Вы находитесь на странице: 1из 53

1 - FUNDAMENTOS DO CÁLCULO DE INCERTEZA EM MEDIÇÃO

Medição

O objetivo de uma medição é determinar o valor do mensurando, isto é, o valor da


grandeza específica a ser medida. A medição começa com uma apropriada especificação
da grandeza, do método e procedimento de medição.
Em geral, o resultado de uma medição é uma aproximação ou estimativa do valor da
grandeza. Assim, o resultado da medição somente está completo se estiver
acompanhado da incerteza da estimativa.
Na prática, a especificação ou definição da grandeza é consequência da exatidão
(accuracy) desejada. Para atender a exatidão requerida, a grandeza deve ser
especificada de tal forma que esta tenha um único valor para os propósitos práticos
associados.

Exemplo 1.1
Considere uma haste de 75mm onde a exatidão requerida é de micrômetros. Neste caso,
sua especificação deve incluir a temperatura e pressão. Por outro lado, se o comprimento
da haste deve ser determinado em milímetros, sua especificação não requer a definição
da temperatura e pressão.
Na grande maioria dos casos, o resultado da medição é determinado através de uma
série de leituras obtidas sob condições de repetitividade. Variações obtidas nas leituras
repetidas são consequência de fatores que afetam os resultados das leituras.
Além disso, o modelo matemático da medição, que transforma as leituras repetidas no
resultado da medição é crítico, pois incluí fatores que não são totalmente conhecidos.
Assim, a variação obtida nas leituras repetidas e a falta de informação do modelo
matemático, contribuem para a incerteza do resultado da medição.

Medição
É o conjunto de operações com objetivo de determinar o valor de uma grandeza. Estas
operações podem ser realizadas automaticamente.

Medir
É um processo experimental pelo qual o valor momentâneo de uma grandeza física
(grandeza a medir) é determinado como múltiplo e/ou uma fração de uma unidade,
estabelecida por um padrão, e reconhecida internacionalmente.

Incerteza de Medição
Parâmetro associado ao resultado da medição, que caracteriza a dispersão de
valores que podem ser atribuídos ao mensurando.
1.1 - ERROS, EFEITOS E CORREÇÕES

Em geral, uma medição tem imperfeições que dão origem a um erro no resultado da medição.
Tradicionalmente, o erro é visto como tendo dois componentes, um componente aleatório e um
componente sistemático. É importante deixarmos claro que erro é um conceito idealizado e os erros
não podem ser conhecidos exatamente. Uma discussão detalhada sobre erro de medição pode ser
encontrada no apêndice D da norma ISO GUM (2008).

O erro aleatório se origina de variações temporais ou espaciais e ocorre de forma imprevisível. Os


efeitos de tais variações (daqui para a frente denominaremos efeitos aleatórios) são a causa de
variações em observações repetidas da grandeza. Embora não seja possível compensar o erro
aleatório de um resultado de medição, ele pode geralmente ser reduzido aumentando-se o número de
observações. Sua esperança ou valor esperado é zero.

O erro sistemático, assim como o erro aleatório, não pode ser eliminado, porém ele, frequentemente,
pode ser reduzido. Se um erro sistemático se origina de um efeito reconhecido de uma grandeza de
influência em um resultado de medição, daqui para diante denominado como efeito sistemático, o
efeito pode ser quantificado e, se for significativo com relação à exatidão requerida da medição, uma
correção ou fator de correção pode ser aplicado para compensar o efeito. Suponhamos, que, após
esta correção, a esperança da distribuição de probabilidade associada ao erro sistemático seja zero.

Como dissemos, o erro é um conceito idealizado e os erros não podem ser conhecidos exatamente.
Na prática, associamos uma variável aleatória (por exemplo, a distribuição normal) para representar o
erro de medição, como pode ser observado na Figura 1.1.1. Outras distribuições de probabilidade
também podem ser utilizadas, por exemplo, associamos o erro devido a resolução do instrumento de
medição com a distribuição retangular (ou, uniforme).

Figura 1.1.1: Representação do erro de medição.


Muitas vezes, utilizamos o desvio padrão amostral da média de uma série de observações para
estudar o comportamento do erro aleatório. Entretanto, o desvio padrão amostral da média não é o
erro aleatório, embora ele assim seja designado em algumas publicações. Ele é, em vez disso, uma
medida de incerteza da média devido a efeitos aleatórios. O valor exato do erro da média, que se
origina destes efeitos, não pode ser conhecido. Devemos tomar muito cuidado em distinguir entre os
termos "erro'' e "incerteza''. Eles não são sinônimos, ao contrário, representam conceitos
completamente diferentes.

A incerteza de uma correção aplicada a um resultado de medição, para compensar um efeito


sistemático, não é o erro sistemático. É, ao contrário, uma medida de incerteza do resultado devido ao
conhecimento incompleto do valor requerido da correção. O erro originado da compensação imperfeita
de um efeito sistemático não pode ser exatamente conhecido. Os termos "erro'' e "incerteza'' devem
ser usados apropriadamente e devemos tomar cuidado em distinguir um do outro. Supomos que o
resultado de uma medição tenha sido corrigido para todos os efeitos sistemáticos reconhecidos como
significativos e que todo esforço tenha sido feito para identificar tais efeitos.

Exemplo 1.1.1
Uma correção devido à impedância finita de um voltímetro usado para medir uma diferença de
potencial (a grandeza) através de um resistor de alta impedância é aplicada para reduzir o efeito
sistemático sobre no resultado da medição proveniente do efeito de carregamento do voltímetro.
Entretanto, os valores da impedância do voltímetro e do resistor, que são usados para estimar o valor
da correção e são obtidos a partir de outras medidas, são incertos. Essas incertezas são usadas para
avaliar a componente de incerteza da determinação de diferença de potencial originada da correção e,
assim, do efeito sistemático devido à impedância finita do voltímetro.

Frequentemente, os instrumentos e sistemas de medição são ajustados com base em padrões de


medição e materiais de referência para eliminar os efeitos sistemáticos. Contudo, as incertezas
associadas a esses padrões e materiais ainda devem ser levadas em consideração.
1.2 - INCERTEZA DE MEDIÇÃO

A incerteza do resultado de uma medição reflete a falta de conhecimento associado ao valor da


grandeza a ser medida. O resultado de uma medição, mesmo após correção devido aos efeitos
relativos a erros sistemáticos reconhecidos, é somente uma estimativa do valor da grandeza devido a
incerteza proveniente dos efeitos dos erros aleatórios e da correção imperfeita do resultado para
efeitos devido aos erros sistemáticos.

O resultado de uma medição (após correção) pode, sem que se perceba, estar muito próximo do valor
da grandeza (e, assim, ter um erro desprezível), muito embora possa ter uma incerteza grande.
Portanto, a incerteza do resultado de uma medição não deve ser confundida com o erro desconhecido
remanescente.

Na prática, existem muitas fontes possíveis de incerteza em uma medição, incluindo:

a) Definição incompleta da grandeza;

b) Falhas na definição da grandeza;

c) Amostragem não-representativa - A amostra medida pode não representar a grandeza definida;

d) Conhecimento inadequado dos efeitos das condições ambientais sobre a medição ou medição
imperfeita das condições ambientais;

e) Erro de tendência pessoal na leitura de instrumentos analógicos;

f) Resolução finita do instrumento ou limiar de mobilidade;

g) Valores inexatos dos padrões de medição e materiais de referência;

h) Valores inexatos de constantes e de outros parâmetros obtidos de fontes externas e usados no


algoritmo para obtenção de dados;

i) Aproximações e suposições incorporadas ao método e procedimento de medição;

j) Variações nas observações repetidas da grandeza sob condições aparentemente idênticas.

Essas fontes não são necessariamente independentes e algumas das fontes de (a) a (i) podem
contribuir para a fonte (j). Naturalmente, um efeito sistemático não reconhecido não pode ser levado
em consideração na avaliação da incerteza do resultado de uma medição, porém contribui para seu
erro.

Em algumas publicações, os componentes da incerteza são categorizados como "aleatório'' e


"sistemático'' e são associados com erros provenientes de efeitos aleatórios e de efeitos sistemáticos
conhecidos, respectivamente. Tal categorização de componentes de incerteza pode se tornar ambígua
quando aplicada genericamente. Por exemplo, um componente "aleatório'' de incerteza em uma
medição pode se tornar um componente "sistemático'' da incerteza em outra medição na qual o
resultado da primeira medição é usado como dado de entrada. Categorizando os métodos de
avaliação (ou, cálculo) dos componentes de incerteza, em vez de fazermos com os próprios
componentes, evitamos tal ambiguidade. Ao mesmo tempo, isto não impede designar componentes
individuais que tenham sido avaliados pelos dois diferentes métodos em grupos distintos, a serem
usados para uma finalidade em particular.

A recomendação da norma ISO GUM (2008) consiste em dividirmos os componentes de incerteza em


dois tipos, denominados "A" e "B". Estas categorias são aplicados ao método de avaliação da
incerteza e não tem relação com as palavras aleatório ou sistemático. A incerteza associada a
correção de um efeito relacionado a um erro sistemático pode ser obtido por uma avaliação do tipo A
ou por uma avaliação do tipo B.

O propósito da classificação Tipo A e Tipo B é de indicar as duas maneiras diferentes de avaliar os


componentes da incerteza e serve apenas para discussão. A classificação não se propõe a indicar que
haja qualquer diferença na natureza dos componentes. Ambos os tipos de avaliação são baseados em
distribuições de probabilidade e os componentes de incerteza resultantes de cada tipo são
quantificados por variâncias ou desvios padrão.

A variância estimada , caracterizando um componente de incerteza obtido de uma avaliação do Tipo


A, é calculada a partir de uma série de observações repetidas, através da variância amostral da média
das medidas . O desvio padrão estimado é denominado incerteza padrão do Tipo A.
Para um componente de incerteza obtido por uma avaliação do Tipo B, a variância estimada é
avaliada através do conhecimento disponível, e o desvio padrão estimado é, por vezes, denominado
incerteza padrão do Tipo B.

Assim, uma incerteza padrão do Tipo A é obtida a partir de uma função densidade de probabilidade
derivada da observação de uma distribuição de frequência, enquanto que a incerteza padrão do Tipo B
é obtida de uma suposta função densidade de probabilidade, baseada no grau de credibilidade de que
um evento vá ocorrer (frequentemente chamada probabilidade subjetiva). Ambos os enfoques
empregam interpretações reconhecidas de probabilidade. Uma avaliação do Tipo B de um componente
de incerteza é usualmente baseada em um conjunto de informações comparativamente confiáveis.

A incerteza padrão do resultado de uma medição, quando este resultado for obtido de valores de
outras grandezas, é denominada incerteza padrão combinada e designada por . Ela é o desvio
padrão estimado, associado com o resultado, obtida a partir de todos os componentes de variância e
covariância, independente de como tenham sido avaliados, usando o que é denominado, de lei da
propagação de incerteza.

Para satisfazer as necessidades de algumas aplicações industriais e comerciais, assim como a


requisitos nas áreas da saúde e segurança, uma incerteza expandida é obtida multiplicando-se a
incerteza padrão combinada por um fator de abrangência . A finalidade pretendida para é
fornecer um intervalo em torno do resultado de uma medição com o qual se espera abranger uma
grande fração da distribuição de valores que poderiam razoavelmente ser atribuída a grandeza. A
escolha de , o qual está geralmente na faixa de 2 a 3, é baseada na probabilidade de abrangência ou
nível da confiança requerido do intervalo.

O fator de abrangência deve sempre ser declarado de forma que a incerteza padrão da grandeza
medida possa ser recuperada para uso no cálculo de incerteza padrão combinada de outros resultados
de medição que possam depender dessa grandeza.

Se houver variação de todas as grandezas das quais o resultado de uma medição depende, sua
incerteza poderá ser calculada por meios estatísticos. Entretanto, uma vez que isso, na prática,
raramente é possível, devido a tempo e recursos limitados, a incerteza de um resultado de medição é,
geralmente, avaliada quando utilizamos um modelo matemático da medição e a lei de propagação da
incerteza. Assim, está implícita a suposição de que uma medição pode ser modelada
matematicamente até o grau imposto pela exatidão requerida na medição.

Uma vez que o modelo matemático pode ser incompleto, todas as grandezas relevantes devem ser
variadas até a maior extensão prática possível, de modo que a avaliação da incerteza possa ser
baseada, tanto quanto possível, nos dados observados.

Sempre que factível, o uso de modelos empíricos da medição, fundamentados em dados quantitativos
e colecionados ao longo do tempo, e o uso de padrões de verificação e gráficos de controle que
possam indicar se uma medição está sob controle estatístico, devem ser parte do esforço de obtenção
de avaliações confiáveis de incerteza. O modelo matemático deverá sempre ser revisado quando os
dados observados, incluindo o resultado de determinações independentes da mesma grandeza,
demonstrarem que o modelo está incompleto. Um experimento bem projetado facilita as avaliações
confiáveis da incerteza e é uma parte importante da arte de medição.

De forma a decidir se um sistema de medição está funcionando adequadamente, a variarbilidade


observada experimentalmente de seus valores de saída, conforme medida pelo seu desvio padrão
observado é, frequentemente, comparada com o desvio padrão previsto, obtido através da combinação
dos vários componentes da incerteza que caracterizam a medição. Em tais casos, somente aqueles
componentes (obtidos de avaliações Tipo A ou Tipo B) que poderiam contribuir para a variabilidade
experimentalmente observada destes valores de saída devem ser considerados.

Tal análise pode ser facilitada, quando reunimos aqueles componentes que contribuem para a
variabilidade e aqueles que não o fazem em dois grupos separados e adequadamente rotulados.

Em alguns casos, a incerteza de uma correção para um efeito sistemático não precisa ser incluída na
avaliação da incerteza de um resultado de medição. Embora a incerteza tenha sido avaliada, ela pode
ser ignorada se sua contribuição para a incerteza padrão combinada de um resultado de medição é
insignificante. Se o valor da própria correção for insignificante relativamente à incerteza padrão
combinada, ele também pode ser ignorado.

Muitas vezes ocorre na prática, especialmente no domínio da metrologia legal, que um equipamento é
ensaiado através de uma comparação com um padrão de medição e as incertezas associadas com o
padrão e com o procedimento de comparação são desprezíveis relativamente à exatidão requerida do
ensaio. Um exemplo é o uso de um conjunto de padrões de massa bem calibrados para verificar a
exatidão de uma balança comercial. Em tais casos, como os componentes da incerteza são pequenos
o bastante para serem ignorados, a medição pode ser vista como determinação do erro do
equipamento sob ensaio.

Exemplo 1.2.1
Um padrão de tensão Zener de alta qualidade é calibrado por comparação com uma referência de
tensão de efeito Josephson baseado no valor convencional da constante Josephson recomendada
para uso internacional pelo CIPM. A incerteza padrão combinada relativa da diferença de
potencial calibrada é relatada em termos do valor convencional,
mas é quando é relatada em termos da unidade SI da diferença de potencial,
volt( ), por causa da incerteza adicional associada com o valor SI da constante Josephson.

Erros grosseiros no registro ou na análise dos dados podem introduzir um erro desconhecido
significativo no resultado de uma medição. Grandes erros grosseiros podem ser, geralmente,
identificados por uma revisão apropriada dos dados. Pequenos erros grosseiros podem ser
mascarados por variações aleatórios, ou até mesmo podem aparecer como tais. Medidas de incerteza
não são projetadas para levar em conta tais erros.

A avaliação da incerteza não é uma tarefa de rotina nem uma tarefa puramente matemática, ela
depende de conhecimento detalhado da natureza da grandeza e da medição. A qualidade e utilidade
da incerteza indicada para o resultado de uma medição, dependem, portanto, e em última análise, da
compreensão, análise crítica e integridade daqueles que contribuem para o estabelecimento de seu
valor.

Resultado da medição

Encontramos a expressão de um resultado de medição incompleta caso esta não se apresente com a
declaração da incerteza de medição associada. A incerteza de um resultado define uma faixa de
valores em torno da média das medições, dentro da qual o valor verdadeiro da grandeza se encontra
com nível de confiança estabelecido.

Embora não seja ainda de entendimento geral e até mesmo algumas vezes de desconhecimento de
alguns, cumpre-nos observar que dentre as parcelas mostradas na expressão do resultado de uma
medição a IM (incerteza de medição) é a mais importante, até mesmo do que a média (das medidas) e
mereceria uma maior compreensão e aplicação.
Vejamos um exemplo em que a um metrologista fosse solicitado para medir as dimensões do seu
laboratório de metrologia para a preparação de um layout, e este não dispusesse de trena ou qualquer
outro meio de medição. Neste poderíamos utilizar as dimensões padronizadas das placas do piso (por
exemplo Paviflex, 30 30 cm) e após uma contagem do número de placas em cada lado emitir um
resultado de medição como o seguinte: 4,0 4,0 m 0,15 m.

Metrologicamente falando, o resultado da sua medição está correto mesmo se o solicitante não
estivesse satisfeito com a IM apresentada e neste caso o mesmo poderia propor uma alteração no
procedimento de medição utilizado, como por exemplo, o uso de uma trena.

Sob o mesmo ponto de vista, errado estaria se a medição fosse feita, por exemplo, com uma trena e o
resultado apresentado fosse: 4,010 4,047 m (sem a declaração da IM).

Fluxo para o Cálculo de Incerteza


1.3 - AVALIAÇÃO DA INCERTEZA PADRÃO

Em muitos casos, uma grandeza não é medida diretamente, mas é determinada em função
de outras grandezas , através de uma relação funcional , que vem a ser

As grandezas de entrada , sobre o qual o valor de saída depende, pode ser uma
medida ou depender de outras variáveis, incluindo correções e fatores de correções para efeitos
sistemáticos. A função pode ser determinada experimentalmente, ou existe somente, como um
algoritmo que pode ser avaliado numericamente.

As grandezas de entradas podem ser caracterizadas como:

 Quantidade cujos valores e incertezas são determinados diretamente da medição. Esses valores e
incertezas podem ser obtidos de uma simples observação, repetidas observações ou
julgamentos baseados na experiência.
Também podem envolver as determinações de correções para indicação dos instrumentos e correções
por grandezas de influências, tais como: temperatura ambiente, pressão barométrica e umidade;

 Valores e incertezas, os quais são conduzidos para uma medição de fontes externas, tais como:
grandezas associadas com calibração de padrões, certificados de materiais de referência e referência
de informações obtidas através de manuais.

Exemplo 1.3.1:
Para medirmos o volume, podemos utilizar o seguinte método

, onde a grandeza volume é obtida através das grandezas massa e densidade.

A estimativa do desvio padrão, associado com cada estimativa de entrada é denominada de


\textbf{incerteza padrão} e indicada por .

A estimativa do desvio padrão, associado com a estimativa do resultado de medição , é


denominada incerteza padrão combinada e indicada por , e é determinada pela combinação
das incertezas padrão associada com as estimativas de entrada ( ). Cada estimativa de entrada e
sua incerteza associada são obtidas pela distribuição dos valores de uma grandeza de entrada (
).
A avaliação da incerteza de medição "Tipo A" é baseada na distribuição de frequência, enquanto que a
avaliação "Tipo B" é baseada em informações disponíveis da variabilidade da grandeza de entrada (
).

Exemplo 1.3.2
(NIS 3003, 1995) Calibração de uma massa padrão com valor nominal 10kg de classe M1, utilizando
um comparador. Neste caso, obtemos a equação da massa desconhecida , por

Na prática não aplicamos correções para esta classe de massa e o comparador tem linearidade
desconhecida. Entretanto, associamos incertezas para estas contribuições.

Símbolo Fonte de Incerteza Tipo Limites Média

Massa padrão B

Deriva (drift) massa padrão B 0

Linearidade do comparador B 0

Efeito do ar B 0

Repetitividade A

Exemplo 1.3.3
Determinar a incerteza da área de um círculo cujo diâmetro foi medido experimentalmente através de
um sistema de medição denominado paquímetro.

Valor do diâmetro obtido com o paquímetro com resolução de 0,01 mm e incerteza expandida U= 0,02
mm (k = 2):
Leituras Diâmetro

1 10,28

2 10,26

3 10,28

4 10,3

5 10,28

A expressão para o cálculo da área é dada por

Exemplo 1.3.4
Determinar a incerteza de medição na composição de dois blocos padrão, que foram medidos pelo
mesmo sistema de medição.

Bloco 1

Dimensão nominal: 10 mm.

Incerteza Expandida: para .

Bloco 2

Dimensão nominal: 20 mm.

Incerteza Expandida: para .

O resultado da combinação dos blocos pode ser expresso matematicamente por


1.4 - INCERTEZA DO TIPO A

Na grande maioria dos casos, a melhor estimativa para o valor esperado de uma quantidade que varia
aleatoriamente e para o qual temos n leituras independentes k obtidas sob condições de repetitividade,
corresponde a média aritmética.

Assim, quando a estimativa de uma grandeza de entrada tem sido obtida de n medidas sob
condições de repetitividade, a incerteza padrão é obtida pela estimativa da variância da média.
Esta é dada por

em que n número de medidas e s desvio padrão correspondente às n leituras.

Exemplo 1.4.1
Voltando ao Exemplo 1.3.2. Considerando o processo de calibração da massa padrão do exemplo
anterior, o avaliador realizou cinco medidas da diferença entre a massa padrão e a massa
desconhecida. Os resultados estão abaixo.

Leitura 1 15 mg

Leitura 2 25 mg

Leitura 3 20 mg

Leitura 4 13 mg

Leitura 5 18 mg

Média 18,20 mg

Desvio Padrão 4,66 mg

Desvio Padrão da Média 2,08 mg

Calculando a Incerteza do Tipo A, obtemos:

.
Exemplo 1.4.1
Voltando ao Exemplo 1.3.3 .

Leituras Diâmetro Área

1 10,28 82,99963

2 10,26 82,67699

3 10,28 82,99963

4 10,3 83,3229

5 10,28 82,99963

Média das Leituras 10,28 82,99976

Desvio Padrão das Leituras 0,014142 0,228364

Desvio Padrão da Média das Leituras 0,006325 0,102128

Para a grandeza Área, Incerteza do Tipo A é dada por:

.
1.5 - INCERTEZA DO TIPO B

Para uma estimativa de uma grandeza de entrada , que não tenha sido obtida de observações
repetidas, a variância estimada ou a incerteza padrão é avaliada pelo julgamento
específico baseado em todas as informações disponíveis na variabilidade de . No conjunto destas
informações, incluímos:

a) Informações prévias de medição;

b) Experiência ou conhecimento geral do comportamento e propriedades dos instrumentos e materiais


relevantes;

c) Especificações do fabricante;

d) Informações de certificados de calibração e outras especificações;

e) Incerteza transmitida pelas informações de referências obtidas de manuais.

Por conveniência, e avaliados desta maneira são chamados de Variância Tipo


B e Incerteza Padrão Tipo B, respectivamente.

O propósito de usar várias informações disponíveis para a avaliação da incerteza padrão do Tipo B é
para buscar um discernimento baseado na experiência e nos conhecimentos gerais, e é uma
habilidade que pode ser obtida com a prática. É reconhecido que uma avaliação da incerteza pelo Tipo
B pode ser tanto confiável quanto a do Tipo A, especialmente na situação em que a avaliação do Tipo
A é baseada na comparação de pequenos números de observações estatisticamente independentes
(ISO GUM, 2008).

A seguir, são apresentados 4 suposições disponíveis para as grandezas de entradas de influência ,


para a avaliação da incerteza padrão Tipo B.

Caso 1
Se a estimativa é retirada da especificação do fabricante, certificados de calibração, manuais ou
outras fontes, sua incerteza padrão é simplesmente o valor citado dividido pelo multiplicador.

Exemplo 1.5.1
Voltando ao exemplo 1.3.2 o certificado de calibração afirma que a massa padrão com valor nominal
de 10kg de classe M1 tem como incerteza para o nível de confiança com k = 2.

A incerteza da massa padrão, é então


A incerteza de não necessariamente é relatada como um múltiplo de um desvio padrão, como
abordado acima. Em vez disso, podemos encontrar uma declaração que a incerteza declarada
possui 90%, 95% ou 99% de nível de confiança.

Salvo indicação contrária, poderá assumir que uma distribuição normal (ou t-Student) será utilizada
para o cálculo da incerteza declarada, e a incerteza padrão pode ser encontrada dividindo-se a
incerteza declarada por um fator k, apropriado da distribuição normal.

Exemplo 1.5.2

Um certificado de calibração afirma que a resistência de um resistor padrão de valor


nominal é a 23ºC e com incerteza de , definindo um intervalo com nível de
significância de 99%.

A incerteza padrão é dada por

Neste caso, utilizamos a tabela da distribuição Normal para determinar o valor de k.

Exemplo 1.5.3
Voltando ao exemplo 1.3.4.

A incerteza padrão obtemos de cada bloco é obtido dividindo a incerteza expandida pelo fator k.
Assim
Exemplo 1.5.4
Voltando ao exemplo 1.3.3

A incerteza expandida do paquímetro, definida no certificado de calibração do mesmo, é de 0,02 com


fator de abrangência k=2. Desta forma, a incerteza herdada do equipamento é de

Caso 2

Em alguns casos, pode ser possível estimar somente os limites (limite superior e inferior )
para , por exemplo, quando a grandeza de influência é a variação da temperatura. Neste caso,
consideramos que a probabilidade de que o valor de se encontre dentro do intervalo até ,
para todo propósito prático, é igual a 1 e a probabilidade que esteja fora deste intervalo é
essencialmente zero. Se não há conhecimento
específico sobre a possibilidade do valor estar dentro do intervalo, pode-se somente admitir que, é
igualmente provável encontrá-lo por toda parte, dentro do intervalo (uma distribuição uniforme ou
retangular).

Logo é o ponto médio do intervalo, onde:

, cuja variância associada é dada por

Se a diferença entre os limites , é representada por , ou seja, os limites são simétricos,


então a equação para variância será
Exemplo 1.5.5
Um manual estabelece que o valor do coeficiente linear de expansão térmica de um bloco padrão de
aço é determinado por e que o "erro'' neste valor não deve
exceder . Baseado nesta informação limitada, é razoável assumir que o
coeficiente de expansão térmica pertença ao intervalo: até , com
probabilidade 1. A incerteza padrão do coeficiente de expansão térmica é dado por

Caso 3
Os limites superiores e inferiores para uma grandeza de entrada podem não ser
simétricos, ou seja, se o limite inferior é escrito como e o limite superior
como , então . Neste caso, não é o centro do intervalo e a
distribuição de probabilidade de não pode ser uniforme. Entretanto, pode não existir informação
suficiente para escolher uma distribuição apropriada e diferentes modelos conduzirão para diferentes
expressões para a variância.

Na ausência de tais informações, uma simples aproximação é

que corresponde a variância da distribuição retangular com comprimento .


Exemplo 1.5.6
Caso o exemplo anterior referente ao coeficiente de expansão térmica
especifique tal que o menor valor possível seja e que o
maior valor possível seja de . Neste
caso, e .

Logo, a incerteza padrão é determinada por

Exemplo 1.5.7
Voltando ao Exemplo 1.3.2 da calibração da massa padrão, vamos estimar as incertezas padrão do
Tipo B.

Símbolo Fonte de Incerteza Limites Distribuição Incerteza

Massa Padrão 30 mg Normal 15 mg

Deriva (drift) massa padrão 15 mg Retangular 8,66 mg

Linearidade do comparador 10 mg Retangular 5,77 mg

Ab Efeito do ar 10 mg Retangular 5,77 mg

Exemplo 1.5.8
Voltando ao exemplo 1.3.3

A resolução do paquímetro segue uma distribuição retangular com base dada pela própria resolução
que é de 0,01 mm. Assim, a incerteza devido a resolução é
Caso 4
Nos casos acima não temos informação sobre os valor da grandeza , apenas que ela se encontra
dentro dos limites especicados. Por isso, assumimos que os valores da grandeza são equiprováveis
dentro destes limites, e que tem probabilidade zero de estar fora destes limites. Muitas vezes é mais
realista assumirmos que valores perto dos limites especificados são menos prováveis do que valores
próximos ao centro. Neste caso, é razoável trocarmos a distribuição triangular. Assumindo uma
distribuição triangular para a grandeza , obtemos como média com incerteza
associada .

Assim,
1.6 - INCERTEZA PADRÃO COMBINADA

Quando a incerteza do resultado do mensurado é obtida pela combinação das incertezas padrão das
estimativas de entrada , esta incerteza combinada da estimativa é representada
por e denominada de incerteza padrão combinada.

As estimativas de entrada , podem ser classificadas como grandezas:

Estatisticamente independentes ou não correlacionadas;

Estatisticamente dependentes ou correlacionadas.

Grandezas de entrada não correlacionadas

Para as grandezas estatisticamente independentes, consideramos as séries de medições que foram


realizadas com diferentes sistemas de medição. Neste caso, a incerteza padrão combinada éa
raiz quadrada positiva da variância combinada.

A expressão para se determinar esta incerteza padrão combinada no caso não correlacionado é
apresentada por

em que é a incerteza padrão associada com a grandeza de entrada X . As derivadas parciais (


) calculadas no ponto são denominadas coeficientes de sensibilidade, pois descrevem
como a estimativa de y varia com pequenas mudanças nos valores das estimativas das grandezas de
entrada .

Exemplo 1.6.1:
Voltando ao Exemplo 1.3.2. Na calibração da massa padrão, obtemos a seguinte incerteza combinada
Exemplo 1.6.1
Voltando ao Exemplo 1.3.3, obtemos:

Admitimos que e são constantes isentas de incerteza ou com incertezas desprezíveis, somente a
variável é considerada para cálculo da incerteza. Primeiramente calcularemos o coeficiente de
sensibilidade da seguinte forma

Assim, a incerteza combinada da área é calculada da seguinte forma

um segundo modo de expressarmos a incerteza é como incerteza combinada relativa e calculamos da


seguinte forma

Assim a incerteza relativa é expressa como


Substituindo os valores do exemplo, obtemos a incerteza combinada relativa

À partir da incerteza combinada relativa, obtemos a incerteza combinada da Área na forma:

Grandezas de entrada correlacionadas

Para as grandezas estatisticamente dependentes, consideramos as séries de medições que foram


realizadas com os mesmos sistemas de medição, ou seja, consideremos o seguinte modelo
matemático.

Neste caso, a covariância estimada deve ser considerada como uma contribuição adicional para a
incerteza. A expressão para se determinar esta incerteza padrão combinada no caso correlacionado é
apresentada por
em que, é a incerteza correlacionada, associada as grandezas de
entrada e .

Assim, dividindo e multiplicando a equação (1.6.1) por em (II) obtemos:

em que é o grau de correlação entre e com e


tomando Logo, substituindo a equação (1.6.3) na equação (1.6.2), obtemos

Se as variáveis e são independentes, temos que e a equação (1.6.4) se reduz


a equação (1.6.1). Tomaremos o caso extremo em que obtemos equação aproximada da
incerteza de medição no caso correlacionado da seguinte forma

Exemplo 1.6.2
Voltando ao exemplo 1.3.4. Então, obtemos a expressão (1.6.5) da seguinte forma
Da expressão do exemplo 1.3.4, obtemos os coeficientes de sensibilidade:

Assim, obtemos a expressão (*) da seguinte forma:

Daí, obtemos a seguinte equação:

Substituindo os valores, temos:


1.7 - INCERTEZA EXPANDIDA

Embora a incerteza combinada possa ser universalmente usada para expressar a incerteza de
um resultado de medição (devido a necessidade de algumas indústrias e aplicações comerciais, bem
como requisitos em áreas de saúde e segurança) é frequentemente necessário apresentar uma
medida de incerteza que defina um intervalo sobre o resultado de medição. Neste caso, a incerteza
compreende uma fração da distribuição dos valores, que podem ser razoavelmente atribuídos para um
mensurando, denominada de Incerteza Expandida U. Este requisito foi reconhecido pelo Working
Group e Recomendações do CIPM, INC (1981).

A incerteza expandida U é obtida pela multiplicação da incerteza padrão combinada por um


fator k.

O valor do fator k é escolhido com base no nível de confiança requerido para o intervalo. Em geral, k é
usado entre 2 e 3. Portanto, para aplicações especiais, k poderá ser determinado conforme o nível de
confiança requerido, de acordo com a distribuição normal ou t-Student.

A Namas (NIS 3003 , 1995) recomenda que o fator k seja igual a 2 para calcular a incerteza
expandida. Este valor corresponde a aproximadamente 95% de confiança. Entretanto, se as
contribuições para a incerteza relativa a repetitividade for grande comparadas com as outras
distribuições e o número de repetições for pequeno, existe uma possibilidade de que a distribuição de
probabilidade normal não seja adequada. Neste caso, o fator k=2 nos garante um nível de confiança
menor que 95%. Aqui, devemos utilizar a distribuição t-Student para encontrar o valor do fator k que
garante 95%.

Regra: Se a incerteza do Tipo A for menor que metade da incerteza combinada, vamos utilizar o
fator Caso contrário, devemos utilizar a distribuição t-Student para obtermos o valor de k que
nos garante um intervalo com 95% confiança. A norma ISO GUM [ver. 2008] recomenda a utilização
da equação de Welch-Satterwaite para calcular o grau de liberdade, baseado nos graus de liberdade
de cada fonte de incerteza. A fórmula para tal cálculo é dada por

em que , representa os graus de liberdade do fator de incerteza i e representa


os graus de liberdade do Tipo A. Para contribuições da incerteza Tipo A, consideramos como graus de
liberdade o número de leitura menos 1 vez o número de pontos de calibração. Para os graus de
liberdade referente a contribuições da incerteza Tipo B, vamos considerar igual a infinito.

Exemplo 1.4.1
Suponha que um sistema de medição com incerteza do Tipo A, baseada em 4 observações, tenha
valor de 3,5 unidades. Existem outras 5 fontes de incerteza do Tipo B que apresentam incerteza
estimada muito pequena, de tal forma que a incerteza combinada seja igual a 5,7 unidades.

Como a incerteza do Tipo A é maior que metade da incerteza combinada, vamos utilizar a distribuição
t-Student para determinar o fator . Através da equação de Welch-Satterwaite, temos

Tomando valor de igual a 20, obtemos que k = 2,13.

Exemplo 1.4.2
Voltando ao Exemplo 1.3.2 da calibração da massa padrão, observe que a incerteza do Tipo A é
menor que metade da incerteza combinada.

Vamos calcular os graus de liberdade efetivo

Assim, o fator de abrangência k será de 1,96.

Assim, a incerteza expandida é dada por

Exemplo 1.4.3
Voltando ao Exemplo 1.3.3.

Vamos calcular os graus de liberdade efetivo


Assim, o fator de abrangência k será de 2,004045.

Logo, a incerteza expandida é dada por

Exemplo 1.4.4
Voltando ao Exemplo 1.3.4.

Não temos incerteza do tipo A, então o fator de abrangência k é 1,96;

Assim, a incerteza expandida é dada por


1.8 - EXPRESSÃO DO RESULTADO DA MEDIÇÃO

Nesta seção, discutimos as formas de apresentação do resultado da medição. Para facilitar ao usuário,
começamos arrendondando o valor da incerteza expandida conforme a regra abaixo.

Regras de Arredondamento de Valores

Quando desejamos arredondar um número para que este seja expresso com uma certa quantidade de
dígitos significativos, devemos aplicar regras convencionais de arredondamento.

Regra 1:

Se o algarismo à direita do último dígito que se pretende representar for inferior a 5, apenas
desprezamos os demais dígitos à direita.Exemplo: 3,14159265 para 3,14.

Regra 2:

Se o algarismo à direita do último dígito que se pretende representar for maior que 5, adicionamos uma
unidade ao último dígito representado e desprezamos os demais dígitos à direita. Exemplo:
3,14159265 para 3,1416.

Regra 3:

Se o algarismo à direita que se pretende representar for igual a 5, então o arredondamento deve ser tal
que o último dígito representadodepois do arredondamento deve ser par. Exemplo: 3,14159265
para 3,142.

Números de algarismo na incerteza de medição

Não existe uma regra bem definida para o número de algarismos que devem ser indicados para a
incerteza de medição. Em geral, utilizamos2 algarismos significativos, além dos zeros à esquerda.
Em alguns casos, pode ser necessário utilizar mais dígitos significativos para evitar erros de
arredondamento nos cálculos subsequentes. Em outros casos, não é possível atribuir mais de 1
algarismo para incerteza de medição.

Resumo:

Incerteza de medição deve ser apresentada com 2 algarismos quando o primeiro algarismo na
incerteza for 1 ou 2.

Incerteza de medição pode ser apresentada com 1 algarismo quando o primeiro algarismo da
incerteza for 3 ou maior.

Incerteza de medição pode ser representada com 2 algarismos em qualquer caso.


De acordo com as regras acima, apresentamos os exemplos:

Incorreto Correto

0,144 (mm) 0,14 (mm)

1,026 (s) 1 (s)

3,49 (mm) 3,5 (mm) ou 3 (mm)

3,51 (mm) 3,5 (mm) ou 4 (mm)

0,00514 (mm) 0,005 (mm) ou 0,005 (mm)

Exemplo 1.8.1
Voltando ao exemplo 1.3.2

Neste caso, o resultado da medição é expresso na forma

ou seja

Exemplo 1.8.2
Voltando ao exemplo 1.3.3

Neste caso, o resultado da medição é expresso na forma

Quando relatamos o resultado de uma medição devemos:

a) Fornecer uma descrição completa de como o mensurando Y é definido;

b) Expressar o resultado da medição: Y=y +/- U e fornecer as unidades de y e U;

c) Incluir a incerteza relativa expandida U / |y|, com y 0, quando apropriado;


d) Fornecer o valor de k utilizado para obter U;

e) Fornecer o nível de confiança aproximado associado com o intervalo y +/- U e explicar como foi
obtido;
1.9 - TESTE DE VALOR EXTREMO (GRUBBS)

Este teste é desenvolvido para verificar a presença de valores extremos em observações amostrais.
Valores extremos podem ser considerados como manifestações da variabilidade aleatória inerente aos
dados, ou apenas um erro no cálculo durante o recolhimento dos dados e até mesmo uma anotação
precipitada pelo operador.

Existem inúmeros critérios para testar valores extremos. Em todos eles, desenvolvemos o cálculo
numérico amostral (estatística) e comparamos com um valor crítico baseado na teoria de amostras
aleatórias, para decidirmos se existe ou não uma observação considerada valor extremo.

No teste de Grubbs, usamos a seguinte estatística

em que

 : é uma observação da amostra ;


 : é a média amostral;
 : é o desvio padrão amostral.
Esta estatística testa as seguintes hipóteses

Rejeitamos a hipótese , com nível de significância , se . No qual é um valor crítico


baseado na distribuição de Z e encontra-se na tabela (ver F. E. Grubbs (1969)) de valores
de unicaudais. Na Tabela 1.9.1 , encontramos alguns valores críticos para = 10%, 5%, 2,5%, 1% e
0,5%.

n 0,1 0,05 0,025 0,01 0,005

3 1,148 1,153 1,154 1,155 1,155

4 1,425 1,462 1,481 1,492 1,496


5 1,602 1,671 1,715 1,749 1,764

6 1,729 1,822 1,887 1,944 1,973

7 1,828 1,938 2,02 2,097 2,139

8 1,909 2,032 2,127 2,221 2,274

9 1,977 2,11 2,215 2,323 2,387

10 2,036 2,176 2,29 2,41 2,482

11 2,088 2,234 2,355 2,484 2,564

12 2,134 2,285 2,412 2,549 2,636

13 2,176 2,331 2,462 2,607 2,699

14 2,213 2,372 2,507 2,658 2,755

15 2,248 2,409 2,548 2,705 2,806

16 2,279 2,443 2,586 2,747 2,852

17 2,309 2,475 2,62 2,785 2,894

18 2,336 2,504 2,652 2,821 2,932

19 2,361 2,531 2,681 2,853 2,968

20 2,385 2,557 2,708 2,884 3,001

21 2,408 2,58 2,734 2,912 3,031

22 2,429 2,603 2,758 2,939 3,06

23 2,449 2,624 2,78 2,963 3,087


24 2,468 2,644 2,802 2,987 3,112

25 2,486 2,663 2,822 3,009 3,135

26 2,503 2,681 2,841 3,029 3,158

27 2,52 2,698 2,859 3,049 3,179

28 2,536 2,714 2,876 3,068 3,199

29 2,551 2,73 2,893 3,086 3,218

30 2,565 2,745 2,908 3,103 3,236

31 2,579 2,76 2,924 3,119 3,253

32 2,592 2,773 2,938 3,135 3,27

33 2,605 2,787 2,952 3,15 3,286

34 2,618 2,799 2,965 3,164 3,301

35 2,63 2,812 2,978 3,178 3,316

36 2,641 2,824 2,991 3,191 3,33

37 2,652 2,835 3,003 3,204 3,343

38 2,663 2,846 3,014 3,216 3,356

39 2,674 2,857 3,025 3,228 3,369

40 2,684 2,868 3,036 3,239 3,381

50 2,772 2,957 3,128 3,337 3,482

60 2,841 3,027 3,2 3,411 3,56


70 2,898 3,084 3,258 3,471 3,622

80 2,946 3,132 3,306 3,521 3,673

90 2,987 3,173 3,348 3,563 3,716

100 3,024 3,21 3,384 3,6 3,754

110 3,056 3,242 3,416 3,633 3,787

120 3,086 3,271 3,445 3,662 3,817

130 3,112 3,297 3,471 3,688 3,843

140 3,136 3,321 3,495 3,712 3,867

Tabela 1.9.1: Tabela do teste de Grubbs.

Exemplo 1.9.1:
Considere as seguintes medições:

Medidas

11,89896

11,9596

11,89856

11,91408

12,04252

12,1531
11,94553

11,8682

11,85949

12,13373

12,6

Vamos calcular a média e o desvio padrão:

Com isso, vamos calcular para o ponto 11 o teste de Grubbs, usando a seguinte estatística:

Como então, essa medida é um valor extremo (outlier).

Resultados desse exemplo obtidos com o software Action:


Para entender como executar essa função do Software Action, você pode consultar:

Para entender como executar essa função do Software Action, você pode consultar
o manual do usuário.

Exercício 1.9.1:
Considere as seguintes medições na tabela 1.9.2 e calcule a média, desvio padrão e o teste de
Grubbs:

Medidas

9,988031

10,02081

9,997529

10,06985

9,995944

10,1367
9,936079

9,880081

9,99015

10,04604

11

Tabela 1.9.2: Medições.


1.10 - COMPARAÇÃO ENTRE SISTEMAS DE MEDIÇÃO

Vamos apresentar uma técnica para comparar dois sistemas de medição. Para ilustrar, vamos
considerar um exemplo.

Exemplo 1.10.1:
O diâmetro de um anel padrão pode ser medido por dois tipos de sistemas de medição. Para comparar
estes sistemas de medição, um anel padrão foi medido 5 vezes por cada sistema de medição
utilizando o mesmo operador. Os resultados estão abaixo.

SM1 SM2

Média 15,601 mm 15,603 mm

Incerteza Expandida 0,001 mm 0,0015 mm

Etapa 1:
Calcular a Estatística

em que

 MSM1: representa a média do sistema de medição 1;


 MSM2: representa a média do sistema de medição 2;
 USM1: representa a incerteza expandida do sistema de medição 1;
 USM2: representa a incerteza expandida do sistema de medição 2.
Com isso, temos que

Etapa 2:
 Se EN ≤ 1, os dois sistemas de medição são compatíveis;
 Se EN > 1, os dois sistemas de medição não são compatíveis, isto é, os sistemas de medição
apresentam diferenças significativas.
Como, no exemplo, EN=1,109 é maior que 1, concluímos que existe uma diferença significativa entre
os dois sistemas de medição.

Exercício:
Durante o processo de acreditação do laboratório de ensaio de potência efetiva líquida do motor, o
INMETRO exigiu um estudo de comparação inter laboratorial. Com o motor em marcha lenta, foi
realizado um ensaio de potência pelo laboratório participante e um laboratório de referência. Com os
dados apresentados na tabela abaixo, calcule o erro normalizado e faça as devidas conclusões.

Lab Ref Laboratório

Média 11,601 12,613

Incerteza Expandida 0,3 0,4


2 - ANÁLISE E INTERPRETAÇÃO DO CERTIFICADO DE CALIBRAÇÃO

A Comprovação Metrológica geralmente inclui calibração ou verificação, qualquer ajuste ou reparo


necessário, recalibração, comparação com os requisitos metrológicos para o uso pretendido do
equipamento, assim como qualquer etiqueta ou lacre necessários. Para alcançarmos ela,
necessitamos que a adequação do equipamento de medição para seu uso tenha sido demonstrada e
documentada. Em resumo, definimos a comprovação metrológica como sendo o conjunto de
operações necessária para assegurar que um equipamento de medição atenda aos requisitos do seu
uso pretendido. Esta seção foi elaborada com base na norma ABNT NBR ISO 10012:2004.

Os requisitos para o uso pretendido incluem:

 Amplitude;
 Resolução;
 Erro Máximo Permissível.
Apresentamos um diagrama dos processo envolvidos na comprovação metrológica na Figura 2.1
Figura 2.1: Processo de Comprovação Metrológica para equipamentos de medição.

Requisitos metrológicos são derivados de requisitos para o produto. Estes requisitos são necessários
tanto para o equipamento de medição, quanto para os processos de medição. Estes também podem
ser expressos como erros máximos permissíveis, incerteza permissível, faixa, estabilidade, resolução,
condições ambientais ou habilidades do operador.

A orientação é que temos que especificar os processos de medição e o equipamento de medição que
estão sujeitos às provisões da NormaABNT NBR ISO 10012:2004. Com a decisão sobre o escopo e a
extensão do sistema de gestão da medição, devemos levar em consideração os riscos e as
consequências de falhas do cumprimento dos requisitos metrológicos.

Nota: o sistema de gestão de medição consiste em:

 no controle de processos de medições indicados;


 comprovação metrológica de equipamento de medição e dos processos de suporte necessários
(conforme Figura 2.1).
A recalibração de um equipamento de medição não é necessária se o equipamento já estiver em uma
situação de calibração válida. O procedimento de comprovação metrológica pode incluir métodos para
verificarmos que a incerteza de medição e/ou erros de equipamento de medição estão dentro dos
limites permissíveis especificados nos requisitos metrológicos. As informações pertinentes à ela deve
estar prontamente disponível para o operador, incluindo quaisquer limitações ou requisitos especiais.

Função Metrológica

A função metrológica deve ser definida pela organização. A Alta Direção da organização deve
assegurar a disponibilidade dos recursos necessários para estabelecer e manter a função metrológica.
A função metrológica pode ser um departamento único ou estar distribuída em toda a organização.

A gestão da função metrológica deve estabelecer, documentar e manter o sistema de gestão de


medição e continuamente melhorar a sua eficiência.

Intervalos de Comprovação Metrológica

A orientação para os métodos usados para a determinação ou mudança dos intervalos entre
comprovações metrológicas é de que devemos descrever em procedimentos documentados. Devemos
analisar criticamente e ajustarmos quando necessário para assegurar a contínua conformidade dos
requisitos metrológicos especificados. Para determinação dos intervalos de comprovação metrológicas
podemos usar dados obtidos de histórias de calibração, comprovação metrológica e avanços de
tecnologia e conhecimento. Ao usarmos registros utilizando técnicas como Controle Estatístico de
Processo (CEP), elas podem ser úteis para a determinação da necessidade ou não de alterar os
intervalos de comprovação metrológica.
Segundo (OIML D10), o intervalo de calibração pode ser igual ao intervalo de comprovação
metrológica.

Outro ponto importante é que cada vez que reparamos, ajustamos ou modificamos um equipamento de
medição não conforme o intervalo de comprovação metrológica deve ser analisado criticamente.

Controle de ajustes de equipamento

Para o controle de ajustes de equipamento devemos ter alguns cuidados como:

 Acessos aos meios de ajustes e dispositivos sobre equipamentos de medição comprovados, cuja
posição afeta o desempenho, devemos selá-los ou de alguma forma protegê-los afim de prevenir
mudanças não autorizadas;
 Devemos projetar ou implementar selos ou proteções de tal forma que mudanças não autorizadas
sejam detectadas;
 Devemos incluir ações a serem tomadas quando selos ou proteções são violados, danificados,
contornados ou faltando.
Um ponto importante é que não aplicamos o requisito para a selagem para meios ou dispositivos de
ajustes que são intencionalmente posicionadas pelo usuário sem a necessidade de referências
externas, por exemplo os ajustes de zero. É importante também previnirmos de alterações não
autorizadas em programas de computadores e nos procedimentos da organização.

As decisões sobre o selamento, os controles ou ajustes dos materiais de selagem e dos selos, tais
como etiquetas, soldas, fios, tinta, normalmente são deixadas para a função metrológica e que a
implementação de um programa de selagem sejam documentadas pela mesma. Mas vale lembrar que,
nem todos os equipamentos de medição têm a possibilidade de serem selados.

Registros do processo de comprovação metrológica

Um processo importante dentro da comprovação metrológica são os registros do processo de


comprovação metrológica, eles devem ser datados e aprovados por uma pessoa autorizada para
atestar a correção dos resultados, como apropriado e os mesmos devem ser mantidos e estar
disponíveis.

O tempo mínimo de registros depende de muitos fatores, incluindo os requisitos do cliente, requisitos
estatutários ou regulamentares e responsabilidade do fabricante. Os registros relacionados com
padrões de medição podem precisar ser mantidos indefinidamente. Devemos demonstrar nos registros
de comprovação metrológica se cada item do equipamento satisfaz os requisitos metrológicos
especificados e neles devemos incluir, quando necessário a:

 Descrição e identificação única do fabricante do equipamento, tipo, número de série etc;


 Data na qual a comprovação metrológica foi completada;
 Resultado da comprovação metrológica;
 Intervalo fixado para a comprovação metrológica;
 Identificação do procedimento de comprovação metrológica;
 Erros máximos permissíveis definidos;
 Condições ambientais pertinentes e declaração sobre quaisquer correções necessárias;
 Incertezas envolvidas na calibração do equipamento;
 Detalhes de qualquer manutenção, tais como ajustes, reparos ou modificações realizadas;
 Quaisquer limitações de uso;
 Identificação das pessoas que realizam a comprovação metrológica;
 Identificação das pessoas responsáveis pela correção da informação registrada;
 Identificação única (como número da série) de qualquer relatório ou certificado de calibração e outros
documentos pertinentes;
 Evidência da rastreabilidade dos resultados de calibração;
 Requisitos metrológicos para o uso pretendido;
 Resultado da calibração após e onde requerido antes de qualquer ajuste, modificação ou reparo.
A orientação segundo ABNT NBR 10012:2004 é que os resultados de calibração sejam registrados de
forma que a rastreabilidade de todas medições possa ser demonstrada e de forma que os resultados
das calibrações possam ser reproduzidos sob condições próximas das condições originais. Algumas
vezes, o resultado da verificação é incluído no relatório ou certificado de calibração onde é declarado
se o equipamento está em conformidade (ou falha de conformidade) com os requisitos especificados.
Os requisitos podem ser manuscritos, ou datilografados, ou microfilmados, ou meio eletrônico, ou meio
magnético, ou em outro meio de informação.

O erro máximo permissível pode ser determinado pela função metrológica ou por referência às
especificações publicadas do fabricante do equipamento de medição. É importante saber que a função
metrológica deve assegurar que somente pessoas autorizadas sejam permitidos para gerar, emendar,
emitir ou apagar registros.

Análise do Certificado de Calibração

Como dissemos, a função metrológica deve definir uma estratégia para avaliar cada equipamento de
medição, que é um requisito obrigatório, segundo item 5.5.2 da norma ISO/IEC 17025 [9]. Uma das
formas mais utilizadas consiste em definir o erro máximo permissível (EMP), através da tolerância de
produto ou especificações do fabricante, e compará-la com o resultado da calibração do equipamento.
Para isto, tomamos

O mais utilizado é . Assim

Critério:

para todo ponto de calibração ( representa o ponto de calibração e o número de pontos de


calibração).

A comprovação metrológica no caso em que o EMP é função das leituras é discutido abaixo.
Critério:
, para todo ponto de calibração ( representa o ponto de calibração).

Exemplo 2.1.1
Suponha que temos uma tolerância de 1 g para as massas padrão. Após a calibração das massas,
obtivemos as seguintes informações do certificado de calibração. Essas informações estão
apresentadas na Tabela 2.1.1

Ponto Tendência
U (g) k
(g) (g)

1000 0,009 0,015 2

1000 0,01 0,015 2

1000 0,016 0,015 2

1000 0,01 0,015 2

5000 -0,014 0,075 2

5000 -0,069 0,075 2

5000 -0,043 0,075 2

5000 0,025 0,075 2

Tabela 2.1.1: Certificado de Calibração.

Considerando J=10, temos que

A Tabela 2.1.2 apresenta o critério de aprovação para as oito massas padrão.


Como podemos ver, duas massas de 5 kgforam reprovadas. Com isso, o certificado de calibração cujo
os valores foram apresentados na Tabela 2.1.1, não está aprovado.

Ponto
|T|+U Critério
(g)
1000 0,024 Aprovado

1000 0,025 Aprovado

1000 0,031 Aprovado

1000 0,025 Aprovado

5000 0,089 Aprovado

5000 0,144 Reprovado

5000 0,118 Reprovado

5000 0,1 Aprovado

Tabela 2.1.2: Critério de Aprovação.

Exemplo 2.1.2
Vamos aplicar a comprovação metrológica em uma bureta graduada. Suponha que a bureta controla
um processo de tolerância de 2 mL para as medidas de volume. Na Figura 2.1.3 apresentamos o
certificado de calibração da bureta graduada.
Valor Correção Incerteza Fator de Graus de liberdade
Média
nominal |C| Expandida abrangência (k) efetivo (veff)

5 4,9077 0,0923 0,002 2,37 10

15 14,8280 0,1720 0,003 2,20 15

25 24,9328 0,0678 0,003 2,06 44

Tabela 2.1.3: Tabela resumida do certificado de calibração.

Considerando J=10, temos que

A Tabela 2.1.3 apresenta o critério de aprovação para as três medições padrões


de volume. Como podemos ver, todas as faixas de volume estão aprovadas.

Ponto (mL) |C|+U Critério

5 0,0943 Aprovado

15 0,175 Aprovado

25 0,0708 Aprovado

Tabela 2.1.3: Critério de Aprovação.

TUR (Test Uncertainty Ratio)

O processo de calibração envolve uma comparação entre o Equipamento de Medição e um padrão,


tendo melhores requisitos metrológicos. A comparação entre a exatidão da unidade sob teste e a
exatidão do padrão é conhecia como razão entre as exatidões de teste (TAR). No entanto, esta razão
não considera outras fontes potenciais de erro do processo de calibração. A comparação entre a
exatidão da unidade sob teste e a incerteza de calibração estimada é conhecida como uma relação
entre as incertezas de teste (TUR). Esta relação é mais confiável, porque considera as fontes de erro
envolvidas no processo de calibração que o TAR não considera.

A relação entre as incertezas de teste (TUR) é uma medida da capacidade de um determinado


instrumento e/ou processo de medição atender uma especificação de produto (ou processo). Desta
forma, TUR é a razão entre a tolerância e/ou especificação do produto e a incerteza presente no teste
desta especificação ou tolerância. Historicamente, uma regra muito utilizada é a de que o TUR deve
ser de pelo menos 10:1. Quanto maior a razão, melhor o desempenho do teste. Atualmente, uma
proporção de 4:1 ou mesmo 3:1 são considerados aceitáveis em alguns casos. Isto é devido
principalmente ao melhor desempenho dos equipamentos de fabricação. Em muitos casos, não temos
um equipamento com uma incerteza pequena suficiente para um TUR 10:1, ou é muito caro para a
aplicação.

Há duas principais aplicações para o TUR:

 O primeiro é na calibração de instrumentos de medição e equipamentos;


 O segundo é na inspeção de componentes fabricados.
De forma geral, temos a seguinte equação para o TUR:

À partir disto, notamos que a razão TUR compara a variação admissível para o mensurando (o
numerador) com a variabilidade associadacom a medição do mensurando (o denominador).
Figura 2.1.3: Relação entre a zona de especificação e a zona de conformidade.

A figura (2.1.3), nos mostra a relação entre a zona de especificação e a zona de conformidade. Se o
"verdadeiro valor" do mensurando estádentro da zona de especificação, temos que a especificação é
satisfeita, caso contrário, o mensurando está fora de especificação. No entanto, nunca
podemos conhecer o "verdadeiro valor" do mensurando conforme citamos no módulo 2. Afim de indicar
se o mensurando está ou não fora da especificação, temos que conhecer a incerteza no processo de
medição. Isso é mostrado na parte inferior da linha horizontal da figura. Se o mensurando está na zona
de conformidade, temos confiança de que o verdadeiro valor está dentro daespecificação. Da mesma
forma, se o mensurando está na zona de não conformidade, temos confiança de que o verdadeiro
valor está fora deespecificação. Para a região de incerteza mostrado entre conformidade e não
conformidade, não temos confiança suficiente para determinar se a peça ou produto está conforme ou
não.
Figura 2.1.4: Influência do TUR no resultado final de uma calibração.

Como visto anteriormente, devido ao melhor desempenho dos equipamentos, consideramos TUR ≥ 5
como uma relação aceitável na escolha de um equipamento, e um TUR ≥ 3 na escolha do padrão de
calibração, o que assegura e permite que a incerteza do padrão não interfira significativamente na
comprovação metrológica. A Figura (2.1.4) ilustra o comprometimento da incerteza do padrão em
relação ao erro máximo permissível, em função de diferentes TUR adotados.