PROJETO E DESENVOLVIMENTO DE PRODUTO: ESTUDO E PROPOSTA DE DISPOSITIVO PARA AUXILIAR NO TRATAMENTO DA ICTERÍCIA NEONATAL

Universidade Federal de Ouro Preto - UFOP Escola de Minas Departamento de Engenharia de Produção, Administração e Economia – DEPRO

PROJETO E DESENVOLVIMENTO DE PRODUTO: ESTUDO E PROPOSTA DE DISPOSITIVO PARA AUXILIAR NO TRATAMENTO DA ICTERÍCIA NEONATAL

MONOGRAFIA DE GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

Jorge Guerra Pires

Ouro Preto 2010

ii

Jorge Guerra Pires

Projeto e desenvolvimento de Produto: estudo e proposta de dispositivo para auxiliar no tratamento da icterícia neonatal

Monografia apresentada ao Colegiado do Curso de Graduação em ENGENHARIA DE PRODUÇÃO, do Departamento de Engenharia de Produção da Universidade Federal de Ouro Preto, como parte dos requisitos para a obtenção do Grau de Engenheiro de Produção.

Professor Orientador: Prof. Dra. Andrea Gomes Campos Bianchi

Ouro Preto 2010

iii

Não sei quem me pôs no mundo Nem o que é o mundo Nem o que eu mesmo sou Vivo em uma terrível ignorância de tudo Não sei o que é o meu corpo Nem os meus sentidos Sem a minha alma Nem mesmo que parte de mim pensa o que digo Que se reflete sobre tudo e sobre se mesma E ela própria não sabe mais do que o resto Vejo estes assustadores espaços do universo que me cerca E me encontro atado a um canto desta enorme vastidão Sem sabe por que estou colocando neste lugar e não em outro Nem por que este curto tempo que me é dado viver me é determinado neste ponto e não em qualquer outro de toda a eternidade que existiu antes de mim e existirá depois de mim nada vejo senão infinitos por todos os lados que me cercam como a um átomo e como um sopro que somente dura um instante e não volta mais tudo o que sei é que tenho de morrer mas o que eu menos conheço é esta mesma morte da qual não posso fugir

iv

Dedico esse trabalho a todos os cientistas que por não terem medo de navegar sozinhos em suas mentes mudaram nossa forma de pensar e ver o mundo. Também o faço a Miliene Furtado Gianecchini [que não está mais conosco, mas continua presente na minha vida] e a Laurimar [pela amizade tão forte quanto o arder da chama da minha ambição].

v

AGRADECIMENTOS “Não está na natureza das coisas que o homem realize um descobrimento súbito e inesperado; a ciência avança passo a passo e cada homem depende do trabalho de seus predecessores”. (Sir Ernest Rutherford) Sou parte de uma complexa teia de amigos que de uma forma ou de outra colaboraram para esse passo. Não seria capaz de agradecer a todos nesse breve momento, do qual já roubei alguns minutos.

Não escolhemos onde vamos nascer, mas podemos escolher como vamos viver. Gostaria de agradecer a Maury de Souza por me ensinar a pescar, por ser o irmão mais velho que não tive. Ângela Costa, por ser uma pessoa tão pura e meiga, uma segunda mãe. Júlio Tizon e família. Sérgio Leite e família. Dinheiro não traz felicidade, mas a felicidade tem custo. Valeu pelo aporte. Todos da Vila Samarco por acreditarem em mim mesmo eu sendo um mero jardineiro, por me fazerem acreditar.

Não somos nada sem os nossos anjos da guarda. Nada que eu pense me parece exato, nada que eu diga tem um sentido claro, não há palavras no universo inteiro. Te devo essa Andrea Bianchi. Precisamos de mais profissionais como você. Dizem que quando o aluno está pronto, o mestre aparece.

A todos os professores da UFOP, em especial a Socorro. Sua alegria e entusiasmo quando apresentei alguns trabalhos foi de carinho.

Aos meus pais, que apesar de não entenderem meus sonhos, não os culpo por isso. O único obrigado a acreditar sou eu.

A Jéssica, Fábia e Júnior. Sendo os caçulas, sempre serviram de referência para mim. Nunca me perdi por medo de os perder.

A todos da Escola Estadual de Antônio Pereira. Nunca fui um bom aluno, peço desculpas e agradeço a todos que viram por cima dos muros da minha rebeldia.

vi

A bolsa de estudos no colégio Arquidiocesano foi a revolução na minha vida. Agradeço a todos que não tiveram preconceito e me deram uma chance.

Não posso esquecer da Fundação Gorceix, “mamãe Gorceix”. Sei que sou apenas mais estudante, mais fico feliz em ser mais um agradecendo.

Gostaria de agradecer Rodrigo Bianchi em nome do LAPPEM, em especial ao André Duarte pela parceria.

Agradeço também a minha família por ter ficado junta, mesmo com todos os problemas de uma família grande.

Infelizmente não posso citar o nome de todos que fazem parte desse passo, mas deixo as minhas sinceras desculpas a quem não citei e deixo a frase do grande Raul Seixas, cuja carga já usei em carta de agradecimento ao passar no vestibular: “Um sonho sonhado só é só um sonho; um sonho sonhado em grupo se torna realidade”.

vii

RESUMO

Neste trabalho é apresentado o estudo e a proposta de um novo produto, um sensor de acúmulo de dose de radiação para uso no monitoramento do tratamento da icterícia neonatal, a fototerapia. Esse possui princípio de funcionamento baseado na sensibilidade de soluções poliméricas eletrônicas ao serem expostas à radiação durante um intervalo, caracterizado pela mudança da estrutura química e propriedades da solução usada no dispositivo ao ser exposta à radiação azul (UV/VIS) – mesmo tipo de fonte usada no tratamento da icterícia - durante um período de tempo. O tratamento da icterícia exige que o neonato fique exposto à radiação azul durante certo tempo e há muitas controvérsias sobre o monitoramento do tempo e a dose da radiação incidente em neonatos sob esse tratamento. Nesse contexto, esse trabalho propõe o uso de um sistema polimérico capaz de indicar o tempo/dose incidente de radiação azul em neonatos e, consequentemente, melhorar a qualidade desse tratamento hospitalar. O processo de degradação polimérica e o tratamento da icterícia são dois processos paralelos e independentes, mas que podem ser sincronizados. Sendo assim, o processo de degradação polimérica é proposto como meio para monitorar o tratamento da icterícia. Esse trabalho começa apresentando uma revisão dos conceitos de desenvolvimento de novos produtos seguindo por uma apresentação do uso desses conceitos no caso aqui estudado para finalizar com a apresentação da modelagem matemática feita para o processo de degradação de polímero. Esse estudo abrange tanto discussões da metodologia de desenvolvimento de novos produtos aplicadas ao caso aqui apresentado (podendo assim ser visto como um estudo de caso) quanto o uso de ferramentas estatísticas para modelar o processo de degradação da solução usada no dispositivo para medir a dose acumulada de radiação. O sistema é formado por uma base de leitura e uma solução que é exposta à radiação. Dentre suas vantagens, temos o seu baixo custo, fácil manufatura e praticidade. A modelagem matemática do dispositivo apresentou previsibilidade de até 99% do comportamento dos dados obtidos em laboratório. Palavras-chave: Projeto do Produto; Modelagem Físico-Matemática; Estatística; Icterícia; polímeros; degradação de polímeros; regressão matemática.

viii

ABSTRACT

In this work we report the study and proposal of a new product, an accumulation sensor of radiation dose for using on neonatal jaundice treatment, phototherapy. The working principle of this device is based on the sensitivity of polymeric solution under blue radiation. The polymeric device discussed here uses the phenomenon characterized by the change of its chemical structure and properties due to the exposure to blue radiation – this is the same type of light source used on the neonatal treatment. The neonatal treatment demands that the neonate stays under blue radiation during a prescribed interval daily; however, there is quite a controversy about the treatment. So that, this work proposes the use of a polymeric system which is able to indicate the time/dose received by the neonate, and, by this way, improving the quality of this hospital treatment. The polymeric degradation phenomenon and the neonatal treatment are two parallel and independent processes, but they might be synchronized. Consequently, the polymeric degradation phenomenon is proposed as means by monitoring the jaundice treatment. This study begins by presenting an overview about Design and New Product Development methodology applied to the product (a case study), followed by the description of a statistical modeling for polymeric solution degradation phenomenon, used in devices for measuring the radiation accumulation dose. In summary, this work presents an electronic system used for measuring the radiation dose in solutions. Among its advantages, we might point out the low cost and easy manufacturing, and practical to use. With the support of the mathematical modeling, the devices result in predictability of up to 99% for the data achieved at the laboratory. Key-words: Project and Design of New Products; Mathematical Modeling; Statistics; Jaundice; polymers; polymer degradation; mathematical regression.

ix

SUMÁRIO LISTA DE SIGLAS E ABREVIATURAS................................................................................................1 LISTA DE SIMBOLOS..............................................................................................................................2 LISTA DE FIGURAS.................................................................................................................................3 LISTA DE QUADROS ...............................................................................................................................5 LISTA DE GRÁFICO ................................................................................................................................6 LISTA DE TABELAS ................................................................................................................................7 LISTA DE EQUAÇÕES ............................................................................................................................8 GLOSSÁRIO...............................................................................................................................................9 1.

INTRODUÇÃO.................................................................................................................................10 1.1. FORMULAÇÃO DO PROBLEMA....................................................................................................12 1.2. JUSTIFICATIVA............................................................................................................................14 1.3. OBJETIVOS .................................................................................................................................16 1.3.1. OBJETIVO GERAL ................................................................................................................16 1.3.2. OBJETIVOS ESPECÍFICOS ....................................................................................................16 1.4. ESTRUTURA DO TRABALHO .......................................................................................................17

2.

BASE TEÓRICA DO ESTUDO ......................................................................................................19 2.1. 2.2. 2.3. 2.4. 2.5.

3.

PROCEDIMENTOS METODOLÓGICOS ...................................................................................30 3.1. 3.2. 3.3. 3.4. 3.5. 3.6. 3.7. 3.8.

4.

TIPO E NATUREZA DO ESTUDO ...................................................................................................30 CARACTERIZAÇÃO DO UNIVERSO A SER ESTUDADO .................................................................30 DEFINIÇÃO DAS VARIÁVEIS DE INVESTIGAÇÃO .........................................................................31 DETERMINAÇÃO DA AMOSTRA A SER ESTUDADA ......................................................................31 DETERMINAÇÃO DOS INSTRUMENTOS DE COLETA DE DADOS...................................................31 CONCEITUAÇÃO DOS DADOS A SEREM COLETADOS ..................................................................31 DEFINIÇÃO DO ORDENAMENTO E TRATAMENTO DOS DADOS ...................................................32 PESQUISA BIBLIOGRÁFICA .........................................................................................................33

ESTUDO DE CASO .........................................................................................................................34 4.1. 4.2. 4.3. 4.4. 4.5. 4.6. 4.7.

5.

PRODUTO ....................................................................................................................................19 NOVOS PRODUTOS......................................................................................................................21 DESENVOLVIMENTO DE NOVOS PRODUTOS PRODUTO ..............................................................24 PRODUTOS E A QUESTÃO AMBIENTAL .......................................................................................27 PATENTES ...................................................................................................................................28

DISPOSITIVO ...............................................................................................................................35 BASE ...........................................................................................................................................37 SOLUÇÃO POLIMÉRICA ..............................................................................................................38 PRODUTO ....................................................................................................................................39 DETERMINAÇÃO DO CLIENTE....................................................................................................39 DETERMINAÇÃO DA NECESSIDADE DOS CLIENTES ....................................................................40 PROCESSO DE DESENVOLVIMENTO DE NOVOS PRODUTOS ........................................................41

RESULTADOS E DISCUSSÕES ....................................................................................................44 5.1. REVISÃO DE CONCEITOS ............................................................................................................44 5.1.1. GRÁFICO DE DISPERSÃO ......................................................................................................44 5.1.2. REGRESSÃO .........................................................................................................................45 5.1.3. LEI DE BEER........................................................................................................................51

x

5.2. ESTUDO DO PROCESSO DE DEGRADAÇÃO POLIMÉRICA ............................................................52 5.2.1. PROCEDIMENTOS EXPERIMENTAIS ............................................................................................53 5.2.2. MOTIVAÇÃO...........................................................................................................................56 5.2.3. VISÃO GERAL DO PROCESSO DE DEGRADAÇÃO...........................................................................56 5.2.4. ESTUDO POR CONCENTRAÇÃO ...................................................................................................60 5.3. DISCUSSÕES ................................................................................................................................73 6.

CONCLUSÕES E DESENVOLVIMENTOS FUTUROS.............................................................74

7.

REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................................77

8.

BIBLIOGRAFIA ..............................................................................................................................80

9.

APENDICE I ....................................................................................................................................82 REDES NEURAIS: APRENDENDO PARA MODELAR ....................................................................82

10.

APENDICE I I .............................................................................................................................83

POLÍMEROS..........................................................................................................................................83 NOTAS ......................................................................................................................................................86

1

LISTA DE SIGLAS E ABREVIATURAS

MEH–PPV – poli (2-metori, 5- (2-etil-hexiloxi)-pfenileno vinileno) QFD – Quality Function Development CI – Competitive Intelligence DNP – Desenvolvimento de Novo Produto ACV – Análise do Ciclo de Vida INPI – Instituto Nacional de Patentes Industriais LAPPEM - Laboratório de Polímeros e Propriedades Eletrônicas de Materiais PIC - Microcontrolador programável SSE - Sum Square Error RGB- Red Green Blue RNA – Redes Neurais Artificiais SVR – Sensor Verde SVM – Sensor Vermelho SA – Sensor Azul

2

LISTA DE SIMBOLOS

V – Volt µg/ml – microgramas/mililitro

3

LISTA DE FIGURAS Figura 1 – Displays Poliméricos Orgânicos ................................................................... 11 Figura 2 – Principais variáveis que influenciam na eficácia da fototerapia ................... 12 Figura 3 – Esquema de uma solução polimérica e um neonato sendo expostos à mesma radiação ........................................................................................................................... 15 Figura 4 – Ciclo de vida de um produto ......................................................................... 22 Figura 5 – Fluxograma para o processo de desenvolvimento de produto ...................... 25 Figura 6 – Taxa de variação do consumo de alguns produtos entre 1950 2000 ............. 28 Figura 7 - Universo de estudo......................................................................................... 31 Figura 8 – Árvore de componentes para o Dispositivo Eletrônico Orgânico para Auxiliar no Tratamento da Icterícia .............................................................................................. 34 Figura 9 – Protótipo do Dispositivo Eletrônico Orgânico Para Auxiliar no Tratamento da Icterícia....................................................................................................................... 35 Figura 10 – Esquema do protótipo do Dispositivo Eletrônico Orgânico para auxiliar no tratamento da Icterícia .................................................................................................... 36 Figura 11 – Base com os componentes.......................................................................... 37 Figura 12 – ampolas usadas para testar o protótipo em diferentes estados de degradação ........................................................................................................................................ 38 Figura 13 – Boneco com selo que muda de cor.............................................................. 38 Figura 14 – Fluxograma para o processo de desenvolvimento de produto .................... 41 Figura 15 - Exemplos de gráficos de dispersão. a) 2D e b) 3D. ..................................... 45 Figura 16 - Curvas de gaussianas para uma média μ e desvio padrão σ. Onde: a = 1/(σ√(2π)), b = μ, c = σ ................................................................................................... 47 Figura 17 – Exemplo de uma função exponencial. (a) função e (b) função linearizada 47 Figura 18 - Gráfico com curva de regressão, limites de confiança e intervalos de previsão. .......................................................................................................................... 48 Figura 19 – a) gráfico de um conjunto de pontos que tendem a uma linha, onde os pontos estão em vermelho e a curva ajustada em azul. Em b) há uma esquematização dos valores estimados e reais. ......................................................................................... 51 Figura 20 - Diagrama da absorção de um feixe de luz atravessando uma cubeta de largura l, intensidade do feixe incidente igual a Io, do feixe final igual a I1, concentração da solução interna igual a c e coeficiente de absorbância igual a α................................ 52

4

Figura 21 - Fluxograma para o procedimento de amostragem ....................................... 53 Figura 22 - Esquema do dispositivo usado para mensurar a degradação polimérica ..... 55 Figura 23 – Esquema do funcionamento dos sensores ................................................... 55 Figura 24 – Dispositivo usado para provocar a degradação da solução polimérica. a) foto do dispositivo, b) dispositivo ligado e c) curva espectral para o dispositivo. ......... 56

5

LISTA DE QUADROS

Quadro 1 - Quadro comparativo dos diferentes tipos de produtos ................................. 20 Quadro 2 – Comparação entre os software usados ......................................................... 33 Quadro 3 – Desejo e o que o cliente realmente quer ...................................................... 40 Quadro 4 - Evolução do uso de elementos estruturais pelo homem ............................. 83

6

LISTA DE GRÁFICO Gráfico 1 – Voltagem vs tempo para as concentrações a) 10 µg/ml de MEH-PPV, b) 25 µg/ml de MEH-PPV, c) 50 µg/ml de MEH-PPV e 100 µg/ml de MEH-PPV................ 58 Gráfico 2 – Gráficos para os resultados empíricos para diferentes tempos de exposição. a) t=0 min; b) t=5 min; c) t=10 min; d) t=15 min; e) t=50min e f) 240 min. ................. 59 Gráfico 3 – Gráfico de dispersão Voltagem vs tempo. a) tempo (min) VS azul (volt), b) tempo (min) vs vermelho (volt) e c) tempo (min) vs verde (volt). ................................. 60 Gráfico 4 – Voltagem vs tempo com curva de regressão cúbica. a) tempo (min) vs verde (volt), b) tempo (min) vs vermelho (volt) e c) tempo (min) vs azul (volt). .................... 61 Gráfico 5 – a) Gráfico de dispersão 3D: vermelho vs azul vs verde e b) Curvas de superfície vermelho vs azul vs verde ............................................................................. 63 Gráfico 6 – Gráfico de dispersão 2D para as componentes. ........................................... 64 Gráfico 7 – Curvas de superfície para o processo de degradação a) tempo vs azul vs Vermelho e b) tempo vs azul vs verde ............................................................................ 65 Gráfico 8 – Gráfico com intervalos de predição para as equações da TAB. 1. a) tempo vs azul, b) tempo vs vermelho e c) tempo vs verde ............................................................. 66 Gráfico 9 – Regressão exponencial para a componente a) azul, b) verde e c) vermelha. ........................................................................................................................................ 67 Gráfico 10 – Gráfico com intervalos de predição para as regressões do GRAF.9 a) tempo vs azul, b) tempo vs verde e c) tempo vs vermelha.............................................. 68

7

LISTA DE TABELAS 1 – Equações para o e medidores de qualidade do GRAF. 4.......................................... 61 2 – Matriz de correlação para as componentes ............................................................... 62 3 – Valores de R², R²ajus e R²/ R²ajus e para as regressões segundo a lei de Beer para 10 µg/ml............................................................................................................................... 68 4 – Valores de R, Rajus, R/ Rajus, e S para 25 µg/ml de MEH-PPV........................... 69 5 – Matriz de correlação para as componentes na concentração de 25 µg/ml................ 70 6 – Valores de R , Rajus e R/ Rajus para a regressão exponencial para 25 µg/ml. ........... 70 7 – Matriz de correlação para as componentes na concentração de 50 µg/ml de MEHPPV ................................................................................................................................. 71 8 – equação, R, Rajus, R/ Rajus S para a regressão do da componente azul a 50 µg/ml de MEH-PPV....................................................................................................................... 71 9 – Indicadores de qualidade do modelo para o modelo exponencial para 50 µg/ml de MEH-PPV....................................................................................................................... 72 10 – Matriz de correlação para 100 µg/ml...................................................................... 72

8

LISTA DE EQUAÇÕES Eq.1 -

Equação para calcular o coeficiente de correlação linear entre duas 45 variáveis 46

Eq.2 -

Modelo de regressão simples

Eq.3 -

Fórmula para cálculo do coeficiente de interseção para a regressão 46 linear simples

Eq.4 -

Fórmula para cálculo do coeficiente para a regressão linear simples.

46

Eq.5-

Equação para a linearização da exponencial

48

Eq.6-

Modelo genérico para uma equação com múltiplos regressores

49

Eq.7 -

Fórmula analítica para o cálculo dos coeficientes da regressão linear 49 múltipla

Eq.8 -

Modelo polinomial de grau 3

49

Eq.9 -

Modelo polinomial de grau 3 transformado em modelo linear

49

Eq.10 -

Modelo de Beer relacionando a luz incidente com o feixe eminente

52

Eq.11 -

Modelo de Beer relacionando a luz incidente com o feixe eminente 52 manipulado

Eq.12 -

Equação intuitiva para a concentração em função do tempo

66

Eq.13 -

Lei de Beer na forma exponencial

66

Eq.14 -

lei de Beer manipulada

67

Eq.15 -

lei de Beer manipulada

67

9

GLOSSÁRIO Icterícia*

Síndrome caracterizada pelo excesso de bilirrubina no sangue e deposição de pigmento biliar na pele e membranas mucosas, que resulta a coloração amarela apresentada pelo paciente.

Bilirrubina*

Pigmento vermelho, presente na bílis e nas fezes, cuja estrutura contém quatro anéis pirrólicos, sem que estes, porém, formem um macrociclo [fórm.: C33H36N4O6].

Polímero*

Composto formado por sucessivas aglomerações de grande número de moléculas fundamentais. Ex.: o polietileno, formado pela aglomeração de centenas de milhares de moléculas de etileno.

Polímero

Classe de polímeros conjugados que além de conduzirem eletricidade

orgânicos

podem ou não ser luminescentes. Também chamado de polímeros

conjugado

eletrônicos.

Fotoxidação*

Reação de oxidação de uma substância, induzida por luz

Luminescência* Emissão de luz por uma substância, provocada por qualquer processo que não seja o aquecimento. [Cf. fluorescência, fosforescência (4), incandescência (2).] Dermatose**

São doenças da pele.

Fototerapia*** Tratamento médico por exposição à luz. Essa é uma modalidade terapêutica empregada para o tratamento de várias dermatoses. Dosímetro*

Qualquer medidor de radioatividade capaz de medir e registrar uma dose de radiação.

Radiância

Energia radiante emitida por um corpo em cada segundo e por unidade de

energética*

área; poder emissivo.

elastrômero

Elastômeros são polímeros, que na temperatura ambiente podem ser alongados até duas ou mais vezes seu comprimento e retornam rapidamente ao seu comprimento original ao se retirar a pressão

Neonato*

Criança recém-nascida

*Fonte: Dicionário Aurélio. Versão em mídia. **Fonte: De acordo com o dicionário online Priberam da Língua Portuguesa. ***Fonte: Portal de Fisioterapia.

10

1. INTRODUÇÃO A humanidade tem deixado o seu rasto de criatividade. Características de um material que possivelmente inviabilizam aplicações em uma área específica podem ajudar em outra de enfoques e objetivos diferentes. Essas demonstrações de criatividade – o uso de materiais que perdem seu valor devido à características indesejáveis para algumas aplicações em outras aplicações - podem, se bem administrada, torna-se algo prático, a solução de algum problema que a sociedade enfrenta. Esse processo de notar uma deficiência na vida rotineira, um ponto forte de um material existente e a interseção desses – da necessidade com a viabilidade - pode dar vida a um produto. Sendo assim, um produto pode ser visto como a interseção de uma necessidade, ou grupo de necessidades, com um grupo de possibilidades técnicas oferecida por um ou mais materiais. Para Guelch, produto é um bem, serviço ou ideia que possui tanto característica tangível quanto intangível que satisfaz as necessidades do cliente e é parte de uma troca comercial. Dessa definição, é importante destacar o trecho “satisfazer as necessidades do cliente”. As necessidades do cliente são indiscutivelmente importantes para a confecção de produtos. O cliente, como portador das informações mais importantes para a criação de um produto, pode ser visto como quem irá usar o produto final, sendo assim, afetados de forma direta pela existência do produto. Como o produto surge de uma visão de oportunidade, de uma deficiência ou de uma necessidade, é necessário um processo que conduza o abstrato ao real, o desenho em utilitário, o plano em negócio. Esse processo de condução é chamado na literatura por muitos autores como processo de desenvolvimento de novos produtos ou, em inglês, Design and Development of new Products. O processo de desenvolvimento de produto é o caminho que torna uma ideia real. Na maioria dos casos, essa ideia nasce de uma necessidade que muitas vezes não é conhecida por quem a possuía. Como foi destacado no começo do Capítulo, muitos materiais podem perder utilidade se forem usados em áreas cuja função que esse deveria desempenhar fica comprometida devido às suas características, mas esses podem ter essa mesma característica que inviabilizou a utilização em uma área sendo o ponto chave para outras aplicações. Como exemplo dessa assertiva, podemos citar os polímeros orgânicos conjugados. Estamos acostumados a ver os polímeros como isolantes e os metais como condutores. Mas esses polímeros, orgânicos conjugados, apresentam tanto as

11

características dos polímeros, como a flexibilidade, quanto dos metais, a condução de eletricidade. Essa duplicidade de comportamento está gerando grandes promessas de futuras aplicações, como displays flexíveis. Na FIG.1 há alguns exemplos destes displays construídos a partir de polímeros luminescentes. Físicos têm trabalhado para aumentar o tempo de vida desses polímeros, pois sua vida curta no que tange a luminescência devido à fotoxidação tem inviabilizado a sua comercialização. A perda de luminescência impede a formação de imagens. A promessa é que esses possam vir a substituir os materiais inorgânicos em todos os tipos de dispositivo eletrônicos, luminescentes ou não.

FIGURA 1 – Displays Poliméricos Orgânicos Fonte: Google Image, 2009. De forma meio que na contramão, químicos têm trabalhado para controlar e aperfeiçoar a característica de degradação dos polímeros orgânicos conjugados quando são expostos a radiações do espectro eletromagnético porque esse efeito pode ser usado para medir a quantidade de radiação acumulada durante um intervalo incidida em um ponto específico do campo gerado por uma fonte de radiação. Logo, essa característica de sensibilidade à radiação eletromagnética pode gerar dosímetros. Como discutido anteriormente, o processo de desenvolvimento de novos produtos é o caminho que torna uma ideia real. Na maioria dos casos, essa ideia nasce de uma necessidade que muitas vezes não é conhecida por parte de quem a possui. Isso ocorre com o tratamento da icterícia neonatal feito pela fototerapia. A icterícia neonatal é uma síndrome comum em recém-nascidos e resulta da imaturidade hepática,

12

consequentemente, acarretando o aumento de uma substância tóxica no sangue denominada bilirrubina, que pode trazer consequências ao sistema nervoso central provocando lesões ou até mesmo a morte quando em excesso. Com o exposto, é possível concluir que o controle do tratamento a base de fototerapia é muito importante. 1.1.

FORMULAÇÃO DO PROBLEMA

Como destacado anteriormente, o neonato com icterícia precisa ser exposto diariamente à iluminação que contenha o comprimento de onda correspondente ao azul. A iluminação azul é geralmente usada para esse tratamento porque é a forma mais eficiente de quebrar a bilirrubina (AMATO & INAEBNIT, 1991; LEUNG & SOONG, 1993). Quando o caso não é sério, a luz solar, que possui todos os comprimentos de onda, faz a função da fototerapia. Mas quando o caso é mais grave, como destaca Bianchi (2008), crianças com esse tipo de síndrome precisam ficar expostas à luz azul durante certo tempo diariamente. Mas, esse “tempo” de exposição diária não pode ser medido com confiança usando o “tempo de relógio” porque a qualidade do tratamento será função da qualidade da iluminação, da exposição e de outros fatores externos, sendo necessário uma forma mais precisa de monitoramento. A FIG. 2 mostra as principais variáveis que podem influenciar no tratamento e como se pode inferir, o tempo é apenas uma das variáveis.

Tempo

FIGURA 2 – Principais variáveis que influenciam na eficácia da fototerapia Fonte: Adp. Ferreira (2008).

13

Além de oferecer resultados ruins, a iluminação com alta concentração de infravermelho pode causar queimaduras no paciente. Como defende Pullmann et al (1981), a fototerapia pode aumentar a incidência de moléstias de pele na infância. Assim nasce um desafio que se resume a: Como monitorar a fototerapia de forma a quantificar a dose real de radiação adequada recebida pelo neonato, criando assim um sistema que possibilite a padronização do tratamento? Seguindo essa pergunta, Bianchi (2008) propõe a utilização da degradação de soluções poliméricas – um tipo de polímero orgânico conjugado - à base de polímero MEH-PPV

(poli

(2-metori,

5-

(2-etil-hexiloxi)-pfenileno

vinileno))

para

o

monitoramento da radiação de luz azul usados em neonatos com icterícia. O princípio por traz da proposta está na sensibilidade do polímero usado à radiação azul – mesmo tipo de radiação empregado no tratamento da icterícia - para quantificar a dose de radiação azul recebida durante um intervalo de tempo. Durante o processo de fotoxidação, o polímero irá se degradar de acordo com a quantidade de radiância energética recebida e não com o tempo de exposição à radiação: o tempo é consequência da qualidade da iluminação e de variáveis de controle da solução, ou seja, um parâmetro de controle. Para detalhes em iluminação e lâmpadas ver SILVA (2002). Existem no mercado lâmpadas específicas para esse tipo de tratamento, entretanto, como não existe uma norma padrão adotada pelos hospitais, apenas 30% dos hospitais utiliza o material correto, consequentemente, são encontradas lâmpadas de baixa qualidade que podem levar a tratamentos ineficientes. Tais fatores aliados a fatores externos, como por exemplo, o material acrílico da incubadora, roupas e fraldas colocadas no recém nascido e a distância1 do neonato à fonte de radiação também contribuem para a diminuição da qualidade do tratamento. Apesar da proposta inicial de Ferreira (2008) – identificação da dose pela mudança de cor - se caracterizar como um sensor inteligente, de fácil leitura e seguro (no que diz respeito ao material), a análise da dose seria uma medida visual macroscópica e subjetiva passível de erro humano. Desse modo, seria importante criar uma forma de monitoramento preciso da degradação desse polímero de modo a auxiliar no controle da dose de radiação incidente nos neonatos sob fototerapia. De forma resumida, a problemática reside na falta de padronização e garantia de eficácia do tratamento (MAISELS, 2008).

14

Assim a pergunta posta no começo da seção pode ser mudada para: como o processo de degradação polimérica pode ser usado para a confecção de um dispositivo para auxiliar no tratamento da icterícia neonatal, medindo a dose real de radiação adequada recebida pelo neonato de forma confiável, prática e com o mínimo possível de erros potenciais? 1.2.

JUSTIFICATIVA

Como destaca Ferreira (2008), desde a descoberta de certas características dos polímeros orgânicos conjugados, como a luminescência, pesquisadores vêm demonstrando grande interesse nesses materiais para o uso em dispositivos optoeletrônicos. Atualmente, muitas pesquisas vêm sendo desenvolvidas no entendimento do processo de fotoxidação desses materiais na expectativa de melhoria do seu tempo de vida. Entretanto, tal efeito pode ser usado para a fabricação de dosímetros, no qual a influência da radiação nas propriedades ópticas dos materiais orgânicos é mais importante do que o aumento da luminância e do tempo de vida de seus dispositivos. Se por um lado o efeito da degradação dos polímeros constitui uma limitação comercial intrínseca desses materiais, cujos mecanismos envolvidos ainda não são totalmente compreendidos a ponto de evitá-los, por outro é o fator que possibilita a confecção de dosímetros e sensores de radiação ionizante ou não. Com os procedimentos atualmente adotados pelos hospitais, a investigação da dosagem correta de radiação em neonatos não possui um procedimento único adotado em todos os hospitais, dificultando a mensuração da qualidade do serviço, principalmente no que tange a confiabilidade, umas das oito dimensões da qualidade de Galvin (1986). De acordo com a Organização Mundial de Saúde, mais de 70% das lâmpadas utilizadas nos equipamentos de fototerapia neonatal não são adequadas ao tratamento e não influenciam no resultado final do tratamento, gerando um tratamento fora do esperado. Desse modo, o desenvolvimento de um produto (solução/equipamento) que auxilie no monitoramento da dose de radiação recebida é de extrema importância para a qualidade do tratamento (MAISELS, 2008). Como destaca Montgomery (2004), a qualidade tem cada vez mais tomado um lugar destacado na escolha de produtos e serviços, sendo assim, se pensarmos no tratamento como um produto, é necessário

15

reduzir a variabilidade para chegarmos a um produto de qualidade. Para Montgomery (2004), o aumento qualidade é igual a redução de variabilidade e de forma recíproca. Ao pensarmos no tratamento da icterícia e no processo de degradação de polímeros, podemos identificar dois processos paralelos: simultâneos e independentes. A FIG. 3 esquematiza essa ideia, representando a exposição do neonato e da solução à mesma fonte de iluminação. Como ambos são sensíveis a essa, ocorrerá o desenrolar de processos independentes, mas causados por uma mesma fonte.

FIGURA 3 – Esquema de uma solução polimérica e um neonato sendo expostos à mesma radiação Fonte: elaboração própria Na tentativa de solucionar essa deficiência2, vem sendo desenvolvido um equipamento no Laboratório de Polímeros e Propriedades Eletrônicas de Materiais UFOP (LAPPEM) - voltado ao monitoramento da degradação de uma solução polimérica exposta à radiação azul usada no tratamento de neonatos. O seu funcionamento é baseado em um dispositivo eletrônico, tipo de colorímetro, com sensores RGB (Red Green Blue) responsável tanto pela leitura da decomposição das soluções, quanto por uma resposta a respeito da dose que o material foi exposto. O equipamento possui um software que responde com a entrada dos sinais de tensão quando a fototerapia foi suficiente através de um valor numérico. O tratamento atual para a icterícia possui vários problemas de implementação e pode ser melhorado se considerarmos as seguintes dimensões: (i) Custo: o custo com seringas e materiais auxiliares pode ser minimizado fazendo somente amostragem para confirmar a dosagem certa. Atualmente, temos o uso além do necessário de amostragens. Em alguns tratamentos é feita a amostragem de sangue durante o tratamento e em outros o tempo é a única medida;

16

(ii) Conforto: Tendo em vista o banho de luz diário, a diminuição do uso de seringas pode representar um fator de grande impacto para o neonato, ainda mais se pensarmos que a grande maioria de neonatos expostos à fototerapia são pré-maturos. Nos casos em que não há uso de seringas, a exposição durante o tempo necessário pode diminuir o stress causado pela rotina da fototerapia e evitar doenças de pele; (iii) Eficiência: a redução de resíduos é um fator que demonstra a eficiência de um processo, além disso, podemos usar os filmes degradados como histórico do paciente como o eram feito com chapas de raio-x; (iv) Logística reversa: a preocupação com a destinação dos resíduos está cada vez mais presente na industrial, sendo assim, todo novo produto deve nascer sabendo o seu fim. Devido a possibilidade de reutilização do filme, com função diferente, é possível identificar um caso de “do berço ao berço”. Concluindo, o desenvolvimento do dispositivo é justificado porque existe uma necessidade não suprida e a viabilidade para eliminar essa deficiência. 1.3. OBJETIVOS 1.3.1. OBJETIVO GERAL Baseado nas afirmações apresentadas, o objetivo principal deste trabalho é o estudo da viabilidade da proposta de um produto para auxiliar no monitoramento do tratamento da icterícia neonatal a base de fototerapia, mostrado a necessidade desse no alcance de resultados melhores, bem como a viabilidade através de metodologias adequadas. 1.3.2. OBJETIVOS ESPECÍFICOS Os objetivos específicos são: Oferecer um estudo de caso relacionado a um produto que não existe, Apresentar a viabilidade do produto no que tange a modelagem matemática do fenômeno; Demonstrar a futura utilização do processo de degradação polimérica em dispositivo para o monitoramento da fototerapia em neonatos com icterícia;

17

Demonstrar a viabilidade da modelagem matemática do processo de degradação polimérico; Oferecer discussões sobre uso de algumas metodologias relacionadas ao processo de desenvolvimento de produto; Documentar os conhecimentos adquiridos durante a pesquisa metodológica da viabilidade do problema aqui apresentado; Conhecer de forma empírica o processo de degradação polimérica e uso de dispositivos a base de polímero em equipamentos. 1.4. ESTRUTURA DO TRABALHO Este trabalho está dividido em seis Capítulos que seguem a lógica de apresentação do dispositivo, partindo da teoria de desenvolvimento de novos produtos para então seguir com a discussão da teoria em cima do produto proposto, e apresentação da modelagem feita com dados conseguidos com o dispositivo. Tanto a teoria quanto a discussão do produto relacionado com a teoria possuem caráter explanatório e dissertativo, como pode ser visto nos Capítulos 2 e 4, respectivamente. Mostrado o produto e o seu funcionamento, Capítulo 4, uma modelagem matemática usando dados adquiridos em laboratório com o auxílio desse dispositivo demonstra o funcionamento da leitura da degradação da solução polimérica, Capítulo 5. Sendo assim, é apresentado o produto para então mostrarmos que ele funciona e que é viável a modelagem dos seus dados. Apesar de não está estar explícito, esse trabalho pode ser divido em duas tarefas principais, independentes, mas relacionadas pelo mesmo objetivo. Uma tarefa concerne no estudo do processo de desenvolvimento de produtos aplicado ao produto estudado e a outra mostra a possibilidade de modelagem matemática da degradação polimérica. O Capítulo 2, Base Teórica do Estudo, discute os pontos relacionados ao produto, desenvolvimento e pontos relacionados, todos com um olhar teórico. Capítulo 3, Procedimentos Metodológicos, discute pontos relacionados à forma como a monografia foi confeccionada, qual o software usado para tratar os dados, e o universo de estudo.

18

Como destacado anteriormente, esse trabalho possui dois pontos principais: as discussões da metodologia de desenvolvimento de novos produtos aplicado ao produto aqui discutido e a modelagem matemática dos dados coletados com o dispositivo. Essa duplicidade gerou duas metodologias: a metodologia para a coleta dos dados e a metodologia adota para confeccionar a monografia. O Capítulo 4, Estudo de Caso, inicia pela explicação do dispositivo para então relacionar às questões do Capítulo 2 com o produto em questão. O Capítulo 5, Resultados e discussões, começa com uma revisão dos conceitos que foram usados na modelagem. Após a revisão de conceito, é apresentada a modelagem para quatro concentrações diferentes de soluções poliméricas. Para cada concentração, o mesmo procedimento de inferência foi usado. Buscando evitar a repetição de informações, a modelagem somente é apresenta de forma integral para 10 µg/ml de MEH-PPV, para as demais concentrações são mostrados apenas os resultados principais. O objetivo de usar quatro concentrações é buscar a concentração ideal para o uso que essa for designada. Finalizando, o Capítulo 6 resgata a pergunta problema, e são apresentadas algumas conclusões com base no que foi apresentado e as ideias são cruzadas com os objetivos propostos.

19

2. BASE TEÓRICA DO ESTUDO Este capítulo tem como objetivo discutir os tópicos relacionados ao produto e ao processo de desenvolvimento de novos produtos. Todas as discussões deste Capítulo possuem caráter teórico, a ligação entre a teoria e o produto é feita no Capítulo 4. As seções são: Produto, Novos produtos, Desenvolvimento de novos produtos produto, Produtos e a questão ambiental e Patentes. 2.1. PRODUTO Para Juram (2004, p. 5) produto é “o resultado de qualquer processo”. Nesse mesmo trabalho esse autor destaca a definição dos economistas que definem produto como bens e serviços. Uma possível definição de produto afirma que produto é um bem, serviço ou ideia que possui tanto característica tangível ou intangível que satisfaz as necessidades do cliente e é parte de uma troca comercial. Características tangíveis são aquelas que podemos tocar, percebidas por um dos nossos cinco sentidos. Como um produto com corpo mais flexível ou uma luminária com regulagem de fluxo luminoso. E características intangíveis são aquelas que não podemos tocar, não são sentidas por nenhum dos nossos cinco sentidos, como, por exemplo, o conhecimento de que temos de um produto que foi feito pensado no nosso conforto (Guelch). Como exemplifica Guelch, o serviço de Sedex representa muito mais do que receber a encomenda no prazo, passa para o receptor a sensação de importância, de reconhecimento da importância da informação transportada. Satisfazer as necessidades do cliente é a razão da vida de um produto. Um produto não existe sem função. A função de um produto vai muito além das tangíveis: por exemplo, função de posição social. Resumidamente, um produto pode ser tangível ou intangível e sua função também pode ser tangível e intangível. Na visão de Guelch, as principais categorias de produtos, baseadas na visão do consumidor, são: Produtos de conveniência: básicos, de impulso, de emergência; Produtos de compra; Produtos de especialidade; Produtos não-procurados.

20

O QUADRO 1 resume essas categorias de produtos com algumas de suas características. QUADRO 1 Quadro comparativo dos diferentes tipos de produtos Produto de conveniência Comportamento de compra

Pouca comparação e planejamento

Preço

baixo

Distribuição

ampla

Promoção

De massa

Produto de compra

Produto de especialidade Produto não-procurado Lealdade por marca e Menos frequentemente Pouco interesse e esforço especial para planejado pouco procurado aquisição mais alto

alto

seletiva, poucos pontos de poucos pontos de vendas vendas Produtor e revendedor

Bem orientada

variado variado agressiva

Os produtos de conveniência são produtos que são comprados com freqüência. O consumidor não está disposto a fazer muito esforço para adquiri-lo. Esses são produtos de baixo custo como pão fatiado, papel toalha, filtro para café... Os produtos de conveniência ainda se dividem em três outras categorias: Básicos; Itens de impulso; Emergência. Produtos de compra costumam ser (custam) mais caros do que os produtos de conveniência e são comprados com menos freqüência, mas comparados com os outros tipos, são considerados de compra frequente, como: roupas, móveis, eletrodomésticos... Produtos de especialidade são produtos que o consumidor está disposto a pagar mais para tê-lo. Carros de luxo, por exemplo. Produtos não procurados são produtos adquiridos contra a vontade. Somente são adquiridos em momento da necessidade. Caixão, seguros... É interessante notar que essa divisão não é estática. Um produto pode ser de especialidade para um público e de conveniência para outro público. Além desse cuidado ao classificar um produto, dever ser notado que essa divisão apresentada vale para o cliente. Um produto pode ser classificado como de conveniência pelo produtor,

21

mas o consumidor pode achar que esse é um produto de especialidade. A classificação do produto é importante para tomada de decisão como a melhor propaganda ou posicionamento nos pontos de vendas. 2.2. NOVOS PRODUTOS Um novo produto pode ser definido como um produto que é novo para empresa. Existem duas categorias de novos produtos: completamente novos e prorrogações. Produtos completamente novos são produtos que preenchem uma lacuna na vida de um cliente, ao passo que, prorrogações apenas manipulam algum produto já existente, como melhorar alguma função, para mantê-lo no mercado. A razão para o desenvolvimento de novos produtos podem ser as seguintes, na visão de Guelch: Atender as necessidades dos clientes; Reforçar a lealdade do cliente; Motivar os funcionários; Reduzir riscos de perda da empresa. Muitas vezes a tecnologia para um produto existe há muito tempo, mas faltava lugar para a tecnologia no mercado. Um produto pode saciar uma necessidade que o cliente não sabia que possuía. Mesmo existindo a necessidade e a tecnologia, esse não é suficiente, mesmo sendo necessário. Sendo assim, Guelch destaca as seguintes armadilhas no desenvolvimento de novos produtos: Informação insuficiente; Não ter novos produtos para substituir; Subestimar o grau do produto; Exagerar na previsão de aceitação do produto;

22

O produto, como qualquer outra entidade sujeita a forças externas, segue um ciclo de vida. O ciclo de vida do produto cumpre as seguintes etapas e está representado graficamente na FIG. 4:

Introdução; Crescimento; Maturidade; Declínio;

0$

FIGURA 4 – Ciclo de vida de um produto Fonte: adp. de Wikipédia, 2009. A introdução é a fase mais delicada. Essa fase é marcada por altos gastos e baixa lucratividade. Os gastos serão ainda maiores se o produto for uma melhoria de produtos já existentes. No caso de produtos já existentes, teremos de provar que há um diferencial no novo produto ou o seu se tornará, no máximo, mais um no mercado. O crescimento será consequência da introdução, o produto começa a ganhar mercado, os lucros começam a aumentar e os gastos abaixam significativamente. Após o crescimento, a maturidade se caracteriza pela estabilidade do produto no mercado. As vendas se estabilizam, os lucros não crescem mais e os gastos somente possivelmente estarão presentes para mantê-lo no mercado. Declínio é o termino da aceitação do produto no mercado. Esse ciclo não é igual para todos os produtos. Um produto pode ter uma subida no crescimento mais íngreme ou uma curva de maturidade mais longa em comparação com um outro.

23

A voz do cliente não deve nunca ser ignorada. Essa mostrará o caminho certo para o desenvolvimento do produto, da “pepita de ouro”. O QFD (Quality Function Development) é uma das mais importantes técnicas para o desenvolvimento de novos produtos no campo da qualidade, O QFD mantém o foco no cliente. A junção do QFD com a CI (Competitive Intelligence) se torna um caminho certo para achar oportunidade de desenvolvimento de novos produtos. CI é uma técnica muito importante para produzir conhecimento com uma visão competitiva focada no cliente. A CI oferece um conjunto de ferramentas de análise importantes quando pensamos em clientes. (SPINOLA et al, 2008). O mais comum problema que pode ocorre em um projeto de produto parte do gerenciamento de risco. Os problemas mais comuns incluem atrasos, cancelamentos ou mudança de escopo. O gerenciamento de risco tem se tornado uma questão muito importante no desenvolvimento de novos produtos (DNP). Muitos pesquisadores de DNP apontam para a falta de artigos nessa área. A escassez de estudos sobre DNP é a realidade. Não temos muitos artigos teóricos ou empíricos. E quando há, não se enquadram em nenhuma linha de pesquisa. A tendência são os estudos de casos. (SEGISMUNDO et al, 2002). Como disserta Juram (2004, p.8): A satisfação com o produto tem sua origem nas características do mesmo e é a razão pela qual os clientes o compram. A insatisfação com o produto tem sua origem nas não conformidades e é a razão pela quais

os

clientes

reclamam.

Existem

muitos

produtos

que

proporcionam pouca ou nenhuma insatisfação; eles fazem exatamente aquilo que o fornecedor disse que fariam. Contudo, os produtos não serão vendáveis caso algum produto concorrente proporcione mais satisfação.

Essa passagem pode ser resumida em: satisfação e insatisfação com o produto não são opostas. A definição clara das funções do produto é o primeiro passo para evitar a insatisfação do cliente. Segundo Juram (2004, p. 8), “cliente é qualquer pessoa que seja impactada pelo produto ou processo”. Essa definição leva ao nascimento da diferenciação de cliente interno e externo.

24

2.3. DESENVOLVIMENTO DE NOVOS PRODUTOS PRODUTO O processo de desenvolvimento de produto é o caminho que torna uma ideia real. Na maioria dos casos, essa ideia nasce de uma necessidade que muitas vezes não é conhecida por quem a tem. Assim destaca Machado (2008, p1): O desenvolvimento de produto corresponde a uma série de atividades organizadas com o objetivo de transformar um conceito de produto em produto acabado tangível. O desenvolvimento do produto começa com a percepção de uma oportunidade de mercado e termina com a produção, venda e entrega de um produto.

Através da definição apresentada para o processo de desenvolvimento de novos produtos, podemos delinear: O desenvolvimento de produto é um processo organizado e em série, ou seja, um processo metodológico com objetivo final, o produto. Apesar de ser usada a palavra tangível, o produto pode

apresentar

tanto

características

tangíveis

quanto

intangíveis, como já foi destacado; O produto nasce de uma percepção, da observação, da necessidade. Sendo assim, o produto deve ter um “ponto de chegada” desde o seu nascimento. A capacidade de desenvolver novos produtos é um diferencial na competitividade comercial. Uma das melhores características de uma empresa é a sua capacidade de identificar possíveis oportunidades de desenvolvimento de novos produtos. Apesar do mesmo objetivo, os caminhos podem variar de empresa para empresa (SPINOLA et a, 2008). “Novos produtos são cruciais para o bem sucedido crescimento e aumento de lucro em muitas organizações” (URBAN, p. 8, 1993). Além de bens para as empresas, a confecção de novos produtos pode facilitar a vida de todos nós. Para Machado (2008), o processo de desenvolvimento de produto pode ser resumido de acordo com a FIG. 5.

25

Lançamento

Avaliação Preliminar

Teste de Conceito

Desenvolvimento

Protótipo

Teste de mercado

FIGURA 5 – Fluxograma para o processo de desenvolvimento de produto Fonte: adap. Machado (2008). Segundo Guelch, há sete fases no desenvolvimento de um produto, são elas: Geração de ideias; Filtragem; Desenvolvimento de cada conceito; Análise empresarial; Testar o produto; Teste de mercado; Comercialização. Na fase de Geração de ideias é feito um brainstorm. Podem-se fazer pesquisas, reuniões com consultores ou algo simular, algo que traduza a voz do cliente. A criatividade é a essência nessa fase. Em seguida é feita a filtragem de ideia. Essa parte pode ser feita de várias formas, mas todas devem estar ligadas à voz do cliente. Após a filtragem, os produtos que passaram devem ter o seu conceito desenvolvido, ou seja, esse deve chegar o mais perto do real possível para que novamente possamos filtrar. A análise empresarial envolve a viabilidade. Essa viabilidade inclui custo e lucratividade em relação aos produtos já no mercado.

26

O teste do produto inclui submetê-lo a testes de laboratório e consumidor para assegurar que esse pode manter certos padrões e chegar às expectativas esperadas. Essa fase pode identificar possíveis falhas e evitar desastres futuros. O teste de mercado coloca o produto quase final em contato com o mercado antes do lançamento. Esta fase ajuda a identificar onde estão os consumidores dando ao setor de marketing pistas de onde trabalhar com a propaganda. A comercialização é o final, o ponto de partida para a produção em larga escala. Comparando Guelch com Machado, é possível notar uma fase a mais em Guelch e os nomes dados às fases são diferentes, mas a essência se mantém. Como defende Spinola et al (2008), Machado (2008); Juran (2004), o processo de desenvolvimento de produto não é o mesmo em todas as empresas. Machado (2008) destaca que o processo de desenvolvimento de produto pode ser visto em atividades sequenciadas ou não. Para Juran (2004, p.166), o processo de “desenvolvimento de produto é o processo experimental de escolha das características dos mesmos que correspondem às necessidades dos clientes”. Sobre o desenvolvimento de produto, Juran (2004) ainda destaca que uma parte da linha que liga o conceito de produto ao cliente envolve a definição das características do produto para atender as necessidades do cliente. Com a finalidade de selecionar essas características, as empresas incluem: Exame das características possíveis e disponíveis do produto para atender às necessidades dos clientes; Criação de novas alternativas; Experimentação e teste de alternativas, para escolher a ótima; Definição das características escolhidas para o produto; Segundo defende Juran (2004, p. 165), “essa série de etapas é muitas vezes chamadas de desenvolvimento do produto”. Urban (1993) disserta sobre o processo de desenvolvimento de produto com o nome de estratégia de novos produtos3. Segundo esse autor, o potencial ganho e riscos do bem sucedido desenvolvimento de novos produtos são altos e muitos fatores podem interferir na decisão de uma organização em considerar o processo de desenvolvimento de novos produtos. Algumas organizações podem fazê-lo na tentativa e erro, mas esse

27

não é o melhor caminho. O melhor caminho é assistido por metodologia de desenvolvimento de novos produtos. Urban (1993) divide o processo de desenvolvimento em estratégias: reativa e proativa. A reativa espera algo acontecer para agir ao passo que a proativa realiza o primeiro passo. Assumindo que a organização assumiu uma postura proativa, esse pode dividir o processo de desenvolvimento de novos produtos nas seguintes fases:

Identificação de oportunidades; Design; Teste Introdução; Gerenciamento do ciclo de vida É interessante observar que nessa última abordagem apresentada, o ciclo de vida do produto4 aparece como etapa. 2.4. PRODUTOS E A QUESTÃO AMBIENTAL Muitos produtos nascem para substituir outros já existentes por motivos que podem ir desde ineficiência do mesmo até questões ambientais: apesar da questão ambiental estar sendo considerada separada, essa não pode ser separada. As questões ambientais estão cada vez mais ocupando uma posição de peso na escolha de produto para substituir produtos que geram muito impacto durante o seu ciclo de vida. Uma ferramenta recente que está ganhando espaço nesse processo de escolha de produtos entres candidatos a um mercado com a mesma função é chamado de Análise de Ciclo do Produto ACV: essa é uma ferramenta qualitativa e sistêmica para analisar e julgar a vida de um produto. A ACV consiste em um método para a avaliação dos sistemas de produtos ou serviços que considera os aspectos ambientais em todas as fases da sua vida, estabelecendo vínculos entre esses aspectos e categorias de impacto potencial, ligados ao consumo de recursos naturais, à saúde humana e à ecologia. O consumo de recursos cresceu muito comparado com o aumento da população, como pode ser observado na FIG. 6 .

28

FIGURA 6 – Taxa de variação do consumo de alguns produtos entre 1950 2000 Fonte: Lima, 2007, p.14

Em trabalho, Lima (2007, p.14) destaca: A humanidade está consumindo os recursos naturais em um ritmo superior à capacidade de reposição das matérias-primas retiradas, assim como descarta os resíduos de forma indevida, comprometendo a autodepuração que a natureza realiza há milhares de anos. Isso decorre dos modelos de produção e consumo que têm prevalecido e que deterioram cada vez mais as fontes de recursos naturais, consideradas inesgotáveis num passado recente. A Terra com sua população superior a seis bilhões de habitantes tende a demandar mais ainda os já escassos recursos como, por exemplo, a água para consumo humano.

O uso de produtos que degradem menos a natureza e use menos recursos naturais durante o seu ciclo de vida serão os produtos que prevalecerão. Estamos em uma época em que poucos ousam pensar que existem recursos infinitos, em que as empresas devem assumir suas responsabilidades para com o meio ambiente, levando em conta que poluir pode significar aumento de custos e não poluir pode ser um negócio lucrativo. 2.5. PATENTES Terminado o processo de desenvolvimento, é necessário proteger a criação. A patente é uma forma de proteger invenções. Patente é um título de propriedade temporária sobre uma invenção ou modelo de utilidade, outorgados pelo Estado aos inventores ou autores ou outras pessoas físicas ou jurídicas detentoras de direitos

29

sobre a criação. Em contrapartida, o inventor se obriga a revelar detalhadamente todo o conteúdo técnico da matéria protegida pela patente. Durante o prazo de vigência da patente, o titular tem o direito de excluir terceiros, sem sua prévia autorização, de atos relativos à matéria protegida, tais como fabricação, comercialização, importação, uso, venda, etc. (INPI).

30

3. PROCEDIMENTOS METODOLÓGICOS Este Capítulo discute os procedimentos metodológicos adotados neste trabalho, apresentado o universo a ser tratado, as variáveis, o modo de coleta de dados e os programas utilizados para tratar os dados. 3.1. TIPO E NATUREZA DO ESTUDO Esta pesquisa é empírica, exploratória e teórica. Aquela porque busca o entendimento de um fenômeno pelos experimentos, por ensaios. Esta porque busca constatar algo em um fenômeno e essa porque analisa o processo de desenvolvimento de novos produtos usando conceitos científicos já consagrados. Os ensaios, ou experimentos concernem no processo de degradação de polímeros. O fenômeno que se investiga é a mudança de propriedade do material ao ser exposto à radiação azul. O processo que se deseja estudar com base em teorias já consagradas é o de desenvolvimento de produto e um pouco do processo de degradação, os detalhes desse último foge ao escopo desse trabalho. Além da classificação em tipo, ela também pode ser classificada com relação à natureza, como híbrida: qualitativa e quantitativa. Aquela no sentido que usa de ideias teóricas para modelar o processo de desenvolvimento de produto e esse no sentido que uso de dados adquiridos em laboratório para entender o processo de degradação de polímero. 3.2. CARACTERIZAÇÃO DO UNIVERSO A SER ESTUDADO A FIG. 7 esquematiza o universo a ser estudado, que pode ser visto como a interseção de três campos de conhecimento5: estatística, processo de desenvolvimento de novos produtos e icterícia. A estatística é a ciência que disponibiliza as ferramentas para a análise do processo de degradação de polímero através de dados coletados ao se simular o fenômeno. O processo de desenvolvimento de produto disponibiliza técnicas para entender e auxiliar no desenvolvimento do produto e os conhecimentos sobre icterícia oferecem suporte para a problemática.

31

Estatística

Icterícia

PDP

Universo de estudo

FIGURA 7 - Universo de estudo 3.3. DEFINIÇÃO DAS VARIÁVEIS DE INVESTIGAÇÃO Nesse estudo, a variável de investigação é o processo de degradação do polímero. Quatro soluções com diferentes concentrações de soluto, MEH-PPV, são expostas ao tipo de radiação indicada para ser usada no tratamento da icterícia e então a degradação é mensurada. Além da degradação, também são investigadas variáveis do produto proposto, como: clientes, mercado e perspectivas. 3.4. DETERMINAÇÃO DA AMOSTRA A SER ESTUDADA A amostra a ser investigada consiste em quatro soluções de MEH-PPV, polímero em estudo. Estas amostras são expostas à radiação azul por meio do mesmo equipamento usado para degradar a bilirrubina dos neonatos. 3.5. DETERMINAÇÃO DOS INSTRUMENTOS DE COLETA DE DADOS Para a mensuração do processo de degradação, foi usado um dispositivo de leitura descrito em detalhes no Capítulo 4 e desenvolvido por alunos do LAPPEM. 3.6. CONCEITUAÇÃO DOS DADOS A SEREM COLETADOS Os dados a serem coletados são as voltagens medidas nos sensores azul, verde e vermelho. Todos os valores coletados estão em Volt4. O nome “Sensor” se refere ao valor lido no display do dispositivo usado para medir a degradação da solução. É conhecido que a matéria absorve em certa faixa do espectro eletromagnético e emite em outras. Os três sensores medem esse fenômeno.

32

A solução usada absorve no azul e emite no verde e vermelho. Sendo assim, o sensor azul mede a absorção ao passo que os sensores verdes e vermelhos medem a emissão. Consulte Halliday (2009, v. 4). 3.7. DEFINIÇÃO DO ORDENAMENTO E TRATAMENTO DOS DADOS Sendo assim, foi usada a seguinte sequência de análise: Exposição das amostras à radiação azul6; Medição; Armazenamento do dado; Tratamento dos dados; Discussões com envolvidos no trabalho relacionados às observações. Os dados obtidos foram tratados usando os seguintes softwares: Matlab®; Excel®; Minitab®. MatLab significa Matrix Laboratory: esse foi inicialmente feito para o cálculo com matrizes, mas acabou se tornando um dos mais completos software de cálculos matemáticos7

caracterizado

pelo

desenvolvimento

de

cálculos

avançados,

disponibilizando pacotes para cálculo complexos como integral e derivada. Caracterizase como um software interpretado, mas disponibiliza, caso o usuária prefira, caixas de ferramentas (Tool Box) com interface gráfica (GUI). Apesar de não ser um software livre, disponibiliza versão para o estudante, que para uso estudantil pode ajudar muito. Há um software livre com funções similares: Scilab8. O Excel® é uma planilha eletrônica, como o Matlab®, realiza cálculos das mais variadas naturezas. O Excel® possui uma interface com o usuário muito amigável e é muito usado. Minitab® é um software de estatística que possui função e interfaces desenvolvidas para o público que trabalha com estatística. Não é livre, mas disponibiliza um demo por 30 dias. Há um software livre, semelhante ao Mintab®, que também pode ser usado para tratar dados: R®9. Foi usado também um programa desenvolvido em JAVA, mas somente para efeito de conhecimento dos dados. Uma vantagem dos softwares especializados é a

33

praticidade, mas a desvantagem é o excesso de especialização. Muitas linguagens de programação, como JAVA, podem ser usadas para criar rotinas que não estão presentes nos softwares ou rotinas mais manipuláveis. O QUAD.2 apresenta vantagens e desvantagens de cada software que podem variar dependendo da aplicação. Para o trabalho no Matlab®, foi utilizado a ToolBox “cftool”. No Excel foram utilizados gráficos e no Minitab foram utilizadas as opções de regressão polinomial, gráficos de dispersão e superfície de contorno (Contour surface).

QUADRO 2 Comparação entre os softwares usados

Vantagem

Desvantagem

Sofware Matlab

Facilidade de manipular as funções

Muita liberdade. Sendo necessário maior conhecimento por parte do usuário, tanto de estatístca quanto de liguagem de programação

Excel

Facilidade de uso

genérico demais

Minitab

Não disponibiliza funções mais Ferramenta desenvolvida diretamente para avançadas, como regressão exponencial análise estatística ou regressão numérica

Fonte: elaboração própria 3.8. PESQUISA BIBLIOGRÁFICA Foram usados para embasar o trabalho artigos, livros, mídia, internet e discussões com pesquisadores relacionados com os assuntos tratados. Alguns foram citados de forma explicita ao passo que outros não, mas todos estão na referência bibliográfica e bibliografia. Sendo aquela o material citado no texto e essa o material não citado, mas que foi importante no desenvolvimento do trabalho.

34

4. ESTUDO DE CASO Este Capítulo apresenta detalhes sobre o dosímetro, incluindo uma descrição sobre o dispositivo para auxiliar no tratamento da icterícia, tanto das soluções polimérica quanto do equipamento usado para medir a degradação do polímero. O dispositivo pode ser ilustrado de acordo com a árvore de componentes da FIG.8.

Dispositivo Base

Sensores

Solução polimérica

Armadura

Polímero

Sensor azul

Sensor vermelho

Sensor verde

FIGURA 8 – Árvore de componentes para o Dispositivo Eletrônico Orgânico para Auxiliar no Tratamento da Icterícia

Cada um dos componentes do dispositivo estão descritos nas seções seguintes.

35

4.1. DISPOSITIVO A FIG. 9 apresenta uma foto do protótipo do dispositivo responsável pela leitura da degradação da solução polimérica.

Display: mostra o valor da degradação.

Ampola com solução polimérica usada para testar o protótipo

Local de posicionamento da ampola

FIGURA 9 – Protótipo do Dispositivo Eletrônico Orgânico Para Auxiliar no Tratamento da Icterícia O dispositivo possui a função de “ler” a degradação da solução polimérica após essa ficar exposta a radiação: a ampola usada para medir a degradação está também na foto. O dispositivo, como pode ser notado na FIG. 9 , é um sistema que engloba tanto a leitura, feita pela base, quanto o monitoramento, feito pelo filme. Atualmente, na fase de protótipo, esse mostra três valores: Sensor verde (volt); Sensor vermelho (volt); Sensor azul (volt). A FIG 10 esquematiza o funcionamento do dispositivo. Como pode ser observado, os três valores de Tensão RGB serão os dados de entrada, enquanto que o valor de degradação será o valor de saída. Para fazer essa conversão, os valores RGB em valores de degradação, é usado uma função matemática. Essa função é conseguida modelando o processo de degradação.

36

12,3 Sensor verde

Sensor azul

FUNÇÃO MATEMÁTICA

Valor da degradação

Sensor vermelho

FIGURA 10 – Esquema do protótipo do Dispositivo Eletrônico Orgânico para auxiliar no tratamento da Icterícia A versão do produto deverá mostrar somente o valor de degradação, esse é conseguido com a equação de degradação e a leituras das três componentes. Esse valor mostrado pelo dispositivo será o de uma função que usará os valores de tensão, dados que o dispositivo deverá ter a capacidade de ler, para gerar uma medida da degradação da amostra. Esse valor será o tempo de exposição relacionado aos valores das tensões amostrados em laboratório. É importante observar que o valor lido será menor se a lâmpada usada para gerar a degradação em uma situação de tratamento for de pior qualidade e maior caso contrário. É possível concluir que a homogeneidade das amostras é muito importante para a geração de resultados sempre coerentes.

37

4.2. BASE A base é o “corpo” do produto, onde fica situado o circuito PIC, os sensores e a fonte de luz usada para medir o processo de degradação. A FIG.11 mostra uma foto com a identificação das partes.

Display

Fonte (LED)

FIGURA 11 – Base com os componentes Sensores

38

4.3. SOLUÇÃO POLIMÉRICA A FIG. 12 apresenta as ampolas com o material polimérico usadas para testar o protótipo.

Solução inicial Solução final

FIGURA 12 – ampolas usadas para testar o protótipo em diferentes estados de degradação Como foi destacado anteriormente, há duas opções para a utilização do equipamento: análise visual, pela cor, e análise microscópica, pela mudança nas propriedades da solução. O produto final poderá, dependendo dos resultados, não usar ampolas na medição. A FIG.13 apresenta um exemplo de um “selo” de polímero que também pode ser usado para monitorar a radiação azul.

FIGURA 13 – Boneco com selo que muda de cor Fonte: Cedida pelo LAPPEM.

39

4.4. PRODUTO O produto consiste em um sistema que visa medir a quantidade de radiação acumulada durante um espaço de tempo. A função do produto será o monitoramento da quantidade adequada de radiação recebida pelo neonato ictérico através do processo de degradação polímero. Como foi destacado anteriormente, tanto o MEH-PPV, polímero orgânico conjugado, quanto a bilirrubina, substância tóxica resultante de processos internos do corpo, são sensível à radiação azul. Posto assim, o produto simulará um processo paralelo para acompanhar a quebra da bilirrubina. Vale relembrar a FIG. 3 mostrada no Capítulo 1. Nessa figura é representado tanto o neonato quanto a solução sobre a mesma fonte. É importante destacar que a quebra da bilirrubina e o processo de degradação polimérico são processos independentes, não havendo influência um com o outro. Assim é importante notar que não há como garantir que a bilirrubina irá ficar sincronizada com o processo de degradação do polímero, desse modo é importante deixar o dosímetro próximo ao neonato. O índice de erro do produto, que deve ser o mais baixo possível, está fora de escopo desse trabalho, mas deve ser feito um estudo colocando os dois processos de forma paralela. Deve ser testado em vários neonatos com diferentes níveis de bilirrubina no sangue. 4.5. DETERMINAÇÃO DO CLIENTE Para Juran (2004, p.45), os clientes são “aqueles que serão impactados ou afetados pelos produtos e processos necessários para se atingir as metas de qualidade. Os clientes incluem tanto aqueles que são impactados se as metas forem alcançadas, como aqueles impactados caso elas não sejam atingidas”. Usando essa definição de cliente, podemos destacar os seguintes clientes: Neonatos ictéricos; Médicos; Auxiliares; Familiares do neonato ictérico; Hospital.

40

4.6. DETERMINAÇÃO DA NECESSIDADE DOS CLIENTES Como delimita Juran (2004), há várias formas de se classificar as necessidades dos clientes. Essas são: Necessidades declaradas; Necessidades reais; Necessidade percebida; Necessidades culturais; Necessidades atribuíveis a usos inesperados Necessidades reais e declaradas são correlacionadas. Apesar de declarar querer um produto, o cliente realmente quer o serviço. Isso leva a pensarmos mais nas funções do produto do que no produto em si. O QUADRO 3 relaciona o desejo e a necessidade do cliente pensando no produto em questão. QUADRO 3 Desejo e o que o cliente realmente quer O cliente deseja Facilidade Confiabilidade Baixo custo Produto consistente

O cliente quer Produtos que minimize as chances de erro Sistema que garanta resultado de acordo com os padrões Produtos que gerem pouco resíduo Está de acordo com a tendência: produtos sustentáveis

Necessidade percebida está relacionada a um caso clássico: a diferença entre o que o cliente precisa e o que está no mercado. Isso pode ser um problema ou uma oportunidade. O produto em estudo seguiu a linha da necessidade percebida. Segundo observou um pesquisador do LAPPEM, durante a compra de uma lâmpada para um experimento, poucos realmente compravam a lâmpada correta. Tal procedimento pode ser nocivo se essa for para hospitais, pois o tratamento não será eficaz. De acordo com a Organização Mundial de Saúde, mais de 70% das lâmpadas utilizadas nos equipamentos de fototerapia neonatal não são adequadas ao tratamento e não influenciam no resultado final. Sendo assim há uma necessidade percebida. As necessidades culturais estão relacionadas a hábitos e crenças. As mudanças geram conflitos. Não foi o foco desse produto, mas pode ser visto um respeito ao hábito. É conhecido que a prática atual não é a correta para o tratamento da icterícia, então esse produto servirá como uma correção a esse hábito sem derrubá-lo.

41

Nas palavras de Juran (2002, p.78), “muitas falhas de qualidade surgem porque o cliente usa o produto de maneira diferente daquela pretendida pelo fornecedor”. O tratamento da icterícia é um produto, do tipo serviço, e o certo seria a utilização da iluminação correta, mas não é o que ocorre. Segundo pesquisas, há hospitais que usam lâmpada incandescente. Além de ineficiente, segundo Silva (2006), a lâmpada incandescente dissipa 80 % da energia em calor e para piorar, segundo o mesmo autor, há mais de 5.000 tipos de lâmpadas diferentes no mercado. Assim nasce a necessidade atribuível a usos inesperados. 4.7. PROCESSO DE DESENVOLVIMENTO DE NOVOS PRODUTOS Usando novamente a figura apresentada no Capítulo 2, FIG. 5, com algumas alterações, FIG.14 , para dissertar sobre o processo de desenvolvimento do produto, chegamos às discussões que se seguem. IDEIA NECESSIDADE

Lançamento

Avaliação Preliminar

Teste de Conceito

Desenvolvimento

Protótipo

Teste de mercado

FIGURA 14 – Fluxograma para o processo de desenvolvimento de produto Fonte: adap. Machado (2008)

Ideia A ideia surgiu da observação de que apesar da necessidade do comprimento de onda eletromagnético correspondente ao azul para a quebra da bilirrubina, essa especificação não é respeitada. O ideal é que a iluminação somente tenha o azul, mas há casos de

42

baixa concentração desse espectro, como as incandescentes ou fluorescentes, que são muitas vezes usadas como lâmpada para compor o sistema de fototerapia. Entre as várias características dos polímeros destacadas por (MANO, p.38, 1991), a resistência à radiação ultravioleta é a mais interessante para o contexto. “As macromoléculas de estrutura insaturadas apresentam baixa resistência à radiação ultravioleta”. Esse processo é mais visível nos polímeros orgânicos conjugados. Esses mudam de cor ao serem expostos à radiação. Se, tanto o polímero quanto a bilirrubina, vilã da icterícia, são sensíveis à mesma fonte. Por que não usar um processo para medir o outro? Avaliação preliminar O processo de degradação de polímero é algo que depende da qualidade da iluminação, não do tempo de exposição, logo, esse processo pode ser usado como um relógio em uma dimensão que retrate o verdadeiro processo de degradação. A velocidade da degradação e a passagem de uma cor para a outra da solução depende da concentração do soluto, MEH-PPV, ou de “catalisadores”. Mas esse processo é instável? Após três amostragens com o equipamento em diferentes configurações, os resultados foram estáveis e previsíveis. Teste de conceito O teste de conceito foi feito através de discussões e apresentações de trabalhos para as pessoas envolvidas e para a comunidade científica. O reconhecimento veio através de premiações, além da publicação em revista internacional da área de saúde, com alto fator de impacto (Ferreira, 2009). O trabalho vem obtendo destaque no cenário nacional, por meio de artigos divulgados, tais como “Dosagem correta” no Jornal Hoje em dia, “Projeto e desenvolvimento de produto: proposta e desenvolvimento de dispositivo eletrônico orgânico para auxiliar no tratamento da icterícia” no SIMPEP, “Banho de luz preciso” na Revista Fapesp e também no cenário tecnológico e empresarial, no qual conquistou diversos prêmios de abrangência nacional como “Prêmio de Ciência e Tecnologia do SUS 2008” Siemens10.

e

43

Desenvolvimento Vários pontos, como função, clientes, mercado e perspectivas foram discutidos. Um ponto a ser destacado diz respeito a segmentação de mercado. Como foi observado nos ensaios, a quantidade de sensores pode variar. Isso abre as portas para a criação de produtos com características diferentes. Além da quantidade de sensores, a distribuição espacial desses também pode variar. Isso facilita o design, visto que uma das dimensões da qualidade é a estética. Protótipo O protótipo, que já foi discutido, foi construído e mostrou bons resultados. Teste de mercado O teste de mercado consiste em gerar amostras iniciais e observar a reação do mercado. Tal procedimento ainda não é possível, pois o protótipo não está finalizado, mas já estão sendo feitos contatos em várias UTIs do estado de Minas Gerais. Lançamento O lançamento dá fim à cadeia, vale lembrar que fim não representa o término da vida do produto, e sim o fim do processo de desenvolvimento.

44

5. RESULTADOS E DISCUSSÕES Neste Capítulo é apresentada a modelagem físico-matemática do processo de degradação polimérica com medidas feitas com o dispositivo apresentado neste trabalho monográfico. Esse capítulo foi estruturado em: revisão de conceitos e ensaios. Para propiciar um material enxuto e didático, os detalhes no que tange os procedimentos metodológicos adotados para o conhecimento dos dados somente são apresentados para a concentração de 10 µg/ml de MEH-PPV, para as demais concentrações foi apresentado somente os resultados ao ser seguido os mesmos procedimentos. Na seção 5.1, revisão de conceito, são descritos os conceitos que serão usados na seção 5.2 . Na seção de ensaios, seção 5.2, são apresentas quatro concentrações diferentes e suas respectivas modelagens matemática. 5.1. REVISÃO DE CONCEITOS Os conceitos apresentados dizem respeito ao tratamento dos dados obtidos pelos sensores relativos às soluções após degradação. Cada conceito apresentado foi usado de forma direta ou indireta. A forma apresentada não é necessariamente como foram usados os conceitos. 5.1.1. GRÁFICO DE DISPERSÃO Como define Triola (2005, p.381), “Um gráfico de dispersão é um gráfico no qual os dados amostrais emparelhados são plotados com um eixo horizontal x e um eixo vertical y. Cada par individual (x,y) é plotado como um único ponto”. Essa definição pode ser expandida para três eixos, nesse caso o ponto será do tipo (x,y,z). O GRAF. Erro! Fonte de referência não encontrada. apresenta exemplos de dispersão bidimensional e tridimensional, respectivamente em (a) e (b).

45

20

x

15

10

5

0 0

20

40

60

80

100

z

a)

b)

FIGURA 15 - Exemplos de gráficos de dispersão. a) 2D e b) 3D. 5.1.2. REGRESSÃO Definido a relação entre um conjunto de variáveis, sendo essa linear ou não, múltipla ou simples, cabe ao método matemático conhecido como regressão encontrar uma curva que melhor explica o comportamento dos dados. Uma limitação da regressão reside na necessidade de conhecer a função que se comporta de forma similar aos dados, ficando ao modelo encontrar os parâmetros que gere uma curva que melhor ajuste os dados experimentais. Esse conhecimento pode partir de um modelo teórico ou escolhido através de experiência. CORRELAÇÃO Duas variáveis estão correlacionadas quando existe uma relação entre essas. Enquanto a correlação quantificação essa relação, a regressão equacionar essa relação. Existem duas formas de se notar a relação entre duas variáveis: visualmente e numericamente. Visualmente essa pode ser feita pelo gráfico de dispersão Numericamente, uma relação pode ser calculada pela fórmula abaixo:

r

n∑ xy − ∑ x∑ y n∑ x − (∑ x ) 2 n ∑ y − (∑ y ) 2 2

2

(Eq. 1)

A equação (1) é chamada de coeficiente de correlação linear. Considere um conjunto de pontos (x,y), o coeficiente de correlação linear mede a intensidade da relação linear

46

entre esse pontos. Esse varia no intervalo (-1,1), sendo valores iguais ou próximos de -1 indicando correlação negativa e no caso de 1, correlação positiva. Duas ou mais variáveis pode está correlacionada de duas formas: linear ou não linear. A matriz cujos elementos é a correlação entre a variável na coluna e a na linha é chamada de matriz de correlação. A matriz de correlação é simétrica. MODELO DE REGRESSÃO LINEAR SIMPLES Os dados apresentados podem ser modelados usando regressão linear simples, descrita na Eq. (2). y = β0 + β1 x + ε

(Eq. 2)

Onde ε é “um erro aleatório com média zero e variância σ2” (Montgomery, p.207, 2002) e é o erro assumido devido à imprecisão das medidas; β’s são o parâmetros e x é a variável independente, ou, regressor. Os β’s são calculado pelas equações (3) e (4). ∧

_

∧ _

β 0 = y − β1 x

∧

β1 =

 n  n      y ∑ ∑ x t n t t =1 t =1     y t xt − ∑ n t =1

(Eq. 3)

(Eq. 4) 2  n   ∑ xt  n 2 −  t =1  ∑ x t n t =1 Com relação a ε, esse deve respeitar um curva de distribuição normal. A FIG. 16 mostra várias curvas gaussianas.

47

FIGURA 16 - Curvas de gaussianas para uma média μ e desvio padrão σ. Onde: a = 1/(σ√(2π)), b = μ, c = σ

As variáveis que apresentam função de probabilidade normal possuem a característica de apresentarem média igual a zero e desvio padrão igual a 1, sendo assim a curva normal é uma gaussiana com média zero e desvio padrão igual a 1. TRANSFORMAÇÃO PARA UMA LINHA Considere o gráfico da FIG 17.(a), certamente uma função não linear. Mas essa função pode ser linearizada, FIG 17.(b). 120

5

4.5 100

4 80

3.5 60

3

40

2.5

2

20

1.5 0

0

1

2

3

4

5

6

7

8

9

10

1

1

a)

1.5

2

2.5

3

3.5

4

4.5

5

b)

FIGURA 17 – Exemplo de uma função exponencial. (a) função e (b) função linearizada

O processo de linearização usado é mostrado na Eq. 5

48

y = β0e β1x

(Eq. 5)

Ln(y) = ln (β0) + β1x

Depois de realizado o processo de linearização, podemos tratar o modelo nãolinear como linear e resolvê-lo de forma analítica. “Tais modelos não lineares são chamados de intrinsecamente lineares” (MONTGOMERY, 2002, p.224). LIMITES DE PREVISÃO DE UM MODELO “Uma aplicação importante de um modelo de regressão é prever novas ou futuras observações

Y,

correspondentes

a

um

valor

específico

do

regressor

x”

(MONTGOMERY, 2002, p.218). Essa capacidade de previsão de um modelo pode ser quantificada em intervalo de previsão. A FIG. 18 representa um gráfico de previsibilidade, onde os pontos representam os dados, a linha contínua a regressão e as linhas pontilhadas os limites de previsibilidade. Vale observar que quanto mais estreito for o intervalo de previsão, mais preciso é o modelo.

FIGURA 18 - Gráfico com curva de regressão, limites de confiança e intervalos de previsão. Fonte: Montgomery (2002, p.218)

49

Não devemos confundir intervalo de confiança com intervalo de previsão. Em Montgomery (2002) há discussões nessa direção. REGRESSÃO LINEAR MÚLTIPLA Nas palavras de Montgomery (2002, p. 230), “um modelo de regressão que contém mais de um regressor é chamado de um modelo de regressão múltipla”. Para três regressores, temos a Eq. (6).

y = β0 + β1 x1 + β2 x2 + β3 x3 + ε

(Eq. 6)

Onde: β’s são os coeficientes; x’s são os regressores; ε é o erro assumido devido a imprecisão do modelo, variável com distribuição obrigatória normal. Os β’s são calculados usando a Eq. (7). ∧

β = ( X ' X )−1 X ' y

(Eq. 7)

MODELOS DE REGRESSÃO POLINOMIAL Os modelos de regressão polinomial são resolvidos transformando esses em linear para então serem usadas as técnicas já conhecidas para modelos lineares. Em geral, “qualquer modelo de regressão que seja linear nos parâmetros (os β’s) é um modelo de regressão linear, independente da forma da superfície que ele gere” (MONTGOMERY, 2002). A Eq.(8) mostra um modelo genérico para dados com comportamento polinomial. y = β0 + β1x + β2x2 + β3x3

(Eq. 8)

Fazendo: x1 = x; x2= x2 e x3= x3, chegamos ao modelo: y = β0 + β1 x1 + β2 x2 + β3 x3 .

(Eq. 9)

50

Com esse artifício é possível reduzir um modelo polinomial a um modelo de regressão linear múltipla, assim usado nas técnicas de regressão dos modelos lineares. CÁLCULO DE ADEQUAÇÃO DO MODELO

Ajustar um modelo de regressão requer várias suposições. A estimação dos parâmetros do modelo requer a suposição de que os erros sejam variáveis aleatórias não correlacionadas com média zero e variância constante. Testes de hipóteses e estimativas do intervalo requerem que os erros sejam normalmente distribuídos. Em adição, consideramos que a ordem do modelo está correta; isto é, se ajustarmos um modelo de regressão linear simples, então estaremos supondo que o fenômeno se comporte realmente de uma maneira linear ou deve ter primeira ordem. O analista deve sempre duvidar da validade dessas suposições e conduzir análises para examinar a adequação do modelo que se está testando (MONTGOMERY, 2002, p. 219).

Duas grandezas bastante interessantes para medir a adequação de um modelo são o Coeficiente de Determinação R e o Coeficiente de Determinação Ajustado Rajust. Referimo-nos a R² como a quantidade de variabilidade nos dados explicada pelo modelo de regressão Montgomery (2004), ou seja, o quanto o modelo é adequando para o caso. R² aumenta de acordo com a adição de variáveis no modelo. Quando uma variável adicionada for de pequena significância para o modelo, R² aumenta pouco. Esse coeficiente é usado para escolher variáveis que devem entrar em um modelo, isto é, limitar a entrada de variáveis no modelo. O R² ajustado considera o número de variáveis do modelo, consequentemente, pode diminuir mesmo com o aumento de mais uma variável: caso diminua, a variável adicionada não ajuda a previsão, podendo até perturbar a previsão. Uma outra variável importante é o desvio padrão dos dados em relação à curva de regressão: S. RESÍDUO Considere o gráfico apresentado na FIG 19 (a). A diferença entre o valor estimado pela curva e os reais, ou seja, os coletados, são chamados de resíduo.

51

35

30

Valor real

25

20

15

10

5

0

0

1

2

3

4

5

6

7

8

9

Linha estimada de regressão

10

a) c)

FIGURA 19 – a) gráfico de um conjunto de pontos que tendem a uma linha, onde os pontos estão em vermelho e a curva ajustada em azul. Em b) há uma esquematização dos valores estimados e reais. O resíduo mostra o quanto o modelo explica os dados além de ser a base para o cálculo de estatística muito importante para medir a adequação de um modelo, como R ou o SSE (Sum Square Error). Logo, podemos observar o comportamento de um modelo plotando o gráfico de dispersão dos resíduos de um modelo. 5.1.3. LEI DE BEER Quando a luz (monocromática ou heterogênea) incide sobre um meio homogêneo, uma parcela da luz incidente é refletida, uma outra parcela é absorvida no meio e a restante é transmitida. http://www.ufpa.br/ccen/quimica/base%20teorica%20da%20espectrofotometria.ht m

Essa passagem resume o que ocorre quando um corpo é atravessado por um feixe de luz. A FIG.20 esquematiza essa ideia.

52

FIGURA 20 - Diagrama da absorção de um feixe de luz atravessando uma cubeta de largura l, intensidade do feixe incidente igual a Io, do feixe final igual a I1, concentração da solução interna igual a c e coeficiente de absorbância igual a α.. Fonte: http://pt.wikipedia.org/wiki/Lei_de_Beer-Lambert.

Relações interessantes e úteis podem ser delineadas através da lei de Beer.

A lei de Beer-Lambert, também conhecida como lei de Beer ou lei de BeerLambert-Bouguer é uma relação empírica que, na Óptica, relaciona a absorção de luz com as propriedades do material atravessado por esta. http://pt.wikipedia.org/wiki/Lei_de_Beer-Lambert

Uma das formas da lei de Beer é a seguinte:

(Eq. 10) Onde:

I

0

é intensidade luminosa incidente;

I

1

é a intensidade luminosa após o feixe

atravessar o corpo; α é o coeficiente de absorção; l é a espessura do corpo. Ver FIG.20

I /I 1

0

é conhecido como transmitância.

Sendo T= I 1 / I 0 , temos:

T =e

−αlc

(Eq. 11)

Notamos que a Eq. (11) representa um modelo exponencial. É interessante notar que T é dado em porcentagem, ou seja, T não tem dimensão. 5.2.

ESTUDO DO PROCESSO DE DEGRADAÇÃO POLIMÉRICA

Nesta seção são apresentadas análises e discussões sobre as amostragens de degradação de polímeros. Para a inferência, foram usadas técnicas de regressão polinomial e exponencial, sendo aquela empírica e essa teórica. O procedimento de amostragem foi feito para quatro concentrações diferentes. A análise da degradação de polímero é iniciada com uma visão geral das quatro concentrações, para nas seções seguintes,

53

terminar em uma análise mais local, concentração por concentração. Nessa visão geral, disserta-se sobre as características comuns às quatro concentrações, que posteriormente tem analisada a sua natureza quantitativa. Como foi destacado, a análise para 10 µg/ml será mais detalhada ao passo que as demais serão apenas apresentados os resultados e, se necessários, alguns gráficos. Esta seção estuda a mudança na absorção e emissão do material. Para detalhes na mudança da cor, ver Ferreira (2008). Ao final dessa seção, são almejadas as seguintes respostas: Qual a quantidade ótima de sensores, ou seja, qual é a configuração otimizada do dispositivo; Qual a concentração ótima para certos objetivos para os dispositivos, de forma equivalente, qual a característica de cada concentração; Qual o comportamento do dispositivo para diferentes configurações a fim de procurar a melhor configuração para aplicações específicas. 5.2.1. PROCEDIMENTOS EXPERIMENTAIS Foram usadas para a amostragem do processo de degradação de polímeros quatro concentrações diferentes: 10, 25, 50 e 100 µg/ml de MEH-PPV. Essas foram expostas simultaneamente, seguindo um procedimento de amostragem paralela. Após expostas, essas tiveram o processo de degradação mensurado pelo dispositivo mostrado neste trabalho. A FIG.21 representa através de um fluxograma o processo de amostragem.

Expor solução durante certo tempo

Fazer leitura

OK?

Plotar resultado

FIGURA 21 - Fluxograma para o procedimento de amostragem De forma resumida, o procedimento de amostragem foi feito da seguinte forma: a) Exposição da solução por um tempo pré-determinado e mensuração da degradação através das medidas de tensões nos fotosensores;

54

b) Após as medidas, a solução volta a permanecer exposta durante outro período pré-determinado; c) Repetir etapas “a” e “b” até um tempo estipulado como máximo de exposição. As etapas a, b e c podem ser explanadas da seguinte forma: ao se expor a solução à radiação azul, essa degrada devido à presença do espectro eletromagnético correspondente ao azul. Ao degradar, a absorção, que ocorre na faixa do azul, diminui. Essa diminuição da absorção é notada pelo aumento de radiação azul que atravessa o corpo. É conhecido da física quântica que quanto menor for a absorção, menor será a emissão. Sendo assim, o processo de degradação, que resulta na diminuição da concentração de MEH-PPV, pode ser amostrado pela variação de radiação que atravessa o corpo após exposições à radiação. No processo de medida existem as seguintes fontes de erro: Variação no tempo de medida. No gráfico Componente RGB vs tempo, é plotado o tempo em que a medida foi feita e o valor dessa, mas não há como garantir que a medida será feita sempre no tempo planejado. Esse erro pode ser visto através uma curva de probabilidade de Poisson; Erro de precisão de equipamento. Se a degradação for muito pequena entre duas medidas, pode ocorrer de o dispositivo não ser capaz de mensurar essa pequena mudança. A FIG.10 mostra o esquema de funcionamento do dispositivo. A amostra é colocada na posição central e recebe a iluminação de um LED azul11, nas outras direções ficam localizados os fotosensores. Tal sistema é baseado no princípio de operação de um colorímetro LED/polímero/fotodetector. Ele tem como princípio básico de operação a correlação entre a forma dos espectros de absorção e de fotoemissão na região do UV/VIS e a curva resposta dose/tensão no fotodetector. Sempre que um corpo transparente é atravessado por feixe de iluminação, parte desse é retido devido à absorção12. Uma forma de medir a intensidade de um feixe de luz é a transformação dessa entidade em voltagem. Sendo assim, quanto maior for a intensidade do feixe, maior será o valor de voltagem observado na conversão. Para a absorção quanto menor for a concentração maior serão os valores nos fotosensores. Tanto a emissão quanto a absorção são características do material em questão.

55

SA

SVR

Amostra

SVM

Fonte de radiação

FIGURA 22 - Esquema do dispositivo usado para mensurar a degradação polimérica Cada sensor da FIG.Erro! Fonte de referência não encontrada. (SVR – sensor verde, SVM – sensor vermelho, e SA – sensor azul) funciona de acordo com a FIG.23. O sensor é excitado por um feixe de luz, esse converte essa “excitação” em voltagem. O sensor azul, posicionado na frente da fonte iluminação, mede a absorção, ao passo que os sensores periféricos, verde, a direita, e vermelho, a esquerda, medem a emissão. Tanto a emissão quanto a absorção mudam de acordo com a concentração do material.

FIGURA 23 – Esquema do funcionamento dos sensores Para exposição, foi usado um Bilitron® 3006, dispositivo que emite feixes de luz monocromática na faixa do azul, FIG. 24, e que é normalmente usado em hospitais para fototerapia neonatal.

56

FIGURA 24 – Dispositivo usado para provocar a degradação da solução polimérica. a) foto do dispositivo, b) dispositivo ligado e c) curva espectral para o dispositivo. Fonte: Material cedido pelo LAPPEM 5.2.2. MOTIVAÇÃO Apesar do processo de degradação polimérica ser o mesmo para diferentes concentrações, o comportamento pode variar, resultando diferentes respostas. Esse conhecimento pode ser usado para confeccionar dispositivos com características específicas. 5.2.3. VISÃO GERAL DO PROCESSO DE DEGRADAÇÃO No GRAF. 1 estão os gráficos de degradação em função do tempo de exposição das soluções à radiação para cada concentração. Os GRAF. 1.(a), GRAF. 1.(b), GRAF. 1.(c), e GRAF. 1.(d) são, respectivamente, os gráficos de voltagem vs tempo para as concentrações de 10 µg/ml, 25 µg/ml, 50 µg/ml e 100 µg/ml, respectivamente. Alguns pontos que podem ser destacados: A componente azul aumenta com o aumento do tempo de exposição da amostra a radiação azul ao passo que a vermelha e a azul diminuem. A componente azul mensura a absorção. Quanto maior a degradação, menor é a absorção e quanto menor for a absorção mais quantidade de luz atravessará o material. Isso implica que a concentração de MEH-PPV diminui com o tempo; As componentes vermelha e verde tendem a um valor comum; Isso ocorre devido a degradação do material que diminui a sua fotoemissão; Há uma suavização das curvas para a concentração de 100 µg/ml de MEH-PPV;

57

Com o aumento da concentração, há um retardamento inicial do processo de degradação. Isso provavelmente ocorreu devido à forma de amostragem13 ou devido à dificuldade inicial do feixe atravessar a solução. Na concentração de 100 µg/ml de MEH-PPV, há um comportamento particular: um aumento dos valores de voltagem e sua posterior diminuição.

voltagem(volt)

voltagem vs tempo para concentração de 10µg/ml MEH-PPV 3,5 3 2,5 2 1,5 1 0,5 0

Sensor Verde Sensor Vermel ho Sensor Azul 0

100

200

300

400

tempo (mim)

a) voltagem vs tempo para concentração de 25µg/ml MEH-PPV Sensor verde

2 Sensor vermel ho

1,5 1 0,5

Sensor azul

0 0

100

200

300

400

Tempo(mim)

b) voltagem vs tempo para concentração de 50 µg/ml MEH-PPV

voltagem(volt)

voltagem(volt)

3 2,5

Sensor verde

3 2,5

Sensor vermelho

2 1,5 1

Sensor azul

0,5 0 0

100

200

300

tempo(mim

c)

400

58

voltagem vs tempo para concentração de 100µg/ml MEH-PPV

Voltagem (Volt)

Sensor verde 2,5 2 1,5 1 0,5 0

Sensor vermel ho Sensor azul

0

100

200

300

400

tempo (min)

d) GRÁFICO 1 – Voltagem vs tempo para as concentrações a) 10 µg/ml de MEH-PPV, b) 25 µg/ml de MEH-PPV, c) 50 µg/ml de MEH-PPV e 100 µg/ml de MEH-PPV

O GRAF. 2 mostra que a degradação de polímero respeita a lei de Beer durante o processo de degradação. Isso é um ponto interessante do ponto de vista da modelagem, pois se os dados respeita algum conhecimento teórico, é possível a construção de um modelo teórico.

V o l ta g e m (v o l t)

V o l ta g e m (v o l t)

1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 0

20

40

60

80

Concentração (g/ml)

a)

100

120

2 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 0

20

40

60

80

Concentração (g/ml)

b)

100

120

59

2,5 2,5 2

1,5

V oltagem (volt)

V o lta g e m (v o lt)

2

1 0,5

1,5 1 0,5

0 0

20

40

60

80

100

0

120

0

Concentração (g/ml)

20

40

60

80

100

120

Concentração (g/ml)

d)

3

3,5

2,5

3 2,5

V o l ta g e m (v o l t)

V o l ta g e m (v o l t)

c)

2 1,5

2

1,5

1

1

0,5

0,5

0

0

0

20

40

60

80

Concentração (g/ml)

e)

100

120

0

20

40

60

80

100

Concentração (g/ml)

f)

GRÁFICO 2 – Gráficos para os resultados empíricos para diferentes tempos de exposição. a) t=0 min; b) t=5 min; c) t=10 min; d) t=15 min; e) t=50min e f) 240 min.

Notamos que a voltagem nos sensores diminui com o aumento da concentração para diferentes valores de exposição , 0 min (GRAF. 2.(a)) , 5 min (GRAF. 2.(b)) , 10 min (GRAF. 2.(c)) , 15 min (GRAF. 2.(d)) , 50 min (GRAF. 2.(e) e , 240 min (GRAF. 2.(f)) A lei de Beer diz que a concentração de MEH-PPV decai exponencialmente com o tempo.

120

60

5.2.4. ESTUDO POR CONCENTRAÇÃO 10 µg/ml de MEH-PPV A seguir temos os gráficos de dispersão do tempo14 em função da voltagem para cada um dos sensores sendo esses azul (GRAF.3.(a)), vermelho (GRAF.3.(b)) e verde (GRAF.3.(c)) para o processo de degradação usando a solução de 10 µg/ml de MEHPPV.

GRÁFICO 3 – Gráfico de dispersão Voltagem vs tempo. a) tempo (min) VS azul (volt), b) tempo (min) vs vermelho (volt) e c) tempo (min) vs verde (volt). Através do GRAF.3, é possível notar que há certa regularidade nos dados. Uma possível regressão para esses dados é uma cúbica, apresentado no GRAF. 4.

61

GRÁFICO 4 – Voltagem vs tempo com curva de regressão cúbica. a) tempo (min) vs verde (volt), b) tempo (min) vs vermelho (volt) e c) tempo (min) vs azul (volt). Usando a estatística R para medir a adequação do modelo, é possível chegar à TAB. 1. Nessa tabela há quatro medidores de qualidade para o modelo do GRAF. 4. R²: R² ajust ; R²/ R²

ajust:

mensura a razão o R e R²

ajust,

quantifica a diferença entre os dois

medidores. Quanto mais próximo de zero melhor é o modelo; S: estimativa do desvio padrão. Quanto menor, melhor é o modelo. TABELA 1 Equações para o e medidores de qualidade do GRAF. 4

62

TABELA 2 Matriz de correlação para as componentes

É interessante notar na TAB. 1 que a razão entre o R² e o R²ajust é muito pequena. Isso implica dizer que o modelo está bem explicado somente com uma variável, como é possível inferir. No GRAF. 8, é possível notar que a componente azul possui intervalo de predição mais aberto do que as demais componentes. Isso ocorre devido a maior dispersão dos valores de y para essa, vale notar o valor de R para essa componente na TAB. 1, o menor de todos, e S, maior de todos. Os modelos da TAB. 1 seguem o modelo apresentado na Eq.(8). A correlação entre as componentes é alta, como observada na TAB. 2. Isso implica concluir que essas componentes não podem ser encaradas como grau de liberdade de um modelo maior, ou seja, um modelo com mais de uma variável será pior do que um modelo com somente uma. Essa correlação é confirmada através do GRAF.(5), GRAF.(6) e GRAF.(7). Esses expõem a mesma informação, a correlação linear entre as componentes, mas de ângulo diferentes. No GRAF.(5)a, são apresentadas as três componentes juntas em um gráfico de dispersão 3D, como elas são linearmente dependentes, seguem a diagonal do cubo. No GRAF.(5)b, essa mesma informação é notada, mas agora com uma informação adicional: se um componente for mantida constante, será que ainda é mantida a linearidade? Isso é confirmado pela base do gráfico, um plano, e confirmada pelo GRAF.(6), onde as componentes são plotadas duas a duas no espaço 2D, seguem uma reta. No GRAF.(7), as componentes estão plotadas em função do tempo, notamos que ao fixarmos um valor de tempo a superfície em 2D gerada será um plano. Se essa linearidade não existisse, o GRAF.(7) não apresentaria base plana.

63

GRÁFICO 5 – a) Gráfico de dispersão 3D: vermelho vs azul vs verde e b) Curvas de superfície vermelho vs azul vs verde

64

2,0

1,1 1,0 0,9

1,5

Vermelho

Verde

0,8 0,7 0,6

1,0

0,5 0,4

0,5

0,3 0,2 0,0

1,50

1,75

2,00

2,25

2,50

2,75

3,00

3,25

1,50

1,75

A zul

1,1 1,0 0,9

Verde

0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,5

1,0 Vermelho

2,25

2,50 Azul

b)

a)

0,0

2,00

1,5

2,0

c)

GRÁFICO 6 – Gráfico de dispersão 2D para as componentes.

2,75

3,00

3,25

65

GRÁFICO 7 – Curvas de superfície para o processo de degradação a) tempo vs azul vs Vermelho e b) tempo vs azul vs verde O GRAF. 8 segue com os intervalos de predição para α = 5% das equações da TAB. 1. Onde (1 – α) é o coeficiente de confiança.

66

250

250

200

200

150

150

100 100

50 50

0 0

-50

-50

-100 1.8

2

2.2

2.4

2.6

2.8

0.2

3

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

b)

a)

250

200

150

100

50

0

-50 0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

c)

GRÁFICO 8 – Gráfico com intervalos de predição para as equações da TAB. 1. a) tempo vs azul, b) tempo vs vermelho e c) tempo vs verde Uma forma alternativa de modelagem desses dados pode ser obtida pela lei de Beer. Intuitivamente, podemos dizer que a concentração é inversamente proporcional ao tempo. Isso implica em: c = k/t

(Eq. 12)

Sendo a lei de Beer:

f(x) = exp(-εbc)

(Eq. 13)

Onde: ε é o coeficiente de absorbância, b é a largura a ser atravessa e c a concentração.

67

Usando (12) em (13), chegamos a: f(x) = exp(-εbk/t)

(Eq. 14)

No processo de degradação, somente c varia, logo podemos generalizar a equação (14) como: f(x) = β0exp(-β1/t) + β2

(Eq. 15)

Onde: β0 corresponde à intensidade luminosa inicial que atravessa o corpo; β1 Corresponde a εbk; β2 corresponde a um valor que somado a β0 dará a medida no tempo inicial. Usando a equação (15), chegamos à seguinte regressão para a componente azul15:

1.1

3

1 2.8 0.9 2.6

0.8

0.7 2.4 0.6 2.2 0.5

0.4

2

0.3 1.8 0.2 0

50

100

150

200

0

a)

50

100

150

200

b)

1.8

1.6

1.4

1.2

1

0.8

0.6

0.4

0.2 0

50

100

150

200

c) GRÁFICO 9 – Regressão exponencial para a componente a) azul, b) verde e c) vermelha.

68

Considerando o modelo de Beer, adquirimos novos valores de R², R²ajus e R²/ R²ajus apresentados na TAB. 3. TABELA 3 Valores de R², R²ajus e R²/ R²ajus e para as regressões segundo a lei de Beer para 10 µg/ml

Componente Azul Verde Vermelho

R (%) 97.7 99.46 95.71

Rajust(%) R (%)/Rajust(%) 97.43 1.00 99.39 1.00 95.2 1.01

1.2

3.2

3 1

2.8

2.6

0.8

2.4 0.6

2.2

2 0.4

1.8 0.2

1.6

0

50

100

150

0

200

50

100

150

200

a) b) 2

1.5

1

0.5

0

0

50

100

150

200

c) GRÁFICO 10 – Gráfico com intervalos de predição para as regressões do GRAF. 9 a) tempo vs azul, b) tempo vs verde e c) tempo vs vermelha

69

Ao fim dessa seção é possível concluir que: As componentes RGB estão fortemente correlacionadas, o que implica que um modelo usando as três não seria um bom modelo; Há duas regressões possíveis: cúbica e exponencial; O modelo exponencial apresentou comportamento superior para a concentração de 10 µg/ml de MEH-PPV no que tange a capacidade de explicar a variabilidade dos dados, isso é visto nas estatísticas R e Rajus. Além das estatísticas R e Rajus, o modelo exponencial também apresentou limites de previsibilidade mais estreitos, isso é uma boa característica; O polímero de concentração 10 µg/ml de MEH-PPV degrada de acordo com a lei de Beer, GRAF.2. 25 µg/ml de MEH-PPV Ao compararmos os gráficos de dispersão de 10 µg/ml de MEH-PPV com 25 µg/ml de MEH-PPV, chegamos a seguintes conclusões:

As componentes demonstram um comportamento muito menos aleatório para 25 µg/ml de MEH-PPV, apesar de manter o formato, há um deslocamento das curvas para cima. Esse deslocamento da curva ocorre devido ao aumento da concentração, que aumenta a emissão.

A regressão para 25 µg/ml de MEH-PPV pode ser resumida na TAB.4. TABELA 4 Valores de R, Rajus, R/ Rajus, e S para 25 µg/ml de MEH-PPV

Comparando a TAB. 1 com TAB.4, podemos dissertar:

70

Houve aumento de R e Rajus e diminuição de R/ Rajus. Isso quer dizer que o modelo melhorou na capacidade de previsibilidade. Os S’s também diminuíram, o que ajuda a afirmar que a qualidade do modelo aumentou; Se comparamos os intervalos de predição para 10 µg/ml de MEH-PPV e 25 µg/ml de MEH-PPV, chegaremos a: É possível notar que os intervalos de predição para 25 µg/ml de MEH-PPV são mais estreitos do que para a concentração 10 µg/ml,

A TAB.5 mostra a matriz de correlação para as componentes. Se compararmos a TAB. 2 com TAB.5, podemos observa que não houve uma mudança muito significativa na correlação entre as componentes. TABELA 5 Matriz de correlação para as componentes na concentração de 25 µg/ml

Procedendo de forma similar à seção anterior, podemos encontrar uma modelagem segundo a lei de Beer, cujos resultados são apresentados na TAB. 6 TABELA 6 Valores de R , Rajus e R/ Rajus para a regressão exponencial para 25 µg/ml. Componente Azul Verde Vermelho

R (%) 99,17 96,45 98,83

Rajust(%) 99,07 96,03 98,69

R (%)/Rajust(% 1,001009 1,004374 1,001419

Ao compararmos a TAB. 6 com TAB. 3, notamos que o modelo de 25 µg/ml apresentou melhores resultados. Os valores R/ Rajus mudaram muito, o que é bom, pois significa que ambos os medidores de adequação do modelo, R e Rajus , cresceram. Ao fim dessa seção podemos concluir que: Tanto a modelagem polinomial quanto a exponencial oferecem bom resultado para a modelagem da concentração de 25 µg/ml;

71

A modelagem exponencial perde desempenho por não conseguir modelar a solução no início da degradação, mas isso não afeta a qualidade do modelo. 50 µG/ML DE MEH-PPV Ao plotarmos o gráfico de dispersão para 50 µg/ml de MEH-PPV , chegamos a seguinte assertiva: A emissão do polímero, de forma análoga, a luminescência, perde a regularidade. Entretanto, ele ainda mantém a absorbância. Isso significa que as modelagens das componentes verde e vermelha se tornam inviáveis. A lei de Beer não garante a emissão, somente a absorção como é o caso da componente azul. Compare a TAB. 7 com TAB. 5.

TABELA 7 Matriz de correlação para as componentes na concentração de 50 µg/ml de MEH-PPV vermelho azul -0,964 vermelho 0,887

verde -0,74

Fazendo apenas a modelagem para a componente azul, chega-se a TAB. 8.

TABELA 8 equação, R, Rajus, R/ Rajus S para a regressão do da componente azul a 50 µg/ml de MEH-PPV

Se plotarmos o gráfico com os limites de previsibilidade para 50 µg/ml , será notado que: A componente azul na concentração de 50 µg/ml de MEH-PPV oferece limites de previsibilidade mais estreitos e homogêneos, esse não varia muito ao decorrer da curva. Essa observação nos leva a dizer que o modelo para a componente azul na concentração de 50 µg/ml de MEH-PPV propicia um modelo mais confiável. Na TAB.9há os indicadores de qualidade para o modelo exponencial. Se confrontarmos a TAB.4 e TAB.9, é possível concluir que os dois modelo são bons.

72

TABELA 9 Indicadores de qualidade do modelo para o modelo exponencial para 50 µg/ml de MEH-PPV

Indicador Valor

R (%) 99,09

Rajus(%) 98,98

S 0,08

Ao fim desta seção, podemos concluir que: As componentes perdem a característica de correlação para a concentração de 50µg/ml de MEH-PPV; A emissão se torna impossível de modelar para a concentração 50 µg/ml de MEH-PPV; O modelo que usa a absorbância, sensor azul, oferece um modelo muito bom, tanto o polinomial quanto o exponencial; 100 µg/ml de MEH-PPV Se forem plotados os gráficos de dispersão para as componentes na concentração de 100 µg/ml de MEH-PPV, é possível notar que:

O efeito que começou na concentração de 50 µg/ml de MEH-PPV se destaca mais. Sendo assim, somente a absorção pode ser modelada.

O emparelhamento da TAB. 10e TAB. 7, poderemos notar que há perda de correlação acentuada. Isso significa perda de informação. Agora a única forma de ler a degradação é pela absorção. TABELA 10 Matriz de correlação para 100 µg/ml

Vermelho azul

verde 0,764 0,223

azul

73

Além da perda de correlação linear, há também perda da regressão exponencial: Vale observar que a lei de Beer não vale para concentrações muito elevadas ou baixas. Ao fim dessa seção é possível resumir: O aumento da concentração retarda o inicio do processo de degradação; A componente azul se mantém modelável com o aumento da concentração ao passo que as componentes de emissão, vermelho e verde, perdem a regularidade; Com a perda da regularidade da emissão, também há perda de correlação linear; O modelo de Beer, como já era de se esperar, não funciona para concentrações altas. 5.3.

DISCUSSÕES

A alteração da concentração modifica a resposta da solução à exposição a radiação azul. Essa modificação é observada tanto na relação entre as componentes quanto na forma e posição da curva no espaço. Além dessas modificações citadas, a qualidade do modelo também altera. Vemos um modelo ótimo na concentração de 25 µg/ml de MEH-PPV. Esse melhora na concentração de 50 µg/ml de MEH-PPV, mas há perda de correlação entre as componentes. Apesar de três componentes, um modelo com as três não é um bom modelo, devido ao fato de que o fenômeno de emissão e absorção estão correlacionados.

74

6. CONCLUSÕES E DESENVOLVIMENTOS FUTUROS Como comentado anteriormente, a investigação da dosagem correta de radiação em neonatos não possui um procedimento único adotado em todos os hospitais, fato observado pela Organização Mundial de Saúde: mais de 70% das lâmpadas utilizadas nos equipamentos de fototerapia neonatal não são adequadas ao tratamento e não influenciam no resultado final. Essa falta de padronização do serviço dificulta falar de qualidade, fator tão importante nos tempos atuais. Desse modo, o desenvolvimento de sensores para monitoramento de radiação azul de fácil leitura e baixo custo é, sem dúvida, uma importante oportunidade de desenvolvimento de uma tecnologia e uma forma inovadora de aumentar a eficiência e o monitoramento dos tratamentos de fototerapia neonatal (MAISELS, 2008). Esse trabalho caracteriza-se como uma importante contribuição uma vez que visa apresentar uma discussão técnica e qualitativa do produto final, corroborando com os trabalhos que vêm sendo desenvolvidos no LAPPEM. Neste trabalho apresentamos um estudo da viabilidade de um novo produto para o monitoramento da fototerapia no tratamento da icterícia baseado no processo de degradação polimérica. Além disso, devemos destacar principalmente a modelagem matemática do processo de degradação, que permitiu mostrar que as soluções possuem características e resultados estáveis, e são passíveis de previsão teórica. Durante o processo de modelagem foram utilizadas duas abordagens, baseada em análise visual e na lei de Beer, cujos estudos foram investigados em função da variação de concentração de MEH-PPV na solução, foram usadas soluções de 10 µg/ml, 25 µg/ml, 50 µg/ml e 100 µg/ml. Podemos destacar resumidamente os principais resultados obtidos: a) As leituras nos sensores RGB são correlacionadas; b) O sensor azul é modelável nas quatro concentrações apresentas; c) O processo de degradação de polímero pode ser modelado tanto de forma empírica quanto teórica. Sendo aquela uma cúbica e essa um exponencial; d) Ocorre previsibilidade de até 99% nos modelos apresentados; e) Com o aumento da concentração, há perda de modelagem do processo de luminescência;

75

f) Entre as quatro concentrações estudadas, a de 50 µg/ml de MEHPPV é a concentração ótima para o azul, com perda das demais componentes, e 25 µg/ml de MEH-PPV é ótima caso queiramos que a emissão também participe da leitura. Com relação ao projeto de desenvolvimento de produto, a investigação gerada neste trabalho permitiu algumas conclusões, tais como: o O produto nasceu de uma necessidade real; o Não há um produto similar no mercado; o Há possibilidade de segmentação de mercado; o Atualmente o produto está na fase de prototipagem; o O produto recebeu boa aceitação nas vezes que foi apresentado a futuros clientes. Além do monitoramento da radiação azul, os pesquisadores do LAPPEM também sugerem outras aplicações para estes polímeros eletrônicos. Uma segunda aplicação seria em bronzeamentos artificiais, o dosímetro seria uma forma padrão de medir a dosagem de radiação; uma terceira aplicação seria também na área hospitalar, onde ele pode ser usado para medir a concentração de outros tipos de radiação no ambiente, como por exemplo, a radiação gama presente nos tratamentos de radioterapia de pacientes com câncer. Uma quarta aplicação seria para monitorar a quantidade de radiação em alimentos. Vale observar que dispositivos similares são usados em laboratório de energia nuclear, porém não são baseados em polímeros condutores, como o Centro de Desenvolvimento e Tecnologia Nuclear (CDTN), em Belo Horizonte, UFMG. Os resultados obtidos com a modelagem foram quantificados segundo a adequação do modelo usando somente pelo coeficiente de determinação múltipla. Além da adequação do modelo, é necessário o processo de seleção de variáveis. Esse foi feito, mas não documentado devido à pequena razão entre os R’s (R e Rajus): sendo zero em alguns casos. O uso das ferramentas estatísticas não foi plenamente explorado neste trabalho. Como pode ser observado em Montgomery (2002), ainda existem inúmeras ferramentas que poderiam ser utilizadas para a medição da adequação do modelo, tais como, o coeficiente de determinação múltipla, análise de resíduo e observações influentes.

76

Os resultados apresentados neste trabalho abrem várias perspectivas para estudos mais abrangentes e completos sobre o produto que ainda não foram quantificadas, como por exemplo a análise da qualidade. Existem várias metodologias que são úteis na quantificação da qualidade de um produto, e um dos métodos interessantes da engenharia da qualidade é o FMEA (Failure Models Effect Analyze), que visa observar falhas potenciais de partes de um sistema e avaliar a consequência dessa falha no sistema como um todo. Logo, o FMEA de um produto é uma metodologia que procura evitar as falhas potenciais no projeto do produto, por meio de análises de falhas potenciais e pela proposta de ações de melhoria. Dentre as suas principais funções destacam-se: a identificação das potenciais falhas, a determinação dos seus efeitos e severidades, a identificação das causas e probabilidades, a identificação de controles, a quantificação e a priorização dos riscos relativos aos modos de falha, e, finalmente, o desenvolvimento de um plano de ações. Consulte Palady (1997). No contexto do equipamento de leitura de doses de radiação da solução, a confiabilidade do resultado e a minimização de falhas são essenciais, pois ele está ligado diretamente a vidas humanas. Consequentemente, seria muito interessante desenvolver estudos relacionados a qualidade e confiabilidade do produto. Como pode ser notado, muito foi feito, mas muito falta fazer. O processo de desenvolvimento de um produto não é uma tarefa simples. Desenvolver um produto vai muito além de ter uma ideia, é necessário que alguém a compre e para alguém comprar é necessário que ele esteja bem desenvolvida e consolidada. Entretanto, é importante salientar que os resultados apresentados mostraram que o uso de dosímetros baseados em MEH-PPV aparecem aqui como candidatos naturais a elemento ativo de sensores de radiação para uso no monitoramento da dose de radiação prescrita por pediatras para recém-nascidos ictéricos. As vantagens desses dispositivos são o baixo custo, a facilidade de preparação e a possibilidade de controle individual de dose.

77

7. REFERÊNCIAS BIBLIOGRÁFICAS AMATO M ; INAEBNIT D (February 1991). Clinical usefulness of high intensity green light phototherapy in the treatment of neonatal jaundice. Eur. J. Pediatr. 150 (4): 274–6. BASE TEÓRICA DA ESPECTROFOTOMETRIA E DA COLORIMETRIA. Universidade

Federal

do

Pará.

Disponível

em:

http://www.ufpa.br/ccen/quimica/base%20teorica%20da%20espectrofotometria.htm. Acesso em: 14/11/09. BIANCHI, Rodrigo Fernandes. Estudo das propriedades eletrônicas e ópticas de filmes e dispositivos poliméricos. Tese de doutorado apresentada à Área de Interinidade em ciências e engenharia de materiais. Universidade de São Paulo, São Carlos, 2002. BIANCHI, Rodrigo. Sinal verde para a saúde. Material publicado na Revista Minas Faz Ciência: jun.agost.2008. FERREIRA, Giovana Ribeiro. Preparação e caracterização de sensores de radiação à base de sistema orgânicos luminescente. Tese de mestrado apresentada à rede temática em engenharia de materiais, UFOP, 2008. FERREIRA, G. R; de VASCONCELOS, C. K. B. ; BIANCHI, R. F. . Design and characterization of a novel indicator dosimeter for blue-light radiation. Medical Physics, v. 36, p. 642-644, 2009. http://www.eps.ufsc.br/disserta/fiates/cap4/cap4.htm. Acesso: 3/4/2009. FRIED, Joel R. Polymer science and technology. New Jersey: Prentice Hall, 1995. GUELCH, John. Introdução ao marketing competitivo no século XXI. Mídia em DVD. INPI:

instituto

Nacional

De

Propriedade

Industrial.

Disponível

http://www.inpi.gov.br/principal?navegador=IE&largura=1214&altura=910.

em: Acesso

em: 28/11/09. FRÖHLICH,

Jochen. Neural network with Java. Disponível em: http://fbim.fh-

regensburg.de/~saj39122/jfroehl/diplom/e-index.html. Acesso em: 24/03/2009.

78

HALLIDAY, David ; RESNICK, Roberto ; WALKER, Jearl. JEARL. Fundamentos de Física: vol. 3, eletromagnetismo. 8° ed. LTC: 2009. HALLIDAY, David; RESNICK, Roberto ; WALKER, Jearl. JEARL. Fundamentos de Física: vol. 4, física moderna. 8° ed. LTC: 2009. JURAM, J. M. A qualidade desde o projeto: os novos passos para o planejamento da qualidade em produtos e serviços. Tradução: Nivaldo Montingelli Jr. - São Paulo Pioneira Thomson Learning, 2004. LEUNG C; SOONG WJ, Chen SJ (July 1992). Effect of light on total micro-bilirubin values in vitro. Disponível: http://www.ncbi.nlm.nih.gov/pubmed/1326385. Acesso em : 27/11/09. LIMA, Ângela Maria Ferreira. Avaliação do ciclo de vida no Brasil: inserção e perspectiva. 2007. 116 f. Dissertação (Mestrado Profissional em Gerenciamento e Tecnologias Ambientais no Processo Produtivo) - Escola Politécnica, Universidade Federal da Bahia, Salvador, 2007. MACHADO, Marcio Cardoso; TOLEDO, Nilton Nunes. Gestão do processo e desenvolvimento de produto: uma abordagem baseada na criação de valor. São Paulo: Atlas, 2008. MAISELS MJ; MCDONAGH AF. Phototherapy for neonatal jaundice. N. Engl. J. Med. 358, 920 , 2008. MANO, Eloísa Biasotto. Polímeros como material de engenharia. São Paulo: Edgard Blücher, 1991. MONTGOMERY, Douglas C; RUNGER, George C. Probabilidade e estatística na engenharia. 2° edição. Traduzido por profa Verônica Calado, D.sr. Rio de Janeiro:LTC, 2002. MONTGOMERY, Douglas C. Introdução ao controle estatístico da qualidade. 4° edição. LTC: Rio de Janeiro, 2004.

79

PORTAL

DE

FISIOTERAPIA.

Disponível

em:

http://www.portalfisioterapia.com.br/fisioterapia/principal/conteudo.asp?id=1853. Acesso em: 22/11/09. PULLMANN H; THEUNISSEN A; GALOSI A; STEIGLEDER GK (November 1981). Effect of PUVA and SUP therapy on nevocellular nevi. Disponível em: http://www.ncbi.nlm.nih.gov/pubmed/7314762. Acesso em: 27/11/09. SILVA, Mauri Luiz. Luz, lâmpadas e iluminação. 3° edição. Ed. Ciência moderna: 2002. SPINOLA, Adriana Tahereh Pereira; BEZERRA, Marcelo Barreto Pereira; JOSÉ GREGOLIN, Angelo Rodrigues. Competitive intelligence – Quality function deployment integrated approach to identify innovation opportunities. Disponivel em: http://pmd.hostcentral.com.br/revistas/vol_06/nr_1/v6n1a02.pdf. acesso: 12/11/08. SEGISMUNDO, André; MIGUEL, CAUCHICK, Paulo A.. Risk management in the development of new products: A review and classification of the literature. Disponivel em: http://pmd.hostcentral.com.br/revistas/vol_06/nr_1/v6n1a06.pdf . acesso: 12/11/08. URBAN, Glen L. ; HAUSER, John R. Design and Marketing of new products. 2º ed. Prentice-Hall: United States: 1993. WIKIPÉDIA,

a

enciclopédia

livre.

Icterícia.

Disponível:

http://pt.wikipedia.org/wiki/Icter%C3%ADcia. Acesso: 15/10/09. WIKIPÉFDIA, a enciclopédia livre. Lei de Beer-Lambert. Disponível em: http://pt.wikipedia.org/wiki/Lei_de_Beer-Lambert. Acesso em: 14/11/09. WIKIPÉDIA, a enciclopédia livre. Ciclo de vida do produto. Disponível em: http://pt.wikipedia.org/wiki/Ciclo_de_vida_do_produto. Acesso em: 28/11/09.

80

8. BIBLIOGRAFIA ATVARS, Teresa D. Z. Espectroscopia de Luminescência. Disponível em: http://chemkeys.com/br/2002/02/18/espectroscopia-de-luminescencia/.

Acesso

em:

14/11/09. CHENG, Lin Chih; FILHO, Leonel Del Rey De Melo. QFD: desdobramento da função qualidade na gestão de desenvolvimento de produtos. São Paulo: Blücher, 2007. FIATES, Gabriela Gonçalves Silveira. A utilização do QFD como suporte a implementação do TQC em empresas do setor de serviços. Dissertação submetida à Universidade Federal de Santa Catarina para obtenção do grau de mestre em Engenharia de Produção. Florianópolis, 1995. FRANÇA, Júnia Lessa; VASCONCELLOS, Ana Cristina. Manual para normalização de publicações técnico-científicas. 8º edição. Belo Horizonte: UFMG, 2007. HAYKIN, Simon. Redes neurais: princípios e prática. 2º edição. Porto Alegre: Bookman, 2001. LAPPONI, Juan Carlos. Estatística usando Excel. 4° edição. Rio de Janeiro: Elsevier, 2005. LIGA DE NEUROCIRURGIA Bilirrubina – Excreção na bile, sua utilização como instrumento

de

diagnóstico

clínico.

Disponível

em:

http://www.sistemanervoso.com/pagina.php?secao=5&materia_id=99&materiaver=1. Acesso em: 15/10/09. MONOGRAFIA

ON

LINE.

Disponível

em:

http://www.monografiasonline.com.br/abnt.asp. Acesso em: 28/11/09. PALADY, Paul. FMEA: análise dos modos de falhas e efeitos: prevendo e prevenindo antes que ocorram. São Paulo: IMAM, 1997. PIRES, Jorge Guerra et al. Projeto e desenvolvimento de produto: proposta e desenvolvimento de dispositivo eletrônico orgânico para auxiliar no tratamento da

81

icterícia.

Disponível

em:

http://www.simpep.feb.unesp.br/anais_simpep.php?e=4.

Acesso em: 29/11/2009. RUGGIERO, Márcia A. Gomes; LOPES, Vera Lúcia da Rocha. Cálculo numérico: aspectos computacionais. 2° edição. São Paulo: Pearson Markon Books, 1996. RUNGER, George C.; MONTGOMERY, Douglas C. Applied Statistics and Probability for Engineers. 3rd ed. Mídia em CD: 2002. TRIOLA, Mario F. Introdução à estatística. 10° edição. Tradução: Vera Regina Lima de Farias. Rio de Janeiro: LTC, 2005. WIKIPEDIA,

the

free

encyclopedia.

Neonatal

Jaundice.

http://en.wikipedia.org/wiki/Neonatal_jaundice. Acesso em : 27/11/09.

Disponível

em:

82

9.

APENDICE

I

Esse anexo possui a função de dissertar sobre o uso de Redes Neurais Artificiais (RNA) para modelar o processo de degradação polimérica. Devido ao tempo, todos os resultados discutidos não deram resultados plausíveis, o que não elimina a possibilidade de usá-las. REDES NEURAIS: APRENDENDO PARA MODELAR

As redes Neurais Artificiais (RNA) são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência. É uma estrutura de processamento não algorítmico na forma de um grafo orientado, onde cada nó, denominado neurônio, possui muitas entradas e um único sinal de saída. Para a modelagem da degradação polimérica, podemos usar as voltagens como entrada para o modelo, em outras palavras, dados para o treinamento, e o tempo de exposição à radiação azul como a saída do modelo, de forma equivalente, o alvo para a rede alcançar se adaptando, assim teremos um treinamento supervisionado. Todo treinamento de uma rede converge, se houver solução para o problema em questão considerando o tipo de rede escolhida, em um número finito de passos. Esse número finito de passos será a quantidade de dados para o treinamento, que também pode ser visto com o nome de vetor de treinamento. Assim que terminarmos o treinamento, poderemos usar a rede treinada obtendo o tempo de exposição como saída do modelo. Uma habilidade que deve ser mencionada de forma explicita é a tolerância a erro. Isto significa que, se uma rede neural que foi treinada para uma tarefa específica, ele será capaz de inferir conclusões corretas mesmo se o problema não for exatamente igual ao que foi usado no treinamento. Por exemplo, suponha que temos um sistema treinado para reconhecer voz. Durante o treinamento, uma pessoa irá dizer palavras para treinar a rede. Se for corretamente treinada, a rede será capaz de reconhecer as palavras mesmo dita por outra pessoa FRÖHLICH (2009). Como foi observado há forte correlação entre as variáveis, a RNA possivelmente irá captar essa correlação melhor do que três modelos separados para então junção desses. Além dessa vantagem, é interessante lembrar dos erros de medida que o ambiente externo cria: as redes possuem alta tolerância a erro.

83

10.APENDICE I I Este anexo possui a função de fazer um breve e superficial texto sobre polímero. POLÍMEROS “O primeiro elemento estrutural, isto é, o primeiro material de engenharia usado pelo homem, foi a madeira seguindo-se a pedra, depois os metais, a cerâmica, o vidro e finalmente os polímeros” [grifo meu] (MANO, p. 1, 1991). Entre os materiais que marcaram o desenvolvimento dos dispositivos para uso na vida rotineira, os polímeros sãos os mais recentes. Nas palavras de Fried (1995), polímeros são longas cadeias de moléculas que são constituídas de unidades de estruturas idênticas. A palavra veio do grego que quer dizer ”muitas” e “ partes”, poly e meres, respectivamente. Os polímeros podem ser divididos em dois grupos: naturais e sintetizados. Para o grupo dos naturais podemos citar: proteínas, celulose e seda; e para os sintetizados, poliéster, polietileno e nylon. Em alguns casos, polímeros naturais são sintetizados, como a borracha, conhecida como poliisopreno na sua forma sintética. O QUADRO 4 relaciona os materiais com a evolução da civilização. QUADRO 4 Evolução do uso de elementos estruturais pelo homem

Evolução histórica

Pré-história

Ano

Material Madeira Pedra

25.000 AC até AC

idade da pedra

6.500

Lascada Pedra polida Cobre estanho Proto-história

6.500 AC até 1.500 AC

idade dos metais

Bronze

Ferro

Cerâmica Idade antiga antiguidade

ou

Idade moderna

500 AC até

1500

até

1.500 DC

1800

Vidro

Concreto

História

idade contemporânea

FONTE: (MANO p. 2, 1991)

1800

até dias atuais

os

POLÍMEROS

84

Fried (1995) destaca que o nascimento da ciência dos polímeros remota ao meio do século XIX. Em 1985, Charles Goodyear desenvolveu o processo de vulcanização que transformava latex da borracha natural em útil elastrômero para uso em pneus.

85

ÍNDICE bilirrubina, 9, 12, 31, 39, 41, 42 Bilitron, 55 brainstorm, 25 Características tangível, 10, 19

ciclo de vida, 22, 27, 28, 78 ciclo de vida do produto, 22 cliente, 10, 19, 20, 21, 23, 25, 26, 39, 40, 41 coeficiente de correlação linear, 8, 45 colorímetro, 15, 54 Competitive Intelligence, 1, 23 CORRELAÇÃO, 45 curva normal, 47 degradação de soluções poliméricas, 13 Design and Development of new Products, 10 displays flexíveis, 11 dispositivo eletrônicos, 11 dispositivos opto-eletrônicos, 14 dosímetros, 11, 14, 76 estatística, 30, 32, 51, 61, 78, 81 Excel, 32, 33, 80 fotodetector, 54 fotosensores, 54 fototerapia, 11, 12, 13, 14, 15, 16, 40, 42, 55, 74 fotoxidação, 11, 13, 14 GRÁFICO DE DISPERSÃO, 44, 60, 63, 64 Guelch, 10, 19, 21, 25, 26, 77 icterícia, i, ii, vii, 11, 12, 13, 14, 15, 16, 30, 31, 34, 40, 41, 42, 74, 81 icterícia neonatal, i, ii, vii, 11 iluminação azul, 12 JAVA, 32 LAPPEM, vi, 1, 15, 31, 38, 40, 56, 74, 75 LEI DE BEER, 8, 51, 79 LIMITES DE PREVISÃO DE UM MODELO, 48 Logística reversa, 16 luminescência, 11, 14, 71, 74

materiais orgânicos, vii, 9, 11, 13, 14, 15, 30, 31, 32, 35, 38, 39, 42, 54, 56, 73, 74, 75, 76, 77, 82, 86 Matlab, 32, 33 matriz de correlação, 46, 70 MEH-PPV, 13, 18, 31, 39, 42, 44, 53, 54, 56, 57, 58, 59, 60, 69, 70, 71, 72, 73, 74, 75, 76 Minitab, 32, 33 modelagem, vii, 16, 17, 18, 44, 58, 66, 70, 71, 74, 75, 82, 86 patente, 28 polímeros, 9, 10, 11, 14, 15, 30, 42, 52, 53, 75 polímeros luminescentes, 11 polímeros orgânicos conjugados, 10, 11, 14, 42 pré-maturos, 16 probabilidade normal, 47 processo de desenvolvimento de novos produtos, 10, 11, 19, 24, 26, 27, 30 produto, vii, 10, 14, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 30, 31, 36, 37, 38, 39, 40, 41, 42, 43, 74, 75, 76, 78, 79, 80 Produtos não-buscados, 19, 20, 21, 27

qualidade, vii, 12, 13, 14, 23, 36, 39, 41, 42, 43, 61, 70, 71, 72, 73, 74, 76, 78, 80, 86 Quality Function Development, 1, 23 R, 32, 50, 51, 61, 62, 68, 69, 70, 71, 75, 77, 79 redes Neurais Artificiais, 82 REGRESSÃO, 45, 49, 67 RESÍDUO, 50 Scilab, 32 Siemens, 42 SIMPEP, 42 Sum Square Error, 1, 51 SUS, 42 tangível tangível, 10, 24

UTIs, 43

86

NOTAS 1

Sabemos da física que a intensidade cai com o quadrado da distância da fonte a

qualquer ponto no seu campo de atuação. 2

A deficiência aqui considerada tange a falta de padronização do tratamento, o que leva

a perda de qualidade e eficiência. 3

New-Product strategies

4

Ciclo de vida no sentido econômico, não ambiental, como seria o ACV (Análise do

Ciclo de Vida). 5 Campo de conhecimento aqui não ser levado como campo de estudo, ciência, já que a icterícia não é um campo de estudo na sua essência. Campo de conhecimento está sendo usado para designar um nome para identificar um grupo de informação. 6

No capítulo 4, na seção “Procedimentos experimentais”, são oferecidos detalhes das

fontes usadas para simular o processo de degradação em laboratório; 7

Visite: http://www.mathworks.com/

8

Faça o download em: http://www.scilab.org/download/

9

Faça o download em: http://www.r-project.org/

10

Consulte www.fisica.ufop.br/lappem

11

Vale lembrar que o LED possui o comprimento da radiação eletromagnética que

provoca a degradação. Como a medição é rápida e o LED trabalha com um feixe com pouca intensidade, a degradação provocada pela medição pode ser desprezada. 12

A absorção é um fenômeno físico caracterizado pela mudança de estado dos elétrons

da camada de valência de um átomo através da energia absorvida. Todo material possui a frequência de absorção adequada. 13

Para medição, foi escolhido um espaço de tempo inicial e mantido até um tempo

futuro. Esse espaço de tempo foi aumento com o passar do processo de amostragem. Seria interessante que esse espaço de tempo fosse aleatório em vez de determinístico. 14

Vale recapitular que o tempo aqui assumiu uma conotação diferente. Apesar de nesses

gráficos o tempo ser realmente o tempo de exposição da solução polimérica à radiação eletromagnética, esse não o será sempre depois de feita a equação. 15

A modelagem será feita usando o tempo como variável independente para ficar em

harmonia com a lei de Beer. Depois de encontrado o modelo, é só gerar a função inversa.