00:00:03
O diagrama de Chicaua, ele também é
00:00:05
conhecido como diagrama de causa e
00:00:07
efeito ou diagrama de espinha de
00:00:09
peixe, certo? Ele é uma ferramenta que
00:00:13
pode ser aplicada para resolver
00:00:15
problemas. Observa que ele tem uma um
00:00:18
modelo mesmo, né? Uma um formato de
00:00:20
espinha de peixe, né? Lembrando que
00:00:23
Cauru Chicau, ele nasceu em 1915.
00:00:27
Ele estudou na Universidade de
00:00:29
Tóquio, ele era engenheiro químico e
00:00:33
trabalhou numa
00:00:36
indústria com onde ele era eh
00:00:38
responsável pelo controle de qualidade
00:00:40
dessa
00:00:41
indústria. Então ele como trabalhar com
00:00:45
controle de qualidade? Controle de
00:00:47
qualidade
00:00:49
eh eh eles precisam de valores muito
00:00:51
próximos da da exatidão e da precisão,
00:00:54
né?
00:00:55
Então, na verdade, ele cria um diagrama
00:00:59
para
00:01:01
tentar minimizar esses
00:01:03
problemas. Ah, neste caso aqui, ele
00:01:06
coloca a espinha de peixe como causas,
00:01:09
né?
00:01:10
E o o que seria a cabeça do peixe aqui,
00:01:13
que eu tô colocando na a pontinha da
00:01:16
seta aqui, seria o efeito a ser
00:01:18
superado, o problema ou o efeito
00:01:21
indesejado ou o efeito a ser superado,
00:01:25
tá? Aqui eu mostro para vocês o diagrama
00:01:28
de Chicaua, só que considerando o
00:01:30
resultado
00:01:32
analítico. É como se nós utilizássemos
00:01:34
ele num laboratório de química, tá
00:01:37
certo? Aí ele inicia bem aqui, ó.
00:01:39
Quantas quantas etapas tem uma análise?
00:01:42
Observa que aqui eu tenho várias, né,
00:01:46
várias causas aqui, várias várias
00:01:49
informações aqui nessa minha espinha de
00:01:52
peixe para chegar ao meu resultado
00:01:54
analítico, né, que meu resultado final,
00:01:56
né, mas identificas aí, ó, definição de
00:02:00
problema, do problema, escolha do
00:02:02
método, análise, amostragem, medida
00:02:05
analítica, calibração do equipamento,
00:02:08
tratamento da amostra, tudo isso aqui
00:02:11
que a tá tá enfatizando,
00:02:12
pessoal, na espinha de
00:02:15
peixe tem a ver com a questão do de você
00:02:20
eh
00:02:22
monitorar no laboratório, no caso, no
00:02:25
nosso caso aqui, que seria o
00:02:26
laboratório, monitorar possíveis
00:02:29
erros que poderiam acontecer no momento
00:02:32
que você tiver analisando algo.
00:02:36
Independente do que seja, se é amostra
00:02:38
de solo, de água, você tem que ter um
00:02:43
controle sobre tudo que você vai
00:02:45
precisar no
00:02:46
laboratório
00:02:49
e o que você precisa
00:02:52
observar para evitar erros no teu
00:02:55
resultado final.
00:02:57
É, sabes que a que a exatidão ela nunca
00:03:00
vai existir, mas quanto mais próximo
00:03:03
esses valores estiverem de valores
00:03:05
exatos, melhor vai ser o teu resultado,
00:03:08
tá certo? É como se fosse uma nota de 0
00:03:10
a 10. Quanto mais próximo você tiver de
00:03:14
10, melhor vai ser o teu resultado. Da
00:03:17
mesma forma é aqui. Quanto menos erros
00:03:21
você eh
00:03:23
tiver, tá, na tua análise, quanto menos
00:03:27
eh
00:03:32
eh quanto menos eh erros tu tiver, é
00:03:35
quanto menos
00:03:37
eh
00:03:39
eh vacilo, quanto menos vacilo você
00:03:43
der, né, nessa tua pesagem, nessa tua
00:03:46
manipulação,
00:03:48
melhor vai ser o teu resultado final.
00:03:50
Tem coisas que dependem exclusivamente
00:03:52
da gente, né? Mas tem coisas que não.
00:03:55
Neste caso aqui, por exemplo, a
00:03:57
calibração de
00:03:58
equipamento, eh a questão
00:04:03
eh de eh basicamente calibração de
00:04:06
equipamento foge ao nosso controle,
00:04:09
temperatura, voltagem de tomadas, isso
00:04:12
aí não tem como como nós analistas
00:04:16
termos controle. Isso aí já no caso
00:04:18
caberia ao dono da empresa. Só que nada
00:04:22
eh eh eh você poderia também eh comentar
00:04:26
com o próprio responsável pela indústria
00:04:28
e pela empresa desses possíveis erros
00:04:31
que podem influenciar no teu resultado
00:04:34
final. Para eles, quanto menos erros
00:04:36
tiver, melhor. Tá certo? Para quem tá
00:04:40
comprando o produto, quanto mais próximo
00:04:43
da exatidão tiver o teu resultado,
00:04:46
melhor será.
00:04:47
Tá certo? Então, é sempre muito
00:04:49
importante lembrar que existem situações
00:04:52
que dependem exclusivamente do do
00:04:56
analista, mas existe outros que fogem.
00:04:59
No caso do analista, prestar atenção no
00:05:01
tratamento da amostra, na pesagem, na da
00:05:05
definição do do do da escolha do método
00:05:08
de análise, tá? Tá certo? Então, eh eh
00:05:13
essas essas situações que dependem do
00:05:15
analista tem como ser corrigido, mas tem
00:05:17
coisas que, infelizmente não depende do
00:05:20
analista, tá certo? Mas que nós vamos
00:05:23
tratar lá na frente de forma mais clara.
00:05:25
Este mesmo, este mesmo diagrama, ele vai
00:05:28
ser mostrado para vocês lá na frente de
00:05:30
forma mais clara, tá
00:05:33
certo? Como nós estamos tratando a
00:05:35
questão da amostragem, é importante
00:05:37
lembrar o que seria uma amostra, né,
00:05:39
pessoal?
00:05:41
Então aqui ele fala que é um processo de
00:05:43
escolha, tá certo? De de e seleção de
00:05:47
membros de universo de amostras
00:05:49
adequadas para análise de um todo.
00:05:51
Observa que aqui eu tenho uma população
00:05:53
que eu tô tirando uma amostragem dessa
00:05:55
população e em cima dessa amostragem eu
00:05:58
tô implementando meus resultados.
00:06:01
Esses meus resultados eles têm que que
00:06:04
eh
00:06:07
representar essa minha amostra da minha
00:06:10
população. Então não esqueçam disso, que
00:06:12
a minha
00:06:13
amostragem ela é parte de uma
00:06:16
população, tá certo? Onde eu vou fazer
00:06:20
uma análise desses meus resultados, tá
00:06:23
certo? E esses resultados eles devem eh
00:06:29
generalizar, eles devem representar
00:06:32
aquele meu todo lá, OK? Então não
00:06:36
esqueça que a amostra ela nada mais é do
00:06:39
que uma parte da minha população e o meu
00:06:43
resultado ele tem que representar esse
00:06:46
meu todo aí que seria a população. OK?
00:06:51
Aqui, voltando ao que eu comentei
00:06:54
anteriormente, tá? Observa que aqui eu
00:06:57
tenho um resultado analítico a ser
00:06:58
alcançado e eu tenho aqui os possíveis
00:07:01
erros em diferentes níveis. Então aqui
00:07:04
eu posso ter erros de material, erros de
00:07:06
método, erros de instrumento, erros de
00:07:10
equipamento, ambiente e analista.
00:07:13
O que cabe a nós como analistas, a vocês
00:07:17
como analistas de uma empresa, de uma
00:07:19
indústria, o que cabe a nós é tentar
00:07:22
controlar todos esses possíveis erros.
00:07:26
O que cabe a nós, nós vamos tentar fazer
00:07:28
no laboratório. Ao o que cabe à empresa,
00:07:31
nós vamos informar a empresa dos
00:07:33
possíveis erros que, por exemplo, um
00:07:36
equipamento pode causar meu no resultado
00:07:39
final, no ambiente, se ele não tiver
00:07:43
muito adequado, você também tem que que
00:07:46
que deixar claro para o teu gerente,
00:07:50
para o teu superior, os possíveis erros
00:07:52
que isso pode causar.
00:07:54
O restante, método, material,
00:07:58
instrumento, analista, isso é com vocês,
00:08:01
tá? Em relação ao material, nós temos a
00:08:04
questão da limpeza das vidrarias, eh a
00:08:07
pureza dos
00:08:08
reagentes, eh a homogeneidade das minhas
00:08:11
amostras. Em relação ao método, nós, se
00:08:14
nós tivermos utilizando um método errado
00:08:18
para uma determinada análise, nós já
00:08:19
sabemos que o nosso resultado final vai
00:08:22
ter erro também.
00:08:23
Por exemplo, eu quero eu quero eh
00:08:26
analisar
00:08:28
eh o teor de ácido acético no vinagre,
00:08:31
eu vou utilizar o indicador
00:08:34
fenóofitaleína. Então esse método ele já
00:08:36
existe escrito, tá certo? É o passo a
00:08:39
passo da tua análise, não tem como
00:08:41
errar.
00:08:42
Porém, se eu utilizar o laranjado de
00:08:44
metila, o alaranjado de metila, que é o
00:08:47
indicador diferente do do da
00:08:50
fenófitalina, eu já sei que o meu
00:08:51
resultado ele vai dar um resultado
00:08:54
errado no final e aí eu terei um erro de
00:08:56
método. Eu tô cometendo um erro de
00:08:58
método, tá certo? Em relação aos
00:09:01
instrumentos, a calibração, a manutenção
00:09:05
desses meus equipamentos, tá? Eles são
00:09:08
super importantes, tá certo? Se isso não
00:09:11
acontecer, você sabe também que o meu
00:09:15
resultado final, ele vai ter uma certa
00:09:18
eh uma c um vai se vai ter uma certa eh
00:09:25
aproximação de de erros erros elevados
00:09:30
no meu resultado final, tá certo? Então,
00:09:33
instrumento, equipamento, calibração,
00:09:36
manutenção de equipamentos, isso também
00:09:39
ele, se isso não tiver sendo feito no
00:09:41
laboratório, no final, eu sei que a
00:09:44
minha precisão e exatidão, elas vão
00:09:46
estar sendo eh influenciadas, tá bom?
00:09:51
Além disso, não esquece que eu tenho a
00:09:53
questão do ambiente, temperatura,
00:09:56
umidade, iluminação,
00:09:57
ventilação, contaminação das minhas
00:10:00
amostras, contaminação do meu reagente,
00:10:04
isso tudo vai influenciar no meu
00:10:06
resultado final, tá? Além disso, nós
00:10:09
temos a questão do analista,
00:10:11
capacitação, habilidade. Muit das vezes,
00:10:14
quando nós não temos
00:10:16
habilidade, eh, a gente acaba, na
00:10:18
verdade, pesando errado, eh, medindo
00:10:21
volumes errados. Isso no final também
00:10:24
vai influenciar no meu resultado
00:10:27
final. Falando de erros, né? Eh, observa
00:10:32
que nós comentamos aqui erros de
00:10:34
medição, tá? Nós falamos muito aqui
00:10:37
sobre o valor
00:10:39
verdadeiro e o valor
00:10:42
eh o valor verdadeiro que vai
00:10:45
influenciar na tua exatidão, tá? E a
00:10:49
concordância dos valores que vai
00:10:51
influenciar na tua precisão. Isso aí eu
00:10:54
vou fal trabalhar com vocês tanto em
00:10:57
sala de aula, na teoria quanto na parte
00:11:01
prática com vocês, tá certo? Neste caso
00:11:03
aqui ele fala um pouquinho de que erro
00:11:05
de medição ele tem a ver com o resultado
00:11:07
de uma medição menos o valor verdadeiro
00:11:09
do medido. O termo erro surge baseado na
00:11:13
exatidão e na
00:11:15
precisão. Qualquer resultado de uma
00:11:18
medida experimental está sujeito a um
00:11:20
erro, ou seja, sempre haverá uma
00:11:22
diferença entre o valor verdadeiro e o
00:11:25
valor medido. Isso aí eu falei nas aulas
00:11:28
passadas com
00:11:30
vocês. De forma geral, os erros podem
00:11:32
ser classificados em erros
00:11:34
sistemáticos, erros aleatórios ou
00:11:37
indeterminados e os erros grosseiros.
00:11:40
Não estão aparecendo aqui, mas eu vou
00:11:42
tratar os erros grosseiros somente na
00:11:44
parte de gráficos, na parte de box plot,
00:11:48
tá bom? E nós vamos utilizar inclusive a
00:11:50
planilhas Excel, né, no laboratório de
00:11:53
informática. Tá bom?
00:11:56
Aqui eu fiz um
00:11:58
resumozinho do tipo de erros que eles
00:12:00
podem ser aleatórios,
00:12:02
sistemáticos e erros grosseiros que não
00:12:04
estão aparecendo aqui, porque eu vou
00:12:06
trabalhar somente lá no box plot. Os
00:12:10
sistemáticos, eles são divididos em
00:12:13
teóricos, condições experimentais e
00:12:15
pessoais e os experimentais
00:12:18
subdividem-se em ambientais e
00:12:20
instrumentais, tá? OK.
00:12:24
Bom, os erros sistemáticos ou
00:12:26
determinados, eles são erros que podem
00:12:29
ser
00:12:30
medidos, tá certo? E podem ser
00:12:32
corrigidos ou minimizados.
00:12:36
Os erros sistemáticos, eles afetam a
00:12:38
grandeza do resultado em si, o valor
00:12:41
médio e estão relacionados com
00:12:44
exatidão. Podem ser eliminados ou
00:12:46
compensados e caracterizam-se por
00:12:49
conservarem o mesmo valor em medições
00:12:53
sucessivas. Então, na verdade, esse tipo
00:12:55
de erro aqui, ele vai causar
00:12:57
tendenciosidades, tá certo?
00:13:00
e ele vai refletir em valores diferentes
00:13:03
do real, que é o centro do alvo. Isso
00:13:06
aqui vai ficar bem mais claro
00:13:09
na na nas nos próximos slides que eu vou
00:13:12
estar trabalhando com vocês aqui.
00:13:14
Observe que aqui tenho aqui uma
00:13:16
figurazinha de um alvo. O alvo, o centro
00:13:19
do meu alvo, ele é o valor exato. Porém,
00:13:23
os resultados que eu tô encontrando, que
00:13:25
são as bolinhas pretas, eles estão
00:13:27
distantes do alvo, ó. E é isso que ele
00:13:30
chama de
00:13:31
tendenciosidade. Ele sai do valor exato
00:13:34
e tendencia para um valor que ele chama
00:13:37
aqui aqui de tendenciosidade. Ó, os
00:13:40
resultados se aproximam entre si
00:13:42
diferente, distante um pouquinho do meu
00:13:45
valor exato, que é o centro do alvo.
00:13:48
Isso aí também eu vou comentar com vocês
00:13:49
lá na frente melhor, tá
00:13:53
bom? Aí aqui eu vou tratar um pouquinho
00:13:56
das fontes de erros sistemáticos.
00:13:59
Aqui eu falo um pouquinho dos erros ou
00:14:01
condições experimentais que são
00:14:03
instrumentais e
00:14:05
ambientais. Todos os dispositivos de
00:14:08
medida são fontes potenciais de erros
00:14:10
sistemáticos. Por exemplo, pipetas,
00:14:14
provetas, buretas e balões volumétricos
00:14:18
podem conter ou dispensar quantidades
00:14:20
diferentes daquelas indicadas em suas
00:14:23
graduações. Isso ocorre por conta da
00:14:26
dilatação que sofrem ao serem aquecidas
00:14:29
durante a secagem ou por conta da
00:14:31
contaminação na superfície interna dos
00:14:34
frascos.
00:14:35
A utilização de instrumento viciado por
00:14:38
um analista, por exemplo, um peagâmetro
00:14:41
usado fortemente em ácido, sendo usado
00:14:45
para medir uma solução básica, as
00:14:48
variações de temperatura em instrumentos
00:14:50
componentes eletrônicos.
00:14:52
Alguns instrumentos são
00:14:55
suscetíveis a ruído induzido por
00:14:57
corrente alternada e esse ruído pode
00:15:00
influenciar a precisão e a exatidão.
00:15:04
Então aqui é uma parte
00:15:06
introdutória, tá certo? Dos possíveis
00:15:09
erros de condições experimentais que ele
00:15:12
trata aqui instrumentais e ambientais.
00:15:19
Resumindo, são aqueles relacionados com
00:15:22
as manipulações feitas durante a
00:15:24
realização das
00:15:25
análises indicadas nas graduações de
00:15:28
vidaria de laboratório, equipamento de
00:15:31
laboratórios, equipamentos não
00:15:33
calibrados frequentemente entre todos,
00:15:36
entre outros. Aqui eu coloco um exemplo
00:15:39
para vocês, uma figura. Olha, observa
00:15:41
que tu tens uma figurazinha aqui do
00:15:43
laboratório, né? um laboratório onde tô
00:15:47
com um laboratório com uma bancada cheia
00:15:49
de vidrarias,
00:15:51
né? Então o por simples fato da limpeza
00:15:54
inadequada de
00:15:56
vidrarias, isso aí vai influenciar
00:15:59
também nesse tipo de erro, tá certo?
00:16:03
Esse tipo de erro também eh é
00:16:06
causado por, como eu coloquei agorinha,
00:16:09
uma limpeza inadequada de vidrarias.
00:16:12
O ideal seria utilizar eh seria lavar
00:16:15
com detergente ou água deionizada ao
00:16:18
menos cinco vezes e deixar de molho em
00:16:21
solução sulfocômica, sulfonítrica, entre
00:16:24
outras medidas. Aí eu pergunto para
00:16:27
vocês aqui, quanto de nós aqui fazemos
00:16:30
isso no laboratório, principalmente o de
00:16:32
química, né?
00:16:35
Então é importante que seja observado,
00:16:39
né, esse tipo de
00:16:42
lavagem. Nas aulas que eu vou trabalhar
00:16:44
com vocês, eu vou tentar eh eh fazer eh
00:16:49
com que esses erros sejam
00:16:51
minimizados, tá certo? E que a nossa
00:16:54
precisão e exatidão seja mais próximo do
00:16:57
valor ideal, tá certo? Aí também o
00:17:00
armazenamento inadequado de soluções em
00:17:02
recipientes. Comportamento não ideal de
00:17:06
instrumento por falta de calibração,
00:17:08
aferição ou condições
00:17:10
inadequadas. Pureza dos
00:17:12
reagentes ou reagentes contaminados
00:17:15
podem diminuir o rendimento da reação e
00:17:17
ocasionar eh e ocasionar em relações
00:17:20
paralelas, onde as análises químicas
00:17:23
devem ser utilizados reagentes do tipo
00:17:26
PA, que são próanálise, certo? reagente
00:17:30
de elevado pureza. Hoje nós sabemos que
00:17:33
nossos reagentes, na grande maioria
00:17:36
eles, o prazo de validade deles,
00:17:40
eh, já passou do do prazo de validade,
00:17:44
reagente que nós temos hoje, né? Até
00:17:47
porque nós trabalhamos com análise mais
00:17:50
análise qualitativa, quantitativa quase
00:17:52
a gente não utiliza, né? o reagente que
00:17:55
nós temos hoje para análise, eles são
00:17:57
utilizados mais paraa parte eh de da
00:18:01
pós-graduação, né? Material da
00:18:04
pós-graduação, material da pesquisa, da
00:18:06
extensão. Esses precisam de um pouco
00:18:08
mais de de um pouco mais de cuidado, né?
00:18:12
Não que no laboratório, nas nossas aulas
00:18:14
práticas, isso não seja importante, é
00:18:16
importante. Porém, como nós temos alguns
00:18:18
reagentes que já estão vencidos, nós
00:18:20
utilizamos esses para nossas aulas, tá
00:18:22
certo? Então, não esquecendo que tudo
00:18:25
isso que eu coloquei para vocês aqui tem
00:18:27
a ver com o erro de condições
00:18:29
experimentais, tá certo? Que são
00:18:31
instrumentais e ambientais, tá OK?
00:18:36
O outro tipo de erro que nós vamos
00:18:38
enfatizar aqui é o erro de método ou
00:18:41
erro
00:18:42
teórico. Esse tipo de erro ele ocorre
00:18:45
com a utilização por por utilização
00:18:48
errada de uma dada na metodologia, ou
00:18:50
seja, decorrente de falhas no projeto de
00:18:53
um experimento. Então, todas as vezes
00:18:56
que eu tenho um passo a passo para fazer
00:18:58
uma análise e eu
00:19:02
substituo deste desta análise o algum
00:19:06
tipo de reagente, isso pode incorrer num
00:19:10
erro chamado de erro de método ou erro
00:19:12
teórico. Aqui eu coloquei um exemplo. Ao
00:19:15
se tentar realizar a determinação de
00:19:17
acidez do vinagre, utiliza-se comum
00:19:20
comumente a fenofitaleína.
00:19:23
Em meio ácido, a solução em color e em
00:19:25
meio básico de cor rosa. Para uma
00:19:28
titulação de um ácido forte, base forte,
00:19:31
este método indicado, eh, esse este
00:19:34
mesmo este mesmo indicador não poderia
00:19:37
ser utilizado. Ou
00:19:40
seja, aqui eu tô fazendo uma análise, tá
00:19:43
certo? de um ácido forte e um ácido
00:19:47
fraco, que seria o vinagre, com uma base
00:19:50
forte que seria o hidróxido de sódio,
00:19:53
né? É a metodologia que é utilizada para
00:19:57
determinação do teor de ácido acético no
00:19:59
vinagre. Então, a metodologia é uma.
00:20:04
Utilizamos o indicador
00:20:06
fenófitaleína. Observa que o ponto de
00:20:08
viragem da fenófaleína tá aparecendo
00:20:11
aqui no gráfico, ó. é próximo
00:20:13
deve, ó, no intervalozinho aqui entre
00:20:18
oito e praticamente 10. Vamos supor que
00:20:21
não queira utilizar fenóofaleína e
00:20:23
utilize o o vermelho de metila. Pessoal,
00:20:26
se utilizar o vermelho de metila,
00:20:27
observa que a faixa de atuação do
00:20:30
vermelho de etila, ele é entre
00:20:34
4,5 e
00:20:36
6,5 ou 6, totalmente diferente do do
00:20:41
ponto de viragem da fenófaleína.
00:20:44
Então, se eu tiver mudando, modificando
00:20:48
esse meu indicador, eu estarei também
00:20:51
cometendo um erro chamado erro de
00:20:54
método ou erro teórico, tá certo? Então,
00:20:58
esse tipo de erro aqui, ele ocorre
00:21:02
exclusivamente pelo pela não utilização
00:21:05
ou pela utilização errada de uma dada
00:21:08
metodologia, tá certo?
00:21:13
Aqui nós temos agora os erros pessoais.
00:21:16
Esses tipos de erros, eles resultam da
00:21:18
falta de cuidado ou falta de atenção ou
00:21:21
limitações pessoais do analista,
00:21:23
capacitação ou habilidade. Aqui eu
00:21:26
coloquei como exemplo a dificuldade em
00:21:29
observar corretamente a mudança de cor
00:21:31
de indicadores e uma
00:21:33
titulação. Aqui nesse caso, eu falei do
00:21:35
daltonismo, né, que a dificuldade em
00:21:38
identificar cor vermelho e verde, tá
00:21:41
certo? Isso pode acontecer.
00:21:44
préjulgamento, forçando o resultado de
00:21:46
determinações subsequentes da mesma
00:21:49
amostra a concordarem entre si. Isso
00:21:52
aqui a gente observa muito no
00:21:54
laboratório. Eh, vou colocar um exemplo
00:21:57
para vocês. Tem três equipes fazendo
00:21:58
análise de ácido acético no
00:22:01
vinagre. E aí o do meu colega, da minha
00:22:04
equipe vizinha, o ponto de viragem dele
00:22:07
deu 6,15 ml.
00:22:13
praticamente as minhas próximas análises
00:22:16
eu vou
00:22:17
pensar que o meu volume também vai estar
00:22:20
próximo do volume do vizinho e isso você
00:22:23
tem que evitar.
00:22:25
Então, a tua análise ela é
00:22:27
exclusiva e você não pode comparar com a
00:22:30
do teu vizinho, até porque se ele tiver
00:22:33
cometido algum erro lá
00:22:35
sistemático na na pesagem, na medida de
00:22:40
volume, eh isso aí vai influenciar o
00:22:42
resultado dele, que vai ser diferente do
00:22:44
teu. Então, é importante que você, ao
00:22:46
fazer a sua análise, anote os volumes,
00:22:51
tá certo? de forma eh eh com que o teu
00:22:56
resultado ele se torne o mais eh o mais
00:23:01
independente possível dos outros, tá
00:23:03
certo? Então a tua determinação, o teu
00:23:06
volume, ele dificilmente vai ser igual
00:23:09
do teu vizinho, tá certo? Então isso que
00:23:11
ele fala com pré-julgamento forçar
00:23:13
forçando o resultado de determinações,
00:23:16
tá certo?
00:23:17
e a capacitação adequada para a análise
00:23:21
a ser realizada, tá certo? Então, esses
00:23:24
aqui são os erros chamados pessoais.
00:23:26
Erros pessoais são aqueles cometidos no
00:23:29
laboratório por erro da própria pessoa
00:23:33
que tá realizando a análise, tá
00:23:39
certo? Aí fala um pouquinho sobre as
00:23:41
estratégias para detectar os erros
00:23:43
sistemáticos, tá certo?
00:23:46
Para evitar os erros sistemáticos, nós
00:23:48
temos algum algumas estratégias. Uma
00:23:51
delas é o branco
00:23:52
analítico. Neste caso, o que seria esse
00:23:57
branco analítico?
00:24:03
consiste em preparar uma solução
00:24:07
contendo todos os reagentes presente na
00:24:09
amostra, exceto esta, a qual deve ser
00:24:13
substituída por igual volume de solvente
00:24:17
e submetê-lo à análise de uma da mesma
00:24:20
forma que amostra.
00:24:23
Lembrando
00:24:24
aqui, eh, quem já fez, por
00:24:27
exemplo, a análise do ácido acético no
00:24:31
vinagre e vai conseguir lembrar disso.
00:24:34
Quando você vai
00:24:36
eh fazer a análise do ácido acético no
00:24:40
vinagre, você pega a tua análise, você
00:24:43
pega o seu, a sua solução de vinagre,
00:24:46
dilui e transfere um determinado volume
00:24:49
para o be.
00:24:52
No becker você completa com água,
00:24:55
adiciona
00:24:56
o indicador, que no caso nós utilizamos
00:24:59
é a
00:25:01
fenófaleína. Quem não fez ainda esse
00:25:04
tipo de análise, eu vou fazer isso em
00:25:08
sala de aula com vocês também, uma
00:25:10
prática com vocês, tá
00:25:12
bom? E aí, o que seria o branco
00:25:16
analítico, pessoal? O branco analítico,
00:25:18
ele seria
00:25:21
eh tudo que estaria dentro desse back,
00:25:24
desse erre, no caso aí, menos a minha
00:25:29
amostra. Relembrando, vamos lá, eu
00:25:32
coloquei o vinagre, a água e a
00:25:35
fenófitaleína. Se eu quiser calcular o
00:25:37
branco analítico, eu vou tirar o
00:25:39
vinagre, vou manter apenas a água e a
00:25:42
fenofitaleína. E aí com isso eu vou
00:25:44
fazer uma titulação. Esse seria o branco
00:25:46
analítico, tá bom? Isso aí vou fazer na
00:25:48
prática. Alguns já fizeram eh nos
00:25:51
laboratórios, né? Outros ainda vão
00:25:53
fazer. Eu vou fazer isso com vocês. O
00:25:55
que seria o branco analítico, que seria
00:25:57
uma estratégia para detectar erros
00:25:59
sistemáticos, né? Tentar corrigir esse
00:26:01
erros sistemáticos. Aqui eu coloquei
00:26:03
também um exemplo da
00:26:05
gravimetria. Por exemplo, se eu pegar um
00:26:07
cadinho, né? Na primeira aula, eu
00:26:09
mostrei lá o cadinho
00:26:11
direitinho, coloquei na estufa.
00:26:14
e realizei o aquecimento com exatamente
00:26:16
500º por 30 minutos. E aí eu pesei esse
00:26:21
cadinho com essa amostra antes, não é
00:26:24
isso? E pesei. Aí coloca aqui, ó, por 30
00:26:27
minutos e pesar ele no final e depois
00:26:29
pesar o final. Então ele fala aqui, ó,
00:26:32
ele pegou o cadinho, ele colocou na
00:26:34
mufla, realizou o aquecimento a 500º por
00:26:38
30 minutos e no final ele pesou
00:26:41
novamente. Então observa que eu eu tinha
00:26:46
cadinho, né, pesado, coloquei ele na
00:26:51
mufla, ele passou por um aquecimento por
00:26:53
30 minutos. Peguei esse cadinho de lá,
00:26:56
esperei de resfriar e coloquei novamente
00:26:59
ele para pesar. Se este valor final
00:27:02
menos o valor inicial der diferente de
00:27:04
zero, tá? Então o que que eu tô
00:27:07
observando aqui? e que o branco
00:27:08
analítico não está acontecendo. O ideal
00:27:11
seria que o valor final menos o valor
00:27:14
inicial desse zero para evitar com que
00:27:18
aquele cadinho ele ele apresente eh eh
00:27:24
massa dentro do local onde eu estou
00:27:29
tentando
00:27:30
determinar um uma determinada peso de
00:27:35
amostra e tentando fazer uma
00:27:38
análise, sendo mais claro.
00:27:40
Meu cadinho, ele precisa est livre de
00:27:43
impurezas, é isso que ele tá dizendo
00:27:44
aqui, tá certo? Então ele precisa ser
00:27:47
pesado antes, aquecido a 500º por 30
00:27:52
minutos e voltar a ser pesado novamente.
00:27:54
Se esse meu cadinho ele for, tiver um
00:27:57
valor diferente do valor anterior, eu já
00:28:00
sei que o branco analítico não está
00:28:02
funcionando. E isso vai influenciar, no
00:28:04
meu caso, meu resultado final, tá? vai
00:28:08
influenciar o meu erro, neste caso, a
00:28:10
precisão e a exatidão. Aqui é mais
00:28:13
difícil para você tentar enxergar esse
00:28:15
branco analítico. É mais fácil de
00:28:16
enxergar na volumetria de de
00:28:21
neutralização, né? Vamos fazer aqui a
00:28:23
titulação, tá
00:28:25
certo?
00:28:27
Uma outra forma de
00:28:32
de comparação com método padrão é o que
00:28:36
ele coloca aqui como para determinadas
00:28:41
amostras há um ou outros métodos que já
00:28:44
estão bem estabelecidos e podem ser
00:28:47
considerados como padrões. Ou seja, seus
00:28:51
resultados, se aplicados de forma
00:28:53
criteriosa, fornecem resultados
00:28:57
confiáveis. Eles são bastante usados
00:29:01
para comparar o resultado de novos
00:29:03
métodos analíticos. Então, na verdade,
00:29:06
aqui nós temos aqui uma absorção
00:29:11
atômica, ó, é uma absorção, um aparelho
00:29:14
é uma figura de uma absorção atômica, de
00:29:16
uma aparelho de absorção atômica. Se
00:29:18
esse aparelho estiver bem
00:29:20
calibrado, tá certo? Qualquer valor que
00:29:23
eu encontre aqui
00:29:25
dentro da minha
00:29:28
amostra, este valor aqui vai estar
00:29:32
representando praticamente para mim um
00:29:34
padrão, né? É um padrão de comparação. É
00:29:37
aquele valor que eu digo que é o exato,
00:29:39
tá, pessoal?
00:29:41
Se ele tiver, o aparelho tiver bem
00:29:43
calibrado, novo, passado por por por
00:29:47
vistorias, né,
00:29:50
adequadas, o resultado que você
00:29:52
encontrar aqui pode ser utilizado também
00:29:54
como um resultado padrão, OK?
00:29:58
Aí coloca também aqui também o resultado
00:30:01
com material padrão de referência que é
00:30:03
possível preparar uma solução padrão de
00:30:06
analito. Todas as vezes que falarem
00:30:08
analito, não esqueçam que é a minha
00:30:10
amostra, tá pessoal?
00:30:12
esse analito de forma bastante
00:30:14
cuidadosa, submeter ao processo
00:30:17
analítico e verificar o resultado
00:30:20
encontrado na análise
00:30:21
correspondente à quantidade que de fato
00:30:24
existia na solução
00:30:26
padrão. Se a concentração eh obtida pela
00:30:30
análise for diferente daquela da solução
00:30:33
padrão, significa que há um erro
00:30:36
determinado envolvido no método. Então
00:30:38
aqui, olha que eu mostrei, tô mostrando
00:30:40
para vocês aqui alguns padrões eh aqui
00:30:43
de tampão, tá certo? Aqui eu tenho
00:30:46
tampão
00:30:47
pH7, tampão pH4,
00:30:51
ó, padrão de
00:30:55
florido, tá? Neste caso aqui é de
00:30:59
floreto, esse aqui é o padrão de
00:31:00
floreto, tá certo?
00:31:03
E aqui é um padrão de condutividade.
00:31:06
Padrão de condutividade. Então, na
00:31:08
verdade, esses aqui eh são
00:31:12
amostras que apresentam alta exatidão.
00:31:16
Então, se eu quiser fazer uma análise de
00:31:18
floreto e eu tiver um padrão deste aqui,
00:31:22
tá certo? Este padrão aqui de floreto,
00:31:25
ele é ele apresenta elevada exatidão.
00:31:29
Então eu posso utilizar estes valores
00:31:31
aqui de padrão com o valor exato no
00:31:35
momento que eu tiver fazendo aquele
00:31:37
cálculo de erro absoluto e erro
00:31:40
relativo, tá certo? Então todos esses
00:31:43
padrões que eu mostrei para vocês aqui,
00:31:46
os
00:31:47
três eles são chamados de referência. O
00:31:50
que que significa isso? são os valores
00:31:53
que eu vou utilizar como exatos para os
00:31:56
meus cálculos. Se eu tiver esses valores
00:31:58
aí de referência, eu posso calcular meu
00:32:01
erro absoluto, meu erro relativo com
00:32:03
bastante confiança, tá certo? Então,
00:32:06
eles são utilizados para minimizar
00:32:08
erros, tá certo? Que erros nas minhas
00:32:13
amostras, ou seja, tanto precisão quanto
00:32:16
exatidão eh eh eh vão ser minimizados se
00:32:19
eu tiver padrões para comparar. Tá
00:32:23
certo? Os erros aleatórios em eu falei
00:32:26
dos erros, não não esqueçam que até
00:32:28
ainda agora eu tava falando dos erros
00:32:30
sistemáticos, tá? Ou determinados. E
00:32:33
agora eu tô falando dos erros aleatórios
00:32:35
indeterminados, também chamado de
00:32:37
acidentais ou fortuíos, tá certo? Esses
00:32:41
são erros devidos a variações ao acaso
00:32:45
de causas não conhecidas,
00:32:48
exatamente, em geral, irregulares e
00:32:50
pequenas. e de difícil controle do
00:32:53
operador. Ali coloca como, por exemplo,
00:32:56
umidade, temperatura, iluminação, pureza
00:33:00
dos reagentes, entre outros. Esses não
00:33:02
podem ser corrigidos.
00:33:05
As variações resultantes dos erros
00:33:07
aleatórios são inerentes ao
00:33:10
sistema, são irregulares e resultos em
00:33:14
variabilidade, não tem causa e afetam
00:33:17
desvio padrão. Então aqui neste caso,
00:33:20
todas as vezes que eu tiver esses erros
00:33:22
indeterminados, acidentais ou fortuitos,
00:33:25
eles vão influenciar a minha precisão,
00:33:29
tá certo? Quando falo em desvio padrão,
00:33:31
é que influencia a minha precisão. E
00:33:34
esses aqui não podem ser corrigidos.
00:33:36
Essas variações podem ser submetidas a
00:33:38
um tratamento estatístico que permite
00:33:41
saber qual o valor mais provável e
00:33:44
também a precisão de uma série de
00:33:46
medidas. São resultante de efeitos de
00:33:49
variáveis
00:33:51
descontroladas nas medidas.
00:33:53
As variações são, portanto, inerentes ao
00:33:56
sistema, irregulares e resultam e
00:33:59
resultam em
00:34:02
variabilidade. E é importante destacar
00:34:04
que o valor real medido numa análise é
00:34:08
de fato uma quantidade abstrata que será
00:34:11
sempre
00:34:12
desconhecida. Com o emprego de um método
00:34:15
de medição que possa fornecer medidas
00:34:17
confiáveis, o valor real pode ser
00:34:20
estimado como a média das medidas. Este
00:34:23
método é conhecido como padrão de
00:34:26
referência. Ou seja, pessoal, todas as
00:34:29
vezes que eu não
00:34:30
tiver um valor de referência, que foi
00:34:34
aquele que eu mostrei para vocês
00:34:36
anteriormente, que eles são referência,
00:34:39
mas se eu tiver uma análise bem
00:34:43
cuidadosa, tá certo? Eh, com emprego de
00:34:46
métodos de medição, eh, com medidas
00:34:50
confiáveis, eu posso pegar os valores
00:34:53
que eu encontrei, calcular uma média e,
00:34:58
eh, considerar ele como valor padrão de
00:35:02
referência, tá certo? Então, aqui nós
00:35:05
trabalhamos os erros
00:35:07
sistemáticos, os erros
00:35:10
aleatórios, tá certo? e os possíveis
00:35:13
características de cada um, tá certo?
00:35:20
Eh, nas aulas que eu vou trabalhar com
00:35:24
vocês, que serão construções de
00:35:28
gráficos,
00:35:30
tabelas, box plot, eu vou estimar lá o
00:35:34
também chamado erro grosseiro, que tem a
00:35:36
ver com outline, tá? Eu não vou explorar
00:35:39
com vocês outline aqui porque vai ser
00:35:41
uma aula que vai ser
00:35:44
específica da parte de laboratório de
00:35:47
informática, ok? Então é importante
00:35:51
lembrar que aqui eu trabalhei os erros
00:35:53
sistemáticos, que eles podem ser
00:35:55
corrigidos e os erros aleatórios, tá OK?
00:35:59
Que eles não podem ser corrigidos, tá?
00:36:02
Qu tá OK? E
00:36:04
aí as possíveis causas desses tipos de
00:36:08
erro, tá bem?
