DESENVOLVIMENTO DE UM MODELO MATEMÁTICO PARA CALCULAR A INCERTEZA NA MEDIÇÃO DE UMA PEÇA-PADRÃO COM MÁQUINA DE MEDIR POR COORDENADAS

Tamanho: px
Começar a partir da página:

Download "DESENVOLVIMENTO DE UM MODELO MATEMÁTICO PARA CALCULAR A INCERTEZA NA MEDIÇÃO DE UMA PEÇA-PADRÃO COM MÁQUINA DE MEDIR POR COORDENADAS"

Transcrição

1 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl DESENVOLVIMENTO DE UM MODELO MATEMÁTICO PARA CALCULAR A INCERTEZA NA MEDIÇÃO DE UMA PEÇA-PADRÃO COM MÁQUINA DE MEDIR POR COORDENADAS Weverton Slvera de Almeda, Unversdade Federal de Goás, wevertonslvera@outlook.com Vanessa Aparecda de Olvera Rosa, Unversdade Federal de Goás, vanessaaor@ufg.br Lucas Perera Slvera, Unversdade Federal de Goás, lucasps_10@hotmal.com Resumo: As máqunas de medr por coordenadas são sstemas de medção amplamente utlzados na ndústra. Porém, embora estas máqunas sejam confáves, um prncípo básco da metrologa é que toda medção é afetada por erros, que são causados pela ação solada ou combnada de város fatores que nfluencam o processo de medção. Logo, torna-se ndspensável a análse da ncerteza de medção, uma vez que este parâmetro é uma ndcação quanttatva da qualdade do resultado. Dante do exposto, o objetvo deste trabalho é desenvolver um modelo matemátco para calcular a ncerteza no processo de medção de uma peça utlzando uma máquna de medr por coordenada, utlzando para tanto a metodologa proposta no Gua para a Expressão de Incerteza de Medção. Para alcançar tal objetvo, fo realzada uma pesqusa bblográfca e posterormente coletadas medções de furos de uma peça. A partr dos valores meddos, dentfcaram-se as varáves de entrada que afetavam o resultado de medção para, então, desenvolver o modelo matemátco. Os resultados mostraram que o entendmento e a aplcação dos concetos e da metodologa proposta no GUM não são tarefas fáces. Para tal, dentre outros aspectos, exgem-se amplos conhecmentos metrológcos e estatístcos, além da manpulação de grande quantdade de dados e cálculos matemátcos. Palavras-chave: máqunas de medr por coordenadas, ncerteza de medção, modelo matemátco. 1. INTRODUÇÃO A fabrcação de produtos com tolerâncas cada vez mas estretas e em maores quantdades levou à necessdade de desenvolver meos de controle de qualdade mas rápdos e efcazes. Neste contexto surgram as Máqunas de Medr por Coordenadas (MMC, como sstemas de medção precsos, versátes e confáves, com a capacdade de medr coordenadas cartesanas dentro de um volume de trabalho delmtado por suas característcas físcas e geométrcas (CARDOZA, De acordo com Valdés (00, máqunas de medr por coordenadas são aquelas que fornecem representações de sstemas coordenados cartesanos, sendo sua função prncpal defnr a geometra de uma peça através de pontos coordenados X, Y e Z, comparar com o elemento geométrco deal e avalar a nformação resultante, como dmensão, desvos de forma, dentre outros. Os exos cartesanos são smulados, geralmente, por um conjunto de guas e mancas aerostátcos e escalas optoeletrôncas. Uma sonda de medção apalpa pontos dscretos sobre a superfíce da peça, sendo que cada ponto meddo é expresso na forma de coordenadas meddas (ORREGO, DI GIACOMO, ABACKERLI, 000. Embora as máqunas de medr por coordenadas sejam sstemas de medção confáves, um prncípo básco da metrologa é que toda medção é afetada por erros, que são causados pela ação solada ou combnada de város fatores que nfluencam o processo de medção, dentre eles o sstema de medção, o mensurando, grandezas externas de nfluênca (como temperatura, umdade e vbração e o operador. O efeto destes erros, orgnados destas dferentes fontes, resulta em uma ncerteza assocada ao resultado da medção (PHILLIPS, 011. De acordo com o INMETRO (01, a ncerteza de medção é defnda como um parâmetro não negatvo que caracterza a

2 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl dspersão dos valores atrbuídos a um mensurando, com base nas nformações utlzadas. A ncerteza assocada ao resultado de uma medção reflete a falta de conhecmento exato do valor do mensurando. Sem a ndcação da ncerteza os resultados de medção não podem ser comparados, seja entre eles mesmos ou com valores de referênca dados em especfcações do fabrcante, catálogos ou normas técncas (ISO/TAG 4/WG, 008. Portanto, faz-se necessáro que haja um procedmento prontamente mplementado, faclmente compreenddo e de acetação geral para caracterzar a qualdade do resultado de uma medção, sto é, para avalar e expressar sua ncerteza. Tendo em vsta que essas fontes de ncerteza podem comprometer a qualdade do resultado da medção, especalmente nas operações de controle de qualdade, é precso crar ferramentas que auxlem de forma ágl, smplóra e efetva o cálculo da ncerteza na medção com máqunas de medr por coordenadas. Neste sentdo, o objetvo deste trabalho é desenvolver um modelo matemátco para calcular a ncerteza no processo de medção de uma peça utlzando uma máquna de medr por coordenada, utlzando para tanto a metodologa proposta no Gua para a Expressão de Incerteza de Medção.. REFERENCIAL TEÓRICO.1. Incerteza de Medção A ncerteza assocada ao resultado de uma medção reflete a falta de conhecmento exato do valor do mensurando (BIPM et al., 008. É defnda como um parâmetro não negatvo que caracterza a dspersão dos valores atrbuídos a um mensurando, com base nas nformações utlzadas (INMETRO, 01. Para a avalação da ncerteza de medção, o documento Gude to the Expresson of Uncertanty n Measurement, publcado pela ISO em 199, surgu com o objetvo de padronzar os procedmentos de avalação e de expressão da ncerteza de medção. Este gua apresenta crtéros e regras geras para expressar e combnar as ncertezas ndvduas que afetam o processo de nspeção e, assm, determnar a ncerteza de medção. A versão mas recente deste documento (ISO/TAG 4/WG data de 008 (BIPM et al., 008, a qual fo traduzda e publcada pelo INMETRO em 01 sob o título Avalação de dados de medção - Gua para a expressão de ncerteza de medção GUM 008. De forma geral, o método proposto pela ISO/TAG 4/WG (BIPM et al., 008 pode ser dvddo nas seguntes etapas: 1. Defnção do mensurando ou varável de saída;. Identfcação das varáves que podem afetar o resultado da medção (varáves de entrada ou grandezas de nfluênca;. Expressão do mensurando (varável de saída em função de todas as varáves de nfluênca, através de um modelo matemátco; 4. Avalação da ncerteza-padrão assocada às varáves de entrada; 5. Avalação da ncerteza-padrão combnada assocada à varável de saída; 6. Avalação da ncerteza expandda assocada à varável de saída; 7. Expressão do resultado de medção... Defnção do Mensurando e Identfcação das Varáves de Entrada Toda medção tem como objetvo a determnação do valor do mensurando. Desta forma, o mensurando deve ser defndo de forma completa, o que sgnfca que para um nível de exatdão

3 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl determnado, seu valor é únco. Além da clara defnção do mensurando, resulta necessáro especfcar o método de medção e o procedmento de medção a ser adotado. Na dentfcação das grandezas de nfluênca, deve-se realzar uma análse crítca a fm de dentfcar todas as componentes de ncerteza. Tas componentes podem estar relaconadas às condções ambentas, ao operador, aos equpamentos e padrões utlzados, ao método de medção, dentre outros fatores... Obtenção do Modelo Matemátco Identfcadas as varáves de nfluênca, um modelo matemátco, descrevendo o processo de medção, deve ser proposto, pos ele é a base para a aplcação da le de propagação de ncertezas (BIPM et al., 008. Este modelo relacona todas as varáves de nfluênca (varáves de entrada do processo de medção com o mensurando (varável de saída. Essa função é dada pela Eq. (1. Y = f(x 1, X,...,X N (1 Onde: Y - varável de saída; X - varáves de entrada. A partr da Eq. (1 pode-se obter também uma estmatva do mensurando Y, desgnada como y, tendo como base um conjunto de estmatvas de entrada x 1, x,..., x N para os valores das N grandezas X 1, X,..., X N. Assm, a expressão resultante é dada pela Eq. (. y = f(x 1, x,...,x N (.4. Avalação da Incerteza-padrão de cada Grandeza de Influênca A ncerteza-padrão (u de cada grandeza de nfluênca é obtda através da análse ndvdual de cada uma delas. Dependendo da quantdade de nformação dsponível sobre estas grandezas e da forma como ela é apresentada, as componentes da ncerteza são classfcadas em dos tpos, a saber: avalação do Tpo A e avalação do Tpo B (BIPM et al., 008. Segundo o ISO/TAG 4/WG (BIPM et al., 008 a avalação do Tpo A da ncerteza-padrão é aquela obtda de uma análse estatístca de uma sére de observações de um mensurando, assumndo uma dstrbução normal ou outra qualquer. Por sua vez, a avalação do Tpo B da ncerteza-padrão de uma componente de ncerteza é obtda por outros meos, que não a análse estatístca de uma sére de observações repetdas, tas como consderações de manuas, especfcações de fabrcantes, certfcados de calbração ou a partr de experêncas anterores. Dependendo da quantdade de nformação dsponível e da forma como ela é apresentada, podem-se adotar dferentes dstrbuções de probabldade para efetuar os cálculos. As mas utlzadas são a dstrbução retangular, a dstrbução trangular, a dstrbução normal e a t-student..5. Avalação da Incerteza-padrão Combnada A ncerteza-padrão combnada da varável de saída é obtda aplcando a le de propagação de ncertezas, apresentada na Eq. (. n n1 n f f f uc ( y u ( x ux ux j r( x, x j 1 x ( 1 j 1 x x j Onde: u c (y - ncerteza-padrão combnada da varável de saída; r(x, x j - coefcente de correlação entre as estmatvas x e x j.

4 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl No prmero termo da Eq. (, u(x é a ncerteza-padrão de cada grandeza de entrada x, e as dervadas parcas da função em relação à cada varável de entrada são os coefcentes de sensbldade, cuja magntude representa a contrbução de cada fonte de ncerteza no valor da ncerteza total. O segundo termo da Eq. ( só rá exstr quando houver uma correlação entre as grandezas de entrada x e x j, ou seja, quando r(x, x j 0. Caso contráro, o segundo termo desaparece, obtendo-se a Eq. (4. u c n f ( y u ( x 1 x (4 Estmadas as ncertezas-padrão das fontes de entrada, u( x, é necessáro calcular os coefcentes de sensbldade do mensurando em relação a cada fonte de entrada. O coefcente de sensbldade (C do mensurando (y em relação a cada fonte de entrada (x é defndo conforme Eq. (5: f c (5 x Com a estmatva das ncertezas-padrão de todas as fontes de entrada do mensurando e os seus coefcentes de sensbldade calculados, cada respectva componente de ncerteza na undade do mensurando pode ser estmada pela Eq. (6. ux y ( y ux c ( x ux (6 x Onde: ux ( y - componente de ncerteza do mensurado referente a cada fonte x ; c ( x coefcente de sensbldade referente a cada fonte (x ; u - ncerteza referente a cada fonte (x..6. Avalação da Incerteza Expandda x - Ao aplcar o Teorema do Lmte Central para determnação da ncerteza-padrão combnada u c (y pode-se dzer que a dstrbução de probabldade resultante será, sempre, aproxmadamente normal ou t-student, para um dado número de graus de lberdade v ef. Para uma dstrbução de probabldade normal, o ntervalo de ±1 desvo-padrão em torno da melhor estmatva do mensurando corresponde a uma probabldade de abrangênca de 68,7%. Para aumentar tal probabldade de abrangênca, deve-se multplcar a ncerteza-padrão combnada pelo fator de abrangênca k, conforme mostra a Eq. (7. O resultado obtdo é a chamada ncerteza expandda U(y. U( y k u ( y (7 c Para encontrar o valor de k na tabela t-student, é necessáro calcular os graus de lberdade efetvo (v ef da ncerteza-padrão combnada da varável de saída. O cálculo do grau de lberdade efetvo (v ef da ncerteza-padrão combnada da varável de saída é baseado na equação de Welch-Satterwate, conforme mostra a Eq. (8 (BIPM et al., 008.

5 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl ef N u 1 4 c 4 u ( y ( y v N 1 u (u( x 4 c ( y c v ( x 4 (8 Onde: u c (y - ncerteza-padrão combnada da varável de saída; u(y - ncerteza-padrão de cada varável de entrada na undade do mensurando ou varável de saída; v - número de graus de lberdade de cada varável de entrada; N - número de varáves de entrada; u(x - ncerteza-padrão de cada varável de entrada; c (x - representa o coefcente de sensbldade do mensurando em relação a cada varável de entrada x. O fator de abrangênca (k, presente na Eq. (7, é escolhdo em função do nível de abrangênca especfcado para o ntervalo, estando geralmente entre,00 (dos e,00 (três para uma dstrbução normal de probabldade, consderando 95,45% e 99,7%, respectvamente..7. Apresentação do Resultado de Medção O resultado da medção deve ser expresso em concordânca com a ABNT NBR ISO/IEC 1705 (005. Desta forma, levando-se em conta a ncerteza-padrão combnada, é dado por ( y uc (y, e, em relação à ncerteza expandda, é expresso por ( y ± U(y, em que y é a estmatva de Y, representado por seu valor médo. O valor numérco da estmatva do mensurando ( y : méda das n ndcações deve ser arredondado consderando o mesmo número de casas decmas da resolução do sstema de medção. Neste caso, as regras usuas de arredondamento devem ser utlzadas. Entretanto, ao relatar os resultados fnas da avalação da ncerteza de medção u c (y e U(y, às vezes pode não ser aproprado utlzar tas regras de arredondamento. Neste sentdo, o GUM (BIPM et al., 008 destaca que o bom senso deve prevalecer.. METODOLOGIA Foram coletados os dados das medções de onze furos de uma peça que é utlzada na ndústra automoblístca (Fg. 1a. As medções foram efetuadas em uma máquna de medr por coordenadas (Fg. 1b, do fabrcante Mtutoyo, modelo BR-M44, tpo ponte móvel, manual, com resolução de 0,001 mm e volume de trabalho de 400 mm x 400 mm x 00 mm, defndo pela faxa nomnal das escalas dos exos X, Y e Z, respectvamente. A máquna possu certfcado de calbração número 07081/1, emtdo pelo Laboratóro de Metrologa da Mtutoyo Sul Amercana. Para cada medção foram efetuadas cnco repetções. Uma vez coletados os dados, passou-se à etapa de avalação da ncerteza de medção. Para tanto, consderou-se os valores de dâmetro obtdos na medção de um únco furo da peça, para cálculo da méda, do desvo-padrão e posteror avalação da ncerteza. Defndo o mensurado, os próxmos passos foram: dentfcação das varáves de entrada que afetavam o resultado da medção com a MMC; modelagem matemátca do processo de medção, em que a varável de saída fo descrta em função de todas as varáves de entrada; avalação da ncerteza-padrão das varáves de entrada, e a ncerteza-padrão combnada e ncerteza expandda assocadas à varável de saída.

6 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl (a (b Fgura 1: (a Peça medda; (b máquna de medr por coordenadas BR-M44 (Fonte: Dados da pesqusa. 4. RESULTADOS 4.1. Defnção do Mensurado O mensurando é o dâmetro do furo. Os resultados obtdos nas cnco repetções são apresentados na Tab. (1, bem como a méda e o desvo-padrão. Tabela 1: Valores da méda e do desvo-padrão da medção do dâmetro (Fonte: Dados da pesqusa Medções Letura (mm 1 1,010 Méda (mm = 1,010 1,006 1,010 Desvo-padrão (mm = 0, , , Identfcação das Varáves de Entrada Uma vez defndo o mensurando, passou-se à dentfcação das varáves de entrada, ou grandezas de nfluênca. Durante a medção com a MMC BR-M44, as fontes que contrbuem para a ncerteza do resultado de medção são: D = méda artmétca dos valores de dâmetro calculados para os n cclos de medção; R MMC = resolução da MMC; IC MMC = ncerteza assocada à calbração da MMC; E A = erro de apalpamento; T = afastamento da temperatura ambente em relação à de referênca; T = varação da temperatura durante as medções; α e = coefcente de expansão térmca lnear das escalas da máquna; α p = coefcente de expansão térmca lnear do materal da peça. 4.. Defnção do Modelo Matemátco A Equação 9 apresenta o modelo matemátco para a avalação da ncerteza de medção do dâmetro do furo.

7 D = D + ΔR+ ΔIC + ΔE + L ΔT(α +α Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl + L δt(α +α MMC A 0 P E 0 P E (9 Onde: D - dâmetro do círculo ajustado; D - méda artmétca dos valores de dâmetro calculados para os n cclos de medção; ΔR - correção assocada à resolução da MMC; ΔIC MMC correção assocada à ncerteza assocada à calbração da MMC; ΔE A - correção assocada ao erro de apalpamento; L 0 - valor médo de dâmetro; T - afastamento da temperatura ambente em relação à de referênca; T - varação da temperatura durante as medções; P e E - coefcentes de expansão térmca lnear do materal da peça (alumíno e das escalas da MMC BR-M44 (vdro, respectvamente Avalação da Incerteza-padrão das Varáves de Entrada Uma vez defndo o modelo matemátco, a próxma etapa consste em determnar a ncertezapadrão de cada uma das varáves de entrada. Para avalação da ncerteza-padrão das varáves de entrada foram consderas as nformações apresentadas na Tab. (, onde: TA - tpo de avalação; DP - dstrbução de probabldade; GL - número de graus de lberdade; CC - nformações retradas do certfcado de calbração; s - desvo-padrão; n - tamanho da amostra; R - resolução; R T - resolução do termômetro; IC T - ncerteza da calbração do termômetro; α E - coefcente de expansão térmca lnear das escalas da máquna; α P - coefcente de expansão térmca lnear do materal da peça. Tabela : Informações para avalação da ncerteza-padrão das varáves de entrada (Fonte: Dados da pesqusa Varável de entrada TA DP GL Equação Varabldade dos valores meddos ( D Resolução da MMC (R MMC Incerteza da calbração volumétrca (IC MMC Erro de apalpamento (E A Afastamento da temperatura (T em relação a 0 C Coefcente de expansão térmca lnear da peça (α P Coefcente de expansão térmca lnear das escalas da máquna (α E Varação da temperatura (δt s A t-student n-1 u( D n R B Retangular u( RMMC U B CC CC u( ICMMC = k B CC CC B t-student B Retangular B Retangular B Retangular u( E A E A 6 MMC ΔT ΔRT u ( ΔT = + + u( Δ u( Δ P E 0 1,.(α = 0 1,.(α = ( T u( T P E ΔIC k T T

8 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl De acordo com o certfcado de calbração da MMC, número 07081/1, emtdo pelo Laboratóro de Metrologa da Mtutoyo Sul Amercana, a ncerteza volumétrca é gual a (0,7+L/600 µm, onde L representa o valor da coordenada corresponde. O fator de abrangênca (k gual a,0, e graus de lberdade efetvo gual (υ ef a 148. O erro de apalpação é de (1,9±1, µm (k =,00. A probabldade de abrangênca é de 95%. As medções foram efetuadas a temperatura ambente de (0,0 1,0 C, sendo esta montorada por um termohgrômetro dgtal, do fabrcante Instrutherm, com resolução de 0,1 C e faxa nomnal de -0 ºC a 60 ºC. Este possu certfcado de calbração número R4996/1, emtdo pelo Laboratóro de Temperatura e Umdade da Elus Instrumentação. A ncerteza assocada à calbração é de 0, ºC para a temperatura com k gual a,00 e probabldade de abrangênca de 95%. Quando as medções não forem efetuadas à temperatura de referênca (0 ºC, o afastamento da temperatura em relação a 0 ºC e a varação da temperatura durante as medções devem ser ncluídos na avalação da ncerteza. A Tabela apresenta os valores de ncerteza-padrão de cada uma das varáves de entrada. Tabela : Valores de ncerteza-padrão das varáves de entrada (Fonte: Dados da pesqusa Varável de entrada Incerteza-padrão Varabldade dos valores meddos (0,00407 ( D u( D = 0, mm 5 RMMC 0,001 Resolução da MMC (R MMC u( RMMC = = 0,00089 mm. Incerteza da calbração 0,70500 u ( ICMMC 0, mm volumétrca (IC MMC,0 0,001 Erro de apalpamento (E A u( E A 0, mm 6 0, ,089 0,1500 0, 1609 Afastamento da temperatura (T u( T em relação a 0 C mm/ C Coefcente de expansão térmca 0,1. (0, u ( 0, lnear da peça (α P P mm/ C Coefcente de expansão térmca 0,1. (0,00000 u( 0, lnear das escalas da máquna (α E E mm/ C Varação da temperatura (δt u( T 0 mm/ C 4.5. Avalação da Incerteza-padrão Combnada e Cálculo dos Coefcentes de Sensbldade A partr dos dados apresentados na Tab., a ncerteza-padrão combnada da varável de saída é obtda aplcando a le de propagação de ncertezas (Eq. (10. u c (D= (.u D (D + ( D R. u D ( R+ ( IC MMC. u ( IC MMC + ( D. u ( (10 E A Para o cálculo da ncerteza-padrão combnada, é necessáro calcular os coefcentes de sensbldade do mensurando em relação a cada varável de entrada. No caso das varáves de

9 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl entrada que são untáras, o coefcente de sensbldade é gual a 1. Assm, para o modelo matemátco proposto na Eq. (9, deve-se calcular os coefcentes de sensbldade para as varáves de entrada T, T, P e E. Os cálculos são apresentados a segur. C= D T = D δt = L 0.α p +L 0.α e = L 0 (α p +α e = 0,00064 mm C -1 C= D α p = D α e = L 0. T+L 0.δT = L 0 ( T+δT = 7,806 mm C -1 Uma vez obtdos os coefcentes de sensbldade, a segur é apresentado o cálculo da ncertezapadrão combnada da varável de saída (dâmetro do furo. (1.(0, (1.(0, (1.(0, (1.(0, u c = (0,00064.(0,1609 +(7,806.(0, (7,806.(0, (0,00064.(0 u c =0, Avalação da Incerteza Expandda Assocada à Varável de Saída e Expressão do Resultado de Medção Para a avalação da ncerteza expandda, a segur é apresentado o cálculo do grau de lberdade efetvo (v ef da ncerteza-padrão combnada da varável de saída. v ef = u c 4 (y (u(x.c 4 v = u 4 (D n-1 + u4 ( R + u4 ( IC 148 u c 4 (y + u4 ( E a v ef = 5,174 k =,57 + u4 ( T.C s ( T + u4 (α e.c s (α e Uma vez obtdo o grau de lberdade da ncerteza-padrão combnada da varável de saída e consultada a tabela t-student, o valor de k é gual a,45, com 95,45% de probabldade de abrangênca. A ncerteza expandda assocada à varável de saída é dada como: U D =,45. 0, ,005 mm. A componente que mas contrbuu para a ncerteza fnal da medção fo a varabldade dos valores de dâmetro ndcados pela máquna. Para mnmzar este efeto pode-se aumentar o número de repetções. Logo, o resultado da medção é expresso como: D = (1,010 ± 0,005 mm. Isto sgnfca que, com 95,45% de abrangênca, o ntervalo de ncerteza dado por [1,005; 1,015] mm compreenderá o valor do dâmetro do furo.

10 Smpóso de Engenhara de Produção Unversdade Federal de Goás Regonal Catalão 8 a 0 de agosto, Catalão, Goás, Brasl 5. CONCLUSÕES Como resultado deste trabalho busca-se contrbur com o entendmento dos aspectos metrológcos, matemátcos e estatístcos que fundamentam a metodologa proposta no Gua para a Expressão de Incerteza de Medção. Neste sentdo, o objetvo geral do presente trabalho fo alcançado, uma vez que se desenvolveu um modelo matemátco para calcular a ncerteza de medção do furo de uma peça, meddo em uma máquna de medr por coordenadas, aplcando a metodologa proposta no Gude to the Expresson of Uncertanty n Measurement, publcado pela ISO em REFERÊNCIAS BIBLIOGRÁFICAS ABACKERLI, A.J.; ORREGO, R.M.M. Uma Macrovsão sobre a Modelagem Cnemátca de Máqunas de Medr por Coordenadas. Revsta de Cênca & Tecnologa. v.8. p BIPM (Bureau Internaconal des Pods et Measures Evaluaton of Measurement Data Gude to the Expresson of Uncertanty n Measurement. Geneva Swtzerland p. CARDOZA, J.A.S. Máqunas Vrtuas de Medr a Três Coordenadas. Tese de Doutorado. Unversdade de São Paulo, Escola de Engenhara de São Carlos, DONATELLI, G.D.; ALBERTAZZI, A.; SCHNEIDER, C.A.; PFEIFFER, G. Metrologa Geométrca na Indústra - Tendêncas e Desafos. O futuro da ndústra: a mportânca da metrologa para o desenvolvmento ndustral (coletânea de artgos. Mnstéro do Desenvolvmento, Indústra e Comérco Exteror. p Brasíla: 005. INMETRO (Insttuto Naconal de Metrologa, Qualdade e Tecnologa. Avalação de Dados de Medção: Gua para a Expressão de Incerteza de Medção GUM ed. Ro de Janero: INMETRO, p. PHILLIPS, S.D. Performance Evaluaton. In: HOCKEN, R.J.; PEREIRA, P.H. Coordnate Measurng Machnes and Systems..ed. New York: CRC Press, p. VALDÉS, R.A. Sntetzação de erros termcamente nduzdos em Máqunas de Medr a Três Coordenadas. Tese de Doutorado. Unversdade de São Paulo, Escola de Engenhara de São Carlos, DIREITOS AUTORAIS Os autores são os úncos responsáves pelo conteúdo do materal mpresso ncluído no seu trabalho.

2 Incerteza de medição

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 mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

DESENVOLVIMENTO DE UM PROGRAMA COMPUTACIONAL PARA CONTROLE DE MEDIÇÕES DIMENSIONAIS COM ÊNFASE NA GARANTIA DA CONFORMIDADE DE PRODUTOS

DESENVOLVIMENTO DE UM PROGRAMA COMPUTACIONAL PARA CONTROLE DE MEDIÇÕES DIMENSIONAIS COM ÊNFASE NA GARANTIA DA CONFORMIDADE DE PRODUTOS 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) jefocefetpe@yahoo.com.br

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos 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 mais

Programa de Certificação de Medidas de um laboratório

Programa 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 mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

MEDIÇÕES DE VIBRAÇÕES NO CORPO HUMANO ESTIMATIVA DA INCERTEZA

MEDIÇÕES 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 mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. 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. Numa relação expermental os valores de uma das

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

TECNOLOGIA EM MEDIÇÃO POR COORDENADAS

TECNOLOGIA EM MEDIÇÃO POR COORDENADAS TECNOLOGIA EM MEDIÇÃO POR COORDENADAS Prof. Alessandro Marques www.metrologa.ufpr.br MEDIÇÃO UNI-DIMENSIONAL Paquímetro e Mcrômetro, Máquna de Medção Horzontal, Máquna de Medção Vertcal e Interferômetro

Leia mais

7 - Distribuição de Freqüências

7 - 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 mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 7/11/01 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 05/0/013 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade

Leia mais

METROLOGIA E ENSAIOS

METROLOGIA 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 mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Análise de Incertezas I.B De Paula

Análise de Incertezas I.B De Paula Um bom expermentalsta deve fazer todo o esforço possível para mnmzar os erros de seu expermento. Cabe ao expermentalsta a responsabldade de apresentar uma medda da confabldade de seus dados. amos defnr

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

EXPRESSÃO DA INCERTEZA DE MEDIÇÃO

EXPRESSÃO 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 mais

2. Validação e ferramentas estatísticas

2. 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 mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO 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 mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS GARANIA DE EXCELENE INERCAMBIALIDADE E REDUÇÃO DE CUSOS ARAVÉS DA ANÁLISE ESAÍSICA DE OLERÂNCIAS Edvaldo Antono Bulba* *Prof. Dr. da Fatec SP FEI e Unversdade São Judas E mal: bulba@fe.edu.br Resumo Numa

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 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 mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso 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 mais

SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE

SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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. UFRGS Insttuto de Matemátca

Leia mais

5. Procedimento Experimental

5. Procedimento Experimental 5. Procedmento Expermental O trabalho expermental fo realzado utlzando-se os equpamentos exstentes no SENAI-Ro, PUC-Ro, Laboratóro de pressão da UN-BC (Petrobras) e de um equpamento especalmente desenvolvdo

Leia mais

NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO

NOVA 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 mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA 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 mais

do Semi-Árido - UFERSA

do Semi-Árido - UFERSA Unversdade Federal Rural do Sem-Árdo - UFERSA Temperatura e Calor Subêna Karne de Mederos Mossoró, Outubro de 2009 Defnção: A Termodnâmca explca as prncpas propredades damatéra e a correlação entre estas

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa 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 mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. 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 mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério 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 mais

Ajuste de um modelo linear aos dados:

Ajuste de um modelo linear aos dados: Propagação de erros Suponhamos que se pretende determnar uma quantdade Z, a partr da medda drecta das grandezas A, B, C,, com as quas se relacona através de Z = f(a,b,c, ). Se os erros assocados a A, B,

Leia mais

6 Referências Bibliográficas

6 Referências Bibliográficas 6 Referêncas Bblográfcas (1) BARIDÓ, Márca; BARIDÓ, Fátma. Avalação do Modelo Matemátco de Correção na Determnação de Frmeza no Cgarro Free HL 1999. Souza Cruz S.A. Memorando Técnco N o MT. 379 2000.17.11.2000.

Leia mais

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo: CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída

Leia mais

Informação. Nota: Tradução feita por Cláudio Afonso Kock e Sérgio Pinheiro de Oliveira.

Informação. 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 mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Física I LEC+LET Guias de Laboratório 2ª Parte

Física 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 mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA 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 mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os 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 mais

PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS

PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS Renato S. Gomde 1, Luz F. B. Loja 1, Edna L. Flôres 1 1 Unversdade Federal de Uberlânda, Departamento de Engenhara

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 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 mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística 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 mais

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos

Leia mais

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria

2 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 mais

Portaria INMETRO nº 225, de 29 de JULHO de 2009

Portaria INMETRO nº 225, de 29 de JULHO de 2009 Portara nº 225, de 29 de JULHO de 2009 O PRESIDENTE DO INSTITUTO NACIONAL DE METROLOGIA, NORMALIZAÇÃO E QUALIDADE INDUSTRIAL -, no uso de suas atrbuções, conferdas pelo parágrafo 3º do artgo 4º da Le n.

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS

ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS XII Congresso Braslero de Engenhara Químca em Incação Centífca ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS L. A. QUEMELLI 1*, B. P. NASCIMENTO 1, L. S. ARRIECHE 2 1

Leia mais

Medidas e resultados em um experimento.

Medidas 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 mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo 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 mais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de

Leia mais

Dados ajustáveis a uma linha recta

Dados ajustáveis a uma linha recta Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 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 mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Referências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter:

Referências: 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 mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s) 4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo

Leia mais

8.2. Tipos de Ações Gerenciais em Empresas que Valorizam o Controle de Qualidade

8.2. Tipos de Ações Gerenciais em Empresas que Valorizam o Controle de Qualidade 8. USO DA ANÁLISE DE VARIÂNCIA E DA REGRESSÃO 8.1. Introdução A estatístca é a cênca que lda com a coleta, o processamento e a dsposção de dados (nformação) atuando como ferramenta fundamental nos processos

Leia mais

Estudo e Previsão da Demanda de Energia Elétrica. Parte II

Estudo 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 mais