Escolar Documentos
Profissional Documentos
Cultura Documentos
ISOGUM95 MonteCarlo PDF
ISOGUM95 MonteCarlo PDF
2
1 INTRODUÇÃO
3
• Linearização do modelo
Segundo COX e HARRIS (2003), o cálculo do número dos graus de liberdade efetivos
utilizando a equação de Welch-Satterthwaite é ainda um problema insolúvel, porque as
incertezas tipo B geralmente contribuem com um infinito número de graus de
liberdade.
De modo a superar as limitações do ISO GUM 95, a simulação de Monte Carlo pode
ser aplicada para a avaliação da incerteza de medição. O método de Monte Carlo é
um procedimento numérico para a solução de problemas matemáticos por meio da
simulação de variáveis aleatórias.
2 O ISO GUM 95
A metodologia do ISO GUM 95 pode ser resumida nos seguintes passos principais: a)
definição do mensurando; b) elaboração do diagrama causa–efeito; c) estimativas das
incertezas das fontes de entrada; d) cálculo dos coeficientes de sensibilidade; e)
cálculo das componentes de incerteza; f) combinação das componentes; g) cálculo
dos graus de liberdade efetivos; h) determinação do fator de abrangência; i) estimativa
da incerteza expandida. Dentre estas etapas, a mais importante é a definição do
mensurando. Uma boa fundamentação do mensurando certamente possibilitará a
elaboração de um diagrama causa–efeito adequado e, conseqüentemente, uma
estimativa da incerteza mais realista, a qual contemplará todas as fontes que
4
impactam no mensurando. A metodologia de cálculo estabelecida desta forma
possibilita ao técnico identificar a qualquer tempo as fontes de incerteza que são
preponderantes no processo de estimativa da incerteza geral.
Na aplicação desta metodologia, deve-se interpretar e avaliar os valores gerados a
cada passo de cálculo para que a estimativa da incerteza de medição não se torne
apenas um simples cálculo ou uma atividade para atender o requisito respectivo da
norma ABNT ISO/IEC 17025:2005 (Requisitos gerais para a competência de
laboratórios de ensaio e calibração).
y = f ( x1 , x2 ,.., xn ) (1)
F = m ⋅ gl (2)
5
m
Certificado
Repetição
F
Certificado
gl
Figura 1 – Diagrama causa-efeito da medição de uma força.
padrão é:
s( xi )
u ( xi ) = (3)
n
onde:
6
das estimativas da incerteza-padrão Tipo B, u( xi ), é realizada quando os valores de
a
u ( xi ) = (4)
3
Assumindo-se que xi tenha agora uma distribuição triangular num intervalo “±a”, a
a
u ( xi ) = (5)
6
U
u ( xi ) = (6)
k
7
Altura em função do Peso Coeficiente Linear em função do Coeficiente Angular de um polinômio Concentração de Manganês e Zinco em diferentes estrutras
de cérebros
0,178
2,5
90
0,176
80
2
Concentração de Zn
0,174
70
60
Coeficiente Linear
Altura (m)
1,5
0,172 50
1 40
0,170
30
0,5 0,168 20
10
0,166 0
0
0 20 40 60 80 100 120 140 160 180 200 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2
0,164
Peso (kg) Concentação de Mn
0 0,0005 0,001 0,0015 0,002 0,0025 0,003 0,0035 0,004 0,0045
a) b) c)
equação 7:
nt ∑ x i y i − ∑ x i ∑ y i
rx , y =
[n ∑ xt
2
i − (∑ xi ) nt ∑ y i2 − (∑ y i )
2
][ 2
] (7)
onde:
xi e yi = são os pares dos valores que definem os pontos no diagrama de dispersão;
nt = número total de pares dos valores.
como:
∂y
ci = (8)
∂xi
No caso de não ocorrer uma relação direta entre o mensurando com alguma fonte de
entrada, é necessária a realização de um experimento para se determinar o
coeficiente de sensibilidade do mensurando em relação a essa dada fonte de entrada.
Por exemplo, a medição de viscosidade com a utilização de um reoviscosímetro de
Höppler é definida pela equação 9 ( MOITA NETO e MARINHO, 1996):
8
η = P ⋅ t ⋅ kv (9)
onde:
η = viscosidade (cP);
P = tensão de cisalhamento (gf/cm²);
t = tempo (s);
kv = constante do viscosímetro.
1400
1200
Viscosidade (cP)
1000
800
600
0
400 Viscos(cP) = -64,3*Temp( C) + 2393
2
200 R = 0,9757
0
0 5 10 15 20 25 30 35
Temperatura (’C)
9
2.1.6 Componentes de incerteza
∂y
u xi ( y ) = u ( xi ) = ci ( xi ) ⋅ u ( xi ) (10)
∂xi
onde:
u xi ( y ) = componente de incerteza do mensurado referente a cada fonte xi ;
ci ( xi ) = coeficiente de sensibilidade referente a cada fonte xi ;
u ( xi ) = incerteza referente a cada fonte xi .
onde:
10
uc(F)
ua(F)
Fontes de Incertezas
um2(F)
um1(F)
11
95 estabelece duas equações para a combinação de incertezas: uma para quando
não há correlação entre as incertezas das fontes de entrada (não correlacionadas) e
outra quando há correlação entre as incertezas das fontes de entrada .
2
N
∂f N N
u c ( y ) = ∑ ⋅ u ( xi ) = ∑ (ci ( xi ) ⋅ u( xi )) ∑ (u ( y))
2 2
= xi
(11)
i =1 ∂xi i =1 i =1
2
N
∂f ∂f
N N
∂f N −1 N
∂f ∂f
u (y) = ∑∑
2
c u( xi , x j ) = ∑ u 2 (xi ) + 2∑ ∑ u( xi , x j ) (12)
i=1 j=1 ∂x i ∂x j i=1 ∂x i i=1 j=i+1∂xi ∂x j
onde:
u( xi , x j ) = u( x j , xi ) é a covariância estimada associada com xi e x j .
2
∂f
N N −1 N
∂f ∂f
u (y)= ∑ u 2 (xi ) + 2∑ ∑
2
c u(xi )u(xj )r(xi , x j ) (12A)
i=1 ∂xi i=1 j=i+1∂xi ∂x j
u(xi , x j )
r(xi , x j ) = (13)
u(xi )u(xj )
sendo:
12
Considerando-se que as incertezas das fontes de entrada são cem por cento
correlacionadas ( r(xi , x j ) = 1), a equação 12A pode ser reescrita conforme a equação
14:
Denominando-se:
cx2u 2 (xi ) = a 2 e c x2 u 2 (x j ) = b 2
i j
tem-se a equação.14A:
Conclui-se, então, pela equação 14A, que quando as incertezas das fontes de entrada
são cem por cento correlacionadas, r(xi , x j ) =1, a incerteza-padrão combinada será a
onde:
13
O número de graus de liberdade é um número inteiro. Sempre que houver números
decimais no valor dos graus de liberdade efetivos, somente a parte inteira do número
deve ser considerada. O número de graus de liberdade de uma incerteza-padrão tipo
B é considerado pelo Guia como infinito.
U = k ( p;ν ) ⋅ u c ( y) (16)
14
3 ESTIMATIVA DA INCERTEZA DE MEDIÇÃO PELO MÉTODO DE MONTE
CARLO
• Definição do mensurando;
• Elaboração do diagrama causa–efeito;
• Estimativas das incertezas das fontes de entrada;
• Identificação das funções densidade de probabilidade, correspondentes a cada
fonte de entrada;
• Seleção do número de iterações de Monte Carlo;
• Escolha da função densidade de probabilidade p( xi );
15
Definidos as funções densidade de probabilidade e os seus respectivos intervalos para
cada fonte de incerteza de medição, escolhe-se o número de iterações desejada, que
representam a quantidade de números que serão gerados no intervalo de cada função
densidade de probabilidade.
A cada número aleatório gerado que esteja compreendido no intervalo da função
densidade de probabilidade definida de cada fonte, imediatamente é realizado o
cálculo do mensurando, através da sua equação de definição.
Ao final do número de iterações desejado, são obtidos tantos valores do mensurando
quanto a quantidade de números que estavam contidos nos intervalos das funções
densidade de probabilidade de cada fonte. Deste modo é possível executar os
cálculos da média (µ) e do desvio padrão (σ ) de todos os valores obtidos para o
mensurando.
Se a distribuíção final de todos os valores calculados do mensurando é normal, o seu
valor de simetria (“skewness”) é próximo de zero. Deste modo, a partir do conceito de
distribuição normal padronizada e para uma probabilidade de abrangência desejada, é
possível definir, então, o limite inferior e o limite superior da função densidade de
probabilidade dos valores do mensurando, já que são conhecidos os valores da média
e do desvio-padrão.
Por exemplo, os valores de z referentes aos limites superior e inferior do intervalo da
função densidade do mensurando, para a probabilidade de abrangência de 95,45% ,
são definidos pelas equações 17A e 17B, respectivamente:
Li − µ
− 2= (17A)
σ
Ls − µ
2= (17B)
σ
onde:
16
Desta forma, a incerteza para uma probabilidade de abrangência de 95,45% da
incerteza expandida é definida pela semi amplitude do intervalo, conforme equação
18:
Ls − Li
U ( p = 95,45%; K = 2) = (18)
2
17
ρ 20 C ( g / cm3 ) = ρ 20 (1) +
[ ]
(ρ medido − ρ1 ) ⋅ (ρ 20 ( 2 ) − ρ 20 (1) )
(19)
ρ 2 − ρ1
o
onde:
ρ 20 o
C
= massa específica do produto a 20oC;
ρ 20 o
C
Estimativa Estatística
Estimativa Certificado
ρ1 ρ2 Temperatura Reprodutibilidade
18
4.1.3 Avaliação das incertezas-padrão
sp
u precisão int ermediária = (20)
nt
onde:
0,00014
u precisão int ermediária = g / cm 3 = 1,90 x10 −5 g / cm 3
54
si
u repetitividade = (21)
ni
19
onde:
0,0001
u repetititvidade = g / cm 3 = 5,8 x10 −5 g / cm 3
3
onde:
a= resolução dos valores tabelados das massas específicas.
0,0001
uυi = g / cm 3 = 5,77 x10 −5 g / cm 3
3
20
equação 23:
U (23)
u ( xi ) =
k
U = 0,0003 g / cm3 e K = 2.
0,0003
u ρ medida = g / cm 3 = 1,5 x10 −4 g / cm 3
2
∂ρ 20 0C ρ − ρ1
= 1 − medida = 0 , 8
∂ρ 20(1) ρ 2 − ρ1 (24)
∂ρ 200 C ( ρ1 − ρ 2 ) + ( ρ medida − ρ1 )
= ⋅ ( ρ 20 ( 2) − ρ 20 (1) ) = 0,8 (24a)
∂ρ1 ( ρ 2 − ρ1 ) 2
21
∂ρ 200 C ( ρ medida − ρ1 ) ⋅ ( ρ 20( 2) − ρ 20(1) )
= = 0,2 (24b)
∂ρ 2 ( ρ 2 − ρ1 ) 2
∂ρ 20 0 C ρ − ρ1
= medida = 0,2 (24c)
∂ρ 20 ( 2 ) ρ 2 − ρ 1
∂ ρ 20 0 C ρ 20 ( 2 ) − ρ 20 (1 )
= =1
(24d)
∂ ρ m ed ida ρ 2 − ρ1
Na equação 19, que define o cálculo da massa específica da gasolina a 20oC, não
figura a grandeza temperatura. Deste modo, para o cálculo do coeficiente de
sensibilidade da massa específica da gasolina em função da temperatura, utilizou-se
neste caso os valores apresentados nas Tabelas de Correção das Densidades e dos
Volumes dos Produtos de Petróleo (1970) do Conselho Nacional do Petróleo, para a
elaboração do gráfico da figura 6.
0,789
+ 0,7705
2
0,787 R = 0,9996
0,786
0,785
0,784
0,783
0,782
15 17 19 21 23 25
0
TEMPERATURA C
ρ 20 o
C
= a ⋅θ + b (25)
22
onde:
ρ 20 o
C
= massa específica da gasolina a 20 °C;
∂ρ 200 C g / cm 3
= a = 0,0007 (26)
∂θ 0
C
∑ (u ( y))
2
uc ( y) = xi (27)
i =1
23
Aplicando-se a equação 27 aos valores u xi ( y ) da tabela 2 do nosso estudo de caso, o
Variância Combinada
Temperatura
Repetitividade
Fontes de incerteza
Prec ntermediária
ρ2
ρ20(2)
ρ1
Densímetro
ρ20(1)
24
componente que constará em qualquer medição de massa específica realizada pelo
laboratório em estudo, é de cerca de 1,1% da incerteza combinada.
De acordo com o ISO GUM 95, o número de graus de liberdade efetivos da incerteza-
padrão combinada de um mensurando é calculado pela equação 28, de Welch-
Satterthwaite:
onde:
N = número de fontes de entrada;
νi = número de graus de liberdade referente a cada fonte de entrada;
25
liberdade efetivos da incerteza-padrão combinada uc (y) do mensurando. Geralmente a
U = K ( p;ν ) ⋅ u c ( y) (30)
ρ 20 o
C
= (0,78950 ± 0,00036) g/cm³; K = 1,972; p = 95%
A tabela 3 apresenta a compilação de todos os valores das componentes da
estimativa da incerteza no resultado de medição da amostra de gasolina do estudo de
caso desta Nota Técnica.
26
Tabela 3 - Compilação de todas as componentes de incerteza do estudo de caso.
Repetetitividade 0,0001
normal 3 1 5,77E-05 2
da Amostra g/cm³
Precisão 0,000019
normal 1 1 2,01E-05 48
Intermediária g/cm³
Incerteza
normal 1,80E-04 189
Combinada
Incerteza
Expandida normal 3,6E-04 189
(95%,k=1,972)
27
4.2 Metodologia de Monte Carlo
28
5 COMPARAÇÃO DOS RESULTADOS OBTIDOS PELO ISO GUM 95 E PELA
MÉTODOLOGIA DE MONTE CARLO
29
6 REFERÊNCIAS BIBLIOGRÁFICAS
30
• INTERNACIONAL ORGANISATION FOR STANDARDIZATION. Accuracy
(trueness and precision) of Measurement Methods and Results. Basic Methods
for the Determination of the Trueness of a Standard Measurement
method.Part4 (ISO 5725-4:1994)
• ÁVILA, A.K.; ARAUJO, T. O.; BORGES, R. M. H.; COUTO, P;. ROSIAS, M. F.;
ROCHA, O.G.F.; VAITSMAN, D. S. ; DIAS, V. Evaluation of uncertainty sources
associated with toxic trace element concentrations in rice” Accreditation and
Quality Assurance. Journal for Quality, Comparability and Reliability in
Chemical Measurement. 2004. Publisher: Springer-Verlag GmbH ISSN: 0949-
1775 1432-0517 (Online) DOI: 10.1007/s00769.
• BORGES, R.M.H.; COUTO, P.; LEMOS, I.M.G.; FRANCO, A. P.; VIEIRA, A.T.;
RIBEIRO, R. C.; SILVA, F. R.; GOMES, E. G.; PINHEIRO, A. P. G.; COUTO, R.
S.; FRAGA, I. C. S.; ANTUNES, A. M. S.; d’AVILA, L. A. Development of
software to calculate the uncertainty of pH and conductivity measurements for
alcohol fuel. 2003.Metrologia 2003.Toulon .França.
31
P. G.; COUTO, R. S.; ANTUNES, A. M. S.; d’AVILA, L. A. Avaliação da
Incerteza de Medição de pH em Álcool Combustível.2003.Metrologia
2003.Recife- PE.
• COX, M.; HARRIS, P. Accreditation Quality Assurance. Vol.8. 2003. 375 – 379p
32
• HERRADOR, A.M.; GONZÁLEZ, G. A.; Evaluation of Measurement Uncertainty
in analytical assays by means of Monte Carlo simulation. abril 2004- Talanta
64 (2004) 415-422
33