Documente Academic
Documente Profesional
Documente Cultură
• Definición
• Metrología legal
• Metrología Industrial
• Metrología científica
• Método de medición
2. CONCEPTOS DE METROLOÍA
CONCEPTOS DE MEDICIÓN
• Medición • Calibración
• Mensurando • Trazabilidad Metrológica
• Principio de medición • Verificación
• Método de medición • Validación
• Procedimiento de medición • Compatibilidad metrológica de resultados
• Resultado de medida de medida
• Valor verdadero de una magnitud • Magnitud de influencia
• Valor verdadero convencional • Corrección
• Exactitud de medición
• Veracidad de medición
• Precisión de medición
• Incertidumbre de medición
3. Sistema si
• Definición
• Cifra significativa y medición con instrumento análogo
• Cifra significativa y medición con instrumento digital
• Cifra significativa y calibración
• Reglas
5. Conceptos de estadística
4. Fundamentos de estadística y probabilidad
• Términos y definiciones
• Requisitos generales
• Responsabilidad de la dirección
• Gestión de los recursos
• Confirmación metrológica
8. Requerimientos metrológicos de ISO
9001
• ISO 9001
• ISO 14001
• HACCP
• TS 16949
• ISO 17025
9. Aplicaciones
• Metrología dimensional
• Masas y balanzas
• Temperatura
• Presión
¿Qué es metrología?
• La metrología es la
ciencia de las
mediciones
Clasificación de la metrología
METROLOGÍA
Metrología Metrología
física Legal
Metrología
Industrial
Metrología Metrología
química científica
Metrología Metrología
física Legal
Metrología
Industrial
Metrología Metrología
química científica
Metrología Metrología
física Legal
Metrología
Industrial
Metrología Metrología
química científica
Metrología Metrología
física Legal
Metrología
Industrial
Metrología Metrología
química científica
Metrología Metrología
física Legal
Metrología
Industrial
Metrología Metrología
química científica
• Método de medición
• Procedimiento de medición
• Mesurando
• Principio de medición
• Método de medición
• Procedimiento de medición
Proceso que consiste en obtener experimentalmente uno o varios valores que pueden
atribuirse razonablemente a una magnitud
Conceptos de metrología
• Magnitud La especificación de un
mensurando requiere el
• Medición conocimiento de la naturaleza de la
magnitud
• Mesurando
• Principio de medición
• Método de medición
• Procedimiento de medición
• Medición
• Mesurando
• Principio de medición
• Método de medición
• Procedimiento de medición
• Mesurando
• Principio de medición
• Método de medición
• Procedimiento de medición
• Principio de medición
• Método de medición
• Procedimiento de medición
• Exactitud de medición
• Veracidad de medición
• Precisión de medición
• Veracidad de medición
• Precisión de medición
• Exactitud de medición
• Veracidad de medición
• Precisión de medición
• Veracidad de medición
• Precisión de medición
• Exactitud de medición
• Veracidad de medición
• Precisión de medición
• Veracidad de medición
• Precisión de medición
• Validación
• Calibración
• Trazabilidad metrológica
• Verificación
• Validación
• Calibración
• Trazabilidad metrológica
• Verificación
• Validación
Operación que bajo condiciones especificadas establece, en una primera etapa, una
relación entre los valores y sus incertidumbre de medida asociadas obtenidas a partir
de los patrones de medida y las correspondientes indicaciones con sus incertidumbre
asociadas y, en una segunda etapa, utiliza esta información para establecer una
relación que permita obtener un resultado de medida a partir de una indicación
Conceptos de metrología
Puede expresarse mediante una declaración,
• Error de medición una función de calibración, un diagrama de
calibración, una curva de calibración
• Incertidumbre de medición
• Calibración
• Trazabilidad metrológica
• Verificación
• Validación
• Trazabilidad metrológica
• Verificación
• Validación
• Incertidumbre de medición
• Calibración
• Trazabilidad metrológica
• Verificación
• Validación
Verificación de que los requisitos especificados son adecuados para un uso previsto
Conceptos de metrología
• Compatibilidad metrológica Sustituye al concepto de “estar dentro del
error”, pues representa el criterio para decidir si
• Magnitud de influencia dos resultados de medida se refieren o no al
mismo mensurando. Si en un conjunto de
• Corrección mediciones de un mensurando, supuesto
constante, un resultado de medida no es
• Ajuste compatible con los otros, o bien la medición no
fue correcta o bien la magnitud medida varió
entre medidas
• Ajuste
Magnitud que en una medición directa, no afecta a la magnitud que realmente se esta
midiendo, pero si afecta a la relación entre la indicación y el resultado de medida
Conceptos de metrología
• Compatibilidad metrológica La compensación puede ser la adición de un
valor o la multiplicación por un factor
• Magnitud de influencia
• Corrección
• Ajuste
• Corrección
• Ajuste
El CIPM está formado por dieciocho miembros, cada uno de un Estado distinto; en
la actualidad se reúnen todos los años. Los miembros del Comité envían a los
Gobiernos de los Estados miembros de la Convención del Metro un informe anual
sobre la situación administrativa y financiera del BIPM. La misión principal del
Comité es asegurar la uniformidad mundial de las unidades de medida, ya sea
actuando directamente o presentando propuestas a la Conferencia General
BIPM
La Oficina Internacional de Pesas y Medidas (BIPM) fue creada por la
Convención del Metro, firmada en París el 20 de mayo de 1875 por
diecisiete Estados, en la última sesión de la Conferencia Diplomática. Esta
Convención fue modificada en 1921
El BIPM tiene su sede cerca de París, en los terrenos (43 520 m2) del
Pabellón de Breteuil (Parque de Saint-Cloud), puesto a su disposición por
el Gobierno Francés; su mantenimiento se financia conjuntamente por los
Estados Miembros de la Convención del Metro
La misión del BIPM es asegurar la unificación mundial de las medidas;
por lo tanto se encarga de:
• establecer los patrones fundamentales y las escalas para la medida de
las principales magnitudes físicas y conservar los prototipos
internacionales;
• llevar a cabo comparaciones de los patrones nacionales e
internacionales;
• asegurar la coordinación de las técnicas de medida correspondientes;
• efectuar y coordinar las mediciones de las constantes físicas
fundamentales relevantes en las actividades precedentes.
BIPM
longitud l, x, r, etc. L
masa m M
t T
tiempo, duración
intensidad de corriente
I, i I
eléctrica
temperatura termodinámica T Θ
cantidad de sustancia n N
intensidad luminosa Iv J
Prefijos SI
Una excepción, adoptada por la 16ª CGPM (1979, Resolución 6), es que se
permite el uso de la letra L en mayúscula o l en minúscula como símbolos del
litro, a fin de evitar la confusión entre la cifra 1 (uno) y la letra l (ele).
Las cifras significativas de un número son aquellas que tienen significado real y
por lo tanto aportan alguna información útil
Cifras significativas
Cifra significativa y medición con instrumento
análogo
Todos los números asociados con la medición de magnitud física deben tener
dígitos significativos correspondientes a la precisión del instrumento de medida
Es vital entender que la exactitud del patrón de referencia debe ser mejor que
el instrumento bajo calibración. ¡Cuánto mejor? La respuesta está relacionada
con costo y exactitud requerida. Se recomienda, que la exatitud
predeterminada debe estar entre cuatro y diez (NIST) o de tres a diez
(INMETRO) veces mejor que la exactitud del aparato bajo calibración
Regla 2
Todos los ceros entre dígitos significativos son significativos.
Ejemplo: 2,054; cuatro cifras significativas
Regla 3
Los ceros a la izquierda del primer dígito que no es cero, sirven sólo para fijar la
posición de la coma decimal y no son significativos.
Ejemplo: 0,054; dos cifras significativas
Cifras significativas
Regla 4
En un número con dígitos decimales, los ceros finales a la derecha de la coma
decimal son significativos
Ejemplo: 0,0540; tres cifras significativas
Regla 5
Si un número no tiene coma decimal y termina con uno o más cero; dicho
ceros pueden ser o no significativos. En este caso se requiere información
adicional. Para evitar confusiones se expresa en notación científica. Si se le
coloca coma al final indican que son significativos.
Ejemplo
1200 ; dos cifras significativas
1200, ; cuatro cifras significativas
Cifras significativas
Regla 6
En una suma o resta el numero de dígitos del resultado está determinado por
las posición del menor dígito común a todos los números que se suman o se
restan .
Ejemplo: 4,3+0,030+7,31=11,64≈11,6; 34,6+17,8+15=67,4≈67
Regla 7
En un producto o división el resultado debe redondearse de manera que
contenga el mismo número de dígitos significativos que el número origen que
posea menor número de dígitos significativos
Ejemplo: 24*4,52/100,0≈1,1; 24*4,02/100,0≈0,96
Conceptos de estadística
Estadística para metrología
• Cálculo de probabilidades
• La estadística
• Cálculo de probabilidades
• La estadística
• Análisis de muestras
• Prueba de hipótesis
• Medición de relaciones
• Predicción
• Descripción de datos
• Análisis de muestras
• Prueba de hipótesis
• Medición de relaciones
• Predicción
Es frecuente que por razones técnicas o económicas no es posible estudiar todos los
elementos de una población. En tal caso se utiliza la estadística para elegir una
muestra representativa para hacer una inferencia respecto a la población
Algunos problemas que resuelve la
estadística
• Descripción de datos
• Análisis de muestras
• Prueba de hipótesis
• Medición de relaciones
• Predicción
• Descripción de datos
• Análisis de muestras
• Prueba de hipótesis
• Medición de relaciones
• Predicción
• Descripción de datos
• Análisis de muestras
• Prueba de hipótesis
• Medición de relaciones
• Predicción
Tipo de variables
No toman valores numéricos y describen cualidades, como por ejemplo clasificar una
pieza como aceptable o defectuosa.
La descripción estadística de datos
Descripción estadística de una variable
Tipo de variables
Tipo de variables
120
100
80
60 Series1
40
20
0
Torácica Huesos y Ojos, oidos, General Abdominal Urológico Proctológico Neurocirugía
articulaciones nariz y
garganta
Gráfica circular
Operaciones efectuadas en el hospital general en 2011
4% 4%
9%
13%
Torácica
20% Neurocirugía
23%
Tabla frecuencias
Muchas veces un conjunto grande de datos no presenta una imagen útil de los
mismos, en tales casos es necesario organizarlos y condensarlos de manera
manejable, mediante una tabla de frecuencia. Esta puede ser de:
• De datos no agrupados
• De datos agrupados
Tabla frecuencias no agrupada
Consideremos el siguiente conjunto de datos.
3 2 2 3 2 4 4 1 2 2
4 3 2 0 2 2 1 3 3 1
0 1 0,05 0,05 0 0
1 3 0,15 0,20 3 3
2 8 0,40 0,60 16 32
3 5 0,25 0,85 15 45
4 3 0,15 1,00 12 48
Suma 20 1,00 46 128
Gráfico de barras
Series2
4
0
0 1 2 3 4
Tabla de frecuencia agrupada
En una calle de Barranquilla se mide, usando un instrumento de medición de radar, la
velocidad de 55 vehículos
27 23 22 38 43 24 35 26 28 18 20
25 23 22 52 31 30 41 45 29 27 43
29 28 27 25 29 28 24 37 28 29 18
26 33 25 27 25 34 32 36 22 32 33
21 23 24 18 48 23 16 38 26 21 23
Tabla de frecuencia agrupada
Número Intervalo de Marca de Frecuencia Frecuencia Acumulada
intervalo clase clase fi relativa Fi X i fi X i2fi
Xi fri
1 [ 12-18 ) 15 1 0,018 0,018 15 225
n
xi
x
• Media aritmética o promedio
• Moda
• Rango
• Varianza
x x
n 2
• Rango
i
• Varianza
s 2
n 1 i 1
• Desviación estándar n 1
x x
• Rango n 2
• Varianza i
s i 1
• Desviación estándar
n 1
Mide la dispersión de los datos respecto al centro
Conceptos de estadística
Definición de probabilidad
n
P( A)
N
Variable aleatoria
Discreta
Continua
Distribuciones de probabilidades
La regla que expresa la relación existente entre los valores que puede
tomar la variable aleatoria y la probabilidad que le corresponde se
denomina LEY de Distribución de Probabilidades. La ley que gobierna la
distribución está caracterizada por una función matemática que en el
caso continuo se denomina función densidad de probabilidad
Conceptos estadísticos básicos
Variable discreta
Conceptos estadísticos básicos
a. f ( x) 0, x
b.
f ( x ) dx 1
b
c. P ( a x b) f ( x)dx
a
Conceptos estadísticos básicos
Distribución acumulada
x
F ( x) P( X x ) f (t )dt ; x
a. F(- ) = 0
b. F( ) = 1
x2
f ( x) ; 1 x 2
3
F ( x) x3 1
; 1 x 2
9
1; x2
2 1 1
P(0 x 1) F (1) F (0)
9 9 9
Conceptos estadísticos básicos
1 x
2
1 : media poblacional
f ( x, , ) e 2
: desviación estándar poblacional
2
X: Variable aleatoria
, son los parámetros de la
distribución
Acumulada normal x 1 t
2
1
P ( X x ) F ( x, , ) e
2
dt
2
Esta integral podría tabularse, pero sería una tarea muy engorrosa,
porque habría que hacerse para cada par de parámetros
Conceptos estadísticos básicos
X
La variable Z Z
F ( z ,0,1)
x
P( x ) P( )
= P(1 z 1)
= Fz (1,0,1) Fz (1,0,1)
= 0,6826 68, 26%
Ejemplo 2
P( 2 x 2 )
Ejemplo 3
P( 3 x 3 )
Ejemplo 4
Dada una distribución normal estandar, encuentre el área bajo la curva que está, a) a
la derecha de z=1,84, y b) entre z= -1,97 y z= 0,86
Ejemplo 5
Dada una distribución normal estandar, encuentre los valores de k de tal forma que P
(Z>k) = 0,3015
Ejemplo 6
Dada una distribución normal con μ=50 y =10, encuentre la probabilidad de que X
asuma un valor entre 45 y 62
Normalizando
45 50 62 50
z1 0,5 z2 1, 2
10 10
2,3 3
z 1, 4 P( X 2,3) P(Z 1,4)
0,5
Ejemplo 8
Una compañía fabrica focos cuya duración es normalmente distribuida con media igual
a 800 horas y una desviación estandar de 40 horas. Encuentre la probabilidad de que
un foco se funda entre las 778 y 834 horas de uso
Discreta
E ( X ) xf ( x)
x
Continua E (X) xf ( x)dx
Conceptos estadísticos básicos
La varianza de una variable aleatoria con distribución de probabilidad f(x) es:
Discreta
E[( X ) ] ( x ) f ( x)
2 2 2
V ( X ) E[(X ) 2 ]
Continua 2
2
( x ) f ( x)dx
2 V ( X ) E (X 2 ) 2
Conceptos estadísticos básicos
Distribución rectangular
f ( x)
x
1
; a x a
f ( x) 2a
0, para otro valor
a
1 x
a 2
1
xf ( x)dx xdx 0
2a a 2a 2 a
Conceptos estadísticos básicos
Distribución rectangular
f ( x)
x
a
1
2 V ( x) x 2 f ( x)dx x 2
dx
2a a
a
1 x 3
1 2a 3 a 2
2a 3 a 2a 3 3
a
u ( x)
3
Conceptos estadísticos básicos
f ( x)
x
( x a) / a 2 ; a x 0
f(x)=
(a x) / a 2 ; 0 x a
0; para otros valores de x
0
x 2
ax a
ax x dx
2
xf ( x)dx
a
a 2
dx
0
a2
x / 3 ax / 2
3 2 0
ax / 2 x / 3
2 3 a a3 / 3 a3 / 2 a3 / 2 a3 / 3
0
a 2
a 2
a2 a a2 0
Conceptos estadísticos básicos
f ( x)
x
2 V ( x) x 2 f ( x)dx
0
x 2
x a x a x
a 2
a
a 2
dx
0
a 2
dx
0 a
1 x ax 1 ax x
4 3 3 4
a2
2 2
a 4 3 a a 3 4 0 6
a
u ( x)
6
Conceptos estadísticos básicos
Método de mínimos cuadrados
Dado los siguientes pares de datos experimentales: (x1 , y1), (x2 , y2), (x3 , y3)…(xn , yn) a los
cuales se le ajustará una función lineal de la forma
x
Conceptos estadísticos básicos
Método de mínimos cuadrados
( yi y i ) i
S (a, b) i2 yi bxi a
2
i i
i
Conceptos estadísticos básicos
Método de mínimos cuadrados
S (a, b) i2 yi bxi a
2
i i
S S
0 y 0
a b
2
xi b xi a xi yi
i i i Sistema de dos ecuaciones lineales con
dos incógnitas
i b na yi
x
i i
Conceptos estadísticos básicos
Método de mínimos cuadrados
n xi yi xi yi
b i i i
2
n xi2 xi
i i
2
xi
y
i
xi
xi i
y
a i i i
2
i
2
n xi xi
i i
Conceptos estadísticos básicos
Varianzas de b y a
y y
2
y2 y2 i i
V b n
2
b 2
n
2 i
D y
n2
n xi2 xi
i i
2
D n xi2 xi
i i
y2 xi2
V a a2 i
D
Conceptos estadísticos básicos
Coeficiente de correlación entre a y b
y2 xi
Cov(a, b) i
2
n xi x
2
i i
Cov a, b x i
r a, b i
V (a) *V (b)
i
n x 2
i
Conceptos estadísticos básicos
Distribuciones muestrales
Con reemplazamiento
Sin reemplazamiento
Conceptos estadísticos básicos
Parámetro de la distribución
n
E ( x) n
i 1 n n
n
2 2 2
Var ( x) 2 n 2
i 1 n n n
x
n
Conceptos estadísticos básicos
Estimadores
Los parámetros poblacionales usualmente no se conocen, por lo tanto
se deben hacer estimaciones de los mismos
1 n
La media maestral x xi
n i 1
x x
2
n
i
Desviación estandar maestral sn 1
i 1 n 1
Conceptos estadísticos básicos
Teorema del límite central
P( Z Z Z ) 1
2 2
Reemplazando se obtiene X Z X Z
2 n 2 n
sn1 sn1
Cuando no se conoce , el intervalo viene dado por x t x t
2 n 2 n
Se emplea la distribución t en este caso
Análisis y estimación de la
incertidumbre de la medición
La creciente aplicación de los sistemas de gestión de calidad en los sectores industriales a nivel
mundial ha introducido la necesidad de evaluar la incertidumbre de medición. Esta necesidad ya
había sido planteada y bien reconocida a nivel científico, sin embargo hasta 1993 su aplicación no
era de ninguna manera aceptada en términos generales .
El documento de referencia para la estimación de incertidumbre es, desde 1993, la Guía para la
expresión de la incertidumbre en la medición [, también conocida como GUM, publicada por la ISO
en nombre de una lista que incluye importantes organizaciones internacionales, tales como:: la
Comisión Electrotécnica Internacional (IEC), la Federación Internacional de Química Clínica (IFCC),
la Organización Internacional de Normalización (ISO), la Organización Internacional, unión de
Química Pura y Aplicada (IUPAC), la Unión Internacional de Física Pura y Aplicada (IUPAP) y la
Organización Internacional de Metrología Legal (OIML). El GUM establece reglas precisas para
asignar la incertidumbre en un amplio rango de situaciones experimentales, y por lo tanto también
en el contexto industrial.
Análisis de incertidumbre
Definición
Y y U
Donde
• Un modelo físico
• Un modelo matemático
Modelo matemático
y f ( x1 , x2 , x3 ,..., xn )
Método de la GUM
• Incertidumbre expandida
• Factor de cobertura
Incertidumbre combinada
uc ( y )
Método de la GUM
• Incertidumbre expandida
• Factor de cobertura
u A ( x)
Incertidumbre tipo A incertidumbre
tipo B uB ( x)
Método de la GUM
• Incertidumbre expandida
• Factor de cobertura
U kuc ( y )
Método de la GUM
• Incertidumbre expandida
• Factor de cobertura
k
Definiciones
• Incertidumbre tipo A
sn 1
• Incertidumbre tipo B u A ( x)
• Incertidumbre expandida
n
• Factor de cobertura
r
u A ( x)
n
Es aquella que para ser
evaluada se requiere
aplicar
estadísticos
métodos
u A ( x) r
Definiciones
• Incertidumbre tipo A
• Incertidumbre tipo B
• Incertidumbre expandida
• Incertidumbre tipo A
• Incertidumbre tipo B
• Incertidumbre tipo A
• Incertidumbre tipo B
• Incertidumbre expandida
k
• Factor de cobertura
Modelo matemático
Y f ( X1 , X 2 , X 3 ,..., X n )
y f ( x1 , x2 , x3 ,..., xn )
y f ( x1 , x2 ,..., xn )
La función f no sólo expresa una ley física sino también un proceso de
medición y por eso debe contener todas las magnitudes que contribuyen
significativamente a la incertidumbre del resultado de la medición. Si se
hace un desarrollo en serie de Taylor de primer orden, alrededor de los
estimados de las magnitudes de entrada, se obtiene la ecuación que
relaciona las variaciones de Y, alrededor de los estimados y, producida por
pequeñas variaciones de las magnitudes de entrada:
n
f
(Y y ) ( X i xi )
i 1 xi
i 1 x
Desarrollando se tiene:
2
f f f
X i xi X j x j
n n n
(Y y )
2
( X i xi ) 2
2
i 1 xi i 1 i 1 xi x j
f
Coeficiente de sensibilidad
x i
Ley de propagación de las incertidumbres
Finalmente obtenemos
2
n
f n n
f f
u 2C ( y ) ( xi ) 2
u 2
u ( xi , x j )
i 1 xi i 1 i 1 xi x j
Coeficiente de sensibilidad f
x i
Ley de propagación de las incertidumbres
2
n
f 2
u C ( y)
2
u ( xi )
i 1 xi
uc ( y ) c u
i
2
i
2
( xi )
f
ci
Coeficiente de sensibilidad
x i
Formas sencillas para combina las incertidumbre
Caso 1
Para situaciones que suponen solo una suma o diferencia de magnitudes, por
ejemplo
y p q r ...
uc ( y ) u 2 ( p ) u 2 (q ) u 2 (r ) ...
Formas sencillas para combina las incertidumbre
Caso 2
y p q r ...
2 2
u ( p) u (q) u (r )
2
uc ( y ) y ...
p q r
Formas sencillas para combina las incertidumbre
Caso 3
y p / q r ...
2 2
u ( p) u (q) u (r )
2
uc ( y ) y ...
p q r
Formas sencillas para combina las incertidumbre
Caso 4
y p/q n
2 2
u ( p) 2 u (q)
uc ( y ) y n
p q
Incertidumbre y calibración de instrumentos
Muy a menudo los instrumentos de medición deben ser calibrados, sin embargo la
calibración se realiza en pocos puntos . La corrección se da en función de los
valores puntales del patrón utilizado, igualmente ocurre con la incertidumbre que
se da para esos puntos. Cuando se utiliza un instrumento en el campo, se registran
lecturas de la escala, que en general pueden no ser los mismos puntos en los que
se calibró el instrumento. El valor correcto se obtiene a partir de las correcciones
en los dos puntos calibrados más cercanos por manipulación lineal. En este
método sólo se considera un intervalo pequeño que contenga la lectura observada,
lo que puede no estar siempre justificado. Sin embargo, es aconsejable considerar
todos los puntos en los que se realiza la calibración. Por lo tanto, es necesario que
se proporcione una relación matemática entre la lectura del instrumento de
medición o la corrección y la indicación del patrón.
Incertidumbre y calibración de instrumentos
y a bx
y 2 y 2 y y
2 2
a b a b
y y
1 ; x
a b
u 2 ( y ) V (a ) V (b) * x 2* x V (a ) *V (b) * r (a, b)
u 2 ( y ) a2 x 2 * b2 2* x a2 * b2 * r (a, b)
x i Esta expresión nos permite estimar la
Donde r a, b i
incertidumbre de valores intrapolados
2
n x
i
Evaluación de la incertidumbre estandar tipo
B
El uso apropiado de la información disponible para una evaluación de
la incertidumbre estandar tipo B, exige un juicio basado en la
experiencia y en conocimientos generales. Es una destreza que puede
adquirirse con la práctica. Deben distinguirse los siguientes casos:
240 g
En este caso: u (ms ) uB (ms ) 80 g
3
x
uB
2 3
Proceso de estimación de la incertidumbre
de medición
1. Definir qué es lo que se mide
2. Identificar las fuentes de incertidumbre
3. Asociar a cada fuente una distribución
4. Estimar las incertidumbre estándar
5. Estimar la incertidumbre combinada
6. Estima la incertidumbre expandida
7. Expresar la expandida con dos cifras
significativas
y f ( x1 , x2 ,..., xn )
2
n
f 2
u c ( y)
2
u ( xi )
i 1 xi
1
n f 2
2
2
uc ( y ) u ( xi )
i 1 x
Ejemplo
l
T 2
g
4 2l
g 2 ; g g (l , T )
T
2 2
4 2
2
8 l 2
2
u ( g ) 2 u (l ) 3 u (T )
2
c
T T
Ejemplos
Características de la balanza
# de Resultado
medición obtenido
(g)
1 3001,01
2 3001,00
3 3001,02
4 3001,02
5 3001,00
Ejemplo
Evaluación
1 Modelo matemático
m1 m2 m3 m4 m5
Mm 3001, 01 g
5
2 Fuentes de incertidumbre
Repetibilidad de la balanza
Error máximo permitido
Resolución finita de la balanza
linealidad de la balanza
Ejemplo
Evaluación
1 Modelo matemático
m1 m2 m3 m4 m5
Mm 3001, 01 g
5
2 Fuentes de incertidumbre
Repetibilidad de la balanza
Error máximo tolerado
Resolución finita de la balanza
linealidad de la balanza
Ejemplo
Incertidumbre combinada
U k uc 1,96*0,018 g 0,035g
U k uc ( y)
1 4,442
2 4,473
3 4,478
4 4,473
5 4,474
Fuentes de incertidumbre
• Mensurado
• Resolución finita del micrómetro
• Error máximo permitido (EMP)
• Temperatura
Incertidumbre combinada
4
uc ( y) i i
c 2 2
i 1
u ( x ) c1
2 2
u ( x1 ) c2
2 2
u ( x2 ) c3
2 2
u ( x3 ) c 2 2
4 u ( x4 )
sn1 0, 01467991826 mm
Donde: u ( x1 ) ; c1 1
n 5
r 0, 001 mm
u ( x2 ) ; c2 1
2 3 2 3
Fuentes de incertidumbre
emp 0, 004 mm
u ( x3 ) ; c1 1
3 3
t 8 °C 1
u ( x4 ) ; c2 X =1,5x10-5 *4, 468 mm
3 3 C
2 2 2 2
0, 01467991826mm 0, 001mm 0, 004mm 5 1 8C
uc ( y )
1,5*10 *4, 468mm *
5 2 3 3 C 3
0, 006972265714mm
uc4
efec
Grados de libertad efectivos (ci u x ) 4
i
EJEMPLO2
Calibración de una pesa de valor nominal 10 kg, usando método ABBA
A 0,010
B 0,020
1 g 0,01 g
B 0,025
A 0,015
A 0,025
B 0,050
2 g 0,03 g
B 0,055
A 0,020
A 0,025
B 0,045
3 g 0,02 g
B 0,040
A 0,020
Método de doble sustitución (ABBA)
B A
0.0000 g
Método de doble sustitución (ABBA)
B A
9.9999 g
A 1 = 9.9999 g
B 1=
B 2=
A2=
Método de doble sustitución (ABBA)
B A
0.0000 g
A 1 = 9.9999 g
B 1=
B 2=
A2=
Método de doble sustitución (ABBA)
A B
10.0002 g
A 1 = 9.9999 g
B 1 = 10.0002 g
B 2=
A2=
Método de doble sustitución (ABBA)
B A
0.0000 g
A 1 = 9.9999 g
B 1 = 10.0002 g
B 2=
A2=
Método de doble sustitución (ABBA)
A B
10.0001 g
A 1 = 9.9999 g
B 1 = 10.0002 g
B 2 = 10.0001 g
A2=
Método de doble sustitución (ABBA)
B A
0.0000 g
A 1 = 9.9999 g
B 1 = 10.0002 g
B 2 = 10.0001 g
A2=
Método de doble sustitución (ABBA)
B A
10.0000 g
A 1 = 9.9999 g
B 1 = 10.0002 g d A1 B1 B2 A2 V V
a o A B
B 2 = 10.0001 g 2
A 2 = 10.0000 g
EJEMPLO2
Modelo matemático
mX mS mD m mC B
• Masa desconocida
• Masa patrón U 45 mg
u ( x1 ) 22,5 mg
• Deriva de la masa patrón k 2
• Diferencia entre patrón y masa de prueba
Modelo matemático
mX mS mD m mC B
• Masa desconocida
mD 15 mg
u ( x2 ) 8, 66 mg
• Masa patrón 3 3
• Deriva de la masa patrón
mX mS mD m mC B
m 0,01 g
u ( x3 ) 0,00577 g
• Masa desconocida 3 3
Ó
• Masa patrón
mX mS mD m mC B
• Masa desconocida
mC 10 mg
u ( x4 ) 5, 77 mg
• Masa patrón 3 3
• Deriva de la masa patrón
mX mS mD m mC B
La superficie del metal de alta pureza se trata con una mezcla de ácido
para eliminar cualquier contaminación de óxido. El método de limpieza es
proporcionado por el fabricante del metal, y es necesario llevarlo a cabo
para obtener la pureza indicada
Procedimiento
El objetivo básico de este paso es enumerar todas las fuentes de incertidumbre para
cada una de las magnitudes que afectan el valor medido del mensurando
Fuentes de incertidumbre
• Pureza
• Masa m
• Volumen
La pureza del metal (Cd) aparece en el certificado del proveedor como (99,99 ±
0,01)% P. Por lo tanto es 0,9999 ± 0,0001
Fuentes de incertidumbre
• Pureza • Repetibilidad
• Resolución digital de la balanza
• Masa m • Linealidad de la balanza
• Volumen
• Pureza
0, 0001
• Masa m u P
3
• Volumen
• Pureza
• Masa m
• Volumen
La incertidumbre asociada a la masa del cadmio se calcula utilizando los datos del
certificado de calibración y las recomendaciones del fabricante sobre la estimación
de la incertidumbre, como 0,05 mg. La estimación tiene en cuenta las tres
contribuciones mencionadas
Paso 3:Cuantificación de las componentes de
incertidumbre
• Pureza
• Masa m
• Volumen
• Calibración
• Repetibilidad 0,1 ml
• Temperatura
6
• Calibración
• Repetibilidad
• Temperatura 0, 02 ml
• Calibración
• Repetibilidad t 4 °C
cu (t ) V 100 mL 4 1041/ C
• Temperatura 3 3
De la ecuación
2 2 2
uc (cCd ) u (P) u (m) u (V )
cCd P m V
U 2uc y 2sR
Reglas para la estimación de l desviación estándar de
reproducibilidad
La guía técnica ISO/TS 19036 maneja el concepto de caja negra el cual deberá tener en
cuenta el mayor número posible de las fuentes de incertidumbre considerados en la
Figura . En particular, el laboratorio debe tener una comprensión de la distribución de
los microorganismos dentro de las matrices de prueba, con el fin de tenerlas en cuenta
para estimar la componente de incertidumbre del submuestreo
Reglas para la estimación de l desviación estándar de
reproducibilidad
• Para cada muestra, cada operador toma una porción de ensayo, y prepara a partir de
ésta una suspensión inicial la cual analiza una vez. Efectuar el análisis como en las
pruebas de rutina (por ejemplo, preparación de una serie de diluciones decimales, la
inoculación de 1 ó 2 placas por dilución).
• Nota: En la práctica, el "operador" puede haber un equipo de operadores (técnicos),
cada uno de los cuales realiza una parte dada del procedimiento. En tal caso, el
equipo se considera como un operador, y cualquier cambio en la asignación de
miembros de tareas es considerado como un operador diferente.
Protocolo experimental
• Condiciones A y B deben ser tan diferentes como sea posible y deben incluir
idealmente tantas variaciones como las que pueden encontrarse de un día para otro
dentro del laboratorio, en términos de los técnicos, los lotes de medios de cultivo y
reactivos, mezclador de vórtice, medidor de pH, incubadoras, momento del análisis,
etc. Si la contaminación de la muestra de alimento se demuestra a ser
suficientemente estable (que no suele ser el caso en microbiología de los alimentos),
las condiciones a y B debe relacionarse también con diferentes días de análisis
Cálculos
De acuerdo con la práctica habitual, como paso previo antes de realizar los cálculos, los
datos de empadronamiento (resultados microbiológicos) en ufc/g o ufc/ml se
transformarán en log10 (ufc / g) o log10 (ufc / ml).
Se calcula la desviación estándar de la reproducibilidad sR para las n muestras de una
matriz dada de la siguiente
1 yiA yiB
2
n
sR
n i 1 2
Cálculos
Fundamentos de un sistema de gestión
de las mediciones
Términos y definiciones
Requisitos generales
Responsabilidad de la dirección
Confirmación metrológica
Proceso de medición
Equipo de medición
Característica metrológica
Confirmación metrológica
Función metrológica
Proceso de medición
Equipo de medición
Característica metrológica
Confirmación metrológica
Función metrológica
Proceso de medición
Equipo de medición
Característica metrológica
Confirmación metrológica
Función metrológica
Proceso de medición
Equipo de medición
Característica metrológica
Confirmación metrológica
Función metrológica
Proceso de medición
Equipo de medición
Característica metrológica
Confirmación metrológica
Función metrológica
Proceso de medición
Equipo de medición
Característica metrológica
Confirmación metrológica
Función metrológica
Aquí se debe tener en cuenta las especificaciones de los procesos que interesa
controlar
Responsabilidad de la dirección
Función metrológica
Objetivos de calidad
Función metrológica
Objetivos de calidad
Función metrológica
Objetivos de calidad
Función metrológica
Objetivos de calidad
Recurso humano
Recursos de información
Recursos materiales
Proveedores externos
Recurso humano
Recursos de información
Recursos materiales
Proveedores externos
Recurso humano
Recursos de información
Recursos materiales
Proveedores externos
Recurso humano
Recursos de información
Recursos materiales
Proveedores externos
• Rango de medición/alcance
• Sesgo
• Repetibilidad
• Estabilidad
• Histéresis
• Deriva
• Resolución
• Error
Confirmación metrológica
• Fabricante
• Fecha de confirmación metrológica
• El resultado de la confirmación metrológica
• Intervalo de la confirmación metrológica
• Identificación del procedimiento de confirmación metrológica
• Error máximo permitido asignado
• Condiciones ambientales
• La incertidumbre
• Identificación de la persona que realiza la confirmación metrológica
ISO 9001, numeral 7.6:control de los
instrumentos de seguimiento y medición
SISTEMAS DE ADMINISTRACION
AMBIENTAL
Numeral 4.5.1 Monitoreo y medición
• Requisitos Administrativos(4)
• Requisitos técnicos(5)
Requisitos técnicos
1. General
2. Personal
3. Instalaciones y condiciones ambientales
4. Métodos de calibración y ensayos, incluyendo muestreo
5. Equipo
6. Trazabilidad de la medición
7. Muestreo
8. Manejo y transporte de los objetos de calibración o ensayo
9. Aseguramiento de la calidad de los resultados de la calibración o
ensayo
10. Reporte de resultados
Análisis del numeral 7.6
La organización debe
determinar el seguimiento
(monitoreo) y la medición a
realizar
La organización debe
establecer procesos para
asegurarse de que el
seguimiento y medición
pueden realizarse y se
realizan de manera coherente
con los requisitos de
seguimiento y medición
Confirmación metrológica
Identificar entre instrumentos críticos y
no críticos
Selección del equipo de medición
Cuando sea necesario asegurarse de la validez
de los resultados , el equipo de medición debe
Calibrarse o verificarse, o
ambos, a intervalos
especificados o antes de su
utilización, comparando con
patrones de medición
trazables a patrones de
medición internacionales o
nacionales; cuando no existan
tales patrones debe
registrarse la base utilizada
para la calibración o la
verificación
Trazabilidad
BIPM
Patrón Nacional
Instituto Nacional
Patrón de Metrológico
Referencia Metrología Laboratorio
legal de otros
Calibración
Patrón de
Trabajo Verificación
Servicio de
Obligatoria Calibrar
(verificar) Calibración
Ajustar (calibrar)
Instrumento de Instrumentos de
Instrumentos de Instrumentos
medición Medición Medición
de medición Calibrados,
controlados Calibrados Ajustados
Cuando sea necesario asegurarse de la validez
de los resultados , el equipo de medición debe
PRUEBAS METROLOGICAS
SI IDENTIFICACION
¿APROBO?
DE EQUIPOS
NO
3
DEVOLUCION AL
PROVEEDOR
EQUIPO EQUIPO
4 NO CONFORME CONFORME 5
•Equipo no conforme o fuera de
especificaciones: cuando los
errores del equipo exceden los
errores máximos tolerados. DOCUMENTO DE
CALIBRACION Y COMPROBACION
ROTULACION DE
•Con los resultados de las
pruebas metrológicas
CALIBRACION
efectuadas se genera un
informe de calibración.
6
Sistema de gestión metrológica
•Los estudios de Repetibilidad y Reproducibilidad se realizan a aquellos equipos seleccionados, para
evaluar el sistema de medición en donde se calcula la incertidumbre y capacidad, de medición.
CAPACITACION 8
OPERADOR
•Cuando la capacidad de medición del •Cuando la capacidad de medición es a lo
sumo igual o superior a las necesidades de
equipo es inferior a las necesidades de
medición requeridas.
medición requeridas.