Em cálculos da quantidade de energia requerida em processos de secagem artificial de um produto agrícola, é necessário o conhecimento de uma expressão para a determinação do calor latente de vaporização (H) de água no produto. Normalmente, as expressões para H, encontradas na literatura, são dadas pelo calor latente de vaporização (h) de água livre multiplicado por funções que dependem apenas do teor de água do produto. Isso significa que a relação H/h, para um dado produto, só depende do teor de água, o que é uma simplificação, pois se sabe que tal relação depende também da temperatura. Neste artigo, é apresentada uma expressão para o cálculo de H para feijão macassar, variedade sempre-verde, levando em consideração a dependência de H/h com a temperatura. Para tal, foi desenvolvido e utilizado um programa computacional que ajusta, de forma automática, cerca de 500 funções contidas em sua biblioteca, com uma e duas variáveis independentes, a dados experimentais. O programa, que usa regressão não-linear, classifica as melhores funções ajustadas pelo critério do menor qui-quadrado reduzido. O conjunto de testes estatísticos realizados indica que a expressão apresentada neste artigo produz resultados mais precisos na determinação de H para feijão macassar que os de outras equações normalmente encontradas na literatura.
In order to determine the energy needed to artificially dry an agricultural product the latent heat of vaporization of moisture in the product, H, must be known. Generally, the expressions for H reported in the literature are of the form H = h(T)f(M), where h(T) is the latent heat of vaporization of free water, and f(M) is a function of the equilibrium moisture content, M, which is a simplification. In this article, a more general expression for the latent heat of vaporization, namely H = g(M,T), is used to determine H for cowpea, always-green variety. For this purpose, a computer program was developed which automatically fits about 500 functions, with one or two independent variables, imbedded in its library to experimental data. The program uses nonlinear regression, and classifies the best functions according to the least reduced chi-squared. A set of executed statistical tests shows that the generalized expression for H used in this work produces better results of H for cowpea than other equations found in literature.