Pode se definir a Reologia como a ciência que estuda materiais considerados complexos e que não são considerados somente como um gás, liquido ou sólido, sendo também considerada como a ciência das deformações e fluidez da matéria, ligada diretamente entre tensão, deformação e tempo. A força necessária para causar certa deformação ou escoamento em um corpo ou fluido também está relacionado a reologia (MANRICH; PESSAN, 1987).
Sendo ela uma ciência que estuda o fluxo e a deformação da matéria, a mesma se torna muito importante para a Ciência dos Materiais. A reologia é a ciência que estuda as propriedades mecânicas dos materiais que determinam seu escoamento quando solicitados por forças externas (BIRD et al., 1960).
Em seu entendimento, o concreto pode ser definido como um sistema de partículas sólidas em suspensão (agregados) em um líquido viscoso (pasta de cimento), onde a pasta de cimento, não se configura como um líquido homogêneo, sendo composta
por partículas de cimento e água. Em uma escala macroscópica, o concreto fresco flui como um líquido (FERRARIS, 1996; 1999).
As propriedades reológicas do concreto em seu estado fresco são importantes principalmente no momento em que o material é lançado em sua aplicação final (formas), e podem ser determinadas em qualquer momento durante o período de indução da hidratação do cimento (CHAPPUIS, 1991).
As características reológicas do concreto em seu estado fresco podem ser influenciadas pelos mais diversos fatores, tais como: relação água/cimento, idade da pasta, temperatura, características do cimento, natureza das adições químicas (aditivos) e minerais incorporadas à mistura e procedimento de mistura empregado na sua produção (CLAISSE; LORIMER; AL OMARI, 2001).
Assim, o emprego de aditivos plastificantes retardadores torna-se necessário para evitar a sedimentação das partículas e consequente segregação de fases, o que possibilita a preparação de suspensões homogêneas com alta concentração de sólidos, influenciando diretamente na reologia dos concretos. Como discutido anteriormente, em seu mecanismo de ação esses aditivos são eficientes na defloculação das partículas de cimento e em sua dispersão, minimizando a quantidade de água necessária para a suspensão da mistura e resultando em misturas mais trabalháveis pelo intervalo de tempo desejado (DAIMON, 1978; UCHIKAWA, 1997).
Mesmo que outros mecanismos, como a liberação de água armazenada nos flocos de cimento e a inibição da hidratação da superfície das partículas de cimento possam aumentar a fluidez da mistura, a principal causa da dispersão das partículas ocorre por uso de aditivos orgânicos ao concreto. Fisicamente, isso significa que com uma menor viscosidade, consequentemente, é obtido um maior abatimento. (REIS, 2008, ANDERSEN, 1986).
Quanto as resistências obtidas no concreto, estas estão diretamente ligadas a reologia das misturas. Isso deve-se ao fato de seus componentes influenciarem diretamente na reologia, afetando assim resistências obtidas. Um melhor empacotamento das partículas obtido pela adição de agregado miúdo e graúdo nas proporções certas, com o emprego de aditivos, pode ser neutralizado pelo teor de água necessário para se obter uma pasta com a trabalhabilidade desejada por exemplo (CASTRO, 2007). 2.5 DELINEAMENTO EXPERIMENTAL
Prever o comportamento de uma variável resposta em relação aos fatores que a influenciam, como por exemplo, a ideia de avaliar o efeito da adição e variação de algum aditivo em concretos usinados de cimento Portland tem sido um grande desafio para diversos pesquisadores. No entanto, existem algumas técnicas experimentais possíveis de serem aplicadas. Estas permitem o desenvolvimento desse tipo de estudo, auxiliando na obtenção e análise dos resultados (MONTGOMERY, 2012 apud LOPES, 2013).
O delineamento experimental (DOE) também denominado planejamento experimental representa um conjunto estabelecido com critérios científicos, utilizando ferramentas matemáticas e estatísticas. Esta metodologia tem importantes aplicações na criação de novos produtos e no melhoramento de projetos e produtos já existentes, tendo como objetivo analisar, modelar e otimizar um fenômeno ou um processo realizado por procedimento experimental (LOPES, 2013; SCHACKOW, 2011; MONTGOMERY; RUNGER, 2012).
Segundo Schackow (2011), esse objetivo maior pode ser dividido em outros objetivos de acordo com o propósito dos ensaios:
a. determinar quais as variáveis de maior influência nos resultados;
b. atribuir valores às variáveis influentes de modo a otimizar os resultados;
c. atribuir valores às variáveis influentes de modo a minimizar as diferenças consideráveis dos resultados;
d. atribuir valores ou acrescentar variáveis influentes buscando minimizar a influência da variáveis incontroláveis.
Segundo Button (apud LOPES, 2013) há alguns benefícios de se utilizar essa metodologia:
Redução da quantidade de experimentos sem prejudicar a qualidade das informações obtidas;
Estudo simultâneo de diversas variáveis, estudando seus efeitos separadamente;
Avaliação das interações entre variáveis se isto ocorrer (quando o desempenho de uma variável depende do nível de outra);
Determinação da confiança nos resultados obtidos;
Otimização do modelo obtido a partir das variáveis que possuem influência no mesmo.
2.4.1 Analise de variância (ANOVA) e modelos de regressão A análise de variância (ANOVA) é uma ferramenta utilizada pelo DOE para avaliar os efeitos de um tratamento sobre respostas quantitativas de unidades experimentais. Ou seja, quando se está realizando um procedimento experimental conforme um delineamento experimental procura-se obter uma propriedade ou uma resposta (está chamada de variável dependente “y”) em função de suas variáveis identificadas no processo ou em fatores controláveis que possam interferir (variáveis independentes “x1”, “x2”....“xn”). Além disso, obtêm-se as variáveis incontroláveis ou ruídos que exercem ação ao experimento (MONTGOMERY, 2008).
Logo pode-se descrever essas variáveis conforme a equação 01. (Eq. 01)
Em muitas situações, para encontrar a solução ótima de um experimento, é útil a técnica de análise de regressão, pois nem sempre a solução ótima corresponde a um dos níveis pré- estabelecidos no planejamento, principalmente se os fatores usados no experimento do processo forem quantitativos (SCHACKOW, 2011, p. 40).
Segundo Montgomery, (apud SCHACKOW, 2011), a análise de regressão é utilizada, para descrever as possíveis correlações entre variáveis, ou seja, para descobrir se há uma relação entre as variáveis de entrada ou independentes e as variáveis de saída ou dependentes, que possam ser descritas por uma equação matemática.
Matematicamente, uma equação de regressão pode ser descrita por:
Y= β1x1+ β11 x12+ β2 x2 + β22 x22+ β3 x3 + β33 x32+ ε (Eq. 02)
Onde:
Y é a variável dependente (resposta do experimento),
x1, x2 ex3 são as variáveis independentes na forma linear,
x12, x22, x32 são as variáveis independentes na forma quadrática,
β1, β2, β3, β11, β22 e β33 são os coeficientes de regressão. (está equação não apresenta interação entre fatores)
Com isto, obtêm-se um modelo de regressão, o qual permite ajustar os dados obtidos no procedimento experimental a uma equação expressa na forma canônica (LOPES, 2013; DEVORE, 2012). Também pode ser estipulado um limite de significância (α), assim é possível eliminar do equacionamento os termos que possuírem valores abaixo, simplificando os modelos e mantendo sua confiabilidade.
2.4.2 Avaliação de adequação do modelo de regressão
Para testar o modelo de regressão escolhido faz se a utilização da ferramenta ANOVA, verificando se ele realmente representa os valores de forma experimental. Uma das informações obtidas é o coeficiente de determinação múltipla (R2), o qual determina qual proporção da variável total na
resposta é explicada pelos fatores escolhidos pelo modelo (SOARES, 2014; LOPES, 2013; MONTGOMERY, 2013).
Tão importante quanto realizar réplicas no experimento, é realizar o teste de falta de ajuste nas réplicas do delineamento experimental. Assim torna-se possível analisar o valor p, indicando se há ou não falta de ajuste entre as respostas obtidas pelas réplicas (grandes diferenças entre os valores obtidas nas réplicas). O valor p elimina ou não a falta de ajuste levando em conta o nível de significância (α) estipulado (LOPES, 2013; WALPOLE et al., 2009).
Para a análise de variância é necessário fazer a análise dos gráficos de resíduos (diferença entre os valores experimentais e os preditos pela equação do modelo escolhido). Deve-se observar uma normalidade ao construir a curva de distribuição normal dos resíduos. Bem como, a aleatoriedade dos resíduos perante os gráficos representando os valores ajustados em relação aos valores observados e também em relação aos valores preditos, podendo assim ser identificados problemas de medições, como tendências ou vícios (LOPES, 2013; DEVORE, 2012).
2.4.3 Projeto fatorial fracionado 3k-q
Quando se deseja estudar os efeitos de duas ou mais variáveis de influência independentes sobre uma resposta o planejamento fatorial é o método mais indicado. Todas as combinações possíveis em dois ou três níveis de cada variável são investigadas, em cada tentativa ou réplica. Diz-se que há interação de variáveis quando o efeito de uma variável depende do nível das outras variáveis (SCHACKOW, 2011; BUTTON, 2014).
Para experimentos onde há uma quantidade relativamente grande de fatores, os projetos fatoriais 3K podem
ser fracionados. O objetivo deste tipo de projeto (3k-p) é ensaiar
apenas fração das possíveis combinações de níveis, fazendo um planejamento para garantir a possibilidade de se estimarem os efeitos principais e, às vezes, os efeitos das interações entre dois fatores. Assim, o projeto fatorial fracionado diminui a quantidade mínima de ensaios, tornando-se vantajoso quando se consideram os custos, principalmente quando trata-se de ensaios caros, destrutivos ou demorados (LOPES, 2013; SCHACKOW, 2011; MATTOS, 2004).
A realização de replicações durante a fase experimental auxilia na obtenção de resultados mais confiáveis, principalmente ao ser eliminado a falta de ajuste da análise de variância. É importante definir que réplica é quando os experimentos são realizados duas ou mais vezes seguindo o mesmo planejamento experimental. Logo, um projeto fatorial fracionado com uma réplica, teria um total de 18 experimentos, sendo nove referentes ao projeto e os outros nove referentes às réplicas.
2.4.4 Metodologia de superfície de resposta (MSR)
Após definido um modelo de regressão que seja adequado aos resultados obtidos no procedimento experimental,
é recomendável utilizar a metodologia de superfície de resposta (MSR).
“A técnica de superfície de resposta consiste em um grupo de técnicas matemáticas e estatísticas utilizadas em estudo empírico das relações entre variáveis controladas e uma ou mais respostas mensuráveis, utilizadas para modelagem e análise de problemas” (MONTGOMERY, 1991 apud SCHACKOW, 2011, p. 42). Ela pode auxiliar na busca de pontos de mínimo ou máximo no sistema em análise, bem como ilustrar o comportamento das variáveis, sendo isso muito importante para o problema.
A Figura 2.7 ilustra graficamente a superfície de resposta, onde a resposta Y é traçada em função de x1 e x2 (MONTGOMERY, 2003). A resposta é representada como uma superfície em um espaço em duas dimensões e também tridimensional.
Figura 2.7 – Representação gráfica de superfície de resposta (a) em duas dimensões e (b) tridimensional.
Fonte: Montgomery, 2003.
(a)
CAPÍTULO 3 – MATERIAIS E MÉTODOS
Este capítulo apresenta os materiais utilizados para a formulação do aditivo e a fabricação de concretos aditivados, bem como também descreve as metodologias experimentais utilizadas nos concretos contendo aditivo plastificante retardador de pega (PR).
3.1 MATERIAIS