Blog Beamex

Incertidumbre de la calibración para no matemáticos Página 1 de 19
Ejemplo clásico del “trozo de cuerda”

A continuación se propone un ejemplo práctico para ilustrar
la incertidumbre de medición; el ejemplo consiste en dar un
mismo trozo de cuerda a tres personas (una por una) y
pedirles que midan su longitud sin ninguna instrucción más.
Todos ellos pueden usar sus propias herramientas y
métodos para medirlo.
Es más que probable que los resultados sean ligeramente

diferentes, como por ejemplo:
• La primera persona indica que mide unos 60 cm. Ha

utilizado una regla de plástico de 10 cm, ha medido la
cuerda una sola vez y ha llegado a esta conclusión.
• La segunda persona indica que mide 70 cm. Ha utilizado

una cinta métrica de tres metros y ha comprobado el
resultado un par de veces para asegurarse de que era
correcto.
• La tercera persona indica que mide 67,5 cm, con una

incertidumbre de ± 0,5 cm. Ha utilizado una cinta métrica de
gran exactitud y ha medido la cuerda varias veces para
obtener una media y una desviación estándar. Además, ha
comprobado cuánto se alarga la cuerda al estirarla y ha
observado que esto afectaba un poco al resultado.
Este simple ejemplo muestra que hay muchas cosas que

afectan al resultado de una medición; los equipos de
medición que se han utilizado, el método/proceso
https://blog.beamex.com/es/incertidumbre-de-la-calibracion-para-no-matematicos 29/03/2021
empleado y la forma en la que la persona ha realizado la

tarea.
De modo que la pregunta que deberíamos formularnos es:

Cuando se realizan operaciones de calibración en una
planta ¿cuál de estos tres ejemplos nos resulta más
familiar?
¿Qué tipo de “reglas” son usadas en una instalación y cuáles

son los métodos/procesos de medición? Si solo se realiza
una medición sin conocer la incertidumbre asociada, el
resultado no tiene mucho valor.
Breve guía de términos empleados

A continuación se detallan algunos términos esenciales
relacionados con este tema.
¿Qué es la incertidumbre de una medida? Simplemente se

puede decir que es la “duda” que existe sobre el resultado
de cualquier medición, es decir, nos dice lo buena que es
nuestra medida. Todas las mediciones que hacemos tienen
algo de “duda”, y deberíamos poder cuantificarla para
decidir si dicha medición es lo suficientemente buena para
el propósito requerido.
Es importante tener en cuenta que error no es lo mismo

que incertidumbre. Cuando se compara el equipo a calibrar
con el patrón de referencia, el error es la diferencia entre
estas dos mediciones. Pero el error no significa nada si

desconocemos la incertidumbre de la medición.
Así que se debería decir lo siguiente: Si se desconoce la

incertidumbre de la medida, no se debe llevar a cabo la
calibración.
Es frecuente que cuando realizamos una medición de

temperatura importante para un proceso con, por ejemplo,
± 1,0 °C de límite de aceptación, y existe un error máximo
de 0,5 °C, se dé por aprobado y aceptado el resultado. No
obstante, después de analizar el proceso de calibración, se
podría ver que la incertidumbre total del proceso de
medición es de ± 2,0 °C. De modo que la forma en la que se
realizó la calibración no fue lo suficientemente buena para
esta aplicación.
Pero como se desconocía o no se había contemplado la

incertidumbre, se consideró que la calibración estaba
“aceptada”, aunque en realidad no era así.
De hacer una única medición a conocer la

desviación estándar
¿Qué se debe considerar para tener el conocimiento de
todas las incertidumbres asociadas?
Lo primero es realizar varias repeticiones de las mediciones

durante el proceso de calibración en lugar de hacer una sola
repetición. Lo más probable es que se descubran pequeñas
diferencias entre las mediciones de las distintas

repeticiones. ¿Pero qué medición es la correcta?
Sin entrar en profundidad en la estadística, se puede decir

que no es suficiente con medir una sola vez. Repitiendo la
misma medición varias veces, se puede hallar la media y su
desviación estándar. De modo que se tenga conocimiento
de cuánto pueden diferir los resultados entre las
repeticiones. Esto significa que se puede averiguar cuál es la
diferencia normal entre las mediciones.
Es recomendable hacer la medición varias veces para que

estadísticamente sea lo suficientemente fiable como para
Gráfico: Desviación estándar
calcular la desviación estándar. Estos tipos de componentes

de incertidumbre que se obtienen calculando la desviación
estándar se denominan incertidumbre de tipo A.
Es posible que en la práctica no sea posible repetir siempre

la misma medición diez veces, pero aun así se debería
experimentar con el proceso de medición haciendo varias
repeticiones.
Esto indicará cuál es la desviación estándar de todo ese

proceso de medición y permitirá usar este conocimiento en
el futuro como un componente de incertidumbre
relacionado con esa medición, aunque solamente se haga la
medición una vez durante la calibración normal.
Imaginemos que se está haciendo una medición/calibración

de una temperatura varias veces y se descubre que podría
haber un ± 0,2 °C de diferencia entre las repeticiones. La
próxima vez que se realice la misma medición, aunque se
haga una sola vez, se sabrá que hay una posible diferencia
de ± 0,2 °C, de manera que se podría tener en cuenta y
evitar de esta forma que la medición se aproxime
demasiado al límite de aceptación.
De modo que, si se siguen calibrando instrumentos

similares una y otra vez, a menudo es suficiente hacer la
medición una sola vez y usar la desviación estándar
experimental. Por supuesto, se tienen que haber realizado
anteriormente las mediciones y los cálculos para averiguar
la desviación estándar de ese tipo de instrumento y ese
proceso de calibración.
En resumen, siempre hay que conocer la desviación

estándar del proceso de calibración, ya que es una parte de
la incertidumbre total.
El patrón de referencia (calibrador) y su

trazabilidad
Con frecuencia, una de las
mayores fuentes de
incertidumbre viene dada por el
patrón de referencia (o
calibrador) utilizado en las
mediciones/calibraciones.
Naturalmente, para empezar se
debería seleccionar un patrón de
referencia adecuado para cada
medición. También es
importante recordar que no es
suficiente con usar la
especificación de exactitud del
fabricante y seguir usándola
como la incertidumbre del
patrón de referencia durante
años. En lugar de eso, se deben
calibrar regularmente los
patrones de referencia en un
laboratorio de calibración que
esté suficientemente capacitado
(la incertidumbre sea
suficientemente pequeña) para calibrar el patrón y hacerlo

de manera acreditada. Se debe prestar atención a la
incertidumbre total de la calibración que el laboratorio haya
documentado para su patrón de referencia. Además,
deberíamos hacer un seguimiento de la estabilidad de los
patrones de referencia entre las calibraciones hechas
periódicamente. Después de un tiempo, se conocerá cuál es
la verdadera incertidumbre del patrón de referencia, y se
puede usar esa información como la incertidumbre para las
calibraciones.
Otras fuentes de incertidumbre

En la sección anterior se ha sugerido repetir la medición
varias veces. Pero ¿qué pasa si se pide a unas cuantas
personas que repitan esa misma medición? ¿Obtienen
todos los mismos resultados? Es frecuente que haya
diferencias entre las personas que realizan las mediciones.
Así que ¿significa esto que la persona que hace
la medición también tiene algún efecto en la incertidumbre?
– Sí, lo tiene. Esto es especialmente cierto si las
instrucciones no tienen un nivel adecuado.
¿Y qué pasa si se realiza la misma prueba y esta vez se

utiliza un tipo diferente de patrón de referencia (calibrador)
para hacer la medición? De nuevo, lo más probable es que
se encuentren diferencias. Y si los patrones de referencia
tienen diferentes niveles de exactitud (incertidumbre) es

posible que incluso se observen diferencias relativamente
grandes. Es frecuente que el patrón de referencia (o
calibrador) que se usa para hacer la medición pueda ser
¡una de las mayores fuentes de incertidumbre!
En determinadas calibraciones, las diferentes condiciones

ambientales pueden añadir más incertidumbre. Si es
necesario realizar la lectura en algún tipo de dispositivo
analógico (indicador analógico, medidor de temperatura), la
legibilidad es limitada, es decir, solo se puede leer con una
exactitud determinada y hay una posibilidad de que se lea
incorrectamente (ángulo de visión incorrecto o error de
paralaje), lo que añade incertidumbre. En el caso de las
lecturas digitales, la resolución (número de decimales)
siempre es limitada, lo que también causa incertidumbre.
Hay diferentes aspectos técnicos en el proceso de

calibración, las aplicaciones y las variables que crean
incertidumbres adicionales. Por ejemplo, en la calibración
de temperatura es imprescindible esperar lo suficiente
como para que la temperatura se estabilice y asegurarse de
que la sonda esté correctamente insertada en el bloque de
temperatura; en la calibración de caudal es necesario
asegurarse de que el caudal esté estable; en la calibración
de la presión se deben evitar las fugas y tener una presión
estable, etc. Generalmente, las fluctuaciones o los cambios
en la variable que se va a medir causan una incertidumbre
adicional. También hay algunas variables aleatorias que
añaden algo mas de incertidumbre. Además, la desviación
estándar experimental que se ha mencionado
anteriormente puede ser usada como un componente de

incertidumbre. Estos componentes adicionales de
incertidumbre se pueden resuminir de la siguiente forma:
• Dispositivo sometido a prueba (DUT)

• Patrón de referencia (calibrador)
• Método/proceso para realizar las mediciones/calibraciones
• Condiciones ambientales
• La persona o personas que realizan las mediciones
• Componentes de incertidumbre adicionales que dependen
de la magnitud que se está midiendo/calibrando
Todos estos componentes de incertidumbre reciben el

nombre de incertidumbre de tipo B.
La suma de las incertidumbres =>

incertidumbre combinada
La incertidumbre de tipo A (desviación estándar) es algo que
se puede calcular, pero a menudo es necesario hacer una
estimación de algunos de los distintos tipos de
incertidumbres de tipo B. Una vez se ha calculado la
desviación estándar, y se ha hecho una estimación de los
diversos tipos de incertidumbres de tipo B, llega la hora de
sumarlos. Antes hay que asegurarse que todas las
incertidumbres se encuentran en la misma
cantidad/unidad. Además, las incertidumbres deben tener
el mismo factor de cobertura / nivel de confianza. Cuando
se suman componentes de incertidumbre que son

independientes entre sí, no se deben sumar directamente,
el resultado sería demasiado pesimista (peor escenario). En
lugar de ello, se deben sumar los componentes usando el
método de la raíz cuadrada de la suma de los cuadrados.
Esto significa que hay que elevar al cuadrado todos los
componentes, sumarlos y finalmente hacer la raíz cuadrada
de la suma total. Aunque se mencionaba que no se
incluirían fórmulas, quizá sea más fácil comprender esto
con una fórmula relativamente sencilla:
Incertidumbre total=
En la que cada “u” representa un componente de

incertidumbre independiente.
Factor de cobertura/nivel de confianza

Cuando se ha determinado la incertidumbre, normalmente
se multiplica por un factor de cobertura (k). La mayoría de
las veces la incertidumbre combinada se multiplica por 2
(k=2 ó 2 sigmas). Esta multiplicación se hace para tener un
mayor nivel de confianza del resultado. Cuando se usa un
factor de cobertura de 2, se consigue un nivel de confianza
del 95%. Esto se hace porque se manejan datos estadísticos

y según la distribución normal (gaussiana) el 95% de los
resultados se encuentran dentro del rango de los 2 sigmas.
De modo que en la práctica, utilizando los 2 sigmas, el 95%
de los resultados estarán dentro del objetivo de
incertidumbre
dado. Diferentes valores sigma proporcionan diferentes
niveles de confianza:
• 1 sigma (k=1)= nivel de confianza del 68%

(el 68% de los resultados están dentro)
• 2 sigmas (k=2)= nivel de confianza del 95%
• 3 sigmas (k=3)= nivel de confianza del 99,7%
Distribución normal (gaussiana)
Cuando se sumen diferentes componentes de

incertidumbre, hay que asegurarse que todos tienen el
mismo valor sigma 1 antes de sumarlos.
Incertidumbre expandida
Antes de publicar la componente de incertidumbre
combinada, será necesario multiplicar el resultado por el
valor sigma seleccionado para obtener el nivel de confianza
requerido. Después de hacer la multiplicación, lo que se
obtiene es la incertidumbre expandida, es decir, la
incertidumbre con un nivel de confianza determinado
incluido.
Cómo expresar la incertidumbre en los

resultados o en un certificado de
calibración
En los resultados de calibración, se deberá expresar la
incertidumbre como un valor ± mencionando también el
factor de cobertura/nivel de confianza. Por ejemplo, se
puede decir que la temperatura es: 20,5 °C con una
incertidumbre de ± 0,1 °C (k=2).
Declaración de conformidad – aceptada o

no aceptada
En la mayoría de las ocasiones la calibración de un
instrumento incluye un criterio de aceptación, es decir, hay
límites dentro de los cuales se considera que el resultado
está aceptado y fuera de los cuales se considera no
aceptado. Hay varias interpretaciones sobre si la
incertidumbre se debe tener en cuenta a la hora de decidir
un aceptado / no aceptado, y en caso afirmativo, de cómo
hacerlo.
A continuación se detallan algunos ejemplos para estudiar

diferentes casos. En la siguiente imagen, la forma de
diamante ilustra el resultado de la medición y las líneas
inferior y superior del resultado indican la incertidumbre
total de dicha medición.
• Caso 1: Aquí está bastante claro que la medida se

encuentra dentro de los límites de tolerancia, incluso
cuando se tiene en cuenta la incertidumbre. De modo que
podemos decir que es un resultado bueno o “aceptado”.
• Caso 4: Este caso también está bastante claro. El resultado

se encuentra fuera de los límites de tolerancia, incluso
cuando se tiene en cuenta la incertidumbre. De modo que
podemos decir que es un resultado malo o “no aceptado”.
• Caso 2 y Caso 3: Estos casos son un poco más difíciles de

juzgar. Desde luego parece que en el caso 2 el resultado
está dentro de la tolerancia, mientras que en el caso 3 está
fuera, especialmente si no se tiene en cuenta la
incertidumbre. Pero si se tiene en cuenta la incertidumbre,
realmente no podemos decirlo con total confianza.
Hay normativas (por ejemplo, el documento ILAC G8:1996 -

Guía para la evaluación y el informe de la conformidad con
las especificaciones; Guía EURACHEM / CITAC: Empleo de la
información sobre la incertidumbre en la evaluación de
conformidad, primera edición 2007) sobre cómo expresar la
conformidad de la calibración. En estas guías se sugiere que
se declare que el resultado está aceptado solo cuando el
error añadiendo la incertidumbre sea inferior al límite de
aceptación. Además, también sugieren que se declare no
aceptada solo cuando el error incluyendo la incertidumbre
sea mayor que el límite de aceptación. Cuando el resultado
está más cerca del límite de aceptación que la mitad de la
incertidumbre, se sugiere llamarlo resultado “indefinido”, es

decir, no se debe decir ni aprobado ni no aprobado.
En la mayoría de los casos se interpreta la incertidumbre y

la decisión de aceptada o no aceptada de muchas formas
diferentes. En la práctica, la mayoría de las veces la
incertidumbre no se tiene en cuenta en la decisión de
aceptar o no aceptar la calibración, pero de todas formas es
muy importante conocer la incertidumbre a la hora de
tomar la decisión.
Ejemplos de incertidumbre
En los siguientes gráficos hay algunos ejemplos de lo que
puede significar tener incertidumbres diferentes en la
práctica.
Los casos 1 y 2 tienen el mismo resultado de medición, de

modo que sin la incertidumbre se consideraría que ambas
mediciones son del mismo nivel. Pero cuando se tiene en
cuenta la incertidumbre, se puede ver que el caso 1 es
realmente malo, porque la incertidumbre es demasiado
grande para ser usada en esta medición con los límites de
tolerancia dados.
Mirando los casos 3 y 4, parece que el caso 3 es mejor, pero

con la incertidumbre se puede ver que no es lo
suficientemente bueno como para declararlo aceptado,
mientras que el caso 4 sí lo es.
De nuevo se hace hincapié en que se debe conocer la

incertidumbre antes de juzgar el resultado de una medida.
Sin el cálculo de incertidumbre, los casos anteriores 1 y 2

parecen similares, pero teniendo en cuenta la
incertidumbre son muy diferentes.
Un ejemplo real
A continuación se puede ver un ejemplo real en el que el
mismo transmisor de temperatura RTD se ha calibrado con
dos calibradores diferentes. Estos gráficos se han elaborado
con el software de gestión de calibraciones Beamex CMX. Se
puede ver fácilmente que en el primer caso los resultados
son muy buenos y que además la línea de incertidumbre
vertical de color verde es muy corta, lo que indica una
incertidumbre muy pequeña. En el segundo caso se puede
ver que el resultado es un poco peor al igual que la

incertidumbre de ese calibrador.
No hace falta decir que el primer caso se ha realizado con

un calibrador Beamex… ;-)
En cualquier caso, cuando la incertidumbre está

representada gráficamente resulta muy fácil entender el
significado que tiene.
Relación TUR/TAR frente al cálculo de

incertidumbre
La TUR (relación de incertidumbres), o la TAR (relación de
exactitud), se mencionan con frecuencia en diversas

publicaciones. En resumen esto significa que si hay que
calibrar un instrumento de 1% y es necesario tener una
relación de 4:1, el equipo de comprobación debe ser 4 veces
más exacto, es decir, tener un 0,25% de exactitud o
superior. Algunas publicaciones sugieren que si se tiene una
relación TUR/TAR suficientemente grande, no es necesario
preocuparse por la estimación del cálculo de la
incertidumbre. La relación más usada es 4:1. Algunas
guías/publicaciones también hacen recomendaciones para
esta relación.
La mayoría de las veces la relación se usa como en el

ejemplo anterior, es decir, solo para comparar las
especificaciones del DUT (device under test - dispositivo
sometido a prueba) con las especificaciones del fabricante
del patrón de referencia. Pero en esa situación solo se
consideran las especificaciones del patrón de referencia
(equipo de prueba, calibrador) y se ignoran el resto de
incertidumbres asociadas. Mientras que esto puede ser
“suficientemente bueno” para algunas calibraciones, este
sistema no tiene en cuenta algunas de las mayores fuentes
de incertidumbre. De modo que se recomienda
encarecidamente realizar la evaluación del cálculo de
incertidumbre de todo el proceso de calibración.
Otra pregunta que surge a menudo es: “¿Cuántas veces más

exacto debe ser el calibrador en comparación con el
dispositivo que se va a calibrar?”. Aunque se pueden hacer
algunas sugerencias, en realidad no hay una respuesta
correcta a esa pregunta. En lugar de ello, hay que conocer la
incertidumbre total de las calibraciones. Y desde luego,

deberían satisfacer las necesidades.

Blog Beamex

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Blog Beamex

Cargado por

Copyright:

Formatos disponibles

Incertidumbre de la calibración para no matemáticos Página 1 de 19

Ejemplo clásico del “trozo de cuerda”

Es más que probable que los resultados sean ligeramente

• La primera persona indica que mide unos 60 cm. Ha

• La segunda persona indica que mide 70 cm. Ha utilizado

• La tercera persona indica que mide 67,5 cm, con una

Este simple ejemplo muestra que hay muchas cosas que

empleado y la forma en la que la persona ha realizado la

De modo que la pregunta que deberíamos formularnos es:

¿Qué tipo de “reglas” son usadas en una instalación y cuáles

Breve guía de términos empleados

¿Qué es la incertidumbre de una medida? Simplemente se

Es importante tener en cuenta que error no es lo mismo

estas dos mediciones. Pero el error no significa nada si

Así que se debería decir lo siguiente: Si se desconoce la

Es frecuente que cuando realizamos una medición de

Pero como se desconocía o no se había contemplado la

De hacer una única medición a conocer la

Lo primero es realizar varias repeticiones de las mediciones

diferencias entre las mediciones de las distintas

Sin entrar en profundidad en la estadística, se puede decir

Es recomendable hacer la medición varias veces para que

Gráfico: Desviación estándar

calcular la desviación estándar. Estos tipos de componentes

Es posible que en la práctica no sea posible repetir siempre

Esto indicará cuál es la desviación estándar de todo ese

Imaginemos que se está haciendo una medición/calibración

De modo que, si se siguen calibrando instrumentos

En resumen, siempre hay que conocer la desviación

El patrón de referencia (calibrador) y su

suficientemente pequeña) para calibrar el patrón y hacerlo

Otras fuentes de incertidumbre

¿Y qué pasa si se realiza la misma prueba y esta vez se

tienen diferentes niveles de exactitud (incertidumbre) es

En determinadas calibraciones, las diferentes condiciones

Hay diferentes aspectos técnicos en el proceso de

anteriormente puede ser usada como un componente de

• Dispositivo sometido a prueba (DUT)

Todos estos componentes de incertidumbre reciben el

La suma de las incertidumbres =>

se suman componentes de incertidumbre que son

En la que cada “u” representa un componente de

Factor de cobertura/nivel de confianza

del 95%. Esto se hace porque se manejan datos estadísticos

• 1 sigma (k=1)= nivel de confianza del 68%

Distribución normal (gaussiana)

Cuando se sumen diferentes componentes de

Cómo expresar la incertidumbre en los

Declaración de conformidad – aceptada o

A continuación se detallan algunos ejemplos para estudiar

• Caso 1: Aquí está bastante claro que la medida se

• Caso 4: Este caso también está bastante claro. El resultado

• Caso 2 y Caso 3: Estos casos son un poco más difíciles de

Hay normativas (por ejemplo, el documento ILAC G8:1996 -

incertidumbre, se sugiere llamarlo resultado “indefinido”, es

En la mayoría de los casos se interpreta la incertidumbre y

Los casos 1 y 2 tienen el mismo resultado de medición, de

Mirando los casos 3 y 4, parece que el caso 3 es mejor, pero

De nuevo se hace hincapié en que se debe conocer la

Sin el cálculo de incertidumbre, los casos anteriores 1 y 2

ver que el resultado es un poco peor al igual que la

No hace falta decir que el primer caso se ha realizado con

En cualquier caso, cuando la incertidumbre está