Seminario Incerteza

Incerteza de medição
Jailton C. Damasceno
Divisão de Metrologia de Materiais
Inmetro
Terminologia
Terminologia
Segundo a ISO Guia 99:2007

VIM (Vocabulário Internacional de Metrologia)
• Mensurando
Grandeza a ser submetida à medição.
• Incerteza de medição
Parâmetro não negativo que caracteriza a dispersão dos
valores atribuídos a um mensurando. Representa a
dúvida que existe acerca do resultado de medição.
Terminologia
• Calibração
Operação que, (...), estabelece uma relação entre os
valores e as incertezas de medição fornecidos por
padrões, e as indicações correspondentes com as
incertezas associadas (...).
• Ajuste de um sistema de medição
Conjunto de operações efetuadas em um sistema de
medição, de modo que ele forneça indicações prescritas
correspondentes a determinados valores de uma
grandeza a ser medida.
Terminologia
• Regulagem
Ajuste de um sistema de medição de modo que o mesmo
forneça uma indicação igual a zero correspondente a um
valor igual a zero da grandeza a ser medida.
Terminologia
• Veracidade (Trueness)
Grau de concordância entre a média de um número
infinito de valores medidos repetidos e um valor de
referência.
• Precisão (Precision)
Grau de concordância entre indicações ou valores
medidos, obtidos por medições repetidas,
no mesmo ou em objeto similares, sob condições
especificadas.
Terminologia
• Exatidão (Accuracy)
Grau de concordância entre um valor medido e um valor
verdadeiro de um mensurando.
Exatidão = Veracidade e Precisão

Accuracy = Trueness e Precision
• Erro
Diferença entre o valor medido de uma grandeza e um
valor de referência.
Interpretação de uma medição
Veracidade Precisão
(efeitos sistemáticos) (efeitos aleatórios)
. .
Valor de . . . . .. . . . .
.
referência . ..
Exatidão
Erros
• Erros Sistemáticos • Erros Aleatórios

• Associados a instrumentos, • Causados por um grande número de
técnicas de medida e ao variações imprevisíveis e
experimentador. desconhecidas durante o
• Ocorrem sempre na mesma experimento.
direção e com mesma • São de tamanho e direção
magnitude em cada repetição. imprevisíveis.
• Têm influência sobre a • Podem ser analisados
veracidade. estatisticamente.
• Têm influência sobre a precisão.
• Erros Grosseiros
• Ocorrem ocasionalmente, levando a resultados que diferem
marcantemente dos outros dados de uma série de medições com repetição.
Erros
• Valor de medição não corrigido
VR - valor de referência
e t
.. ......
VR .....
.... ..
..:: ::x
::...::
:::: .
::. ::::
et – erro total
e S e a es – erro sistemático
ea – erro aleatório
Erros
• Valor de medição corrigido
VR - valor de referência
........... ..
VR :: ::
::...:::::: .
c=correção
e a
ea= erro aleatório
c
Terminologia
Exatidão
(Accuracy)
Tendência (bias) Desvio padrão

Associada a Veracidade Precisão Associada a
efeitos (Trueness) (Precision) efeitos aleatórios
sistemáticos
Precisão
Repetitividade Reprodutibilidade
intermediária
Variabilidade mínima Variabilidade máxima

Fatores constantes Fatores variáveis
Fatores:
a) operador
b) equipamento
c) calibração do equipamento
d) condições ambientais
e) intervalo entre medições
Porque a incerteza de medição é importante?
• Calibração – a incerteza de medição precisa estar reportada nos

certificados de calibração
• Ensaios – a incerteza de medição é necessária para determinar se um

produto passa ou falha em alguma tolerância
• Para se fazer medições com qualidade e entender melhor os seus

resultados
Atendendo uma especificação – avaliação da conformidade
• Caso (a) – resultado e incerteza dentro dos limites – conformidade

atendida
• Caso (d) – resultado e incerteza fora dos limites especificados –
conformidade não atendida
• Casos (b) e (c) – nem completamente dentro, nem fora – não se pode ter
certeza sobre a conformidade
Guia para Expressão da Incerteza de
Medição
(ISO-GUM)
ISO-GUM
• Guia internacional para

harmonização da estimativa da
incerteza de medição
• Baseado na lei de propagação de

incertezas (aproximações)
Estimativa de incerteza de medição
• Definir o mensurando e o seu modelo

• Identificar as fontes de incerteza
• Construir o diagrama causa-efeito (Ishikawa ou espinha de peixe)
• Quantificar as fontes de incerteza
• Calcular os coeficientes de sensibilidade
• Calcular os componentes de incerteza
• Calcular a incerteza padrão combinada
• Calcular o número de graus de liberdade efetivos
• Calcular o coeficiente de abrangência
• Calcular a incerteza expandida
• Declarar o resultado final indicando o valor do coeficiente de
abrangência e o nível de confiança (geralmente igual a 95%)
• Definir o mensurando e o seu modelo Modelo

• Construir o diagrama causa-efeito Z  f ( x1 , x2 , x3 )
x1 x2
Certificado
Repetição
Repetição
Z
Certificado
x3
• Quantificar as fontes de incerteza

Incerteza Tipo A Incerteza Tipo B
- Proveniente de observações repetidas: - Avaliada por julgamento científico, histórico de
análise estatística. medições, certificados, manuais, etc.
Distribuição normal Distribuição retangular ou uniforme
sx a
ux  Desvio padrão ux 
da média 3
n -a +a
Distribuição triangular
Sx - desvio padrão
a
n - número de repetições ux 
6
-a +a
Certificado
U - incerteza expandida declarada
U
ux  a - valor estimado
k k - coeficiente de abrangência
• Princípio da máxima entropia no caso da incerteza tipo B

Deve-se considerar a distribuição mais abrangente para o nível de informação que se
tem a respeito da fonte de entrada.
Ou seja, deve-se atribuir uma distribuição que não transmita mais informação do que
aquela que é conhecida.
Exemplo:
Se a única informação conhecida for sobre os limites máximo e mínimo de uma
variável, deve-se atribuir uma distribuição uniforme.
Variável x com valores Distribuição uniforme

entre -a e a com extremos em -a e a
-a < x < a -a +a
Lei de propagação das incertezas
Lei da propagação das incertezas

• Modelo:
Z  f ( X 1 , X 2 , X 3 ,..., X N )
• Tendo as incertezas de X1, X2, X3, ..., XN  encontrar a incerteza de Z.
• Simplificando o modelo para o caso de duas grandezas de entrada:
z  f ( x, y)
Tenho: ux, uy Desejo: uz

• Expandindo o modelo em série de Taylor nos pontos (x,y) e (x+Dx, y+Dy):
f f
f ( x  Dx, y  Dy)  f ( x, y)  Dx  Dy  ...
x y
1 2 f 2 f 2 f 2
...   2 Dx   2 DxDy  2 Dy    ...  ...
2 1
2!  x xy y  3!
0
Quando os valores de Dx e Dy são pequenos, as parcelas dos
termos de ordem superior são cada vez menores
• Considerando somente os termos de primeira ordem:
f f
f ( x  Dx, y  Dy)  f ( x, y)  Dx  Dy
x y
Df ( x, y)  Dz

• Supondo uma série de medições de cada grandeza x e y:
N N
1 1
x y
x y
x i y i Médias
x1 y1 N i 1 N i 1
x2 y2
1 N 1 N
... ...  
2
x 
N  1 i 1
(Dxi ) 2  
2
y 
N  1 i 1
(Dyi ) 2 Variâncias
xN xN
Dxi  xi  x Dyi  yi  y Desvios absolutos

em rel. às médias
• Para cada medição, o desvio absoluto da grandeza Z:
f f
Dzi  Dxi  Dyi
x y

• A variância de Z pode ser obtida por:
1 N f f
 
2
z 
N  1 i 1
(Dzi ) 2 mas Dzi 
x
Dxi  Dyi
y
2
1 N
 f f 
 z2   

N  1 i 1  x
Dxi 
y
Dyi


2
1 N  f 1 N  f f  1 N  f 
2

z 
2
 
N  1 i 1  x
Dxi   2

 N  1 i 1  x
Dx
y
Dy 
i   
 Dyi

 N  1 i 1  y
i

2
 f  1  f  1 N  f  f  1 N
2 N
  
2

 x  N  1 i 1
(Dxi )   
2
 (Dyi )  2  
2
 (Dxi Dyi )
 y  N  1 i 1  x  y  N  1 i 1
z
 x2  y2 cov( x, y )
covariância

• Reescrevendo:
2
 f   f   f  f 
2
 z2     x2     y2  2   cov( x, y)
 x   y   x  y 
Coeficiente de correlação
onde:
 x2  ux2  y2  u y2 cov( x, y)  ux  u y  r ( x, y)
• Voltando ao caso geral: Z  f ( X 1 , X 2 , X 3 ,..., X N )
 f  f 
2
N
 f  2 N 1 N
uz   
2
 
 u xi  2     cov( xi , x j )
i 1  xi 
 
i 1 j i 1 xi  x j 
Equação geral para a lei de propagação de incertezas


• Quando as grandezas X1, X2, X3, ..., XN são independentes, o último termo desaparece:
2
N
 f  2
u z   
2
 u xi
i 1  xi 
f
Coeficiente de sensibilidade c xi 
xi
X1 X2
cx1 cx2
Z
• Calcular os coeficientes de sensibilidade:
f
c xi  para cada fonte de incerteza
xi
• Calcular a incerteza padrão combinada:
N
uz  c
i 1
2
xi u x2i
Componentes de incerteza
Corresponde apenas a 1 desvio padrão (1-sigma)

ou 68% de todas as medidas
Para uma maior confiabilidade é necessário um intervalo maior U z  k uz

• Calcular a incerteza expandida:

U z  k uz
coeficiente de abrangência – geralmente entre 2 (~95%) e 3 (~99%)

considerando um distribuição final normal
Distribuição t de Student
Aproximar a distribuição final do mensurando por uma distribuição t de Student
Depende do número de medidas

Quanto maior o número de medidas, maior
o número de graus de liberdade.
Aproxima-se de uma distribuição normal.

• Calcular o número de graus de liberdade efetivos:
u z4
 eff 
u x4i

Equação de Welch-Satterwaite
xi
• Calcular o coeficiente de abrangência:

Usando a tabela de distribuição t de Student
para um dado número de graus de liberdade
efetivos e um nível de confiança estima-se o
valor do coeficiente de abrangência.
 eff
k
NC
• Calcular a incerteza expandida:
U z  k uz
• Declarar o resultado final indicando o valor do coeficiente de
abrangência e o nível de confiança (geralmente igual a 95%)
Resultado final:
Z  U z 
para k = ... e NC = ...
Exemplo:
Medição de uma força
Exemplo – Medição de uma força

• Modelo:
F  mg Mensurando  Força
• Dados do problema:
Massa média = 10 kg 10 repetições Desvio padrão = 0,03 g
Balança utilizada Incerteza = 0,01 g ; k = 2; NC = 95%
Aceleração da gravidade = 9,80665 m/s² Incerteza = 0,00002 m/s² ; k = 2


• Diagrama causa-efeito:
m
Certificado
Repetição
F
Certificado
g

• Grandezas de entrada:
Massa
m  10 kg
s 0,03
Repetição (tipo A): um1    0,009487 g
n 10
U 0,01
Certificado da balança (tipo B): um2    0,005 g
k 2
Aceleração da gravidade
g  9,80665 m/s 2
U 0,00002
Certificado da medida de g (tipo B): ug    0,00001 m/s 2
k 2

• Coeficientes de sensibilidade:
Massa
F
cm  g  9,80665 m/s 2
m
Aceleração da gravidade
F
cg  m  10 kg
g
• Componentes de incerteza:
uF (m1 )  cm  um1  9,80665 m/s 2  0,009487 10-3 kg  9,3034 105 N

uF (m2 )  cm  um2  9,80665 m/s 2  0,005 10-3 kg  4,9033 105 N
u F ( g )  cg  u g  10kg  0,00001 m/s 2  0,0001 N

• Incerteza combinada:
u F  u F2 (m1 )  u F2 (m2 )  u F2 ( g )
 9,3034 10   4,9033 10 

5 2 5 2
 0,00012  0,000145 N
• Graus de liberdade efetivos:

u F4
 eff  4
u F (m1 ) u F4 (m2 ) u F4 ( g )
 
 F (m1 )  F (m2 )  F ( g ) Na tabela t de
Student, para
4
0,000145 NC = 95%
  53 k  2,006
9,3034 10   4,9033 10 
5 4 5 4

4
0,0001
9  

• Incerteza expandida:
U F  uF .k  0,000145  2,006  0,00029 N

• Resultado de medição:
F  mg  10 kg  9,80665 m/s 2  98,06650 N
F  98,06650 N  0,00029 N; k  2,006; NC  95%
• Tabela de fontes de incerteza – “Uncertainty budget”
Fontes de Símbolo Tipo Estimativa Coeficientes de Componentes de

incerteza sensibilidade incerteza
Massa devido um1 A 0,009487 9,80665 9,3034*10-5
a repetição [g] [m/s²] [N]
Massa devido um2 B 0,005 9,80665 4,9033*10-5
ao certificado [g] [m/s²] [N]
Aceleração da ug B 0,00001 10 0,0001
gravidade [m/s²] [kg] [N]

• Balanço das fontes de incerteza:
uF
ug
um2
um1
0.0E+00 5.0E-05 1.0E-04 1.5E-04 2.0E-04
Incerteza (N)
Modelos podem ser complexos

• Espinha de peixe para sistema de medição primária de pH do Inmetro
Alternativas ao GUM
A – Método numérico de diferenciação – Kragten
( x  ux )  y Dz1  z  z
Modelo
z´
x y w
z
w x  ( y  uy ) Dz2  z  z
z 
w
x y
z   Dz3  z  z
(w  uw )
uz  (Dz1 )  (Dz2 )  (Dz3 )

2 2 2
Alternativas ao GUM
B – Combinação das incertezas relativas
Modelo
2
 u x   u y   uw 
2 2
x y uz
        
z
w z  x  y w
De volta ao exemplo – Medição de uma força
Modelo
F´ (m  um )  g DF1  F  F 
F  mg
F   m  ( g  u g ) DF2  F  F 
u F  (DF1 ) 2  (DF2 ) 2

F  mg  10 kg  9,80665 m/s 2  98,0665 N
um  um21  um2 2  0,009487 2  0,0052  0,010724 g
F   (m  um )  g  (10  0,01072 103 ) kg  9,80665 m/s 2  98,0666052 N

DF   98,0666052  98,0665  0,000105 N
F   m  ( g  ug )  10 kg  (9,80665  0,00001) m/s 2  98,0666 N
DF   98,0666  98,0665  0,0001 N
u F  0,0001052  0,00012  0,000145 N

B – Combinação das incertezas relativas
Modelo 2
 um   u g 
2
F  mg uF
     
F m  g
2 2
uF  0,01074 g   0,00001 m/s² 
       1,48025 106
F  10000 g   9,80665 m/s² 
uF  1,48025 106  98,0665 N  0,000145 N

Incertezas envolvendo regressões lineares

• Supondo uma regressão linear do tipo: y ( x)  a  bx
• As variâncias dos coeficientes da reta são dados por:
s x 2 2
s 2
s 
2
a
u 2
a
s n u
2
b b
2
D D
Onde:
D
2
s  D  n x   x  D2   y  y (x)
2 2 2 2
n2
• E o coeficiente de correlação:
ra ,b   x
n x 2

• Incerteza de qualquer ponto interpolado em y na reta: y  a  bx
Aplicando a equação geral para a lei de propagação de incertezas
N N 1 N
u y2   ci2u xi2  2  ci c j u xi u xj rxi , xj
i 1 i 1 j i 1
Neste caso:
y y
1 x
a b
u y2  12 ua2  x 2ub2  2 1 x  ua  ub  ra,b


ya
• Incerteza de qualquer ponto interpolado em x na reta: x
Aplicando a equação geral para a lei de propagação de incertezas
b
N N 1 N
u x2   ci2u yi2  2  ci c j u yi u yj ryi , yj
i 1 i 1 j i 1
Neste caso:
x 1 x ya
  2
a b b b
 1 2  ya 2  1  ya
2 2
u     ua    2  ub  2        2   ua  ub  ra ,b
2
x
 b  b   b  b 
Exemplo:
Determinação do teor de Cd em cerâmicas
Exemplo – Determinação do teor de Cd em cerâmicas por AA

• Modelo:
Co – concentração de Cd [mg l-1]
( Ao  Bo )
co  Ao – absorbância do metal na solução lixiviada
B1 Bo – coeficiente linear da curva de calibração
B1 – coeficiente angular da curva de calibração
cV r – massa de Cd lixiviada por unidade de área [mg dm-2]

r o Ld VL – volume da solução lixiviada [l]
a a – área da superfície analisada [dm²]
d – fator de diluição da amostra
Mensurando  Massa de Cd por unidade de área
• Dados do problema: Medido em recipiente de 500 ml com

Volume de solução lixiviada = 332 ml especificação de ± 2,5 ml
Dimensões da área = 1,45 dm x 1,64 dm Régua com menor divisão de 1 mm
Não houve diluição da amostra d=1

co VL
Leitura
Curva de calibração
Especificação
r
Comprimento
Largura
Imperfeição na área
a d

Volume
VL  332 ml
2,5 ml Assumindo uma
Especificação (tipo B): uVL1   0,00144 l distribuição uniforme
3
0,01VL 0,01 0,332 Assumindo uma
Leitura (tipo B): uVL 2    0,00136 l
6 6 distribuição triangular e
erro de 1% na leitura
Fator de diluição
d 1
Como não houve diluição a incerteza é nula.


Área
a  l  c  1,45 dm 1,64 dm  2,38 dm 2
0,5
Comprimento (tipo B): u c  mm  0,0029 dm Assumindo uma
3
distribuição uniforme e
0,5
Largura (tipo B): ul  mm  0,0029 dm resolução de 0,5 mm
3
 a   a 
2 2
ua1    ul2    uc2  1,64 2  0,0029 2  1,452  0,0029 2  0,0063 dm 2

 l   c 
0,05  2,38
Imperfeição da área (tipo B): u a2   0,0684 dm 2
3
Assumindo uma distribuição uniforme com
uma contribuição de 5% para a incerteza

Concentração de Cd (tipo A)
0.250
Concentração Absorção
0.200
[mg l-1]
0,1 0,028 0.150
Absorção
0,3 0,084 0.100
Ao  Bo  co B1
0,5 0,135 0.050
0,7 0,180 0.000

0.0 0.2 0.4 0.6 0.8 1.0
0,9 0,215
Concentração de Cd [mg/l]
Parâmetros
Ao  0,072
B1  0,2350 Absorbância medida para a amostra:
Bo  0,0109 ( Ao  Bo ) 0,072  0,0109

Logo: co    0,26 mg/l
B1 0,2350

Ci [mg l-1] Ai Ai(Ci) Δ²=[Ai-Ai(Ci)]² Parâmetros
0,1 0,028 0,034 0,000041 B1  0,2350
0,3 0,084 0,081 0,000007
Bo  0,0109
0,5 0,135 0,128 0,000044
0,7 0,180 0,175 0,000021
0,9 0,215 0,222 0,000055
D s 2  ci2
2
0,000167
s 2
   5,573 10-5 s u 
2 2
 4,598 10 5
n2 52 Bo Bo
D
s2 c
D  n c   ci   2
2 2
s  u  n  1,393 104
2 2 rBo , B1   i
 0,87
i B1 B1
D n c 2
i

Para um ponto interpolado na abscissa:
2 2
 1  A B   1   A B 
uc2o     u B2o    o 2 o  u B21  2        o 2 o   u Bo  u B1  rBo , B1
 B1   B1   B1   B1 
uco  0,019 mg/l


Volume
r c 0,26 mg/l mg
cVL   o   0,1093
VL a 2,38 dm 2 l dm 2
Área
r coVL 0,26 mg/l  0,332 l mg
ca   2   0,0153
a a 2,382 dm 4 dm 4
Concentração de Cd
r VL 0,332 l l
cco     0,1396
co a 2,38 dm 2 dm 2

Volume
mg mg
ur (VL1 )  cVL  uVL1  0,1093  0,00144 l  0,00016
l dm 2 dm 2
ur (VL2 )  cVL  uVL2 mg mg
 0,1093  0,00136 l  0,00015
l dm 2 dm 2
Área
mg 5 mg
ur (a1 )  ca  ua1  0,0153  0,0063 dm 2
 9,65  10
dm 4 dm 2
mg mg
ur (a2 )  ca  ua2  0,0153 4  0,0684 dm 2  0,00104
dm dm 2
Concentração de Cd
ur (co )  cco  uco l mg mg

 0,1396  0,0186  0,0026
dm 2 l dm 2

mg
ur  ur2 (VL1 )  ur2 (VL2 )  ur2 (a1 )  ur2 (a2 )  ur2 (co )  0,0028
dm 2

ur4 0,0028 4
 eff   4
4
ur4 (VL1 ) ur4 (VL2 )
u r4 (a1 ) ur4 (a2 ) ur4 (co ) 0,0026
   
 r (VL1 )  r (VL2 )  r (a1 )  r (a2 )  r (co ) 52
Graus de liberdade para
  uma reta (2 parâmetros)
Na tabela t de   n2
Student, para
NC = 95%
k  2,776

U r  ur .k mg
 0,0028  2,776  0,008
dm 2
coVL 0,26 mg/l  0,332 l mg
r d   0,036
a 2,38 dm 2 dm 2
mg
r  (0,036  0,008) ; k  2,776; NC  95%
dm 2


Volume uVL1 0,00144 0,1093 0,00016
B
(calibração) [l] [mg l-1 dm-2] [mg dm-2]
Volume uVL2 0,00136 0,1093 0,00015
B
(leitura) [l] [mg l-1 dm-2] [mg dm-2]
Área ua1 0,0063 -0,0153 -9,65E-05
B
(medidas) [dm2] [mg dm-4] [mg dm-2]
Área ua2 0,0684 -0,0153 -0,00104
B
(imperfeição) [dm2] [mg l-1 dm-1] [mg dm-2]
Concentração uco 0,0186 0,1396 0,00260
A
de Cd [mg l-2] [l dm-2] [mg dm-2]

ur
uco
ua2
ua1
uVL2
uVL1
0 0.0005 0.001 0.0015 0.002 0.0025 0.003
Incerteza [mg/dm²]

Posso incluir mais fontes de incerteza ao modelo quando tenho informações sobre
parâmetros que influenciam a medida indiretamente.
Exemplo: Temperatura – Estudos sobre o efeito da temperatura na liberação do metal

proveniente da cerâmica revelam que para a faixa de 20 a 25 oC existe um
comportamento linear que corresponde a um gradiente de 5% de mudança na
quantidade de material lixiviado por cada oC.
Logo, para uma variação de temperatura de ensaio de ± 2 oC, podemos
admitir uma variação total máxima de 10% na quantidade de metal lixiviado,
acrescentando o seguinte fator adimensional ao modelo:
coVL 0,1 Assumindo uma

ftemp  1 0,1 r d  f tem p u ftemp   0,06
a 3 distribuição uniforme

Temperatura
r cV 0,26 mg/l  0,332 l mg
c ftemp   o Ld   0,036
f tem p a 2,38 dm 2 dm 2
Temperatura
mg mg
ur (V ftemp )  c ftemp  u f temp  0,036  0,006  0,00210
dm 2 dm 2
ur  ur2 (VL1 )  ur2 (VL2 )  ur2 (a1 )  ur2 (a2 )  ur2 (co )  ur2 ( f tem p)
U r  ur .k mg
 0,010
dm 2

• Nova tabela de fontes de incerteza – “Uncertainty budget”

Volume uVL1 0,00144 0,1093 0,00016
B
(calibração) [l] [mg l-1 dm-2] [mg dm-2]
Volume uVL2 0,00136 0,1093 0,00015
B
(leitura) [l] [mg l-1 dm-2] [mg dm-2]
Área ua1 0,0063 -0,0153 -9,65E-05
B
(medidas) [dm2] [mg dm-4] [mg dm-2]
Área ua2 0,0684 -0,0153 -0,00104
B
(imperfeição) [dm2] [mg l-1 dm-1] [mg dm-2]
Concentração uco 0,0186 0,1396 0,00260
A
de Cd [mg l-2] [l dm-2] [mg dm-2]
0,06 0,036 0,00210
Temperatura uftemp B
[mg dm-2] [mg dm-2]
mg
r  (0,036  0,010) 2
; k  2,776; NC  95%
dm

ur
uftemp
uco
ua2
ua1
uVL2
uVL1
0 0.0005 0.001 0.0015 0.002 0.0025 0.003 0.0035 0.004
Incerteza [mg/dm²]
Exemplo:
Calibração de um manômetro
Exemplo – Calibração de um manômetro

• Modelo:
e  Pind  Pref Mensurando  Erro do manômetro
Pind
Resolução
Repetição
e
Certificado
Pref

• Resultado da calibração:
Pressão de Pressão indicada Pressão indicada Pressão indicada Pressão indicada

referência medição 1 medição 2 medição 3 medição 4
[bar] [bar] [bar] [bar] [bar]
... ... ... ... ...
... ... ... ... ...
... ... ... ... ...
Diferentes faixas de medição

Para cada faixa de medição:
Pressão indicada Pind

a valor de uma divisão
Resolução (tipo B): u Pind 1  a
6 2

Repetição (tipo A): u Pind 2 
n
Pressão de referência Pref

U
Certificado (tipo B): u Pref 
1
k

Pressão indicada
e
cPind  1
Pind
Pressão de referência
e
cPref   1
Pref
ue ( Pind1 )  cPind  u Pind1

ue ( Pind2 )  cPind  u Pind2
ue ( Pref )  cPref  u Pref


ue  ue2 ( Pind1 )  ue2 ( Pind2 )  ue2 ( Pref )
ue4 ue4
 eff  4  4
ue ( Pind1 ) ue4 ( Pind2 ) 4
u ( P ) ue ( Pind1 ) Apenas para repetição
  e ref
 e ( Pind1 )  e ( Pind2 )  e ( Pref )  e ( Pind1 )
U e  ue .k Para cada faixa de medição


• Resultado da calibração:
Pressão média Pressão de Incerteza expandida Fator de abrangência

indicada [bar] referência [bar] [bar] k
... ... ... ...
... ... ... ...
... ... ... ...
Diferentes faixas de medição
• Qual a incerteza de uma medida realizada com o manômetro? Pm ed

Pref  a  bPind
u Pmed1  12 ua2  Pm2edub2  2 U

1 Pm ed  ua u b ra ,b
u Pmed 
2
k

• Qual a incerteza de uma medida realizada com o manômetro? Pm ed
Pref  a  bPind
Interpolar o valor de Pm ed
u Pmed1  12 ua2  Pm2edub2  2 1 Pm ed  ua u b ra ,b
U
u Pmed 
2
k
uPmed  uP2med1  uP2med2

Exemplo:
Ensaio de tração
Exemplo – Ensaio de tração

• Modelo:
FR
 Mensurando  Tensão de ruptura
A
• Dados do problema:
Diâmetro da seção transversal = 8,04 mm Medida com paquímetro

Incerteza = 0,02 mm ; k = 2 ; NC = 95%
Força de ruptura = 3500 kgf Máquina calibrada


FR
Certificado

D
Certificado
A

D 2
Área da seção transversal A
4
U 0,02 mm
Certificado do paquímetro (tipo B): uD    0,00001 m
k 2
Coeficiente de sensibilidade da área referente ao diâmetro:
A D   0,00804 m
cD     0,0127 m
D 2 2
Contribuição de incerteza da área referente ao diâmetro:
u A ( D)  cD  uD  0,0127 m  0,00001m  1,27 10-7 m 2
Resultado da área:
D 2   0,008042
A   5,077 105 m 2 u A ( )  1,27 107 m 2
4 4

Força de ruptura
Certificado da máquina universal de ensaios (tipo B):
Força indicada Valor de referência Incerteza expandida

[kgf] [kgf] (k = 2; NC = 95%)
[kgf]
0 0 0
2000 1967 12
4000 3971 9
6000 5976 6
8000 7975 7
10000 9974 7

Força de ruptura
Força indicada pela máquina (3500 kgf)  Valor corrigido = 3479,33 kgf
Força de referência em função da força indicada

12000
Força de referência [kgf]
10000
8000 Fref  a  bFind

6000
4000 Parâmetros
2000
a  15,6190
0
0 2000 4000 6000 8000 10000 12000 b  0,9986
Força indicada [kgf]

Força de ruptura
Curva de calibração (tipo A): Fref  a  bFind
s 2

D
2
 133,28 s u 
2 2
s 2  Find
2
 69,8
n2
a a
D
s2
D  n F   Find   4,2 10 s  u  n  1,90 106
2 2 8 2 2
ind b b
D
ra ,b  
F ind
 0,83
n F 2
ind
u FR1  12 ua2  Find

2
ub2  2 1 Find  ua u b ra ,b  39,4 kgf

Força de ruptura
Certificado (tipo B):
Força indicada Valor de referência Incerteza expandida

[kgf] [kgf] (k = 2; NC = 95%)
[kgf]
0 0 0
2000 1967 12 Ou interpolar ou

4000 3971 9 usar o pior caso
6000 5976 6 12
u FR   6 kgf
8000 7975 7 2
2
10000 9974 7

Área da seção transversal
 FR 34793,3 N 13 N
cA   2   1,34  10
A A (5,077 10 5 m 2 ) 2 m4
Força de ruptura
 1 1 1
cFR     1,9697  10 4
FR A 5,077 10 5 m 2 m2
1
u ( FR1 )  cFR  u FR1  1,9697 104 2
 394 N  7,761 MPa
m
1
u ( FR2 )  cFR  u FR 2  1,9697 104 2  60 N  1,182 MPa
m
N
u ( A)  c A  u A  1,34 1013 4 1,27 107 m 2  1,702 MPa
m

u  u2 ( FR1 )  u2 ( FR2 )  u2 ( A)
 7,7612  1,182 2  1,702 2  8,032 MPa
u4 u4
 eff  4  4
u ( FR1 ) u4 ( FR2 ) 4
u ( A) u ( FR1 )
 
  ( FR1 )   ( FR2 )   ( A)   ( FR1 )
Na tabela t de
Student, para
4
8,032
  4,6
NC = 95%
4 k  2,78
7,761
62

U   u .k  8,032 MPa  2,78  22 MPa

FR 34793,8 N
  5
 685,3 MPa
A 5,077 10 m 2
  685  22 MPa; k  2,78; NC  95%


Força de ruptura uFR1 A 394 1,9697x104 7,761
(curva) [N] [1/m²] [MPa]
Força de ruptura uFR2 B 60 1,9697x104 1,182
(certificado) [N] [1/m²] [MPa]
Área da seção uA B 5,77x10-5 1,34x1013 1,702
transversal [m²] [N/m4] [MPa]

us
uA
uFr2
uFr1
0.000 2.000 4.000 6.000 8.000 10.000
Incerteza [MPa]
Simulação numérica por Monte Carlo
Aproximações da abordagem do GUM
• Linearização do modelo
O modelo utilizado para o cálculo do mensurando deve ter
comportamento linear. Quando o modelo apresentar
comportamento não linear, a aproximação feita pelo truncamento da
série de Taylor no primeiro termo utilizada pela abordagem do GUM
passa a não ser suficiente para estimar a incerteza de saída.
f f
Df ( x, y)  Dx  Dy  ...
x y
1 2 f 2 f 2 f 2
...   2 Dx   2 DxDy  2 Dy    ...  ...
2 1
2!  x xy y  3!
0
Quando os valores de Dx e Dy são pequenos, as parcelas dos
termos de ordem superior são cade vez menores
• Grandezas de entrada simétricas

Todas as distribuições das grandezas de entrada são consideradas
simétricas, o que não se aplica em alguns casos de metrologia
acústica, óptica e elétrica.
• Teorema do limite central
Admite-se a validade do teorema central do limite, que afirma que a
convolução de um número muito grande de distribuições tem uma
distribuição normal, ou seja, supõe-se que a distribuição de
probabilidade da grandeza de saída seja aproximadamente normal,
o que não ocorre em todos os casos. Essa distribuição pode
apresentar assimetria ou não tender a uma distribuição normal,
invalidando a aproximação do teorema central do limite.
• Utilização da fórmula de Welch-Satterthwaite

Após a obtenção da incerteza padrão pela lei de propagação de
incertezas, a abordagem do GUM utiliza a fórmula de Welch-
Satterthwaite para a obtenção do número de graus de liberdade
efetivos, necessários ao cálculo da incerteza expandida. Este
procedimento aproxima a distribuição da grandeza de saída de uma
distribuição t-Student, o que nem sempre é válido.
Propagação de distribuições
• O que é?
Propagação das distribuições estatísticas relativas às fontes de
incerteza por completo, ou seja, sem perder informações devido às
aproximações da abordagem do GUM.
• Convolução das distribuições
Este método envolve a convolução das distribuições de
probabilidade das grandezas de entrada, que pode ser feita das
seguintes formas:
a) integração analítica,
b) integração numérica ou
c) simulação numérica por método de Monte Carlo.
Propagação de distribuições
• Simulação numérica por Monte Carlo

• Descrita pelo suplemento 1 do GUM
• Mais abrangente, pode ser usado onde a abordagem do GUM falha
• Depende de um bom algoritmo de geração de números aleatórios
Fontes de incerteza
Distribuição final do
X1 mensurando
Modelo
X2
Z
Z = f ( X 1 , X 2 , X3 )
X3
i = 1 até M
Simulação numérica por Monte Carlo
• Definir o mensurando e o seu modelo: Z = f(xi)

• Construir o diagrama causa-efeito (Ishikawa ou espinha de peixe)
• Definir as PDFs das fontes de incerteza
• Executar a simulação
• Declarar o resultado final utilizando o menor intervalo formado pelos
pontos extremos da distribuição de saída para um determinado nível de
confiança (geralmente igual a 95%)
Intervalo para nível de

confiança de 95%
Definição das PDFs
• Princípio da máxima entropia

Deve-se considerar a distribuição mais abrangente para o nível de informação que se
tem a respeito da fonte de entrada. Com isso pode-se atribuir uma distribuição que
não transmita mais informação do que aquela que é conhecida.
Informações PDF Gráfico da PDF

Caso 1 Variável x com
Uniforme com
valores entre a e b
extremos em a e b
a<x<b
Caso 2 Valor esperado x e
Normal com média x e
incerteza padrão
desvio padrão ux
estimada ux
Caso 3 Variável positiva
Distribuição
a<x<b exponencial
Mecanismo da simulação
• Supondo o modelo
Z = f ( X,Y )
Z
X
Y
• Primeira iteração, i = 1
Fontes de Valor pseudo-
incerteza aleatório Tabela de
resultados
MC
X x1 Resultado z1
Modelo parcial
Z = f ( X,Y ) z1
MC
Y y1
• Segunda iteração, i = 2
resultados
MC
X x2 Resultado z1
Modelo parcial
z2
Z = f ( X,Y ) z2
MC
Y y2
• Terceira iteração, i = 3
resultados
MC
X x3 Resultado z1
Modelo parcial
z2
Z = f ( X,Y ) z3
MC z3
Y y3
• Última iteração, i = M
resultados
MC
X xM Resultado z1
Modelo parcial
z2
Z = f ( X,Y ) zM
MC z3
Y yM
…
zM
Distribuição final do
mensurando
Estatística
Z
Detalhes da simulação
• Simulações podem ser realizadas com a ajuda de softwares

especializados ou pela implementação de macros no
ambiente VBA do Microsoft Excel®
• Algoritmos para geração de números pseudo-aleatórios

recomendados pelo suplemento 1 do GUM
Hill-Wichmann Enhanced Box-Müller

(Distribuições uniformes) (Distribuições normais)
• Quando parar a simulação?

Estabilização das grandezas de interesse.
Uma grandeza pode ser considerada estabilizada quando o dobro

do seu desvio padrão σ for menor que a tolerância numérica δ
associada a sua incerteza padrão.
2  
A tolerância numérica de uma incerteza pode ser obtida
expressando a incerteza padrão na forma c × 10l, onde c é um
número inteiro com um número de dígitos igual ao número de
algarismos significativos da incerteza padrão e l um número inteiro.
1
A tolerância numérica é tomada então como:   10l
2
• Validação da abordagem do GUM

Comparação entre os intervalos de abrangência de ambos os
métodos.
Abordagem do GUM: Método de Monte Carlo:
[ y  U ( y), y  U ( y)] [ y  ylow, y  yhigh]
Calcula-se:
D low  y  U ( y )  ylow D high  y  U ( y )  yhigh
D low  
GUM pode ser validado
D high  
Muito Obrigado !
jcdamasceno@inmetro.gov.br

Seminario Incerteza

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Seminario Incerteza

Transféré par

Droits d'auteur :

Formats disponibles

Incerteza de medição

Segundo a ISO Guia 99:2007

Exatidão = Veracidade e Precisão

• Erros Sistemáticos • Erros Aleatórios

• Valor de medição não corrigido

• Valor de medição corrigido

Tendência (bias) Desvio padrão

Variabilidade mínima Variabilidade máxima

Porque a incerteza de medição é importante?

• Calibração – a incerteza de medição precisa estar reportada nos

• Ensaios – a incerteza de medição é necessária para determinar se um

• Para se fazer medições com qualidade e entender melhor os seus

Atendendo uma especificação – avaliação da conformidade

• Caso (a) – resultado e incerteza dentro dos limites – conformidade

• Guia internacional para

• Baseado na lei de propagação de

• Definir o mensurando e o seu modelo

• Definir o mensurando e o seu modelo Modelo

• Quantificar as fontes de incerteza

Distribuição normal Distribuição retangular ou uniforme

• Princípio da máxima entropia no caso da incerteza tipo B

Variável x com valores Distribuição uniforme

Lei da propagação das incertezas

• Simplificando o modelo para o caso de duas grandezas de entrada:

Lei da propagação das incertezas

• Considerando somente os termos de primeira ordem:

Lei da propagação das incertezas

Dxi  xi  x Dyi  yi  y Desvios absolutos

• Para cada medição, o desvio absoluto da grandeza Z:

Lei da propagação das incertezas

Lei da propagação das incertezas

• Voltando ao caso geral: Z  f ( X 1 , X 2 , X 3 ,..., X N )

Equação geral para a lei de propagação de incertezas

Lei da propagação das incertezas

• Calcular os coeficientes de sensibilidade:

• Calcular a incerteza padrão combinada:

Corresponde apenas a 1 desvio padrão (1-sigma)

Para uma maior confiabilidade é necessário um intervalo maior U z  k uz

• Calcular a incerteza expandida:

coeficiente de abrangência – geralmente entre 2 (~95%) e 3 (~99%)

Depende do número de medidas

Aproxima-se de uma distribuição normal.

• Calcular o número de graus de liberdade efetivos:

• Calcular o coeficiente de abrangência:

• Calcular a incerteza expandida:

Exemplo – Medição de uma força

Balança utilizada Incerteza = 0,01 g ; k = 2; NC = 95%

Aceleração da gravidade = 9,80665 m/s² Incerteza = 0,00002 m/s² ; k = 2

Exemplo – Medição de uma força

Exemplo – Medição de uma força

Exemplo – Medição de uma força

uF (m1 )  cm  um1  9,80665 m/s 2  0,009487 10-3 kg  9,3034 105 N

Exemplo – Medição de uma força

 9,3034 10   4,9033 10 

• Graus de liberdade efetivos:

Exemplo – Medição de uma força

U F  uF .k  0,000145  2,006  0,00029 N

Fontes de Símbolo Tipo Estimativa Coeficientes de Componentes de

Exemplo – Medição de uma força

0.0E+00 5.0E-05 1.0E-04 1.5E-04 2.0E-04

Modelos podem ser complexos

uz  (Dz1 )  (Dz2 )  (Dz3 )

De volta ao exemplo – Medição de uma força

A – Método numérico de diferenciação – Kragten