FEMEC41041 - Metrologia

Rosenda Valds Arencibia

Abril, 2013

Introduo. Estatstica bsica. Distribuio normal de probabilidade. Funes densidade de probabilidade. Controle estatstico de processos.

Aplicao A confiabilidade metrolgica de um sistema de medio est relacionada a um conjunto de parmetros, tais como: Exatido Preciso (Repetitividade) Estabilidade Linearidade Reproducibilidade

Exatido - Grau de concordncia entre o resultado da medio e o valor verdadeiro do mensurando.

(VVC)

Repetitividade - Grau de concordncia entre o resultado da medio sucessiva do mesmo mensurando sob as mesmas condies de medio.
As medies sucessivas devem ser efetuadas em um curto perodo de tempo.

Repetitividade

Estabilidade: capacidade de um instrumento de medio manter constante suas caractersticas metrolgicas. Normalmente considerada em relao ao tempo.
Estabilidade

s2 s1 x2
Dados 1

Dados 2

x1

Linearidade: a diferena nos valores da descentralizao (exatido) ao longo da faixa de operao esperada do instrumento.
Valor de referncia Descentralizao menor Valor de referncia Descentralizao maior

Linearidade

Valor mdio observado (trecho inferior da faixa)

Valor mdio observado (trecho superior da faixa)

Reproducibilidade (reprodutividade): grau de concordncia entre os resultados das medies de um mesmo mensurando, efetuadas sob condies variadas de medio (diferentes mtodos, avaliador, instrumento, padro de referncia, local, condies de utilizao, tempo). Nota: Os resultados referem-se, usualmente, a resultados corrigidos.

Aplicao Reproducibilidade (reprodutividade)

Avaliador B

Avaliador A

Avaliador C

Reprodutividade

Exerccio Foi efetuada a calibrao pontual de uma balana digital utilizando um padro de massa igual a 100 g. Os valores medidos esto dados a seguir. m1 = 100,023 g m6 = 100,013 g m2 = 100,002 g m7 = 100,002 g m3 = 100,012 g m8 = 100,010 g m4 = 100,008 g m9 = 100,004 g m5 = 100,001 g m10 = 100,005 g a) Quais parmetros metrolgicos estimados com essa informao? podem ser

Exerccio Duas horas mais tarde. m1 = 100,029 g m2 = 100,002 g m3 = 100,010 g m4 = 100,006 g m5 = 100,005 g

m6 = 100,019 g m7 = 100,012 g m8 = 100,015 g m9 = 100,004 g m10 = 100,015 g

b) Qual parmetro metrolgico pode-se calcular? c) O que fazer para verificar a reproducibilidade? d) O que pode-se medir com essa blana?

Aplicao: Estimar a incerteza de medio O dimetro de um eixo foi medido com um micrmetro, cinco vezes. Queremos estimar a incerteza padro. A mdia dos valores obtidos pode ser considerada a estimativa do mensurando e O desvio padro (raiz quadrada da varincia) como sendo a incerteza padro associada ao estimador.

u = s2 =

i =1

2 ( ) x x i

n 1

Dizemos que f(x) uma funo continua de probabilidade ou funo densidade de probabilidade para uma varivel aleatria x se satisfaz duas condies: 1. f ( x ) 0

para todo x ( , );

2. A rea definida por f(x) igual a 1.

f ( x)dx = 1

Dentre todos os modelos tericos sejam contnuos ou discretos, o mais importante o modelo normal. Modelo normal Uma varivel aleatria continua X tem distribuio normal com parmetros e 2 se sua funo dada por
1 f ( x) = e 2 ( x )2 2 2
Para - < x < +

- mdia - desvio padro da populao de tamanho n.

Denotado por X N( , 2 )

f(x)

Graficamente

Propriedades Pode-se observar que f(x) simtrica em relao a . f(x)0 quando x Os valores maiores em grandeza tm menor possibilidade de ocorrer que os menores. O valor mximo de f(x) se d para x=.

Propriedades f(x)

x
A rea compreendida entre a curva gaussiana e o eixo x sempre finita. A rea total sob a curva assume-se como unitria.

Para calcular a probabilidades

f(x)

No clculo de probabilidade para variveis contnuas devese resolver a integral da funo densidade no intervalo de interesse, isto :
b
b

P(a X b) = f ( x)dx
a

P ( a X b) =
a

( x )2 2 2

dx

P ( a X b) =
a

( x )2 2 2

dx

A integral acima s pode ser resolvida de modo aproximado e por mtodos numricos. Por essa razo as probabilidades para o modelo Normal so calculadas com o auxlio de tabelas. Para facilitar usa-se uma varivel de parmetros mdia zero e varincia 1 (0,1).

Freqentemente, a varivel x pode ser expressa em termos de unidade reduzida, denominada de forma padro, dada por:
1 1 z2 y= e 2 2

onde

z=

Assim, fala-se que z normalmente distribudo, com mdia zero e varincia igual a um (1).

Curva normal padro

+ +2

+3

a-) 68,27 % dos casos esto includos entre x s e x + s . b-) 95,45 % dos casos esto includos entre x 2s e x + 2s . c-) 99,73 % dos casos esto includos entre x 3s e x + 3s .

Controle estatstico de processos Controlar manter sob vigilncia para assegurar um comportamento desejado. Etapas do controle Observao ou medio (quantificar a sada do processo) Avaliao ou comparao (confrontar a sada com algum padro preestabelecido) Anlise e deciso (identificar se h diferenas ou no entre padro e sada e que ao adotar) Ao e correo (tomar aes sobre as diferenas)

Porque um processo apresenta variaes??? Porque h variabilidade entre: Pessoas (operadores) Materiais, Mquinas Medio, Mtodos, Meio ambiente.

As ferramentas para melhorar a qualidade, segundo a NBR ISO 9004-4/1993 so: Formulrio de Coleta de Dados Diagrama de Afinidade Diagrama de Causa e Efeito Diagrama de Fluxo Diagrama de rvore Grfico de Controle Histograma

As ferramentas para melhorar a qualidade, segundo a NBR ISO 9004-4/1993 so: Diagrama de Pareto Diagrama de Disperso Anlise do Modo do Efeito de Falha (FMEA) Testes de Hipteses Anlise de Varincia

Grfico de Controle Sua elaborao baseada em clculos estatsticos. Ele um conjunto de pontos, ordenados no tempo, que so interpretados em funo do limite superior de controle (LSC), linha mdia (LM) e limite inferior de controle (LIC).

Grfico de Controle

Grfico de Controle Etapas coletar dados num perodo de tempo suficiente para que todos os tipos de variao de interesse possam ser observados; calcular as estatsticas de interesse que resumem as informaes contidas nos dados; calcular os limites de controle com base nas estatsticas e marca-los num grfico; traar a curva a partir dos pontos (estatsticas); analisar os grficos de controle. Quando for detectada a presena de causas especiais buscar identificar, eliminar e prevenir sua repetio.

Grfico de Controle Etapas

n

LSC = x + A2 R LIC = x A2 R
x
A2 -

Constante A2 1,88 1,02 0,73 0,58 0,48 0,42 0,37 0,34 0,31

2 3 4 5 6 7 8 9 10

- mdia das amostras. valor tabelado.

R - valor mdio da amplitude.

Grfico de Controle uma ferramenta usada para avaliar a estabilidade do processo, determinar se um processo necessita ser ajustado ou no. Os grficos de construdos para: controle podem ser

Variveis: caracterstica cujo valor o resultado de uma medio (grfico da mdia e da amplitude, grfico da mdia e desvio padro).

Grfico de Controle Atributos: caractersticas cujo resultado obtido de uma classificao ou contagem (grfico da frao defeituosa, grfico do nmero de defeituosos na amostra, grfico do nmero de defeitos na amostra, grfico do nmero de defeitos por unidade de inspeo).

Histograma uma descrio grfica de dados quantitativos agrupados em classes de freqncia que permite verificar o tipo de distribuio, sua forma (assimetria e achatamento), o valor central (mdia) e a disperso dos dados (desvio padro). normalmente utilizado para variveis contnuas.

Histograma Etapas obter uma amostra de tamanho n; determinar o maior e o menor valor (Xmax e Xmin); calcular a amplitude; determinar o nmero de classes (k); calcular a amplitude de classes; determinar os limites das classes; construir uma tabela de freqncia; traar o diagrama.

Histograma Para n 25 K=5 (nmero de classes) Para n > 25 K = n

Histograma
Como interpretar um Histograma - ???

Histograma

O processo apresenta uma disperso adequada e est corretamente centrado, de modo que as peas produzidas caiam dentro dos campos de tolerncia.

Propriedades
Ei, ei

f(x)

Es, es

O processo est corretamente ajustado, apresenta disperso boa em relao aos limites especificados.

Histograma

Histograma

Propriedades
Ei, ei

f(x)

Es, es

O processo est corretamente ajustado, mas apresenta disperso exagerada em relao aos limites especificados.

Propriedades
Ei, ei

f(x)

Es, es

O processo est incorretamente ajustado e tem elevada disperso.

Propriedades
Ei, ei

f(x)

Es, es

O processo est corretamente ajustado e tem boa disperso, porm a qualidade do processo muito superior s necessidades do produto.

Diagrama de Disperso uma tcnica grfica que permite verificar se dois conjuntos de dados esto ou no correlacionados. Etapas para a elaborao coletar os pares de dados de dois conjuntos X e Y cuja relao ser estudada; plotar os pontos em um grfico; examinar o formato da nuvem de pontos para descobrir o tipo e a intensidade da relao.

Diagrama de Disperso

Diagrama de Disperso

Diagrama de Disperso

Bibliografia Magalhes, Marcos Nascimento Noes probabilidade e estatstica. Captulo 4 Medidas Resumo (125-164). de

Spiegel, M.R. Estatstica Captulo 3 Mdia, mediana, moda e outras medidas da tendncia central (70-108) Captulo 4 O desvio padro e outras medidas de disperso (109-142).