Upload
lekhanh
View
213
Download
0
Embed Size (px)
Citation preview
AVALIAÇÃO A PARTIR DA ANÁLISE
DE REGRESSÃO DA INFLUÊNCIA DE
PARÂMETROS METEOROLÓGICOS DA
POLUIÇÃO ATMOSFÉRICA DE MP-10
EM UM PONTO DE BELO HORIZONTE
Igor Felipe Silva Moura (DEN/UFMG)
Ananda Borjaille Cruz (CDTN/CNEN)
Maria Angela de Barros Correia Menezes (CDTN/CNEN)
ALBERTO AVELLAR BARRETO (CDTN/CNEN)
A poluição do ar nas grandes metrópoles causa efeitos danosos a saúde, meio
ambiente e economia, afetando diretamente a população. As principais fontes
emissoras de poluentes são industriais e veiculares. Neste cenário, o presente
trabalho tem como objetivo modelar estatisticamente a concentração de
material particulado atmosférico (< de 10µm) a partir de informações
geradas em um amostrador de grande volume utilizando filtro de ar
borossilicato sem aglutinantes. Mediante análise estatística, a concentração
de poluentes foi relacionada com dados de uma estação meteorológica, foi
estimado um modelo de regressão para concentração, utilizando variáveis
não controláveis como a umidade, temperatura, pressão atmosférica, época
do ano e velocidade do tempo. Demais variáveis (geográficas, emissões, etc)
foram consideradas constantes. Com o uso do modelo de regressão, obteve-se
um coeficiente de determinação de 95%.
Palavras-chave: Material particulado, Regressão
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
2
1. Introdução
Em todo o mundo, o desenvolvimento humano acarreta uma crescente emissão de
poluentes atmosféricos através de indústrias e pela própria evolução urbana, onde acrescenta
na atmosfera substâncias poluidoras que causam desequilíbrio ecológico, alteração das
condições climáticas e meteorológicas, acidificação da atmosfera que causam interferência na
saúde humana, e na economia (QUEIROZ et al, 2007).
Há diversas fontes emissoras de poluentes atmosféricos na RMBH, como minerações,
metalurgias, siderurgias, refinarias, depósitos industriais e veículos automotores que tornam a
caracterização da emissão de poluentes atmosféricos bastante diversificados, podendo emitir
compostos diretamente na atmosfera, como poeiras de rodovias, partículas geradas
mecanicamente e por combustão, ou por vapores condensados pela reação química
envolvendo percursores da fase gasosa ou de outros processos. (SALGADO, 2002).
Segundo Vieira (2009), as fontes provenientes de eventos antropogênicos, que são as
atividades industriais e o transporte, tem como os principais poluentes emitidos o monóxido
de carbono, dióxido de enxofre, óxidos de nitrogênio, material particulado e chumbo.
Segundo Júnior e Lacava (2003), as partículas do material particulado estão entre os
poluentes mais danosos ao meio ambiente, já que ao alterar os níveis de radiação solar que
atingem o solo, essas partículas alteram a temperatura do mesmo influenciando assim o
crescimento de plantas.
De acordo com Salgado (2002), durante a respiração, as partículas de material
particulado inaladas, são depositadas no trato respiratório. Partículas grossas (> 10μm) em sua
maioria são depositadas acima da laringe e as partículas mais finas (< 2,5µm) são depositadas
principalmente na região pulmonar. Quanto menor a partícula mais danos ela pode oferecer à
saúde humana já que devido ao seu menor tamanho elas podem penetrar mais profundamente
no trato respiratório.
Dentre esses impactos, o MMA (2015) afirma que se destacam a possibilidade de
desenvolver câncer respiratório, arteriosclerose, inflamação de pulmão, agravamento de
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
3
sintomas de asma, aumento de internações hospitalares que podem levar à morte.
Os principais compostos presentes no material particulado são sulfato, nitrato, amônia,
cloreto de sódio, chumbo, cádmio e mercúrio. No entanto, as proporções de cada componente
variam de acordo com a localização da amostragem. (SALGADO, 2002).
A partícula fina do material particulado, em especial aquelas partículas com diâmetro
2,5 µm ou menos, tem um grande tempo de residência na atmosfera podendo assim ser
transportada a grandes distâncias, o que aumenta sua capacidade de dispersão e
consequentemente o seu impacto sobre os indivíduos por meio do ar inalado (VIEIRA, 2009).
Devido aos diversos impactos relatados, é cada vez maior a preocupação em
desenvolver técnicas de monitoramento da qualidade do ar e procedimentos de análises do
material particulado.
A Região Metropolitana de Belo Horizonte (RMBH) possui Estações automáticas de
qualidade do ar operadas pela Fundação Estadual do Meio Ambiente (FEAM) onde estão
instalados analisadores de poluentes, sensores meteorológicos e sistemas de aquisição e
transmissão de dados. Estas Estações são localizadas em pontos estratégicos desta região.
O presente trabalho apresenta uma aplicação da regressão linear múltipla para a
avaliação da concentração de material particulado (MP10) em função de variáveis
meteorológicas. O objetivo é ajustar um modelo de regressão linear e averiguar a influência
dessas variáveis não controláveis na concentração de material particulado. Espera-se com
essas informações contribuir para o conhecimento da importância desses parâmetros na
qualidade do ar. O Estudo foi realizado em um ponto de BH com predominância de emissões
veiculares no período de 10/04/2014 a 21/11/2014.
2. Análise de regressão
A análise de regressão é uma ferramenta padrão utilizada na engenharia para analisar
dados de experimentos, onde aplicam técnicas e lógicas matemáticas para relacionar as
variáveis (PEDRINI, ANNA e CATEN, 2009).
Segundo Ragsdale (2009), a análise de regressão é utilizada para identificar uma
função que apresente uma relação entre a variável dependente e a variável independente, onde
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
4
seja possível presumir qual o valor que a assumirá a variável dependente, assumindo valores
para as variáveis independentes.
2.1. Análise de regressão múltipla
A análise de regressão múltipla é um método utilizado quando há uma variável
dependente Y e uma ou mais variáveis independentes X1, X2, ..., Xk (HAIR et al, 2009). Esse
método de regressão descreve uma função que aborde um resultado aproximado, onde a partir
dos valores das variáveis independentes, seja possível realizar uma previsão do valor da
variável dependente (RAGSDALE, 2009).
O contexto básico da regressão linear múltipla é quando a variável Y é de difícil
mensuração, e que se necessita de várias variáveis para que se possa encontrar o resultado da
variável Y, onde os passos para a realização da análise são a seleção de uma lista das
possíveis variáveis X, a coleta de dados das variáveis selecionadas, a verificação das relações
entre as variáveis X e Y, podendo eliminar as que não possuem uma boa relação e verificar
redundâncias nas variáveis X (RUMSEY, 2014).
Segundo Ragsdale (2009), a função da regressão linear múltipla é uma versão
estendida da regressão linear simples, onde a diferenciação ocorre pela quantidade de
variáveis independentes. A função que representa a regressão múltipla é:
Ŷ = b0 + b1X1 + b2X2 + ... + bkXk + Ɛ (1)
Ŷ representa o valor estimado observado nas amostras, b0 representa o valor constante e X1,
X2, ..., Xk representam variáveis independentes.
Segundo Ryan (2011), outro exemplo de regressão linear inclui polinômio
Ŷ = b0 + b0X + b11X2 + Ɛ (2)
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
5
Segundo Júnior et al. (2004), o modelo de regressão múltipla baseia-se em três
pressuposições básicas para que a análise possa ser válida, onde a relação é determinística, e
não estocástica para as variáveis dependentes e independentes, possuem distribuição normal
os erros de medida e não apresentam correlação as variáveis explicativas, não ocorrendo a
multicolinearidade.
A variação do coeficiente de determinação (R2) varia entre 0 e 1, onde R
2 = 0, o ajuste
da reta é inexistente, onde X é 0% de explicação da variação de Y, e quando R2 = 1, X explica
100% da variação do ajuste da reta de Y (SILVA [2], 2011).
2.2. ANOVA
A técnica estatística de comparação de duas ou mais médias para populações é feito
pela análise de variância (ANOVA), onde são testadas hipóteses. Quando se queira testar
hipótese nula de duas ou mais populações que são idênticas versus a hipótese que há alguma
média que é diferente das outras médias, é utilizado o ANOVA, considerando que elas sejam
independentes e distribuídas normalmente (MARIANO e MENESES, 2010).
2.3. Seleção de variáveis utilizando o método stepwise
Quando se tem uma grande quantidade de variáveis independentes, a primeira tarefa é
selecionar o método de estimação. O modelo stepwise localiza as melhores variáveis resposta,
baseando-se em sua capacidade de discriminação (NETO e MARTINS, 2011).
Segundo Rebelatto et al. (2014), as variáveis pela estimação stepwise são incorporadas
sequencialmente com sua capacidade de escolha da melhor variável discriminatória, onde
então, a variável inicial se junta com outras variáveis independentes, uma de cada vez para
obter o melhor resultado discriminatório, onde a função é escolhida. Após a escolha, avalia-se
o nível de significância por métodos estatísticos.
2.4. Geoprocessamento
O geoprocessamento pode ser aplicado em diversas áreas, como por exemplo, controle
de satélites, monitoramento e mapeamento de áreas, em construções civis, dentre outras.
Ainda deve se destacar que após o surgimento da cartografia, o geoprocessamento começou a
se destacar no desenvolvimento de pesquisas e estudos na área de climatologia, geologia e
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
6
meteorologia. (CASTANHO e CANDEIRO, 2013).
Geoprocessamento está relacionado ao conjunto de técnicas utilizadas para o
tratamento de informações geográficas ou georreferenciadas. O tratamento dessas
informações pode ser feito através de softwares específicos ou através de cálculos. (SILVA
[1], 2003).
3. Aplicação
Este estudo foi realizado no Centro de Desenvolvimento da Tecnologia Nuclear
(CDTN), na cidade de Belo Horizonte, capital de Minas Gerais, onde é uma instituição de
pesquisa da área nuclear, que tem vínculo ao Ministério da Ciência, Tecnologia e Inovação –
MCTI (CDTN, 2015).
O trabalho faz parte do projeto de “Caracterização do material particulado atmosférico
na Região Metropolitana de Belo Horizonte”, onde tem como meta gerar informações para
elaboração de projeto que impactam na melhoria da qualidade do ar. Os objetivos são a
determinação das concentrações do material particulado, caracterização das principais fontes e
avaliação da qualidade do ar nas áreas de estudo.
Foram selecionados para amostragem do projeto vários pontos espalhados na Região
Metropolitana de Belo Horizonte que são áreas próximas a grande fluxo veicular e a
indústrias de diversos ramos de atividade. A estratégia de selecionar os locais onde seriam
amostrados seguiam alguns critérios de proximidade as fontes de poluição e aglomeração de
pessoas, tivesse segurança para o equipamento e no estabelecimento permitisse a divulgação s
obre a qualidade do ar, onde após os resultados obtidos retornássemos ao local para
correlacionar com problemas de saúde.
O CDTN possui uma estação meteorológica localizada nas coordenadas longitude
UTM: 608065 e latitude UTM: 7802441 na zona 23K, para estudos de dispersão atmosférica e
qualidade do ar, onde são coletados alguns parâmetros como temperatura, velocidade e
direção do vento, umidade e pressão atmosférica (CDTN, 2015).
Para este estudo foram utilizadas 13 amostragens no período de 10/04/2014 à
21/11/2014, com um tempo de amostragem de 24 horas para cada filtro, na estação de
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
7
amostragem localizada nas coordenadas longitude UTM: 607746 e latitude UTM: 7802346 na
zona 23K a aproximadamente 330 metros da estação meteorológica, em frente à Rua
Professor Moacir Gomes de Freitas, localizada no interior do Campus da Universidade
Federal de Minas Gerais (UFMG).
O equipamento utilizado para obtenção do material particulado foi o amostrador de
grande volume com cabeça de separação por impactação inercial para determinação da
concentração de partículas de até 10 micrômetros (MP10) da marca Energética – Qualidade do
ar, com vazão de 1,13 m3/min e com um desvio abaixo de 1% em 24 horas (ENERGÈTICA,
2015).
O filtro utilizado foi o borossilicato sem aglutinantes, tipo patrão WHATMAN GF/A,
de modelo GFA8X10IN da marca Energética – Qualidade do ar, com dimensões de 203 x 254
mm, que é utilizado em amostradores de grande volume para monitoramento da qualidade do
ar para determinação da concentração de particulados, emissões em chaminés e aerossóis na
atmosfera (ENERGÉTICA, 2015).
Os filtros foram aquecidos em uma mufla da marca Quimis, modelo Q318M24, a uma
temperatura a 400 °C pelo período de 4 horas para eliminação de umidade e compostos
orgânicos.
A balança de precisão utilizada para pesagem dos filtros de ar foi da marca Sartorius,
modelo TE214S, com capacidade máxima de 210g e um desvio padrão igual a 0,1 mg (DWS,
2015).
Todos os equipamentos foram calibrados para a realização das amostragens.
Foram selecionadas variáveis não controláveis obtidas pela estação meteorológicas,
onde as medições são realizadas a cada 15 minutos. Em cada amostragem foram utilizados os
dados referentes aos horários de amostragem, e pela grande variação e grande frequência dos
dados, a moda se tornou mais representativa do que a média. As variáveis foram:
a) Umidade relativa;
b) Pressão Atmosférica;
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
8
c) Época do ano (representada em dias do ano);
d) Velocidade do vento;
e) Temperatura;
f) (Temperatura)2;
A variável temperatura possui distribuição polinomial, por isso foi necessária essa
aplicação no modelo de regressão.
3.1. Modelo de regressão linear
Foi ajustado o modelo de regressão múltipla, tendo como variável resposta a variação
do peso do filtro amostrado (peso do filtro final - peso do filtro inicial) e as variáveis
independentes (Umidade relativa, pressão atmosférica, época do ano, velocidade do vento,
temperatura e temperatura2). A intenção do ajuste desse modelo é identificar as variáveis que
mais influenciam na variação do peso do filtro amostrado. As variáveis utilizadas foram:
a) Y: Variação do peso do filtro amostrado (VAR);
b) X1: Umidade relativa (UMI);
c) X2: Pressão Atmosférica (PAT);
d) X3: Época do ano (EPA);
e) X4: Velocidade do vento (VEV);
f) X5: Temperatura (TP1);
g) X6: Temperatura2 (TP2);
O período de análise abrangeu 225 dias:
Tabela 1: Dados das amostras
VAR PAT
(mmhg)
UMI (%) EPA (dias) VEV (m/s) TP1 (°C) TP2 (°C)
0,0740 688,37 80,90 101 2,20 22,95 526,70
0,0144 689,21 74,20 136 0,66 16,83 283,25
0,0537 690,37 75,60 150 3,39 17,01 289,34
0,0569 690,33 68,29 177 2,16 19,86 394,42
0,1274 689,92 40,47 183 1,92 25,45 647,70
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
9
0,0591 691,45 73,40 191 2,41 22,62 511,66
0,0488 691,30 71,00 198 1,75 20,89 436,39
0,1260 690,67 25,53 217 0,53 27,65 764,52
0,1736 689,59 25,34 289 5,05 27,14 736,58
0,0806 690,08 63,18 290 5,05 20,24 409,66
0,0594 689,05 33,15 310 1,24 29,68 880,90
0,0508 690,00 70,70 311 2,33 24,28 589,52
0,0785 690,05 45,07 325 1,58 24,29 590,00
Fonte: Dados do pesquisador
O modelo inicial foi realizado da seguinte forma:
Y = β0 + X1 + X2 + X3 + X4 + X5 + X62 + ε. (3)
Utilizando o método Stepwise de seleção das variáveis, o melhor modelo para
identificação da variação foi:
Y = β0 + X1 + X3 + X4 + + X5 + X62 + ε. (4)
Considerando o modelo e realizando as análises, concluiu-se que o melhor ajuste é:
VAR = -0,2753 - 0,002146 UMI - 0,000277 EPA + 0,01431 VEV + 0,04384 TP1 -
0,000928 TP2 (5)
A tabela 2, que representa a análise de variância (ANOVA), apresenta o resultado de F
de significação < 0,05, onde foi rejeitado a não-significância dos parâmetros da equação a 5%,
onde demonstra que modelo de regressão foi significativo.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
10
Tabela 2: Teste de análise de variância (ANOVA)
ANOVA
GL SOMA DOS
QUADRADOS
MÉDIA DOS
QUADRADOS
F F DE SIGNIFICAÇÃO
Regressão 5,00 0,02 0,0041404849 50,70 0,00239%
Resíduo 7,00 0,00 0,0000816633
Total 12,00 0,02
Fonte: Dados do pesquisador
A estatística F testa os coeficientes para que todos sejam simultâneos, exceto a
constante que é igual a zero, para isso é necessário utilizar os dados de grau de liberdade
(GL), soma dos quadrados e média dos quadrados.
Tabela 3: Estatística de regressão
ESTATÍSTICA DE REGRESSÃO
R múltiplo 99%
R-Quadrado 97%
R-quadrado ajustado 95%
Erro padrão 0,009
Observações 13
Durbin-Watson Statistic 2,21025
COEFICIÊNTES ERRO
PADRÃO
STAT
T
VALOR
P
95%
INFERIORES
95%
SUPERIORES Intercpt -0,2753 0,0875 -
3,1462
1,62% -0,4822 -0,0684
UMI -0,0021 0,0003 -
8,5421
0,01% -0,0027 -0,0016
EPA
(dias)
-0,0003 0,0000 -
6,0437
0,05% -0,0004 -0,0002
VEV
(m/s)
0,0143 0,0021 6,8954 0,02% 0,0094 0,0192
TP1
(°C)
0,0438 0,0085 5,1761 0,13% 0,0238 0,0639
TP2
(°C)
-0,0009 0,0002 -
4,7922
0,20% -0,0014 -0,0005
Fonte: Dados do pesquisador
O modelo de regressão apresenta um coeficiente de determinação R2 no valor de 0,95,
conclui-se que 95% da variação do peso do filtro é explicado pelas variáveis umidade, época
do ano, velocidade do vento e temperatura, e os outros 5% por variáveis desconhecidas. Não
há problemas de multicolinearidade, pois a estatística Durbin-Watson é próxima ao valor 2.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
11
3.2. Fatores de transporte de poluentes
Uma breve avaliação dos fenômenos que influenciam no transporte de poluentes em
direção ao ponto de amostragem, ou seja, que influenciam na variação do peso do filtro é feito
por meio da direção e velocidade do vendo.
Na Figura 1 é demostrado a região onde o vento transporta o poluente em direção ao
equipamento de monitoramento da qualidade do ar, que internamente o filtro está inserido
para absorção desses poluentes.
Figura 1: Deslocamento de poluentes (média das amostras)
Fonte: Google Earth (2015)
Nota-se que na rosa dos ventos tem raias representando a velocidade e a direção do vento que
é proveniente da direção sudeste, onde parte dos poluentes provem do anel rodoviário,
caracterizando uma poluição veicular.
Na figura 2 é demostrado as fontes próximas do amostrador de poluição do ar.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
12
Figura 2: Fontes próximas ao amostrador
Fonte: Google Earth (2015)
As fontes provenientes próximas ao amostrador são caracterizadas como poluição
veicular e poeiras do solo. Pela grande movimentação automotora dentro do Campus da
UFMG, a poluição é bem característica.
A figura 3 um filtro de ar amostrado.
Figura 3: Filtro amostrado
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
13
Fonte: Imagem do pesquisador
Nota-se que a poluição proveniente do ar possui uma coloração acinzentada,
decorrente as fontes emissoras, principalmente dos escapamentos dos veículos automotores
que liberam monóxido de carbono, dióxido de enxofre, material particulado e etc.
4. Conclusão
O modelo de regressão evidencia que as variáveis umidade, velocidade do vento,
época do ano e temperatura foram os que mais influenciaram na variação do peso do filtro de
ar, por serem variáveis não-controláveis, provenientes da natureza, é impossível o controle
das mesmas.
Como sugestão de continuação deste trabalho, seria a consideração da variação da
carga de emissão de efluentes veiculares na região de estudo. Isto pode ser realizado por meio
de um estudo do tráfego automotivo urbano da região para quantificar o fluxo veicular e outro
estudo sobre a determinação dos elementos químicos e compostos presentes nessa poluição.
5. Referências
Filtro em branco Poluição do ar (MP10)
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
14
CASTANHO, Roberto B.. CANDEIRO, Carlos Roberto A.. Ensaios Geográficos. Rio de
Janeiro: Letra Capital, 2013.
CASTRO, Hermano Albuquerque de. Jornal Brasileiro de Pneumologia. V.32, suplemento
2, p.S 19-S 134. Maio, 2006.
CDTN. Centro de Desenvolvimento da Tecnologia Nuclear. <www.cdtn.br> . Acesso em:
2015.
DWS. Data Weighing Systems. <http://www.dataweigh.com/products/sartorius/te-series-
analytical-balance/te-214s/>. Acesso em: 2015.
ENERGÉTICA. Energética – Qualidade do ar. <http://www.energetica.ind.br/>. Acesso
em: 20015.
HAIR, Joseph F. Jr.; BLACK, William C; BABIN, Barry J.; ANDERSON, Rolph E.;
TATHAM, Ronald L.. Análise Multivariada de Dados. 6. Ed. Porto Alegre, Bookman,
2009.
JÚNIOR, João Andrade de Carvalho. LACAVA, Pedro Teixeira. Emissões de processos de
combustão. São Paulo: Editora UNESP, 2003.
MARIANO, Fabrício. MENESES, Anderson. Noções de estatística para concursos: teoria,
questões resolvidas e mais de 230 questões com gabarito. Rio de janeiro: Elsevier, 2010.
MMA (Ministério do meio Ambiente) - <http://www.mma.gov.br>. Aceso em: Abril, 2015.
NETO, José Antônio de Souza. MARTINS, Henrique Cordeiro. Finanças e governança
corporativa. Rio de Janeiro: Elsevier, 2011.
PEDRINI, Danilo Cuzzuol. ANNA, Angelo Marcio Oliveira Sant. CATEN, Carla
Schwengber tem. Sistemática para aplicação do gráfico de controle de regressão múltipla
no monitoramento de processos. XXIX Encontro Nacional de Engenharia de Produção.
Salvador, 2009.
QUEIROZ, P. G. M., JACOMINO, V. M. F., MENEZES, M. Â. B. C. Composição
elementar do material particulado presente no aerossol atmosférico do município de
Sete Lagoas, Minas Gerais. Quim. Nova, v. 30, No. 5, 1233-1239, 2007.
RAGSDALE, Cliff T.. Modelagem e análise de decisão. São Paulo: Cengage Learning,
2009.
REBELATTO, Daisy Aparecida do Nascimento ... [et al]. Marketing para cursos de
engenharia. 1. Ed. Rio de Janeiro: Elsevier, 2014.
RUMSEY, Deborah. Estatística II para leigos. Rio de Janeiro: Alta Books, 2014.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
15
RYAN, Thomas P. Estatística moderna para engenharia. Rio de Janeiro: Elsevier, 2011.
SALGADO, Paulo Eduardo de Toledo. Série Cadernos de Referência Ambiental, v. 14:
Informações gerais e ecotoxicológicas de material particulado. Salvador, 2002.
SILVA, Ademiro de Barros [1]. Sistema de Informações Geo-referenciadas: conceitos e
fundamentos. São Paulo: Editora da Unicamp, 2003.
SILVA, André Luiz Carvalhal da [2]. Introdução à análise de dados. Rio de Janeiro: E-
papers, 2011.
VIEIRA, Neise Ribeiro. Poluição do ar: indicadores ambientais. Rio de janeiro: E-papers,
2009.