CONCEPÇÃO DE UM MODELO TEÓRICO "PREDIÇÃO DA RESISTÊNCIA A COMPRESSÃO EM CIMENTOS PORTLAND UTILIZANDO MODELAGEM ESTATÍSTICA"
Cimento Portland, Modelagem Estatística, Análise multivariada
Entender as propriedades físicas e químicas de um determinado material é a chave para uma produção de qualidade e que atenda as expectativas ou procedimentos estabelecidos por entidades de normatização. A produção do cimento Portland é um processo complexo que envolve várias etapas durante a fabricação. Infinitas modificações e adições podem ser feitas no processo de fabricação do cimento e, como trata-se de produção de grandes volumes, erros durante as etapas do processo podem acontecer e devem ser eliminados para garantir o êxito na qualidade da produção. Durante a preparação do clínquer, todos os componentes da farinha são estequiometricamente balanceados para garantir uma composição adequada das fases após sua fusão e resfriamento. Antes da expedição, o cimento é especificado através de normas para determinar sua conformidade com a aplicação. Caso a aplicação seja destinada a poços petrolíferos, o cimento deve passar ainda por testes de reologia, resistência à compressão, tempo de pega e água livre. Estes ensaios demandam tempo e pessoal qualificado para que sejam realizados. Um modelo estatístico resume-se a representação simplificada da realidade, tomando por base dados experimentais a estatística é capaz de simular e prever resultados com precisão. A utilização de modelos matemáticos e estatísticos são uma alternativa de grande valor na otimização de processos de produção, simulações confiáveis poderão favorecer a produção de um material de características desejadas confiáveis em um menor intervalo de tempo. Este trabalho tem como objetivo, fazendo o uso de dados experimentais, a elaboração de um modelo estatístico capaz de prever a resistência à compressão do cimento, tendo como dados de entrada os principais constituintes do cimento Portland, C3S, C3A e 2*C3A+C4AF. A aplicação do modelo resultou em respostas com valores próximos aos experimentais, outros com uma maior divergência, o tamanho do universo utilizado como dados de input mostrou-se um fator limitante na precisão dos resultados, onde foi obtido uma discrepância que pode ser atribuída ao volume do universo utilizado. A divergência mostrou uma variação mínima de valor de 4% e a maior de 21%.