Escolar Documentos
Profissional Documentos
Cultura Documentos
REVISO: 05
AVALIADOR DE LABORATRIOS
ABR/2013
PROCEDIMENTO DO SISTEMA DE GESTO DA QUALIDADE
SUMRIO
Este documento no deve ser entendido como um substituto ao Guia para a Expresso da Incerteza
de Medio (GUM), que considerado o mtodo internacional de referncia para a expresso da
incerteza de medio. O presente documento visa a fornecer orientaes complementares e a
dirimir eventuais dvidas dos avaliadores de laboratrios da Rede Metrolgica RS, quando da
realizao de avaliaes.
2 REFERNCIAS
A2LA. G108 - Guidelines for Estimating Uncertainty for Microbiological Counting Methods.
1 edio, 2007. Disponvel em: www.a2la.org/guidance/MU_for_Micro_Labs.pdf
ISO. ISO 5725 - Accuracy (trueness and precision) of measurement methods and results. ISO,
1994.
3 DEFINIES
4 METODOLOGIA
A definio formal do GUM para incerteza de medio traz vrios pontos a destacar.
Primeiramente, ressalta-se que a incerteza est relacionada a um valor de medio, que o
resultado da medio, e no ao valor verdadeiro do mensurando, o qual na prtica no
conhecido. O resultado da medio apenas a melhor estimativa de tal valor verdadeiro e, na
ausncia de efeitos sistemticos, geralmente obtido pela mdia aritmtica de N medies
repetidas do mesmo mensurando.
O segundo ponto a destacar que a incerteza caracteriza uma faixa de disperso ou intervalo, e
no um valor pontual. Nesse sentido, a incerteza no deve ser confundida com erro, pois esse
ltimo um valor pontual e no uma faixa e usualmente pode ser corrigido, quando aplicado um
fator de correo adequado. J a incerteza a dvida remanescente associada ao resultado da
medio. Ela mede o grau de desconhecimento sobre aquilo que est sendo medido.
Por fim, cabe ressaltar que a incerteza corresponde a uma faixa de valores que podem ser
atribudos fundamentadamente ao mensurando, isto , de uma forma fundamentada e realista, no
devendo ser entendida como uma faixa de segurana. Ou seja, a incerteza no deve, por um
lado, ser subestimada e, por outro, tampouco deve ser sobreestimada.
Exemplo 01: suponha que o dimetro de uma pea medida por um laboratrio atravs de uma
mdia de observaes repetidas seja de 10,32 mm, com incerteza de 0,03 mm (digamos que esse
valor de incerteza tenha sido calculado pelo laboratrio), para uma probabilidade de abrangncia
de 95,45%. Ou seja, o dimetro da pea ser (10,32 0,03) mm. Em outras palavras, isso quer
dizer que, com 95,45% de probabilidade, o intervalo de incerteza que vai desde 10,29 mm at
10,35 mm compreender o valor do dimetro da pea e que a melhor estimativa para esse dimetro
de 10,32 mm.
Como um resultado de medio nada mais do que meramente uma estimativa do valor
verdadeiro do mensurando, a incerteza torna-se necessria para expressar o grau de dvida
associado ao resultado da medio. Dessa forma, a incerteza fundamental em diversas situaes,
tais como:
b) na rea de ensaios, para verificar se o resultado do ensaio pode ser aprovado ou no;
Adicionalmente, a incerteza de medio pode ser um diferencial competitivo, pois o cliente tende
a buscar aquele laboratrio que tenha melhor qualidade na sua medida e, portanto, a menor
incerteza. Assim, a incerteza se constitui como um parmetro fundamental que indica a qualidade
da medio.
Exemplo 02: uma legislao estabelece que o teor mximo de contaminantes em uma amostra de
pescado de 0,200 mg/g. Se o resultado de uma medio for prximo a esse limite, por exemplo,
0,197 mg/g, surge uma dvida: o nvel de contaminantes na amostra, de fato, atende legislao,
ou ele est acima do permitido, uma vez que o resultado apenas uma estimativa e esse apresenta
uma incerteza? A Figura 1 ilustra tal situao.
Limite Mximo
Permitido de
0,200 mg/g
Probabilidade de no
atender legislao
Resultado
da medio
de 0,197 mg/g
Figura 1. Impacto da incerteza na deciso de aprovar ou rejeitar uma amostra
Levando em considerao a incerteza, o usurio dessa medio pode avaliar qual a probabilidade
do valor de contaminantes no pescado estar acima do limite mximo permitido pela legislao. Por
exemplo, se a incerteza expandida da medio for de U = 0,004 mg/g, para uma probabilidade de
abrangncia de 95,45% de uma distribuio normal, com fator de abrangncia k = 2, a
probabilidade do nvel de contaminantes no atender legislao ser conforme segue:
Esse conceito de avaliao de risco se estende a vrias situaes e s pode ser conhecido caso a
incerteza tambm a seja. Dessa forma, se a incerteza no tiver sido expressada de uma maneira
adequada, a interpretao do resultado tambm ser prejudicada, podendo acarretar em
desperdcios e retrabalhos para o usurio da medio.
Tendo em vista o exposto, a cuidadosa avaliao da incerteza de medio por parte do avaliador
da Rede Metrolgica RS torna-se um fator fundamental na avaliao da competncia tcnica de
laboratrios de calibrao e ensaio.
O objetivo desse tpico realizar, de uma maneira sucinta, uma reviso sobre o mtodo de
expresso da incerteza1 descrito pelo GUM, que a referncia internacional na rea. Maiores
detalhes podem ser consultados no referido documento e nas demais publicaes indicadas nas
referncias. Os passos do mtodo podem ser resumidos no fluxograma da Figura 2.
1
O termo expresso da incerteza, conforme utilizado pelo GUM, foi empregado neste documento no seu sentido
mais amplo, o qual compreende desde o estudo das componentes de incerteza e a sua estimativa, at a sua
apresentao. Optou-se por no utilizar o termo avaliao da incerteza porque esse poderia ser confundido com a
atividade de avaliao realizada pelo avaliador da Rede Metrolgica RS.
REDE METROLGICA RS Pgina 5 de 32
RM 68 Incerteza de Medio: Guia Prtico do Avaliador de Laboratrios rev. 05
Passo 2: definir as
componentes de incerteza
Sim
Passo 3: estimar as
incertezas padro
Passo 4: calcular os
coeficientes de sensibilidade
Passo 5: avaliar
possveis correlaes
Quantificar os efeitos de
correlao
No
Passo 6: obter a
incerteza combinada
Passo 7: obter a
incerteza expandida
Ao final, convm apresentar todos os clculos realizados por meio de uma planilha de incerteza.
Convm que tal planilha apresente, no mnimo, a descrio das componentes de incerteza, o valor
das incertezas padro, os coeficientes de sensibilidade, as contribuies para incerteza, a incerteza
combinada, o valor do fator de abrangncia k e a incerteza expandida.
= f(F, A) = F / A (4)
Exemplo 04: em calibraes, o mensurando geralmente o erro de indicao, definido pelo VIM
como a indicao de um instrumento de medio menos um valor verdadeiro (convencional) da
grandeza de entrada correspondente. Logo, o modelo matemtico para o erro de indicao ser:
EI = VI VVC (5)
Onde EI o erro de indicao, VI o valor indicado pelo instrumento e VVC o valor verdadeiro
convencional. Em alguns casos, pode ser difcil explicitar o modelo matemtico da medio. Veja
a seo 4.4 deste documento para maiores orientaes quanto ao estabelecimento do modelo
matemtico da medio.
A seguir, deve-se realizar uma anlise crtica a fim de identificar todas as componentes de
incerteza. Tais componentes podem estar atreladas a condies ambientais, operador,
equipamentos e padres utilizados, mtodo de medio, amostragem e outros fatores.
Uma vez definidas as componentes de incerteza, deve-se verificar se todas elas esto devidamente
representadas como grandezas de entrada no modelo matemtico da medio. Em caso negativo,
deve-se complementar o modelo matemtico pela introduo de tais grandezas. Maiores detalhes
sobre modelos matemticos de medio constam no item 4.4.
Para auxiliar na definio das componentes de incerteza, o laboratrio pode fazer uso do diagrama
de causa e efeito, porm sua utilizao no deve ser entendida como obrigatria. Os itens 4.5.2 e
4.5.3 deste documento apresentam uma relao de componentes de incerteza comum em diversos
tipos de calibraes e ensaios.
A avaliao do Tipo B o mtodo que emprega outros meios que no a anlise estatstica de uma
srie de observaes repetidas no momento do ensaio/calibrao. Nesse caso, a avaliao da
incerteza baseada em outros conhecimentos, tais como:
Por exemplo, imagine que o erro mximo admissvel de um equipamento seja de 0,50 %. Ento,
a incerteza padro u(xi) correspondente, admitindo uma distribuio de probabilidade retangular,
ser de:
0,50 (6)
u( x )
i
0,29%
3
A distribuio de probabilidade para cada varivel depende do tipo de informao que se tem
disponvel a respeito da respectiva componente de incerteza. A Figura 4 fornece orientaes
quanto atribuio de distribuies de probabilidade, assim como o seu divisor apropriado.
Figura 4. Distribuies de probabilidade e seus divisores apropriados para o tipo de componente de incerteza
Regra 1: se o modelo matemtico da medio for uma pura soma de N variveis, os coeficientes
de sensibilidade sero todos iguais a um. Caso haja subtrao, o sinal do coeficiente ser negativo.
Exemplo 05: um laboratrio deseja realizar uma pesagem de uma amostra contida em um
recipiente. Para tanto, realiza a pesagem do recipiente vazio e, aps colocada a amostra, realiza
nova pesagem, correspondendo massa total do recipiente com a amostra. A massa de amostra,
Ma, ser igual massa total, Mt, menos a massa do recipiente vazio Mr (ou seja, Ma = Mt Mr). Os
coeficientes de sensibilidade cMt e cMr para as variveis massa total e massa do recipiente vazio
sero, respectivamente:
cMt = 1
cMr = 1
Exemplo 06: considerando o exemplo 03, do ensaio de tenso de ruptura, se o valor de fora
aplicada para romper o corpo de prova for de 2500 N e a rea for de 50 mm2, os coeficientes de
sensibilidade para a fora, cF, e para a rea, cA, sero:
cF = ( F / A ) / F = 1 / A = 1 / 50 = 0,02 mm-2
As derivadas tambm podem ser estimadas por simulao numrica. O resultado, neste caso, ser
aproximado. O mtodo da simulao de Kragten, descrito na Eurachem (2000), pode ser
consultado.
A correlao existe quando duas grandezas de entrada, Xi e Xj, apresentam uma relao de
dependncia entre elas ou com uma terceira grandeza de entrada comum a ambas. Tal relao
pode estar presente quando, por exemplo, as duas grandezas de entrada so medidas com um
mesmo equipamento. Nesse caso, pode-se dizer que a correlao ser forte.
O coeficiente de correlao, r(xi,xj), mede o grau de correlao linear entre duas variveis. Ele
pode variar desde 1 at 1. No caso de duas grandezas de entrada medidas com um mesmo
equipamento, pode-se dizer, para efeitos prticos, que r(xi,xj) = 1.
Efeitos de correlao podem reduzir a incerteza combinada quando, por exemplo, um instrumento
utilizado como um comparador entre um padro e um em calibrao. Tal caso consiste em uma
correlao negativa. Em outras situaes, os erros das medies de variveis correlacionadas sero
combinados em uma mesma direo e isso acarretar um aumento da incerteza combinada. Esse
caso consiste em uma correlao positiva. O efeito da correlao ser negativo se r(xi,xj) < 0 e ser
positivo se r(xi,xj) > 0.
s( x , x ) (7)
r(x , x ) i j
s( x ) s( x )
i j
i j
Onde s(xi) o desvio padro associado a xi, s(xj) o desvio padro associado a xj e s(xi,xj) a
covarincia associada a xi e xj, obtidos atravs dos dados das n medies repetidas de xi e xj.
A relao de dependncia entre duas variveis tambm pode ser avaliada matematicamente por
meio da avaliao das componentes de incerteza que so comuns entre ambas as variveis. Isto
pode ser feito atravs do clculo da covarincia. Por exemplo, suponha que duas variveis X1 e X2
dependam de um conjunto de variveis no-correlacionadas Q1, Q2, ..., QN. Assim:
Se u2(qi) o quadrado da incerteza associada varivel Qi, ento os quadrados das incertezas
associadas X1 e com X2 sero:
f
2
(9)
u (x )
N
2 2
u (q )
q
1 i
i 1
i
g
2
(10)
u ( x ) u (q )
N
2 2
q
2 i
i 1
i
f g (11)
u( x , x )
N
2
u (q )
q q
1 2 i
i 1
i i
dado i, contriburem para o somatrio da Equao 10, a covarincia zero se nenhuma varivel
comum a ambos f e g.
Exemplo 07: um laboratrio de anlises qumicas realiza uma diluio de amostra, pipetando 1 mL
de amostra em um balo volumtrico de 10 mL e avolumando com gua destilada. O modelo
matemtico para o fator de diluio, F, ser:
F = Vf / Vi (12)
Onde Vf o volume final de diluio de 10 mL, medido com balo volumtrico, e Vi o volume
inicial pipetado de amostra a ser diluda, de 1 mL. A variao de temperatura, T, ir causar uma
expanso volumtrica, V, tanto em Vi como em Vf, de acordo com:
V = V0..T (13)
u (T ) 5 / 3 mL (14)
V V
u (V ,V ) i
u (T ) V V u (T )
f 2 2 2 (15)
T T
i f i f
u (V ,V ) 1 2,1 10 10 5 / 3 0,000003675 mL
2
4 2 2
(16)
i f
Uma vez obtidas todas as incertezas padro e os coeficientes de sensibilidade, a lei de propagao
de incertezas estabelece que as incertezas padro relacionadas a cada varivel do modelo
matemtico da medio devem ser propagadas para gerar uma incerteza combinada uc(y) tal que:
u y c u x u y
N N
2 2 2 (17)
c i i i
i 1 i 1
Tal incerteza representa uma faixa de disperso equivalente a um desvio padro, avaliado ao redor
do resultado da medio.
u y c u x 2 c c u x u x r x , x
N N j N
2 2 (18)
c i i i j i j i j
i 1 i 1 j i 1
u y c u x 2 c c u x , x
N N j N
2 2
(19)
c i i i j i j
i 1 i 1 j i 1
Exemplo 08: um metrologista deseja medir, atravs de um cronmetro, o tempo que uma amostra
leva para atingir determinado estado previamente definido. Ele repete seu experimento cinco vezes
e o resultado final a mdia aritmtica das cinco repeties. Considere as seguintes componentes
de incerteza: a) desvio padro experimental da mdia das repeties; b) incerteza advinda do erro
mximo admissvel do cronmetro, especificado pelo seu fabricante; c) efeito da resoluo finita
do cronmetro utilizado. Tal exemplo apenas ilustrativo, porm pode ser estendido para diversas
reas da metrologia. O modelo matemtico da medio pode ser escrito como:
Onde Y o tempo mdio que a amostra leva para atingir o estado, X a melhor estimativa do
tempo, obtido pela mdia aritmtica das cinco repeties, esp a incerteza advinda do erro
mximo admissvel do cronmetro, especificado pelo seu fabricante, e res o efeito causado pela
resoluo finita do cronmetro.
Se o valor das cinco medies so 3,02 s, 3,12 s, 3,02 s, 3,07 s e 3,12 s, logo a mdia ser 3,07 s e
o desvio padro das observaes repetidas ser 0,05 s. Considere que o erro mximo admissvel do
cronmetro seja de 0,02 s e que a resoluo do cronmetro seja de 0,01 s.
u ( 0,02 / 3 0,0115 s
esp
(21)
u ( (0,01 / 2) / 3) 0,0029 s
res
(22)
u y c u x u X u u 0,0253 s (24)
N
2 2 2 2 2
c i i esp res
i 1
U = k uc(y) (25)
Onde k definido para uma determinada probabilidade de abrangncia (geralmente 95,45%). Para
uma distribuio normal e uma probabilidade de abrangncia de 95,45%, k = 2.
Por exemplo, para uma varivel com distribuio retangular, pode-se atribuir infinitos graus de
liberdade, pois temos alta credibilidade na estimativa da sua incerteza padro, j que a distribuio
retangular fechada dentro de um intervalo (tem-se 100% de certeza de que o valor da varivel
estar contido no intervalo a). O mesmo se aplica a distribuies triangulares.
O grau de liberdade associado ao mensurando y, chamado grau de liberdade efetivo,eff , pode ser
estimado por meio da frmula de Welch-Satterthwaite:
(26)
u y 4
u y 4
v c c
eff
c u ( x )
N
u ( y) 4
N
4
i i i
v
i 1
v
i
i 1
i
Tabela 2. Valor de k em funo do valor de eff calculado, considerando probabilidade de abrangncia de 95,45 %
eff k
1 13,97
2 4,53
3 3,31
4 2,87
5 2,65
6 2,52
7 2,43
8 2,37
9 2,32
10 2,28
15 2,18
20 2,13
25 2,11
30 2,09
35 2,07
40 2,06
50 2,05
100 2,03
2,00
Exemplo 09: considere o resultado do exemplo 08. Para obter a incerteza expandida, primeiro
deve-se calcular eff de acordo com a Equao 26. Como o efeito da resoluo finita e o erro
mximo admissvel do cronmetro so componentes de incerteza descritas por distribuio
retangular, pode-se atribuir infinitos graus de liberdade para tais componentes. Assim, eff ser:
u y
4
4
0,0253
v
c
6,6
eff
c u ( x ) 0,0224 0,0115 0,0029
N
4 4 4 4
i i
v
i 1
5 1 i
(27)
O valor de eff deve ser interpolado ou truncado para o valor mais baixo. Dessa forma, eff = 6. O
valor de k, segundo a Tabela 2 ser, ento, 2,52. Dessa forma, a incerteza expandida pode obtida
por meio da Equao 25, tal que:
v
c u x
N
i 1
2
i
2
i
2
(29)
eff
N c u ( x ) 4
i i
i 1
v i
y i i
i 1
A incerteza expandida deve ser arredondada para, no mximo, dois algarismos significativos (no
confundir com casas decimais). Algarismos significativos so todos aqueles contados, da esquerda
para a direita, a partir do primeiro algarismo diferente de zero. Exemplos:
O valor numrico do resultado da medio deve ser arredondado para o mesmo nmero de casas
decimais do valor da incerteza expandida. Para o processo de arredondamento, as regras usuais de
arredondamento de nmeros devem ser utilizadas (para mais detalhes ver ISO 31-0:1992, anexo
B). Entretanto, se o arredondamento diminui o valor numrico da incerteza de medio em mais
de 5%, o arredondamento deve ser feito para cima.
Exemplo 10: a incerteza expandida no caso da medio do tempo descrita no exemplo 09,
arredondada para dois algarismos significativos, ser U = 0,064 s, pois o ltimo algarismo da
Equao 28 maior que cinco, logo arredonda-se para cima. Contudo, se o laboratrio desejar
expressar a incerteza com um algarismo significativo e, dessa forma, utilizar o mesmo nmero de
casas decimais que o cronmetro dispe, o erro de arredondamento para baixo ser:
Como o erro de arredondamento nesse caso foi maior do que 5%, o arredondamento no pode ser
feito para baixo e a incerteza expandida ser, ento, 0,07 s. O resultado final da medio pode ser
apresentado como (3,07 0,07) s.
2
WILLINK, R. A generalization of the WelchSatterthwaite formula for use with correlated uncertainty components.
Metrologia 44, 340-349. IOP: 2007.
REDE METROLGICA RS Pgina 16 de 32
RM 68 Incerteza de Medio: Guia Prtico do Avaliador de Laboratrios rev. 05
Muitas vezes, o mtodo de medio explicita um modelo matemtico, como no exemplo de tenso
de ruptura, apresentado na Equao 4. Em geral, na rea de calibrao, quando se tratar de uma
comparao direta, o modelo matemtico ser uma pura soma e/ou subtrao de N variveis. Os
documentos EA-4/02 e M3003 trazem uma srie de exemplos de tais casos.
R V (31)
S S
R V X X
Assim, o modelo matemtico da medio descrito na Equao 32 deve ser complementado, de tal
forma que:
V (33)
R R R R s(V )
X
X
S D TC T
V S
Esse processo de iniciar com um modelo matemtico bsico da medio, sob forma simplificada, e
complement-lo em seguida com todas as variveis que afetam a incerteza um fator fundamental
para a adequada aplicao do mtodo do GUM.
Em outras situaes, particularmente em reas especficas de ensaios, como na qumica, pode ser
impraticvel explicitar o modelo matemtico da medio sob forma detalhada. Nessas situaes, o
laboratrio pode determinar experimentalmente os fatores ou, pelo menos, considerar a expresso
genrica para o mensurando Y:
Y X
rep exat outros
(34)
Onde X o resultado da medio, rep o efeito devido repetitividade das medies, exat o
efeito devido exatido e outros so os efeitos causados por outros fatores eventualmente
presentes na medida.
Tais fatores so variveis com esperana igual a zero, de forma a no alterar o valor do resultado
da medio, porm com um valor de incerteza definido. As incertezas desses fatores podem ser
obtidas experimentalmente, por exemplo, atravs de dados de validao do mtodo, controle de
qualidade ou projetos fatoriais.
c) deriva dos padres, isto , a variao do padro no intervalo entre suas duas ltimas
calibraes; quando o histrico no est disponvel, uma regra til considerar como
deriva, pelo menos, a incerteza da calibrao do padro;
d) incerteza do fator de correo para erros sistemticos do padro; o fator de correo deve
ser estimado por meio de uma anlise de regresso dos erros sistemticos do padro;
e) erro mximo admissvel para o padro, quando uma correo para os erros sistemticos
no aplicada; em tal caso, possvel eliminar as componentes de incerteza b, c e d
listadas anteriormente, quando essas esto includas na anlise crtica do erro mximo
admissvel do laboratrio; a correo para erros sistemticos conhecidos sempre uma
situao prefervel do que incluir a componente de erro mximo admissvel na incerteza da
medio.
A Figura 5 traz uma relao de componentes de incerteza especficas que podem ser relevantes em
diversas reas de calibrao. A relao a seguir foi elaborada baseada nos documentos citados nas
referncias. A Figura 5 deve ser entendida apenas como um guia orientativo.
A Figura 6 traz uma relao de componentes de incerteza especficas que podem ser relevantes em
diversas reas de ensaio. Assim como na Figura 5, a Figura 6 deve ser entendida apenas como um
guia orientativo. Caber ao avaliador verificar se as componentes descritas na Figura 6 sero
pertinentes em cada caso e se haver outras componentes relevantes a serem consideradas.
Maiores detalhes podem ser consultados nos documentos de referncia citados.
O GUM cita que a melhor estimativa do valor do mensurando, na ausncia de efeitos sistemticos,
obtida atravs da mdia aritmtica de N observaes repetidas do mesmo mesurando. O desvio
padro experimental da mdia , neste caso, uma medida de incerteza associada ao valor da mdia,
indicando a repetitividade da medio, sendo calculado por:
s
s
X
(35)
N
Onde s o desvio padro experimental das observaes repetidas da medio. Em alguns casos, as
observaes repetidas podem estar correlacionadas e, assim, a Equao 35 pode no ser o
estimador mais adequado da repetitividade. Isso pode ocorrer, por exemplo, em medies na rea
de freqncia e uma alternativa Equao 35 utilizar a varincia Allan3.
Em diversas situaes, sobretudo em ensaios, o resultado da medio obtido por meio de uma
nica medio, pois a repetio pode no ser tcnica ou economicamente vivel. Dessa forma, no
haver como calcular o desvio padro da mdia de medies repetidas, pois a medio no
repetida. Essa importante componente de incerteza, contudo, indica os efeitos aleatrios de
repetitividade da medio e necessita ser considerada de outra forma.
Nas situaes em que uma nica medida utilizada para expressar o resultado da medio, o
laboratrio pode estimar a componente de repetitividade atravs de um estudo histrico, realizado
previamente medio. Por exemplo, a repetitividade pode ser estimada atravs de uma srie de,
no mnimo, sete medies realizadas em duplicatas, totalizando catorze resultados de
ensaio/calibraes. Neste caso, o desvio padro de repetitividade ser igual mdia das diferenas
entre as duplicatas, dividido pelo coeficiente 1,1284:
D (36)
s
1,128
No caso de medidas nicas utilizadas para expressar o resultado da medio (isto , o resultado
um valor individual e no uma mdia), o desvio padro calculado pela Equao 36 no deve ser
divido pelo divisor N apresentado na Equao 35.
Em certas reas da metrologia, pode ser necessrio um tratamento matemtico prvio nos dados,
por exemplo, atravs da aplicao de logaritmos. Esse o caso na microbiologia, devido ao
3
ALLAN, D. W. (1987), IEEE Trans. Instrum. Meas. IM-36, 646-654.
4
O coeficiente 1,128 vlido para medies realizadas em duplicatas e para um nmero total de dados 30. Para um
nmero diferente de repeties ou para um nmero total de dados menor, recomenda-se consultar: AIAG. MSA
Measurement Systems Analysis. AIAG. Daymler Chrysler Corporation, Ford Motor Company and General Motors
Corporation, 3.ed, 2002.
REDE METROLGICA RS Pgina 22 de 32
RM 68 Incerteza de Medio: Guia Prtico do Avaliador de Laboratrios rev. 05
Existem vrios mtodos para determinar a reprodutibilidade interna, sendo dois dos principais
deles atravs de (INMETRO, 2008):
b) um estudo com t amostras/itens de calibrao medidos n vezes cada um deles, tal que o
desvio padro de reprodutibilidade interna ser obtido atravs de:
(37)
Onde:
Um mtodo simplificado, porm menos eficaz para estimar a reprodutibilidade interna baseia-se
na execuo de n medies (n 15), em condies pr-definidas, tal que a sua estimativa ser:
(38)
Tal relao de dependncia determinada pela verificao interna do equipamento com padres
rastreveis com concentraes definidas. A partir de tais resultados, calcula-se a equao de
regresso, determinada pelo mtodo dos mnimos quadrados. Para uma curva de regresso de
primeiro grau, muitas vezes chamada na qumica de curva de calibrao, temos que:
y = a + bx (39)
A partir da Equao 39, quantifica-se ento a concentrao prevista em uma determinada amostra
ensaiada, xprev, a partir de uma resposta observada pelo equipamento, yobs, tal que:
Existem vrias formas par estimar a incerteza padro da curva de regresso no ponto xprev. A
Equao 41, recomendada pela Eurachem (2000) uma forma delas, porm atenta-se para o fato
que a Equao 41 apenas uma forma simplificada de estimar a incerteza, pois no considera os
efeitos de correlao entre os coeficientes da reta a e b.
S 2
1 (x x) (41)
u( x ) 1 prev
n x ( x ) / n
prev 2 2 2
b i i
Onde xprev o valor previsto pela curva obtido por uma leitura individual, n o nmero de pontos
na curva de regresso, S o desvio padro dos resduos, calculado pelas diferenas quadrticas
entre o valor calculado pela curva, ycalc, e o valor de referncia obtido pela leitura do padro, yreal:
n 2
(y calc i y real i )
S2 i 1 (42)
n2
A incerteza padro da curva de regresso linear de primeiro grau, u(xprev), ser uma componente
de incerteza com n 2 graus de liberdade.
Uma forma mais adequada de estimar a incerteza padro da curva de regresso no ponto xprev
considerando a correlao entre os coeficiente a e b da reta, conforme recomendao do GUM.
Neste caso, u(xprev) estimado por:
a
2
b
2 2
a b
(43)
x (44)
r ( a, b) i
n x 2
s x 2 2
s x 2 2
(45)
u (a)
2 i
u (a) i
n x ( x ) 2
i i
2
n x ( x ) 2
i i
2
2 2
s s (46)
u (b) n
2
u (b) n
n x ( x ) 2
i i
2
n x ( x ) 2
i i
2
Exemplo 12: um laboratrio obtm uma curva de regresso de primeiro grau para seu
espectrofotmetro de absoro atmica a partir da leitura de cinco padres, conforme Tabela 3.
Com tais dados, ele deseja calcular a incerteza da curva de regresso na leitura de amostra com
valor xprev = 6,235 mg/L.
16
14 y = 0,9950787x + 0,0168805
12
10
Absorbncia
0
0 2 4 6 8 10 12 14 16
Concentrao
Pela Equao 42, obtm-se o desvio padro dos resduos, que ser:
x 33 (48)
r ( a, b) i
0,78328
n x 2
i
5 355
s x 2
0,025 3552 2
(49)
u (a) i
0,01793
n x ( x )
2
i
5 355 (33) i
2 2
s 2
0,025 2
(50)
u (b) n 5 0,002128
n x ( x )
2
i
5 355 (33) i
2 2
Ento, a incerteza padro da curva de regresso no ponto xprev = 6,235 mg/L obtida de acordo com
a Equao 43 ser:
1 a y 1 a y
2 2
u ( x ) 0,01793 2
0,002128 2 (0,01793)(0,002128)(0,78328)
2
b b b b
prev 2 2
u ( x ) 0,011 mg/L
prev
(51)
Se a Equao 41, proposta pela Eurachem (2000), for aplicada, pode-se perceber que a incerteza
ser sobreestimada.
Isso ocorre porque a Equao 41, como j mencionado, no considera a correlao entre os
coeficientes da reta. Desta forma, a Equao 43 prefervel, em detrimento Equao 41.
importante ressaltar que existem vrios mtodos para estimar a incerteza de um ponto em uma
curva de regresso. Maiores detalhes podem ser consultados no GUM ou na Eurachem (2000). A
abordagem apresentada anteriormente igualmente vlida na rea de calibrao, para calcular a
incerteza associada a uma curva de correo de erros sistemticos de padres de referncia e
equipamentos.
Amostragem definida pela NBR ISO/IEC 17025 como um procedimento, pelo qual uma parte de
uma substncia, material ou produto retirada para produzir uma amostra representativa do todo,
para ensaio ou calibrao.
Ainda que possa ser aplicada em calibraes, a amostragem usualmente ocorre na rea de ensaios.
Os Guias de Incerteza da Amostragem publicados pela Eurachem (2007) e pela Nordtest (2007)
so referncias que podem ser consultadas. Outras referncias igualmente podem ser utilizadas
pelo laboratrio, desde que reconhecidas nacional ou internacionalmente.
Quando o resultado da medio no se referir somente amostra ensaiada/item calibrado, mas sim
a todo um lote ou regio avaliada, a amostragem usualmente a maior contribuio de incerteza.
Existem vrias formas de se estimar a incerteza da amostragem, seja atravs de variogramas,
abordagem por modelagem ou por ensaios replicados. Esse ltimo normalmente o mais aplicado
na prtica, pela sua facilidade de clculo. Sua estimativa est baseada na execuo de amostragens
replicadas.
O modelo matemtico da medio, quando a amostragem realizada, pode ser escrito como:
Y X anlise
amostragem
(53)
Da Equao 53, tem-se que a incerteza combinada total da medio, umedio, que considera os
efeitos de amostragem, dada por:
u medio
u 2
amostragem
u 2
anlise
(54)
Onde uamostragem a incerteza padro da amostragem e uanlise a incerteza combinada das anlises.
Reescrevendo a Equao 54, pode ser obtida a incerteza padro da amostragem:
u amostragem
u 2
medio
u 2
anlise
(55)
Para maiores detalhes sobre a incerteza da amostragem, recomenda-se a leitura das referncias
citadas anteriormente.
A NBR ISO/IEC 17025 determina em seu requisito 5.4.7 que o laboratrio deve assegurar que o
software de computador desenvolvido pelo usurio esteja documentado em detalhes suficientes e
apropriadamente validados, como adequado para uso.
Ainda que a primeira estratgia seja a mais empregada, ela tambm a mais trabalhosa e a mais
propensa a erros. Por essa razo, a segunda estratgia normalmente mais recomendada. Outras
formas de validao tambm podem ser aceitas, desde que analisadas pelo avaliador e constatadas
como vlidas. importante ressaltar tambm que o avaliador deve evidenciar com o laboratrio os
registros da validao de tais planilhas de incerteza.
Um importante fator que o avaliador deve verificar como o laboratrio analisa criticamente a
incerteza de suas medies.
Pode-se constatar que a incerteza impacta em diversos requisitos da NBR ISO/IEC 17025, dentre
eles:
a) na anlise crtica do pedido (requisito 4.4): o laboratrio deve avaliar se possui capacidade
para atender aos requisitos do cliente; isso inclui avaliar se a sua incerteza de medio
adequada s necessidades ou no;
100 mm 110 mm
Probabilidade de
atender
especificao Probabilidade de no
atender especificao
Y = 108 mm
u1(y)
Contribuio de Incerteza
u2(y)
u3(y)
u4(y)
u5(y)
Contribuio Relativa
A melhor capacidade de medio a menor incerteza que um laboratrio de calibrao pode obter
para uma determinada calibrao em sua condio normal de trabalho.
A melhor capacidade de medio deve ser aplicvel a todos os valores dentro de uma determinada
faixa de medio e no apenas menor incerteza que pode ser obtida em um nico ponto de tal
faixa. H vrias formas de apresentao da melhor capacidade de medio de acordo com a faixa
de medio. Exemplos so descritos a seguir:
a) Melhor capacidade de medio para um nico valor da grandeza; esse o caso, por
exemplo na rea de calibrao de pesos padro. Um exemplo segue na Tabela 4.
b) Melhor capacidade de medio para toda uma faixa de valores. Um exemplo segue na
Tabela 5.
Tabela 7. Melhor capacidade de medio expressa por um valor fixo somado a um percentual
Faixa de medio Melhor capacidade de medio
De 2 V at 10 V 0,01 V + 0,005 %
e) Melhor capacidade de medio como um valor fixo somado a um fator que depende
linearmente do valor medido. Pode ocorrer, por exemplo, em determinadas medies
dimensionais. Um exemplo segue na Tabela 8.
f) Melhor capacidade de medio apresentada como uma faixa sem especificar a funo que
descreve sua variao. Um exemplo segue na Tabela 9.
Quando h quebra de faixas, isto , a faixa de medio do laboratrio divida em vrias sub-
faixas, cada uma delas com uma melhor capacidade de medio, importante que o avaliador
atente para que no ocorra a indicao de mais do que uma nica melhor capacidade de medio
para cada valor. Para tanto, pode ser empregado o uso de smbolos > e < para representar as
sub-faixas, conforme exemplo da Tabela 10.
Para auxlio aos avaliadores na tarefa de avaliar a incerteza de medio dos laboratrios
reconhecidos ou postulantes ao reconhecimento, a Rede Metrolgica RS disponibiliza o
formulrio FR 53 Check-list para Avaliao da Incerteza de Medio.
O uso da referida check-list por parte dos avaliadores opcional, porm altamente recomendado.
Ressalta-se que, quando da avaliao da incerteza em um laboratrio, cabe ao avaliador verificar,
dentre outros, se:
Maiores detalhes sobre os itens de incerteza a serem verificados durante as avaliaes podem ser
consultados no FR 53.
Preparado por:
Revisado por:
Luiz Henrique Ferreira Avaliador das reas de Ensaio e Calibrao da Rede Metrolgica RS