CAPITULO Errores de medicion =) 3.1 Introduccién Este capftulo tiene que ver con la identificacién de los diversos errores que existen en un sistema de medicidn, ademés de los mecanismos que se sugieren para reducir su magni- tud y efecto, Se incluye también una explicacién que indica cémo se combinan entre sf Jos componentes independientes de error para calcular el nivel de error de todo el sistema de medicién. Resulta de extrema importancia en cualquier sistema de medici6n reducit los errores en las lecturas de salida del instrumento al minimo nivel posible y cuantificar el error mé- ximo que quizés exista en cualquier lectura de salida. Un requisito previo en esto es un anilisis detallado de las fuentes de error que se presentan. Tales errores en los datos de medicién pueden dividirse en dos grupos: errores sistematicos y errores aleatorios. Los errores sistemdticos representan errores en las lecturas de salida de un sistema de medicién que se encuentran en forma consistente por arriba o por debajo de la lectura co- rrecta, esto es, todos los errores son positivos 0 negativos. Dos fuentes principales de erro- res sistematicos son las perturbaciones del sistema durante la medici6n y el efecto que causa modificar las entradas, como se explica en las secciones 3.2.1 y 3.2.2. Otras fuentes de error sistematico incluyen la deformacién de agujas indicadoras del medidor, el empleo de instrumentos no calibrados, précticas inadecuadas de cableado y la generacién térmica de fuerzas electromotrices (conocidas comtinmente como las fem térmicas). Las tiltimas dos fuentes se consideran en Ia seccién 3.2.3. Aun cuando se hubieran eliminado los errores sistemdticos que generan los factores antes mencionados, pueden permanecer ciertos erro- res que son inherentes a la manufactura de un instrumento. Estos se cuantifican por medio de una cifra de exactitud que se incluye en las especificaciones técnicas del instrumento. Los errores aleatorios son perturbaciones de la medicin en cualquier lado del valor real y son producidos por defectos aleatorios e impredecibles, de modo tal que ocurren en niimeros aproximadamente iguales errores positivos y negativos para una serie de medi- ciones realizadas de la misma cantidad. La magnitud de estas perturbaciones casi siem- pre es pequefia, aunque ocurren algunas mayores de vez en cuando, también en este caso de manera impredecible. Los errores aleatorios se producen a menudo cuando las medi- ciones se efectian mediante la observacién humana en un medidor analégico, en especial cuando esto implica la interpolacién entre los puntos de la escala, El ruido eléctrico tam- bign puede ser una fuente de errores aleatorios. Es posible superar en gran parte los erro- 3334 2) 3.2 _Enrores sistematicos Errores de medicion res aleatorios cuando se realiza la misma medicién varias veces y se toma el valor prome- dio u otro valor a partir de otras técnicas estadisticas, como se explica en la secci6n 3.3.1 Sin embargo, cualquier cuantificacién del valor de la medici6n y el establecimiento de los limites del error siguen siendo una cantidad estadistica. Debido a la naturaleza de los erro- res aleatorios y al hecho de que ocurren grandes perturbaciones en la cantidad medida de tiempo en tiempo, lo mejor que podemos hacer es expresar las mediciones en términos probabilisticos: podrfamos ser capaces de asignar un nivel de confianza de 95% o inclu- so 99% para indicar que la medici6n es un cierto valor que est dentro de los limites de error, por ejemplo de, +19%, aunque nunca podremos asignar una probabilidad del 100% para valores de medicién que estin sujetos a errores aleatorios Conviene mencionar ciertas indicaciones finales acerca de la distinci6n entre errores sistematicos y errores aleatorios. Las fuentes de error en el sistema de medicién deben examinarse con cuidado para determinar qué tipo de error esta presente, ya sea sistemati- co 0 aleatorio, y aplicar el tratamiento apropiado. En el caso de mediciones manuales de datos, es probable que un observador humano efectiie una observaci6n diferente en cada intento, aunque es razonable suponer que los errores son aleatorios y que la media de las lecturas se encuentra probablemente cerca del valor correcto. Sin embargo, lo anterior es Ginicamente cierto siempre y cuando el observador humano no esté introduciendo también un error sistemético de paralaje, que surge cuando se determina la posicién de la aguja en la escala de un medidor analdgico. El error surge cuando se observa constantemente la agu- ja desde el mismo lado en vez, de observar encima de la aguja indicadora. En ese caso se tiene que realizar la correcci6n de este error sistematico, 0 polarizacién, en las mediciones antes de aplicar las técnicas estadisticas para reducir el efecto de los errores aleatorios. Los errores sistematicos en la salida de muchos instrumentos son producidos por factores inherentes a su fabricacién, a su vez estos factores hacen que el valor de las componentes del instrumento estén fuera de especificaciones, o dicho de otra forma, fuera de tolerancia. Es posible que los errores sisteméticos se produzcan debido al desgaste de las componentes de un instrumento durante cierto periodo de tiempo. En otros casos, los errores sistemati- cos son generados por perturbaciones ambientales 0 debido a la perturbacidn del sistema de medicién cuando se realiza la medicién. A continuaci6n se analizan diversas fuentes de errores sistematicos y los medios que permiten reducir la magnitud de los errores. 3.2.1, Perturbacién del sistema debido a la medicin La perturbacién del sistema de medicién por la accién de medir, es decir cuando se efec- tua la medicién, es una de fuente de errores sistematicos. Si consideramos inicialmente un vaso de laboratorio con agua caliente y deseamos medir su temperatura con un termé- metro de mercurio, debemos tomar el termémetro, el cual debe encontrarse en un principio a temperatura ambiente, y sumergirlo en el agua. Al hacerlo de ese modo, introduciramos la masa relativamente fria del termémetro dentro del agua caliente y ocurriria una trans- ferencia de calor entre el agua y el termémetro. Dicha transferencia hard que disminuya la temperatura del agua. Si bien en este caso la reduccién de temperatura seria tan peque-Figura 3.1 3.2 Errores sistemdticos 35 fia como para detectarse mediante la limitada resolucién de la medicién de un terméme- tro de este tipo, el efecto es finito y establece con claridad el siguiente principio: en casi todas las situaciones de medicién, el proceso mismo de medicién perturba el sistema y al- tera los valores de las cantidades ffsicas que se estén midiendo. Otro ejemplo surge cuando se mide la presién de las Hantas de automéviles con un medidor de presién que se puede adquirir comtinmente en las tiendas de accesorios auto- motrices. La medicién se efecttia presionando un extremo del medidor sobre la valvula de la Ilanta, la indicacion de presi6n se obtiene en el otro extremo del medidor con respecto auna escala, Cuando se utiliza el medidor, este absorbe cierta cantidad de aire que no re- gresa a la Ianta después de realizar la medicién, de modo que la Hanta ha sido perturba- da y la presién del aire en su interior se ha reducido en forma permanente. En consecuencia, la regla general indica que el proceso de medicién perturbard siem- pre al sistema que se est midiendo. La magnitud de la perturbacién varia de un sistema de medicién a otro, y se ve afectada especialmente por el tipo de instrumento de medicién que se utiliza. Las formas de minimizar la perturbacién en los sistemas que se miden constituye una consideraci6n importante en el disefio de instrumentos. Sin embargo, una comprensién completa de los mecanismos de la perturbaci6n del sistema es un prerrequi- sito para ello. Las mediciones en los circuitos eléctricos son especialmente propensas a sufrir erro- res que se generan debido al efecto de carga en el circuito cuando se conectan los instru- mentos para efectuar mediciones de voltaje y corriente. En la mayor parte de las redes eléctricas, se necesitan métodos de anélisis de circuito como el teorema de Thevenin pa- ra analizar dichos efectos de carga, los cuales se abordan en textos més avanzados (por ejemplo, Morris, 1993). No obstante, para el circuito simple que se muestra en la figura 3.1, el anilisis es bastante sencillo. En este circuito, se va a medir el voltaje en los extremos del resistor R, con la ayuda de un voltimetro con resistencia R,,. Aqui, R,, actiia con una resistencia en derivacién en los extremos de R,, disminuyendo asf la resistencia entre los puntos A y B y perturbando de esa manera el circuito, En consecuencia, el voltaje E,, que se obtiene en el medidor no es el valor del voltaje E, que existia antes de la medicién. El grado de la perturbacién pue- de evaluarse calculando el voltaje en circuito abierto E, y compardndolo con E,,. ‘A partir del circuito sin carga de la figura 3.1, la corriente / esta determinada por la ley de Ohm como sigue: Vv. R, +R, R, ‘ Fuente de voltaje R de cd e Voltimetro Carga del circuito 1 al afiadir un voltimetro36 Exrores de medicién De nuevo en este caso, al aplicar la ley de Ohm, el voltaje en AB esté definido por: VR. e = ee GBD Con el voltimetro se ha conectado al circuito, hay dos resistencias en paralelo entre AB, R, y Ry la expresi6n para la resistencia entre AB puede escribirse como esan ee vas ere En ese caso, sustituyendo R, por R,» en la ecuacién (3.1), el voltaje E,, que se ob- tiene con el medidor esté dado por yeni EReponminrreW Raye Sean els iin 62) Ri + Ry (Ry + Ry) Ry + (RR,,/R, + R,,) ds VR. RR, + RR, + R) De tal modo, a partir de las ecuaciones (3.1) y (3.2): (Be ut VRR, +R) RAR, +R) mB) Ey (RR, +R(R, +R) VR, ORR, + RR, + RD ‘ Si R,, es muy grande en comparacién con R, y Ry, entonces R,,(R, + R,) >> R\Ry y en consecuencia el denominador de la ecuacién (3.3) tiende a R,,(R, + R,) y E,/Eo Se apro- xima a la unidad y, por tanto, E,, tiende a Ey. En consecuencia, resulta evidente que cuando aumenta el valor de R,,, el cociente E,,/Eq se acerca mas a la unidad, lo que demuestra que la estrategia de disefio debe tratar de maximizar el valor de R,, para minimizar la perturbacién del sistema medido. (Nétese que no calculamos el valor de Ey, ya que éste no se requeria para cuantificar el efecto de R,,.)3.2.2 3.2 Errores sistemdticos 37 En este punto, resulta interesante advertir qué restricciones existen cuando se hacen intentos prdcticos para conseguir una resistencia interna elevada en el disefio de un volti- metro de bobina movil. Un instrumento de este tipo esta integrado por una bobina acopla- daa una aguja indicadora. La bobina esté montada en un campo magnético fijo. Cuando fluye corriente en la bobina, a interaccién entre el campo generado y el campo fijo hace que la aguja gire en proporcién a la corriente aplicada (véase el capitulo 7, en particular la figura 7.2 para mayores detalles). La manera més simple de incrementar la resistencia de entrada del medidor, 0 como se le Hama comtnmente, la impedancia de entrada, es aumentar el nimero de vueltas de la bobina o construir una bobina con el mismo ntimero de yueltas pero con un material de resistencia superior. Sin embargo, cualquiera de estas soluciones disminuye la corriente que circula en la bobina y produciré un par de torsién magnético inferior, reduciendo de esa forma la sensibilidad de medicién del instrumento (es decir, para un voltaje aplicado, se obtiene una menor deflexién en la aguja indicadora). Este problema puede solucio- narse si se modifica la constante de los resortes de sujecién del instrumento, de manera tal que se requiera un par de torsiGn inferior para girar la aguja cierta cantidad. Esto, sin embargo, reduce la resistencia mecénica del instrumento y demanda también un mejor di- sefio del pivote para reducir la friccién. Lo anterior subraya un principio muy importante aunque inconveniente en el disefio de instrumentos: cualquier intento para mejorar el desempefio de un instrumento en un aspecto disminuye por lo general el desempefio en algun otro. Este es un hecho inevitable en el desempefio de los instrumentos pasivos (por ejemplo un voltimetro), y muchas veces es la raz6n por la que se usan instrumentos acti- ‘vos alternativos como los voltimetros digitales, donde la incorporacién de un sistema de alimentacién auxiliar mejora en gran medida su desempefio. Modificacién de las entradas en los sistemas de medicién El hecho de que las caracteristicas estaticas y dindmicas de los instrumentos de medicién se especifiquen para condiciones ambientales particulares, por ejemplo, la temperatura y la presién, como se explicé en detalle en el capitulo 2. Estas condiciones especificadas de- ben reproducirse con la mayor fidelidad posible durante los ejercicios de calibracién, ya que de lo contrario, las caracteristicas de los instrumentos de medicién variarén hasta cierto grado. La magnitud de esta variacién se cuantifica por medio de dos constantes conocidas como deriva de sensibilidad y deriva del cero, que se definieron en el capitulo 2, ambas se incluyen en las hojas de especificaciones técnicas del instrumento. Tales va- riaciones de las condiciones ambientales respecto de las condiciones de calibracién se describen como entradas modificadoras del sistema y son una fuente adicional de errores sistemdticos. La variacién ambiental se describe como una entrada del sistema de medi- cidn, ya que el efecto que tiene en la salida del sistema es el mismo, es decir, como si el valor de la cantidad medida, que es la entrada real, hubiera cambiado en cierta cantidad. Sin el andlisis apropiado, resulta imposible establecer cudinto de Ja salida del instru- mento se debe a la entrada real y cudnto a. una o mas entradas modificadoras. Esto se ilus- tra en el siguiente ejemplo. ‘Supdngase que se tiene una pequefia caja cerrada que pesa 0.1 kg cuando esti vacta, y se piensa que contiene una rata 0 un rat6n. Si colocamos la caja sobre una bascula do-38 Errores de medicion méstica y obtenemos una lectura de 1.0 kg, esto no indica de inmediato lo que hay en la ja debido a que la lectura quiz sea el resultado de una de tres cosas 1. Una rata que pesa 0.9 kg en el interior de la caja (entrada real). Una caja vacia con una alteracién de 0.9 kg en su escala debido a un cambio de tem- peratura (entrada modificadora). 3. Un ratén que pesa 0.4 kg en el interior de la caja, ademds de una alteracién de 0.5 kg (entrada real més entrada modificadora). En consecuencia, la magnitud de cualesquiera de las entradas modificadoras debe medir- se antes de intentar determinar el valor de la cantidad medida (que es la entrada real) a partir de la lectura de la salida de un instrumento. En cualquier situacién general de medicién, es muy dificil evitar las entradas modi- ficadoras, puesto que es imprctico o imposible controlar las condiciones ambientales que afectan al sistema de medicién. En consecuencia, los disefiadores del sistema se encargan de reducir la susceptibilidad de los instrumentos de medicién a las entradas modificado- ras 0 a cuantificar alternativamente sus efectos y corregirlos en la lectura de salida del ins- trumento. Las técnicas que se utilizan para manipular las entradas modificadoras y minimizar su efecto en la medicién de la salida final siguen varios caminos, como se explica a con- tinuacién. Disefio cuidadoso del instrumento El diseiio cuidadoso del instrumento constituye el arma més Util en Ia batalla contra las entradas modificadoras, ya que permite reducir la sensibilidad con respecto a las entradas modificadoras (en un instrumento) al minimo nivel posible. Por ejemplo, en el disefio de medidores de deformacién, el elemento debe construirse a partir de un material cuya resistencia tenga un coeficiente de temperatura muy bajo (esto es, la variaci6n de la resis- tencia con la temperatura es muy pequefia). Sin embargo, como sucede en la mayor par- te de los instrumentos, no se puede reducir su sensibilidad con respecto a las entradas modificadoras hasta un nivel satisfactorio mediante ajustes simples de disefio; por lo que es necesario tomar otras medidas. Método de las entradas opuestas EI método de las entradas opuestas compensa el efecto de una entrada modificadora en un sistema de medicién al introducir una entrada modificadora igual y opuesta que lo cance- la. Un ejemplo de cémo se aplica esta técnica se encuentra en el milivoltimetro de la fi- gura 3.2. Este instrumento est4 formado por una bobina que se suspende en un campo magnético fijo producido por un iman permanente. Cuando se aplica un voltaje descono- cido a la bobina, el campo magnético que genera el flujo de corriente interactia con el campo fijo y provoca que gire la bobina (y una aguja indicadora que est unida a ella). Si la resistencia de la bobina es sensible a la temperatura, entonces cualquier entrada modi- ficadora para el sistema en la forma de un cambio ce temperatura alterard el valor de la corriente que circula en la bobina para cierto voltaje aplicado, y de ese modo alterard la lectura de salida de la aguja. La compensacién de lo anterior se consigue al conectar un resistor de compensacin R,,,,,, €n el circuito, donde R,,,,,. tiene un Coeficiente de tempe- ratura que es igual en magnitud pero opuesto en signo al de la bobina.Milivoltimetro Figura 3.3 Diagrama a para el instrumento E, de medicién de voltaje Bobina Resorte 32 Errores sistemdticos 39 Iman Bobina permanente Resorte Retroalimentacién de alta ganancia El beneficio que se obtiene al introducir la retroalimentacién de alta ganancia en muchos sistemas de medicién se ilustra en un instrumento medidor de voltaje cuyo diagrama a bloques se presenta en la figura 3.3. En este sistema, el voltaje desconocido E, se apli- ca a una bobina que tiene una constante de par de torsién K,, luego el par de torsién provoca el giro de una aguja indicadora que se opone a la accién restrictiva de un resorte con constante K,. El efecto que tienen las entradas modificadoras en el par de torsién y las constantes de resorte se representa por medio de las variables D, y D,. En la ausencia de entradas modificadoras, el desplazamiento de la aguja indicadora X, esti dado por: x, - K, x K, . E Sin embargo, ante la presencia de entradas modificadoras, tanto K, como K, cambian y la relacién entre X, y E, puede afectarse de manera considerable. Por tanto, se vuelve dificil © imposible calcular E, a partir del valor medido X,, Voltaje bloques Desplazamiento40 Errores de medicién Amplificador Bobina Resorte I, Figura 3.4 E Diagrama a bloques del instrumento de medicién de voltaje con retroalimentacién Dispositivo de retroalimentacién de atta ganancia Consideremos ahora lo que sucede si el sistema se convierte en uno de lazo cerrado y alta ganancia, como se muestra en la figura 3.4, al agregar un amplificador de ganancia constante K, y un dispositivo de retroalimentacién con ganancia constante K,. Suponga- mos también que el efecto de las entradas modificadoras en los valores de K, y K; se re presentan por medio de D, y D,. El dispositivo de retroalimentacién entrega un voltaje E, gue es proporcional al desplazamiento X, de la aguja indicadora, El voltaje E, se compa- ra con el voltaje desconocido E, mediante un comparador y se amplifica el error. AL escribir las ecuaciones del sistema, tenemos: E,= KX, X, = (E~ By) Ky Ky K, = (E> Ky X,) Ky Ky * Ky de tal modo, E,/K,° Ky K,= (1+ K,-K,+K,+K)°X, esto es, KKK, ee Se es ee (3.4) 1+K,-K,-K,-K, En virtud de que K, es la ganancia constante del amplificador de alta ganancia, ésta es muy grande y, por tanto, K, - K, + K,, + K, >> 1, y la ecuaci6n (3.4) puede reducirse a Este es un resultado sumamente importante debido a que hemos reducido la relacién entre X, y E, a una en la que s6lo se incluye K,. En consecuencia la sensibilidad de las constantes de ganancia K,, K, y K, ante las entradas modificadoras D,, D, y D, se ha vuel- to irrelevante y s6lo tenemos que interesamnos en la entrada modificadora D,. Conveni- entemente, casi siempre resulta fécil disefiar un dispositivo de retroalimentacién que sea insensible a las entradas modificadoras: lo anterior es mucho ms facil que tratar de hacer in sensible una bobina o un resorte. Por tanto, en la mayor parte de los casos, las técnicas de retroalimentacién de alta ganancia son una forma efectiva para reducir la sensibilidad de un3.2.3 3.2 Errores sistemdticos 41 sistema de medicién a las entradas modificadoras. Sin embargo, un problema potencial que debe mencionarse es que existe una posibilidad de que la retroalimentacién de alta ganan- cia provoque inestabilidad en el sistema. Debido a esto, cualquier aplicacién de este mé. todo deberé incluir un andlisis detallado de la estabilidad del sistema. Filtrado de sefiales Un problema frecuente en los sistemas de medici6n es la corrupcién de la lectura de sali- da debido al ruido periédico, que en muchos casos tiene una frecuencia de 50 Hz. Este tuido es provocado por la interferencia que produce la proximidad del sistema de medi- ci6n a aparatos 0 cables que conducen corriente y se alimentan de la red eléctrica de ca. La corrupcién del ruido periédico a frecuencias superiores es producida por la oscilacién 0 vibracin mecénica en el interior de alguna de las componentes del sistema de medi- cién. La amplitud de todas las componentes de ruido de este tipo puede atenuarse de manera sustancial mediante la incorporacién de un dispositivo adecuado de filtrado en el sistema, como se explica ampliamente en el capitulo 5. Los filtros de supresién de banda resultan en especial titiles cuando la corrupcin ocurre en alguna frecuencia conocida o, en forma general, se recurre al uso de filtros pasabajas para atenuar todo el ruido en el in- tervalo de frecuencia de 50 Hz y valores superiores. Los sistemas de medicién con salida de bajo nivel, por ejemplo un circuito puente que mide la resistencia de un medidor (0 sensor) de deformacién, son particularmente propensos a los efectos del ruido. La figura 3.5(a) ilustra la corrupcién en la salida de un circuito puente debido a la captacién de una seftal de ruido de 50 Hz. En la figura 3.5(b), se presenta el efecto benéfico que se obtiene al instalar un filtro RC pasabajas pasivo sim- ple en la salida, Otras fuentes de errores sistematicos Desgaste en las componentes de los instrumentos La aparicion de errores sistematicos después de cierto periodo de tiempo es absolutamen- te normal, esto se debe al desgaste (0 envejecimiento) de las componentes del instrumen- to, La recalibraci6n ofrece muchas veces una solucién completa a este problema. Conexién de las puntas de prueba Al conectar entre sf las componentes de un sistema de medicién, una fuente comtin de errores es el hecho de no considerar en forma adecuada la resistencia de las puntas de prue- ba, o tuberfas en el caso de sistemas de medicién neumaticos 0 hidraulicos. Por ejemplo, en las aplicaciones caracterfsticas de un termémetro de resistencia, es muy frecuente que el termémetro esté separado de otras partes del sistema de medicién, por distancias hasta de 30 metros. La resistencia de una longitud determinada de alambre de cobre 7/0.0076 es 2.5 0 y existe la siguiente complicacién adicional, el alambre tiene un coeficiente de temperatura de 1 mQ/°C. Por consiguiente, es necesario considerar de manera adecuada la eleccién de las pun- tas de prueba, no basta que tengan la seccién transversal adecuada para minimizar su re- sistencia, también deben incluir el blindaje adecuado en caso de que se sometan a la ac- cién de campos eléctricos 0 magnéticos que puedan inducir sefiales de ruido en ellas. En las aplicaciones donde el blindaje se considera esencial, también se debe planear con su-42 Errores de medicién £ Medidor de deformacién £ Tiempo (a) & Medidor de deformacién, Figura 3.5 [ E (a) Salida de un circuito Filto { puente que estd afectada pasabajas por el ruido, el circuito mide Tiempo {la resistencia de un medidor 3) de deformacién. (b) Efecto 4 que se obtiene al afiadir un filtro pasabajas smo detalle el trayecto o colocacién de los cables o puntas de prueba, El autor de esta obra pudo constatar la importancia de lo anterior cuando se enfrent6 con un problema en el fimbito profesional. Se trataba de un homo de arco eléctrico para fabricar acero, el cual presentaba Ia siguiente falla en la seccién de instrumentos: la sefal de salida de ciertos transductores del horno circula por un conjunto de cables blindados hasta llegar al cuarto de control (localizado cerca del horno) se vefa afectada inicialmente por una sefial de ruido de 50 Hz con amplitud elevada, Cuando se modificé la trayectoria de los cables que ian de los transductores hacia el cuarto de control, la magnitud de la sefial de ruido se redujo por un factor cercano a diez. Fem térmica Siempre que se conectan dos metales diferentes, se genera una fem (fuerza electromotriz) térmica que varia de acuerdo con la temperatura de la uni6n. Lo anterior se conoce como el efecto termoeléctrico y es el principio fisico que Fige la operaciGn de los termopares ue se utilizan en las mediciones de temperatura (véase el capitulo 9). Estas fem térmicas tienen una magnitud de s6lo unos cuantos milivolts y, por ello, su efecto sera significati- vo siempre que las sefiales (0 voltajes) tipicas de salida del sistema de medicién tengan una magnitud similar. Una situacion de este tipo surge cuando un instrumento que mide fem (0 voltaje) se utiliza para monitorear la salida de varios termopares que miden las temperaturas en di- ferentes puntos en un sistema de control de proceso. Lo anterior requiere el uso de un dis- positivo que permita conmutar autométicamente la salida de eada termopar para enviarla al instrumento de medici6n en turno. Los: relevadores con lengiietas magnéticas flexibles de niquel-hierro y terminales de conexién de cobre se utilizan comiinmente para realizar3.3 Errores aleatorios 43 esta funcién de conmutaci6n. Esto afiade un efecto de termopar cuya magnitud es 40 nV /°C entre la lengiieta del reelevador y las terminales de conexién de cobre. No hay problema cuando ambos extremos del relevador se encuentran a fa misma temperatura, pues en ese caso las fem térmicas serén iguales y opuestas y se cancelaran. Sin embargo, exis- ten registros de varios casos en los que, debido a la falta de conocimiento del problema, tun disefio deficiente originé que ambos extremos del reclevador de lengiieta estuvieran a diferentes temperaturas y generaran una fem térmica neta. El error que se genera es evi- dente y de magnitud considerable. Cuando la diferencia de temperatura entre ambos ex- tremos del relevador es tan sélo de 2°C, la fem térmica corresponde a 80 #V, que es muy grande en comparacién con el nivel tipico de salida del termopar, 400 2V. Otro ejemplo de las dificultades que pueden producir las fem térmicas resulta eviden- te si se considera el siguiente problema que se report6 en un sistema real de medici6n, el cual se habia disefiado para que la corriente que fluye en una seccién particular del cir- cuito se calculara mediante el siguiente procedimiento: se conecta un resistor de precisin (de alambre devanado) cuyo valor es 100 9 y luego se mide la caida de voltaje en los ex- tremos del resistor. Al momento de calibrar el sistema, se aplicé una corriente conocida de 20 pA al resistor y se obtuvo una indicacién de voltaje de 2.20 mV con un instru- mento de alta impedancia. La aplicaci6n simple de la ley de Ohm indica que una lectura de voltaje de estas caracterfsticas corresponde a una corriente de 22 wA. {Cudl fue enton- ces la explicacién para esta discrepancia? La respuesta es nuevamente la fem térmica. Como el disefiador no estaba consciente de ella, el circuito se habia construido de tal modo que un extremo del resistor de precisién estaba muy cerca de un transistor de po- tencia, lo que creaba una diferencia de temperatura de 2°C entre ambos extremos del re- sistor. La fem térmica asociada con esto resultaba suficiente para producir el error de 10% en la medicién. 3.3 Errores aleatorios Los errores aleatorios en las ediciones son resultado de variaciones aleatorias ¢ impre- decibles en el sistema de medicién y es posible eliminarlos en gran parte calculando la media 0 mediana de las ediciones. El grado de confianza en los valores calculados de Ja media/mediana puede cuantificarse al estimar la desviaciGn esténdar o varianza de los datos, que son los pardmetros que describen cémo se distribuyen las mediciones en torno al valor de la media/mediana. Todos estos términos se explican de manera mas amplia en Ia secci6n 3.3.1. Debido a lo impredecible de los errores aleatorios, cualquier limite de error impues- to en las mediciones podré cuantificarse Gnicamente en términos probabilisticos. De tal manera, si afirmamos que el error posible en una medici6n sujeta a errores corresponde al +29 del valor medido, esto implica que lo anterior es probablemente cierto, es decir, existe el 95% de probabilidad de que el nivel de error no supere +2 por ciento. La distribucién de datos de medicién en tomo al valor medio se presenta graficamen- te por medio de curvas de distribucién de frecuencia, como se explica en la secci6n 3.3.2. El célculo del area bajo la curva de la distribucién de frecuencia proporciona la probabi- lidad de que el error se encuentre entre cualesquiera de dos niveles de error elegidos.“4 3. Errores de medicion 1 Analisis estadistico de los datos En el andlisis de mediciones que estén sujetas a errores aleatorios, se pueden obtener di- versos parametros. Las definiciones formales de los mismos y de sus formas de célculo se proporcionan en las secciones siguientes. Es necesario sefialar que el “célculo manual” de estos pardmetros raramente resulta necesario en la actualidad, puesto que muchos pa- quetes de computadora esténdares estén disponibles para su célculo, y esta capacidad también la ofrecen muchas calculadoras personales, asi como instrumentos inteligentes. Valores de la media y la mediana En cualquier situaci6n de medida sujeta a errores aleatorios, la técnica normal consiste en tomar la misma lectura varias veces, utilizando idealmente diferentes observadores y sa- cando el valor més probable a partir del conjunto de datos de la medici6n. Para un con- junto de n mediciones x,, x)... x,, el valor verdadero mds probable es la media dada por: aaa et... TX ees rete G5) n Esto resulta vélido para todos los conjuntos de datos donde los errores de la medicién se distribuyen en forma igual en torno a la linea de error cero, es decir, donde los errores po- sitivos se equilibran en cantidad y magnitud con los errores negativos. Sin embargo, cuando es grande el niimero de valores en el conjunto de datos, el cAlculo de la media es tedioso y es mas conveniente utilizar el valor de la mediana, que es una aproximacién cercana al valor de la media. La mediana est dada por el valor in- termedio cuando las ediciones en el conjunto de datos se escriben en orden de magni- tud ascendente. Para un conjunto de n mediciones x,, x5, ..., x, escrito en orden de magnitud ascen- dente, el valor de la mediana est dado por: ‘mediana ~ %n-+ 12 De tal modo, para un conjunto de nueve mediciones x,, x5, ..., x9 el valor de la mediana €8 x5. Para un niimero par de valores de datos, el valor de la mediana se encuentra a la mi- tad entre los dos valores centrales, esto es, para diez mediciones x, ... xo, el valor de la mediana esta dado por: (x, + x,)/2. Supéngase que, en una situacién de medida particular, se mide una masa por medio de una balanza romana, y diferentes observadores obtienen en un tiempo particular el con- junto de lecturas en gramos que se presenta en la tabla 3.1. El valor medio de este conjunto de datos es 81.18 g, calculado de acuerdo con la ecuaci6n (3.5). El valor de la mediana corresponde a 81.1 g, el cual es el valor medio si los valores de los datos se registran en orden ascendente, empezando en 80.5 g y terminando en 81.8 g. Tabla 3.1 Conjunto de ediciones de masa sujetas a errores aleatorios 81.6 814 81.2 81.0 81.3 81.1 30.5 818 81.3 81.6 81.4 813 81.1 81.1 811 80.9 80.8 815 80.83.3 Erroresaleatorios 45 Desviacién estandar y varianza La probabilidad de que el valor de la media o la mediana de un conjunto de datos repre~ sente el valor real de la medicién depende de qué tan dispersos estén los valores de los datos. Si los valores de las mediciones de masa de la tabla 3.1 hubieran variado de 79 a 83 g, nuestra confianza en el valor medio serfa mucho menor. La distribueién de los va- ores en tomo a la media se analiza calculando primero la desviacién de cada valor res- pecto de la media, Para cualquier valor general x, la desviacién de d, esta dada por: 4, =X — Xpeaia El grado con el que 7 valores de la medicién se dispersan alrededor de la media pue- de expresarse ahora mediante la desviacidn estandar «, donde o est determinada por: d2td2+... +42 o ee ee (3.6) Es posible expresar alternativamente esta dispersién a partir de la varianza V, que es el cuadrado de la desviaci6n estindar, es decir, V = 0°. Los lectores con inclinacién matemitica tal vez hayan observado que la expresion para o dada antes difiere de la definicién matemitica de la desviacién estandar, la cual tie~ ne (n) en lugar de (n — 1) en el denominador. Esta diferencia surge debido a que la defi- nicién matematica de o corresponde a un conjunto infinito de datos, en tanto que en cl caso de las mediciones siempre estamos interesados en conjuntos de datos finitos. Para un conjunto finito de mediciones (d),_,,. !a media x,, diferird de la media real 2 del conjun- to de datos infinitos del que es parte el conjunto finito d,, Si de algtin modo se conoce la verdadera media jz de un conjunto de mediciones, entonces las desviaciones d, podrian calcularse como la desviacin de cada valor de los datos a partir de la media verdadera, y resultarfa correcto calcular o utilizando (n) en lugar de (n — 1) en la expresi6n para o en la ecuacién (3.6). Sin embargo, en situaciones normales, el empleo de (n — 1) en el de- nominador de la ecuacién (3.6) produce un valor de la desviacién esténdar que estadisti- camente es mas cercano al valor correcto. en estado estal tes aleatorios, SOLUCION Valor medio = X(valores de los datos)/10 = 218/10 = 21.8 mA.46 Exrores de medicion Ahora se obtiene una tabla de mediciones y desviaciones: Medicién: 25 221 21.30 21.7 22.0 22.2218 2149 219 22.1 Desviacion delamedia; 0.3 +0.3 -05 -0.1 +02 +04 00-04 +01 +03 (Desviaciones)?: 0.09 0.09 0.25 0.01 0.04 0.16 0.0 0.16 0.01 0.09 & (desviaciones)* = 0.90 n = ntimero de mediciones = 10 X(desviaciones)?/(n — 1) = S(desviaciones)*/9 = 0.10 V [&(desviaciones)?/9] = 0.316 De manera que, la desviacion estandar = 0.32 mA (la naturaleza de las mediciones no justifica expresar la desviacin esténdar hasta ninguna exactitud mayor que dos lugares decimales). Numero de mediciones 0 ‘igura 3.6 80.45 80.75 81.05 81.35 81.65 81.95 Bandas de errores Histograma de mediciones3.3.2 3.3 Erroresaleatorios 47 Distribuciones de frecuencia Una forma adicional y muy poderosa para analizar el patron en el cual las mediciones se desvian del valor medio consiste en utilizar técnicas gréficas. La manera més simple de hacerlo es a partir de un histograma, donde se definen bandas de igual ancho a lo largo del intervalo de valores de medici6n y se cuenta el ntimero de mediciones dentro de cada banda, La figura 3.6 presenta un histograma de mediciones dibujado a partir del conjun- to de datos de masa de la tabla 3.1 eligiendo bandas de 0.3 g de ancho. Hay, por ejemplo, nueve mediciones en el intervalo de 81.05 y 81.35 g, y por eso la altura del histograma en este punto corresponde a nueve unidades. (El ancho de las bandas se seleccioné delibera- damente, da tal forma que ninguna medici6n cayera en la frontera entre diferentes bandas y provocara ambigitedad en tomo a sobre cual banda ponerla.) Un histograma de este ti- po tiene la forma caracteristica que muestran los datos realmente aleatorios, con simetria en torno al valor medio de las mediciones. ‘A medida que aumenta el nimero de mediciones, es posible definir bandas mas pe- quefias del histograma, el cual conserva su forma bésica, aunque en ese caso esti com- puesto por un ntimero més grande de escalones més pequefios a cada lado del pico. En el limite, cuando el mimero de mediciones tiende a infinito, el histograma se vuelve una cur- va continua conocida como curva de distribucién de frecuencias de las mediciones, del modo que se indica en la figura 3.7. La ordenada de esta curva es la frecuencia de ocu- rrencia de cada valor de la medicién, F(X), 1a abscisa corresponde a la magnitud, X, y X, Funcién de densidad de probabilidad, F(X) Figura 3.7 WA Curva de distribucién Xo Xp X, Xo Magnitud X de frecuencias de mediciones48 Exrores de medicion Figura 3.8 4 Histograma Numero de mediciones Bandas de errores de error ¢s el valor de los datos mas probable. Si los errores son verdaderamente aleatorios, X, es el valor medio de las mediciones. La simetria de las mediciones en torno al valor de los datos de la media en las figu- ras 3.6 y 3.7 es muy Gtil para mostrar gréficamente que los datos de la medicién tienen s6lo errores aleatorios. Sin embargo, para cuantificar la magnitud y distribuci6n de los errores de la medicién, resulta més til dibujar histogramas y curvas de distribucién de frecuencia de los errores. Para hacerlo, se calcula primero la media de los valores de los datos de la medicién, y posteriormente se estima el error en cada medicién en términos de su desviacién respecto del valor de la media. Luego, se definen bandas de error de igual ancho y se dibuja un histograma de errores, como se muestra en la figura 3.8, de acuerdo con el mimero de valores de error que caen dentro de cada banda. Siempre que los erro- res son sélo aleatorios, este histograma tiene simetria en torno a la Iinea de error cero. Cuando aumenta el nimero de mediciones, es posible definir bandas de error més peque- iias para el histograma de errores y en el limite, cuando el mimero de mediciones tiende a infinito, el histograma se convierte en una curva continua como antes. En este caso, la curva se conoce como curva de distribucion de frecuencias de los errores, de acuerdo a3.3 Erroresaleatorios 49 como se indica en la figura 3.9. La ordenada de esta curva es la frecuencia de ocurrencia de cada nivel de error, F(E), y la abscisa es la magnitud del error, E. La magnitud del error E, correspondiente al pico de la curva de distribucién de frecuencias es el valor del error que tiene la probabilidad més alta. Si los errores son por completo de naturaleza aleatoria, entonces el valor de E, sera igual a cero, Cualquier valor distinto de cero de E, indica errores sistematicos en os datos, en la forma de una polarizacién que a menudo se elimina por medio de recalibracién. Si la altura de Ja distribucién de frecuencia de Ja curva de errores se normaliza de manera tal que el Area bajo ella es igual a la unidad, entonces la curva en esta forma se conoce como curva de probabilidad, y la altura F(E) en cualquier magnitud de error par- ticular E recibe del nombre de funcién de densidad de probabilidad (fdp). La condicién de que el area bajo la curva sea la unidad puede expresarse mateméticamente como fo mwae =1 La probabilidad de que el error en cualquier medicién particular se encuentre entre dos niveles E, y E, se calcula midiendo el érea bajo la curva contenida entre dos Iineas verti- cales dibujadas por E, y E,, como se indica por medio del drea de rayas del lado derecho en la figura 3.9. Es posible expresar lo anterior mateméticamente como a PE, SEE) LP FUEME G7) 1 La expresiGn 3.7 se conoce a menudo como la funcién de error. La funcién de distribucién acumulativa (fda) es de importancia particular para eva- luar el maximo error probable en cualquier medicién. Se define como la probabilidad de observar un valor menor que o igual a E, y se expresa matemiticamente como : PE =k) = [° ruae G8) De tal modo, la fda es el rea bajo la curva a la izquierda de una Iinea vertical dibujada Ey, de acuerdo a como indica el 4rea de rayas del lado izquierdo en la figura 3.9. Existen tres tipos especiales de distribucién de frecuencia conocidas como gaussia- na, binomial y de Poisson y son muy importantes debido a que la mayor parte de los con- juntos de datos se aproximan mucho a una de ellas. La distribuci6n més importante para los conjuntos de datos que contienen errores de medici6n aleatorios es la gaussiana. Distribucién gaussiana Una curva gaussiana se define como la distribuci6n de frecuencia normalizada en la que Ja frecuencia y la magnitud de las cantidades se relacionan mediante la expresi6n: Fey = + exp[—(x — m)?/20°] (3.9) 1 VoQn)50 Errores de medicion Funci6n de densidad de probabilidad, F (E) f 5 aa’ A Magnitud Figura 3.9 del error, Curva de distribucién E 1 de frecuencias de errores donde m es el valor medio del conjunto de mediciones x y las otras cantidades son como se defini6 antes. Sélo es aplicable a los datos que tienen exclusivamente errores aleato- rios, es decir, donde no existen errores sisteméticos. La ecuaci6n (3.9) resulta particular ‘mente itil para analizar un conjunto de mediciones gaussiano y predecir cuantas medicio- hes se encuentran dentro de un intervalo definido. Si los errores de medicién E se calculan para todas las mediciones de modo tal que E =x — m,entonces la curva de frecuencia de errores F(E) graficada contra la magnitud del error E es una curva gaussiana que recibe el nombre de curva de distribucién de fre- cuencia de errores. La relacién matemiatica entre F(E) y E puede deducirse entonces mo- dificando la ecuaci6n (3.9) para obtener Fe = = vexpl- 201 (3.10) Von) La mayor parte de los conjuntos de datos de medicién como los valores de masa de Ja tabla 3.1 se ajustan a una curva de distribucién gaussiana debido a que, si los errores son realmente aleatorios, ocurren pequefias desviaciones del valor de la media mucho més a menudo que las desviaciones mayores, es decir, el niimero de errores pequefios es mu- cho mas grande que el de los grandes. Nombres altemativos para la curva de distribuci6n gaussiana son los de distribucién normal o distribucién en forma de campana.3.3 Brroresaleatorios 51 La curva de distribucién gaussiana es simétrica con respecto a la linea que pasa por la media de los valores de la medicién, lo cual significa que los errores positivos més all del valor de la media ocurren en cantidades iguales que los errores negativos en cualquier conjunto de datos que contienen mediciones sujetas a errores aleatorios. Si la desviacién estandar se usa como una unidad de error, es posible utilizar la curva para determinar qué probabilidad hay de que el error en cualquier medicién particular en un conjunto de da- tos sea mayor que cierto valor. Sustituyendo la expresi6n (3.10) para F(E) dentro de la ecuacion (3.7) de probabilidad, es posible expresar la probabilidad de que el error se en- cuentre en una banda entre los niveles E, y E, como Ey Peay PE, SEE, + exp[-E4/2° dE GAD \SESE)={ ae La ecuacién (3.11) se simplifica efectuando la sustitucin z=E/o (3.12) Entonces: PE, =E=E, + exp[-27/2]dz (3.13) 1 2, Vo(2m) Aun después de efectuar esta simplificacién, no es posible evaluar la ecuacién (3.13) me- diante el uso de integrales estandares. En vez de eso, se requiere integracién numérica. Para simplificar la carga de trabajo que esto implica, se han establecido tablas de funcio- nes de error estdndar que evalan la integral para distintos valores de z. Tablas de funcién de error Enel apéndice 1 se incluye una tabla de funcién de error. Esta proporciona valores de F(z) para valores distintos de z. F(z) representa la proporcién de valores de los datos que son menores que 0 iguales az y es igual al 4rea bajo la curva de probabilidad normalizada a Ia izquierda de z. El estudio de la tabla mostraré que F(z) = 0.5 para z = 0. Esto confir- ma que, como se esperaba, el ntimero de valores de los datos = 0 es 50% del total. Asi debe ser si los datos tienen tinicamente errores aleatorios. Uso de las tablas de funcién de error Se observaré que la tabla del apéndice 1, al igual que la mayorfa de las tablas de funcién de error publicadas, s6lo incluye F(z) para valores positivos de z. En el caso de valores negativos de z, es posible recurrir a la siguiente relacién debido a que la curva de distri- bucién de frecuencia esté normalizada: F(-z) = 1 - F@) G14) [F(—2) es el drea bajo la curva a la izquierda de (—2), es decir, representa la proporeién de los valores de los datos = —z.]52 Errores de medicién3.3 Errores aleatorios 53 = Tabla 3.2 Limites de error Porcentaje de puntos de datos Probabilidad de que a dentro de los limites cualquier punto de datos esté fuera del limite (%) +o 68.0 34.0 +20 95.4 46 99, 3 El andlisis anterior muestra que, para valores de datos distribuidos en forma gaussia- na, 68% de las ediciones tiene errores que se encuentran dentro de los limites de +o. Un anilisis similar muestra que los limites de +2 contienen 95.4% de los puntos de da- tos, y al extender los limites hasta 3c se abarca el 99.7% de los puntos de los datos. La probabilidad de que cualquier punto de los datos se encuentre fuera de las fronteras de error particulares, puede, en consecuencia, expresarse por medio de la tabla 3.2. Distribucin de tolerancias de manufactura Se puede representar la curva de distribucién gaussiana para analizar tolerancias en com- ponentes manufacturados mas que errores en mediciones de proceso. De este modo, se describe la distribucién de frecuencia de mediciones como se muestra en la figura 3.11. Funcién de densidad de probabilidad, F(X) Li Figura 3.11 % Xn X % Medicion X Distribucin de frecuencias de tolerancias ce manufactura54 Errores de medicién Aqui, f(x) es la probabilidad de que la medicién tenga algin valor particular x. El valor més probable de x, x,,, corresponde al pico de la curva. Si las mediciones son gaussianas, la curva serd simétrica con respecto a la linea x = Xp, ¥ %q Tepresentaré el valor medio de las mediciones. Pueden escribirse ecuaciones similares a la (3.7) y (3.8), Pa, sxsm)={ food G.15) Pasx) =f softer G.16) Asimismo, modificando la ecuacién (3.13), obtenemos is oak Puy sxse)= | Von donde pz es la media de las mediciones (= x,,). Habiendo encontrado la probabilidad de cualquier medicién elegida al azar dentro del intervalo de x, a x,, el niimero de mediciones N que se encuentra dentro del intervalo x, a.x, se calcula de la manera siguiente: + exp[=(x — w)?/207}dx (3.17) See N= i = donde n es el ntimero total de mediciones. Si se realiza la sustitucién z = (x — 2)/0, la ecuaci6n (3.18) se simplifica en “2 n 2, Vot2m) Esta es una forma que se puede evaluar utilizando una tabla de funciones de error (véase el apéndice 1). + exp[—(x — w)?/207}dx (3.18) + exp[—z?/2]dz (3.19) EJEMPLO 3.43.4. Reduccién de errores utilizando instrumentos inteligentes 55. Error estandar de la media El andlisis que sigue es estrictamente vélido para conjuntos de mediciones que contienen poblaciones infinitas. No es, desde luego, posible obtener un mimero infinito de valores de datos y, consecuentemente, debe esperarse algtin error en el valor calculado de la me- dia del conjunto de datos finito y prdctico que se disponga. Si se consideran varios sub- conjuntos de una poblaciGn de datos infinita, entonces, por el teorema de Ifmite central, las medias de los subconjuntos formardn una distribucién gaussiana en torno a la media del conjunto de datos infinito. El error en la media del conjunto de datos finito suele ex- presarse como el error estdindar de la media, a, que se calcula como a=o/Vn Esto tiende a cero cuando el ntimero de mediciones en el conjunto de datos se expan- de a infinito, El valor que se obtiene de un conjunto den mediciones x,,.x,, ..., 2, 8€ eX presa entonces como ta ee Para el conjunto de datos de las mediciones de masa de la tabla 3.1, n = 19, 0 = 0.318 y @ = 0.073. Es posible expresar entonces la masa como 81.18 + 0.07 kg (limite de confianza de 68%). Sin embargo, es mas usual expresar las medicines con Ifmites de confianza de 95% (0 bien limites de +2a). En este caso, 20 = 0.636, 2 = 0.146 y el va- lor de la masa se expresa en consecuencia como 81.18 + 0.15 kg (limite de confianza de 95 por ciento).. Se pueden obtener grandes reducciones en los errores de las mediciones utilizando un ins- trumento inteligente, el cual incluye todos los elementos usuales de un sistema de medi- cién como se ilustra en la figura 1.2. Sin embargo, éstos se distinguen de los sistemas de medici6n no inteligentes por la inclusién de un microprocesador y por la adicién de uno © més transductores adicionales en su entrada. Las entradas de un instrumento inteligente son los datos de un transductor primario y los datos adicionales de uno 0 més transductores secundarios. El transductor primario mi- de la magnitud de la cantidad de interés principal, en tanto que los transductores secun-56 Errores de medicion darios determinan la magnitud de los parémetros ambientales. Por ejemplo, en un instru- mento inteligente de medicién de masa, el transductor primario suele ser una celda de car- ga y se incluyen transductores secundarios (adicionales) para medir entradas modificado- ras como la temperatura ambiente y la presién atmosférica. EI microprocesador efectiia funciones preprogramadas de procesamiento de sefiales y algoritmos de manipulacién de datos sobre los datos del transductor primario (la canti- dad de interés que se mide), utilizando los datos lefdos del transductor(es) secundario, y genera la salida de la medicién procesada del transductor primario para presentarla en Ia salida del instrumento. El efecto de esta computarizaci6n en la funcién de procesamiento de sefiales es una mejora en la calidad de las mediciones de salida del instrumento y una simplificacién general de la tarea de procesamiento de sefiales. Algunos ejemplos del pro- cesamiento de sefiales que puede realizar con facilidad un microprocesador que esta con- tenido en un instrumento inteligente incluyen la correccién de la salida del instrumento por efecto de la polarizacién ocasionada por variaciones ambientales (por ejemplo, cambios de temperatura) y la conversién para producir una salida lineal de un transductor cuya carac- teristica es fundamentalmente no lineal. Una discusién mas completa alrededor de las téc- nicas del procesamiento de sefiales digitales se puede encontrar en la seccién 5.7. Un instrumento inteligente se comporta como una caja negra en cuanto a lo que le interesa al usuario, y no se requiere ningin conocimiento de su modo de operaci6n inter- na en situaciones de medida normales. Sin embargo, quizas resulte de interés para algu- nos lectores el siguiente resumen de sus principios de operacién. Al igual que los sistemas de cémputo en general, el hardware dentro de un instru- mento inteligente contiene los componentes esenciales de una unidad de procesamiento central, algo de memoria y una interfaz de entrada-salida. Se incluye tanto la memoria de tipo ROM (memoria s6lo de lectura) como la RAM (memoria de acceso aleatorio); la pri- mera almacena el programa de procesamiento de sefiales y la segunda ofrece espacio pa- ra almacenar datos de entrada-salida. Cuando las sefiales de los datos externos estén usualmente en forma analdgica, casi siempre es necesario incluir elementos de conversion analégica-digital y digital-analégica dentro de la interfaz de entrada-salida. La operacién de procesamiento de sefiales necesita lo siguiente: que los valores de los datos se coloquen en la entrada, que se procesen y que estén disponibles en la salida de acuerdo con una secuencia de operaciones definidas por el programa de cémputo. No es usual que el usuario escriba este programa. En realidad, rara vez se prevé que el usua- tio cree y modifique programas operativos incluso si desea hacerlo. Son varias las razo- nes al respecto. En primer lugar, el procesamiento de sefiales que se necesita dentro de un instrumento inteligente suele estar perfectamente definido y, por ello, resulta mas eficien- te para un fabricante generarlo en vez de tratar que cada usuario individual produzca de manera independiente programas bastante idénticos. En segundo, se consigue una mejor integridad del programa y de la operacién de los instrumentos si se emplea un programa estindar desarrollado por el fabricante del equipo. Por tiltimo, el uso de programas estan- dares permite que se graben éstos en la ROM para protegerlos ante cualquier falla en el suministro de energia del instrumento. Esto facilita también el mantenimiento y la actua- lizaci6n del software, mediante un mecanismo en el que el fabricante suministre una nue- va ROM, que simplemente se inserta en el socket que ocupaba la ROM anterior. Los instrumentos inteligentes ofrecen muchas ventajas en comparaci6n con sus con- trapartes no inteligentes, debido sobre todo a la mejora en la exactitud que se logra al pro-3.4 Reduecién de errores wtilizando instrumentos inteligentes 57 cesar la salida de transductores para corregir errores inherentes en el proceso de medicién. Las soluciones que ofrecen los instrumentos inteligentes a los problemas que ocurren en los sistemas de medicién se explicardn en diversos puntos en los capitulos siguientes. Un ejemplo del beneficio que proporciona la “inteligencia” a los instrumentos se ob- serva en la medici6n de la tasa del flujo de volumen, donde esta cantidad se infiere al me- dir la presién diferencial a través de una placa que tiene un orificio, la cual esta ubicada en un tubo que conduce cierto fluido. (Véase el capitulo 9 para mayores detalles.) La ta- sa de flujo es proporcional a la rafz cuadra de la diferencia de presi6n a través del orifi- cio de la placa. Para una tasa de flujo determinada, tanto la temperatura como la presién media en el tubo afectan esta relacién, y los cambios en los valores ambientales de cual- quiera de éstas ocasiona errores en la medicién. Un instrumento inteligente de medici6n de tasa de flujo contiene tres transductores. Un transductor primario mide la diferencia de presién a través del orificio de la placa, y dos transductores secundarios, de los cuales uno registra la presién y el otro registra la temperatura absoluta. El instrumento se programa para corregir la salida del transductor de presién diferencial de acuerdo con los valores medidos por los transductores secundarios, recurriendo a leyes fisicas apropiadas que cuantifican el efecto de los cambios de la temperatura y la presién ambientales en la rela- ci6n fundamental entre el flujo y la presién diferencial. Normalmente, cl instrumento tam- bién se programa para convertir la relacién de la rafz cuadrada entre el flujo y la salida de la sefial en una forma directa, haciendo que la salida sea mucho mAs facil de interpretar. Los niveles de inexactitud comunes de estos instrumentos de medici6n de flujo inteligen- tes corresponden a +0.1%, en comparacién con el +0.5% de sus equivalentes no inteli- gentes, lo que demuestra una mejora en un factor de cinco. Los instrumentos inteligentes suelen proporcionar muchas otras capacidades ademés de las mencionadas, entre las que se incluyen: 1, Amortiguamiento de seffales con constantes de tiempo que pueden seleccionarse. 2. Escalas conmutables (mediante la seleccién de varios transductores primarios en el interior del instrumento, cada uno se utiliza para efectuar mediciones en una escala diferente). 3. Unidades de salida conmutables (por ejemplo, presentacién en unidades del sistema inglés 0 SI). 4. Funciones de diagnéstico. Ajuste y control remoto de las opciones del instrumento hasta 1,500 metros de dis- tancia por Ifneas de sefial de cuatro vias y 20 mA. a Siempre debe tenerse un cuidado adecuado cuando se incorpora un microprocsador nun sistema de medicién a fin de evitar la creacién de nuevas fuentes de ruido en la medi- cidn, Esto sucede cuando se utiliza un microprocesador para procesar Ia salida de varios transductores, los cuales se conectan con alambres 0 lineas de sefial. En tales circunstan- cias, es posible que las conexiones y los alambres de conexién produzcan ruido a través de potenciales electroquimicos, potenciales termoeléctricos, voltajes de compensaci6n que in- troducen las impedancias en modo comtin y sefiales de ruido de ca a frecuencias de la linea de alimentacién (0 frecuencias de audio y de radio.) El reconocimiento de todas estas po- sibles fuentes de ruido permite su eliminacién en la mayorfa de los casos, mediante la aplicacién de pricticas adecuadas de alambrado y construccién en los sistemas de medi- ci6n. El resto de las fuentes de ruido se eliminan casi siempre cuando se incluye un con-Errores de medicion 341 junto de cuatro circuitos de conexi6n a tierra (0 circuitos de puesta a tierra) en la interfaz, esto tiene las siguientes funciones: 1. Tierra eléctrica: proporciona una trayectoria para las corrientes de falla que generan las fallas en las lineas eléctricas de alimentacién. 2. Tierra l6gica: ofrece una Iinea comtin para todos los potenciales de circuito légicos. 3. Tierra analégica (conexién a tierra): ofrece una referencia comtin para todas las sefia- les analégicas. 4. Tierra de seguridad: se deben conectar todas las partes metalicas del equipo (que en condiciones normales no estén conectadas a la lineas eléctricas de alimentaci6n) para proteger al personal cuando toca gabinetes metilicos. Reduccién de errores sistematicos La incorporaci6n de “inteligencia” en los instrumentos puede producir una reducci6n ge- neral en la magnitud de los errores sistematicos. Por ejemplo, en el caso de circuitos eléc- tricos que se perturban por el efecto de carga del instrumento de medicién, es posible que un instrumento inteligente corrija facilmente los errores de medicién aplicando ecuacio- nes como la (3.3) para incorporar la resistencia del instrumento de medicién. Los instrumentos inteligentes resultan en particular efectivos en el mejoramiento de la exactitud de mediciones que estén sujetas a entradas modificadoras, mediante el meca- nismo de correccién (que realiza el microprocesador) de la medicién que se obtuvo del transductor primario, de acuerdo con los valores registrados por los transductores secun- darios. Sin embargo, su capacidad para lograr lo anterior requiere que se cumplan las si- guientes condiciones previas: 1. Debe entenderse por completo el mecanismo fisico que hace que los cambios en las condiciones ambientales afecten al transductor de la medicién y es necesario identifi- car todas las cantidades fisicas que alteran la salida del transductor. 2. Se debe cuantificar el efecto que tiene cada variable ambiental en la caracteristica de salida del transductor de la medici6n. 3. Deben existir los transductores secundarios adecuados para monitorear el valor de to- das las variable ambientales importantes para la entrada al instrumento inteligente. La condicién (1) implica considerar la expansi6n /contraccién térmica de todos los ele~ mentos dentro de un transductor para evaluar c6mo responderd éste a los cambios de la tem- peratura ambiental. De modo similar, es necesario examinar la respuesta del transductor, si existe, a los cambios en la presin ambiental, la humedad y la fuerza gravitacional. La cuantificacién del efecto de cada variable ambiental en las caracteristicas del transductor de medicién es, en consecuencia, necesaria, como se establece en la condicién (2). La cuantificacién analitica de los cambios en las condiciones ambientales a partir de consideraciones puramente tedricas de la construccién de un transductor suele ser muy compleja y, por ello, se evita casi siempre. En vez de eso, el efecto se cuantifica en forma empitica en pruebas de laboratorio en las que se observa la caracteristica de salida del trans- ductor cuando cambian las condiciones ambientales del medio de una manera controlada. Una vez que se han identificado las variables ambientales que afectan un transductor de medicién y que se ha cuantificado su efecto, se puede disefiar un instrumento inteli-3.5 Error total en todo el sistema de medicin 59 gente que incluya transductores secundarios para monitorear el valor de las variables am- bientales. Desde luego, deben existir transductores adecuados que operardn en forma sa- tisfactoria dentro de las condiciones ambientales prevalecientes para la situaci6n de la me- dicién, como se establece en la condicién (3). 3.4.2 Reduccin de errores aleatorios Si un sistema de medici6n est sujeto a errores aleatorios, pueden programarse instrumen- tos inteligentes para tomar una sucesién de mediciones de una cantidad dentro de un in- tervalo breve de tiempo y efectuar un promedio simple u otras técnicas estadisticas en las lecturas antes de presentar una medicién de salida. Esto resulta vélido para reducir cual- quier forma de error aleatorio, incluso aquellos debidos a deficiencias de la observacién humana, ruido eléctrico u otras fluctuaciones. Aparte de indicar el valor promedio que se obtiene de varias mediciones, los instru- mentos inteligentes tienen la capacidad (en la mayor parte de los casos) para presentar otros pardmetros estadisticos relativos a las mediciones efectuadas, como la desviacién estandar, la varianza y el error estandar de la media. La totalidad de estas cantidades po- dria, desde luego, calcularse en forma manual, aunque la gran ventaja que se obtiene con el uso de instrumentos inteligentes es una velocidad de procesamiento superior y el evi- tar errores aritméticos que facilmente ocurren si los humanos efecttian estas funciones. =i 3.5 Error total en todo el sistema de medicién Un sistema de medicién esta integrado por varias componentes independientes, cada una de las cuales est sujeta a errores sistematicos y/o aleatorios. Se han presentado mecanis- mos para cuantificar los errores que surgen a partir de cada una de estas fuentes y, en con- secuencia, puede calcularse el error total en la salida de cada componente del sistema de medici6n. Lo que falta es investigar cémo se combinan los errores que estén asociados a cada componente del sistema de medicién, de manera que sea posible efectuar el célculo del error total en todo el sistema de medicién. Se pueden realizar las cuatro operaciones matematicas de adici6n, resta, multiplica- cién y divisién en las mediciones que se obtienen de diferentes instrumentos /transducto- res de un sistema de medicién. A continuacién se abordarén las técnicas apropiadas para las distintas situaciones que se presentan. 3.5.1 Error en un producto Si las salidas y y z de dos componentes del sistema de medicién se multiplican entre si, el producto puede escribirse como P Si el error posible en y es +ay y en z equivale a +bz, entonces los valores maximos y mf- nimo posibles en P se escriben como Prose = + ay(z + bz) Prin = ( — ay(z ~ bz) z + ayz + byz + aybz = yz — ayz — byz + aybz60 Exrores de medicién En el caso de las componentes comunes del sistema de medicién que presentan erro- res de salida hasta del 1 0 2% en magnitud, tanto a como b son mucho menores que uno en magnitud y, por ello, los términos en aybz son despreciables en comparacién con otros términos, Por consiguiente, tenemos Prax = YAEL +a+b) Pay = y2(1 — a — b) De ese modo el error posible en el producto P se encventra dentro del intervalo +(a + b). © EJEMPLO 3.5 3.5.2 Error en un cociente Sila medicién de salida y de una componente del sistema con error posible ay se divi- | de por la medicién de salida z de otra componente del sistema con error posible +bz, pue- den escribirse los valores méximo y minimo posibles para el cociente en la forma Syne, yoay Onis = Tbe Onin = ze be _ Dt AME + bz) = DOVE ~ b) (z — bez + bz) (z + be(z — bz) _ yet aye + byz + abyz _ yea aye — byz + abyz imbee ane e= Be Paraa << Ly b <1, los términos en ab y 6? son despreciables en comparacién con otros términos. Por consiguiente, yal +a +b) yal —a—b) On has re Odea ee erate esto es, y o=2+2@+H) z = De tal modo, el error posible en el cociente se ubica dentro del intervalo +(a + b).3.5 Error total en todo el sistema de medicion 61 3.5.3. Error en una suma Si se suman ambas salidas y y z de las componentes independientes del sistema de medi- cién, la suma puede escribirse como Say Te Si los errores maximos en y y z son, respectivamente, +ay y +bz, los valores maximo y minimo posibles de S se expresa: Sma =Ytay+z+bz Sy =y—ay+z—bz S=y+z+ @y+b) Esta relacién para S no es conveniente debido a que en esta forma el término del error no puede expresarse como una fraccién 0 porcentaje del valor calculado para S. Por for- tuna, no hay inconveniente en aplicar el andlisis estadistico que expresa S en una forma alternativa tal que el error maximo més probable en S se represente mediante una canti- dad e, donde ¢ est determinada por €= V@y + (bz? (3.20) . De tal modo, S=QO+2) te Lo anterior se expresa en la forma alternativa: S=(to0=f/ G21) donde f = e/(y + 2). EJEMPLO 3.7 3.5.4 Error en una diferencia Si las dos salidas y y z de dos sistemas independientes de medicién se van a restar una de otra, y los errores posibles son kay y *bz, entonces la diferencia S se expresa en la forma:62 Errores de medicion 3.5.5 S=(y-gte 0 S=y-Ht/ donde ¢ se calcula como antes (ecuacién 3.20) y f = e/(y - 2). Este ejemplo ilustra con toda claridad el error relativamente grande que quizés surja cuando los calculos se realizan a partir de la diferencia entre dos mediciones. Error total cuando se combinan mediciones miltiples El caso final que se va a considerar sucede cuando la medicién final se calcula de acuer- do con varias mediciones que se combinan entre si, en una forma que incluye més de un tipo de operacién aritmética. Por ejemplo, se puede calcular Ia densidad de un bloque de material s6lido y forma rectangular a partir de mediciones de su masa dividida por el pro- ducto de mediciones de su longitud, altura y ancho. Los errores involucrados en cada eta- a aritmética son acumulativos, por lo que resulta viable calcular el error de medicién to- tal sumando entre si los dos valores de error que estén asociados con ambas etapas de multiplicacién que corresponden al cAlculo del volumen, para luego calcular el error en la operaci6n aritmética final cuando la masa se divide entre el volumen. EJEMPLO 3.93.6 Preguntas de autoevaluacion 63 3.6 Preguntas de autoevaluacion 3.3 34 a¢ 3.6 50, Figura 3.12 Circuito para (a pregunta de qutoevaluacién 3.6 Explique la diferencia entre errores sistemiticos y aleatorios. {Cudles son las fuen- tes comunes de estos dos tipos de errores? {.Cémo se puede producir (durante el proceso de la medici6n) una perturbaci6n en el sistema que se est4 midiendo? Suponga que las componentes en el circuito que se presenta en la figura 3.1 tienen Jos siguientes valores: R, = 1 kQ; R, = 2 kQ. Siel instrumento que mide el volta- je de salida entre AB tiene una resistencia de 10 kQ, {cual es el error de la medi- cin que provoca el efecto de carga de este instrumento? Los instrumentos se calibran normalmente y sus caracteristicas se definen bajo con- diciones ambientales estandar y particulares. {Qué procedimiento se efecttia para evitar los errores de medicién cuando se utilizan instrumentos que estén sujetos a condiciones ambientales variables? {Qué acciones se deben tomar para reducir el efecto de las entradas modificadoras en los sistemas de medicién? La salida de un potenciémetro se mide con un voltimetro que tiene una resistencia R,,» en la forma que se indica en la figura 3.12. R, es la resistencia de la longitud to- tal X, del potenciémetro y R; es la resistencia entre el contacto deslizante (cursor del potenciémetro) y el punto comin C para una posicin X, de dicho contacto. De- muestre que el error de la medicién debido a la resistencia R,,, del instrumento de medicién esta dado por: RAR, — Ri) Bror = E RRR + RR RA) En consecuencia, demvestre que el eiror mfximo ocurre cuando X, es casi igual a 2x, (Sugerencia: Diferencie la expresién del error con respecto a R, ¢ iguale a cero. Adviérta que el error m4ximo no ocurre exactamente en X, = 2X,/3, pero este va- lor es muy cercano a la posicién en la que ocurre el error maximo.)64 Errores de medicion 3.8 3.9 3.10 3.1 3.12 3.1 S 3.14 En un estudio de quince propietarios de cierto modelo de automévil, se registraron las siguientes cifras para el consumo promedio de gasolina en millas/gal6n: 25.5 30.3 31.1 29.6 32.4 39.4 28.9 30.0 33.3 31.4 29.5 30.5 31.7 33.0 29.2 Calcule el valor medio, el valor de la mediana y la desviaci6n estandar del conjun- to de datos. (a) Explique el término funci6n de densidad de probabilidad. (b) Escriba una expresi6n para la funcién de densidad de probabilidad gaussiana de valor de media js y desviaci6n esténdar o determinadas e indique cémo se ob- tendrfa la mejor estimaci6n de estas dos cantidades con base en una muestra de poblacién n. (c) Se efectuaron las siguientes diez mediciones del voltaje de salida de un ampli- ficador de alta ganancia que est contaminado debido a fluctuaciones de ruido: 153, 157, 154, 154, 1.50, 151, 155, 154, 1.56, 1.53 Determine el valor medio de la desviacién estandar. En consecuencia, estime la exactitud con la cual se determino el valor medio a partir de estas diez medicio- nes, Si se tomaran un millar de mediciones, en lugar de diez, pero o sigue sien- do la misma, en cuanto mejorarfa la exactitud del valor calculado de la media? Las mediciones en un conjunto de datos estan sujetas a errores aleatorios, pero se sabe que el conjunto de datos se ajusta a una distribucién gaussiana. Utilice una ta- bla de funcién de error para determinar el porcentaje de mediciones que se encuen- tran dentro de las fronteras de + 1.50, donde o es la desviacién estdndar de las me- diciones. El espesor de un conjunto de arandelas varfa debido a perturbaciones aleatorias en Ja manufactura, aunque los valores medidos de esta cantidad pertenecen a una dis- tribucién gaussiana, Si el espesor medio corresponde a 3 mm y la desviaci6n estn- dar es igual a 0.25 mm, calcilese el porcentaje de arandelas que tendran un espe- sor mayor que 2.5 mm. Una fuente de alimentacién de cd (que debe proporcionar 3 volts que requiere un cireuito) se obtiene al conectar en serie dos baterias de 1.5 V. Si el error en la sali- da de voltaje de cada baterfa se especifica como +1%, calcule el error posible en la fuente de alimentacién de 3 volts que se obtendria al conectar ambas baterias. Para calcular la pérdida térmica a través de la pared de un edificio, se requiere co- nocer la diferencia de temperatura entre las paredes interior y exterior. Si se miden temperaturas de 5 y 20°C en ambos lados de la pared con un termémetro de mer- curio con un intervalo de —25 a +25°C y una cifra de inexactitud indicada de +1% de la lectura a méxima escala, calciilese el error posible en la cifra calculada para la diferencia de temperatura. La potencia que se disipa en el faro de un automévil se calcula al medir la cafda de voltaje de cd y la corriente que circula en el faro (P = V X 1). Si los errores posi- bles en los valores medidos de voltaje y corriente corresponden, respectivamente, a +1% y +2%, calctilese el error posible en el valor de potencia que se dedujo. Se mide la resistencia de un resistor de carb6n al aplicar un voltaje de cd en sus ex- tremos y medir posteriormente la corriente (R = V/I). Si las mediciones de voltaje