O Planejamento Fatorial

1. Introdução

Dentre os metais tóxicos que causam maior impacto aos seres humanos, pode ser citado o mercúrio. Existem distintos segmentos industriais que descartam inapropriadamente efluentes contendo mercúrio, dentre os quais a indústria soda-cloro. Tais efluentes são gerados pela lavagem de resíduos sólidos contendo mercúrio elementar ou produtos insolúveis originados no tratamento de soluções (tais como sais ou hidróxidos). Portanto, faz-se necessário promover o desenvolvimento de tecnologias de baixo custo e eficientes que proporcionem a remoção de contaminantes e a reutilização dos mesmos ao processo produtivo. Merece destaque o desenvolvimento de tecnologias com uso de biomassas que contêm alta capacidade de sorver metais pesados, com o objetivo de viabilizar o descarte de efluentes dentro dos padrões previstos por lei. A remoção de metais dos efluentes industriais por uso de biomassa é chamada de biossorção. No trabalho desenvolvido por FERNANDES (2003) foi utilizada a macroalga Sargassum sp. para a remoção de mercúrio. A biomassa foi submetida a exaustivas lavagens com água deionizada para a remoção de resíduos sólidos e eliminação de cor e odor característicos. Posteriormente, a biomassa foi seca em estufa a 60°C por 24h, triturada e separada em fração de 35-60 mesh. Os experimentos foram realizados com efluente com concentração de mercúrio da ordem de 9.07 ppb em batelada, tendo-se avaliado a influência de diferentes parâmetros na captação de mercúrio.

2. Objetivo

Avaliar o efeito de parâmetros como pH, tempo de contato e concentração de biomassa na captação de mercúrio pela macroalga Sargassum sp., utilizando Planejamento Experimental.

3. Fundamentos Teóricos

A remoção de mercúrio iônico contido no efluente foi avaliada em função de três fatores ou parâmetros: concentração de biomassa, tempo de contato e pH. Estes fatores deveriam apresentar valores que viabilizassem uma eficiente captação de mercúrio por uso de Sargassum sp. Desta forma, conclui-se que os experimentos deveriam ser planejados para que os resultados obtidos pudessem fornecer o tipo de informação procurada. Caso não se realizasse o planejamento e a otimização dos experimentos, os resultados obtidos seriam um conjunto de números dos quais nada poderia ser concluído. Em qualquer tipo de pesquisa, além de definir quais variáveis (fatores) são importantes para o estudo em questão, deve-se também determinar quais os limites inferior e superior de cada um dos fatores. Feito isto, espera-se, dentre outras coisas, que seja promovida a melhoria do rendimento do processo. Neste estudo desejava-se avaliar que condições (ou valores) de pH, concentração de biomassa e tempo de contato tornavam melhor o desempenho da macroalga Sargassum na captação de mercúrio iônico Hg (II). Os resultados foram analisados e modificações pertinentes poderiam e deveriam ser feitas no Planejamento Experimental (MONTGOMERY, 2001; NETO et al., 1995). Ao se realizar o Planejamento Experimental deseja-se obter um modelo matemático adequado para descrever um certo fenômeno. Neste estudo, o fenômeno é a captação de mercúrio, devendo-se realizar um planejamento com o mínimo possível de experimentos. O uso de métodos estatísticos na análise dos dados resulta em objetividade científica (MONTGOMERY, 2001).

Uma análise sobre a validez do modelo matemático obtido pode ser efetuada por comparação dos valores dos desvios-padrão com o parâmetro em questão. Caso os desvios sejam maiores que os parâmetros, o modelo matemático proposto é inválido. Também é possível realizar tal tipo de análise através do coeficiente de determinação. Se o modelo matemático não for válido, a atitude mais apropriada seria propor um outro modelo ou desconfiar da qualidade dos dados experimentais. Caso contrário, o modelo é válido e os níveis para os parâmetros escolhidos podem ser utiilizados para a realização dos experimentos.

A técnica utilizada neste trabalho foi o Planejamento Fatorial Completo. Sua aplicação é comum quando se tem duas ou mais variáveis independentes, denominadas fatores. Ela permite uma combinação de todas as variáveis em todos os níveis (valores assumidos para uma variável), obtendo-se a análise de uma variável, sujeita a todas as combinações das demais. É usual realizar um planejamento com dois níveis, pois um número maior aumentaria sobremaneira o número de pontos experimentais. Como há neste estudo um total de três fatores (tempo de contato, concentração de biomassa e pH) e para cada um deles foram escolhidos dois níveis, trata-se de um Planejamento Fatorial Completo do tipo 23. Portanto, fica fácil concluir que haverá 23=8 experimentos a ser realizados. Como os testes foram realizados em duplicata (réplica), foi realizado um total de 16 testes. Segundo MONTGOMERY (2001) fazer um experimento com réplicas é muito importante porque permite a obtenção do erro experimental. Além disso, caso a média de uma amostra seja usada para estimar o efeito de um fator no experimento, a replicação permite a obtenção de uma estimativa mais precisa desse fator.

3.1 - Utilização do programa computacional Statistica 6.0

Para a realização do Planejamento Experimental utilizou-se o módulo do Statistica denominado Experimental Design. Feito isso, foi aberta a janela Design & Analysis of Experiments, conforme mostrado na Figura 1. Foi definido o módulo de planejamento marcado na Figura, denominado Standard Designs (que corresponde ao Planejamento Fatorial Completo com dois níveis = 2n).

Figura 1 – Janela Design & Analysis of Experiments

Escolhido o tipo de Planejamento, abriu-se a janela Designing Experiments with Two-Level Factors, conforme a Figura 2.

Figura 2 - Janela Designing Experiments with Two-Level Factors

Nessa janela determina-se o número de fatores (Number of factors = 3), o número de blocos e o número de corridas (Nº of factors/blocks/runs = 3/1/8), respectivamente.

A janela Design of an experiment with Two-Level Factors permite escolher se o Planejamento será realizado com réplicas. Como o planejamento foi realizado com uma réplica para cada valor, escolheu-se na opção Add to the design uma réplica (1 genuine replicates). Na mesma janela, escolheu-se uma coluna a ser preenchida com os valores obtidos para a variável dependente, designada como CAPTAÇÃO (%). Para tal, marcou-se