Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A los efectos de cuantificar la incertidumbre del resultado de una medición se debería resolver
numéricamente la Expresión general de la incertidumbre combinada, planteada en el capítulo
anterior. Es decir, se deberán cuantificar cada uno de los términos (llamados incertidumbres típicas
o incertidumbres standard del Resultado debido a cada factor de influencia), combinarlos
cuadráticamente y expandirlos mediante el factor de cobertura (en general k=2).
Antes de acometer estas tareas, cuestión que llevada al extremo resulta materialmente imposible,
se debe introducir el concepto de Repetibilidad o Precisión de Medida
Las condiciones de repetibilidad implican el mismo procedimiento, el mismo operador, las mismas
condiciones operativas, una duración de la serie de mediciones lo más corta posible (idealmente
instantánea). Es decir, se debería mantener constante todo aquel factor sistemático que pudiera
afectar la medición.
Este valor (Sexp) representa el aporte de un cierto número de factores, todos ellos muy pequeños,
que al combinarse manifiestan una influencia de tipo aleatoria. Es decir, el resultado combinado de
todos estos pequeños factores alterara el resultado haciéndolo variar aleatoriamente. Por lo tanto a
veces contribuirán sumando, a veces restando; sin una constancia en el sigo de su aporte y siguiendo
una distribución de frecuencias en principio normal y caracterizada por Sexp.
A los fines didácticos denominaremos a los factores de influencia, cuya contribución conjunta
presenta una variación de característica aleatoria del resultado, como factores Aleatorios. Esta es
una denominación exclusivamente con fines pedagógicos ya que no necesitaremos tratar
individualmente los mismos ni identificarlos, solamente cuantificar su influencia conjunta en lo que
designamos Sexp.
√
U = k . (δR/δa . Sa)2+(δR/δb . Sb)2+(δR/δc . Sc)2+… (δR/δx . Sx)2+(δR/δy . Sy)2+(δR/δz . Sz)2+…
O finalmente, de la forma
Las evaluaciones tipo A se realizan con herramientas o recursos estadísticos y las evaluaciones tipo B
con otro tipo de recursos (analíticos).
Las evaluaciones tipo A están destinadas a factores de comportamiento aleatorio, por lo que en el
caso de las mediciones físicas esto se resume en la Sexp o repetibilidad.
Todas las demás fuentes o factores de incertidumbre se evaluarán con recursos analíticos basados
en el conocimiento individual de cada factor, su forma de influir en el resultado y la incertidumbre
propia que sobre la variable o factor se tiene.
En el estudio del proceso de medición y del sistema de medición deben incluirse todos los factores
inherentes a los equipos de medición, su instalación, las condiciones ambientales y el procesamiento
de los resultados.
La correcta y completa determinación de los factores de influencia, es decir de aquellos significativos
en tanto alteran apreciablemente el resultado de medición, dependen de una consistente búsqueda
bibliográfica y de la experiencia y formación de quien la realiza.
NOTA:
Decimos que dos resultados de mediciones independientes de una misma magnitud particular son
compatibles si se superponen sus incertidumbres.
Los Coeficientes de sensibilidad inherentes a cada variable o factor de influencia sistemático pueden
determinarse por distintos métodos:
1) Analíticamente
2) Empíricamente
Analíticamente:
En el primer caso será necesario contar con la función matemática o modelo matemático que
describe la medición y que por ende relaciona la variable con el resultado y proceder a obtener su
derivada parcial respecto de dicha variable. Se destaca aquí que si bien lo imprescindible seria en
principio contar con la derivada de la función (y no con la función propiamente dicha) siempre es
imprescindible poseer una profunda comprensión de la totalidad de los aspectos físicos involucrados
en la medición y presentes en su modelización matemática y en ningún caso aplicar ecuaciones
indiscriminadamente para la descripción de la función (o su derivada) sin haber validado
convenientemente que las mismas describen de manera completa y correcta la medición.
Es factible desarrollar ese modelo matemático o tomar de las fuentes bibliográficas modelos
preexistentes y aplicarlos a la medición en cuestión. En ambos casos deberá validarse que el modelo
es correcto y completo para el caso particular de aplicación.
NOTA: Dado que se encontrará en la bibliografía disponible una gran cantidad de ejemplos resueltos,
los que en general inician el tratamiento con una compleja formula que describe el modelo
matemático asociado a la medición, deben analizarse muy cuidadosamente a fin de validar su
aplicabilidad antes de proseguir el desarrollo.
Este caso se desarrollará con todo detalle en la práctica de la asignatura, donde se compararán los
resultados de la aplicación de esta metodología de estimación con otras alternativas más fácilmente
abordables y que garantizan su adecuación especifica.
Se expone aquí este documento, solamente a fin de graficar las características de la metodología y
no el caso en particular.
Se observa en el desarrollo la ausencia de un factor clave para el análisis que es el aporte por
incertidumbre de enrase. El mismo estaría en principio compensado por la metodologia de la
calibración en el caso del CENAM (por lo que el autor no lo incluye) pero si se encuentra presente en
la mayoría de las calibraciones convencionales de matraces.
Si se tomara esta referencia sin hacer esa modificación se incurriría en una grave falencia.
Esta metodología se empleará entonces cuando el modelo matemático haya sido generado
específicamente el metrologo a partir de un conocimiento completo y profundo de los aspectos
físicos y tecnológicos involucrados en la medición o cuando se pueda demostrar (validar) que el
desarrollo ya existente se adecua cabalmente a la medición especifica que se está desarrollando. En
ambos casos resulta imprescindible contar con evidencia objetiva que valide dichas aseveraciones.
Empíricamente:
Existen casos en los que una modelización matemática resulta inviable. La complejidad del
fenómeno y la carencia de conocimientos teóricos específicos (o un grado incompleto de los
mismos) impiden la resolución analítica del problema.
Se trata entonces de una variable, dentro de un conjunto de otras que eventualmente si pueden
tratarse analíticamente, que requerirá de un desarrollo experimental para determinar su influencia
en el resultado
Por ejemplo:
No existe un modelo matemático basado en consideraciones analíticas que permita representar este
efecto como una función. Por lo que debe intentarse obtener dicha relación a través del desarrollo
experimental.
Repitiendo ensayos a distintas velocidades es factible obtener por regresión lineal la pendiente de la
recta que equivale a la variación del resultado en función de la velocidad de aplicación de la carga.
La enorme dificultad de esta metodología radica en que la una variable que debe modificarse para
cada una de las mediciones es la que está en estudio. Las demás variables o factores de influencia
deberían mantenerse constantes durante todo el desarrollo del experimento, porque en caso
contrario las diferencias entre cada resultado no se deberían exclusivamente a la variable en estudio
sino a una combinación de desvíos.
Es decir, las varianzas de los factores de influencia deberán ser despreciables frente a la variación del
factor en estudio. Esto, en la mayoría de los casos, es muy difícil de lograr en la práctica.
Por ejemplo, en el caso del ensayo de tracción deberíamos romper siempre la misma probeta
(obviamente imposible), con idéntico comportamiento de la celda de carga, de la temperatura,
alineación con respecto a la máquina de ensayo, etc. Esto es imposible, y aun aproximarse a esa
situación ideal resulta muy dificultoso.
x, y, z, …
Resta establecer las desviaciones standard de cada variable a fin de estimar las variaciones estándar
o incertidumbres típicas del resultado respecto de las mismas
ux = δR/δx . Sx
Para ello se debe analizar la información disponible respecto de cada variable. Es decir, como se
expresa la información sobra la variabilidad del factor de influencia.
Esta información puede recibirse como un intervalo de variación sin un valor más probable, como el
resultado de una medición o como un intervalo pero con un valor central mas probable.
Tal como se estableció en el capítulo anterior nos enfocaremos entonces en tres tipos de
distribución probabilística para las mismas: rectangular, normal y triangular.
1. Distribución Rectangular:
1.1 Resolución en equipos digitales (también llamado error de redondeo), en este caso una balanza
de indicación digital d=1g aporta una incertidumbre por resolución de lectura de:
ures = (d/2) / √3 = 0,5 g / √3 Incertidumbre standard por Resolución (lectura digital)
Puede verse adicionalmente que en la lectura “0” del equipo ocurre lo mismo. Considerando que
para obtener un resultado se debe leer el cero previamente, la incertidumbre total por resolución
aparecerá dos veces
1.2 Valor de una pesa de 20 kg M1 verificada (EMT = ± 1g)
1.3 Temperatura de una pieza si solamente se solamente se conoce que está en el rango 20°C ± 2°C
De la calibración del instrumento se obtienen los desvíos de Indicación (muchas veces informados
como errores), los cuales se determinaron en cada caso con la correspondiente incertidumbre de
calibración. Cada uno de los desvíos d1, d2…d8 se grafican con su incertidumbre (rectángulos grises)
No se efectúan correcciones a partir de esos desvíos. Se establece un entorno que los contiene a
todos (rectángulo celeste) de semiamplitud “a”. Se considera que el desvío en cualquier punto del
rango no será mayor al valor de “a”. Se introduce una incertidumbre por desvíos no corregidos,
usualmente llamada de linealidad, igual a:
Se observa adicionalmente que para el caso de desvíos de linealidad crecientes a lo largo del rango
suele usarse muy frecuentemente un entorno de amplitud no constante sino escalonado o
linealmente creciente (trapezoidal).
La incertidumbre por linealidad no será entonces constante sino crecerá a con el aumento del valor
Indicado (Indicación del Instrumento = I )
2.1 Temperatura de una pieza si la misma fue medida y resulta 20°C ± 2°C (U expresada con k=2)
2.2 Valor de una pesa de 20 kg M1 si se obtiene de su calibración como R = 20.000,7 g ± 0,2 g siendo
0,2 g la incertidumbre de calibración expresada con k=2.
2.3 Diámetro de una probeta de tracción resultante de una medición D = 12,08 ± 0,02 mm
3. Distribución Triangular:
3.2 Incertidumbre por inestabilidad temporal del mesurando. Cuando se adopta el valor promedio
de un parámetro a calculado a partir de su valor inicial y final. Este valor promedio caracteriza con
mayor exactitud la propiedad durante ese lapso y por lo tanto se adopta el valor como central de
una distribución triangular.
NOTA: Cabe destacar que la incertidumbre de las mediciones iniciales y finales debería ser de un
orden de magnitud inferior al de la inestabilidad temporal ya que en caso contrario no resulta
factible atribuir la variación a un cambio temporal sino a la propia incertidumbre de cada medición.