DESENVOLVIMENTO DE UM PROGRAMA COMPUTACIONAL PARA CONTROLE DE MEDIÇÕES DIMENSIONAIS COM ÊNFASE NA GARANTIA DA CONFORMIDADE DE PRODUTOS
|
|
- Tomás Barros Viveiros
- 6 Há anos
- Visualizações:
Transcrição
1 DESENVOLVIMENTO DE UM PROGRAMA COMPUTACIONAL PARA CONTROLE DE MEDIÇÕES DIMENSIONAIS COM ÊNFASE NA GARANTIA DA CONFORMIDADE DE PRODUTOS JOSÉ EDUARDO FERREIRA DE OLIVEIRA (CRFET-PE) NOEMIA GOMES DE MATTOS DE MESQUITA (FBV) O objetvo deste trabalho é apresentar o desenvolvmento e funconamento do módulo de medção de um programa computaconal para o controle metrológco e defnção da zona de conformdade para um dado produto. O referdo módulo tem por objettvo ncal realzar a seleção do sstema de medção dmensonal mas adequado, consderando-se aqueles mas comumente utlzados na ndústra metal-mecânca. A partr daí, o programa apresenta o resultado da medção com sua respectva ncerteza de medção, bem como estabelece automatcamente, a zona de conformdade, juntamente com os lmtes nferor e superor de controle. Este módulo apresenta anda os prncpas concetos relaconados à metrologa, podendo ser acessado de manera rápda através da busca por meo de palavraschave. Um exemplo de aplcação do módulo deste programa será apresentado no fnal deste trabalho. A ferramenta computaconal proposta tem um papel prmordal na gestão da qualdade, prncpalmente pela garanta da confabldade de produtos no tocante à área dmensonal, uma vez que, estabelece um ntervalo no qual as varações dmensonas garantem conformdade com as especfcações. Palavras-chaves: Medção dmensonal, zona de conformdade, ncerteza de medção, confabldade, tolerânca
2 1. Introdução A metrologa, cênca da medção abrange todos os aspectos teórcos e prátcos, em qualquer campo da cênca ou da tecnologa (VIM, 000). Atualmente, a confabldade metrológca é buscada nas organzações modernas, prncpalmente, através do controle dos sstemas de medção, por meo da calbração. No entanto, a garanta dessa confabldade va além desse controle e envolve aspectos relaconados às medções desde a seleção do sstema de medção mas adequado, até a correta expressão do resultado de uma medção consderando-se os sstemas de medção mas comumente utlzados na ndústra metal-mecânca (paquímetro, mcrômetro, relógo comparador, trenas, escalas, traçadores de altura, mcroscópos de medção e máqunas de medção por coordenadas). Em função dsto, há a necessdade de se manpular as varáves de cada uma dessas etapas com o auxílo do computador. Dentro deste contexto fo elaborado um módulo de controle metrológco dentro de um sstema maor chamado de SGF (Sstema de Gerencamento da Fabrcação) que tem por objetvo ntegrar as etapas de projeto, fabrcação e medção. O módulo de controle metrológco fo desenvolvdo em Excel, utlzando-se rotnas elaboradas em VBA (Vsual Basc for Applcaton), e vsa alcançar os objetvos apresentados na fgura 1. Fgura 1 Etapas que compõem o módulo de controle metrológco do SGF. Seleção do sstema de medção Hstorcamente, a tarefa de defnr o processo de medção mas adequado para uma atvdade partcular se baseava numa relação entre tolerânca de projeto e ncerteza de medção. No entanto, exstem outras varáves que nfluencam na escolha do processo de medção mas adequado, como a varabldade do processo de fabrcação e os custos assocados aos erros de classfcação (URRUTIA, 000). Dentro deste contexto, os métodos atualmente empregados para adequação dos sstemas de medção ao processo são: a) De acordo com a resolução do nstrumento consdera adequada a utlzação de nstrumentos de medção com resolução entre 10% a 33% da tolerânca; b) De acordo com o erro máxmo do nstrumento consdera adequada a utlzação de nstrumentos de medção com erro máxmo dentro da faxa de medção de 5% da tolerânca e
3 c) De acordo com a ncerteza do nstrumento de medção consdera adequada a utlzação de nstrumentos de medção com ncerteza entre 10% a 33% da tolerânca (ISO/ABNT NBR , 1993). A Fgura apresenta a tela prncpal do módulo de controle metrológco. Analsando-se esta fgura, verfca-se que ncalmente, selecona-se um sstema de medção e em seguda, em relação ao sstema de medção ncalmente escolhdo, nserem-se os seguntes dados: a) Incerteza expandda do sstema de medção; b) Fator de abrangênca referente à ncerteza expandda do sstema de medção; c) Exatdão do sstema de medção que geralmente é nformado pelo fabrcante (MITUTOYO, 000) ou obtdo do certfcado de calbração do referdo equpamento; d) Resolução adotada para o sstema de medção em questão. Fgura Tela prncpal do módulo de controle metrológco do SGF Caso as três condções sejam smultaneamente atenddas, o sstema de medção é consderado apto. 3. Análse dos dados de medção Uma vez que a dmensão, em questão, é medda, os dados deverão ser nserdos nos espaços apresentados na Fgura 3. No entanto, dependendo de város aspectos, pode ser comum que ao se analsar uma determnada sére de medções, alguns dados solados pareçam errados por se apresentarem dferentes dos demas. Caso tas valores realmente não pertençam ao conjunto, os mesmos deverão ser elmnados. Um crtéro bastante utlzado para decdr sobre a elmnação ou não de tas dados é o chamado Crtéro de Chauvenet (LINK, 000). Consderando-se r* uma varável determnada através da equação (1), um dado valor de 3
4 medda x deverá ser elmnado, se o valor de r* for maor que o valor de Rc apresentado na Tabela 1, que é determnado em função do número de medções efetuadas. r * Fgura 3 Tela do SGF referente à nserção de dados x X = (1) S( x ) n Rc 1,15 1,38 1,54 1,65 1,73 1,80 1,96,13,33,57,81 Tabela 1: Determnação da varável Rc em função do número de medções realzadas (Lnk, 000) O SGF analsa ponto a ponto e aplca este crtéro. Caso algum valor deva ser elmnado, ele automatcamente o faz e recalcula tanto a méda artmétca quanto o desvo padrão. Caso o valor de n não esteja na Tabela 1, o software determna o valor de Rc por meo de nterpolação lnear. 4. Determnação da ncerteza de medção Em processos ndustras, a garanta da qualdade é avalada por resultados que não são reas, uma vez que é mpossível se obter, por medção, o valor exato de um mensurando que é a grandeza específca submetda à medção (VIM, 000). Tal fato ocorre em função de exstrem agentes que exercem nfluênca no resultado da medção, conforme apresentado na Fgura 4. 4
5 Fgura 4 - Dagrama espnha de pexe para as varáves de nfluênca no resultado de uma medção (Fgura adaptada de ARENHART et al. (007)) Em função dsto, é fundamental se estabelecer um ntervalo, em torno do resultado da medção, que possa abranger, com uma probabldade específca, os valores que podem ser atrbuídos ao mensurando. Este ntervalo é chamado de ncerteza de medção e é defndo como o parâmetro assocado ao resultado de uma medção que caracterza a dspersão dos valores que podem ser fundamentalmente atrbuídos a um mensurando (VIM, 000). A ncerteza é um conceto chave para a expressão da medção (MAURIS, 006). Segundo WANG (005), a ncerteza é usada como uma ferramenta econômca para estabelecer a alocação ótma de recursos entre a especfcação, a fabrcação e a verfcação. Ela é um valor que se orgna da combnação de város componentes que podem ser estmados com base na dstrbução estatístca dos resultados de séres de medções, caracterzadas pelo desvo padrão expermental (ncerteza tpo A) e através de dstrbuções de probabldades consderadas, com base em nformações, e na experênca adqurda. Logo, o número de fontes de ncerteza de medção dependerá do conhecmento e da experênca adqurda no processo de medção. A metodologa para a expressão da ncerteza de medção é padronzada pelo ISO GUM (GUM, 003), sendo apresentada esquematcamente na Fgura 5. O ISO GUM provê as bases para o uso das medções e suas ncertezas (SLEELE, 006). Ele recomenda o uso de uma ncerteza padronzada combnada para expressar a ncerteza de medção (WOOD, 1998). O passo a passo apresentado a segur fo utlzado como algortmo para o SGF para cada um dos sstemas de medção que ele trabalha. A ncerteza do tpo A é expressa pela raz quadrada da varânca expermental. Mesmo sendo a varânca a grandeza mas fundamental, o desvo padrão é mas utlzado para expressar a dspersão das medções, por se apresentar na mesma dmensão dos valores meddos. O desvo padrão, por sua vez, é dado pela equação (). S( x ) = 1. n 1 n = 1 ( x x) () 5
6 x = -ésmo valor da medção efetuada e x = méda das ndcações de n medções efetuadas. Como há a necessdade de se determnar a dspersão dos valores obtdos em torno da méda, utlza-se a varânca da méda S ( x) como uma melhor estmatva da varânca expermental S ( x ). Para a obtenção da varânca da méda, basta dvdr a varânca expermental pelo número de medções realzadas, de acordo com a equação (3). S ( x ) S ( x) = n (3) Assm, o desvo padrão da méda é obtdo, extrando-se a raz quadrada de S ( x), obtendose, portanto, a equação (4). S( x) = S ( x ) n S( x = n ) (4) 6
7 Fgura 5 - Fluxograma apresentando as etapas para a expressão da ncerteza de medção segundo a metodologa do ISO GUM (GUM, 003) O desvo padrão da méda é uma fonte de ncerteza de medção padronzada referente a um desvo padrão, ou seja, com aproxmadamente 68% de confabldade, sendo denomnado de ncerteza tpo A. A ncerteza tpo A é a ncerteza assocada à méda das ndcações. Exstem váras fontes de ncerteza de medção além da ncerteza referente ao desvo padrão. Se o laboratóro responsável pela realzação de uma dada medção tvesse um tempo rrestrto e recursos sufcentes para uma mnucosa e longa nvestgação estatístca de tas fontes, com dferentes nstrumentos ou sstemas de medção, dferentes metodologas de medção e dferentes condções ambentas, tas fontes poderam ser determnadas por análse estatístca, sendo todas do tpo A. Como o custo e o elevado tempo nvablzam tal procedmento, há a necessdade da quantfcação das mesmas através da atrbução de uma dstrbução probablístca ao estímulo causador do desvo. Por não serem do tpo A, tas ncertezas de medção são chamadas de tpo B. As dstrbuções probablístcas mas utlzadas são a dstrbução retangular e a trangular, uma vez que é muto comum em medções, se trabalhar com fontes de ncerteza onde só é possível se estmar o lmte superor e o nferor ou certos casos em que mesmo exstndo o desvo, a probabldade de que o mesmo encontre-se próxmo da méda é maor que em um dos lmtes extremos. Em grande parte dos casos, pode ser possível estmar o lmte superor e o nferor para uma dada grandeza de nfluênca. Neste caso, pode-se afrmar que a probabldade de que o valor da grandeza esteja dentro do valor compreenddo por a- (lmte nferor) até a+ (lmte superor) é gual a um e, conseqüentemente, que a probabldade do valor da grandeza estar fora deste ntervalo é zero. Como não se conhece o comportamento da grandeza dentro do ntervalo, consdera-se que é gualmente provável que o referdo valor esteja em qualquer lugar dentro dele. O valor da ncerteza padronzada µ(χ ), com aproxmadamente 68% de confabldade, da grandeza χ, consderando-se uma dstrbução retangular é dada pela equação (5) a μ ( x ) = (5) 3 µ(χ ) = ncerteza tpo B referente a uma dstrbução retangular e a = estímulo causador do desvo, como por exemplo, a resolução de um nstrumento de medção dmensonal. Exstem stuações, no entanto, que mesmo havendo o desvo, a probabldade de que o mesmo encontre-se próxmo da méda é maor que nos extremos a- e a+. Em tas stuações é mas prudente substtur a dstrbução retangular por uma dstrbução trangular. O valor da ncerteza padronzada da grandeza para uma dstrbução trangular é dado pela equação (6). a μ ( x ) = (6) 6 7
8 Cada uma das fontes ndvduas de ncerteza de medção apresenta uma dstrbução que lhe é característca. Logo, como o própro nome já dz, a ncerteza padronzada combnada é a ncerteza resultante da combnação dessas fontes ndvduas. Tas parcelas de contrbução de ncerteza de cada uma dessas fontes são dadas através de suas varâncas e co-varâncas. A ncerteza padronzada combnada com aproxmadamente 68% de confabldade é, portanto, dada pela equação (7). n f u = c ( y) u ( x ) (7) = 1 x uc(y) = ncerteza padronzada combnada; u(x) = -ésma fonte de ncerteza padrão. A fração f pode ser representada por c, chamado de coefcente de sensbldade, e x mostra o quanto a saída f é nfluencada pelo fator de entrada x. Portanto, a equação (7) pode ser reescrta da segunte forma: u ( y) = c. u ( x ) + c. u ( x ) + L + c. u ( x ) (8) c 1 1 n n A ncerteza combnada representa um ntervalo no qual o valor mas provável de uma dada medção pode varar com confabldade de aproxmadamente 68%. Porém, na grande maora das aplcações, se faz necessáro expressar tal ncerteza com confabldade de aproxmadamente 95% Logo, a ncerteza expandda (U) é obtda através da ncerteza combnada, multplcando-a por um fator de abrangênca (k), conforme apresentado na equação (9), fornecendo assm, um nível de confança de aproxmadamente 95%. U = k. u ( y) (9) c O fator de abrangênca (k) é um fator numérco utlzado como multplcador da ncerteza combnada para obter uma ncerteza expandda (ISO , 1999). Esse fator é determnado de acordo com a confabldade requerda. Na grande maora dos casos, ele stua-se entre e 3. Como em medções dmensonas o espaço amostral é pequeno, ou seja, são realzadas poucas medções para uma mesma dmensão, a curva que melhor descreve tal stuação não é uma dstrbução normal, mas sm uma dstrbução t-student, cuja função de densdade de probabldade é apresentada na eq. 10 (KREYSZIG, 1985). f n + 1 Γ ( x) = n+ 1 n n. π. Γ 1 z 1 + n (10) 8
9 Z = cada um dos valores meddos; n = tamanho da amostra e Γ = função gama, dada pela equação (11). Γ ( n + 1) = n! (11) À medda que se aumenta o número de medções, a dstrbução t-student tenderá a uma normal. Para um tamanho de amostra menor que 10, o desvo padrão amostral S se torna uma melhor estmatva do desvo padrão da população σ (LEVINE et al., 000). Para a determnação de k, se faz necessára a determnação do número de graus de lberdade efetvos, consderando-se a dstrbução t-student, obtdo pela equação de Welch Satterwate (GUM, 003). O número de graus de lberdade efetvos (υ eff ) é dado pela equação (1). 4 uc ( y) υ eff = N (1) 4 u ( x) υ = 1 (x) = ncerteza padrão assocada à -ésma fonte de ncerteza; u υ = número de graus de lberdade assocado à -ésma fonte de ncerteza de medção e N = número total de fontes de ncerteza analsadas. O valor do número de graus de lberdade assocado a cada fonte de ncerteza dependerá do tpo de ncerteza, ou seja, se ela é do tpo A ou do tpo B, como apresentado na Tabela. Tpo de ncerteza Graus de lberdade tpo A υ = n 1, onde n é o número de medções realzadas. tpo B υ = Tabela : Número de graus de lberdade de acordo com cada fonte de ncerteza A partr do valor de υ eff, o valor de k é obtdo dretamente do Excel utlzando a função INVT que retorna o valor da dstrbução t de Student como uma função da probabldade e dos graus efetvos de lberdade, de acordo com o segunte exemplo, para uma probabldade de 95,45%: INVT (0,0455;υ eff ). É mportante salentar que o programa pode gerar a ncerteza de medção para três dfetens níves de confabldade: 90%; 95,45% e 99,73%. Tal nível pode ser seleconado através da caxa de seleção, conforme apresentado na Fgura 3. Analsando-se anda a esta fgura, percebe-se que o resultado da medção é dado pela méda das ndcações, mas ou menos a ncerteza de medção. O programa apresenta anda o fator de abrangênca para tal ncerteza expandda de medção, de acordo com o nível de confança pretenddo. 4. Defnção do ntervalo de conformdade Segundo Bennch (003), as ndústras estão em mutos casos, medndo característcas erradas com alta precsão e estão tomando decsões sobre a qualdade do produto nessas bases. Por 9
10 outro lado, é uma prátca muto comum nas ndústras a aprovação de peças quando a medção ca dentro da zona de especfcação ou ntervalo de especfcação que é defndo como a zona dentro da qual varam os valores da característca da peça e que nclu os lmtes de especfcação (ISO , 1999); desconsderando assm, a faxa de ncerteza de medção deste nstrumento ou sstema de medção. Para mnmzar tas problemas, a norma ISO (ISO , 1999) apresenta uma sstemátca para a verfcação de que uma dada característca atenderá ou não a uma determnada especfcação, só que desta vez, consderando-se não apenas os lmtes de especfcação, mas também a nfluênca do sstema de medção, através da ncerteza expandda de medção. Tal sstemátca é apresentada na Fgura 6, sendo estabelecda e determnada pelo SGF. Fgura 6 - Estabelecmento das zonas de conformdade e não conformdade de acordo com a ISO Exemplo de aplcação Consdere o exo da Fgura 7, o qual é composto por três superfíces dstntas: 1, e 3, cujas dmensões correspondentes se apresentam com as respectvas cotagens funconas. A matéraprma do referdo exo é o aço ABNT 1045 com coefcente de dlatação lnear gual a 11,5x10-6 ºC-1 (EA 4/0, 1999). Fgura 7 Exo de aço ABNT 1045 obtdo por torneamento Para a realzação da medção fo seleconado um paquímetro dgtal com faxa nomnal de 0 00 mm, menor dvsão de 0,01 mm e exatdão de + 0,0 mm, conforme ndcado pelo 10
11 fabrcante. A ncerteza expandda de medção do mesmo é gual a + 0,01 mm para um fator de abrangênca (k) gual a,0. Aplcando-se esses dados no SGF, juntamente com os valores de tolerânca para cada uma das dmensões, o paquímetro fo consderado um sstema de medção apto, uma vez que atende, smultaneamente, aos três crtéros de seleção apresentados no tem. Os dados de medção para cada uma das dmensões, juntamnte com o resultado da medção são apresentados na Tabela 3. A temperatura méda em que as medções foram realzadas fo de (17+1)ºC. Nº da medção Dmensão 1 (mm) Dmensão (mm) Dmensão 3 (mm) 1 50,00 69,98 50,0 50,0 70,0 50,0 3 50,00 70,0 50,0 4 50,00 70,0 50, ,0 70,00 50,0 6 50,00 70,0 50,00 Resultado da medção (mm) 50,01+0,0(k=,0) 70,0+0,0(k=,0) 50,01+0,0(k=,0) Tabela 3: Valores meddos para cada uma das dmensões e resultado da medção Para o cálculo da ncerteza expandda de medção de paquímetros foram consderadas as seguntes fontes: a ncerteza herdada; a ncerteza estatístca (ncerteza tpo A) dada pela equação (4); a ncerteza devdo a resolução do paquímetro, conforme equação (13); a ncerteza devdo ao afastamento da temperatura de referênca (0ºC) dada pela equação (14) e a ncerteza devdo à dferença de temperatura entre o paquímetro e a peça a ser medda, conforme equação (15). r r = (13) 3 onde r é a resolução adotada. t l 0 p. Δα. Δt = 3 (14) l 0 = valor médo das ndcações com o paquímetro; p Δ α = valor em módulo da dferença entre o coefcente de dlatação lnear do objeto de medção e o coefcente de dlatação lnear do paquímetro e Δ t = valor em módulo da dferença entre a temperatura méda de medção e a temperatura de referênca. D l 0 p. α. t = 3 (15) α = coefcente de dlatação lnear médo e t = dferença de temperatura entre o paquímetro e a matéra-prma. 11
12 Analsando-se os dados referentes à dmensão 1, constata-se que como a tolerânca dmensonal é gual a 0,3 mm, o seu lmte superor de especfcação (LSE) é gual a 50,15 mm e o seu lmte nferor de especfcação (LIE) vale 49,85 mm, e como o lmte nferor de controle (LIC) é dado pelos lmte nferor de especfcação mas a ncerteza expandda de medção, o seu valor é gual a 49,87 mm. Por outro lado, como o lmte superor de controle (LSC) é gual ao lmte superor de especfcação menos a ncerteza expandda de medção, o seu valor é gual a 50,13 mm. A Fgura 8 apresenta a tela do programa que defne a zona de conformdade e exemplfca os valores obtdos para a dmensão 1. Analsando-se a Fgura 8, constata-se que a mesma é composta por quatro zonas: zona azul (zona de especfcação), zona amarela (zona de ncerteza), zona vermelha (zona de rejeção ou de não-conformdade) e a zona verde (zona de conformdade). Portanto, durante o processo de medção de peças guas, deverão ser estabelecdas como confrmes, apenas as peças cuja dmensão 1 esteja contda no ntervalo compreenddo entre 49, 87 e 50,13 mm, e não entre 49,85 e 50,15 mm como grande parte das organzações ndustras anda hoje o fazem. Fgura 8 Tela do SGF defnndo a zona de conformdade para a dmensão 1 Uma outra conclusão nteressante dz respeto à dmensão. Para os ses valores meddos desta dmensão, a méda artmétca dos mesmos é gual a 70,01 mm. No entanto, o resultado apresentado fo gual a 70,0 mm. Tal fato ocorreu pos o prmero valor meddo, 69,98 mm fo automatcamente elmnado do conjunto pela aplcação do crtéro de Chauvenet e a nova méda fo estabelecda pelos cnco valores restantes. 6. Conclusões Através do programa computaconal apresentado neste trabalho é possível gerencar os dados de medção no sentdo de expressar o seu resultado de forma confável, além de se defnr uma zona de acetação e rejeção de peças com base nos valores meddos. A aplcação do crtéro de Chauvenet representa uma ferramenta mportantíssma para a obtenção de um conjunto de valores meddos mas realístco. Com relação à elmnação do valor de 69,98 mm na dmensão, caso o mesmo não fosse automatcamente retrado do conjunto pelo programa, fatalmente, na prátca o metrologsta não realzara tal ação uma vez que este valor é muto próxmo dos demas. No entanto, pela retrada do mesmo, houve uma varação na méda dos resultados de 0,01 mm, o que corresponde à metade da ncerteza expandda de medção, alterando, consequentemente, a zona de conformdade. Através da determnação da zona de conformdade va programa computaconal, ou seja, sem a necessdade de cálculos manuas, obtém-se um ganho no sentdo da confabldade do 1
13 produto fabrcado, uma vez que, anda é muto comum na prátca ndustral a adoção da zona de especfcação como a faxa de garanta de conformdade. Por outro lado, a partr desta prátca, pode-se também estabelecer a confabldade do processo no tocante às dmensões e geometra, através do montoramento das varações dmensonas e geométrcas, contrbundo desta forma para um maor controle da qualdade tanto do produto quanto do processo de fabrcação. Referêncas ARENHART, F.A.; BALDO, C.R. & DONATELLI, G. D. Comparação de Máqunas de Medr por Coordenadas Utlzando Peças Calbradas. V Congresso Latno Amercano de Metrologa METROSUL, Curtba, 007. BENNICH, P. Geometrcal Measurements. Metro Trade Workshop Traceablty and Measurement Uncertanty n Testng, Berln, 003. EA 4/0 Expresson of The Uncertanty of Measurement n Calbraton. European Co-operaton for Accredtaton, GUM, Gua para a Expressão da Incerteza de Medção. Tercera Edção Braslera em Língua Portuguesa, Ro de Janero: ABNT, INMETRO, 003. ISO/ABNT NBR , Requstos de Garanta da Qualdade para Equpamentos de Medção, Parte 1: Sstema de Comprovação Metrológca para Equpamentos de Medção. ABNT, Ro de Janero, KREYSZIG, E., Statstsche Methoden und Ihre Anwendungen, Vandenhoeck & Ruprecht. ISBN , Göttngen, LEVINE, D.; BERENSON, M. & STEPHAN, D. Estatístca: teora e aplcações, Edtora LTC, Ro de Janero, 000. LINK, W. Tópcos Avançados de Metrologa Mecânca Confabldade Metrológca e suas Aplcações. 1a ed., Edtora da Mtutoyo Sul Amérca Ltda., São Paulo, 000. MAURIS, G. Propagaton of Measurement Uncertanty Expressed by a Possblty Dstrbuton wth Coverage- Interval-Based Semantcs. XVIII IMEKO WORLD CONGRESS, Metrology for a Sustanable Development, Ro de Janero, Brazl, 006. MITUTOYO SUL AMERICANA, Catálogo geral de produtos PG405, Edtado pela Mtutoyo, São Paulo, 000. SLEELE, A. Analyss of Measurement Comparsons. XVIII IMEKO WORLD CONGRESS. Metrology for a Sustanable Development, Ro de Janero, Brazl, 006. UNE-EN ISO Especfcacón Geométrca de Productos (GPS). Parte 1: Reglas de Decsón para Probar la Conformdad o No Conformdad con las Especfcacones. Norma Española, URRUTIA, J. D. Avalação dos Processos de Medção na Indústra Baseada no Impacto Econômco da Operação de Controle Geométrco. Congresso Braslero de Metrologa, Metrologa 000, São Paulo, 000. VIM, Vocabuláro Internaconal de Termos Fundamentas e Geras de Metrologa, a edção, INMETRO/SENAI, Brasíla, 000. WANG, J. X.; JIANG, X.; MA, L. M.; XU, Z. G. & LI, Z. Decson Rules for Workpeces Based on Total Uncertanty, Sprnger Verlag, London Lmted, 005. WOOD, B. M. & DOUGLAS, R. J., Confdence-Interval Interpretaton of a Measurement Par for Quantfyng a Comparson, Metrologa, 35, pp ,
2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisMETROLOGIA E ENSAIOS
METROLOGIA E ENSAIOS Incerteza de Medção Prof. Aleandre Pedott pedott@producao.ufrgs.br Freqüênca de ocorrênca Incerteza da Medção Dstrbução de freqüênca das meddas Erro Sstemátco (Tendênca) Erro de Repettvdade
Leia maisMEDIÇÕES DE VIBRAÇÕES NO CORPO HUMANO ESTIMATIVA DA INCERTEZA
Acústca 008 0 - de Outubro, Combra, Portugal Unversdade de Combra MEDIÇÕES DE VIBRAÇÕES NO CORPO HUMANO ESTIMATIVA DA INCERTEZA Jorge Fradque, Fátma Inglês Drecção Regonal da Economa de Lsboa e Vale do
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia mais2. Validação e ferramentas estatísticas
. Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisPrincípios do Cálculo de Incertezas O Método GUM
Prncípos do Cálculo de Incertezas O Método GUM João Alves e Sousa Laboratóro Regonal de Engenhara Cvl - LREC Rua Agostnho Perera de Olvera, 9000-64 Funchal, Portugal. E-mal: jasousa@lrec.pt Resumo Em anos
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisRM 68 INCERTEZA DE MEDIÇÃO: GUIA PRÁTICO DO AVALIADOR DE LABORATÓRIOS SUMÁRIO 1 OBJETIVO E CAMPO DE APLICAÇÃO 2 REFERÊNCIAS 3 DEFINIÇÕES 4 METODOLOGIA
RM 68 INCERTEZA DE MEDIÇÃO: GUIA PRÁTICO DO AVALIADOR DE LABORATÓRIOS PROCEDIMENTO DO SISTEMA DE GESTÃO DA QUALIDADE REVISÃO: 05 ABR/013 SUMÁRIO 1 OBJETIVO E CAMPO DE APLICAÇÃO REFERÊNCIAS 3 DEFINIÇÕES
Leia maisEstimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel
Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,
Leia maisEXPRESSÃO DA INCERTEZA DE MEDIÇÃO
EXPRESSÃO DA INCERTEZA DE MEDIÇÃO NORMA N o NIT-DICLA-0 APROVADA EM AGO/07 N o 0/30 SUMÁRIO Objetvo Campo de Aplcação 3 Responsabldade 4 Requsto 5 Regstro de Modfcações Anexo Versão Braslera do Documento
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisMedidas e resultados em um experimento.
Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca
Leia maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisExpressão da Incerteza de Medição para a Grandeza Energia Elétrica
1 a 5 de Agosto de 006 Belo Horzonte - MG Expressão da ncerteza de Medção para a Grandeza Energa Elétrca Eng. Carlos Alberto Montero Letão CEMG Dstrbução S.A caletao@cemg.com.br Eng. Sérgo Antôno dos Santos
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisInformação. Nota: Tradução feita por Cláudio Afonso Kock e Sérgio Pinheiro de Oliveira.
Informação Esta publcação é uma tradução do Gua de Calbração EURAMET Gua para a Estmatva da Incerteza em Medções de Dureza (EURAMET/cg-16/v.01, July 007). Os dretos autoras do documento orgnal pertencem
Leia mais2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
Leia maisAVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT
AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO Rodrgo Mkosz Gonçalves John Alejandro Ferro Sanhueza Elmo Leonardo Xaver Tanajura Dulana Leandro Unversdade Federal do Paraná - UFPR
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisÍNDICE NOTA INTRODUTÓRIA
OGC00 05-0-06 ÍDICE. Introdução. Âmbto e defnções 3. Avalação da ncerteza de medção de estmatvas das grandezas de entrada 4. Cálculo da ncerteza-padrão da estmatva da grandeza 5 de saída 5. Incerteza de
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisAVALIAÇÃO DAS INCERTEZAS DOS PADRÕES DO LABORATÓRIO DE CALIBRAÇÃO DE GRANDEZAS ELÉTRICAS DA ELETRONORTE S/A
AVALIAÇÃO DAS INCERTEZAS DOS PADRÕES DO LABORATÓRIO DE CALIBRAÇÃO DE GRANDEZAS ELÉTRICAS DA ELETRONORTE S/A Jacklyn Res 1, João Claudo Carvalho 2, Marcelo Costa 3, Rodolfo Alves 4 1 Eletronorte S/A, Belém-PA,
Leia mais2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria
Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados
Leia maisA ESTIMATIVA DA INCERTEZA DE MEDIÇÃO PELOS MÉTODOS DO ISO GUM 95 E DE SIMULAÇÃO DE MONTE CARLO
A ESTIMATIVA DA INCERTEZA DE MEDIÇÃO PELOS MÉTODOS DO ISO GUM 95 E DE SIMULAÇÃO DE MONTE CARLO Paulo Roberto Gumarães Couto INMETRO-DIMCI-DIMEC-LAPRE prcouto@nmetro.gov.br INTRODUÇÃO 3 ISO GUM 95 4. Estmatva
Leia maisRoteiro-Relatório da Experiência N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR
PROF.: Joaqum Rangel Codeço Rotero-Relatóro da Experênca N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR 1. COMPONENTES DA EQUIPE: ALUNOS 1 2 NOTA Prof.: Joaqum Rangel Codeço Data: / / : hs 2. OBJETIVOS: 2.1.
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisEXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS
EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20
Leia mais1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples.
Departamento de Físca ICE/UFJF Laboratóro de Físca II Prátca : Medda da Aceleração da Gravdade Objetvo da experênca: Medr o módulo da aceleração da gravdade g no nosso laboratóro com ajuda de um pêndulo
Leia maisQ 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisAplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisReferências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter:
Sstemas Mecâncos III - EXPERIMETO - Dlatação Térmca Prof.: Dr. Cláudo S. Sartor Técnco: Fernando ITRODUÇÃO: Forma Geral dos Relatóros É muto desejável que seja um caderno grande (formato A) pautada com
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia mais4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES
4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento
Leia maisReferências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter:
Fenômenos de Transporte, Calor e Massa - FTCM - Rotero Epermental - Relatóro Prof.: Dr. Cláudo S. Sartor - EXPERIMETO Dlatação Térmca ITRODUÇÃO: Forma Geral dos Relatóros É muto desejável que seja um caderno
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisPortaria Inmetro nº 248 de 17 de julho de 2008
INSTITUTO NACIONAL DE METROLOGIA, NORMALIZAÇÃO E QUALIDADE INDUSTRIAL - Portara Inmetro nº 248 de 17 de julho de 2008 O PRESIDENTE DO INSTITUTO NACIONAL DE METROLOGIA, NORMALIZAÇÃO E QUALIDADE INDUSTRIAL,
Leia maisExercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor.
Estatístca Exercícos 1. (Enem 013) Fo realzado um levantamento nos 00 hotés de uma cdade, no qual foram anotados os valores, em reas, das dáras para um quarto padrão de casal e a quantdade de hotés para
Leia maisUniversidade Federal da Bahia Instituto de Física Departamento de Física da Terra e do Meio Ambiente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S
Unversdade Federal da Baha Insttuto de Físca Departamento de Físca da Terra e do Meo Ambente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S Físca I SALVADOR, BAHIA 013 1 Prefáco Esta apostla é destnada
Leia maisFísica I LEC+LET Guias de Laboratório 2ª Parte
Físca I LEC+LET Guas de Laboratóro 2ª Parte 2002/2003 Experênca 3 Expansão lnear de sóldos. Determnação de coefcentes de expansão térmca de dferentes substâncas Resumo Grupo: Turno: ª Fera h Curso: Nome
Leia mais4 Análise de confiabilidade de estruturas
4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais
Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisNº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6
EXEMPLOS ADICIONAIS DA ENGENHARIA ELÉTRICA 1)Suponha que a probabldade de que um engenhero elétrco utlze estatístca em seu exercíco profssonal seja 0,20 Se durante a vda profssonal, um engenhero tver cnco
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO
ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões
Leia mais2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisEXPANSÃO TÉRMICA DOS LÍQUIDOS
Físca II Protocolos das Aulas Prátcas 01 DF - Unversdade do Algarve EXPANSÃO ÉRMICA DOS ÍQUIDOS 1 Resumo Estuda-se a expansão térmca da água destlada e do glcerol utlzando um pcnómetro. Ao aquecer-se,
Leia maisUTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS
UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Resumo: Qualdade é hoje uma palavra chave para as organzações. Sob o símbolo da Qualdade abrgam-se flosofas, sstemas
Leia maisANÁLISE DA SEGURANÇA NO PROJETO DE ESTRUTURAS: MÉTODO DOS ESTADOS LIMITES
ANÁLISE DA SEGURANÇA NO PROJETO DE ESTRUTURAS: MÉTODO DOS ESTADOS LIMITES Lela A. de Castro Motta 1 & Maxmlano Malte Resumo Este trabalho aborda a ntrodução da segurança baseada em métodos probablístcos,
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia mais4 Materiais e Métodos
56 4 Materas e Métodos Neste capítulo são apresentados o sstema de medção e os procedmentos desenvolvdos para a avalação térmca nos esterlzadores a vapor, de acordo com as recomendações e exgêncas regulatóras
Leia maisExperiência I (aulas 01 e 02) Medidas de Tempo e Pêndulo simples
Experênca I (aulas 01 e 02) Meddas de Tempo e Pêndulo smples 1. Objetvos 2. Introdução 3. O pêndulo smples 4. Medda do período de osclação de um pêndulo 5. Arranjo e procedmento expermental 6. Análse de
Leia mais(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
Leia maisPARTE I Componente teórica
Gua de resolução TOPOGRAFIA Mestrado Integrado em ngenhara Cvl 1.º Semestre 016/017 1.ª Época 14 de janero de 017, 11h0m - Duração: h0m Sem consulta Materal admtdo só na parte II: calculadora PART I Componente
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisCAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA
CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA 3. Método Utlzando Ponto de Controle O uso de pontos de controle é o meo mas exato para a determnação do offset da fase nterferométrca. Normalmente utlza-se
Leia maisNetuno 4. Manual do Usuário. Universidade Federal de Santa Catarina UFSC. Departamento de Engenharia Civil
Unversdade Federal de Santa Catarna UFSC Departamento de Engenhara Cvl Laboratóro de Efcênca Energétca em Edfcações - LabEEE Netuno 4 Manual do Usuáro Enedr Ghs Marcelo Marcel Cordova Floranópols, Junho
Leia maisINTRODUÇÃO... 4 CAPÍTULO CAPÍTULO CAPÍTULO CAPÍTULO
1 ÍNDICE INTRODUÇÃO... 4 CAPÍTULO 1... 6 INTRODUÇÃO... 6 Tpos de erros... 8 Erros aleatóros e sstemátcos em análses ttrmétrcas... 10 Manpulando erros sstemátcos... 1 CAPÍTULO... 16 ERROS EM ANÁLISES CLÁSSICAS...
Leia maisAtividade em Soluções Eletrolíticas
Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia mais4 Análise termoeconômica
4 Análse termoeconômca Os capítulos precedentes abordaram questões emnentemente térmcas da aplcação de nanofludos em sstemas ndretos de refrgeração. Ao tratar das magntudes relatvas e da natureza das componentes
Leia maisANÁLISE DE CONFIABILIDADE DO MODELO SCS-CN EM DIFERENTES ESCALAS ESPACIAIS NO SEMIÁRIDO
ANÁLISE DE CONFIABILIDADE DO MODELO SCS-CN EM DIFERENTES ESCALAS ESPACIAIS NO SEMIÁRIDO J. W. B. Lopes 1 ; E. A. R. Pnhero 2 ; J. R. de Araújo Neto 3 ; J. C. N. dos Santos 4 RESUMO: Esse estudo fo conduzdo
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisNOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
Leia mais2ª PARTE Estudo do choque elástico e inelástico.
2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos
Leia maisPREFEITURA MUNICIPAL DE CURITIBA
Especfcação de Servço Págna 1 de 9 1. DEFINIÇÃO Reforço do subleto é a camada que será executada com espessura varável, conforme defnção de projeto, nos trechos em que for necessáro a remoção de materal
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisPROGRAMA INTERLABORATORIAL PARA ENSAIOS EM PAPEL CICLO 2013 PROTOCOLO
PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM PAPEL CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/005 7/1/01 Aprovado: Mara Luza Otero D'Almeda SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO... 3 ENSAIOS OFERECIDOS...
Leia maisProfessor Mauricio Lutz CORRELAÇÃO
Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia mais