Modelo de Relatório de Prática - estrutura

Capa
1. Situação física
1.1 Descrição da situação real
2. Problema – valor teórico (VT)
2.1 Identificação da variável dependente (condição de projeto)
3. Valor de referência (VR)
3.1 Identificação do valor de referência da variável
3.2 Desvio esperado, em porcentagem
3.3 Incerteza esperada, em porcentagem
4. Formulação teórica
4.1 Definição do volume de controle ou sistema
4.2 Tipo de análise
4.3 Dedução teórica
4.3.1 Simplificações e verificação
5. Simulação numérica
5.1 Obter valores das variáveis dependentes do modelo.
6. Processo de redução de dados
7. Instrumentação e estimativa de incertezas
8. Fluxograma do programa EES
9. Croquis da montagem experimental
10. Procedimento de operação da montagem e de medição
11. Testes de depuração
12. Resultados e discussão
12.1 Desvios, incertezas, gráficos(se for aplicável)
13.Conclusão
14.Referências
Apêndice

Modelo de Relatório de Prática - explicação

Capa

De acordo com a REF.2, incluindo nome de turma e número do grupo.

1. Situação física
1.1 Descrição da situação real (o que se vê) com Foto, se já existe, ou esquema de linhas
2D ou isométrico. Sem notações teóricas: nomes de variáveis, referencial, etc. Não fazer
referência ao problema que se deseja analisar.

2. Problema – Valor teórico (VT)

2.1 Referenciando a FOTO ou FIGURA em 1.1, identificar a variável dependente a ser

modelada com nome, símbolo da grandeza, unidade e VALOR (condição de projeto)

3. Valor de referência (VR)

3.1 Identificação do valor de referência da variável, que deve ser independente da

modelagem utilizada. Pode ser um valor obtido por medição direta ou valor teórico,
obtido da literatura ou por equacionamento físico-matemático, independente daquele
utilizado para obtenção do valor teórico. Especificar nome, símbolo da grandeza, unidade
e valor, se tiver a priori.

3.2 Desvio esperado, em porcentagem

É função do tipo de modelagem, complexidade do problema físico, etc. Mas o desvio
deve ser da ordem do que é reportado na literatura. O desvio qualifica a acurácia do
modelo.
Valores nominais serão comparados pelos desvios relativos percentuais com sinal, na
forma,

e = (VT-VR)(100)%
VR
VT, valor teórico
VR, valor de referência
eVT, desvio máximo esperado característico do problema, indicado pela literatura.

3.3 Incerteza esperada, em porcentagem

A incerteza qualifica cada resultado de medição, representado pelo processo experimental

de medição e que inclui procedimentos, instrumentação, variabilidade do próprio
mensurando, etc.
O valor fiducial (relativo) da incerteza do valor teórico é definido por,

eVT = (UVT)(100)%
VT
eVT , valor fiducial, percentual da incerteza propagada no valor teórico, valor máximo
esperado definido pelo usuário

4. Formulação teórica

4.1 Especificar exatamente o volume de controle, VC, ou sistema, S. No caso de VC,

identificar onde exatamente existem taxas de calor, taxas de trabalho, entradas de massa,
saídas de massa e outras condições relevantes. Os pontos de medição das propriedades
associadas à entrada e saída de massa, por exemplo, deverão coincidir com as fronteiras
do VC para que a formulação se mantenha compatível com a experimentação.

4.2 Estabelecer o tipo de análise valores médios uniformes(“Lumped”), integral,

diferencial, etc.

4.3 Aplicar (não explicar) as leis gerais, particulares, definições, propriedades, etc,
necessários para a obtenção da variável dependente em função das variáveis
independentes do modelo físico-matemático.

Por exemplo: Após aplicação das leis gerais e simplificações apropriadas..., obteve-se
potência elétrica é igual a diferença de potencial, V, vezes a corrente, I.

P=(V)(I)

A potência é a variável dependente do modelo, escrita em função das

variáveisindependentes do modelo: V e I.

4.3.1 Concomitante a aplicação das equações, identificar as simplificações, justificando e

testando, uma a uma. Por exemplo: taxa de calor desprezível. Deve ser avaliada, pelo
menos em ordem de grandeza, se pode ser considerada sem comprometer a precisão do
modelo. Exemplo: tensão proporcional à corrente. A constante de proporcionalidade é a
resistência, admitida como constante, sem efeitos da taxa de calor dissipada.

5. Simulação numérica

5.1 Obter valores das variáveis dependentes do modelo.

Do exemplo: P=(V)(I), escolheu-se como valor de projeto, P=100 [W], uma potência
possível de ser reproduzida no laboratório didático. O valor de projeto define o tamanho
da prática a ser feita. O mesmo se aplica às variáveis independentes do modelo, Os
valores devem ser obtidos da simulação utilizando todas as informações disponíveis,
quais sejam dados da literatura, problemas semelhantes.

Por exemplo: V=100 [V] e I=1 [A].

A escolha de V=1 [V] e A=100 [A], além de perigosa, seria difícil de ser reproduzida em
laboratório. Em resumo, os valores não podem ser arbitrários e tem que ser os mais
próximos dos valores reais a serem utilizados na prática que está sendo projetada.

6. Processo de redução de dados

O processo de redução de dados experimentais é composto por todas as operações

necessárias para,a partir dos valores das variáveis experimentais medidos, efetuar a
determinação experimental das variáveis independentes do modelo, .
Conversão de unidades, determinação de propriedades físicas, modelagem necessária
para obtenção de qualquer variável independente do modelo são exemplos.
No exemplo, I será medido diretamente com Amperímetro, mas em [mA]. Será
necessário dividir o valor por 1000 para converter a unidade utilizada pelo sistema de
medição para o SI.
No caso de V, será derminado por meio da leitura de corrente e da resistência, mediante
utilização de um Ohmímetro e a Lei de Ohm, V=(R)(I)
A Lei de Ohm não tem nada a ver com o modelo em análise, mas consiste em uma
equação de redução de dados, função do processo e instrumentação adotados. A incerteza
resultante da medição é função dessas escolhas.

7. Instrumentação e estimativa de incertezas

Da formulação obteve-se um modelo físico-matemático, P = (V)(I)

Da simulação, valores das variáveis independentes do modelo, que em geral não são
medidas diretamente, V=100 V, I=1 A.
O processo de redução de dados estabelece a relação de cada variável independente do
modelo com variáveis primárias de medição.
No caso, I=I[mA]/1000,
Equação de redução de dados, V=(R)(I),
com o valor medido, R=100 Ω

Com os valores numéricos adotados na simulação para as variáveis dependentes foi

possível, via processo de redução de dados, estabelecer que variáveis devem ser medidas
e os valores respectivos. Finalmente, com estes dados, pode-se escolher a instrumentação
mais adequada considerando preço, princípio de medição, tipo de resultado, se analógico
ou digital, erro máximo, etc.
Como informação básica, mostrar:
Foto e especificação do fabricante: Modelo, tipo de medidor, tipo de saída: analógico ou
digital, fundo de escala, menor divisão (indicativo da resolução), erro máximo ou
acurácia ou certificado de calibração.
Com a estimativa de erro máximo pode-se estimar que a incerteza da medição de cada
variável

UV= Emáx + VM

Sendo
UV, incerteza da Variável primária de medição
Emáx, estimativa de erro máximo da medição
VM, variabilidade do mensurando, inicialmente considerado igual zero. A confirmação
do valor será obtida no processo de medição, se ocorrer.

Observa-se que Emáx e VM não são incertezas ao nível de um desvio padrão. Os valores
assumidos já abrangem limite de confiança, fator de abrangência.

No exemplo dado, é necessário propagar as incertezas das variáveis primárias de

medição, R e I, para obtenção da estimativa da incerteza da variável do modelo, V. O
cálculo, via Série de Taylor, é dado por:

8. Fluxograma do programa EES

Até aqui, os cálculos foram implementados em software com valores simulados. O
fluxograma, nesta seção, corresponde ao programa fonte disponibilizado em Apêndice.

9. Croquis da montagem experimental

Desenho técnico em três visas ou isométrico, com as dimensões básicas. Para
visualização do que será montado e como deve aparentar.

10. Procedimento de operação da montagem e de medição

Com a definição da montagem, instrumentação e variáveis de medição, pode-se
estabelecer o procedimento de operação da montagem e de medição de cada variável.
No caso de várias medições de um parêmetro, aplicar o critério de Chauvenet, de rejeição
estatística, descrito a seguir:
Aplicação do Critério de Chauvenet
Calule a variável normalizada correspondente a cada VMi
zi=(VMi-)/S
sendo

=VMi/N
a média de i resultados de VMi
e N, o número de valores de VMi
e o índice de precisão ou desvio padrão da amostra

Compare cada valor de zi com o valor de zmáx, que é função do número de leituras.

Usando o QUADRO 1 como exemplo:

Quadro 1 – Critério de Chauvenet para rejeição de amostra

N zmá
x
3 1,38
4 1,54
5 1,65
6 1,73
7 1,80
8 1,87
9 1,91
10 1,96
15 2,15
20 2,24

Se algum valor de zi for superior a zmáx, excluir o valor de VD correspondente. Aplicar

o critério apenas uma vez. Valores restantes se enquadram ao limite de confiança de
91,7%. Efeitos: pouca variação na média, sensível redução do desvio padrão da amostra.

Observação: não usar o desvio padrão da média para a VMi:

A menos que se tenha certeza que o mensurando (VD) é invariável, o que não é o caso.

11. Testes de depuração

12. Resultados e discussão
Os itens 11 e 12 constituem um loop que deve ser mantido até que não haja dúvida
quanto a instrumentação e procedimentos de medição uttilizados, medições e incertezas
obtidos, validade das equações utlizadas (simplificações adequadas).

12.1 Desvios, incertezas, gráficos

Na simulação, já pode ser definido o formato de saída dos resultados. Valores nominais
serão comparados pelos desvios relativos percentuais com sinal, na forma,

eVT = (VT-VR)(100)%
VR

pelo valor fiducial (relativo) da incerteza do valor teórico,

(UVT)(100)%
VT

e pelo valor de referência,

(UVR)(100)%
VT
se disponível

No caso de variação dos parâmetros independentes, devem ser criados os gráficos

necessários com as escalas adequadas aos valores de referência reportado na literatura.
Por exemplo, escala logarítmica para o eixo x, implicará na obtenção experimental de
valores de x a incrementos logarítmicos iguais e não incrementos lineares.

O gráfico deve conter a indicação do nome, grandeza e unidade de cada eixo, legendas
internas para identificar mais de uma curva. Cada conjunto de pontos deverá ser
representado por um tipo de símbolo, com as incertezas associadas e superposto à
regressão apropriada. A linha da regressão deverá ser diferença em cor, tipo e espessura.
O desvio padrão da estimativa permite traçar as bandas de incerteza da regressão.

SEE, desvio padrão da estimativa(regressão efetuada)

Fi, ponto experimental em xi
Gi, ponto previsto na regressão para mesmo xi
M, número de pontos experimentais
N, número de coeficientes da regressão
A regressão com ±3SEE implica expectativa de 99,9% dos pontos se situarem no
intervalo.
No caso de valores, apresentar o desvio e valor nominal da variável teórica modelada e o
valor proporcional da incerteza.
No caso de gráficos, apresentar: pontos experimentais com bandas de incertezas,
regressão adequada e banda de incerteza da regressão, valor de referência, escalas
adequadas, nas unidades do gráfico do valor de referência.
Apresentar tabelas construídas em word com os valores percentuais das incertezas da
variável teórica, váriaveis do modelo e variáveis experimentais.
Avaliar cada variável quanto ao valor nominal, incerteza, instrumentação utilizada,
procedimento, para verificar alguma inconsistência.
Terminar demonstranndo quee os desvios estão certos e adequados com a literatura. As
incertezas devem estar adequadamente estimadas.
No caso de gráficos, gerar resultados com incertezas em valores absolutos, em valores
proporcionais, verificar a necessidade de mudança de critério em função da faixa de
variação das variáveis independentes. Ou seja, de 0 até um valor x, incertezas absolutas
fixas; para valores maiores, incertezas proporcionais aos valores nominais.

13.Conclusão
Retormar o objetivo e apresentar a conclusão das discussões.
Se ainda não for possível demonstar quanto, quem, qual motivo e prova, a seção 13 será
Considerações finais.

14.Referências
De acordo com a REF.2

Apêndice
A.1 Código fonte do programa EES
Formatado de acordo com o modelo fornecido - vide exemplo em EES:
formataçãoprogramafonte. EES

Em resumo, a formatação deve conter:

Início
Identificação
Informações do programa
Nomenclatura
Variáveis de saída
Variáveis de entrada

Cálculos:
Dados de entrada
Redução de dados
Processamento
Saída de resultados
Fim

[1] ANDRADE, Maria Margarida. Introdução à Metodologia do Trabalho Científico.

8ed. São Paulo: Atlas, 2007. 160p.
[2] FRANÇA, J. L.; VASCONCELLOS, A. C. Manual para Normalização de
Publicações Técnico-Científicas. 9.ed. Belo Horizonte: UFMG, 2013.
[3] COLEMAN, H. W.; STEELE G. W. Experimentation e uncertainty analysis for
engineers. 1.ed. New York: Wiley, 1989.
[4] ANDRADE, Maria Margarida. Redação Científica – Elaboração do TCC passo a
passo. São Paulo: Factash, 2007.198p.