B B B B
as suas propriedades hidráulicas. Suas partículas possuem dimensões iguais às da areia

sendo, por isso, chamada de escória granulada. Quando moídas a uma superfície
específica de 400 a 500 m²/kg, desenvolvem propriedades cimentantes satisfatórias. As
escórias granuladas moídas atuam na melhoria da durabilidade do concreto, controlando
a fissuração térmica, a expansão por reação álcali-agregado, a resistência à ação de
soluções ácidas e de sulfatos.
13
O gráfico da Figura 2.2 mostra a elevação adiabática de temperatura de

concretos elaborados com CPI (referência) e com 100% de Escória de alto forno (E100)
[27].
60 60
50 50
Elevação Adiabática de Temperatura (ºC)

40 40
CPI100 CPI100
E100 E100
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0,01 0,1 1 10 100
t (dias) t (dias)
CPI100 - Ensaio com 100% de cimento Portland comum (E-2434 – Referência)

E100 - Ensaio com 100% de Escória (E-3648)
Figura 2.2 – Gráfico comparativo da utilização de Escória pura (E100) [27].
2.1.4.2. Cinzas Volantes
As Cinzas Volantes consistem essencialmente de pequenas partículas

esféricas de vidro aluminosilicosas, que são produzidas pela combustão de carvão
pulverizado nas usinas termoelétricas. Em um processo típico de fabricação, a cinza
volante é peletizada e então sinterizada em um forno rotativo, forno vertical ou de
esteiras rotativas, a temperaturas na faixa de 1000 a 1200oC. As variações na finura e no P P
teor de carbono da cinza volante são os principais problemas no controle da qualidade

da cinza volante sinterizada. São divididas em duas categorias: baixo (<10%) e alto
(normalmente de 15 a 30%) teor de cálcio. As cinzas volantes de baixo teor de cálcio
contêm minerais cristalinos, principalmente quartzo, mulita, hematita e magnetita, que,
como não são reativos à temperatura ambiente, se presentes em grandes proporções,
tendem a reduzir a sua reatividade, em prejuízo dos constituintes não cristalinos ou
vítreos destas cinzas volantes [9]. A distribuição granulométrica das partículas, a
morfologia e as características de superfície da cinza volante exercem uma influência
considerável sobre o consumo de água, trabalhabilidade do concreto fresco, e
velocidade de desenvolvimento da resistência do concreto endurecido.
14
Durante a reação pozolânica CH-cinza volante, vários tipos de hidratos são

criados. Além da reação sílica-CH, idêntica àquela que ocorre entre a sílica do fumo de
sílica e o CH, algumas reações acontecem entre o alumínio reativo e o CH para formar
hidratos similares àqueles originados das reações de hidratação dos aluminatos do
cimento [4].
A estequiometria das reações químicas da cinza volante segundo WALLER
[4] é a seguinte:
A + 2CH + 6 H → C2 AH 8 (2.1.2)
A + 4CH + 9 H → C 4 AH13 (2.1.3)

Sabendo-se que:
C 2 AH 8 + C 4 AH 13 → 2C3 AH 6 + 9 H (2.1.4)
Podem-se reduzir estas últimas três equações a apenas uma, qual seja:
A + 3CH + 3H → C3 AH 6 (2.1.5)
Formam-se, também, alguns silicoaluminatos de cálcio hidratados:
A + S + 2CH + 6 H → C 2 ASH 8 (2.1.6)
A + xS + 3CH + ( y − 3) H → C3 AS x H y (2.1.7)
Onde x varia de 0,4 a 1,0 e, y , entre 4 e 5. Na presença de etringita, ocorre
a conversão em monossulfoaluminato:
2 A + 6CH + etringita → 3C4 AS H12 + 2 H (2.1.8)

Para que a reação pozolânica possa ocorrer, é necessário que a sílica e o
alumínio reativos estejam solubilizados, o que leva um certo tempo. Pode-se considerar
que a etringita está inteiramente transformada no momento em que a reação pozolânica
se inicia. Atende-se, assim, às equações 2.1.5 a 2.1.7, que consomem em média 2,0g de
CH e 0,7g de água por grama de alumínio reagido.
Segundo WALLER [4], um estudo refinado da reação sílica-CH irá revelar
que 1,0g de cinza volante de composição média (contendo 55% de sílica e 25% de
alumínio dos quais 75% são reativos) consome em torno de 1,0g de CH.
O consumo de água se divide em duas partes: uma quimicamente ligada da
reação alumínio-CH e; outra, adsorvida pelos produtos de C–S–H das reações de sílica-
15
CH. WALLER [4] concluiu que se torna difícil quantificar a água total consumida sem
saber a ordem de grandeza desta última parte.
É sabido que a adição de cinza volante ao cimento Portland retarda a
hidratação. SANTHIKUMAR [29], citado por MAEKAWA et al. [1], mediu a taxa de
calor de hidratação do cimento composto binário em vários teores de substituição de
cinza volante e, então, observou que o pico exotérmico correspondente à hidratação
ativa do cimento era retardado conforme o aumento na substituição de cinza volante.
Também foi visto [1] que a cinza volante tem um efeito retardador na reação da escória
tanto quanto no cimento, através do estudo da taxa de calor da reação de um compósito
de escória e cinza volante com um reagente.
A cinza volante retarda o início das reações que ocorrem entre o cimento e a
água, por isso seu efeito é considerado semelhante ao de um aditivo químico. O efeito
da adição da cinza volante em concreto pode ser observado no gráfico da Figura 2.3 a
seguir.
60 60
CPIII100 CPIII100
CPIII62 + CV38 CPIII62 + CV38
50 50
CPIII50 + CV50 CPIII50 + CV50
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0,01 0,1 1 10 100
t (dias) t (dias)
CPI100 - Ensaio com 100% de cimento Portland comum (E-4247 – Referência)

CPI62 + CV30 - Ensaio com 62% de cimento Portland comum + 30% de Cinza Volante (E-4259)
CPI50 + CV50 - Ensaio com 50% de cimento Portland comum + 50% de Cinza Volante (E-4290)
Figura 2.3 – Gráfico comparativo da utilização de Cinza Volante (CV) [27].
16
2.2 PATAMAR DE PERCOLAÇÃO
O patamar de percolação (início da pega) é uma característica física

extremamente importante já que define o momento exato a partir do qual o material
pode fissurar ou romper por compressão. Segundo ACKER [29], o estabelecimento de
uma ligação mecânica entre dois grãos constitui um acontecimento elementar; estes
aparecem inicialmente de maneira aleatória e isolada no volume; depois existe a
formação de amas (subconjuntos contínuos de grãos ligados mecanicamente); enfim a
aparição do primeiro caminho contínuo atravessando o conjunto constitui o limiar de
percolação que é a aparição do primeiro caminho contínuo de grãos mecanicamente
ligados, ligando uma face do volume à face oposta, conforme a Figura 2.4.
+++ ++++++
+++ ++++++ +++
+++
+++ ++++++ +++
+++
+++ xxxx xxxx++++++xxxx
+++ +++
+++ +++ xxxx xxxx+++ xxxx
+++ +++ xxxx xxxx+++ xxxx +++
+++ xxxx +++ xxxx
+++ xxxx +++ xxxx +++
+++ xxxx +++ xxxx +++
+++ +++ xxxx +++ xxxx
+++ +++ +++
xxxx xxxx +++
+++ +++ +++
xxxx xxxx +++
xxxx
+++
xxxx
xxxx
+++ +++ xxxx +++ xxxx +++
+++ +++ xxxx +++ xxxx xxxx +++
+++ +++ +++ xxxx
+++ +++ xxxx xxxx +++
+++
+++ +++ xxxx +++
+++ +++ xxxx +++ +++ xxxx +++ +++
xxxx xxxx
+++ xxxx +++ xxxx +++
xxxx xxxx
+++ xxxx +++ xxxx +++
+++ xxxx
+++ xxxx xxxx
+++
+++ +++ xxxx +++
+++ +++ xxxx xxxx
+++ +++ xxxx +++
+++ +++ +++ +++ xxxx
+++ +++ +++
+++ +++
+++ ++++++
+++
acontecimentos formação de “amas” patamar de

isolados percolação
Figura 2.4 – Representação esquemática das noções de teoria da percolação, segundo ACKER [29].
2.3 AS REAÇÕES DE HIDRATAÇÃO
Se considerarmos que, a partir do patamar de percolação, o fluido em que

inicialmente se constitui a mistura (cimento, brita, areia e água) se transforma em um
esqueleto com duas redes de poros (uma nanométrica e outra micrométrica), poros estes
que podem estar cheios de água ou de ar, e ainda, se considerarmos que este esqueleto é
formado, em grande parte, pelos hidratos, que são os resultados das reações da água
livre com o cimento anidro (reação de hidratação), constatamos que o esqueleto está em
evolução e podemos considerar o concreto como um meio poroso quimicamente reativo.
17
O processo de hidratação do cimento Portland é dependente de fatores

intrínsecos relacionados às reações químicas que ocorrem interdependentemente entre
as suas fases. O grau de dependência entre as reações dos minerais de clínquer ainda
deixa muitos fatos inexplicados e, até agora, é difícil avaliar quantitativamente as
possíveis causas e seus graus de influência [1]. Apesar disso, é de consenso que
concretos com cimentos de altos teores de C3S e C3A terão alta resistência inicial B B B B
somada a uma grande liberação de calor durante a sua hidratação. Por outro lado, um
concreto com alto teor de C2S irá promover uma baixa resistência inicial, alta resistência
B B
a longo prazo e, ainda, baixa liberação de calor. Foi relatado por MAEKAWA et al. [1]
que uma diferença na composição do cimento faz com que a taxa de geração de calor de
cada fase se altere durante o período de difusão.
A Figura 2.5 mostra a influência da composição (tipo) do cimento na
evolução do calor de hidratação do concreto.
60 60
50 50
40 40
30 30
20 20
CP I CP I
10 CP IV 10 CP IV
CP III CP III
0 0
0 5 10 15 20 25 30 0,01 0,1 1 10 100
t (dias) t (dias)
CP I - Ensaio com cimento Portland comum (E-2434 – Referência)

CP IV - Ensaio com cimento Portland pozolânico (E-2725)
CP V - Ensaio com cimento Portland de Alto Forno (E-3481)
Figura 2.5 – Influência do tipo de cimento na evolução do calor de hidratação [27].
Observa-se, da figura acima, que o cimento Portland de Alto Forno (CP III),
cuja composição inclui a Escória de Alto Forno, libera menos calor durante sua
hidratação do que um cimento Portland comum (CP I).
Convém lembrar que o fenômeno da hidratação é dependente da evolução
da camada de hidratos precipitados ao redor dos grãos de clínquer que, com o aumento
da sua espessura, impede cada vez mais que a água penetre através dos seus nanoporos
para combinar-se com o cimento anidro, formando, assim, novos hidratos. Os maiores
18
grãos do cimento provavelmente não alcançarão um estado completo de transformação,

mesmo a longo prazo. Quanto maior o grão de cimento, mais intenso é este fenômeno.
Portanto, pode-se afirmar que a taxa de reação por unidade de massa é maior
para partículas mais finas de cimento. A superfície específica dos pós, medida em
m2/kg, é mais influente para o cimento Portland de endurecimento precoce com
P P
alterações na composição mineral do que para o de alta resistência inicial [1].

A reação de hidratação do cimento é uma reação química exotérmica e
termoativada. Isto quer dizer que ao mesmo tempo em que os campos térmicos da
massa de concreto são alterados pela evolução da reação, a própria cinética desta reação
é alterada em função da temperatura da massa de concreto aquecida.
A evolução da reação de hidratação está diretamente relacionada à evolução
das propriedades do material como módulo de elasticidade, resistência, fluência,
retração, etc., evolução esta que pode ser denominada pelo termo “envelhecimento” do
concreto.
O processo exotérmico de hidratação em relação ao tempo pode ser
subdividido em cinco estágios, como é mostrado na Figura 2.6 abaixo.
1º pico
Conversão de
dissolução etringita em
e formação monossulfato
Evolução do calor liberado
da etringita
2º pico
V
Formação de 3º pico
II C–S–H e CH
Controle de difusão
Período dormente,
supersaturação dos
íons Ca2+
P P
IV
I III
minutos horas dias
Tempo de hidratação
Figura 2.6 – Estágios do processo de hidratação
Nos primeiros instantes (15 a 20 minutos), estágio I, o cimento começa a ser

dissolvido na água formando uma suspensão de íons, dentre os quais o Al3+ reage P P
instantaneamente com o gesso e a água do sistema, liberando uma grande quantidade de

calor, promovendo o primeiro pico exotérmico. Desta reação resulta uma camada
constituída por pequenas agulhas chamadas etringita (ver subitem 2.3.2). Quando os
19
íons de cálcio e de hidróxido alcançam concentrações críticas, a cristalização de Silicato

de Cálcio Hidratado (C–S–H) e de Hidróxido de Cálcio (CH) começa. Este advento é
seguido pelo estágio II (2 a 4 horas), chamado período dormente ou de indução, onde o
cimento ainda permanece plástico. A etringita continua sendo formada enquanto houver
gesso na forma de íons SO42– na solução, porém, de forma mais lenta, à medida que a
B PB P
camada que cobre os íons de Al3+ fica mais espessa, impedindo o seu contato com o P P
SO42– e a água. A dissolução dos minerais do cimento é concluída, aumentando a

B PB P
concentração de íons na solução. O CH cristaliza da solução e o C–S–H se desenvolve

na superfície do C3S , formando uma cobertura. A reação se transforma em difusão
B B
controlada, com o aumento de espessura dessa cobertura e do tempo que a água leva
para penetrar na mesma. O C2S hidrata a uma taxa mais lenta porque é um componente
B B
menos reativo. Por isso se nota uma baixa liberação de calor neste estágio. Com o
desaparecimento do SO42– na solução vem a instabilidade da camada de etringita,
B PB P
causando sua desintegração e dando fim ao período dormente.

O estágio III (4 a 8 horas) é marcado pela concentração crítica de íons e a
conseqüente retomada das vigorosas reações nas quais, principalmente os íons Ca2+ P P
estão envolvidos na formação e precipitação do C–S–H e do CH. A taxa máxima de

reação acontece nesta fase, promovendo uma forte liberação de calor que dá origem ao
segundo pico exotérmico. A pega chega ao final e o endurecimento se inicia.
Após o segundo pico exotérmico, ocorre a conversão da etringita em
monossulfato pela sua reação com os íons Al3+ não reagidos, consolidando o estágio IV P P
(8 a 12 horas). Os íons Al3+ remanescentes reagem formando novos hidratos que,

P P P P
juntamente com os hidratos precipitados dos íons Ca2+, formam uma proteção em torno P P
do grão de cimento, impedindo o contato da água livre com a sua parte não hidratada.
Inicia-se, assim, o último estágio, o estágio V (12 a 24 horas), também chamado
controle de difusão [1]. Neste estágio, a temperatura tem pouco efeito na hidratação.
Em contraste com os efeitos retardadores dos aditivos químicos e da cinza
volante, os componentes do cimento são provedores de íons Ca2+. Se o cimento provê P P
2+
um abundante suprimento de Ca , o efeito retardador dos aditivos terá curta duração. A P P
dissolução de Ca2+ deve variar de fase para fase. Dada a quantidade de Ca2+ e sua
P P P P
reatividade, o suprimento pelo C2S será menor do que pelo C3S. Pode, portanto, ser B B B B
deduzido que o cimento Portland de baixo calor de hidratação, com sua dissolução de
Ca2+ relativamente mais pobre, deveria ser mais propenso aos efeitos retardadores do
P P
20
que o cimento Portland comum, mesmo quando iguais quantidades de superplastificante

são adicionadas [1].
2.3.1. A Química da Hidratação dos Silicatos (C3S e C2S) B B B B
As reações de hidratação dos dois silicatos de cálcio, que compõem a maior

porcentagem do cimento Portland, são muito semelhantes, diferindo, apenas, na taxa de
reação, que no caso do C2S é muito mais baixa que a do C3S. Então, pode ser
B B B B
considerado que a hidratação do C3S domina o processo exotérmico de hidratação

B B
quando a composição química do cimento é similar à do cimento Portland comum, cuja

fração de C3S chega próximo a 50% no cimento.
B B
As reações freqüentemente indicadas para expressar a hidratação dos

Silicatos são:
2C3 S + 6H → C3 S 2 H 3 + 3CH (2.3.1)
2C 2 S + 4H → C3 S 2 H 3 + CH (2.3.2)
BENTZ e GARBOCZI [31] apresentaram as seguintes variações para estas

reações:
C3 S + 5. 3 H → C1.7 SH 4 + 1.3CH (2.3.3)

C2 S + 4 .3 H → C1.7 SH 4 + 0.3CH (2.3.4)
2.3.2. A Química da Hidratação dos Aluminatos (C3A e C4AF) B B B B
Os assim chamados materiais intersticiais, o C3A e o C4AF, são fases que se

B B B B
dissolvem rapidamente na hidratação do cimento Portland e, quando o gesso está

presente, os íons Al3+ reagem energicamente com a água e o gesso, formando uma
P P
(
camada de pequenas agulhas, chamadas etringita C3 A ⋅ 3C S ⋅ H 32 ou C6 AS 3 H 32 , como )
já abordado anteriormente, mostradas na Figura 2.7 a seguir.
21
Figura 2.7 – Agulhas de etringita
A equação 2.3.5 mostra a estequiometria de formação da etringita.
AlO4− + 3SO42− + 6Ca 2+ + xH 2 O → C3 A ⋅ 3C S ⋅ H 32 ou C 6 AS 3 H 32 (etringita) (2.3.5)
Nas primeiras idades da reação, a formação de etringita é muito rápida, mas

a sua taxa diminui à medida que o restante de C3A e de C4AF se torna coberto pelo B B B B
produto formado. É sabido que a formação de etringita se encerra quando não há mais
SO42– na fase líquida, porque o gesso foi consumido. Presume-se [1] que não há
B BP P
formação de hidratos de C3A e de C4AF enquanto existir gesso não reagido na fase
B B B B
líquida. Portanto, ao se adicionar um excesso de gesso, comparado com a quantidade de

C3A e de C4AF, a etringita continuará sendo formada e a formação de hidratos do C3A e
B B B B B B
do C4AF não ocorrerá. O desaparecimento de SO42– da fase líquida define a

B B B BP P
instabilidade da etringita e o conseqüente colapso da camada de agulhas, descobrindo

partes não reagidas. Os elementos dissolvidos a partir da desintegração da etringita
reagem com os íons restantes de C3A e de C4AF não reagidos e a água livre, facilmente
B B B B
(
se convertendo em monossulfato C3 A ⋅ C S ⋅ H 12 , que é um dos produtos finais da )
hidratação dos cimentos Portland que contêm mais de 5% de C3A, de acordo com a B B
seguinte equação:
AlO4− + SO42− + 4Ca 2+ + xH 2 O → C 4 AS H 18 (monossulfato) (2.3.6)
Os íons remanescentes destas reações, na presença de água livre, se

precipitam na forma de hidratos de aluminato de cálcio segundo a equação abaixo.
C3 A + 6 H → C3 AH 6 (2.3.7)
O calor gerado pela formação de etringita e o tempo que levam a conversão

etringita-monossulfato e a hidratação dos materiais intersticiais não reagidos
dependerão, obviamente, das quantidades adicionadas de C3A, de C4AF e de gesso. B B B B
Cerca de 3 a 5% de gesso é geralmente adicionado para retardar a hidratação

do C3A, evitando a pega extremamente rápida do cimento, e assim assegurando um
B B
22
certo período de trabalhabilidade sob condições frescas. Ele é consumido dentro de 24

horas após o início da hidratação em um cimento Portland padrão.
Os cálculos estequiométricos mais usuais são apresentados a seguir:
C 3 A + 3C S H 2 + 26 H → C 3 A ⋅ 3C S ⋅ H 32 (2.3.8)
2C3 A + C3 A ⋅ 3C S ⋅ H 32 + 4H [
→ 3 C3 A ⋅ 3C S ⋅ H 12 ] (2.3.9)
C3 A + 6 H → C 3 AH 6 (2.3.10)
C 4 AF + 3C S H 2 + 27 H → C3 ( AF ) ⋅ 3C S ⋅ H 32 + CH (2.3.11)
2C 4 AF + C 4 ( AF ) ⋅ 3C S ⋅ H 32 + 6 H [ ]
→ 3 C3 ( AF ) ⋅ 3C S ⋅ H 12 + 2CH (2.3.12)
C 4 AF + 2CH + 10 H → C3 AH 6 − C3 FH 6 (2.3.13)
Neste caso, algumas variações destes cálculos também são apresentadas,

onde a quantidade de água é o ponto principal, alterando os produtos finais da
hidratação especialmente da fase ferroaluminato. Um exemplo são os cálculos relatados
por BENTZ e GARBOCZI [31] em seus estudos, como:
C3 A + 3C S H 2 + 26 H → C3 A ⋅ 3C S ⋅ H 32 (2.3.14)
2C3 A + C3 A ⋅ 3C S ⋅ H 32 + 4H [
→ 3 C3 A ⋅ 3C S ⋅ H 12 ] (2.3.15)
C3 A + 6 H → C3 AH 6 (2.3.16)
C 4 AF + 3C S H 2 + 30 H → C 3 A ⋅ 3C S ⋅ H 32 + CH + FH 3 (2.3.17)
2C 4 AF + C 4 A ⋅ 3C S ⋅ H 32 + 12 H [ ]
→ 3 C3 A ⋅ 3C S ⋅ H 12 + 2CH + 2 FH 3 (2.3.18)
C 4 AF + 10 H → C 3 AH 6 + CH + FH 3 (2.3.19)
2.4 GRAU DE HIDRATAÇÃO
A evolução da reação química entre água e cimento pode ser avaliada

através do grau de hidratação (representado na bibliografia com ξ ou α), que constitui o
parâmetro objetivo para caracterizar a maturidade do concreto. No que diz respeito à
determinação do grau de hidratação, BYFORS [37] propôs a definição mais utilizada:
Quantidade de cimento hidratado

ξ= , ξ ∈ [0,1] (2.4.1)
Quantidade total de cimento
23
A quantidade de cimento hidratado é uma grandeza difícil de ser

caracterizada. Entretanto, é possível, por meio de uma análise de raios X, a
determinação da quantidade de cimento não hidratado em função da estrutura cristalina
do clínquer. Assim sendo, o conhecimento da composição original do cimento permite a
determinação, em qualquer tempo, da quantidade de cimento não hidratado. Pode-se
então descrever o grau de hidratação da forma seguinte:
Quantidade de cimento não hidratado

ξ= 1 − , ξ ∈ [0,1] (2.4.2)
Quantidade total de cimento
Pode-se, igualmente, atingir diretamente o grau de hidratação da seguinte

maneira:
W (t )
ξ= , ξ ∈ [0,1] (2.4.3)
W (t = ∞ )
onde
W é a quantidade de água ligada em função do tempo.
Na equação (2.4.3), dada acima, W(t = ∞) representa a quantidade de água
ligada para uma hidratação total do cimento. Um valor aproximado de W (t = ∞), citado
por LAPLANTE [38], como já foi dito, é dado por:
W(t = ∞) = 0,25 ⋅ C (2.4.4)
onde
C é a quantidade total de cimento.
Tecnicamente, é impossível extrair de um corpo de prova apenas esta água
ligada. Esta quantidade (água ligada) é então assimilada, geralmente, à quantidade de
água não-evaporável. Esta última pode ser extraída quando o corpo de prova é
submetido a uma análise termogravimétrica por aquecimento entre 105ºC e 1050ºC. A
análise termogravimétrica consiste em pesar continuamente um corpo de prova
submetido a uma temperatura crescente, geralmente linear, programada em função do
tempo. Isto permite observar a evolução de sua massa sob atmosfera controlada. As
diferentes variações de massa que se produzem durante a experiência permitem
conhecer as quantidades de água ligadas sob suas diferentes formas (ver Tabela 2.5).
24
Tabela 2.5 – Análise Termogravimétrica da água aprisionada
Temperatura (ºC) Forma em que se encontra a água
95 – 105 Água evaporável

105 – 380 Água dos hidratos de silicatos e de aluminatos
380 – 600 Água da cal hidratada
600 – 750 Descarbonatação da calcita (forma mais estável dos carbonatos de cálcio)
750 – 1000 Produtos secundários da hidratação
Uma comparação entre os graus de hidratação obtidos por meio de análise

de raios X e por determinação da quantidade de água ligada indica uma boa correlação,
provando que a quantidade de água ligada pode ser utilizada para acompanhar o
processo de hidratação [38].
Os métodos descritos até aqui são métodos diretos de determinação do grau
de hidratação. Existem, ainda, outros métodos indiretos que permitem determinar o grau
de hidratação a partir de propriedades macroscópicas, como resistência à compressão,
calor liberado, módulo de elasticidade, etc. que são relativamente fáceis e usuais no
estudo do concreto. Em todos eles a evolução de cada propriedade está ligada, com um
certo grau de acoplamento à evolução do grau de hidratação.
O calor liberado pelas reações de hidratação pode ser utilizado para a
determinação do grau de hidratação, tornando-se um parâmetro significativo para
descrever a evolução do grau de hidratação. Assim, é possível colocar a expressão:
Quantidade de calor liberado até o tempo t Q(t )

ξ= = , ξ ∈ [0,1] (2.4.5)
Quantidade de calor liberado até o tempo t = ∞ Q(t = ∞)
2.5 MODELO DE ULM E COUSSY PARA A HIDRATAÇÃO
O modelo de ULM e COUSSY [32,33,34,35] considera o concreto como

um meio poroso quimicamente reativo e é desenvolvido dentro do formalismo teórico
da termodinâmica. Nesta seção alguns conceitos são apresentados de modo a descrever
o modelo proposto para a cinética da reação de hidratação.
25
2.5.1. O Problema a ser Resolvido: evolução dos campos de temperatura e

hidratação
Dada uma massa de concreto, a descrição da evolução da reação de

hidratação é dada, de modo a considerar a exotermia e a termoativação da reação, a
partir da solução da equação de evolução dos campos térmicos em um dado volume.
Desta forma, a equação do calor no tempo, considerando-se o acoplamento termo-
químico (geração de calor de hidratação com termoativação) seguindo o quadro teórico
de acoplamentos termo-químicos, pode ser colocada sob a forma [33,34,35]:
Cε T& = Q + Lm m& + k∇ 2T (2.5.1)
Onde podem ser conhecidos os termos Cε T& = Q + k∇ 2T , como a

equação padrão de evolução dos campos térmicos, sendo:
Cε B B o calor específico a deformação constante para o concreto;
Q o fluxo de calor originário de alguma fonte de calor;
k a condutividade térmica;
T a temperatura;
Lm m& corresponde ao acoplamento termo-químico e representa a geração de
calor pela reação de hidratação (exotermia); sendo Lm , o calor latente de hidratação,
B B
positivo devido à natureza exotérmica da reação de hidratação e, m& , a velocidade da

reação representada pela velocidade com que a massa de esqueleto aumenta (derivada
de m em relação ao tempo).
O grau de hidratação, que é uma medida do avanço da reação de hidratação,
pode ser considerado como uma normalização da variável m , isto é, a variação da
massa do esqueleto:
m(t )
ξ= (2.5.2)
m∞
onde:
m∞ é o valor alcançado por m(t) no tempo t = ∞ (quando a hidratação está
B B
completa).
Visto que:
dm dξ
= m∞ ⋅ (2.5.3)
dt dt
26
podemos reescrever a equação (2.5.1) como:
Cε T& = Q + Lξ& + k∇ 2T (2.5.4)
onde: L = m∞Lm.
B B B B
A equação (2.5.4) permite, então, que seja calculado o campo de

temperaturas considerando-se a geração de calor de hidratação dada pelo termo Lξ& . É
importante notar que a velocidade da reação de hidratação dada por ξ& depende do
estado em que se encontra a reação de hidratação, ou seja, devemos escrever,
formalmente, ξ&(ξ ) . Visto que a reação de hidratação é termoativada, o estado em que se
encontra a reação de hidratação dependerá da evolução do campo de temperaturas.
A solução numérica da equação (2.5.4) implica, então, em que seja
calculado o campo das hidratações ξ para todos os passos de tempo em que será
calculado o campo de temperaturas T, ou seja, para que a equação (2.5.4) seja resolvida
é preciso que ξ&(ξ ) (cinética da hidratação) possa ser determinada para cada passo de
tempo.
2.5.2. Cinética da Hidratação ξ&(ξ )
Ao considerarmos a cinética da hidratação (ou seja, a velocidade com que a

reação se processa), podemos encarar um ensaio de elevação adiabática da temperatura
como correspondendo a “fotografias” da evolução da reação química. Visto que a
reação é termoativada, é razoável que curvas de elevação adiabática correspondentes a
diversas temperaturas iniciais dos corpos de prova tenham a forma similar às curvas
mostradas na Figura 2.8.
27
Ti alta
B
Tad – Ti (ºC)
B
B
P
P
Ti baixa
B
tempo
Figura 2.8 – Elevações adiabáticas de temperatura para diversas temperaturas iniciais (Ti).B B
O modelo de ULM e COUSSY [33,34,35] considera que o fenômeno da

hidratação é dependente da evolução da camada de hidratados que, com o seu
crescimento progressivo (Figura 2.9), impede cada vez mais que a água penetre através
dos nanoporos para se combinar com o cimento anidro e formar novos hidratos.
MICRO-
DIFUSÃO TERMO
ATIVAÇÃO
Água livre
Cimento
Anidro
Hidratos
Figura 2.9 – Evolução da reação de hidratação
Com base nos conceitos expressos acima, a equação (2.5.5) para a evolução
da massa do esqueleto, baseada na lei de Arrhenius, foi proposta [33,34,35].
dm 1 ⎛ Ea ⎞
= ⋅ A(m ) ⋅ exp⎜ − ⎟ (2.5.5)
dt η (m ) ⎝ ℜT ⎠
28
onde:
dm / dt indica a variação da massa do esqueleto (hidratos C–S–H) no
tempo, parâmetro que correspondente à cinética (velocidade) da reação de hidratação
que pode ser colocada simplificadamente como: água + cimento → hidratos;
η corresponde a alguma medida de viscosidade.
Esta viscosidade η sugere o fato de que o fenômeno que é mostrado na
Figura 2.9 é um fenômeno que, com o passar do tempo, é cada vez mais comandado
pela difusão da água na rede porosa dos nano-hidratos que se forma em torno dos grãos
de cimento anidro. Neste caso, visto que esta viscosidade aumenta com a evolução da
reação química, é razoável que se coloque η = η (m), sendo m a quantidade de
esqueleto já formado, ou ainda, η = η (ξ) , sendo 0 ≤ ξ ≤ 1 o grau de hidratação já
definido anteriormente. Lembramos que um sistema simples de amortecedor, como
mostrado na Figura 2.10, responde a uma tensão constante através da relação
constitutiva dε/dt = (1/η )σ indicando a analogia que pode ser feita entre velocidade de
deformação e velocidade de formação de massa ( dm/dt = (1/ η )A – sendo a tensão σ e,
a afinidade química A , as “forças”, no sentido termodinâmico da palavra).
σ σ
Figura 2.10 – Sistema de amortecedor simples
Ainda na equação (2.5.5), A é a afinidade química, que é o parâmetro que

indica a propensão que os reagentes têm de se combinarem quimicamente
(analogamente, na Figura 2.10, à tensão σ). Já que esta propensão deve variar com a
evolução da reação, também é razoável que se coloque A = A(m) ou ainda A = A(ξ). Ea
é a energia de ativação, considerada constante, ℜ é a constante universal dos gases –
Ea/ℜ podendo ser tomado como sendo igual a 4000K – e T é a temperatura em Kelvin.
Fazendo a mudança da variável m para ξ, usando a equação (2.5.2), a relação cinética
(2.5.5) pode ser reescrita como:
29
dξ ~ ⎛ Ea ⎞
= A(ξ ) ⋅ exp⎜ − ⎟ (2.5.6)
dt ⎝ ℜT ⎠
sendo a afinidade normalizada Ã(ξ) correspondente a:
~ A(m(ξ ))
A(ξ ) = (2.5.7)
m∞ ⋅η (ξ )
A afinidade normalizada é um parâmetro que engloba os efeitos físicos
correspondentes ao aumento da massa de hidratos, difusão, viscosidade e a afinidade
química propriamente dita. A afinidade normalizada é também a propriedade do
concreto que independe da temperatura, sendo o termo exp(–Ea/ℜT) , da equação
(2.5.6) responsável pela termoativação. Neste modelo a energia de ativação aparente
(Ea) é considerada constante ao longo do tempo.
Assim, se for possível conhecer uma curva Ã(ξ) – ξ , será possível resolver
a equação (2.5.4), já que ξ& = dξ / dt desde que, para cada passo de tempo calculem-se,
além das temperaturas T, os graus de hidratação ξ – o que é desejável – já que para a
solução do problema mecânico (ou termomecânico) os parâmetros característicos de
diversos fenômenos, como evolução da resistência, módulo de elasticidade, retração
autógena e fluência podem ser correlacionados ao grau de hidratação.
Os valores de Ã(ξ), que são uma medida intrínseca da cinética da reação,
podem ser obtidos experimentalmente, seja através de ensaios adiabáticos, seja através
de ensaios isotermos de compressão uniaxial realizados em diversas idades, como será
mostrado a seguir.
Nos itens que se seguem, a título de exemplo, a função Ã(ξ) será calculada a
partir dos dados experimentais obtidos para o ensaio de evolução adiabática da
temperatura e de evolução da resistência a compressão uniaxial, realizados no
Laboratório de Concreto do Centro Tecnológico de Engenharia Civil de Furnas Centrais
Elétricas S.A. (Goiânia-GO), para uma dosagem de concreto-massa identificada por E-
6343 [27,36].
2.5.3. Determinação da Afinidade Química Normalizada Ã(ξ) a partir de Ensaios

de Elevação Adiabática de Temperatura
Uma forma de determinar o valor de Ã(ξ) é relacionar a evolução da reação

hidratação com a quantidade de calor por ela gerado. Existem numerosas técnicas
30
laboratoriais desenvolvidas para medir o calor liberado pela hidratação do cimento. Tais
técnicas devem ser capazes de determinar a evolução da temperatura do concreto com o
tempo, devida apenas ao calor de hidratação. Normalmente, ensaios desse tipo são
realizados em equipamentos especiais, denominados calorímetros.
É possível fazer uma divisão em dois tipos básicos de calorímetros: os
calorímetros adiabáticos e os calorímetros semi-adiabáticos. Nos calorímetros
adiabáticos considera-se que a perda de calor para o meio é muito pequena e, assim, o
corpo de prova pode ser considerado isolado e a evolução da sua temperatura é toda
atribuída ao calor de hidratação. Nos calorímetros semi-adiabáticos devem ser
consideradas as perdas para o meio e, assim, uma vez conhecida a capacidade térmica
do calorímetro, é possível determinar a quantidade de calor gerada a partir da reação de
hidratação.
Com os dados do ensaio adiabático é possível obter Ã(ξ) partindo da
equação de difusão de calor que, em condições adiabáticas, apresenta um acoplamento
termo-químico linear. Neste caso a equação (2.5.4), com a consideração de que Q = 0
(não há fluxo ou geração de calor além do calor de hidratação) e ∇2T = 0 (não há P P
variação espacial da temperatura – condição adiabática), torna-se:
Cε T& ad = Lξ& (2.5.8)
Nesta equação, T& ad representa a derivada da temperatura do concreto em

condições adiabáticas e sua evolução é resultado da natureza exotérmica da reação de
hidratação.
Integrando (2.5.8) e fazendo ξ(t=0) = 0 e Tad(t=0) = T0ad , determina-se uma
P P
relação entre Tad e ξ, obtendo-se:

P P
(
ξ (t ) = T ad − T0ad ) CL
ε
(2.5.9)
Considerando, para hidratação completa, ξ = 1 e Tad = Tad(∞), onde Tad(∞)

P P P P P P
representa o valor assintótico da curva de temperatura, obtemos:

L
Cε
[
= T ad (∞ ) − T0ad ] (2.5.10)
Operando as expressões (2.5.9) e (2.5.10) chega-se à equação que determina

o histórico do grau de hidratação a partir dos valores de Tad. P P
T ad (t ) − T0ad
ξ (t ) = (2.5.11)
T ad (∞) − T0ad
31
Utilizando a expressão anterior com os dados obtidos no ensaio de elevação

adiabática da temperatura é possível obter a evolução do grau de hidratação com o
tempo.
Finalmente, substituindo (2.5.11) em (2.5.6), resulta a expressão para Ã(t):
⎛ Ea ⎞
~ 1 dT ad (t ) ⎜⎜⎝ RT ad (t ) ⎟⎟⎠
A(t ) = ⋅ ⋅e (2.5.12)
T ad (∞) − T0ad dt
As expressões (2.5.11) e (2.5.12) permitem então a obtenção da afinidade

normalizada Ã(ξ) a partir dos valores de Tad, ou seja dos valores obtidos em ensaios de
P P
elevação adiabática da temperatura.
2.5.4. Determinação da Afinidade Química Normalizada Ã(ξ) a partir de Ensaios

Isotermos de Resistência à Compressão Uniaxial
É igualmente possível determinar o grau de hidratação do material a partir

de sua resistência à compressão utilizando o acoplamento plasto-químico.
Considerando uma relação bi-linear entre a resistência e a hidratação (ver
Figura 2.11), verificada pelas pesquisas experimentais relatadas na bibliografia
[37,38,39] pode-se escrever:
⎧0 para ξ (t ) < ξ (0)

⎪
f c (t ) = ⎨ [ξ (t ) − ξ (0)] ξ (t ) > ξ (0)
(2.5.13)
⎪ f c ,∞ ⋅ 1 − ξ (0) para
⎩
onde
fc,∞
B B é a resistência do material quando a reação de hidratação se
completa, e
ξo B B representa o limiar da percolação, conforme definido no subitem
2.2.
32
fc(t)
B B
fc,∞
B B
0 ξ(0) ξ(1) ξ(t)

fc,0B B
Figura 2.11 – Relação entre fc e grau de hidratação dada pela expressão (2.5.13).
B B
Substituindo (2.5.13) em (2.5.6) obtemos uma nova expressão para Ã(t):

⎛ Ea ⎞
~ 1 − ξ (0) df c (t ) ⎜⎝ RT * ⎟⎠
A(t ) = ⋅ e para ξ > ξ (0) (2.5.14)
f c ,∞ dt
onde
T* representa a temperatura de referência na qual foram realizados os
ensaios.
Aplicando (2.5.14), é possível então obter a afinidade normalizada Ã(ξ) a
partir dos valores de fc(t), ou seja dos valores obtidos em ensaios de resistência no
B B
tempo, sob temperatura constante.
2.5.4.1. Exemplo de Cálculo da Afinidade Normalizada Ã(ξ)
Diversos exemplos de ensaios adiabáticos realizados no DCT.T/Furnas são

mostrados nos Capítulos 4 desta Tese. A Figura 2.12 ilustra os resultados experimentais
obtidos para o concreto referenciado em [27] como E-6343.
33
Evolução Adiabática da Temperatura
80.0 2.5
dTad/dt (oC/h)
T ( C)
ad o
2.25
70.0
2
60.0
1.75
50.0
1.5
40.0 1.25
1
30.0
0.75
20.0
0.5
10.0
0.25
0.0 0
0.0 2.0 4.0 6.0 8.0 10.0 12.0 14.0 16.0 18.0 20.0
Tempo (Dias)
Temperatura Adiabática Derivada da Temperatura
Figura 2.12 – Temperatura adiabática e sua derivada em relação ao tempo [27].
Os valores obtidos para a evolução isoterma a 20ºC da resistência à

compressão com o tempo para a mesma dosagem de concreto-massa E-6343 cujo ensaio
adiabático foi utilizado acima, são mostrados na Figura 2.13.
Resistência à Compressão
dRc/dt (MPa/h)
Rc (MPa)
40.0 0.75
35.0
30.0
0.5
25.0
20.0
15.0
0.25
10.0
5.0
0.0 0
0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0 90.0
Tempo (Dias)
Resistência Derivada da Resistência
Figura 2.13 – Resistência à compressão e sua derivada com o tempo [27].
34
Aplicando os dois métodos apresentados nas seções precedentes e utilizando

os dados experimentais fornecidos pelo Laboratório de FURNAS, foram calculadas as
curvas que descrevem a cinética da hidratação dadas pelos valores da afinidade. Os
resultados obtidos estão apresentados na Figura 2.14.
Afinidade Normalizada
10.0
(1/s)
5.0
0.0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Ensaio de Elevação Adiabática da Temperatura Grau de Hidatação - ξ

Ensaios de Resistência à Compressão
Figura 2.14 – Afinidade normalizada.
O valor para a relação Ea/ℜ utilizado no cálculo da afinidade normalizada

foi tomado como 4000K, com base na bibliografia [33,35,40,41,42]. Para obtenção de
resultados mais precisos torna-se necessária a determinação experimental da relação
Ea/ℜ.
Os dados do ensaio de resistência à compressão que foram aqui
apresentados não permitem o cálculo do grau de hidratação para o concreto nas
primeiras horas - deve ser observada a dificuldade de realização de ensaios à resistência
no concreto muito jovem - daí o fato de não ser possível encontrar, com estes dados, o
valor da afinidade normalizada para esse inicio de reação. No entanto, os valores
obtidos para a afinidade com os dados do ensaio de resistência, com grau de hidratação
acima 0,5, apresentaram valores próximos àqueles obtidos com o ensaio de elevação
adiabática da temperatura.
35
Esse resultado indica a natureza intrínseca da função da cinética da

hidratação Ã(ξ) e sua dependência apenas do grau de hidratação, já comprovada por
ULM e COUSSY em [33,34,35].
2.6 A ENERGIA DE ATIVAÇÃO
Para haver uma reação é necessário que haja colisão entre as moléculas dos
reagentes. Mas esta, embora necessária, não é a única condição. Outras exigências têm
que ser atendidas.
A reação HI + HI → H 2 + I 2 , por exemplo, escrita com fórmulas
estruturais
H–I H-----I H I
+ | + | ,
H–I H-----I H I
exibe uma estrutura de transição, chamada de complexo ativado, que exige

duas condições para sua existência: uma geometria de colisão favorável, Figura 2.15, e
uma energia mínima de formação, chamada energia de ativação.
H H
H H H H
+ ↔ ↔ +
I I I I I I
Figura 2.15 – Geometria favorável para a colisão das moléculas
Representando-se graficamente o caminho de uma reação no eixo das

abscissas e a entalpia (energia) H no eixo das ordenadas, obtemos gráficos do tipo
indicado na Figura 2.16 a seguir.
36
Complexo ativado Complexo ativado

H
H
Ea
reagentes produtos
Ea
∆H < 0 ∆H > 0
reagentes
produtos
caminho da reação caminho da reação
Ea = energia de ativação Ea = energia de ativação

REAÇÃO EXOTÉRMICA REAÇÃO ENDOTÉRMICA
Figura 2.16 – Tipos de reação em função da entalpia
O número de colisões efetivas ou eficazes (aquelas que ocorrem em posição

geométrica favorável à formação dos complexos ativados e com energias iguais ou
superiores à energia de ativação da reação) é mínimo em relação ao número de colisões
não efetivas, devido à probabilidade da ocorrência de uma colisão qualquer ser muito
maior. Então, a energia de ativação funciona como uma barreira para as reações
químicas.
A energia necessária para o avanço da reação, como já foi dito, é geralmente
fornecida pela energia cinética molecular. Quando a colisão entre as moléculas de
cimento e de água acontece, as moléculas propensas a reagir são as que têm uma energia
cinética mais alta do que a energia de ativação da reação. Segundo WALLER [4], a
energia de ativação aparente das reações no concreto, Ea, é de 35 a 45 kJ/mol. Podemos
obter a energia de ativação determinando a termoativação de uma reação pela medição
do efeito da temperatura na taxa de reação química [1]. Mais adiante, são mostrados
vários métodos utilizados para se obter o valor da energia de ativação do concreto.
A dependência da taxa de reação química à temperatura, que é expressa
como uma função exponencial da temperatura, representa a probabilidade da energia
cinética das moléculas ser maior do que a energia de ativação. Portanto, a energia de
ativação está associada à sensibilidade da reação à temperatura (dependência da
temperatura). Se a energia de ativação é zero, a taxa de calor de hidratação é
independente da temperatura e a reação definitivamente acontecerá quando as moléculas
colidirem. A temperatura pode ser considerada termodinamicamente como a média das
energias cinéticas das moléculas. Sob uma elevada temperatura, grandes números de
37
moléculas, cujas energias excedem a energia de ativação, são supostamente existentes

no sistema e a reação pode proceder rapidamente. A temperatura mais baixa implica que
menos moléculas têm energias cinéticas maiores do que a energia de ativação. Assim, a
reação progride relativamente de forma mais lenta. A Figura 2.17 mostra o efeito da
temperatura na energia cinética das moléculas dos reagentes.
T2 > T1 ⇒ EC > eC
T1
B B B B B B B B
B B
número de moléculas
T2
B B
eC
B B EC B B Ea energia cinética
eC = energia cinética média na temperatura T1
B B B B
das moléculas
EC = energia cinética média na temperatura T2
B B B B
Ea = energia de ativação da reação
Figura 2.17 – Efeito da temperatura nas reações químicas
Num sistema de reação simples, a reação e a liberação de calor são

interdependentes. Mas não é isto que ocorre efetivamente quando múltiplas reações são
observadas, como no cimento. A dependência da temperatura é supostamente diferente
para cada mineral, devido à diferença de reatividade entre eles e, também, para cada
procedimento de controle no processo exotérmico de hidratação, porque a
termoativação do cimento como um todo muda não-linearmente com o calor acumulado
[6]. Assim, a taxa de reação de cada fase do clínquer não pode ser considerada constante
em relação ao valor exotérmico global do cimento. Ou seja, com a diferente
dependência da temperatura de cada reação, a taxa na qual cada componente reage varia
conforme a temperatura do cimento.
Sendo a reação de cada fase do clínquer diferentemente dependente da
temperatura, é razoável esperar que a termoativação do cimento mude como um todo
com a evolução da hidratação, à medida que a quantidade de calor acumulada aumenta,
uma vez que os minerais se revezam como atores principais na reação dependendo do
status do processo de hidratação. Além disso, o processo de hidratação de cada fase
pode ser associado a diferentes níveis de termoativação [1].
38
A energia de ativação (Ea) é um parâmetro que mede a sensibilidade de uma

reação à temperatura. Assim, a consideração de um valor de energia de ativação maior
leva a superestimar a sensibilidade da reação de hidratação à temperatura, isto é, a
termoativação da reação.
Estudos recentes têm mostrado que Ea é uma característica própria de cada
mistura de concreto, e depende de alguns fatores que modificam a hidratação do
cimento, tais como: cimento (composição química, massa, finura), fator água/cimento,
aditivos químicos e adições minerais [41]. A determinação da Ea pode ser feita
experimentalmente conforme descrito, dentre outros trabalhos, em [37,41,42,44,46] e
será analisada a seguir.
Segundo COURTAULT e BRIAND [47] e PAULINI [48], citados por
CARVALHO [42], o conceito de reação química ativada não é muito fácil de ser
entendido dentro da química do cimento, em virtude do caráter espontâneo das reações
de hidratação. Ainda assim, esse conceito se mostra apropriado para o entendimento da
influência da temperatura na hidratação e conveniente para a determinação da
maturidade das argamassas e concretos.
Em função do elevado grau de complexidade das reações de hidratação do
cimento, a energia de ativação é determinada a partir de uma função que relaciona a
modificação de uma propriedade particular ao longo do tempo, a uma determinada
temperatura. Uma dessas propriedades pode ser a liberação de calor de hidratação ou o
grau de hidratação. Grande parte dos trabalhos publicados comprova que a energia de
ativação, Ea, da hidratação do cimento Portland pode ser determinada a partir das
curvas relativas entre o progresso da hidratação e o calor liberado a uma dada
temperatura [49].
Como na hidratação do cimento Portland estão envolvidas diversas reações
interdependentes, o valor da energia de ativação obtida por meio de métodos globais de
determinação, como é o caso dos métodos que utilizam o desprendimento de calor, é
chamado de energia de ativação aparente.
Segundo diversos autores, dentre os quais JAWED et al. [50], D’ALOIA e
CHANVILLARD [51] e BENAMEUR et al. [52], a energia de ativação não é constante
em todos os estágios da hidratação. No entanto, quando se procura utilizar uma lei do
tipo Arrhenius é necessário considerar o valor de Ea como um parâmetro constante [53].
39
Em [41], PINTO sugere utilizar funções de maturidade diferentes, com

diversos valores de energia de ativação aparente para os diferentes estágios da reação de
hidratação do cimento, agrupando os estágios I e II para a Ea1. B B
A Figura 2.18 ilustra esse procedimento.
Ea3 Ea4
Evolução do calor liberado
B B B B
Ea1
B B
Ea constante
Ea5
B B
II III
I IV
V
minutos horas dias
Tempo de hidratação
Figura 2.18 – Representação esquemática da variação de Ea sugerida por Pinto [41].
Outros pesquisadores têm estudado a energia de ativação das reações de

hidratação em vários estágios. JAWED et al. [50] encontraram valores de 40 kJ/mol
para a energia de ativação durante os primeiros estágios da hidratação, e 20 kJ/mol para
o período de difusão controlada. De acordo com seus estudos, tem-se que a energia de
ativação para o período de difusão controlada é duas vezes menor que no período de
intensas reações químicas (início da hidratação).
D’ALOIA e CHANVILLARD [51], utilizando ensaios calorimétricos,
encontraram valores para Ea da ordem de 38,6 kJ/mol em cimentos Portland comum
(CPI) para valores de grau de hidratação menores que 40% sendo que, além deste valor,
a energia de ativação não poderia ser considerada constante. BENAMEUR et al. [52]
estabeleceram que a energia de ativação aparente é mais ou menos constante numa
amplitude do grau de hidratação entre 5 e 50%.
Baseados em estudos utilizando diferentes tipos de cimentos Portland,
GAUTHIER e REGOURD [54] concluiram que Ea pode ser tomada como constante
durante a hidratação do concreto. Os valores encontrados pelos mesmos variam de 42 a
47 kJ/mol (dependendo do tipo de cimento). BYE [55] encontrou valores de Ea entre 40
a 50 kJ/mol para o cimento Portland.
40
Alguns modelos foram desenvolvidos com o intuito de se encontrar o valor

da energia de ativação. FREIESLEBEN e PEDERSEN [56] propuseram que Ea
depende da temperatura de cura (Tc, temperatura de cura em ºC) sendo encontrada de
P P
acordo com a seguinte equação:
( ) ( )[
Ea T c = 33500 + 1470 ⋅ 20 − T c J ⋅ mol -1 , para T c < 20°C ; ]
(2.6.1)
Ea (T ) =
c
33500 [J ⋅ mol ],
-1
para T ≥ 20°Cc
Segundo KJELLSEN e DETWILER [57], Ea varia de acordo com a

temperatura de cura e com o grau de hidratação:
⎡ ⎛ dξ ⎞ ⎤
⎢ ⎜ dt ⎟ ⎥ 1
⎝ ⎠T ⎥
Ea(T ,ξ ) = ln ⎢ ⋅ −1 ⋅ℜ (2.6.2)
⎢ ⎛ dξ ⎞ ⎥ Tr − T −1
⎢ ⎜⎝ dt ⎟⎠ ⎥
⎣ Tr ⎦
onde:
ξ é o grau de hidratação;
T é a temperatura do concreto (K);
Tr é a temperatura de referência (K);
B B
ℜ é a constante universal dos gases (8,3144 J⋅mol–1⋅K–1). P P P P
KIM et al. [58] propuseram que Ea varia segundo o tempo, grau de

hidratação e temperatura de cura, através de uma função não-linear dada por:
Ea = Ea0 ⋅ exp(− α t ) (2.6.3)

onde:
Ea0 = 42830 − 43 ⋅ T c (J⋅mol–1); P P
α = 0,00017 ⋅ T c (constante);
Tc é a temperatura de cura em ºC;
P P
t é o instante de tempo (segundos).

Pode-se determinar Ea experimentalmente através de testes isotermos de
resistência à compressão conforme a ASTM C 1074 – 98 [59], citada em [41,42,46], ou
ainda, através de testes de calor em condições adiabáticas, referenciados por D’ALOIA
e CHANVILLARD [51], ou isotérmicas [40,44,52]. Estes dois últimos métodos citados
são similares, diferenciando-se no modo de obter as curvas de calor gerado pela reação
de hidratação no tempo com históricos de temperatura diferentes.
41
2.7 CALOR ESPECÍFICO
O calor específico é um parâmetro físico que expressa a capacidade de um

material armazenar calor. O calor específico corresponde à quantidade de calor
necessária para elevar em um grau a temperatura de uma unidade de massa. Valores
típicos do calor específico para concretos normais estão entre 0,84 e 1,26 kJ/(kg⋅K)
[27,60]. Um procedimento de ensaio para determinação experimental do calor
específico é descrito em detalhe por ANDRADE et al. [27]. Nesta referência estão
listados os principais fatores que influenciam o calor específico do concreto. São eles:
- Temperatura: o calor específico aumenta com a temperatura;
- Grau de Saturação: o calor específico aumenta consideravelmente
devido ao acréscimo de umidade, atingindo um valor máximo para o concreto saturado;
- Volume de agregado graúdo: o calor específico diminui com o aumento
do volume de agregado graúdo;
- Composição mineralógica do agregado: o calor específico é pouco
alterado pela composição mineralógica;
- Densidade: o calor específico do concreto aumenta com a diminuição da
densidade do concreto.
O calor específico dos constituintes do concreto e, numa escala mais
reduzida, dos componentes minerais do cimento, tem grande influência nas reações
químicas de hidratação dos aglomerantes.
Quando o concreto endurece em condições adiabáticas ocorrem dois efeitos
que podem alterar o calor específico:
1. A transformação do cimento e das pozolanas em produtos de hidratação
conduzem a uma diminuição do calor específico, essencialmente por causa da
diminuição da quantidade de água livre. BREUGEL [61] também afirma que o calor
específico é fortemente influenciado pela umidade do concreto e por sua densidade, de
modo que, para a mistura fresca e concretos saturados por água, são encontrados valores
maiores para o calor específico, enquanto que, para concretos mais secos e leves
encontram-se valores menores.
2. A elevação de temperatura, por si só, cria um aumento significativo do
calor específico (acima de 10% entre 10 e 80oC).
P P
42
Em geral, o calor específico sofre muito pouca alteração quando os dois

efeitos são somados. Assim sendo, ANDRADE et al. [27] citam o US BUREAU OF
RECLAMATION [43] para afirmar que a idade do concreto não influi em seu calor
específico. Também, segundo BASTIAN e KHELIDJ [62], o calor específico
permanece constante com a evolução do material.
Valores típicos de calor específico são dados na Tabela 2.6 para os mais
usuais componentes do concreto obtidos pelo Laboratório de FURNAS [27] e por
WALLER [4].
Tabela 2.6 – Calor específico dos constituintes do concreto a 20ºC [4(*),27] P P
Calor específico (J⋅kg–1⋅K–1) P P P P
Constituintes
Cith B PB P Concreto
Agregado silicoso 730(*) P P ⎯

Água 4190 (*)
P P ⎯
Areia quartzosa 795 ⎯
Argamassa – traço 1:1 – a/c = 0,40 1259 ⎯
Basalto 723 1005
(*) 992
Calcário 840 P P / 783
Calcário Dolomítico 890(*) P P ⎯
Cimento Portland anidro 760 (*)
P P / 661 ⎯
Cinza Volante - Classe F 730 (*)
P P ⎯
Dolomito 854 1026
Fumo de sílica 730(*) P P ⎯

Granito 733 980
Pasta – a/c = 0,40 1469 ⎯

Quartzito 758 971
Riolito 800 992
2.8 DIFUSIVIDADE E CONDUTIVIDADE TÉRMICAS
A Difusividade Térmica e a Condutividade Térmica são duas propriedades

térmicas do concreto que, juntamente com o Calor Específico, compõem importantes
parâmetros para os cálculos das temperaturas de estruturas constituídas pelo material.
A Condutividade Térmica é a capacidade do concreto em conduzir calor e é
definida como a velocidade de fluxo de calor através de uma espessura unitária, por
uma área unitária, entre as faces justapostas de dois materiais submetidos a diferentes
temperaturas unitárias.
43
A Difusividade Térmica é a capacidade de difusão de calor do concreto em

todas as direções da estrutura e indica sua facilidade ou não de sofrer variações de
temperatura. Normalmente, a Difusividade é calculada a partir dos valores obtidos por
ensaios para a Condutividade, o Calor Específico e a Densidade do concreto, conforme
a equação (2.8.1) a seguir:
k
h2 = (2.8.1)
γ ⋅C
onde
h2 P P é a Difusividade Térmica (m2⋅s–1 ou m2⋅dia–1);
P P P P P P P P
k é a Condutividade Térmica (J⋅m–1⋅s–1⋅K–1 ou W⋅m–1⋅K–1); P P P P P P P P P P
γ é a Densidade (kg⋅m–3); P P
C é o Calor Específico (J⋅kg–1⋅K–1); P P P P
Segundo o U.S. BUREAU OF RECLAMATION [43], a idade do concreto

não influencia nem na Difusividade, nem na Condutividade Térmica do concreto, sendo
as diferenças de valores relativas a idades iguais a 3, 7, 14, 28, 60 e 180 dias menores
que os prováveis erros experimentais. Os fatores influentes e suas respectivas ações na
Difusividade e Condutividade Térmicas são mostradas na Tabela 2.7.
Tabela 2.7 – Fatores influentes na Difusividade e Condutividade Térmicas do concreto [27,43].
Efeito
Fator
DifusividadeTérmica Condutividade Térmica
Agregado graúdo ♦ Amplas variações para diferentes tipos ♦ Variações para diferentes tipos
litológicos de agregados; litológicos de agregados;
♦Aumenta com o aumento da dimensão ♦ Diminui com o aumento da massa
máxima do agregado; específica do agregado;
♦ Variações para diferentes procedências de ♦Aumenta com o aumento da dimensão
agregados com mesmos tipos litológicos; máxima do agregado;
♦ Aumenta com o aumento de volume de ♦
agregado.
Fator a/c ♦ Reduz com o aumento do Fator a/c. ♦ Reduz com o aumento do Fator a/c.
Emprego de ♦ Diminui com o aumento de material
material isolante isolante.
Temperatura ♦ Aumenta com o aumento da temperatura. ♦ Para temperaturas crescentes, a
condutividade aumenta para concretos com
agregados de menor condutividade e pouco
varia para concretos com agregados com
maior condutividade.
Teor de Ar ♦ Reduz com o aumento de ar incorporado.
Incorporado
Tipo de Cimento ♦ Variações para diferentes tipos de ♦ Variações para diferentes tipos de
cimento. cimento.
Grau de saturação ♦ Aumenta com o aumento do grau de
do concreto saturação do concreto.
44
Capítulo 3 – Aspectos de Modelos de Dados:
Introdução às Redes Neurais
Artificiais (RNAs)
Os textos inseridos neste capítulo se baseiam principalmente nas Notas de

Aula da disciplina COC786 [63], do Programa de Engenharia Civil da COPPE/UFRJ, e
da disciplina IA353 [64], da Unicamp/FEEC/DCA.
3.1. INTRODUÇÃO
Redes Neurais Artificiais (RNAs) são técnicas computacionais em sistemas

paralelos distribuídos compostos por unidades simples de processamento (neurônios)
que apresentam um modelo matemático (normalmente não-linear) inspirado na estrutura
neural de organismos inteligentes e que adquirem conhecimento através da experiência.
O procedimento usual na solução de problemas com RNAs passa inicialmente por um
processo de aprendizagem, no qual é apresentado um conjunto de exemplos à rede que
extrai automaticamente características necessárias para fornecer respostas coerentes a
dados não-conhecidos. A capacidade de aprender e generalizar a informação aprendida
é o principal atrativo das RNAs que, muito mais do que simplesmente mapear relações
de entrada e saída, são capazes de extrair informações não-explicitadas nos exemplos,
com auto-organização e processamento temporal.
Uma RNA é um modelo matemático que possui parâmetros que podem ser
ajustados, através de um treinamento, para que a rede tenha um comportamento
desejado. A rede treinada é capaz de reconhecer os padrões “aprendidos”, a partir de
uma entrada semelhante.
3.2. BASE BIOLÓGICA
O cérebro desempenha funções como controle motor, percepção, intuição,

reconhecimento de padrões, adivinhações, etc., sendo que os neurônios são
considerados como unidades básicas de processamento do cérebro. O cérebro de um
45
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
mamífero pode conter muitos bilhões de neurônios, sendo que o cérebro humano possui
cerca de 1011 neurônios.
P P
O sistema nervoso é responsável por suprir o organismo de informações

sobre o ambiente no qual ele habita através de entradas sensoriais. Estas informações
são processadas, comparadas com experiências passadas e transformadas em ações
adequadas ou absorvidas na forma de conhecimento. O sistema nervoso pode estar
organizado em diferentes níveis: moléculas, sinapses, camadas, mapas, sistemas e os
neurônios, especialistas em processamento de sinais, que são facilmente identificáveis
no sistema nervoso.
Os neurônios biológicos estão conectados uns aos outros através de
conexões sinápticas (a terminação do axônio de um neurônio e o dendrito de outro),
através das quais os impulsos nervosos são transmitidos entre si. Alguns estudiosos
afirmam que a capacidade das sinapses de serem moduladas é a chave principal para
todos os processos cognitivos que o cérebro realiza.
Os neurônios são formados pelos dendritos, que são um conjunto de
terminais de entrada, pelo corpo central, e pelos axônios que são longos terminais de
saída, como mostra a Figura 3.1.
Figura 3.1 – Constituintes da célula neuronal – esquema
Os neurônios processam e transmitem informação por vários mecanismos

bioquímicos, incluindo-se aí os canais iônicos, que são pequenas aberturas nas suas
membranas celulares. Eles permitem o fluxo de entrada e saída de correntes elétricas, a
geração e a propagação de potenciais de ação, e a liberação de neurotransmissores.
46
Artificiais (RNAs)
Assim, o cérebro pode se adaptar às várias situações devido ao fato de que a efetividade
da transmissão de sinais pode ser modulada.
Os impulsos recebidos por um neurônio “A”, em um determinado momento,
são processados, e atingindo um dado limiar de ação, o neurônio “A” dispara,
produzindo uma substância neurotransmissora que flui do corpo celular para o axônio,
que pode estar conectado a um dendrito de um outro neurônio “B”. O neurotransmissor
pode diminuir ou aumentar a polaridade da membrana pós-sináptica, inibindo ou
excitando a geração dos pulsos no neurônio B. Este processo depende de vários fatores,
como a geometria da sinapse e o tipo de neurotransmissor.
Em média, cada neurônio forma entre mil e dez mil sinapses. O número de
sinapses em um ser humano é de mais de 1014, possibilitando a formação de redes muito
P P
complexas.
3.3. BREVE HISTÓRICO
Um histórico resumido sobre Redes Neurais Artificiais deve começar por

três das mais importantes publicações iniciais, desenvolvidas por: MCCULLOCH e
PITTS – 1943 [65], HEBB – 1949 [66], e ROSEMBLATT – 1959 [67]. Estas
publicações introduziram o primeiro modelo de redes neurais simulando “máquinas”, o
modelo básico de rede de auto-organização, e o modelo Perceptron de treinamento
supervisionado, respectivamente.
Alguns históricos sobre esta disciplina não se referem aos anos 60 e 70 e
indicam um reinício das pesquisas com a publicação dos trabalhos de HOPFIELD [68]
relatando a utilização de redes simétricas para otimização e de RUMELHART et al.
[69] que introduziram o poderoso método “Retropropagação” (backpropagation). A
retomada do interesse nesta linha de pesquisa se deu em função de dois outros fatores: o
avanço tecnológico, principalmente da microeletrônica, que vem permitindo a
realização física de modelos de nodos e sua interconexão de um modo antes
impensável; e o fato de a escola simbolista, a despeito de seu sucesso na solução de
determinados tipos de problemas, não ter conseguido avanços significativos na
resolução de alguns problemas simples para um ser humano.
47
Artificiais (RNAs)
3.4. ESQUEMA DAS RNAs
Uma RNA é composta por várias unidades de processamento (neurônios),

cujo funcionamento é bastante simples. Essas unidades, geralmente são conectadas por
canais de comunicação que estão associados a determinado peso. As unidades fazem
operações apenas sobre seus dados locais, que são entradas recebidas pelas suas
conexões. O comportamento inteligente de uma Rede Neural Artificial vem das
interações entre as unidades de processamento da rede. Uma grande rede neural
artificial pode ter centenas ou milhares de unidades de processamento.
O elemento computacional básico fundamental empregado na maioria das
RNAs é um integrador (elemento processador de informações). Podemos identificar três
componentes básicos no processamento de uma unidade de uma RNA:
1. Um conjunto de conexões (sinapses), que representam os dendritos do
modelo biológico, onde cada conexão é associada a um parâmetro que determina o peso
da conexão. Na primeira etapa do processamento de uma unidade j, um sinal de entrada
ui é multiplicado pelo parâmetro θij que define o peso desta conexão.
B B B B
2. Integração dos sinais de entrada (junção somadora) ponderados pelos

pesos das conexões; esta parte do processamento representa o corpo celular do modelo
biológico. O resultado é um valor chamado de “valor de ativação”.
3. Função de ativação (que representa o axônio do modelo biológico), que
é aplicada sobre o valor de ativação obtido na saída da integração. A saída de cada
unidade da rede, assim como o comportamento da rede como um todo, varia de acordo
com a definição da função de ativação. A função de ativação é geralmente utilizada com
dois propósitos: limitar a saída do neurônio e introduzir não-linearidade no modelo.
3.5. NEURÔNIOS ARTIFICIAIS
No neurônio biológico, os sinais de entrada chegam através de canais

localizados nas sinapses, permitindo a entrada e saída de íons. Um potencial de
membrana aparece como resultado da integração dos sinais de entrada, que irão
determinar se o neurônio irá produzir um sinal de saída (spike, pulso, ou potencial de
ação) ou não. O potencial de ação resulta na liberação de neurotransmissores na sinapse
sempre que o potencial de membrana for superior a um determinado limiar (threshold).
48
Artificiais (RNAs)
O efeito líquido de todos estes processos biológicos que ocorrem nas

sinapses é representado por um peso associado.
A seguir descrevemos dois tipos de neurônios artificais: o mais clássico,
proposto por MCCULLOCH e PITTS [63]; e o mais utilizado, chamado de Genérico.
3.5.1. O Neurônio de McCulloch e Pitts – MCP
Este é considerado o modelo mais clássico de neurônio, onde o modelo

matemático, que é capaz de resolver apenas problemas linearmente separáveis, é
composto por n terminais de entrada x1, x2,..., xn (que representam os dendritos) e apenas
B B B B B B
um terminal de saída y (representando o axônio). A operação de uma unidade de

processamento, proposta por MCCULLOCH e PITTS [63] em 1943, pode ser resumida
da seguinte maneira:
- Sinais são apresentados à entrada;
- Cada sinal é multiplicado por um número, ou peso, que indica a sua
influência na saída da unidade;
- É feita a soma ponderada dos sinais que produzem um nível de atividade;
- Se este nível de atividade exceder um certo limiar (threshold – θ), a
unidade produz uma determinada resposta de saída.
Função de F(u)
ativação
x1 u y
x2
Σ f(u)
Saída
Junção
somadora θ u
Figura 3.2 – Esquema de unidade MCCULLOCH e PITTS [63]
O modelo é apresentado a seguir:
⎛ m ⎞
yk = f (u k ) = f⎜
⎜ ∑w kj ⋅ xj ⎟
⎟ (3.5.1)
⎝ j =1 ⎠
Onde os parâmetros wkj representam os pesos das conexões sinápticas; o
B B
valor u é chamado ativação e f é a função de ativação [65].
49
Artificiais (RNAs)
3.5.2. O Neurônio Genérico
Pesos das bk ← Limiar (bias)

conexões
x1
wk1 Função de
ativação
x2
wk2
Entradas
uk yk
.
. Σ f(uk)
. wkm Saída
Junção
xm somadora
Figura 3.3 – Representação de um neurônio de uma RNA
Nesta representação, o primeiro subscrito k do peso sináptico wkj B B
corresponde ao neurônio pós-sináptico, e o segundo (j), à sinapse ligada a ele. A junção

somadora reúne todos os sinais de entrada ponderados pelos pesos das conexões.
Arranjando os vetores de entrada e de pesos como vetores coluna, esta operação
corresponderá ao produto interno do vetor de entradas x pelo vetor de pesos wk, mais o B B
limiar (bias) bk, ou seja, uma combinação linear das entradas com os pesos associados,
B B
mais o limiar bk. O limiar bk tem o papel de aumentar ou diminuir a influência do valor
B B B B
da entrada líquida para a ativação do neurônio k.
3.6. FUNÇÕES DE ATIVAÇÃO
A função de ativação define as propriedades computacionais de um

neurônio. Diversas funções podem ser utilizadas como funções de ativação como, por
exemplo, a função linear, a função degrau, as funções sigmóides e as funções de base
radial. O exemplo mais simples são as funções semilinear e linear, ilustradas nas
Figuras 3.4 e 3.5, definidas como:
⎧1 se pu k ≥ 1
⎪
yk = f (u k ) = ⎨ pu k se 0 < pu k < 1 (3.6.1)
⎪0 se pu ≤ 0
⎩ k
50
Artificiais (RNAs)
sendo p o parâmetro que define a inclinação da “rampa” (coeficiente

angular).
f(u) 1.2 f(u) 1.6

1.4
1
1.2
0.8
1
0.6 0.8
0.4 0.6
0.4
0.2
0.2
0
0
-0.2 -0.2
-0.5 0 0.5 1 1.5 -0.5 0 0.5 1 1.5
u u
Figura 3.4 – Função semilinear e sua derivada em relação à entrada interna.
⎛ m ⎞
yk = f (u k ) = f⎜
⎜ ∑ wkj ⋅ x j ⎟
⎟ (3.6.2)
⎝ j =1 ⎠
f(u) 5 f(u) 5
0 0
-5 -5
-5 0 5 -5 0 5
u u
Figura 3.5 – Função linear e sua derivada em relação à entrada interna.
51
Artificiais (RNAs)
Outra função de ativação é a função lógica ou threshold (Figura 3.6):
⎧0 se u k < bk
yk = f (u k ) = ⎨ (3.6.3)
⎩1 se u k ≥ bk
f(u) 2
0
bk
-1
-2
-5 5
u
Figura 3.6 – Função lógica ou threshold.
onde o parâmetro bk determina o ponto de transição ou limiar (bias) do

B B
neurônio. O ponto de transição pode ser integrado ao modelo do neurônio (3.5.1) como:
⎛ m ⎞
yk = f (u k ) = f⎜
⎜ ∑ wkj ⋅ x j + bk ⎟
⎟ (3.6.4)
⎝ j =1 ⎠
A função de ativação lógica não é contínua em bk = uk , o que dificulta a B B B B
utilização de algoritmos eficientes de treinamento. A versão contínua da função de

ativação lógica é a função sigmóide encontrada em diversas aplicações de RNA. Um
exemplo deste tipo de função muito utilizado é a função logística (Figura 3.7), definida
pela equação (3.6.5):
1
yk = f (u k ) = (3.6.5)
1 + e − puk
52
Artificiais (RNAs)
f(u) 1.2 f(u) 1.2
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
-0.2 -0.2
-5 0 5 -5 0 5
u u
Figura 3.7 – Função sigmóide (ou logística) e sua derivada em relação à entrada interna.
onde o parâmetro p modifica a derivada da função sigmóide nas vizinhanças

do ponto uk = 0 e serve para ajustar a “velocidade” da transição. No limite tem-se:
B B
1 ⎧0, u k < 0
lim y = ; lim y = ⎨ (3.6.6)
p →0 2 p →∞
⎩1, u k ≥ 1
A função de ativação sigmóide (3.6.5) limita a saída de um neurônio no
intervalo [0,1], de forma que os valores das unidades de saída da rede podem ser
interpretados como graus de pertinência em problemas de reconhecimento de padrões.
Outra vantagem da função de ativação sigmóide é que sua derivada pode ser calculada
facilmente como:
∂y
= pu k ⋅ (1 − u k ) > 0 (3.6.7)
∂u k
53
Artificiais (RNAs)
Entretanto, outras funções de ativação, como a gaussiana (Figura 3.8),

também podem ser utilizadas:
f (uk ) = e − uk
2
yk = (3.4.10)
f(u) 1.2 f(u) 1.2
0.8
0.6
0
0.4
0.2
-0.2 -1.2
-5 0 5 -5 0 5
u u
Figura 3.8 – Função gaussiana e sua derivada em relação à entrada interna.
3.7. PRINCIPAIS ARQUITETURAS DE RNAs
A arquitetura de uma RNA é um fator preponderante na restrição do tipo de

problema que a rede pode resolver. Redes com uma camada única de nodos MCP
(MCCULLOCH e PITTS), por exemplo, são capazes de resolver apenas problemas
linearmente separáveis. Redes recorrentes, por sua vez, são mais apropriadas para
resolver problemas que envolvem processamento temporal.
A Figura 3.9 apresenta uma categorização segundo o tipo de treinamento, a
estrutura, a topologia da rede e o algoritmo de treinamento utilizado. Pode-se observar
que um grande número de arquiteturas podem ser encontrados, mas usualmente utiliza-
se para problemas de engenharia o Treinamento Supervisionado, a Estrutura em
Camadas, a Topologia de Múltiplas Camadas e o Algoritmo da Retropropagação,
que é o utilizado na presente Tese.
54
Artificiais (RNAs)
Treinamento Estrutura Topologia Algoritmo
RTRL
Multi-Layer Recorrente BP
Boltzman BPTT
Recorrente
ART ART MAP
Competitive LVQ
Treinamento
Supervisionado
Madaline
Multi-Layer
Backpropagation
Camadas
Adaline
Single Layer
Perceptron
Kohonen
SOM
Willshaw,
Malsberg
Memória
Hopfield
Associativa
Recorrente
ART1
ART
ART2
Treinamento não
Supervisionado Vector
Competitive Quantization
Multi-Layer Linker
Camadas
Sanger
Single Layer
Oja
Clustering and
Prob NN
Bayesian
Treinamento
Camadas
Híbrido
Clustering and
RBF
Least Squares
Figura 3.9 – Categorização de redes neurais
Introduzido por ROSEMBLATT [67] em 1959, o Perceptron é a arquitetura

mais simples de rede neural, constituído por apenas um neurônio com pesos ajustáveis,
o bias, o que o diferencia do neurônio MCCULLOCH-PITTS (função de ativação
tipo degrau), sendo capaz de classificar padrões linearmente separáveis. Seu algoritmo
de aprendizagem foi o primeiro modelo de treinamento supervisionado.
55
Artificiais (RNAs)
3.7.1. Redes em Camadas
A estrutura é formada por neurônios organizados em camadas, de forma que

os neurônios de uma camada estão conectados aos neurônios da camada seguinte.
Usualmente as camadas são classificadas em três grupos:
- Camada de Entrada: onde os padrões são apresentados à rede;
- Camadas Intermediárias ou Escondidas: onde é feita a maior parte do
processamento, através das conexões ponderadas; podem ser consideradas como
extratoras de características;
- Camada de Saída: onde o resultado final é concluído e apresentado.
3.7.2. Redes Perceptron de Múltiplas Camadas (MLP)
É a estrutura mais utilizada em aplicações de RNA. Neste tipo de rede, as

funções de ativação são não-lineares e diferenciáveis para que o gradiente possa ser
calculado direcionando o ajuste dos pesos. Caso contrário, apesar de ser multicamadas,
a rede se igualaria a uma rede de uma só camada. A maioria delas é também não-
decrescente e a mais utilizada é a sigmoidal logística
1
yk = f (u k ) = uk , (3.4.11)
−
1+ e p
onde o parâmetro p determina a suavidade da curva.
f(u) 1.2 f(u) 0.2
1 0
0.8 -0.2
0.6 -0.4
0.4 -0.6
0.2 -0.8
0 -1
-0.2 -1.2
-5 0 5 -5 0 5
u u
Figura 3.10 – Função sigmoidal logística e sua derivada em relação à entrada interna.
56
Artificiais (RNAs)
Na maior parte das aplicações, utiliza-se a estrutura com três camadas

mostrada na Figura 3.11. No caso geral, mais camadas intermediárias podem ser
colocadas entre a camada de entrada e a camada de saída.
.
u(t) . y(t)
.
. .
.
.
.
.
u1(t)
B B
Figura 3.11 – Estrutura em camadas com uma camada escondida
Foi relatado que uma camada intermediária é suficiente para aproximar

qualquer função contínua. Já duas ou mais camadas são suficientes para aproximar
qualquer função matemática. Porém um excesso de camadas pode ser prejudicial ao
treinamento da rede, pois cada vez que o erro medido durante o mesmo é propagado
para a camada anterior, ele se torna menos útil e preciso.
Para o número de neurônios, a quantidade adequada depende de vários
fatores como: número de exemplos de treinamento, quantidade de ruído presente nos
exemplos, complexidade da função a ser aprendida, distribuição estatística dos dados de
treinamento, etc., para se evitar overfitting (excesso de nodos - a rede memoriza os
padrões de treinamento, em vez de extrair as características gerais para a generalização
ou o reconhecimento de padrões não vistos durante o treinamento) ou underfitting (a
rede não converge durante o seu treinamento).
3.7.3. Algoritmo da Retropropagação (Backpropagation)
Durante o treinamento com o algoritmo da Retroprogapação, a rede opera

em uma seqüência de dois passos. Primeiramente, um padrão é apresentado à camada de
entrada da rede. A atividade resultante flui através da rede, camada por camada, até que
57
Artificiais (RNAs)
a resposta seja produzida pela camada de saída. No segundo passo, a saída obtida é
comparada à saída desejada para esse padrão particular. Se esta não estiver correta, o
erro é calculado. O erro é propagado a partir da camada de saída até a camada de
entrada, e os pesos das conexões das unidades das camadas internas vão sendo
modificados conforme o erro é retropropagado.
3.8. PROCESSOS DE APRENDIZAGEM
A propriedade mais importante das redes neurais é a habilidade de adaptar-

se ao seu ambiente, de acordo com regras pré-existentes, e com isso melhorar seu
desempenho. Isso é feito através de um processo iterativo de ajustes aplicado a seus
pesos, à aprendizagem, ou ao treinamento.
No contexto de RNAs, aprendizagem ou treinamento corresponde ao
processo de ajuste dos parâmetros livres da rede através de um mecanismo de
apresentação de estímulos ambientais, conhecidos como padrões (dados) de entrada e de
treinamento. Os parâmetros livres correspondem apenas aos pesos sinápticos, no caso
de redes mais simples e tradicionais.
A aprendizagem ocorre quando a rede neural atinge uma solução
generalizada para uma classe de problemas, apresentando um modelo implícito do
sistema proposto.
Denomina-se algoritmo de aprendizagem a um conjunto de regras bem
definidas para a solução de um problema de treinamento. Existem muitos tipos de
algoritmos de aprendizagem específicos para determinados modelos de redes neurais,
estes algoritmos diferem entre si principalmente pelo modo como os pesos são
modificados.
Outro fator importante é a maneira pela qual uma rede neural se relaciona
com o ambiente. Nesse contexto existem os seguintes paradigmas de aprendizagem:
- Aprendizagem Supervisionada, quando a resposta correta do conjunto
de treinamento é conhecida;
- Aprendizagem Não Supervisionada (auto-organização), quando saída
correta não é conhecida e o treinamento da rede busca encontrar alguma relação
embutida no conjunto de treinamento;
58
Artificiais (RNAs)
- Aprendizagem por Reforço, quando um crítico externo avalia a

resposta fornecida pela rede.
Denomina-se ciclo uma apresentação de todos os n pares (entrada e saída)
do conjunto de treinamento no processo de aprendizagem. A correção dos pesos num
ciclo pode ser executada de dois modos:
1. Modo Padrão: A correção dos pesos acontece a cada apresentação à rede
de um exemplo do conjunto de treinamento. Cada correção de pesos baseia-se somente
no erro do exemplo apresentado naquela iteração. Assim, em cada ciclo ocorrem n
correções.
2. Modo Batch: Apenas uma correção é feita por ciclo. Todos os exemplos
do conjunto de treinamento são apresentados à rede, seu erro médio é calculado e a
partir deste erro fazem-se as correções dos pesos.
3.8.1. Treinamento e Utilização da Rede MLP
O treinamento supervisionado da rede MLP utilizando retropropagação

consiste em dois passos. No primeiro, um padrão é apresentado às unidades da camada
de entrada e, a partir desta camada as unidades calculam sua resposta que é produzida
na camada de saída, o erro é calculado e o no segundo passo, este é propagado a partir
da camada de saída até a camada de entrada, e os pesos das conexões das unidades das
camadas internas vão sendo modificados e, desta forma, o erro vai sendo
progressivamente reduzido (ver Figura 3.12).
saída obtida
E
A
r t
i
r v
i
o d
a
d
e
padrão de entrada
Figura 3.12 – Esquema de Treinamento Backpropagation
59
Artificiais (RNAs)
Depois que a rede estiver treinada e o erro estiver em um nível satisfatório, a

mesma poderá ser utilizada como uma ferramenta para classificação de novos dados.
Para isto, a rede deverá ser utilizada apenas no modo progressivo (feedforward), ou seja,
novas entradas são apresentadas à camada de entrada que são processadas nas camadas
intermediárias. Os resultados são apresentados na camada de saída, como no
treinamento, mas sem a retropropagação do erro. A saída apresentada é o modelo dos
dados, na interpretação da rede (ver Figura 3.13).
saída obtida
A
t
i
v
i
d
a
d
e
padrão de entrada
Figura 3.13 – Utilização de rede MLP após o seu treinamento
3.8.2. Desenvolvimento de Aplicações
3.8.2.1. Coleta de Dados e Separação em Conjuntos
Os dois primeiros passos do processo de desenvolvimento de redes neurais

artificiais são a coleta de dados relativos ao problema e a sua separação em um conjunto
de treinamento e um conjunto de testes. Esta tarefa requer uma análise cuidadosa sobre
o problema para minimizar ambigüidades e erros nos dados. Além disso, os dados
coletados devem ser significativos e devem cobrir amplamente o domínio do problema,
não devendo cobrir apenas as operações normais ou rotineiras, mas também as exceções
e as condições de contorno do domínio do problema.
Normalmente, os dados coletados são separados em duas categorias: dados
de treinamento, que serão utilizados para o treinamento da rede, e dados de teste, que
60
Artificiais (RNAs)
serão utilizados para verificar sua performance sob condições reais de utilização. Além
dessa divisão, pode-se usar também uma subdivisão do conjunto de treinamento,
criando um conjunto de validação, utilizado para verificar a eficiência da rede quanto à
sua capacidade de generalização durante o treinamento, podendo ser empregado como
critério de parada do treinamento.
Depois de determinados estes conjuntos, eles são, geralmente, colocados em
ordem aleatória para prevenção de tendências associadas à ordem de apresentação dos
dados. Além disso, pode ser necessário que estes dados sejam pré-processados, através
de normalizações, escalonamentos e conversões de formato, para torná-los mais
apropriados à sua utilização na rede.
3.8.2.2. Configuração da Rede
O terceiro passo é a definição da configuração da rede, que pode ser

dividido em três etapas:
1. Seleção do paradigma neural apropriado à aplicação.
2. Determinação da topologia da rede a ser utilizada - o número de
camadas, o número de unidades em cada camada, etc.
3. Determinação de parâmetros do algoritmo de treinamento e funções de
ativação. Este passo tem um grande impacto na performance do sistema resultante.
Existem metodologias, "dicas" e "truques" na condução destas tarefas.
Normalmente estas escolhas são feitas de forma empírica. A definição da configuração
de redes neurais é ainda considerada uma arte, que requer grande experiência dos
projetistas.
3.8.2.3. Treinamento
O quarto passo é o treinamento da rede. Nesta fase, seguindo o algoritmo de

treinamento escolhido, serão ajustados os pesos das conexões, sendo importante
considerar alguns aspectos, tais como: a inicialização da rede, o modo de treinamento e
o tempo de treinamento.
Uma boa escolha dos valores iniciais dos pesos da rede pode diminuir o
tempo necessário para o treinamento. Normalmente, os valores iniciais destes pesos são
61
Artificiais (RNAs)
números aleatórios uniformemente distribuídos em um intervalo definido. A escolha

errada destes pesos pode levar a uma saturação prematura.
Quanto à correção dos pesos, na prática é mais utilizado o modo Padrão
devido ao menor armazenamento de dados, além de ser menos suscetível ao problema
de mínimos locais devido à pesquisa de natureza estocástica que realiza. Por outro lado,
no modo Batch se tem uma melhor estimativa do vetor gradiente, o que torna o
treinamento mais estável. A eficiência relativa dos dois modos de treinamento depende
do problema que está sendo tratado.
Quanto ao tempo de treinamento, vários fatores podem influenciar a sua
duração, porém sempre será necessário utilizar algum critério de parada. O critério de
parada do algoritmo backpropagation não é bem definido, e geralmente é utilizado um
número máximo de ciclos. Mas, devem ser consideradas a taxa de erro médio por ciclo
e a capacidade de generalização da rede. Pode ocorrer que, em um determinado instante,
o treinamento convirja a uma degeneralização, causando o problema de over-training,
ou seja, a rede se especializa no conjunto de dados de treinamento e perde a capacidade
de generalização.
O treinamento deve ser interrompido quando a rede apresentar uma boa
capacidade de generalização e quando a taxa de erro for suficientemente pequena, ou
seja, menor que um erro admissível. Assim, deve-se encontrar um ponto ótimo de
parada com erro mínimo e capacidade de generalização máxima.
3.8.2.4. Teste
O quinto passo é o teste da rede. Durante esta fase o conjunto de teste é

utilizado para determinar a performance da rede com dados que não foram previamente
utilizados. A performance da rede, medida nesta fase, é uma boa indicação de sua
performance real.
Devem ser considerados ainda outros testes como análise do comportamento
da rede utilizando entradas especiais e análise dos pesos atuais da rede, pois se existirem
valores muito pequenos, as conexões associadas podem ser consideradas insignificantes
e assim serem eliminadas (prunning). De modo inverso, valores substantivamente
maiores que os outros poderiam indicar que houve over-training da rede.
62
Artificiais (RNAs)
3.8.2.5. Integração
Finalmente, com a rede treinada e avaliada, ela pode ser integrada em um

sistema do ambiente operacional da aplicação. Para maior eficiência da solução, este
sistema deverá conter facilidades de utilização como interface conveniente e facilidades
de aquisição de dados através de planilhas eletrônicas, interfaces com unidades de
processamento de sinais, ou arquivos padronizados. Uma boa documentação do sistema
e o treinamento de usuários são necessários para o sucesso do mesmo.
Além disso, o sistema deve periodicamente monitorar sua performance e
fazer a manutenção da rede quando for necessário ou indicar aos projetistas a
necessidade de re-treinamento. Outras melhorias poderão, ainda, ser sugeridas quando
os usuários forem se tornando mais familiares com o sistema. Estas sugestões poderão
ser muito úteis em novas versões ou em novos produtos.
63
Capítulo 4 – Procedimentos Experimentais e
Elaboração do Banco de Dados
Neste capítulo são apresentados alguns procedimentos de ensaios

executados no Laboratório de Concreto de Furnas e de que maneira foi estruturado o
banco de dados contendo os seus resultados, para a utilização em aplicações numéricas.
4.1. PROCEDIMENTOS DE ENSAIO
4.1.1. Análise Química do Cimento
A análise química do cimento tem sua vertente principal na NBR NM10/04

[65], que trata de disposições gerais da análise química. Entretanto, para uma análise
global se faz uso da NBR NM12/04 à NBR NM21/04 [72,73,74,75,76,77,78,79,80,81].
4.1.2. Módulo de Finura de Blaine
O módulo de finura de Blaine é obtido através do ensaio realizado em

conformidade com o que preconiza a norma NBR NM76/98 [82].
4.1.3. Elevação Adiabática de Temperatura
O ensaio de elevação adiabática de temperatura [83] é realizado em um

calorímetro adiabático, aparelho capaz de medir a elevação da temperatura do concreto
sem troca de calor com o ambiente. Os ensaios aos quais se referem esta Tese foram
realizados no calorímetro adiabático do Laboratório de Concreto do DCT.T de Furnas.
O calorímetro de Furnas foi implantado no início dos anos 80. Naquela
época, as leituras eram realizadas, uma a uma, por um técnico, ou seja, era necessária a
presença de um profissional para que as leituras fossem registradas. Este fato impedia
64
Procedimentos Experimentais e Elaboração do Banco de Dados
que, em alguns ensaios, se obtivesse todas as leituras que deveriam ser realizadas. Hoje
em dia, o calorímetro já está equipado com um sistema informatizado, o que tornou
possível garantir que todas as leituras sejam efetuadas nas suas devidas datas.
4.1.3.1. Calorímetro Adiabático
O calorímetro do Laboratório de Concreto de FURNAS se constitui de uma

câmara interna a uma ante-sala, construída com dupla parede de alvenaria, com uma
camada intermediária de lã de rocha como material isolante térmico, onde será inserido
o corpo-de-prova a ser ensaiado [27]. No teto e no piso da ante-sala utilizaram-se
concretos especiais com baixa difusividade térmica. O calorímetro possui paredes, piso
e teto de madeira, com encaixe do tipo “macho-fêmea”, em duas camadas intercaladas
com manta de lã de rocha de 10cm de espessura. As portas, tanto da sala como do
calorímetro, são do tipo frigorífico. Essas câmaras contêm ar em seu interior.
Dois termômetros (sensores) de resistência elétrica de fio de cobre, tipo
Carlson, com resolução de 5ºC estão instalados na ante-sala e outros dois, com
resolução de 0,1ºC, no calorímetro, para o registro das temperaturas. Dos dois
termômetros do calorímetro, um é instalado na sua parte superior e, outro, na parede
lateral da forma onde será moldado o corpo-de-prova, na ocasião do ensaio.
Na ante-sala existe um sistema de ventilação para promover a circulação de
ar. Com a finalidade de manter uniforme a temperatura do calorímetro, foram instaladas
duas hélices; uma na parte inferior, no mesmo nível da resistência, e a outra no teto. Os
cantos, tanto da sala quanto do calorímetro, são arredondados a fim de homogeneizar
esta circulação. O sistema de ventilação deverá ser acionado desde a colocação do
corpo-de-prova.
O isolamento da câmara interna é freqüentemente aferido e, para tal, ambas
as câmaras (considerando a ante-sala como uma câmara) são aquecidas a uma
temperatura de 70ºC, sendo as resistências desligadas em seguida. São efetuadas leituras
de uma em uma hora para a verificação da sua perda de temperatura, que deve ser de, no
máximo, 2,5ºC após as 24 horas que indicam o final do procedimento. Esta verificação
poderá ser conhecida também pelo controle de estabilização da temperatura da sala do
calorímetro adiabático, procedimento este que não será abordado aqui, obedecendo ao
ciclo de verificação de 2 em 2 (dois) anos e/ou quando ocorrer troca de equipamento na
sala do calorímetro como ventiladores, motores, resistências, etc. Durante o ensaio, a
65
temperatura da ante-sala deve permanecer ligeiramente abaixo daquela do calorímetro,

o suficiente para não influenciar no controle de estabilização da temperatura deste
último. Neste caso, é necessário adotar as medições realizadas no último controle para
realização de um ensaio, ou seja, manter a diferença de temperatura da ante-sala em
relação à sala do calorímetro adiabático próxima à encontrada no seu último controle.
A Figura 4.1 mostra a ante-sala (vide, também, Figura 4.2(a)) e o
calorímetro em corte com as partes e os acessórios deles.
. .
.
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Resistência da Ante Sala

Refrigeração da Ante Sala
CP de Concreto
Termômetros
Resistência
Circulador
de Ar
. . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . .
. . . .
. . .
Figura 4.1 – Calorímetro Adiabático – Ante-sala – Corte Longitudinal [27]
4.1.3.2. Procedimento
O corpo-de-prova é moldado de uma única betonada em um molde

cilíndrico de plástico rígido, chapa de aço ou outro material que mantenha a
estanqueidade necessária, com volume de 180 a 300 litros, tampa com furos para
imersão dos termômetros de resistência elétrica, conforme NBR 12819/93 [83], com
concreto integral e ensaiado imediatamente após moldagem do mesmo. A Figura 4.2(b),
a seguir, apresenta uma foto de um corpo-de-prova inserido no calorímetro.
66
(a) (b)
Figura 4.2 – (a) Calorímetro Adiabático - vista geral da ante-sala e (b) corpo-de-prova inserido no Calorímetro. [27]
Após a moldagem, o corpo-de-prova é tampado e vedado para evitar a perda

de calor. Os termômetros (sensores) são colocados em tubos de cobre, latão ou ferro de
parede fina, situados no centro e até a meia altura do corpo de prova já posicionado na
câmara interna. Os tubos são preenchidos com óleo hidráulico fino, para melhorar a
condução do calor. Esses sensores instalados no centro do corpo-de-prova, devem ter
resolução de no mínimo 0,1ºC.
Quando se inicia o ensaio, a ante-sala e o calorímetro devem estar a uma
temperatura a mais próxima possível, não acima, da temperatura do concreto fresco que
será ensaiado. O ajuste inicial é feito manualmente, resfriando ou aquecendo as duas
câmaras. Para o aquecimento da ante-sala utilizam-se nove resistências elétricas de
750W cada. Dispõe-se de uma resistência elétrica de 750W aberta para o aquecimento
do calorímetro e, para o resfriamento das duas câmaras, de dois conjuntos frigoríficos
capazes de baixar a temperatura da sala para até 4°C. O conjunto de refrigeração e
aquecimento deve ser capaz de controlar a temperatura na faixa de 5°C a 70°C.
O calorímetro é controlado através de um painel na parte externa à ante-sala
para se evitar a entrada de pessoas para leitura e manuseio dos termômetros,
principalmente nas primeiras 24 horas. Neste período, a liberação de calor é muito
intensa e uma simples abertura da câmara externa pode influenciar no resultado do
ensaio.
À medida que se processam as reações de hidratação do cimento, o corpo-
de-prova começa a se aquecer. O calorímetro deve se aquecer na mesma quantidade e
velocidade do corpo-de-prova, de maneira a não haver troca de calor entre eles.
O ensaio efetivamente consiste em determinar a elevação adiabática da
temperatura do concreto em intervalos de uma hora durante as primeiras 24 horas, com
acompanhamento do controle automático. Depois, em intervalos de 3 horas até o final
67
do ensaio. Nos finais de semana e feriados deve ser realizada, no mínimo, uma leitura
diária até o final do ensaio. O ensaio deve ser conduzido por um período mínimo de 14
dias e máximo de 28 dias até que haja estabilização da temperatura ou até que as leituras
de temperatura se repitam por um período mínimo de 48 horas, na faixa decimal de
temperatura.
4.1.4. Outras Propriedades Térmicas
Os ensaios de caracterização das outras propriedades térmicas do concreto:

calor específico, difusividade térmica e condutividade térmica, apenas com o intuito de
informação, são realizados segundo a orientação de normas técnicas conforme a Tabela
4.1.
Tabela 4.1 – Ensaios de Calor Específico, Difusividade Térmica e Condutividade Térmica [27,43].
Ensaio Norma Técnica
Calor Específico NBR12817/93 [83]
Difusividade Térmica NBR12818/93 [85], baseado no método desenvolvido pelo U.S. Bureau of
Reclamation, com pequenas modificações [43,86].
Condutividade Térmica NBR12820/93 [87]
4.2. ELABORAÇÃO DO BANCO DE DADOS
Para a elaboração do banco de dados dos ensaios realizados no Laboratório

de Concreto de Furnas, foi feita uma mineração e agrupamento dos respectivos
resultados, onde foram destacados os parâmetros que influenciam a exotermia do
concreto.
O banco de dados foi formado a partir de 250 ensaios de elevação adiabática
de temperatura do concreto realizados no período de 1984 a 2003, no calorímetro
adiabático do Laboratório do DCT.T de Furnas. A partir destes ensaios obtiveram-se
dados relativos a apenas 136 dosagens: composição química (representando o tipo), as
fases de BOGUE, consumo e a superfície específica do cimento; consumo de água, de
agregado graúdo, de adição química e de adição mineral e temperatura inicial do corpo-
de-prova estudado, além da litologia do agregado graúdo e do calor específico, este
último ensaiado apenas para 80 dessas dosagens. Para a aplicação de Redes Neurais
68
Artificiais e do modelo de MAEKAWA et al. [1], foram utilizados dados (input e

output) desse banco atendendo aos seus respectivos requisitos essenciais, descritos no
Capítulo 7.
Entretanto, dados sobre a superfície específica do cimento, em certos casos,
tiveram que ser estimados segundo critérios apresentados a seguir, para completar os
resultados necessários aos estudos feitos nesta Tese. Foram considerados pela ordem:
1. Os locais de aplicação do material, fosse ele o agregado graúdo ou o
cimento;
2. O tipo de material aplicado, fosse ele o agregado graúdo ou o cimento;
3. A marca do cimento utilizado, no caso do cimento;
4. Uma estimativa do valor não determinado para a característica do
material, segundo uma média calculada a partir dos critérios anteriores.
O banco elaborado foi formatado de maneira a ser utilizado para os estudos
a que se propõe este trabalho, ou seja, para a aplicação do modelo.
As Figuras 4.3a, 4.3b, 4.4a e 4.4b mostram parte do banco de dados
utilizado como input e output, respectivamente.
DOSAGEM
Cimento
Composição Potencial
Fases Bogue (%)
Consumo Blaine
E- SO3 SiO2 Fe2O3 Al2O3 CaO C3S C2S C3A C4AF CaSO4 2
(Kg/m³) (cm /g)
1395 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 185.0000 3000.0000
1399 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 154.0000 3000.0000
1412 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 139.0000 3000.0000
1416 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 130.0000 3000.0000
1421 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 104.0000 3000.0000
1423 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 92.0000 3000.0000
1433 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 149.0000 3000.0000
1437 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 108.0000 3000.0000
1757 2.0400 20.6700 3.2800 5.1400 64.7200 56.67 16.51 8.07 10.28 3.47 337.6000 2911.0000
1759 2.0400 20.6700 3.2800 5.1400 64.7200 56.67 16.51 8.07 10.28 3.47 320.0000 2911.0000
1772 2.0400 20.6700 3.2800 5.1400 64.7200 56.67 16.51 8.07 10.28 3.47 280.0000 2911.0000
1900 2.0400 20.6700 3.2800 5.1400 64.7200 56.67 16.51 8.07 10.28 3.47 345.4500 2911.0000
1941 2.1000 21.0800 5.6900 5.5900 62.1200 38.04 31.74 5.19 17.31 3.57 366.4000 2745.0000
1972 1.9000 20.5900 3.7200 4.6200 64.3400 58.09 15.19 5.95 11.32 2.23 109.0000 3000.0000
1997 1.9000 20.5900 3.7200 4.6200 64.3400 58.09 15.19 5.95 11.32 2.23 97.0000 3000.0000
2010 1.9000 20.5900 3.7200 4.6200 64.3400 58.09 15.19 5.95 11.32 2.23 109.0000 3000.0000
2019 1.9700 18.8900 2.8200 6.0600 62.6100 53.10 16.80 11.28 8.57 3.35 95.0000 3000.0000
Figura 4.3a – Banco de dados parcial – dados utilizados como input nas aplicações – parte I [27].
69
DOSAGEM
cimento/aglomerante
Temperatura
Fator água/cimento
Adição Mineral Calor
Água Adição Agregado do Concreto
Consumo
(Kg/m³) Específico
Química Graúdo Fresco
(Kg/m³) (kg/m³)
Consumo
E- Pozo E CV (ºC) (kcal/(m³.ºC))
(Kg/m³)
1395 0.0000 0.0000 0.0000 100.00 93.0000 50.00 0.3795 1874.0000 22.9600
1399 26.0000 0.0000 0.0000 85.65 96.0000 50.00 0.4990 1851.0000 20.0900
1412 40.0000 0.0000 0.0000 77.65 99.0000 50.00 0.5742 1864.0000 21.2200
1416 0.0000 0.0000 0.0000 100.00 91.0000 70.00 0.3117 1831.0000 22.4300
1421 18.0000 0.0000 0.0000 85.53 91.0000 70.00 0.3390 1860.0000 21.2800
1423 26.0000 0.0000 0.0000 77.70 92.0000 70.00 0.3599 1878.0000 21.6800
1433 0.0000 0.0000 0.0000 100.00 90.0000 60.00 0.4066 1790.0000 22.3900 678
1437 31.0000 0.0000 0.0000 77.59 93.0000 60.00 0.4635 1831.0000 21.2000
1757 0.0000 0.0000 57.0000 85.60 190.0000 45.00 0.9490 1057.0000 5.5600 616
1759 0.0000 0.0000 40.0000 88.89 200.0000 52.70 0.0000 1040.0000 12.1700
1772 0.0000 0.0000 80.0000 77.78 200.0000 71.43 0.0000 1040.0000 13.3300
1900 0.0000 0.0000 0.0000 100.00 190.0000 55.00 0.0000 1063.0000 12.8200
1941 0.0000 0.0000 0.0000 100.00 185.0000 55.00 0.8410 1090.0000 13.4900 606
1972 13.0000 0.0000 0.0000 100.00 85.0000 66.80 0.0000 1837.0000 7.2100
1997 11.0000 0.0000 0.0000 100.00 85.0000 75.00 0.0000 1837.0000 5.9000
2010 31.0000 0.0000 0.0000 100.00 93.0000 60.00 0.0000 1830.0000 5.7900
2019 14.0000 0.0000 0.0000 87.16 76.0000 67.80 0.1680 1721.0000 14.0300
Figura 4.3b – Banco de dados parcial – dados utilizados como input nas aplicações – parte II [27].
DOSAGEM
Elevação Adiabática de Temperatura

t (horas / dias)
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
E- 0 0.04 0.08 0.13 0.17 0.21 0.25 0.29 0.33 0.38 0.42 0.46 0.50 0.54 0.58 0.63 0.67 0.71 0.75 0.79 0.83 0.88 0.92 0.96 1.00
1395 0.00 0.29 0.62 0.95 1.47 3.04 5.53 6.82 8.16 9.57 10.71 11.81 12.79 13.67 14.41
1399 0.00 0.35 0.57 0.77 1.04 1.87 3.36 4.42 5.12 5.84 6.59 7.39 8.16 8.90 9.59
1412 0.00 0.39 0.67 0.94 1.35 2.58 4.27 5.06 5.79 6.31 7.36 8.23 9.00 9.71 10.39
1416 0.00 0.34 0.61 0.88 1.27 2.53 4.07 4.91 5.73 6.57 7.40 8.17 8.90 9.57 10.18
1421 0.00 0.55 0.82 1.10 1.41 2.52 3.48 3.99 4.62 5.24 5.85 6.43 6.97 7.47 7.93
1423 0.00 0.54 0.76 0.96 1.22 2.20 3.06 3.60 4.14 4.66 5.20 5.65 6.06 6.46 6.85
1433 0.00 0.37 0.64 0.94 1.25 2.41 4.44 5.65 6.62 7.66 8.61 9.51 10.37 11.06 11.76
1437 0.00 0.37 0.71 0.93 1.82 2.15 3.44 4.02 4.63 5.25 5.81 6.48 7.02 7.53 8.00
1757 0.00 0.37 0.14 0.30 0.34 1.43 2.16 2.84 4.07 6.17 9.34
1759 0.00 0.35 0.73 1.06 1.39 2.09 2.81 3.75 4.94 6.52 8.47 10.89 13.41 15.79 17.20
1772 0.00 0.24 0.58 0.77 0.99 1.32 1.64 2.02 2.50 3.18 4.20 5.46 7.04 8.92 11.03
1900 0.00 0.22 0.47 0.71 0.90 1.34 2.06 3.18 4.66 6.69 8.09 11.86 14.92 18.06 20.25
1941 0.00 0.41 0.74 1.01 1.29 1.87 2.65 3.73 5.21 7.20 9.40 11.33 13.09 14.40 15.43
1972 0.00 0.49 1.00 1.35 1.69 2.29 2.78 3.25 3.75 4.29 4.80 5.32 5.73 6.12 6.46
1997 0.00 1.05 1.62 2.03 2.32 2.85 3.23 3.65 4.08 4.52 5.00 5.44 5.87 6.20 6.51
2010 0.00 0.79 1.52 1.84 2.25 2.71 3.11 3.51 3.96 4.46 4.96 5.46 5.68 5.91 6.15
2019 0.00 0.59 0.83 1.13 1.44 2.25 3.21 4.19 5.03 5.69 7.11 7.50 7.84 9.63 7.84
Figura 4.4a – Banco de dados parcial – dados utilizados como output nas aplicações – parte I [27].
DOSAGEM
Elevação Adiabática de Temperatura

t (horas / dias)
36 48 72 96 120 144 168 192 216 240 264 288 312 336 360 384 408 432 456 480 504 528 552 576 600 624 648 672
E- 1.50 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00 14.00 15.00 16.00 17.00 18.00 19.00 20.00 21.00 22.00 23.00 24.00 25.00 26.00 27.00 28.00
1395 17.55 19.26 21.33 22.75 23.78 24.56 25.17 25.68 26.10 26.45 26.74 26.95 27.19 27.38 27.54 27.68 27.97 28.37 28.75 28.98 29.23 29.44 29.60 29.74 29.89 30.06 30.19 30.34
1399 13.05 15.22 17.79 18.94 19.91 20.65 21.30 21.85 22.35 22.77 23.14 23.47 23.77 24.03 24.25 24.44 24.60 24.74 24.86 24.97 25.07 25.14 25.20 25.26 25.33 25.37 25.41 25.60
1412 13.36 15.21 17.21 18.49 19.45 20.19 20.80 21.36 21.83 22.24 22.59 22.90 23.17 23.39 23.59 23.81 23.97 24.10 24.19 24.29 24.37 24.44 24.52 24.60 24.95 25.04 25.04 25.04
1416 12.81 14.41 16.16 17.18 17.87 18.40 18.80 19.15 19.45 19.69 19.92 20.12 20.44 20.70 20.83 20.95 21.06 21.15 21.23 21.30 21.31 21.44 21.48 21.52 21.56 21.60 21.64 21.68
1421 10.12 11.48 13.00 13.87 14.47 14.99 15.36 15.71 16.01 16.27 16.51 16.74 16.95 17.15 17.33 17.49 17.62 17.74 17.83 17.99 18.08 18.14 18.19 18.32 18.42 18.52 18.62 18.72
1423 8.57 9.69 11.00 11.75 12.31 12.76 13.15 13.48 13.80 14.07 14.32 14.59 14.83 15.06 15.27 15.49 15.66 15.74 15.83 15.99 16.08 16.14 16.19 16.32 16.42 16.52 16.62 16.72
1433 14.31 16.12 17.94 19.12 19.97 20.62 21.14 21.57 21.94 22.25 22.53 22.77 22.98 23.19 23.35 23.49 23.61 23.72 23.84 23.93 24.01 24.08 24.14 24.19 24.23 24.27 24.30 24.23
1437 10.27 11.69 13.36 14.32 15.05 15.61 16.10 16.54 16.95 17.30 17.62 17.93 18.19 18.43 18.64 18.80 18.95 19.08 19.21 19.30 19.38 19.45 19.52 19.59 19.64 19.70 19.75 19.80
1757 14.36 18.49 26.46 34.02 38.97 42.71 45.37 47.29 48.56 49.39 49.98 50.39 50.70 50.96 51.16 51.34 51.50 51.65 51.79 51.89 51.98 52.08 52.16 52.24 52.31 52.38 52.44 52.49
1759 23.36 28.55 34.39 34.92 40.25 41.96 43.13 43.91 44.45 44.87 45.18 45.48 47.75 45.94 46.10 46.21 45.30 46.39 46.50 46.59 46.70 46.80 46.97 47.06 47.10 47.16 47.22 47.28
1772 17.89 22.52 28.83 32.64 35.69 37.95 39.42 40.35 40.96 41.38 41.67 41.91 42.09 42.24 42.35 42.46 42.54 42.62 42.69 42.77 42.86 42.94 42.98 43.02 43.05 43.08 43.11 43.14
1900 28.61 33.04 39.63 43.01 44.60 45.55 46.27 46.79 47.16 47.44 47.68 47.85 47.91 48.07 48.25 48.43 48.63 48.71 48.79 48.72 48.75 48.73 48.74 48.75 48.76 48.77 48.77 48.78
1941 19.34 21.88 26.43 30.59 34.02 36.71 38.72 40.13 41.11 41.85 42.50 42.93 43.29 43.58 43.78 43.93 44.05 44.13 44.19 44.37 44.45 44.50 44.54 44.55 44.56 44.57 44.58 44.59
1972 8.16 9.48 11.27 12.48 13.43 14.20 14.84 15.36 15.79 16.21 16.55 16.84 17.09 17.32 17.51 17.67 17.83 17.96 18.10 18.21 18.31 18.41 18.48 18.58 18.67 18.74 18.79 18.83
1997 7.93 9.21 10.86 11.93 12.72 13.40 13.93 14.36 14.75 15.04 15.31 15.53 15.74 15.93 16.07 16.21 16.33 16.34 16.53 16.61 16.69 16.74 16.79 16.83 16.87 16.90 16.93 16.95
2010 7.37 8.37 9.98 11.30 12.33 13.14 13.76 14.23 14.61 14.91 14.91 15.18 15.42 15.62 15.96 16.11 16.25 16.37 16.50 16.61 16.69 16.74 16.79 16.83 16.87 16.90 16.92 16.94
2019 9.63 11.10 13.37 14.74 15.64 16.33 16.85 17.32 17.64 17.89 18.09 18.32 18.42 18.53 18.61 18.68 18.73 18.78 18.82 18.86 18.90 18.92 18.93 18.94 18.95 18.96 18.97 18.98
Figura 4.4b – Banco de dados parcial – dados utilizados como output nas aplicações – parte II [27].
70
Capítulo 5 – Modelo Multicomponente de
Calor de Hidratação (MCH)
de Maekawa et al.
5.1. DESCRIÇÃO DO MODELO
MAEKAWA et al. [1,6] apresentaram um modelo unificado para previsão

do calor de hidratação do cimento e dos demais aglomerantes presentes no concreto.
Este modelo foi denominado de Multicomponente de Calor de Hidratação, abreviado
para MCH, como será chamado daqui por diante. O processo exotérmico de hidratação
para cada componente é modelado, separando-se as ações químicas presentes no
cimento Portland, nos minerais, ou em unidades de reação, e considerando a
interdependência entre as reações minerais. Posteriormente, as reações da escória de
alto forno e da cinza volante são combinadas no sistema para incorporar interações
mútuas. No modelo, a quantidade de água livre deixada no sistema e a quantidade de
hidróxido de cálcio são consideradas como indicadores de controle para as reações de
componentes minerais. A aplicabilidade do modelo proposto foi verificada analisando
os resultados de ensaios existentes de elevação adiabática de temperatura e medições de
temperatura de pequenos blocos em condições semi-adiabáticas realizados pelos
autores.
O objetivo deste modelo é prognosticar o processo exotérmico para cada
componente mineral depois de isolar os processos de hidratação individuais na química
do cimento. A reação de formação de etringita, no entanto, não é tratada como parte do
modelo para o calor de hidratação do C3A e C4AF, mas é modelada separadamente.
B B B B
O modelo MCH descreve a hidratação do cimento em termos das reações

dos componentes minerais individuais, expressando as diferenças entre os vários tipos
de cimento Portland, com diferenças em sua composição química. Referenciando-se ao
modelo proposto por SUZUKI et al. [6] para a completa hidratação do cimento, a taxa
de geração de calor de hidratação para cada componente mineral é expressa utilizando
duas funções de material: uma taxa de geração de calor de referência intrínseca à
71
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
temperatura constante e uma outra associada à termoativação, que considera a

dependência da temperatura da hidratação de cada componente mineral.
Baseado nos estudos realizados por SUZUKI et al. [6], a hidratação de cada
componente mineral foi modelada separadamente, tratando-se desta forma de um
modelo multicomponente, no qual a taxa de geração de calor de hidratação do cimento é
obtida como a soma das taxas de calor de hidratação de cada componente ponderada por
suas proporções. Os efeitos da temperatura ambiente, da água e das taxas de geração de
calor de cada componente mineral, são considerados de modo a modelar a reação de
hidratação de todo o sistema.
O modelo foi expandido para cimentos misturados com escória de alto forno
e/ou cinzas volantes enfocando a quantidade de hidróxido de cálcio (Ca(OH)2) presente
B B
no sistema. Assim, é necessário, para a avaliação racional do processo exotérmico do

cimento misturado, que a produção de hidróxido de cálcio pela hidratação do cimento e
o seu consumo pela escória e pela cinza volante sejam simultaneamente simulados. O
modelo considera ainda os efeitos retardadores provocados pelo aditivo químico e pela
cinza volante para a reação do cimento e da escória.
5.1.1. Constituição do Modelo MCH
MAEKAWA et al. [1], utilizam o modelo de SUZUKI et al. [6], que

quantifica o calor gerado pela reação de hidratação de modo dependente da temperatura.
A equação generalizada governante da geração de calor de hidratação do cimento é dada
pelas equações (5.1.1) e (5.1.2).
⎡ Ea(Q ) ⎛ 1 1 ⎞⎤
H = H (T , Q ) = Q& = H (TS , Q ) ⋅ exp⎢− ⎜ − ⎟⎥ (5.1.1)
⎣⎢ ℜ ⎜⎝ T TS ⎟⎠⎦⎥
⎡ Ea(Q ) ⎤
H (TS , Q ) = H ∞ (Q ) ⋅ exp ⎢− ⎥ (5.1.2)
⎣ ℜTS ⎦
Em (5.1.1) e (5.1.2),
H é a taxa de geração de calor por unidade de peso de cimento,
dependente do calor gerado Q e da temperatura T, escrevendo-se, formalmente, H(T,Q);
Q& é a derivada no tempo do calor gerado na hidratação, previsto
pelo modelo;
72
TS B B é a temperatura constante, tomada como referência para a

determinação de H(Ts,Q);
H∞(Q) B B é a taxa de geração de calor última do cimento a temperatura
infinita, que é uma situação imaginária;
Ea(Q) é a energia de ativação do cimento que, dentro do quadro deste
modelo, é dependente do calor total gerado Qi,∞; B B
ℜ é a constante universal dos gases;

T é a temperatura absoluta do concreto.
O modelo descreve o processo exotérmico da reação de hidratação, de
acordo com (5.1.1), para cada componente, separando as reações químicas e
considerando a interdependência entre elas. Os componentes considerados são os
principais minerais presentes no cimento Portland: alita (C3S), belita (C2S), uma fase B B B B
aluminato (C3A), uma fase ferrito (C4AF), e o gesso (tratado como di-hidrato de gesso).
B B B B
A taxa global de geração de calor pela reação de hidratação (H) é considerada como o
somatório das taxas de geração de calor de cada componente, ponderadas por suas
frações, em massa, na composição do cimento. Assim, tem-se:
H= ∑ p ⋅H i i (5.1.3)
onde:
Hi é a taxa de geração de calor do mineral i por unidade de peso;
B B
piB B é a sua fração, em massa, na composição do cimento.

Para o cimento composto, a escória de alto forno (ESC) e a cinza volante
(CV) são incorporados no modelo como componentes individuais. Assim, a expressão
(5.1.3) pode ser reescrita como:
H= (
pC3 A ⋅ H C3 AET + H C3 A ) + (
pC4 AF ⋅ H C4 AFET + H C4 AF ) +
pC3S ⋅ H C3S + pC2 S ⋅ H C2 S + (5.1.4)
p ESC ⋅ H ESC + pCV ⋅ H CV
onde:
H C3 AET e H C4 AFET são as taxas de geração de calor na formação de
etringita, produzida a partir do C3A e C4AF, respectivamente. B B B B
As taxas de geração de calor da hidratação dos compostos C3A e C4AF, B B B B
expressas, respectivamente, por H C3 A e H C4 AF são consideradas apenas quando a reação
73
de formação da etringita estiver finalizada, isto é, quando ocorrer o consumo completo

do gesso presente na mistura.
MAEKAWA et al. [1] utilizaram uma lei do tipo Arrhenius, propondo para
cada componente mineral uma função para a taxa de geração de calor dependente da
temperatura, expressa, genericamente, na equação (5.1.5).
⎡ Ea ⎛ 1 1 ⎞⎤
H i = si ⋅ β i ⋅ µ ⋅ ζ ⋅ γ ⋅ H i ,T0 (Qi ) ⋅ exp⎢− i ⎜⎜ − ⎟⎟⎥ (5.1.5)
⎣ ℜ ⎝ T T0 ⎠⎦
onde:
si
B B é um coeficiente que muda a taxa de calor de referência conforme a
finura dos pós.
βi B B é a redução da taxa de geração de calor devido à reduzida
disponibilidade de água livre (espaço de precipitação);
µ expressa alterações na taxa de geração de calor em termos de
diferença de composição mineral do cimento Portland.
ζ é a alteração da taxa de geração de calor da escória de alto forno e da
cinza volante devido à escassez de hidróxido de cálcio na fase líquida;
γ é o efeito de retardamento do aditivo químico e da cinza volante no
processo exotérmico de hidratação inicial;
Hi,T0 é a taxa de geração de calor de referência do componente i em
B B
temperatura constante T0 (e é também uma função do calor acumulado Qi);

B B B B
Eai B B é a energia de ativação do componente i;

ℜ é a constante universal dos gases;
Eai
O valor indicado por − é definido como a termoativação.
ℜ
O calor acumulado pela reação de hidratação de cada componente é dado
pela equação abaixo:
Qi = ∫H i dt . (5.1.6)
5.1.1.1. Taxa de Geração de Calor de Referência (Hi,T0) B B
As taxas de geração de calor de referência, Hi,T0, de cada componente i na B B
temperatura de referência T0, são estabelecidas como funções intrínsecas do material e

B B
74
são mostradas na Figura 5.1. A temperatura de referência T0 foi fixada em 293 K (20ºC) B B
e a geração de calor resultante da molhagem de cada mineral não foi considerada.
4
Hi,t0 [ kcal kg-1 h-1 ]
ETAPA 1
ETAPA 2 ETAPA 3
3
C3A
C4AF
2 C3S
C2S
0
0 40 80 120 160 200
Calor acumulado [ kcal kg -1 ] Q i
Figura 5.1 – Taxa de geração de calor dos minerais componentes do clínquer [6].
O processo da reação de hidratação exotérmica em cada mineral foi dividido

em etapas em termos de geração de calor cumulativo:
1. A ETAPA 1, que acopla os estágios I e II (ver subitem 2.3, Figura 2.6),
foi definida como o período limitado por 1% do máximo calor acumulado para todos os
componentes minerais;
2. Para a ETAPA 2, que engloba os estágios III e IV (ver subitem 2.3,
Figura 2.6), foi adotado até 25% para o C3S e até 30% para o C2S. No processo B B B B
exotérmico do C3A e C4AF, não foi estabelecida a fronteira entre as etapas 2 e 3 sendo
B B B B
esta fronteira definida a partir do próprio modelo;

3. A ETAPA 3 (estágio V, conforme subitem 2.3, Figura 2.6) para o C3S e B B
para o C2S foi considerada para percentuais acima dos valores de fronteira da etapa 2.
B B
O calor acumulado, no qual a taxa de calor de referência de um determinado

mineral é nula, corresponde ao calor final produzido por 100% de hidratação (Qi,∞). A B B
Tabela 5.1 apresenta o calor de hidratação das fases do clínquer adotados por
MAEKAWA et al. [1], determinados por SUZUKI et al. [6] a partir da geração de calor
75
teórica de cada mineral. A título de comparação a Tabela 5.1 apresenta ainda os valores
obtidos por WALLER [4].
Tabela 5.1 – Calor de hidratação das fases do clínquer.
Calor de Hidratação Calor de Hidratação

Fases do clínquer
SUZUKI et al. [6] WALLER [4]
(kJ⋅kg–1) – (cal⋅g–1)
P P P P (kJ⋅kg–1) – (cal⋅g–1)
P P P P
C3S B B 502 – (120) 510 – (122)

C2S B B 260 – (62) 260 – (62)
C3A B B 867 – (207) 1100 – (263)
C4AF B B 419 – (100) 410 – (98)
A Figura 5.2 apresenta as taxas de geração de calor de referência, Hi,T0, da B B
cinza volante e da escória de alto forno na temperatura de referência T0, (293 K – 20 B B
ºC).
2
H i,t0 [ kcal kg-1 h-1 ]
Escória de Alto Forno (E)

1 Cinza Volante (CV)
0
0 20 40 60 80 100 120
Figura 5.2 – Taxa de geração de calor da Escória de Alto Forno e da Cinza Volante [6].
As taxas de geração de calor de referência da escória de alto forno e da

cinza volante são consideradas sob condições para as quais a água e os hidróxidos de
cálcio são suficientes para suprir as suas reações. As taxas de geração de calor de
referência da escória e da cinza volante foram ajustadas pela comparação de resultados
analíticos com os dados experimentais.
76
A geração de calor total da escória de alto forno foi considerada

aproximadamente a mesma que a do cimento comum e ligeiramente maior que a do
cimento de moderado calor, sendo fixada em 460,55 kJ/kg (110 cal/g).
A informação quantitativa para as reações de cinza volante é escassa e não
fica claro que a reação da cinza volante termina quando a curva de elevação adiabática
de temperatura tende a uma assíntota. A geração de calor total da cinza volante na taxa
de referência de geração de calor segundo MAEKAWA et al. [1] foi fixada em 209,34
kJ/kg (50 cal/g), valor consideravelmente menor do que aquele obtido por WALLER [4]
(570 ± 80 kJ/kg).
5.1.1.2. Termoativação (Eai/ℜ) B B
Os valores adotados para a termoativação (Eai/ℜ) de cada mineral são B B
mostrados na Figura 5.3. Foram utilizados os valores obtidos por SUZIKI et al. [6] para
a termoativação do cimento como uma referência para determinar a termoativação das
reações dos minerais individuais, considerando a reatividade de cada mineral. Os
valores de SUZIKI et al. [6] para termoativação do cimento tendem a diminuir de
aproximadamente –6500 K para –2500 K quando o calor acumulado excede 25 cal/g
(etapa 3).
0
C3A
C4AF
-E/ ℜ [ K ]
C3S
C2S
-2500
Cinza Volante (CV)
Escória (E)
Atividade Térmica do Cimento
-5000
-7500
-10000
0 40 80 120 160 200
Figura 5.3 – Termoativação para a reação de cada componente mineral [1].
77
Foram adotados valores diferentes para a termoativação (Eai/ℜ) durante o B B
processo de hidratação do C3S e do C2S. As termoativações do C3A e do C4AF foram

B B B B B B B B
consideradas constantes em todas as etapas do processo de hidratação. Para os valores

de termoativação das reações de formação de etringita foram admitidos os mesmos
fixados para as reações de hidratação do C3A e C4AF. B B B B
5.1.1.3. Modelagem da Formação de Etringita
As taxas de geração de calor de referência para a formação de etringita

envolvendo C3A, C4AF e gesso são ilustradas na Figura 5.4.
B B B B
90
80
70
60
Hi,t0 [ kcal kg-1 h-1 ]
50
40 C3AET
C4AFET
30
20
10
0
0 50 100 150 200 250 300 350 400
Figura 5.4 – Taxa de geração na formação de etringita [1].
A avaliação que determina se a formação de etringita terminou ou não,

depende de um cálculo da quantidade de gesso remanescente. O consumo de gesso pode
ser calculado através do grau de reação (QiET QiET ,∞ ) e da taxa de transformação de C3A B B
e C4AF, e assim, a quantidade de gesso não reagido pode ser obtida deduzindo este
B B
consumo de gesso da quantidade total de gesso do cimento. As taxas de ligação do C3A, B B
C4AF e di-hidrato de gesso na formação de etringita são obtidas utilizando as equações

B B
(5.1.7) e (5.1.8).
78
C3 A + 3C S H 2 + 26 H → C 6 AS 3 H 32 (5.1.7)
C 4 AF + 3C S H 2 + 27 H → C 6 ( AF ) S 3 H 32 + CH (5.1.8)
O modelo considera que uma parte da geração de calor após a mistura já
está considerada na temperatura do concreto fresco. Portanto, em todas as análises deste
modelo, a geração de calor não é contada na elevação de temperatura até 0,015dias
(≈20min). Isto significa que o ponto de partida da elevação de temperatura se dá aos
0,015dias (≈ 20min) após o início da hidratação.
O modelo das reações de formação de etringita continua a operar até que
todo o gesso seja consumido. Assim, a geração do calor de hidratação das fases
intersticiais, expressas por H C3 A e H C4 AF , começa imediatamente após o
desaparecimento de gesso não reagido. O modelo representa a conversão para

monossulfato e a hidratação de C3A e C4AF não reagidos utilizando as curvas de
B B B B
geração de calor de hidratação mostradas nas Figuras 5.3 e 5.4.

Na modelagem da geração de calor da hidratação oriunda do C3A e do B B
C4AF, assim como no modelo de formação de etringita, o consumo de gesso e o gesso

B B
não convertido são calculados e foi assumido [1] que a conversão para monossulfato
pára quando não há gesso remanescente. As equações seguintes são usadas para
representar a conversão para monossulfato, a partir da etringita, e para dar as
quantidades não reagidas de C3A e C4AF:
B B B B
2C3 A + C6 AS 3 H 32 + 4H → 3C6 AS 3 H 12 (5.1.9)
2C 4 AF + C6 ( AF )S 3 H 32 + 6 H → 3C6 ( AF )S 3 H 12 + CH (5.1.10)
O calor de hidratação destes componentes pode ser calculado a partir da

entalpia de formação de cada um, desde que haja uma equação química qualificada para
tal. O calor gerado pela conversão para monossulfato foi determinado pela equação
(5.1.9), que mostra que 3 moles de monossulfato são formados de 2 moles de C3A não B B
reagido. No modelo, 1 mol de C3A já convertido para etringita foi tratado como C3A não
B B B B
reagido no cálculo do calor de hidratação, e o calor gerado na conversão para

monossulfato foi expresso pela multiplicação da taxa de calor de referência associada
com a hidratação por 23 .
79
5.1.1.4. Finura de Blaine (si) B B
MAEKAWA et al. [1] consideram que a finura do material pulverulento

afetaria somente a probabilidade de contato entre as partículas e a água circundante que
é o objeto de reação. Os coeficientes si representam a mudança somente da taxa de
B B
referência de calor e são expressos através do valor de Blaine, utilizado como um

indicador de finura.
si = Si Si0 (5.1.11)
onde
Si
B B é o valor de Blaine do componente i (cm2/g); e P P
Si0 é o valor de Blaine de referência do componente i, fixados em 3380,

B B
4330 e 3280 (cm2/g), para as fases do cimento, escória de alto forno e cinza volante
P P
respectivamente.
Os valores de Blaine de referência da escória de alto forno e da cinza
volante são valores obtidos experimentalmente. Na etapa 2 do C3S, C2S e escória, o B B B B
efeito da finura não é levado em consideração e, neste caso, si = 1. B B
5.1.1.5. Consumo de Água (βi) B B
Foi admitido que a redução da taxa de geração de calor devido à escassez de

água livre resulta da menor probabilidade de contato entre as superfícies reagentes das
partículas e a água livre. Esta redução foi modelada a partir dos coeficientes β i que são
dados de acordo com a seguinte equação:
ν
⎧⎪ ⎡⎛ ω ⎞ 1/ 2 ⎤ ⎫⎪
β i = 1 − exp⎨− r ⋅ ⎢⎜⎜ livre α ⎟⎟ si ⎥ ⎬ (5.1.12)
⎪⎩ ⎣⎝ 100 ⋅ηi ⎠ ⎦ ⎪⎭
onde r e ν são constantes, comuns a todos os minerais.
Da comparação entre os resultados experimental e analítico foi determinado
que r = 5.0 e ν = 2.4. O coeficiente βi (0≤βi ≥1) representa a redução da taxa de calor e
B B B B
é formulado em função da quantidade de água livre (ωlivre) e da espessura da camada B B
interna de hidratos (ηi). O coeficiente βi reduz a taxa de calor quando a quantidade de

B B B B
água livre é reduzida e as partículas não-hidratadas estão cobertas por blocos espessos
80
de hidratos. O coeficiente βi também é uma função do coeficiente si que representa a

B B B B
alteração da taxa de geração de calor de referência devido à finura do pó. Isto se dá

porque a área da superfície das partículas de peso unitário, que podem entrar em contato
com a água livre, varia conforme a finura, da mesma forma que varia a taxa de calor de
referência. O termo ωlivre, que representa o índice de água livre, é dado pela equação
B B B
(5.1.13) e o termo ηi, que representa o aumento da espessura do hidrato formado pela
B B
reação de hidratação do componente i, é obtido a partir da equação (5.1.14).
Wtotal − ∑Wi
ω livre = (5.1.13)
C
1/ 3
⎛ Q ⎞
η i = 1 − ⎜⎜1 − i ⎟⎟ (5.1.14)
⎝ Qi ,∞ ⎠
onde
Wtotal é a quantidade unitária de água;
B B
Wi B B é a água consumida e fixada pelas reações dos constituintes;

C é a quantidade unitária de cimento;
Qi B B é o calor acumulado do componente i; e
Qi,∞ é a geração de calor final.
B B
A quantidade de água ligada por cada reação pode ser ajustada

multiplicando a taxa de água ligada, como obtida da equação de reação de cada mineral,
pelo grau de reação computado pelo modelo (Qi / Qi,∞). As reações de hidratação dos B B B B
componentes do cimento Portland usadas neste modelo são dadas pelas equações
(5.1.15) a (5.1.18).
C3 A + 6 H → C3 AH 6 (5.1.15)
C 4 AF + 2CH + 10 H → C3 AH 6 − C3 FH 6 (5.1.16)
2C3 S + 6H → C3 S 2 H 3 + 3CH (5.1.17)
2C 2 S + 4H → C3 S 2 H 3 + CH (5.1.18)
onde S ≡ SiO2. B B B B
Note-se que o consumo de água livre não se dá pela transformação em água

quimicamente ligada, mas também, pela água que é fisissorvida nas camadas de
hidratos. MAEKAWA et al. [1] consideraram que para todos os minerais esse processo
de fisissorção consome 15% da água necessária para a reação química. Assim,
81
considera-se no cálculo dos consumos de água Wi, utilizados na equação (5.1.13), o

B B
volume de água quimicamente ligada acrescida de mais 15 %.

Para as reações das adições, escória e cinza volante, estagnadas devido à
diminuição de CH, o efeito da redução de água livre no cimento Portland é expresso
pela modificação da equação (5.1.13), que é dada na equação seguinte:
Wtotal − ∑ Wi
ω livre = ; com m = ζ / βi . (5.1.19)
C ⋅ ( p PC + mESC ⋅ p ESC + mCV ⋅ pCV )
B B
5.1.1.6. Composição Potencial de BOGUE do Cimento (µ)
O modelo expressa as diferenças entre os vários tipos de cimento Portland

através das diferenças em sua composição potencial de BOGUE [9]. O efeito da
composição potencial na taxa de calor é expresso usando a relação C3S/C2S, considerada B B B B
como representativa da composição mineral do cimento Portland e das características de

geração de calor. A função adotada dá ampla redução à taxa de calor quando a fração
constitutiva de C2S é mais alta e aumenta de forma inversamente proporcional à taxa de
B B
calor quando o fator C3S/C2S é maior que na composição do cimento Portland comum.
B B B B
A fim de abranger o cimento Portland de endurecimento precoce e o especial de baixo

calor, o coeficiente µ da taxa de calor de referência foi expresso como:
⎧ ⎡ ⎛ pC S
1, 4
⎞ ⎤ ⎫
⎪ ⎥ ⋅ RFL⎪⎬ + (0,10 ⋅ RFL )
µ = [1 + (0,4 ⋅ RFL )]⋅ ⎨1 − exp ⎢− 0,48 ⋅ ⎜ 3 ⎟ (5.1.20)
⎢ ⎜ pC S ⎟ ⎥
⎪⎩ ⎣ ⎝ 2 ⎠ ⎦ ⎪⎭
[ (
RFL = 1 − exp − 5000 ⋅ pC3S + pC2S )]
10
(5.1.21)
As taxas de calor de referência do C3S e do C2S nas etapas 1 e 2 foram

B B B B
consideradas constantes, ou seja, sem variação devido a qualquer alteração das

composições minerais do cimento (µ = 1). Esta suposição foi feita porque é possível
reproduzir precisamente a história da temperatura adiabática inicial dentro do intervalo
de interesse, sem variar a taxa de calor na etapa 2 de acordo com a composição.
82
5.1.1.7. Consumo de Escória de Alto Forno e Cinza Volante (ζ)
Expandindo o modelo proposto, para que possa ser aplicável ao cimento

composto com escória de alto forno ou com cinza volante, a quantidade de hidróxido de
cálcio (CH) no sistema foi enfocada, em virtude das reações da escória e da cinza
volante serem extremamente dependentes do suprimento de CH, que funciona como um
ativador. A taxa de geração de calor da escória de alto forno foi calculada extraindo do
cimento composto a taxa de calor de hidratação do cimento Portland, de acordo com seu
fator constitutivo, na hipótese da reação do cimento Portland não ter sido afetada pela
reação da escória. Um mecanismo similar à reação da escória foi admitido para a cinza
volante, embora seja difícil estimar os quantitativos das reações desta, contendo baixa
reatividade. A produção de hidróxido de cálcio pela hidratação do cimento e o seu
consumo pela escória e pela cinza volante são simultaneamente simulados.
No cimento de composição ternária, o CH é simultaneamente consumido
pela escória de alto forno e pela cinza volante. O consumo do CH deveria ser
computado, passo a passo, com sua produção pelo cimento Portland na análise. Foi
assumido [1] que o fator de redução da taxa de reação dos aditivos pode ser calculado
pela diferença entre a quantidade de CH deixado no sistema e a que é necessária para a
reação ativa da escória e da cinza volante naquele ponto, simplesmente expressa por:
⎡ ⎛ FCH ⎞
5, 0
⎤
ζ = 1 − exp ⎢− 2,0 ⋅ ⎜⎜ ⎟⎟ ⎥ (5.1.22)
⎢⎣ ⎝ RESCCH + RCVCH ⎠ ⎥⎦
onde
FCH
B B é a quantidade de CH que é produzida pela hidratação de
C3S e C2S, e ainda não foi consumida pela reação do C4AF; e
B B B B B B
RESCCH e RCVCH
B B B B são as quantidades de CH necessárias para as reações de
escória e de cinza volante, quando houver suprimento suficiente daquele.
O FCH pode ser computado a partir do grau de reação de cada componente e
B B
das taxas de produção e consumo de CH, que são dados pelas equações químicas
adotadas; e o RESCCH e o RCVCH são computados pela taxa de consumo de CH pela
B B B B
escória de alto forno e pela cinza volante, e suas respectivas taxas de reação quando há
CH suficiente.
O fator de substituição em torno de 60% ou 70% do cimento é
freqüentemente adotado no caso da escória, mas a substituição da cinza volante é de
83
30% ou mais. Deste modo, os fatores de consumo das reações de escória e de cinza
volante são definidos como 22% e 100% da massa reagida, respectivamente. No
cimento composto ternário, foi definido que o CH na fase líquida é quase que
completamente consumido pela reação da escória, já que esta reação é mais rápida do
que a reação da cinza volante.
5.1.1.8. Consumo de Adição Química (γ)
O modelo trata o efeito retardador dos aditivos químicos e da cinza volante

como um período dormente estendido. Por conveniência, incorpora-se este efeito pela
redução da taxa de geração de calor na etapa 1, que corresponde ao período dormente. O
modelo considera ainda que estes efeitos não precisam ser considerados nas
características exotérmicas durante e após a etapa 2. O coeficiente χsp, que representa o B B
efeito retardador por unidade de massa de aditivo, é usado para descrever os efeitos dos
aditivos. Multiplicando este coeficiente χsp pela dosagem do aditivo como um fator da
B B
adição de cimento (C x %), υtotal, o efeito retardador total do aditivo pode ser então
B B
calculado. Admitindo-se que uma parte orgânica do aditivo é adsorvida na superfície

das fases C3A, C4AF, escória de alto forno e cinza volante, a quantidade de aditivo
B B B B
orgânico consumido sem considerar o efeito retardador é expressa por:
υ perda = 0.08 ⋅ pC3 A ⋅ sC3 A + 0.02 ⋅ pC4 AF ⋅ sC4 AF +

(5.1.23)
+ 0.005 ⋅ p ESC ⋅ s ESC + 0.025 ⋅ pCV ⋅ sCV
onde
υperda representa um composto de aditivos químicos que não exercem um
B B
efeito retardador devido à adsorção na superfície das partículas de pó.

Então, o valor obtido subtraindo o valor anulado relativo à quantidade de
aditivo limitada pelo efeito retardador total é agora definido como o efeito retardador
efetivo ou a capacidade retardadora efetiva do aditivo no processo exotérmico de
hidratação do cimento, υSPef , e pode ser expresso pela seguinte equação:
B B
υ SPef = p SP ⋅ χ SP − υ perda (5.1.24)
onde
pSP B B é a dosagem de aditivo orgânico expresso como fator
aditivo/aglomerante (C x %); e
84
χSP B B é um coeficiente representando o efeito retardador por unidade de

peso do aditivo orgânico.
Deste modo, pSP ⋅ χSP representa o efeito retardador total ocasionado por um
B B B B
aditivo orgânico adicionado. Quando a capacidade de adsorção dos componentes excede

a capacidade total do efeito retardador por um aditivo orgânico, υSPef é considerado B B
igual zero.
Admitindo que o efeito retardador ocasionado pela cinza volante é
proporcional ao seu índice de substituição, teremos:
υ FAef = 0.02 ⋅ pCV ⋅ sCV (5.1.25)
Decidiu-se expressar este efeito retardador dos aditivos químicos e da cinza

volante incorporando o efeito retardador produzido por eles e contrabalançando-o com a
taxa de Ca2+ suprida pelos minerais. Neste caso, o C3S e o C2S foram tratados como
P P B B B B
minerais provedores de Ca2+. Assim os efeitos retardadores dos aditivos químicos e da

P P
cinza volante na geração de calor podem ser expressos pela seguinte equação:
⎡ 1000 ⋅ (υ ESCef + υCVef ) ⎤

γ = exp⎢− ⎥ (5.1.26)
⎢⎣ 10 ⋅ pC3S ⋅ sC3S + 5 ⋅ p C 2 S ⋅ sC 2 S + 2.5 ⋅ p ESC ⋅ s ESC ⎥⎦
sendo:
γ o coeficiente de redução da geração de calor na ETAPA 1, onde a
geração de calor é reduzida pelo efeito retardador devido a aditivos químicos e cinza
volante.
Outros aditivos além dos superplastificantes têm mecanismos similares com
relação aos efeitos retardadores. Os valores aplicados a um superplastificante
consistindo principalmente de sulfonato de β-naftaleno, um outro superplastificante
incluindo principalmente policarbonato e um agente redutor de água e incorporador de
ar correspondem a 1,2 , 1,2 e 5,0 , respectivamente. Deve ser observado que este
modelo é especificamente aplicável a intervalos normais de dosagem de aditivos
químicos. Tal limitação deve-se ao fato de que o atraso nas reações, quando é
considerado através da redução individual da taxa de geração de calor de cada mineral
na etapa 1, resulta em diferentes tempos de início da etapa 2 para alguns minerais à
medida que a dosagem dos aditivos aumenta.
Já que a quantidade de calor gerado pelas reações entre os aditivos e o Ca2+ P P
é muito pequena, foi julgado apropriado assumir que o calor na etapa 1 não muda com a
85
quantidade de aditivo. Isto foi atribuído ao fato de que o efeito retardador de um aditivo
só causa uma extensão no período dormente. Entretanto, se uma dose maior de
superplastificante é adicionada, seus efeitos na geração de calor e na taxa de geração
durante e após a etapa 2, necessitam de avaliação. Esta situação ficou fora do escopo de
aplicação do modelo proposto. De qualquer modo, também deve ser observado que a
combinação de uma quantidade mais alta de aditivo químico e de cinza volante retarda
severamente a hidratação do cimento como um caso extremo. Neste modelo, o
retardamento devido ao aditivo químico e à cinza volante foi simplesmente modelado
como uma primeira aproximação.
5.2. IMPLEMENTAÇÃO DO MODELO MCH
O modelo MCH foi implementado em um programa computacional em

linguagem FORTRAN 90. As informações de entrada do modelo incluem a composição
mineral do cimento usado, a quantidade de gesso adicionada, o peso unitário de
cimento, o consumo de água, a quantidade de aditivos orgânico e mineral, a temperatura
de lançamento (inicial) e o calor específico.
Os estudos com a aplicação do modelo MCH [1] ao quadro experimental do
laboratório de concreto de Furnas foram possíveis a apenas 14 ensaios, cujos calores
específicos haviam sido determinados e cujos cimentos utilizados foram os sem adição
mineral. Esta última razão está vinculada à impossibilidade de diferenciação dos óxidos
do cimento dos existentes nas adições, nos ensaios realizados com esta finalidade
citados no Capítulo 2, subitem 2.1.1.
Das constantes térmicas necessárias para a análise de temperatura, o calor
específico e a capacidade térmica são calculados a partir dos valores de calor específico
de cada material utilizado e de suas proporções. Uma vez fixadas as constantes, são
calculados a temperatura, o calor cumulativo de cada mineral e a quantidade de água
livre. O valor calculado para o calor cumulativo é usado como um índice para descrever
o grau de hidratação na determinação da taxa de geração de calor e da termoativação.
Dividindo o calor cumulativo obtido pela taxa de geração de calor no tempo que a
hidratação alcança (o calor teórico), a atividade reativa de cada mineral pode ser
definida.
86
A Figura 5.5, a seguir, ilustra o esquema do modelo em termos de entrada e

saída.
ENTRADAS SAÍDAS
Consumo de Cimento – C
(kg/m3)
Água
Escória
%xC
Cinza volante
Ad. Química
C3A Temperatura no instante i

Composição
Modelo
⇒ ⇒ Ti (ºC)
Potencial
C4AF
Cimento
MCH (i = 0..28 dias)

C3S
C2S ⇓
(%) Gesso ⇓
Tipo de Ad. Química ⇐ ⇐
Finura de Blaine dos Materiais
Pulverulentos
Calor Específico do concreto
Temperatura Inicial (oC)
Figura 5.5 – Esquema do modelo MCH [1].
O fluxograma do programa de computador para cálculo da elevação adiabática da

temperatura baseado no modelo MCH é dado na Figura 5.6 mostrada na página 88, a
seguir.
87
Dados de entrada
Materiais Proporcionamento Condição inicial

3
Composição mineral do cimento Quantidade de cimento C [kg/m ] Temperatura inicial t0
pC3A pC4AF pC3S pC2S fator água por cimento a/c
Quantidade de gesso pCS2H Peso de substituição pESC pCV
Tipo de adição χSP Dosagem da adição υTotal
Modelo Multicomponente de Calor de Hidratação

Equação básica da taxa de calor para cada mineral
Temperatura
⎡ E ⎛ 1 1 ⎞⎤ T
H i = si ⋅ β i ⋅ µ ⋅ ζ ⋅ γ ⋅ H i ,T0 (Qi ) ⋅ exp ⎢− i ⎜⎜ − ⎟⎟⎥
⎢⎣ ℜ ⎝ T T0 ⎠⎥⎦
Características exotérmicas dos minerais
Formação de etringita Cinza volante e

Hi,t0
Escória de Alto Forno
Hi,t0
Hi,t0
Qi Qi
Qi
Qi
Q i Qi
Efeito da Finura dos pós minerais si = Si Si0
Coeficientes de redução da taxa de geração de calor

Efeito da redução de água livre βi
Efeito da diferença de composição mineral µ
Efeito da escassez de hidróxido de cálcio [Ca(OH)2] ζi
Efeito retardador do SP e da cinza volante γ
Taxa de Calor de Hidratação do Cimento

( ) (
H = p C3 A ⋅ H C3 AET + H C3 A + p C4 AF ⋅ H C4 AFET + H C4 AF + )
pC3S ⋅ H C3S + pC2 S ⋅ H C2 S + p ESC ⋅ H ESC + pCV ⋅ H CV
HT = C ⋅ H
Dados de entrada Dados de Saída

Calor específico História da temperatura
Figura 5.6 – Algoritmo do programa de implementação do modelo MCH [1].
88
Foi utilizado o ensaio OPC400 (Ordinary Portland Cement, equivalente ao

Cimento Portland Comum no Brasil), realizado por MAEKAWA et al. [1], para a
validação do programa após a sua implementação. A composição da mistura e os
demais dados para simular este ensaio no programa MCH implementado é apresentada
na Tabela 5.2.
Tabela 5.2 – Composição da mistura OPC400 realizada por MAEKAWA et al. [1].
Material Valores na mistura Porcentagem na
mistura
Cimento CP I C = 400 kg/m3 P P 100,00%
C3A
B B ⎯ 10,40%
C3S
B B ⎯ 47,20%
C4AF
B B ⎯ 9,40%
C2S
B B ⎯ 27,00%
CS2H (gesso)
B B ⎯ 3,87%
2
Finura de Blaine 3380 cm /g P P
⎯
3
Água 156,8 kg/m P P a/c = 39,2
Adição química ⎯ ⎯
Superplastificante redutor de água e
0,25% x C ⎯
incorporador de ar (efeito = 5,0)
Calor específico do concreto (estimado) 500 kcal⋅kg-1⋅ºC-1
P P P P
⎯
Temperatura inicial do concreto 20ºC ⎯
A seguir, a Figura 5.7 ilustra o resultado obtido que, se comparado, com o

exposto pelos autores [1], demonstrará que a implementação do programa está correta.
70 70
60 60
50 50
40 40
30 30
20 20
OPC400 OPC400
10 M CH 10 M CH
0 0
0 1 2 3 4 5 6 7 8 0,001 0,010 0,100 1,000 10,000
t (dias) t (dias)
OPC400 - Ensaio com 400kg/m3 de cimento Portland comum realizado por MAEKAWA et al. [1].
P P
MCH - Modelagem do ensaio OPC400 pelo modelo MCH implementado.
Figura 5.7 – Curvas experimental e modelada para o ensaio OPC400 realizado por MAEKAWA et al. [1].
89
Capítulo 6 – Modelo de RNA para a Elevação
Adiabática de Temperatura do
Concreto
Para a aplicação de Redes Neurais Artificiais, foram utilizados 136

resultados experimentais obtidos no calorímetro adiabático do Laboratório de Concreto
do DCT.T de Furnas, apresentados por ANDRADE et al. [27]. Para poder utilizar uma
Rede Neural Artificial como uma ferramenta preditiva da exotermia da reação de
hidratação, esses resultados foram organizados em um banco de dados, conforme
descrito no Capítulo 4. Nesse banco de dados cada uma das curvas de elevação
adiabática da temperatura do concreto foi correlacionada com os fatores da dosagem
que influenciam diretamente na liberação de calor do concreto, e que irão definir os
parâmetros de entrada da rede. São eles: o tipo de cimento, caracterizado por sua
composição química; a finura do cimento; o consumo de cimento na dosagem; o
consumo das adições minerais de escória, cinzas volantes e outras pozolanas; o
consumo de água; o consumo de adições químicas; o consumo de agregados e a
temperatura do concreto fresco.
A dosagem do concreto foi caracterizada através do consumo (kg/m3) de P P
cada um de seus constituintes, representando cada um deles um neurônio de entrada.

Tais consumos deram origem a sete diferentes neurônios de entrada, relativos aos
seguintes materiais constituintes: cimento, água, agregados, outras pozolanas, escória,
cinza volante e adições químicas.
O tipo de cimento foi identificado por sua composição química e por sua
finura. A composição química do cimento, isto é, os teores percentuais de cada um dos
óxidos normalmente presentes no cimento Portland, deu origem a cinco neurônios de
entrada, representando os seguintes compostos: CaO, SiO2, Al2O3, Fe2O3 e SO3. Foram
B B B B B B B B B B B B
adotados diretamente os teores dos óxidos, uma vez que não se dispunham de resultados
de determinação direta da composição potencial, e a aplicação das equações de BOGUE
representaria um mapeamento dos teores de óxidos, além de não ser aplicável para todos
os tipos de cimento. A finura do cimento representa outro neurônio de entrada e foi
caracterizada através do módulo de “Finura de Blaine” (dada em cm2/g, NBR NM76 P P
[82]).
90
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
Finalmente, o último neurônio de entrada corresponde à temperatura do

concreto fresco (oC), totalizando quatorze neurônios de entrada para a rede neural
P P
artificial.
Uma vez definidos os dados de entrada, devem-se definir os neurônios de
saída, que permitem descrever a curva de elevação adiabática da temperatura. A curva
experimental obtida no ensaio de elevação adiabática de temperatura é composta por
dados de leituras efetuadas de hora em hora nas primeiras 24h e diariamente até a
estabilização da temperatura ou até completar 28 dias. Buscou-se identificar uma função
capaz de ajustar tais dados experimentais (vide Apêndice A) e obtendo-se uma capaz de
caracterizar as curvas de elevação adiabática da temperatura através de três parâmetros.
A equação (6.0.1) representa essa função, chamada aqui de função Hill.
tn
T ad (t ) = Tmáx ⋅ (6.0.1)
kn + tn
onde:
TmáxB B é a máxima temperatura atingida durante o ensaio, em ºC;
k representa o atraso devido ao calor latente, grandeza adimensional;
n é o coeficiente de aceleração para o período assintótico, grandeza
adimensional.
As funções testadas, assim como as comparações realizadas, são mostradas
em detalhes no Apêndice A.
Cada um dos ensaios de elevação adiabática da temperatura foi ajustado
através de uma função do tipo dado pela equação (6.0.1), identificando para cada um
deles os parâmetros Tmáx, k e n. Esse modelo mostrou-se satisfatório para as diversas
B B
curvas presentes no banco de dados, descrevendo bem as diversas cinéticas e

amplitudes. Desta forma, os parâmetros Tmáx, k e n corresponderão aos neurônios de
B B
saída do modelo aqui apresentado. As Figuras 6.1 e 6.2 apresentam, a título ilustrativo,
seis curvas de elevação adiabática da temperatura ajustadas através da função Hill.
91
Concreto
60 60
Ensaio E-2832 Ensaio E-2832
Modelo "Hill" Modelo "Hill"
50 50

40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50

40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 6.1 – Exemplos de curvas de elevação adiabática ajustadas através da função Hill – parte I. Os ensaios
colocados lado a lado são os mesmos em escalas diferentes: esquerda - escala decimal e direita - escala logarítmica.
92
Concreto
60 60
50 50

40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50

40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 6.2 – Exemplos de curvas de elevação adiabática ajustadas através da função Hill – parte II. Os ensaios
A Figura 6.3 apresenta esquematicamente o modelo de RNA para previsão

da exotermia da reação de hidratação desenvolvido neste trabalho. Nela são
apresentados os dados de entrada, organizados em forma de quatorze neurônios de
entrada (X1... X14), e a resposta da função HILL, dada em três neurônios de saída (Y1,
Y2, Y3).
93
Concreto
ENTRADAS SAÍDAS
Cimento ⇒ X1 B B
Água ⇒ X2 B B
Consumos (Kg/m3)
Pozolana ⇒ X3
PP
B B
Escória ⇒ X4 B B Y1
B B ⇒ Tmáx
B B
Cinza volante ⇒ X5
Parâmetros da função Hill

B B
Agregados ⇒ X6 B B
Redes
Ad. Química
⇒ X7 B B
⇒ ⇒ Y2
B B ⇒ k
Neurais
CaO ⇒ X8 Artificiais
Composição Química do
B B
SiO2 ⇒ X9
cimento (%)
B B B B
Al2O3
B B B B
⇒ X10
B B Y3
B B ⇒ n
Fe2O3 B B B B
⇒ X11
B B
SO3 B B
⇒ X12
B B
Finura cimento (cm2/g) P P ⇒ X13

B B
Temperatura Inicial (oC) P P

⇒ X14
B B
Figura 6.3 – Representação esquemática dos dados de entrada e saída do modelo de previsão da exotermia da reação
de hidratação.
Após a definição dos neurônios de entrada e saída do modelo, partiu-se para

o treinamento da rede neural artificial. Utilizou-se neste trabalho, em função de sua
simplicidade, uma rede neural de três camadas, uma camada de entrada (X), uma
camada intermediária (N), e uma camada de saída (Y). A arquitetura da rede é
representada esquematicamanete na Figura 6.4.
94
Concreto
X1 B
X2 B
X3 B
N1
X4
B
N2
X5
B
Y1
X6
B
Y2
X7
B
Y3
X8
B
Nn-1
X9
B
Nn
X10
B
X11
B
X12
B
X13
B
X14
B
Figura 6.4 – Arquitetura da rede.
De modo a determinar a topologia ideal para a rede neural foram utilizadas,

para a mesma arquitetura de três camadas, nove diferentes topologias, variando o
número de neurônios da camada intermediária e as funções de ativação das diferentes
camadas. A Tabela 6.1 apresenta as diferentes funções de ativação utilizadas. A Tabela
6.2 apresenta as nove diferentes topologias de rede neural avaliadas neste trabalho.
Tabela 6.1 – Funções de ativação utilizadas na RNA da Figura 6.4.

Função de ativação Fórmula Camada
⎛ m ⎞
Linear
yk = f ⎜⎜ ∑ wkj ⋅ x j ⎟⎟ 1ª (CE) e 3ª (CS)
⎝ j =1 ⎠
2
Gaussiana y k = e − uk 2ª (CI)
e puk − e − puk
yk = tanh( puk ) =
Tangente Hiperbólica (Tanh)
2ª (CI)
e puk + e − puk
1
Logística yk = 3ª (CS)
1 + e − puk
95
Concreto
Tabela 6.2 – Topologias aplicadas na RNA da Figura 6.4.

Função de Ativação Número de Neurônios
Topologia
CE CI CS CE CI CS
1 Linear Gaussiana Linear 14 15 3
2 Linear Gaussiana Logística 14 15 3
3 Linear Tanh Logística 14 15 3
Para a avaliar cada uma das topologias utilizou-se a seguinte estratégia de

treinamento para as redes neurais:
1. Das 136 curvas ajustadas pela função HILL, as seis melhores, cujos erros
medidos foram os menores, compuseram o grupo permanente de dados de treinamento
das redes neurais;
2. O restante (130) foi dividido em 10 blocos de 13 ensaios cada, onde para
cada treino, um bloco diferente era utilizado como dados de teste pós-treinamento.
Assim, para cada topologia, foram treinadas 10 redes neurais. Este critério é
denominado como “Processo de Validação Cruzada”;
3. De cada rede treinada, obteve-se, para cada um dos 136 ensaios, os três
parâmetros Tmáx, k e n que depois foram aplicados à equação (6.0.1) para a obtenção das
B B
curvas geradas pelo modelo HILL-RNA (junção do modelo da RNA e da função HILL).
Para cada curva obtida com o modelo HILL-RNA, foi calculada a incerteza padrão
média (raiz quadrada do erro quadrático médio);
4. Para cada treinamento foram calculados os valores médios da incerteza
padrão média e do desvio padrão e foi identificada a máxima amplitude obtida;
5. Finalmente, repetiu-se o procedimento anterior para obter a incerteza
padrão média, o desvio padrão e amplitude para cada topologia. Com isso, foram
treinadas um total de 90 redes (9 topologias).
96
Concreto
A medida utilizada para comparação entre os dados experimentais e dados

obtidos através dos modelos foi a incerteza padrão, que equivale à raiz quadrada do erro
quadrático médio, conforme a expressão abaixo:
n
∑ (y
i =0
i − xi )
2
(6.0.2)
Ξ=
ψ
sendo:
Ξ a incerteza padrão (ºC);
yi
B B a temperatura fornecida pelo modelo no instante t (ºC);
xi
B B a temperatura fornecida pelo ensaio no instante t (ºC);
ψ o número de temperaturas medidas no ensaio.
Para efeito de verificação da dispersão, foram calculados o desvio padrão e
a amplitude para a incerteza padrão, conforme as equações (6.0.3) e (6.0.4) a seguir.
∑ (Ξ − Ξ )
2
S= (6.0.3)
n −1
R = Ξ max − Ξ min (6.0.4)
onde:
S é o desvio padrão da amostra (ºC).
Ξ é a incerteza padrão (ºC);
Ξ é a incerteza padrão média (ºC);
n é o tamanho da amostra;
R é a amplitude total da amostra (ºC);
Os valores da incerteza padrão média, desvio padrão e amplitude de cada
topologia estão apresentados na Tabela 6.3. Observa-se, pelos resultados apresentados
nesta Tabela, que a topologia de número três foi aquela que apresentou os melhores
resultados globais (incerteza padrão média, desvio padrão e amplitude) e também foi
identificada como aquela com menor dispersão entre os treinos dentro da mesma
topologia. Também na topologia de número 3 foram obtidos, em um determinado
treinamento os menores valores de incerteza padrão média, desvio padrão e amplitude.
São eles:
Ξ = 2,36ºC; S = 1,75; R = 6,05ºC.
97
Concreto
Tabela 6.3 – Valores médios da incerteza padrão, desvio padrão e amplitude para cada topologia testada.
Incerteza padrão média Desvio padrão Amplitude
Topologia
Ξ (ºC) S R (ºC)
1 4.5238 3.4823 12.1626
2 3.4174 2.4812 8.5554
3 3.2425 2.1047 7.2400
4 4.4971 3.0236 10.3416
5 3.5717 2.6027 8.9413
6 3.6610 2.2187 7.4957
7 8.7140 4.4557 14.8647
8 3.3574 2.3546 7.8748
9 3.3944 2.2522 7.7781
Os resultados obtidos com o modelo Hill-RNA serão apresentados no

Capítulo 7, a seguir.
98
Capítulo 7 – Resultados, Análise e
Discussão
Neste capítulo são apresentados os resultados obtidos com os dois modelos

estudados: o modelo multifásico, chamado MCH; e o modelo de dados, chamado HILL-
RNA. Após a sua comparação com o dados experimentais de elevação adiabática de
temperatura dos concretos analisados pelo Laboratório de Concreto de Furnas – DCT.T.
O modelo MCH foi aplicado a apenas 14 dos 136 ensaios utilizados para
estudos nesta Tese, conforme já foi justificado no Capítulo 5, subítem 5.2, tendo sido
obtidas as respectivas 14 curvas de elevação adiabática de temperatura. Para uma
análise mais consistente, utilizamos as curvas obtidas pelo modelo HILL-RNA para os
mesmos 14 ensaios para comparação. Entretanto, para o ensaio E-1484, não há
resultado de treinamento de redes neurais. A Figura 7.1 a seguir mostra os resultados de
incerteza padrão para estes dois modelos quando comparados com os dados
experimentais. As linhas referem-se às incertezas padrão médias destes modelos para os
14 ensaios.
10.0
MCH
Média MCH
HILL-RNA
8.0
Média HILL-RNA
3
Incerteza Padrão (ºC)
6.0
13
4.0 2 12
5 6 9 13
1 9
1 4 6 7
11
8 10
2.0 3 8 11
5 7 12
4
10
14
14
0.0
0 3 6 9 12 15
Seqüencial dos ensaios
Figura 7.1 – Gráficos da incerteza padrão para os ajustes do Modelo MCH e do Modelo HILL-RNA.
99
Resultados, Análise e Discussão
A comparação entre as curvas experimentais e analíticas para os 14 ensaios

cuminou nos seguintes resultados:
Tabela 7.1 – Quadro comparativo dos parâmetros estatísticos entre o modelo MCH e o modelo HILL-RNA para 14
ensaios.
Modelo
Ξ S R
MCH 3,07 ºC 1,09 6,20 ºC
HILL-RNA 2,43 ºC 0,56 3,11 ºC
É importante ressaltar que a Amplitude medida, referente a T∞, é muito B B
maior para o modelo MCH, mas deve ser considerado o fato de apenas o ensaio número
3 (E-1941) ter evidendiado um erro que justifique tal amplitude.
Entretanto, a Tabela 7.2 apresenta os valores obtidos para a incerteza padrão
média e para as medidas de dispersão para o modelo HILL-RNA para os 136 ensaios.
Tabela 7.2 – Parâmetros estatísticos para o modelo HILL-RNA aplicado a 136 ensaios.
Modelo
Ξ S R
Hill-RNA 3,24 ºC 2,10 7,24 ºC
Como já foi mencionado, o modelo HILL-RNA foi obtido a partir de um

treinamento de redes neurais a 136 resultados de ensaios laboratoriais e o modelo MCH
foi aplicado a apenas 14 ensaios. As Figuras 7.2 a 7.6, a seguir, mostram,
comparativamente, as curvas geradas pelos dois modelos aos 14 ensaios em comum.
100
60 60
Modelo MCH Modelo MCH
50
50

ModeloHILL-RNA ModeloHILL-RNA
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
Ensaio E-1484 Modelo MCH
50 50

40 40
30 30
20 20
10 10
Ensaio E-1484 Modelo MCH

0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 Modelo HILL-RNA 50 Modelo HILL-RNA
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 7.2 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados experimentais [27].Os ensaios
101
60 60
50 50

40 40
30 30
20 20
10 Ensaio E-2627 10 Ensaio E-2627

Modelo HILL-RNA Modelo HILL-RNA
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
40 Elevação Adiabática de Temperatura (ºC) 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
55 55

45 45
40 40
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
102
60 60
50 50

40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50

40 40
30 30
20 20

0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50
40 40
30 30
20 20

0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
103
60 60

50 50

40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60

50 50
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
104
60 60

40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50
40 40
30 30
20 20

10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
A estimativa da superfície específica foi fonte de preocupação durante os

estudos. Diante disso, foi feita uma simulação para a dosagem E-1433, na qual foram
fixados todos os parâmetros de input para o modelo MCH, variando apenas os valores
de superfície específica entre 2745 a 4870 cm2/g (em intervalos de 212 cm2/g), que são P P P P
os valores mínimo e máximo dos 136 ensaios, além do valor de 3000 cm2/g, que P P
corresponde à superfície específica estimada. A Figura 7.7 mostra os resultados desta

aplicação ilustrando que a temperatura, no período ascendente, praticamente não se
altera; e que, no período assintótico da curva, a variação de temperatura máxima foi de
8,25% (1,65ºC em 19,51ºC).
105
60 60
2745 cm2/g 2958 cm2/g 3000 cm2/g E-1433 - 3000 cm2/g
3170 cm2/g 3383 cm2/g 3595 cm2/g
50 50
3808 cm2/g 4020 cm2/g 4233 cm2/g

4445 cm2/g 4658 cm2/g 4870 cm2/g
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
t (dias) t (dias)
60 60
2745 cm2/g 2958 cm2/g 3000 cm2/g E-1433 - 3000 cm2/g
3170 cm2/g 3383 cm2/g 3595 cm2/g
50 50
3808 cm2/g 4020 cm2/g 4233 cm2/g

4445 cm2/g 4658 cm2/g 4870 cm2/g
40 40
30 30
20 20
10 10
0 0
0.01 0.1 1 10 100 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 7.7 – Variações de superfície específica do cimento para a predição da exotermia da dosagem E-1433
utilizando o modelo MCH. Os ensaios colocados acima são os mesmos em escalas diferentes: em cima - escala
decimal e em baixo - escala logarítmica.
106
Capítulo 8 – Conclusões e Recomendações
Os modelos MCH e HILL-RNA, implementados neste Trabalho, se

apresentaram como uma ferramenta extremamente viável para estudos na fase de
projeto de grandes estruturas de concreto a fim de se controlar a elevação de
temperatura do material e minimizar os riscos de fissuração, como é o caso de
barragens. Entretanto, alguns requisitos importantes para suas aplicações devem ser
atendidos.
Alguns inputs são comuns para a aplicação dos dois modelos: a superfície
específica, o tipo e a quantidade de cimento, a quantidade de água, a quantidade de
adição química e mineral e a temperatura do concreto fresco. Outros são diferenciados a
cada um dos modelos. O modelo MCH necessita que o cimento utilizado na produção
do concreto seja do tipo “comum” (CP-I), sem pré-adições minerais, porque faz uso das
fases de BOGUE, que só podem ser calculadas para este tipo de cimento. Este é um
fator eliminatório para a sua aplicação. O modelo HILL-RNA não necessita atender a
esta exigência porque utiliza os teores de óxidos como parâmetros de entrada ao invés
dos teores das fases minerais e, com isso, diferencia o tipo de cimento simplesmente
associando os teores dos seus óxidos constituintes ao teor de adição mineral, fosse ela
pré ou pós-adição.
No modelo HILL-RNA é levado em conta a quantidade de agregado graúdo
incluída na dosagem do concreto analisado, por ser este constituinte o mais influente na
determinação do calor específico. No modelo MCH este dado não é um requisito para a
sua aplicação, porque trata diretamente com o calor específico. O calor específico é um
requisito essencial para a aplicação do modelo MCH, que calcula a taxa de geração de
calor e necessita deste parâmetro para o cálculo da evolução de temperatura do
concreto. Já o modelo HILL-RNA trata diretamente com a temperatura que é o
resultado do ensaio adiabático do calorímetro.
O modelo MCH, diferentemente do modelo HILL-RNA, considera efeitos
distintos para três tipos de aditivos químicos utilizados na mistura: um
superplastificante consistindo principalmente de sulfonato de β-naftaleno, um outro
107
Conclusões e Recomendações
superplastificante incluindo principalmente policarbonato e um agente redutor de água e

incorporador de ar.
Os resultados obtidos com a aplicação do modelo MCH apresentaram
indicativos de que este modelo é adequado para o uso da predição da exotermia de
concretos analisados na fase de projeto de grandes empreendimentos. A sua aplicação a
apenas 14 ensaios, sendo a superfície específica estimada para 6 deles, requer que os
resultados preliminares apresentados nesta Tese sejam validados com um número de
ensaios mais significativo, além da validação do critério de estimativa utilizado. Por
outro lado, os resultados mostrados na Figura 7.7 demonstraram que os valores
estimados não comprometeram a confiabilidade do uso do modelo MCH.
Para os resultados da aplicação do modelo HILL-RNA, a superfície
específica também foi estimada para 96 dos 136 ensaios estudados. Como já foi
verificada a pouca influencia individual da superfície específica na elevação de
temperatura através do modelo MCH e sendo este o único parâmetro estimado, o
modelo HILL-RNA gerado pelo treinamento de redes neurais mostrou-se satisfatório
para aplicações.
Os dois modelos apresentados nesta Tese apresentaram-se como ferramentas
que podem ser de grande ajuda para o projeto de estruturas de concreto massa.
O modelo MCH tem a limitação da necessidade do conhecimento das fases
minerais do cimento, o que reduz a sua utilização para o caso brasileiro já que,
raramente é utilizado um cimento do tipo I, fato que se refletiu na possibilidade de
analisar apenas 14 ensaios do banco de dados desta Tese. Ressaltamos também o fato
que, apesar de ter apresentado uma incerteza padrão relativamente baixa, a amplitude do
erro do modelo MCH foi muito maior do que a incerteza da RNA relativa aos mesmos
14 ensaios.
O modelo de Redes Neurais pode ser utilizado para todos os ensaios
constantes do banco de dados. A grande vantagem deste trabalho é que pode ser
utilizado para os cimentos comumente utilizados no Brasil, já que possuem uma grande
porcentagem de materiais como pozolanas e escórias, o que impede a aplicação das
equações de BOGUE para determinação das suas fases minerais.
Como conclusão final, podemos indicar que os modelos utilizados nesta
Tese podem ser de grande valia para projetos de barragens já que os erros médios
indicados permitem sua aplicação como ferramentas de projeto.
108
Capítulo 9 – Bibliografia
1 MAEKAWA, K., CHAUBE, R. AND KISHI, T., Modeling of Concrete

Performance, Hydration, Microstructure Formation and Mass Transport, 1 ed.,
London, E & FN Spon, 1999.
2 SILVOSO, M. M., Otimização da Fase Construtiva de Estruturas de Concreto em

Face dos Efeitos da Hidratação via Algoritmos Genéticos, Tese de D.Sc., COPPE /
UFRJ – Programa de Engenharia Civil, Rio de Janeiro, RJ, Brasil, 2003.
3 FAIRBAIRN, E. M. R., SILVOSO, M. M., TOLEDO FILHO, R. D., ALVES, J. L.

D., EBECKEN, N. F. F., Optimization of mass concrete construction using genetic
algorithms, Pergamon – Computer & Structures, v. 82, n. 2-3, pp. 281-299, 2004.
4 WALLER, V., Relations entre Composition des Betons, Exothermie en Cours de

Prise et Resistance en Compression , Thése de Doctorat, École Nationale des Ponts
et Chaussées, Spécialité Structures et Matériaux, France, 1999.
5 DE LARRARD, F., Concrete Mixture Proportioning: A Scientific Approach, 1 ed.,

French, E & FN SPON, 1999.
6 SUZUKI, Y., TSUJI, Y., MAEKAWA, K., OKAMURA, H., “Quantification of

hydration-heat generation process of cement in concrete”, Concrete Library of
JSCE, No. 16, pp. 111-124, 1990.
7 FERREIRA, I. A., Micromecânica e nanomecânica aplicadas a materiais

cimentíceos, Tese de Doutorado, COPPE / UFRJ – Programa de Engenharia Civil,
Rio de Janeiro, em desenvolvimento, RJ, Brasil, 2003.
8 BERNARD, O., ULM, F. J., LEMARCHAND, E., “A multiscale micromechanics-

hydration model for the early-age elastic properties of cement-based materials”,
Cement and Concrete Research, v. 33, pp. 1293-1309, 2003.
9 METHA, P. K., MONTEIRO, P. J. M., Concreto: Estrutura, Propriedades e

Materiais, 1 ed., São Paulo, Ed. Pini, 1994.
10 BOGUE, R. H., The Chemistry of Portland Cement, Reinhold Publishing

Corporation, New York, Cap. 10, pp. 245–268, 1955.
11 ASTM C 150 – 00, Standard Specification for Portland cement, ASTM,

Information Handling Services, 2000.
12 RAMACHANDRAN, V. S., BEUADOIN, J. J., Handbook of Analytical

Techniques in Concrete Science Tecnhnology. Principles, Techniques and
109
Bibliografia
Applications, Willian Andrew Publishing/Noyes Publications, New York, U.S.A.,

1999.
13 CB 18 – COMITÊ BRASILEIRO DE CIMENTO, CONCRETO E AGREGADOS,

NBR 5732 – Cimento Portland comum, ABNT, 1991.

NBR 11578 (EB2138) – Cimento Portland composto, ABNT, 1991.

NBR 5735 (EB-208) – Cimento Portland de alto forno, ABNT, 1990.

NBR 5736 (EB-758) – Cimento Portland pozolânico, ABNT, 1991.

NBR 5733 (EB-2) – Cimento Portland de alta resistência inicial, ABNT, 1991.

NBR 13116 – Cimento Portland de baixo calor inicial, ABNT, 1994.
19 POWERS, T. C., BROWNYARD, T. L., Studies of the physical properties of

hardened Portland cement paste, Journal of the American Concrete Institute, n. 18,
101-132, 249-336, 469-504, 549-602, 669-712, 845-880, 933-992, 1946-1947.
20 CZERNIN, W. Chemistry and Physics of Cement for Civil Engineers, Chemical

Publishing Company, New York, U.S.A., 1962.
21 LAPLANTE, P., Comportement mécanique du béton durcissant. Analyse comparée

du béton ordinaire et à trés hautes performances, Etudes de Recherches des
Laboratoire des Ponts et Chaussées, Paris, France, 1993.
22 FELDMAM R. F., SEREDA, P. J., “A model for hydrated Portland cement past as
deduced for sorption-lenght change and mechanical properties”, Materials and
Structures, v.1-6, pp. 509-520, 1968.
23 SIERRA, R., “Répartitiondes différents formes d’eau dans la structure des pâtes
pures de C3S et de ciment Portland”, in Proceedings of the 7th International
B B
congress on the Chemistry of Cement, v. 3, pp. 201-206, Paris, 1980.
24 LEA, F. M., The Chemistry of Cement and Concrete, Chemical Publishing

Company, Inc., p. 596, New York, 1971.
25 UOMOTO, T. E OHSHITA, K., A fundamental study on set-retardation of

concrete due to superplasticizer, Concrete Research and Tecnology (JCI), 5(1),
119-129.
26 UCHIKAWA, H., SAWAKI, D. E HANEHARA, S., Effect of type of organic

admixture and addition method on fluidity of fresh cement paste, Proceedings of
Japanese Concrete Institute Symposium on High-fluid Concrete, pp. 55-62, 1993.
110
Bibliografia
27 ANDRADE, W. P., e Equipe do Laboratório de Concreto de FURNAS,

CONCRETOS massa, estrutural, projetado e compactado com rolo – Ensaios e
Propriedades, 1a. ed., Ed. PINI, São Paulo, 1997.
P P
28 TAYLOR, H. F. W., Cement Chemistry, 2 ed., London, Thomas Telford, 1997.
29 ACKER, P., Comportement mécanique du béton: apports de l’approche physico-

chimique, Res. Rep. LCPC 152, Paris, 1988.
30 SANTHIKUMAR, S., Temperature dependent heat generation model for mixed

cement concrete with mutual interactions among constituent minerals, Master
thesis submitted to the University of Tokio, Tóquio, Japão, 1993.
31 BENTZ, D. P., COVENEY, P. V., GARBOCZI, E. J., KLEYN, M. F.,

STUTZMAN, P. E., Cellular Automaton Simulations of Cement Hydration and
Microstructure Development, 2, 783-808, 1994.
32 FAIRBAIRN, E.M.R., Concreto: A Física e a Química do Material, Módulo IV:

Um modelo para a reação de hidratação: Ulm e Coussy, COPPE/UFRJ-PEC, Notas
de Aula, 2001.
33 ULM, F.-J., COUSSY, O., “Couplings in early-age concrete: from material

modeling to structural design”, International Journal of Solids and Structures,
v. 35, pp. 4295-4311, 1998.
34 ULM, F.-J., COUSSY, O., Modeling of thermochemomechanical couplings of

concrete at early ages. Journal of Engineering Mechanics (ASCE), v. 121, n. 7, pp.
785-794, 1995.
35 ULM, F.-J., COUSSY, O., “Strength Growth as Chemo-Plastic Hardening in Early

Age. Concrete”. Journal of Engineering Mechanics (ASCE), v. 122, n. 12, pp.
1123-1132, 1996.
36 FAIRBAIRN, E. M. R., ALVES, J. L. D., SILVOSO, M. M., FERREIRA, I. A.,

ANDRADE, W. P., GUEDES, Q. M., Modelos numéricos baseados nos
acoplamentos termo-químico-mecânicos: aplicação ao concreto-massa, In Anais do
XXIII Seminário Nacional de Grandes Barragens, vol. 2, pp. 355-364, Belo
Horizonte, MG, 1999.
37 BYFORS, J., Plain concrete at early ages. Technical report. Swedish Cement and
Concrete Research Institute, S-100 44 Stockholm. 1980.
38 LAPLANTE, P., Propriétés méchaniques des bétons durcissants: analyse

comparée des bétons classiques et à très hautes performances., Ph.D. thesis, École
Nationale des Ponts et Chaussées, Paris, France. 1993.
39 TORRENTI, J.M, “La résistance du béton au très jeune âge”. Bulletin de Liaison
des LPC, n. 179, pp. 31-41. 1992.
40 GUÉNOT-DELAHAIE, I., Contribution à l’analyse physique et à la modélisation

du fluage propre du béton. These de doctorat de l’Ecole Nationale des Ponts es
Chaussées, Paris, França, 1996.
111
Bibliografia
41 PINTO, R. C. A., The Effect of Curing Temperatures on the Development of

Mechanical Properties of Fresh and Hardened High-strength Silica Fume Mixtures
– A Maturity Approach, Ph.D. Dissertation, Cornell University, Ithaca, NY, 1997.
42 CARVALHO, A. G., Energia de Ativação dos Concretos: Experimentação e

Modelagem, Tese de Mestrado, COPPE / UFRJ – Programa de Engenharia Civil,
Rio de Janeiro, RJ, Brasil, 2002.
43 U. S. BUREAU OF RECLAMATION, “Thermal properties of concrete”, Bulletin

1, Denver-USA, 1940.
44 BRODA, M., WIRQUIN, E., DUTHOIT, B., “Conception of an isothermal

calorimeter for concrete – Determination of the apparent energy”, Materials and
Structures, v. 35, aug., pp. 389-394, 2002.
45 SAUL, A. G. A., “Principles underlying the steam curing of concrete at

atmospheric pressure”, Magazine of Concrete Research, v. 2, no. 6, pp. 127-140,
1951.
46 CARVALHO, A. G., FAIRBAIRN, E. M. R., TOLEDO FILHO, R. D., SILVOSO,

M. M., PACELLI DE ANDRADE, W., ALBUQUERQUE, A. C., “Energia de
ativação dos concretos: experimentação e modelagem”, 44o Congresso Brasileiro
PU UP
do Concreto, Belo Horizonte, 2002.
47 COURTAULT, B., BRIAND, J. P., Thermal activation of cements, Proceedings,

Washington, v. 01, pp. 429-465, 1960.
48 PAULINI, P., “Reactions mechanism of concrete admixtures”, Cement and

Concrete Research, v. 53, n. 11-12, p. 179-186, 1988.
49 REGOURD M.; MORTUREAUX, B.; GAUTIER, E., “Characterization et

activation thermique des ciments au laitier”. 7th International Congress on
P P
Chemistry of Cernent, , v.18, n.6, p.910-918, 1980.
50 JAWED, I., et al., Hidration of Portland Cement, Structure and Performance of

Cements, P. Barnes ed., Applied Science Publishers, 1983, pp. 232-317.
51 D’ALOIA, L., CHANVILLARD, G., “Determination of the Apparent Activation

Energy of Concrete: Ea Semi-Adiabatic Tests of Heat Development”, Paris, 1998.
52 BENAMEUR, H. K., et al., “Determination of Apparent Activation Energy of

Concrete by Isothermal Calorimetry”, Cement and Concrete Research, Fev. 2000,
pp. 301-305.
53 ATKINS, P. W., Physical Chemistry, Oxford University Press, New York, 1998.
54 GAUTHIER, E., e REGOURD, M., Le Durcissement du Béton em Foction de la

Température, RILEM International Conference on Concrete at Early Ages, ENPC
Paris, pp. 145-150, 1982.
55 BYE, G. C., Portland Cement – Composition, Production and Properties,

Pergamon Press, 149 pp, 1983.
112
Bibliografia
56 FREIESLEBEN, H. P., PEDERSEN, E. J., CEB-Guide to Durable Concrete

Structures, Bulletin d’Information 166, Comité Euro-International du Béton,
Lausanne, 1985.
57 KJELLSEN, K. O., DETWILER, R. J., Later Age Strength Prediction by a

Modified Maturity Method. ACI Material Journal, pp. 220-227, Mar, 1993.
58 KIM, J. K., et al., “Estimation of Compressive Strength by a New Apparent

Activation Energy Function”. Cement and Concrete Research, pp. 217-225, Nov.
2001.
59 ASTM C 1074 – 98, Standard Practice for Estimating Concrete Strenght by the
Maturity Method, ASTM C 1074-87. Annual Book of ASTM Standards, Vol.
04.02, Philadelphia: American Society for Testing Materials, 1998.
60 NEVILLE, A., Propriedades do concreto, Editora PINI, São Paulo, 1997.
61 BREUGEL, V., “Prediction of temperature development”, in Prevention of thermal

cracking in concrete at early age, Ed. R. Springenschmid, pp. 76-148, E&FN
Spon, London, 1998.
62 BASTIAN, G., KHELIDJ, A., “Proprietés thermophysics d’un béton fraîchement

coulê”, Bulletin de Liaison des LPC, v. 200, pp. 25-35, 1995.
63 EVSUKOFF, A., “COC786 – Análise Inteligente de Dados - Notas de Aula”,

UFRJ/COPPE/PEC, Rio de Janeiro, 2003.
64 ZUBEN, F. V., DE CASTRO, L. N., “IA353 – Notas de Aula – Módulos 1 a 8”,

Unicamp/FEEC/DCA, Campinas, 2003.
65 MCCULLOCH, W. S., PITTS, W., “A logical calculus of the ideas immanent in

nervous activity”, Bulletin of Mathematical Biophysics, vol. 5, pp. 115-133, 1943.
66 HEBB, D., Organization of Behaviour, John Wiley & Sons, New York, 1949.
67 ROSEMBLATT, R., Principles of Neurodynamics, Spartan Books, New York,

1959.
68 HOPFIELD, J.J., “Neural networks and physical systems with emerging collective
computational abilities”. Proceedings of the National Academy of Sciences, vol. 79,
pp. 2554-2558, 1982.
69 RUMELHART, D.E., MCCLELLAND, J.L., Parallel Distributed Processing:

Explorations in the Microstructure of Cognition, vols. 1 e 2, The MIT Press, 1986.
70 HAYKIN, S., Neural Networks – A Comprehensive Foundation, Macmillian

College Publishing Comany, 1994.

NBR NM10 – Cimento Portland – Análise química – Disposições gerais, ABNT,
2004.
113
Bibliografia

NBR NM12 – Cimento Portland – Análise química – Determinação de óxido de
cálcio livre, ABNT, 2004.

NBR NM13 – Cimento Portland – Análise química – Determinação de óxido de
cálcio livre pelo etileno glicol, ABNT, 2004.

NBR NM14 – Cimento Portland – Análise química – Método de arbitragem para
determinação de dióxido de silício, óxido férrico, óxido de alumínio, óxido de
cálcio e óxido de magnésio, ABNT, 2004.

NBR NM15 – Cimento Portland – Análise química – Determinação de resíduo
insolúvel, ABNT, 2004.

NBR NM16 – Cimento Portland – Análise química – Determinação de anidrido
sulfúrico, ABNT, 2004.

NBR NM17 – Cimento Portland – Análise química – Método de arbitragem para
determinação de óxido de sódio e de óxido de potássio por fotometria de chama,
ABNT, 2004.

NBR NM18 – Cimento Portland – Análise química – Determinação de perda ao
fogo, ABNT, 2004.

NBR NM19 – Cimento Portland – Análise química – Determinação de enxofre na
forma de sulfeto, ABNT, 2004.

NBR NM20 – Cimento Portland e suas matérias-primas – Análise química –
Determinação de dióxido de carbono por gasometria, ABNT, 2004.

NBR NM21 – Cimento Portland – Análise química – Método optativo para a
determinação de dióxido de silício, óxido férrico, óxido de alumínio, óxido de
cálcio e óxido de magnésio, ABNT, 2004.

NBR NM76 – Cimento Portland – Determinação da finura pelo método de
permeabilidade ao ar (Método de Blaine), ABNT, 1998.

NBR 12819 – Concreto e Argamassa – Determinação da elevação adiabática de
temperatura, ABNT, 1993.
114
Bibliografia

NBR12817 – Concreto endurecido – Determinação do calor específico, ABNT,
1993.

NBR12818 – Concreto – Determinação da Difusividade Térmica, ABNT, 1993.
86 U. S. BUREAU OF RECLAMATION, “Materials Laboratories Procedures

Manual”, Denver-USA, 1957.

NBR12820 – Concreto Endurecido – Determinação da Condutividade Térmica,
ABNT, 1993.
88 ULM, F.-J., COUSSY, O., KEFEI, L., LARIVE, C., Thermo-Chemo-Mechanics of

ASR Expansion in Concrete Structures, Journal of Engineering Mechanics
(ASCE), v. 126, n. 3, pp. 233-242, 2000.
89 MILLS, R. H., “Factors influencing cessation of hydration in water cured cement

pastes”, ACI, n. 60, 406-424, 1966.
115
Apêndice A – Funções para Caracterização
das Curvas de Elevação
Adiabática de Temperatura do
Concreto
A.1. INTRODUÇÃO: PARÂMETROS ESTATÍSTICOS UTILIZADOS
O erro medido para comparação entre os dados experimentais e dados

obtidos através das funções foi a incerteza padrão, que equivale à raiz quadrada do erro
quadrático médio, conforme a expressão abaixo:
∑ (y
i =0
i − xi )
2
(A.1)
Ξ=
ψ
sendo:
Ξ a incerteza padrão (ºC);
yi
B B a temperatura fornecida pelo modelo no instante t (ºC);
xi
B B a temperatura fornecida pelo ensaio no instante t (ºC);
ψ o número de temperaturas medidas no ensaio.
Para efeito de verificação da dispersão, foram calculados a amplitude total e
o desvio médio para a incerteza padrão média, conforme as equações (A.2) e (A.3) a
seguir.
R = Ξ max − Ξ min (A.2)
DM =
∑ Ξi − Ξ (A.3)
n
onde:
R é a amplitude total da amostra (ºC);
Ξ é a incerteza padrão (ºC);
Ξ é a incerteza padrão média (ºC);
DM é o desvio médio da amostra (ºC).
B B
116
Funções para Caracterização das Curvas de Elevação Adiabática de
Temperatura do Concreto
A.2. FUNÇÃO DE RESPOSTA NO TEMPO DE SISTEMAS DE 1ª ORDEM
A primeira função que se estudou foi a de Resposta no Tempo de Sistemas

de 1ª Ordem (RTS1O), composto por uma função de resposta forçada ao degrau unitário
somada à de resposta forçada à rampa incluindo-se aí, um atraso para representar a
extensão do calor latente.
A função de resposta forçada de sistemas de 1ª Ordem aplicado a sistemas
térmicos é representada pela equação (A.4):
dy 1 1
+ y= k (A.4)
dt τ τ
Da qual tomando-se as transformadas de Laplace, após a subdivisão da
constante k em k0, que representa o ganho da parte em degrau, e em k1, que representa a
B B B B
inclinação da rampa; e, depois, retornando-se ao domínio do tempo e incluindo-se o

termo referente ao atraso identificado anteriormente, tem-se:
⎡ ⎛ −t +δ ⎞⎤ ⎡ ⎛ −t +δ ⎞⎤
y (t ) = k 0 ⋅ ⎢1 − exp⎜ ⎟⎥ + k1 ⋅ ⎢(t − δ ) − τ + τ ⋅ exp⎜ ⎟⎥ (A.5)
⎣ ⎝ τ ⎠⎦ ⎣ ⎝ τ ⎠⎦
que possui quatro parâmetros (quarteto) a serem ajustados, sendo:

k0 B B o ganho da parte em degrau;
τ o tempo de resposta;
k1 B B a inclinação da rampa;
δ o atraso da resposta ao degrau.
Entretanto, analisando fisicamente, a função acima necessitou de um outro
ajuste devido ao fato uma parte resultar em valores negativos.
Assim a função resultou na expressão (A.6) a seguir:
⎧0 , y (t ) < 0
T ad (t ) = ⎨ (A.6)
⎩ y (t )
A incerteza padrão para o ajuste desta função aos 141 dados experimentais
foi em média de 0,6ºC [mín = 0,088ºC ; máx = 1,882ºC]. As medidas de dispersão e a
incerteza padrão média foram:
R = 1,79ºC; Ξ = 0,60ºC; DM = 0,26
B B
A Figura A.1 apresenta as incertezas padrões para os 141 ensaios.
117
2.0
Incerteza Padrão (ºC) 1.6
1.2
0.8
0.4
0.0
0 20 40 60 80 100 120 140
Figura A.1 – Gráfico da incerteza padrão para os ajustes da função de Resposta no Tempo de Sistemas de 1ª Ordem.
Apesar da baixa incerteza padrão média, esta função se mostrou imprópria

pelo fato de não fornecer, com precisão, a curva da afinidade normalizada (derivada da
temperatura). Nas primeiras horas, ela fornece valores nulos inconcebíveis para
representar a física da elevação de temperatura do concreto, como se pode notar no
gráfico da Figura A.2 abaixo.
50 50
Ensaio E-3026 - T ini = 19.67ºC
45 45
Modelo "RT S1O"
10
40 40
35 35
5
30 30
25 0 25
0 1 2 3
20 t (dia s ) 20
15 Ensaio E-3026 - T ini = 19.67ºC 15
10 Modelo "RT S1O" 10
5 5
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura A.2 – Gráficos do ajuste da função de Resposta no Tempo de Sistemas de 1ª Ordem (RTS1O) para o ensaio E-
3026 [27].
118
A.3. FUNÇÃO DE ULM-COUSSY-KEFEI-LARIVE
Esta segunda função, oferecida pelos autores [63] para modelar a extensão
da reação química no mecanismo da reação álcali-agregado no concreto, foi analisada
para configurar a sua curva de elevação adiabática de temperatura:
⎛ −t ⎞
1 − exp⎜⎜ ⎟⎟
T ad (t ) = k1 ⋅ ⎝ k2 ⎠
(A.7)
⎛ −t +δ ⎞
1 + exp⎜⎜ ⎟⎟
k
⎝ 2 ⎠
k1 B B é o valor da temperatura no período assintótico da curva;
k2 B B é o coeficiente de aceleração para o período assintótico;
δ representa o atraso devido ao calor latente.
Neste modelo, a incerteza padrão, em relação aos ensaios, foi em média de
1,038ºC [mín = 0,094ºC ; máx = 2,604ºC]. As medidas de dispersão e a incerteza padrão
média foram:
R = 2,51ºC; Ξ = 1,04ºC; DM = 0,44
B B
As incertezas padrões para os 141 ensaios são apresentadas na Figura A.3 a

seguir.
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0 20 40 60 80 100 120 140
Figura A.3 – Gráficos da incerteza padrão para os ajustes da função de Ulm-Coussy-Kefei-Larive.
119
Mesmo com uma incerteza um pouco maior que a da função

“Degrau+Rampa”, a função de Ulm-Coussy-Kefei-Larive se ajustou melhor ao
mecanismo da elevação de temperatura do concreto, se mostrando um bom modelo a ser
trabalhado para esta finalidade. Contudo, em alguns casos a silhueta da curva mostrou-
se um tanto indesejável como, por exemplo, a do ensaio E-2832 [27] ilustrada na Figura
A.4. A curva analítica descreve uma assíntota extensa devido ao ajuste paramétrico feito
com a minimização do erro.
15 15
Ensaio E-2832 - T ini = 11,60ºC

Modelo de "Ulm-Coussy-Kefei-Larive"
10 10
5 5
Modelo de "Ulm-Coussy-Kefei-Larive"
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura A.4 – Gráficos do ajuste da função de “Ulm-Coussy-Kefei-Larive” para o ensaio E-2832 [27].
A.4. FUNÇÃO HILL
Posteriormente, identificou-se uma terceira função, do tipo

“Growth/Sigmoidal – Hill”, chamada apenas de HILL, que tem a configuração da
equação (A.8):
tn
T ad
(t ) = Tmáx ⋅ n (A.8)
k + tn
sendo que:
VmáxB B é o coeficiente de ;
k representa o atraso devido ao calor latente;
n é o coeficiente de aceleração para o período assintótico.
Este modelo se ajustou melhor aos dados experimentais do que os
anteriores, apresentando uma incerteza padrão média de 0,495ºC [mín = 0,052ºC ; máx
= 1,174ºC] que é mostrada na Figura A.5.
120
As medidas de dispersão e a incerteza padrão média foram:

R = 1,12ºC; Ξ = 0,50ºC; DM = 0,25
B B
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0 20 40 60 80 100 120 140
Figura A.5 – Gráficos da incerteza padrão para os ajustes da função HILL.
A função HILL suprime as deficiências apresentadas pelos modelos que o

antecederam, como se pode evidenciar nas Figuras A.6 e A.7 que se seguem.
50 50
45 45
Modelo "Hill"
40 40
35 35
30 30
25 25
20 20
15 Ensaio E-3026 - T ini = 19,67ºC 15
10 Modelo "Hill" 10
5 5
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura A.6 – Gráficos ajuste da função HILL para o ensaio E-3026 [27].
121
16 16
14 14 Ensaio E-2832 - T ini = 11,60ºC


Modelo "Hill"
12 12
10 10
8 8
6 6

4 4
Modelo "Hill"
2 2
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura A.7 – Gráficos do ajuste da função HILL para o ensaio E-2832 [27].
A.5. COMPARAÇÃO ENTRE AS TRÊS FUNÇÕES
As três funções ajustadas são satisfatórias para descrever a curva de

elevação adiabática de temperatura do concreto em termos de incerteza padrão
(Ξ < 2,7ºC). Porém, a função de Resposta no Tempo de Equações Diferenciais Lineares
de 1ª Ordem, que acopla a resposta ao degrau mais a resposta à rampa, não corresponde
ao mecanismo físico, por dar valores zero por várias horas quando se tem que expressar
o atraso (calor latente) concedido pela adição química. Já a função de Ulm-Coussy-
Kefei-Larive forneceu uma incerteza padrão mais alta um pouco e a curva obtida
descreve uma assíntota extensa devido ao ajuste paramétrico feito com a minimização
do erro.
As Figuras A.8 e A.9, a seguir, mostram a comparação entre as funções
estudadas.
50 50
45 45
10
40 40
35 35
5
30 30
25 25 0
0 1 2 3
20 20 t (dia s )
15 Ensaio E-3026 - T ini = 19,67ºC 15 Ensaio E-3026 - T ini = 19.67ºC
10 Modelo "Hill" 10 Modelo "RT S1O"
5 5
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
t (dias) t (dias)
Figura A.8 – Comparação entre da função HILL e a função de Resposta no Tempo de Sistemas de 1ª Ordem
(RTS1O).
122
16 15
14

12
10
10
6
5
Ensaio E-2832 - T ini = 11,60ºC Ensaio E-2832 - T ini = 11,60ºC
4
Modelo "Hill" Modelo de "Ulm-Coussy-Kefei-Larive"
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
t (dias) t (dias)
Figura A.9 – Comparação entre da função HILL e a função de Resposta no Tempo de Sistemas de 1ª Ordem
(RTS1O).
123
Apêndice B – Modelo de Vincent Waller
WALLER [4,5] modelou a elevação de temperatura do concreto, em

condições adiabáticas, segundo as expressões que se seguem.
t
T ad (t ) = ∫ T& (τ )⋅ dτ (B.1)
0
sendo
T& (τ ) ⋅ C th (τ ) = α& c (τ ) ⋅ ξ c (∞ ) ⋅ C ⋅ Qc + α& p (τ ) ⋅ ξ p (∞ ) ⋅ P ⋅ Q p (B.2)
onde
~ ⎡ Eac ⎤
α& c (τ ) = Ac [α c (τ )]⋅ exp ⎢− ⎥ (B.3)
⎣ ℜ ⋅ T (τ ) ⎦
e
⎡ Ea p ⎤
α& p (τ ) =
~
[ ]
Ap α p (τ ) ⋅ exp ⎢− ⎥ (B.4)
⎣ ℜ ⋅ T (τ ) ⎦
Nas equações acima,
Tad(t) P P é a elevação de temperatura do concreto no instante t;
T& (t) é a derivada da temperatura no instante t;
Cth(t) P P é o calor específico do concreto no instante t;
αc(t) B B é o grau de avanço das reações de hidratação do cimento no
instante t;
ξc(∞)
B B é o grau de hidratação final do cimento;
C é o consumo de cimento no concreto (g);
Qc B B é o calor de hidratação do cimento (J/g);
αp(t) B B é o grau de avanço das reações de hidratação da pozolana no
instante t;
ξp(∞)
B B é o grau de atividade pozolânica final da pozolana;
P é o consumo de pozolana na amostra (g);
124
Modelo de Vincent Waller
Qp B B é o calor de hidratação da pozolana (J/g);

αp(t)B B é o grau de avanço da reação pozolânica no instante t;
Ãc(αc)
B B B B é uma função proporcional à velocidade das reações de hidratação
em condições isotérmicas;
Eac B B é a energia de ativação aparente das reações de hidratação do
cimento;
Ãp(αp)
B B B B é uma função proporcional à velocidade das reações de hidratação
em condições isotérmicas;
Eap B B é a energia de ativação aparente das reações de hidratação do
cimento;
ℜ é a constante universal dos gases perfeitos.
O calor específico do concreto fresco, Cth, é calculado pelo somatório dos P P
calores específicos dos seus n constituintes, conforme a equação (B.5).

n
C = ∑ mi ⋅ cith
th
(B.5)
i =1
onde
Cth é o calor específico do concreto fresco (J/ºC);
P P
mi é a massa do iésimo constituinte por unidade de volume de concreto

B B
(kg); e
cith o seu calor específico (J⋅kg–1⋅ºC–1). P P P P
Para avaliar a produção de calor durante a hidratação, é necessário estimar o

grau final do consumo de aglomerantes durante a reação, uma vez que a hidratação do
aglomerante é a única fonte de calor.
WALLER [4,5] destacou que o grau de hidratação de cada componente é
essencialmente governado pela sua proporção na pasta (fator água/cimento, fator
pozolana/cimento) e considera que a hidratação é um fenômeno local, que ocorre na
escala do grão do cimento desconsiderando, assim, o papel das fases inertes (interface
pasta/agregado, filler inerte) no processo de hidratação.
Na ausência de pozolanas, o grau final de hidratação do cimento depende
essencialmente do fator água/cimento.
POWERS [19] e MILLS [89], citados por WALLER [4], elaboraram dois
modelos a partir de resultados experimentais para o grau final de hidratação do cimento
para períodos superiores a 400 dias. O modelo empírico de POWERS é dado na
125
equação (B.6) e o de MILLS na (B.7), onde ξc(∞) representa o grau final de hidratação
B B
do cimento.
⎛ ac⎞
ξ c (∞ ) = min ⎜1 ; ⎟ (B.6)
⎝ 0,42 ⎠
1,031 ⋅ a c
ξ c (∞ ) = (B.7)
0,194 + a c
WALLER [4,5] propõe o modelo empírico dado na equação (B.8) para

estimar o grau final de hidratação:
ξ c = 1 − exp(− 3,3 ⋅ a c ) (B.8)
Para sistemas com pozolanas, WALLER [4,5] utilizou-se do cálculo

estequiométrico para mostrar que 1g de fumo de sílica ou de cinza volante necessita de
1,3 ou 1,1 g de Ca(OH)2, respectivamente, para ser completamente consumida. Assim,
B B
tendo em vista que 1g de cimento libera 0,3g de Ca(OH)2 após a hidratação, pode-se
B B
considerar que, ao final do processo, ou a pozolana é completamente hidratada (e uma

certa quantidade de Ca(OH)2 permanece no sistema), ou a parte da pozolana que reage
B B
consome exatamente a cal liberada pelo cimento.

As equações de balanço conduzem às equações (B.9) e (B.10) para
determinação dos graus finais de hidratação do fumo de sílica ξFS(∞) e da cinza volante
B B
ξCV(∞), respectivamente.
B B
⎛ 0,23 ⋅ ξ c (∞ ) ⎞
ξ FS (∞ ) = min ⎜⎜1 ; ⎟⎟ (A.9)
⎝ fs c ⎠
⎛ 0,27 ⋅ ξ c (∞ ) ⎞
ξ CV (∞ ) = min ⎜⎜1 ; ⎟⎟ (A.10)
⎝ cv c ⎠
Acredita-se que a reação pozolânica Ca (OH )2 + Sílica → C − S − H
não envolve qualquer fonte adicional de água [4,5]. No entanto, a fase hidrato tem uma
alta área específica, e dessa forma o hidrato formado na reação pozolânica adsorve uma
significante quantidade de água, que não está mais disponível para hidratação adicional
do cimento. Assim, o grau de hidratação final do cimento diminui quando uma pozolana
é adicionada ao sistema para um fator água/cimento constante.
126
Faz-se necessário, então, em sistemas com pozolanas, corrigir a equação

(1.2.8) subtraindo da água total a água adsorvida pelo C–S–H pozolânico. Deve ser
considerado ainda o fato de a relação água/cimento aumentar o efeito de redução do
grau final de hidratação provocado pela reação pozolânica [4,5]. Através de ajuste
numérico WALLER [4,5] obteve a equação (B.11) para o grau de hidratação do cimento
na presença de pozolanas.
ξ c (∞ ) = 1 − exp[− 3,3 ⋅ (a c − δ )] (B.11)
o termo δ é dado pelas equações (B.12) e (B.13) para sistemas com fumo
sílica e com cinzas volantes, respectivamente.com
0,60 ⋅ ξ FS (∞) ⋅ fs
δ = exp(1,60⋅ a c ) ⋅ (A.12)
C
0,42 ⋅ ξ CV (∞ ) ⋅ cv
δ = exp(1,60 ⋅ a c ) ⋅ (A.13)
C
A aplicação do modelo de WALLER [4,5] para diversos teores de fumo de
sílica permite observar que a diminuição do grau final de hidratação do cimento é
significativa para uma porcentagem de fumo de sílica igual a 10% (uma dosagem
bastante usual em concretos de alto desempenho); e tende a se estabilizar quando a
dosagem de fumo de sílica é maior que 20 %, teor para o qual toda a cal é consumida.
Para uma composição ternária é necessário generalizar os modelos
anteriores. Para tanto, WALLER [4,5] apresentou duas hipóteses.
1ª Hipótese: Admite-se que o fumo de sílica reage antes da cinza volante.
2ª Hipótese: A cinza volante reagirá somente se houver alguma cal residual
após o máximo consumo de fumo de sílica.
Para resolver o problema, inicialmente admite-se que o fumo de sílica é a
única pozolana a reagir. Assim, ξCV e ξFS são calculados das equações (A.9), (A.11) e
B B B B
(A.8). Se ξFS < 1 então a segunda hipótese está correta, e temos ξCV = 0. Caso ξFS = 1
B B B B B B
considera-se que a cinza volante reagiu e seu montante pode ser quantificado pelo
levantamento do restante de cal disponível, conforme a equação (B.14).
0,30 ⋅ ξ c (∞ ) ⋅ C − 1,30 ⋅ fs = 1,10 ⋅ ξCV (∞ ) ⋅ cv (B.14)
127
Finalmente, seja qual for o valor de ξFS, o problema pode ser sumarizado
B B
pelo sistema dado pelas equações (B.15) a (B.18).
⎛ 0,23 ⋅ ξ c (∞ ) ⎞
ξ FS (∞ ) = min ⎜⎜1 ; ⎟⎟ (B.15)
⎝ fs c ⎠
⎡ ⎛ 0,27 ⋅ ξ c (∞ ) 1,18 ⎞⎤
ξ CV (∞ ) = max ⎢0 ; min⎜⎜1 ; − ⎟⎥ (B.16)
⎣ ⎝ cv c cv fs ⎟⎠⎦
ξ c (∞ ) = 1 − exp[− 3,3 ⋅ (a c − δ )] (B.17)
0,60 ⋅ ξ FS (∞ ) ⋅ fs + 0,42 ⋅ ξ CV (∞ ) ⋅ cv
δ = exp(1,60 ⋅ a c ) ⋅ (B.18)
C
Assim, WALLER [4,5] apresenta um modelo que permite conhecer o grau
final de consumo dos três aglomerantes, em qualquer mistura contendo cimento
Portland, cinza volante e fumo de sílica.
A incógnita tratada agora é a quantidade de calor liberado por uma massa
unitária de aglomerante (cimento, fumo de sílica e cinza volante) completamente
hidratado. Neste modelo, o calor de hidratação será calculado a partir da composição de
BOGUE [9], considerando que cada uma das fases reativas (C3S, C2S, C3A, C4AF) do B B B B B B B B
clínquer de um cimento Portland tem um calor de hidratação específico, como mostrado

na Tabela B.1.
Tabela B.1 – Calor de hidratação das fases do clínquer - WALLER [4]
Fases do clínquer Calor de Hidratação

(kJ⋅kg–1) – (cal⋅g–1)
P P P P
C3S
B B 510 – (122)
C2S
B B 260 – (62)
C3A
B B 1100 – (263)
C4AF
B B 410 – (98)
O calor de hidratação do cimento é considerado como uma combinação

linear dos calores de suas fases, ponderados pelas porcentagens das mesmas. Observa-se
na tabela anterior, que as duas fases que são responsáveis pela resistência inicial da
pasta de cimento (C3S e C3A), também produzem um alto calor de hidratação.
B B B B
128
O calor de hidratação foi medido por WALLER [4], para cada adição
estudada, em testes adiabáticos de misturas com água e excesso de cal para obter o
maior efeito pozolânico possível. Os valores são dados na Tabela B.2 e na Tabela B.3.
Observa-se que os vários produtos não exibem valores significativamente diferentes
dentro das duas categorias.
Tabela B.2 – Calor de hidratação das microssílicas estudadas por WALLER [4]
Produto Calor liberado por massa

unitária de pozolana reagida
(kJ⋅kg–1) P P
Fumo de Sílica A 810 ± 60

Fumo de Sílica C 910 ± 70
Fumo de Sílica D 890 ± 70
Valor médio 870 ± 70
Tabela B.3 – Calor de hidratação das cinzas volantes estudadas por WALLER [4]
Produto Calor liberado por massa

unitária de pozolana reagida
(kJ⋅kg–1)
P P
Cinza volante A 500 ± 90

Cinza volante B 560 ± 100
Cinza volante C 610 ± 70
Cinza volante D 560 ± 60
Cinza volante E 630 ± 70
Valor médio 570 ± 80
Então, o calor de hidratação final do concreto, Q(∞) , é calculado

diretamente pela soma dos calores liberados pelos vários aglomerantes, multiplicados
pelos seus graus de hidratação/transformação, conforme apresentado na equação (B.19).
Q (∞ ) = (510 ⋅ ϕ C3 S )
+ 260 ⋅ ϕ C2 S + 1100 ⋅ ϕ C3 A + 410 ⋅ ϕ C4 AF ⋅ ξ c (∞ ) ⋅ C +
(B.19)
860 ⋅ ξ FS (∞ ) ⋅ fs + 560 ⋅ ξ CV (∞ ) ⋅ cv
Na equação (B.19), Q (em J/g) representa o calor total gerado pela reação de
hidratação. Os consumos de cimento, fumo de sílica e cinza volante são dados,
respectivamente, por C, fs e cv (em g/g). O fator ϕ C3S significa a porcentagem de
129
silicato tricálcico no cimento, ou seja, ϕi é o percentual de cada componente do cimento

B B
ou aditivo mineral na mistura.

Finalmente, com a ajuda destes cálculos preliminares, a elevação adiabática
de temperatura poderá ser modelada. A elevação adiabática final da temperatura, Tad(∞),
P P
em Kelvin (K) ou em graus Celsius (oC), é simplesmente a razão do calor total

P P
produzido, calculado pela equação (A.19), pelo calor específico global, fornecido pela
equação (B.5):
Q(∞ )
T ad (∞ ) = (B.20)
C th
WALLER [4] realizou uma ampla série de testes adiabáticos em argamassas
e concretos compostos com agregados calcários. Dois cimentos Portland foram
utilizados, puros ou em combinação (com uma cinza volante ou com um fumo de
sílica). Amplos intervalos de fator água/cimento (0.30–0.65), fator fumo de
sílica/cimento (0–0.30) e fator cinza volante/cimento (0–0.50) foram investigados.
Vários tipos de pozolanas foram comparados, e algumas misturas também incluíram um
filler calcário.
Os 60 testes realizados foram usados primeiro para calibrar o modelo do
grau de hidratação do cimento na presença de pozolanas (equações B.8 e B.9). Então as
elevações de temperatura teóricas previstas pelo modelo foram comparadas com os
dados experimentais. Segundo os autores, o erro médio do modelo é menor que 2K.
Noventa e cinco por cento dos valores foram inferiores a 5K.
Na predição da elevação de temperatura relativa a misturas contendo filler
calcário, este produto foi considerado inerte. O filler calcário tende a acelerar a
hidratação do cimento, e também contribui diretamente para resistência à compressão
pela formação de carboaluminatos. Na teoria, este segundo efeito poderia produzir
algum calor, mas os resultados obtidos indicam que esta fonte de calor pode ser
desprezada quando comparada com outras [4].
130

PREDIÇÃO DA EXOTERMIAt PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

PREDIÇÃO DA EXOTERMIAt PDF

Enviado por

Direitos autorais:

Formatos disponíveis

PREDIÇÃO DA EXOTERMIA DA REAÇÃO DE HIDRATAÇÃO DO CONCRETO

ATRAVÉS DE MODELO TERMO-QUÍMICO E MODELO DE DADOS

Étore Funchal de Faria

TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS

RIO DE JANEIRO, RJ – BRASIL

À minha esposa, Karla. Vencer acompanhado é muito melhor.

Aos colegas do Laboratório de Estruturas da COPPE/UFRJ pela colaboração e auxílio

PREDIÇÃO DA EXOTERMIA DA REAÇÃO DE HIDRATAÇÃO DO CONCRETO

Étore Funchal de Faria

Orientadores: Eduardo de Moraes Rego Fairbairn

Programa: Engenharia Civil

O presente trabalho apresenta dois modelos para a previsão da elevação

EXOTHERMY PREDICTION OF CONCRETE HYDRATION REACTION BY

Étore Funchal de Faria

Advisors: Eduardo de Moraes Rego Fairbairn

Departament: Civil Engeneering

1.2. Estado da Arte dos Modelos de Previsão da Exotermia do Concreto............. 1

1.3. Objetivos e Relevância do Trabalho ............................................................... 3

2. ASPECTOS FÍSICO–QUÍMICOS DA HIDRATAÇÃO............................. 4

2.1. Os Reagentes ................................................................................................... 4

2.2. Patamar de Percolação..................................................................................... 17

2.3. As Reações de Hidratação............................................................................... 17

2.3.2. A Química da Hidratação dos Aluminatos (C3A e C4AF) ........................... 21

2.4. Grau de Hidratação ......................................................................................... 23

2.5. Modelo de Ulm e Coussy para a Hidratação ................................................... 23

2.6. A Energia de Ativação .................................................................................... 36

2.7. Calor Específico .............................................................................................. 42

2.8. Difusividade e Condutividade Térmicas ......................................................... 43

3. ASPECTOS DE MODELOS DE DADOS: INTRODUÇÃO ÀS REDES

3.2. Base Biológica................................................................................................. 45

3.3. Breve Histórico................................................................................................ 47

3.4. Esquema das RNAs ......................................................................................... 48

3.5. Neurônios Artificiais ....................................................................................... 48

3.6. Funções de Ativação ....................................................................................... 50

3.7. Principais Arquiteturas de RNAs .................................................................... 54

3.8. Processos de Aprendizagem............................................................................ 57

4. PROCEDIMENTOS EXPERIMENTAIS E ELABORAÇÃO DO

4.1. Procedimentos de ensaio ................................................................................. 64

4.2. Elaboração do Banco de Dados....................................................................... 68

5. MODELO MULTICOMPONENTE DE CALOR DE HIDRATAÇÃO

5.1. Descrição do Modelo....................................................................................... 71

5.1.1.2. Termoativação (Eai/ℜ).............................................................................. 77

5.1.1.3. Modelagem da Formação de Etringita ...................................................... 78

5.1.1.5. Consumo de Água (βi)............................................................................... 80

5.1.1.6. Composição Potencial de BOGUE do Cimento (µ).................................. 82

5.2. Implementação do Modelo MCH.................................................................... 86

6. MODELO DE RNA PARA A ELEVAÇÃO ADIABÁTICA DE

7. RESULTADOS, ANÁLISE E DISCUSSÃO............................................... 99

8. CONCLUSÕES E RECOMENDAÇÕES .................................................... 107

9. BIBLIOGRAFIA .......................................................................................... 109

APÊNDIDE A – FUNÇÕES PARA CARACTERIZAÇÃO DAS CURVAS

APÊNDIDE B – MODELO DE VINCENT WALLER ....................................... 124

Figura 2.1 – Modelo de SIERRA [22,23]....................................................................... 10

Figura 2.2 – Gráfico comparativo da utilização de Escória pura (E100) [27]................ 14

Figura 2.3 – Gráfico comparativo da utilização de Cinza Volante (CV) [27]................ 16

Figura 2.4 – Representação esquemática das noções de teoria da percolação, segundo

ACKER [29]. .......................................................................................................... 17

Figura 2.6 – Estágios do processo de hidratação ............................................................ 19

Figura 2.7 – Agulhas de etringita ................................................................................... 22

Figura 2.8 – Elevações adiabáticas de temperatura para diversas temperaturas iniciais

Figura 2.9 – Evolução da reação de hidratação .............................................................. 28

Figura 2.10 – Sistema de amortecedor simples .............................................................. 29

Figura 2.14 – Afinidade normalizada. ............................................................................ 35