VALIDAÇÃO DO MÉTODO GUM USANDO O GUM-S1 PARA AVALIAR A INCERTEZA DE MEDIÇÃO ASSOCIADA A DUREZA BRINELL
DOI:
https://doi.org/10.61164/rmnm.v5i1.2377Palavras-chave:
Incerteza de Medição. Método GUM. Simulação de Monte Carlo.Resumo
O conhecimento preciso da incerteza de medição é fundamental para a obtenção de resultados confiáveis, sendo crucial para a rastreabilidade e o controle regulatório dos processos de medição. O Guia para a Expressão da Incerteza de Medição (GUM) é amplamente reconhecido pelos metrologistas como o principal método para a avaliação da incerteza de medição. No entanto, devido às limitações identificadas no guia, a ISO (International Organization for Standardization) desenvolveu um método suplementar para a avaliação da incerteza de medição baseado na propagação de Funções de Densidade de Probabilidade (PDF) por meio da Simulação de Monte Carlo (SMC). Este suplemento apresenta também uma metodologia para validar o método GUM, utilizando os intervalos de abrangência fornecidos pela SMC. O objetivo deste estudo é validar o método GUM utilizando o método de Monte Carlo em um teste de dureza Brinell. Os resultados demonstraram que a metodologia proposta pelo GUM não foi aprovada no processo de medição da dureza Brinell, para um limite de tolerância de 0,5 HB. Verificou-se, a partir dos resultados, que o método de Monte Carlo demonstrou ser mais robusto e confiável para a avaliação da incerteza de medição, sugerindo sua preferência em situações semelhantes.
Palavras-chave: Incerteza de Medição. Método GUM. Simulação de Monte Carlo.
Referências
BALLICO, M. Limitations of the Welch-Satterthwaite approximation for measurement uncertainty calculations. Metrologia, v. 37, n. 1, p. 61–64, 2000.
COX, M.; HARRIS, P. The GUM and its planned supplemental guides. Accreditation and quality assurance, v. 8, n. 7–8, p. 375–379, 2003.
CORAL, R. Propagação de Incertezas de Medição através de Redes Neurais Artificiais utilizando o Método de Monte Carlo. Revista Eletrônica Técnico Científica do IFSC, v.2, n. 1, p. 70-76, 2018.
DE DEUS, A. D.; VACCARO, G. L. R. Uma abordagem para implementação de qualidade assegurada no fornecimento, baseada em análise de capacidade: um estudo de caso em uma empresa do setor automotivo. Revista produção online, v. 9, n. 4, 2009.
DINIZ, A. C. G.; ALVES, T. C.; PERDIGÃO, F. L. Quantificação de incertezas em experimento simples de vibrações. Revista Interdisciplinar de Pesquisa em Engenharia, v. 1, n. 1, p. 1-25, 2015.
DONATELLI, G. D.; KONRATH, A. C. Simulação de Monte Carlo na avaliação de incertezas de medição. Revista de Ciência & Tecnologia. v. 13, n. 25, p. 5-15, 2005.
FRENKEL, R. B. Statistical background to the ISO guide to the expression of uncertainty in measurement. Technology transfer series monograph, National Measurement Institute of Australia, 2006.
GONÇALVES, D. R. R.; PEIXOTO, R. A. F. Beneficiamento de escórias na aciaria: Um estudo da viabilidade econômica da utilização dos produtos na siderurgia e na construção civil. Revista ABM - Metalurgia, Materiais e Mineração, v. 71, n. 4, p. 506–510, 2015.
GUM – Guia para Expressão de Incertezas de Medições. Avaliação de dados de medição. 2008.
INMETRO – Instituto Nacional de Metrologia, Qualidade e Tecnologia. A estimativa da incerteza de medição pelos métodos do ISO GUM 95 e de simulação de Monte Carlo. 2008.
INCERPI, P.H. Incerteza de medição – método proposto para a análise da conformidade do produto. Dissertação (Mestrado em Engenharia de Produção). Universidade Federal de Itajubá, Itajubá. 2008.
JCGM 101 – Joint Committee for Guides in Metrology. Supplement 1 to the “Guide to the expression of uncertainty in measurement” – Propagation of distributions using a Monte Carlo method. 2008.
LANDGRAF, W. R.; STEMPNIAK, C. R. Simulação de Monte Carlo e ferramentas para avaliação da incerteza de medição. In: Congresso Latino Americano de Metrologia. 2004.
LIU, Z. Higher order corrections to the Welch–Satterthwaite formula. Metrologia, v. 42, n. 5, p. 449–457, 2005.
MARTINS, M. A. F. et al. Comparação entre os métodos linear e não linear para a avaliação da incerteza de medição. Controle & Automação, v. 21, n. 6, p. 557–576, 2010.
MARTINS, M. A. F. Contribuições Para a Avaliação da Incerteza de Medição No Regime Estacionário. Dissertação (Mestrado em Engenharia Industrial). Universidade Federal da Bahia, Salvador. 2010.
OLIVEIRA, E. C. DE; AGUIAR, P. F. DE. Validação da metodologia da avaliação de incerteza em curvas de calibração melhor ajustadas por polinômios de segundo grau. Quimica nova, v. 32, n. 6, p. 1571–1575, 2009.
PEREIRA, G. N. D. et al. Analysis of the economic viability of organic production system of ornamental pineapple plants for cut stems. Ornamental Horticulture, v. 28, n. 1, p. 99–109, 2022.
RIECHI, J. L.; TORMOS, B.; HILLEBRAND, M. V. J. Otimização dos custos de frota urbana com uso de modelo combinado de life cycle cost e simulação de Monte Carlo. Revista produção online, v. 17, n. 2, p. 667–691, 2017.
VIM – Vocabulário Internacional de Metrologia. Conceitos fundamentais e gerais e termos associados. 2012.
YIN, R. K. Estudo de caso: planejamento e métodos. Porto Alegre: Bookman, 2ª edição, 2001.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Revista Multidisciplinar do Nordeste Mineiro
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
