INCERTEZA DE MEDIÇÃO

http://www.portalaction.com.br/incerteza-de-medicao
Medição

O objetivo de uma medição é determinar o valor do mensurando, isto é, o valor da grandeza

específica a ser medida. A medição começa com uma apropriada especificação da
grandeza, do método e procedimento de medição.
Em geral, o resultado de uma medição é uma aproximação ou estimativa do valor da
grandeza. Assim, o resultado da medição somente está completo se estiver acompanhado
da incerteza da estimativa.
Na prática, a especificação ou definição da grandeza é consequência da exatidão (accuracy)
desejada. Para atender a exatidão requerida, a grandeza deve ser especificada de tal forma
que esta tenha um único valor para os propósitos práticos associados.

Exemplo 1.1
Considere uma haste de 75mm onde a exatidão requerida é de micrômetros. Neste caso,
sua especificação deve incluir a temperatura e pressão. Por outro lado, se o comprimento
da haste deve ser determinado em milímetros, sua especificação não requer a definição da
temperatura e pressão.
Na grande maioria dos casos, o resultado da medição é determinado através de uma série
de leituras obtidas sob condições de repetitividade. Variações obtidas nas leituras repetidas
são consequência de fatores que afetam os resultados das leituras.
Além disso, o modelo matemático da medição, que transforma as leituras repetidas no
resultado da medição é crítico, pois incluí fatores que não são totalmente conhecidos. Assim,
a variação obtida nas leituras repetidas e a falta de informação do modelo matemático,
contribuem para a incerteza do resultado da medição.

Medição
É o conjunto de operações com objetivo de determinar o valor de uma grandeza. Estas
operações podem ser realizadas automaticamente.

Medir
É um processo experimental pelo qual o valor momentâneo de uma grandeza física
(grandeza a medir) é determinado como múltiplo e/ou uma fração de uma unidade,
estabelecida por um padrão, e reconhecida internacionalmente.

Incerteza de Medição

Parâmetro associado ao resultado da medição, que caracteriza a dispersão de valores que

podem ser atribuídos ao mensurando.
1.1 - ERROS, EFEITOS E CORREÇÕES
Em geral, uma medição tem imperfeições que dão origem a um erro no resultado da
medição. Tradicionalmente, o erro é visto como tendo dois componentes, um componente
aleatório e um componente sistemático. É importante deixarmos claro que erro é um
conceito idealizado e os erros não podem ser conhecidos exatamente. Uma discussão
detalhada sobre erro de medição pode ser encontrada no apêndice D da norma ISO GUM
(2008).
O erro aleatório se origina de variações temporais ou espaciais e ocorre de forma
imprevisível. Os efeitos de tais variações (daqui para a frente denominaremos efeitos
aleatórios) são a causa de variações em observações repetidas da grandeza. Embora não
seja possível compensar o erro aleatório de um resultado de medição, ele pode geralmente
ser reduzido aumentando-se o número de observações. Sua esperança ou valor esperado
é zero.
O erro sistemático, assim como o erro aleatório, não pode ser eliminado, porém ele,
frequentemente, pode ser reduzido. Se um erro sistemático se origina de um efeito
reconhecido de uma grandeza de influência em um resultado de medição, daqui para diante
denominado como efeito sistemático, o efeito pode ser quantificado e, se for significativo
com relação à exatidão requerida da medição, uma correção ou fator de correção pode ser
aplicado para compensar o efeito. Suponhamos, que, após esta correção, a esperança da
distribuição de probabilidade associada ao erro sistemático seja zero.
Como dissemos, o erro é um conceito idealizado e os erros não podem ser conhecidos
exatamente. Na prática, associamos uma variável aleatória (por exemplo, a distribuição
normal) para representar o erro de medição, como pode ser observado na Figura 1.1.1.
Outras distribuições de probabilidade também podem ser utilizadas, por exemplo,
associamos o erro devido a resolução do instrumento de medição com a distribuição
retangular (ou, uniforme).

Figura 1.1.1: Representação do erro de medição.

Muitas vezes, utilizamos o desvio padrão amostral da média de uma série de

observações para estudar o comportamento do erro aleatório. Entretanto, o desvio padrão
amostral da média não é o erro aleatório, embora ele assim seja designado em algumas
publicações. Ele é, em vez disso, uma medida de incerteza da média devido a efeitos
aleatórios. O valor exato do erro da média, que se origina destes efeitos, não pode ser
conhecido. Devemos tomar muito cuidado em distinguir entre os termos "erro'' e "incerteza''.
Eles não são sinônimos, ao contrário, representam conceitos completamente diferentes.
A incerteza de uma correção aplicada a um resultado de medição, para compensar um efeito
sistemático, não é o erro sistemático. É, ao contrário, uma medida de incerteza do resultado
devido ao conhecimento incompleto do valor requerido da correção. O erro originado da
compensação imperfeita de um efeito sistemático não pode ser exatamente conhecido. Os
termos "erro'' e "incerteza'' devem ser usados apropriadamente e devemos tomar cuidado
em distinguir um do outro. Supomos que o resultado de uma medição tenha sido corrigido
para todos os efeitos sistemáticos reconhecidos como significativos e que todo esforço tenha
sido feito para identificar tais efeitos.

Exemplo 1.1.1
Uma correção devido à impedância finita de um voltímetro usado para medir uma diferença
de potencial (a grandeza) através de um resistor de alta impedância é aplicada para reduzir
o efeito sistemático sobre no resultado da medição proveniente do efeito de carregamento
do voltímetro. Entretanto, os valores da impedância do voltímetro e do resistor, que são
usados para estimar o valor da correção e são obtidos a partir de outras medidas, são
incertos. Essas incertezas são usadas para avaliar a componente de incerteza da
determinação de diferença de potencial originada da correção e, assim, do efeito sistemático
devido à impedância finita do voltímetro.
Frequentemente, os instrumentos e sistemas de medição são ajustados com base em
padrões de medição e materiais de referência para eliminar os efeitos sistemáticos.
Contudo, as incertezas associadas a esses padrões e materiais ainda devem ser levadas
em consideração.

1.2 - INCERTEZA DE MEDIÇÃO

A incerteza do resultado de uma medição reflete a falta de conhecimento associado ao valor
da grandeza a ser medida. O resultado de uma medição, mesmo após correção devido aos
efeitos relativos a erros sistemáticos reconhecidos, é somente uma estimativa do valor da
grandeza devido a incerteza proveniente dos efeitos dos erros aleatórios e da correção
imperfeita do resultado para efeitos devido aos erros sistemáticos.
O resultado de uma medição (após correção) pode, sem que se perceba, estar muito
próximo do valor da grandeza (e, assim, ter um erro desprezível), muito embora possa ter
uma incerteza grande. Portanto, a incerteza do resultado de uma medição não deve ser
confundida com o erro desconhecido remanescente.
Na prática, existem muitas fontes possíveis de incerteza em uma medição, incluindo:
a) Definição incompleta da grandeza;
b) Falhas na definição da grandeza;
c) Amostragem não-representativa - A amostra medida pode não representar a grandeza
definida;
d) Conhecimento inadequado dos efeitos das condições ambientais sobre a medição ou
medição imperfeita das condições ambientais;
e) Erro de tendência pessoal na leitura de instrumentos analógicos;
f) Resolução finita do instrumento ou limiar de mobilidade;
g) Valores inexatos dos padrões de medição e materiais de referência;
h) Valores inexatos de constantes e de outros parâmetros obtidos de fontes externas e
usados no algoritmo para obtenção de dados;
i) Aproximações e suposições incorporadas ao método e procedimento de medição;
j) Variações nas observações repetidas da grandeza sob condições aparentemente
idênticas.
Essas fontes não são necessariamente independentes e algumas das fontes de (a) a (i)
podem contribuir para a fonte (j). Naturalmente, um efeito sistemático não reconhecido não
pode ser levado em consideração na avaliação da incerteza do resultado de uma medição,
porém contribui para seu erro.
Em algumas publicações, os componentes da incerteza são categorizados como "aleatório''
e "sistemático'' e são associados com erros provenientes de efeitos aleatórios e de efeitos
sistemáticos conhecidos, respectivamente. Tal categorização de componentes de incerteza
pode se tornar ambígua quando aplicada genericamente. Por exemplo, um componente
"aleatório'' de incerteza em uma medição pode se tornar um componente "sistemático'' da
incerteza em outra medição na qual o resultado da primeira medição é usado como dado de
entrada. Categorizando os métodos de avaliação (ou, cálculo) dos componentes de
incerteza, em vez de fazermos com os próprios componentes, evitamos tal ambiguidade. Ao
mesmo tempo, isto não impede designar componentes individuais que tenham sido
avaliados pelos dois diferentes métodos em grupos distintos, a serem usados para uma
finalidade em particular.
A recomendação da norma ISO GUM (2008) consiste em dividirmos os componentes de
incerteza em dois tipos, denominados "A" e "B". Estas categorias são aplicados ao método
de avaliação da incerteza e não tem relação com as palavras aleatório ou sistemático. A
incerteza associada a correção de um efeito relacionado a um erro sistemático pode ser
obtido por uma avaliação do tipo A ou por uma avaliação do tipo B.
O propósito da classificação Tipo A e Tipo B é de indicar as duas maneiras diferentes de
avaliar os componentes da incerteza e serve apenas para discussão. A classificação não se
propõe a indicar que haja qualquer diferença na natureza dos componentes. Ambos os tipos
de avaliação são baseados em distribuições de probabilidade e os componentes de
incerteza resultantes de cada tipo são quantificados por variâncias ou desvios padrão.
A variância estimada , caracterizando um componente de incerteza obtido de uma
avaliação do Tipo A, é calculada a partir de uma série de observações repetidas, através da
variância amostral da média das medidas . O desvio padrão estimado é
denominado incerteza padrão do Tipo A. Para um componente de incerteza obtido por uma
avaliação do Tipo B, a variância estimada é avaliada através do conhecimento disponível,
e o desvio padrão estimado é, por vezes, denominado incerteza padrão do Tipo B.
Assim, uma incerteza padrão do Tipo A é obtida a partir de uma função densidade de
probabilidade derivada da observação de uma distribuição de frequência, enquanto a
incerteza padrão do Tipo B é obtida de uma suposta função densidade de probabilidade,
baseada no grau de credibilidade de que um evento vá ocorrer (frequentemente chamada
probabilidade subjetiva). Ambos os enfoques empregam interpretações reconhecidas de
probabilidade. Uma avaliação do Tipo B de um componente de incerteza é usualmente
baseada em um conjunto de informações comparativamente confiáveis.
A incerteza padrão do resultado de uma medição, quando este resultado for obtido de
valores de outras grandezas, é denominada incerteza padrão combinada e designada por
. Ela é o desvio padrão estimado, associado com o resultado, obtida a partir de todos os
componentes de variância e covariância, independentemente de como tenham sido
avaliados, usando o que é denominado, de lei da propagação de incerteza.
Para satisfazer as necessidades de algumas aplicações industriais e comerciais, assim
como a requisitos nas áreas da saúde e segurança, uma incerteza expandida é obtida
multiplicando-se a incerteza padrão combinada por um fator de abrangência . A
finalidade pretendida para é fornecer um intervalo em torno do resultado de uma medição
com o qual se espera abranger uma grande fração da distribuição de valores que poderiam
razoavelmente ser atribuída a grandeza. A escolha de , o qual está geralmente na faixa de
2 a 3, é baseada na probabilidade de abrangência ou nível da confiança requerido do
intervalo.
O fator de abrangência deve sempre ser declarado de forma que a incerteza padrão da
grandeza medida possa ser recuperada para uso no cálculo de incerteza padrão combinada
de outros resultados de medição que possam depender dessa grandeza.
Se houver variação de todas as grandezas das quais o resultado de uma medição depende,
sua incerteza poderá ser calculada por meios estatísticos. Entretanto, uma vez que isso, na
prática, raramente é possível, devido a tempo e recursos limitados, a incerteza de um
resultado de medição é, geralmente, avaliada quando utilizamos um modelo matemático da
medição e a lei de propagação da incerteza. Assim, está implícita a suposição de que uma
medição pode ser modelada matematicamente até o grau imposto pela exatidão requerida
na medição.
Uma vez que o modelo matemático pode ser incompleto, todas as grandezas relevantes
devem ser variadas até a maior extensão prática possível, de modo que a avaliação da
incerteza possa ser baseada, tanto quanto possível, nos dados observados.
Sempre que factível, o uso de modelos empíricos da medição, fundamentados em dados
quantitativos e colecionados ao longo do tempo, e o uso de padrões de verificação e gráficos
de controle que possam indicar se uma medição está sob controle estatístico, devem ser
parte do esforço de obtenção de avaliações confiáveis de incerteza. O modelo matemático
deverá sempre ser revisado quando os dados observados, incluindo o resultado de
determinações independentes da mesma grandeza, demonstrarem que o modelo está
incompleto. Um experimento bem projetado facilita as avaliações confiáveis da incerteza e
é uma parte importante da arte de medição.
De forma a decidir se um sistema de medição está funcionando adequadamente, a
variabilidade observada experimentalmente de seus valores de saída, conforme medida
pelo seu desvio padrão observado é, frequentemente, comparada com o desvio padrão
previsto, obtido através da combinação dos vários componentes da incerteza que
caracterizam a medição. Em tais casos, somente aqueles componentes (obtidos de
avaliações Tipo A ou Tipo B) que poderiam contribuir para a variabilidade
experimentalmente observada destes valores de saída devem ser considerados.
Tal análise pode ser facilitada, quando reunimos aqueles componentes que contribuem para
a variabilidade e aqueles que não o fazem em dois grupos separados e adequadamente
rotulados.
Em alguns casos, a incerteza de uma correção para um efeito sistemático não precisa ser
incluída na avaliação da incerteza de um resultado de medição. Embora a incerteza tenha
sido avaliada, ela pode ser ignorada se sua contribuição para a incerteza padrão combinada
de um resultado de medição é insignificante. Se o valor da própria correção for insignificante
relativamente à incerteza padrão combinada, ele também pode ser ignorado.
Muitas vezes ocorre na prática, especialmente no domínio da metrologia legal, que um
equipamento é ensaiado através de uma comparação com um padrão de medição e as
incertezas associadas com o padrão e com o procedimento de comparação são
desprezíveis relativamente à exatidão requerida do ensaio. Um exemplo é o uso de um
conjunto de padrões de massa bem calibrados para verificar a exatidão de uma balança
comercial. Em tais casos, como os componentes da incerteza são pequenos o bastante para
serem ignorados, a medição pode ser vista como determinação do erro do equipamento sob
ensaio.
Exemplo 1.2.1
Um padrão de tensão Zener de alta qualidade é calibrado por comparação com uma
referência de tensão de efeito Josephson baseado no valor convencional da constante
Josephson recomendada para uso internacional pelo CIPM. A incerteza padrão combinada
relativa da diferença de potencial calibrada é relatada em termos do valor
convencional, mas é quando é relatada em termos da unidade SI
da diferença de potencial, volt ( ), por causa da incerteza adicional associada com o valor
SI da constante Josephson.
Erros grosseiros no registro ou na análise dos dados podem introduzir um erro desconhecido
significativo no resultado de uma medição. Grandes erros grosseiros podem ser,
geralmente, identificados por uma revisão apropriada dos dados. Pequenos erros grosseiros
podem ser mascarados por variações aleatórios, ou até mesmo podem aparecer como tais.
Medidas de incerteza não são projetadas para levar em conta tais erros.
A avaliação da incerteza não é uma tarefa de rotina nem uma tarefa puramente matemática,
ela depende de conhecimento detalhado da natureza da grandeza e da medição. A
qualidade e utilidade da incerteza indicada para o resultado de uma medição, dependem,
portanto, e em última análise, da compreensão, análise crítica e integridade daqueles que
contribuem para o estabelecimento de seu valor.

Resultado da medição

Encontramos a expressão de um resultado de medição incompleta caso esta não se

apresente com a declaração da incerteza de medição associada. A incerteza de um
resultado define uma faixa de valores em torno da média das medições, dentro da qual o
valor verdadeiro da grandeza se encontra com nível de confiança estabelecido.

Embora não seja ainda de entendimento geral e até mesmo algumas vezes de
desconhecimento de alguns, cumpre-nos observar que dentre as parcelas mostradas na
expressão do resultado de uma medição a IM (incerteza de medição) é a mais importante,
até mesmo do que a média (das medidas) e mereceria uma maior compreensão e aplicação.
Vejamos um exemplo em que a um metrologista fosse solicitado para medir as dimensões
do seu laboratório de metrologia para a preparação de um layout, e este não dispusesse de
trena ou qualquer outro meio de medição. Neste poderíamos utilizar as dimensões
padronizadas das placas do piso (por exemplo Paviflex, 30 30 cm) e após uma contagem
do número de placas em cada lado emitir um resultado de medição como o seguinte:
4,0 4,0 m 0,15 m.
Metrologicamente falando, o resultado da sua medição está correto mesmo se o solicitante
não estivesse satisfeito com a IM apresentada e neste caso o mesmo poderia propor uma
alteração no procedimento de medição utilizado, como por exemplo, o uso de uma trena.
Sob o mesmo ponto de vista, errado estaria se a medição fosse feita, por exemplo, com uma
trena e o resultado apresentado fosse: 4,010 4,047 m (sem a declaração da IM).
Fluxo para o Cálculo de Incerteza

1.3 - AVALIAÇÃO DA INCERTEZA PADRÃO

Em muitos casos, uma grandeza não é medida diretamente, mas é determinada em
função de outras grandezas , através de uma relação funcional , que vem
a ser

As grandezas de entrada , sobre o qual o valor de saída depende, pode ser

uma medida ou depender de outras variáveis, incluindo correções e fatores de correções
para efeitos sistemáticos. A função pode ser determinada experimentalmente, ou existe
somente, como um algoritmo que pode ser avaliado numericamente.
As grandezas de entradas podem ser caracterizadas como:
• Quantidade cujos valores e incertezas são determinados diretamente da medição.
Esses valores e incertezas podem ser obtidos de uma simples observação, repetidas
observações ou julgamentos baseados na experiência.
Também podem envolver as determinações de correções para indicação dos instrumentos
e correções por grandezas de influências, tais como: temperatura ambiente, pressão
barométrica e umidade;

• Valores e incertezas, os quais são conduzidos para uma medição de fontes externas,
tais como:
grandezas associadas com calibração de padrões, certificados de materiais de referência e
referência de informações obtidas através de manuais.

Exemplo 1.3.1:
Para medirmos o volume, podemos utilizar o seguinte método

, onde a grandeza volume é obtida através das grandezas massa e densidade.

A estimativa do desvio padrão, associado com cada estimativa de entrada é denominada
de \textbf{incerteza padrão} e indicada por .
A estimativa do desvio padrão, associado com a estimativa do resultado de medição , é
denominada incerteza padrão combinada e indicada por , e é determinada pela
combinação das incertezas padrão associada com as estimativas de entrada ( ). Cada
estimativa de entrada e sua incerteza associada são obtidas pela distribuição dos
valores de uma grandeza de entrada ( ).
A avaliação da incerteza de medição "Tipo A" é baseada na distribuição de frequência,
enquanto a avaliação "Tipo B" é baseada em informações disponíveis da variabilidade da
grandeza de entrada ( ).

Exemplo 1.3.2
(NIS 3003, 1995) Calibração de uma massa padrão com valor nominal 10kg de classe M1,
utilizando um comparador. Neste caso, obtemos a equação da massa desconhecida ,
por

Na prática não aplicamos correções para esta classe de massa e o comparador tem
linearidade desconhecida. Entretanto, associamos incertezas para estas contribuições.

Símbolo Fonte de Incerteza Tipo Limites Média

Massa padrão B ± 30mg (k=2) 10kg

Deriva (drift) massa padrão B ± 15mg 0

 Linearidade do comparador B ± 10mg 0

Efeito do ar B ± 10mg 0

Repetitividade A

Exemplo 1.3.3
Determinar a incerteza da área de um círculo cujo diâmetro foi medido experimentalmente
através de um sistema de medição denominado paquímetro.
Valor do diâmetro obtido com o paquímetro com resolução de 0,01 mm e incerteza
expandida U= 0,02 mm (k = 2):

Leituras Diâmetro

1 10,28

2 10,26

3 10,28

4 10,3

5 10,28

A expressão para o cálculo da área é dada por

Exemplo 1.3.4
Determinar a incerteza de medição na composição de dois blocos padrão, que foram
medidos pelo mesmo sistema de medição.
Bloco 1
Dimensão nominal: 10 mm.

Incerteza Expandida: para .

Bloco 2
Dimensão nominal: 20 mm.

Incerteza Expandida: para .

O resultado da combinação dos blocos pode ser expresso matematicamente por
1.4 - INCERTEZA DO TIPO A
Na grande maioria dos casos, a melhor estimativa para o valor esperado de uma
quantidade que varia aleatoriamente e para o qual temos nleituras
independentes k obtidas sob condições de repetitividade, corresponde a média aritmética.
Assim, quando a estimativa de uma grandeza de entrada tem sido obtida de n medidas
sob condições de repetitividade, a incerteza padrão é obtida pela estimativa da
variância da média. Esta é dada por

em que n número de medidas e s desvio padrão correspondente às n leituras.

Exemplo 1.4.1
Voltando ao Exemplo 1.3.2. Considerando o processo de calibração da massa padrão do
exemplo anterior, o avaliador realizou cinco medidas da diferença entre a massa padrão e
a massa desconhecida. Os resultados estão abaixo.

Leitura 1 15 mg

Leitura 2 25 mg

Leitura 3 20 mg

Leitura 4 13 mg

Leitura 5 18 mg

Média 18,20 mg

Desvio Padrão 4,66 mg

Desvio Padrão da Média 2,08 mg

Calculando a Incerteza do Tipo A, obtemos:

Exemplo 1.4.1
Voltando ao Exemplo 1.3.3 .

Leituras Diâmetro Área

1 10,28 82,99963

2 10,26 82,67699

3 10,28 82,99963
 4 10,3 83,3229

5 10,28 82,99963

Média das Leituras 10,28 82,99976

Desvio Padrão das Leituras 0,014142 0,228364

Desvio Padrão da Média das Leituras 0,006325 0,102128

Para a grandeza Área, a Incerteza do Tipo A é dada por:

1.5 - INCERTEZA DO TIPO B

Para uma estimativa de uma grandeza de entrada , que não tenha sido obtida de
observações repetidas, a variância estimada ou a incerteza padrão é avaliada
pelo julgamento específico baseado em todas as informações disponíveis na variabilidade
de . No conjunto destas informações, incluímos:
a) Informações prévias de medição;
b) Experiência ou conhecimento geral do comportamento e propriedades dos instrumentos
e materiais relevantes;
c) Especificações do fabricante;
d) Informações de certificados de calibração e outras especificações;
e) Incerteza transmitida pelas informações de referências obtidas de manuais.

Por conveniência, e avaliados desta maneira são chamados de Variância

Tipo B e Incerteza Padrão Tipo B, respectivamente.
O propósito de usar várias informações disponíveis para a avaliação da incerteza padrão do
Tipo B é para buscar um discernimento baseado na experiência e nos conhecimentos gerais,
e é uma habilidade que pode ser obtida com a prática. É reconhecido que uma avaliação da
incerteza pelo Tipo B pode ser tanto confiável quanto a do Tipo A, especialmente na situação
em que a avaliação do Tipo A é baseada na comparação de pequenos números de
observações estatisticamente independentes (ISO GUM, 2008).
A seguir, são apresentados 4 suposições disponíveis para as grandezas de entradas de
influência , para a avaliação da incerteza padrão Tipo B.

Caso 1
Se a estimativa é retirada da especificação do fabricante, certificados de calibração,
manuais ou outras fontes, sua incerteza padrão é simplesmente o valor citado dividido
pelo multiplicador.
Exemplo 1.5.1
Voltando ao exemplo 1.3.2 o certificado de calibração afirma que a massa padrão com valor
nominal de 10kg de classe M1 tem como incerteza para o nível de confiança com k
= 2.
A incerteza da massa padrão, é então

A incerteza de não necessariamente é relatada como um múltiplo de um desvio padrão,

como abordado acima. Em vez disso, podemos encontrar uma declaração que a incerteza
declarada possui 90%, 95% ou 99% de nível de confiança.
Salvo indicação contrária, poderá assumir que uma distribuição normal (ou t-Student) será
utilizada para o cálculo da incerteza declarada, e a incerteza padrão pode ser
encontrada dividindo-se a incerteza declarada por um fator k, apropriado da distribuição
normal.

Exemplo 1.5.2
Um certificado de calibração afirma que a resistência de um resistor padrão de valor
nominal é a 23ºC e com incerteza de , definindo um intervalo com
nível de significância de 99%.
A incerteza padrão é dada por

Neste caso, utilizamos a tabela da distribuição Normal para determinar o valor de k.

Exemplo 1.5.3
Voltando ao exemplo 1.3.4.

A incerteza padrão obtemos de cada bloco é obtido dividindo a incerteza expandida

pelo fator k. Assim

Exemplo 1.5.4
Voltando ao exemplo 1.3.3
A incerteza expandida do paquímetro, definida no certificado de calibração do mesmo, é
de 0,02 com fator de abrangência k=2. Desta forma, a incerteza herdada do equipamento
é de
 Caso 2

Em alguns casos, pode ser possível estimar somente os limites (limite

superior e inferior ) para , por exemplo, quando a grandeza de influência é a
variação da temperatura. Neste caso, consideramos que a probabilidade de que o valor
de se encontre dentro do intervalo até , para todo propósito prático, é igual a 1 e a
probabilidade que esteja fora deste intervalo é essencialmente zero. Se não há
conhecimento
específico sobre a possibilidade do valor estar dentro do intervalo, pode-se somente
admitir que, é igualmente provável encontrá-lo por toda parte, dentro do intervalo (uma
distribuição uniforme ou retangular).
Logo é o ponto médio do intervalo, onde:

,
cuja variância associada é dada por

Se a diferença entre os limites , é representada por , ou seja, os limites são

simétricos, então a equação para variância será

Exemplo 1.5.5
Um manual estabelece que o valor do coeficiente linear de expansão térmica de um bloco
padrão de aço é determinado por e que o "erro'' neste valor não
deve exceder . Baseado nesta informação limitada, é razoável assumir que
o
coeficiente de expansão térmica pertença ao
intervalo: até , com probabilidade 1. A incerteza padrão
do coeficiente de expansão térmica é dado por
 Caso 3
Os limites superiores e inferiores para uma grandeza de entrada podem não
ser simétricos, ou seja, se o limite inferior é escrito como e o limite superior
como , então . Neste caso, não é o centro do intervalo e
a distribuição de probabilidade de não pode ser uniforme. Entretanto, pode não existir
informação suficiente para escolher uma distribuição apropriada e diferentes modelos
conduzirão para diferentes expressões para a variância.
Na ausência de tais informações, uma simples aproximação é

que corresponde a variância da distribuição retangular com comprimento .

Exemplo 1.5.6
Caso o exemplo anterior referente ao coeficiente de expansão térmica
especifique tal que o menor valor possível seja e
que o maior valor possível seja de . Neste
caso, e .
Logo, a incerteza padrão é determinada por

Exemplo 1.5.7
Voltando ao Exemplo 1.3.2 da calibração da massa padrão, vamos estimar as incertezas
padrão do Tipo B.

Símbolo Fonte de Incerteza Limites Distribuição Incerteza

Massa Padrão 30 mg Normal 15 mg

Deriva (drift) massa padrão 15 mg Retangular 8,66 mg

Linearidade do comparador 10 mg Retangular 5,77 mg

Ab Efeito do ar 10 mg Retangular 5,77 mg

Exemplo 1.5.8
Voltando ao exemplo 1.3.3
A resolução do paquímetro segue uma distribuição retangular com base dada pela própria
resolução que é de 0,01 mm. Assim, a incerteza devido a resolução é

Caso 4
Nos casos acima não temos informação sobre os valor da grandeza , apenas que ela se
encontra dentro dos limites especicados. Por isso, assumimos que os valores da grandeza
são equiprováveis dentro destes limites, e que tem probabilidade zero de estar fora destes
limites. Muitas vezes é mais realista assumirmos que valores perto dos limites especificados
são menos prováveis do que valores próximos ao centro. Neste caso, é razoável trocarmos
a distribuição triangular. Assumindo uma distribuição triangular para a grandeza ,
obtemos como média com incerteza associada .

Assim,
1.6 - INCERTEZA PADRÃO COMBINADA
Quando a incerteza do resultado do mensurado é obtida pela combinação das incertezas
padrão das estimativas de entrada , esta incerteza combinada da
estimativa é representada por e denominada de incerteza padrão combinada.
As estimativas de entrada , podem ser classificadas como grandezas:
Estatisticamente independentes ou não correlacionadas;
Estatisticamente dependentes ou correlacionadas.

Grandezas de entrada não correlacionadas

Para as grandezas estatisticamente independentes, consideramos as séries de

medições que foram realizadas com diferentes sistemas de medição. Neste caso, a
incerteza padrão combinada é a raiz quadrada positiva da variância combinada.
A expressão para se determinar esta incerteza padrão combinada no caso não
correlacionado é apresentada por

em que é a incerteza padrão associada com a grandeza de entrada X . As derivadas

parciais ( ) calculadas no ponto são denominadas coeficientes de sensibilidade,
pois descrevem como a estimativa de y varia com pequenas mudanças nos valores das
estimativas das grandezas de entrada .

Exemplo 1.6.1:
Voltando ao Exemplo 1.3.2. Na calibração da massa padrão, obtemos a seguinte incerteza
combinada

Exemplo 1.6.1
Voltando ao Exemplo 1.3.3, obtemos:
Admitimos que e são constantes isentas de incerteza ou com incertezas desprezíveis,
somente a variável é considerada para cálculo da incerteza. Primeiramente calcularemos
o coeficiente de sensibilidade da seguinte forma

Assim, a incerteza combinada da área é calculada da seguinte forma

um segundo modo de expressarmos a incerteza é como incerteza combinada relativa e

calculamos da seguinte forma

Assim a incerteza relativa é expressa como

Substituindo os valores do exemplo, obtemos a incerteza combinada relativa

À partir da incerteza combinada relativa, obtemos a incerteza combinada da Área na forma:

Grandezas de entrada correlacionadas

Para as grandezas estatisticamente dependentes, consideramos as séries de medições que

foram realizadas com os mesmos sistemas de medição, ou seja, consideremos o seguinte
modelo matemático
Neste caso, a covariância estimada deve ser considerada como uma contribuição adicional
para a incerteza. A expressão para se determinar esta incerteza padrão combinada no caso
correlacionado é apresentada por

em que, é a incerteza correlacionada, associada as grandezas de

entrada e .

Assim, dividindo e multiplicando a equação (1.6.1) por em (II)obtemos

em que é o grau de correlação entre e com e

tomando Logo, substituindo a equação (1.6.3) na equação (1.6.2),
obtemos

Se as variáveis e são independentes, temos que e a equação (1.6.4) se

reduz a equação (1.6.1). Tomaremos o caso extremo em que obtemos
equação aproximada da incerteza de medição no caso correlacionado da seguinte forma
Exemplo 1.6.2
Voltando ao exemplo 1.3.4. Então, obtemos a expressão (1.6.5) da seguinte forma

Da expressão do exemplo 1.3.4, obtemos os coeficientes de sensibilidade:

Assim, obtemos a expressão (*) da seguinte forma

Daí, obtemos a seguinte equação

Substituindo os valores, temos

1.7 - INCERTEZA EXPANDIDA

Embora a incerteza combinada possa ser universalmente usada para expressar a
incerteza de um resultado de medição (devido a necessidade de algumas indústrias e
aplicações comerciais, bem como requisitos em áreas de saúde e segurança) é
frequentemente necessário apresentar uma medida de incerteza que defina um intervalo
sobre o resultado de medição. Neste caso, a incerteza compreende uma fração da
distribuição dos valores, que podem ser razoavelmente atribuídos para um mensurando,
denominada de Incerteza Expandida U. Este requisito foi reconhecido pelo Working Group
e Recomendações do CIPM, INC (1981).
A incerteza expandida U é obtida pela multiplicação da incerteza padrão
combinada por um fator k.

O valor do fator k é escolhido com base no nível de confiança requerido para o intervalo.
Em geral, k é usado entre 2 e 3. Portanto, para aplicações especiais, k poderá ser
determinado conforme o nível de confiança requerido, de acordo com a distribuição normal
ou t-Student.
A Namas (NIS 3003 , 1995) recomenda que o fator k seja igual a 2 para calcular a incerteza
expandida. Este valor corresponde a aproximadamente 95% de confiança. Entretanto, se as
contribuições para a incerteza relativa a repetitividade for grande comparadas com as outras
distribuições e o número de repetições for pequeno, existe uma possibilidade de que a
distribuição de probabilidade normal não seja adequada. Neste caso, o fator k=2 nos
garante um nível de confiança menor que 95%. Aqui, devemos utilizar a distribuição t-
Student para encontrar o valor do fator k que garante 95%.
Regra: Se a incerteza do Tipo A for menor que metade da incerteza combinada, vamos
utilizar o fator Caso contrário, devemos utilizar a distribuição t-Student para obtermos
o valor de k que nos garante um intervalo com 95% confiança. A norma ISO GUM [ver.
2008] recomenda a utilização da equação de Welch-Satterwaite para calcular o grau de
liberdade, baseado nos graus de liberdade de cada fonte de incerteza. A fórmula para tal
cálculo é dada por

em que , representa os graus de liberdade do fator de

incerteza i e representa os graus de liberdade do Tipo A. Para contribuições da incerteza
Tipo A, consideramos como graus de liberdade o número de leitura menos 1 vez o número
de pontos de calibração. Para os graus de liberdade referente a contribuições da incerteza
Tipo B, vamos considerar igual a infinito.

Exemplo 1.4.1
Suponha que um sistema de medição com incerteza do Tipo A, baseada em 4 observações,
tenha valor de 3,5 unidades. Existem outras 5 fontes de incerteza do Tipo B que
apresentam incerteza estimada muito pequena, de tal forma que a incerteza
combinada seja igual a 5,7 unidades.
Como a incerteza do Tipo A é maior que metade da incerteza combinada, vamos utilizar a
distribuição t-Student para determinar o fator . Através da equação de Welch-Satterwaite,
temos

Tomando valor de igual a 20, obtemos que k = 2,13.

Exemplo 1.4.2
Voltando ao Exemplo 1.3.2 da calibração da massa padrão, observe que a incerteza do Tipo
A é menor que metade da incerteza combinada.
Vamos calcular os graus de liberdade efetivo

Assim, o fator de abrangência k será de 1,96.

Assim, a incerteza expandida é dada por
Exemplo 1.4.3
Voltando ao Exemplo 1.3.3.
Vamos calcular os graus de liberdade efetivo

Assim, o fator de abrangência k será de 2,004045.

Logo, a incerteza expandida é dada por

Exemplo 1.4.4
Voltando ao Exemplo 1.3.4.
Não temos incerteza do tipo A, então o fator de abrangência k é 1,96;
Assim, a incerteza expandida é dada por

1.8 - EXPRESSÃO DO RESULTADO DA MEDIÇÃO

Nesta seção, discutimos as formas de apresentação do resultado da medição. Para facilitar
ao usuário, começamos arrendondando o valor da incerteza expandida conforme a regra
abaixo.

Regras de Arredondamento de Valores

Quando desejamos arredondar um número para que este seja expresso com uma certa
quantidade de dígitos significativos, devemos aplicar regras convencionais de
arredondamento.
Regra 1:
Se o algarismo à direita do último dígito que se pretende representar for inferior a 5, apenas
desprezamos os demais dígitos à direita. Exemplo: 3,14159265 para 3,14.
Regra 2:
Se o algarismo à direita do último dígito que se pretende representar for maior que 5,
adicionamos uma unidade ao último dígito representado e desprezamos os demais dígitos
à direita. Exemplo: 3,14159265 para 3,1416.
Regra 3:
Se o algarismo à direita que se pretende representar for igual a 5, então o arredondamento
deve ser tal que o último dígito representado depois do arredondamento deve ser
par. Exemplo: 3,14159265 para 3,142.
Números de algarismo na incerteza de medição
Não existe uma regra bem definida para o número de algarismos que devem ser indicados
para a incerteza de medição. Em geral, utilizamos 2 algarismos significativos, além dos
zeros à esquerda. Em alguns casos, pode ser necessário utilizar mais dígitos significativos
para evitar erros de arredondamento nos cálculos subsequentes. Em outros casos, não é
possível atribuir mais de 1 algarismo para incerteza de medição.
Resumo:
Incerteza de medição deve ser apresentada com 2 algarismos quando o primeiro
algarismo na incerteza for 1 ou 2.
Incerteza de medição pode ser apresentada com 1 algarismo quando o primeiro algarismo
da incerteza for 3 ou maior.
Incerteza de medição pode ser representada com 2 algarismos em qualquer caso.
De acordo com as regras acima, apresentamos os exemplos:

Incorreto Correto

0,144 (mm) 0,14 (mm)

1,026 (s) 1 (s)

3,49 (mm) 3,5 (mm) ou 3 (mm)

3,51 (mm) 3,5 (mm) ou 4 (mm)

0,00514 (mm) 0,005 (mm) ou 0,005 (mm)

Exemplo 1.8.1
Voltando ao exemplo 1.3.2
Neste caso, o resultado da medição é expresso na forma

ou seja

Exemplo 1.8.2
Voltando ao exemplo 1.3.3
Neste caso, o resultado da medição é expresso na forma

Quando relatamos o resultado de uma medição devemos:

a) Fornecer uma descrição completa de como o mensurando Y é definido;
b) Expressar o resultado da medição: Y=y +/- U e fornecer as unidades de y e U;
c) Incluir a incerteza relativa expandida U / |y|, com y 0, quando apropriado;
d) Fornecer o valor de k utilizado para obter U;
e) Fornecer o nível de confiança aproximado associado com o intervalo y +/- U e explicar
como foi obtido;

1.9 - TESTE DE VALOR EXTREMO (GRUBBS)

Este teste é desenvolvido para verificar a presença de valores extremos em observações
amostrais. Valores extremos podem ser considerados como manifestações da variabilidade
aleatória inerente aos dados, ou apenas um erro no cálculo durante o recolhimento dos
dados e até mesmo uma anotação precipitada pelo operador.
Existem inúmeros critérios para testar valores extremos. Em todos eles, desenvolvemos o
cálculo numérico amostral (estatística) e comparamos com um valor crítico baseado na
teoria de amostras aleatórias, para decidirmos se existe ou não uma observação
considerada valor extremo.
No teste de Grubbs, usamos a seguinte estatística

em que

• : é uma observação da amostra ;

• : é a média amostral;
• : é o desvio padrão amostral.
Esta estatística testa as seguintes hipóteses

Rejeitamos a hipótese , com nível de significância , se . No qual é um valor

crítico baseado na distribuição de Z e encontra-se na tabela (ver F. E. Grubbs (1969)) de
valores de unicaudais. Na Tabela 1.9.1, encontramos alguns valores críticos para =
10%, 5%, 2,5%, 1% e 0,5%.

n 0,1 0,05 0,025 0,01 0,005

3 1,148 1,153 1,154 1,155 1,155

4 1,425 1,462 1,481 1,492 1,496

5 1,602 1,671 1,715 1,749 1,764

6 1,729 1,822 1,887 1,944 1,973

7 1,828 1,938 2,02 2,097 2,139

8 1,909 2,032 2,127 2,221 2,274

9 1,977 2,11 2,215 2,323 2,387

10 2,036 2,176 2,29 2,41 2,482

11 2,088 2,234 2,355 2,484 2,564

12 2,134 2,285 2,412 2,549 2,636

13 2,176 2,331 2,462 2,607 2,699

14 2,213 2,372 2,507 2,658 2,755

15 2,248 2,409 2,548 2,705 2,806

16 2,279 2,443 2,586 2,747 2,852

17 2,309 2,475 2,62 2,785 2,894

18 2,336 2,504 2,652 2,821 2,932

19 2,361 2,531 2,681 2,853 2,968

20 2,385 2,557 2,708 2,884 3,001

21 2,408 2,58 2,734 2,912 3,031

22 2,429 2,603 2,758 2,939 3,06

23 2,449 2,624 2,78 2,963 3,087

24 2,468 2,644 2,802 2,987 3,112

25 2,486 2,663 2,822 3,009 3,135

26 2,503 2,681 2,841 3,029 3,158

27 2,52 2,698 2,859 3,049 3,179

28 2,536 2,714 2,876 3,068 3,199

29 2,551 2,73 2,893 3,086 3,218

30 2,565 2,745 2,908 3,103 3,236

31 2,579 2,76 2,924 3,119 3,253

32 2,592 2,773 2,938 3,135 3,27

33 2,605 2,787 2,952 3,15 3,286

34 2,618 2,799 2,965 3,164 3,301

35 2,63 2,812 2,978 3,178 3,316

36 2,641 2,824 2,991 3,191 3,33

37 2,652 2,835 3,003 3,204 3,343

38 2,663 2,846 3,014 3,216 3,356

39 2,674 2,857 3,025 3,228 3,369

 40 2,684 2,868 3,036 3,239 3,381

50 2,772 2,957 3,128 3,337 3,482

60 2,841 3,027 3,2 3,411 3,56

70 2,898 3,084 3,258 3,471 3,622

80 2,946 3,132 3,306 3,521 3,673

90 2,987 3,173 3,348 3,563 3,716

100 3,024 3,21 3,384 3,6 3,754

110 3,056 3,242 3,416 3,633 3,787

120 3,086 3,271 3,445 3,662 3,817

130 3,112 3,297 3,471 3,688 3,843

140 3,136 3,321 3,495 3,712 3,867

Tabela 1.9.1: Tabela do teste de Grubbs.

Exemplo 1.9.1:
Considere as seguintes medições:

Medidas 11,899 11,9596 11,8986 11,9141 12,0425 12,1531 11,9455 11,8682 11,8595 12,1337 12,6

Vamos calcular a média e o desvio padrão:

Com isso, vamos calcular para o ponto 11 o teste de Grubbs, usando a seguinte estatística

Como então, essa medida é um valor extremo (outlier).

Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa função do Software Action, você pode consultar:

Exercício 1.9.1:
Considere as seguintes medições na tabela 1.9.2 e calcule a média, desvio padrão e o teste
de Grubbs:

Medidas 9,98803 10,0208 9,99753 10,0699 9,99594 10,1367 9,93608 9,88008 9,99015 10,046 11

Tabela 1.9.2: Medições.

1.10 - COMPARAÇÃO ENTRE SISTEMAS DE

MEDIÇÃO
Vamos apresentar uma técnica para comparar dois sistemas de medição. Para ilustrar,
vamos considerar um exemplo.

Exemplo 1.10.1:
O diâmetro de um anel padrão pode ser medido por dois tipos de sistemas de medição. Para
comparar estes sistemas de medição, um anel padrão foi medido 5 vezes por cada sistema
de medição utilizando o mesmo operador. Os resultados estão abaixo.

SM1 SM2

Média 15,601 mm 15,603 mm

Incerteza Expandida 0,001 mm 0,0015 mm

Etapa 1:
Calcular a Estatística

em que

• MSM1: representa a média do sistema de medição 1;

• MSM2: representa a média do sistema de medição 2;
• USM1: representa a incerteza expandida do sistema de medição 1;
• USM2: representa a incerteza expandida do sistema de medição 2.
Com isso, temos que

Etapa 2:
• Se EN ≤ 1, os dois sistemas de medição são compatíveis;
• Se EN > 1, os dois sistemas de medição não são compatíveis, isto é, os sistemas de
medição apresentam diferenças significativas.
Como, no exemplo, EN=1,109 é maior que 1, concluímos que existe uma diferença
significativa entre os dois sistemas de medição.

Exercício:
Durante o processo de acreditação do laboratório de ensaio de potência efetiva líquida do
motor, o INMETRO exigiu um estudo de comparação inter laboratorial. Com o motor em
marcha lenta, foi realizado um ensaio de potência pelo laboratório participante e um
laboratório de referência. Com os dados apresentados na tabela abaixo, calcule o erro
normalizado e faça as devidas conclusões.

Lab Ref Laboratório

Média 11,601 12,613

Incerteza Expandida 0,3 0,4

2 - ANÁLISE E INTERPRETAÇÃO DO
CERTIFICADO DE CALIBRAÇÃO
A Comprovação Metrológica geralmente inclui calibração ou verificação, qualquer ajuste ou
reparo necessário, recalibração, comparação com os requisitos metrológicos para o uso
pretendido do equipamento, assim como qualquer etiqueta ou lacre necessários. Para
alcançarmos ela, necessitamos que a adequação do equipamento de medição para seu uso
tenha sido demonstrada e documentada. Em resumo, definimos a comprovação metrológica
como sendo o conjunto de operações necessária para assegurar que um equipamento de
medição atenda aos requisitos do seu uso pretendido. Esta seção foi elaborada com base
na norma ABNT NBR ISO 10012:2004.
Os requisitos para o uso pretendido incluem:

• Amplitude;
• Resolução;
• Erro Máximo Permissível.
Apresentamos um diagrama dos processos envolvidos na comprovação metrológica na
Figura 2.1

Figura 2.1: Processo de Comprovação Metrológica para equipamentos de medição.

Requisitos metrológicos são derivados de requisitos para o produto. Estes requisitos são
necessários tanto para o equipamento de medição, quanto para os processos de medição.
Estes também podem ser expressos como erros máximos permissíveis, incerteza
permissível, faixa, estabilidade, resolução, condições ambientais ou habilidades do
operador.
A orientação é que temos que especificar os processos de medição e o equipamento de
medição que estão sujeitos às provisões da Norma ABNT NBR ISO 10012:2004. Com a
decisão sobre o escopo e a extensão do sistema de gestão da medição, devemos levar em
consideração os riscos e as consequências de falhas do cumprimento dos requisitos
metrológicos.
Nota: o sistema de gestão de medição consiste em:

• no controle de processos de medições indicados;

• comprovação metrológica de equipamento de medição e dos processos de suporte
necessários (conforme Figura 2.1).
A recalibração de um equipamento de medição não é necessária se o equipamento já estiver
em uma situação de calibração válida. O procedimento de comprovação metrológica pode
incluir métodos para verificarmos que a incerteza de medição e/ou erros de equipamento de
medição estão dentro dos limites permissíveis especificados nos requisitos metrológicos. As
informações pertinentes à ela deve estar prontamente disponível para o operador, incluindo
quaisquer limitações ou requisitos especiais.

Função Metrológica

A função metrológica deve ser definida pela organização. A Alta Direção da organização
deve assegurar a disponibilidade dos recursos necessários para estabelecer e manter a
função metrológica. A função metrológica pode ser um departamento único ou estar
distribuída em toda a organização.
A gestão da função metrológica deve estabelecer, documentar e manter o sistema de gestão
de medição e continuamente melhorar a sua eficiência.

Intervalos de Comprovação Metrológica

A orientação para os métodos usados para a determinação ou mudança dos intervalos entre
comprovações metrológicas é de que devemos descrever em procedimentos
documentados. Devemos analisar criticamente e ajustarmos quando necessário para
assegurar a contínua conformidade dos requisitos metrológicos especificados. Para
determinação dos intervalos de comprovação metrológicas podemos usar dados obtidos de
histórias de calibração, comprovação metrológica e avanços de tecnologia e conhecimento.
Ao usarmos registros utilizando técnicas como Controle Estatístico de Processo (CEP), elas
podem ser úteis para a determinação da necessidade ou não de alterar os intervalos de
comprovação metrológica.
Segundo (OIML D10), o intervalo de calibração pode ser igual ao intervalo de comprovação
metrológica.
Outro ponto importante é que cada vez que reparamos, ajustamos ou modificamos um
equipamento de medição não conforme o intervalo de comprovação metrológica deve ser
analisado criticamente.

Controle de ajustes de equipamento

Para o controle de ajustes de equipamento devemos ter alguns cuidados como:

• Acessos aos meios de ajustes e dispositivos sobre equipamentos de medição

comprovados, cuja posição afeta o desempenho, devemos selá-los ou de alguma
forma protegê-los a fim de prevenir mudanças não autorizadas;
• Devemos projetar ou implementar selos ou proteções de tal forma que mudanças não
autorizadas sejam detectadas;
• Devemos incluir ações a serem tomadas quando selos ou proteções são violados,
danificados, contornados ou faltando.
Um ponto importante é que não aplicamos o requisito para a selagem para meios ou
dispositivos de ajustes que são intencionalmente posicionadas pelo usuário sem a
necessidade de referências externas, por exemplo os ajustes de zero. É importante também
previnirmos de alterações não autorizadas em programas de computadores e nos
procedimentos da organização.
As decisões sobre o selamento, os controles ou ajustes dos materiais de selagem e dos
selos, tais como etiquetas, soldas, fios, tinta, normalmente são deixadas para a função
metrológica e que a implementação de um programa de selagem seja documentada pela
mesma. Mas vale lembrar que, nem todos os equipamentos de medição têm a possibilidade
de serem selados.

Registros do processo de comprovação

metrológica

Um processo importante dentro da comprovação metrológica são os registros do processo

de comprovação metrológica, eles devem ser datados e aprovados por uma pessoa
autorizada para atestar a correção dos resultados, como apropriado e os mesmos devem
ser mantidos e estar disponíveis.
O tempo mínimo de registros depende de muitos fatores, incluindo os requisitos do cliente,
requisitos estatutários ou regulamentares e responsabilidade do fabricante. Os registros
relacionados com padrões de medição podem precisar ser mantidos indefinidamente.
Devemos demonstrar nos registros de comprovação metrológica se cada item do
equipamento satisfaz os requisitos metrológicos especificados e neles devemos incluir,
quando necessário a:

• Descrição e identificação única do fabricante do equipamento, tipo, número de série

etc;
• Data na qual a comprovação metrológica foi completada;
• Resultado da comprovação metrológica;
• Intervalo fixado para a comprovação metrológica;
• Identificação do procedimento de comprovação metrológica;
• Erros máximos permissíveis definidos;
• Condições ambientais pertinentes e declaração sobre quaisquer correções
necessárias;
• Incertezas envolvidas na calibração do equipamento;
• Detalhes de qualquer manutenção, tais como ajustes, reparos ou modificações
realizadas;
• Quaisquer limitações de uso;
• Identificação das pessoas que realizam a comprovação metrológica;
• Identificação das pessoas responsáveis pela correção da informação registrada;
• Identificação única (como número da série) de qualquer relatório ou certificado de
calibração e outros documentos pertinentes;
• Evidência da rastreabilidade dos resultados de calibração;
• Requisitos metrológicos para o uso pretendido;
• Resultado da calibração após e onde requerido antes de qualquer ajuste, modificação
ou reparo.
A orientação segundo ABNT NBR 10012:2004 é que os resultados de calibração sejam
registrados de forma que a rastreabilidade de todas medições possa ser demonstrada e de
forma que os resultados das calibrações possam ser reproduzidos sob condições próximas
das condições originais. Algumas vezes, o resultado da verificação é incluído no relatório ou
certificado de calibração onde é declarado se o equipamento está em conformidade (ou
falha de conformidade) com os requisitos especificados. Os requisitos podem ser
manuscritos, ou datilografados, ou microfilmados, ou meio eletrônico, ou meio magnético,
ou em outro meio de informação.
O erro máximo permissível pode ser determinado pela função metrológica ou por referência
às especificações publicadas do fabricante do equipamento de medição. É importante saber
que a função metrológica deve assegurar que somente pessoas autorizadas sejam
permitidos para gerar, emendar, emitir ou apagar registros.

Análise do Certificado de Calibração

Como dissemos, a função metrológica deve definir uma estratégia para avaliar cada
equipamento de medição, que é um requisito obrigatório, segundo item 5.5.2 da
norma ISO/IEC 17025 [9]. Uma das formas mais utilizadas consiste em definir o erro máximo
permissível (EMP), através da tolerância de produto ou especificações do fabricante, e
compará-la com o resultado da calibração do equipamento. Para isto, tomamos
O mais utilizado é . Assim

Critério:

para todo ponto de calibração ( representa o ponto de calibração e o número de pontos

de calibração).
A comprovação metrológica no caso em que o EMP é função das leituras é discutido abaixo.
Critério:
, para todo ponto de calibração ( representa o ponto de calibração).

Exemplo 2.1.1
Suponha que temos uma tolerância de 1 g para as massas padrão. Após a calibração das
massas, obtivemos as seguintes informações do certificado de calibração. Essas
informações estão apresentadas na Tabela 2.1.1

Ponto Tendência
U (g) k
(g) (g)

1000 0,009 0,015 2

1000 0,01 0,015 2

1000 0,016 0,015 2

1000 0,01 0,015 2

5000 -0,014 0,075 2

5000 -0,069 0,075 2

5000 -0,043 0,075 2

5000 0,025 0,075 2

Tabela 2.1.1: Certificado de Calibração.

Considerando J=10, temos que

A Tabela 2.1.2 apresenta o critério de aprovação para as oito massas

padrão. Como podemos ver, duas massas de 5 kgforam reprovadas. Com isso, o certificado
de calibração cujo os valores foram apresentados na Tabela 2.1.1, não está aprovado.

Ponto
|T|+U Critério
(g)

1000 0,024 Aprovado

1000 0,025 Aprovado

1000 0,031 Aprovado

1000 0,025 Aprovado

5000 0,089 Aprovado

5000 0,144 Reprovado

5000 0,118 Reprovado

5000 0,1 Aprovado

Tabela 2.1.2: Critério de Aprovação.

Exemplo 2.1.2
Vamos aplicar a comprovação metrológica em uma bureta graduada. Suponha que a bureta
controla um processo de tolerância de 2 mL para as medidas de volume. Na Figura 2.1.3
apresentamos o certificado de calibração da bureta graduada.

Graus de
Valor Correção Incerteza Fator de
Média liberdade efetivo
nominal |C| Expandida abrangência (k)
(veff)

5 4,9077 0,0923 0,002 2,37 10

15 14,8280 0,1720 0,003 2,20 15

25 24,9328 0,0678 0,003 2,06 44

Tabela 2.1.3: Tabela resumida do certificado de calibração.

Considerando J=10, temos que

A Tabela 2.1.3 apresenta o critério de aprovação para as três medições

padrões de volume. Como podemos ver, todas as faixas de volume estão aprovadas.
 Ponto (mL) |C|+U Critério

5 0,0943 Aprovado

15 0,175 Aprovado

25 0,0708 Aprovado

Tabela 2.1.3: Critério de Aprovação.

TUR (Test Uncertainty Ratio)

O processo de calibração envolve uma comparação entre o Equipamento de Medição e um

padrão, tendo melhores requisitos metrológicos. A comparação entre a exatidão da unidade
sob teste e a exatidão do padrão é conhecia como razão entre as exatidões de teste (TAR).
No entanto, esta razão não considera outras fontes potenciais de erro do processo de
calibração. A comparação entre a exatidão da unidade sob teste e a incerteza de calibração
estimada é conhecida como uma relação entre as incertezas de teste (TUR). Esta relação é
mais confiável, porque considera as fontes de erro envolvidas no processo de calibração
que o TAR não considera.
A relação entre as incertezas de teste (TUR) é uma medida da capacidade de um
determinado instrumento e/ou processo de medição atender uma especificação de produto
(ou processo). Desta forma, TUR é a razão entre a tolerância e/ou especificação do produto
e a incerteza presente no teste desta especificação ou tolerância. Historicamente, uma regra
muito utilizada é a de que o TUR deve ser de pelo menos 10:1. Quanto maior a razão,
melhor o desempenho do teste. Atualmente, uma proporção de 4:1 ou mesmo 3:1 são
considerados aceitáveis em alguns casos. Isto é devido principalmente ao melhor
desempenho dos equipamentos de fabricação. Em muitos casos, não temos um
equipamento com uma incerteza pequena suficiente para um TUR 10:1, ou é muito caro
para a aplicação.
Há duas principais aplicações para o TUR:

• O primeiro é na calibração de instrumentos de medição e equipamentos;

• O segundo é na inspeção de componentes fabricados.
De forma geral, temos a seguinte equação para o TUR:

À partir disto, notamos que a razão TUR compara a variação admissível para o mensurando
(o numerador) com a variabilidade associada com a medição do mensurando (o
denominador).
 Figura 2.1.3: Relação entre a zona de especificação e a zona de conformidade.
A figura (2.1.3), nos mostra a relação entre a zona de especificação e a zona de
conformidade. Se o "verdadeiro valor" do mensurando estádentro da zona de especificação,
temos que a especificação é satisfeita, caso contrário, o mensurando está fora
de especificação. No entanto, nunca podemos conhecer o "verdadeiro valor" do
mensurando conforme citamos no módulo 2. Afim de indicar se o mensurando
está ou não fora da especificação, temos que conhecer a incerteza no processo de
medição. Isso é mostrado na parte inferior da linha horizontal da figura. Se
o mensurando está na zona de conformidade, temos confiança de que o verdadeiro
valor está dentro da especificação. Da mesma forma, se o mensurando está na zona de não
conformidade, temos confiança de que o verdadeiro valor está fora de especificação. Para
a região de incerteza mostrado entre conformidade e não conformidade, não temos
confiança suficiente para determinar se a peça ou produto está conforme ou não.

Figura 2.1.4: Influência do TUR no resultado final de uma calibração.

Como visto anteriormente, devido ao melhor desempenho dos equipamentos, consideramos
TUR ≥ 5 como uma relação aceitável na escolha de um equipamento, e um TUR ≥ 3 na
escolha do padrão de calibração, o que assegura e permite que a incerteza do padrão não
interfira significativamente na comprovação metrológica. A Figura (2.1.4) ilustra o
comprometimento da incerteza do padrão em relação ao erro máximo permissível, em
função de diferentes TUR adotados.
3.5 - CÁLCULO DE INCERTEZA DE UM
TERMÔMETRO
Objeto a ser calibrado:
Termômetro.
Resolução: .
Faixa de Indicação (faixa nominal): .

Padrão de referência:
Termômetro padrão.
Resolução: ºC

Incerteza expandida: .
Faixa de indicação (faixa nominal): .

Banho:
Falta de Homogeneidade do Banho:

Resultados:
A bancada foi ajustada com o termômetro (a ser calibrado) e as leituras foram realizadas
com o padrão. A Tabela 3.5.1 apresenta os dados.

Medidas
Desvio
Desvio
Ajustado Média Correção Padrão da
Padrão
M1 M2 M3 M4 Média

0 0 0 0 0 0 0 0 0

25 25,1 25 25,1 25 25,05 0,05 0,057735 0,028867513

50 50 50 50 50 50 0 0 0

75 75 75 75 75 75 0 0 0

100 99,8 100 99,8 100 99,9 -0,1 0,11547 0,057735027

Tabela 3.5.1: Tabela de dados para o termômetro.

Equação Matemática

Fontes de Incerteza
• Repetitividade - Tipo A;
• Resolução do termômetro;
• Resolução do termômetro padrão;
• Incerteza herdada do padrão;
• Falta de Homogeneidade do Banho.

Incerteza Combinada
Através da equação de propagação da incerteza, temos que a expressão da incerteza
combinada para o termômetro é dada por

onde

• : representa a incerteza devido a repetitividade;

• : representa a incerteza devido a resolução do termômetro;
• : representa a incerteza devido a resolução do termômetro padrão;
• : representa a incerteza herdada do termômetro padrão;
• : representa a incerteza devido a falta de homogeneidade do banho.

Cálculo da Incerteza Padrão das Grandezas de

Entrada
A seguir, vamos calcular a incerteza de cada fonte.
Repetitividade ( )
Incerteza do Tipo A.

para a faixa de temos

onde

: representa a incerteza do Tipo A ou incerteza devido a repetitividade;

: representa o desvio padrão das faixa de medição;
n: representa o número de pontos de calibração.

Incerteza Herdada do termômetro Padrão

Distribuição: Normal.

Resolução do termômetro Padrão

Distribuição: Retangular.

Resolução do termômetro
Distribuição: Retangular.
Cálculo da Incerteza do termômetro
Ponto 25 ºC

Estimativ Tip Distribuiç Diviso Incerte C. Contri

Fonte GL
a o ão r za S. b.

Repetitividad 0,0288675 0,0288 0,0288

A Normal 1 1 3
e 13 68 68

Resolução Retangula 3,4641 0,0288 0,0288

0,1 B 1
Padrão r 02 68 68

Falta de
Homogeneid Retangula 3,4641 0,0288 0,0288
0,1 B 1
ade do r 02 68 68
Banho

Herdada do
0,25 B Normal 2 0,125 1 0,125
Padrão

Resolução
Retangula 3,4641 0,1443 0,1443
do 0,5 B 1
r 02 38 38
Termômetro

0,1973
Incerteza Combinada
79

6556,6
Graus de Liberdade Efetivo
88

Fator de Abrangência 1,96

Incerteza Expandida 0,3869

Incerteza combinada
Graus de liberdade efetivo

Através da tabela t-Student, encontramos

Incerteza Expandida

O termômetro é utilizado para medir uma tolerância de . Faremos agora, um

estudo da comprovação metrológica.
Considerando , temos que

Portanto, para o ponto de , foi aprovada.