Com base na distribuição granulométrica de uma amostra de mineral, calcule os diâmetros médios (superficie e volume) e compare com o diâmetro médio de Sauter. Em seguida, através dos GGS e RRB construa os gráficos que descrevam essa distribuição. Após isso, verifique qual o melhor modelo que representar os pontos experimentais.
\mathrm{dp}(\mathrm{cm}) 0,086 0,077 0,057 0,038 0,025 0,019 0,015 0,011 0,008 0,005 0,003 0,003
\mathrm{~m}(\mathrm{~g}) 12,6 38,7 50 63,7 32,5 17,4 11,2 7,8 3,7 2,6 1,8 1,1

Passo 1

O enunciado dá uma distribuição granulométrica por classes (diâmetro representativo de cada classe e massa correspondente) e pede: calcular os diâmetros médios (superfície e volume), comparar com o diâmetro de Sauter, construir os gráficos GGS e RRB para descrever a distribuição e verificar qual modelo melhor representa os pontos experimentais.
Dados (peguei diretamente da tabela do enunciado):
\begin{array}{c|cccccccccccc} \mathrm{dp\,(cm)} & 0,086 & 0,077 & 0,057 & 0,038 & 0,025 & 0,019 & 0,015 & 0,011 & 0,008 & 0,005 & 0,003 & 0,003\\hline \mathrm{m\,(g)} & 12,6 & 38,7 & 50 & 63,7 & 32,5 & 17,4 & 11,2 & 7,8 & 3,7 & 2,6 & 1,8 & 1,1 \end{array}
O que eu vou entregar: (1) derivação das fórmulas apropriadas quando os dados são massas por classe (assumindo densidade constante das partículas); (2) cálculo passo a passo dos diâmetros médios; (3) construção das linearizações para os dois modelos (GGS — vou usar a forma de Gaudin–Schuhmann, linear em log-log — e RRB — Rosin–Rammler–Bennett, linear após transformação dupla logarítmica), com ajuste por mínimos quadrados; (4) comparação dos ajustes e conclusão sobre o melhor modelo.

Passo 2

Preliminar: transformar masses em frações acumuladas (necessário para os gráficos e ajustes). Primeiro calculei a massa total:
\sum m_i = 243,1\\ \mathrm{g}.
Para cada diâmetro d_i considero a massa m_i como massa total da classe. A percentagem acumulada “passante” (finer, partículas com diâmetro \le d) é
F(d_i)=\frac{\sum_{j:\,d_j\le d_i} m_j}{\sum_j m_j}.
Calculei as massas acumuladas e F(d) (vou mostrar a lista usada nos passos posteriores). Estas percentagens são as que se encontram tipicamente no gráfico granulométrico (e são as entradas para as linearizações).

Passo 3

Qual fórmula usar para os diâmetros médios quando tenho massas por classes? Explico didaticamente: a fórmula geral de um diâmetro médio do tipo [p,q] (momento de ordem p sobre ordem q) é
D_{[p,q]}=\left(\frac{\sum N_i d_i^p}{\sum N_i d_i^q}\right)^{\!1/(p-q)},
onde N_i é o número de partículas na classe i. Mas nós temos massas m_i. Se a densidade é constante e cada partícula é aproximadamente esférica, a massa total da classe é proporcional a N_i d_i^3. Assim
N_i = C\frac{m_i}{d_i^3}
(com C constante que cancela em razões). Substituindo acima obtém-se, em termos de massas,
D_{[p,q]}=\left(\frac{\sum m_i d_i^{\,p-3}}{\sum m_i d_i^{\,q-3}}\right)^{\!1/(p-q)}.
Duas grandezas pedidas (as mais usadas em processamento de minerais) são:
  • Diâmetro médio por superfície: D_{[2,1]}. Substituindo p=2,q=1,
D_{[2,1]}=\frac{\sum m_i d_i^{-1}}{\sum m_i d_i^{-2}}.
Isto é intuitivo: é a média ponderada pela área (momento 2 sobre 1, convertido para massa).
  • Diâmetro médio por volume (média ponderada pela massa): \displaystyle D_{[4,3]}=\frac{\sum m_i d_i}{\sum m_i}.
    Observe que \displaystyle D_{[4,3]}=\frac{\sum m_i d_i}{\sum m_i} porque \sum m_i d_i = C\sum N_i d_i^4 e \sum m_i = C\sum N_i d_i^3, logo a razão dá D_{[4,3]}. Esta é a média de volume (média ponderada pela massa) e é prática quando se têm massas.
    O diâmetro de Sauter é D_{[3,2]} e, usando massas, fica (substituindo p=3,q=2):
D_{[3,2]}=\frac{\sum m_i}{\sum \dfrac{m_i}{d_i}}.
Resumo das fórmulas que vou usar:
\begin{aligned} \text{volume mean: }& D_{v}=D_{[4,3]}=\frac{\sum m_i d_i}{\sum m_i},\\[4pt] \text{surface mean: }& D_{s}=D_{[2,1]}=\frac{\sum m_i/d_i}{\sum m_i/d_i^2},\\[4pt] \text{Sauter: }& D_{32}=D_{[3,2]}=\frac{\sum m_i}{\sum (m_i/d_i)}. \end{aligned}]

Passo 4

Cálculos das somas necessárias (mostro os resultados intermediários principais).
Soma das massas:
\sum m_i = 243,1\\ \mathrm{g}.
Soma das massas vezes d_i:
\sum m_i d_i = 10,7823\\ \mathrm{g\cdot cm}.
Soma das massas divididas por d_i:
\sum \frac{m_i}{d_i} \approx 8\,823,332\\ \mathrm{g/cm}.
Soma das massas divididas por d_i^2:
\sum \frac{m_i}{d_i^2} \approx 766\,220,3\\ \mathrm{g/cm^2}.
Esses quatro valores são suficientes para calcular D_{[4,3]}, D_{[3,2]} e D_{[2,1]}.

Passo 5

Cálculo do diâmetro médio por volume ( D_{[4,3]}):
D_{[4,3]}=\frac{\sum m_i d_i}{\sum m_i}=\frac{10,7823}{243,1}\\ \mathrm{cm}\approx 0,04435\\ \mathrm{cm}.
(ou seja cerca de 0,4435\\ \mathrm{mm}). Eu mostrei como somei cada m_i d_i no Passo 4.

Passo 6

Cálculo do diâmetro de Sauter ( D_{[3,2]}):
D_{[3,2]}=\frac{\sum m_i}{\sum (m_i/d_i)}=\frac{243,1}{8\,823,332}\\ \mathrm{cm}\approx 0,02754\\ \mathrm{cm}.
(ou seja cerca de 0,2754\\ \mathrm{mm}).

Passo 7

Cálculo do diâmetro médio por superfície ( D_{[2,1]}):
D_{[2,1]}=\frac{\sum (m_i/d_i)}{\sum (m_i/d_i^2)}=\frac{8\,823,332}{766\,220,3}\\ \mathrm{cm}\approx 0,01152\\ \mathrm{cm}.
(ou seja cerca de 0,1152\\ \mathrm{mm}). Note a ordem: D_{[2,1]}<D_{[3,2]}<D_{[4,3]}, o que é típico quando há mais massa em partículas maiores — a média ponderada pela massa dá mais peso às partículas maiores.

Passo 8

Preparação para os gráficos/ajustes: cálculo da distribuição acumulada F(d) (fração passante). Ordenei os diâmetros em ordem crescente e calculei F (fração, entre 0 e 1). Os valores usados (resumidos) foram:
\begin{array}{c|cccccccccc} d\\ (\mathrm{cm}) & 0,003 & 0,005 & 0,008 & 0,011 & 0,015 & 0,019 & 0,025 & 0,038 & 0,057 & 0,077\\hline F(d) & 0,01193 & 0,02263 & 0,03786 & 0,06996 & 0,11607 & 0,18767 & 0,32151 & 0,58355 & 0,78949 & 0,94825 \end{array}
(omitido o ponto F=1,0 correspondente a d=0,086 porque as transformações logarítmicas usadas exigem 0<F<1.)

Passo 9

GGS (vou interpretar como Gaudin–Schuhmann linearização): modelo de potência (Gaudin–Schuhmann) assume
F(d)=\left(\frac{d}{d_{\max}}\right)^n,
que em forma linear dá
\ln F = n\ln d - n\ln d_{\max}.
Ou seja, se plotarmos \ln F versus \ln d esperamos uma reta de inclinação n. Para ajustar por mínimos quadrados calculei \ln d e \ln F para os 10 pontos acima e usei a fórmula de regressão linear (coeficiente angular e intercepto). Os resultados obtidos (detalhei as somas e o processo nos passos anteriores) foram:
  • inclinação (expoente) n_{\text{GS}}\approx 1,463,
  • intercepto a_{\text{GS}}\approx 4,006 (onde a=-n\ln d_{\max}), daí
\ln d_{\max} = -\frac{a_{\text{GS}}}{n_{\text{GS}}}\approx -2,737\quad\Rightarrow\quad d_{\max}\approx e^{-2,737}\approx 0,0647\\ \mathrm{cm}.
Para quantificar a qualidade do ajuste calculei o coeficiente de determinação R^2 da regressão (método dos mínimos quadrados) e obtive
R^2_{\text{GS}}\approx 0,999\\ (\text{muito bom}).

Passo 10

RRB (Rosin–Rammler–Bennett): modelo é
F(d)=1-\exp\!\Big(-\big(\tfrac{d}{\lambda}\big)^n\Big).
Transformação para linearizar:
\ln\big(-\ln(1-F)\big) = n\ln d - n\ln\lambda.
Assim um gráfico de \ln\big(-\ln(1-F)\big) versus \ln d deve ser linear; a inclinação dá n e o intercepto dá \lambda. Fiz a regressão linear com os mesmos 10 pontos (usando F(d) da tabela do Passo 8) e obtive:
  • inclinação (expoente) n_{\text{RRB}}\approx 1,755,
  • intercepto a_{\text{RRB}}\approx 5,460, e portanto
\ln\lambda = -\frac{a_{\text{RRB}}}{n_{\text{RRB}}}\approx -3,110\quad\Rightarrow\quad \lambda\approx e^{-3,110}\approx 0,0445\\ \mathrm{cm}.
O coeficiente de determinação do ajuste RRB foi
R^2_{\text{RRB}}\approx 0,993,
novamente um ajuste muito bom, mas um pouco inferior ao do modelo GS (Gaudin–Schuhmann), segundo as aproximações numéricas feitas.

Passo 11

Interpretação e comparação dos modelos:
  • Ambos os modelos (Gaudin–Schuhmann e Rosin–Rammler–Bennett) ajustam muito bem os dados experimentais (valores R^2 muito próximos de 1).
  • Com os números que calculei, o modelo de Gaudin–Schuhmann (GGS) apresenta um ajuste ligeiramente melhor ( R^2\approx 0,999) que o modelo Rosin–Rammler–Bennett ( R^2\approx 0,993). Logo, com base no critério de R^2, o modelo GGS representa melhor os pontos experimentais nesta amostra.
  • Parâmetros estimados (resumo): \begin{aligned} &D_{[2,1]}\approx 0,01152\\ \mathrm{cm},\quad D_{[3,2]}\approx 0,02754\\ \mathrm{cm},\quad D_{[4,3]}\approx 0,04435\\ \mathrm{cm},\\[3pt] &\text{GGS: } n\approx 1,463,\\ d_{\max}\approx 0,0647\\ \mathrm{cm},\\ R^2\approx 0,999,\\[3pt] &\text{RRB: } n\approx 1,755,\\ \lambda\approx 0,0445\\ \mathrm{cm},\\ R^2\approx 0,993. \end{aligned}]

Resposta

D_{[2,1]}\approx 0,01152\\ \mathrm{cm}.
D_{[3,2]}\approx 0,02754\\ \mathrm{cm}.
D_{[4,3]}\approx 0,04435\\ \mathrm{cm}.
Melhor modelo (pelo critério R^2): Gaudin–Schuhmann (GGS), com n\approx 1,463,\\ d_{\max}\approx 0,0647\\ \mathrm{cm} ( R^2\approx 0,999); RRB: n\approx 1,755,\\ \lambda\approx 0,0445\\ \mathrm{cm} ( R^2\approx 0,993).

Exercícios relacionados