You are on page 1of 67

ETEP Faculdades

So Jos dos Campos


2013

ETEP FACULDADE DE TECNOLOGIA DE SO JOS DOS CAMPOS







ANLISE DA INFLUNCIA DA VARIAO DA TEMPERATURA E
DAS DIMENSES DOS BLOCOS PADRO NO RESULTADO DA
CALIBRAO DO MEDIDOR DE ALTURA DIGITAL




Tamires Franoso da Costa




Trabalho de Concluso de Curso de Bacharelado em Engenharia Industrial Mecnica
orientado pelo M. C. Carlos Roberto Mariano de Oliveira.



ETEP Faculdades
So Jos dos Campos
2013


ETEP FACULDADE DE TECNOLOGIA DE SO JOS DOS CAMPOS







ANLISE DA INFLUNCIA DA VARIAO DA TEMPERATURA E
DAS DIMENSES DOS BLOCOS PADRO NO RESULTADO DA
CALIBRAO DO MEDIDOR DE ALTURA DIGITAL










M.C. Carlos Roberto Mariano de Oliveira Esp. Cludio Luiz Matos Vidal


AGRADESCIMENTOS
Agradeo primeiramente minha famlia, que me apoiou sempre e principalmente no
perodo da graduao.
Agradeo tambm ao meu orientador Carlos Mariano, que me deu muito mais suporte
do que esperava e deixou a disposio todo seu conhecimento.
Por ltimo, mas no menos importante, a Deus, pois sem ele nada se concretiza.































O temor do SENHOR o princpio do conhecimento;
Os loucos desprezam a sabedoria e a instruo.
Provrbios 1:7.



RESUMO
O resultado final de uma calibrao influenciado por erros aleatrios e sistemticos. Desta
forma, a estimativa da incerteza se faz necessria para garantir a confiabilidade do resultado
de uma calibrao. Essa estimativa compreende a incerteza do tipo A, determinada a partir do
desvio padro experimental de uma srie de medidas e na incerteza do tipo B, obtida por
meios indiretos que no se baseiam numa anlise estatstica dos dados. Este trabalho tem
como objetivos: (i) Analisar a influncia da variao da temperatura e da dimenso dos blocos
padro no resultado da calibrao do medidor de altura digital e (ii) Levantamento da curva de
erro na calibrao do medidor de altura. Aps realizar o delineamento do experimento e
aplicaes de tcnicas estatsticas de anlise de dados observou-se que o controle das
condies ambientais e a definio adequada dos padres utilizados na calibrao influenciam
diretamente na qualidade da incerteza de calibrao.


Palavras-chave: Delineamento de experimentos; Incerteza de Medio; Metrologia;
Software R; Transformao de Johnson.



SUMRIO
LISTA DE FIGURAS ............................................................................................................... 8
LISTA DE TABELAS .............................................................................................................. 9
1 INTRODUO ............................................................................................................... 10
2 FUNDAMENTAO TERICA .................................................................................. 11
2.1 METROLOGIA .............................................................................................................. 11
2.1.1 HISTRICO DO SISTEMA DE PESOS E MEDIDAS E SUA PADRONIZAO ... 11
2.1.2 SISTEMA INTERNACIONAL DE MEDIDAS ............................................................ 12
2.1.3 METROLOGIA NO BRASIL ........................................................................................ 12
2.1.4 DEFINIES IMPORTANTES DE METROLOGIA ................................................... 12
2.2 METROLOGIA E ESTATSTICA ................................................................................ 15
2.2.1 QUALIDADE INDUSTRIAL ........................................................................................ 15
2.2.2 DISTRIBUIES DE PROBABILIDADE ................................................................... 16
2.2.3 DISTRIBUIO NORMAL .......................................................................................... 17
2.2.4 DISTRIBUIO UNIFORME ....................................................................................... 19
2.2.5 DISTRIBUIO TRIANGULAR ................................................................................. 20
2.2.6 VARINCIA E DESVIO PADRO .............................................................................. 20
2.3 TESTES DE HIPTESES .............................................................................................. 23
2.3.1 REGIO CRTICA E DE ACEITAO ....................................................................... 24
2.4 DELINEAMENTO DE EXPERIMENTOS ................................................................... 25
2.4.1 DEFINIO DE EXPERIMENTOS ............................................................................. 25
2.4.2 DEFINIO DE DOE (DELINEAMENTO DE EXPERIMENTOS) ........................... 25
2.4.3 PRINCIPAIS TIPOS DE DOE ....................................................................................... 26
2.5 ANOVA (ANLISE DA VARINCIA) ....................................................................... 28
2.6 ANLISE DE RESDUOS E PRESSUPOSTOS DA ANOVA: NORMALIDADE E
HOMOSCEDASTICIDADE. ......................................................................................... 29
2.7 REGRESSO LINEAR .................................................................................................. 32
2.7.1 REGRESSO LINEAR MLTIPLA ............................................................................ 33
2.8 CLCULO DE INCERTEZA ........................................................................................ 34
2.8.1 INCERTEZA TIPO A ..................................................................................................... 34
2.8.2 INCERTEZA TIPO B ..................................................................................................... 34
2.8.3 INCERTEZA PADRO COMBINADA ....................................................................... 34
2.8.4 INCERTEZA DE MEDIO EXPANDIDA ................................................................ 35


2.8.5 FATOR DE ABRANGNCIA ....................................................................................... 35
2.8.6 COEFICIENTE DE SENSIBILIDADE .......................................................................... 36
3 METODOLOGIA ........................................................................................................... 37
3.1 PLANEJAMENTO E ANLISE DOS EXPERIMENTOS ........................................... 37
3.1.1 CONDUO DO EXPERIMENTO .............................................................................. 38
3.2 ANLISE DE INCERTEZA DE MEDIO ................................................................ 40
4 RESULTADOS ................................................................................................................ 41
4.1 ANLISE GRFICA ..................................................................................................... 42
4.2 ANOVA .......................................................................................................................... 43
4.3 PRESSUPOSTOS E ANLISE DE RESDUOS ........................................................... 43
4.3.2 TRANSFORMAO DE JOHNSON ........................................................................... 43
4.4 ANLISE GRFICA DOS DADOS TRANSFORMADOS ......................................... 44
4.5 ANOVA DOS DADOS TRANSFORMADOS .............................................................. 45
4.6 PRESSUPOSTOS E ANLISES DE RESDUOS ........................................................ 46
4.7 REGRESSO LINEAR .................................................................................................. 46
4.8 ANLISE DE INCERTEZAS ........................................................................................ 48
4.9 CURVAS DE ERRO ...................................................................................................... 51
5 CONCLUSO ................................................................................................................. 54
REFERNCIAS ..................................................................................................................... 56




LISTA DE FIGURAS
Figura 2.1 Mtodo de engenharia ...................................................................................... 15
Figura 2.2 Curvas normais com e ..................................................... 18
Figura 2.3 Curvas normais com e ..................................................... 18
Figura 2.4 Curvas normais com e ..................................................... 18
Figura 2.5 Limites de especificao de processo ............................................................... 19
Figura 2.6 Distribuio uniforme. ...................................................................................... 19
Figura 2.7 Distribuio Triangular .................................................................................... 20
Figura 2.8 Exemplos de regio crtica e regio de aceitao ........................................... 24
Figura 2.9 Experimento fatorial com interao ................................................................ 27
Figura 2.10 Experimento fatorial com interao .............................................................. 27
Figura 2.11 Tabela de valores da constante a para teste Shapiro-Wilk ......................... 30
Figura 3.1 Posio do mensurando no desempeno ........................................................... 38
Figura 3.2 Representao dos pontos medidos nos blocos padro ................................. 38
Figura 4.1 Grfico Boxplot de Erro x Temperatura ........................................................ 42
Figura 4.2 Grfico Boxplot de Erro x Dimenso .............................................................. 42
Figura 4.3 Grfico de interao dos fatores ...................................................................... 42
Figura 4.4 Grfico de interao dos fatores ...................................................................... 42
Figura 4.5 Grfico Boxplot de Erro x Temperatura para dados transformados .......... 44
Figura 4.6 Grfico Boxplot de Erro x Dimenso para dados transformados ............... 44
Figura 4.7 Grfico de interao dos fatores ...................................................................... 45
Figura 4.8 Grfico de interao dos fatores ...................................................................... 45
Figura 4.9 Grfico Quantil-Quantil para anlise de resduos da amostra ..................... 46
Figura 4.10 Curva de erro mdio para cada uma das temperaturas.............................. 51
Figura 4.11 Curva de erro para temperatura 18,9C ...................................................... 52
Figura 4.12 Curva de erro para temperatura 20,4C ...................................................... 52
Figura 4.13 Curva de erro para temperatura 23,5C ...................................................... 53


LISTA DE TABELAS
Tabela 2.1 Tipos de distribuio de probabilidade - (continua) ..................................... 16
Tabela 2.2 Valores usuais de ........................................................................................... 23
Tabela 2.3 Tabela modelo - ANOVA ................................................................................. 28
Tabela 2.4 Percentis da amostra para transformao de Johnson ................................. 31
Tabela 2.5 Transformao de Johnson para famlias SU, SB e SL. ............................... 32
Tabela 2.6 Modelo de Tabela Regresso linear Mltipla ............................................. 33
Tabela 3.1 Planejamento do experimento ......................................................................... 37
Tabela 3.2 Dados reais dos blocos padro ......................................................................... 39
Tabela 4.1 Resultados do experimento .............................................................................. 41
Tabela 4.2 Anlise da varincia ......................................................................................... 43
Tabela 4.3 Anlise de varincia dos dados transformados .............................................. 45
Tabela 4.4 Regresso linear ................................................................................................ 46
Tabela A.1 Dados da medio e clculo de incerteza ....................................................... 59


10
1 INTRODUO
Avanos constantes da tecnologia solicitam que os processos estejam cada vez mais
controlados. O controle metrolgico pea fundamental para atender s exigncias do
mercado, no que diz respeito qualidade e intercambiabilidade de peas dentro do contexto
da engenharia.
Este trabalho segue uma redao estruturada com o raciocnio do desenvolvimento do
estudo da seguinte forma:
No captulo 2,Fundamentao Terica, feita introduo das teorias que embasam a
pesquisa, como histrico e importncia da metrologia, estatstica e os principais mtodos
envolvidos e clculo da incerteza.
Em seguida, o captulo 3, Metodologia, demonstrado como o estudo foi conduzido e
as aplicaes das teorias descritas no primeiro captulo, as equaes que sero utilizadas e o
que se espera observar durante os resultados.
No captulo 4, Resultados, mostram-se os valores obtidos com a aplicao das teorias,
bem como comentrios de pr-anlise de cada um deles, a fim de fundamentar uma linha de
raciocnio do que apresentado no captulo 5, Concluso, onde todos os dados anteriores so
agrupados para formar afirmaes quanto ao processo analisado.
1.1 OBJETIVO
Mais especificamente, o objetivo ser demonstrar se existe e como se comporta a
influncia da variao dos fatores na calibrao do instrumento, da seguinte forma:
- Analisar a influncia da variao da temperatura e da dimenso dos blocos
padro no resultado da calibrao do medidor de altura digital;
- Levantamento da curva de erro na calibrao do medidor de altura;
1.2 JUSTIFICATIVA
O conhecimento da incerteza dos resultados das medies muito importante no
processo metrolgico, pois a mesma demonstra a qualidade e, portanto, a confiabilidade do
processo de medio.
Em funo disto, pretende-se estudar as caractersticas de medio de um medidor de
altura digital e eletrnico, utilizado para calibrao de blocos padro, de propriedade de um
dos laboratrios do IFI/CTA (Instituto de Fomento e Coordenao Industrial do Centro
Tcnico Aeroespacial) para demonstrao de mtodos aplicveis industria.

11
2 FUNDAMENTAO TERICA
2.1 METROLOGIA
Metrologia, a cincia de medir, um importante instrumento para qualificar
operaes, processos ou o prprio produto na indstria, em laboratrios de pesquisa, trabalhos
acadmicos, etc.
Vem se desenvolvendo junto com a cultura de cada regio geogrfica de acordo com
questes econmicas, de fabricao, blicas e de diversos outros setores de uma sociedade.
Seu estudo e evoluo caminham ao lado do desenvolvimento tecnolgico com papel
importantssimo no apontamento de resultados e identificao de oportunidades.
Sero demonstradas, ento, partes importantes da histria de sua evoluo at o
cenrio atual para que seja compreendida esta importncia e sua aplicao neste estudo.
2.1.1 HISTRICO DO SISTEMA DE PESOS E MEDIDAS E SUA
PADRONIZAO
A metrologia j aparecia em registros de sociedades muito antigas, como a bblia, que
demonstra a utilizao de unidades de medida-padro em diferentes regies.
De acordo com DIAS (1998), os primeiros esforos da histria relativos a
normalizao dos sistemas de medidas foram incentivados por problemas com converso de
medidas, j que havia um sistema de medidas especfico para diferentes aplicaes e regies
geogrficas.
Foram publicados inumeros tratados durante o sculo XVI sobre comparaes de
unidades conhecidas na Frana, mas ainda no precediam a primeira formulao de um
sistema universal.
Entretanto, estas publicaes estimularam a sociedade cientfica da poca a
desenvolver pesquisas sobre o assunto e a padronizao mostrava-se cada vez mais necessria
para a execuo de experimentos.
Iniciaram-se estudos para o estabelecimento de um sistema mtrico decimal na Frana
na metade do sculo XVII, tornou-se compulsrio seu uso em meados de 1837 e durante todo
o sculo XIX foi difundido em outros Estados da Europa, motivados por cortar laos com seu
passado feudal e sua economia agrcola. (DIAS, 1998)

12
2.1.2 SISTEMA INTERNACIONAL DE MEDIDAS
Segundo o VIM Vocabulrio Internacional de Metrologia (INMETRO, 1998), SI ou
sistema internacional de medidas um sistema coerente de unidades adotado e recomendado
pela Conferncia Geral de Pesos e Medidas (CGPM), baseado nas sete unidades metro,
quilograma, segundo, ampre, kelvin, mol e candela.
Foi sancionado em 1960 pela Conferncia Geral de Pesos e Medidas (DIAS, 1998)
2.1.3 METROLOGIA NO BRASIL
No incio, a metrologia no Brasil era baseada em medidas portuguesas.
Os comerciantes reclamavam os abusos em cobranas de taxas e a falta de fiscalizao
e pediam medidas de normalizao e controle das taxas. Porm, aps a independncia, o
prprio status de nao independente elevaria o nvel do tratamento dos assuntos ligados
metrologia. (DIAS, 1998)
Em 1830, anos antes da implantao do sistema mtrico na Frana e dos padres
imperiais ingleses, o deputado, Cndido Baptista de Oliveira, propunha a adoo do sistema
mtrico usado na Frana. Apresentou as vantagens do sistema mtrico em seu projeto e pedia
a compra dos padres na Frana e medidas legais imediatas para seu emprego. (DIAS, 1998)
Porm, apenas em 1862 foi promulgada a lei que oficializava, em todo o territrio
nacional, a utilizao do sistema mtrico decimal francs. O Brasil foi uma das primeiras
naes a adotar o novo sistema como signatrio da Conveno do Metro, instituda em 20 de
maio de 1875.(INMETRO)
2.1.4 DEFINIES IMPORTANTES DE METROLOGIA
Durante todo o trabalho alguns termos de metrologia sero citados para fundamentar
as ideias. Para que sejam interpretados de forma correta, estes termos esto listados abaixo,
com definies propostas pelo INMETRO em seus vocabulrios oficiais, Vocabulrio de
Metrologia Legal (1998) e VIM Vocabulrio Internacional de Metrologia (2012) e o GUM
Guia para expresso de incerteza de medio (2008).
As definies esto citadas na integra, para que sejam interpretadas da maneira
proposta pelo INMETRO.

13
MEDI O
Processo de obteno experimental dum ou mais valores que podem ser,
razoavelmente, atribudos a uma grandeza. No se aplica a propriedades qualitativas.
(INMETRO, IPQ, 2012)
METROLOGI A
Cincia da medio e suas aplicaes, engloba todos os aspectos tericos e prticos da
medio, qualquer que seja a incerteza de medio e o campo de aplicao.(INMETRO, IPQ,
2012)
MENSURANDO
Grandeza que se pretende medir.(INMETRO, IPQ, 2012)
EXATI DO DE MEDI O
Grau de concordncia entre um valor medido e um valor verdadeiro dum mensurando.
A exatido de medio no uma grandeza e no lhe atribudo um valor numrico.
Uma medio dita mais exata quando fornece um erro de medio menor.(INMETRO, IPQ,
2012)
PRECI SO DE MEDI O
Grau de concordncia entre indicaes ou valores medidos, obtidos por medies
repetidas, no mesmo objeto ou em objetos similares, sob condies especificadas.
geralmente expressa numericamente por caractersticas como o desvio-padro, a varincia ou
o coeficiente de variao, sob condies especificadas de medio.(INMETRO, IPQ, 2012)
ERRO DE MEDI O
Diferena entre o valor medido duma grandeza e um valor de referncia.(INMETRO,
IPQ, 2012)
ERRO SI STEMTICO
Componente do erro de medio que, em medies repetidas, permanece constante ou
varia de maneira previsvel. (INMETRO, IPQ, 2012)
ERRO ALEATRI O
Componente do erro de medio que, em medies repetidas, varia de maneira
imprevisvel. (INMETRO, IPQ, 2012)

14
I NCERTEZA DE MEDI O
Parmetro no negativo que caracteriza a disperso dos valores atribudos a um
mensurando, com base nas informaes utilizadas. (INMETRO, IPQ, 2012)
Dvida acerca da validade do resultado de uma medio. (INMETRO, 2008)
CALI BRAO
Operao que estabelece, sob condies especificadas, numa primeira etapa, uma
relao entre os valores e as incertezas de medio fornecidos por padres e as indicaes
correspondentes com as incertezas associadas; numa segunda etapa, utiliza esta informao
para estabelecer uma relao visando a obteno dum resultado de medio a partir duma
indicao.(INMETRO, IPQ, 2012)
VALOR NOMI NAL
Valor arredondado ou aproximado duma grandeza caracterstica dum instrumento de
medio ou dum sistema de medio, o qual serve de guia para sua utilizao apropriada.
(INMETRO, IPQ, 2012)
RESOLUO
Menor variao da grandeza medida que causa uma variao perceptvel na indicao
correspondente. (INMETRO, IPQ, 2012)
CALI BRADOR
Padro de medio utilizado em calibraes. (INMETRO, IPQ, 2012)
VERI FI CAO (I NMETRO, 1998)
Fornecimento de evidncia objetiva de que um dado item satisfaz requisitos
especificados. (INMETRO, 1998)

15

2.2 METROLOGIA E ESTATSTICA
A estatstica a arte e a cincia de coletar, analisar, apresentar e interpretar dados de
modo a proporcionar uma melhor compreenso do fenmeno que est sendo estudado. Desta
forma a metrologia e a estatstica caminham juntas, dando para obteno de resultados mais
teis e precisos.
A estatstica trata de definir parmetros de anlise dos dados colhidos a partir das
tcnicas da metrologia, para que um especialista tome as devidas decises sobre os resultados
obtidos.
De maneira geral, a engenharia aplica os conceitos de estatstica de acordo com o
modelo citado por MONTGOMERY (2003)

Figura 2.1 Mtodo de engenharia
Fonte: Adaptada de (MONTGOMERY e RUNGER, 2003)
Existem diversos mtodos estatsticos para a anlise de resultados, combinados com
conceitos de probabilidade e erro, e so escolhidos de acordo com o processo analisado.
Neste trabalho sero detalhados alguns destes mtodos aplicados na anlise do
problema escolhido.
2.2.1 QUALIDADE INDUSTRIAL
Para qualificar um produto ou processo so estabelecidos requisitos de qualidade,
encontrados entre um limite inferior e superior de parmetros estabelecidos pelo cliente e pelo
prprio processo. Os resultados apresentados dentro desta faixa so aprovados.
Porm, a evoluo da tecnologia e aumento da competitividade em funo da
globalizao impe s indstrias limites cada vez mais rgido, fazendo com que, se a empresa
no conhece a variao dos parmetros e sua influncia, no controla seus resultados e pode
ficar vulnervel a imprevistos da produo e do mercado.

16
Por isso esto sendo difundidos cada vez mais na indstria anlise de capacidade dos
processos, onde se observa o comportamento dos fatores influentes no resultado para
manipul-los de forma a obter processos controlados e probabilidade de erro cada vez menor.
Ou seja, procura-se manter os processos sobre uma distribuio normal de
probabilidade, com probabilidade cada vez maior de obter um produto aceitvel sobre os
parmetros definidos.
2.2.2 DISTRIBUIES DE PROBABILIDADE
Dentro de um espao amostral, denomina-se distribuio de probabilidade a chance de
uma varivel aleatria
1
assumir um determinado valor. Pode ser classificada em dois tipos,
discreta e contnua.
Segundo (FIGLIOLA e BASLEY, 2007), quando a varivel apresenta valores
discretos, ou seja, os pontos tendem a assumir valores dentro de um intervalo prximo a um
valor preferencial, e o tempo ou espao so contnuos, a distribuio discreta. J a
distribuio contnua aquela que assume valores contnuos.
A Tabela 2.1 demonstra as principais distribuies as que um processo deve ser
comparado para anlise e a funo densidade de cada uma delas.
Tabela 2.1 Tipos de distribuio de probabilidade - (continua)
Tipo Distribuio Funo densidade Representao grfica
D
i
s
c
r
e
t
a

Binomial



Poisson





1
Varivel quantitativa cujo resultado de pende de fatores aleatrios.

17
Tabela 2.1 Tipos de distribuio de probabilidade (concluso)
C
o
n
t

n
u
a

Normal


Uniforme


Triangular



Weibull



2.2.3 DISTRIBUIO NORMAL
a distribuio mais importante nas aplicaes industriais e de pesquisa, s vezes
citada como curva de Gauss. Seu grfico representado pela curva normal em forma de sino.
O valor central () determinado pela mdia encontrada em medies dos resultados e
a razo entre sua abertura e altura determinada pelo desvio padro, conforme demonstram os
exemplos das figuras abaixo:


18

Figura 2.2 Curvas normais com e


Figura 2.3 Curvas normais com e


Figura 2.4 Curvas normais com e

A expresso matemtica que define esta funo a seguinte:

(2.1)
Onde:
constante matemtica aproximada por 2,71828
constante matemtica aproximada por 3,14159
mdia aritmtica da populao
desvio padro da populao
qualquer valor da varivel analisada.

Se um processo gera resultados formadores de uma distribuio normal, isto significa
que um processo controlado em torno de uma mdia, com probabilidades conhecidas de se
obter um devido resultado.
Porm, no basta somente que a distribuio seja normal. Esta distribuio deve ser
comparada com os limites estabelecidos (LIE Limite inferior de especificao e LSE limite
superior de especificao).
Observe as curvas da Figura 2.5.

19

Figura 2.5 Limites de especificao de processo
As linhas em vermelho representam processos controlados, porm os resultados
obtidos esto desolcados em relao aos limites estabelecidos, portanto nestes processos ainda
haver grande quantidade de rejeio dos resultados, representados pela regio cinza.
2.2.4 DISTRIBUIO UNIFORME
Esta uma distribuio em que todos os intervalos iguais da varivel aleatria tm a
mesma probabilidade, sendo a probabilidade de um intervalo diretamente proporcional ao seu
comprimento. A sua aparncia a de um simples retngulo como pode ser observado atravs
da Figura 2.6. A distribuio uniforme, tambm conhecida como retangular, utilizada
principalmente quando no existem informaes suficientes disponveis para supor a forma da
distribuio de probabilidade de determinada grandeza, para leitura de equipamentos digitais
ou com nnio e tambm para a exatido declarada dos equipamentos.

A funo densidade de probabilidade :

(2.2)

onde a e b so os limites inferior e superior, como mostra a Figura 2.6.

Figura 2.6 Distribuio uniforme.


20
2.2.5 DISTRIBUIO TRIANGULAR
Em alguns casos, quando todos os valores se encontram dentro de um determinado
intervalo, havendo uma maior probabilidade de tomarem valores prximos da mdia do que
nos extremos do intervalo, utiliza-se a distribuio triangular que apresenta um
comportamento descrito de acordo com a Figura 2.7. Alm disso, tambm utilizada para
leitura em equipamentos analgicos. Nesta distribuio, o valor mdio tem a mxima
probabilidade, e a probabilidade dos valores restantes decresce linearmente at se anular nos
pontos a .
A funo densidade de probabilidade :

(2.3)

Figura 2.7 Distribuio Triangular
2.2.6 VARINCIA E DESVIO PADRO
Varincia e desvio padro medem a disperso mdia em torno da mdia aritmtica.
(LEVINE, STEPHAN, et al., 2008).
Varincia representada por S (para amostras) ou (para populaes).
calculada atravs das seguintes frmulas:
- Para a distribuio normal

(2.4)
Onde:
tamanho da amostra

21
mdia aritmtica
i-simo valor da varivel X
- Para distribuio uniforme

(2.5)
- Para distribuio triangular

(2.6)
O desvio padro, representado por S (para amostras) ou (para populaes) e, de
maneira geral, calculado atravs da raiz quadrada da varincia.
Portanto, tm-se as seguintes frmulas.
- Para distribuio normal

(2.7)
- Para distribuio uniforme

(2.8)
- Para distribuio triangular

(2.9)

A distribuio retangular uma das mais utilizadas para o clculo de incertezas em
processos de medio. Desta forma, ser demonstrada a equao (2.8)conforme abaixo:
Partindo da definio da varincia de uma varivel aleatria de acordo com Martins
(2008) tem-se:
2 2
)] ( [ ) ( ) ( x E x E x Var =

(2.10)
Determinando E(x):
}
=
b
a
dx x f x x E ). ( . ) ( (2.11)
Substituindo a funo densidade de probabilidade, equao (2.2), na equao (2.11)
} =
b
a
dx x f x x E ). ( . ) (

(2.11)
e desenvolvendo a integral, tem-se:

22
( )
}

=
b
a
dx
a b
x x E .
1
. ) ( =>
( )
}

=
b
a
dx x
a b
x E . .
1
) ( =>
( )
b
a
x
a b
x E
2
.
1
) (
2

= =>
( )
(

=
2 2
.
1
) (
2 2
a b
a b
x E =>
( )
(

=
2
) ).( (
.
1
) (
a b a b
a b
x E =>
(

+
=
2
) (
) (
a b
x E (2.12)
Determinando ) (
2
x E :
}

=
b
a
dx
a b
x x E .
) (
1
. ) (
2 2
=>
}

=
b
a
dx x
a b
x E . .
) (
1
) (
2 2
=>
b
a
x
a b
x E
3 ) (
1
) (
3
2

= =>
(

=
3 3 ) (
1
) (
3 3
2
a b
a b
x E =>
(

+ +

=
3
) ).( (
) (
1
) (
2 2
2
b ab b a b
a b
x E =>
(

+ +
=
3
) (
) (
2 2
2
b ab b
x E (2.13)
Substituindo as equaes (2.12) e (2.13) na equao (2.10) tem-se que:
2
2 2
2
) (
3
) (
) (
(

+ +
=
a b b ab b
x Var =>
(

+ +

+ +
=
4
) 2 (
3
) (
) (
2 2 2 2
b ab b b ab b
x Var =>
(

+ + + +
=
12
) 3 6 3 ( ) 4 4 4 (
) (
2 2 2 2
b ab b b ab b
x Var =>

23
(

+
=
12
2
) (
2 2
b ab b
x Var =>
( )
12
) (
2
2
a b
x Var

= = o
2.3 TESTES DE HIPTESES
Quando se trabalha com avaliao de amostras para aprovao de um processo ou lote
de produtos, necessrio avaliar se a diferena entre o valor obtido na amostra e o parmetro
desejado significativa.
Estabelecem-se ento duas hipteses:
H
0
: hiptese que est sendo testada. Hiptese Nula
aceita por observar que a diferena obtida entre o valor colhido atravs da amostra e
o parmetro desejado no significativa.
H
1
: qualquer hiptese diferente da hiptese testada. Hiptese Alternativa
aceita por observar que a diferena obtida entre o valor colhido atravs da amostra e
o parmetro desejado sim significativa, existindo razes alm do acaso para explicar esta
diferena.
Existe uma probabilidade de aceitar ou no a hiptese nula de forma incorreta. Essa
probabilidade representada pelos coeficientes e da seguinte forma:
- Erro tipo I: rejeitar uma hiptese verdadeira. A probabilidade .
- Erro Tipo II: aceitar uma hiptese falsa. A probabilidade .
Logo, para aceitar corretamente uma hiptese nula a probabilidade P = 1-.
Os mtodos de anlise dos dados demonstrados neste trabalho retornam sempre uma
varivel conhecida com valor-p, que representa um nvel de significncia comparado a um
fator pr-estabelecido da seguinte forma:
Tabela 2.2 Valores usuais de
= 1% Teste altamente significativo
= 5% Teste provavelmente significativo
= 10% Teste empiricamente significativo
No se deve confundir valor-p com a probabilidade de aceitar corretamente H
0
.
A estatstica valor-p representa qual seria o escolhido que nos faria cometer um erro
tipo I, portanto, admite-se que, quando um teste retorna um valor-p maior que , a hiptese
nula aceita.

24
2.3.1 REGIO CRTICA E DE ACEITAO
Em geral, na prtica, o erro fixado e as regies crticas e de aceitao so
decorrentes. (ALMEIDA CALEGARE, 2009)
A partir de possvel definir a rea que representa essa regio crtica, demonstrada
na Figura 2.8 em cinza, que a regio onde se rejeita H
0
, atravs do clculo de rea.

Figura 2.8 Exemplos de regio crtica e regio de aceitao

Se valor-p , a hiptese nula deve ser rejeitada.
Se valor-p > , a hiptese nula no deve ser rejeitada.
ALMEIDA CALEGARE (2009), descreve um roteiro para execuo de testes de
hipteses, que pode ser resumido desta forma:
1. Enunciar a hiptese nula (H
0
) e a hiptese alternativa (H
1
);
2. Estabelecer limites de erro tipo I ();
3. Determinar a varivel de teste;
4. Determinar regio crtica ou de rejeio de H
0;

5. Calcular o valor da varivel de teste com os dados obtidos nas amostras;
6. Comparar o valor obtido no item 5 com a regio crtica, determinada no item 4;
7. Tomar a deciso: aceitar ou rejeitar H
0.


25
2.4 DELINEAMENTO DE EXPERIMENTOS
Como descrito anteriormente, para poder controlar os processos e resultados, tanto
industriais quanto laboratoriais, necessrio conhecer o que os influencia. A forma mais
utilizada para isso a execuo de experimentos.
A anlise de resultados de experimentos pode ser complexa e requer tempo para
interpretaes. Se o experimento feito de forma totalmente aleatria essa anlise fica
dificultada por no haver padro nos dados para comparao, ou por ter uma quantidade de
dados insuficiente ou mesmo em excesso.
Assim surge a aplicao do mtodo de engenharia de Delineamento de Experimentos,
que planejam quais sero os fatores manipulados no experimento e seus nveis de variao.
Um experimento desenvolvido atravs deste delineamento gera um conjunto de dados
orientados e somente o nmero necessrio de repeties, diminuindo tanto o tempo do
experimento quanto da anlise.
2.4.1 DEFINIO DE EXPERIMENTOS
Como descreve MONTGOMERY e RUNGER (2003), experimentos so partes
naturais de processos decisrios de engenharia e cincias.
Um experimento definido como um ensaio ou uma srie de ensaios nos quais so
feitas mudanas propositais nas variveis da entrada de um processo ou sistema de forma que
possam ser observadas e identificadas as razes para mudanas na resposta de sada.
(ALMEIDA CALEGARE, 2009).
Fazem-se experimentos em diferentes reas para que sejam conhecidas as influncias
de fatores ou diferentes comportamentos de um processo ou produto, a fim de que sejam
melhoradas as caractersticas destes e obter melhores resultados.
2.4.2 DEFINIO DE DOE (DELINEAMENTO DE EXPERIMENTOS)
Delineamento, Planejamento ou Design de experimentos uma tcnica utilizada para
planejar quais dados sero colhidos durante os experimentos para melhores anlises,
utilizando o nmero mais adequado de repeties e com resultados direcionados para as
concluses que se deseja tomar.
Com o delineamento de experimentos deseja-se analisar comportamento dos processos
conforme diferentes nveis das variveis controlveis.

26
MONTGOMERY e RUNGER (2003) citam como objetivos do planejamento de
experimentos:
1. Aumentar desempenho de processos;
2. Reduzir variabilidade dos resultados e aproxim-los do valor nominal requerido;
3. Reduzir tempo de design e desenvolvimento;
4. Reduzir custo de operaes.
Desta forma, se escolhidas de forma adequada as variveis e seus nveis de variao,
possvel conhecer a influncia sobre os resultados e desenvolver tcnicas para mant-las
dentro de uma faixa desejada e obter melhores resultados.
Abaixo so apresentadas algumas definies importantes utilizadas neste mtodo,
conforme descreve ALMEIDA CALEGARE (2009).
- Fator: uma das causas (variveis) cujos efeitos esto sendo estudados no
experimento. Pode ser qualitativo (ex: temperatura) ou qualitativo (ex: diferentes
mquinas);
- Nveis do fator: So os diferentes valores do fator que so escolhidos para o
experimento;
- Tratamento: um nvel nico assinalado para um fator durante um experimento;
- Ensaio: cada realizao do experimento em uma determinada combinao de
tratamentos. O experimento constitudo pelo conjunto de todos os ensaios
realizados nas diversas combinaes de tratamentos, com as vrias rplicas;
- Rplica: So as repeties de um experimento executadas nas mesmas condies
experimentais.
2.4.3 PRINCIPAIS TIPOS DE DOE
Existem diferentes tipos de DOE e a escolha do mais adequado para cada aplicao
d-se de acordo com os nveis de variao dos tratamentos, a forma como sero realizados os
ensaios e os resultados procurados.
Os tipos mais comuns e que podem ser encontrados detalhados em diversas literaturas
so:
- Experimento com apenas um fator;
Utilizado quando se deseja demonstrar os efeitos de apenas um fator.
- Experimento com dois fatores ou mais;

27
Utilizado quando se deseja demonstrar os efeitos de dois ou mais fatores, em dois
ou mais nveis de variao e a interao entre os fatores pode ser importante.
- 2p Fatorial;
Quando existem apenas dois nveis de variao para cada fator, como mnimo e
mximo, presente e ausente, etc.
Feitos os experimentos, combinam-se diferentes tcnicas qualitativas ou quantitativas
de anlise dos dados obtidos para inferir sobre os resultados e apresentar as devidas
concluses.
EXPERI MENTO FATORI AL COM DOI S FATORES
o tipo mais simples de experimento fatorial envolvendo somente dois fatores. Neste
tipo, observam-se influncia de fatores A e B, com a nveis para o fator A e b nveis para o
fator B. O experimento pode conter n rplicas e cada rplica deve conter a combinao de
cada nvel dos fatores observados. (MONTGOMERY e RUNGER, 2003)
Segundo (ALMEIDA CALEGARE, 2009), os experimentos fatoriais so mais
eficientes do que experimentos com um nico fator, evitam concluses errneas quando h
interao entre os fatores e permitem estimativa de efeitos em diversos nveis dos outros
fatores, possibilitando obter concluses em uma amplitude maior de condies.
Neste tipo de experimento observa-se a influncia de cada um dos fatores e tambm da
influncia da interao entre eles.
Diz-se que existe influncia da interao entre os fatores no experimento quando um
mesmo nvel do fator A apresenta efeito diferente para cada nvel de B e vice-versa.
A forma mais comum de anlise desta caracterstica graficamente.
Quando plota-se os efeitos calculados no experimento em linhas e estas se cruzam em
algum ponto do grfico, influncia da interao entre os fatores no experimento.


Figura 2.9 Experimento fatorial com interao Figura 2.10 Experimento fatorial com interao
Fonte: (MONTGOMERY e RUNGER, 2003).

28
2.5 ANOVA (ANLISE DA VARINCIA)
Quando na observao dos dados ou graficamente os efeitos de cada um dos fatores
no so significantes e observa-se influncia da interao entre os fatores, isto pode indicar
mascaramento dos efeitos e estabelecer necessidade de observar a influncia de cada fator nos
nveis fixos dos outros. (WALPOLE, MYERS, et al., 2008)
Quando h interao as anlises devem ser baseadas na verificao de estimativas
independentes de varincia ( ), atravs da decomposio da soma dos quadrados total dos
dados. Esta comparao de estimativas independentes de varincia, chama-se de ANOVA
(ANALISE OF VARIANCE). (WALPOLE, MYERS, et al., 2008)
As anlises so feitas a partir do mtodo de soma dos quadrados e utiliza as equaes
apresentadas na tabela padro de resultados da ANOVA (Tabela 2.3).
Ferramentas computacionais simples, como Excel e at mesmo o R (software utilizado
neste trabalho) fazem de forma rpida e confivel estes clculos.
Tabela 2.3 Tabela modelo - ANOVA
Fonte de
variao
Soma dos
Quadrados
Graus de
liberdade
Quadrados mdios F
calc
Valor-p
Entre
colunas
SQC (a - 1)


Calculado a
partir da tabela F
Entre
Linhas
SQL (b - 1)


Calculado a
partir da tabela F
Residual SQR (a - 1).(b - 1)


Total SQT ab - 1
Fonte: adaptado de (ALMEIDA CALEGARE, 2009).
Onde:
- SQC, SQL, SQR e SQT representam a soma dos quadrados dos valores do
experimento;
- a e b so, respectivamente, o nmero de nveis dos fatores A e B.
- , e representam os quadrados mdios, calculados pela diviso da Soma
dos quadrados pelo grau de liberdade.
- o valor da estatstica F a ser utilizado para estabelecer o valor-p atravs da
tabela F.

29
2.6 ANLISE DE RESDUOS E PRESSUPOSTOS DA ANOVA: NORMALIDADE E
HOMOSCEDASTICIDADE.
Primeiramente deve-se definir o que um resduo. Matematicamente, definido por:

(2.14)
Onde o resultado de cada tratamento de experimento e a mdia dos
tratamentos.
Ao iniciar um experimento pressupe-se que os dados obtidos estabelecero uma
distribuio normal e haver homocedasticidade entre as varincias de cada uma das
amostras. Para saber se essas afirmaes estavam corretas utiliza-se os resduos calculados.
A violao dos pressupostos pode exercer srios efeitos sobre a validade das
inferncias realizadas por meio da anlise de varincia. (SOUZA, ETHUR, et al., 2002)
Existem diversos testes para verificar estes pressupostos. Neste trabalho foi utilizado o
teste de Shapiro-Wilk para verificar a normalidade dos dados e o teste de Bartlett para
verificar a homocedasticidade entre as varincias.
As violaes das suposies de normalidade e varincia
constante, geralmente ocorrem de forma simultnea. Na maioria dos
casos, a transformao utilizada altera a avaliao de estabilidade da
varincia tambm faz com que a distribuio dos resduos se aproxime
da distribuio normal. Portanto, se for constatada alguma dessas
violaes, em primeiro lugar deve ser empregada uma transformao
para estabilizar a varincia e ento os resduos devem ser analisados
para verificar se o pressuposto de normalidade ainda continua sendo
violado. (SOUZA, ETHUR, et al., 2002)
- Teste de Shapiro-Wilk
Este teste baseado na estatstica W, tendo como funo:

(2.15)
Onde:

(2.16)

em que a
n-i+1
so constantes tabeladas, conforme mostra Figura 2.11.

30

Figura 2.11 Tabela de valores da constante a para teste Shapiro-Wilk
As hipteses a serem analisadas neste teste so:

H
0
: A amostra vem de uma distribuio normal
H
1
: A amostra no vem de uma distribuio normal
- Teste de Bartlett
baseado na estatstica K, tendo como funo:

(2.17)
Onde:

(2.18)
As hipteses a serem analisadas neste teste so:
H
0
: (Todas as varincias so iguais)
H
1
: t.q. (pelo menos uma das varincias diferente)
Softwares como o R realizam os testes de forma rpida e precisa e retornam
diretamente o valor-p relacionado com cada estatstica, para que se possa fazer a anlise da
violao. Se o valor-p fornecido for maior que o estabelecido a hiptese nula ser aceita.
Caso contrrio, necessrio aplicar transformao de dados e voltar a fazer os testes.
TRANSFORMAO DE DADOS
possvel transformar os dados aplicando a eles um fator de converso nico que os
modifica, mas mantm suas relaes.

31
Existem mtodos simples como o mtodo Z e outros mais complexos, como o mtodo
de Johnson, e escolhe-se a partir de tentativa e erro, at que se obtenha o resultado mais
satisfatrio em relao aos pressupostos.
ressaltar que as concluses da anlise de varincia se aplicam aos dados
transformados e devem ser estendidas, com cuidado aos dados originais. (SOUZA, ETHUR,
et al., 2002)
TRANSFORMAO DE J OHNSON
O sistema de curvas de Johnson basicamente constitudo por trs diferentes famlias
de distribuies (S
U
, S
B
e S
L
), geradas a partir de transformaes da seguinte forma genrica:

(2.19)
onde z a varivel normal padronizada (ou reduzida), e , , e so parmetros
especficos para cada famlia. (RAMOS)
A nomenclatura das famlias dada pela varivel analisada, conforme cita Ramos:
S
U
ilimitada (unbounded), para varivel ilimitada, variando entre - e +.
S
B
limitada (bounded), para varivel entre (, +).
S
L
para varivel com distribuio lognormal.
Para obter a funo de transformao necessrio seguir os passos abaixo.
- Estimar percentis da amostra:
Inicialmente, preciso escolher um valor arbitrrio de 0<z<1, idealmente o prximo a
0,5. A seguir, determinam-se as probabilidades acumuladas mediante o uso de uma tabela
normal padronizada (RAMOS), conforme disposto na Tabela 2.4.
Tabela 2.4 Percentis da amostra para transformao de Johnson
i x
(-3z) n. (.) + x
-3z

(-z) n. (.) + x
-z

(z) n. (.) + x
z

(3z) n. (.) + X
3z

onde n o tamanho da amostra disponvel de dados e (.) a probabilidade
normal acumulada.
- Calcular funo discriminadora:
Com estes valores, possvel calcular a funo discriminadora equao (2.20), ou seja,
a funo que determina qual a melhor famlia a ser utilizada para os dados analisados.
(RAMOS)

(2.20)

32
Se , deve ser escolhida a famlia S
U
.
Se , deve ser escolhida a famlia S
B
.
Se , a melhor opo ser a famlia S
L
.
- Estimar parmetros , , e :
Cada famlia possui frmulas diferentes para cada parmetro. (RAMOS)
Para a famlia S
U
, por exemplo, os parmetros so os seguintes:

(2.21)

(2.22)

(2.23)

(2.24)
- Calcular proporo no conforme:
Escolhida a famlia atravs da funo discriminadora e determinados os parmetros, o
prximo passo aplicar a transformao nos dados. (RAMOS)
A Tabela 2.5 mostra a funo de transformao de cada uma das famlias.
Tabela 2.5 Transformao de Johnson para famlias S
U
, S
B
e S
L
.
Famlia Transformao
S
U


(2.25)
S
B


(2.26)
S
L


(2.27)
2.7 REGRESSO LINEAR
Existem dois tipos de regresso linear, a simples e a mltipla.
A Regresso linear simples utilizada quando o conjunto de dados se ajusta uma reta,
procurando identificar um coeficiente angular a e um coeficiente linear b, obtendo assim uma

33
equao de reta , onde representa a varivel dependente (explicada) e
representa a varivel independente (explicativa).
Quando h mais de uma varivel independente influenciando uma varivel
dependente, utiliza-se a regresso linear mltipla. Neste estudo, as variveis independentes
so temperatura e dimenso dos blocos padro e a varivel dependente representada pelo
erro na calibrao do medidor de altura digital.
2.7.1 REGRESSO LINEAR MLTIPLA
utilizada quando h mais de uma varivel explicativa (independente) para estimar a
varivel dependente Para k variveis i observaes, o Modelo de Regresso Mltipla
expresso da seguinte forma:
U x x x A Y
k i
+ + + + + = | | | ....
2 2 1 1

(2.28)
Onde:
A = intercepto de Y

i
= coeficientes angulares
U = erro aleatrio em Y para a observao i
O objetivo da Regresso Linear Mltipla estimar os coeficientes angulares.
Esses coeficientes podem ser obtidos por mtodos de Soma dos quadrados, assim
como a ANOVA ou por ferramentas de informtica.
Os resultados obtidos atravs de estudo da regresso linear podem ser organizados e
apresentados em uma tabela padro conforme demonstra o exemplo abaixo.
Tabela 2.6 Modelo de Tabela Regresso linear Mltipla
Coeficientes Erro padro Stat t valor-p
Intersepto de Y 704,583,333 224,621,635 3,137 0,00728
Coeficiente angular
1
0,1329167 0,1402061 0,948 0,35920
Coeficiente angular
2
0,0872222 0,1043061 0,836 0,41708
Coeficiente angular
3
-0,0005833 0,0006511 -0,896 0,38542

O critrio para aceitao ou rejeio do coeficiente na regresso de acordo com a
comparao do valor-p com o o especificado (o = 5%, neste trabalho). Se valor-p 5%, o
coeficiente no deve ser rejeitado. Caso contrrio, o coeficiente no ser significativo.

34
2.8 CLCULO DE INCERTEZA
A incerteza de uma medio a combinao das estimativas de erro aleatrio e erro
sistemtico. Apresenta uma forma ordenada para estimar a exatido dos resultados.
(FIGLIOLA e BASLEY, 2007)
Tem a finalidade de representar a confiabilidade dos dados medidos, para que possam
ser comparados, seja entre eles mesmos ou com valores de referncia fornecidos numa
especificao ou numa norma. (GUM: Avaliao de dados de medio Guia para a
expresso de incerteza de medio, 2008)
Enriquecendo a definio apresentada no captulo 2, seo 2.1.4, a incerteza de
medio uma disperso calculada a partir da incerteza padro de cada um dos elementos do
sistema de medio, expressa como um desvio-padro, e representa a faixa que aquele valor
obtido em medio pode estar na realidade.
2.8.1 INCERTEZA TIPO A
Avaliao duma componente da incerteza de medio por uma anlise estatstica dos
valores medidos, obtidos sob condies definidas de medio. (INMETRO, IPQ, 2012)
determinada a partir do Desvio Padro Experimental de acordo com a equao
(2.29):

(2.29)
Onde:
) (x s o desvio padro amostral
n o tamanho da amostra
2.8.2 INCERTEZA TIPO B
a componente da incerteza de medio determinada por meios diferentes daquele
adotado para uma incerteza tipo A, como a partir de um certificado de calibrao, classe de
exatido de um instrumento de medio verificado ou de limites deduzidos da experincia
pessoal. (INMETRO, IPQ, 2012)
2.8.3 INCERTEZA PADRO COMBINADA
A incerteza padro combinada u
c
representa a combinao de todas as incertezas do
tipo A e B, calculada conforme equao (2.30):

35

(2.30)
Para calcular a incerteza padro combinada necessrio avaliar se as grandezas
de entrada so correlacionadas ou no correlacionadas.
2.8.4 INCERTEZA DE MEDIO EXPANDIDA
Incerteza expandida o valor calculado atravs do produto da incerteza combinada
pelo fator de abrangncia, conforme mostra a equao (2.31).
o valor final que demonstra a confiabilidade das medies.
c
u k U . = (2.31)
onde: k = fator de abrangncia ;
c
u = incerteza padro combinada
2.8.5 FATOR DE ABRANGNCIA
Fator numrico, tipicamente entre 2 e 3, utilizado como um multiplicador da incerteza
padro combinada (u
c
) de modo a obter uma incerteza expandida (U) como pode ser
observado na equao (2.31).
Para conhecer seu valor necessrio o clculo do Grau Efetivo de Liberdade (veff)
com a frmula de Welch-Satterthwaite:

=
=
N
i i
i
c
eff
v
y u
y u
v
1
4
4
) (
) (

(2.32)
onde:
c
u = incerteza padro combinada
i
u = incerteza padro individual
i
v = graus de liberdade, sendo que, se a incerteza for tipo A, corresponde a n-1
No clculo de incerteza, o grau de liberdade representa a credibilidade sobre cada
componente da incerteza, ou seja, quanto maior o grau de liberdade, maior o grau de
credibilidade.
Com o Grau Efetivo de Liberdade (veff) calculado atravs da equao (2.32), e o
nvel estabelecido pode-se consultar a t de Student para encontrar o valor do fator de
abrangncia (k), logo, pode-se calcular a incerteza de medio expandida.

36
2.8.6 COEFICIENTE DE SENSIBILIDADE
Toda incerteza do tipo B influenciada por um coeficiente de sensibilidade. Um fator
que possibilita a anlise de fatores de diversas unidades para calcular uma incerteza de
medio expressa na unidade do equipamento.
Assim, para considerar em um estudo uma incerteza de medio de dimenses onde
um dos fatores a temperatura do ambiente de trabalho, por exemplo, deve-se multiplicar a
incerteza obtida atravs dos relatrios do equipamento de medio de temperatura expressa
em graus pelo coeficiente de sensibilidade, para obter a incerteza em milmetros.

37
3 METODOLOGIA
3.1 PLANEJAMENTO E ANLISE DOS EXPERIMENTOS
O experimento pretende analisar a influncia da variao da temperatura e da
dimenso dos blocos padro no resultado da calibrao do medidor de altura digital;
Foram definidos 3 nveis de temperatura (19 C, 20 C e 25C) e 14 dimenses de
blocos padro.
O modelo matemtico para a demonstrao da influncia desses fatores nos resultados
obtidos nos experimentos definido abaixo:
ijk ij ij ij ij ijk
e DT T D y + + + + = ) (

(3.1)
Onde:
Y
ijk
= resposta do tratamento (ij), para rplica k
= mdia global das respostas de todos os tratamentos
D
i
= efeito do nvel i do fator Dimenso com i = 1, 2, ..., 14
T
j
= efeito do nvel j do fator Temperatura com j = 1, 2, 3
(DT)
ij
= efeito da interao entre D
i
e T
j

e
ijk
= erro aleatrio
k = rplicas 1, 2, 3
Tabela 3.1 Planejamento do experimento
Temperatura
(C)
DIMENSO DO BLOCO (mm)
5 10 20 25 50 75 100 125 150 175 200 300 400 500
19
Y
111
Y
211
Y
311
Y
411
Y
511
Y
611
Y
711
Y
811
Y
911
Y
1011
Y
1111
Y
1211
Y
1311
Y
1411

Y
112
Y
212
Y
312
Y
412
Y
512
Y
612
Y
712
Y
812
Y
912
Y
1012
Y
1112
Y
1212
Y
1312
Y
1412

Y
113
Y
213
Y
313
Y
413
Y
513
Y
613
Y
713
Y
813
Y
913
Y
1013
Y
1113
Y
1213
Y
1313
Y
1413

20
Y
121
Y
221
Y
321
Y
421
Y
521
Y
621
Y
721
Y
821
Y
921
Y
1021
Y
1121
Y
1221
Y
1321
Y
1421

Y
122
Y
222
Y
322
Y
422
Y
522
Y
622
Y
722
Y
822
Y
922
Y
1022
Y
1122
Y
1222
Y
1322
Y
1422

Y
123
Y
223
Y
323
Y
423
Y
523
Y
623
Y
723
Y
823
Y
923
Y
1023
Y
1123
Y
1223
Y
1323
Y
1423

25
Y
131
Y
231
Y
331
Y
431
Y
531
Y
631
Y
731
Y
831
Y
931
Y
1031
Y
1131
Y
1231
Y
1331
Y
1431

Y
132
Y
232
Y
332
Y
432
Y
532
Y
632
Y
732
Y
832
Y
932
Y
1032
Y
1132
Y
1232
Y
1332
Y
1432

Y
133
Y
233
Y
333
Y
433
Y
533
Y
633
Y
733
Y
833
Y
933
Y
1033
Y
1133
Y
1233
Y
1333
Y
1433


As hipteses a serem testadas sero as seguintes:
1. Hipteses nulas:
(a) H
0
: D
1
= D
2
= ... = D
i
= 0 com i = 1,214 no existe influncia do fator
dimenso sobre as medies.

38
(b) H
0
: T
1
= T
2
= T
3
= 0 - no existe influncia do fator temperatura sobre as
medies.
(c) H
0
: (DT)
11
= (DT)
12
= ... = (DT)
ij
= 0 com i = 1,211 e j = 1, 2, 3. no existe
influncia da interao dos fatores sobre as medies.
Contra:
2. Hipteses alternativas
(a) H
1
: pelo menos um dos D
i
s no igual a zero.
(b) H
1
: pelo menos um dos T
j
s no igual a zero.
(c) H
1
: pelo menos um dos (DT)
ij
s no igual a zero

O objetivo verificar se existem diferenas entre os resultados da calibrao causadas
pela influncia dos fatores considerados, bem como a interao entre eles, ao nvel de 5% de
significncia.
Toda anlise de resultados foi desenvolvida atravs do software livre R (R
DEVELOPMENT CORE TEAM, 2012), como anlise grfica, ANOVA, anlise dos
pressupostos, etc.
3.1.1 CONDUO DO EXPERIMENTO
O Mensurando, Digimar CX 1, foi posicionado em um dos quadrantes do desempeno e
durante toda medio permaneceu nesta mesma posio.
Cada bloco foi medido em trs diferentes pontos como mostrado abaixo, totalizando as
trs rplicas previstas no DOE.

Figura 3.1 Posio do mensurando no
desempeno

Figura 3.2 Representao dos pontos medidos
nos blocos padro
Pontos de medio
CX 1

39
Os equipamentos e instrumentos utilizados foram:
- Desempeno de Granito MD-085/11 U = 1,6 m
- Termo-higrmetro LV 17386/11R1 U = 0,2C
Marca: Dickson Modelo: FH125
- Blocos Mitutoyo em ao:
Tabela 3.2 Dados reais dos blocos padro
Dimenso (mm) N/S Certificado U (95%) (m) VVC
5 901552 MD-032/11 0,06 5,00007
10 901956 0,06 10,00011
20 901853 0,07 20,00003
25 901028 0,08 25,00005
50 910063 0,10 50,00016
75 910010 0,13 75,00022
100 910019 0,15 99,99996
125 950303 DIMCI 1618/2011
(INMETRO)
0,14 124,99996
150 950716 0,17 149,99992
175 960100 0,18 174,99974
200 950638 0,20 199,99972
300 940131 0,27 299,99956
400 960082 0,35 399,99953
500 950200 0,43 499,9929

O experimento foi realizado em vrios dias, conforme detalhado abaixo:
- Data: 11/09/2012
Hora de incio: 10h30 Hora de fim: 11h10
Temp. mdia ambiente: 20C
- Data: 12/09/2012
Hora de incio: 9h30 Hora de fim: 10h20
Temp. mdia ambiente: 23C
- Data: 14/09/2012
Hora de incio: 10h00 Hora de fim: 10h40
Temp. mdia ambiente: 19C

40
3.2 ANLISE DE INCERTEZA DE MEDIO
Para levantamento da curva de erro da calibrao ser utilizado um procedimento
especfico elaborado pelo laboratrio.
Os resultados coletados so os mesmos da Tabela 3.1 e a avaliao da incerteza ser
de acordo com o modelo matemtico abaixo:
grad af BPad LMAlt Lm A + A + A + =

(3.2)
Lm: Resultado corrigido do Medidor de Altura;
LMAlt: Indicao do Medidor de Altura;
ABPad: Correo do comprimento do bloco padro
Aaf: Correo devido ao afastamento da temperatura de medio da temperatura de
referncia;
Agrad: Correo devido diferena de temperatura entre padro e mensurando.

A anlise da incerteza ser feita bloco a bloco com a implantao das frmulas
diretamente no Excel.

41
4 RESULTADOS
As anlises seguintes apresentadas foram feitas a partir dos experimentos planejados
conforme captulo anterior no software estatstico livre R (R DEVELOPMENT CORE
TEAM, 2012) e o cdigo, disponvel no 0, foi desenvolvido com apoio de material didtico
disponvel na web (REIS e RIBEIRO JNIOR).
Nos grficos os dados so apresentados com notao inglesa (separao dos dgitos
decimais por .) conforme sada do prprio programa, porm, as demais indicaes
numricas so feitas com notao do SI.
O nvel de significncia adotado nas anlises ser de 5% para todos os testes.
Tabela 4.1 Resultados do experimento
Temperatura

(C)
DIMENSO DO BLOCO (mm)
5 10 20 25 50 75 100 125 150 175 200 300 400 500
18,9
0,33 1,09 0,17 0,75 0,64 0,58 0,64 0,44 0,68 1,06 1,08 -0,56 1,47 1,11
0,13 1,09 0,57 0,35 0,04 0,38 0,84 0,84 0,28 0,86 1,28 -0,36 1,47 1,11
0,13 0,49 0,17 0,55 0,04 0,38 0,84 1,04 0,48 0,86 1,28 -0,16 1,47 1,31
20,4
0,53 0,89 0,17 0,15 -0,36 -0,02 0,44 0,44 0,68 0,66 0,08 -0,76 -0,13 -1,29
0,53 0,89 0,57 -0,25 -0,36 0,18 0,44 0,64 0,48 0,46 0,28 -0,76 -0,13 -1,09
0,53 0,49 0,17 -0,05 0,04 0,18 0,44 0,44 0,48 0,26 -0,12 -0,76 -0,53 -1,09
23,5
2,73 1,29 0,77 1,15 0,44 0,38 1,04 0,84 1,48 1,86 2,08 1,84 4,27 5,71
2,33 2,49 1,17 2,15 0,84 0,58 1,44 1,04 1,48 1,86 2,28 2,44 4,47 5,51
1,73 1,49 0,37 1,15 0,44 0,78 0,84 1,04 1,08 1,66 2,28 2,04 4,47 5,51

Os resultados esto representados em m, e representam a diferena entre o valor
medido e o valor verdadeiro de cada bloco (VVC) demonstrado na Tabela 3.2 Dados reais
dos blocos padro.
Os trs nveis de temperatura dos ensaios foram escolhidos de acordo com a
capacidade do sistema de ar condicionado do laboratrio, porm s foi possvel alcanar
mnima aproximada de 19C e mxima aproximada de 23C.


42
4.1 ANLISE GRFICA
GRFI COS BOXPLOT
18.9 20.4 23.5
-
1
0
1
2
3
4
5
Temperatura
E
r
r
o
Erro x Temperatura

Figura 4.1 Grfico Boxplot de Erro x
Temperatura
5 10 25 75 125 175 300 500
-
1
0
1
2
3
4
5
Dimenso
E
r
r
o
Erro x Dimenso

Figura 4.2 Grfico Boxplot de Erro x Dimenso
Ambos os grficos apresentam formas variadas de Box, o que demonstra presena de
influncia tanto do fator Temperatura quanto Dimenso sobre o erro de medio.
A assimetria das medianas no grfico Erro x Dimenso indica possvel no
normalidade ou presena de outliers.
GRFI COS DE I NTERAO
-
1
0
1
2
3
4
5
Dimenso
E
r
r
o
5 20 50 100 150 200 400
Temperatura
23.5
18.9
20.4
Interao

Figura 4.3 Grfico de interao dos fatores
-
1
0
1
2
3
4
5
Temperatura
E
r
r
o
18.9 20.4 23.5
Dimenso
500
400
5
200
300
175
10
25
150
100
125
20
75
50
Interao

Figura 4.4 Grfico de interao dos fatores
Os grficos acima demonstram claramente que existe influncia da interao entre os
fatores nos resultados em todos os tratamentos, por no apresentarem paralelismo.

43
4.2 ANOVA
Tabela 4.2 Anlise da varincia
Fonte de
variao
Soma dos
Quadrados
Graus de
liberdade
Quadrados
mdios
F
calc
Pr(>F)
Temp 74,203 2 37,101 615,100 <2,2e-16
Dim 30,852 13 2,373 39,346 <2,2e-16
Temp:Dim 70,251 26 2,702 44,795 <2,2e-16
Residual 5,067 84 0,060

Complementando a anlise grfica, os dados da ANOVA na Tabela 4.2 demonstram
que a variao em ambos os fatores apresentam influncia sobre os resultados, inclusive a
interao entre os dois, pois cada um dos valores-p apresentados est abaixo do
estabelecido, identificando que todos os fatores so significantes para a anlise.
4.3 PRESSUPOSTOS E ANLISE DE RESDUOS
TESTE DE NORMALI DADE SHAPI RO-WI LK
- W = 0,9688 valor-p = 0,005242
TESTE DE HOMOCEDASTI CI DADE DAS VARI NCI AS BARTLETT
- Bartletts K-squared = 58,2056 valor-p = 2,295e-13
Ambos os testes apresentaram valor-p menor que o estabelecido (5%), portanto, os
pressupostos de homocedasticidade das varincias e normalidade foram violados.
Logo, necessrio fazer uma transformao de dados para observar a possibilidade de
melhorar estes ndices, facilitando as anlises estatsticas.
O mtodo escolhido para a transformao foi o mtodo Johnson.
4.3.1 TRANSFORMAO DE JOHNSON
Realizada anlise no programa, a transformao mais adequada para este conjunto de
dados a da famlia SU, com os seguintes coeficientes:
= 0,8866439
= 0,496784
= -0,4838614
= 0,3590407

44
Logo, os valores a serem utilizados nas anlises sero transformados a partir da
equao:
|
|
.
|

\
|
+ =

496784 , 0
3590407 , 0
. 8866439 , 0 4838614 , 0
1
ij
u
Y
senh S

(4.1)
Onde:
ij
Y = valor de erro encontrado nas medies
S
U
= valor transformado
Todas as anlises devem realizadas novamente para comparao das alteraes.
4.4 ANLISE GRFICA DOS DADOS TRANSFORMADOS
GRFI COS BOXPLOT
18.9 20.4 23.5
-
2
-
1
0
1
2
Temperatura
E
r
r
o
Erro x Temperatura

Figura 4.5 Grfico Boxplot de Erro x
Temperatura para dados transformados
5 10 25 75 125 175 300 500
-
2
-
1
0
1
2
Dimenso
E
r
r
o
Erro x Dimenso

Figura 4.6 Grfico Boxplot de Erro x
Dimenso para dados transformados
Apesar de apresentarem formas diferentes dos primeiros grficos, permanecem as
anlises de que as formas variadas de Box demonstram a influncia de todos os fatores
analisados e a assimetria das medianas na Figura 4.6 indica possvel presena de outliers

45
GRFI COS DE I NTERAO
-
2
-
1
0
1
2
Dimenso
E
r
r
o
5 20 50 100 150 200 400
Temperatura
23.5
18.9
20.4
Interao

Figura 4.7 Grfico de interao dos fatores
-
2
-
1
0
1
2
Temperatura
E
r
r
o
18.9 20.4 23.5
Dimenso
500
400
5
200
300
175
10
25
150
100
125
20
75
50
Interao

Figura 4.8 Grfico de interao dos fatores
Assim como nos grficos Box-plot, a anlise da influncia da interao dos fatores no
foi alterada com a transformao, demonstrando forte influncia da interao entre os fatores
nos resultados em todos os tratamentos.
4.5 ANOVA DOS DADOS TRANSFORMADOS
Tabela 4.3 Anlise de varincia dos dados transformados
Fonte de
variao
Soma dos
Quadrados
Graus de
liberdade
Quadrados mdios F
calc

Pr(>F)
Temp 62,398 2 311,991 410,276 <2,2e-16
Dim 20,109 13 15,469 20,342 <2,2e-16
Temp:Dim 34,998 26 13,461 17,701 <2,2e-16
Residual 6,388 84 0,076

O quadro da ANOVA dos dados transformados ainda demonstra que a variao de
ambos os fatores apresentam influncia sobre os resultados, inclusive a interao entre os
mesmos.

46
4.6 PRESSUPOSTOS E ANLISES DE RESDUOS
-2 -1 0 1 2
-
0
.
6
-
0
.
4
-
0
.
2
0
.
0
0
.
2
0
.
4
0
.
6
QQ-Plot
Theoretical Quantiles
R
e
s
i
d
u
o
s
t
*

Figura 4.9 Grfico Quantil-Quantil para anlise de resduos da amostra
TESTE DE NORMALI DADE SHAPI RO-WI LK
- W = 0.989 valor-p = 0.4126
TESTE DE HOMOGENEI DADE DAS VARI NCI AS BARTLETT
- Bartlett's K-squared = 0.0991 valor-p = 0.9516

Observa-se melhora significativa no valor-p obtido atravs dos dois testes,
possibilitando seguir as anlises com os dados transformados. A presena da normalidade
tambm pode ser observada no grfico da Figura 4.9, onde os valores ficam em torno de uma
reta.
4.7 REGRESSO LINEAR
Tabela 4.4 Regresso linear
Coeficientes Erro padro Stat t Valor-P
Intersepto de Y - 3,5788274 1,1820133 - 3,028 0,003
T 0,1662243 0,0562307 2,956 0,004
D - 0,0129080 0,0055808 - 2,313 0,022
I(A * B) 0,0006494 0,0002655 2,446 0,016
Analisando os valores do p-valor observa-se que todos so menores que 5% e,
portanto, todos os coeficientes so significativos.
Com isso, tem-se a equao do estudo quase completa, preenchida da seguinte forma:

47


O termo e ser definido atravs dos clculos de incerteza para cada bloco de medio,
ou seja, para cada combinao ij da tabela.
Para utilizar a equao obtida atravs da regresso linear deve-se lembrar que foram
usados os dados transformados, e que para fazer alguma previso de dado real para uma
combinao de fatores necessrio realizar alguns passos detalhados no exemplo a seguir.
Ex: Para uma temperatura de 20C e um bloco padro de 250mm pode-se calcular o
.


Admitindo que para este ponto encontra-se:

Esta a previso do valor transformado. Para encontrar o valor real, necessrio
realizar a operao de transformao inversamente, e obter o termo .
A partir da equao (4.1), isolando o termo se obtm a seguinte equao, que ser
utilizada para calcular o valor real:

Portanto, se espera obter em medio o valor:


Este o valore do erro que deve ser encontrado ao realizar a medio de um bloco padro
de 250mm temperatura de 20C com o medidor de altura digital.

48
4.8 ANLISE DE INCERTEZAS
O Clculo de incerteza para (4.1)

todos os tratamentos do experimento foram
realizados no Excel e os resultados esto disponveis no Apndice A.
Para melhor entendimento dos valores obtidos, segue abaixo demonstrao dos
clculos para o bloco de 100mm e temperatura 18,9C conforme definies descritas no
Captulo 2, seo 0.
I NCERTEZA TI PO A
Primeiramente deve-se calcular a mdia os tratamentos.




Com isso, pode-se calcular a incerteza do tipo A utilizando a equao (2.29).



O desvio padro ser calculado atravs da equao (2.7) e n o nmero de
rplicas do experimento:



Portanto:

Incerteza Tipo A

49
AS I NCERTEZAS TI PO B
As incertezas tipo B relacionadas s condies de medio do experimento esto
listadas abaixo juntamente com seu clculo.
Para facilitar a compreenso, sero nomeadas cada uma delas incrementalmente por u
i
.
- Incerteza do bloco padro:
Calculada a partir diviso da incerteza especificada no certificado de calibrao,
disponvel na Tabela 3.2, pelo k (fator de abrangncia) padro.
Distribuio de probabilidade: Normal

- Resoluo CX1:
Distribuio de probabilidade: Retangular

- Desempeno - D=4:
Distribuio de probabilidade: Triangular

- Diferena de Temperatura:
Distribuio de probabilidade: Retangular
a=Variao da temperatura (em mdulo)
Coeficiente de sensibilidade :

- Afastamento Temperatura:
Distribuio de probabilidade: Retangular
Coeficiente de sensibilidade :


50
I NCERTEZA COMBI NADA

GRAU DE LI BERDADE EFETI VO: VEFF
De acordo com a equao (2.32):

FATOR DE ABRANGNCI A K
Consultando a tabela t student, encontrado
I NCERTEZA EXPANDI DA
E ento, de acordo com a equao (2.31), a incerteza de medio para o bloco de
100mm temperatura de 18,9C :

O resultado final da medio ser dado por , ou seja, o valor encontrado em
medio sobre essas condies pode estar entre 100mm e 100,0014mm.

51
4.9 CURVAS DE ERRO
As curvas abaixo representam o valor de erro observado em experimento e a anlise
com incerteza.
0 100 200 300 400 500
-
2
0
2
4
6
8
1
0
1
2
Dimenso do Bloco
E
r
r
o
Curva de Erro
18,9C
20,4C
23,5C

Figura 4.10 Curva de erro mdio para cada uma das
temperaturas
D 18,9C 20,4 C 23,5 C
5 0,20 0,53 2,26
10 0,89 0,77 1,76
20 0,30 0,52 0,77
25 0,55 0,3 1,48
50 0,24 0,02 0,57
75 0,45 -0,22 0,58
100 0,77 -0,23 1,11
125 0,77 0,07 0,97
150 0,48 0,27 1,35
175 0,93 0,44 1,79
200 1,21 0,51 2,21
300 -0,36 0,59 2,11
400 1,47 0,55 4,40
500 1,18 0,53 5,58
Observa-se que a curva que representa o comportamento do erro mdio para
temperatura de 20,4C, que se aproxima da temperatura mdia ambiente controlada neste
laboratrio, mais suave, ou seja, fica provado que sob essa condio os resultados
aproximam-se dos valores esperados.
Para a temperatura menor, 18,9C, percebida uma agitao, porm menor do que a
agitao percebida para a curva da temperatura 23,5C.
Como j se concluiu anteriormente que no somente a temperatura influencia nos
resultados da medio, mas tambm a dimenso dos blocos, para melhor entendimento, ser
analisado o comportamento da incerteza para cada uma das temperaturas separadamente, com
seus valores de erro mnimos, mdios e mximos, a partir do clculo de incerteza.


52
0 100 200 300 400 500
-
2
-
1
0
1
2
3
4
Dimenso do Bloco
E
r
r
o
Curva de Erro - Temperatura 18,9C
Mxima
Mdia
Mnima

Figura 4.11 Curva de erro para temperatura 18,9C
18,9
D Min Med Max
5 -0,27 0,20 0,66
10 0,09 0,89 1,02
20 -0,32 0,30 0,93
25 -0,01 0,55 1,11
50 -0,78 0,24 1,26
75 -0,14 0,45 1,03
100 0,10 0,77 1,45
125 -0,10 0,77 1,65
150 -0,37 0,48 1,33
175 -0,02 0,93 1,87
200 0,14 1,21 2,28
300 -1,89 -0,36 1,17
400 -0,39 1,47 3,33
500 -1,11 1,18 3,46
V-se uma uniformidade na variao da incerteza para medidas entre 100 e 200 mm,
comportamento bastante varivel para medidas menores e aumento significativo da variao
para medidas maiores.
0 100 200 300 400 500
-
2
-
1
0
1
2
3
4
Dimenso do Bloco
E
r
r
o
Curva de Erro - Temperatura 20,4C
Mxima
Mdia
Mnima

Figura 4.12 Curva de erro para temperatura
20,4C
20,4
D Min Med Max
5 -0,02 0,53 1,08
10 0,16 0,77 1,38
20 -0,11 0,52 1,14
25 -0,26 0,30 0,86
50 -0,61 0,02 0,66
75 -0,79 -0,22 0,35
100 -0,90 -0,23 0,45
125 -0,62 0,07 0,76
150 -0,50 0,27 1,03
175 -0,43 0,44 1,31
200 -0,45 0,51 1,46
300 -0,72 0,59 1,89
400 -1,14 0,55 2,24
500 -1,54 0,53 2,61
De acordo com o grfico, h uniformidade na variao da incerteza sobre o erro para
medidas at 100 mm, com aumento gradativo para medidas maiores.

53
0 100 200 300 400 500
0
5
1
0
Dimenso do Bloco
E
r
r
o
Curva de Erro - Temperatura 23,5C
Mxima
Mdia
Mnima

Figura 4.13 Curva de erro para temperatura 23,5C
23,5
D Min Med Max
5 1,65 2,26 2,88
10 1,29 1,76 2,23
20 0,28 0,77 1,26
25 0,97 1,48 1,99
50 -0,14 0,57 1,29
75 0,02 0,58 1,14
100 0,01 1,11 2,21
125 -0,25 0,97 2,20
150 0,05 1,35 2,64
175 0,17 1,79 3,41
200 0,34 2,21 4,09
300 -0,73 2,11 4,95
400 0,66 4,40 8,14
500 0,92 5,58 10,24
Percebe-se que a incerteza influencia variando gradativamente o erro desde as medidas
menores at a maior medida.

54
5 CONCLUSO

O controle das condies ambientais para a qualidade da medio e calibrao de
instrumentos de medio fundamental para obter resultados confiveis. Alteraes neste
ambiente influenciam de maneira direta os valores obtidos.
A dimenso dos padres analisados tambm fator influente sobre os dados coletados
em medio. Quanto maior a dimenso, existe maior tendncia de obter uma medida com erro
maior.
A influncia das condies ambientais tem comportamento diferente para diferentes
dimenses de padro, portanto, necessrio tambm observar e controlar as melhores
condies de interao entre estes fatores para obter resultados mais confiveis.
Foram analisadas as influncias dos fatores temperatura e dimenso do bloco padro
sobre os erros e possvel afirmar que ambos os fatores tem influncia nos resultados, assim
como a interao entre eles.
As faixas de temperatura planejadas para o experimento no foram alcanadas devido
capacidade do equipamento de ar condicionado do laboratrio, porm o estudo foi
conduzido com as temperaturas mdia, mxima e mnima alcanadas pelo equipamento.
Atravs do levantamento da curva de erro possvel observar como a incerteza de
medio influencia a confiabilidade do valor obtido em medio, de forma a qualificar quais
as melhores condies para se realizar a calibrao do medidor de altura digital.
Durante a anlise dos dados foi identificada a presena de outliers nas amostras. Estes
outliers podem ser consequncia da influncia de fatores externos no considerados no
experimento, como, por exemplo, o nvel de instruo ou experincia do operador que
conduziu o experimento nesta atividade.
Ao serem identificados estes outliers, futuramente podem ser analisados de forma mais
aprofundada para conhecer as possveis causas e at analisar o nvel de influncia destas
causas sobre os dados.
Os dados colhidos no experimento apresentado neste estudo no compunham,
originalmente, uma distribuio normal. Com isso, foi necessrio realizar uma transformao
de dados para que fosse possvel considerar os mtodos de anlise ANOVA e Regresso linear
como vlidos e obter a partir destes resultados teis e precisos.
Os blocos padro de medidas at 100mm utilizados neste estudo so de material
cermico, enquanto os demais, de maiores dimenses, so de ao.

55
Este fator no foi considerado neste estudo, porm, analisando as curvas de erro, nota-
se que a incerteza se comporta de forma diferente para estas duas faixas de dimenso, gerando
ento a oportunidade de estudo sobre a influncia do material do padro na confiabilidade da
calibrao do medidor de altura digital.
Alm de demonstrar a importncia do controle dos fatores influentes na calibrao do
medidor de altura e a confiabilidade dos dados obtidos atravs da variao destes, este estudo
demonstra diversas tcnicas de estatstica aplicveis resoluo de problemas de engenharia,
exemplificando sua utilizao e os resultados esperados.


REFERNCIAS
ALMEIDA CALEGARE, . J. Introduo ao Delinemaneto de Experimentos. 2a. ed. So
Paulo: Edgard Blucher, 2009.
DIAS, J. L. D. M. Medida, Normalizao e Qualidade;aspectos da histria da metrologia
no Brasil. Rio de Janeiro: [s.n.], 1998. Disponvel em
[http://www.inmetro.gov.br/noticias/livroMetrologia.aspr]. Acesso em 01 out. 2012.
FIGLIOLA, R. S.; BASLEY, D. E. Teoria e Projeto para Medies Mecnicas. 4a. ed.
[S.l.]: LTC, 2007.
INMETRO. VIM - Vocabulrio de Metrologia Legal. [S.l.]: [s.n.], 1998. Disponivel em:
<http://www.inmetro.gov.br/infotec/publicacoes/MetrologiaLegal/met_legal.htm>. Acesso
em: 03 Setembro 2012.
INMETRO. GUM: Avaliao de dados de medio Guia para a expresso de incerteza de
medio. [S.l.]: [s.n.], 2008. Disponivel em:
<http://www.inmetro.gov.br/noticias/conteudo/iso_gum_versao_site.pdf>. Acesso em: 03
Setembro 2012.
INMETRO. Conhea o Inmetro. INMETRO. Disponivel em:
<http://www.inmetro.gov.br/inmetro/historico.asp>. Acesso em: novembro 2012.
INMETRO, IPQ. VIM - Vocabulrio Internacional de Metrologia: conceitos fundamentais
e gerais de termos associados (VIM 2012). 3a. ed. Duque de Caxias, RJ: [s.n.], 2012.
LEVINE, D. M. et al. Estatstica: Teoria e Aplicaes. Rio de Janeiro: LTC, 2008.
MARTINS, G. A. Estatstica Geral e Aplicada. 3a. ed. So Paulo: Editora Atlas S.A., 2008.
421p p.
MONTGOMERY, D. C.; RUNGER, G. C. Applied Statistics and Probability for
Engineers. 3a. ed. [S.l.]: John Wiley & Sons, Inc., 2003. ISBN ISBN 0-471-20454-4.
R DEVELOPMENT CORE TEAM. R: A Language and Environment for Statistical
Computing. Vienna: R Foundation for Statistical Computing, 2012. http://www.R-
project.org/.


RAMOS, A. W. ESTUDOS DE CAPACIDADE PARA DADOS NO-NORMAIS. So
Paulo: [s.n.].
REIS, G. M.; RIBEIRO JNIOR, J. I. Ferramentas Estatsticas Bsicas da Qualidade -
guia prtico do R. [S.l.]: [s.n.]. Disponivel em: <http://www.estatsticanor.xpg.com.br>.
Acesso em: 24 maio 2012.
SOUZA, A. M. et al. Introduo a Projetos de Experimentos: Caderno Didtico. Santa
Maria - SP: Universidade Federal de Santa Maria, Centro de Cincias Naturais e Exatas,
Departamento de Estatstica., 2002. 119+8 p.
WALPOLE, R. E. et al. Probabilidade & Estatstica para engenharia e cincias. 8a. ed.
[S.l.]: [s.n.], 2008.




GLOSSRIO

Bloco padro Medida materializada, ou seja, instrumento de medio que reproduz
ou fornece, de maneira permanente durante sua utilizao, grandeza de uma ou mais naturezas
com um valor atribudo.


Apndice A. Tabela de clculo de incerteza
Tabela A.1 Dados da medio e clculo de incerteza (continua)

Incerteza
Tipo A
Incerteza Tipo B
Temp
Mdia
D
Y
(medido)
VVC
Erro de
indicao
(m)
Temp
Real
Mdia
Incerteza
Padro
DesvPad da
Mdia
Padro
(Bloco)
Resoluo
CX1
Desempeno
- D=4
Dif. Temp. Afast. Temp.
Incerteza
Combinada
Veff K Incerteza
18,9


5 5,0004 5,00007 0,33
19 5,0003 0,00006 0,0001 0,00003 0,00011547 0,0001875 5,77381E-06 9,95982E-06 0,000232307 73,71987 1,992997 0,0005 5 5,0002 5,00007 0,13
5 5,0002 5,00007 0,13
10 10,0006 10,00011 1,09
19 10,0007 0,00006 0,0001 0,00003 0,00011547 0,0001875 1,15478E-05 1,99199E-05 0,000233161 74,81019 1,992543 0,0005 10 10,0008 10,00011 1,09
10 10,0006 10,00011 0,49
20 20,0002 20,00003 0,17
19 20,0003 0,00007 0,0001 0,000035 0,00011547 0,0001875 2,30944E-05 3,98378E-05 0,000263842 7,666424 2,364624 0,0006 20 20,0006 20,00003 0,57
20 20,0002 20,00003 0,17
25 25,0008 25,00005 0,75
19,1 25,0006 0,00008 0,0001 0,00004 0,00011547 0,0001875 2,59814E-05 4,97977E-05 0,000258027 12,46668 2,178813 0,0006 25 25,0004 25,00005 0,35
25 25,0006 25,00005 0,55
50 50,0008 50,00016 0,64
19,1 50,0004 0,00010 0,0002 0,00005 0,00011547 0,0001875 5,19619E-05 9,95937E-05 0,000321883 3,354603 3,182446 0,0010 50 50,0002 50,00016 0,04
50 50,0002 50,00016 0,04
75 75,0008 75,00022 0,58
18,9 75,0007 0,00013 0,0001 0,000065 0,00011547 0,0001875 9,52636E-05 0,000149391 0,000297577 198,4859 1,972017 0,0006 75 75,0006 75,00022 0,38
75 75,0006 75,00022 0,38
100 100,0006 99,99996 0,64
18,8 100,0007 0,00015 0,0001 0,000075 0,00011547 0,0001875 0,000138565 0,000199187 0,000342688 349,0835 1,966784 0,0007 100 100,0008 99,99996 0,84
100 100,0008 99,99996 0,84
125 125,0004 124,99996 0,44
19 125,0007 0,00014 0,0002 0,00007 0,00011547 0,0001875 0,000144338 0,000248984 0,000409056 14,46345 2,144787 0,0009 125 125,0008 124,99996 0,84
125 125,0010 124,99996 1,04
150 150,0006 149,99992 0,68
19,1 150,0004 0,00017 0,0001 0,000085 0,00011547 0,0001875 0,000155885 0,00029878 0,000427337 93,79425 1,985802 0,0008 150 150,0002 149,99992 0,28
150 150,0004 149,99992 0,48
175 175,0008 174,99974 1,06
18,9 175,0007 0,00018 0,0001 0,00009 0,00011547 0,0001875 0,000222281 0,000348577 0,00048161 1361,813 1,961708 0,0009 175 175,0006 174,99974 0,86
175 175,0006 174,99974 0,86
200 200,0008 199,99972 1,08
18,8 200,0009 0,00020 0,0001 0,0001 0,00011547 0,0001875 0,000277129 0,000398374 0,000546293 2254,437 1,961017 0,0011 200 200,0010 199,99972 1,28
200 200,0010 199,99972 1,28


Apndice B. Tabela de clculo de incerteza
Tabela A.1 Dados da medio e clculo de incerteza (continuao)
18,9
300 299,9990 299,99956 -0,56
18,8 299,9992 0,00027 0,0001 0,000135 0,00011547 0,0001875 0,000415691 0,000597556 0,000780974 1046,257 1,962234 0,0015 300 299,9992 299,99956 -0,36
300 299,9994 299,99956 -0,16
400 400,0010 399,99953 1,47
19,1 400,0010 0,00035 0,0001 0,000175 0,00011547 0,0001875 0,000415693 0,000796745 0,000948711 2278,388 1,961006 0,0019 400 400,0010 399,99953 1,47
400 400,0010 399,99953 1,47
500 500,0004 499,99929 1,11
19,1 500,0005 0,00043 0,0001 0,000215 0,00011547 0,0001875 0,000519616 0,00099593 0,001166635 46889,38 1,960015 0,0023 500 500,0004 499,99929 1,11
500 500,0006 499,99929 1,31
20,4

5 5,0006 5,00007 0,53
21,2 5,0006 0,00006 0,0001 0,00003 0,00011547 0,0001875 6,92903E-06 9,96049E-06 0,000250739 11,11684 2,200985 0,0006 5 5,0006 5,00007 0,53
5 5,0006 5,00007 0,53
10 10,0010 10,00011 0,89
20,7 10,0009 0,00006 0,0001 0,00003 0,00011547 0,0001875 8,0836E-06 1,99203E-05 0,000260057 7,23582 2,364624 0,0006 10 10,0010 10,00011 0,89
10 10,0006 10,00011 0,49
20 20,0002 20,00003 0,17
20,6 20,0003 0,00007 0,0001 0,000035 0,00011547 0,0001875 1,38566E-05 3,98378E-05 0,000263195 7,591424 2,364624 0,0006 20 20,0006 20,00003 0,57
20 20,0002 20,00003 0,17
25 25,0002 25,00005 0,15
20,5 25,0000 0,00008 0,0001 0,00004 0,00011547 0,0001875 1,44338E-05 4,97965E-05 0,00025712 12,29247 2,178813 0,0006 25 24,9998 25,00005 -0,25
25 25,0000 25,00005 -0,05
50 49,9998 50,00016 -0,36
20,4 49,9999 0,00010 0,0001 0,00005 0,00011547 0,0001875 2,3094E-05 9,95928E-05 0,000281459 9,928379 2,262157 0,0006 50 49,9998 50,00016 -0,36
50 50,0002 50,00016 0,04
75 75,0002 75,00022 -0,02
20,6 75,0003 0,00013 0,0001 0,000065 0,00011547 0,0001875 5,19618E-05 0,00014939 0,000286664 170,9345 1,974017 0,0006 75 75,0004 75,00022 0,18
75 75,0004 75,00022 0,18
100 100,0004 99,99996 0,44
20,4 100,0004 0,00015 0,0001 0,000075 0,00011547 0,0001875 4,61882E-05 0,000199187 0,00033054 33,57282 2,034515 0,0007 100 100,0004 99,99996 0,44
100 100,0004 99,99996 0,44
125 125,0004 124,99996 0,44
20,4 125,0005 0,00014 0,0001 0,00007 0,00011547 0,0001875 5,77352E-05 0,000248983 0,000350942 383,95 1,966177 0,0007 125 125,0006 124,99996 0,64
125 125,0004 124,99996 0,44
150 150,0006 149,99992 0,68
20,2 150,0005 0,00017 0,0001 0,000085 0,00011547 0,0001875 3,46411E-05 0,00029878 0,000388109 574,3127 1,964105 0,0008 150 150,0004 149,99992 0,48
150 150,0004 149,99992 0,48
175 175,0004 174,99974 0,66
20,2 175,0002 0,00018 0,0001 0,00009 0,00011547 0,0001875 4,04146E-05 0,000348576 0,000439387 104,8293 1,983037 0,0009
175 175,0002 174,99974 0,46


175 175,0000 174,99974 0,26


Apndice C. Tabela de clculo de incerteza
Tabela A.1 Dados da medio e clculo de incerteza (continuao)
20,4
200 199,9998 199,99972 0,08
20,3 199,9998 0,00020 0,0001 0,0001 0,00011547 0,0001875 6,9282E-05 0,000398371 0,000485101 155,747 1,975387 0,0010 200 200,0000 199,99972 0,28
200 199,9996 199,99972 -0,12
300 299,9988 299,99956 -0,76
20,2 299,9988 0,00027 0,0001 0,000135 0,00011547 0,0001875 6,92818E-05 0,000597555 0,000664771 549,2624 1,964294 0,0013 300 299,9988 299,99956 -0,76
300 299,9988 299,99956 -0,76
400 399,9994 399,99953 -0,13
20,2 399,9993 0,00035 0,0001 0,000175 0,00011547 0,0001875 9,23759E-05 0,000796742 0,000860362 866,8433 1,962707 0,0017 400 399,9994 399,99953 -0,13
400 399,9990 399,99953 -0,53
500 499,9980 499,99929 -1,29
20,3 499,9981 0,00043 0,0001 0,000215 0,00011547 0,0001875 0,000173204 0,000995925 0,001058785 31810,22 1,960039 0,0021 500 499,9982 499,99929 -1,09
500 499,9982 499,99929 -1,09
23,5
5 5,0010 5,00007 2,73
23,3 5,0007 0,00006 0,0001 0,00003 0,00011547 0,0001875 1,90554E-05 9,96075E-06 0,000260057 7,235854 2,364624 0,0006 5 5,0006 5,00007 2,33
5 5,0006 5,00007 1,73
10 10,0006 10,00011 1,29
23,3 10,0007 0,00006 0,0001 0,00003 0,00011547 0,0001875 3,81077E-05 1,99199E-05 0,000235973 78,48392 1,990847 0,0005 10 10,0008 10,00011 2,49
10 10,0006 10,00011 1,49
20 20,0000 20,00003 0,77
23,4 19,9999 0,00007 0,0001 0,000035 0,00011547 0,0001875 7,85194E-05 3,9837E-05 0,00024882 97,02307 1,984723 0,0005 20 20,0000 20,00003 1,17
20 19,9998 20,00003 0,37
25 25,0002 25,00005 1,15
23,4 25,0001 0,00008 0,0001 0,00004 0,00011547 0,0001875 9,81498E-05 4,97966E-05 0,000258161 112,434 1,981372 0,0005 25 25,0000 25,00005 2,15
25 25,0000 25,00005 1,15
50 50,0006 50,00016 0,44
23,4 50,0007 0,00010 0,0001 0,00005 0,00011547 0,0001875 0,000196302 9,95944E-05 0,000342375 21,73827 2,079614 0,0007 50 50,0010 50,00016 0,84
50 50,0006 50,00016 0,44
75 75,0006 75,00022 0,38
23,4 75,0008 0,00013 0,0001 0,000065 0,00011547 0,0001875 0,000294452 0,000149391 0,000418411 86,1992 1,987934 0,0008 75 75,0008 75,00022 0,58
75 75,0010 75,00022 0,78
100 100,0010 99,99996 1,04
23,6 100,0011 0,00015 0,0002 0,000075 0,00011547 0,0001875 0,000415697 0,000199188 0,000545624 45,7838 2,014103 0,0011 100 100,0014 99,99996 1,44
100 100,0008 99,99996 0,84
125 125,0008 124,99996 0,84
23,6 125,0009 0,00014 0,0001 0,00007 0,00011547 0,0001875 0,000519619 0,000248984 0,000624365 3846,699 1,960581 0,0012 125 125,0010 124,99996 1,04
125 125,0010 124,99996 1,04
150 150,0014 149,99992 1,48
23 150,0013 0,00017 0,0001 0,000085 0,00011547 0,0001875 0,00051962 0,000298781 0,00065785 296,2946 1,968011 0,0013 150 150,0014 149,99992 1,48
150 150,0010 149,99992 1,08
175 175,0016 174,99974 1,86
23,5 175,0015 0,00018 0,0001 0,00009 0,00011547 0,0001875 0,00070726 0,000348578 0,000826292 11799,63 1,960165 0,0016
175 175,0016 174,99974 1,86


175 175,0014 174,99974 1,66


Apndice D. Tabela de clculo de incerteza
Tabela A.1 Dados da medio e clculo de incerteza (concluso)

23,5
200 200,0018 199,99972 2,08
23,6 200,0019 0,00020 0,0001 0,0001 0,00011547 0,0001875 0,000831392 0,000398376 0,000955432 21092,8 1,960076 0,0019 200 200,0020 199,99972 2,28
200 200,0020 199,99972 2,28
300 300,0014 299,99956 1,84
23,7 300,0017 0,00027 0,0002 0,000135 0,00011547 0,0001875 0,001281725 0,000597561 0,001448352 2273,187 1,961008 0,0028 300 300,0020 299,99956 2,44
300 300,0016 299,99956 2,04
400 400,0038 399,99953 4,27
23,7 400,0039 0,00035 0,0001 0,000175 0,00011547 0,0001875 0,001708974 0,000796751 0,001907606 335189,3 1,959971 0,0037 400 400,0040 399,99953 4,47
400 400,0040 399,99953 4,47
500 500,0050 499,99929 5,71
23,7 500,0049 0,00043 0,0001 0,000215 0,00011547 0,0001875 0,002136217 0,000995939 0,002377914 809318,9 1,959967 0,0047 500 500,0048 499,99929 5,51
500 500,0048 499,99929 5,51



Apndice E. Cdigo de programao do R
#REMOVER TODOS OS OBJETOS
rm(list=ls(all=TRUE))
#VERIFICAR O DIRETRIO DE TRABALHO
getwd()
#CONFIGURAR O DIRETRIO DE TRABALHO
setwd("C:/COMANDOS - R/TCC")
getwd()
#LER O ARQUIVO DE DADOS
dados=read.table('dadosTCC.txt',header=TRUE)
dados
# ANLISE GRFICA
attach(dados)
Temp=factor(Temp)
Dim=factor(Dim)
plot(Temp,Erro,xlab="Temperatura",ylab="Erro",col="blue")
title("Erro x Temperatura")
plot(Dim,Erro,xlab="Dimenso",ylab="Erro",col="red")
title("Erro x Dimenso")
interaction.plot(Dim,Temp,Erro,trace.label=("Temperatura"),xlab="Dimenso",ylab="Erro")
title("Interao")
interaction.plot(Temp,Dim,Erro,trace.label=("Dimenso"),xlab="Temperatura",ylab="Erro")
title("Interao")
#ANOVA
anodados<-aov(Erro~Temp*Dim)
anova(anodados)
#ANLISE DOS RESDUOS E PRESSUPOSTOS DO MODELO
residuos<-resid(anodados)
sum(residuos)
shapiro.test(residuos)
qqnorm(residuos,ylab="Residuos",main="QQ-Plot")
qqline(residuos)
bartlett.test(Erro~Temp*Dim)
# TRANSFORMAO DE DADOS
y <- RE.Johnson(dados$Erro); print(y)



# ANLISE GRFICA DOS DADOS TRANSFORMADOS
attach(dados)
Temp=factor(Temp)
Dim=factor(Dim)
plot(Temp,y$transformed,xlab="Temperatura",ylab="Erro",col="blue")
title("Erro x Temperatura")
plot(Dim,y$transformed,xlab="Dimenso",ylab="Erro",col="red")
title("Erro x Dimenso")
interaction.plot(Dim,Temp,y$transformed,trace.label=("Temperatura"),xlab="Dimenso",ylab="E
rro")
title("Interao")
interaction.plot(Temp,Dim,y$transformed,trace.label=("Dimenso"),xlab="Temperatura",ylab="E
rro")
title("Interao")
#ANOVA DOS DADOS TRANSFORMADOS
anodadost<-aov(y$transformed~Temp*Dim)
anova(anodadost)
#ANLISE DOS RESDUOS E PRESSUPOSTOS DO MODELO
residuost<-resid(anodadost)
sum(residuost)
shapiro.test(residuost)
qqnorm(residuost,ylab="Residuost*",main="QQ-Plot")
qqline(residuost)
bartlett.test(y$transformed~Temp*Dim)
#REGRESSO LINEAR COM INTERAO DOS DADOS TRANSFORMADOS
A = dados$Temp
B = dados$Dim
Y = y$transformed
regr1 = lm(Y~A+B+I(A*B))
summary(regr1)
plot(regr1)
# PLOTAGEM DAS CURVAS DE ERRO
# LEITURA DOS DADOS
dadosGrafTemp1=read.table('dadosGrafTemp1.txt',header=TRUE)
dadosGrafTemp1



dadosGrafTemp2=read.table('dadosGrafTemp2.txt',header=TRUE)
dadosGrafTemp2
dadosGrafTemp3=read.table('dadosGrafTemp3.txt',header=TRUE)
dadosGrafTemp3
# CURVA DE ERRO PARA AS TRS TEMPERATURAS
plot(c(5,500),c(-2,12),type='n',xlab="Dimenso do Bloco",ylab="Erro")
lines(dadosGrafTemp1$D,dadosGrafTemp1$Med, col=4, lwd=3)
lines(dadosGrafTemp2$D,dadosGrafTemp2$Med, col=5, lwd=3)
lines(dadosGrafTemp3$D,dadosGrafTemp3$Med, col=6, lwd=3)
title("Curva de Erro")
legend(10,12,c("18,9C","20,4C","23,5C"),col=c(4,5,6), lwd=3)
# CURVA DE ERRO PARA A TEMPERATURA MAIS BAIXA
plot(c(5,500),c(-2,4),type='n',xlab="Dimenso do Bloco",ylab="Erro")
lines(dadosGrafTemp1$D,dadosGrafTemp1$Max, col=3, lwd=3)
lines(dadosGrafTemp1$D,dadosGrafTemp1$Med, col=1, lwd=3)
lines(dadosGrafTemp1$D,dadosGrafTemp1$Min, col=2, lwd=3)
title("Curva de Erro - Temperatura 18,9C")
legend(10,4,c("Mxima","Mdia","Mnima"),col=c(3,1,2), lwd=3)
# CURVA DE INCERTEZA PARA A TEMPERATURA MDIA
plot(c(5,500),c(-2,4),type='n',xlab="Dimenso do Bloco",ylab="Erro")
lines(dadosGrafTemp2$D,dadosGrafTemp2$Max, col=3, lwd=3)
lines(dadosGrafTemp2$D,dadosGrafTemp2$Med, col=1, lwd=3)
lines(dadosGrafTemp2$D,dadosGrafTemp2$Min, col=2, lwd=3)
title("Curva de Erro - Temperatura 20,4C")
legend(10,4,c("Mxima","Mdia","Mnima"),col=c(3,1,2),lwd=2)
# CURVA DE INCERTEZA PARA A TEMPERATURA MAIS ALTA
plot(c(5,500),c(-4,12),type='n',xlab="Dimenso do Bloco",ylab="Erro")
lines(dadosGrafTemp3$D,dadosGrafTemp3$Max, col=3, lwd=3)
lines(dadosGrafTemp3$D,dadosGrafTemp3$Med, col=1, lwd=3)
lines(dadosGrafTemp3$D,dadosGrafTemp3$Min, col=2, lwd=3)
title("Curva de Erro - Temperatura 23,5C")
legend(10,12,c("Mxima","Mdia","Mnima"),col=c(3,1,2),lwd=2)

You might also like