Anes, Vítor Manuel RodriguesLopes, Carlos André Dias2025-09-172025-09-172025-07-25http://hdl.handle.net/10400.21/22140A calibração de instrumentos de medição constitui um elemento central na gestão inteligente de ativos físicos, sendo ainda mais crítica no contexto da Indústria 4.0, onde as decisões operacionais dependem fortemente de dados provenientes de sensores. Apesar desta importância crescente, a definição das periodicidades de calibração, na maioria dos casos, a basear-se em métodos empíricos e reativos, sem considerar a variabilidade real dos sensores nem os riscos associados a não conformidades. Este trabalho propõe um modelo quantitativo e orientado ao risco para a definição ótima das periodicidades de calibração de sensores industriais. A metodologia integra cinco etapas principais: o tratamento estatístico dos dados de calibração, as simulações de Monte Carlo para a estimativa da probabilidade de não conformidade, a definição de critérios de avaliação, a estruturação multicritério via AHP e a avaliação quantitativa do risco. O modelo foi aplicado a uma base de dados composta por 36 calibrações de sensores de pH. Enquanto o método tradicional de Schumacher sugeriu extensões até 12 semanas, o modelo proposto permitiu considerar extensões até 20 semanas, mantendo níveis de risco controlado. Este resultado demonstra ganhos concretos na otimização da periodicidade de calibração, contribuindo para uma gestão mais eficiente dos ativos e para a redução dos custos operacionais. A solução foi implementada em Python e disponibilizada online como uma aplicação interativa, facilitando a sua adoção prática em ambientes industriais. As principais limitações do modelo incluem a dependência de dados históricos de calibração e a ausência de integração direta com sistemas de manutenção ou ERP. Ainda assim, o modelo revela potencial de generalização para outros tipos de sensores e contextos industriais, constituindo uma base sólida para futuras investigações em gestão metrológica baseada em risco.Abstract The calibration of measurement instruments is a central element in the intelligent management of physical assets, becoming even more critical within the context of Industry 4.0, where operational decisions increasingly rely on data provided by sensors. Despite this growing importance, the definition of calibration periodicities still largely relies on empirical and reactive methods, without considering the actual variability of sensors or the risks associated with nonconformities. This work proposes a quantitative and risk-oriented model for the optimal definition of calibration periodicities for industrial sensors. The methodology integrates five main stages: statistical treatment of calibration data, Monte Carlo simulations to estimate the probability of nonconformity, definition of evaluation criteria, multicriteria structuring via AHP, and quantitative risk assessment. The model was applied to a database comprising 36 calibrations of pH sensors. While the traditional Schumacher method suggested extensions up to 12 weeks, the proposed model allowed extensions up to 20 weeks while maintaining controlled risk levels. This result demonstrates concrete improvements in the optimization of calibration periodicities, contributing to more efficient asset management and reduced operational costs. The solution was implemented in Python and made available online as an interactive application, facilitating its practical adoption in industrial environments. The main limitations of the model include its dependency on historical calibration data and the lack of direct integration with maintenance management or ERP systems. Nevertheless, the model shows potential for generalization to other types of sensors and industrial contexts, constituting a solid basis for future research in risk-based metrological management.porGestão de ativos físicosCalibração de sensoresOtimização de periodicidade de calibraçãoSimulação de Monte CarloAvaliação multicritério (AHP)Physical asset managementSensor calibrationCalibration interval optimizationMonte Carlo simulationMulti-Criteria Assessment (AHP)master thesis203999916