Escolar Documentos
Profissional Documentos
Cultura Documentos
INSTITUTO DE QUÍMICA
RIO DE JANEIRO
2023
PÚ
BLI
CA
CINTHIA VALERIANO DA CRUZ
RIO DE JANEIRO
2023
PÚ
BLI
CA
CINTHIA VALERIANO DA CRUZ
BANCA EXAMINADORA:
__________________________________
Nome do Professor, Titulação (Instituição)
__________________________________
Nome do Professor, Titulação ( Instituição)
__________________________________
Nome do Professor, Titulação (Instituição)
PÚ
BLI
CA
DEDICATÓRIA
PÚ
BLI
CA
AGRADECIMENTOS
PÚ
BLI
CA
EPÍGRAFE
PÚ
BLI
CA
RESUMO NA LÍNGUA VERNÁCULA
PÚ
BLI
CA
RESUMO EM LÍNGUA ESTRANGEIRA
PÚ
BLI
CA
LISTA DE ILUSTRAÇÕES
PÚ
BLI
CA
LISTA DE TABELAS
PÚ
BLI
CA
LISTA DE ABREVIAÇÕES
PÚ
BLI
CA
LISTA DE SIGLAS
PÚ
BLI
CA
LISTA DE SÍMBOLOS
PÚ
BLI
CA
SUMÁRIO
PÚ
BLI
CA
1. INTRODUÇÃO
PÚ
BLI
CA
Atualmente, um dos setores cruciais para comercialização de quaisquer itens a
serem consumidos, sejam de cunho farmacêutico, culinário ou ainda petroquímico, por
exemplo, é o setor do Controle de da Qualidade, o qual verifica parâmetros essenciais
para avaliação da qualidade do produto, que está diretamente ligada ao tipo de impacto
que será gerado a partir de seu uso. Em laboratórios analíticos voltados para análise de
óleos lubrificantes, por exemplo, uma prática muito comum é a quantificação de metais
e não metais por técnicas espectrométricas, tais como a de espectrometria de emissão
atômica por plasma indutivamente acoplado (ICP-OES) que, atualmente, é considerada
uma das técnicas mais eficazes para tal, vide estudos interlaboratoriais da mesma área 4.
PÚ
BLI
CA
2. OBJETIVOS
Este trabalho tem como objetivos o cálculo de incerteza de medição, tendo como
base de dados um procedimento analítico para quantificação de fósforo em óleos
lubrificantes de um laboratório de Controle de Qualidade. Além da construção de uma
planilha de cálculo para a estimativa desta incerteza, que, posteriormente, poderá ser
utilizada como material complementar de uma aula da disciplina de Análise de
Estatística de Dados.
PÚ
BLI
CA
3. FUNDAMENTAÇÃO TEÓRICA
3.1. Espectrometria de emissão óptica por plasma indutivamente acoplado (ICP-
OES)
3.1.1. Princípio analítico da técnica
PÚ
BLI
CA
Os resultados quantitativos em espectrometria de emissão atômica são baseados
geralmente no método dos padrões externos, onde estima-se que as curvas de calibração
analíticas sejam lineares ou sigam uma relação preestabelecida.
PÚ
BLI
CA
As interferências do analito alteram a grandeza do sinal do analito em si e,
normalmente, não são normalmente de natureza espectral, mas de efeitos físicos ou
químicos. As interferências físicas podem alterar os processos de aspiração, de
nebulização, de dessolvatação e de volatilização.
3.1.2.4. Aplicações
PÚ
BLI
CA
traço de metais podem auxiliar a apontar a origem de produtos de petróleo encontrados
em derramamentos de óleo ou a identificar fontes de poluição . Acho necessário usar
outras referências. Até agora você só falou do Skoog e da referência 4 (Programa
Interlaboratorial de Lubrificantes. Agência Nacional de Petróleo).
Lubrificantes são substâncias que atuam como uma película entre duas partes
móveis, facilitando o deslizamento e reduzindo o desgaste gerado pelo atrito ou fricção.
Da mesma forma, ao reduzir esse atrito, o lubrificante permite também uma diminuição
da temperatura gerada pelo movimento e um aumento da eficiência, já que em uma
superfície lubrificada será necessário aplicar uma menor quantidade de energia para
executar um mesmo movimento (RAIZEN, 2022).
PÚ
BLI
CA
A principal forma de classificação de lubrificantes se dá conforme seu estado
físico. O lubrificante em estado líquido é o mais comum, seguido da graxa lubrificante,
diferindo somente com relação a textura e composição. Óleo lubrificante é, por
definição, um líquido composto por óleo básico e aditivos que tem como objetivo e
função melhorar seu desempenho como lubrificante.
PÚ
BLI
CA
que os torna óleos lubrificantes. Esses aditivos podem conferir funcionalidades
diferentes e específicas aos lubrificantes, tais como a de detergente/dispersante, ação
antioxidante, anticorrosivo, antiferrugem, extrema pressão, antidesgaste, abaixador do
ponto de fluidez, aumentador do índice de viscosidade etc (MOTA, 2017;
PETROBRAS, 2021).
PÚ
BLI
CA
carga orgânica introduzida, visto que esta diminui a estabilidade do plasma, a energia
disponível para ionização e excitação do analito e aumenta o sinal de emissão de fundo.
A sendo estes fatores que estão ligados à sensibilidade do método e relacionados com a
viabilização do uso de procedimento de calibração que proporcionem exatidão e
precisão dos resultados através de uma boa correlação entre os sinais dos padrões e da
amostra (MOTA, 2017).
Apesar dos avanços observados nas técnicas de introdução das amostras, grande
parte das técnicas espectrométricas requerem que as amostras estejam na forma líquida.
Em especial, em ICP-OES, as amostras precisam ser introduzidas por meio de um
sistema nebulizador ou câmara de nebulização que garantem a formação de um
aerossol, cujas gotículas sejam pequenas o suficiente para alcançar o interior do ICP e
serem eficientemente vaporizadas. Podem ser utilizadas diversas técnicas de preparo e
abertura das amostras, tais como diluição ácida na amostra pirolisada; diluição direta em
solventes orgânicos, decomposição ácida etc (MOTA, 2017). A seguir, a técnica de
diluição direta em solventes orgânicos será explorada e explicada detalhadamente.
PÚ
BLI
CA
forma, a introdução de solvente orgânico requer um aumento de, pelo menos, 500 W na
potência do plasma para se alcançar condições de excitação similares àquelas existentes
em introdução de amostras aquosas. Mesmo com o aumento de potência, a sensibilidade
das determinações ainda pode ser severamente degradada, pois os aerossóis e vapores
gerados destes solventes podem reduzir a temperatura axial no plasma e,
consequentemente, suprimir a produção de íon excitado do analito.
PÚ
BLI
CA
representativas e homogêneas, de modo a assegurar, ao máximo possível, que estas
serão devidamente processadas.
PÚ
BLI
CA
preparar soluções que tenham viscosidades muito próximas, reduzindo o efeito desse
parâmetro sobre essa etapa.
Durante essa etapa, o aerossol formado cria uma população de gotículas com
uma distribuição de tamanhos, cujo diâmetro médio varia de 1 a 80 µm. Quanto mais
uniforme o tamanho da gotícula, mais precisos serão os resultados das determinações
analíticas. Gotículas maiores requerem maior energia para vaporizar e atomizar,
resultando em instabilidade local no plasma (SOUZA, 2003).
Como nas análises realizadas ao longo deste trabalho foi utilizado o nebulizador
tipo Cross-Flow, a forma como este nebulizador funcionar será detalhada neste
documento.
PÚ
BLI
CA
Através da passagem da amostra por um dos capilares do nebulizador, pode
ocorrer obstrução parcial ou bloqueio do mesmo, devido à presença de material
particulado em suspensão, ou a uma extensão menor, pela concentração de sólidos
dissolvidos nas amostras que precipitam na extremidade como resultado da evaporação
do solvente. Esta obstrução parcial pode resultar em um processo irreprodutível da
formação do aerossol. Este decréscimo na taxa de produção de aerossol resulta em uma
perda variável de sensibilidade, que pode passar despercebida pelo analista (SOUZA,
2003).
Assim, alguns autores consideram que, para elucidar algumas das razões pelas
quais se faz o uso das ferramentas da qualidade, estas podem ser listadas na seguinte
ordem:
PÚ
BLI
CA
3.[4.] aumentar a produtividade.
O Diagrama de Ishikawa foi aplicado pela primeira vem vez em 1953 no Japão
por Kaoru Ishikawa, professor da Universidade de Tóquio. O intuito dessa aplicação foi
o de sintetizar as opiniões dos engenheiros quando estes discutiam sobre problemas de
qualidade e para explicar como vários fatores poderiam ser comuns entre si e estar
relacionados. Esta ferramenta da qualidade ficou conhecida por este nome devido ao
fato de ser uma representação gráfica que permite organizar informações para
identificar as possíveis causas e efeitos de um problema, mostrando a relação entre o
efeito e as causas que possam estar contribuindo para que ele ocorra 8. Cínthia, sugiro
que você feche este item associando o digrama de causa e efeito ao levantamento de
incertezas.
Cinthia, aqui é a teoria. Toda a parte que você coloca em 4.3.1 deveria estar aqui.
PÚ
BLI
CA
proveniente dos efeitos aleatórios e das correções imperfeitas do resultado para efeitos
sistemáticos.
Etapa 1. Especificação do mensurando: declarar com clareza o que está sendo medido,
com a inclusão da relação entre o mensurando e suas grandezas de entrada, das quais ele
depende; Cinthia, não falta nada nesta frase? Inclusão de quê entre o mensurando e suas
grandezas?
Etapa 2. Identificação das fontes de incerteza de medição: a inclusão das fontes que irá
irão contribuir para a incerteza dos parâmetros em relação a Etapa 1, mas pode-se
incluir outras fontes e incluir fontes decorrentes de pressuposições químicas;
Etapa 5. O fator de abrangência apropriado deve ser aplicado para se chegar a uma
incerteza expandida. (graus de liberdade efetivo)
PÚ
BLI
CA
Cinthia, onde você fala sobre incerteza combinada e expandida? Aqui é a
fundamentação teórica e o local mais indicado para vir toda esta teoria.
PÚ
BLI
CA
possíveis valores desse mesmo tipo. Se na primeira análise não forem identificados
valores aberrantes, o teste é realizado visando identificar a existência de dois valores
aberrantes (um par) em cada extremidade do conjunto. Desta forma, assim como no
primeiro caso, se dois dos resultados de uma das extremidades forem identificados
como aberrantes, estes são rejeitados, retirados do conjunto e um novo teste é realizado
para verificar a existência de outros dois valores aberrantes nas extremidades.
Onde,
s2 max = maior valor de variância (variância máxima)
PÚ
BLI
CA
∑s2 = somatório de todas as variâncias
Onde,
PÚ
BLI
CA
B0 = coeficiente linear da reta (ponto de interseção da reta com o eixo das
ordenadas).
Não foi assim que você viu no curso de estatística. Você poderia me explicar isto? Eu
não entendi bem o que você queria dizer.
Você nem usou regressão linear ponderada no seu trabalho. Basta colocar uma
referência no texto quando você sobre ela, do mesmo jeito que você fez quando falou
dos nebulizadores.
Como se faz uma regressão? Você precisa falar do método dos mínimos quadrados.
3.5.5.[3.4.5.] ANOVA
PÚ
BLI
CA
A análise de variância (ANOVA) é o método paramétrico mais eficiente
disponível para análise de dados obtidos a partir de experimentos. Originalmente, foi
desenvolvido para testar diferenças entre vários grupos diferentes de tratamentos,
contornando assim, o problema de fazer múltiplas comparações entre grupos pela
utilização de testes t. É um método de grande complexidade e sutileza com diferentes
variações, cada uma das quais se aplica a um determinado contexto experimental
(ARMSTRONG et. al, 2022).
variância (ANOVA)21.
em que SQregr e SQres são apresentadas com mais detalhes nas Equações 24 e 25,
respectivamente
é o valor estimado
PÚ
BLI
CA
replicatas nos níveis (+) mais e (-) menos é o próprio valor observado
) e, inclusive das
replicatas (yj
Pela Equação 26, o primeiro termo da direita diz respeito à diferença entre o valor de
cada observação individual no nível e a média de todas as observações naquele nível. Já o
segundo termo corresponde à diferença entre o valor estimado no nível e a média de todas as
observações naquele nível. A subtração entre estes dois termos fornece como resposta o
resíduo de cada observação individual. Para evitar os termos negativos na Equação 26, tomam-
se as suas diferenças quadráticas e obtém-se Equação 27
PÚ
BLI
CA
O primeiro termo da direita é chamado de soma quadrática do erro puro e está
relacionado exclusivamente com os erros aleatórios das replicatas. Já o segundo termo da
direita é chamado de soma quadrática da falta de ajuste, pois ele é uma medida da
discrepância entre a resposta do modelo de previsão ( ^yi ) e a média das replicatas ( –y i )
realizadas no conjunto de condições experimentais18.
A Equação 27 pode ser resumida da seguinte maneira SQres = SQep + SQfaj (28) Para
cada fonte de variação (regressão, resíduos, falta de ajuste, erro puro e total), é necessário
obter o número de graus de liberdade. Não introduzindo detalhes, pode-se provar que o
número de graus de liberdade para as Equações 24, 25 e 27 são p – 1, n – p e (n – m) + (m – p),
respectivamente1-2,18,26, em que p é o número de parâmetros (coeficientes) do modelo, n é
o número total de observações (ensaios) e m é o número de níveis do planejamento. O número
de graus de liberdade para as outras fontes de variação pode ser obtido por cálculos algébricos
simples. A divisão da soma quadrática de cada fonte de variação pelo seu respectivo número
de grau de liberdade fornece a média quadrática (MQ). A razão entre a média quadrática da
regressão (MQreg) pela média quadrática dos resíduos (MQres), que nada mais é do que a
razão entre duas variâncias, pode ser usada para comparar tais fontes de variação através do
teste F (distribuição de Fisher), levando em consideração seus respectivos números de graus de
liberdade. O mesmo pode ser feito para a razão entre a média quadrática da falta de ajuste
(MQfaj) pela média quadrática do erro puro (MQep). Assim, como foi realizada a avaliação dos
efeitos e coeficientes empregando o teste t, através do valor p, o mesmo será feito para
comparar as duas fontes de variação entre si, empregando-se neste caso o teste F (Equação 29)
(29) em que MQ1 e MQ2 são as médias quadráticas das fontes de variação 1 e 2,
respectivamente, e ν1 ,ν2 são seus respectivos números de graus de liberdade. Exemplificando,
a razão entre as médias quadráticas da falta de ajuste e do erro puro é o valor calculado do
teste estatístico (Fcalc), que é usado para comparar qual é mais significativo. Podese formular
uma hipótese nula (H0 ) considerando que não há diferença entre as fontes de variação
comparadas. Esta hipótese se reflete na seguinte regra de decisão: a) rejeição da hipótese nula
com 5% de significância, quando o valor de Fcalc se situar fora do intervalo definido por Fα (|
Fcalc| ≥ Fα ), ou seja, p ≤ α. Isso equivale a dizer que o valor estatístico amostral observado é
PÚ
BLI
CA
significativo no nível definido e as fontes de variação comparadas são diferentes. b) Aceitação
da hipótese nula, caso contrário. Se H0 for rejeitada para MQfaj/MQep, isto é, p ≤ α, então há
uma falta de ajuste significativa ao nível de probabilidade e número de graus de liberdade
definidos (normalmente, α = 0,05) e o modelo não é adequado. Em termos práticos, um bom
modelo necessita ter uma regressão significativa e uma falta de ajuste não significativa. Isto
equivale a dizer que a maior parte da variação total das observações em torno da média deve
ser descrita pela equação de regressão e o restante certamente, ficará com os resíduos. Da
variação que fica com os resíduos é esperado que a maior parte fique com o erro puro, que é o
erro experimental, e não com a falta de ajuste, que está diretamente relacionada com o
modelo. Outros parâmetros para observar se toda variação em torno da média foi explicada
pela regressão são o valor do coeficiente de variação R2 (Equação 30) e o gráfico dos
resíduos2 . O valor de R2 representa a fração da variação que é explicada pela falta de ajuste
do modelo (Equação 30). Quanto mais próximo
PÚ
BLI
CA
MATERIAIS E MÉTODOS
Sua escolha foi devido ao fato desta ser uma das análises de maior importância e
criticidade do escopo analítico de óleos lubrificantes, visto que é através desta que se
torna possível quantificar os teores dos elementos de interesse que estão contidos numa
determinada fórmula, após a etapa de fabricação de mistura dos óleos básicos
pertinentes com os aditivos necessários. Além disso, o elemento químico escolhido
como analito de interesse pela metodologia proposta foi o fósforo, dada a sua
dificuldade de quantificação e estabilização de seu sinal, visto que é um elemento
polivalente. Incluir referências
PÚ
BLI
CA
serem utilizadas na curva, cujas concentrações correspondiam a 5,000, 15,000, 25,000,
35,000 e 45,000 mg.L-1, respectivamente, através da diluição desta solução concentrada.
A diluição inicial de 1:10 do padrão de 10.000 mg.L -1 com óleo básico se deu a
partir da pesagem de cerca de 5,000 g do padrão para 45,000 g do óleo básico em um
frasco de 500 mL. A partir dessa solução, foram calculados os fatores de diluição para
preparo das soluções padrão, conforme descrito abaixo na Tabela 01:
Assim, para preparo das soluções padrão, foram pesadas massas conforme os
fatores de diluição informados acima, para balões volumétricos de 100 mL, calibrados a
20°C. Após a pesagem dessas massas, cada balão foi avolumado com o solvente Exxsol
D 80 e homogeneizado. Na sequência, procedeu-se à leitura em triplicata para cada
nível de concentração no equipamento. Após a obtenção dos resultados analíticos,
foram realizados os testes estatísticos pertinentes para sua avaliação.
PÚ
BLI
CA
Figura 01: Espectrômetro por plasma indutivamente acoplado utilizado
Parâmetros Dados
Temperatura da óptica 30,0 °C
Temperatura da caixa do
40 °C (máx 58 °C)
plasma
Pressão do nebulizador 3.,0 bar
Pressão do argônio principal 7.,0 bar
Temperatura do gerador PA 70°C
PÚ
BLI
CA
Voltagem do gerador 222,3 V
PÚ
BLI
CA
m
CP= x Clida
M
Onde,
CP = Concentração de fósforo
Clida = Concentração lida no equipamento
V = Volume de solvente
m = Massa pesada da amostra
Frepe = Fator de repetibilidade
PÚ
BLI
CA
As fontes de incerteza ligadas à massa da amostra (m amostra) estão sujeitas à tara
da balança e à pesagem. Após a tara, é pesada a massa de 0,5000 g da amostra com
auxílio de uma pipeta Pasteur para um balão volumétrico de 100 mL.
U cal .bal
ucal . bal = (Eq. 04)
k
Cinthia, no parágrafo em amarelo é a primeira vez que você fala sobre incerteza
expandida, fator de abrangência e incerteza padrão. Você acha que o leitor vai saber o
que são estas coisas sem que você explique antes? Mas não aqui, e sim na teoria...
Cabe ressaltar que o valor a ser obtido através da equação acima deve ser
considerado para as etapas de tara e pesagem da amostran (utara e upesagem), uma vez que
está diretamente ligado a duas fontes de incerteza previamente mapeadas.
O preparo da amostra consiste em avolumar o balão onde foi pesada sua massa
com o solvente previamente definido. Assim, o volume utilizado em cada preparo está
sujeito às fontes de incerteza de medição associadas à calibração do balão volumétrico
na medição do volume. Os comentários feitos para o item 4.3.2.1.1 servem para todos
os outros itens deste tópico. Se você colocar tudo na teoria, será 1 vez só e nada disto
existirá mais.
PÚ
BLI
CA
O certificado de calibração do balão de 100 mL indica uma incerteza expandida
(Ucal.bv.) igual a 0,0004 mL, com um nível de confiança de, aproximadamente, 95 % e
com fator de abrangência (k) igual a 2. Assim, a incerteza padrão associada à calibração
do balão é dada por:
U cal .bv
ucal . bv = (Eq. 05)
k
EMA
uT =2
3
√
❑ ❑
uc = o
❑❑ ❑ ❑ ❑❑❑❑
∙
B 1 ❑ ❑ ❑❑ √ ❑ ❑ ❑❑ ❑❑ (Eq. 06)
❑ ❑ ❑❑
Esta raiz não deveria ser até o final da equação? Sim
Sabendo que a equação da reta é igual a:
y=1809 , 1 x+ 8898 ,5
Tem-se que:
seS = desvio-padrão residual da reta Desvio padrão residual é se e minúsculo
Bb1 = coeficiente angular da reta = 1809,1
n = número total de medições das soluções padrão realizadas para construir a curva de
calibração = 15 (5 concentrações em triplicata)
PÚ
BLI
CA
c = concentração média das soluções padrão = 25,000 mg.L -1 (média de 5,000, 15,000,
25,000, 35,000 e 45,000 mg.L-1)
co = concentração de fósforo em uma amostra de óleo lubrificante
P = número de medições para determinar co = 3
Quem é Sxx? Pegar no Eurachem, está bem definido.
A partir desses dados, calcula-se cada um dos itens que compõe a Equação 4,
4 ?????? conforme descrito a seguir:
Concentração Intensidade (A) (B1.c + B0) [A- (B1.c + B0)] –A - (B1.c + B0)2
PÚ
BLI
CA
Desta forma, seS é calculado por:
√∑
n
❑❑= ¿ ¿ ¿ ¿ (Eq. 07)
j=1
uc =
o
S
∙
√
1 1
+ +¿ ¿ ¿(Eq. 08)
B1 p n
PÚ
BLI
CA
Por favor, conserte na equação e no texto.
Desta forma é possível calcular a incerteza padrão atrelada associada à regressão
por ajuste linear.
3.7.6.2.2.[3.7.2.2.2.] Precisão
CV
u precisão=
100
PÚ
BLI
CA
4. RESULTADOS E DISCUSSÃO
Concentração Leitura
estimadaConcentraçã (intensidade
o (mg.L-1) do sinal) (cps)
PÚ
BLI
CA
Concentração
(mg.L-1) obtida
(mg.L-1)
4,8833o maior
5,000
valor
5,000 4,9203o menor
valor
5,000 4,9187
15,000 14,8875
15,000 14,8768idem
15,000 14,9598idem
25,000 25,2641
25,000 25,189idem
25,000 25,1635idem
35,000 35,442
35,000 35,0027idem
35,000 34,3028idem
45,000 43,9436idem
45,000 43,9436idem
45,000 44,6351
Cinthia, o Grubbs é feito com os valores das leituras (intensidades) e não com as
concentrações previstas. Você ainda nem tem a curva quando faz este teste.
Com base nos dados informados na Tabela 06, foi realizado o teste de Grubbs
para cada valor em cada nível de concentração. Os resultados obtidos estão descritos a
seguir e foram compilados na Tabela 07:
PÚ
BLI
CA
4,88335
154,9187
14,8875
14,9598
25,264135
4525,1635
35,442
34,3028
43,9436
44,6351
As colunas em amarelo não existem. A última fica em frase no texto. Tem que
haver 1 G calculado para cada valor. Um G para o me nor valor da concentração 5 e
outro para o maior valor da mesma concentração. Isto se repete para todas as
concentrações.
Considerando-se que para α = 0,05, ou seja, para um nível de confiança de 95 %
e para n = 3, Gtab é igual a 1,155, conforme Anexo 01, em todos os níveis de
concentração, Gcalc < Gtab e, portanto, não foram identificados valores aberrantes.
PÚ
BLI
CA
Com base nos cálculos efetuados e comparação com os valores tabelados,
verificou-se que o comportamento da curva de calibração é homocedástico, não sendo
necessária transformação, visto que, para valores de k = 5 e n = 3, o valor tabelado é de
0,6838 e o valor calculado foi igual a 0,5280.
Eui sei que você talvez não precise colocar todas as contas, mas indicar qual foi
a maior variância e a menor, seria conveniente. Indique o número da equação para
facilitar o leitor e o item do tgrabalho no qual ela se encontra.
Assim, considerando-se que procedimento analítico proposto se baseia,
primeiramente, na calibração do equipamento ver meu comentário sobre o uso da
palavra calibração neste sentido para posterior quantificação do analito, pela utilização
do método dos mínimos quadrados não ponderados, expresso pelo ajuste de regressão
linear, supõe-se ?????? você não acabou de fazer o teste? que os resíduos têm a mesma
variância.
Após a obtenção dos resultados dispostos no item 5.1, e da aplicação dos testes
de GRub bs e Cochran (itens 5.2 e 5.3) foi confeccionada uma curva de calibração, foi
confeccionada uma curva de calibração, descrita como y=1809 , 1 x+ 8898 ,5, esta é a
forma como o excel escreve a equação da reta, mas não como você diz que irá expressar
(item 3.5.3) conforme apresentada na Figura 03.
Curva de calibração
100000
90000
Intensidade do sinal (cps)
Figura 03: Curva de calibração para cálculo da concentração de fósforo por ajuste
linear
PÚ
BLI
CA
Na tabela vpcê usa 5,000; 10,000. Não é possível colocar da mesma forma na
figura? Idem para intensidade de sinal.
Acho que a partir daqui há necessidade de se fazer um item a parte e deve aparecer
somente depois que você fizer todos os testes com seu modelo. Isto aqui é parte da
validação do modelo e deve vir depois da ANOVA. Você já coloca isto no item 5.7.
600
400
200
0
-200 0 5 10 15 20 25 30 35 40 45 50
-400
-600 Concentração
4.6. ANOVA
PÚ
BLI
CA
???????
4.7. Resultados das amostras teste Você não apresenta nenhum resultado neste
item.
As amostras escolhidas para teste da metodologia analítica proposta foram
preparadas conforme descrito no item 4.2.5. Após seu preparo e leitura em triplicata,
através do método proposto em ICP-OES, foram obtidas as seguintes concentrações,
conforme descrito na Tabela 08: Você não fez isso!!!! Você escolhei aleatoriamente 3
valores de intensidade que foram diferentes daqueles lidos nas concentrações que você
usou para fazer a curva, mas que estavam distribuídos ao longo de toda a faixa de
trabalho.
Médias das
Comprimento Concentração lida
Intensidade do sinal (Cps) concentrações lidas
de onda (nm) (mg.L-1)
Cinthia, esta tabela precisa ser alterada para representar o que você fez.
PÚ
BLI
CA
Visando identificar as etapas do processo analítico das amostras de óleos
lubrificantes que contribuíram com fontes de incertezas de medição, foi
confeccionado um diagrama de Ishikawa. Não acho que esta frase seja necessária.
S Sxx
138,9057475 3000
PÚ
BLI
CA
Tabela 10 – Incertezas padrão calculadas
Fonte de incerteza
Etapa Valor calculado
identificada
Pesagem 0,00004975 g
Massa da amostra
Tara da balança 0,00004975 g
Calibração do balão 0,0002 mL
Volume de solvente
Temperatura 0,05333 mL
AM-001: 0,0473 mg.L-1
Concentração lida no
Regressão linear AM-002: 0,001 mg.L-1
equipamento
AM-003: 0,060 mg.L-1
AM-001: 0,106
Precisão em termos de Desvio-padrão das
AM-002: 0,052
repetibilidade leituras
AM-003: 0,036
Cinthia, estas não são as leituras inventadas? Então não tem nadsa lido em
equipamento. Sugiro inserir uma coluna com as concentrações de cada amostra
AM-001, AM-002 e AM-003.
Incerteza % de contribuição
Fontes de
Valor Incerteza padrão relativa
incerteza de
medição
Unidade
(xi) padrão (uxi)
( )
u xi
xi
( )
u xi
xi
∙ 100
Soma
Massa da −5 −5
g 0,5000 4,975 ∙ 10 9,950 ∙ 10 0,08
amostra (utara)
−5 −5
Massa da g 0,5000 4,975 ∙ 10 9,950 ∙ 10 0,08
amostra
PÚ
BLI
CA
(upesagem)
−5 −7
Volume (ucal.bv) mL 100 4,975 ∙ 10 4,975 ∙ 10 0,0004
−4
Volume (uT) mL 100 0,0533 5,330 ∙10 0,4
Precisão
mg.L-1 1 0,0012 0,0012 99,4
(uprecisão)
Soma: 0,1243 100%
√
n
uc =
y
∑ u2x = √u2x + u2x +…+u 2x (Eq. 09) Isso aqui somente é válido para algoritmos de
i 1 2 n
i=1
PÚ
BLI
CA
uc =0,07414 mg/ L
cP
4.7.4.[4.8.3.] Graus de liberdade efetivos (Na teoria, você deveria ter citado a
equação de equação de Welch-Satterthwaite)
4
uc
ν eff = (Eq.10)
cP
¿¿¿
Idem
Neste caso, todos os coeficientes de sensibilidade são iguais a 1. Cabe ressaltar
que, qualquer valor dividido por infinito tende a zero. Logo, tem-se que:
4
(0,07414 )
ν eff =
¿¿¿
ν eff ≈ 4
Consultando-se a Figura 08, tem-se que para um número de graus de liberdade
efetivos igual a infinito, obtém-se um fator de abrangência (k) igual a 2,87 para um
nível de confiança de 95,45 %.
PÚ
BLI
CA
Figura 08: Valor do fator de abrangência k em função do número de graus de liberdade
efetivos e do nível de confiança adotado Sugiro colocar com anexo.
Fonte: Incerteza de medição em ensaios físico-químicos: uma abordagem prática /
Oliveira, Camila Cardoso de ... [et –l.]. - São Paulo: SeS-SP, 2015. 140 p. : il., tab., graf.
PÚ
BLI
CA
Idem
U c =0,07414 ∙2 , 87
P
U c =0,2128 mg/L
P
s 2max
C calc= n
Não entendi o que esta equação faz aqui
∑ s2i
i=1
PÚ
BLI
CA
Planilha de Cálculo de Incerteza de Medição
Ensaio analítico - Determinação quantitativa de fósforo em amostra de óleo lubrificante por ICP-OES
1. Aplicação
A determinação quantitativa de elementos em pacotes de aditivos pela técnica de ICP-OES é muito comum em laboratórios de Controle de Qualidade e Desenvolvimento
de Produtos Industriais.
2. Do que se trata?
Nessa técnica, uma porção de amostra é pesada e diluída em massa com um solvente previamente determinado, o qual é acrescido da adição de um padrão interno durante
seu preparo. As soluções são apresentadas ao instrumento por aspiração livre ou por bomba peristáltica. Ao comparar as intensidades de emissão de elementos na
amostra com as intensidades de emissão medidas com os padrões de calibração e aplicando a correção do padrão interno, as concentrações de elementos na alíquota
retirada da amostra é calculável. Esse processo geralmente é realizado em triplicata.
Dessa forma, torna-se possível avaliar se os teores dos elementos encontrados irão colaborar o desempenho do óleo lubrificante em questão ou se estão em concentrações
maiores ou menores que a especificação designada e, portanto, precisarão ser ajustados.
Figura 08: Apresentação da planilha Será que dá para aumentar o tamanho da figura?
Acho que não vai ser muito fácil de ler.
Ensaio analítico - Determinação quantitativa de fósforo em amostra de óleo lubrificante por ICP-OES
Conforme visto na Apresentação, o objetivo do uso dessa planilha é o cálculo das incertezas de medição atreladas ao processo de análise do elemento fósforo (P) em óleo
lubrificante. Esse processo é composto por diversas etapas, onde destaca-se uma das principais a etapa de pesagem. Assim, a fim de identificar quais são as fontes de
incertezas atreladas a esse processo, foi construído o diagrama de Ishikawa, conforme descrito abaixo:
Desta forma, foi possível identificar que as incertezas de medição atreladas à pesagem da amostra em questão para quantificação do analito são:
A partir das incertezas identificadas, identificam-se as fontes de incerteza e os cálculos a serem realizados a partir de cada uma delas.
PÚ
BLI
CA
Planilha de Cálculo de Incerteza de Medição
Ensaio analítico - Determinação quantitativa de fósforo em amostra de óleo lubrificante por ICP-
OES
Replicatas (n = 3)
Massa da amostra g
Volume mL 100 mL
Calibração da balança
Calibração do balão
Regressão linear
Modelo matemático
Curva analítica
100000
90000
Intensidade do sinal (cps)
80000
70000
60000
50000
40000
30000
20000
10000 y = 1809,1x + 8898,5
R² = 0,9997
0
0 10 20 30 40 50
Concentração (mg/L)
PÚ
BLI
CA
Planilha de Cálculo de Incerteza de Medição
Ensaio analítico - Determinação quantitativa de fósforo em amostra de óleo lubrificante por ICP-OES
Unidade de Fator de Percentual de
Fonte de incerteza Valor médio Tipo Distribuição Incerteza padrão Graus de liberdade
medida abrangência contribuição
Tara da balança
Pesagem
Volume do balão
Regressão linear
Precisão intermediária
PÚ
BLI
CA
5. Conclusão
PÚ
BLI
CA
Referências bibliográficas (muito pobre)
PÚ
BLI
CA
15. Como fazer experimentos: pesquisa e desenvolvimento na ciência e na indústria
I Benício de Barros Neto, Ieda Spacino Scarminio, Roy Edward Bruns. -- Campinas, SP
: Editora da Unicamp, 2001.
16. Triola, Mario F.
17. Introdução à estatística / Mario F. Triola ; tradução e revisão técnica Ana Maria
Lima de Farias, Vera Regina Lima de Farias e Flores. – 12. ed. – Rio de Janeiro :
LTC,
18. 2017.
PÚ
BLI
CA