Uma análise das condições de conforto térmico no Brasil por meio do banco de dados ASHRAE Global Thermal Comfort Database II

• Ano de defesa: 2022
• Autor(a) principal: Niza, Iasmin Lourenço
• Orientador(a): Broday, Evandro Eduardo
• Banca de defesa: Broday, Evandro Eduardo , Braghini Junior, Aldo , Ruivo, Celestino Rodrigues , Picinin, Claudia Tania
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia de Produção
• País: Brasil
• Palavras-chave em Português: Ambiente de trabalho; Conforto humano; Temperatura - Efeito fisiológico; Banco de dados; Work environment; Human comfort; Temperature - Physiological effect; Data bases
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/27643

O Predicted Mean Vote (PMV) desenvolvido por Fanger nos anos 70 é o modelo mais utilizado para estimar a sensação térmica em um grupo de pessoas. O PMV possui algumas discrepâncias referentes a realidade térmica dos ambientes em que é aplicado, por isso, diversos pesquisadores desenvolveram modelos alternativos para diminuir estas discrepâncias. Esta pesquisa teve como objetivo, determinar qual dos modelos alternativos ao PMV melhor se aproxima da sensação térmica real das pessoas em quatro cidades brasileiras: Brasília, Recife, Maceió e Florianópolis. Por meio do Banco de dados Global II de Conforto Térmico da ASHRAE, as variáveis ambientais e pessoais do conforto térmico foram aplicadas para calcular as respostas de cada modelo e, assim, comparar com as respostas da sensação térmica. O modelo do PMV não se adequou a nenhuma cidade brasileira. Para Recife e Brasília, o modelo de Orosa e Oliveira (2011), o PMVoo apresentou uma diferença de média com uma maior proximidade de 0,102801 em relação aos votos de sensação térmica; para Maceió, o modelo de Broday et al. (2019), o PMV2 com 0,161065 e para Florianópolis, o modelo de Zhang e Lin (2020), o ePMV com 0,031096. Na análise discriminante, o modelo conseguiu acertar a classificação dos indivíduos em grupos com 96,1% para Brasília e Recife; 99,8% para Maceió e 99,1% para Florianópolis. Na análise de cluster as semelhanças entre os sujeitos foram observadas em relação ao seu agrupamento, dessa forma, o modelo PMVnew2 foi a variável com melhor discriminação entre os clusters de Florianópolis e PMVp,sv para Brasília, Recife e Maceió. Constatando­-se de os modelos alternativos tiveram um melhor desempenho que o modelo tradicional.