Universidade Federal do Rio de Janeiro

Escola de Qumica
Programa em Tecnologia de Processos Qumicos e Bioqumicos
Mestrado Acadmico

Aluna: Tatiana Pitchon Sampaio
DRE: 111508101









Trabalho 1:
Planejamento Fatorial Completo 2
k

com Pontos Centrais






















Rio de Janeiro, 22 de janeiro de 2012.


Introduo
A migrao de gases durante a etapa de cimentao do poo um dos diversos
problemas relacionado perfurao de poos. Um mau dimensionamento e controle dos
parmetros de circulao do cimento podem resultar numa presso hidrosttica da
coluna inferior a presso esttica da formao. Essa diferena de presso pode gerar um
influxo (kick) de gs durante o perodo de pega do cimento. Dentre os problemas que
podem ocorrer esto: fragilizao do cimento, reduo de sua densidade e formao de
espaos vazios conectando diferentes formaes. Esses problemas podem ser
identificados atravs de perfiz snicos que medem indiretamente a densidade do
cimento.
A avaliao da permeabilidade de gases em cimentos pode ser feita atravs de
simuladores em escala de laboratrio ou atravs de propriedades individuais da pasta: (i)
retrao, (ii) fora gel e (iii) perda de filtrado, apesar de existir poucas informaes a
respeito da relao entre esses dois mtodos de avaliao.
Um dos mtodos de determinao da fora gel esttica atravs do mtodo acstico,
que consiste na medida atravs de sinais de ultrassom, quanto maior a fora gel esttica
da pasta de cimento, maior a atenuao do sinal obtido por ultrassom.
Objetivo
O objetivo desse trabalho estudar a tcnica de planejamento fatorial completo 2
k
com
pontos centrais atravs do estudo da relao entre a composio de diversas pastas e a
resistncia compresso ultrassnica, que uma forma de determinar a fora gel
(propriedade relacionada migrao de gases).
Tambm temos como objetivo determinar se os resultados encontrados nesse estudo so
compatveis com aqueles encontrados na Dissertao de Mestrado do aluno Jos
Marcelo Silva Rocha da Escola de Qumica da UFRJ.
Metodologia
Os dados de composio das pastas de cimento e dos resultados do teste de resistncia a
compresso ultrasnica foram obtidos na Dissertao de Mestrado do aluno Jos
Marcelo Silva Rocha da Escola de Qumica da UFRJ, onde as anlises foram realizadas
em ordem aleatria para evitar resultados tendenciosos.
Nomenclatura utilizada para os componentes variados na pasta de cimento:
Relao entre a massa de gua e a massa de cimento (influencia na resistncia
mecnica e na retrao do Cimento): Fator a/c , em %;
Controlados de filtrado (reduz a perda de fluido para formaes adjacentes
permeveis): Contr.filtrado, em %;
Concentrao de ltex (reduz a permeabilidade da matriz do cimento): Latx, em
%;
Dispersantes (corrige a viscosidade da pasta): Dispersante, em %.
Tabela 1: Valores utilizados para os testes com as variveis independentes (Rocha,
2010).

As anlises de resistncia a compresso foram realizadas pelo mtodo ultrassnico, em
MPa, aps 40h de cura (RC 40 h) por Jos Marcelo Silva Rocha em sua Dissertao de
mestrado.
Foi realizado um planejamento fatorial 2
4
completo com 3 pontos centrais utilizando o
software STATISTICA. Os resultados obtidos do discutidos no prximo tpico.
Resultados e Discusso
O planejamento utilizado resultou em 2
4
+1= 17 composies diferentes para a pasta
(pontos inferiores, superiores e centrais), onde o ponto central est em triplicata (17(C),
18(C) e 19(C)), que esto dispostos na tabela 2.









Tabela 2: Composio da massa de cimento de cada uma das amostras com seu
respectivo resultado do teste de resistncia compresso pelo mtodo ultrassnico.

Uma observao importante na utilizao que na janela principal do planejamento
fatorial no Statistica nos mostra um resumo da entrada do planejamento (figura 1). Pelo
resumo mostrado na caixa branca da figura 1 (ressaltada com o quadrado vermelho),
observa-se que as opes escolhidas foram: (i) n de fatores = 4, (ii) n de corridas = 16,
(iii) n total de corridas no experimento = 19 (3 pontos centrais), (iv) n de blocos = 1 e
fatorial completo.

Figura 1: Janela do planjamento no Statistica.
A tabela 3 foi obtida durante o planejamento escolhendo-se a opo de serem analisados
no apenas as influncias principais, mas tambm a dos termos de segunda e terceira
ordens. Analisando a tabela 3, observamos que todos os efeitos de segunda e terceira
ordem no so significativos na anlise da resistncia a compresso, pois possuem o p-
level maior que 0,05. O erro por falta de ajuste tambm no significativo, por possuir
o p-level maior que 0,05, enquanto que a mdia quadrtica do erro puro 0,57. Os
efeitos de primeira ordem: concentrao de dispersante e controle de filtrado
mostraram-se marginalmente significativos na anlise da resistncia a compresso, por
apresentarem valores de p-level entre 0,1 e 0,05. J os efeitos: Fator a/c e concentrao
de ltex mostraram-se ser significantes na anlise da resistncia a compresso, por
apresentarem valores de p-level inferiores a 0,05. Ainda pode-se constatar pela tabela 3
que o Ltex foi o fator que mais influenciou na varivel de resposta. Retirando-se os
termos de segunda e terceira ordem do planejamento, por no serem significantes,
obtemos a tabela 4.





Tabela 3: Tabela ANOVA.

Tabela 4: Tabela ANOVA sem considerar as interaes de 2 e 3 ordens.

Analisando a tabela 5, observamos que os fatores Fator a/c, Controle de filtrado e
concentrao de ltex tiveram efeitos negativos na resistncia compresso (efeito e
coeficientes de regresso negativos). Isso quer dizer que o aumento desses fatores
acarretar na diminuio da resistncia compresso. J o fator concentrao de
dispersante, apresentou um efeito positivo na resistncia a compresso (efeito e
coeficiente de regresso positivos). Isso , o aumento da concentrao de dispersantes
acarreta no aumento da resistncia a compresso da pasta de cimento. Ainda na tabela 5,
obtemos valores para os limites de confiana superiores e inferiores do efeito e do
coeficiente de regresso para cada um dos fatores. Analisando o teste de significncia
para os efeitos (p-level) obtemos as mesmas concluses que obtivemos anteriormente
sobre a significncia de cada um dos fatores, e que o fator de interao principal
tambm significante.
Tabela 5: Tabela dos feitos de cada fator e dos coeficientes de regresso (em
termos de variveis escalonadas).



Pela tabela 6, obtemos informaes a respeito dos coeficientes de regresso, do erro por
falta de ajuste com o erro puro, dos testes de significncia dos coeficientes de regresso
e dos limites superiores e inferiores para esses coeficientes. O resultado para os teste de
significncia dos coeficientes da regresso, so compatveis com os testes de
significncia dos fatores e dos efeitos de cada um dos mesmos, como j era esperado. O
coeficiente de determinao (R, nesse caso = 0,97745) mostra uma excelente predio
para o modelo (maior que 0,9), sendo, dessa forma, vlido.Os desvios-padro so
menores que o valor real dos efeitos e dos parmetros, o que no desvalida o modelo.
Nesse caso, os coeficientes no escalonados apresentaram-se significante ou
marginalmente significante da mesma forma que nos resultados escalonados. Porm,
isso podia no ocorrer se a ordem de grandeza dos valores experimentais fossem muito
distantes. Dessa forma, deve sempre se fazer o escalonamento.





Tabela 6: Tabela dos coeficientes de regresso.


O modelo matemtico seria ento:
RC = 66,28917 u,96S6S. X
1
1,892S6. X
2
1,4u817. X
3
+ 4,1SS41. X
4

As figuras de 2 a 7 apresentam as mdias marginais para duplas de fatores. As curvas
nesses grficos apresentam interaes entre esses fatores, sendo que quando as mesmas
so perfeitamente paralelas, essa interao no existe. A partir desse conceito,
observamos que os fatores: Ltex e fator a/c, Dispersante e fator a/c no apresentam
interao. No caso dos fatores: Controlador de filtrado e fator a/c, Ltex e dispersante
apresentam um desvio do paralelismo muito pequeno, o que nos mostra que h
pouqussima interao entre eles. J os fatores Dispersante e controlador de filtrado,
Ltex e controlador de filtrado apresentam uma interao um pouco maior devido ao
ngulo mais representativo formado pelas curvas. Entretanto, como, em nenhum dos
casos, h o cruzamento das linhas, quer dizer que a interao praticamente inexistente
para todos os fatores. Tambm podemos ver os efeitos de cada fator sobre a varivel
dependente, onde, como j era esperada pelos resultados de outras etapas, a resistncia a
compresso aumenta com a diminuio de todos os fatores com exceo da
concentrao de dispersante que possuiu um efeito positivo. A melhor condio ento
ser a concentrao mnima de Ltex, Controlador de filtrado e menor Fator a/c e maior
concentrao de Dispersante, no caso: 0; 0; 40 e 0,46, respectivamente.

Figura 2: Grfico das mdias marginais para os fatores: Ltex e Fator a/c.

Figura 3: Grfico das mdias marginais para os fatores: Controlador de filtrado e
concentrao de Dispersante.

Figura 4: Grfico das mdias marginais para os fatores: Controlador de filtrado e
Fator a/c.

Figura 5: Grfico das mdias marginais para os fatores: concentrao de
dispersante e Fator a/c.

Figura 6: Grfico das mdias marginais para os fatores: Controlador de filtrado e
concentrao de ltex.

Figura 7: Grfico das mdias marginais para os fatores: Concentrao de
dispersante e concentrao de ltex.



Figura 8: Superfcies de resposta com os eixos x e y sendo: (a) Fator a/c e Controlador
de filtrado, (b) Ltex e Fator a/c, (c) Fator a/c e Dispersante, (d) Ltex e Controlador de
filtrado, (e) Controlador de filtrado e Dispersante e (f) Ltex e Dispersante.
Nas curvas da figura 8, so apresentadas as superfcies que indicam a dependncia entre
a resistncia compresso e cada um dos fatores. Quanto maior a inclinao da curva,
maior a variao da varivel estudada em funo da varivel independente. Como era
esperada, a resistncia compresso mais sensvel a variaes na concentrao de
Ltex e Fator a/c, devido s curvaturas nos eixos desses fatores serem mais acentuados.
As superfcies de resposta tambm mostram os efeitos de cada fator sobre a varivel
dependente. Os pontos azuis so os valores mdios dos fatores, nos nveis superior e
inferior, com os limites de confiana para os mesmos.


Figura 9: Curvas de nvel da sup
a/c e Controlador de filtrado, (b)
e Controlador de filtrado, (e)
Dispersante.
Na figura 9, so apresentadas as curvas de n
figura 8. Elas mostram os mesmo resultados de forma simplificada (que no utiliza
grficos 3D). Os pontos azuis so as mdias obtidas para os fatores
e inferior, e pontos centrais
resposta. As linhas paralelas
importante, como ocorre em todos os grficos.
dizer que a variao da varivel de res
Curvas de nvel da superfcie de resposta com os eixos x e y sendo:
de filtrado, (b) Ltex e Fator a/c, (c) Fator a/c e Dispersante, (d) Ltex
, (e) Controlador de filtrado e Dispersante e (f
sentadas as curvas de nvel referentes s superfcies de resposta da
Elas mostram os mesmo resultados de forma simplificada (que no utiliza
Os pontos azuis so as mdias obtidas para os fatores, nos nveis superior
e pontos centrais. Ao longo das linhas, tem-se o mesmo valor da varivel de
alelas sem curvatura indicam que o efeito de interao no
importante, como ocorre em todos os grficos. Quanto mais prximas as linhas, quer
dizer que a variao da varivel de resposta maior com o dado fator.

com os eixos x e y sendo: (a) Fator
(c) Fator a/c e Dispersante, (d) Ltex
Controlador de filtrado e Dispersante e (f) Ltex e
superfcies de resposta da
Elas mostram os mesmo resultados de forma simplificada (que no utiliza
nos nveis superior
se o mesmo valor da varivel de
o de interao no
Quanto mais prximas as linhas, quer
(d)
Tabela 7: Exemplo de predio de valor pelo modelo levantado. Condies: Valor de
todos os fatores iguais a zero.

Na tabela 7, est sendo apresentado um exemplo de predio de valor utilizando o
modelo levantado, no caso para o valor dos fatores todos iguais a zero. Obtemos assim o
valor de resistncia compresso, os limites de confiana, o valor do erro puro e o
coeficiente de determinao (R). Esse modelo apresentou excelentes resultados, pois o
valor de R = 0,97745, superior a 0,8 que o mnimo aceitvel.

Figura 10: Curva de predio da varivel de resposta.
Na figura 10, apresentada a curva de predio obtida pelo modelo. Os pontos azuis so
os valores reais obtidos experimentalmente. Observando a distribuio desses ponto,
notamos que o modelo obtido excelente, pois est bastante prximo dos valores reais,
o que era esperado graas a obteno do R.

Figura 11: Diagrama de Pareto.
Na figura 11, apresentado o Diagrama de Pareto onde so mostrados de forma fcil e
rpida os fatores que no significantes no levantamento do modelo matemtico
(retngulos que esto a direita da linha vermelha p=0,05). No caso, apenas os fatores:
Ltex e Fator a/c so significantes, mas ns sabemos que os fatores: Dispersante e
Contr.filtrado so marginalmente significantes, sendo includos no modelo. Os valores
ao lado dos retngulos representam os valores da estatstica de teste t.

Figura 12: Grfico de probabilidade normal dos resduos.
Na figura 12, observa-se a reta normal da distribuio dos resduos. Podemos dizer que
a distribuio normal, pois os resduos esto aleatoriamente distribudos em torno da
curva normal e bem prximos da mesma (pontos cobertos por um lpis gordo).
Outros grficos tambm podem ser obtidos, como o grfico dos valores preditos X
resduos (figura 13) e grfico dos valores experimentais X resduos (figura 14), que, em
ambos os casos, mostram que os resduos so pequenos perto dos valores mdios dos
valores projetados e experimentais, respectivamente.

Figura 13: Grfico dos valores preditos versus resduos.

Figura 14: Grfico dos valores experimentais versus resduos.
Uma maneira prtica de se apresentar a tabela 1 e que tambm apresenta a mdia para
os fatores fornecida pelo Statistica, atravs dos grficos de representao dos valores
mdios da varivel de resposta (figuras 15 - a, b, c, d, e, f). Esses grficos tambm
podem ser apresentados em combinaes de trs em trs, como mostrado no exemplo da
figura 16).
Figura 15: Representao dos valores mdios da RC
de filtrado, (b) Ltex e Fator a/c,
filtrado, (e) Controlador de filtrado e Dispersante e (f

esentao dos valores mdios da RC sendo: (a) Fator a/c e Control
e Fator a/c, (c) Fator a/c e Dispersante, (d) Ltex e Control
Controlador de filtrado e Dispersante e (f) Ltex e Dispersante.

Fator a/c e Controlador
(c) Fator a/c e Dispersante, (d) Ltex e Controlador de
) Ltex e Dispersante.

Figura 16: Representao dos valores mdios da RC em 3D para os fatores:
Contr.filtrado, Fator a/c e Ltex.
Tambm podemos obter as correlaes entre os fatores e as variveis (tabela 8).
Tabela 8: Tabela correlao entre fatores e variveis.

Observao: Todas as anlises realizadas s so vlidas para a regio estudada.
Extrapolar resultados pode levar a erros devido a variaes no comportamento das
relaes entre fatores e entre fatores e varivel de resposta.
Concluses Finais
Conclui-se que para o levantamento do modelo matemtico da resistncia da pasta de
cimento, dentro das faixas estudadas, em relao s variaes de : concentrao de
Ltex, concentrao de dispersante, Fator gua/cimento e Controle de filtrado, so
necessrios apenas os termos de primeira ordem, isso , pode-se desprezar os termos de
segunda e terceira ordem. Tambm se observou que o fator cuja variao mais afeta na
resistncia a compresso da pasta, dentro das faixas estudadas, a concentrao de
Ltex seguido pelo fator gua/cimento. As concentrao de dispersante e controle de
filtrado mostram-se marginalmente significativos na construo do modelo matemtico
estudado. O nico fator com influncia positiva foi a concentrao de dispersante, tendo
os outros fatores influncias negativa. A melhor condio encontrada, a que maximiza a
resistncia compresso, foi: Concentrao de Ltex=0, Controlador de filtrado =0,
Fator gua/cimento =40 e concentrao de dispersante =0,46.
Esse planejamento apresentou os mesmo resultados encontrados por Jos Marcelo Silva
Rocha em sua Dissertao de Mestrado.
Bibliografia
Calado, V., Montgomery, D.. Planejamento de Experimentos Usando o Statistica. Rio
de Janeiro: @E-papers Servios Editorais Ltda., 2003. 261 p.
Rocha, J. M. S.. Estudo da Migrao de Gases em Pastas de Cimento para Uso em
Poos de Petrleo. 2010. 144 p. Dissertao de Mestrado - Programa de Ps-Graduao
em Tecnologia de Processos Qumicos e Bioqumicos, Escola de Qumica,
Universidade Federal do Rio de Janeiro, 2010. Meio eletrnico.
Triggia, A. A., Correia, C. A., Verotti Filho, C., Xavier, J. A. D., Machado, J. C. V.,
Souza Filho, J. E., Paula, J. L., Rossi, N. C. M., Pitombo, N. E. S., Gouvea, P. C. V. M.,
Carvalho, R. S., Barragan, R. V., Thomas, J. E. (organizador). Fundamentos de
Engenharia de Petrleo, 2 Ed. Rio de Janeiro: Editora Intercincia, 2001. 271 p.
Bourgoyne Jr, A. T., Chenevert, M. E., Millheim, K. K., Young Jr., F. S.. Applied
Drilling Engineering. Estados Unidos: SPE Textbook Series, vol. 2, 2005. 502 p.