[pt] Nesta tese é apresentada uma metodologia de seleção de modelos em experimentos mistura-processo e reunidas as técnicas estatísticas necessárias ao planejamento e análise de experimentos com mistura com ou sem variáveis de processo. Na pesquisa de seleção de modelos foi utilizado um experimento para determinar as proporções ótimas de um misto químico do mecanismo de retardo para ignição de um motor foguete. O misto químico consiste de uma mistura de três componentes. Além das proporções dos componentes da mistura, são consideradas duas variáveis de processo. O objetivo do estudo é investigar as proporções dos componentes da mistura e os níveis das variáveis de processo que colocam o valor esperado do tempo de retardo (resposta) o mais próximo possível do valor alvo e, ao mesmo tempo, minimizam o tamanho do intervalo de previsão de uma futura resposta. Foi ajustado um modelo de regressão linear com respostas normais. Com o modelo desenvolvido foram determinadas as proporções ótimas dos componentes da mistura e os níveis ótimos das variáveis de processo. Para a seleção do modelo foi utilizada uma metodologia de duas etapas, que provou ser eficiente no caso estudado. / [en] This thesis presents a methodology for model selection in mixture-process experiments and puts together the statistical techniques for the design and analysis of mixture experiments with or without process variables. An experiment of a three-component mixture of a delay mechanism to start a rocket engine was used in the research. Besides the mix components proportions, two process variables are considered. The aim of the study is to investigate the proportions of the mix components and the levels of the process variables that set the expected delay time (response) as close as possible to the target value and, at the same time, minimize the width of the prediction interval for the response. A linear regression model with normal responses was fitted. Through the developed model, the optimal proportions of the mix components and the levels of the process variables were determined. A two-stage methodology was used to select the model. This methodology for model selection proved to be efficient in the studied case.