Você está na página 1de 14

Instrumentação e Medida

Vítor A. Costa, Vítor M. Santos

Mestrado em Engenharia Mecânica

Universidade de Aveiro, 2005/2006

Planeamento das aulas


• Total de 9 aulas previstas de 2 horas
– Introdução – 1 Aula, VC
– Medição, erros, sua propagação e elementos estatísticos.
Sistemas eléctricos e transdução – 4 Aulas, VS
– Área, deslocamento e pressão. Caudal; temperatura;
Propriedades térmicas e de transporte; força, binário e tensão
mecânica. Movimento e vibrações; poluentes – 3 Aulas, VC
– Aquisição de dados – 1 Aula, VS

1
Bibliografia principal
• J. P. Holman - Experimental Methods for Engineers.
6th. Ed., McGrawHill, 1994
– Livro geral para a disciplina
• K. B. Klaassen - Electronic Measurement and
Instrumentation, Cambridge University Press,1996
– Livro suplementar para a teoria da medida e sistemas
eléctricos
• T. G. Beckwith, R. D. Marangoni, J. H. Lienhard –
Mechanical Measurements, 5 th Ed., Addison Wesley-
Longman, 1993.
– Livro adicional para os processos de medida

Informações adicionais
• Site da disciplina
– http://elearning.ua.pt
• Username: alunoimed
• Password: medida
• Avaliação
– Prova escrita/Exame final (T)
– Realização de dois trabalhos com entrega de relatório (P)

– Nota final: 70% T + 30% P

2
Instrumentação e Medida
Medição, Erros e Incertezas

Vítor M. Santos

Universidade de Aveiro, Novembro 2005

Sumário
• Definição e condições de • Análise de incertezas
medição compostas
• Processo de medição – Exemplo do método de Kline
• Algumas definições e conceitos – Ainda sobre o método de Kline
• Formas de medição – Outro exemplo ainda
• Outras categorias de medição • Questões computacionais
• Tipos de análise dos dados • Termos para análise estatística
experimentais
• Propagação de erros
• Erros: causas e tipos
sistemáticos
– Erros sistemáticos
– Erros aleatórios • Propagação de erros aleatórios
• Uma ilustração de erros na
medida

3
Definição e condições de medição
Medição–processo de aquisição de informação de forma:
• Descritiva
– Relação definida entre o objecto de medida e a medida
efectuada
• ler um livro é adquirir informação e não é medição!
• Selectiva
– Informação apenas do que se quer medir (características,
estados ou fenómenos do mundo que nos rodeia)
• Objectiva
– Independência do sujeito
• Usar sistemas de medida (instrumentos)

Processo de medição
• Transferência e transformação da informação do
objecto de medida para o observador

Ambiente

Perturbações

Influência Influência

Objecto de Sistema de
Observador
medida medida Resultado
Mesurando
(input) (output)

Ajustes Ajustes

4
Algumas definições e conceitos
• Nos instrumentos
– Legibilidade (parâmetro qualitativo)
– Resolução - Menor intervalo de contagem ou discernimento
– Sensibilidade ( ∆indicação/∆grandeza)
– Distorções (histerese, saturação, limitação, etc.)
– Exactidão (accuracy) - desvio em relação a uma medida
conhecida
– Precisão (precision) ou repetibilidade
• Na medição
– Erro (error)
• desvio entre a indicação do aparelho e o valor real
– Incerteza (uncertainty)
• intervalo de valores admitidos para os erros das medições

Ilustração de repetibilidade e
• Tiro ao alvo exactidão

Boa exactidão Má exactidão


Boa repetibilidade Boa repetibilidade

Boa exactidão Má exactidão


Má repetibilidade Má repetibilidade

5
Formas de medição
Obtenção das medidas a partir do sistema de medição:
• Método de Deflexão
• a indicação (leitura) do sistema exprime inteiramente a medida

• Método das Diferenças


• … entre a quantidade desconhecida e uma referência conhecida

• Método Nulo
• o resultado é obtido exclusivamente da referência conhecida (ajuste
do aparelho até se igualar a quantidade desconhecida)
• Basta que o sistema saiba indicar as situações de “maior que”,
“menor que” e “igual a”.

Outras categorias de medição


– Por compensação e com pontes de medição
– compensação de efeitos desconhecidos por variável conhecida
– O Método Nulo é o mais usado
– Por analogia
– Modelos matemáticos - equações similares
– Modelos à escala - Ex. acústica de grandes salas
– Modelos à escala não-lineares - só algumas variáveis são preservadas
» Ex. modelos de irrigação e túneis de vento

– Por repetição
– Medição de diferentes formas para eliminar erros sistemáticos
– Usado para determinar diversas constantes universais
– Por enumeração (não é uma medida no sentido usual)
– Contagem (sem erro). Usado para medir frequências, por exemplo.
» Passar da enumeração à medida pode ter vantagens (contar parafusos ou,
de preferência, pesar o lote!)

6
Tipos de análise dos dados
experimentais

• Simples apreciação visual

• Análise teórica dos erros

• Procura de ajuste com as leis físicas

• Busca de novas leis para explicar medidas não usuais


ou “inexplicáveis”

Erros: causas e tipos


• Erros
– Discrepância entre medidas e valores reais
– Os valores dos erros, por definição, não são conhecidos, apenas
estimados.
• Erros por engano e erros de medição
– Os primeiros são corrigíveis
– Os segundos levam a “desvios” nas medidas
• Os erros de medição podem ser
– Erros fixos, sistemáticos (ou bias)
– Erros aleatórios

• Dificuldade em saber a que categoria pertencem os erros em medições reais. Em geral aparecem
todos em simultâneo nas medidas.

7
Erros sistemáticos
• Resultam em desvios constantes ou directamente
relacionados com o processo de medição

• Detectáveis (e estimáveis) por medição repetida de


(supostamente) os mesmos valores.

• Minimizáveis por processos de calibração


– Redefinição da relação (matemática) entre as medidas
obtidas e a grandeza real

• Por vezes podem ser estimados levando em conta um


modelo teórico mais refinado no sistema de medição

Erros aleatórios

• Erros de valor variável e forma de variação


desconhecida

• Devidos a fenómenos não contemplados ou não


parametrizados no sistema de medição

• Normalmente obedecem a uma certa distribuição


estatística, mas nem sempre!

8
Uma ilustração de erros na medida
– Caso de “Máximo erro possível”
• Convenção usual: desvios até ±3σ
– Distribuição Gaussiana das medidas
Distribuição/probabilidade
das medidas

Média/valor mais provável

Valor real

0.14 % 0.14 %

Max. erro aleatório Erro sistemático Amplitude da


Máxima inexactidão (inaccuracy) grandeza
Incerteza

Incertezas compostas
• Senso comum
– Duas medidas com incerteza:
f1 = v1 ± ∆w1 , f 2 = v2 ± ∆w2
– Incerteza em operações de adição e multiplicação:
f1 + f 2 = (v1 + v2 ) ± (∆w1 + ∆w2 )

f1 f 2 = (v1v2 ) ± ( v2 ∆w1 + v1∆w2 )


• Método de Kline & McClintock, 1953
– Sendo f função de N variáveis independentes com uma incerteza ±∆wi
para cada variável xi:
f = f (x1 , x2 ,..., x N )
– A incerteza (com um certo grau de confiança) para um dado valor da
função f será dada por:
2 2 2 2
⎛ ∂f ⎞ ⎛ ∂f ⎞ ⎛ ∂f ⎞ N
⎛ ∂f ⎞
∆w f = ⎜⎜
⎝ ∂x1
∆w1 ⎟⎟ + ⎜⎜
⎠ ⎝ ∂x2
∆w2 ⎟⎟ + " + ⎜⎜ ∆wN ⎟⎟ = ∑ ⎜ ⎟
⎜ ∂x ∆wi ⎟
⎠ ⎝ ∂x N ⎠ i =1 ⎝ i ⎠

9
Exemplo do método de Kline & McClintock
– Determinação de uma potência eléctrica pela fórmula: P=UI
– Sabe-se que U=100 ± 2 V e I = 10 ± 0.2 A
• Pnominal=100×10=1000 W
• Pmax=(100+2)(10+0.2)=1040.4 W
• Pmin=(100-2)(10-0.2)=960.4 W
• Pcalc=1000 W (+40.4, -39.6), ou seja, +4.04%, -3.96%
– Por Kline e McClintock
2 2
⎛ ∂P ⎞ ⎛ ∂P ⎞
∆P = ⎜ × 2⎟ + ⎜ × 0.2 ⎟ = 20 2 + 20 2
⎝ ∂U I =10 ⎠ ⎝ ∂I U =100 ⎠
∆P = 800 ≈ 28.3 W
• A incerteza relativa é de cerca ± 2.83%, portanto menos rígida que o
valor obtido pelo método directo

Ainda sobre o método de Kline & McClintock


• Interesse para a selecção do método e/ou instrumento
– Caso anterior da potência numa resistência: P=UI
– Fórmula alternativa (via lei de Joule): P=U2/R
• Admitindo que o valor de R (10 Ω) tem uma incerteza de ±1%, qual
o melhor método?
∂P 2U ∂P U2
= =− 2
∂U R ∂R R
2 2
⎛ ∂P ⎞ ⎛ ∂P ⎞ 2
⎛ 200 ⎞ ⎛ 100 ⎞
2 2
∆P = ⎜ ⎟
× ∆U + ⎜ ⎟
× ∆R = ⎜ × 2 ⎟ + ⎜ − 2 × 0.1⎟
⎜ ∂U U =100 ⎟ ⎜ ∂R U =100 ⎟ ⎝ 10 ⎠ ⎝ 10 ⎠
⎝ R =10 ⎠ ⎝ R =10 ⎠
– Por esta via alternativa chega-se ao valor:
∆wP = 1700 ≈ 41.23 W

– Ou seja, uma incerteza de ± 4.1 %, isto é, pior que a anterior


– Desta forma, medir e usar U e I é um melhor processo

10
Outro exemplo ainda...
– Calcular a incerteza da resistência eléctrica de um fio
R = R0 [1 + α (T − 20 )]
R0 = 6Ω ± 0.3% α = 0.004°C −1 ± 1% T = 30 ± 1°C
– Resistência nominal: R=6*[1+0.004*(30-20)]=6.24 Ω
– As derivadas parciais e os seus valores são dados por:
∂R ∂R ∂R
= 1 + α (T − 20 ) = 1.04 = R0 (T − 20 ) = 60 = R0α = 0.024
∂R0 ∂α ∂T

– As incertezas dos parâmetros são dadas por:


∆R0 = 6*0.003 = 0.0018Ω ∆α = 0.004*0.01 = 4 × 10−5 °C −1 ∆T = 1°C
– Finalmente a incerteza da resistência virá:
∆R = 1.042 ⋅ 0.0182 + 602 ⋅ ( 4 ⋅10−5 ) + 0.0242 ⋅12 = 0.0305Ω
2
(~ ±0.5%)

Questões computacionais
• Dificuldade de cálculo automático de derivadas parciais
– Aproximação numérica válida para pequenas variações
∂f f (x1 + ∆x1 , x 2 ,...) − f (x1 , x 2 ,...)

∂x1 ∆x1
– Resolução do exemplo anterior da resistência eléctrica
∆R0 = 0.01 ∆α = 10 −5 ∆T = 0.1

f (R0 + ∆R0 ) = R(R0 + ∆R0 ) = 6.01 ⋅ [1 + 0.004 ⋅ (30 − 20 )] = 6.2504 ...

∂R R(R0 + ∆R0 ,α , T ) − R(R0 , α , T ) 6.2504 − 6.24


≈ = = 1.04
∂R0 ∆R0 0.01
∂R R (R0 , α + ∆α , T ) − R (R0 , α , T ) 6.2406 − 6.24
≈ = = 60
∂α ∆α 10 − 5
∂R R ( R0 , α , T + ∆T ) − R ( R0 , α , T ) 6.2424 − 6.24
≈ = = 0.024
∂T ∆T 0.1

– Valores idênticos aos da resolução analítica!

11
Termos para análise estatística
Para um conjunto de medidas (xi, i=1…N): N

∑x
1
– Média aritmética x= i
N i =1

– Desvio de uma medida d i = ( xi − x )


– A soma dos desvios é 0
Di = d i = (xi − x )
2 2
– Desvio quadrático
– A soma dos desvios quadráticos
é mínima
N N

∑ di = ∑ (x − x)
1 1
– Variância σ2 = 2
i
2

N i =1 N i =1

– Desvio padrão N

∑ (x − x)
1
• Populacional σ= i
2

N i =1

1 N
• ‘Variacional’ (Unbiased) (N < 20
ou popul. desconhecida)
σ= ∑ (xi − x )2
N − 1 i =1

Propagação de erros sistemáticos


– Erro absoluto: ∆a = a – a0 (a0 é o valor real e a a medida)
– Erro relativo: ∆a/a
– x = f(a,b,c,…) , onde a, b, c, …, são medidas concretas
– Erro de x: ∆x = f(a,b,c,…) – f(a-∆a, b-∆b, c-∆c,…)
– Após uma expansão de Taylor do segundo termo,
suprimindo os termos de ordem superior, virá:
⎛ ∂f ⎞ ⎛ ⎞
∆x = ⎜ ⎟∆a + ⎜ ∂f ⎟∆b + "
⎜ ∂a ( ⎟ ⎜ ∂b ⎟
⎝ a , b , c ,... ) ⎠ ⎝ ( a , b , c ,... ) ⎠

– Tomando o “máximo erro possível” como ∆amax, ∆bmax,…,


logo sendo as medidas: a ± ∆amax , b ± ∆bmax, …, virá:
⎛ ∂f ⎞ ⎛ ∂f ⎞
∆xmax = ⎜ ⎟ ∆a max + ⎜ ⎟ ∆bmax + "

⎝ ⎠ (a ,b , c ,...)
a ⎝ ∂b ⎠ (a ,b , c ,...)

12
Propagação de erros sistemáticos-II
– O erro relativo propagado para a variável x pode ser obtido
pela reconsideração da expressão anterior, designando, para
simplificar, por f o valor f(a,b,c,…), (na verdade =x):

∆xmax ∂f a ∆amax ∂f b ∆bmax


= + +"
x ∂a f a ∂b f b

– Chegamos aos conceitos de factor de sensibilidade da


“medida” final, x, relativamente às medidas a, b, c, ...
∂f a ∂f b ∂f c
= S ax = S bx = S cx ...
∂a f ∂b f ∂c f

∆xmax ∆a max ∆bmax


= S ax + S bx +"
x a b

Propagação de erros sistemáticos-III


– Podem demonstrar-se várias regras de propagação dos
factores de sensibilidade às medidas, das quais se ilustram
algumas mais relevantes. Clarifique-se antes o seguinte:
x1 = f1 (a, b, c,...) = f1 ∂f1 a ∂f 2 a
= S ax1 = S ax 2

x2 = f 2 (a, b, c,...) = f 2 ∂a f1 ∂a f 2

S ax × x = S ax + S ax
1 2 1 2

∆ (x1 × x2 )max ∆a max ∆a max


= S ax × x
1 2
+ " = S ax + S ax
1 2
+"
x1 × x2 a a
S ax = nS ax
n

S ax
S axn =
n ∆x' max S x ∆a max
(
x' = f a n ,... ) x'
= a
n a
+"

13
Propagação de erros aleatórios
• Não se pode falar de “máximo erro possível”
• Sendo x = f(a,b,c,…), usam-se agora as médias e as variâncias das
diversas variáveis :

a , b , c ,... σ a2 , σ b2 , σ c2 ,...
• Daí de podem derivar as duas expressões que formam a chamada
“Regra de Propagação do Erro de Gauss” cuja demonstração se
remete para [Klaassen96]:

(
x = f a , b , c ,...)
2 2
⎛ ∂f ⎞ 2 ⎛ ∂f ⎞ 2
σ =⎜
2 ⎟ σa +⎜ ⎟ σ + ....
⎜ ∂a (a ,b ,c ,...) ⎟
x
⎜ ∂b (a ,b ,c ,...) ⎟ b
⎝ ⎠ ⎝ ⎠

• Constatar as semelhanças com o método de Kline & McClintock...

14

Você também pode gostar