INSTITUTO LATINO-AMERICANO DE

TECNOLOGIA, INFRAESTRUTURA E TERRITÓRIO

(ILATIT)

Curso: Engenharia Química - Bacharelado

Disciplina: Laboratório de Engenharia Química I (EQI 0024)
Professor: Daniel José de Oliveira Ferreira

ANÁLISE GRANULOMÉTRICA

Estudante: Alexssandra Marcanssoni Carnaval

Anne Gabriele da Silva Santos
Eduardo Torres
Luanna Leticia de Oliveira Aquino
 1. INTRODUÇÃO
O estudo da granulometria consiste em estudar os tamanhos das partículas de uma
certa mistura arenosa, e a partir disso separar e classificar as partículas pelo seu diâmetro.
Para realizar esse processo utiliza-se várias peneiras, cada peneira terá uma medida diferente,
então quando agitada as peneiras os grãos que são maiores ficam por cima e os menores vão
caindo, até chegar na última peneira, que tem a menor medida,e assim cada peneira vai ter
sua quantidade de partículas retidas.
O estudo de granulometria pode ser aplicada em várias ocasiões, sendo para estudar as
partículas em sólidos ou também para estudar partículas de alimentos. Para alimentos,
principalmente para rações, preferencialmente os grãos têm que possuir tamanhos parecidos,
sendo melhor para os animais e influenciando até no modo que os animais comem a sua
ração (BELLAVER), sendo tão importante a ponto de ajudar até no crescimento e
desenvolvimento dos animais, pois com os grãos tendo tamanhos similares os animais
tendem a aumentar seu consumo de ração além de ser mais fácil a digestão.
Para o estudo da granulometria podemos utilizar cálculos de distribuição de tamanho
que consiste em utilizar artifícios matemáticos para realizar uma curva. Assim os métodos de
distribuição mais aplicados são os que possuem menos parâmetros, pois assim é mais fácil
para estabelecer uma linearidade.
A liberalização das distribuições GGS e RRD, são as distribuição mais fáceis de usar
e com uma regressão linear é possível conseguir os parâmetros necessários, e também assim
consegue-se montar o gráfico que representa a distribuição das partículas pelos seus
diâmetros. Outra distribuição que pode ser utilizada nesse caso e a do log-normal, que
tende a realizar uma aproximação polinomial da função inversa da probabilidade integral,
esse modelo de distribuição tende a ter mais parâmetros o que nos dá um resultado mais
aproximado do real.

2. OBJETIVOS
● Estudar a distribuição de tamanhos de amostras sólidas através de
peneiramento;
● Testar os modelos existentes;
● Calcular o diâmetro médio de Sauter.
3. MATERIAIS E MÉTODOS
Os materiais utilizados nesse experimento foram areia como material
particulado, balança semianalítica e série de peneiras Taylor.
Com auxílio da balança , foram pesadas todas as peneiras, o fundo e o material
a ser analisado, anotando seus respectivos valores, em seguida, foi montado a série de
peneiras em ordem decrescente de abertura de peneira, adicionando o material
particulado sobre as mesmas, chacoalhando-as por cerca de 5 minutos. Logo após,
pesou-se novamente as peneiras e o fundo, anotando seus respectivos valores.

4. RESULTADOS E DISCUSSÕES
4.1 - Dados
Para a análise dos dados, o Software Microsoft Excel foi utilizado, para que
sejam organizados os parâmetros e realizados os cálculos das distribuições.
Os dados iniciais utilizados podem ser vistos na Figura 1.

Figura 1. Dados iniciais do processo granulométrico.

A massa total de areia foi pesada anteriormente ao processo de peneiramento,
e os dados de diâmetro para cada peneira foram coletados, o peso de areia em cada
peneira foi anotado na coluna xi e após isso convertida para porcentagem, dividindo
pela massa total para que haja a noção de proporção.
Após isso, a fração acumulada (x) calculada na peneira 2 foi calculada
diminuindo x na peneira 1 de xi(%) na peneira 1 e assim sucessivamente para as
outros valores, sempre pegando a peneira anterior. Os diâmetros foram colhidos das
peneiras e um diâmetro de 6000um foi estimado para a abertura superior da peneira 1
de forma didática. Com base na abertura superior (Di-) e inferior (Di+) um diâmetro
médio Di foi estimado para as partículas que continuaram naquela peneira através de
uma média aritmética entre os diâmetros superior e inferior. E esses dados serão
usados para os cálculos das distribuições

4.2 Distribuição GGS

O modelo do GGS pode ser representado pela equação na Figura 2.
 Figura 2. GGS (Cremasco, 2014)
Porém por não ser uma equação linear a modelagem se torna complicada,
linearizando-a a equação se torna na equação 1.
ln (x)=mln(Di)−mln (k ) (Equação 1)
Se equiparando a uma equação do primeiro grau “ y= Ax+ B ” onde:
ln(x) é y;
m é A;
-mln(k) é B.
A proposta foi calcular ln(x) e ln(Di), o que pode ser visto na Figura 3.

Figura 3. Logaritmo natural de x e Di

E após isso, fazer um gráfico de ln(x) por ln(Di) e linearizar a equação,

encontrando assim A e B. A linearização pode ser vista através da Figura 4.
 Figura 4. Linearização do gráfico de Ln(x) por Ln(Di)

Através da linearização é possível conferir a função a Equação 2

y=0,9563 x +7,5532 (Equação 2)
Dela podemos tirar, comparando com y=Ax + B que, 0,9563 =A e 7,5532=B.
Da linearização da equação do GGS, temos que A=m e B=-mln(Di).
Então podemos dizer que através da Tabela 1:

M 0,9563
-m.ln(k) 7,5532

m.ln(k) -7,5532

ln(k) -7,89836

k 0,000371
Tabela 1. Coeficientes da regressão linear.
O passo a seguir seria aplicar os parâmetros descobertos na fórmula do GGS para
a modelagem como descrito na Figura 5.

Figura 5. Equação da distribuição GGS.

Como visto na figura, a equação é válida somente para m>1 e como o nosso m em
questão é 0,9563 o modelo não é aplicável.
4.3 Distribuição RRB
Utilizando os dados da figura 1 como base, o modelo RRB pode ser descrito
pela equação na Figura 6.

Figura 6. Modelo RRB (Cremasco,2014)

Onde:
Xi = fração mássica acumulada, diferenciado para cada peneira
Di = Diâmetro médio para cada peneira
D’= D para X=0,632
A partir da equação descrita na figura 6, o nosso objetivo é linearizar-lá para
que nossa regressão seja linear. A linearização pode ser vista na Figura 7.

Linearizando a equação da figura 7 ficamos com a equação 3.

1
nln (Di)−nln ( D ')=ln (ln ( )) (equação 3)
1− Xi
Comparando a equação 3 com uma equação base de equação do primeiro grau
“y=Ax+B” temos que:
y= ln ¿ ;
A = n;
-nln(D’) = B.
1
Após isso é necessário calcular ln(Di) e ln (ln( )) para as peneiras para
1− Xi
que a modelagem possa ser concluída. Foram obtidos os dados da Tabela 2
desconsiderando o início e o fundo.
 Peneira n(di) ln(ln(1/1-xi))

2 8,18868912 #DIV/0!

3 7,4955419 2,25853044

4 6,80239476 0,75347915

5 6,10924758 -1,44835979

6 5,41610040 #NÚM!
Tabela 2. Valores de ln(di) e de ln(ln(1/1-xi))
Como o ln(ln(1/1-xi)) não nos apresentou valores para a peneira 2 e 6 eles não
serão usados para a regressão.
1
Após isso regredindo linearmente um gráfico de ln (ln ( )) por ln(Di) para
1− Xi
que uma equação seja gerada, obtemos o gráfico e a equação da Figura 8:

Figura 8. Gráfico de Ln(Di) por Ln(ln(1/1-xi)

Através do gráfico podemos analisar que a linearização se deu como “y=2,674x -
16,668” .
Comparativamente, em y= Ax+B; 2,674 pode ser comparado com A e 16,668
pode ser comparado com B. Para nossa Equação 3, A= n e B = -nln(D’). Então temos:
-17,668= -n(ln(d'))
17,668= n(ln(d'))
2,674=n
 6,60733=ln(d')
735,09=d’
Substituindo na equação 3:
ln ¿
Podemos dizer que é um modelo mais satisfatório pois a regressão linear se dá
de forma simples e o comportamento dos dados coincidem com os de uma equação do
primeiro grau .
4.4 Distribuição Lognormal
Utilizando novamente a Figura 1 como base, temos que no modelo do
Lognormal precisamos calcular alguns parâmetros para a sua distribuição. O
equacionamento se dá na Figura 9:

Figura 9. Equacionamento da distribuição Lognormal

Sendo X a fração mássica acumulada, erf(z) a função erro de Z, sendo Z um
parâmetro dependente de Di, D50 e Gama, sendo Gama e D50 os fatores que teremos
que encontrar no processo, seja através de um solver, ou graficamente comparando a
semelhança das curvas graficadas. Gama é um fator do processo e D50 é o diâmetro
máximo da primeira metade das partículas.
A princípio Z deverá ser calculado com valores arbitrários de D50 e Gama
para que o processo possa ser iniciado. Após calcular Z para cada diâmetro médio
através da equação na Figura 9, foi necessário usar uma função do Software Microsoft
Excel chamada “funerro” que gerará a função erro de z (erf (Z) ), integrando de 0 a Z
para cada peneira; erf(z) será necessária para a modelagem da nossa distribuição.
Após isso será necessário calcular o x predito através da Equação 4 para cada
peneira.
1+ erf (Z )
(Equação 4)
2
Após calcular o x predito para cada peneira, é necessário calcular o Erro²
através da Equação 5 para cada peneira.
(xpredito−x )² (Equação 5)
 E gerar um gráfico de X e Xpredito por peneira. Assim obteremos de início
que o X predito não está equalizado com o X experimental, então deveremos alterar
os valores de Gama e D50 para que se torne o mais próximo possível da curva de X
experimental.
O esquema final para a distribuição lognormal pode ser vista na Figura 10.

Figura 10. Modelagem de Xpredito, erro², Z, Função Erro de Z e os

Parâmetros Gama e D50
Após a obtenção dos dados o gráfico foi confeccionado e os parâmetros Gama
e D50 foram alterados empiricamente para que as funções tenham erros pequenos e
sejam semelhantes. D50 e Gama usados foram 1,4 e 596 respectivamente O gráfico
pode ser visto na Figura 11:

Figura 11. X e X predito comparativamente para cada peneira.

Através dessa constatação temos bons valores para D50 e Gama para a nossa
modelagem. E com esses dados podemos aplicar a distribuição lognormal para
sabermos as nossas frações mássicas.
 4.4 Diâmetro de Sauter
Baseando-se na Figura 1 uma nova figura foi feita alterando-se o percentual da
fração mássica para cada peneira (xi(%)) para números absolutos. Como visto na
Figura 12:

Figura 12. Dados necessários para calcular o diâmetro de Sauter.

Para o cálculo do diâmetro de Sauter utilizaremos a seguinte equação, na Figura 13.

Figura 13. Diâmetro de Sauter.

Foi calculado os xi/Di para cada peneira e com a soma deles, substituindo na
fórmula do diâmetro de Sauter temos que:
6
xi
∑ ( Di )=0,001285
i=1

1
Dps= 6
xi 1
∑ ( Di )=
0,001285
=778,1369 um
i=1

Através das distribuições podemos listar que a GGS não é indicada para
modelar o nosso experimento pois o coeficiente m se mostrou menor que 1
inviabilizando o procedimento, para RRB e log normal o procedimento correu bem e
deu como resultado boas distribuições para podermos modelar o diâmetro das nossas
partículas.

5. CONCLUSÃO
Mesmo com sequenciamento de abertura uniformes, obtivemos inconsistências na
análise. Visto que, mesmo com a limpeza das redes da peneira, os grãos da área ainda
permaneciam presos na superfície, isso ocorre, devido à pequena espessura dos grãos da
amostra. Ainda sim, quando comparamos os resultados obtidos por cada peneira, percebemos
que os valores são equivalentes. O que comprova que no processamento de peneiramento a
seco as perdas do processo são baixas em relação ao montante.

6. REFERÊNCIAS
K-EQ - PROF. KARINA KLOCK. Aula 06 - OP1 - Picnometria e Modelos de Distribuição
Granulométrica: GGS, RRB e Log-normal.2020.
Disponível em: <https://www.youtube.com/watch?v=6nzkl0nPwsc>. Acesso em:14 de junho
de 2022.
K-EQ - PROF. KARINA KLOCK. Aula 05 - OP1 - Caracterização de partículas sólidas
(Peneiramento).2020.
Disponível em: <https://www.youtube.com/watch?v=lbf4ITJw1E4>. Acesso em:14 de junho
de 2022.
KESSIA SANTOS UFTM VIRTUAL.Como fazer ajuste não Linear de Modelo de Distribuição
Granulométrica Log-Normal no EXCEL.2021.
Disponível em: <https://www.youtube.com/watch?v=EdxhBSjUN7> . Acesso em: 14 de
junho de 2022.
CREMASCO, Marco Aurélio; Operações Unitárias em Sistemas Particulados e
Fluidomecânicos,2014.
BELLAVER, Claudia . NONES, Katia . A importância da granulometria em rações aviárias.
Disponível em <
http://www.agencia.cnptia.embrapa.br/Repositorio/importancia_granulometria_mistura_pelet
izacao_racao_avicola_000fz2mqbjp02wx5ok0ejlyhdtthcjp9.pdf> . Acesso em 20 de junho de
2022.
FRARE, Laercio Mantovani; Linearização do modelo log-normal para distribuição de
tamanhos de partículas. Disponível em < file:///C:/Users/aaall/Downloads/3128-Article%
20Text-9094-1-10-20080513.pdf>. Acesso em 20 de junho de 2022.