UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE

ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

RELATÓRIO – GRUPO 5-VC

LABORATÓRIO 1

INSTRUMENTAÇÃO

ELIZA CINTRA LIMA MANCINI AGUILAR – 11311EMC034

LUCAS TEIXEIRA FIORI – 11911EAR025

VINICIUS ANDRÉ DE ALMEIDA ANDERS – 11611EMT012

UBERLÂNDIA, 16 DE OUTUBRO DE 2022.

1
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

SUMÁRIO
1. INTRODUÇÃO .......................................................................................................... 3

2. OBJETIVO................................................................................................................. 3

3. MATERIAIS............................................................................................................... 3

4. METODOLOGIA ....................................................................................................... 5

5. RESULTADOS E DISCUSSÃO................................................................................ 5

6. CONCLUSÃO ........................................................................................................... 9

7. REFERÊNCIAS....................................................................................................... 10

2
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

1. INTRODUÇÃO

Atualmente, os sistemas de medição vêm utilizando elementos eletrônicos e

computacionais a fim de promover maior assertividade e agilidade na captura de
dados, capturando amostras com uma maior velocidade e permitindo que se
aumente a quantidade de dados coletados, de forma a se reduzir erros.

As ferramentas de tratamentos de dados estatísticos complementam o uso

dos sensores e das ferramentas de automação, apontando valores escusos,
erros e tornando as medições ainda mais fiéis à realidade.

2. OBJETIVO

Este relatório tem como objetivo a captura de sinais por meio da plataforma
Arduino que, integrada ao software MatLAB®, serão processados com funções
estatísticas a fim de conferir maior credibilidade aos dados coletados.

3. MATERIAIS

3.1 Sensor de temperatura LM

Ele é caracterizado como um sensor de precisão, que retorna uma saída de

tensão linear proporcional à temperatura instantânea do ambiente, sendo ela um
sinal de 10mV para cada grau Celsius. Ademais, ele trabalha com uma faixa de
operação de −55 °C e 150 °C, onde há variações de temperaturas entre ¼ °C e
¾ °C, e não é necessária qualquer calibração externa para captação de dados
exatos.

3.2 Arduino

Esse aparelho é caracterizado por ser uma placa de entrada analógica de 0V

a 5V. O primeiro representa a temperatura mínima e o último a máxima, além de
capturar dados, com erro de quantização de 1/(210) da medida (prototipagem

3
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

rápida de 10 bits). A porta analógica de entrada definida para o atual experimento

é a A2, e a programação (Anexo I) envolvida permite a leitura dela e publicação
no canal serial com periodicidade de 500 a 500ms.

3.3 Computador

O computador é conectado ao Arduino, via cabo USB, para que haja

comunicação com a porta serial de forma automática. É válido lembrar que a
comunicação é feita apenas quando o comando “Serial.begin
(TaxaComunicação)” está no setup do código, e saber qual é o número da porta
aberta no computador para realizá-la, ao checar o “Painel de Controle” do
Windows.

3.4 Esquema da montagem do sistema

A Figura 1 apresenta o esquema da montagem física do sistema, onde o
sensor LM35 é acoplado à porta analógica A2 de um Arduino UNO, alimentado
aquele pelas portas 5V e GND.

Figura 1: Esquema da montagem física do Arduino com o sensor de

temperatura LM35.
4
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

Fonte: Tavares (2021), Módulo 1: Tratamento de Dados Coletados de Sensor

de Temperatura LM35

4. METODOLOGIA

Os valores de temperaturas medidos pelo sensor são aquisitados pelo

programa em MatLab ® que reconhece a porta serial em uso (COM3). Os
resultados são armazenados em um arquivo tipo “txt” e plotados graficamente.

Com os dados disponíveis para as análises estatísticas, são calculadas

algumas variáveis estatísticas como: média; desvio padrão, intervalo da amostra,
assimetria e achatamento. Seguindo, são detectados valores falsos para
aplicação do Critério de Chauvenet, o qual determina o intervalo de confiança
estatístico máximo admissível (valor padrão) e remove aqueles resultados que
estão fora desse intervalo.

Logo, após a aplicação do método, calcula-se o intervalo de confiança da

amostra tratada, posteriormente, o gráfico do histograma e a frequência
acumulada da amostra são plotados.

Por fim, é executado o teste do Quiquadrado, implementando os algoritmos

apresentados em sala. Aqui, se compara os valores do histograma que foram
adquiridos no experimento com os valores teóricos de uma distribuição normal
da FDP teórica. Para a média e o desvio padrão, são utilizados os valores
coletados das amostras. Considera como 2 o número de parâmetros da
gaussiana.

5. RESULTADOS E DISCUSSÃO

Os dados coletados se comportam à medida que o sensor atua no sistema,

capturando a temperatura instantânea do ambiente. Logo, com esse conjunto de
amostras determina-se as variáveis estatísticas que caracterizam essa análise.

5
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

Dessa maneira, a Tabela 1 apresenta o valor da média (média), desvio padrão

(Sigma), o intervalo da amostra (R), o valor da assimetria e o valor do
achatamento da amostra.

Tabela 1 – Resultados obtidos

Média 29,6226 °C
Sigma 0,2334
Intervalo 0,4900
Assimetria -0,6677
Achatamento 1,4458

Em seguida, aplica-se o Critério de Chauvenet, sendo possível analisar o

comportamento da aquisição de dados com o tempo, no entanto, o que difere é
a extração de valores espúrios. Para comparação, novos resultados para as
variáveis estatísticas são apresentados pela Tabela 2, após a aplicação de
Chauvenet. O gráfico é plotado, apresentado pela Figura 2, com a comparação
do comportamento dos dados originais e corrigidos.

Figura 2 – Gráfico obtido a partir dos dados originais e pós Chauvenet.

6
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

É possível observar que a amostra de dados coletados pelo sensor de

temperatura não apresenta nenhum valor incoerente, uma vez que os gráficos
estão se comportando igualmente. Ou seja, Chauvenet não modificou a amostra
inicial, pois não havia possíveis modificações a serem feitas devido à
congruência dos dados da amostra. Os resultados da Tabela 2 proporcionam
mais credibilidade à afirmação anterior, pois são idênticos aos presentes na
Tabela 1, ou seja, em ambas as análises são usados os mesmos dados para
caracterizar a amostra estatisticamente. Adiante, são calculados os valores
referentes ao intervalo de confiança da amostra para um nível de confiança
estatística de 95%, onde a Tabela 3 apresenta o resultado encontrado para o
desvio do intervalo de confiança e os limites inferior e superior dele.

Tabela 2 – Dados pós Chauvenet.

Média 29,6226 °C
Sigma 0,2334
Intervalo 0,4900
Assimetria -0,6677
Achatamento 1,4458
Confiança estatística 95%
Intervalo de confiança 0,0844
Limite inferior do I.C. 29,5804
Limite superior do I.C. 29,6648

É esperado que o intervalo de confiança seja pequeno, devido ao fato de

muitos dados de temperatura serem idênticos, já que esse é um indicador de
confiabilidade de uma estimativa. Por fim, com o histograma apresentado pela
Figura 3 é possível visualizar quantas classes descreve a amostra, qual é
amplitude delas, quantos dados estão concentrados em cada uma, entre outras
informações que podem ser coletadas a partir da observação dele.
Concomitante, o gráfico que representa a frequência acumulada da amostra,

7
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

representado pela Figura 4, é plotado a fim de promover uma observação ao

analista de como é o comportamento do acúmulo de dados em função das
classes.

Figura 3 – Histograma gerado.

Figura 4 – Gráfico da frequência acumulada.

Pelo histograma conclui-se que a maior parte dos dados coletados pelo
sensor de temperatura são pertencentes à segunda classe, ou seja, muitas
medidas apresentam a temperatura de 22,0 °C, enquanto o restante delas
aproximam-se do limite inferior do range da amostra. Na Figura 4 percebe-se
como o acúmulo desses dados em cada classe se comporta, logo, é possível
inferir que há dados em apenas 2 classes, a primeira e a última, uma vez que o
gráfico da função de frequência acumulada permanece constante até chegar ao
limite superior da última classe, crescendo de acordo com a reta presente nele.
Para o teste do Quiquadrado, foi considerado um Gaussiana com 2 parâmetros
e os dados estatísticos da média e do desvio padrão foram considerados como
os do experimento. Além disso, o número de classes foi calculado seguindo o
critério de Kendall & Stuart, pois N > 40, o que resultou em 11 classes. Aplicando-
8
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

se o algoritmo, o resultado foi igual a 911,1811. Isso mostra que o critério não foi
alcançado. A relação número de ocorrências esperado, número de ocorrências
observado é apresentada pela Tabela 4.

Tabela 4 – Relação entre o número de ocorrências esperado e observado.

Número Número
observado esperado
39 3,8136
0 4,6385
0 5,4517
0 6,1913
0 6,7943
0 7,2047
0 7,3822
0 7,3092
0 6,9929
0 6,4647
61 5,7750

6. CONCLUSÃO

A análise estatística de sensores é de suma importância para verificar se

há incoerências quanto ao funcionamento deles, dessa forma, realizando as
medidas necessárias para sua manutenção. Avaliá-los impede o operador de
cometer erros de medições, garantin do a maior produtividade da máquina ou
equipamento que os integram, com a correta inspeção e manutenção preventiva.

9
 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE
ENGENHARIA MECÂNICA

FEMEC41070 – INSTRUMENTAÇÃO
PROF. DR. JOSÉ JEAN-PAUL ZANLUCCHI DE SOUZA TAVARES

Os sensores de temperatura garantem que o ambiente esteja propício

para realização de atividades específicas dos equipamentos, ou seja, esses
trabalharão na máxima eficiência com a temperatura adequada, como são os
casos de ares-condicionados, motores e outros. Logo, para o engenheiro toda
essa análise estatística apresentada no relatório deve estar bem estabelecida
em seu dia a dia, uma vez que é ele o responsável pela manutenção e projeção
das máquinas que visam trazer conforto e facilidade para todos.

7. REFERÊNCIAS

[1] H. Matted, “Sensor de temperatura – tipos e

funcionamento!.<https://www.mundodaeletrica.com.br/sensor-de
temperaturatipos-funcionamento/>,” Acesso em: 30 jul. 2021.

[2] Módulo 1: Tratamento de Dados Coletados de Sensor de Temperatura LM35.

UNIVERSIDADE FEDERAL DE UBERLÂNDIA, Acesso em: 29 jul. 2021.

[3] Balluff, “Sensores de temperatura industrial e suas principais

aplicações.<https://balluffbrasil.com.br/sensores-de-temperatura-industrial-e
suasprincipais-aplicacoes/>,” Acesso em: 29 jul. 2021.

[4] N. Automotiva, “Você sabe como funcionam os sensores de temperatura do

seu carro?.<https://blog.nakata.com.br/sensor-de-temperatura/>,” Acesso em:
30 jul.2021.

10