Different approaches for the estimation of the uncertainty related to measurement results are found in the literature and in published guidelines. In the present work three approaches were used to estimate the uncertainty of the determination of aflatoxins (AB1, AB2, AG1, AG2) and deoxynivalenol in maize by liquid chromatography coupled to mass spectrometry tandem (LC-MS/MS): the Bottom up approach, adapted from the Guide to the Expression of Uncertainty in Measurement (ISO GUM); the Monte Carlo Method (MCM), which propagates distributions assigned to the input quantities through a numerical simulation; and the Kragten approach wich calculates standard deviations and confidence intervals with a universally applicable spreadsheet technique. A measurement equation was developed for mycotoxins analysis and a cause-and-effect diagram was draft to assist in the identification of the sources of uncertainty associated with the method. Detailed analysis of contributions of the various uncertainty sources was carried out. Measurement uncertainty was determined by the addition of the variances of the individual steps of the test procedure, according to each approach employed. The Bottom up, MCM and Kragten approaches produced very similar estimates to the combined uncertainty and the coefficient of variation (CV) between them was smaller than 1.0%. The main contribution to overall uncertainty is the intermediate precision with contributions over 90,0% for each mycotoxin. The results obtained with this research conclude that the three approaches are adequate for estimating the uncertainty in mycotoxin assays with LC-MS/MS technique. Among them, Bottom up is the most appropriate approach, since it requires that the analyst performs a detailed investigation about dominant components of the measurement uncertainty, allowing for better understanding and improvement of the measurement process. The Monte Carlo and Kragten methods are indicated the data generated by the Bottom up approach. / A literatura cita diferentes abordagens para estimar a incerteza de medição em ensaios quantitativos. No presente trabalho três abordagens foram utilizadas para estimar a incerteza da determinação de aflatoxinas (AB1, AB2, AG1, AG2) e desoxinivalenol em milho por cromatografia líquida acoplada à espectrometria de massa tandem (LC-MS/MS): a abordagem Bottom up, adaptada do Guia para a Expressão da Incerteza de Medição (ISO GUM); o método de Monte Carlo (MMC), que propaga distribuições atribuídas às grandezas de entrada através de uma simulação numérica; e a abordagem de Kragten que calcula desvios padrão e intervalos de confiança com uma técnica planilha universalmente aplicável. Um modelo matemático foi desenvolvido para os ensaios de micotoxinas e um diagrama de causa-efeito foi proposto para auxiliar na identificação das fontes de incerteza associadas ao método. A análise detalhada das contribuições das várias fontes de incerteza foi realizada. A incerteza de medição foi determinada pela adição das variações dos passos individuais do procedimento de ensaio, de acordo com cada abordagem. Os métodos Bottom up, MMC e Kragten geraram estimativas similares para a incerteza combinada, com um coeficiente de variação (CV) menor que 1,0% entre elas. O principal componente de incerteza é a precisão intermediária, com contribuições acima de 90,0% para cada micotoxina. Como resultado da pesquisa, conclui-se que as três abordagens são adequadas para estimar a incerteza nos ensaios para quantificação de micotoxinas por LC-MS/MS. Dentre elas, a abordagem Bottom up é a mais apropriada, pois requer que o analista avalie o método detalhadamente para identificar os principais componentes de incerteza, possibilitando a implementação de melhorias no sistema de medição. Os métodos de Monte Carlo e Kragten são indicados como uma ferramenta de confirmação dos resultados obtidos pela abordagem Bottom up.

[pt] O Brasil possui um Sistema Interligado Nacional (SIN) que se baseia na geração de energia elétrica por meio de usinas hidrelétricas, térmicas, solares fotovoltaicas e eólicas. O planejamento e operação deste sistema é efetuado com base em previsões efetuadas em curto, médio e longo prazo a fim de evitar imprevistos que possam afetar o suprimento da demanda de energia elétrica em território nacional. Uma das informações consideradas fundamentais em cada uma das etapas do planejamento da operação é a carga, ou seja, a demanda por energia elétrica. Quando trabalhada em curto prazo, esta é importante para a programação diária da operação, garantindo um cenário ótimo para uso dos recursos disponíveis e, em cenário mais atual, determinação do Preço de Liquidação das Diferenças a cada hora. Quando trabalhada em médio prazo, esta funciona como base para manutenções de redes e negociações de contrato. Já em longo prazo, a previsão é importante para fornecer informações usadas como base para estratégias de expansão do Sistema. Normalmente a previsão em longo prazo é trabalhada de maneira a escalonar a curva histórica anual, mas as constantes alterações no hábito de consumo da população e a inserção de novas fontes ocasionam relevantes alterações no perfil da curva de carga diária em longo prazo, tornando necessário o planejamento não somente da expansão do sistema, mas também a forma com que este poderá ser programado. Assim, com o objetivo de propor uma ferramenta de suporte ao mercado brasileiro de energia, este trabalho propõe uma Metodologia para Geração de Cenários de Carga de Longo Prazo. O método proposto propõe uma abordagem bottom-up para previsão anual da demanda utilizando premissas de trabalhos acadêmicos recentes, propõe um método de geração de perfis específicos para suprir a escassez de dados horários detalhados no Brasil e propõe a utilização da Abordagem de Decomposição Parcial a fim de transformar as previsões anuais de demanda em curvas de carga horária. Finalizando a aplicação da Metodologia para Geração de Cenários de Longo Prazo, diferentes resultados gerados são utilizados para aplicação de simulação por Monte Carlo, sendo os intervalos de confianças gerados com base na resposta, possíveis cenários de comportamento da carga no futuro, transformando um método de previsão previamente determinístico em um previsor de cenários. Com o objetivo de demonstrar resultados da método, a Metodologia é aplicada para geração de cenários de longo prazo para a região sudeste brasileira até 2020 com base na curva histórica de 2016, apesar de ser capaz de gerar previsões para horizontes maiores, demonstrando verdadeiro potencial para se adaptar a possíveis alterações na curva de carga. / [en] Brazil has a National Interconnected System which produces and transmits electrical energy through a hydro-thermo-wind system. The planning and operation of this system is based on short, medium and long term on forecasts in order to avoid unforeseen that may affect the electricity supply in national territory. The short-term forecast is important for daily schedule of operation, certifying the resource use optimal scenario and, in a current scenario, the determination of Settlement Price for Differences at each hour. The medium-term forecast is used as a basis for network maintenance and contract negotiations. The long-term forecast is important to provide information used as basis for system expansion strategies. Usually, the long-term forecast is made staggering the annual load curve, however, the constant changes on people electrical consumption habits and insertion of new electrical generation sources cause relevant changes in daily load curve profile over the long term, making necessary not only the expansion planning, but also the way it can be programmed on long-term horizon. Thus, in order to propose a support tool to the Brazilian energy market, this work presents a Scenarios Generation Methodology. Such procedure proposes bottom-up approach as an annual demand projection provider, using assumptions of recent academic works, proposes a specific profile generation method as a way to overcome the lack of specific hourly data in Brazil. Not only that, the method also proposes Partial Decomposition Approach to adapt annual electricity demand into hourly load curves. Concluding the Scenarios Generation Methodology, future scenarios are developed by Monte Carlo simulation applied over different obtained results and confidence intervals calculated based on response are possible values of load behavior in the future, thus turning a deterministic forecasting method into a scenarios generation methodology. In order to demonstrate the Methodology application, it is used to generate long-term scenarios for the southeast Brazilian region by 2020 based on historical load curve from 2016, although it is capable of generating forecasts for larger horizons, proving true potential to adapt to possible changes on load curve.

[pt] O comportamento do consumo de energia elétrica do setor industrial tem sido amplamente investigado ao longo dos últimos anos, devido a sua importância econômica, social e ambiental. Mais especificamente, o consumo de eletricidade dos subsetores da indústria brasileira exerce grande importância para o sistema energético brasileiro. Neste contexto, as projeções de longo prazo do seu consumo de energia elétrica para um país ou uma região são informações de grande relevância na tomada de decisão de órgãos e entidades que atuam no setor energético. A abordagem bottom-up determinística tem sido utilizada para obter a previsão de longo prazo em diversas áreas de pesquisa. Neste trabalho, propõe-se uma metodologia que combina a abordagem bottom-up com os modelos lineares hierárquicos para a previsão de longo prazo considerando os cenários de eficiência energética. Além disso, foi utilizada a inferência bayesiana para a estimação dos parâmetros do modelo, permitindo a incorporação de incerteza nessas previsões. Os resultados utilizando os dados de consumo de eletricidade de subsetores da indústria brasileira mostraram que a metodologia proposta consegue capturar a tajetória do consumo de eletricidade, em particular, dos subsetores de papel e celulose, e de metais não-ferrosos e outros de metalurgia. Por exemplo, os intervalos de credibilidade de 95 por cento construídos a partir do modelo estocástico contemplam os valores reais observados nos anos de 2015 e 2016. / [en] The electricity consumption behaviour in the Brazilian industry has been extensively investigated over the past years due to its economic, social and environmental importance. Specifically, the electricity consumption of the subsectors of Brazilian industry have great importance for the Brazilian energy system. In this context, the long-term projections of energy consumption of a country or region are highly relevant information to decision-making of organs and entities operating in the energy sector. The deterministic bottom-up approach has been used for the long-term forecast in several areas of research. In this paper, we propose a methodology that combines the bottom-up approach with hierarchical linear models for long-term forecasting considering energy efficiency scenarios. In addition, Bayesian inference was used to estimate the parameters of the model, allowing the uncertainty incorporation in these forecasts. The results using the electricity consumption data from subsectors of the Brazilian industry showed that the proposed methodology is able to capture the trajectory of their electricity consumption, in particular of the pulp and paper, and of non-ferrous metals and other metallurgical subsectors. For example, the 95 percent credibility intervals constructed from the stochastic model contemplate the actual values observed in the years 2015 and 2016.