Neste trabalho desenvolvemos um algoritmo para compensarmos as medições do diâmetro de uma peça devido à variação de temperatura ambiente para sistemas de medição que medem por comparação. Para isto, aplicamos os modelos de regressão com erros nas variáveis com o objetivo de determinar os coeficientes de correção no diâmetro úteis no algoritmo. Numa primeira etapa, realizamos dois experimentos, um utilizando da estufa para simular uma situação natural de variação de temperatura e assim obtermos informações prévias do comportamento do diâmetro da peça em função da temperatura. Em um outro experimento onde a temperatura das peças foram obtidas em função da variação natural de temperatura do setor de realização do experimento. Numa segunda etapa, apresentamos o modelo de regressão linear sem intercepto com erros nas variáveis para situação onde conhecemos a variância associada ao erro cometido pelo termômetro utilizado para medir a temperatura das peças. Na terceira etapa, propomos duas abordagens para tratar o problema, abordagem Bayesiana e Clássica. Numa quarta etapa, comparamos as aproximações para as estimativas dos coeficientes do modelo de regressão com erros nas variáveis obtidos via algoritmo de Gibbs e EM.

In this work, we creative an algorithm to compensate the measurement of the diameter of a piece duo to change of the environment temperature for systems of measurement that measures by comparison. For this, we applied regression models with errors in the variables in order to determine the coefficients of correction in the useful diameter in the algorithm. In a first step, we do two experiments, one using the thermal heating to simulate a natural situation of change the temperature and then we get prior information of diameter behavior of the piece in action of temperature. In another experiment the pieces temperature was get in function to natural change of temperature of the site of numing experiment. In the second step, we present the linear regression model without intercept with errors in variables to situation where we know the error variante commit to thermometer used to measure the pieces temperature. In the thirst step, we propose two boards to treat the problem, Baycsian board and Classic. In the quarter step, we compare the approach for the coefficients estimates of the regression model with errors in variables got through Gibbs and EM algorithms.