Predicao Da Viscosidade de Emulsoes para Petroleos Leves Brasileiros, Daniel Fialho Madureira, 2015

Fundação Getúlio Vargas
Escola de Matemática Aplicada
Daniel Fialho Madureira
Predição da Viscosidade de Emulsões para

Petróleos Leves Brasileiros
Rio de Janeiro
2015
Daniel Fialho Madureira
Predição da Viscosidade de Emulsões para

Petróleos Leves Brasileiros
Dissertação submetida à Escola de Ma-

temática Aplicada como requisito parcial
para a obtenção do grau de Mestre em Mo-
delagem Matemática da Informação.
Área de Concentração: Simulação
Orientador: Flávio Coelho

Co-Orientador: Crysttian Arantes Paixão
Rio de Janeiro
2015
Ficha catalográfica elaborada pela Biblioteca Mario Henrique Simonsen/FGV
Madureira, Daniel Fialho

Predição da viscosidade de emulsões para petróleos leves brasileiros / Daniel
Fialho Madureira. - 2015.
91 f.
Dissertação (mestrado) - Fundação Getulio Vargas, Escola de Matemática

Aplicada.
Orientador: Flávio Coelho.
Coorientador: Crysttian Arantes Paixão.
Inclui bibliografia.
1. Viscosidade. 2. Reologia. 3. Emulsões. 4. Modelos matemáticos. 5. Correlação

(Estatı́stica). I. Coelho, Flávio Codeço. II. Paixão, Crysttian Arantes. III. Fundação
Getulio Vargas. Escola de Matemática Aplicada. IV. Tı́tulo.
CDD - 511.8
Agradecimentos
A minha mãe e meu pai pelo carinho, que nunca me faltou em todos os momentos
da minha vida.
A minha esposa Patrı́cia, pelo amor, companheirismo e dedicação em todas as

horas.
Ao meu filho Felipe, pelo amor, alegria e felicidade que proporciona sempre.
Aos meus orientadores Flávio e Crysttian , pela ajuda, discussões, correções,

tempo, dedicação e paciência, pelos quais me motivaram a fazer este trabalho.
À Márcia Khalil pela oportunidade de conhecer as emulsões, pelo apoio experi-

mental, pelas idéias e sugestões, que deram origem a esse trabalho.
A Petrobras, pelo investimento que faz no aprimoramento dos seus funcionários.
Ao colegas do CENPES, pelo apoio e compreensão.
A todos os professores do mestrado, pela sua dedicação ao ensino e motivação ao

longo do curso.
A todos cujos nomes não foram citados, mas sabem que contribuı́ram com este
trabalho.
v
Resumo
A formação de emulsão de água-em-óleo gera um significativo incremento na vis-

cosidade, o que afeta diretamente a produção do poço, pois aumenta a perda de carga
ao longo da linha de produção, dificultando o escoamento e diminuindo a produção
de óleo. A presença e natureza da emulsão, e seu impacto na reologia do petróleo,
podem determinar a viabilidade econômica e técnica dos processos envolvidos. A
medida que a fração de água aumenta e a temperatura é reduzida, o comportamento
das emulsões se torna cada vez mais não-Newtoniano. A decorrência disso, é que
a temperatura e a taxa de cisalhamento passam a ter maior impacto na variação
da viscosidade das emulsões. Nesse estudo são propostos novos métodos que levam
em conta essas variáveis. Os dados reológicos experimentais de 15 petróleos leves
foram utilizados para avaliar o desempenho dos modelos existentes na literatura e
compará-los com os novos métodos propostos nesse estudo.
Palavras-chave: Viscosidade; Reologia; Emulsões; Modelagem Matemática;

Correlação
vi
Abstract
The formation of water-in-oil emulsion produces a significant increase in viscosity,

which directly affects the production from the well as it increases the pressure drop
along the production line, thus hindering the flow and reducing oil production. The
presence and nature of the emulsion, and its impact on oil rheology, can determine
the economic and technical feasibility of the processes involved. As the water frac-
tion rises and the temperature is reduced, the behavior of the emulsions becomes
increasingly non-Newtonian. The result of this is that the temperature and shear
rate have more impact on the variation in the viscosity of emulsions. In this study
are proposed new methods that take into account these variables. The experimental
rheological data of 15 light oil were used to evaluate the performance of existing mo-
dels in the literature and compare them with the new methods proposed in this study.
Keywords: Viscosity; Rheology; Emulsion; Mathematical modeling; Correlation
vii
Sumário
1 Introdução 1
2 Objetivos 2
3 Revisão da Literatura 3
3.1 Composição quı́mica do Petróleo . . . . . . . . . . . . . . . . . . . . . 3
3.2 Massa Especı́fica e Densidade . . . . . . . . . . . . . . . . . . . . . . 4
3.3 Viscosidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.4 Emulsões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4.1 Agentes Emulsificantes do Petróleo . . . . . . . . . . . . . . . 9
3.4.2 Tipo da Emulsão . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.4.3 Tamanho das Gotas . . . . . . . . . . . . . . . . . . . . . . . 10
3.4.4 Viscosidade da Emulsão . . . . . . . . . . . . . . . . . . . . . 10
3.5 Modelos Matemáticos para Determinação da Viscosidade de Emulsões 11
4 Metodologia 15
4.1 Preparo das Emulsões . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2 Determinação da Viscosidade . . . . . . . . . . . . . . . . . . . . . . 15
4.3 Técnicas de Regressão . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.4 Medidas de Desempenho dos Modelos . . . . . . . . . . . . . . . . . . 19
5 Resultados 20
5.1 Análise dos Dados de Caracterização dos Petróleos . . . . . . . . . . 20
5.1.1 Influência da fração de água . . . . . . . . . . . . . . . . . . . 28
5.1.2 Influência da temperatura . . . . . . . . . . . . . . . . . . . . 32
5.1.3 Influência da taxa de cisalhamento . . . . . . . . . . . . . . . 36
5.2 Desempenho dos Modelos . . . . . . . . . . . . . . . . . . . . . . . . 40
5.2.1 Ajuste Individual . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2.1.1 Modelo Richardson . . . . . . . . . . . . . . . . . . . 41
5.2.1.2 Modelo Exponencial . . . . . . . . . . . . . . . . . . 43
5.2.1.3 Modelo Ronningsen . . . . . . . . . . . . . . . . . . 46
5.2.1.4 Modelo Farah . . . . . . . . . . . . . . . . . . . . . . 48
viii
5.2.1.5 Novo modelo para viscosidade cinemática (Farah Mo-
dificado) . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2.1.6 Novo Modelo para viscosidade relativa . . . . . . . . 58
5.2.1.7 Modelo Não-Paramétrico - k-Nearest Neighbour pon-
derado(wkNN) . . . . . . . . . . . . . . . . . . . . . 62
5.2.1.8 Resultados Ajuste Individual . . . . . . . . . . . . . 65
5.2.2 Modelo Genérico . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.2.2.1 Modelo Exponencial . . . . . . . . . . . . . . . . . . 67
5.2.2.2 Modelo Ronningsen . . . . . . . . . . . . . . . . . . 69
5.2.2.3 Modelo Farah . . . . . . . . . . . . . . . . . . . . . . 71
5.2.2.4 Modelo Farah Modificado . . . . . . . . . . . . . . . 73
5.2.2.5 Modelo Não-Paramétrico - K-Nearest Neighbour (KNN)
- viscosidade relativa . . . . . . . . . . . . . . . . . . 75
5.2.2.6 Modelo Souza . . . . . . . . . . . . . . . . . . . . . . 77
5.2.2.7 Modelo Novo . . . . . . . . . . . . . . . . . . . . . . 79
5.2.2.8 Modelo Netto . . . . . . . . . . . . . . . . . . . . . . 81
5.2.2.9 Desempenho Modelos Genéricos . . . . . . . . . . . . 83
6 Considerações Finais 86
7 Conclusões 87
8 Referências 88
ix
1 Introdução
O petróleo raramente é produzido sozinho, geralmente alguma parcela de água1
é co-produzida. A água está naturalmente presente na rocha reservatório e ao longo
da vida produtiva de um poço de petróleo, a medida que o petróleo é extraı́do,
a pressão no entorno do poço cai e observa-se um aumento da produção de água
associada. A adoção de métodos de recuperação secundária de reservatórios (injeção
de água, vapor e outros) aumentam ainda mais a presença de água no sistema de
produção. A água associada com o petróleo se apresenta, principalmente, em duas
formas: água livre e água emulsionada2 . Ao escoarem do fundo do poço às instalações
de superfı́cie, através das tubulações de produção, o petróleo e a água são submetidos
à intensa agitação e, em função da presença de emulsificantes naturais no petróleo
(asfaltenos, resinas, etc), torna-se praticamente inevitável a dispersão de uma fase
em outra, acarretando a formação de emulsões de petróleo, principalmente as do tipo
água em óleo (A/O) [3].
A formação de emulsão gera um significativo incremento na viscosidade da fase
lı́quida produzida. O aumento da viscosidade afeta diretamente a produção do poço,
pois aumenta a perda de carga ao longo da linha de produção, dificultando o es-
coamento e diminuindo a produção de óleo. Esse fenômeno tem um papel muito
importante para as atividades de garantia de escoamento. A compreensão do com-
portamento reológico3 dos petróleos e suas emulsões é fundamental para a definição
de premissas para o dimensionamento dos sistemas de produção [4].
Apesar da motivação inicial desse trabalho ser o estudo das emulsões formadas
durante a produção de campos de petróleo, o referencial teórico e os métodos analisa-
dos podem ser aplicados em outras áreas, já que as emulsões podem ser encontradas
em quase todas as etapas de produção e processamento do petróleo: dentro dos re-
servatórios, nos poços, nos oleodutos e em muitas partes do processo de refino. Em
todos os casos, a presença e natureza da emulsão, e seu impacto na reologia do pe-
tróleo, podem determinar a viabilidade econômica e técnica dos processos envolvidos
[1].
As primeiras solicitações ao Centro de Pesquisa da Petrobras (CENPES) para
determinação da viscosidade das emulsões de água em óleo, surgiram no inı́cio da
década de 90 [4]. Existe um acervo grande de dados experimentais, levantados pelos
laboratórios do CENPES, sobre a viscosidade de petróleos e suas emulsões de todos
os campos brasileiros, sendo esse o principal insumo para os estudos que visam à
seleção e o eventual desenvolvimento de modelos matemáticos que possam predizer
adequadamente esta propriedade reológica para os petróleos nacionais.
1
Essa água, em geral com considerável quantidade de sais dissolvidos, é uma salmoura na
verdade [6].
2
Água livre é a água que escoa pela tubulação como uma fase separada do óleo. Quando a água
está dispersa em pequenas gotı́culas no óleo, temos água emulsionada[53]
3
Reologia é a ciência que estuda a deformação e o escoamento da matéria.
1
Por muitos anos, a produção de petróleo no Brasil era majoritariamente de óleos
pesados. Do volume de produção realizado em 2005, por exemplo, uma parcela maior
que 90% era constituı́da por óleos pesados [8]. Recentemente, com a descoberta de
novas reservas com grandes acumulações de óleo leve, principalmente no pré-sal, mas
também no pós-sal e em campos terrestres, a importância dos óleos leves é cada
vez maior. Apenas para o pré-sal, o volume produzido em 2014 já corresponde a
aproximadamente 20% do total da produção da Petrobras. Em 2018 a previsão é
chegar a 52% da produção de petróleo da Companhia, praticamente toda de óleos
leves [12].
Diante disso, a importância da modelagem matemática adequada da viscosidade
das emulsões dos petróleos leves brasileiros torna-se clara. Vários trabalhos vêm
sendo desenvolvidos para investigar o efeito da fração de água, temperatura, taxa
de cisalhamento e demais caracterı́sticas dos petróleos, no incremento da viscosidade
das emulsões. A maioria desses trabalhos são correlações empı́ricas baseadas em
petróleos estrangeiros [5], sendo necessário avaliar sua adequação aos petróleos leves
nacionais.
2 Objetivos
Os petróleos estudados formam emulsões estáveis com até 70 % de conteúdo de
água. Diversos estudos relatam que o comportamento das emulsões se torna cada vez
mais não-Newtoniano4 a medida que a fração de água aumenta e a temperatura é re-
duzida [3, 33, 31]. A decorrência disso, é que a temperatura e a taxa de cisalhamento
passam a ter maior impacto na variação da viscosidade das emulsões. Nesse estudo
são propostos novos métodos que levam em conta essas variáveis. Os dados reológi-
cos experimentais obtidos no CENPES foram utilizados para avaliar o desempenho
dos modelos existentes na literatura e compará-los com os novos métodos propostos
nesse estudo.
Objetivo Geral: O objetivo desse trabalho é identificar um modelo que consiga
descrever o comportamento da viscosidade das emulsões de petróleos leves brasileiros
a partir dos dados reológicos e propriedades básicas dos petróleos, coletados nos
laboratórios do CENPES, por métodos laboratoriais de fácil determinação.
Objetivos Especı́ficos:
• Revisar a literatura sobre a modelagem da viscosidade de emulsões tipo água

em óleo (A/O).
• Investigar o comportamento reológico dos petróleos leves brasileiros e suas
4
Fluidos não-Newtonianos não apresentam taxas de deformação (taxa de cisalhamento) propor-
cionais às tensões cisalhantes aplicadas (tensão de cisalhamento).
2
emulsões e analisar o efeito da fração de água, temperatura, taxa de cisalha-
mento e outras caracterı́sticas dos petróleos, no incremento de viscosidade.
• Avaliar o desempenho dos modelos existentes para previsão do comportamento

reológico dos petróleos leves brasileiros.
3 Revisão da Literatura
3.1 Composição quı́mica do Petróleo

O átomo de carbono (sı́mbolo C) é tetravalente, podendo formar quatro ligações
covalentes com outros átomos de carbono ou outros elementos. Por definição, hidro-
carbonetos são compostos quı́micos formados exclusivamente por átomos de carbono
e hidrogênio. As cadeias de carbono podem ser configuradas de maneiras diversas,
formando cadeias lineares ou ramificadas, além de poderem possuir anéis de carbono.
Ainda existem os isômeros, compostos com o mesmo número de átomos de carbono
e hidrogênio, mas com arranjos moleculares diferentes, que possuem propriedades
quı́micas e fı́sicas próprias[18].
O petróleo, também chamado de óleo cru, é uma mistura complexa de milhares
de espécies orgânicas. O óleo é majoritariamente constituı́do por hidrocarbonetos,
contando também com pequenas quantidades, em proporções variáveis, de compostos
orgânicos que contêm outros elementos, sendo os mais comuns o nitrogênio, o enxofre
e o oxigênio. Metais também podem estar presentes como sais de ácidos orgânicos
[7]. Alguns desses compostos, conhecidos como tensoativos, formam filmes interfa-
ciais que favorecem a formação de emulsões e alteram as propriedades reológicas do
petróleo. O aspecto e a composição quı́mica do petróleo varia de acordo com a origem
e as caracterı́sticas geológicas do local de onde é extraı́do. Dependendo do número
de átomos de carbono dos seus componentes, do metano (C1 ) ao asfalteno (> C50 ),
pode-se observar petróleos com aspecto pesado e viscoso, e outros, que apesar de
mais escuros, se assemelham à gasolina na aparência [27].
Existem várias formas de analisar a composição do petróleo. Um esquema simples
de análise é o fracionamento do petróleo em quatro classes: Saturados, Aromáticos,
Resinas e Asfaltenos (SARA). A separação nessas classes é baseada em diferenças
de solubilidade e polaridade dos compostos orgânicos [9].A quantificação dos teores
desses componentes nas análise de SARA do CENPES são realizadas de acordo com
o método ASTM 6560.
Os saturados são hidrocarbonetos apolares cujos átomos de carbono são unidos
somente por ligações simples e ao maior número possı́vel de átomos de hidrogênio,
constituindo cadeias lineares, ramificadas ou cı́clicas [7]. Os compostos saturados de
maior peso molecular (geralmente > C20 ), chamados de parafinas, precipitam como
partı́culas sólidas abaixo de uma dada temperatura denominada por TIAC (Tem-
3
peratura Inicial de Aparecimento de Cristais). Os cristais de parafina precipitados
podem afetar a viscosidade e a estabilidade das emulsões. [24, 25, 26].
Os aromáticos são compostos de baixo peso molecular (< 500) que apresentam
pelo menos um anel de benzeno5 na sua estrutura[19].
A classe das resinas é composta por moléculas polares, geralmente contendo hete-
roátomos6 com nitrogênio, oxigênio e enxofre. Diferem dos asfaltenos por apresentar
menor peso molecular (< 2000) e serem mais solúveis no óleo [7]. Apresentam grande
afinidade pelas moléculas dos asfaltenos auxiliando na estabilidade dessas últimas e
das emulsões geradas. [9].
Os asfaltenos são compostos com alto peso molecular (> 2000), constituı́dos por
anéis aromáticos condensados e cadeias alifáticas7 . É a classe que contém maior
porcentagem de heteroátomos (oxigênio, enxofre, nitrogênio) e compostos organome-
tálicos (Nı́quel,Vanádio,Ferro). Apresentam forte tendência de se associar formando
micelas ou agregados, que dependendo das condições termodinâmicas podem pre-
cipitar. Junto com as resinas são os principais responsáveis pela estabilização das
emulsões [9].
3.2 Massa Especı́fica e Densidade

Massa especı́fica é a razão entre a massa de uma substância e o volume ocupado
pela mesma, para certa condição de temperatura e pressão. A unidade no sistema
internacional (SI) é kg/m3 .
Para lı́quidos, a densidade é definida como a razão entre a massa especı́fica do
lı́quido e a massa especı́fica da água pura. É, portanto, adimensional. Geralmente é
informada para uma atmosfera (1 atm) e a 15, 56o C (60o F ).[14]
Na indústria de petróleo é comum reportar a densidade dos petróleos em densi-
dade API (American Petroleum Institute) :
141, 5
dAP I = ( ) − 131, 5 (1)
d15,56o
A densidade API é inversamente proporcional à densidade, ou seja, petróleos leves
apresentam valores de densidade API maiores do que os petróleos pesados. Então,
quanto maior a densidade API, maior o valor comercial do petróleo, pois com óleos
leves é possı́vel produzir, em princı́pio, uma parcela maior de derivados nobres, de
elevado valor comercial, tais como a gasolina, o diesel e o GLP8 , relativamente a
5
O benzeno é constituı́do por ligações duplas e simples que se alternam em anéis com seis átomos
de carbono.
6
Em quı́mica orgânica, o termo heteroátomo indica que um átomo da cadeia de carbono do
composto orgânico foi substituı́do por um elemento diferente do carbono.
7
Que não contêm anéis aromáticos.
8
Gás Liquefeito de Petróleo.
4
outro tipo de óleo mais pesado [11].
A diferença entre o petróleo leve e o petróleo pesado é arbitrária, sendo possı́vel
encontrar variações na nomenclatura e valores adotados por diferentes autores. Para
o American Petroleum Institute, petróleos com densidade API superior a 31,1 são
leves, na faixa de 22,3 a 31,1 são médios, de 10 a 22,3 são pesados e petróleos com
densidade API inferior a 10 são extra-pesados. Vários autores classificam os petróleos
médios e leves em uma mesma categoria. Geralmente é adotado como petróleo leve
aquele que possui densidade API maior que 20 (massa especı́fica menor que 934
kg/m3 ). Petróleos com densidade API entre 10 e 20 são considerados pesados e
petróleos com densidade API menor que 10 se enquadram na categoria de extra-
pesados [17, 28].
3.3 Viscosidade
Em um fluido, a aplicação de uma força tangencial provoca uma deformação con-
tı́nua, ou seja, o fluido escoa. A viscosidade pode ser interpretada como a propriedade
que mede a resistência que um fluido oferece a esse escoamento. Na figura 1 está
representada a ilustração desse conceito. Seja um fluido entre duas placas infini-
tas, a inferior parada e a superior, afastada a uma distância infinitesimal dX, sendo
deslocada a uma velocidade dV pela aplicação de uma força tangencial (Tensão de
Cisalhamento, τ ):
F
τ= (2)
A
A viscosidade absoluta (η) é definida como a força (F ) por unidade de área (A),
necessária para deslocar um fluido segundo uma variação de velocidade (dV ) no
espaço considerado (dX) [6]:

F dV
= η. (3)
A dX
Para quantificar o grau de deformação, é utilizada Taxa de Cisalhamento, definida
como:
dV
γ= (4)
dX
Assim, temos:
τ = η.γ (5)
5
Figura 1: Escoamento Laminar de um fluido Newtoniano entre duas placas para-
lelas. A fricção entre o fluido e as placas em movimento faz o fluido escoar. A
força (τ ) necessária para realizar esse movimento a uma velocidade (V ) constante
é uma medida da viscosidade do fluido [2].
Logo, a viscosidade dinâmica9 (letra grega eta, η), é a razão entre a tensão de cisa-
lhamento (P a ou N/m2 , força por unidade de área) e a taxa de cisalhamento(s−1 )[1]:
τ
η= (6)
γ
A unidade do sistema (SI) para viscosidade dinâmica é Pa.s (ou kg/m.s, massa por
comprimento por tempo), normalmente é expressa em mPa.s dada sua magnitude.
Na industria de petróleo é muito usada a unidade centiPoise, sendo 1 cP = 10−2 P
= 10−3 Pa.s = 1 mPa.s [14].
A viscosidade cinemática (letra grega ni, ν) é definida como a razão entre a
viscosidade dinâmica e a massa especı́fica do fluido, ambas a mesma temperatura e
pressão:
η
ν= (7)
ρ
onde ρ é a massa especı́fica do fluido.
A unidade do sistema S.I. para viscosidade cinemática é m2 /s. No sistema CGS
é utilizada a unidade Stokes (St) , sendo 1 St = 10−4 m2 /s. Dada sua magnitude, na
industria de petróleo é muito usada a unidade centiStokes (cSt)[14].
Se a viscosidade de um fluido for independente da taxa de cisalhamento tem-se
9
Para fluidos Newtonianos, a viscosidade dinâmica também é chamada de viscosidade absoluta,
pois é única e absoluta independe da taxa de cisalhamento. Para fluidos não-Newtonianos pode ser
chamada de viscosidade aparente, pois depende da condição de fluxo e precisa ser determinada por
um método adequado para fluidos não-Newtonianos [16].
6
o chamado fluido newtoniano. Para esses fluidos, a tensão de cisalhamento mantém
uma relação de proporcionalidade com a taxa de cisalhamento. Isso não ocorre nos
fluidos não-Newtonianos, para os quais a viscosidade é função da taxa de cisalha-
mento [13].
A relação entre a tensão cisalhante (tensão de cisalhamento) e a taxa de defor-
mação (taxa de cisalhamento), define o comportamento reológico dos lı́quidos consi-
derados puramente viscosos, podendo ser representada graficamente pela Curva de
Fluxo (ou Reograma). Na figura 2 está representada a relação entre tensão de ci-
salhamento e a taxa de cisalhamento para fluidos Newtonianos e não-Newtonianos
(pseudoplásico, Bingham e dilatante) [1].
Figura 2: Curva de fluxo para os vários tipos de fluido.
3.4 Emulsões
Emulsão é um sistema heterogêneo em que uma fase interna imiscı́vel10 está dis-
persa na forma de gotı́culas em outra fase, chamada de fase contı́nua ou fase externa
. São necessários três requisitos para formação de uma emulsão: dois lı́quidos imis-
cı́veis, agitação (energia) suficiente para dispersar um lı́quido em gotas pequenas e
agentes emulsificantes para estabilizar as gotas dispersas [27].
Emulsões são formadas pela turbulência ou agitação da mistura de óleo e água
porque as forças cisalhantes adicionam ao sistema a energia necessária para quebrar
a fase dispersa do lı́quido em várias gotas pequenas. A tensão superficial tende a
coalescer11 as gotas dispersas. Coletivamente, muitas gotas dispersas na fase contı́nua
10
Miscibilidade é a capacidade de uma mistura de duas substâncias formarem um solução ho-
mogênea (uma única fase). Por outro lado, quando a mistura de duas substâncias não forma uma
solução homogênea, elas são ditas imiscı́veis.
11
Formação de uma gotı́cula lı́quida única, por reunião de duas ou mais gotı́culas que entram
em colisão.
7
tem uma grande área interfacial. Quando as gotas coalescem, a área interfacial total
é reduzida. A tensão superficial, ou interfacial, pode ser definida como o trabalho
requerido para aumentar a área interfacial em uma unidade. Esse trabalho representa
a energia potencial disponı́vel para reverter o processo e diminuir a área interfacial.
Na ausência de forças estabilizantes, a tendência natural é que a coalescência das
gotas dispersas aconteça, de forma a diminuir a energia superficial total [27].
Figura 3: Emulsão água em óleo(A/O) e a representação de uma gota de água

recoberta por compostos emulsificantes na interface. fonte:CENPES(2014).
É necessário a presença de compostos emulsificantes para estabilizar as emulsões.

Os agentes emulsificantes são agentes de atividade superficial, chamados de surfa-
tantes12 ou tensoativos, que são moléculas anfifı́licas13 que migram para a interface
água/óleo, formando um filme interfacial. É comum as moléculas surfactantes se
alinharem na interface da gota com a sua região polar(hidrofı́lica) na fase aquosa e
sua região apolar (hidrofóbica) na fase óleo (figura 3) [27].
O filme interfacial reduz a tensão superficial, diminuindo a energia superficial
disponı́vel para as gotas coalescerem. Isso também reduz a energia requerida para
quebrar a fase dispersa em gotas menores. Essa queda pode ser bem acentuada. A
adição de menos de 1% de um surfactante pode reduzir a tensão superficial na ordem
de 100 vezes [1]. Além disso, o filme interfacial forma uma barreira viscosa que inibe
fisicamente as coalescência das gotas [27].
Outro mecanismo de estabilização ocorre quando os emulsificantes são finas par-
tı́culas sólidas (geralmente com algum surfactante na sua superfı́cie), que se fixam
na superfı́cie das gotas e formam uma barreira fı́sica. Estas partı́culas devem ser me-
nores ao menos uma ordem de grandeza em relação tamanho das gotas da emulsão
12
Surfatante é uma palavra derivada da contração da expressão ”surface active agent”, termo que
significa, literalmente, agente de atividade superficial.
13
Moléculas anfifı́licas, ou anfipáticas, são moléculas cuja estrutura apresenta a caracterı́stica de
possuı́r uma região hidrofı́lica (solúvel em meio aquoso), e uma região hidrofóbica (insolúvel em
água, porém solúvel em lipı́dios e solventes orgânicos).
8
[27].
3.4.1 Agentes Emulsificantes do Petróleo
Há muitas teorias sobre a natureza dos agentes emulsificantes presentes nas emul-
sões de petróleo. Alguns são os asfaltenos, pouco solúveis em óleo, mas muito atraı́-
dos pela água. Os asfaltenos se desprendem da solução e se ligam às gotas de água
formando um filme espesso que as envolvem, prevenindo que entrem em contato,
evitando desta maneira que as gotas coalesçam quando colidirem [10].
Os compostos de baixa massa molar, hidrocarbonetos parafı́nicos e naftênicos
(apolares) contendo grupos funcionais polares em suas moléculas, reduzem a tensão
interfacial entre o óleo e a água, o que facilita a emulsificação. As resinas que são
mais polares que os asfaltenos, e contêm grandes teores de oxigênio, enxofre e ni-
trogênio, apresentam grande afinidade pelas moléculas de asfaltenos auxiliando na
estabilidade das emulsões. Por fim, os ácidos naftênicos, que são ácidos carboxı́licos,
possuem propriedades anfifı́licas, sendo os principais responsáveis pela redução da
tensão interfacial, geração e estabilização de emulsões de petróleo [10].
Os sólidos que possuem afinidade por óleo tais como, areia, lodo, partı́culas de
argilito, parafinas cristalizadas, ferro, zinco, sulfato de alumı́nio, carbonato de cálcio,
sulfato de ferro, e materiais similares que ficam na interface óleo/água também agem
como agentes emulsificantes [10].
3.4.2 Tipo da Emulsão
As emulsões de petróleo podem ser classificadas em dois grupos principais em

relação a fase contı́nua: emulsões água em óleo (A/O) e emulsões óleo em água
(O/A). As emulsões A/O consistem de gotı́culas de água (fase interna) dispersas em
uma fase contı́nua de óleo (fase externa). As emulsões O/A consistem de gotı́culas de
óleo dispersas em uma fase contı́nua de água. Na industria do petróleo, as emulsões
A/O são as mais comuns (a maioria das emulsões produzidas nos campos petrolı́feros
são desse tipo), por isso e comum chamarem as emulsões O/A de emulsões reversas.
Há também as emulsões múltiplas, menos comuns, que consistem em minúsculas
gotı́culas de uma fase em suspensão em gotı́culas maiores de outra fase, que estão
dispersas em uma fase contı́nua (podem ser A/O/A ou O/A/O) [3].
Uma das formas de determinar o tipo de emulsão é pela medida de condutividade
da emulsão, pois na maioria dos casos na fase aquosa estão presentes um ou vários
eletrólitos, que conduzem eletricidade, o que não ocorre na fase óleo. Além disso,
o monitoramento constante da condutividade elétrica permite a determinação da
mudança no tipo de emulsão, ou seja, a inversão [20].
9
3.4.3 Tamanho das Gotas
O tamanho das gotas de uma emulsão não é homogêneo, por isso é comum levantar
a distribuição estatı́stica do tamanho de gotas. Isso se deve ao fato do processo de
formação da maioria das emulsões serem com agitação, o que freqüentemente envolve
turbulência e seus efeitos randômicos, e acarreta o surgimento de gotas com tamanhos
diferentes. Quando se menciona um valor único para o tamanho da gota, geralmente
é uma referência a seu diâmetro médio.[20].
O diâmetro das gotas de emulsões produzidas em um campo de petróleo podem
variar muito, de valores próximos a 0, 1µm a diâmetros maiores que 50µm. A dis-
tribuição do tamanho das gotas é influenciado por uma série de fatores, incluindo
a tensão interfacial, cisalhamento, natureza dos agentes emulsificantes, presença de
sólidos e propriedades do óleo e da água [3].
Na figura 4 estão representadas as principais formas estatı́sticas de distribuição
das gotas, a linha escura representa a média. A distribuição que proporciona uma
emulsão mais estável é a monodispersa. Para emulsões formadas com a mesma quan-
tidade de fase dispersa e contı́nua, mas com distribuição estatı́stica de tamanho de
gotas diferente (polidispersa, assimétrica, ou bimodal), verifica-se que suas proprie-
dades serão diferentes [23].
Figura 4: Diferentes distribuições estatı́sticas de tamanho de gotas. A linha escura

representa o diâmetro médio. Fonte: Souza,2009.
3.4.4 Viscosidade da Emulsão
Dentre todas as propriedades das emulsões, a mais importante para área de garan-
tia de escoamento é a viscosidade. Vários fatores afetam a viscosidade das emulsões,
dentre os mais citados na literatura [1, 40, 23, 3, 33] temos a viscosidade da fase con-
tı́nua, a fração volumétrica da água (fração de água), a viscosidade da fase dispersa,
o tamanho médio e distribuição de tamanho das gotas, a taxa de cisalhamento, a
temperatura e a natureza e concentração dos agentes emulsificantes.
A viscosidade da emulsão é diretamente proporcional à viscosidade da fase con-
tı́nua, o que é válido quando a fração volumétrica da fase interna é pequena, até no
máximo 30 % [23].
10
A segunda propriedade mais importante relacionada à viscosidade da emulsão é
fração volumétrica da fase interna, que por atrito entre suas gotas, proporciona um
aumento na viscosidade e influencia o comportamento não-Newtoniano da emulsão.
Na figura 5 é possı́vel ver como a viscosidade tende a variar com a fração de água.
Nesse exemplo hipotético, a queda acentuada da viscosidade por volta de 74% de
fração de água significa que houve uma inversão de fases, ou seja, a fase contı́nua
passou a ser água ao invés de óleo. A máxima fração volumétrica possı́vel para que
a fase interna seja composta de gotas uniformes e incompressı́veis é de 74%, mas é
possı́vel formar emulsões de água em óleo com valores maiores de fração de água sem
que ocorra a inversão de fases (emulsões com até 99% de fração de água já foram
feitas). A tendência é que a viscosidade da emulsão do tipo água em óleo continue
aumentando até que ocorra a inversão de fases, formando uma emulsão de O/A com
baixa viscosidade , tendo em vista que a fase contı́nua (água) tem baixa viscosidade
[1, 22].
Figura 5: Influência da fração de água na viscosidade e tipo da emulsão. Fonte:

adaptado de Schramm,1992[1] e Omer,2009[53].
3.5 Modelos Matemáticos para Determinação da Viscosi-

dade de Emulsões
A grande maioria dos modelos utilizam a viscosidade dinâmica relativa para o
cálculo da viscosidade da emulsão. A viscosidade dinâmica relativa das emulsões ηr
é dada por:
ηe
ηr = (8)
ηc
11
onde ηe é a viscosidade dinâmica da emulsão e ηc é a viscosidade dinâmica da fase
contı́nua (petróleo sem água).
Alguns modelos utilizam como variável resposta a viscosidade cinemática da emul-
são νe . Também é possı́vel encontrar modelos com a viscosidade cinemática relativa
νr , que é a razão entre a viscosidade cinemática da emulsão e a viscosidade cinemática
da fase contı́nua νc :
νe
νr = (9)
νc
A relação entre νe e ηe é expressa pela seguinte equação:
ηe = νe (ρw φ + ρo (1 − φ)) (10)

onde:
ρw é a massa especı́fica da água
ρo é a massa especı́fica do óleo
φ é a fração de água
A viscosidade relativa dinâmica e cinemática podem ser convertidas utilizando a
seguinte equação:
ρw φ + ρo (1 − φ)
η r = νr (11)
ρo
Um dos primeiros modelos foi proposto por Einstein (1906) [35] para emulsões
com baixa concentração de fase dispersa (suspensão diluı́da14 ) e comportamento new-
toniano:
η = 1 + 2, 5φ (12)
onde φ representa a fração de água.
Taylor (1932) [36] propôs um modelo similar ao de Einstein, mas que leva em
consideração a viscosidade das duas fases:

ηd + 0, 4ηc
ηr = 1 + 2, 5φ (13)
ηd + ηc
onde ηd é a viscosidade da fase dispersa e ηc a viscosidade da fase contı́nua.
14
Para suspensões diluı́das podemos tratar a partı́cula como se estivesse sozinha em um lı́quido
infinito, ou seja, não existe interação entre as partı́culas.
12
Richardson (1933) [47] observou que quando a concentração da fase dispersa
aumenta, as emulsões tendem a se tornar progressivamente não-Newtonianas. Ele
propôs uma equação exponencial simples:
ηr = e(kφ) (14)
onde k é um parâmetro que deve ser ajustado para cada emulsão.
Broughton e Squires (1938) [48] incorporaram uma constante A no modelo de
Richardson (1933):
ηr = Ae(kφ) (15)
que pode ser escrita na forma linearizada por:
ln(ηr ) = a + kφ (16)
onde a = ln(A) é uma constante.
Woelflin (1942)[32] realizou uma série de experimentos em que mediu a viscosi-
dade cinemática de 3 tipos de emulsões: fracas, médias ou fortes. A emulsão fraca
é formada por 30% de emulsão e 70% de salmoura, a média é formada por 80% de
emulsão e 20% de salmoura e a forte é 100 % emulsão (fase única). Para ajustar
os dados desses experimentos, Almeida [6] utilizou uma equação do tipo exponencial
com a seguinte expressão:
2)
νr = e(aφ+bφ (17)
Os parâmetros a e b foram ajustados de acordo com o tipo da emulsão (fraca,

média ou forte). A tabela 1 apresenta os valores calculados para os dados originais
da pesquisa.
Tabela 1: Coeficientes do modelo de Woelflin. [32]
Tipo a b
Fraca 2,4740 2,6672
Média 1,6691 5,1920
Forte 2,1102 5,2456
Pal e Rhodes (1989) [39] utilizaram uma abordagem empı́rica para correlacionar
dados de viscosidade para emulsões Newtonianas e não-Newtonianas. Eles propuse-
ram a seguinte correlação:
2.49
(φ/φ∗ )

ηr = 1 + (18)
1, 1884 − (φ/φ∗ )
13
O parâmetro φ∗ é a fração de água para qual a viscosidade relativa é igual a 100.
O problema prático de usar essa equação é que o valor φ∗ varia de acordo com uma
série de fatores como o tamanho da bolhas, taxa de cisalhamento e temperatura. É
necessário realizar experimentos laboratórias especı́ficos para levantar esses dados e
correlacionar essas variáveis com φ∗ .
Ronningsen [33] constatou experimentalmente que a temperatura e a taxa de
cisalhamento influenciam na viscosidade relativa. Utilizando por base a equação de
Broughton e Squires (equação 16), ele propôs uma correlação para viscosidade de
emulsões A/O em função da fração de água e da temperatura:
ln(ηr ) = k1 + k2 T + k3 φ + k4 φT (19)
onde T é a temperatura em o C e k1 ,k2 ,k3 e k4 são coeficientes dependentes da taxa
de cisalhamento.
Também com base na equação 16, Souza (2010) [21] tentou correlacionar em uma
única equação a influência da fração de água φ, a temperatura T em o C, a taxa de
cisalhamento γ e a densidade API (o AP I):
ln(ηr ) = φ(k1 + k2 T + k3 ln(γ) + k4 ln(o AP I) + k5 φ) (20)

as constantes k1 ,k2 ,k3 ,k4 e k5 são calculadas com base nos dados experimentais das
emulsões.
Para o calculo da viscosidade cinemática do óleo desidratado a American Society
for Testing and Materials(ASTM) recomenda a utilização da equação modificada de
Walther [49]:
log(log(ν + 0, 7)) = A + Blog(K) (21)

Onde: K - temperatura em Kelvin.
Com base nessa equação, Farah [46] propôs um modelo para calcular a viscosidade
cinemática da emulsão νe , associando os valores dos coeficientes A e B com a fração
de água (φ):
ln(ln(νe + 0, 7)) = k1 + k2 φ + k3 ln(K) + k4 φln(K) (22)
Os parâmetros k1 ,k2 ,k3 e k4 devem ajustados para cada emulsão e podem variar
para taxas de cisalhamento diferentes.
14
Partindo do modelo da equação 17, Netto (2001) [43] propôs um modelo que
acrescenta a densidade API no cálculo do coeficiente associado a φ, e pode ser repre-
sentado pela seguinte equação:
2)
ηr = e((k1 +k2 AP I)φ+k3 φ (23)
onde API é a densidade API e k1 , k2 e k3 são os parâmetros a serem ajustados.
4 Metodologia
4.1 Preparo das Emulsões

As emulsões sintéticas de água-em-óleo (A/O) foram preparadas usando uma so-
lução de água salina, contendo 50 g/l de NaCl. O petróleo crú foi aquecido em um
forno a 60o C por 1 hora para redissolver qualquer parafina que já estivesse precipi-
tada, e após isso, a fase aquosa foi adicionada.
Para cada um dos 15 petróleo selecionados, foram preparadas emulsões com di-
ferentes frações de fase interna (água salina), com 10%, 30%, 50% e 70% fração
volumétrica de água salina, utilizando um homogenizador Ultra-TurraxT M modelo
T50 a 8000 rpm por 3 min e a 25o C.
As emulsões preparadas foram deixadas em repouso por 4h, a uma temperatura de
60o C, para avaliar visualmente a estabilidade das mesmas. Somente as emulsões com
comprovada estabilidade foram submetidas ao levantamento reológico. O petróleo 11
foi o único em que não ficou estável a 70% de fração de água. Para esse petróleo foi
preparada uma emulsão com 60% de fração de água.
Vale destacar que a reologia de uma emulsão também é influenciada pela distribui-
ção e pelo diâmetro médio das gotas [33]. Como o modo de preparo pode influenciar
essas variáveis, a velocidade de 8000 rpm, utilizada na preparação das emulsões no
homogenizador, foi escolhida por formar emulsões com alta estabilidade, distribuição
e diâmetro médio de gotas semelhantes as existentes em emulsões encontradas em
campo [31, 46].
4.2 Determinação da Viscosidade

A viscosidade aparente do petróleo (desidratado) e das emulsões foi medida em
um viscosı́metro digital Haake modelo RheoStress 1 acoplado a um microcomputador
e a um banho Thermo Haake, usado para resfriar as emulsões a uma taxa progra-
mada (1o C/min), da temperatura inicial (60o C) até a temperatura final(4o C), faixa
de temperatura observada durante o escoamento de petróleo de alguns sistemas de
produção. Foram selecionadas seis taxas de cisalhamento γ, na faixa entre 10s−1 e
15
250s−1 , e nove temperaturas, na faixa entre 4o C e 60o C (4, 8, 12, 15, 20, 30, 40, 50
e 60).
O modelo de potência de Ostwald é o mais utilizado para descrever o compor-
tamento reológico das emulsões de petróleo (A/O)[1]. Este modelo introduz dois
novos ı́ndices, o ı́ndice de consistência (K) e o de comportamento (n). A equação 24
exprime o modelo de potência [16]:
τ = K.γ n (24)
Por analogia temos,
η = K.γ n−1 (25)
Os resultados de viscosidade foram inseridos na equação 25 para obtenção dos

ı́ndices de consistência (K) e comportamento (n). A partir desses valores de K e
n, a viscosidade aparente foi re-calculada para as taxas de cisalhamento de 10s−1 ,
20s−1 , 50s−1 , 80s−1 , 120s−1 , 250s−1 , definidas em função das condições tı́picas de
escoamento impostas durante o processo de produção.
Com isso, cada petróleo possui 270 valores de viscosidade medidos a diferentes
frações de água, temperaturas e taxas de cisalhamento.
4.3 Técnicas de Regressão

O conjunto de dados de treinamento pode ser representado por pares ordenados
(xi ,yi ) sendo xi o vetor das variáveis de entrada e yi o vetor das variáveis de saı́da.
Problemas de saı́da múltipla podem ser modelados como problemas individuais e
independentes de saı́da simples.
O resultado do modelo geralmente apresenta um erro ei (ou resı́duo), que é a
diferença entre o valor real yi e o valor predito ŷi :
ei = yi − ŷi , i = 1, .., N (26)
Um modelo de regressão paramétrico calcula uma estimativa ŷi da variável de

saı́da em função das variáveis de entrada xi e um número finito de parâmetros β[50,
54]:
ŷi = f (xi |β)

onde o vetor xi são os regressores do modelo e β é o vetor de parâmetros. A notação
f (xi |β) indica que a previsão ŷi é uma função das variáveis de entrada xi e dos
parâmetros β.
16
O ajuste dos parâmetros é feito com base em uma função de custo que avalia o
erro entre o valor observado e o valor predito. A função de Erro Médio Quadrático
(EMQ), por exemplo, é a função de custo mais utilizada em modelos de regressão
linear:
N N N
1 X 1 X 2 1 X
EM Q(β) = (yi − f (xi |β))2 = (ei ) = (yi − ŷi )2
N i=1 N i=1 N i=1
A regressão linear convencional utiliza o método dos mı́nimos quadrados (MMQ)

para ajuste dos parâmetros de forma a minimizar a função de custo (EMQ). Esse
método é matematicamente muito eficiente, mas pressupõem que o erro possua algu-
mas caracterı́sticas para ser utilizado (independência das variáveis, homogeneidade
das variâncias e normalidade). Quando essas condições não são atendidas o modelo
pode não ser estatisticamente confiável [41].
Existem outras técnicas de regressão que tornam esses pressupostos mais flexı́veis,
como o GLM (Generalized Linear Model ) e técnicas de regressão robusta (RLM-
Robust Linear Model ) [54, 56]. Também é possı́vel utilizar técnicas de regressão não-
linear, onde o ajuste dos parâmetros (minimização do erro) é feito por algoritmos
como Gauss-Newton ou Newton-Raphson e permitem a modelagem de uma gama
maior de problemas[42].
Todas as regressões mencionadas acima, pertencem a famı́lia de regressões para-
métricas. Nessa abordagem o ajuste é feito sobre um conjunto finito de parâmetros.
A forma do relacionamento funcional entre as variáveis dependentes e independentes
é conhecida, mas podem existir parâmetros cujos valores são desconhecidos, embora
passı́veis de serem estimados a partir do conjunto de treinamento. A regressão para-
métrica é muito eficiente se a função escolhida for correta, mas nos problemas reais as
vezes é difı́cil encontrar uma função que represente toda complexidade das variáveis
envolvidas [54].
Outra famı́lia de técnicas de regressão, são as chamadas regressões não paramé-
tricas. Essa abordagem é mais flexı́vel, pois não pressupõe uma estrutura de modelo
fixa, ou seja, não existe um conhecimento a priori a respeito da forma da função que
está sendo estimada. Também não existe a necessidade dos erros pertencerem a ne-
nhuma distribuição particular. Tipicamente, o modelo cresce no sentido de acomodar
a complexidade dos dados [54].
A técnica de regressão não-paramétrica utilizada nesse trabalho foi o método
dos K-vizinhos mais próximos ponderado (Weighted k-Nearest-Neighbor, ou wkNN),
implementado no pacote KKNN do software R [52]. No modelo de K-vizinhos mais
próximos (K-Nearest Neighbors ou KNN) a ideia-chave é que as propriedades de
qualquer ponto de entrada x15 têm probabilidade de serem semelhantes aos pontos
na vizinhança de x. O principal problema é especificar a vizinhança de um ponto.
15
x é um vetor contendo os valores das variáveis independentes do modelo.
17
Se a vizinhança for muito pequena teremos muito ruı́do, se for muito grande ela será
uma média de todos os pontos. A solução é definir a vizinhança com um valor apenas
grande o suficiente para incluir k pontos, onde k é grande o bastante para assegurar
uma estimativa significativa. O valor de k vai depender do problema. Geralmente
utiliza-se uma técnica de validação cruzada para estimar o valor ideal de k. Para
identificar os vizinhos mais próximos de um ponto de consulta, precisamos de uma
métrica de distância D(x, xi ), como por exemplo a distância Euclidiana [51].
No método wkNN, utiliza-se de alguma função núcleo (kernel ), para dar peso
às distâncias. Elas são funções da distância K(d), com valor máximo em d = 0,
que diminuem a medida que d aumenta. O algoritmo identifica os k vizinhos mais
próximos e normaliza as distâncias D(x, xi ) utilizando o vizinho k + 1:
D(x, xi )
di = (27)
D(x, xk+1 )
As distâncias normalizadas di sempre assumem valores no intervalo [0, 1]. Elas
são transformadas em pesos wi utilizando a função kernel K(.):
wi = K(di ) (28)
O kernel retangular, por exemplo, dá pesos iguais para todos os vizinho e é na
verdade igual ao KNN normal. Com base nos pesos calculados, o algoritmo utiliza
uma média ponderada dos k vizinhos mais próximos para predizer o valor da variável
resposta [59]:
Pk
wi yi
ŷ = Pi=1
k
(29)
i=1 wi
As funções núcleo fornecidas pelo pacote KKNN, utilizadas nesse estudo são [59]:
kernel retangular:
1
K(d) = 1{|d|≤1} (30)
2
kernel triangular:
K(d) = (1 − |d|) 1{|d|≤1} (31)
kernel Epanechnikov:
3
K(d) = (1 − d2 ) 1{|d|≤1} (32)
4
kernel biweight:
15
K(d) = (1 − d2 )2 1{|d|≤1} (33)
16
18
kernel triweight:
35
K(d) = (1 − d2 )3 1{|d|≤1} (34)
32
kernel gaussiano:
1 1 2
K(d) = √ e− 2 d (35)
2π
kernel inverso:
1
K(d) = (36)
|d|
A função indicadora 1{|d|≤1} é definida por:
(
1 se |d| ≤ 1
1{|d|≤1} =
0 se |d| > 1
4.4 Medidas de Desempenho dos Modelos

Para comparar o desempenho dos modelos de previsão de viscosidade de emul-
sões, e medir a precisão das predições, foram utilizadas técnicas estatı́sticas e gráficas.
Os gráficos dos valores observados x preditos permite visualizar todos os registros
e identificar o comportamento geral do modelo, bem como possı́veis outiliers. As
estatı́sticas de desempenho utilizadas, calculadas a partir dos resı́duos ei , são apre-
sentadas a seguir:
ei = yi − ŷi , i = 1, ..., N (37)

onde:
yi é o valor real ŷi é o valor previsto
Erro absoluto médio (MAE):
N
1 X
M AE = |yi − ŷi | (38)
N i=1
Erro absoluto médio percentual (MAPE), variante do MAE:

N
100 X yi − ŷi
M AP E = | | (39)
N i=1 yi
19
5 Resultados
5.1 Análise dos Dados de Caracterização dos Petróleos

Foram selecionados 15 petróleos leves, oriundos de diferentes regiões produtoras
brasileiras, para avaliar o efeito da fração de água, temperatura, taxa de cisalhamento
e de suas propriedades quı́micas no incremento de viscosidade de suas emulsões. A
tabela 2 apresenta algumas das principais caracterı́sticas dos petróleos selecionados.
Tabela 2: Principais caracterı́sticas dos petróleos selecionados: densidade API,

TIAC, SARA e viscosidade do petróleo desidratado a 30o C e taxa de cisalhamento
50s−1
Petróleo API TIAC Saturado Aromático Resina Asfalteno Viscosidade

(%) (%) (%) (%) (cP)
Petróleo 1 29,30 19,79 58,20 26,50 14,76 0,54 17,22
Petróleo 2 31,00 20,19 65,01 23,10 15,40 0,01 31,33
Petróleo 3 29,50 19,19 53,10 25,60 21,13 0,17 26,11
Petróleo 4 27,90 18,69 54,50 23,00 22,00 0,50 41,48
Petróleo 5 28,40 19,21 51,80 21,90 25,60 0,75 38,77
Petróleo 6 28,40 19,78 50,50 25,70 23,80 0,01 41,38
Petróleo 7 29,20 19,31 54,00 24,00 22,00 0,01 27,99
Petróleo 8 31,10 14,29 58,60 23,40 18,00 0,01 18,14
Petróleo 9 25,60 21,55 61,30 24,70 13,93 0,01 15,19
Petróleo 10 26,80 19,77 53,80 24,10 22,10 0,01 49,33
Petróleo 11 23,60 25,31 40,40 16,20 42,75 0,65 180,74
Petróleo 12 28,50 23,06 51,30 29,10 19,70 0,01 38,59
Petróleo 13 27,50 19,85 61,70 22,90 14,43 0,97 30,52
Petróleo 14 27,80 19,98 52,60 27,20 19,87 0,33 43,02
Petróleo 15 26,60 25,11 51,20 24,20 23,10 1,50 87,64
Na tabela 3 são apresentadas as estatı́sticas descritivas do conjunto de dados: va-

lor máximo, 1o quartil, mediana, 3o quartil, valor mı́nimo, média e desvio padrão(sd).
Tabela 3: Estatı́stica bası́cas das caracterı́sticas: densidade API, TIAC, SARA e

viscosidade do petróleo desidratado a 30o C e taxa de cisalhamento 50s−1 .
API TIAC Saturado Aromático Resina Asfalteno Viscosidade

(%) (%) (%) (%) (cP)
mı́nimo 23,60 14,29 40,40 16,20 13,93 0,01 15,19
1o quartil 27,15 19,26 51,55 23,05 16,70 0,01 27,05
mediana 28,40 19,79 53,80 24,10 21,13 0,17 38,59
3o quartil 29,25 20,87 58,40 25,65 22,60 0,59 42,25
máximo 31,10 25,31 65,01 29,10 42,75 1,50 180,74
média 28,08 20,34 54,53 24,11 21,24 0,37 45,83
sd 1,95 2,68 5,91 2,89 6,99 0,45 41,22
20
A figura 6 apresenta os boxplots do API, TIAC e viscosidade do óleo petróleo
desidratado a 30o C e taxa de cisalhamento 50s−1 .
24 26 28 30 14 16 18 20 22 24
API TIAC
50 100 150 20 50 100 200
Viscosidade (cP) Viscosidade (cP)
Figura 6: boxplots com a densidade API, TIAC e viscosidade aparente (escala

linear e logarı́tmica) dos petróleos do selecionados.
As amostras dos petróleos selecionados se concentram em uma faixa de densidade

API alta, ou seja, são petróleos mais leves, com menor densidade. Na figura 7
vemos que existe uma correlação entre a densidade API e a viscosidade do petróleo
desidratado, medida a 30o C e a uma taxa de cisalhamento de 50s−1 .
200
100
Viscosidade dinâmica (cP)
50
20
24 26 28 30
API
Figura 7: Relação entre a densidade API e a viscosidade dinâmica do petróleo

desidratado.
21
Na figura 8 é apresentado o gráfico de dispersão da densidade API e da viscosidade
dinâmica relativa, medida a uma concentração de água de 50%, 30o C e a uma taxa de
cisalhamento de 50s−1 . É possı́vel observar que, comparada a viscosidade dinâmica, a
correlação entre a viscosidade relativa e a densidade API é menor. Esse fato pode ser
medido pela correlação de Spearman (tabela 5) onde a correlação entre a viscosidade
relativa e a densidade API tem uma valor de 0,0583 e a correlação entre a viscosidade
dinâmica e a densidade API apresenta um valor de -0,2646.
14
12
10
Viscosidade relativa
24 26 28 30
API
Figura 8: Relação entre a densidade API e viscosidade dinâmica relativa, a uma

concentração de água de 50%, 30o C e taxa de cisalhamento de 50s−1 .
Vários estudos [46, 44] apontam que a presença de parafinas afeta a reologia do
petróleo, aumentando o comportamento não-Newtoniano do fluido. Corroborando
com essas observações, pode-se observar pela figura 9 que, mesmo para o óleo desidra-
tado, para a maioria dos petróleos analisados, a medida que a temperatura diminui,
as curvas de cada taxa de cisalhamento se afastam uma da outra, caracterizando um
comportamento não-Newtoniano, especialmente a temperatura mais baixas.
O conhecimento da variação da viscosidade em função da temperatura é impor-
tante para prever o escoamento em diferentes trechos da tubulação, especialmente
onde há troca de calor com o ambiente marinho. Nesses pontos, como nas linhas
marı́timas localizadas no fundo do oceano, as temperaturas podem atingir valores
próximos a 4o C.
22
Cisalhamento (s−1)
10 20 50 80 120 250
10 20 30 40 50 60
Petróleo 7 Petróleo 8 Petróleo 9

5000
500
50
5
Petróleo 3 Petróleo 4 Petróleo 5 Petróleo 6
5000
500
Viscosidade (cP)
50
5
5000
500
50
5
5000
500
50
5
10 20 30 40 50 60 10 20 30 40 50 60
Temperatura (°C)
Figura 9: Relação entre viscosidade dinâmica dos óleos desidratados e a tempera-

tura, para várias taxas de cisalhamento.
23
10 20 50 80 120 250
10 20 30 40 50 60
Petróleo 14 Petróleo 2
200
100
Viscosidade (cP)
50
20
10
10 20 30 40 50 60
Temperatura (°C)
Figura 10: Relação entre viscosidade dinâmica dos óleos desidratados e a tempe-
ratura, para várias taxas de cisalhamento.
Dois petróleos com caracterı́sticas distintas, são o Petróleo 14 e Petróleo 2 (figura

10). No primeiro todas as curvas com as taxas de cisalhamento estão praticamente
sobrepostas, caracterı́stica de um comportamento praticamente Newtoniano para
toda faixa de temperatura. O segundo apresenta, já para o óleo desidratado, um
comportamento não-Newtoniano para toda faixa de temperatura analisada.
As tabelas 4 e 5 apresentam os valores para correlação de Pearson e Spearman,
respectivamente. A correlação de Pearson, mede a correlação linear entre duas variá-
veis. Quanto mais próximo de 1, mais linearmente correlacionadas são as variáveis.
Valores próximos de 0 não apresentam correlação linear e valores próximos de -1 sig-
nificam que as variáveis são inversamente correlacionadas. A correlação de Spearman
é mais abrangente, pois consegue identificar relações não lineares entre duas variá-
veis, desde que essa correlação se comporte como uma função monotônica. Nesse
caso, 1 significa que as duas variáveis são perfeitamente relacionadas por uma função
monotônica crescente, 0 significa a falta de correlação e −1 que a relação entre as
variáveis é representada por uma função monotônica decrescente. Para facilitar a
análise, na figura 12 é apresentado de forma visual a correlações mais significativas
e na figura 11 está descrito a matriz de gráficos de dispersão de todas as variáveis
analisadas. A diagonal da figura 11 é composta pelos gráficos de densidade de pro-
babilidade das respectivas variáveis.
24
vcinematica
viscosidade_relativa
viscosidade
TIAC
asfalteno
resina
aromatico
saturado
API
Figura 11: Scatter Plot Matrix dos petróleos selecionados.
25
Tabela 4: Valores das correlações entre as variáveis dos petróleos, calculada pela correlação de Pearson.
API Saturado Aromático Resina Asfalteno TIAC Fracão Taxa Cisal. Temp. Viscosidade Viscosidade viscosidade
Agua Dinâmica Relativa cinemática
API 1,0000 0,5577 0,4510 -0,5780 -0,3808 -0,7168 0,0125 0,0000 -0,0000 -0,2646 0,0583 -0,2690
Saturado 0,5577 1,0000 0,3246 -0,9030 -0,2164 -0,4952 0,0130 0,0000 0,0000 -0,2675 0,0611 -0,2720
Aromático 0,4510 0,3246 1,0000 -0,6784 -0,3151 -0,1861 0,0148 0,0000 0,0000 -0,2479 0,0113 -0,2524
Resina -0,5780 -0,9030 -0,6784 1,0000 0,2199 0,4648 -0,0167 -0,0000 0,0000 0,3082 -0,0620 0,3136
Asfalteno -0,3808 -0,2164 -0,3151 0,2199 1,0000 0,4479 -0,0034 0,0000 -0,0000 0,2112 0,0317 0,2148
TIAC -0,7168 -0,4952 -0,1861 0,4648 0,4479 1,0000 -0,0101 0,0000 -0,0000 0,2705 -0,0889 0,2751
Fracão 0,0125 0,0130 0,0148 -0,0167 -0,0034 -0,0101 1,0000 0,0000 0,0000 0,2535 0,6670 0,2502
Agua
Taxa Cisal. 0,0000 0,0000 0,0000 -0,0000 0,0000 0,0000 0,0000 1,0000 0,0000 -0,1056 -0,1032 -0,1069
Temp. -0,0000 0,0000 0,0000 0,0000 -0,0000 -0,0000 0,0000 0,0000 1,0000 -0,2515 0,1852 -0,2557
Viscosidade -0,2646 -0,2675 -0,2479 0,3082 0,2112 0,2705 0,2535 -0,1056 -0,2515 1,0000 0,0998 0,9998
Dinâmica
Viscosidade 0,0583 0,0611 0,0113 -0,0620 0,0317 -0,0889 0,6670 -0,1032 0,1852 0,0998 1,0000 0,0973
Relativa
Viscosidade -0,2690 -0,2720 -0,2524 0,3136 0,2148 0,2751 0,2502 -0,1069 -0,2557 0,9998 0,0973 1,0000
Cinemática
Tabela 5: Valores das correlações entre as variáveis dos petróleos, calculada pela correlação de Spearman.
API Saturado Aromático Resina Asfalteno TIAC Fracão Taxa Cisal. Temp. Viscosidade Viscosidade viscosidade
Agua Dinâmica Relativa cinemática
API 1,0000 0,3414 0,1859 -0,2844 -0,3938 -0,5487 0,0076 0,0000 0,0000 -0,2062 0,0058 -0,2059
26
Saturado 0,3414 1,0000 -0,1714 -0,8168 -0,2221 -0,2714 0,0076 0,0000 0,0000 -0,2277 0,0476 -0,2301
Aromático 0,1859 -0,1714 1,0000 -0,2842 -0,3614 0,1571 0,0076 0,0000 0,0000 -0,1280 0,0031 -0,1297
Resina -0,2844 -0,8168 -0,2842 1,0000 0,2374 -0,0447 -0,0076 0,0000 0,0000 0,2560 -0,0397 0,2595
Asfalteno -0,3938 -0,2221 -0,3614 0,2374 1,0000 0,1882 -0,0046 0,0000 0,0000 0,1795 0,0083 0,1810
TIAC -0,5487 -0,2714 0,1571 -0,0447 0,1882 1,0000 -0,0076 0,0000 0,0000 0,1294 -0,0300 0,1290
Fracão 0,0076 0,0076 0,0076 -0,0076 -0,0046 -0,0076 1,0000 0,0000 0,0000 0,5857 0,9720 0,5718
Agua
Taxa Cisal. 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 0,0000 -0,0811 -0,0496 -0,0827
Temp. 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 -0,6733 0,0827 -0,6823
Viscosidade -0,2062 -0,2277 -0,1280 0,2560 0,1795 0,1294 0,5857 -0,0811 -0,6733 1,0000 0,5304 0,9998
Dinâmica
Viscosidade 0,0058 0,0476 0,0031 -0,0397 0,0083 -0,0300 0,9720 -0,0496 0,0827 0,5304 1,0000 0,5166
Relativa
Viscosidade -0,2059 -0,2301 -0,1297 0,2595 0,1810 0,1290 0,5718 -0,0827 -0,6823 0,9998 0,5166 1,0000
Cinemática
(a) (b)
−1,0 −0,5 0,0 0,5 1,0 −1,0 −0,5 0,0 0,5 1,0
viscosidade_relativa 6 6 1 −6 3 −9 67 −10 19 10 100 1 5 0 −4 1 −3 97 −5 8 53 100 viscosidade_relativa

viscosidade −26 −27 −25 31 21 27 25 −11 −25 100 10 −21 −23 −13 26 18 13 59 −8 −67 100 53 viscosidade
temperatura 0 0 0 0 0 0 0 0 100 −25 19 0 0 0 0 0 0 0 0 100 −67 8 temperatura
cisalhamento 0 0 0 0 0 0 0 100 0 −11 −10 0 0 0 0 0 0 0 100 0 −8 −5 cisalhamento
fracao_agua 1 1 1 −2 0 −1 100 0 0 25 67 1 1 1 −1 0 −1 100 0 0 59 97 fracao_agua
TIAC −72 −50 −19 46 45 100 −1 0 0 27 −9 −55 −27 16 −4 19 100 −1 0 0 13 −3 TIAC
asfalteno −38 −22 −32 22 100 45 0 0 0 21 3 −39 −22 −36 24 100 19 0 0 0 18 1 asfalteno
resina −58 −90 −68 100 22 46 −2 0 0 31 −6 −28 −82 −28 100 24 −4 −1 0 0 26 −4 resina
aromatico 45 32 100 −68 −32 −19 1 0 0 −25 1 19 −17 100 −28 −36 16 1 0 0 −13 0 aromatico
saturado 56 100 32 −90 −22 −50 1 0 0 −27 6 34 100 −17 −82 −22 −27 1 0 0 −23 5 saturado
API 100 56 45 −58 −38 −72 1 0 0 −26 6 100 34 19 −28 −39 −55 1 0 0 −21 1 API
API
saturado
aromatico
resina
asfalteno
TIAC
fracao_agua
cisalhamento
temperatura
viscosidade
API
saturado
aromatico
resina
asfalteno
TIAC
fracao_agua
cisalhamento
temperatura
viscosidade
Figura 12: a) Correlações de Pearson; b)correlação de Spearman.
Pelas correlações calculadas, destaca-se a alta correlação que a fração de água

apresentou com a viscosidade relativa. Para a viscosidade dinâmica, além da fração de
água, a temperatura também apresentou um valor alto de correlação. Vale ressaltar
que as correlações calculadas não conseguem identificar relações não-lineares entre as
variáveis, ou seja, não é possı́vel descartar a influência de nenhuma variável apenas
por ter apresentado um valor baixo nas duas correlações.
Pela correlação de Spearman, a fração de água está fortemente correlacionada
com a viscosidade relativa. Como o valor da correlação está muito próxima de 1, é
esperado que a relação entre as variáveis possa ser descrita por uma função pratica-
mente monotônica. De fato, já em 1933, Richardson [47] observou que a viscosidade
relativa aumenta exponencialmente até alcançar o ponto de inversão. Essa relação
exponencial está presente em várias das equações desenvolvidas desde então para o
cálculo da viscosidade relativa.
Além da correlação entre as variáveis resposta e as variáveis regressoras, tam-
bém é possı́vel identificar as correlações entre as próprias variáveis regressoras. Isso
é importante para evitar colinearidade16 . Alguns modelos de regressão (linear,por
exemplo) pressupõe a independência das variáveis regressoras. Se as variáveis forem
muito correlacionadas, as inferências baseadas no modelo de regressão podem ser er-
rôneas ou pouco confiáveis [56, 41]. Na figura 12 é possı́vel identificar, por exemplo,
16
Colinearidade (Multicolinearidade) e o termo utilizado para indicar a existência de forte cor-
relação entre duas (ou mais) variáveis independentes.
27
que a fração de resinas e saturados tem uma correlação alta (0,9), indicando que
na construção de um modelo apenas uma delas deve ser selecionada como variável
regressora.
5.1.1 Influência da fração de água
Ronningsen [33] afirma que o fator de maior influência na viscosidade das emulsões
é a fração volumétrica da fase dispersa. Segundo ele, quando a concentração da
fase dispersa aumenta, a emulsão se torna progressivamente mais não-Newtoniana,
até que atinja uma concentração máxima, onde ocorre uma inversão de fases e a
emulsão passa a ser do tipo óleo dissolvido em água (O/A), e a viscosidade aparente
cai abruptamente. Essa inversão ocorre em diferentes concentrações dependendo do
petróleo. Com exceção do Petróleo 11, os petróleos analisados formaram emulsões
A/O estáveis com até 70% de fração de água sem que fosse observada a inversão das
fases. Não foram fornecidos dados reológicos das emulsões após a inversão de fases.
Logo, não foi possı́vel analisar o comportamento da viscosidade após a inversão de
fases.
Na figura 13 está representada a viscosidade das emulsões com diferentes teores
volumétricos de fase interna. A figura 14 mostra a distribuição da viscosidade di-
nâmica do Petróleo 1 para diferentes valores de fração de água. Pode-se observar
um significativo incremento na viscosidade a medida que a fração de água aumenta.
Consta na literatura [33, 46] que esse incremento está associado ao aumento das for-
ças interfaciais de atrito decorrentes da dissipação de energia causada pela interação
entre as gotas e pela deformação das mesmas.
28
Fração de Agua
0 0,3 0,6
0,1 0,5 0,7
10 20 30 40 50 60 10 20 30 40 50 60
Petróleo 5 Petróleo 6 Petróleo 7 Petróleo 8 Petróleo 9

50000
5000
500
50
Viscosidade Dinâmica (cP)
5
50000
5000
500
50
5
50000
5000
500
50
5
10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60
Temperatura (°C)
Figura 13: Influência da fração de água no incremento da viscosidade para uma

taxa de cisalhamento de 50s−1 . Independente da temperatura, a fração de água
sempre aumenta a viscosidade da emulsão.
29
Fração de água
0,7
0,5
0,3
0,1
0
0 1000 2000 3000 4000 5000
Viscosidade Dinâmica (cP). (escala linear)

Fração de Água
0,7
0,5
0,3
0,1
0
5 10 20 50 100 200 500 1000 2000 5000
Viscosidade Dinâmica (cP). (escala logaritmica)
Figura 14: boxplot comparando a viscosidade do ”Petróleo 1”para várias frações

de água. O logaritmo da viscosidade normaliza a dispersão dos valores.
Na figura 15 é mostrada a relação entre a viscosidade dinâmica relativa das emul-

sões e a temperatura para diferentes teores volumétricos de fase interna. Em toda a
faixa de temperaturas, a influência da fração de água faz a viscosidade aumentar.
30
Fração de Água
0 0,3 0,6
0,1 0,5 0,7
10 20 30 40 50 60 10 20 30 40 50 60

50
20
10
5
2
1
Viscosidade Relativa

50
20
10
5
2
1
50
20
10
5
2
1
10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60
Temperatura (°C)
Figura 15: Influência da fração de água no incremento da viscosidade relativa

para uma taxa de cisalhamento de 50s−1 . Para toda a faixa de temperaturas, a
influência da fração de água faz a viscosidade aumentar.
A figura 16 mostra a distribuição da viscosidade dinâmica relativa do Petróleo 1

para diferentes valores de fração de água. Comparando as figuras 14 e 16 é possı́vel
observar que a viscosidade relativa apresenta um comportamento diferente da vis-
cosidade dinâmica em relação à dispersão de seus valores com o aumento da fração
de água. Para viscosidade, quando aplicamos uma função logaritmo, a dispersão dos
valores se torna aproximadamente constante para todas as frações de água. Para
viscosidade relativa isso não acontece. A dispersão dos valores aumenta a medida
que a fração de água aumenta.
31
Fração de água
0,7
0,5
0,3
0,1
0
0 20 40 60 80 100
Viscosidade Relativa. (escala linear).

Fração de água
0,7
0,5
0,3
0,1
0
1 2 5 10 20 50 100
Viscosidade Relativa. (escala logaritmica)
Figura 16: Boxplot comparando a viscosidade relativa do ”Petróleo 1”para várias

frações de água. A dispersão dos dados aumenta com o incremento da fração de
água.
Pelos dados da viscosidade relativa, pode ser observado que a viscosidade da

emulsão com 50% de água pode atingir valores até 14 vezes a viscosidade do petróleo
desidratado. Considerando que a perda de carga no escoamento é função da visco-
sidade do fluido, a previsão desse comportamento se torna muito importante para a
definição do sistema de bombeio e dimensionamento das instalações de superfı́cie.
5.1.2 Influência da temperatura
Ronningsen [33] afirma que a viscosidade das emulsões de petróleo é uma função
da temperatura e que ela diminui com o aumento da temperatura, principalmente
devido a diminuição da viscosidade da fase óleo da mistura. Pela correlação de
Spearman (tabela 5), a correlação entre a viscosidade dinâmica e a temperatura
apresenta um valor alto (-0,6733) , mostrando que o comportamento observado por
32
Ronningsen também existe para os petróleos analisados e que essa função se comporta
como uma função monotônica decrescente. A análise visual das figuras 17 e 18
comprovam essa suposição. Para todos os óleos a forma das curvas são semelhantes
e decrescentes.
10 20 50 80 120 250
102030405060

50000
20000
5000
2000
500
200
50
50000
20000
5000
Viscosidade (cP)
2000
500
200
50
50000
20000
5000
2000
500
200
50
50000
20000
5000
2000
500
200
50
102030405060 102030405060
Temperatura (°C)
Figura 17: Relação entre a viscosidade dinâmica e a temperatura para uma fração
de água = 0,5. Viscosidade decresce com a temperatura.
33
10 20 50 80 120 250
102030405060
50000
5000
500
100
50000
5000
Viscosidade (cP)
500
100
50000
5000
500
100
50000
5000
500
100
102030405060 102030405060
Temperatura (°C)
Figura 18: Relação entre a viscosidade dinâmica e a temperatura para uma fração
de água = 0,7. Viscosidade decresce com a temperatura.
Por outro lado, a viscosidade relativa apresenta um comportamento heterogêneo

em relação a temperatura, apresentando pontos de inflexão e formato das curvas
diferentes entre os óleos, como pode ser observado nas figuras 19 e 20. Esse com-
portamento foi um dos motivos que levou a decisão de incluir alguma técnica de
regressão não-paramétrica no escopo do estudo, pois elas geralmente apresentam
bons resultados para problemas altamente não lineares [51].
34
10 20 50 80 120 250
5 10 20 50

20
15
10
5
20
15
10
5
20
15
10
5
20
15
10
5
5 10 20 50 5 10 20 50
Temperatura (°C)
Figura 19: Relação entre a viscosidade relativa e a temperatura, para várias taxas
de cisalhamento e fração de água=0,5. As curvas apresentam pontos de inflexão e
formatos diferentes entre os óleos.
Outro aspecto importante da temperatura é sua influência na precipitação de pa-

rafinas. Farah (2005) observou que para temperaturas abaixo da TIAC a viscosidade
continua a variar linearmente, mas a taxa de incremento da viscosidade aumenta
devido ao aparecimento de cristais de parafina. Além disso, pode-se observar que o
surgimento de parafinas acentua o comportamento não-Newtoniano do petróleo.
35
10 20 50 80 120 250
5 10 20 50
100
80
60
40
20
100
80
60
40
20
100
80
60
40
20
100
80
60
40
20
5 10 20 50 5 10 20 50
Temperatura (°C)
Figura 20: Relação entre a viscosidade relativa e a temperatura, para várias taxas
de cisalhamento e fração de água=0,7. As curvas apresentam pontos de inflexão e
formatos diferentes entre os óleos.
5.1.3 Influência da taxa de cisalhamento
Como mencionado anteriormente, os principais fatores que influenciam o compor-

tamento não-Newtoniano das emulsões de petróleos são a formação de parafina, que
ocorre a temperaturas abaixo da TIAC, e o incremento da fração da fase dispersa. Os
dois fatores podem ocorrer simultaneamente. Na figura 21 identifica-se que para os
petróleos desidratados, na maioria dos casos, a viscosidade aparente é praticamente
constante em relação a taxa de cisalhamento (curva horizontal), para as temperatu-
36
ras mais altas (ou seja, Comportamento Newtoniano). Para as temperaturas mais
baixas, percebe-se que as curvas apresentam uma inclinação, caracterizando um com-
portamento não-Newtoniano, onde a viscosidade dinâmica é maior para as taxas de
cisalhamento mais baixas e decresce a medida que a taxa de cisalhamento aumenta.
Temperatura (°C)
4 12 20 40 60
0 50100 200

5000
500
50
5
5000
500
Viscosidade (cP)
50
5
5000
500
50
5
5000
500
50
5
0 50100 200 0 50100 200
Figura 21: influência da taxa de cisalhamento na viscosidade dos petróleos desidra-

tados para várias temperaturas. Nas faixas de temperatura mais baixas observa-se
um comportamento não-Newtoniano. Para as temperaturas mais altas, o compor-
tamento é praticamente Newtoniano.
Para uma concentração da fase dispersa de 70%, na figura 22 observa-se , pela in-
clinação das curvas, que todas as emulsões apresentam comportamento não-Newtoniano
para todas as temperaturas. Em todos os petróleos a variação da viscosidade se com-
37
porta da mesma maneira, a viscosidade dinâmica é maior para as taxas de cisalha-
mento mais baixas e decresce a medida que a taxa de cisalhamento aumenta. Além
disso, para todas as taxas de cisalhamento, a viscosidade dinâmica é sempre maior
nas temperaturas mais baixas e diminui a medida que a temperatura aumenta.
Temperatura (°C)
4 12 20 40 60
0 50100 200
50000
5000
500
100
50000
5000
Viscosidade (cP)
500
100
50000
5000
500
100
50000
5000
500
100
0 50100 200 0 50100 200
Figura 22: Influência da taxa de cisalhamento na viscosidade de emulsões com

uma concentração de 70% de fase dispersa, para várias temperaturas. Observa-se
comportamento não-Newtoniano para toda faixa de temperaturas.
O comportamento homógeneo não se repete para viscosidade relativa, como pode

ser observado nas figuras 23 e 24. Na maioria dos casos as maiores viscosidades
relativas se encontram nas temperaturas mais altas, mas isso também não acontece
para todos os petróleos e concentrações de fase dispersa. Nas emulsões com 50% de
38
fase dispersa, vemos casos onde as maiores viscosidades se encontram no meio da
faixa de temperatura analisada.
Temperatura (°C)
4 12 20 40 60
0 50100 200

20
15
10

20
15
10

20
15
10

20
15
10
0 50100 200 0 50100 200
Figura 23: Influência da taxa de cisalhamento na viscosidade relativa de emulsões

com 50% de fase dispersa, para várias temperaturas. O comportamento das curvas
é diferente para cada petróleo.
39
Temperatura (°C)
4 12 20 40 60
0 50100 200
100
50
20
10

100
50
20
10

100
50
20
10

100
50
20
10
0 50100 200 0 50100 200
Figura 24: Influência da taxa de cisalhamento na viscosidade relativa de emulsões

com 70% de fase dispersa, para várias temperaturas. O comportamento das curvas
é diferente para cada petróleo.
5.2 Desempenho dos Modelos

Na simulação de fenômenos de escoamento são frequentes dois tipos de cenários,
sendo:
Cenário 1 - Ajuste Individual - Existe uma análise laboratorial, com a reologia

das emulsões para o petróleo utilizado na simulação, com valores de viscosidade me-
didos em laboratório para diferentes valores de fração de água, temperatura e taxa
40
de cisalhamento. Com essas informações é possı́vel utilizar um método de regressão
para ajustar adequadamente um modelo para esse óleo. O interessante nesse caso é
comparar qual técnica de regressão apresenta o melhor ajuste individual para cada
óleo separadamente.
Cenário 2 - Ajuste Genérico - Não existem dados experimentais de viscosidade

das emulsões para o óleo. É preciso inferir o comportamento das emulsões com base
em outras informações que podem estar disponı́veis, como grau API, localização ge-
ográfica, TIAC, SARA e viscosidade do óleo morto. Nesse cenário, são utilizadas
as análises laboratórias de emulsão de outros óleos, que possuam alguma caracte-
rı́stica semelhante ao do óleo a ser simulado, para realizar o ajuste de um modelo.
Geralmente tenta-se agrupar os óleos de uma mesma localização geográfica ou que
tenham caracterı́sticas reológicas semelhantes ao óleo a ser utilizado na simulação.
No presente estudo, focamos em petróleos leves (densidade API > 22).
5.2.1 Ajuste Individual
Para avaliar o desempenho de cada modelo, foi realizado o ajuste individual com
o conjunto de dados reológicos completos de cada petróleo, ou seja, levando em con-
sideração todos os valores de fração de água, temperatura e taxa de cisalhamento
levantados em laboratório. Para cada petróleo foi feito o cálculo das medidas de
desempenho do ajuste individual, e ao final, para avaliar o desempenho geral do mo-
delo, e poder compara-lo aos outros, é calculada a média dos erros encontrados em
cada regressão individual.
5.2.1.1 Modelo Richardson
A correlação proposta por Richardson (1933) [47], foi ajustada utilizando uma
regressão linear robusta, com modelo:
ηr = e(kφ) (40)
onde φ é a fração de água e k é o parâmetro a ser ajustado.
Na tabela 6 estão representados os indicadores de desempenho e o valor do pa-
râmetro ajustado (k) para cada um dos 15 petróleos analisados. A média dos Erros
Absolutos Médios (MAE) para o modelo descrito foi de 2,51. Já a média dos Erros
Absolutos Médios Percentuais (MAPE) dos 15 petróleos foi 24,88.
41
Tabela 6: Resultados do ajuste individual dos petróleos para o modelo Richardson
Óleo MAE MAPE k

Petróleo 1 3,52 26,47 4,02
Petróleo 2 1,47 18,31 3,77
Petróleo 3 2,13 21,14 4,28
Petróleo 4 1,17 22,32 3,41
Petróleo 5 3,34 26,45 3,92
Petróleo 6 1,56 24,39 3,93
Petróleo 7 1,27 23,64 3,34
Petróleo 8 6,21 39,58 4,32
Petróleo 9 1,90 21,26 3,78
Petróleo 10 3,61 26,68 4,41
Petróleo 11 1,31 28,84 3,56
Petróleo 12 1,22 20,35 3,26
Petróleo 13 2,84 24,83 4,35
Petróleo 14 1,50 19,85 3,74
Petróleo 15 4,66 29,02 3,64
Média 2,51 24,88 -
Na figura 25 são apresentados os gráficos dos valores Observados x Preditos dos

petróleos que apresentaram o melhor e o pior ajuste, pelo critério do Erro Absoluto
Médio Percentual (MAPE).
42
20
10
10
5
Predito
Predito
5
2
2
1
1
1 2 5 10 20 1 2 5 10 20 50 100
Observado Observado
a) Petróleo 2 b) Petróleo 8
Figura 25: a) Petróleo com o melhor ajuste individual pelo modelo Richardson.
b) Petróleo com o pior ajuste individual pelo modelo Richardson.
5.2.1.2 Modelo Exponencial
Para emulsões fortes, com 100% do volume de lı́quido emulsionado, condição se-
melhante ao das emulsões preparadas para esse estudo, os parâmetros ajustados pela
equação 17, utilizada por Almeida [6] para ajustar os dados originais dos experimen-
tos de Woelflin (1942), são a = 2, 1102 e b = 5, 2456, resultando na equação:
2)
νr = e(2,1102φ+5,2456φ (41)
onde φ é a fração de água.
Na tabela 7 são apresentados os erros obtidos ao aplicar esse ajuste para todas as
faixas de fração de água, temperatura e taxa de cisalhamento analisadas. A média
dos Erros Absolutos Médios (MAE) para o modelo descrito foi de 8,41. Já a média
dos Erro Absoluto Médio Percentual (MAPE) foi 86,55. Como o ajuste foi feito para
petróleos mais pesados, para faixas de temperatura acima da TIAC e para taxas de
cisalhamento mais baixas [32], o modelo apresentou erros altos de predição. Esse
resultado reforça a importância de realizar um ajuste para os óleos leves nacionais.
43
Tabela 7: Desempenho do ajuste para os dados experimentais de Woelflin.
Óleo MAE MAPE

Petróleo 1 7,82 70,70
Petróleo 2 9,62 96,21
Petróleo 3 7,86 55,78
Petróleo 4 10,44 126,35
Petróleo 5 8,21 79,29
Petróleo 6 9,06 78,91
Petróleo 7 10,45 125,19
Petróleo 8 6,87 63,05
Petróleo 9 9,28 94,87
Petróleo 10 6,96 54,32
Petróleo 11 3,89 69,48
Petróleo 12 10,53 129,37
Petróleo 13 7,54 60,42
Petróleo 14 9,93 104,04
Petróleo 15 7,64 90,19
Média 8,41 86,55
Devido ao tipo de viscosı́metro utilizado, nos experimentos de Woelflin a visco-

sidade obtida foi a viscosidade cinemática. Nos dados das análises laboratoriais do
CENPES foi fornecida a viscosidade dinâmica (viscosidade aparente). A viscosidade
cinemática pode ser facilmente obtida a partir da viscosidade dinâmica, mas para
facilitar a comparação com os outros modelos avaliados foi utilizada a viscosidade
dinâmica relativa ηr como variável resposta para os ajuste individuais dos petróleos.
Assim, a correlação foi ajustada utilizando uma regressão linear generalizada, com
um modelo exponecial com expressão:
2)
ηr = e(a·φ+b·φ (42)
onde φ é a fração de água; a e b são parâmetros a serem ajustados.
Na tabela 8 estão representados os resultados dos ajustes individuais. A média
dos Erros Absolutos Médios Percentuais (MAPE) foi 20,25.
44
Tabela 8: Desempenho do ajuste individual e parâmetros a e b ajustados para o
modelo Exponencial
Óleo MAE MAPE a b

Petróleo 1 3,21 21,75 2,2031 3,3021
Petróleo 2 1,43 17,15 3,2059 1,041
Petróleo 3 1,93 16,28 3,0528 2,093
Petróleo 4 1,05 15,66 1,9871 2,4226
Petróleo 5 3,20 23,67 2,4712 2,7025
Petróleo 6 1,39 15,85 2,1048 3,0687
Petróleo 7 0,89 12,40 1,0965 3,8455
Petróleo 8 5,66 32,10 1,7173 4,6797
Petróleo 9 1,89 20,61 3,0423 1,3408
Petróleo 10 3,39 24,08 3,1376 2,2313
Petróleo 11 1,09 18,21 0,6875 5,5095
Petróleo 12 0,89 10,95 1,3505 3,3694
Petróleo 13 2,68 23,52 3,7257 1,1123
Petróleo 14 1,52 20,44 3,7879 0,0289
Petróleo 15 4,49 31,05 2,0091 3,4231
Média 2,32 20,25 - -

45
10
20
10
5
Predito
Predito
5
2
2
1
1
1 2 5 10 20 1 2 5 10 20 50 100
Observado Observado
a) Petróleo 12 b) Petróleo 8
Figura 26: a) Petróleo com o melhor ajuste individual pelo modelo Exponencial.
b) Petróleo com o pior ajuste individual pelo modelo Exponencial.
O modelo para o Petróleo 12 é :
2)
ηr = e(1,3505φ+3,3694φ (43)
O ajuste para o Petróleo 8 é:
2)
ηr = e(1,7173φ+4,6797φ (44)
5.2.1.3 Modelo Ronningsen
A correlação proposta por Ronningsen [33], foi ajustada utilizando uma regressão
linear generalizada, com modelo:
ln(ηr ) = k1 + k2 T + k3 φ + k4 φT (45)
onde T é a temperatura em o C e k1 ,k2 ,k3 e k4 são parâmetros a serem ajustados.
Na tabela 9 está representado o desempenho dos ajustes individuais. A média
46
dos Erro Absoluto Médio Percentual (MAPE) foi 19,48. Os coeficientes ajustados
para cada petróleo são apresentados na tabela 10.
Tabela 9: Desempenho do ajuste individual dos petróleos para o modelo Ronning-

sen
Óleo MAE MAPE

Petróleo 1 2,20 20,46
Petróleo 2 1,18 16,79
Petróleo 3 1,46 16,45
Petróleo 4 0,70 16,35
Petróleo 5 1,80 16,83
Petróleo 6 1,21 19,49
Petróleo 7 1,00 20,92
Petróleo 8 3,68 29,52
Petróleo 9 1,01 16,57
Petróleo 10 1,91 17,76
Petróleo 11 0,79 20,22
Petróleo 12 0,95 17,54
Petróleo 13 2,15 23,35
Petróleo 14 1,53 20,13
Petróleo 15 2,33 19,81
Média 1,59 19,48
Tabela 10: Parâmetros resultantes do ajuste individual dos petróleos para o modelo
Ronningsen
Óleo k1 k2 k3 k4
Petróleo 1 -0,155248 -0,001280 3,565319 0,035701
Petróleo 2 0,052518 -0,005596 3,446712 0,020974
Petróleo 3 -0,161675 0,000550 4,104122 0,017497
Petróleo 4 -0,163110 0,000143 3,160872 0,021093
Petróleo 5 -0,148369 -0,001160 3,301798 0,041666
Petróleo 6 -0,230633 0,001179 4,021145 0,010370
Petróleo 7 -0,204328 -0,000011 3,434104 0,012158
Petróleo 8 -0,182845 -0,002553 3,652118 0,049174
Petróleo 9 0,024897 -0,003624 3,082919 0,033402
Petróleo 10 -0,090553 -0,000826 3,724025 0,035600
Petróleo 11 -0,239322 0,000679 3,327724 0,026008
Petróleo 12 -0,182862 -0,000790 3,397874 0,012444
Petróleo 13 0,317820 -0,011866 3,365094 0,038119
Petróleo 14 0,070521 -0,004746 3,898256 0,000469
Petróleo 15 -0,117107 -0,003145 2,906944 0,056692
47
Na figura 27 são apresentados os gráficos dos valores preditos x observados dos
20
50
10
20
10
5
Predito
Predito
5
2
2
1
1
1 2 5 10 20 1 2 5 10 20 50
Observado Observado
Figura 27: a) Petróleo 4 - melhor ajuste individual pelo modelo Ronningsen. b)

Petróleo 8 - pior ajuste individual pelo modelo Ronningsen.
O modelo para o Petróleo 4 é :
ln(ηr ) = −0, 135451 − 0, 000169T + 2, 934746φ + 0, 023076φT (46)
Com o pior desempenho, o ajuste para o Petróleo 8 é:
ln(ηr ) = −0, 120011 − 0, 003404T + 3, 313219φ + 0, 048696φT (47)
5.2.1.4 Modelo Farah
A correlação, baseada na viscosidade cinemática, proposta por Farah (2005) [46]

foi ajustada utilizando uma regressão linear generalizada, com modelo:
ln(ln(ν + 0, 7)) = k1 + k2 φ + k3 ln(K) + k4 φln(K) (48)
48
onde: K - temperatura em Kelvin.
Na tabela 11 estão representados os resultados de desempenho dos ajustes indi-
viduais para o conjunto de dados completo. A média dos Erros Absolutos Médios
(MAE) para o modelo descrito foi de 460,78. Já a média dos Erro Absoluto Médio
Percentual (MAPE) foi 23,72. Os valores do MAE variam muito entre os petróleos,
pois a dimensão desse indicador é da mesma ordem da variável resposta, nesse caso
a viscosidade cinemática. A viscosidade do Petróleo 11 (180,74 cP ), por exemplo,
e mais de dez vezes maior que a do Petróleo 9 (15,19 cP ), ambas medidas a uma
temperatura de 30o C e taxa de cisalhamento 50s−1 .
Tabela 11: Resultados do ajuste individual dos petróleos para o modelo Farah,
sem TIAC
Óleo MAE MAPE

Petróleo 1 125,01 24,69
Petróleo 2 151,54 18,58
Petróleo 3 207,03 19,47
Petróleo 4 242,83 23,07
Petróleo 5 258,84 22,11
Petróleo 6 259,36 19,67
Petróleo 7 125,22 21,54
Petróleo 8 189,53 29,93
Petróleo 9 97,14 24,47
Petróleo 10 509,47 21,08
Petróleo 11 2210,73 29,59
Petróleo 12 155,70 19,55
Petróleo 13 184,05 25,29
Petróleo 14 238,23 22,04
Petróleo 15 1957,10 34,77
Média 460,78 23,72
No mesmo estudo, Farah observou que para temperaturas abaixo da TIAC a

viscosidade continua a variar linearmente, mas a taxa do incremento aumenta devido
ao aparecimento de parafina. Por isso ele recomenda fazer ajustes independentes da
sua correlação para valores de temperatura acima e abaixo da TIAC.
Para implementar essa condição no modelo, foi criada uma variável Dummy t1 ,
que tem valor 0 se T emperatura > T IAC e valor 1 se T emperatura < T IAC. O
modelo está descrito na equação 49.
ln(ln(ν + 0, 7)) = k1 + k2 φ + k3 ln(K) + k4 φln(K) +

t1 k5 + t1 k6 φ + t1 k7 ln(K) + t1 k8 φln(K) (49)
49
Os modelos acabam sendo definidos pelo valor que a variável dummy assume,
como mostrado na equação:

 (0) : ln(ln(ν + 0, 7)) = k1 + k2 φ + k3 ln(K) + k4 φln(K)
t1 = (1) : ln(ln(ν + 0, 7)) = (k1 + k5 ) + (k2 + k6 )φ + (k3 + k7 )ln(K)
+(k4 + k8 )φln(K)

Na tabela 12 é apresentado o desempenho dos ajustes individuais de cada um dos

15 petróleos. A média dos Erros Absolutos Médios (MAE) para o modelo descrito
foi de 450,80. Já a média dos Erro Absoluto Médio Percentual (MAPE) foi 20,49. O
desempenho do modelo melhorou pouco em relação ao modelo único. Os coeficientes
ajustados para cada petróleo são apresentados na tabela 13.
Tabela 12: Resultados do ajuste individual dos petróleos para o modelo Farah
Óleo MAE MAPE

Petróleo 1 111,21 18,04
Petróleo 2 151,56 17,23
Petróleo 3 203,63 16,85
Petróleo 4 235,31 20,84
Petróleo 5 248,57 18,97
Petróleo 6 256,72 18,56
Petróleo 7 109,84 17,89
Petróleo 8 184,68 26,63
Petróleo 9 91,66 20,69
Petróleo 10 506,84 19,02
Petróleo 11 2167,11 25,69
Petróleo 12 136,43 15,69
Petróleo 13 169,71 20,00
Petróleo 14 235,01 20,47
Petróleo 15 1953,68 30,72
Média 450,80 20,48
50
Farah
Óleo k1 k2 k3 k4 k5 k6 k7 k8
Petróleo 1 24,7732 -22,4425 -4,1450 4,1130 18,9961 -13,9916 -3,3291 2,4480
Petróleo 2 29,9397 -28,6870 -5,0173 5,1549 3,2932 10,2449 -0,5772 -1,7896
Petróleo 3 25,9673 -18,6057 -4,3263 3,4212 3,3256 -0,5169 -0,5702 0,0752
Petróleo 4 26,8031 -18,9046 -4,4532 3,4378 1,6573 3,5818 -0,2746 -0,6438
Petróleo 5 25,9531 -23,9941 -4,3088 4,3532 5,0602 2,3934 -0,8761 -0,4382
Petróleo 6 26,0161 -17,7564 -4,3180 3,2494 3,0154 0,2972 -0,5228 -0,0548
Petróleo 7 26,0699 -20,8968 -4,3478 3,7918 5,3188 8,2831 -0,9263 -1,4609
Petróleo 8 29,4784 -28,6634 -4,9586 5,2093 7,7879 -2,7659 -1,3554 0,4605
Petróleo 9 26,0920 -24,3239 -4,3802 4,4298 17,6071 -8,8274 -3,0819 1,5398
Petróleo 10 28,6694 -22,3274 -4,7722 4,0631 1,6446 -1,6915 -0,2749 0,2812
Petróleo 11 23,3146 -12,7429 -3,7969 2,3519 3,4091 -3,9600 -0,5717 0,6732
Petróleo 12 24,0084 -21,6527 -3,9745 3,9103 9,1579 8,0475 -1,6048 -1,4075
Petróleo 13 24,6663 -20,1683 -4,1013 3,6965 21,1833 -25,3418 -3,7227 4,4618
Petróleo 14 23,6084 -14,0686 -3,8953 2,5900 4,9317 0,2141 -0,8633 -0,0334
Petróleo 15 23,2132 -16,3927 -3,8006 3,0193 7,3921 -5,2194 -1,2662 0,8749

51
2000 5000
10000
2000
500
Predito
Predito
200 500
100
50
50
20
20
10
10 50 200 1000 5000 5e+01 5e+02 5e+03 5e+04
Observado Observado
Figura 28: a) Petróleo 12 - melhor ajuste individual pelo modelo Farah. b) Petróleo
15 - pior ajuste individual pelo modelo Farah.
Assim, o modelo para o Petróleo 12 é :
temperatura > T IAC :

ln(ln(ν + 0, 7)) = 24, 01 − 21, 65φ − 3, 97ln(K) + 3, 91φln(K)
temperatura < T IAC :

ln(ln(ν + 0, 7)) = 33, 17 − 13, 61φ − 5, 58ln(K) + 2, 50φln(K)

ln(ln(ν + 0, 7)) = 23, 21 − 16, 39φ − 3, 80ln(K) + 3, 02φln(K)

ln(ln(ν + 0, 7)) = 30, 61 − 21, 61φ − 5, 07ln(K) + 3, 89φln(K)
52
5.2.1.5 Novo modelo para viscosidade cinemática (Farah Modificado)
Para os óleos analisados, foi observada a existência de uma correlação linear

entre os parâmetros da equação de Farah e a taxa de cisalhamento. Tomando o
Pretróleo 2 como exemplo, foi feito o ajuste pelo modelo de Farah para cada taxa
de cisalhamento separadamente. Os gráficos dos coeficientes calculados pela taxa de
cisalhamento estão representados na figura 29.
5 5
ln(cisalhamento)
ln(cisalhamento)
4 4
3 3
31,0 31,2 31,4 31,6 31,8 −25 −24 −23 −22 −21 −20
k1 k2
5 5
ln(cisalhamento)
ln(cisalhamento)
4 4
3 3
−5,35 −5,30 −5,25 −5,20 3,6 3,8 4,0 4,2 4,4 4,6
k3 k4
Figura 29: análise dos parâmetros da equação de Farah e a viscosidade para o óleo
Petróleo 2.
Com base nessa observação, para cada parâmetro da equação original, criou-se
novos termos para incluir a taxa de cisalhamento. A equação resultante é apresentada
a seguir:
ln(ln(ν + 0, 7)) = k1 + k2 φ + k3 ln(K) + k4 ln(tcis) + k5 ln(tcis)ln(K)+

+ k6 φln(tcis) + k7 φln(K) + k8 φln(tcis)ln(K) (50)
53
O modelo proposto foi ajustado utilizando uma regressão linear generalizada.
Na tabela 14 estão representados os resultados de desempenho dos ajustes indi-

viduais para o conjunto de dados completo. A média dos Erros Absolutos Médios
(MAE) para o modelo descrito foi de 194,26. Já a média dos Erro Absoluto Médio
Percentual (MAPE) foi 17,49. Os valores do MAE variam muito entre os petróleos,
pois a variável resposta é a viscosidade cinemática, que apresenta valores bastante
distintos entre os petróleos.
Tabela 14: Resultados do ajuste individual dos petróleos para o modelo Farah
Modificado, sem TIAC
Óleo MAE MAPE

Petróleo 1 81,32 20,62
Petróleo 2 84,80 13,02
Petróleo 3 69,60 12,77
Petróleo 4 145,77 18,94
Petróleo 5 123,06 14,36
Petróleo 6 135,81 15,81
Petróleo 7 96,99 19,13
Petróleo 8 89,80 23,03
Petróleo 9 57,05 19,57
Petróleo 10 164,28 13,23
Petróleo 11 979,29 21,12
Petróleo 12 105,46 15,74
Petróleo 13 90,23 19,87
Petróleo 14 173,53 18,46
Petróleo 15 516,94 16,68
Média 194,26 17,49
Para realizar o ajuste da correlação para valores de temperatura acima e abaixo da

TIAC, foi criada uma variável Dummy t1 , que tem valor 0 se T emperatura > T IAC
e valor 1 se T emperatura < T IAC. O modelo está descrito na equação 51.
ln(ln(ν + 0, 7)) = k1 + k2 φ + k3 ln(K) + k4 ln(tcis) + k5 ln(tcis)ln(K) +

+k6 φln(tcis) + k7 φln(K) + k8 φln(tcis)ln(K) + t1 k9 +
t1 k10 φ + t1 k11 ln(K) + t1 k12 ln(tcis) + t1 k13 ln(tcis)ln(K) +
+t1 k14 φln(tcis) + t1 k15 φln(K) + t1 k16 φln(tcis)ln(K) (51)
54
como mostrado na equação 52:


 (0) : ln(ln(ν + 0, 7)) = k1 + k2 φ + k3 ln(K)+
k4 ln(tcis) + k5 ln(tcis)ln(K) + k6 φln(tcis)+




k7 φln(K) + k8 φln(tcis)ln(K)



t1 = (1) : ln(ln(ν + 0, 7)) = (k1 + k9 ) + (k2 + k10 )φ+
(k3 + k11 )ln(K) + (k4 + k12 )ln(tcis)+




(k5 + k13 )ln(tcis)ln(K) + (k6 + k14 )φln(tcis)+




(k7 + k15 )φln(K) + (k8 + k16 )φln(tcis)ln(K)

Na tabela 15 é apresentado o desempenho dos dos ajustes individuais de cada

um dos 15 petróleos. A média dos Erros Absolutos Médios (MAE) para o modelo
descrito foi de 154,41. Já a média dos Erro Absoluto Médio Percentual (MAPE) foi
12,69. O erro médio percentual do modelo foi menor em relação ao modelo único.
Os coeficientes ajustados para cada petróleo são apresentados nas tabelas 16 e 17.
Tabela 15: Desempenho do ajuste individual dos petróleos para o modelo Farah
Modificado utilizando a TIAC
Óleo MAE MAPE

Petróleo 1 37,38 10,72
Petróleo 2 93,66 10,60
Petróleo 3 70,73 10,14
Petróleo 4 93,22 14,42
Petróleo 5 60,72 8,73
Petróleo 6 92,75 13,71
Petróleo 7 57,85 13,93
Petróleo 8 73,10 18,20
Petróleo 9 46,31 14,45
Petróleo 10 135,21 9,97
Petróleo 11 802,87 15,15
Petróleo 12 55,82 10,49
Petróleo 13 58,67 12,85
Petróleo 14 190,25 16,44
Petróleo 15 447,53 10,61
Média 154,41 12,69
55
Farah Modificado
Petróleo 1 66,11 -64,27 -11,41 -5,61 0,99 6,99 11,51 -1,24
Petróleo 2 38,19 -15,98 -6,46 -1,24 0,22 -0,62 2,96 0,10
Petróleo 3 32,80 -20,27 -5,50 -0,88 0,15 0,29 3,73 -0,06
Petróleo 4 34,69 -19,41 -5,81 -1,56 0,27 1,03 3,53 -0,18
Petróleo 5 38,70 -28,27 -6,53 -1,93 0,34 1,67 5,11 -0,30
Petróleo 6 33,56 -20,13 -5,63 -1,14 0,20 0,67 3,70 -0,13
Petróleo 7 36,57 -12,78 -6,18 -1,30 0,23 0,04 2,39 -0,01
Petróleo 8 57,38 -56,05 -9,85 -5,05 0,89 6,18 10,05 -1,10
Petróleo 9 54,36 -35,43 -9,33 -2,68 0,47 0,57 6,39 -0,10
Petróleo 10 39,00 -35,99 -6,57 -2,18 0,38 3,01 6,49 -0,54
Petróleo 11 24,82 -15,45 -4,01 0,48 -0,09 -0,31 2,82 0,05
Petróleo 12 39,39 -13,13 -6,67 -1,56 0,27 -0,12 2,45 0,01
Petróleo 13 60,84 -60,53 -10,46 -3,76 0,66 3,77 10,83 -0,67
Petróleo 14 31,53 -12,41 -5,29 -0,75 0,13 -0,36 2,35 0,05
Petróleo 15 32,95 -24,78 -5,45 -0,59 0,10 0,80 4,46 -0,14
Farah Modificado
Óleo k9 k10 k11 k12 k13 k14 k15 k16

Petróleo 1 -42,03 38,82 7,39 5,78 -1,02 -6,23 -6,83 1,10
Petróleo 2 -12,74 -3,62 2,23 2,37 -0,41 -1,66 0,62 0,29
Petróleo 3 -5,73 5,05 0,98 0,60 -0,10 -1,14 -0,87 0,20
Petróleo 4 -5,86 1,09 1,00 1,05 -0,18 -1,17 -0,18 0,21
Petróleo 5 -10,66 -0,74 1,85 1,41 -0,25 -0,41 0,15 0,07
Petróleo 6 -7,21 6,09 1,26 1,05 -0,18 -1,60 -1,08 0,28
Petróleo 7 -10,64 -6,19 1,86 1,34 -0,23 -0,53 1,09 0,09
Petróleo 8 -26,68 30,36 4,69 4,74 -0,84 -6,93 -5,32 1,22
Petróleo 9 -28,74 14,92 5,03 2,79 -0,49 -1,53 -2,59 0,26
Petróleo 10 -10,26 20,02 1,78 2,16 -0,38 -4,60 -3,50 0,81
Petróleo 11 -1,98 10,01 0,29 -0,36 0,07 -1,52 -1,72 0,26
Petróleo 12 -15,33 -13,90 2,69 1,55 -0,27 1,47 2,42 -0,25
Petróleo 13 -35,86 42,47 6,30 3,69 -0,65 -4,30 -7,47 0,76
Petróleo 14 -8,39 3,26 1,47 0,87 -0,15 -0,87 -0,59 0,16
Petróleo 15 -8,48 14,16 1,43 0,27 -0,04 -2,24 -2,41 0,39

56
5000
2000
500
500
Predito
Predito
200
50
50
10 20
10
5
10 50 500 5000 10 50 200 1000 5000
Observado Observado
Figura 30: a) Petróleo 5 - melhor ajuste individual pelo modelo Farah Modificado.
b) Petróleo 8 - pior ajuste individual pelo modelo Farah Modificado.
Assim, o modelo para o Petróleo 5 é :

log(log(ν + 0, 7)) = 38, 7 − 28, 27φ − 6, 53ln(K) − 1, 93ln(tcis)
+0, 34ln(tcis)ln(K) + 1, 67φln(tcis) + 5, 11φln(K) − 0, 30φln(tcis)ln(K)

57

+0, 05ln(tcis)ln(K) − 0, 75φln(tcis) + 4, 73φln(K) + 0, 12φln(tcis)ln(K)
5.2.1.6 Novo Modelo para viscosidade relativa
Com o incremento da fração de água, a interação hidrodinâmica entre as gotas

aumenta, e eventualmente a interferência mecânica entre as partı́culas acaba ocor-
rendo. Para levar em conta essa interação, vários autores [60, 61, 62, 63] expandiram
a equação 53 de Einstein em uma forma polinomial [1]:
ηr = 1 + K1 φ + K2 φ2 + K1 φ3 + ... (53)
Onde φ representa a fração de água e K1 , K2 , K3 , ... são constantes
Os elementos de maior grau no polinômio representariam a interação entre as
partı́culas. Pelo fato do impacto da temperatura e taxa de cisalhamento ser maior
quando a concentração da fase dispersa aumenta, foram realizadas varias tentativas
de associar essas duas variáveis a elementos de maior grau do polinômio. Associ-
ando essa ideia com o modelo exponencial de Richardson [47], chegamos a seguinte
equação:
ln(ηr ) = K1 φ + K2 φ2 + K3 T φ4 + K4 ln(T cis)φ4 (54)

Onde:
T é a temperatura em o C
T cis é a taxa de cisalhamento
K1 , K2 , K3 , K4 são constantes
Na tabela 18 estão representados os resultados dos ajustes individuais de cada
um dos 15 petróleos. A média dos Erros Absolutos Médios (MAE) para o modelo
descrito foi de 1,21. Já a média dos Erros Absolutos Médios Percentuais (MAPE)
foi 12,01.
58
Tabela 18: Desempenho do ajuste individual dos petróleos para o modelo Modelo
Novo, sem TIAC
Óleo MAE MAPE

Petróleo 1 1,07 10,74
Petróleo 2 0,80 11,07
Petróleo 3 1,01 9,34
Petróleo 4 0,67 10,62
Petróleo 5 1,14 11,02
Petróleo 6 0,83 10,05
Petróleo 7 0,43 8,45
Petróleo 8 3,35 18,37
Petróleo 9 0,86 12,45
Petróleo 10 1,87 14,42
Petróleo 11 0,66 11,14
Petróleo 12 0,41 6,05
Petróleo 13 1,60 17,68
Petróleo 14 1,02 14,54
Petróleo 15 2,37 14,21
Média 1,21 12,01
Para realizar o ajuste da correlação para valores de temperatura acima e abaixo da

TIAC, foi criada uma variável Dummy t1 , que tem valor 0 se T emperatura > T IAC
e valor 1 se T emperatura < T IAC. O modelo está descrito na equação 55.
ln(ηr ) = K1 φ + K2 φ2 + K3 T φ4 + K4 ln(T cis)φ4 +

t1 K5 φ + t1 K6 φ2 + t1 K7 T φ4 + t1 K8 ln(T cis)φ4 (55)
como mostrado na equação 56:

(0) : ln(ηr ) = K1 φ + K2 φ2 + K3 T φ4 + K4 ln(T cis)φ4
t1 =
(1) : ln(ηr ) = (K1 + K5 )φ + (K2 + K6 )φ2 + (K3 + K7 )T φ4 + (K4 + K8 )ln(T cis)φ4

dos Erro Absoluto Médio Percentual (MAPE) foi 8,85. Os coeficientes ajustados
para cada petróleo são apresentados na tabela 20.
59
Tabela 19: Desempenho do ajuste individual dos petróleos para o modelo Modelo
Novo ,para valores acima e abaixo da TIAC.
Óleo MAE MAPE

Petróleo 1 0,69 7,60
Petróleo 2 0,56 9,26
Petróleo 3 0,58 5,91
Petróleo 4 0,54 9,69
Petróleo 5 0,55 5,99
Petróleo 6 0,70 9,20
Petróleo 7 0,35 7,82
Petróleo 8 1,75 14,26
Petróleo 9 0,77 12,15
Petróleo 10 0,81 8,62
Petróleo 11 0,33 7,55
Petróleo 12 0,29 5,08
Petróleo 13 1,04 12,56
Petróleo 14 0,86 12,23
Petróleo 15 0,58 4,76
Média 0,69 8,85
Modelo Novo
Petróleo 1 1,3997 4,4308 0,1884 -1,0166 0,1364 1,7428 -0,1222 -0,2359
Petróleo 2 2,6389 3,7459 0,0443 -1,3571 -0,0399 -1,5632 0,0271 0,7308
Petróleo 3 1,5897 5,7520 0,0761 -1,3376 1,1071 -1,6064 -0,0518 0,5244
Petróleo 4 0,6427 5,0505 0,0534 -0,8218 1,4221 -1,1883 -0,0298 -0,0044
Petróleo 5 1,5385 4,1032 0,1440 -0,9846 0,7377 0,8754 -0,0551 -0,4756
Petróleo 6 0,2562 7,8586 0,0566 -1,4506 1,5662 -2,6039 -0,0411 0,4829
Petróleo 7 -0,4862 7,7996 0,0065 -1,0822 1,0677 -2,4353 0,0315 0,3382
Petróleo 8 0,6505 5,3199 0,2014 -0,9190 0,1071 3,3146 -0,1307 -0,6146
Petróleo 9 2,2748 2,6258 0,1251 -0,9025 0,2397 1,3179 -0,0899 -0,0073
Petróleo 10 1,6837 4,1415 0,2193 -1,0623 1,4934 -0,2189 -0,1763 0,1280
Petróleo 11 -0,5461 8,1165 0,2380 -1,6874 1,7981 -1,3199 -0,2506 0,8780
Petróleo 12 0,2923 6,7245 0,0121 -1,1502 1,0005 -3,1731 0,0624 0,4297
Petróleo 13 5,0719 -3,1327 0,4648 -0,5188 -3,3267 8,7494 -0,4341 -0,2877
Petróleo 14 2,9211 4,5607 0,0008 -1,7698 -1,0435 0,2833 -0,0063 0,7179
Petróleo 15 1,3957 3,3364 0,2258 -0,8980 0,1491 4,2592 -0,2016 -0,3343

60
100
100
50
50
20
20
Predito
Predito
10
10
5
5
2
2
1
1
1 2 5 10 20 50 1 2 5 10 20 50 100
Observado Observado
Figura 31: a) Petróleo 15 - melhor ajuste individual pelo modelo Modelo Novo. b)
Petróleo 8 - pior ajuste individual pelo Modelo Novo.
o modelo para o Petróleo 15 é :

ln(ηr ) = 1, 4φ + 3, 34φ2 + 0, 23T φ4 − 0, 90ln(T cis)φ4



61
5.2.1.7 Modelo Não-Paramétrico - k-Nearest Neighbour ponderado(wkNN)
Para avaliar o desempenho de um modelo não-paramétrico, foi escolhido o método

dos k-vizinhos mais próximos ponderado (wkNN). O modelo de regressão utiliza a
fração de água, temperatura e taxa de cisalhamento como variáveis regressoras. A
variável resposta é a viscosidade dinâmica relativa. Em modelos wkNN o ajuste se
resume a escolher o número de vizinhos k e a função núcleo (Kernel ) que minimizam
o erro do ajuste, no caso o Erro Médio Quadrático (Mean Squared Error - MSE ).
A métrica de distância entre os pontos D(xi , yi ) também pode variar. O algortimo
utiliza a distância de Minkowski que generaliza vários tipos de métricas de distância
pela escolha do parâmetro p:
n
!1/p
X
|xi − yi |p (57)
i=1
Os dois valores mais utilizados são p = 1 e p = 2, que representam respectiva-

mente a distância absoluta(ou distância de Manhatan) e a distância euclidiana [59].
No presente estudo utilizou-se apenas a distância Euclidiana (p = 2).
O ajuste foi feito variando o número de vizinhos (k), de 1 a 10, e o algorı́timo
do Kernel para os modelos retangular, triangular, epanechnikov, biweight, triweight,
gaussiano e inverso. Ou seja, para cada petróleo são realizadas 70 rodadas (número
de valores de k multiplicado pelos 7 tipos de kernel). Em cada rodada, o algoritmo
utiliza uma validação cruzada leave-one-out para todo o conjunto dos dados. Nesta
abordagem é realizado um cálculo de erro para cada dado da amostra. Ou seja, em
cada iteração um dos dados é retirado para teste e o restante dos dados é utilizado
no treinamento. Ao final o erro médio quadrático é calculado.
Após calcular todas as opções, o algoritmo indica a combinação [k,kernel] que
apresentou o menor erro. Na figura 32 esse conceito é representado visualmente para
o Petróleo 15. Nesse caso, o kernel selecionado foi triweight e o número de vizinhos
k = 4. A tabela 21 apresenta os valores do Erro Médio Quadrático calculados para
o Petróleo 15.
62
rectangular
triangular
50
epanechnikov
biweight
triweight
gaussian
40
mean squared error
inv
30
20
10
2 4 6 8 10
Figura 32: Gráfico mostrando o erro para cada valor de k e algoritmos de kernel,
para o método wkNN. A combinação de [k,kernel] com menor erro é indicada como
solução. Nesse caso,o kernel triweight e número de vizinhos k = 4.
Tabela 21: Erro Médio Quadrático calculado para todas as combinações de k e

kernel para o Petróleo 15.
rectangular triangular epanechnikov biweight triweight gaussian inv

1 9,51 9,51 9,51 56,89 56,89 9,51 9,51
2 8,28 5,21 5,32 5,07 5,40 7,34 6,25
3 12,69 5,67 5,95 5,20 5,32 9,99 8,19
4 9,36 6,19 6,80 5,47 5,03 7,91 6,71
5 15,32 6,69 7,43 5,93 5,37 11,03 8,79
6 13,90 7,65 8,67 6,73 5,79 10,28 7,97
7 18,05 8,80 10,10 7,57 6,34 12,56 9,51
8 21,23 10,05 11,70 8,45 6,88 14,45 10,86
9 21,77 11,84 13,82 10,00 7,89 15,43 11,39
10 24,34 12,63 14,68 10,77 8,53 16,62 12,51

dos Erro Absoluto Médio Percentual (MAPE) foi 5,67.
63
Tabela 22: Resultados do ajuste individual dos petróleos para o modelo wkNN
Óleo MAE MAPE Kernel k

Petróleo 1 0,87 6,54 triweight 4
Petróleo 5 0,79 5,55 biweight 2
Petróleo 14 0,35 5,12 epanechnikov 4
Média 0,57 5,67 - -

64
50
20
20
10
10
Predito
Predito
5
5
2
2
1
1
1 2 5 10 20 1 2 5 10 20 50
Observado Observado
Figura 33: a) Petróleo 12 - melhor ajuste individual pelo modelo wkNN. b) Petróleo
13 - pior ajuste individual pelo modelo wkNN.
5.2.1.8 Resultados Ajuste Individual
Na tabela 23 estão reunidos os resultados do desempenho de cada modelo, ba-

seados no Erro absoluto médio percentual (MAPE). Na figura 34 as estatı́sticas dos
erros calculados para cada modelo estão representadas na foma de boxplots. O mo-
delo que apresentou melhor desempenho foi o método dos k-vizinhos mais próximos
ponderado (wkNN) utilizando apenas a fração de água, temperatura e taxa de ci-
salhamento como variáveis regressoras. Na figura 34 é possı́vel observar que ele
apresentou o menor erro médio e a variância dos erros também foi menor que nos
outros modelos.
Entre os modelos paramétricos, os dois modelos novos, que incorporam a taxa
de cisalhamento em suas equações, apresentaram um Erro absoluto médio percentual
(MAPE) menor que os modelos existentes. o novo modelo baseado na viscosidade
relativa apresentou um desempenho um pouco melhor que o modelo de Farah modi-
ficado, que utiliza a viscosidade cinemática como variável resposta.
Para os três modelos em que foi realizado um ajuste para faixas acima e abaixo da
TIAC, pode-se observar uma diminuição no Erro absoluto médio percentual (MAPE).
A influência da TIAC no desempenho do modelo já havia sido observada por Farah
65
[46] para a viscosidade cinemática, mas o ajuste nessas duas faixas também influen-
ciou o modelo baseado na viscosidade relativa.
Tabela 23: Desempenho dos modelos pelo Erro absoluto médio percentual
(MAPE). Média, maior valor, menor valor e desvio padrão do MAPE, obtidos
dos 15 petróleos analisados em cada modelo.
média mı́nimo máximo sd

Richardson 24,88 18,31 39,58 5,22
Exponencial 20,25 10,95 32,10 6,06
Ronningsen 19,48 16,35 29,52 3,47
Farah, sem TIAC 23,72 18,58 34,77 4,59
Farah 20,49 15,69 30,72 4,12
Farah Modificado, sem TIAC 17,49 12,77 23,03 3,23
Farah Modificado 12,69 8,73 18,20 2,75
Modelo Novo, sem TIAC 12,01 6,05 18,37 3,33
Modelo Novo 8,85 4,76 14,26 2,91
wkNN 5,67 3,49 10,85 1,97
40
Erro Absoluto Médio Percentual
30
20
10
Farah Farah Modificado Farah Modelo Novo

Richardson Exponencial Ronningsen sem TIAC Farah sem TIAC Modificado sem TIAC Modelo Novo wkNN
Figura 34: Boxplots representando os resultados do Erro Absoluto Médio Percen-

tual (MAPE) de cada modelo.
5.2.2 Modelo Genérico
Para avaliar e comparar os modelos foi utilizada a técnica de validação cruzada.

Na validação cruzada o conjunto de dados é dividido em dois subconjuntos: o de
treinamento e o de validação (ou teste). O conjunto de treinamento é utilizado para
ajustar os parâmetros e as métricas de estimativa de desempenho do modelo são
feitas no conjunto de validação [58]. Em cada rodada separamos 1 óleo para ser
usado na validação. Os outros óleos foram usados no treinamento. Para cada óleo
66
avaliado dessa forma, foram calculadas as estatı́sticas de desempenho e depois foi
calculada a média das estatı́sticas. Como a base de dados possui 15 petróleos, para
cada modelo analisado são realizadas 15 rodadas, uma para cada petróleo.
Ao final, para possibilitar a comparação entre os modelos, são calculadas as mé-
dias dos Erros Absolutos Médios (MAE) e dos Erros Absolutos Médios Percentuais
(MAPE) das 15 rodadas.
5.2.2.1 Modelo Exponencial
A correlação foi ajustada utilizando uma regressão linear generalizada, com mo-
delo:
2)
ηr = e(a·φ+b·φ (58)
onde φ é a fração de água; a e b são parâmetros a serem ajustados.
Na tabela 24 estão representados os resultados da validação cruzada. A média
Tabela 24: Desempenho do ajuste por validação cruzada para o modelo Exponen-
cial
Óleo MAE MAPE

Petróleo 1 3,33 19,94
Petróleo 2 1,62 18,55
Petróleo 3 2,32 16,63
Petróleo 4 1,91 28,82
Petróleo 5 3,18 21,72
Petróleo 6 1,38 16,88
Petróleo 7 1,70 29,79
Petróleo 8 6,21 26,14
Petróleo 9 2,01 22,49
Petróleo 10 3,86 22,03
Petróleo 11 1,16 25,46
Petróleo 12 1,85 29,98
Petróleo 13 3,15 23,24
Petróleo 14 2,20 24,44
Petróleo 15 4,47 29,43
Média 2,69 23,70
67
20
15
15
Predito
Predito
10
10
5
0 10 20 30 40 0 5 10 15 20 25 30
Observado Observado
Figura 35: a) Petróleo 3 - melhor ajuste genérico pelo modelo Exponencial. b)

Petróleo 12 - pior ajuste genérico pelo modelo Exponencial.
Um novo ajuste, englobando todos os petróleos, foi realizado de forma a apresen-

tar um modelo genérico único. O modelo ajustado foi:
2)
ηr = e(2,3975φ+2,6153φ (59)
Na tabela 25 estão representados os erros observados ao aplicar o ajuste genérico

aos petróleos analisados. A média dos Erros Absolutos Médios (MAE) para o modelo
descrito foi de 2,65. Já a média dos Erro Absoluto Médio Percentual (MAPE) foi
23,25.
68
Tabela 25: Resultados do ajuste genérico dos óleos para o modelo Exponencial,
ajuste final
Óleo MAE MAPE

Petróleo 1 3,31 20,02
Petróleo 2 1,59 18,32
Petróleo 3 2,28 16,44
Petróleo 4 1,81 27,50
Petróleo 5 3,18 21,83
Petróleo 6 1,38 16,81
Petróleo 7 1,58 27,89
Petróleo 8 6,16 26,31
Petróleo 9 1,99 22,28
Petróleo 10 3,82 21,93
Petróleo 11 1,15 24,86
Petróleo 12 1,73 28,04
Petróleo 13 3,10 23,00
Petróleo 14 2,14 23,93
Petróleo 15 4,47 29,52
Média 2,65 23,25
5.2.2.2 Modelo Ronningsen
A correlação proposta por Ronningsen [33], foi ajustada utilizando uma regressão
ln(ηr ) = k1 + k2 T + k3 φ + k4 φT (60)
onde T é a temperatura em o C e k1 ,k2 ,k3 e k4 são parâmetros a serem ajustados.
69
Tabela 26: Desempenho do ajuste por validação cruzada para o modelo Ronningsen
Óleo MAE MAPE

Petróleo 1 2,66 19,30
Petróleo 2 1,33 21,35
Petróleo 3 1,96 16,73
Petróleo 4 1,56 29,13
Petróleo 5 2,33 18,48
Petróleo 6 1,40 21,01
Petróleo 7 1,88 37,29
Petróleo 8 5,74 28,15
Petróleo 9 1,06 19,47
Petróleo 10 3,37 20,51
Petróleo 11 0,90 26,93
Petróleo 12 1,90 37,01
Petróleo 13 2,75 24,44
Petróleo 14 2,52 31,54
Petróleo 15 3,53 25,34
Média 2,32 25,11

70
30
30
25
25
20
20
Predito
Predito
15
15
10
10
5
5
0
0
0 10 20 30 40 5 10 15 20
Observado Observado
Figura 36: a) Petróleo 3 - melhor ajuste genérico pelo modelo Ronningsen. b)

Petróleo 7 - pior ajuste genérico pelo modelo Ronningsen.

ln(ηr ) = −0, 095816 + 3, 498929T − 0, 002191φ + 0, 027394φT (61)
5.2.2.3 Modelo Farah
A correlação proposta por Farah, foi ajustada utilizando uma regressão linear
generalizada, com modelo:
ln(ln(ν + 0, 7)) = k1 + k2 φ + k3 ln(K) + k4 φln(K) (62)
Onde: K - temperatura em Kelvin.

O modelo proposto por Farah, foi ajustado utilizando uma regressão linear gene-
ralizada:
71
Tabela 27: Desempenho do ajuste por validação cruzada para o modelo Farah
Óleo MAE MAPE

Petróleo 1 316,16 109,95
Petróleo 2 244,92 48,58
Petróleo 3 225,74 32,70
Petróleo 4 267,03 26,39
Petróleo 5 267,40 22,39
Petróleo 6 281,25 20,05
Petróleo 7 309,27 89,08
Petróleo 8 274,06 80,54
Petróleo 9 403,47 142,46
Petróleo 10 939,02 42,45
Petróleo 11 5406,92 82,95
Petróleo 12 222,21 41,83
Petróleo 13 206,69 36,97
Petróleo 14 260,21 31,78
Petróleo 15 3726,13 74,01
Média 890,03 58,81
Na figura 37 são apresentados os gráficos dos valores Observado x Preditos dos

72
4000
4000
3000
3000
Predito
Predito
2000
2000
1000
1000
0
0
0 2000 6000 10000 0 500 1500 2500 3500
Observado Observado
Figura 37: a) Petróleo 6 - melhor ajuste genérico pelo modelo Farah. b) Petróleo
9 - pior ajuste genérico pelo modelo Farah.

ln(ln(ν + 0, 7)) = 31, 11 − 23, 75φ − 5, 21ln(K) + 4, 30φln(K) (63)
5.2.2.4 Modelo Farah Modificado
A nova correlação, foi ajustada utilizando uma regressão linear generalizada, com
modelo:
log(log(ν + 0, 7)) = k1 + k2 φ + k3 log(K) + k4 log(tcis) + k5 log(tcis)log(K)+

+ k6 φlog(tcis) + k7 φlog(K) + k8 φlog(tcis)log(K) (64)

73
Tabela 28: Desempenho do ajuste por validação cruzada para o modelo Farah
Modificado
Óleo MAE MAPE

Petróleo 1 333,83 106,65
Petróleo 2 231,14 46,06
Petróleo 3 128,23 28,81
Petróleo 4 176,84 23,47
Petróleo 5 164,94 18,40
Petróleo 6 213,06 17,99
Petróleo 7 320,87 87,86
Petróleo 8 202,71 75,58
Petróleo 9 429,19 136,09
Petróleo 10 897,07 43,61
Petróleo 11 5292,55 83,53
Petróleo 12 176,15 38,34
Petróleo 13 134,44 30,72
Petróleo 14 198,13 29,06
Petróleo 15 3631,80 74,90
Média 835,40 56,07

74
8000
6000
6000
4000
Predito
Predito
4000
2000
2000
0
0
0 2000 6000 10000 0 500 1500 2500 3500
Observado Observado
Figura 38: a) Petróleo 6 - melhor ajuste genérico pelo modelo Farah Modificado.
b) Petróleo 9 - pior ajuste genérico pelo modelo Farah Modificado.

log(log(ν + 0, 7)) = 30, 9887 − 24, 7066φ − 5, 1841ln(K) + 0, 0007ln(tcis)

−0, 0046ln(tcis)ln(K) − 0, 0389φln(tcis) + 4, 5010φln(K) + 0, 0018φln(tcis)ln(K)(65)
5.2.2.5 Modelo Não-Paramétrico - K-Nearest Neighbour (KNN) - visco-

sidade relativa
A princı́pio foi utilizado um modelo de regressão wkNN para calcular a viscosidade

relativa apenas com base na fração de água, temperatura e cisalhamento.
75
Tabela 29: Desempenho do ajuste por validação cruzada para o modelo wkNN
Óleo MAE MAPE Kernel k

Petróleo 11 0,96 17,01 triangular 10
Média 2,07 17,78 - -

76
50
40
40
30
30
Predito
Predito
20
20
10
10
0
0
0 5 10 15 20 25 30 5 10 15 20
Observado Observado
Figura 39: a) Petróleo 6 - melhor ajuste genérico pelo modelo wkNN. b) Petróleo
7 - pior ajuste genérico pelo modelo wkNN.
5.2.2.6 Modelo Souza
A correlação proposta por Souza (2010) [21] foi ajustada utilizando uma regressão
ln(ηr ) = φ · (k1 + k2 T + k3 ln(γ) + k4 ln(o AP I) + k5 φ) (66)

as constantes k1 ,k2 ,k3 ,k4 e k5 são os parâmetros a serem ajustados.
77
Tabela 30: Desempenho do ajuste por validação cruzada para o modelo Souza
Óleo MAE MAPE

Petróleo 1 2,19 13,64
Petróleo 2 1,86 20,67
Petróleo 3 1,30 11,18
Petróleo 4 2,00 24,31
Petróleo 5 1,85 11,71
Petróleo 6 1,26 14,28
Petróleo 7 2,10 30,36
Petróleo 8 5,28 21,31
Petróleo 9 1,11 14,89
Petróleo 10 3,00 17,40
Petróleo 11 0,62 15,86
Petróleo 12 2,09 29,38
Petróleo 13 2,34 21,73
Petróleo 14 2,74 29,77
Petróleo 15 3,23 18,11
Média 2,20 19,64

78
40
40
30
30
Predito
Predito
20
20
10
10
0
0
0 10 20 30 40 5 10 15 20
Observado Observado
Figura 40: a) Petróleo 3 - melhor ajuste genérico pelo modelo Souza. b) Petróleo
7 - pior ajuste genérico pelo modelo Souza.

ln(ηr ) = φ(0, 4695 + 0, 0232T − 0, 2502ln(γ) + 0, 6964ln(o AP I) + 2, 5922φ) (67)
5.2.2.7 Modelo Novo
A nova correlação proposta foi ajustada utilizando uma regressão linear genera-
lizada, com o modelo:
ln(η) = K1 φ + K2 φ2 + K3 T φ4 + K4 ln(T cis)φ4 (68)

Onde:
T é a temperatura em o C
T cis é a taxa de cisalhamento
K1 , K2 , K3 , K4 são constantes
79
Tabela 31: Desempenho do ajuste por validação cruzada para o modelo Modelo
Novo
Óleo MAE MAPE

Petróleo 1 2,05 13,45
Petróleo 2 1,47 13,96
Petróleo 3 1,53 12,91
Petróleo 4 2,14 24,20
Petróleo 5 1,74 13,11
Petróleo 6 1,48 14,28
Petróleo 7 2,06 28,02
Petróleo 8 5,12 21,66
Petróleo 9 1,34 15,01
Petróleo 10 2,74 17,97
Petróleo 11 0,75 19,11
Petróleo 12 2,16 27,73
Petróleo 13 2,08 18,62
Petróleo 14 2,66 25,44
Petróleo 15 3,10 20,48
Média 2,16 19,06

80
60
50
50
40
40
Predito
Predito
30
30
20
20
10
10
0
0
0 10 20 30 40 5 10 15 20
Observado Observado
Figura 41: a) Petróleo 3 - melhor ajuste genérico pelo modelo Modelo Novo. b)
Petróleo 7 - pior ajuste genérico pelo modelo Modelo Novo.

ln(ηr ) = 1, 8415φ + 4, 4589φ2

+0, 0823T φ4 − 1, 1086ln(T cis)φ4 (69)
5.2.2.8 Modelo Netto
A correlação proposta por Netto (2001) [43] foi ajustada utilizando uma regressão
linear generalizada, com o modelo:
2)
ηr = e(k1 φ+k2 AP Iφ+k3 φ (70)
onde:
API é a densidade API
k1 , k2 e k3 são constantes
81
Tabela 32: Desempenho do ajuste por validação cruzada para o modelo Netto
Óleo MAE MAPE

Petróleo 1 3,31 20,16
Petróleo 2 1,77 20,54
Petróleo 3 2,28 16,46
Petróleo 4 1,89 28,64
Petróleo 5 3,18 21,83
Petróleo 6 1,38 17,01
Petróleo 7 1,84 31,89
Petróleo 8 6,24 25,85
Petróleo 9 1,97 21,67
Petróleo 10 3,95 22,14
Petróleo 11 1,16 24,51
Petróleo 12 1,89 30,58
Petróleo 13 3,18 23,34
Petróleo 14 2,18 24,26
Petróleo 15 4,47 28,47
Média 2,71 23,82

82
20
20
15
15
Predito
Predito
10
10
5
5
0 10 20 30 40 5 10 15 20
Observado Observado
Figura 42: a) Petróleo 3 - melhor ajuste genérico pelo modelo Netto. b) Petróleo
7 - pior ajuste genérico pelo modelo Netto.

2)
ηr = e(1,3684φ+0,0406AP Iφ+2,4967φ (71)
5.2.2.9 Desempenho Modelos Genéricos
Na tabela 33 estão reunidos os resultados do desempenho de cada modelo, basea-

dos no Erro absoluto médio percentual (MAPE). Na figura 43 as estatı́sticas dos erros
calculados para cada modelo estão representadas na foma de boxplots. Se destaca na
figura o desempenho ruim dos modelos que não utilizam a viscosidade relativa como
variável resposta. Os modelos de Farah e Farah modificado, que utilizam a visco-
sidade cinemática como variável resposta, apresentaram desempenho muito inferior
aos dos outros modelos. Na figura 44 eles foram retirados para facilitar a visualização
dos outros modelos.
83
Tabela 33: Desempenho dos modelos pelo Erro absoluto médio percentual
(MAPE). Média, maior valor, menor valor e desvio padrão do MAPE, obtidos
dos 15 petróleos analisados em cada modelo.
média mı́nimo máximo sd

Exponencial 23,70 16,63 29,98 4,56
Ronningsen 25,11 16,73 37,29 6,50
Farah 58,81 20,05 142,46 36,10
Farah Modificado 56,07 17,99 136,09 35,94
wkNN 17,78 9,87 29,57 6,52
Souza 19,64 11,18 30,36 6,47
Modelo Novo 19,06 12,91 28,02 5,36
Netto 23,82 16,46 31,89 4,60
140
120
100
80
60
40
20
Exponencial Ronningsen Farah Farah Modificado wkNN Souza Modelo Novo Netto

O modelo que apresentou melhor desempenho foi o modelo dos k-vizinhos mais
proximos ponderado (wkNN) utilizando apenas a fração de água, temperatura e
taxa de cisalhamento como variáveis regressoras. Entre os modelos paramétricos que
utilizaram a viscosidade relativa como variável regressora, os modelos de Souza e o
Modelo Novo, que utilizam a taxa de cisalhamento na sua fórmula, apresentaram um
Erro Absoluto Médio Percentual um pouco melhor que os modelos.
84
35
30
25
20
15
10
Exponencial Ronningsen wkNN Souza Modelo Novo Netto

85
6 Considerações Finais
Como a viscosidade relativa é uma relação entre a viscosidade da emulsão e a
viscosidade do petróleo desidratado, ela elimina em grande parte a influência da
grande variação de viscosidade existente entre os petróleos. Como a densidade API é
altamente correlacionado com a viscosidade do óleo, a sua influência também é bem
menor nos modelos que utilizam a viscosidade relativa como variável resposta do que
nos modelos baseados na viscosidade dinâmica e cinemática.
Como consequência, os modelos que utilizam a viscosidade relativa apresentaram
resultados melhores que os modelos baseados na viscosidade cinemática e dinâmica
quando foi realizado o ajuste genérico dos petróleos. É importante notar que os mo-
delos que utilizavam a viscosidade cinemática e dinâmica testados não incluı́am entre
suas variáveis explicatórias nenhuma propriedade que pudesse sanar essa desvanta-
gem. Nesse sentido, a densidade API ou a viscosidade inicial do óleo desidratado são
candidatos promissores para serem utilizados em futuros estudos.
Para o ajuste individual dos óleos, não foi observada uma diferença de desempe-
nho tão grande entre os modelos baseados na viscosidade relativa e os modelos que
utilizam a viscosidade dinâmica ou cinemática.
Pela análise dos dados, e dos erros nos modelos de regressão, foi observado um
comportamento altamente não-linear da temperatura e da taxa de cisalhamento na
viscosidade relativa das emulsões. Modelos não-paramétricos geralmente apresentam
bons resultados em problemas não-lineares. Para o ajuste individual, o método de
regressão não-paramétrico wkNN apresentou resultados melhores que os métodos de
regressão paramétricos tradicionais.
Para simuladores de escoamento, se os dados laboratórias estiverem disponı́veis,
a utilização do modelo wkNN pode representar bem a viscosidade relativa. É impor-
tante observar que o método wkNN não consegue representar bem valores fora da
faixa dos dados de treinamento, por isso, os dados levantados no laboratório devem
abranger faixas de temperatura, taxa de cisalhamento e fração de água que serão
encontradas ao longo do sistema de produção do campo.
O comportamento da viscosidade das emulsões após a inversão de fases não fez
parte do escopo desse trabalho, por isso não foi possı́vel verificar se o método de
regressão não-paramétrico wKNN conseguiria modelar bem esse mudança abrupta
na viscosidade. Seria interessante levantar em laboratório a reologia das emulsões em
toda faixa de concentração de água (0% a 100%) para verificar se o modelo proposto
conseguiria predizer a viscosidade nessas condições.
86
7 Conclusões
Para o ajuste individual, o modelo que apresentou melhor desempenho foi o mé-
todo dos k-vizinhos mais próximos ponderado (wkNN), sendo capaz de descrever
com boa precisão o comportamento reológico dos petróleo leves brasileiros, utili-
zando apenas a fração de água, temperatura e taxa de cisalhamento como variáveis
regressoras. Entre os modelos paramétricos, os dois modelos novos, que incorporam
a taxa de cisalhamento em suas equações, apresentaram um desempenho melhor que
os modelos existentes.
Para o ajuste genérico, os modelos que utilizam a viscosidade relativa como va-
riável resposta apresentaram desempenho melhor que os modelos que utilizam a vis-
cosidade cinemática. Apesar do modelo wkNN e do novo modelo paramétrico, com
viscosidade relativa como variável resposta, apesentarem um desempenho um pouco
melhor que os modelos existentes, a diferença de desempenho não é tão significativa
quanto a que foi observada no ajuste individual.
A revisão da literatura sobre emulsões realizada nesse trabalho serviu de base
para a melhor compreensão das variáveis envolvidas na modelagem matemática do
comportamento reológico das emulsões.
Foi realizada uma análise dos dados reológicos das emulsões de petróleos leves
Brasileiros, fornecidas pelo Centro de Pesquisa da Petrobras (CENPES). Observou-se
que com o incremento da fração volumétrica de água há um aumento significativo na
viscosidade do fluido. Com o aumento da fração de água, todos os petróleos apresen-
taram também um aumento do comportamento não-newtoniano das suas emulsões.
Como consequência, a da taxa de cisalhamento deve ser observada na modelagem
matemática da viscosidade das emulsões. A formação de parafinas, em temperaturas
abaixo da TIAC, também se mostrou importante. Os modelos paramétricos pro-
postos tiveram uma melhora significativa quando foram feitos ajustes independentes
para faixas acima e abaixo da TIAC.
87
8 Referências
[1] Schramm, L.L., Emulsions, Fundamentals and applications in them petroleum
industry, Advancesin Chemistry Series 231, 1992
[2] Schramm, L.L., Emulsions, Foams and Suspensions, Wiley, 2005
[3] Kokal, S., Crude-Oil Emulsions: A State-Of-The-Art Review, SPE 77497, 2005
[4] Dourado,R.J., Oliveira,A.P., Silva,S.G. , Análise comparativa entre correlações
para predição da viscosidade de emulsões de diferentes tipos de petróleos, Sim-
pósio de Escoamento Multifásico de Emulsões. Macaé, 2005
[5] Lima, A.A, A viscosidade de Óleo Cru e de Soluções de Frações Pesadas de
Petróleo, UFRJ, dissertação de mestrado, 2006
[6] Almeida, A.R., Escoamento e transferência de Calor em Produção de Petróleo.,
Petrobras, 2014
[7] Thomas, J.E, et.al., Fundamentos de Engenharia de Petróleo, Editora Interci-
ência, 2004
[8] Uller, V.C., Oportunidades e Desafios da Colocação de Óleos Brasileiros no Mer-
cado Internacional: O Refino e o Mercado Norte-Americano de Combustı́veis,
COPPE/UFRJ, M.Sc., Planejamento Energético, 2007
[9] Aske, N., Characterisation of Crude Oil Components, Asphaltene Aggregation
and Emulsion Stability by means of Near Infrared Spectroscopy and Multivariate
Analysis , D.Sc.,Norwegian University of Science and Technology, Trondheim,
2002
[10] Bradley, H.B., Petroleum Engineering Handbook, Third Printing, Society of
Petroleum Engineers, Richardson, TX, U.S.A, 2001
[11] Szklo, A., Fundamentos do Refino do Petróleo, Editora Interciência, 2005
[12] Petrobras, http://www.petrobras.com.br/pt/nossas-atividades/areas-de-
atuacao/exploracao-e-producao-de-petroleo-e-gas/pre-sal/, Acesso em
08/11/2014
[13] Rossi, L.F.S., Morales,R.E.M. , Modelagem matemática do escoamento em emul-
são envolvendo água e óleo, Instituto Brasileiro de Petróleo e Gás - IBP, 2005
[14] Riazi,M.R., Characterization and Properties of Petroleum Fractions, ASTM ma-
nual series: MNL50, 2005
[15] Fan, T., Wang, J., Buckley, J.S., Evaluating Crude Oils by SARA Analysis.,
Society of Petroleum Engineers, doi:10.2118/75228-MS, 2002
88
[16] Machado, J.C.V., Reologia e Escoamento de Fluidos - Ênfase na Indústria de
Petróleo. Editora Interciência, Rio de Janeiro, 2002.
[17] Speight, J.G., Heavy OilProductionProcesses, Elsevier, 2011
[18] Speight, J.G., Handbook of Industrial Hydrocarbon Processes, Elsevier, 2011
[19] Speight, J.G., The Chemistry and Technology of Petroleum, 4th edition, CRC
Press, 2007
[20] Souza,T.A , Inversão de emulsões de petróleo usando partı́culas sólidas. M.Sc.,

UFPR, 2009
[21] Souza,T.A , Equação para Previsão da Viscosidade de Emulsões de Petróleo,

Relatorio preliminar apresentado ao Cenpes, 2010
[22] Salager, J.L., Emulsion Phase Inversion Phenomena, Emulsion end Emulsion
Stability, 2006
[23] Salager, J.L., Briceño, M.A., Brancho, C.L., Heavy Hydrocarbon Emulsions Ma-
king use of the State Of-Art in Formulation Engineering, Encyclopedic Hand-
book of Emulsion Technology, Cap. 20 p. 455-495, 2001.
[24] Musser, B.J., Kilpatrick, P.K.Energy Fuels, 12, 715-725, 1998
[25] Zaki, N., Schorling, P.C., Rahimian, I., Petroleum Science and Technology , 18,
945- 963, 2000
[26] Lee, R.F., Spill Science and Technology Bulletin, 5, 117-126, 1999
[27] Manning, F.S., Thompson, R.E., Oilfield Processing, Volume Two: Crude Oil,
PennWell, Tulsa, 1991
[28] Dowd, W.T., Kuuskraa, V.A., A Technical and Economic Assessment of Do-
mestic Heavy Oil. DOE Report, DOE/BC/10840-1, 1998.
[29] Chaudhuri, U.R.,Fundamentals of Petroleum and Petrochemical Engineering,

Chemical Industries/130, CRC Press, 2011.
[30] Becker, J. R. , Crude oil: Waxes, Emulsions, and Asphaltenes, Penn Well Pu-
blishing Company, 1997.
[31] Oliveira,R.C.G., Gonçalves,M.A.L. , Emulsion Rheology - Theory vs. Field Ob-

sevation, OTC, Houston, 2005.
[32] Woelflin, W. , The Viscosity of Crude-Oil Emulsion, Drilling and Production

Practice, API, p. 148-153, 1942.
89
[33] Rønningsen,H.P. , Correlations for Predicting Viscosity of W/O Emulsions Ba-
sed on North Sea Crude oils, SPE International Symposium on Oilfielfd Che-
mistry, SPE 28968, 1995.
[34] Pal,R., Rhodes,E. , Viscosity/Concentration Relationships for Emulsions, Jour-

nal of Rheology.,33, p.1021-1045, 1989.
[35] Einstein, A. , Eine Neue Bestuimmung Der Molekularddimensionen, Ann. Phy-

sik, vol. 9, pp. 289-306, 1906.
[36] Taylor, G. ,The viscosity of a fluid containing small dropd of another fluid., R.
Soc. Lond. 138, 1932.
[37] Phan-Thien, N., Pham, D.C.,Differential multiphase models for poly dispersed
suspensions and particulate solids., J. Non-Newton. Fluid Mech. 72, 1997.
[38] Pal, R., Viscosity concentration equation for emulsions of nearly spherical drops.,
J. Colloid Interface Sci. 231, 2000.
[39] Pal, R., Rhodes, E., Viscosity/Concentration Relationships for Emulsions, J.

Rheol. 33 (7), 1989
[40] Pal, R., Yan, Y., Masliyah, J., Rheology of Emulsions, Emulsions, Ed. L. Sch-
ramm, Advances in Chemistry Series, American Chemical Society, Washington,
D.C., 1992
[41] Charnet,R., et al. , Análise de modelo de regressão linear. , Campinas, 2001.
[42] Ratkowsky,D.A. , Handbook of non-linear regression models, 1989
[43] Netto, J.R.F. ,Estabelecimento de Modelo de Predição de Viscosidade de emul-

sões A/O, Petrobras, 2001
[44] Oliveira,M.C.K, et. al. , Flow Assurance Study for Waxy Oils, Energy Fuels
2012, 26, 2688-2695
[45] Alomair,O., et. al. , Viscosity Predictions of Kuwaiti Heavy Crudes at Elevated
Temperatures, SPE 150503, 2011
[46] Farah,M.A., et. al. , Viscosity of water-in-oil emulsions: Variation with tempe-
rature and water volume fraction, Journal of Petroleum Science & Engineering
48 (2005), 169-184
[47] Richardson, E.G. , Koolloid-Z. 65, pg. 32, 1933
[48] Broughton, G., Squires, L.; The Viscosity of Oil-Water Emulsions,J. Phys.
Chem, vol. 20, pp. 253-263, 1938
90
[49] Walther,C. , The evaluation of viscosity data. Erdolund Teer 7, 382-384 (1931)
[50] Rezende,S.O.,et.al., Sistemas Inteligentes: fundamentos e aplicações. Baru-

eri,SP:Manole,2003
[51] Russel,S.J., Norvig,P., Inteligência Artificial: tradução da segunda edição. Rio

de Janeiro: Elsevier,2004
[52] R Core Team, R: A language and environment for statistical computing. R

Foundation for Statistical Computing, Vienna, Austria, 2013. ISBN 3-900051-
07-0, URL http://www.R-project.org/
[53] Omer, A.O.A, Pipeline Flow Behavior of Water-In-Oil Emulsions, D.Sc., Uni-
versity of Waterloo, Ontario, Canada, 2009
[54] Faraway, J.J., Extending the linear Model with R: Generalized Linear, Mixed
Effects and Nonparametric Regression Models, Chapman Hall/CRC, 2006
[55] Sheather, J.S., A Modern Approach to Regression with R, Springer, 2009
[56] Wright, D.B, London, K.; Modern Regression Techniques Using R, Sage, 2009
[57] Tan, P., Steinbach, M., Kumar,V.; Introduction to Data Mining, Pearson, 2008
[58] Evsukoff, A.G., Inteligência Computacional em Mineração de dados: Fudamen-

tos e Aplicações, apostila curso mestrado FGV, 2013
[59] Hechenbichler, K., Schliep, K.; Weighted k-Nearest-Neighbor Techniques and

Ordinal Classification,Sonderforschungsbereich 386, Paper 399, 2004
[60] Hayashi, H., Sampei, T., Oda, S., Ohtomo, S. ;Proceedings of the 7th Interna-
tional Conference on Hydraulic Transport of Solids in Pipes, British Hydrody-
namics Research Asociation, UK, 1980
[61] Moujaes, S.F.;Can. J. Chem. Eng.,62,62, 1984
[62] Torrest, R.S., Savage, R.W.;Can. J. Chem. Eng.,53,699, 1975
[63] Nasr-El-Din, H., Shock, C.A.;Int. J. Multiphase Flow, 12, 427, 1986
91

Predicao Da Viscosidade de Emulsoes para Petroleos Leves Brasileiros, Daniel Fialho Madureira, 2015

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Predicao Da Viscosidade de Emulsoes para Petroleos Leves Brasileiros, Daniel Fialho Madureira, 2015

Uploaded by

Copyright:

Available Formats

Fundação Getúlio Vargas

Escola de Matemática Aplicada

Daniel Fialho Madureira

Predição da Viscosidade de Emulsões para

Predição da Viscosidade de Emulsões para

Dissertação submetida à Escola de Ma-

Área de Concentração: Simulação

Orientador: Flávio Coelho

Madureira, Daniel Fialho

Dissertação (mestrado) - Fundação Getulio Vargas, Escola de Matemática

1. Viscosidade. 2. Reologia. 3. Emulsões. 4. Modelos matemáticos. 5. Correlação

A minha esposa Patrı́cia, pelo amor, companheirismo e dedicação em todas as

Aos meus orientadores Flávio e Crysttian , pela ajuda, discussões, correções,

À Márcia Khalil pela oportunidade de conhecer as emulsões, pelo apoio experi-

A Petrobras, pelo investimento que faz no aprimoramento dos seus funcionários.

Ao colegas do CENPES, pelo apoio e compreensão.

A todos os professores do mestrado, pela sua dedicação ao ensino e motivação ao

A formação de emulsão de água-em-óleo gera um significativo incremento na vis-

Palavras-chave: Viscosidade; Reologia; Emulsões; Modelagem Matemática;

The formation of water-in-oil emulsion produces a significant increase in viscosity,

Keywords: Viscosity; Rheology; Emulsion; Mathematical modeling; Correlation

• Revisar a literatura sobre a modelagem da viscosidade de emulsões tipo água

• Investigar o comportamento reológico dos petróleos leves brasileiros e suas

• Avaliar o desempenho dos modelos existentes para previsão do comportamento

3.1 Composição quı́mica do Petróleo

3.2 Massa Especı́fica e Densidade

Figura 2: Curva de fluxo para os vários tipos de fluido.

Figura 3: Emulsão água em óleo(A/O) e a representação de uma gota de água

É necessário a presença de compostos emulsificantes para estabilizar as emulsões.

3.4.1 Agentes Emulsificantes do Petróleo

3.4.2 Tipo da Emulsão

As emulsões de petróleo podem ser classificadas em dois grupos principais em

Figura 4: Diferentes distribuições estatı́sticas de tamanho de gotas. A linha escura

3.4.4 Viscosidade da Emulsão

Figura 5: Influência da fração de água na viscosidade e tipo da emulsão. Fonte:

3.5 Modelos Matemáticos para Determinação da Viscosi-

ηe = νe (ρw φ + ρo (1 − φ)) (10)

Os parâmetros a e b foram ajustados de acordo com o tipo da emulsão (fraca,

Tabela 1: Coeficientes do modelo de Woelflin. [32]

ln(ηr ) = φ(k1 + k2 T + k3 ln(γ) + k4 ln(o AP I) + k5 φ) (20)

log(log(ν + 0, 7)) = A + Blog(K) (21)

ln(ln(νe + 0, 7)) = k1 + k2 φ + k3 ln(K) + k4 φln(K) (22)

4.1 Preparo das Emulsões

4.2 Determinação da Viscosidade

Por analogia temos,

η = K.γ n−1 (25)

Os resultados de viscosidade foram inseridos na equação 25 para obtenção dos

4.3 Técnicas de Regressão

ei = yi − ŷi , i = 1, .., N (26)

Um modelo de regressão paramétrico calcula uma estimativa ŷi da variável de

ŷi = f (xi |β)

A regressão linear convencional utiliza o método dos mı́nimos quadrados (MMQ)

4.4 Medidas de Desempenho dos Modelos

ei = yi − ŷi , i = 1, ..., N (37)

Erro absoluto médio percentual (MAPE), variante do MAE:

5.1 Análise dos Dados de Caracterização dos Petróleos

Tabela 2: Principais caracterı́sticas dos petróleos selecionados: densidade API,

Petróleo API TIAC Saturado Aromático Resina Asfalteno Viscosidade

Na tabela 3 são apresentadas as estatı́sticas descritivas do conjunto de dados: va-

Tabela 3: Estatı́stica bası́cas das caracterı́sticas: densidade API, TIAC, SARA e

API TIAC Saturado Aromático Resina Asfalteno Viscosidade

50 100 150 20 50 100 200

Viscosidade (cP) Viscosidade (cP)