Integrando Python e Microsoft Excel no ensino de otimização paramétrica em Engenharia de Processos

Autores

DOI:

https://doi.org/10.35699/2237-5864.2025.52342

Palavras-chave:

otimização paramétrica, metodologia de ensino, Microsoft Excel, Python, Engenharia Química

Resumo

Este estudo apresenta uma metodologia de ensino voltada à otimização paramétrica em uma turma de Engenharia Química na Universidade Federal do Rio Grande do Norte, utilizando Microsoft Excel e Python. A metodologia é organizada em três fases progressivas. Na primeira, um questionário é aplicado para avaliar o conhecimento prévio dos alunos. Na segunda, problemas de otimização mais realistas são discutidos em sala de aula, destacando as limitações das abordagens analíticas tradicionais e apresentando as funcionalidades básicas das ferramentas adotadas. Na fase final, os alunos são desafiados a resolver um problema de otimização complexo envolvendo uma rede de trocadores de calor, utilizando as duas ferramentas mencionadas. Apesar de 57,14% dos alunos terem optado por métodos analíticos não computadorizados no questionário proposto na fase inicial, o problema da fase final foi resolvido com sucesso, resultando em uma nota de 8,0 na avaliação numérica. Isso reflete o êxito da intervenção realizada durante a fase 2, guiada pelos resultados obtidos na fase 1 da pesquisa. O Python e o Excel se mostraram ferramentas eficazes para o ensino de otimização paramétrica, mesmo em turmas pequenas e heterogêneas.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Francinelson Pontes do Carmo, Universidade Federal do Rio Grande do Norte

    Mestrando em Engenharia Química pela Universidade Federal do Rio Grande do Norte (UFRN), Engenheiro Químico formado pela mesma universidade e Licenciado em Matemática. Possui mais de 6 anos de experiência docente e atuou em diversos setores, como aterros sanitários e indústrias de saneantes. Atualmente, atua como analista de qualidade na Solar Coca-Cola.

  • Vanja Maria de França Bezerra, Universidade Federal do Rio Grande do Norte

    Doutora em Engenharia Química pela Universidade Estadual de Campinas (UNICAMP), Mestre em Ciência dos Materiais pelo Instituto Militar de Engenharia (IME) e Engenheira Química pela Universidade Federal do Rio Grande do Norte (UFRN). Atualmente é docente na UFRN e referência na área de ciência dos materiais, fluido-dinâmica computacional e modelagem e simulação de processos químicos.

Referências

ADJIMAN, Claire S.; ANDROULAKIS, Ioannis. P.; FLOUDAS, Christodoulos. A. A global optimization method, αBB, for general twice-differentiable constrained NLPs. Implementation and computational results. Computers & Chemical Engineering, v. 22, n. 9, p. 1159-1179, ago. 1998. DOI: https://doi.org/10.1016/S0098-1354(98)00218-X. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S009813549800218X. Acesso em: 19. set. 2023. DOI: https://doi.org/10.1016/S0098-1354(98)00218-X

AVRIEL, Mordecai; WILLIAMS, Adrian C. An extension of geometric programming with applications in engineering optimization. Journal of Engineering Mathematics, v. 5, n. 2, p. 187-194, abr. 1971. DOI: https://doi.org/10.1007/BF01535411. Disponível em: https://link.springer.com/article/10.1007/BF01535411. Acesso em: 21 set. 2023. DOI: https://doi.org/10.1007/BF01535411

BRIONES, Laura; ESCOLA, Jose María. Application of the Microsoft Excel Solver tool in the solution of optimization problems of heat exchanger network systems. Education for Chemical Engineers, v. 26, p. 41-47, jan. 2019. DOI: https://doi.org/10.1016/j.ece.2018.10.003. Disponível em: https://www.sciencedirect.com/science/article/pii/S1749772818300125. Acesso em: 01 out. 2023. DOI: https://doi.org/10.1016/j.ece.2018.10.003

CACCAVALE, Fiammetta; GARGALO, Carina Loureiro da Costa Lira; GERNAEY, Krist V.; KRÜHNE, Ulrich. SPyCE: a structured and tailored series of Python courses for (bio)chemical engineers. Education for Chemical Engineers, v. 45, p. 90-103, out. 2023. DOI: https://doi.org/10.1016/j.ece.2023.08.003. Disponível em: https://www.sciencedirect.com/science/article/pii/S1749772823000404. Acesso em: 07 jan. 2024. DOI: https://doi.org/10.1016/j.ece.2023.08.003

DOMÍNGUEZ, Juan Carlos; ALONSO, Maria Virginia; GONZÁLEZ, Emilio José; GUIJARRO, M. Isabel; MIRANDA, Ruben; OLIET, Mercedes; RIGUAL, Victoria; TOLEDO, Jose M.; VILLAR-CHAVERO, M. Mar; YUSTOS, Pedro. Teaching chemical engineering using Jupyter notebook: problem generators and lecturing tools. Education for Chemical Engineers, v. 37, p. 1-10, out. 2021. DOI: https://doi.org/10.1016/j.ece.2021.06.004. Disponível em: https://www.sciencedirect.com/science/article/pii/S1749772821000397. Acesso em: 30 out. 2023. DOI: https://doi.org/10.1016/j.ece.2021.06.004

FERREIRA, Eugénio Campos; LIMA, Ricardo; SALCEDO, Romualdo. Spreadsheets in chemical engineering education - A tool in process design and process integration. International Journal of Engineering Education, Grã-Bretanha, v. 20, n. 6, p. 928-938, jan. 2004. Disponível em: https://sigarra.up.pt/fcnaup/en/PUB_GERAL.PUB_VIEW?pi_pub_base_id=52905. Acesso em: 18 fev. 2025.

GOLMAN, Boris; YERMUKHAMBETOVA, Assiya. An Excel VBA‐based educational module for simulation and energy optimization of spray drying process. Computer Applications in Engineering Education, v. 27, n. 5, p. 1103-1112, ago. 2019. DOI: https://doi.org/10.1002/cae.22139. Disponível em: https://onlinelibrary.wiley.com/doi/10.1002/cae.22139. Acesso em: 29 set. 2023. DOI: https://doi.org/10.1002/cae.22139

GOR, Gennady. Python for chemical engineers: an efficient approach to teach non-programmers to program. In: Spring ASEE Middle Atlantic Section Conference, Newark, New Jersey, abr. 2022. DOI: https://doi.org/10.18260/1-2--40065. Disponível em: https://peer.asee.org/40065. Acesso em: 07 jan. 2024.

INGUVA, Pavan; BHUTE, Vijesh J.; CHENG, Thomas Nok Him; WALKER, Pierre J. Introducing students to research codes: a short course on solving partial differential equations in Python. Education for Chemical Engineers, v. 36, p. 1-11, jul. 2021. DOI: https://doi.org/10.1016/j.ece.2021.01.011. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S1749772821000117. Acesso em: 28 set. 2023. DOI: https://doi.org/10.1016/j.ece.2021.01.011

MA, Liang; MA, Ruina; CHABLAT, Damien; BENNIS, Fouad. Human arm simulation for interactive constrained environment design. International Journal on Interactive Design and Manufacturing, v. 7, n. 1, p. 27-36, abr. 2013. DOI: https://doi.org/10.1007/s12008-012-0162-z. Disponível em: https://link.springer.com/journal/12008. Acesso em: 14 set. 2023. DOI: https://doi.org/10.1007/s12008-012-0162-z

PERLINGEIRO, Carlos Augusto G. Engenharia de processos: análise, simulação e síntese de processos químicos. São Paulo, Brasil: Blucher, 2005.

RUDD, Dale F.; WATSON, Charles. C. Strategy of process Engineering. Nova York, United States: John Wiley & Sons, 1968.

SCHNEIDER, Patrick; XHAFA, Fatos. Anomaly detection and complex event processing over IoT Data Streams: with application to eHealth and patient data monitoring. Elsevier, 2022. Disponível em: https://www.sciencedirect.com/book/9780128238189/anomaly-detection-and-complex-event-processing-over-iot-data-streams. Acesso em: 08. out. 2024. DOI: https://doi.org/10.1016/B978-0-12-823818-9.00014-6

SEIDER, Warren D.; LEWIN, Daniel R.; SEADER, J. D.; WIDADGDO, Soemantri; GANI, Rafiqul; NG, Ka Ming. Product and process design principles: synthesis, analysis and evaluation. 4. ed. New York, United States: Wiley, 2016.

TEPPAITOON, Wittaya. Solving L-L extraction problems with Excel spreadsheet. ChE classroom, v. 50, n. 3, ago. 2016. Disponível em: file:///C:/Users/zulmiram/Downloads/perrycollins,+Teppaitoon_Summ16_GALLEY-1.pdf. Acesso em: 18 fev. 2025.

UDUGAMA, Isuru A.; ATKINS, Martin; BAYER, Christoph; CARSON, James; DIKICIOGLU, Duygu; GERNAEY, Krist. V.; GLASSEY, Jarka; TAYLOR, Mathew; YOUNG, Brent R. Digital tools in Chemical Engineering education: the needs and the desires. Education for Chemical Engineers, v. 44, p. 63-70, jul. 2023. DOI: https://doi.org/10.1016/j.ece.2023.05.002. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S1749772823000192. Acesso em: 12 fev. 2024. DOI: https://doi.org/10.1016/j.ece.2023.05.002

WHITFIELD, Clifford A.; WEST, Dustin W.; TOMS, Lowell; MERRIL, John A. A first-year design project software tool to emphasize problem solving with computer programming in the design process. In: ASEE Annual Conference and Exposition, San Antonio, Texas, jun. 2012. DOI: https://doi.org/10.18260/1-2--20807. Disponível em: https://peer.asee.org/20807. Acesso em: 21 dez. 2023.

WONG, Kelvin W. W.; BARFORD, John Patrick. Teaching Excel VBA as a problem solving tool for chemical engineering core courses. Education for Chemical Engineers, v. 5, n. 4, p. 72-77, dez. 2010. DOI: https://doi.org/10.1016/j.ece.2010.07.002. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S1749772810000084. Acesso em: 08 jan. 2024. DOI: https://doi.org/10.1016/j.ece.2010.07.002

Downloads

Publicado

20-02-2025

Edição

Seção

Artigos

Como Citar

CARMO, Francinelson Pontes do; BEZERRA, Vanja Maria de França. Integrando Python e Microsoft Excel no ensino de otimização paramétrica em Engenharia de Processos. Revista Docência do Ensino Superior, Belo Horizonte, v. 15, p. 1–22, 2025. DOI: 10.35699/2237-5864.2025.52342. Disponível em: https://periodicos.ufmg.br/index.php/rdes/article/view/52342. Acesso em: 14 dez. 2025.