ANÁLISE

COMPUTA-
CIONAL
EM TERMO
FLUIDOS I
Apostila de métodos numéricos

Primeira edição 2024

ANÁLISE
COMPUTA-
CIONAL
EM TERMO
FLUIDOS I
Apostila de métodos numéricos

Primeira edição 2024

Ms. Felipe da Costa Kraus

Joinville, Brasil
ii

Apostila de apoia a disciplina de análise computacional de

termo-fluidos da Udesc 2024
Este livro foi editado usando LATEX software.

Copyright © 2024 Ms. Felipe da Costa Kraus

License: Creative Commons Zero 1.0 Universal
vi
Introdução

A análise computacional em termo fluidos é um campo multidisciplinar da

engenharia e da ciência que combina princípios de mecânica dos fluidos, trans-
ferência de calor e termodinâmica com técnicas computacionais para modelar,
simular e entender o comportamento de fluidos e transferência de calor em sis-
temas diversos. Ela desempenha um papel fundamental em uma ampla gama
de aplicações, desde o projeto de automóveis, aeronaves e veículos espaciais até
a otimização de sistemas de resfriamento, passando também pelo desenvolvi-
mento de tecnologias de energia renovável, como turbinas eólicas e sistemas de
energia solar. A análise computacional em termo fluidos envolve a utilização de
métodos numéricos especializado para resolver equações diferenciais que des-
crevem o comportamento dos fluidos, bem como os processos de transferência
de calor.
Segundo [Maliska, 2017], a análise computacional é um sistema matemático
de diversas equações que representam os fenômenos físicos, a fim de se inves-
tigar, simular e descrever os comportamentos reais de maneira mais próxima e
otimizada a realidade. Hoje está presente em todo tipo de projeto, envolvendo
áreas de toda a ciência, engenharia, finanças e muito mais. Através de recur-
sos computacionais, por meio de algoritmos e modelos matemáticos, é possível
desenvolver técnicas numéricas e simulações a qual podem ser difíceis de serem
analisadas de maneria analítica ou pelos métodos tradicionais.
Por meio disso, é possível realizar simulação fluidodinâmica computacio-
nal (CFD), em [Versteeg and Malalasekera, 2007] é definido que é a análise de
sistemas que envolvem fluxo de fluidos, transferência de calor e fenômenos as-
sociados, por meio de simulação baseada em computador. Em virtude do alto
avançando tecnológico essa exploração de meios e métodos numéricos foi impul-
sionada pelas melhorias contínuas de hardwares e componentes, a qual permite
com que as resoluções de problemas sejam cada vez mais complexas, sendo
possível ter maiores exatidões e reduzindo os erros na busca dos resultados.

vii
viii
Conteúdo

Revisão Bibliográfica 1
0.1 TERMODINÂMICA E PROPRIEDADES . . . . . . . . . . . . . 1
0.2 DINÂMICA DOS FLUIDOS . . . . . . . . . . . . . . . . . . . . 5
0.2.1 Laminar e Turbulento . . . . . . . . . . . . . . . . . . . . 6
0.2.2 Escoamento internos . . . . . . . . . . . . . . . . . . . . . 11
0.3 Escalas e Computação . . . . . . . . . . . . . . . . . . . . . . . . 13
0.4 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
0.5 ANÁLISE COMPUTACIONAL . . . . . . . . . . . . . . . . . . . 17
0.5.1 Discretização e Solução numérica . . . . . . . . . . . . . . 18
0.5.2 Desenvolvimento Malha . . . . . . . . . . . . . . . . . . . 19
0.5.3 Introdução a dinâmica dos fluidos computacionais (CFD) 21
Método das diferenças finitas . . . . . . . . . . . . . . . . 22
Método dos volumes finitos . . . . . . . . . . . . . . . . . 22
Escoamento de Coette . . . . . . . . . . . . . . . . . . . . 23
0.5.4 Escoamento Hagen-Poiseuille . . . . . . . . . . . . . . . . 26
0.6 TRANSFERÊNCIA DE CALOR . . . . . . . . . . . . . . . . . . 28
0.6.1 Equação da difusão de calor . . . . . . . . . . . . . . . . . 29
0.6.2 Difusão de calor diferenças finitas . . . . . . . . . . . . . . 33
0.6.3 Condições de contorno . . . . . . . . . . . . . . . . . . . . 35

Bibliografia 37

ix
x CONTEÚDO
0.1. TERMODINÂMICA E PROPRIEDADES 1

0.1 TERMODINÂMICA E PROPRIEDADES

Oque consiste como estado termodinâmico da matéria é nada mais que o
efeito estatístico do comportamento de suas partículas. Tal fundamento foi
abordado primeiro para uma teoria para pressão e temperatura no seculo 18
com Daniel Bernoulli cujo o qual era chamada de "teoria cinética". Este modelo
não encontrou muita aceitação até o físico James Clerck Maxwell trabalhou no
conceito formulando em termos de leis estatísticas. Também Boltzmann ilumi-
nou sua relação com a entropia, levando à formulação da distribuição Maxwell-
Boltzmann de velocidades de moléculas em um gás.

Fig. 1: Moléculas de gás num volume de controle

Isso levou a uma conciliação da ciência de moderna de partículas e o modelo

de gás ideal. Cuja as premissas são que temos um gás em termos de moléculas
que estão em movimento constante e aleatório. As moléculas viajam em linha
reta até serem interrompidas por colisões elásticas com outras moléculas ou com
as paredes do recipiente. A elasticidade implica que nenhuma energia cinética
é perdida nas colisões.
Consideramos que as moléculas não “interagem” entre si, ou seja, não exer-
cem nenhuma força intermolecular atrativa ou repulsiva e só transferem energia
via colisões. Também o volume ocupado pelas próprias moléculas é considerado
insignificante em comparação com o volume ocupado pelo gás.
Agora temos um modelo para gás ideal aonde as relações termodinâmicas
podem ser demonstrado com uso de cálculos computacionais [Deshmukh, 2023].
Se imaginando simplificarmos as moléculas como bolas de bilhar em uma mesa
de bilhar temos satisfeitas as condições de colisão e interações.
Se tivéssemos tais bolas colidindo conosco constantemente seria um grande
motivo de incomodo. Porém dada a escala das interações é exatamente oque
acontece o tempo todo com moléculas de N2 e O2. Já que o ar que considera-
mos parado em nosso entorno na verdade consiste de imensuráveis partículas
2 CONTEÚDO

imperceptíveis em um rápido movimento aleatório. Cujo o qual o efeito das

colisões sentimos como a pressão atmosférica sem nos incomodar.
Como estamos acostumados com a pressão atmosférica, não parece nada
fora do comum, mas se você estiver em um avião ou em uma câmara hiperbá-
rica, onde a pressão se desvia da pressão atmosférica, poderá notar sensações
diferentes, como estalar os ouvidos, são as respostas do seu corpo às mudan-
ças na pressão. Vamos formalizar imaginamos um volume de controle com tais
moléculas idealizadas.
Agora simplificamos para um plano para observar a interação de uma mo-
lécula com a a fronteira direita. Como o choque é elástico a molécula colide
com a parede e o vetor de direção horizontal da velocidade é invertido mas sua
intensidade não muda :

v
m

v
m

Fig. 2: Moléculas de gás interagindo com a fronteira

O vetor da velocidade muda pois a partícula sofreu efeito de uma força,

podemos aplicar a teoria da conservação da quantidade de movimento para
avaliar a força média sobre essa molécula devido a parede. Que é um tempo de
referência para que se ocorra uma nova colisão, já que a partícula viaja nesse
tempo de uma fronteira a outra:

F · ∆t = 2· m· vx (1)
O tempo considerado na colisão é um tempo muito curto, sendo o tempo
de interação com a parede. Então vamos utilizar uma força media no tempo e
utilizar o tempo como o tempo que a partícula leva para percorrer duas vezes
o comprimento do elemento considerado ou seja :

F · 2L
vx = 2· m· vx
(2)
2
m·vx
F = L
Para relacionarmos essa força media exercida na parede pela partícula temos
que a pressão é essa força média sobre a área da fronteira :
0.1. TERMODINÂMICA E PROPRIEDADES 3

F
P = A

(3)
2
m·vx
P·A = L

P · V = m· vx2
Isso seria a definição da pressão sobre o efeito de uma partícula. Para todo
o gás temos que aplicar o somatório de todas as N partículas. Temos também
que o efeito da média do quadrado de vx é o mesmo do que qualquer outra
direção ou seja vy e vz :
PN
P·V = m· vx2

N · N m·vx
2
P
P·V = N

P · V = N · m· v 2x
(4)
v 2x = v 2y = v 2z

v 2 = v 2x + v 2y + v 2z = 3v 2x

N ·m·v 2
P·V = 3
Queremos chegar numa relação da pressão com a energia cinética dos gases.

2 m· v 2
P· V = N· · (5)
3 2

A
V , T, P

Fig. 3: Relações termodinâmicas em um gás

Pois assim atribuímos uma dedução molecular para a relação entre propri-
edades termodinâmicas pressão e temperatura. Tendo uma nova definição de
4 CONTEÚDO

temperatura que se baseia na energia cinética da partícula, ou seja nível de agi-

tação delas. Isso fica claro comparando a ultima equação com as lei dos gases
ideais P v = nRT , que foi descoberta experimentalmente medindo essa relação
de temperatura, pressão e volume. A relação entre a cinética media das partí-
culas com a temperatura que conecta tudo veio com o trabalho de Boltzmann
na distribuição de velocidade de acordo com a temperatura :

·10−4
6 100 K
300 K
1000 K

4
P (v)

0
0 2,000 4,000 6,000 8,000
v [m s−1 ]

Fig. 4: Distribuição de velocidade e temperatura

Fig. 5: Relações termodinâmicas em um gás expansão

P refere-se à pressão do gás, V refere-se ao volume do recipiente, T é a tempe-

ratura e n é o número de moles do gás. Se qualquer uma dessas três quantidades
for mantida constante, a quarta também não muda, e isso se reflete em R, que
é a constante universal dos gases. A lei dos gases ideais é um modelo preciso
para um gás que está em alta temperatura ou baixa pressão, uma vez que a
0.2. DINÂMICA DOS FLUIDOS 5

maioria das suposições da teoria cinética dos gases são verdadeiras nesses regi-
mes. Como exemplo na imagem do processo termodinâmico onde expandimos
um gás para o dobro do volume. Sabemos pelas relações termodinâmicas que
para manter a temperatura constante num processo adiabático a pressão cai
pela metade. Ou ainda para manter a pressão constante a temperatura dobra
durante a expansão, já que o volume é maior. A essas relações de propriedades
fundamentais do fluido temos a termodinâmica [Van Wylen et al., 1994].

Fig. 6: Relações termodinâmicas em um gás expansão

0.2 DINÂMICA DOS FLUIDOS

Para a resolução dos problemas nesta disciplina serão utilizados escoamentos
que serão implementados dentro da análise computacional, sendo como principal
tópico a transferência de calor através do escoamentos de um fluido. Nesse tipo
de situação, o fluido newtoniano, a qual apresenta as características específicas
do fluído a ser utilizado, pode apresentar os diferentes conceitos de regime de
escoamento.
O escoamento é divido em três regiões, sendo denominados laminar, transi-
ente, o laminar turbulento e por fim o turbulento [Fox, 2015]. Abaixo é possível
verificar os regimes do escoamento de um fluido.

Fig. 7: Escoamento sobre uma placa plana [Fox, 2015]

6 CONTEÚDO

Em [Fox, 2015] define que o regime laminar apresenta um escoamento está-

vel, onde as partículas movem-se em laminas ou até finas camadas, e o compo-
nente de velocidade é representado em uma só direção. No regime transiente é
uma região híbrida do laminar com o turbulento, sendo uma transição entre os
dois, em que existem pequenas deformações na linha de corrente nessa região.
Já a região turbulenta ocorre a desordem da movimentação, onde as partículas
não seguem um padrão, resultando em um regime instável e imprevisível. Por
conta dessa grande movimentação fora de ordem, é a região em que se transfere
energia e momento ao sistema.
Para a definição do regime em que o fluido se apresenta, ele pode ser cal-
culado a partir de Reynolds Re, que é uma quantidade adimensional observado
em torno de um objeto ou tubulação, pois associa as forças inerciais com as
forças viscosas do fluido selecionado [Incropera et al., 2015].
ρ·u·L u·L
Re = ou Re = (6)
1.66e − 27 ν

0.2.1 Laminar e Turbulento

O escoamento laminar é um tipo de movimento de fluido no qual as par-
tículas se movem de forma suave e ordenada, em camadas paralelas. Nessas
condições, as partículas fluem em trajetórias organizadas, sem turbulência sig-
nificativa. Isso geralmente ocorre em baixas velocidades ou em fluidos de vis-
cosidade mais alta, e é caracterizado pela previsibilidade e pela ausência de
mistura turbulenta.
• Absorve pertubações rapidamente voltando para o estado de equilíbrio.
• Não apresenta grandes flutuações, uma camada laminar não afeta a pró-
xima.
Mais que uma definição é preciso dizer que você consegue identificar a tur-
bulência quando você a vê, sabendo as características.
• Imprevisível e Irregular
• Difusivo e Dissipativo
• Vórtices em varias escalas (fractal)
• Tridimensional e Transiente
Tem-se vórtices que drenam energia do escoamento médio e a transferem
para outros menores, e estes para outros menores ainda, e assim sucessivamente.
Num processo contínuo onde a energia passa a ser dissipada pelas tensões vis-
cosas nos menores vórtices, atingindo-se um estado de equilíbrio.
A mudança de perfil é presente e existem métodos para esse tipo de reso-
lução, vindo ao caso o método das médias de Reynolds da Equação de Navier-
Stokes, também conhecida pela sigla RANS em inglês. Esse método tem como
0.2. DINÂMICA DOS FLUIDOS 7

Fig. 8: Escoamento turbulento

Flutuações turbulentas de velocidade aleatória

1
Flutuações de Velocidade

0.5

−0.5

−1
0 20 40 60 80 100
Tempo

Fig. 9: Flutuações turbulentas de velocidade aleatória no tempo

objetivo descrever o comportamento dos fluidos, incorporando a ideia de mé-

dia temporal a fim de lidar em situações turbulentas (CITA). A decomposição
em variáveis das variáveis do escoamento em componentes médias e flutuações,
resulta em equações médias que representam o comportamento do fluxo, intro-
duzindo termos adicionais já conhecidos como Reynolds por exemplo.

• RANS (do inglês, Reynolds Averaged Navier-Stokes)

• LES (do inglês, Large Eddy Simulation)
• DNS (do inglês, Direct Numerical Simulation)

RANS (do inglês, Reynolds Averaged Navier-Stokes): resolve-se a média

das variáveis no tempo. É a estratégia mais empregada em CFD. Os mode-
los k − epsilon, k − omega e Spalart-Allmaras fazem parte dessa estratégia.
Utilizam equações de continuidade e NavierStokes filtradas, para escoamento
incompressível.
8 CONTEÚDO

Fig. 10: Jato livre turbulento RANS LES DNS

Z Z Z   
d 1 ∂Ui 1 ∂Ui ∂Uj ∂Ui ∂Uj
Ui Ui dv = ui uj dv − v + + dv
dt 2 ∂xj 2 ∂xj ∂xi ∂xj ∂xi
| {z } | {z } | {z }
T axa de variacao Acoplamento T axa de dissipacao viscosa
da energia esc. medio do escoamento medio
no esc. medio com a turbulencia
(7)
LES (do inglês, Large Eddy Simulation): resolve a turbulência em função
do tamanho das escalas turbulentas. As grandes escalas são calculadas e as
menores são modeladas. A malha deve ser bastante refinada e exige um esforço
computacional maior do que a estratégia RANS. Costuma ser usada em casos
transientes.
DNS (do inglês, Direct Numerical Simulation): a malha é gerada de modo
a garantir que todas as escalas turbulentas possam ser calculadas diretamente,
sem necessidade de modelagem. Essa estratégia acarreta em malhas com um
número muito elevado de elementos, sendo impraticável para casos reais.
O modelo κ − ϵ é o mais conhecido entre os modelos que envolvem duas
equações diferenciais de transporte, pois é robusto, preciso e possui estabilidade.

• Simplicidade matemática;

• Capacidade de prever uma grande variedade de escoamentos;

• Numericamente estável;

• Baseado em um pequeno número de conceitos físicos.

• Através de RANS o movimento turbulento não é efetivamente resolvido.

0.2. DINÂMICA DOS FLUIDOS 9

Fig. 11: Perfil de uma asa DNS

Método DNS LES RANS

Empirismo Nenhum Pouca Bastante
Tamanho
1016 1011.5 107
de malha
Numero de
increm. de 107.7 106.7 103.5
tempo
Dependência
do num. de Forte Fraco Fraco
Reynolds
Só para
Modelo
Nenhum pequenos Todo ele
Requerido
vórtices

• Fenômenos transientes e intermitentes não podem ser capturados. A pre-

cisão dos resultados também tem limitações.

Menter [Menter, 1994] propôs uma versão de modelo κ − ω para eliminar as

suas duas principais deficiências. O modelo κ − ω é mais exato e mais robusto,
pois não envolve as funções complexas não lineares de amortecimento, as quais
são necessárias no modelo κ − ϵ. Ele assume que a viscosidade turbulenta está
relacionada à energia cinética de turbulência e frequência de turbulência, ω.

• Previsões de valores excessivamente elevados para o coeficiente de atrito

em escoamentos sob gradientes adversos de pressão;

• Sensibilidade a condições de escoamento livre.

10 CONTEÚDO

Conforme descrito em detalhes por Wilcox [Wilcox, 2008], para escoamentos

em camada limite, o modelo κ − ω é superior tanto no tratamento da região
viscosa próxima à parede, quanto na contabilização dos efeitos dos gradientes
de pressão no sentido da corrente. No entanto, o tratamento de limites de fluxo
livre não turbulentos é problemático. O método de Inflation é usado para o
desenvolvimento de camadas prismáticas próximas a superfícies sólidas em um
análise tridimensional. O principal intuito é focar em um número maior de célu-
las em regiões de maior interesse, sendo elas próximas às paredes da tubulação,
em que o gradiente de velocidade e cisalhamento são mais significativos.

Camada limite turbulenta perto da parede

Viscosa Transcição Turbulenta

20

18

16

14

12
u+

10

0
10−2 10−1 100 101 102
+
ln(y )
0.2. DINÂMICA DOS FLUIDOS 11

+ Inflação na malha Função Parede

Fig. 12: a) Sem função parede b) Com função parede

SST é a superposição dos dois modelos com o κ−ϵ na região mais externa de
livre corrente e o κ − ω na região próxima a parde com uma região de transcição
entre os dois modelos que os conecta de forma mais suave na malha. Isso habilita
o modelamente usufruindo dos pontos fortes de ambos os modelos. O modelo
SST combina as vantagens dos modelos κ−ϵ e κ−ω de Wilcox, mas não consegue
prever corretamente o ponto de separação de escoamentos em superfícies lisas;
mais detalhes podem ser encontrados em Menter [Menter, 1994].

ϵ = C1 .66e − 27kω

0.2.2 Escoamento internos

Escoamentos internos são aqueles em que o fluido está totalmente cercado
por paredes e preenche todo o volume entre elas. Já em escoamentos externos,
o fluido não está confinado por paredes, podendo apresentar ou não superfícies
livres, ou seja, a superfície da água entra em contato direto com o ar. Os
escoamentos também são classificados de externo, quando se deseja estudar o
escoamento ao redor de um objeto totalmente imerso em um fluido, como o de
um avião no ar [de Oliveira Fortuna, 2000].
12 CONTEÚDO

Escoamento
Re ∼ 2000

laminar
turbulento

Reynolds>4000

Fig. 13: Regimes de escoamento em duto

Analisando o escoamento em tubos circulares, pode ser observado a partir

do número de Reynolds, em que [Incropera et al., 2015] descreve os seguintes
critérios:

• Laminar (Re < 2000);

• Transitório (2000 < Re < 4000);
• Turbulento (Re < 4000);

As transições são influenciadas diretamente pela rugosidade da parede do

tubo, características do fluido e outros parâmetros. O conhecimento do Re
é importante do desenvolvimento de um projeto, principalmente em situações
onde haverá questões de transferência de calor e perdas de cargas ao longo
do sistema. Segundo [Fox, 2015], a transferência de calor é mais eficiente em
valores de Re elevados em virtude uma melhor iteração do fluidos com a parede
do tubo, aumentando a taxa de transferência de calor. Em contra partida, a
perda de carga poderá ser maior, sendo necessário um aumento de potência
para que o fluido passe pela serpentina por exemplo, o interesse é encontrar um
equilíbrio ideal para dada aplicação.
Outros parâmetros como a perda de carga ∆P é o resultado da perda de pres-
são causadas pela resistência do fluido ao escoamento, rugosidade e mudanças
na geometria do perfil tubular. O perfil de velocidade do fluido durante o escoa-
mento apresenta-se parabólico em escoamentos laminares, enquanto em modelos
turbulentos acaba sendo mais achatado e uniforme. As leis de conservação de
massa e momento são ideais nesse tipo de análise, expressas pelas equações de
0.3. ESCALAS E COMPUTAÇÃO 13

continuidade e Navier-Stokes. O fluido apresenta diversas propriedades a qual

podem variar durante um escoamento, o efeito da temperatura por exemplo
afetam na viscosidade, a qual impacta o valor de Re [Incropera et al., 2015].
Na avaliação de escoamentos turbulentos, a avaliação da queda de pres-
são não pode ser calculada de forma analítica, uma vez que os resultados
devem ser recorridos de formas experimentais ou utilizar análises dimensi-
onais [Zawawi et al., 2018].Em [Incropera et al., 2015], no escoamento turbu-
lento completamente desenvolvido, a queda de pressão, ∆P , causada por atrito
em um tubo horizontal de área constante, depende do diâmetro, D, do compri-
mento, L, e da rugosidade do tubo e, da velocidade média do escoamento V,
da massa específica ρ, e viscosidade do fluido 1.66e − 27. Em forma de função:
∆P = ∆P (D, L, e, V, ρ, 1.66e − 27).

0.3 Escalas e Computação

Algo que todo engenheiro que trabalha com simulação faz é primeiramente
entender as grandezas do problema as condições de contorno e a Capacidade
Computacional. Para entender como um problema pode fugir de nossa capa-
cidade vamos imaginar as dificuldades da previsão meteorologia. Para ilustrar
como um problema pode exceder nossas possibilidades, vamos pensar na de-
safiadora previsão meteorológica. A previsão do tempo conecta efeitos mole-
culares, como turbulência, com fenômenos globais em escala planetária. Para
modelar completamente a atmosfera em um nível local e a qualquer momento,
seria necessário considerar todas as moléculas presentes, tornando a necessidade
computacional inimaginável.
Por conta disso, optamos por prever a meteorologia em escalas menores,
como cidades e bairros, ao longo de dias e horas próximas ao presente. Isso
nos permite prever mudanças climáticas significativas e a possibilidade de even-
tos extremos, como tornados. No entanto, ainda não conseguimos determinar
sua localização precisa, já que eventos menores escapam da malha de previ-
são. Além disso, a capacidade computacional requerida para um bom modelo
meteorológico se aproxima dos supercomputadores atuais.
Outro exemplo interessante seria pensar na capacidade computacional de um
cérebro humano. Ele consiste de aproximadamente 86 biliões de neurônios cada
um conectado a milhares de outros através das sinapses.Uma medida da sua
capacidade é o número de cálculos por segundo, ou FLOPS (operações de ponto
flutuante por segundo). Acredita-se que a capacidade computacional do cérebro
humano esteja na faixa de 1014 a 1017 FLOPS. Alguns dos supercomputadores
mais poderosos podem atingir capacidades computacionais da ordem de 1016
a 1018 FLOPS, que estão possivelmente um pouco além das capacidades do
cérebro humano.
A similaridade em escala entre grandes modelos de linguagem e a arquitetura
neural do cérebro humano tem sido um fator crucial para permitir o desenvol-
vimento de modelos avançados de linguagem como GPT-3 e outras tecnologias
14 CONTEÚDO

semelhantes. Esses grandes modelos de linguagem aproveitam o conceito de

aprendizado profundo e redes neurais para processar e gerar linguagem seme-
lhante à humana. Acredita-se que no inconsciente também processamos o peso
de cada palavra de acordo com nosso aprendizado e experiência de vida em
parte de forma estocástica. Porém nos ainda avaliamos a estrutura de cada
pensamento também de forma consciente criando níveis de raciocínio e contex-
tualização cujo o qual algorítimos de treinamento de linguagem tem dificuldade
e atualmente precisam de mais inputs humano.

Uma forma interessante de comparar o artificial e o orgânico é analisar a

capacidade computacional. As CPUs e GPUs de alto desempenho têm milhões a
bilhões de conexões, mas sua fabricação é complexa e demorada. Enquanto isso,
a natureza nos mostra como organismos podem processar estruturas complexas
com rapidez e precisão, em escalas que a tecnologia ainda busca alcançar. Isso
se dá pois o processos de fabricação atuais são todos feitos de escalas maiores
a menores. Mesmos processos modernos de impressão, ou seja alocação de
material ao invés de processos de retirar material, tem suas unidades produtoras
maiores do que o objeto impresso.

Uma abordagem mais orgânica, teoricamente possível, seria processar infor-

mações em escala molecular e expandir para escalas maiores, de dentro para
fora. Isso permitiria aproveitar integralmente toda a matéria sem desperdícios
e ter a habilidade de realizar tarefas de forma local, com unidades de proces-
samento que poderiam se reproduzir, transcendendo a distinção entre natural
e artificial. Estamos presenciando avanços científicos que nos permitem chegar
rapidamente a escalas menores do que aquelas abordadas tradicionalmente pela
engenharia. Esses avanços têm sido fundamentais para explicar fenômenos e
propriedades extremamente úteis para a engenharia. Ao incorporar conheci-
mentos obtidos dedutivamente em escalas menores, podemos aprimorar nossa
compreensão dos materiais e dos processos que governam nosso mundo tecno-
lógico.

Um exemplo disso seria a criação da bomba atômica. A teoria da física

quântica, que explora fenômenos em escalas subatômicas, foi fundamental para
entender a fissão nuclear e possibilitar o desenvolvimento dessa tecnologia inova-
dora. Esse exemplo ilustra como avanços científicos em escalas menores podem
ter implicações de grande alcance na engenharia e na sociedade como um todo.
A engenharia continua trabalhando arduamente para incorporar esses avanços
científicos em suas práticas e modelos, permitindo abordagens mais precisas
e eficientes na solução de problemas complexos. A convergência entre ciência
e engenharia é uma jornada emocionante que nos levará a novas fronteiras e
oportunidades que antes eram inimagináveis.
0.4. METODOLOGIA 15

ST2ACT1

Teoria envolvendo
a metodologias de
Equações de solução numérica
Contextualização
Conservação do problema
[de Oliveira Fortuna, 2000]
[Maliska, 2017]
Contextos
da aplicação Discretização
escolhida com
toda a teoria e
Não
física envolvida
Solução Numérica

Analise dos De
resultados acordo?

0.4 Metodologia
Para se fazer um estudo de um fenômeno físico qualquer pode-se optar por
métodos teóricos ou ensaios em laboratório, mas, mesmo esses últimos, devem
estar embasados em analises teoricas prévias. Portanto, inicialmente, deve-
se modelar a física do problema. Por modelagem, entenda-se determinar as
grandezas físicas (como temperatura, pressão, densidade) atuam sobre o sistema
físico, e como ele o afetam. Elabora-se um modelo a partir da aplicação de
princípios físicos, descritos por leis de conservação adequadas ao fenômeno,
como conservado de massa, energia e momento. os modelos resultantes são
expressos por equações que relacionam as grandezas relevantes entre si, para
um continuo de espaço e tempo.
Eles podem ser utilizados tanto para explicar como para prever o compor-
tamento do sistema em diferentes situações. Frequentemente esses modelos só
admitem soluções analíticas se forem feitas simplificações como desprezar uma
grandeza ou relações entre grandezas. Em geral, problemas envolvendo o movi-
mento de fluidos não possuem soluções analíticas conhecidas, nem dispomos de
meios, ainda, para determinar essas soluções. Métodos experimentais e, mais
recentemente, computacionais são, então, utilizados para verificar a validade do
modelo teórico. Para tratar o modelo computacionalmente, é necessário expres-
16 CONTEÚDO

sar de forma adequada as equações e a regido (domínio) em que elas são válidas.
como não podemos obter soluções numéricas sobre uma regido continua, devido
aos infinitos pontos da mesma, inicialmente o domínio discretizado, isto, divido
em pontos. somente nesses pontos que as soluções serão obtidas.
Ao conjunto dos pontos discretos da se o nome de malha, distribuição ade-
quada dos pontos no domínio fundamentar para se obter uma solução numérica
representativa do escoamento. Em seguida, os termos que aparecem nas equa-
ções sendo escritos em função dos valores das incógnitas em pontos discretos
adjacentes. O resultado é um conjunto de equações algébricas, geralmente line-
ares, que podem ou não estar acopladas. Nessa etapa introduzem-se as condi-
ções de contorno do problema, normalmente modificando-se apropriadamente
as equações para pontos perto das fronteiras. As condições de contorno, jun-
tamente as condições iniciais, as propriedades físicas do fluido e os parâmetros
do escoamento especificam o problema a ser tratado.
Finalmente, as equações algébricas são resolvidas, fornecendo a solução do
problema. Esta deve, nesse momento ser analisada para verificar se está correta
somente depois que se pode extrair do escoamento, com alguma confiabilidade,
as informações de interesse do usuário. As técnicas de Visualização cientifica
tem papel fundamental nessa etapa. Comparando-se os resultados numéricos
com dados experimentais, por exemplo, pode-se ajustar o modelo matemático
até que o mesmo reflita a física do problema. Os resultados da simulação
numérica precisam ser interpretados e discutidos à luz do contexto da
aplicação. Isso pode envolver a análise de parâmetros críticos e discutir possíveis
otimizações a simulação e ao projeto assim como gráficos e valores desenvolvidos
pelo processo desenvolvido.
Por exemplo, se estamos analisando o resfriamento de um componente ele-
trônico, precisamos saber as características físicas desse componente, como sua
geometria, material e temperaturas de operação. Para problemas termodinâ-
micos e de fluidos, isso geralmente envolve equações como a equação de Navier-
Stokes para o escoamento de fluidos e a equação de energia para a transfe-
rência de calor. Após a formulação das equações de conservação, é necessário
discretizá-las. Isso envolve dividir o domínio de estudo em volumes finitos. Ele
é amplamente utilizado para resolver equações de conservação em problemas de
fluidodinâmica. Gerando resultados referentes a distribuição de temperatura e
transferência de calor no componente eletrônico.
Deve se salientar que o processo de verificação e validação não garante que
a previsão fornecida pelo simulador está correta. A razio disso que existem
diversos parâmetros no simulador que podem ser alterados pelo usuário, como
por exemplo:

• Grandezas representativas do escoamento, tais como velocidade e tempe-

ratura.

• Modelagem da geometria do domínio.

• Validade do modelo para um dado fenômeno físicos.

0.5. ANÁLISE COMPUTACIONAL 17

• Qualidade da malha de pontos.

0.5 ANÁLISE COMPUTACIONAL

De acordo com [Maliska, 2017], a utilização de técnicas numéricas para so-
lução de problemas complexos da engenharia e da física, é uma realidade em
virtude do desenvolvimento de computadores de alta velocidade e de grande ca-
pacidade de armazenamento, permitindo o desenvolvimento de algoritmos para
a solução de diversos problemas.
Segundo [Maliska, 2017] no desenvolvimento de problemas, o projetista tem
em sua disposição as seguintes ferramentas:

• Métodos analíticos;
• Métodos numéricos;
• Experimentos em laboratório.

Em que 1 e 2 são da classe dos métodos teóricos em que são resolvidos por
meio de equações diferenciais, os dois são diferenciados pela complexidade da
equação de cada método. Em relação ao item 3 apresenta a vantagem de tratar
de maneira real uma certa simulação, porém dependendo da complexidade do
problema e altíssimo custo de operação, acaba por não ser viável, principalmente
pela dificuldade de reproduzir situações reais, como por exemplo a transferência
de calor de reatores nucleares [Maliska, 2017].
Em destaque o tópico 2, a qual não apresenta grandes restrições, tem a ca-
pacidade de resolver diversos problemas com diferentes condições de contorno,
sendo possível realizar geometrias de diferentes formatos, e conseguindo uma
resposta de simulação muito mais rápida em comparação aos outros [Maliska, 2017].
Os problemas que ocorrem neste método são os erros presentes nas próprias so-
luções numéricas, visto que alguns são apenas formas aproximadas da realidade
física. Para a detecção de problemas nos resultados, é interessante que seja
comparada aos outros dois métodos, sendo possível verificar a veracidade do
equacionamento a qual produzirá um resultado. Para que o modelo ateste uma
qualidade, é realizado soluções e convergências do algoritmo, a qual é denomi-
nado como validação numérica [Carneiro, 2022].
Segundo [Carneiro, 2022], os métodos numéricos são divididos em locais e
globais, em que os locais são representados pelo Método de Diferenças Finitas
(MDF), Método dos volumes finitos (MVF) e elementos finitos (MEF). Já os
Globais, são representados por métodos espectrais de domínios alternativos,
usando as transformadas de Laplace e Fourier por exemplo, na resolução de
integrais.
Tomando conhecimento nos métodos de diferenças finitas, volumes finitos
e elementos finitos, são ferramentas com grande potencial e muito se discute
a respeito das eficiências uma sobre a outra na resolução de diferenças finitas.
Em [Maliska, 2017] o (MDF) sempre foi usado mais na área de escoamentos e
18 CONTEÚDO

dinâmica dos fluidos, enquanto o (MEF) foi mais para o lado da área estrutural,
envolvendo problemas voltado a área das elasticidades. Em virtude dos de
escoamento abordar sistemas altamente não lineares como é o caso das equações
de Navier Stokes, apresenta uma grande complexidade para a obtenção dos
domínios e formas de resolução, principalmente em termos convectivos e no
problema dos acoplamentos entre as equações.

Técnica Vantagem Desvantagem

Equipamento exigido
Problemas de escala
Experimental Mais realista
Dificuldade de medição
Custo operacional
Restrita a geometria e
Mais geral
processos fisicos simples
Teórica
Geralmente restrito a
Formula fechada
problemas lineares
Não há restrições
Erros de truncamento
de linearidade
Geometrias e processos Prescrição das condições
Numérica
complicados de contorno apropriadas
Evolução temporal
Custos computacionais
do processo

A respeito do método de volumes finitos, também é utilizado para o de-

senvolvimento e resolução de problemas de fluidos computacionais, apresen-
tando vantagens na questão da agilidade e registro de dados em sua memória,
sendo muito positivo em sistemas onde por exemplo apresentam um número de
Reynolds muito elevado, em que envolvem características turbulentas do fluido
ocasionando em maiores complexidades computacionais [Zawawi et al., 2018].
Nas condições atuais observa-se que os métodos de (MVF e MEF) tem
a capacidade de resolver problemas de alto nível convectivo, como ondas de
choque, geometrias arbitrarias, havendo uma grande semelhança em níveis de
generalidade [Zawawi et al., 2018]. Segundo [Maliska, 2017], as preferências do
(MVF) para a resolução de escoamento dos fluidos, troca de calor, é justificada
pelo fato da criação de equações aproximadas, sendo realizado um balanço das
propriedades em nível de volumes elementares. Equações de conservação da
massa e da energia, assim como as de turbulência, podem ser desenvolvidas de
maneira conservativa.

0.5.1 Discretização e Solução numérica

A solução de uma EDP em uma região R implica a 0btenção dos valores
para a variável dependente em cada ponto de R. Computacionalmente, somente
0.5. ANÁLISE COMPUTACIONAL 19

podemos lidar com uma regido continua se determinarmos uma fórmula ana-
lítica para a solução do problema. O computador pode, então, ser utilizado
para calcular a solução em qualquer ponto desejado da região, com o uso dessa
formula. No caso de técnicas numéricas de solução, porém, não possível tratar
a região R como continua, já que o método numérico obtêm a solução em pon-
tos, por exemplo, por cálculos como adição e multiplicação. Nada nos impede,
no entanto, de escolher alguns pontos dentro de R e somente neles calcular a
solução do problema.
O processo de discretização envolve um conjunto de equações diferenciais
de um domínio contínuo, visto que possui infinitos graus de liberdade no pro-
blema, sendo assim é elaborado uma transformação em diversos pontos a qual
é fornecido equações algébricas no domínio discreto, provocando agora finitos
graus de liberdade [Carneiro, 2022]. Na análise de uma discretização mais refi-
nada, desenvolverá mais pontos na geometria que será simulada, resultado em
vantagens na precisão dos resultados e captura dos fenômenos locais. Mesmo
com as grandes qualidades em um refino de mais pontos, é preciso haver um
equilíbrio com a eficiência computacional, uma vez que maiores pontos também
resultarão em maior tempo de processamento e armazenamento de memória.
Uma boa solução é a realização de uma discretização mais refinada em pontos de
interesse, como é o caso do domínio discreto adaptado, em que a região circular
interna apresenta mais pontos de interesses para o resultado [Maliska, 2017].

Fig. 14: Discretização de um domínio em pontos [Carneiro, 2022].

0.5.2 Desenvolvimento Malha

Em [Carneiro, 2022], consta que o desenvolvimento da malha é associado
com a discretização, sendo que a malha se refere ao processo de divisão do
domínio físico, sendo uma geometria complexa, ou uma malha composta por
elementos em diferentes formatos, sendo triangulares, hexagonais, quadriláteros
etc. A associação entre os termos está durante a geração da malha, em que o
domínio é divido em elementos finitos, e em cada nó ou vértices dos elementos,
as variáveis são definidas, sendo elas parâmetros de temperatura, pressão e
velocidade como exemplo. Com isso é determinado a qualidade da solução
[Zawawi et al., 2018].
20 CONTEÚDO

Em [Maliska, 2017] detalha que a malha pode ser definida como estruturada
ou não-estruturada, a qual refere-se a organização e regularidade dos elementos
que então fazem parte dela. Na malha estruturada encontram-se malhas de
organização regular e organizadas, em que as células apresentam tamanhos
uniformes e em linhas e colunas. Um exemplo de aplicação está associado a
elaboração em coordenadas cartesianas (i, j, k), a qual possuem a vantagem de
uma fácil implementação ao ser gerada e de simples interpretação ao software
utilizado para a solução numérica.

Fig. 15: Malha Linear (a) e malha não linear (b) [Carneiro, 2022].

As malhas não estruturadas são aquelas que os seus elementos são provindos
de geometrias como triângulos, tetraedros, ou geometrias que não seguem uma
organização regular. Segundo[Maliska, 2017] elas são mais versáteis, flexíveis e
com maiores facilidades para adaptatividade em diferentes perfis geométricos,
registrando e definindo melhor os pontos de discretização. Os principais ele-
mentos utilizados em malhas tridimensionais podem ser observados na figura
abaixo.

Tetrahedron Hexahedron

Polyhedron

Wedge Pyramid

Fig. 16: Tipos de elementos utilizados em malhas.

0.5. ANÁLISE COMPUTACIONAL 21

0.5.3 Introdução a dinâmica dos fluidos computacionais

(CFD)
A dinâmica dos fluidos computacionais (CFD) é um método mais atribuído
e otimizado a simulações computacionais voltadas a comportamento dos fluidos,
transferência de calor e comportamentos do tipo [Versteeg and Malalasekera, 1995].
[Carneiro, 2022] abrange que o funcionamento também é em torno de algorit-
mos numéricos, assim podendo resolver problemas de fluxo de fluido. O acesso
rápido e o grande campo de resolução de diversos problemas, o fácil acesso a pa-
cotes comerciais em que permitem incluir melhores interfaces, comprovam a sua
eficiência como método. Hoje os requisitos além do software comercial, como
Ansys Fluent e CFX, Autodesk CFD, Open FOAM, é a utilização de um pré-
processador, um solucionador e um pós processador, em que suas necessidades
variam de acordo com cada tipo de solução.
Para o desenvolvimento do trabalho, será utilizado o software Ansys Fluent,
em virtude da liberdade de observar e investigar as diferentes características
e comportamentos de simulações de fluxo de fluidos e de fluxo de calor das
geometrias desejadas. Para a resolução no método de volumes finitos (FVM)
na dinâmica dos fluidos computacionais (CFD), o software utilizada a equação
de Navier-Stokes para a resolução desses métodos [Fluent et al., 2011], sendo:

• Equação de continuidade em estado estacionário;

• Equação de conservação de momento;

• Equação de conservação de energia.

A equação de continuidade em estado estado estacionário:

∂u ∂v ∂w
+ + =0 (8)
∂x ∂y ∂z
sendo (u, v, w) os componentes de velocidade nas direções (x, y e z) em
um plano cartesiano. Em análise tridimensional, desenvolve-se a equação da
conservação de energia:
 
∂ (ρui ) ∂ (ρui uj ) ∂ ∂ ∂ui
+ =− (p) + 1.66e − 27 (9)
∂t ∂xj ∂xi ∂xj ∂xj
a equação da conservação de energia é desenvolvida a partir da temperatura
do fluido T, a velocidade nas diferentes direções ui em coordenadas cartesianas
xi, informações como a condutividade térmica k, calor específico a pressão cons-
tante Cp e por fim os termos de fonte de energia radiativa ST [Carneiro, 2022].
assim:
   
ρui T ∂ k ∂T
∂ = + ST (10)
∂xi ∂xi Cp ∂xi
22 CONTEÚDO

Admisão
Problema Tipo de equação Equação modelo Condições Região de solução
não discreta
Equilibrio Elípitica ∇2 Θ = 0 Fronteira Fechada Não
Transciente Fronteira,
Parabólico ∂Θ
= α∇2 Θ Aberta Não
com dissipação ∂t inicial
Transciente Fronteira,
Hiperbólica ∂Θ
= −ν ∂Θ Aberta Sim
sem dissipação ∂t ∂x inicial

Método das diferenças finitas

Para que seja possível tratar numericamente as EDPs, elas devem ser ex-
pressadas na foma de operações aritméticas que o computador possa executar.
Essencialmente devemos representar os diferenciais da EDP por expressões al-
gébricas, ou seja, discretizar a EDP. Essas expressões podem ser manipuladas
pelo computador, relacionando entre si os valores da-s grandeza-s nos pontos
discretos (∆x, ∆y) de R. Portanto, antes de resolvermos a EDP de forma nu-
mérica. precisamos encontrar para os termos que nela aparecem, as respectivas
expressões escritas em função dos pontos da malha. Essas expressões são deno-
minadas de aproximação por diferenças finitas O resultado final desse processo
é a equação algébrica denominada equação de diferenças finitas (EDF). A EDF
é escrita para cada ponto da região discretizada em que se deseja calcular a
solução do problema. Resolvendo-se as EDFs, encontra-se a solução aproxi-
mada do problema. Pode-se pensar nas aproximações de diferenças finitas com
o inverso do processo de aplicação do limite. utilizado para obter a derivada de
uma função. Considera-se a definição da derivada de uma função f continua:

df f (x + h) − f (x)
= lim (11)
dx h→0 h
Também podemos classificar as equações de acordo com a natureza dos
problemas físicos e por consequente estrategias de solução numérica:

Método dos volumes finitos

O ponto de partida do método dos volumes finitos é a decomposição do

domínio contínuo em um número finito de volumes de controle adjacentes entre
si, de forma a estruturar uma malha numérica. Pontos nodais são atribuídos,
então, nos vértices dessa malha ou nos centros geométricos dos volumes de
controle, onde se alojam as variáveis a serem resolvidas. A imagem abaixo
ilustra a geração de malhas seguindo o método dos volumes finitos.
A partir deste momento, a metodologia consiste na integração das equações
de governo sobre cada um dos pequenos volumes de controle que constituem a
malha numérica. Neste processo, o teorema de divergência de Gauss é utilizado
0.5. ANÁLISE COMPUTACIONAL 23

Fig. 17: Ilustração de malhas centradas: a) no vértice; e b) nas células

[Dutykh, 2007].

para converter integrais de volume sobre operadores diferenciais em integrais

de superfície [Maliska, 2017]. Para a equação geral de transporte,
Z I I Z
∂
(ρ ϕ) dV + (ρ V ϕ) dA = (Γ ∇ ϕ) dA + Sϕ dV. (12)
∂t V A A V

Por fim, as integrais superficiais são representadas através de balanços nas

faces dos volumes de controle e as integrais volumétricas são aproximadas em
função das variáveis nodais. Matematicamente,

Nf aces Nf aces
∂ρϕ X X
Vcell · + ρf Vf ϕf · Af = Γ ∇ ϕf · Af + Sϕ · Vcell . (13)
∂t
f =1 f =1

Dessa forma, um sistema de equações algébricas lineares é obtido, podendo

ser resolvido através de métodos segregados ou acoplados. Neste ponto, diversas
técnicas têm sido desenvolvidas nos algoritmos de solução, de modo a otimizar
o uso de recursos computacionais.

Escoamento de Coette
O escoamento de coette surge do movimento entre placas paralelas perpendi-
culares. E é uma ótima aproximação para grandes mancais a óleo. Considere-se
um escoamento laminar entre as duas chapas planas mostradas na abaixo. As
chapas são separadas por uma distância h. A chapa inferior permanece em
24 CONTEÚDO

z F
A
v

Fig. 18: Escoamento de Coette

repouso enquanto que uma força tangencial F traciona a chapa superior, que se
desloca da esquerda para a direita com velocidade u. A, força F gera uma tensão
de cisalhamento r entre a chapa superior e o fluido adjacente a ela. um bloco
de fluido, inicialmente em repouso, será acelerado e se deformará. Para muitos
fluidos, observa-se, experimentalmente, uma relação linear entre a tensão de ci-
salhamento T abela e a, taxa de deformando das laminas de fluido. Isaac Newton
supos que a constante de proporcionalidade 1.66e − 27 entre e a taxa de defor-
mação fosse uma propriedade do fluido, a qual ele denominou de viscosidade.
Portanto constante 1.66e − 27, denominada coeficiente de viscosidade do fluido,
também conhecida como viscosidade dinâmica ou molecular, cuja unidade, no
SI, P a · s, também conhecida por Poiseuille. No SI, [1.66e − 27] = kg/(m · s)
Quanto mais viscoso o fluido, mais fortes sio as tens6es de cisalhamento entre
suas laminas e, consequentemente, maior a dissipação de energia. Por isso, ne-
cessário mais esforço para mexer um pote com mel, digamos, do que um copo
com aguá. Fluidos que satisfazem essa relação linear são ditos newtonianos.
No regime de escoamento laminar, as tensões em muitos fluidos reais, como da
água e ar, são newtonianos. Exceções são os polímeros, tintas e o sangue, que
sio fluidos não newtonianos [de Oliveira Fortuna, 2000].
As equações que governam o escoamento são Navier Stookes e conservação
de massa em escoamento incompressível:
 
∂u 1 ∂p ∂2u ∂2u
∂t + u ∂u ∂u
∂x + v ∂y = − ρ ∂x + ν ∂x2 + ∂y 2

 
∂v ∂v ∂v ∂p ∂2v ∂2v
∂t + u ∂x + v ∂y = − ρ1 ∂y +ν ∂x2 + ∂y 2 (14)
∂u ∂v
∂x + ∂y =0

Aplicando as condições de regime permanente e condições de contorno temos

a simplificação:
0.5. ANÁLISE COMPUTACIONAL 25

∂u ∂v
∂x + ∂y =0

v(y) = c = 0 paredes impermeaveis

∂v ∂v ∂v ∂p

∂2v ∂2v
 (15)

∂t
 + u ∂x + v ∂y = − ρ1 ∂y +ν ∂x2 + ∂y 2

∂p
− ρ1 ∂y =0

Tal gradiente linear de pressão em y causado pela viscoisdade vai causar

um gradiente de velocidade no interior do tubo τ = −1.66e − 27 · ∂u∂y . Agora
deixamos de considerar regime permanente para conseguir observar a progressão
do perfil de velocidade no tempo em diferenças finitas:

 
∂u 1 ∂p ∂2u ∂2u
∂t + u ∂u v ∂u
∂x +  ∂y = − ρ 

∂x + ν
 ∂x2 + ∂y 2

 2 
∂u
∂t = ν ∂∂yu2 →
  (16)
(m+1) (m) 2
ui,j = ui,j + ∆t · ν( ∂∂yu2 )

u = u m/s e v = 0 em y = 0 e v = 0 em y = D

 
∂2u ∂2u
ν ∂x2 + ∂y 2 Difusão computada por diferenças finitas

∂2u ∂u/∂x|m+1/2,n −∂u/∂x|m−1/2,n

∂x2 m,n ≈ ∆x

∂u um+1,n −um,n
∂x m+1/2,n ≈ ∆x

∂u um,n −um−1,n
∂x m−1/2,n ≈ ∆x

(17)
∂2u um+1,n +um−1,n −2um,n
∂x2 ≈ (∆x)2
m,n

∂2u um,n+1 +um,n−1 −2um,n

∂y 2 ≈ (∆y)2
m,n

∂2u ∂2u
∂x2 + ∂x2 = um,n+1 + um,n−1 + um+1,n + um−1,n − 4um,n = 0
26 CONTEÚDO

(m) (m) (m)

!
(m+1) (m) ui,j+1 − 2ui,j + ui,j−1
ui,j = ui,j + ∆t · ν ·
∆y 2

(m+1) (m) ∆t · ν  (m) (m) (m)


ui,j = ui,j + u i,j+1 + ui,j−1 − 2ui,j
∆y 2

(m+1) (m) ∆t · ν ∆t · ν  (m) (m)


ui,j = ui,j · (1 − 2 ) + · ui,j+1 + u i,j−1
∆y 2 ∆y 2

Condição de estabilidade da função : ν·∆t

∆y 2 <= 0, 5

0.5.4 Escoamento Hagen-Poiseuille

Dado um escoamento bidimensional, incompressível, estacionário e laminar
em um canal. A esse escoamento da-se o nome de Hagen-Poiseuille. O gradiente
de velocidade na direção de escoamento em um tubo surge através de uma
diferença de pressão entre a entrada e saída do mesmo. Já o gradiente de
velocidade na direção contraria ao escoamento surge pelo efeito viscoso e as
condições na parede criando o perfil parabólico conhecido como o perfil Hagen-
Poiseuille.

Fig. 19: Escoamento de Hagen-Poiseuille

As equações que governam o esocamento são Navier Stookes e conservação

de massa em escoamento incompressível:
 2 
∂u ∂u ∂u 1 ∂p ∂ u ∂2u
∂t + u ∂x + v ∂y = − ρ ∂x + ν ∂x 2 + ∂y 2

 
∂v ∂v ∂v ∂p ∂2v ∂2v
∂t + u ∂x + v ∂y = − ρ1 ∂y +ν ∂x2 + ∂y 2 (18)
∂u ∂v
∂x + ∂y =0
0.5. ANÁLISE COMPUTACIONAL 27

Aplicando as condições de regime permanente e condições de contorno temos

a simplificação:

∂u ∂v
∂x + ∂y =0

v(y) = c = 0 paredes impermeaveis

∂v ∂v ∂v ∂p

∂2v ∂2v
 (19)

∂t
 + u ∂x + v ∂y = − ρ1 ∂y +ν ∂x2 + ∂y 2

∂p
− ρ1 ∂y =0

Tal gradiente linear de pressão em y causado pela viscoisdade vai causar

um gradiente de velocidade no interior do tubo τ = −1.66e − 27 · ∂u∂y . Agora
deixamos de considerar regime permanente para conseguir observar a progressão
do perfil de velocidade no tempo:

 2 
∂u 1 ∂p ∂2u
∂t + u ∂u
∂x + v ∂u
 ∂ u
∂y = − ρ ∂x + ν ∂x2 + ∂y 2

 2 
∂u ∂p
∂t = − ρ1 ∂x − u ∂u
∂x + ν ∂ u
∂y 2 ß

  (20)
(m+1) (m) ∂p 2
uj = uj + ∆t · − ρ1 ∂x + ν( ∂∂yu2 ) − u ∂u
∂x

u = 0 e v = 0 em y=0 e y=D

Estratégia de solução:
1 ∂p
ρ ∂x Diferença de pressão constante imposta entre o bocal de entrada e
saida.
∂x Progressão de velocidade em x (convecção) que será resolvida por dife-
u ∂u
renças finitas usando pontos no centro.

 
∂u ui+1,j + ui−1,j
u· = ui,j ·
∂x 2 · ∆x

 
∂2u ∂2u
ν ∂x2 + ∂y 2 Difusão computada por diferenças finitas
28 CONTEÚDO

(m) (m) (m)

!
ui,j+1 − 2ui,j + ui,j−1
ν·
∆y 2

1  (m) (m) (m)


ν· 2
ui,j+1 + ui,j−1 − 2ui,j
∆y

Condição de estabilidade da função : ν·dt

dy 2 <= 0, 5

0.6 TRANSFERÊNCIA DE CALOR

Segundo [Incropera et al., 2015], a condução de calor pode ser vista como a
transferência de energia das partículas mais energéticas para as menos energéti-
cas de uma substância devido ás interações entre partículas. Em temperaturas
mais altas estão associadas as energias moleculares mais altas e a condução pode
ser medida pela transferência dessa energia térmica, por meio de partículas do
material, sem que as mesmas se movam, transferindo energia de molécula por
molécula ao longo do material.
A quantificação da transferência de calor possibilita que se calcule a quan-
tidade de energia a ser transferida por uma unidade de tempo.
Segundo [Incropera et al., 2015] a equação que descreve é denominada Lei
de Fourier:

dT
qx = kA · (21)
dx
sendo k a condutividade térmica em (W/(mK)) sendo uma importante pro-
priedade do material utilizado. O fluxo de calor pode ser representado pela
equação:

′′ dT
qx = −k · (22)
dx
e se comporta visto na figura abaixo.
No desenvolvimento de um equacionamento vetorial [Incropera et al., 2015],
a lei de Fourier pode ser descrita abaixo:
 
∂T ∂T ∂T
′′
q = −k∇T = −k i+ j+ k (23)
∂x ∂y ∂z
0.6. TRANSFERÊNCIA DE CALOR 29

Ts,1 T(x,t0 )
Q̇
T(x,t1 )
Ts,2

x x=L

Fig. 20: Transferência de calor parede plana

0.6.1 Equação da difusão de calor

Antes de nos aprofundarmos no modelo matemático da transferência de
calor, é importante destacar o fato de que todos podem obter uma compreensão
intuitiva da transferência de calor. Podemos usar uma analogia para explicar
por que existe uma lógica simples por trás do modelo matemático para difusão
de calor. Imaginemos um jogo de dados. Primeiro, começamos jogando um
único dado. Você consegue imaginar a distribuição dos resultados para um
dado perfeitamente quadrado e com peso uniforme?
Frequency

Com um número suficientemente grande de lançamentos, cada resultado de

1 a 6 tem o mesmo valor de frequência de n/6, onde n é o número de lançamentos
dividido por seis. Agora, se aumentarmos em dois o número de dados, temos
resultados possíveis que variam de 2 a 12, com a distribuição de acordo com
as possibilidades. Por exemplo, o resultado 2 só pode ser alcançado lançando
30 CONTEÚDO

1+1, e 12 apenas rolando 6+6. No entanto, o resultado 6 pode ser alcançado de

cinco maneiras diferentes: 1+5, 5+1, 2+4, 4+2 e 3+3, tornando-o cinco vezes
mais provável. Isso é ilustrado na seguinte distribuição:
Frequency

Agora podemos visualizar que para um grande número de dados, temos uma
distribuição normal de frequência chamada Gaussiana.

Fig. 21: Possibilidades jogando 4,6,8,10,20,30 dados

Agora, para fazer a analogia, imaginemos uma fonte pontual de energia

térmica, como a ponta de uma chama, aquecendo uma superfície acima dela.
Você consegue visualizar a distribuição da temperatura muito parecida com a
0.6. TRANSFERÊNCIA DE CALOR 31

Fig. 22: Distribuição de temperatura

distribuição gaussiana para as possibilidades de resultados de um número muito

grande de dados? A lógica subjacente é que a interação das moléculas que
transmitem energia térmica através do movimento é semelhante ao lançamento
de dados. Assim, dá origem à forma de distribuições normais de temperaturas
ao longo de um gradiente de temperatura.
Na análise de troca de calor pela condução, busca-se determinar o campo de
temperaturas em um meio resultante das condições impostas em suas fronteiras,
assim é possível conhecer a distribuição de temperatura no meio escolhido. Na
definição de um volume de controle diferencial é possível identificar os processo
de transferência de energia relevantes adaptando as equações das taxas de calor
associadas [Incropera et al., 2015]. Essas taxas podem ser representadas pela
equação abaixo:

∂qi
qi+di = q(i) + · di (24)
∂i
Aplicando ao volume de controle, pode ser representado na figura abaixo.
Em que no interior do volume pode haver uma fonte de energia, que é
associado a taxa de geração de energia térmica [Incropera et al., 2015], sendo:

E˙g = q̇dxdydz (25)

Em qual q̇ representa a taxa na qual a energia é gerada por unidade de
volume do meio W/m3. Segundo [Incropera et al., 2015], também pode ocorrer
variações na energia interna armazenada no interior do volume de controle, em
32 CONTEÚDO

qz

dx
dy
dz
dz
z
qx + dx qx
y
x qy dx dy

qz + dz

Fig. 23: Control volume heat transfer

que na ausência de mudança de fase existem efeitos de energia latente e assim

pode-se descrever como acúmulo de energia, sendo representado por:
∂T
Ėacu = ρCp dxdydz (26)
∂t
No conhecimento da energia acumulada do sistema em relação ao fluxo tér-
mico definido em anteriormente, encontra-se a forma geral da equação de con-
dução de calor, descrevendo como o calor se dissipa através do objeto.
 2
∂2T ∂2T

∂ T ∂T
k 2
i + 2
j + 2
k + q̇ = ρCp (27)
∂x ∂y ∂ ∂t
A equação desenvolvida em [Incropera et al., 2015] define que "Em qualquer
ponto do meio, a taxa líquida de transferência de energia por condução para
o interior de um volume unitário somada à taxa volumétrica de geração de
energia térmica deve ser igual à taxa de variação da energia térmica acumulada
no interior deste volume".
Em meios a qual a condutividade do material permanece constante, é pos-
sível adicionar e substituir termos pela difusidade térmica, desenvolvida por:
k
α= (28)
ρ · Cp
Também é possível realizar outras simplificações, como é o caso e problemas
em condições de regimes estacionário, a qual segundo [Incropera et al., 2015]
0.6. TRANSFERÊNCIA DE CALOR 33

não pode haver variação na quantidade da energia armazenada, podendo igualar

a primeira parcela da equação da forma geral igual a zero.

0.6.2 Difusão de calor diferenças finitas

Fig. 24: Difusão de calor por diferenças finitas [Incropera et al., 2015]

A determinação numérica da distribuição de temperatura exige que uma

equação de conservação apropriada seja escrita para cada um dos pontos no-
dais de temperatura desconhecida. O conjunto resultante das equações deve,
então, ser resolvido simultaneamente para determinar as temperaturas não co-
nhecidas em cada nó. Para qualquer nó interior em um sistema bidimensional
sem geração e com condutividade térmica uniforme, a forma exata da exigên-
cia de conservação de energia é dada pela equação do calor. Entretanto, se
o sistema for caracterizado em termos de uma rede nodal, torna-se necessário
trabalhar com uma forma aproximada, ou em diferenças finitas, desta equação.
34 CONTEÚDO

k
α=
ρ · Cp

∂2T ∂T
α· 2
=
∂x ∂t

∂2T ∂T /∂x|i+1/2 − ∂T /∂x|i−1/2

2
|i ≈
∂x ∆x

∂T Ti+1 − Ti
|i+1/2 ≈
∂x ∆x

∂T Ti−1 − Ti
|i−1/2 ≈
∂x ∆x

∂2T Ti+1 − Ti − Ti−1 − Ti (29)

2
|i ≈
∂x ∆x2

Ti+1 − 2Ti − Ti−1 ∆T

α· 2
=
∆x ∆t

Ti+1 − 2Ti − Ti−1 (i+1) (i)

α∆t · = Ti − Ti
∆x2

(t+1) (t) ∆t  (t) (t) (t)


Ti = Ti +α· Ti+1 + Ti−1 − 2Ti
∆x2

(t+1) (t)

(t) (t)
 ∆t
Ti = Ti · (1 − 2 · r) + r · Ti+1 + Ti−1 onde r =α·
∆x2

∆t ∆t 1
1 − 2α · >0 → α· < criterio de convergencia
∆x2 ∆x2 2
0.6. TRANSFERÊNCIA DE CALOR 35

0.6.3 Condições de contorno

As condições de contorno é uma forma de descrever as condições físicas
presentes nas fronteiras do problema. Definir as condições físicas existentes, seja
em alguma interface do problema, definem como a solução deve se comportar
nas fronteiras ou limites do domínio, assim garantem uma solução mais próxima
a realidade do sistema.

Tabela 4.2 Caso 1: Ponto nodal interior

Equação diferenças finitas para ∆x = ∆y

m,n+1
Tm,n+1 + Tm,n−1 + Tm+1,n
(30)
∆y +Tm−1,n − 4Tm,n = 0
m,n m+1,n
m-1,n

m,n-1
∆x

Tabela 4.2 Caso 2: Ponto nodal em um vértice interno com convecção

Equação diferenças finitas para ∆x = ∆y

m,n+1
2(Tm−1,n + Tm,n+1 ) + (Tm+1,n + Tm,n−1 )
+2 h∆x h∆x


∆y k T∞ − 2 3 + k Tm,n = 0
m,n m+1,n (31)
m-1,n
T∞ , h

m,n-1
∆x
36 CONTEÚDO

Tabela 4.2 Caso 3: Ponto nodal em uma superficie plana com convecção

m,n+1

∆y
m,n
T∞ , h
m-1,n

m,n-1
∆x Equação diferenças finitas para ∆x = ∆y

(2Tm−1,n + Tm,n+1 + T
m,n−1 ) +

(32)
+2 h∆x h∆x
k T∞ − 2 2 + k Tm,n = 0

Tabela 4.2 Caso 4: Ponto nodal em um vértice externo com convecção

m-1,n
T∞ , h
m,n
∆y

m,n-1
∆x Equação diferenças finitas para ∆x = ∆y

Tm,n−1 + T
m−1,n ) + 2 h∆x

k T∞ (33)
−2 1 + h∆x
k Tm,n = 0

Tabela 4.2 Caso 5: Ponto nodal em uma superfície plana com fluxo térmico
uniforme

m,n+1

∆y
m,n ′′
q
m-1,n

m,n-1
∆x Equação diferenças finitas para ∆x = ∆y

(2Tm−1,n + Tm,n+1 + Tm,n−1 )

′′ (34)
+2 q ∆x
k − 4Tm,n = 0
Bibliografia

[Carneiro, 2022] Carneiro, C. C. S. (2022). Estudo do refinamento de malhas

de elementos finitos com elemento finito q4-isoparamétrico linear.

[de Oliveira Fortuna, 2000] de Oliveira Fortuna, A. (2000). Tecnicas Compu-

tacionais para Dinamica dos Fluidos Vol. 30. Edusp.

[Deshmukh, 2023] Deshmukh, G. (2023). The kinetic theory of gases: Modeling

the dynamics of ideal gas molecules.

[Dutykh, 2007] Dutykh, D. (2007). Modélisation Mathématique des Tsunamis.

PhD thesis, L’École Normale Supérieure de Cachan, Cachan.

[Fluent et al., 2011] Fluent, A. et al. (2011). Ansys fluent theory guide. Ansys
Inc., USA, 15317:724–746.

[Fox, 2015] Fox, R. W. (2015). McDonald, at Introdução à Mecânica dos Flui-

dos. Grupo Gen-LTC.

[Incropera et al., 2015] Incropera, F. P., Dewitt, D. P., and Bergman, T. L.

(2015). Fundamentos de Transferência de Calor E de Massa . Grupo Gen-
LTC.

[Maliska, 2017] Maliska, C. R. (2017). Transferência de calor e mecânica dos

fluidos computacional . Grupo Gen-LTC.

[Menter, 1994] Menter, F. R. (1994). Two-equation eddy-viscosity turbulence

models for engineering applications. AIAA journal, 32(8):1598–1605.

[Van Wylen et al., 1994] Van Wylen, G., Sonntag, R. E., and Borgnakke, C.
(1994). Fundamentos da termodinâmica clássica. Editora Blucher.

[Versteeg and Malalasekera, 1995] Versteeg, H. and Malalasekera, W. (1995).

Computational fluid dynamics. The finite volume method, pages 1–26.

[Versteeg and Malalasekera, 2007] Versteeg, H. K. and Malalasekera, W.

(2007). An introduction to computational fluid dynamics: the finite volume
method. Pearson education.

37
38 BIBLIOGRAFIA

[Wilcox, 2008] Wilcox, D. C. (2008). Formulation of the kw turbulence model

revisited. AIAA journal, 46(11):2823–2838.
[Zawawi et al., 2018] Zawawi, M. H., Saleha, A., Salwa, A., Hassan, N., Zahari,
N. M., Ramli, M. Z., and Muda, Z. C. (2018). A review: Fundamentals of
computational fluid dynamics (cfd). In AIP conference proceedings, volume
2030. AIP Publishing.