Documente Academic
Documente Profesional
Documente Cultură
TESIS DOCTORAL
Ingeniero Aeronáutico
FRANCISCO JOSÉ RAYA DE BLAS
Gijón – 2015
La Tesis formulada por el doctorando
Ingeniero Aeronáutico D. Francisco José Raya de Blas
establece:
“Conforme enuncia el Modelo_G y por la concepción de un Sistema Integral de
Medición por Coordenadas promulgados: La aplicación del método de simulación
estadística, en combinación con los enfoques de red neuronal y algoritmos
genéticos, permite asegurar los requisitos de comparabilidad y compatibilidad, para
los resultados de medida proporcionados por los Sistemas de Medida por
Coordenadas.”
Y en su defensa se aporta la siguiente memoria de la actividad desarrollada.
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales Resumen
Resumen
Los desarrollos expuestos se orientan a dar soporte a un modelo de propósito general acorde con los
requisitos de compatibilidad y comparabilidad para las actuaciones metrológicas basadas en la
medición por coordenadas. Se concreta en el modo en que los recursos de detección y cálculo son
aplicados a la resolución de los problemas de medición específicos encomendados a una realización
concreta del sistema de medida.
Se parte de un modelo de correcciones basado en la métrica euclidea provista por el sistema de medida,
tal es el Modelo_G. Este enfoque se orienta a la calibración de la indicación de coordenadas facilitadas
por sistema de medición por coordenadas (SMC). Así, el resultado de la calibración proporciona un
modelo de correcciones adecuado al nivel metrológico del entorno de trabajo de la máquina. Con ello
es posible aplicar correcciones y establecer su incertidumbre por simulación numérica.
Bajo la etiqueta π-MC (pi Monte Carlo) se alude al modo en que se ejecuta la captación, memoria y
explotación del comportamiento metrológico del SMC. Es este el procedimiento para determinar la
incertidumbre en las transformaciones de valores indicados y la determinación de regiones de confianza
(uso masivo) o bien utilizar un valor estimado y caracterizar la dispersión de tal estimación (uso
agregado). En este segundo caso el balance se fundamenta en la Ley de Propagación de
Incertidumbres.
La perspectiva SI-MC se orienta a consolidar un modelo de propósito general capaz de soportar las
exigencias normativas de trazabilidad y calibración para las actuaciones metrológicas basadas en la
medición por coordenadas. El SI-MC es concebido como un sistema dinámico, estará
consecuentemente dotado de la capacidad de evolucionar por adaptación a los recursos. Las
capacidades demandadas son dotadas por la aplicación de los enfoques de red neuronal y algoritmos
genéticos.
I
Traceability of coordinate measurement by applying statistical simulation and neural networks Abstract
Abstract
Exposed developments are oriented to support a general purpose model in accordance with
compatibility and comparability requirements for metrological performances based on coordinate
measurement. This as embodied in the way as detection and calculation resources are applied to solving
specific measurement problems entrusted to a particular embodiment of the measuring system.
Starting from a model of correction based on the Euclidean metric materialized by the system, as such
is the “Modelo_G”. This approach is aimed at calibrating the indications provided by a coordinate
measuring system (CMS). Thus, calibration model resulting provides a suitable level in corrections,
according to machine metrological work environment. And so, apply corrections and establish their
uncertainty by numerical simulation is possible.
A process scheme attends to formulating the inherent methodology. This operates at the conceptual
level related to set of information and knowledge involved. Then, Coordinate Measurement - Integral
System (CM-IS), as predecessor of Coordinate Measurement - Intelligent System, are presented.
Needed development is supported by a metric conceptual model, called "Modelo_G". Starting with it
there are established criteria for construction, calibration, maintenance and use. Finally, activities that
allow its implementation are made explicit.
Is tagged under π-MC (pi Monte Carlo) allusion to how the recruitment, memory and exploitation of
metrological performance of CMS runs. This is the proceeding for uncertainty establishment in
transformation of indicated values and determination of confidence regions (massive use) or use an
estimated value and characterize the dispersion of such estimate (aggregate use). In latter case the
balance is based on the Law of Propagation of Uncertainty.
CM-IS approach aims to consolidate a general purpose model capable of supporting regulatory
requirements traceability and calibration for metrological performances based on the coordinate
measuring. So, each CM-IS is conceived as a dynamic system will consequently endowed with the
capacity to evolve by adapting to resources. Requested capabilities are endowed by applying neural
network and genetic algorithms approaches.
This methodology is applicable both in measurement process as measurement task attempts. Thus, in
efforts to establish the suitability of coordinate measurement system according with potential tasks, can
these be assessed in terms of uncertainty. This may predict the merit in the execution of a measurement
task who concerns to contrast a specification.
II
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
ÍNDICES
Índices.1
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
CAPÍTULO 1
CAPÍTULO 2
2.2.3.- Evolución del Software como herramienta esencial en la metrología por coordenadas. 2.14
Índices.3
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
Tabla 2.2 Métodos de uso común en la valoración de cada componente de los errores
paramétricos 2.22
Figura 2.18 Configuraciones de galgas recogidas por la VDI / VDE 2617 2.33
CAPÍTULO 3
Tabla 3.1 Cuadro comparativo de las normas de mayor profusión a excepción de ISO 3.3
Tabla 3.3 Distancia entre puntos de escaneado recomendada por ISO 10360-4 3.21
Índices.5
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
Figura 3.5 Posiciones de las esferas de ensayo sobre el plato giratorio 3.18
CAPÍTULO 4
COORDENADAS
4.2
4.2.- MODELO_G
4.2
4.2.1.- Hipótesis constitutiva:
4.3
4.2.2.- Elementos del Modelo_G
4.3
4.2.3.- Modelo conceptual
4.4
4.2.4.- Modelo de desviaciones
4.7
4.2.5.- Modelo estadístico de ajuste u optimización
4.9
4.3.- Expresión formal de la transformación de coordenadas por modelo de desviaciones
Índices.6
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
Figura 4.7 Comportamiento sin correcciones (rojo) comportamiento con correcciones (azul) 4.15
Tabla 4.1 Elementos geométricos alternativos de aplicación como distancias de ensayo 4.16
CAPÍTULO 5
Índices.7
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
5.6.5.- Aplicación del algoritmo propuesto bajo dos estrategias diferentes de medida 5.41
Figura 5.5 Dos ejemplos que muestran la presencia de autocorrelación en dos series de
valores pseudo-aleatorios 5.19
Figura 5.10 Ajuste a dos rectas que se cortan por modelo 5.39
Índices.8
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
Figura 5.15 Distribución de puntos simulados sobre la superficie del cono 5.44
Figura 5.17 Dispersión de valores simulados para la estrategia 2 y ajuste tolminimax 5.45
Figura 5.18 Dispersión de valores simulados para la estrategia 2 y ajuste del ángulo 5.45
Tabla 5.5 Métodos para convertir valores aleatorios Uniformes a otras distribuciones 5.21
Tabla 5.6 Métodos específicos para la obtención de valores según una normal 5.21
Tabla 5.7 Máximo y mínimo número de rachas para un conjunto de 5 + 5 datos 5.23
Tabla 5.8 Tamaños muestrales (n) y número de simulaciones (N) para la estimación de
proporciones, valores medios y sumas para una precisión y nivel de confianza determinados 5.33
CAPÍTULO 6
Índices.9
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
CAPÍTULO 7
Figura 7 2 Componentes del Modelo SI-MC afectados por la Función de Construcción 7.8
Figura 7 3 Componentes del Modelo SI-MC afectados por la Función de Calibración 7.9
Figura 7 4 Componentes del Modelo SI-MC afectados por la Función de Mantenimiento 7.10
Figura 7 5 Componentes del Modelo SI-MC afectados por la Función de Medición 7.11
Figura 7 6 Componentes del Modelo SI-MC afectados por la Función de Medición - Generador
de procedimientos 7.12
Índices.10
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
CAPÍTULO 8
8.1.1.- Tratamiento previo de los datos de puntos medidos sobre las esferas. 8.2
Índices.11
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
Figura 8.12 Gráficas de diferencias por componentes Medidas – Corregidas – Caso 1 8.25
Índices.12
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
Figura 8.31 Control tras mantenimiento del modelo, d_12 - Caso 3 8.64
Figura 8.33 Control tras mantenimiento del modelo, d_13 - Caso 3 8.65
Figura 8.35 Control tras mantenimiento del modelo, d_14 - Caso 3 8.66
Figura 8.37 Control tras mantenimiento del modelo, d_23 - Caso 3 8.67
Figura 8.39 Control tras mantenimiento del modelo, d_24 - Caso 3 8.68
Figura 8.41 Control tras mantenimiento del modelo, d_34 - Caso 3 8.69
Índices.13
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
CAPÍTULO 9
Figura 9.1 Esquema simple de los efectos de deformación por dilatación térmica 9.2
CAPÍTULO 10
Índices.14
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
ANEXO 1
ANEXO 2
Anexo 2. Optimización por mínimos cuadrados y Mini-Max en los algoritmos de ajuste para
círculo, cilindro, recta, esfera y plano A2.1
Índices.15
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
ANEXO 3
Índices.16
Trazabilidad de la medición por coordenadas aplicando simulación estadística y redes neuronales.
ANEXO 4
ANEXO 5
Índices.17
Capítulo 1 INTRODUCCIÓN
CAPÍTULO 1 INTRODUCCIÓN
Las normas ISO en sus series 9000 exigen trazabilidad para los equipos de medida e inspección. La
trazabilidad no es solamente un requisito formal, puesto que permite asegurar que la incertidumbre del
resultado de medida está dentro de los límites demandados por una cierta tarea de aplicación industrial.
El resultado de medida trazable deberá constar de un valor medido y de su incertidumbre asociada. La
Nota 2 del Vocabulario Internacional de Metrología indica que el resultado de una medición se expresa
generalmente como un valor medido único y una incertidumbre de medida.
Los principios que actualmente se consideran apropiados para lograr trazabilidad de las medidas con
MMCs, son básicamente:
- El principio comparador por el cual se emplean patrones calibrados semejantes a los "objetos"
que se miden; estos patrones sirven para evaluar las posibles desviaciones entre los valores
registrados y los valores reales.
1.1
Capítulo 1 INTRODUCCIÓN
Hasta recientemente (año 2000 en adelante) no se han utilizado, con profusión, ninguno de los
principios precedentes, las razones de mayor significación cabe encontralas en que:
• Solamente se puede aplicar el principio comparador cuando los artefactos están disponibles - para
la mayoría de las tareas éste no es el caso -.
Para permitir a los usuarios de MMC conocer las incertidumbres presentes en sus tareas de medida,
se deberán desarrollar tanto una solución universal en forma de procedimiento de previsión de la
incertidumbre asistido por ordenador, como las técnicas de medida necesarias para producir los datos
de la entrada para tal previsión de incertidumbre. Este enfoque se orienta a la determinación de
modelos de error para un entramado en el campo de medida de la MMC. La orientación de esta técnica
ha de entenderse a fabricante de equipo o laboratorios de referencia, por los requerimientos de
instrumental, tiempo de máquina y formación del personal.
Es esta complejidad, impedimento para su traslación como método de calibración industrial, para su
aplicación en el ámbito de los usuarios convencionales de MMCs. Es dificultosa la implantación incluso
a nivel de los propios laboratorios de referencia por su elevado coste.
El objetivo de nivel general es modelar la conducta metrológica de las MMCs evaluada por las
contribuciones dominantes de incertidumbre que afectan a la medida, y con ello proporcionar:
1.2
Capítulo 1 INTRODUCCIÓN
Como marco operativo se introduce la concepción de Sistema Integral de Medición por Coordenadas
(SI-MC), esto permitirá dar trazabilidad a las medidas. El desarrollo del concepto y su aplicación
metrológica son objetivo de esta tesis.
1.3.- METODOLOGÍA
• Formulación del alcance previsto de las actuaciones en relación con los medios
disponibles y la amplitud de la materia.
Se requiere así mismo de un esquema específico de procedimiento, referido como Modelo_G (tal es
un esquema formal y no es objetivo su implementación aunque sí se ha abordado tal extremo para su
posterior contraste práctico).
El citado sistema SI-MC establece las bases conceptuales para el desarrollo de las siguientes funciones
(abordadas con detalle en el Capítulo 7):
* Función de construcción: por la cual una vez adquiridos los elementos necesarios, el sistema
contribuya a su constitución dando satisfacción a los modelos pertinentes.
* Función de mantenimiento: como actividades que permitan propagar en el tiempo la validez del
modelo resultante de la aplicación de las funciones de construcción y calibración, deberá dar como
1.3
Capítulo 1 INTRODUCCIÓN
* Función de medición: garantizadas las condiciones óptimas de trabajo del sistema por el
cumplimiento de las tres funciones anteriores, el sistema debe satisfacer la función para la que ha sido
constituido: proporcionar medidas dando satisfacción a los requisitos normativos, y adicionalmente
asistir en la selección de procedimientos de medida anticipando el comportamiento del sistema y su
capacidad de medida en términos de incertidumbre.
La presente propuesta introduce una concepción integral (SMC) en el tratamiento de los distintos
elementos presentes en la medida por coordenadas y se orienta a la consolidación de un procedimiento
sistemático, no disponible en la actualidad, que permita abordar y resolver la trazabilidad de las medidas
con dos destinatarios bien caracterizados:
2- Usuario industrial: ante él, el sistema deberá no requerir ninguna actividad ni conocimiento
adicionales, tan sólo obtiene sus resultados de medida junto con las incertidumbres
correspondientes, por vía de una presentación ya sea: gráfica, tabular o de ábacos; acordes
con su nivel metrológico, con garantías de trazabilidad y atención a la normativa industrial.
El SMC propuesto como solución, no está restringido a ningún tipo concreto de máquina (aunque se
concretará en máquina cartesiana 3D), tareas de medida, o estrategia de medida. Tal ventaja es
consecuencia de un núcleo operativo basado en la simulación punto-a-punto de procedimientos
íntegros de medida.
1.4
Capítulo 1 INTRODUCCIÓN
1.4.- FOCALIZACIÓN
Todos los dispositivos de medida recurren al uso de escalas graduadas y proporcionan indicación en
las mismas (en relación a unidades de medida), siendo los valores indicados asimilables a coordenadas
al menos en un espacio unidimensional.
Realmente para el propósito de esta exposición y en el uso común del concepto de Metrología por
Coordenadas, se entiende que la Medición por Coordenadas se circunscribe a:
• En sistemas de medición para los cuales están implicadas al menos dos coordenadas
independientes y se establece una relación entre las indicaciones obtenidas para ambas
indicaciones.
La restricción a sistemas de medición dimensional evita la interferencia conceptual con otros sistemas
orientados a la medición en relación con otras magnitudes, distintas de la distancia, ángulo y forma.
La limitación del alcance del concepto de Medición por Coordenadas a mediciones 2D o superior, no
es tan severa como la restricción a sistemas de medida dimensional. El objetivo de la Medición por
Coordenadas se orienta a la resolución de las dificultades metrológicas que acontecen en las
mediciones multidimensionales, donde debe entenderse que una medición unidimensional (p.ej.
distancia entre dos puntos) es multidimensional en cuanto a que se establece el valor de la magnitud
medida sobre la base de las indicaciones de un sistema que proporciona dos o más coordenadas, las
cuales son procesadas bajo la imposición de la restricción del resultado de medida a la indicación
unidimensional.
Existe una extensa gama de instrumentos de medida dimensional de una coordenada, donde
obviamente se remite a las diferentes realizaciones concretas de reglas, calibres, micrómetros,
medidoras de una coordenada, telémetros, etc. Todas estas familias de instrumentos se asume que
operan en un Espacio Euclideo Tridimensional afectado por el tiempo y sometido a las transformaciones
de Galileo.
En sus principios de funcionamiento y métodos de medida, se contemplan las posibles influencias sobre
los resultados de medición, consecuencia de su aplicación orientada a obtener representaciones
unidimensionales de elementos que necesariamente también son multidimensionales y que existen en
un entorno multidimensional. Nótese la diferencia de enfoque y concepción que existirá entre el
tratamiento que recibe, por ejemplo, la medición de un Bloque Patrón Longitudinal (BPL) en una
Máquina de 1 Coordenada Horizontal (M1CH) o en una Máquina de Medición por Coordenadas
(tridimensional) (MMC); para la M1CH las influencias de la realidad tridimensional del BPL se asumen
a priori, al igual que los efectos de la tridimensionalidad en posición u orientación relativa entre BPL y
M1CH, con lo que el peso de los modelos es anterior a la ejecución de la medición, entendida esta
anticipación como un alto grado de independencia de estas contribuciones en relación con los
resultados obtenidos de la propia ejecución de la medida; para la MMC existe también una concepción
apriorística y modelos de sus diferentes respuestas e interacciones con el entorno; estos se aplican a
los resultados de la ejecución de la medida, siendo así a posteriori cuando se manifiesta su influencia.
1.5
Capítulo 1 INTRODUCCIÓN
1.6
Capítulo 1 INTRODUCCIÓN
Los desarrollos iniciales del presente trabajo de investigación, han contado con el apoyo de los recursos
puestos a disposición por el Laboratorio de Metrología y Metrotecnia, dependiente del Dpto. de Física
Aplicada a la Ingeniería Industrial, Escuela Técnica Superior de Ingenieros Industriales de la
Universidad Politécnica de Madrid. Se han concretado en los siguientes medios:
Medios de cálculo: ordenador personal (PC)+software, sobre la base del objetivo de abordar el
desarrollo de un prototipo operativo del sistema que se pretende modelar, será necesaria la
disponibilidad de un soporte informático para la implementación del software propio del sistema, así
mismo será necesaria la disponibilidad de aplicaciones software de programación y cálculo asistido;
tales medios serán de "tipo común" para dar satisfacción a la pretensión de dar soporte a una aplicación
que pretende ser de fácil difusión al medio industrial.
Recursos de personal: Operador de MMC, la utilización de este tipo de instrumental de precisión esta
frecuentemente restringida a personal con cualificación y habilidades fruto de un entrenamiento
específico, debe además considerarse la pericia y experiencia de un operador habitual como un factor
irrenunciable de la capacidad de medida de la máquina.
Refiere las presentes consideraciones de carácter general introductorias de las tareas de desarrollo de
la investigación, declaración de objetivos y alcance previstos al inicio de las actividades y su finalización.
El Capítulo 2 bajo el título “Medición por coordenadas - Estado actual” afronta una revisión de la
evolución y situación de referencia en las técnicas de medición por coordenadas. Se presenta una
revisión de las distintas concepciones y su evolución histórica, destacando la irrupción de técnicas y
enfoques que han contribuido al desarrollo de la Máquina de Medición por Coordenadas, como
herramienta metrológica y han permitido su consolidación como instrumento industrial de amplia
aplicación y extraordinario potencial futuro en la metrología dimensional.
1.7
Capítulo 1 INTRODUCCIÓN
Tras las anticipaciones inevitables recogidas en el Capítulo 2, el tercer capítulo centra su atención sobre
el estado de las diferentes normas de aplicación en relación con las MMCs, como no puede ser de otro
modo la exposición es especialmente extensa en relación a la Norma ISO 10.360 ⎯ Especificación
geométrica de productos (GPS) ⎯ Ensayos de aceptación y de verificación periódica de máquinas de
medición por coordenadas (MMC) [Geometrical Product Specifications (GPS) -- Acceptance test and
reverification test for coordinate measuring machines (CMM)]; las seis partes constitutivas de la norma
fueron inicialmente publicadas en 2000 y 2001 por lo que la actualidad y vigencia de sus contenidos
exigen el alcance dado a su actual estado de revisión. La inclusión prolija de estos elementos
normativos encuentra interés y se aportan por su valor conceptual, la trascendencia de la terminología
y ser reflejo de las inquietudes de quienes centran la actividad en las MMCs.
En relación con ISO 15530 – Especificación Geométrica de Producto (GPS) – Máquinas de Medición
Tridimensional (MMT); Técnicas para la determinación de la incertidumbre de medida, se ha preferido
no mantener el mismo grado de detalle atendiendo a su estado de revisión por el comité técnico de ISO
TC213 y su presumible próxima publicación, sin menoscabo de la inclusión en la presente tesis de
elementos que potencialmente resultarán contemplados por esta norma internacional.
Se formula la tesis núcleo de la presente exposición. Introducción de las diferentes hipótesis que sirven
de fundamento y desarrollo a la metodología de aseguramiento de la trazabilidad de las coordenadas
y el modo en que se afronta la imputación de las incertidumbres asignables por el modelo. Se presentan,
secuencialmente, los diferentes elementos implicados y su modelización orientada a servir al fin de
calibración de las coordenadas. Modelos de correcciones o desviación, elementales y recurso a la
simulación numérica y Montecarlo en relación con la determinación de la incertidumbre. Se aporta
referencia al uso de artefactos calibrados o no calibrados.
Como ejemplo de aplicación al uso se introduce el ajuste a elementos geométricos soportados por la
definición de formas cuadráticas, centrando la exposición en la determinación de características del
cono como elemento geométrico susceptible del enfoque presentado. Así se concretan las vías para
determinar el valor convencionalmente verdadero y la incertidumbre asignable por las contribuciones
recogidas en la exposición. La exposición se cierra con la traslación al caso ejemplarizado del concepto
1.8
Capítulo 1 INTRODUCCIÓN
de reducción del intervalo de tolerancia por la incertidumbre de medida, valorando la idoneidad del
sistema de medición por coordenadas aplicado para la tarea de medición encomendada.
Se desarrolla la metodología referida como π Monte Carlo. Con esta denominación se apunta el uso de
la simulación estadística en combinación con la aplicación de modelado paramétrico. En el marco de
la aplicación de familias de matrices métricas de ajuste, se describen los criterios de obtención de tales
familias, su mantenimiento en relación con el comportamiento metrológico del sistema y su utilización
en relación con las tareas metrológicas afrontadas por el sistema de medición. Se anticipa la ejecución
de las funciones que desempeñará el sistema integral de Medición por Coordenadas.
El recurso a sistemas automáticos informatizados representa una barrera insalvable para el acceso de
los usuarios al tratamiento convencional, dado su alto grado de complejidad estructural en el
procesamiento de la información y su incidencia sobre la medida (lo es incluso para el fabricante que
dispone de acceso a los módulos de esa estructura). El enfoque aportado fundamenta la perspectiva
general sobre la base de los sistemas inteligentes de medida.
Los casos presentados, seleccionados de entre diferentes realizaciones concretas del esquema
defendido, muestran progresivamente el logro de los objetivos propuestos y el alcance práctico de su
adopción. Ha de notarse que la implementación informática y aún el tratamiento matemático no son
objetivo de la presente actuación. La necesidad de esquemas matemáticos y de su implementación
informática para el contraste de la tesis planteada, han sido objeto de especial esfuerzo y causa de
innumerables exploraciones tentativas, motivadas por la escasez de modelos, referencias y
herramientas.
1.9
Capítulo 1 INTRODUCCIÓN
Fotogrametría.
1.6.11.- Anexos
1.10
Capítulo 2 Medición por coordenadas - Estado actual.
2.1.- INTRODUCCIÓN
El presente capítulo afronta una revisión del estado actual, y evolución, de técnicas aplicadas en
medición por coordenadas. La presente exposición se circunscribe a la focalización anticipada en el
Capítulo 1. Se desarrolla aquí, por traducción y modestas incorporaciones, contenido fundamentado en
las referencias:
Dimensional metrology, subject-classified with abstracts through 1964, including linear, angular, and
geometrical measurement and in-process control of size and form, but generally not including gages,
gaging, and inspection as to limits of size. Compiled by Irvin H. Fullmer en 1966. Washington, U.S. Dept.
of Commerce, National Bureau of Standards.
Anticipando contenidos, resaltar los momentos de cambio y transformación que este ámbito metrológico
ha disfrutado. Ha de apreciarse tanto por la irrupción de nuevas herramientas y técnicas de medición
por coordenadas, sobre la base de sistemas sin contacto, como la consolidación de los sistemas de
contacto, con la consiguiente demanda del rigor metrológico en sus actuaciones. Así, ambas realidades
en el ámbito instrumental, han estimulado la respuesta normativa y el desarrollo de investigaciones
específicas de diversos equipos en todo el mundo. El presente capítulo aborda elementos de utilidad
para la tesis en relación con la conceptualización de la práctica del usuario.
En la práctica, los sistemas comerciales ofrecen elementos geométricos básicos ideales (y analíticos),
como formas disponibles para el ajuste de los datos medidos. Mediante ampliaciones específicas y con
un esfuerzo mucho mayor, se ponen a disposición del usuario herramientas para la caracterización de
geometrías complejas y mucho más allá, formas libres. En estos casos es ímprobo el esfuerzo para
obtener una explicación de la metodología y criterios aplicados por el fabricante en la obtención del
resultado. Consecuentemente queda el usuario a merced de su desconocimiento acerca de los factores
de influencia sobre su medición y por ello, con una inconmensurable incertidumbre.
Finalmente añadir el concepto de indefinición del mensurando, ya que sobre las dos actividades
anteriormente destacadas, incide la contribución que a todo el proceso de medición aporta la definición
del mensurando, o a mejor decir, su indefinición. Nótense la complejidad y multitud de formas de
afrontar la definición de características geométricas básicas (lo que ha conducido a su definición
normativa). Sobre estas definiciones, la necesidad de aclarar cómo se deben interpretar y declarar las
tolerancias, para posteriormente establecer cómo han de ser: calculadas, establecidas, aseguradas y
expresadas. No es éste un tema cerrado, como da evidencia la actividad en línea con la especificación
funcional de tolerancias.
Desde esta complejidad sobre lo aparentemente básico, los sistemas de medida por coordenadas
encuentran su aplicación más eficiente en la descripción geométrica de lo complejo, recibiendo
encomiendas de verificación tanto de geometrías soportadas por una definición analítica,
aparentemente desprovista de indefinición (p.ej.: definiciones matemáticas basadas en números reales
de mantisa infinita), hasta la pretensión de que sea el propio sistema el generador de la definición del
mensurando, matemática o no (p.ej.: nube de puntos en una digitalización aplicada a ingeniería
inversa).
2.2
Capítulo 2 Medición por coordenadas - Estado actual.
Son numerosas las máquinas de medición por coordenadas en el mercado. Realmente, cabe entender
por MMCs, máquinas que comenzaron a ser algo más que comparadores en el sentido normalmente
aceptado (y nótese que en muchas aplicaciones de usuario final, han vuelto a ser esto mismo). Las
MMCs pioneras, aparecidas en los años veinte del siglo XX, son modificaciones de máquinas
herramienta aplicadas a verificación, compartiendo la característica común de disponer internamente
de sus patrones de medida (reglas), al igual que ocurre en un instrumento convencional cual puede ser
un micrómetro.
La Matrix Machine se diseñó en los años veinte como un instrumento intermedio entre el comparador
de rango corto y la máquina de medición autónoma. Contaba con patrones desplazables (a modo de
saltos) junto con un micrómetro, ambos usados en combinación con un testigo indicador. La Matrix
Machine resultaba apropiada para medir diámetros exteriores e interiores en el plano, conicidades y
roscas. Como curiosidad el inusual principio de operación que determina un diámetro por medición de
dos radios a 180 grados.
La Máquina de Medición Newall, en los años veinte, estaba constituida por una plataforma rígida en la
que se montan unos topes de principio y fin que llevan las caras de medida. Se disponían varios rodillos,
de una pulgada, a lo largo de una hendidura en el centro de la plataforma.
Los tamaños precisos de los rodillos se seleccionaron de manera que, la desviación acumulativa en
relación con la distancia nominal referida a varios rodillos, resultase muy pequeña. Disponía de un
micrómetro alojado en el cabezal y un indicador de burbuja montado en el tope de final. La máquina
resultó particularmente satisfactoria para la medición de patrones de dimensiones largas.
De la Máquina de Medición Microptic se llegaron a construir varias por Messrs, Hilger y Watts, Ltd. del
Reino Unido, en la misma época, incorporando su propio patrón interno, materializado por una regla de
vidrio.
Carl Zeiss en Alemania fueron los primeros en introducir este tipo de máquina a finales de 1920's,
logrando gran aceptación e implantación a nivel mundial. La máquina resulto eficaz en la calibración
por medición directa de los calibres tampón, y presentaba un rango casi ilimitado de aplicaciones para
otro tipo de medidas (se anticipaba así su potencial).
2.3
Capítulo 2 Medición por coordenadas - Estado actual.
Máquina de bidimensional (Sep. 1923), desarrollada para medir dos coordenadas simultáneamente; en
una dirección es capaz de medir 400mm mientras en la otra son 100mm. El mensurando se posiciona
en una mesa que se desplaza sobre guías en V y planas bajo la acción de tornillos de precisión
(husillos). Como palpador utiliza un microscopio que se desplaza sobre el eje menor.
Las máquinas SÍP, Société Genevoise d'Instruments de Physique, son del tipo universal y sus diseños
se centran tanto en máquinas punteadoras como en MMCs. Como ejemplo, la SÍP "Trioptic", introducida
en 1961, sería más tarde transformada en la Máquina de Medición por Coordenadas SÍP 560M.
La Figura 2.2 introducida por Moore Special Tool of Bridgeport (Connecticut) en los años 60, se basó
en la Figura 2.1 al igual que las máquinas SIP anteriormente citadas.
Figura 2.1 Punteadora o jig-boring machine Figura 2.2 Máquina universal de medida
La Coordinate Setting Machine, promovida por U.S. Air Force, es presentada en 1952 por Fairchild
Aircraft Division. Aplica líneas colimadas, criterios de ajuste dimensional y ajuste matemático.
Precision Grinding, Ltd, presenta en 1955 la maquina universal de medida para formas tridimensionales
basada en un diseño desarrollado durante la guerra para la inspección de levas tridimensionales. Las
modificaciones permiten la medida de levas, engranajes, roscas, calibres de distancia y galgas,…
Toolmaker’s Microscope Measures Without Contact, recoge en 1958 la iniciativa de W.P. Christoph de
un microscopio tridimensional que proporciona la medida de tres coordenadas sobre un sistema de ejes
mutuamente perpendiculares, sin contacto. La tercera dimensión se logra mediante un tornillo dotado
de escala.
2.4
Capítulo 2 Medición por coordenadas - Estado actual.
La primera máquina de medición (que corresponde con lo que actualmente se entiende por Máquina
de Medición por Coordenadas – MMCs) fue desarrollada por Ferranti, Ltd. de Dalkeith Escocia. Se
desarrolló en los años cincuenta como un producto complementario dentro de la familia de Máquinas
Herramienta de Control Numérico. Ferranti no había estado con anterioridad en el sector de la
instrumentación metrológica, desarrolló la MMC en respuesta a la necesidad de mayor rapidez y
flexibilidad en las mediciones, aparecidas por la automatización de las tareas de mecanizado. Como
suele suceder, los fabricantes del sector de instrumentación no detectaron o reconocieron en su
momento el potencial del mercado emergente de MMCs.
Así, en 1956, Harry Ogden como Jefe de Ingeniería Mecánica en la división de Control Numérico de
Ferranti, Ltd. inventaría la Máquina de inspección Ferranti. Para Ogden y sus colaboradores en Ferranti,
se había hecho evidente que las piezas, mecanizadas en cuestión de minutos en sus máquinas de
control numérico, requerían horas para su verificación. Sería entonces cuando Ogden plantearía que
“...una máquina con libertad de movimiento aplicada a medición, con indicador numérico electrónico
facilitaría la inspección de las piezas mecanizadas”. Esto, cambió la situación tecnológica y económica
de los métodos de inspección convencionales, reduciendo el tiempo y las habilidades requeridas para
la inspección de productos.
El elemento crítico que posibilita el desarrollo de la máquina de medición por coordenadas se concreta
en: la disponibilidad de una precisión acorde a los usos previstos, en rangos suficientemente amplios,
y auxiliado por un sistema de palpado electrónicamente compatible o integrable en el sistema de
medida. En el caso de las actuaciones de Ferranti Ltd., David T. N. Williamson introduce las rejillas
ópticas y las franjas de Moiré como sistemas sensores resultaron perfectos. Eran exactos,
relativamente baratos de fabricar, y fácilmente ajustables. Se basó su precisión en promediar varias
líneas lo que no hacia su precisión dependiente de cada trazo en concreto.
El desarrollo Inicial de la Máquina de inspección Ferranti fue una máquina con recorridos de ejes X e Y
de 610 mm (24 pulgadas) y 381 mm (15 pulgadas) respectivamente y un eje Z de 254 mm (10 pulgadas)
diseñado para una incertidumbre de uso en inspección de producción de 0,025 mm (0.001 pulgadas) y
una resolución de 0,012 mm (0.0005 pulgada). Se equipó la máquina con puntas de sonda muy
delgadas lo que condicionó su orientación a procesos de inspección más ajustados y revolucionó los
conceptos vigentes en materia de inspección de la producción. La máquina disponía también de
bloqueos y ajuste fino sobre los ejes X e Y de manera que se pudieran hacer medidas por medio de un
microscopio o proyector en componentes flexibles o delicados. Inicialmente, el eje Z de medida se
introdujo agregando un apoyo abrazado en el frontal del brazo del pórtico, engranado sobre un perfil
recto de acero, montado a su vez en el borde frontal de la mesa. El eje de medida Z completo se dotó
en 1962.
La MMC de Ferranti tenía un diseño cinemático clásico, más allá del diseño convencional de una
máquina herramienta. El principio cinemático subyacente remite a la restricción mínima,
proporcionando alineamiento entre los elementos móviles. El diseño era sumamente diferente y condujo
a los diseñadores de máquina herramienta a replantear sus principios de diseño, adoptando las técnicas
aplicadas en este diseño.
2.5
Capítulo 2 Medición por coordenadas - Estado actual.
Esta máquina original propicio un mercado amplio en todo el mundo industrial y llevó al desarrollo de
máquinas similares con mayores capacidades, mejora de la resolución y precisión. Desde estas fechas,
la entrada de competidores en el mercado de las MMC, se mantuvo a razón de unos dos por año, en
los veinticinco años siguientes, lo que se ha traducido en un abundante número de fabricantes
consolidados (no sin fluctuaciones, absorciones y avatares comerciales). En el caso de Ferranti, cesó
su producción de MMCs en 1992 vendiendo sus recursos a su distribuidor coreano, que opera bajo el
nombre de International Metrology Systems.
En el verano de 1959 Sheffield introduce las MMCs en el mercado norteamericano, George Knopf,
gerente general de la sección de Control Industrial de Bendix Corporation, asistió a la Muestra
Internacional de la Máquina Herramienta en Paris. Mientras examinaba un sistema de control numérico
de posicionamiento en la presentación de Ferranti, atrajo su interés una máquina de medición por
coordenadas de dos ejes, también desarrollada por Ferranti. Knopf inmediatamente reconoció sus
ventas potenciales en el negocio de Bendix y la Sheffield Corporation, procediéndose a la firma de un
contrato para la distribución por Bendix del producto de Ferranti en Norteamérica.
Se envió una máquina a Sheffield subsidiaria de Bendix para su evaluación. Los ingenieros de Sheffield
se mostraron inicialmente recelosos acerca de precisión de la máquina, pero tras comprobaciones
exhaustivas, resultó mejor de lo que habían anticipado sus estimaciones. Así, Bendix presentó en la
Muestra Nacional de Máquina Herramienta de Chicago de 1960 el producto Ferranti para su
comercialización. Posteriormente la comercialización se trasfirió a la distribución por Sheffield
iniciándose en la primavera de 1961, la denominación “CORDAX” del inglés COORdinate AXes, se hizo
popular en USA extendiéndose hasta la actualidad.
DEA será la primera compañía constituida para la fabricación de MMCs orientadas al control de calidad
en ingeniería (por demanda explícita de Fiat). El problema surgido por la coyuntural rapidez en las
mejoras del mecanizado y las limitaciones de ejecución de las oportunas mediciones en relación con a
la capacidad de los nuevos procesos, dificultando la operatividad industrial. Ante esta situación, Sartorio
afronta una gira para captar las necesidades y evaluar la situación de la capacidad metrológica, en las
grandes industrias de Europa y Estados Unidos. En esos momentos Fiat dedicaba 400 personas a
medidas geométricas en superficies de chapa. Situaciones incluso más desproporcionadas en Estados
Unidos, llevaron a la identificación de la solución cuando conocieron de la existencia de las MMCs de
Ferranti.
2.6
Capítulo 2 Medición por coordenadas - Estado actual.
Sartorio fue el diseñador de la máquina y promotor del negocio; Lazzaroni asumió la tarea financiera;
siendo Munucciani el especialista electrónico. Después de establecer una patente por una máquina tipo
gantry motorizada y la exhibición de un prototipo en la Muestra Europea de Máquina Herramienta en
Milan, DEA entregó su primera máquina en noviembre de 1965. La máquina era una gantry 3D
construida por Läpple-Heilbronn en Alemania. En octubre de 1965 en la Muestra de Máquina
Herramienta de Bruselas, DEA presentó su primera MMC 3D manual para la inspección de piezas. En
la misma muestra de 1967 en Hannover, DEA presentaría un nuevo desarrollo de palpador de contacto
aplicado a una MMC manual de alta precisión. En 1973 DEA entregó su primera MMC dotada de control
numérico, con cambiador de palpadores, a Caterpillar Tractor Company en Peoria, Illinois. DEA ha
contribuido al avance y desarrollo de las carrocerías de automoción por vía de la inspección
dimensional. En 1966 DEA ejecuto las dotaciones del centro de diseño de Pininfarina implantando una
MMC de grandes dimensiones capaz de mecanizar en madera modelos, con otra máquina 2D auxiliar
para el dibujo y examen de medidas, ambas se conectaron en tiempo real anticipando las metodologías
CAD-CAM-CAQ. DEA creció rápidamente hasta constituirse como uno de los mayores proveedores
mundiales de MMCs. En 1994 DEA pasó a formar parte del Brown & Sharpe Corporation, siendo este
un cambio frecuente para la consolidación de grupos en el mercado industrial; en la actualidad se
comercializa bajo distribución de Hexagon.
En Japón los desarrollos de MMCs fueron iniciados por Mitutoyo en 1968 con el diseño de un
instrumento de medición bidimensional, X-Y, para elementos electrónicos. Se desarrolló a instancias
del fabricante electrónico, usándose para medir la distancia entre taladros usando un microscopio o
una delgada sonda de copiado. La máquina resultó varias veces más eficaz que las técnicas de
medición tradicionales. Tras esta experiencia, Mitutoyo identificó las ventajas de un sistema de
medición basado en una máquina de desplazamiento libre, afrontando el desarrollo de una MMC
tridimensional. Esta MMC con columnas fijas denominada "Modelo A1". Entre sus aportaciones destaca
el disponer de una masa estable, con mejor comportamiento en aplicaciones manuales. Al mismo
2.7
Capítulo 2 Medición por coordenadas - Estado actual.
tiempo, Mitutoyo concibió las configuraciones básicas para los Modelo B con arquitectura de puente
convencional), Modelo C (brazo horizontal con palpador móvil), y Modelo D (brazo horizontal con puente
fijo y mesa móvil). Desde entonces, las MMCs de Mitutoyo se desarrollaron bajo estas configuraciones
básicas con un amplio rango de precisiones, módulos de operador, y tamaños. En 1978 se inicia la
comercialización de las MMCs de Mitutoyo en los modelos A, B, C, y D . En 1980 Mitutoyo introduce
las primeras MMCs con procesador de control directo (DCC).
La historia de las MMCs y de las sondas son necesariamente parejas. La primera MMC de Ferranti
comercializada en 1959 en el Reino Unido, era una máquina operada manualmente, para medir en dos
ejes utilizaba escalas de rejillas por franjas de Moiré y el equivalente contemporáneo de un lector digital,
el cual actuaba por un interruptor de pie cuando la sonda rígida estaba en la posición de medida (disparo
manual). Para medir la posición de centros de agujeros, la MMC usaba una sonda cónica, que se bajaba
coaxialmente en relación con el taladro hasta que ajustaba centrada en él. Se necesitaban varios
tampones cónicos diferentes, según los diámetros a verificar. La posición de ejes, diámetros de agujero,
y otras características geométricas se medían con un palpador rígido acabado en una punta esférica,
operada manualmente que se movía hasta entrar en contacto con la superficie. Era necesario esperar
a la estabilización de cualquier vibración, aguardando hasta que desaparecían de la lectura en las
escalas de la máquina. Las tareas ejecutadas se complicaron por la introducción de las influencias del
radio de palpador y su compensación. Particularmente orientada a evitar el cálculo de compensaciones,
se desarrolló una sonda rotativa plano-cilíndrica para la medición de aristas sin necesidad de
compensación, no encontrándose ninguna manera de evitar las compensaciones cuando se ejecutaban
mediciones interiores. Las tareas de cálculo aritmético para la compensación eran en aquel momento
difíciles y proclives a los errores.
Las sondas rígidas tenían limitaciones obvias. Para permitir al operador acceder a la pieza entera, las
MMCs con palpador rígido debían ser convenientemente utilizadas y en relación a campos de medida
pequeños. Máquinas de mayor tamaño presentaban una gran dificultad para ser operadas
manualmente; los efectos de inercia hacían muy embarazoso el encontrar la situación correcta para
medir. Otro problema presente con las sondas rígidas era que no se puede controlar la fuerza de
palpado, por consiguiente, se inducían errores relativamente grandes causados por deflexión de la
máquina / sistema de palpado. Resultando tanto menos precisas las mediciones cuanto más delgado
era el palpador. De otra parte, la automatización del desplazamiento se presentaba compleja al no
poder asegurar el posicionamiento con la suficiente precisión, lo que podría ocasionar colisiones
severas para palpadores rígidos, provocando la rotura de palpadores o deteriorando la máquina. La
introducción de palpadores no-rígidos debería esperar al desarrollo más amplio de los soportes
informáticos aplicados al control de máquinas.
Los palpadores de disparo por contacto "Touch-Trigger" han representado una extensión valiosísima
de la versatilidad de las MMCs. Los palpadores "Touch-Trigger" se inventaron para resolver un
problema específico, pero posteriores modificaciones del diseño representaron una revolución en el
uso de las MMCs. En 1972 el problema surgió en la División de Motores de Aviación en Rolls-Royce,
Bristol, Inglaterra, donde David McMurtry era adjunto al jefe de diseño. McMurtry, fundador, presidente,
2.8
Capítulo 2 Medición por coordenadas - Estado actual.
y director ejecutivo de Renishaw, recibió una petición de opinión en relación con el problema de medir
un conducto complejo de sólo 6,35 mm (0.25 pulgadas) de diámetro. Estas líneas de combustible eran
para el motor Olympus usado en el Concorde SST. Las conducciones tenían que ser encajadas con
precisión entre monturas rígidas, pero resultaba compleja su medición una vez fabricadas. Con la ayuda
de la sección de matemáticos de la compañía, el equipo de McMurtry desarrolló un sistema para definir
puntos de medida en el espacio usando palpadores en V, que tocaban por encima de las conducciones.
La MMC utilizada se realizó en granito y acero, resultando compleja de operar. El uso de esta MMC
para medir el diámetro de las conducciones pequeñas, era casi imposible con una sonda rígida, porque
la propia pieza se deformaría por la presión del palpado. Ante el problema, McMurtry presento la
alternativa de un palpador óptico o, el recurso al primer diseño de palpador de disparo por contacto
“Touch-Trigger”, McMurtry construyó el primer dispositivo palpador de disparo por contacto bastante
rudimentario en principio, aunque el uso de principios cinemáticos, permitió que la sonda fuese lo
suficientemente precisa para la tarea reseñada.
La descripción hecha por David McMurtry de cómo hizo los primeros palpadores es la siguiente: "dibujé
un círculo en una placa y tras dividirlo en tres con un compás, como sabe hacerlo cualquier colegial,
puse seis bolas de rodamiento en la placa sobre los tres radios, embutidas en un relleno de plástico.
Entonces soldé desde arriba las conexiones entre las bolas y lo recubrí de relleno de plástico para
formar un cuerpo. Después de esto hice una cruceta y un palpador en un microtorno. Al día siguiente,
lo probé en la fábrica y funcionó. Cuando la sonda, que era un interruptor, tocó la pieza, se rompió la
continuidad eléctrica en el circuito. El contacto abierto detuvo la indicación en el lector digital de la MMC.
La ejecución práctica resulto bastante simple con una batería en circuito y un solenoide que hacía el
papel del interruptor de pie de una máquina normal”. La Figura 2.5 recoge su exposición y la
configuración actualizada.
En 1973 Carl Zeiss introduce la primera MMC con un cabezal palpador tridimensional analógico que
permitía el palpado continuo (la Figura 2.6, introduce la arquitectura de este tipo de sensor; la Figura
2.7, ejemplariza esta categoría de dispositivos).
2.10
Capítulo 2 Medición por coordenadas - Estado actual.
2.11
Capítulo 2 Medición por coordenadas - Estado actual.
Siendo M la masa suspendida del palpador, C el coeficiente de amortiguación por efecto disipativo, k2
y k1, los módulos de deformación elástica del paralelogramo y del vástago del palpador,
respectivamente.
En 1978 Carl Zeiss incorpora un palpador de disparo, dotado de un sensor piezo-eléctrico, este tipo de
palpador resultó más económico en la consecución de mejores prestaciones de precisión, siendo el
principio de operación similar.
En la actualidad se incorporan sistemas de medición sin contacto, que con base en las máquinas de
medición bidimensional ópticas como pueden ser los proyectores de perfiles o los microscopios,
trascienden el uso bidimensional mediante el empleo de cámaras digitales CCD o sistemas láser.
Figura 2.10 Recreación del sistema láser de Figura 2.11 Sistema láser de triangulación TP60 Zeiss
triangulación
Figura 2.12 Sensor láser de reflexión Figura 2.13 Sensor láser de enfoque
2.13
Capítulo 2 Medición por coordenadas - Estado actual.
La característica de birrefringencia del cristal induce un retardo de fase proporcional a los ángulos de
incidencia, que son diferentes para el haz patrón y el haz reflejado. A su vez, esta diferencia de fase se
manifiesta por la interferencia de las ondas recombinadas en el segundo elemento polarizador. La
formación del patrón de interferencia es recogida por el elemento detector, el cual proporciona la señal
de imagen. A partir de esta señal por valoración del contraste se afronta la interpretación y traducción,
en términos de distancia del punto palpado al punto de referencia del palpador.
Estas funciones incluyen: la obtención de las características geométricas de las piezas medidas, la
automatización de las MMCs y la programación de las tareas de medición de piezas, compensación de
los efectos de la temperatura, corrección de los errores geométricos de la MMC, análisis de los datos
proporcionados, y la integración de las MMC en sistemas complejos de metodologías CIM.
Las primeras aplicaciones informáticas de soporte se destinaron a gestionar los datos relativos a la
actuación electrónica, después a compensar las desviaciones por geometría del palpador (habilitación
de sonda y compensación del radio), y a calcular características geométricas a partir de datos de puntos
aislados. A día de hoy es difícil pensar en una MMC sin estas capacidades básicas, ningún usuario
actual concibe la ejecución de mediciones sin la previa habilitación del palpador. El recurso a rutinas
de cálculo de características geométricas, resulta insustituible para la mayoría de los usuarios que no
disponen de rutinas propias para este tipo de cálculos. Con el desarrollo de los controles informáticos
2.14
Capítulo 2 Medición por coordenadas - Estado actual.
directos, aplicado a las máquinas de medición por coordenadas, se hizo imprescindible disponer de
rutinas de programación del control de máquina y ejecución de tareas de medición, procediéndose a la
programación de las rutinas para mejorar la eficiencia en tareas repetitivas y repetibles.
Las primeras aplicaciones de corrección de componentes de error por software, se aplicaron a las
indicaciones de la regla (compensación lineal). Para las mediciones soportadas por los laboratorios
nacionales de referencia, se desarrollaron mapas de errores en todo el volumen de medición de las
MMCs de primer nivel metrológico. El proceso era costoso en tiempo y requerimientos de memoria. A
mediados de los años 80, se desarrollaron métodos más eficaces que se describen en el epígrafe
siguiente, basados en la parametrización de los errores geométricos. El concepto representó un nuevo
avance en la metrología por coordenadas, ganando trascendencia el aseguramiento de la trazabilidad,
orientada a la confirmación metrológica y la determinación de la incertidumbre de las mediciones
proporcionadas por las MMCs.
En 1973 Carl Zeiss lanzó la primera MMC con un cabezal palpador tridimensional. El nuevo cabezal
palpador Zeiss posibilitó el palpado continuo. El examen de una superficie en palpado continuo,
transfiere a la computadora los datos de exploración de perfiles sobre la pieza. La UMM 500 de Zeiss
fue la primera MMC que dispuso de este tipo de cabezal. La posterior incorporación (1978) del palpador
de disparo con sensor piezo-eléctrico, en su modelo comercial WMM 850, resultó más económico en
la consecución de mejores prestaciones de precisión y un mayor volumen de datos.
2.15
Capítulo 2 Medición por coordenadas - Estado actual.
En 1982 Carl Zeiss presenta la primera MMC diseñada para verificar las especificaciones de engranajes
y ruedas dentadas. Esta máquina, ZMC 550, resultó de gran influencia en la verificación de engranajes
convencional. En 1985 Carl Zeiss y Sheffield se constituyeron como los únicos fabricantes con un
producto MMCs con corrección global de errores. Zeiss denominó al sistema "Computed Aided
Accuracy - CAA" Precisión Asistida por Ordenador mientras Sheffield llamó a su técnica
"Microprocessor-Enhanced Accuracy - MEA" Precisión Mejorada por Microprocesador. La técnica, en
sus dos versiones, representa un nuevo adelanto en las capacidades de medición de las MMCs. Tales
capacidades están sustentadas por la capacidad de procesamiento de datos y disponibilidad de
recursos para el computo.
1989 Carl Zeiss, gama "CARAT - Coated Aging Resistant Aluminum Technology" Tecnología de
Recubrimiento por Aluminio Templado Resistente (el término ‘carat’ acepta traducción como QUILATE)
mejorando la estabilidad bajo condiciones de variación de temperatura.
En la actualidad existen diversos paquetes informáticos que con carácter general resultan de aplicación
en las diferentes arquitecturas comerciales, es decir, aun siendo desarrollados por los distintos
fabricantes para ejecutarse en sus propias MMCs, es posible su utilización sobre MMCs de otros
fabricantes.
2.16
Capítulo 2 Medición por coordenadas - Estado actual.
Ante el interés y pujanza del mercado de MMCs, diversas firmas comerciales se orientaron a la
captación de este producto, entre éstos están: Boice, Portage, Sheldon Metrology, Numerex, Renault,
Olivetti, Federal Products, y Hansford. En otros casos las compañías originales han mantenido sus
marcas comerciales, pero han cambiado de propiedad, ejemplos son: LK, Leitz, Mauser, y DEA. En el
caso de Sheffield, se ha alineado con divisiones comerciales de máquina herramienta de otras
corporaciones mayores. La propiedad de Sheffield cambió de Bendix a Allied en 1982, Cross & Trecker
en 1984, y a Giddings& Lewis en 1991.
En las décadas recientes son frecuentes las variaciones tanto en las fórmulas de propiedad como en
las estrategias de orientación al mercado bajo marcas comerciales. La tracción ejercida por
desarrolladores de sistemas específicos, particularmente en sistemas de detección – palpado –. Esto
induce la entrada y salida de nuevos agentes y la necesaria adaptación de los fabricantes. Son vigentes
estrategias de flexibilidad para la incorporación de estos nuevos desarrollos y la integración de
herramientas. Un particular esfuerzo reside en la compatibilidad con los sistemas de intercambio de
datos de geometría y fabricación, en respuesta a las integraciones CAD-CAM-CIM.
Entre los fabricantes de MMCs a nivel mundial son marcas de referencia: Mitutoyo, Brown & Sharpe,
Carl Zeiss, y Sheffield Measurement, con aproximadamente 50 marcas interdependientes a través de
sus casas matriz o grupos empresariales; así como proveedores específicos de subsistemas o
elementos auxiliares: Renishaw, Pc-Demis,...
2.17
Capítulo 2 Medición por coordenadas - Estado actual.
2.3.1.- Introducción
Desde la perspectiva de 2015, diversas actuaciones han contribuido a enfocar la situación del
aseguramiento de los resultados de medición proporcionados por las MMCs. Así, todo procedimiento
de medida deberá atender a los fundamentos metrológicos recogidos por la normativa industrial, y de
este modo deberá establecerse la incertidumbre de los resultados de la tarea de medida ejecutada.
Satisfacer las condiciones de trazabilidad a los patrones de referencia de nivel superior, asegurando la
incertidumbre expresada para el mesurando.
En este momento la actividad se centra en que los laboratorios interesados evidencien su capacidad
para establecer la incertidumbre de aquellas tareas de medida para las cuales desean ser acreditados,
adecuándose al concepto de "calibración orientada a tarea", por el cual, del laboratorio acredita: la
capacidad de realización de la tarea especificada, mediante el procedimiento de medición descrito, así
como de los procedimientos de calibración requeridos para la MMC. En consecuencia, la MMC resulta
calibrada en relación con esa tarea específica.
Se entienden tres enfoques, referidos por EA-10-5 “Coordinate Measuring Machine Calibration”
(antiguo EAL-G17, WELAC Guidance Document WGD 8) como metodologías o procedimientos de
calibración, para resolver técnicamente el problema de acreditación para el uso de MMCs:
2.18
Capítulo 2 Medición por coordenadas - Estado actual.
En oposición a los dispositivos elementales de propósito único, las MMCs se presentan como
dispositivos complejos (que permiten distintas configuraciones mecánicas e informáticas), de aplicación
no específica (no han sido desarrollados para una tarea concreta de medida y ni siquiera para una
estrategia definida). De este modo, elementos fundamentales como: la configuración física adoptada,
el procedimiento de medida, la estrategia de medida adoptada en relación al modelo matemático y su
implementación informática; determinan, una diferente implicación o afectación por las diversas fuentes
de error, con distintas pautas de propagación de los errores (en el sistema mecánico y aún en el
hardware y software). Frente a la imposibilidad de aislar las fuentes de error y su contribución para
todas las tareas imaginables, se adopta la convención de calibrar las MMCs para tareas elementales,
bajo bien definidas condiciones y estrategias que implican a todos los elementos citados, la llamada
calibración de tareas relacionadas o "calibración orientada a tarea" (task-related calibration).
Control entre calibraciones: representan una tercera gama de métodos orientados al mantenimiento del
sistema por el fabricante o el control de estabilidad por el usuario. En el entorno industrial estas tareas,
trascienden en el desarrollo de pruebas rápidas y económicas que permitan aceptar la competencia del
estado de incertidumbres locales y globales.
2.19
Capítulo 2 Medición por coordenadas - Estado actual.
La extensión de este procedimiento acepta dos variables: temporal y espacial; la MMC puede
emplearse meramente como dispositivo comparador en presencia del patrón y del mesurando. La
extensión temporal representaría la posibilidad de diferir las medidas frente al patrón, de modo que una
vez establecida las contribuciones en errores de la MMC para esta tarea, el patrón se retira y se realizan
las evaluaciones del mesurando. Se realiza pues una transferencia de la magnitud del patrón mediando
la contribución en errores de la MMC; esta extensión es necesario que se sustente en el análisis y
control de las influencias de entorno, y en su caso de la estabilidad de las lecturas con el tiempo. La
extensión espacial es posible ante la necesidad de repetir la misma medida en distintos
emplazamientos dentro del volumen de trabajo. Este caso es mucho más complejo y en su más extensa
generalización es el propio problema que se trata, siendo en los casos más elementales o una
repetición del caso simple de comparación y dilación en el tiempo con un solo patrón, o bien abordable
por el procedimiento híbrido.
La Tabla 2.1, recoge los parámetros y el rango de variación recomendado como límite para la ejecución
de este tipo de ensayo.
También se nombra como enfoque paramétrico por referirse al análisis de las desviaciones evaluadas
en veintiuna componentes independientes de posición y actitud del cabezal (parámetros geométricos -
2.20
Capítulo 2 Medición por coordenadas - Estado actual.
errores paramétricos o errores geométricos), así como los errores de palpado, y la evaluación de ambos
tipos de error bajo el efecto de modificaciones en el sistema y su entorno. Este enfoque es
extremadamente complejo y ambicioso en la medida en que se aplica a la determinación de las
desviaciones e incertidumbres de cualquier tarea de medida, sin recurrir a objetos patrón relativos a la
tarea específica.
1.- Determinación de los errores geométricos; en esta fase se asegura la trazabilidad a patrones
de nivel superior; puede ceñirse a aquellos que afectan a la tarea considerada.
3.- Evolución en la implementación adoptada para obtener la medida considerando además las
contribuciones a la incertidumbre por software.
Las dos últimas fases aceptan soluciones informáticas lo que constituye la base del concepto de
Máquina Virtual de Medición por Coordenadas (VCMM).
Debe destacarse, que el esfuerzo de la primera fase resulta ímprobo, y cualquier modificación en el
procedimiento de medida que elimine la necesidad de evaluar uno de estos parámetros, revierte en una
fuerte simplificación de esta fase; en este sentido se aplican técnicas de múltiple redundancia para
eliminar errores. Además, la realización de las tareas de evaluación de estos errores en cada una de
sus fases exige la acreditación del laboratorio para su inclusión en la calibración.
Por errores geométricos de la MMC se entienden las desviaciones que se presentan en las indicaciones
de la posición medida de un punto sobre la superficie de la pieza de trabajo, obtenidas empleando una
estrategia concreta de muestreo, bajo condiciones de entorno específicas.
No están listas para su utilización referencias con las que determinar los errores de posición para
instrumentos de medida tridimensional, en sus seis grados de libertad para todo el espacio de trabajo
de las MMCs. Hasta el momento solo se han consensuado procedimientos de medición para los
llamados errores geométricos o paramétricos, que incluyen a los errores individuales sobre cada eje,
entre ellos, y de palpado. Estos errores se combinan analíticamente para proporcionar los errores en
las coordenadas de cada punto.
2.21
Capítulo 2 Medición por coordenadas - Estado actual.
Tabla 2.2 Métodos de uso común en la valoración de cada componente de los errores paramétricos
ERROR EQUIPO O REFERENCIA
Ejes de desplazamiento lineal:
* posición ( en la dirección del Interferómetros láser; patrones de salto; Bloques patrón longitudinales (BPL)
desplazamiento)
* rectitud ( en el plano ortogonal al Interferómetros de rectitud; reglas de rectitud; láser y telescopios de alineación
desplazamiento)
* picado y guiñada Interferómetros diferenciales; niveles electrónicos; autocolimadores;
* balance Niveles electrónicos; mesas de planitud; reglas de rectitud
* perpendicularidad entre ejes de Instrumentos de medida óptica de la perpendicularidad; prismas pentagonales;
desplazamiento patrones de perpendicularidad; patrones de longitud inclinados bajo ángulos definidos
Ejes de rotación:
* posición angular Encoders rotativos; poliedros de precisión
* excentricidad
* error axial Esferas de referencia;
* juego Cilindros patrón; esferas patrón
Errores de palpado:
Esferas patrón; anillos patrón; patrones de extremos
La combinación, una vez conocidos, de los errores paramétricos al objeto de proporcionar los errores
de posición para cada punto medido, se desarrolla en base a dos estrategias:
• Simulación numérica: los errores paramétricos en la posición estudiada son calculados por
interpolación o regresión de los datos de medida. Los errores en las coordenadas medidas por
el palpador de la MMC se calculan como suma de los distintos errores de traslación y rotación.
• Análisis estadístico: los errores paramétricos de la MMC son tratados como variables
aleatorias. La incertidumbre de las coordenadas medidas se calcula desde:
2.22
Capítulo 2 Medición por coordenadas - Estado actual.
El objetivo de las tareas de MMC pasa por determinar las características geométricas de la pieza de
trabajo a partir de la información de las coordenadas medidas para un conjunto de puntos. Este proceso
introduce y transforma los errores de medida sobre las coordenadas trasladándolos a la interpretación
o descripción que la medida representa en relación al mesurando.
Este es un caso frecuente en máquinas de alto rango de prestaciones y resulta especialmente oscuro
el estudio de los errores por el usuario. La razón es que el sistema de tratamiento de errores impide
que el usuario aplique las técnicas mencionadas (interferometría, autocolimadores, niveles) para el
establecimiento de los errores geométricos, dado que las lecturas del sistema de captación no se
2.23
Capítulo 2 Medición por coordenadas - Estado actual.
corresponden con los valores indicados por la MMC como medida debido al tratamiento posterior
introducido por los sistemas de tratamiento de errores. Los fabricantes de estos sistemas encapsulan
no ya los procedimientos de tratamiento de error, sino también el acceso a las "coordenadas en bruto"
recogidas por el dispositivo captador y que corresponderían a las lecturas en el proceso de
determinación de los errores geométricos. De este modo la única vía de estudio de los errores efectivos
(desviación de los valores indicados por la MMC, frente a la 'realidad' del mesurando) pasa por la
medida de artefactos.
Al conjunto de contribuciones a la incertidumbre que pueden ser evaluadas por medida pertenecen
todas aquellas asociadas a correcciones de las desviaciones que se espera no varíen dentro de un
período prolongado de tiempo. Algunas de estas contribuciones mensurables son sistemáticas y en
consecuencia podrían en principio ser corregidas pues introducen un desplazamiento conocido en un
punto medido. Otras de estas contribuciones a la incertidumbre mensurables pueden ser descritas
únicamente de modo estadístico. Las contribuciones siguientes se recomienda que sean evaluadas por
medida:
Se mide una esfera patrón calibrada con idénticas configuraciones y parámetros de palpado que los
utilizados para las mediciones reales. Estos parámetros son: fuerza palpado, velocidad, distancia de
2.24
Capítulo 2 Medición por coordenadas - Estado actual.
Cuando se utiliza un cambiador de sonda o una sonda articulada, la incertidumbre del cambio de sonda
o la incertidumbre de la articulación de sonda se evalúan como sigue: se mide una esfera repetidamente
con la misma distribución de puntos a ensayar como normalmente se utiliza durante la habilitación de
la sonda. Se lleva a cabo esta medida con dos palpadores individuales diferentes (o diferentes
posiciones de la articulación) de longitudes diferentes cada uno. Todas las sondas tienen que ser
previamente habilitadas antes de iniciar el procedimiento de evaluación del error. Antes de cada una
de las medidas en un cambio de sonda, respectivamente con una articulación de sonda, se ejecuta una
operación. Los punteros tendrán longitudes y se ejecutarán orientaciones que sean típicas para las
mediciones con la MMC. Se calculan todas las distancias aparentes entre todos los centros calculados
de la esfera Medida. El doble de la desviación estándar de estas distancias se asume como
incertidumbre del cambio de sonda, respectivamente de la articulación de sonda. Las dos longitudes
del puntero permiten expresar estas contribuciones a la incertidumbre como un término dependiente
de la longitud del mismo.
Para establecer los errores de geometría MMC (a menudo llamados errores paramétricos y en el marco
de los trabajos del Dr. Trapet), se mide una bola calibrada o una placa con agujeros, en cuatro
posiciones y con un total de seis carreras de medida. Las medidas representan los errores geométricos
de la MMC en secciones transversales del campo de medida, todas ellas paralelas a los dos ejes de
coordenadas y válido para la extensión concreta del ensayo. En cada orientación se mide la placa dos
veces con diferentes desplazamientos de las escalas respectivas. Se utilizan cinco palpadores
individuales diferentes. Esto permite calcular cada uno de los seis errores sobre cada eje de movimiento
(seis grados de libertad por eje): tres errores rotativos (angulares), un error de posición, y dos
componentes de la desviación de alineación, se esquematiza en la Figura 2.15. Puesto que se lleva a
cabo cada medida dos veces, una vez se procede en el sentido horario de bola a bola y otra vez se
2.25
Capítulo 2 Medición por coordenadas - Estado actual.
procede en sentido anti-horario de este modo se pueden aislar los efectos direccionales y eliminarse.
Los efectos direccionales del sistema de palpado se tienen en cuenta como influencias sistemáticas
desconocidas.
En algunos casos puede ser necesario medir adicionalmente el contenido de periodo corto de algunos
errores paramétricos y combinarlo con los resultados de las mediciones de la placa de bolas. Esto es
porque errores con longitud de onda por debajo de dos veces el espaciado de bola / agujero no se
incluyen en los resultados del método de placa de bolas. Sin embargo, en la mayoría de casos estos
errores son insignificantes comparados con los errores aleatorio y sistemático de palpado. Una
propuesta para evaluar y representar este contenido en errores paramétricos de periodo corto de un
modo aproximado, evitando el tiempo consumido por las medidas específicas, es el siguiente: se
atribuyen (aditivamente) términos de periodo corto solamente a los errores de posición y desviación en
la alineación (nueve bastarían para definir la relación funcional para los ejes de una MMC Cartesiana,
se desprecian los errores de rotación). Estos términos constan de ruido con amplitud comprendida entre
la mitad del tamaño del objeto más pequeño que se piensa medir en la MMC, y el doble del espacio
2.26
Capítulo 2 Medición por coordenadas - Estado actual.
entre los puntos cuyos datos se utilizaron para la evaluación del error paramétrico (p.ej. los espacios
entre centros de bolas de la placa de bolas). Las desviaciones típicas de las señales resultantes así
generadas (p.ej. un error de periodo corto en posición y dos errores de periodo corto de alineación por
eje de movimiento) se ajustan para dar el mismo valor que las desviaciones típicas de las Medidas
correspondientes a términos de periodo corto en cada uno de estos errores paramétricos. Las técnicas
apropiadas para la evaluación del error de periodo corto se emplean p.ej. reglas, niveles, o
interferómetros láser. En estudio sigue la posibilidad de evaluar la desviación típica de las
contribuciones de periodo corto a los errores paramétricos por medio de un número pequeño de
medidas adicionales / redundantes de la placa de bolas. Esto evitaría la necesidad de artefactos
adicionales y puede como derivación dar margen para una verificación cruzada de la conformidad del
modelo de la MMC y la precisión de la evaluación del error.
2.27
Capítulo 2 Medición por coordenadas - Estado actual.
cuadráticos, linealmente los términos dependientes de la posición y en caso de errores rotativos igual
que en el caso de los errores de posición. En el caso de errores de desviación en la alineación estos
términos representan dependencias funcionales de segundo orden respecto a las posiciones del eje.
Los efectos direccionales son desplazamientos desde el punto cero sobre los tres ejes, cuya estabilidad
con el uso de la MMC no puede ser asumida. Las contribuciones E5 - E8 están relacionadas con los
errores paramétricos. La incertidumbre de errores sistemáticos de sonda se representa como una
banda de variación angulares relación con el error direccional característico medido dentro de un
intervalo de estimación ±k·s para los ángulos de orientación en acimut y elevación.
Se deben desarrollar controles por intervalo al objeto de evidenciar que todas influencias han quedado
dentro de los límites estimados de variación. La idea básica es llevar a cabo controles por intervalo en
forma de evaluaciones simplificadas del error las cuales proporcionan aproximaciones de orden inferior
en los errores paramétricos más una capacidad global del ensayo. Los controles por intervalo
simplificados reducen en gran medida el esfuerzo para la, frecuentemente menos necesitada,
evaluación de errores de escala completa. Se posibilita una simplificación, porque la experiencia ha
mostrado que la mayoría de las variaciones de los errores paramétricos de MMC son de bajas
frecuencias espaciales. Las variaciones, si ocurren, normalmente son debidas a fluctuaciones de la
temperatura medioambiental, colisiones y cambios estructurales con el tiempo.
Al objeto de valuar éstas variaciones de orden inferior, se utiliza por ejemplo un cubo de bolas (ocho
esferas en las esquinas de un cubo). Tal cubo de bolas es equivalente a un conjunto de placas de bolas
de rápido posicionamiento y por tanto realiza las mediciones muy rápido. El periodo de ocupación
requerido en la máquina de 15-30 minutos es admisible al menos una vez por semana. El cubo de bolas
debe ser calibrado. En lugar del cubo de bolas se emplean otros objetos de referencia (Más
económicos) los cuales proporcionan información equivalente, p.ej.: una placa de bolas, de la que en
este caso solamente las cuatro bolas de la esquina necesitan ser medidas. Los términos de las
aproximaciones lineales de todos los errores angulares, errores de posición y las constantes que
describen los efectos direccionales así como los tres errores de cuadratura no deben diferir de sus
valores pre-calculados por encima de los límites preestablecidos. Una opción sensata para estos límites
es el valor de incertidumbre ±2·s para cada uno de los errores paramétricos y para los direccionales.
Tal como ya se mencionó, la incertidumbre de cada error paramétrico es debida a los efectos E5- E8.
Los valores precalculados para los errores paramétricos son comparados en contraste con los valores
correspondientes de los controles por intervalo, se consigue simulando un control por intervalo,
utilizando los datos de error más recientes obtenidos de las evaluaciones de error para la escala
completa.
Cada vez se llevan a cabo con mayor frecuencia evaluaciones del error de palpado. Por razones de
economía éstos son controles globales los cuales evalúan una mezcla de incertidumbre de muestreo
aleatorio, característica direccional, y repetibilidad de cambio / articulación de la sonda (las mediciones
que se proyectan exigen análisis tan a fondo como el último). La evaluación del error global se llevan a
cabo por medida de una esfera con por lo menos 40 puntos de palpado, se miden estos puntos con
una mezcla de punteros, los puntos medidos con el puntero mínimo se distribuirán bien sobre la
2.28
Capítulo 2 Medición por coordenadas - Estado actual.
superficie accesible de la esfera. Todos los puntos medidos se aplican a un ajuste Gaussiano de una
esfera, la desviación de forma debe estar dentro del límite previsto. El valor permitido para la desviación
aparente de forma de la esfera de referencia es - como en el caso de los errores paramétricos - obtenido
por una simulación de este control por intervalo, utilizando el error y datos de incertidumbre obtenidos
en la evaluación más reciente del error de la escala completa.
Estos controles por intervalo proporcionan seguridad acerca de la estabilidad de todas las
contribuciones. Pero también establece seguridad sobre la precisión en la evaluación de las
contribuciones a la incertidumbre por medida de la escala completa (E1- E4), y en las estimaciones de
las contribuciones a la incertidumbre (E5- E9). Esto es porque las estimaciones que se comparan en
contraste con los resultados del control por intervalo, se obtienen (por simulación) desde las
evaluaciones y estimaciones de escala completa; la evaluación del error de escala completa y el control
por intervalo son medidas independientes.
Se emplea la información de los controles por intervalo para trazar diagramas de barras para cada error
paramétrico individual, la incertidumbre de sonda, y las direccionales. Si uno de ellos rebasa su límite
estimado a 2·s, debe realizarse una nueva evaluación del parámetro de error de escala completa
incluso nuevas estimaciones de las contribuciones a la incertidumbre.
Como se mencionó anteriormente, el principio de la MMC Virtual es combinar los resultados de las
coordenadas realmente medidas del punto y de las medidas simuladas que están basadas en las
mismas coordenadas del punto pero después de modificarlas. Las modificaciones de las coordenadas
del punto contienen las influencias del error de la MMC y su entorno tal como son medidas y estimadas
y como son ejecutadas específicamente para el tipo concreto de medida.
Las representaciones funcionales de los errores sistemáticos y conocidos medidos (normalmente tipos
E1 y E4) se mantienen inalterados durante el proceso completo de simulación. Cada punto de palpado
se cambia según los errores paramétricos, válidos para la posición, de los ejes de la MMC y para el
desplazamiento (off-set) del palpador de la sonda actual. Además se suma un vector de error
direccional de palpado el cual es consecuencia del error direccional característico válido para la actual
dirección de palpado, fuerza, velocidad, y desplazamiento del palpador.
Las influencias aleatorias que afectan independientemente a cada punto individual de palpado
(normalmente tipo E2) se conocen en forma de parámetros estadístico p.ej. por su desviación típica
evaluada por el análisis de la incertidumbre de ensayo. Durante la simulación se representan estos
errores como suma de un vector en dirección normal a la superficie, cuyo valor se determina
nuevamente para cada punto de palpado, usando un generador Gaussiano con la desviación típica
conocida.
2.29
Capítulo 2 Medición por coordenadas - Estado actual.
Influencias aleatorias que afectan a la posición relativa de palpadores en sonda solo tras un cambio de
sonda o una articulación de la sonda (normalmente tipo E3) se evalúan por el análisis de la
incertidumbre de sonda con cambio de configuración / articulación de sonda. Así mismo son únicamente
conocidos en forma de parámetros estadísticos. Durante la simulación se representan estos errores
sumando un vector cuyo valor y orientación se determinan nuevamente cada vez que se introduce una
nueva configuración de sonda o se selecciona una nueva dirección de palpado para el cabezal de la
sonda articulada. Esto se hace utilizando un generador Gaussiano con la desviación típica conocida.
El modelo deberá contemplar efectos proporcionales a la longitud del vástago.
Como se describió anteriormente, existen influencias no exactamente conocidas pero que se han
estimado con respecto a sus amplitudes posibles o sus desviaciones típicas (normalmente E5- E9).
Estas influencias son principalmente las incertidumbres de los errores paramétricos y otros errores
evaluados por medida (Evaluación Tipo – A). Estas influencias E5 - E9 son, como se mencionó, de baja
frecuencia espacial. Individualmente para cada error paramétrico, el error sistemático de palpado y para
la tendencia del punto cero, los efectos conjuntos de influencias (las E5- E9) se calculan por suma
cuadrática de sus desviaciones típicas (cuando se aplican para errores paramétricos individuales, los
errores sistemáticos de palpado, y la tendencia).
La simulación toma estos efectos en cuenta por ejecución de cada medida virtual varias veces: antes
de que cada medida virtual evalúe un nuevo valor para los efectos conjuntos E5 - E9 sobre cada error
paramétrico, se calculan los errores sistemáticos de palpado y la desviación del cero usando un
generador Gaussiano con desviación típica conocida (Simulación de Montecarlo). Es esencial tomar en
cuenta la correlación física real entre las influencias individuales y variar algunas de ellas
independientemente, algunas con una relación fija de amplitudes y signo opuesto, y otras con una
relación fija de amplitudes y el mismo signo. Durante la ejecución de la simulación las influencias
sistemáticas conocidas y las influencias aleatorias se representan como se describió anteriormente. Se
lleva a cabo una evaluación estadística al final de la ejecución de todas las medidas simuladas
proporcionando una incertidumbre de la medida global para cada parámetro de medida en forma de
una desviación del caso libre de error que no será rebasado por más del 5% de todos los resultados
simulados.
2.30
Capítulo 2 Medición por coordenadas - Estado actual.
El software de la MMC Virtual se debe certificar. Además de esto el usuario debería tener la posibilidad
práctica de verificar la MMC Virtual. Esta comprobación de la ejecución por el usuario MMC será fácil y
rápida. Se recomienda medir artefactos simples calibrados, y verificar que los resultados son correctos
dentro de las incertidumbres calculadas por la MMC Virtual. Los Objetos Calibrados serán de tamaño
semejante al del objeto a medir.
Un cilindro de caras planas paralelas contiene todos estos rasgos, es fácil de adquirir y un objeto fácil
de calibrar. Se medirá el cilindro en múltiples posiciones y orientaciones en el campo de medida de la
MMC. La diferencia entre los valores medido y calibrado deberá ser menor que la incertidumbre prevista
por la MMC Virtual para la tarea en por lo menos el 95% de los casos.
* Fabricación y precio.
* Tiempos de instalación.
El patrón de pasos se comercializa como una barra en cuyo seno se disponen zonas de palpado
paralelas y equiespaciadas con características certificadas.
2.31
Capítulo 2 Medición por coordenadas - Estado actual.
Se trata en este caso de un tubo rígido de dimensión adecuada al volumen de medida, en cuyos
extremos se soportan sendas esferas calibradas. Cabe distinguir dos tipos que recurren a diferentes
criterios de valoración: barra libre y barra magnética (en uno o los dos extremos).
Barra embolada libre: en este caso la barra se dispone en un soporte articulado al objeto de permitir su
libre ubicación dentro del volumen de medida. El procedimiento de Medida será fundamentalmente la
obtención del centro de cada esfera y la distancia entre centros.
Barra embolada magnetizada: uno o ambos extremos se alojan en cavidades sobre el cabezal y (dos)
en un punto de la mesa, de modo que se mantiene la barra magnéticamente vinculada al extremo (en
este caso el cabezal no dispone del palpador). La barra puede ser rígida o extensible disponiendo en
tal caso de un medidor de su tamaño.
Existe una variante de este tipo de “barras emboladas “comercializada por Renishaw como artefacto
de referencia para la calibración que consistente en:
• Un soporte con una columna vertical al final de la cual está fijada una pequeña esfera de rubí.
• Una barra con una esfera de rubí en un extremo y con un acople en el otro que permite a esta
barra articularse con la esfera de la columna.
Así, la barra puede girar libremente alrededor del centro de la esfera de la columna. Por tanto,
teóricamente, el centro de la esfera de la barra se mueve sobre la superficie de la esfera. Renishaw lo
denomina MCG (véase la referencia al documento H-1000-5080.pdf de Renishaw en
www.renishaw.com )
Tanto en uno como otro caso las esferas / huecos están calibrados así como la distancia entre
sus centros / ejes. Para las placas de huecos es posible el recurso a taladros cilíndricos o, en su caso,
esféricos.
2.32
Capítulo 2 Medición por coordenadas - Estado actual.
Lim: placa con alojamientos cónicos separados 25mm sobre dos líneas en cruz, permitirían el
autocentrado de la bola palpadora, para la detección de los errores de rectitud y perpendicularidad.
Brenzina: artefacto denominado PESA-1 (Véase: Figura 2.19), consistente en una estructura de cuatro
brazos con esferas en sus extremos; el procedimiento sería determinar los centros de esfera y las
distancias entre ellos para distintos emplazamientos. Señalar la similitud geométrica entre este artefacto
y el presentado por el doctorando, anticipando la diferencia de concepción y uso de una morfología
aparentemente similar.
Phillips: artefacto denominado barra embolada NIST, mediante una barra embolada calibrada y una
base guía que permite barrer el volumen de medida en un rango de 300 a 1500 mm.
Zhang: mediante una secuencia lineal de esferas equiespaciadas de similar diámetro nominal.
Fei: propone un elemento similar al anterior. Mediante una fila de esferas calibradas, con distancias
entre centros no definidas, alterando el procedimiento de evaluación y contraste de resultados.
Pfeifer: emplea un calibre de engranaje biselado al cual añade ocho cilindros de alta precisión cuatro
de ellos montados en ángulo de 30º con el eje de rotación y los otros cuatro a 15º con direcciones
radiales. Entiende que la comparación de los valores medidos en relación a los calibrados permite al
usuario establecer la capacidad de medida de la MMC.
La Tabla 2.3, recoge valores cualitativos de algunos parámetros prácticos, frente a los distintas
topologías de artefactos; adicionalmente se reseñan en la Tabla 2.4 capacidades operativas extendidas
tanto en la Tabla 2.5, como en Tabla 2.6.
Tabla 2.3 Comparativa de parámetros generales de utilización de los distintos tipos de artefacto
ASPECTOS GENERALES
2.34
Capítulo 2 Medición por coordenadas - Estado actual.
2.35
Capítulo 2 Medición por coordenadas - Estado actual.
Pouler (NPL): estructura óptica espacial, por la que la posición del cabezal se deduce del ajuste de un
haz a zonas delimitadas en un plano, con una posterior evolución a la sustitución de estas zonas por
reflectores y detectores interferométricos. Aporta el autor aspectos relativos a la incertidumbre de sus
determinaciones.
Schussler: aplica la medición láser al concepto de patrón de pasos, cambiando la calibración de los
pasos por su medición por interferometría.
Tikka: propone el método tetra-test por el cual monta sobre el cabezal un telescopio láser que reporta
las distancias a tres puntos de referencia, estableciendo la posición mediante triangulación. El propio
autor evidencia como dificultades: ajuste del mecanismo telescópico, peso, coste y complejidad
mecánica.
Las influencias térmicas se manifiestan, como resulta evidente, en efectos de dilatación. Debe tomarse
en consideración que existen dos filosofías de fabricación en la selección de los materiales a aplicar
por el constructor, así el empleo de materiales de alta estabilidad térmica y bajo coeficiente de dilatación
(invar, cerodur, cuarzo natural), en la idea de mantener la lectura frente a cambios de temperatura; o el
uso de acero para la medición de piezas de acero, con el criterio de que máquina y pieza se dilaten de
modo coherente.
La validación del comportamiento ante cambios de temperatura se potencia por una adecuada
selección del material del artefacto, para el análisis, emparejando de modo que las diferencias se
evidencien: para una máquina pretendidamente insensible el material adecuado debería ser sensible,
mientras que para una máquina adaptable debería ser de material insensible. Debe tomarse en
consideración que los coeficientes de dilatación, se establecen con una incertidumbre entorno a 1
μm/m/ºC, lo que contribuye a la incertidumbre en el establecimiento del comportamiento de la MMC
ante variaciones en temperatura. Alternativamente, el uso convencional de patrones.
En este apartado se ha recurrido específicamente a las normas referidas a continuación con especial
atención a las fechas de edición.
VDI/VDE 2617, Accuracy of Coordinate Measuring Machines Characteristics (Parameters) and their
Checking.
2.36
Capítulo 2 Medición por coordenadas - Estado actual.
ANSÍ/ASME B89.1.12M. Methods for Performance Evaluation of Coordinate Measuring Machines. The
American Society for Mechanical Engineering. 1989
JIS B 7440, Test Code for Accuracy of Coordinate Measuring Machines. Japanese Standards
Association. 1987
P.A.C. Miguel and T.G. King. Standards for CMM Verification. Paper submitted to Int. J. of Quality &
Reliability Management. Esta referencia recopila y compara diversas normas aplicadas en verificación
de prestaciones.
Control entre calibraciones: conjunto de operaciones especificadas por el usuario para poner a prueba
la precisión de una MMC. Habitualmente realizadas a intervalos regulares al objeto de incrementar el
nivel de confianza en las Medidas realizadas con la MMC. Existen guías y normas internacionales que
orientan sobre este tipo de pruebas. (interim check) Calibración orientada a tarea de una MMC: conjunto
de operaciones que establecen, bajo unas determinadas condiciones, la relación entre el valor indicado
por la MMC y el valor conocido correspondiente de una familia limitada de mensurandos definidos con
precisión, los cuales constituyen un subconjunto de capacidades de medida de la MMC. (task-related
calibration)
Error de indicación: indicación de la MMC menos el valor real (convencionalmente verdadero) del
mesurando.
2.37
Capítulo 2 Medición por coordenadas - Estado actual.
Errores de detector o palpador: imputables al propio sistema de detector de presencia del objeto a
medir. En general resulta inviable o innecesario aislar completamente las dos fuentes de errores de
detector y de palpado (probe errors).
Máquina de medición por coordenadas (MMC): sistema de medida, de emplazamiento fijo durante su
operación, desarrollado para la recogida de Medidas desde al menos dos desplazamientos: uno lineal,
el otro lineal o angular, generados por la MMC. (CMM).
Capacidad óptima de medida: la menor incertidumbre de Medida para una cierta cantidad a medir en
un rango especificado, asignada a un laboratorio acreditado. Se establece por balance de las
contribuciones de las distintas componentes de incertidumbre y/o por intercomparación con otros
laboratorios. Se atribuye a un laboratorio para un rango de Medidas sobre cada magnitud acreditada.
2.38
Capítulo 3 Situación Normativa
Como preámbulo, abogar por la conveniencia de referir al contexto normativo, e incluso, estados
diferentes en la evolución de las normas que directamente se han desarrollado para las máquinas de
medición por coordenadas (más que para la propia medición por coordenadas). Son las normas
industriales, más allá de su misión comercial, un repositorio de conocimientos aplicados y fundamentos
conceptuales y tecnológicos muy próximos a la realidad de su ámbito. En el caso de las máquinas de
medir por coordenadas, encuentra utilidad la revisión de los contenidos de las normas elegidas, al poner
de manifiesto las inquietudes de los afectados y la identificación de los elementos críticos. No están
exentas de influencias y sesgos derivados de las fuerzas relativas de quienes las desarrollan. No es
sutil el peso que la visión del desarrollador de máquina comercial ha transmitido al texto de las normas.
No se aprecia la misma presencia de las misiones de aseguramiento de la medida y su traslación a la
decisión en el contraste de especificación. Aun primada en el texto la función contractual sobre la
metrológica, son de alcance la terminología, el convencionalismo en aspectos de aplicación práctica y
el acuerdo sobre criterios de alcance de las actuaciones.
En el marco normativo, han de referirse las diferentes entidades desarrolladoras de normativa. Destacar
ISO, organización de la cual se recogen las referencias normativas de mayor afinidad con la trazabilidad
y aplicación de las Máquinas de Medición por Coordenadas:
ISO 14253 Geometrical product specifications (GPS) -- Inspection by measurement of workpieces and
measuring equipment
Part 1:2013 Decision rules for proving conformity or nonconformity with specifications.
Part 2:2011 / Cor. 1:2013 Guidance for the estimation of uncertainty in GPS measurement, in
calibration of measuring equipment and in product verification.
Part 4:2010 Background on functional limits and specification limits in decision rules.
Part 6:2012 Generalized decision rules for the acceptance and rejection of instruments and
workpieces.
3.1
Capítulo 3 Situación Normativa
Por su interés en los desarrollos, se mantienen como referencia versiones anteriores de ISO
14253 Geometrical Product Specifications (GPS) -- Inspection by measurement of workpieces and
measuring equipment –
o Part 1: (ISO 14253-1:1998) Decision rules for proving conformance or non-conformance with
specifications.
ISO/DIS 14978 Geometrical Product Specifications (GPS) -- General concepts and requirements for
GPS measuring equipment.
ISO/CD TR 16015 Geometrical product specifications (GPS) -- Guide to the handling of temperature
influences on measurements.
ISO/CD 16610 Geometrical product specifications (GPS) -- Data extraction techniques by sampling and
filtering of surfaces –
UNE-EN ISO 10012:2003 Requisitos para los procesos de medición y equipos de medición.
El epígrafe 7.1 Confirmación metrológica; concentra los elementos de referencia afines al presente
desarrollo.
La tarea de confirmación metrológica, ejecutada por vía de calibración y verificación del equipo, se
sustancia en la tarea de contraste de especificación. En relación con el uso previsto o en su caso con
la capacidad provista por la MMC, se procede a la declaración de límites permisibles especificados,
entendidos como requisitos metrológicos. La verificación del estado de conformidad resulta en un
proceso de contraste, como pudiera serlo en relación con el concepto de tolerancia.
3.2
Capítulo 3 Situación Normativa
Por su parte 7.2 proceso de medición, se orienta al aseguramiento de la competencia del sistema de
medida para la tarea prevista, lo que fundamentalmente se centra en el contraste de una especificación.
El planteamiento se fundamenta en la detección de pérdida del estado de conformidad en el desempeño
de la tarea; en condiciones de control del proceso, afectando al conjunto de magnitudes de influencia.
JIS B 7440, Test Code for Accuracy of Coordinate Measuring Machines. Japanese Standards
Association. 1987
Tabla 3.1 Cuadro comparativo de las normas de mayor profusión a excepción de ISO
PARAMETROS Normas para la verificación de prestaciones en MMC
B89.1.12M 2617 B 7440
ANSI/ASME VDI/VDE JIS
Tarea de medida varias longitud varias
Longitudes del test según tipo de MMC 5 5
Intervalo de confianza 100% 100% 95%
Repetitividad sí no no
Artefacto bloques patrón bloques patrón bloques patrón
galgas de pasos galgas de pasos galgas de pasos
Posiciones 20-30 7 5
Desviación térmica sí no sí
Test de sonda sí opcional no
3.3
Capítulo 3 Situación Normativa
EA 10/05 (anterior Guía EAL G17: Enero 1995). Coordinate Measuring Machine Calibration.
European co-operation for accreditation. Destacar la rigurosa diferenciación entre la verificación
de capacidad y calibración, en relación con las tareas orientadas al aseguramiento de las medidas.
Así, discierne entre la determinación de la capacidad del sistema para alcanzar determinadas
prestaciones, verificación; y la calibración, orientada al aseguramiento de la comparabilidad y
compatibilidad dimensional. Soporta los conceptos de “interim check” y “task related calibration”,
siendo el segundo parejo a un uso de comparación y el promulgado por el documento.
Exigen una atención especial las Normas ISO 10360 e ISO 15530.
ISO 10360, en sus partes constituyentes, es el referente de mayor interés. Conjuga especificidad y
madurez tras su incorporación en la década de los 90’ y hacia el 2000 de las partes 1 a 6. La citada
Norma es desarrollada por el Comité Técnico ISO/TC 213 Dimensional and geometrical product
specifications and verification. Teniendo este doctorando el privilegio de asistir a la reunión celebrada
en Vitoria (España) en septiembre de 2001, en calidad de observador, atendiendo a su condición de
miembro del Grupo de Trabajo que dentro del Comité de Metrología Dimensional de AENOR.
La norma ISO 10360 bajo el título general de Especificación Geométrica de Productos (GPS)⎯
Ensayos de aceptación y verificación periódica de máquinas de medición por coordenadas (MMC), está
formada por las siguientes partes:
Part 3:2000 CMMs with the axis of a rotary table as the fourth axis
Part 5:2010 CMMs using single and multiple stylus contacting probing systems
Por su interés y coincidencia con el objeto de la presente tesis, se abundará en comentar los contenidos
específicos de las partes 1 a 6 de esta norma ISO 10360, adoptadas por UNE (en fechas similares).
ISO/TS 15530 – Geometrical product specifications (GPS) -- Coordinate measuring machines (CMM):
Technique for determining the uncertainty of measurement –
3.4
Capítulo 3 Situación Normativa
• ISO/TS 15530-6:00 GPS. Coordinate measuring machines (CMM): Techniques for Determining
the Uncertainty of Measurement - Part 6: Uncertainty Assessment Using Un-calibrated
Workpieces.
A las necesarias definiciones básicas, se unen otras específicas que por su concisión deberán contribuir
a mejorar su uso e interpretación por quienes usan de estos instrumentos. Destacar en el apartado de
definiciones generales las relativas a los distintos Sistemas de Referencia de uso común en la práctica.
Particularmente interesa recoger las siguientes:
Máquina de medición por coordenadas (MMC): sistema de medición con medios para desplazar un
sistema de palpado y capacidad para determinar coordenadas espaciales sobre la superficie de una
pieza. (2.1 ISO 10360-1).
» La definición apunta a contemplar dentro de la denominación tanto los elementos físicos como
los de cálculo e intangibles.
3.5
Capítulo 3 Situación Normativa
En la práctica, las MMCs recurren a puntos en relación con la superficie y superficies en relación con
los puntos.
Medición por coordenadas: medición de coordenadas espaciales mediante una MMC. (2.2 ISO
10360-1).
Se desaprovecha la ocasión de prescribir que las coordenadas deberán serlo en un Espacio Vectorial
Afín Euclideo (no necesariamente en 3D).
Mentar que los parámetros proporcionados por una MMC, pueden proceder de más fuentes que los
ejes convencionales, por estar asociados al concepto de coordenada en un sistema de referencia o una
base; la redundancia es consecuencia del uso de sistemas con ejes más allá de la dimensión del
espacio geométrico (3D; 2D; 1D); mesas giratorias (usualmente referidas como 4º eje; 5º eje, en su
caso), ejes auxiliares,…
Volumen de medición: campo de medición de una MMC acotado por los límites simultáneos de todas
las coordenadas espaciales medibles por la MMC. (2.3 ISO 10360-1).
Interesa contrastar esta definición con las recogidas en el Vocabulario Internacional de Metrología:
conjunto de los valores de magnitudes de una misma naturaleza que un instrumento o sistema
de medida dado puede medir con una incertidumbre instrumental especificada, en unas
condiciones determinadas.
Sistema de coordenadas de la pieza: sistema de coordenadas fijo respecto a la pieza. (2.4 ISO
10360-1).
La expresión “fijo” resulta coloquial y poco ajustada a los conceptos de ingeniería. Podría decirse
vinculado o ligado.
3.6
Capítulo 3 Situación Normativa
Los ejes máquina no dejan de ser conceptuales o ideales, y lo son por cálculo. Otra forma habría sido
más acertada para referir la diferencia entre parámetros de posición e indicaciones de posición de los
sensores, y más allá coordenadas.
Ensayo de aceptación (de una MMC): Ensayo de recepción en la transferencia o adquisición de una
MMC. (2.17 ISO 10360-1).
Ensayo de verificación periódica (de una MMC): Ensayo orientado a ratificar la competencia de la
MMC en relación con las especificaciones demandadas por el usuario. (2.18 ISO 10360-1).
Control periódico (de una MMC): Ensayo reducido frente al anterior, en la intención de extender la
validez de las condiciones de uso entre verificaciones periódicas (2.19 ISO 10360-1).
Sistema de palpado: remite al sistema de detección de superficie de pieza, contempla todos los
elementos implicados, incluso cambiadores o auxiliares. (2.6 ISO 10360-1).
Palpado: acción específica de detección de pieza que promueve la indicación de la MMC. (2.7 ISO
10360-1).
En la sección de definiciones relativas al sistema de palpado, cabe destacar las referencias a sistemas
de palpado óptico, pues si bien la norma se centra (al igual que esta exposición) en MMC
tridimensionales, evitando explícitamente otros sistemas de medición por coordenadas como pueden
ser, por ejemplo, la fotogrametría o los sistemas de rastreo “laser tracker”. No obstante sí incluye el
palpado sin contacto en la idea de obtención de coordenadas tridimensionales sobre la superficie de la
pieza a medir, soportadas genéricamente por una estructura mecánica, o más exactamente por un
mecanismo, el cual contribuye a la determinación de las coordenadas en un sistema de referencia (ya
sea materializado físicamente o deducido matemáticamente de uno físico).
3.7
Capítulo 3 Situación Normativa
Para dar rigor a las expresiones deberán tenerse presentes las definiciones:
VIM 1.20 Valor numérico (de una magnitud) – número empleado en la expresión del valor de
una magnitud, diferente del utilizado como referencia.
VIM 2.10 valor medido (de una magnitud): valor de una magnitud que representa un resultado
de medida.
Las referencias al “instante de palpado” y al “centro de la punta del palpador” resultan en exceso
particulares, en relación con la diversidad de sistemas de palpado.
(2.20 ISO 10360-1) distancia radial gaussiana R: distancia desde el centro de una esfera gaussiana
(de mínimos gaussianos) la cual es el elemento asociado basado en un número finito de puntos
medidos corregidos obtenidos sobre un patrón materializado de dimensión (8.2) esférico, y un
punto medido corregido tomado sobre el mismo patrón materializado de dimensión esférico.
NOTA – El conjunto de puntos medidos da lugar al elemento derivado del que se obtiene el
elemento asociado que da lugar a un rango de valores de distancias radiales gaussianas, R.
(10.1 ISO 10360-1) Elemento gaussiano asociado. Elemento de mínimos cuadrados asociado.
Característica geométrica realizada por la mínima suma de cuadrados de los residuos ortogonales a
los valores indicados de puntos en relación con la pieza. No se define “elemento asociado” o “elemento
derivado”. Ha de entenderse como elemento geométrico, característica geométrica, forma, posición,…
Patrón materializado: Apela a un elemento físico que materializa una característica geométrica
trazable (8.1 ISO 10360-1).
Por dimensión debe entenderse característica geométrica (definida por distancia). Para magnitud
dimensional de un elemento serian ejemplos: la distancia entre superficies planas; la redondez de una
superficie esférica,…
8.2 no deja de ser expresión de 8.1, matizada en la propia definición de patrón materializado, que
deberá serlo de una magnitud dimensional.
Se dice “artefacto” de los patrones materializados (quizás no se recoja en la norma por mojigatería; en
inglés, artifact).
3.8
Capítulo 3 Situación Normativa
La norma presenta en todas sus partes, un tratamiento diferenciado para las tareas en modo de palpado
continuo (scanning). Atendiendo así a las características de estas tareas, su problemática específica,
y el hecho de las profundas diferencias entre los sistemas de palpado aplicados al palpado punto a
punto (o palpado discreto), y los utilizados para el palpado continuo.
La cláusula 9 introduce los conceptos de error de indicación en relación con parámetros de capacidad
o calidad en las posibilidades de medición de una MMC particular. (Ver notación en Tabla 3.2). Se
tipifican distintos modos de error y se definen en relación a ellos referentes para la especificación de
las capacidades de una MMC, los denominados errores máximos permisibles (MPE), que por indicación
del fabricante, se convierten en límites superiores para el cumplimiento de especificaciones de
fabricante, permitiendo así al usuario su contraste y control.
(9.2) error máximo permisible de indicación de una MMC en medición dimensional, MPEE
(9.12) error máximo permisible de palpado en modo scanning (palpado continuo), MPETij
(9.14) duración máxima permisible para la prueba en modo scanning (continuo), MPT
(9.18) error máximo permisible de forma de un sistema de múltiples palpadores fijos, MPEMF
(9.19) error máximo permisible de dimensión de un sistema de múltiples palpadores fijos, MPEMS
(9.20) error máximo permisible de posición de un sistema de múltiples palpadores fijos, MPEML
3.10
Capítulo 3 Situación Normativa
Error de palpado P : Error incurrido en la medición de una esfera por palpado punto a punto (o discreto)
para un palpador concreto. (9.3 ISO 10360-1). Se apunta la necesidad de atender a la limitación:
0 < P < MPEE
Valores de referencia de los parámetros: en relación con los datos de referencia, serían los valores
adoptados por los parámetros que se corresponden con la característica geométrica de evaluación.
(11.3 ISO 10360-1).
Residuo: valor de distancia entre el valor indicado para las coordenadas de los datos y el
correspondiente al punto del elemento gaussiano asociado. (11.7 ISO 10360-1). Establecido
ortogonalmente y que puede diferenciarse por signo el sentido de la posición relativa exterior / interior
o similar.
Residuo de ensayo: el obtenido por cálculo comparativo entre rutina valorada y referencia. (11.12 ISO
10360-1).
Alcance (de un conjunto de datos). No es la denominación más acertada, pudiendo ser más
expresivas o consistentes las de región o zona, apelando a que no toda la característica es afectada
por el muestreo. (11.13 ISO 10360-1). Esta referencia aporta NOTAS aclaratorias.
3.11
Capítulo 3 Situación Normativa
La Parte 2 de ISO 10360 declara como objetivos técnicos aquellos vinculados a la descripción de los
ensayos de aceptación y verificación periódica:
Afirma en su introducción: “Los beneficios de estos ensayos son que el resultado de la medición tiene
una trazabilidad directa a la unidad de longitud, el metro, y proporciona información sobre cómo la MMC
se comporta en mediciones de longitud similar.”
El método de evaluación para dimensiones, debe establecer si una MMC es capaz de medir dentro del
error máximo permisible de indicación de una MMC utilizada para medidas dimensionales, MPEΕ (en
la nomenclatura de la Parte – 1 de ISO 10360).
Para las intenciones de la norma resulta de mayor trascendencia, el ensayo del error de indicación en
las medidas dimensionales o de forma. Y debe apreciarse la exclusión explícita de sistemas no
cartesianos y sistemas de palpador sin contacto (se dice, previo acuerdo mutuo de las partes se podrá
aplicar).
máximo error permitido en la medida de longitud, EL,MPE ; valor extremo del error en la medida de
longitud, EL , permitido por las especificaciones. (3.6 ISO 10360-2).
NOTA 2 Se utiliza un error máximo permitido (MPE) frente a una especificación del límite
máximo permitido (MPL) cuando las mediciones del ensayo determinan errores; por lo que el
ensayo de una especificación MPE requiere el uso de artefactos calibrados.
3.12
Capítulo 3 Situación Normativa
desviación en la punta del palpador del eje del cabezal, L: distancia (ortogonal al eje del cabezal)
entre la punta del palpador y un punto de referencia. (3.1 ISO10360-2).
La Parte 2 de la ISO 10360, introduce especificaciones de referencia sobre los ensayos de aceptación
y verificación periódica. Los primeros orientados a verificar las especificaciones del fabricante de las
máquinas de medición por coordenadas (MMC) utilizadas para medidas dimensionales o de forma.
Mientras los ensayos de verificación periódica permiten al usuario contrastar la pervivencia de las
prestaciones de la MMC.
De este modo, entiende la norma que los ensayos de aceptación y de verificación periódica deben
atender a especificación sobre:
Los requisitos de prestaciones que pueden ser establecidos por el fabricante o el usuario
de una MMC.
Las aplicaciones para las cuales se pueden utilizar los ensayos de aceptación y verificación
periódica.
Aspectos referidos al sistema de palpado por contacto han sido transferidos a la Parte 5:2010.
Destacar aquí la referencia a la habilitación del palpador, por entenderse de su particular relevancia (en
la ejecución de las tareas de preparación para la medida). Es también relevante en relación con el
“concepto de bola de incertidumbre” que se aplica en la presente tesis (y se desarrolla en Anexo), como
elemento instrumental del desarrollo del ensayo de calibración.
La anterior edición de esta Parte 2 recogía el epígrafe Equipamiento de medición (ahora en 6.2.3 UNE-
EN ISO 10360-5:2012) donde se indicaba específicamente que debía disponerse de la esfera de
ensayo, de un diámetro entre 10 mm y 50 mm, que deberá estar calibrada en el defecto de forma
(esfericidad) atendiendo a la trascendencia que los errores de forma pueden tener en el resultado del
ensayo, y es por ello que esta contribución debe tenerse en cuenta durante la prueba de conformidad
o no-conformidad con las especificaciones.
Para el ensayo se indicaba que, la esfera de ensayo debe ser colocada en emplazamientos diferentes
al utilizado para la esfera de referencia en la habilitación del sistema de palpado.
3.13
Capítulo 3 Situación Normativa
En relación a esta componente del ensayo, destacar que tal tarea viene a corresponderse con el error
U3 descrito por la Norma VDI / VDE 2617, Accuracy of coordinate Measuring Machines Characteristics
(Parameters) and their Checking.
El procedimiento, recoge los aspectos procedimentales que debe atender el ensayo para ser conforme
a la ISO 10360 (siendo precursor del epígrafe 6.2. UNE-EN ISO10360-5:2012), indica así el ensayo
que se deberá ejecutar.
Medir y registrar 25 puntos. Los puntos deben estar distribuidos lo más regularmente posible sobre, al
menos, un hemisferio de la esfera de ensayo. Su posición será la elegida por el usuario y, si ésta no
estuviera especificada, se recomienda como esquema de palpado:
Ocho puntos (equitativamente repartidos) a 45 º por debajo del polo, y rotados a 22.5 º con
relación al grupo anterior.
Cuatro puntos (equitativamente repartidos) a 67.5 º por debajo del polo y rotados a 22.5 º
con relación al grupo anterior.
Ocho puntos (equitativamente repartidos) a 90 º por debajo del polo (en el ecuador, por
ejemplo) y rotados a 22.5 º con relación al grupo anterior.
A partir de estas mediciones, usando las 25 medidas, se procede a calcular la esfera gaussiana
asociada, y para cada una de las 25 mediciones, se calculará la distancia radial gaussiana, R.
Se procede después a calcular el error de palpado, P, como el rango de las 25 distancias radiales
gaussianas, Rmax – Rmin.
Por su parte la tarea del ensayo orientada a la evaluación de la aptitud en relación con el tamaño, debe
establecer si la MMC es capaz de medir conforme a la especificación del error máximo permisible de
indicación de la MMC cuando es utilizada para medidas dimensionales, MPEΕ; y así, se debe realizar
comparando los valores calibrados con los valores indicados para cinco patrones materializados de
dimensión o tamaño, cada uno de ellos de una longitud diferente. Los cinco patrones deberán ser
emplazados en siete posiciones o/y orientaciones diferentes dentro del volumen de medición de la
MMC, y deben ser medidos tres veces, es decir, se deben efectuar un total de 105 palpados.
Se exponen, por su valor de referencia en relación con las tareas de captación del comportamiento
metrológico del sistema de medición por coordenadas, aspectos resumidos recogidos en la anterior
edición de la norma; los requisitos, presentados en forma resumida, eran los referidos a continuación.
3.14
Capítulo 3 Situación Normativa
En principio:
; ∈ − + ; + +
siendo uR la incertidumbre del diámetro de la esfera y uP la incertidumbre del diámetro del palpador.
Ajuste de máquina
Utilizar bloques patrón longitudinal, de incertidumbre inferior a la utilizada por el fabricante en el ajuste
(que a su vez no podrá ser superior al 20% del valor del error declarado por el fabricante).
• Se medirá en siete orientaciones distintas seleccionadas por el usuario para cinco longitudes (5
bloques en 7 orientaciones).
• La alineación se ejecutará conforme al criterio seguido en el ajuste.
• Cada medición se realizará palpando una vez en cada extremo y repitiendo tres veces cada longitud
(esto representa 105 palpados para 35 medidas).
• No se aplicarán correcciones de temperatura cuando las condiciones de utilización de la máquina
estén dentro del rango definido por el fabricante.
• Se aceptará el ajuste cuando ninguno de los valores de desviación entre lecturas y nominales
resulte superior a las especificaciones del fabricante. En su defecto cuando un máximo de 5 de las
35 mediciones presenten una de sus tres repeticiones fuera de especificación, se repetirán las
mediciones sobre las distancias fuera de especificación, repitiendo 10 veces cada una, que deberán
quedar dentro de la especificación.
Cada patrón materializado de dimensión debe estar calibrado en cuanto a su longitud y la incertidumbre
habrá de ser tomada en consideración en el balance de incertidumbre para la prueba de conformidad
o no-conformidad de la MMC, con las especificaciones.
Se deberán repetir las actuaciones siguientes para las siete posiciones y orientaciones diferentes,
elegidas por el usuario:
Medir tres veces cada uno de los cinco patrones materializados de dimensión, en de cada
una de las siete posiciones y orientaciones diferentes, efectuando solamente mediciones
bi-direccionales, ya sean exteriores o interiores. Se deberá medir solamente un punto (es
3.15
Capítulo 3 Situación Normativa
decir un único palpado en cada ejecución) en cada extremo del patrón materializado de
dimensión.
De este modo, para las 105 mediciones, se procederá a calcular cada error de indicación para la
medición dimensional, E, calculando la diferencia entre el valor indicado y el valor certificado para cada
patrón materializado de dimensión.
El valor indicado de una medición particular (de un patrón materializado de dimensión en una posición
y una orientación particular) puede ser corregido para tener en cuenta los errores sistemáticos, si la
MMC tiene accesorios para corregir los errores sistemáticos o un software para ese efecto.
La corrección manual del resultado para tener en cuenta la temperatura u otras correcciones no estarán
permitidas cuando se cumplen las condiciones ambientales recomendadas por el fabricante. Este
planteamiento apunta a la idea de que, la ejecución de un ensayo en las condiciones especificadas de
operación para la MMC, introduce en la evaluación las contribuciones por las magnitudes de influencia,
por lo que no deben ser tomadas en cuenta sus repercusiones, al estar contempladas en la
especificación y en el ensayo.
El valor calibrado del patrón materializado de dimensión conviene que sea corregido con respecto a la
temperatura sólo si esta posibilidad está disponible normalmente en el soporte informático de la MMC
sometida a ensayo.
Se deberán registrar todos los errores (valores de E) en un diagrama, tal y como se indica en ISO
10360-1, correspondiente a la forma en que está definido el MPEE.
Son conformes a los requisitos de ISO10360-1, ISO 14253-1 y la especificación técnica ISO/TS 23165.
De conformidad con 5.3.1. de ISO-10360-2, serán cinco patrones materializados de dimensión en siete
posiciones o/y orientaciones diferentes; de estas 35 medidas dimensionales, un máximo de cinco
pueden presentar uno de los tres valores repetidos de los errores de indicación dimensionales fuera de
la zona de conformidad. Cada medida dimensional que estuviese fuera de esa zona de conformidad
(según la ISO 14253-1) debe ser medida nuevamente 10 veces dentro de la posición y orientación
correspondiente. Si todos los valores de errores de indicación dimensionales, obtenidos por las 10
mediciones repetidas se encuentran dentro de la zona de conformidad (ver ISO 14253-1), la MMC se
considera verificada con éxito; en su defecto deberá rechazarse.
3.16
Capítulo 3 Situación Normativa
El epígrafe 7.3 Control Periódico, se estimula a los usuarios a incluir dentro de sus sistemas de gestión
de calidad interna, el recurso a una verificación periódica simplificada para demostrar la probabilidad
de que la MMC sea conforme con los requisitos especificados en relación con los dos errores máximos
permisibles, MPEE y MPEP.
El Anexo A de la parte 2 de ISO 10360, detalla cómo se puede reducir el ensayo de verificación
periódica con respecto a: cantidad de mediciones, posiciones y orientaciones para su aplicación como
control periódico.
Específicamente se refiere a la selección de una de las siguientes herramientas en función de los tipos
de medición para los cuales se utiliza la MMC:
Una pieza de ensayo, expresamente hecha con elementos geométricos representando formas
geométricas habitualmente medidas, dimensionalmente estable, mecánicamente robusta y
donde el acabado superficial no afecte significativamente a la incertidumbre de la medición.
Una barra que puede ser cinemáticamente posicionada entre una esfera de referencia fija y la
esfera del palpador de la MMC.
Estimula la norma a controlar regularmente, entre verificaciones periódicas, los errores de palpado
asociados a las diferentes configuraciones de palpadores habitualmente utilizados, por ejemplo
palpadores múltiples o alargaderas.
Los ensayos descritos en ISO 10360 se orientan a detectar los errores de medida del sistema asociados
al plato giratorio, y en este sentido concretan los ensayos descritos con generalidad en la norma. Son
pruebas ejecutadas en posición estacionaria y en modo de palpado continuo; la norma resalta que,
normalmente, no es necesario aislar los errores del plato giratorio de aquellos otros asociados a otras
fuentes de error de la máquina.
3.17
Capítulo 3 Situación Normativa
Para la realización del ensayo se propone el recurso a dos esferas de ensayo (denominadas A y B),
con diámetros entre 10 mm y 30 mm, cuyos defectos de forma deberán estar certificados y deberán ser
tenidos en cuenta en el cálculo de incertidumbres del resultado.
Hacer notar, y así lo destaca la norma, que no es necesaria la certificación del diámetro de las esferas,
por emplearse en el estudio únicamente los datos de centros de esfera; no obstante a juicio del
doctorando, puede resultar de interés disponer de este dato pues permite abundar en el
comportamiento local de la MMC y particularmente en las contribuciones del palpado (lo que en relación
a esta parte de la norma no es objeto de análisis), y en último extremo puede ser de utilidad para la
aplicación de criterios de aceptación y rechazo sobre las mediciones individuales que constituyen el
ensayo.
La disposición de las esferas en el plato giratorio será conforme a las recomendaciones de la norma,
básicamente, ambos centros de esfera deben equidistar (r) del eje de giro del plato, estando una de
ellas (A) próxima a la superficie del plato y la otra (B) a una altura significativa (h) (Figura 3.5).
Como resultado del ensayo se obtiene un volumen de desviaciones o errores, cuya representación
esquemática se recoge en la Figura 3.6.
3.18
Capítulo 3 Situación Normativa
La Parte 4 de ISO 10360, recoge las pruebas de aceptación y verificación periódica de aplicación solo
a MMCs que puedan ejecutar mediciones en continuo o escaneado, susceptibles de ser aplicadas a
determinaciones de forma o de parámetros de alguna característica dimensional asociada. La norma,
conforme a la práctica y disponibilidad de las máquinas comerciales, contempla dos tipos de
escaneados, el escaneado de alta densidad de puntos (particularmente relevante cuando se necesita
información sobre las desviaciones respecto a la forma ideal) y el escaneado de baja densidad de
puntos (relevante para permitir la optimización de la velocidad cuando se necesite información sobre
características geométricas asociadas).
Los ensayos descritos se plantean como complemento a aquellos ensayos de medidas dimensionales
recogidos por la Parte 2 de la misma norma ISO 10360 (estos se realizan sin usar escaneado). Así
pues, los ensayos descritos se orientan específicamente a evaluar el comportamiento de una MMC
usada en modo de medición por escaneado o continuo.
Alerta la norma de cómo, normalmente, no es útil aislar los errores de palpado por escaneado de otras
fuentes de error de la máquina.
En cualquier caso, la norma recoge sus limitaciones indicando que la prueba no es capaz de definir
completamente el comportamiento de la MMC cuando se usa bien para medición de formas o cálculo
de características asociadas. Recomendándose, que si la MMC se ha de usar para una tarea de
medición de una forma concreta, por ejemplo redondez, se lleven a cabo pruebas conformes a la
normalización específica relativa a ese tipo de medición.
Existen numerosos factores de incidencia comunes a cualquier modo de uso de las MMCs, pero deben
destacarse los efectos de: la rugosidad de las superficies a medir; discontinuidad de superficies y
lubricidad o rozamiento relativo entre pieza y de la punta del palpador. Estos factores específicos del
modo continuo de palpado influyen en la calidad del palpado, y consecuentemente en los resultados si
no se controlan sus efectos. En las pruebas contempladas en la norma, estos parámetros de influencia
están controlados produciendo resultados que podrían no reflejar aquellos obtenidos en piezas reales,
para las que no siempre serán controlables o tan siquiera conocidos.
Esta parte de la norma remite a definiciones específicas de aplicación en su contexto (9.11) (9.12)
(9.13) y (9.14) citados en relación con la Parte 1 de ISO 10360.
El apartado 5.1 de ISO 10360-4, centra el ámbito de aplicación de las pruebas o ensayos descritos,
siendo así aplicables en situaciones de:
3.19
Capítulo 3 Situación Normativa
a) Escaneado según un recorrido predefinido para conseguir una alta densidad de puntos
(designado en la norma como, HP).
b) Escaneado según un recorrido predefinido para conseguir una baja densidad de puntos
(designado en la norma como, LP).
c) Escaneado según un recorrido no predefinido para conseguir una alta densidad de puntos
(designado en la norma como, HN).
d) Escaneado según un recorrido no predefinido para conseguir una baja densidad de puntos
(designado en la norma como, HN).
Para la ejecución del ensayo, y en relación con las tareas de selección de artefactos para su aplicación
en el uso de la presente tesis, se refiere a las siguientes características de referencia en los elementos
de medición:
Diámetro nominal de 25 mm
La esfera de ensayo deberá estar adecuadamente calibrada en diámetro y forma, puesto que ambas
características influyen en el resultado del ensayo, debiendo tenerse en cuenta en la comprobación de
cumplimiento o no de las especificaciones.
La esfera de ensayo no puede ser la propia esfera de referencia usada para la habilitación del sistema
de palpado y deberá emplazarse en un lugar diferente al de la esfera de referencia.
A Plano de escaneado 1
B Plano de escaneado 2
C Plano de escaneado 3
D Plano de escaneado 4
E Eje del cabezal de la máquina
3.20
Capítulo 3 Situación Normativa
La distancia recomendada entre puntos de escaneado viene limitada de acuerdo con la Tabla 3.3.
Tabla 3.3 Distancia entre puntos de escaneado recomendada por ISO 10360-4
Distancia entre puntos de escaneado Distancia máxima recomendada del plano de
consecutivos escaneado
Para HP y HN 0.1 mm 0.2 mm
Para LP y LN 1 mm 0.2 mm
Cada una de las cuatro secuencias de escaneado debe comenzar con el palpador en un punto
intermedio, como mínimo a 10 mm de la esfera de ensayo, desde este punto de partida; el palpador
debería aproximarse a la esfera a lo largo de una superficie normal y a una velocidad determinada.
Cada una de las cuatro secuencias de escaneado debe terminar con el palpador en un punto intermedio
como mínimo a 10 mm de la esfera de ensayo.
Se debe registrar el tiempo de la prueba de escaneado, τ, definido como el tiempo desde que la
máquina inicia la ejecución, en el punto intermedio al comienzo de la primera secuencia de escaneado,
hasta el punto intermedio al final de la cuarta secuencia de escaneado.
En todo el proceso de medida y cálculo, los algoritmos y parámetros usados deben ser los que
habitualmente se aplican para mediciones de piezas. No aplicándose ningún filtrado u optimización
adicional.
La evaluación de resultados pasa por calcular el centro de la esfera (característica asociada) Gaussiana
(por mínimos cuadrados) usando todos los puntos obtenidos por el escaneado de todas las líneas
designadas. Para cada uno de los puntos de medidos, se calcula la distancia radial, R, distancia del
punto al centro ajustado; se calcula el error de palpado, Tij , como el rango de las distancias radiales
calculadas, R ; y finalmente se obtiene la diferencia máxima absoluta entre cualquier distancia radial
individual calculada, R, y la mitad del valor certificado del diámetro de la esfera de ensayo (radio de la
esfera de ensayo).
Los valores obtenidos para Tij (teniendo en cuenta la incertidumbre de medida según ISO 14253-
1) no sean superiores al máximo error permitido de palpado MPETij , especificado por el fabricante
o por el método del usuario.
Esta parte de la ISO 10360 se centra en MMCs que emplean sistemas de palpado con palpadores
múltiples, incluyendo palpadores múltiples fijos conectados a un solo cabezal (p.ej.: palpador en
“estrella”), palpadores múltiples que utiliza un palpador para cada cabezal, y sistemas de palpado
articulados. Limitándose el campo de aplicación del ensayo de aceptación y el ensayo de verificación
periódica a MMCs con todo tipo de sistemas de palpado por contacto; sistema de palpado articulado
(motorizado o manual) que pueden ser pre-calificados (es decir, una vez que la repetibilidad del
funcionamiento del sistema es suficiente para no exigir la calificación del palpador después de cada
uso); y palpadores de forma esférica, hemisférica o redonda; configuraciones que usan un sistema de
cambio de cabezal repetible.
Los ensayos descritos en esta parte de la ISO 10360 son complementarios de los efectuados conforme
a la Parte 2 de la misma norma.
Para la ejecución del ensayo se debe disponer de una esfera de ensayo con entre 10 mm y 30 mm de
diámetro. La esfera de ensayo debe estar calibrada en tamaño y forma.
El ensayo se basa en la medición de tamaño, forma y posición de la esfera de ensayo utilizando cinco
palpadores diferentes. Para ello, cada palpador capta 25 puntos sobre la esfera de ensayo,
determinándose una esfera de mínimos cuadrados, para cada palpador.
Cuando se dispone de sistema de cambio de palpador, realizar cinco cambios, previos a la utilización
de cada uno de los palpadores, por un total de cinco mediciones de esfera y cinco esferas de ajuste.
Se calculan los rangos de las coordenadas centrales (para X, Y y Z por separado) de las cinco esferas,
adoptándose como error de posición del sistema de palpado de palpadores múltiples fijos, ML, el más
amplio de los tres. Para los errores de indicación de forma (MS) y tamaño (MF), se aplicará el recorrido
más amplio, de radio y forma, de los obtenidos en el ajuste de las esferas por mínimos cuadrados,
sobre la base de los 125 puntos.
Los puntos deberán estar adecuadamente distribuidos sobre la esfera de ensayo y deben cubrir al
menos un hemisferio, recoge la norma recomendaciones al respecto.
Estos elementos han conducido la decisión de diseño del ensayo de caracterización, en relación con el
concepto de bola de incertidumbre aplicado en la memoria de la presente exposición.
Como se ha anticipado en el capítulo introductorio, uno de los condicionantes más severos del
aseguramiento de la calidad en las medidas proporcionadas por una MMC, es el recurso a herramientas
de ajuste de un conjunto de datos, coordenadas medidas de una característica real, a una característica
asociada. Serán las rutinas aplicadas al cálculo de una característica asociada, la herramienta que
proporcione los valores de los parámetros de esta característica asociada, permitiendo su descripción
3.22
Capítulo 3 Situación Normativa
Es incuestionable por ello que la fiabilidad de la información resultará influenciada por la validez del
software utilizado para el cálculo de las características ensayadas.
La Parte 6 de ISO 10360 circunscribe su aplicación al software sometido a ensayo, en relación con los
valores que proporciona para los parámetros de una característica asociada. El procedimiento de
ensayo se basa en utilizar un conjunto de datos de referencia y aplicando el software bajo evaluación,
calcular sus resultados, para posteriormente comparar los resultados obtenidos con los resultados de
referencia (en este sentido remite la norma a la competencia de la entidad de ensayo, para disponer
de unos datos y resultados de referencia que puedan actuar como patrones).
Indica la norma que el ensayo es únicamente del software, y por consiguiente independiente del sistema
de medición por coordenadas. Este concepto recogido por la norma coincide plenamente con los
planteamientos defendidos en la presente tesis. Permite sustentar por norma, las actuaciones en
relación con la validación y aseguramiento independiente, del subsistema de obtención de datos de
coordenadas, en relación al subsistema de post-proceso de estas coordenadas mediante software,
para la determinación de las características.
Destacar la indicación recogida donde se anticipa que si el resultado del ensayo de software presenta
desviaciones, que resultan significativas en relación con los valores referidos por el fabricante como
errores máximos permisibles, deberá entenderse que el software es inadecuado para su aplicación en
el sistema de medida. Por el contrario, la obtención de valores no significativos, no proporciona una
completa convicción de que el software sea totalmente satisfactorio para el cálculo de características
asociadas.
A juicio del doctorando se presentan en la actualidad dificultades para la correcta aplicación de esta
Parte 6 de la norma:
3.23
Capítulo 3 Situación Normativa
Los criterios recogidos por el Anexo A para la generación de pares de referencia (datos y
resultados), son considerados por el doctorando escasos por faltos de la generalidad exigible
para una norma de pretendido alcance y trascendencia. Los criterios para la generación de las
representaciones extensivas de la característica asociada bajo ensayo, son incompatibles con
estrategias de medición complejas, o incluso simples como sería la no regularidad en la
adquisición de las coordenadas. Del mismo modo los modelos de distribución exigidos, pueden
resultar inadecuados para la representación de contribuciones específicas, por ejemplo
simulación de contribuciones de palpador afectadas de histéresis. No se contempla la
posibilidad de superposición de contribuciones diferentes en la adición de ruido a las
representaciones extensivas, impidiendo el ensayo en relación con un balance de
incertidumbre específico susceptible de ser simulado numéricamente.
Existe un retraso normativo en relación con el adecuado soporte a las tareas de acreditación
de software, y en la convención sobre los criterios para la acreditación de las entidades
ejecutoras de los ensayos propugnados por la Parte 6 de ISO 10360.
Las referencias incluidas en relación con el procedimiento de ensayo y la información que deberá
contener el informe de la entidad de ensayo, son susceptibles de entrar en conflicto con los requisitos
generales de aplicación a entidades de calibración o ensayo, cuáles pueden ser los requisitos de UNE-
EN-ISO / IEC 17.025, norma de aplicación a Laboratorios Acreditados por el sistema EA.
Se comenta el contenido de la que será parte 6 de la norma, por el interés que representa el recurso a
artefactos no calibrados en los objetivos de la presente tesis. El método descrito en esta norma se
enmarca en los diversos métodos de evaluación de la incertidumbre, descritos en las restantes partes
de la serie ISO 15530. Esta norma es aplicable a la medición directa de pieza, donde el resultado de
medida es proporcionado por la indicación ‘bruta’ de la MMC.
3.24
Capítulo 3 Situación Normativa
El objetivo de esta Norma Internacional es proporcionar una técnica experimental que simplifique la
evaluación de la incertidumbre en las mediciones con MMC. En esta aproximación experimental las
mediciones son llevadas a cabo de un modo semejante a como son realizadas las mediciones reales,
mediante artefactos no calibrados, entendiéndose la semejanza como similitud o correspondencia de
dimensiones y geometría entre pieza y artefacto. Para obtener las diversas contribuciones se recurre a
aplicar, sobre el artefacto, una diversidad de posiciones y estrategias de medida, que pudieran anticipar
las situaciones reales de medición de pieza. La descripción de esta técnica experimental para evaluar
la incertidumbre relativa a tareas es el elemento clave de esta Norma ISO 15530.
La norma preconiza su validez como criterio para el aseguramiento de la trazabilidad en las medidas
proporcionadas por una MMC, por la aplicación de la metodología descrita como evaluación
experimental de las contribuciones a la incertidumbre de las medidas con MMC. En consecuencia si se
efectúa la evaluación de contribuciones a la incertidumbre de conformidad con esta norma, la medida
proporcionada por la MMC es trazable y puede ser así considerada como una calibración,
particularmente si la pieza es un calibre, un patrón, u otra pieza de referencia (por ejemplo si se usará
como patrón o como pieza calibrada en relación con ISO TS 15530-3). La normalización de tales
procedimientos de evaluación de la incertidumbre permite el reconocimiento mutuo de calibraciones y
mediciones. Los procedimientos descritos en el documento servirían también para perfeccionar los
procesos de medida al permitir clarificar las contribuciones a la incertidumbre, de un modo análogo a
las exposiciones recogidas en el Capítulo 6 de la presente tesis, sobre el caso de medición de un cono.
3.25
Capítulo 3 Situación Normativa
En sus estados de revisión la referencia ISO CD 15530 contempla matices de interés en el método de
ensayo que tienen un valor referencial sobre la evolución tentativa de la norma.
• Las dimensión y geometría de la pieza usada en las medidas reales y el artefacto usado en la
evaluación de la incertidumbre han de tener el mismo tipo y magnitud de errores de forma y
rugosidad que la pieza a medir (véase Tabla 3.4).
Tabla 3.4 Requisitos de semejanza entre pieza y artefacto usado en la evaluación experimental de la
incertidumbre
Parámetro Requisitos
serán idénticas dentro de:
Dimensiones 25% para L > 250 mm
Elementos geométricos
50 mm para L ≤ 250 mm
Ángulos serán idéntico dentro de ± 10°
Material
Deberán ser similares.
(ej. dilatación térmica, elasticidad, dureza)
3.26
Capítulo 3 Situación Normativa
Por su parte:
Se debe asegurar en cualquier caso, que los valores de todas las contribuciones significativas varían
cubriendo todos sus posibles rangos de valores.
Destacar que explícitamente, esta norma abre al usuario cualificado la libertad de aplicar el diseño de
experimentos para la evaluación de las contribuciones a la incertidumbre, sin embargo, no recoge
criterios específicos para la validación de los resultados obtenidos o conclusiones emitidas.
Procedimiento
a. Elementos
Un patrón de forma, similar al objeto que realmente se habrá de medir, o en su defecto, una
esfera o anillo calibrados.
Una configuración de palpador para la tarea de medida, más las configuraciones adicionales,
que permitan la medición de la pieza en al menos cuatro posiciones ortogonales entre si de la
pieza.
Accesorios para medir la pieza en un total de por lo menos cuatro emplazamientos ortogonales.
b. Medidas
La pieza deberá ser medida del mismo modo en que se hará durante el procedimiento de medida real.
Adicionalmente se llevan a cabo medidas cambiando la estrategia de medición, (para la exposición del
contenido de la norma se retiene la notación actualmente propuesta en la misma):
Estrategia Mo : Medición de la pieza del mismo modo que durante la medida real; la limpieza de la
pieza, colocación y sujeción, así como habilitación de la sonda y medidas de orientación de la pieza se
realizan nuevamente cada vez; el número de repeticiones no debe ser menor de 10; el resultado es la
media aritmética y0 siendo s0 la desviación típica obtenida.
3.27
Capítulo 3 Situación Normativa
Estrategia M1 : Medición de la pieza con diferentes número y distribución de puntos de medida; esta
estrategia usará un número mucho más alto de puntos (en comparación con los utilizados en las
distribuciones de las medidas reales), típicamente se utiliza un número 4 veces mayor; el número de
repeticiones será de n1 ≥ 5; el resultado es la media aritmética y1 de todas las medidas, siendo s1 la
desviación típica.
M2' : reduciendo la velocidad de exploración a menos del 10% de la velocidad durante la medida
real.
M2'' : aplicando una fuerza doble en el palpado.
Se efectuará cada prueba con un número de repeticiones n2 ; n2 será por lo menos 5; los resultados
son las medias aritméticas y2' e y2'' de todas las medidas con las estrategias M2' y M2'' .
Estrategia M3 (sólo para medidas de forma): Medida de un artefacto de referencia con un número de
puntos al menos igual al número de puntos usados en la medida real (para aquellos elementos de forma
para los que se evalúan errores de forma). Deberá tenerse en cuenta en el balance de incertidumbre
el error de la forma del artefacto de referencia (conforme se recoge en su certificado de calibración). El
número de repeticiones será n3 veces que será por lo menos 5; el resultado es la media aritmética y3
del error de la forma medido en el artefacto de la referencia.
El artefacto por defecto será una esfera calibrada. Cuando se disponga de un artefacto que presente
mayor semejanza con la tarea de medida de forma propuesta que una esfera, este deberá ser el
empleado (por ejemplo: planos, anillos, cilindros).
Estrategias M4' a M4''' : Medición de la pieza con diferente orientación de pieza respecto a los ejes de la
MMC (en comparación con la medida real); Cuando se usan únicamente los ejes cartesianos, la pieza
se medirá por lo menos en las tres posiciones / orientaciones adicionales siguientes:
La posición obtenida al rotar la pieza 90º sobre el primero de los ejes de la MMC; repetición:
n4' veces; n4' será mayor o igual que 5; el resultado será la media aritmética y4' de todos los
resultados de medida obtenidos con la estrategia M4' .
Una segunda posición obtenida al rotar la pieza 90º sobre un segundo eje de la MMC;
repetición: n4'' veces; n4'' será mayor o igual que 5; el resultado será la media aritmética y4''
de todos los resultados de medida obtenidos con la estrategia M4'' .
Una tercera posición obtenida al rotar la pieza 90º sobre un tercer eje de la MMC; repetición:
n4''' veces; n4''' será mayor o igual que 5; resultado será la media aritmética y4''' de todos los
resultados de medida obtenidos con la estrategia M4''' .
3.28
Capítulo 3 Situación Normativa
A modo de conclusión del epígrafe, la siguiente revisión muestra las contribuciones a la incertidumbre
tomadas en consideración y su interpretación en el documento de trabajo del comité:
uvariance: (urepetibilidad) incertidumbre típica resultante del procedimiento de medida conforme se obtiene en
la evaluación experimental de la incertidumbre, utilizando repeticiones totalmente independientes de
medidas de la pieza, con la misma estrategia aplicada en el caso real; por eso toda la manipulación,
sujeción y proceso de datos se deben repetir independientemente.
Estrategy : (Eestrategia) error resultante del procedimiento de medida conforme se obtiene en la evaluación
experimental de la incertidumbre, utilizando diferente distribución de puntos de exploración; se
establecen un número normal y un número más elevado de puntos de exploración, este número más
elevado debe ser lo suficientemente elevado para que el empleo de un número mayor de puntos no
cambie el resultado de la incertidumbre típica en más que el valor fijado por uvariance.
Eprobediam : (Ediámetro de palpador) error medio del diámetro de la punta de palpador (en valor absoluto); este
error debe tenerse en cuenta sólo, si la habilitación de palpador no se corresponde con la estrategia
real de medida. Por ejemplo, se presenta éste caso cuando se ejecuta la habilitación de palpador por
medición externa y la medición real requiere medidas interiores (o viceversa). Para establecer el valor
de Eprobediam se emplea un patrón de dimensiones semejantes a las del elemento geométrico de interés
en la pieza.
ugeoerror : (uerror geométrico) incertidumbre típica resultante de la aplicación del procedimiento de medida
conforme se obtiene en la evaluación experimental de la incertidumbre aplicando reposicionamiento de
la pieza; refiere al error geométrico introducido por la MMC en el volumen de medición.
Escale : (Eescala) error medio del factor de escala (valor absoluto); el factor de escala se determina
utilizando un patrón de dimensión calibrado (por ejemplo uno o más BPLs), procedimientos acerca de
cómo efectuar esta medida están disponibles en ISO 10360-2 (pueden emplearse tan solo medidas
sobre las direcciones de los ejes, en la zona central del volumen de medida).
Eform : (Eforma) error promedio de forma (valor absoluto); se evalúa este error mediante el empleo de
patrones de forma calibrados, se debe hacer la medida con al menos el mismo número de puntos que
en la medida real. La distribución de puntos debe cubrir por lo menos los mismos sectores de superficie
que aquellos medidos durante la medición real.
utemp : (utemperatura) incertidumbre típica resultante de las variaciones de temperatura y compensación por
desviación de la temperatura media a 20ºC, que no sean cubiertos por la determinación experimental.
3.29
Capítulo 3 Situación Normativa
con las indicaciones de la Guía para la Expresión de las Incertidumbres de Medida (GUM) y en su caso
el documento EA 4/02.
Se han de diferenciar tres tipos de mensurandos, en relación al tipo de influencias consideradas en las
contribuciones a la incertidumbre:
Dimensión.
Ángulo.
uvar ,uworkpiece ,utemp ,ugeoerr ,ustrategy ,Eform ,Eprobediam ,Escale, en el caso de dimensiones.
U= E + k ⋅ u
i
2
j
El factor de cobertura k, (habitualmente k=2) se escoge para una probabilidad de cobertura del 95%.
Evaluación de uvariance
La variación obtenida con la estrategia realmente aplicada uvariance, se calcula como la desviación típica
de los resultados de medida obtenidos de la repetición de medidas con la estrategia Mo.
Evaluación de Estrategy
La diferencia entre los resultados medios obtenidos con las estrategias M1 y M0 será:
Evaluación de Eprobediam
En el caso de que se halla ejecutado la habilitación del palpador contra una superficie externa y el
mensurando real se determine por superficies interiores o viceversa, el diámetro eficaz de la punta de
palpador tiene que ser evaluado y corregido e incluida su contribución al balance de incertidumbre. Lo
mismo ocurre en los casos en que para la habilitación del palpador, se mide una esfera calibrada o un
anillo patrón (por su mejor correspondencia con la tarea de medida). La distribución y la sucesión de
puntos de medida deberán corresponderse con estrategia real de medida. El proceso de habilitación y
verificación se llevara a cabo al menos 5 veces, variando la posición de la esfera o el anillo en todo el
3.30
Capítulo 3 Situación Normativa
volumen de medición requerido por la medida real. El valor absoluto del error medio de diámetro será
asignado como Eprobediam.
Evaluación de ugeoerror
Se calcula como el máximo de todas las diferencias posibles entre resultados medios obtenidos por
diferentes colocaciones de la pieza y multiplicó por un factor que tiene en cuenta el número de medidas
en cada posición diferente.
1 5
ugeoerror = ⋅ ⋅ max{ Δ4' 0 ; Δ4' '0 ; Δ4' ' ' 0 ; Δ4' ' 4' ; Δ4' ' ' 4' ; Δ4' ' ' 4' ' ;...}
12 4
Con:
Δ4'0= la diferencia entre los resultados medios obtenidos entre las estrategias M4' y Mo
Δ4''0= la diferencia entre los resultados medios obtenidos entre las estrategias M4'' y Mo
Δ4'''0= la diferencia entre los resultados medios obtenidos entre las estrategias M4''' y Mo
Δ4''4'= la diferencia entre los resultados medios obtenidos entre las estrategias M4'' y M4'
El error medio por el factor de escala Escale es establecido por medición de un patrón dimensional. Se
utilizará un patrón cuya longitud no difiera más del 25% de la longitud mayor medida en la pieza. Se
mide la longitud del patrón dimensional emplazado paralelamente a cada una de las direcciones de los
ejes lineales de movimiento con los segmentos materializados de medida centrados en el volumen de
medición utilizado. El error medio Escale se obtiene a partir del promedio de todas las longitudes medidas.
El error medio de forma Eform (en valor absoluto) se determina por medición de un patrón de forma
calibrado, se debe ejecutar la medida con al menos el mismo número de puntos que en la medida real.
La distribución de puntos debe cubrir al menos los mismos sectores de superficie que los medidos
durante la medición real.
2
utemp = (uTM ⋅ α M )2 + (uTW ⋅ αW )2 + (uαM ⋅ ( TM − 20º C ))2 + (uαW ⋅ ( TW − 20º C ))2
donde:
3.31
Capítulo 3 Situación Normativa
La incertidumbre de una medida presenta variaciones en los errores de forma y rugosidad (entre otros
posibles) debidas a la influencia de las variaciones introducidas por el proceso industrial de su
fabricación, en ocasiones esto puede ser considerado como parte de la contribución por el propio
mensurando. La contribución uworkpiece debe cubrir estas influencias potenciales. Si la pieza empleada
en la evaluación de la incertidumbre, y todas las piezas medidas son semejantes en sus propiedades
dentro de los límites requeridos de incertidumbre (véase: Tabla 3.5), se clasifica esta contribución como
no significativa y por consiguiente puede ser desestimada.
uworkpiece se evalúa por repetición de la comparación entre los resultados medios obtenidos con las
estrategias M0 y M1, en una serie de por lo menos 5 piezas de diferente lotes, se calcula como la
desviación típica de todas las diferencias entre y0 e y1 (sobre todas las piezas).
3.32
Capítulo 3 Situación Normativa
Geometrical product specifications (GPS) -- Guidelines for the evaluation of coordinate measuring
machine (CMM) test uncertainty.
Aporta directrices para la aplicación de ISO 10360-2, y desarrollo de los ensayos de incertidumbre
requeridos por ISO 14253-1. Su aplicación alcanza a ensayos de verificación.
La incertidumbre debida al coeficiente de dilatación por temperatura (CTE) del patrón utilizado solo
será de aplicación si el usuario aporta el valor de CTE para la MMC. La no introducción de
compensaciones por temperatura afecta al cumplimiento de la especificación de error máximo
permitido.
Incertidumbre debida a una falta de alineación del patrón durante el ensayo. Normalmente, esta
influencia no es significativa en máquinas automáticas, mientras que es muy relevante en máquinas
manuales.
3.33
Capítulo 3 Situación Normativa
ISO 5459:1981, Dibujos Técnicos — Tolerancias geométricas — Datos y sistemas de datos para
tolerancias geométricas.
ISO 14253-1, Especificación geométrica de productos (GPS) – Inspección por medición de piezas e
instrumentos de medida — Parte 1: Criterios de decisión para la determinar la conformidad o no
conformidad con las especificaciones.
ISO 14660-2, Geometrical product specifications (GPS) — Geometric features — Part 2: Extracted
median line of a cylinder and a cone; extracted median surface, local size of an extracted feature.
ISO/TS 23165:2006, Geometrical product specifications (GPS) -- Guidelines for the evaluation of
coordinate measuring machine (CMM) test uncertainty.
International Vocabulary of Basic and General Terms in Metrology (VIM). BIPM, IEC, IFCC, ISO, IUPAC,
IUPAP, OIML.
GUM Evaluation of measurement data – Guide to the expression of uncertainty in measurement. JCGM
100:2008
3.34
Capítulo 3 Situación Normativa
GUM S1 Evaluation of measurement data – Supplement 1 to the "Guide to the expression of uncertainty
in measurement" – Propagation of distributions using a Monte Carlo method. JCGM 101:2008
GUM S2 Evaluation of measurement data – Supplement 2 to the "Guide to the expression of uncertainty
in measurement" – Extension to any number of output quantities. JCGM 102:2011
B89.7.5 - Traceability
This report deals with coordinate measuring machines having three linear axes perpendicular
to each other. Such machines have three movable components. An example is the moving-
bridge machine. The movable components are the bridge, carriage, and ram.
3.35
Capítulo 4 Modelo_G
CAPÍTULO 4 MODELO_G
Se presenta bajo este título el soporte conceptual del modelo de desviaciones y su esquema de
representación o expresión formal matemática, que deberá servir de base para el análisis del
comportamiento metrológico de las MMCs.
En los objetivos de la presente tesis doctoral, destacados con antelación, resulta primordial la
orientación al ámbito industrial y su inmediata traslación al uso atendiendo a las normas o
recomendaciones de aplicación para la adecuada gestión de la calidad en las mediciones. Estas
premisas deben dirigir las actuaciones y condicionar las decisiones en cada hito del desarrollo de la
solución a aplicar, sin renunciar a una correcta justificación y soporte conceptual. El modelo original
adoptado, que será referido como: Modelo_G, es desde su origen una respuesta concreta a la
necesidad de enlazar el mundo físico con la descripción formal matemática que de él se hace. Para ello
se acude a la teoría general de espacios afines dotados de una métrica euclídea. El Modelo_G no altera
la concepción del espacio y no pretende modificar esta descripción. Antes bien, se orienta a conciliar
realidad y matemática, con el objeto de que las descripciones, resultados y predicciones obtenidos por
aplicación de la segunda, se correspondan con la primera, o más honestamente, con el concepto que
de ella se tiene y que la matemática pretende expresar.
La correspondencia no será determinista, por el hecho anticipado de que el planteamiento no tiene por
objeto cuestionar la descripción de la realidad mediante espacios métricos afines, se sume su validez;
y con ello, la multitud de factores de diversa índole que median entre la realidad y su concepción.
El camino adoptado, pragmático sin duda, es la declaración de un modelo estadístico (basado en una
determinación mediante herramientas estadísticas) que presentará las siguientes peculiaridades:
• Tal modelo formal está construido desde criterios apriorísticos fundamentados en el conocimiento
experimental, por vía de datos obtenidos por las máquinas de medición por coordenadas (MMCs)
y el trabajo publicado de otros equipos metrológicos, amén del conocimiento del modelo
matemático general de espacios afines dotados de métrica y, en su caso, su extensión a espacios
proyectivos.
4.1
Capítulo 4 Modelo_G
• El Modelo_G se concreta en coordenadas de un espacio métrico afín en relación con los valores
indicados procedentes de una MMC, que se entienden en correspondencia con posiciones en el
espacio real; su interés reside en ser una descripción de la superficie de un objeto tangible (pieza),
del cual se desea una concepción geométrica dimensional (esta descripción es objeto del campo
de aplicación del Modelo_G) enlazable con el patrón de longitud universal.
4.2.- MODELO_G
Los siguientes epígrafes presentan el concepto que será referido como: Modelo_G.
Se asume que la pieza puede ser descrita geométricamente (en el uso práctico se remite a lo que
muchos usuarios denominan ‘la matemática’, llamando así al modelo CAD que de la pieza se recibe
para su descripción geométrica, o en su caso a la descripción por plano). La geometría de la pieza
puede entenderse como subconjuntos infinitos de puntos de un espacio vectorial euclídeo afín
tridimensional (o sus restricciones a dos y una dimensiones) definido sobre el cuerpo de los números
reales (debe notarse que en su traslación al uso los valores numéricos concretos se ven afectados por
el recurso a la aritmética flotante, viéndose la matemática de números reales afectada por el
truncamiento, consecuencia del uso de mantisas finitas); se introduce así en el modelo la concepción
del espacio real. Por el uso de una Máquinas de Medición por Coordenadas (MMC), se obtienen valores
indicados en correspondencia con los puntos de la pieza, la correspondencia entre coordenadas de
punto en el espacio euclídeo afín y valores indicados procedentes de la MMC puede ser descrita
estadísticamente por recurso a una variable aleatoria, existiendo un modelo de comportamiento
parametrizable que expresará las desviaciones entre coordenadas y valores indicados. Se entiende
que los parámetros del modelo serán calculables por ajuste estadístico u otras estrategias de
resolución, lo que permitirá establecer ‘por modelo’ las coordenadas con incertidumbre del punto de
pieza en el espacio euclídeo afín, para su aplicación a la descripción geométrica de la pieza.
Los valores indicados de máquina o coordenadas máquina, son entendidos como ternas ordenadas de
números racionales.
4.2
Capítulo 4 Modelo_G
2º.- Establecer la incertidumbre asociada a esta transformación para cada punto del espacio.
Cumpliendo el requisito de dar expresión formalmente correcta a las coordenadas de cada punto (valor
nominal e incertidumbre).
“Las distancias medidas entre puntos son invariantes a las transformaciones de coordenadas
introducidas por el modelo de desviaciones, el modelo estadístico de ajuste y el procedimiento de
calibración adoptados, y deberán ser consistentes ante las distintas realizaciones concretas”.
Por realizaciones del modelo se entenderá el conjunto de algoritmos algebraicos y numéricos, así como
las implementaciones de programación y soporte informático a las que es factible recurrir para ejecutar
y dar respuesta a las propuestas de los distintos elementos del Modelo_G.
4.3
Capítulo 4 Modelo_G
relación con uno o más: modelos de desviaciones, modelos estadísticos de ajuste y procedimientos de
calibración. Sobre estos elementos pueden implementarse diversidad de soluciones con distintos
niveles de complejidad adecuados al nivel metrológico de la solución que se desarrolle.
Resaltar como valor metrológico de este modelo conceptual su invarianza métrica declarada, de modo
que esta deberá ser satisfecha por el planteamiento matemático adoptado; es un valor de severa
trascendencia metrológica y fuertemente vinculado a la exigencia de trazabilidad. Nótese, que si bien
el Modelo_G introducirá un procedimiento de calibración como elemento constitutivo, se le exige
consistencia ante realizaciones ajenas a su concepción, por lo que los actuales procedimientos de
calibración de MMCs deberán ser compatibles con los resultados provistos por el Modelo_G. El criterio
de compatibilidad será, como se ha anticipado, el que rige las intercomparaciones entre laboratorios de
metrología (Véanse: UNE–EN ISO/IEC 17025; Guía ISO/IEC 43-1:1997; Documento ENAC - NT-03).
La concreción formal matemática del modelo conceptual deberá esperar a la declaración del Modelo
de desviaciones (4.2.4.) y establecerse sobre su expresión.
El resto de las contribuciones que pudieran resultar explicables se considera que exigirían un modelo
de desviaciones de mayor nivel metrológico fuera del objetivo actual de la tesis.
El desarrollo posterior deberá poner en evidencia la validez de los resultados provistos por el modelo
de desviaciones propuesto, evaluándose su bondad en términos de compatibilidad con los medios
actualmente en uso y frente a patrones.
Las contribuciones declaradas se concretan formalmente en considerar que los valores indicados de
máquina corresponden a variables aleatorias de ternas de números racionales (mantisa finita),
susceptibles de ser ajustados a valores nominales con desviación aleatoria. Los valores nominales
serán coordenadas rectangulares expresadas en un sistema de referencia ortonormal de dimensión
tres, Sistema de Referencia de la MMC. La expresión formal de la relación entre coordenadas máquina
y los valores asignados por el modelo de desviaciones, resulta ser para cada punto, la que gobierna un
cambio de base en un mismo espacio vectorial, detallándose a continuación.
4.4
Capítulo 4 Modelo_G
Conforme al modelo de desviaciones, las coordenadas máquina vienen expresadas en una base no
ortonormal (versores no unitarios y no ortogonales) que deberán deducirse de la transformación
definida por ajuste estadístico de los parámetros conforme a las hipótesis del modelo conceptual; así
se describen a continuación los pasos conducentes a la expresión formal de dicha transformación
adaptada a las necesidades del Modelo_G.
Para cada punto de palpado la MMC proporciona lecturas como terna de valores que en condiciones
de repetibilidad y en ausencia de fuentes de variabilidad serán asimilables a coordenadas sobre una
base (se prescinde del origen del sistema de referencia1) que adoptando como modelo de desviaciones:
escala y perpendicularidad, será no rectangular; sea esta base = ; ; . Se pretende
transformar las coordenadas a una base ortonormal, esto es: rectangular y cartesiana = ; ;
mediante una matriz de paso entre ambas bases = con i,j tomando valores 1,2,3. La relación
entre coordenadas máquina ; ; en la base U, y coordenadas ‘normalizadas’ ; ; en la
base E, se expresa matricialmente por:
= esto es ∶ = ̅ Ecuación 1
donde cabe recordar que los vectores columna de la matriz son las coordenadas de los vectores de
la base U expresados en la base E.
El cambio de base no será general, antes bien interesa minimizar el número de incógnitas y
preservar en lo posible la visión intuitiva que el metrólogo tiene de la relación entre el volumen
de medida y las coordenadas que se aplicarán como resultado de las correcciones por modelo.
Así, se adopta una base E generada a partir de la base U de máquina por vía de la
ortonormalización de Gram-Smith (o recíprocamente, pues se mantiene la relación de
direcciones). Este procedimiento ha sido aplicado en las implementaciones informáticas
incorporadas al presente trabajo, para ejemplarizar resultados. El apoyarse en las direcciones
inherentes a las materializadas por la MMC atiende a la intención de mantener la vinculación
entre el resultado del modelo de desviaciones y la visión intuitiva (atendiendo al hecho de que
las MMC cartesianas comerciales presentan comúnmente una mayor simetría X-Y con
relevancia o significación en cuanto a su comportamiento en el eje vertical Z, pudiera resultar
de interés adoptar el tercer eje o dirección como inicial para el proceso de orto-normalización).
Se adopta la secuencia X, Y, Z por simplicidad en la exposición y hábito matemático.
1
Es relevante la intrascendencia del origen de los sistemas de referencia implicados en el desarrollo,
que permite para un modelo de desviaciones global desvincular los resultados del cero de máquina, no
repetible al iniciar las sesiones de trabajo de las MMCs.
4.5
Capítulo 4 Modelo_G
sobre la base de la notación adoptada, en este cambio de base las direcciones sobre los ejes x1-X1
coinciden, así como sobre los planos x1x2-X1X2.
El producto escalar en coordenadas rectangulares está definido por la matriz unitaria de dimensión 3x3
̿ de modo que:
〈 , 〉= ̿· = = Ecuación 4
sobre esta expresión se sustituye la relación con las coordenadas máquina a través de la matriz de
paso , resultando:
〈 , 〉| = = ̅ = ̅ ̿ = 〈 ̅ , 〉| Ecuación 5
4.6
Capítulo 4 Modelo_G
esta relación expresa la conservación del producto escalar y consecuentemente de las distancias
calculadas con la distancia subordinada.
1 0 0 1
〈 ̅ , 〉| = g2· 0 0 Ecuación 6
0 0
es decir: la matriz métrica que define el producto escalar en coordenadas máquina resulta ser:
1 0 0
̿ = 2 · 0 0 Ecuación 7
0 0
Esta notación es heredada de las lecciones de Álgebra Matricial recibidas del Catedrático de
Universidad, Dr. Ingeniero Aeronáutico D. Juan de Burgos Román; están estos conocimientos
y gratitud en la base del presente enfoque conceptual y en la denominación: Modelo_G.
Considerando dos puntos del volumen de media representados por sus coordenadas máquina ̅ e se
define la distancia entre ambos conforme a:
, =〈 − ̅ , − ̅ 〉| = − ̅ ̿ − ̅ Ecuación 8
resulta inmediato constatar que la distancia evaluada en coordenadas máquina y coordenadas
rectangulares es la misma, sin más que sustituir la matriz ̿ por su expresión en relación con .
4.7
Capítulo 4 Modelo_G
El planteamiento general considerando que el ensayo se realiza por medida de distancias se basa en
la aplicación del modelo de mensurando:
= ̅+ ̅ Ecuación 9
̅ : Valor que mejor caracteriza al mensurando. ̅ : Indefinición del mensurando.
Permite obtener, por aplicación del modelo de desviaciones referido por la Ecuación 1 y concretado en
su expresión práctica por la Ecuación 3, la expresión que relaciona los valores indicados procedentes
de las lecturas de la máquina, con los valores medidos que se tomarán como valores corregidos:
̅= + ̅ Ecuación 10
̅ : Debido a repetibilidad.
Resultando:
̅= ̅ + ∗̅ + ̅ Ecuación 11
Para el cálculo de distancia entre puntos adopta una expresión dada por, se aplicará la notación:
̅= − ̅ ; ̅= ∆ ̅ + ̅∗ + ̅ Ecuación 12
Es la expresión del modelo de desviaciones, orientada al ajuste y, tenidas en cuenta las fuentes de
variabilidad. Por último, revisar la expresión anterior, Ecuación 12, formulando en índices referidos al
procedimiento de ensayo y agrupando la dispersión en una única variable aleatoria residual, εijk
= = + Ecuación 13
Siendo, i : índice de distancia (conocida o no) , j : índice de emplazamiento , k : índice de muestra
: distancia euclídea i_ésima en el emplazamiento j_ésimo para el elemento muestral k_ésimo
̅ : vector diferencia de coordenadas máquina en las condiciones referidas por los índices
: valor convencionalmente verdadero de la distancia i_ésima, imputable a la materialización
del mensurando i_ésimo, por aplicación del Modelo_G.
Debe recordarse que una vez definida convenientemente y materializada una distancia entre puntos,
mensurando i_ésimo, esta es invariante respecto a las coordenadas en que sea expresada y a la
posición dentro del campo de medida (modelo global de desviaciones), tal valor (conocido o no) vendrá
representado por .
Como consecuencia de los distintos emplazamientos adoptados por el soporte material de tal distancia
(mensurando) y por las sucesivas repeticiones de la medida (muestreo), se manifestará variabilidad
que afectará al valor medido y, en común con cualquier otro ensayo metrológico, se verá afectado por
diversos factores que perturban el resultado de medida:
El recurso a la técnica de ajuste por mínimos cuadrados, se concreta (para el caso de artefacto no
calibrado) en determinar tanto las normas , como los coeficientes de la matriz ̿ que minimizan la
suma de cuadrados de estas desviaciones .
4.8
Capítulo 4 Modelo_G
Retomando la Ecuación 7 y resueltos los parámetros del ajuste sobre la matriz ̿ , procederá calcular
los coeficientes de la matriz conforme a las relaciones algebraicas:
2
q11 =1 q11 ⋅ q12 = g 12 q11 ⋅ q13 = g 13
2
q12 2
+ q22 = g 22 q12 ⋅ q13 + q 22 ⋅ q 23 = g 23 Ecuación 14
2 2 2
q13 + q23 + q33 = g33
q11 = +1 q12 = g 12 q 13 = g 13
g23 − g12 ⋅ g13
2
q22 = + g 22 − g12 q23 =
2
g22 − g12 Ecuación 15
2 ( g 23 − g 12 ⋅ g 13 )2
q33 = + g 33 − g 13 − 2
g 22 − g 12
Tomando como base las consideraciones anteriores, el procedimiento de calibración tiene como
objetivo establecer, bajo condiciones determinadas, las incertidumbres imputables a los valores
corregidos de coordenadas por aplicación del modelo de desviaciones, asegurando la trazabilidad de
las mediciones a ejecutar con la MMC. Mediante el adecuado procedimiento de medición o ensayo, el
usurario podrá determinar las incertidumbres de uso, para lo cual sirven de base los razonamientos y
actuaciones recogidas en la presente metodología.
4.9
Capítulo 4 Modelo_G
El proceso de análisis de los datos de ensayo, ejecutado con posterioridad, debe conocerse con una
generalidad suficiente. Con ello no se compromete la ejecución del ensayo, condicionando su alcance
o metodología. Así con carácter general el ensayo consistirá en:
3.- Repetir los pasos uno y / o dos las veces que estén previstas.
Llamar la atención sobre las posibles variaciones adoptables en la ejecución del ensayo, derivadas de
la posibilidad de medir las esferas ninguna o repetidas veces en cada emplazamiento (el número de
repeticiones de la medición elemental de cada esfera del artefacto estará entre 0 y un valor que se
recomienda sea de 1 a 5); aun repitiendo la medición de las esferas en una misma posición del
artefacto, el tratamiento posterior puede no tomar en consideración este hecho (conducta que no
obstante se desaconseja, por el peso relativo que tal repetición daría, en términos estadísticos, a las
causas y efectos locales). La intención inicial de repetir las medidas sobre una misma posición, remite
a las operaciones de evaluación del artefacto, y en relación con la calibración de la máquina, se
considera más valiosa la información proveniente de reposicionar el artefacto, con la mayor
arbitrariedad (aleatoriedad) y cobertura del volumen de medición a caracterizar.
Entre las virtudes destacables del artefacto diseñado, cabe destacar la posibilidad de construir un
tetraedro sensiblemente regular, al objeto de permitir un doble alineamiento con dos ejes cartesianos,
o la inclusión de esferas adicionales (véase Figura 4.3), lo que permitiría el análisis de combinaciones
de líneas específicas, con un único artefacto y reduciendo la necesidad de reposicionamiento.
4.10
Capítulo 4 Modelo_G
En este epígrafe se describe la información necesaria y datos, atendiendo a las diversas alternativas
de proceso o metodologías de evaluación aplicables, orientadas a la determinación de los parámetros
del modelo de correcciones y los elementos necesarios para la evaluación de incertidumbres en el uso
de la MMC.
Ante la alternativa de utilización de un artefacto no calibrado, los requisitos son en todo caso los mismos
que aquellos de aplicación en artefactos calibrados, salvo los referidos a trazabilidad. Las mediciones
y caracterización metrológica de las medidas proporcionadas, estarán afectadas de la necesaria
trazabilidad, por aplicación del procedimiento de medición de un elemento dimensional calibrado
(típicamente, en el caso más simple, un Bloque Patrón Longitudinal).
A los elementos estrictamente geométricos, deben añadirse las posibles contribuciones provenientes
de las diferentes fuentes de contribución a la incertidumbre. La identificación y argumentación en
relación con la medición mediante MMC es objeto de epígrafes posteriores. Destacar en este punto las
posibles contribuciones derivadas de las herramientas de cálculo aplicadas, específicamente
algoritmos y su implementación numérica; el contraste y validación de los algoritmos aplicados e
implementados, ha sido uno de los aspectos más cuidados en el desarrollo de las metodologías de
resolución utilizadas en los desarrollos presentados. Aun no siendo el algoritmo la finalidad de las
4.11
Capítulo 4 Modelo_G
Tras la obtención de los valores indicados correspondientes a puntos situados sobre los elementos de
referencia del artefacto (esferas), el primer paso es el cálculo de los centros de esfera y la
caracterización de la dispersión de su posición. Tras esta determinación inicial el proceso aplica los
criterios anticipados conforme a las matizaciones siguientes.
El procedimiento contempla la definición de una población muestral de matrices de ajuste por modelo
que son susceptibles de ser aplicadas a la transformación de coordenadas . Véase Figura 4.4. Esta
población de matrices, y más exactamente su caracterización estadística, (ver: Figura 4.5) será la que
permita establecer la incertidumbre para los valores indicados de coordenadas medidas de puntos en
el volumen de medida, para ello se recurre a considerar la relación con la variabilidad resultante de
aplicar todas las transformaciones (índice f) a cada lectura de máquina:
= ̅ Ecuación 16
Resultando como valor nominal el valor promedio de la aplicación de la familia de transformaciones:
= Ecuación 17
Tal familia contemplará tanto la incidencia de la falta de repetibilidad, como la contribución debida a
corrección por modelo de desviaciones, para ello se recurre a la aplicación de la técnica de simulación
por el método de Montecarlo de manera tal que:
A cada valor indicado se le imputa una variabilidad obtenida como raíz cuadrada de la varianza
muestral.
4.12
Capítulo 4 Modelo_G
A continuación se genera una muestra aleatoria de valores para cada punto de los aplicados
durante la calibración, conforme a una distribución estadística que se entienda conveniente para
describir la variabilidad de los valores indicados (en su defecto una distribución uniforme), deberán
adecuarse los parámetros de la distribución a la variabilidad señalada en el punto anterior; dentro
de esta distribución deben tomarse los valores muestrales cuando estos estén disponibles.
Se ejecutan ajustes al objeto de obtener una familia de matrices eligiendo para cada ajuste el
valor aleatorio en un punto y el promedio en todos los demás recorriéndose de este modo todas
las muestras generadas, tal restricción tiene la intención de considerar el efecto de repetibilidad
sobre el modelo independientemente en cada punto.
En el uso, cada valor indicado proporcionado por la máquina será transformado por simulación
aplicando la familia de matrices , siendo el valor nominal igual a la media de los valores obtenidos
por simulación y la incertidumbre expresada por la desviación típica de tal distribución de valores.
Se habrá mantenido la relación de escala exterior g cuya determinación exige el recurso a un patrón
calibrado, siendo el proceso:
Afectar la varianza muestral de las medidas reiteradas calculada, por el factor de escala global;
combinando su varianza con la incertidumbre reducida del patrón. El término así calculado deberá
sumarse a la varianza de las lecturas corregidas por modelo de desviaciones afectado por el factor
de escala global. Se logra por aplicación de las transformaciones de la familia de matrices de paso
{g· } resultando el resultado afectado por la incertidumbre de calibración.
4.13
Capítulo 4 Modelo_G
Así, en el uso, cada valor indicado proporcionado por la máquina ̅ será transformado por simulación
mediante la familia {g· } que proporcionará un conjunto de valores cuya media será el valor nominal
y cuya varianza se sumará cuadráticamente a la de repetición de medidas sobre el mismo punto y a la
incertidumbre de calibración dada anteriormente. En relación con el efecto de las correcciones véase
Figura 4.7 Comportamiento sin correcciones (rojo) comportamiento con correcciones (azul). En relación
con la determinación de la incertidumbre asociada a los resultados se recogen esquemáticamente en
la Figura 4.6 las dos alternativas descritas.
4.14
Capítulo 4 Modelo_G
0.5
-0.5
-1
Figura 4.7 Comportamiento sin correcciones (rojo) comportamiento con correcciones (azul)
4.15
Capítulo 4 Modelo_G
LONG
COEF Go=I
DISTAS G
Filtrar Registro de
exclusiones
LONG* SI ¿Distintas NO
COEF* exclusiones
DISTAS* Nueva
G
NO SOLUCIÓN
¿min(residuos)? GQ
SI
4.16
Capítulo 4 Modelo_G
La Figura 4.9 Causas frecuentes de incertidumbre, recoge las clases de causas que con carácter
general afectan a las tareas de calibración, y su descripción atendiendo a ISO14253-2.
Elemento de
10 referencia del
Procedimiento 1
de medida equipo de
9 medida
2
Definición del
8 Incertidumbre Equipo de
mensurando
de la medida medida
3
7
4
Mensurando Realización de
la medida
6
5
Algoritmos de
cálculo y
Metrólogo programas
4.4.10.a) Entorno
4.17
Capítulo 4 Modelo_G
Otras causas de entrono que pueden manifestarse, con una menor incidencia serian:
- Principio físico de funcionamiento: regla de trazos, regla óptica numérica, regla numérica
magnética, palpador, engranaje y cremallera, interferómetro,…
- Resolución del indicador principal (analógico - usuario o numérico - software)
- Coeficiente de dilatación térmica - Calidad de las marcas (trazos)
- Estabilidad - Aberraciones ópticas
- Técnicas CCD
4.18
Capítulo 4 Modelo_G
4.4.10.g) Metrólogo
- Tamaño - Forma
- Peso - Defectos de forma
- Estado de la superficie - Deformación residual
- Característica higroscópica del material - Coeficiente de dilatación térmica
- Deformación de la pieza debida al apriete - Módulo de Young, E
- Características de fluencia - Elasticidad por encima del módulo E
- Orientación - Temperatura
- Envejecimiento - Limpieza
Conocimiento de los valores físicos correctos, por ejemplo, las propiedades de los materiales (pieza,
instrumento de medida, aire ambiente, etc.)
4.19
Capítulo 4 Modelo_G
la evaluación de cada una de las componentes de incertidumbre (incertidumbres típicas), uXX , puede
realizarse bien por la evaluación de Tipo A o Tipo B.
4.20
Capítulo 5 Aplicación del método de Montecarlo
5.1.- INTRODUCCIÓN
Las primeras referencias al Método de Montecarlo se encuentran en el artículo “The Monte Carlo
Methods”, Metropolis, J. Von Neumann, S. Ulam, Journal of American Statistical Association, 1949, 44,
Nº247, 335 – 341. Aunque las técnicas basadas en la generación de valores aleatorios aplicados al
cálculo matemático, venían aplicándose con anterioridad, encontraron su apogeo con el desarrollo de
los medios de cálculo automático.
Ha de notarse que la aplicación del método es susceptible de diversas concreciones, en las que cada
realización particular dependerá más del modelo del proceso y las hipótesis establecidas, que del propio
método. La aplicación del Método de Montecarlo a la resolución de problemas estadísticos resulta
evidente, pero encuentra aplicación a la resolución de problemas que son susceptibles de ser resueltos
mediante un modelo probabilístico ‘artificioso’, es decir, se pergeña un proceso que permite afrontar la
resolución del problema aunque el problema no es, en sí mismo, aleatorio, como muestra sirva el
ejemplo que se apunta para ilustrar el uso del Método al cálculo del número ‘PI’.
Malvin H.Kalos “Monte Carlo Methods, Vol. I Basics”: ... una definición del Método de Montecarlo podría
ser: aquel que implica el uso deliberado de números aleatorios en un cálculo que tiene estructura de
proceso estocástico, entendido éste como una secuencia de estados cuya evolución es determinada
por eventos al azar”; en cálculo por ordenador esto se consigue mediante números obtenidos de uno o
varios generadores aleatorios.
El siguiente ejemplo clásico contribuye a esclarecer la idea y fijar la aplicación presente: considérese
el interés por establecer el valor del número π . Esto puede hacerse a partir de la relación entre las
áreas de un cuadrado y el correspondiente círculo inscrito, Figura 5-1.
5.1
Capítulo 5 Aplicación del método de Montecarlo
k ⋅ V1 K ⋅ A1 π ⋅ (L 2)2 π
= = =
k ⋅ V1 + k ⋅ V2 K ⋅ A1+ 2 L2 4
V2 = + V1
V2 : es el volumen recogido en el interior del depósito cuadrado y exterior del depósito circular,
de área A2 = L2 – A1 .
La realización del ensayo en múltiples ocasiones permite abordar la comparación estadística ante la
imposibilidad de mantener una lluvia uniforme infinita, de la comparación de los valores se obtendría la
relación entre áreas y el nivel de significación de este valor; tal es que permite el cálculo del número
π/4.
El mismo problema se abordaría por aplicación del Método de Montecarlo en combinación con la
simulación numérica dando los siguientes pasos:
5.2
Capítulo 5 Aplicación del método de Montecarlo
x2+y2-L2≤0
Seleccionar una precisión adecuada para los datos simulados; la Figura 5-3, representa
el efecto de la resolución en los valores generados, en ocasiones denominados datos
sintéticos.
Las consideraciones expuestas son genéricas e introductorias en relación con el uso de la metodología
de Montecarlo, y guardan relación con el concepto de modelado estadístico (véase Software Support
for Metrology, Best Practice Guide Nº6 - 4.2 Statistical modelling).
5.3
Capítulo 5 Aplicación del método de Montecarlo
La ejecución de las tareas de medición son presentadas como la extracción de un conjunto de valores
indicados referidos al mensurando, estadísticamente estos valores son considerados como una
realización concreta dentro del conjunto de las infinitas muestras que, con el mismo tamaño en el caso
de repetición, podrían obtenerse de la población infinita de indicaciones relacionada con el mensurando.
Alternativamente se puede expresar como una secuencia de actuaciones:
A resultas, es viable la ejecución del balance de incertidumbre, en el que se explicitan las contribuciones
elementales a la incertidumbre y se procede a su cuantificación, ya sea por estimación Tipo – A –
(recurso a técnicas estadísticas) o Tipo – B – (otros medios de estimación); este planteamiento en
conformidad en con la GUM. Posteriormente se aplican criterios relativos a la significación de las
contribuciones, para finalmente proceder al cálculo.
Se entiende que en la ejecución del procedimiento de medición en relación con el mensurando dado,
sería asumible la existencia de una distribución estadística de probabilidades para todos los posibles
resultados de medida, entendidos así en el sentido estadístico convencional. Véase la Figura 5-4, para
ilustrar el concepto.
5.4
Capítulo 5 Aplicación del método de Montecarlo
5.3). Ejecutando el análisis estadístico de los valores muestrales se establecen estimaciones de los
valores de los parámetros estadísticos poblacionales. Se hace esto a partir de la información
proporcionada por los diversos estimadores calculados con los valores muestrales.
Hasta aquí el tratamiento contempla las contribuciones que serán aportadas al cálculo de la
incertidumbre combinada por estimación estadística conforme a una Estimación Tipo – A –.
A estas contribuciones estimadas estadísticamente deberán añadirse las contribuciones estimadas por
otros medios, conforme al concepto de Estimación Tipo – B –. Destacar que en el balance para este
tipo de contribuciones siempre estará presente la contribución a la incertidumbre debida a la
incertidumbre del propio patrón. El proceder matemático y el tratamiento que ha de darse a los datos
sigue la Ley de Propagación de Incertidumbres. Las estimaciones implicadas en la correcta
propagación y cálculo de la incertidumbre combinada conducen finalmente a asignar el resultado de la
medida. La citada ley metrológica está fundamentada en la Ley de Propagación de Varianzas de la
disciplina estadística, de la cual se heredan hipótesis para su aplicación, y de ahí, la trascendencia
estadística de los resultados obtenidos y su interpretación metrológica.
El fundamento matemático de la Ley de Propagación de Varianzas contempla cómo, para una variable
aleatoria de salida, obtenida por vía de una relación matemática o funcional con otras variables de
entrada, es posible estimar la varianza de su distribución de probabilidades (y aún la propia
distribución). Esto es posible a partir del conocimiento de los coeficientes de sensibilidad de la variable
dependiente o de salida respecto a las variables de entrada y, las distribuciones de probabilidad de
estas mismas variables de entrada (o al menos los parámetros característicos de media y desviación
típica, para estimaciones de primer orden). La estimación se sustenta en la convolución de las
distribuciones estadísticas de probabilidad implicadas, recurriendo al cálculo formal o analítico
(admítase esta denominación en contrapartida a la denominación de cálculo numérico, para aquellas
estimaciones basadas en la ejecución de abundantes cálculos elementales, como resultará ser en la
metodología de Montecarlo).
La caracterización indicada deberá abordarse con estricto rigor metrológico y el apoyo de las
metodologías estadísticas. Por su parte la generación de valores sintéticos deberá atender a requisitos
de adherencia a las distribuciones pretendidamente simuladas. A partir del aseguramiento de los
5.5
Capítulo 5 Aplicación del método de Montecarlo
Los elementos referidos y consideraciones generales están en consonancia con los documentos:
Evaluación de datos de medición —Suplemento 1 de la “Guía para la expresión de la incertidumbre de
medida”— Propagación de distribuciones aplicando el método de Monte Carlo (GUM S1:2008) y SSM
Best Practice Guide Nº6 (5.7). En relación con la validación matemática del generador aleatorio se
remite a los apartados siguientes de este mismo capítulo (Véase 5.5.-).
Ejemplo
Se presenta a continuación un caso elemental que pretende introducir la alternativa de cálculo numérico
para la propagación de la varianza. Considérese la repetición de medidas sobre un mensurando
unidimensional (típicamente medida reiterada de un Bloque Patrón Longitudinal), se analizará
exclusivamente la contribución a la incertidumbre debida a repetibilidad. Así, en el proceder habitual se
procede al cálculo de la media como estimador del valor verdadero, calculándose la cuasi-varianza de
los valores indicados y procediendo a dividirla por el número de repeticiones como estimador de la
varianza de la media, para por aplicación del factor de recubrimiento (k) proporcionar la estimación
(elemental de la incertidumbre para los datos registrados en la medición):
Nominal = 20 mm
Media = 1,5 μm
U(k=2) = 6 μm
Alternativamente se procede del siguiente modo para obtener una estimación de la incertidumbre
debida a repetibilidad:
1º.- Se establece un tamaño de muestra para simulación ns (es recomendable que sea similar
al valor empleado en el muestreo real, limitando así el efecto del tamaño de muestra ns).
4º.- Se establece como valor central para el generador el valor numérico obtenido como valor
medido, la media de los datos reales obtenidos.
5º.- Se establece como desviación típica para el generador el valor determinado por la
expresión:
−1
= ·
6º.- Se procede a registrar los valores sintéticos simulados y a partir de ellos se calcula para
cada subconjunto (muestra sintética) la media y con ellas la media de todas las medias (se dirá
media total) y la desviación estadística de las medias. La media total resultará ser la estimación
por simulación del valor medido, mientras que la desviación típica de las medias estimará la
dispersión de la distribución de medias. Esto último permite a su vez establecer la incertidumbre
estimada para la contribución por repetibilidad como el valor de la desviación típica de la
distribución de medias.
Siguiendo el proceder enunciado y atendiendo a los criterios presentados, se recogen en la Tabla 5.1
los resultados obtenidos por simulación.
Conforme a la Guía ISO – GUM, y de conformidad con las teorías de estimación estadística, los
parámetros media y varianza de la distribución de medias para muestras de tamaño n, obtenidas de
una población con función de distribución normal, es estimada a partir de los datos de la propia muestra
por aplicación de las relaciones de la Tabla 5.2.
( x − x )
1
n s2 = i
2
cuasi-varianza muestral
n −1
i =1
Con carácter general, presenta cierto interés el uso de simulaciones con tamaño de muestra de
simulación (ns) igual al tamaño de muestra real o de medida (n) (podrían ser no iguales).
5.7
Capítulo 5 Aplicación del método de Montecarlo
Cada muestra sintética o simulada debería satisfacer la misma relación de estimación que la muestra
real extraída, así:
ss2
Vxs =
ns
ns − 1 2
σ s2 = ss
ns
De otra parte la exigencia de resultados coherentes entre las muestras simuladas y la estimación de
parámetros poblacionales o muestrales, exige que las estimaciones de la varianza de la distribución de
medias muestrales obtenidas por simulación sean coincidentes con la obtenida de la muestra real,
medida, así:
s s2 s 2
Vx = ≅ = Vx
s ns n
Aceptando la sustitución de valores, se obtendrá una expresión que orienta en el proceso de selección
de la varianza o desviación típica a imponer en el generador de valores pseudo-aleatorios (datos
sintéticos):
σ S2 s2 ns − 1
≅ σS = ·s
ns − 1 n n
Acerca de esta expresión hacer notar que el aumento del tamaño de las muestras de simulación, (ns),
en relación con el tamaño de la muestra real (n), deriva en un incremento de la desviación típica
aplicada en el generador de valores pseudo-aleatorios, este aspecto resulta especialmente relevante
por dos consideraciones prácticas:
* Con frecuencia se observa que el aumento del tamaño de muestra simulada (sin recurso a
este ardid matemático) trasciende en una subestimación de la variabilidad de las
contribuciones, dicho de otro modo, a un estimación optimista de las contribuciones evaluadas
por simulación.
* La segunda es más evidente, el aumento del tamaño de muestra simulada, no solo se verá
penalizado por el mayor consumo de recursos informáticos y tiempo de ejecución, además la
variabilidad de los valores sintéticos se incrementa lo que si bien no representa una falta de
bondad en el comportamiento matemático de la simulación, sí resulta cuando menos
desalentadora para quien debe tomar la decisión de aceptar estas estimaciones, es así una
llamada a la moderación.
5.8
Capítulo 5 Aplicación del método de Montecarlo
En relación con las consideraciones aquí recogidas se adopta la designación de bola de incertidumbre.
El Anexo 5 a la presente exposición, recoge aspectos prácticos de trascendencia en su uso para los
propósitos de aplicación en la metodología que se desarrolla.
5.9
Capítulo 5 Aplicación del método de Montecarlo
Se recogen en este punto indicaciones relativas a las herramientas estadísticas aplicadas, con la
notación al uso en estadística (particularmente: E ≡ Esperanza matemática ; letras griegas para los
valores poblacionales).
E( xi ) = μi ; E 2( xi − xi ) = σ i2
i =n
Lim
E[(x − μ ) ]
i =1
i i
3
verificándose: 3
=0
n →∞ i=n 2
σ2
i
i =1
i=n i=n
μ xi − i
definida la sucesión {yn}nn == 1∞ como: yn = i =1 i =1
i=n
σ
i =1
2
i
el Teorema Central del Límite establece que en estas condiciones: {yn} converge a una
variable Y que se distribuye Normal de media nula y desviación típica unidad, Normal tipificada.
Es decir: Y ≡ N( 0 , 1 )
Sea {xn}nn == 1∞ una sucesión de variables aleatorias independientes con idéntica distribución tal
que
i=n
xi − n ⋅ μ
E( xi ) = μ ; E 2( xi − xi ) = σ 2 definida la sucesión {yn }nn == 1∞ tal qu: yn =
i =1
n ⋅σ
el Teorema Central del Límite establece que la sucesión {yn} converge a una variable Y que
se distribuye Normal tipificada. Es decir: Y ≡ N( 0 , 1 )
El Teorema Central del Límite se aplica al Método de Montecarlo, al tomar en consideración que la
exigencia de identidad entre todas las variables sumadas, puede relajarse en la práctica para exigir que
cada sumando por separado no influya considerablemente en la suma (el peso relativo de cada
sumando sobre el resultado final, resulte del mismo orden).
En relación al caso de interés para esta tesis, se entendería para el cálculo de incertidumbres, en el
cual representaría que es de aplicación ante balances de incertidumbre en los que, las contribuciones
5.10
Capítulo 5 Aplicación del método de Montecarlo
dominantes sean tenidas en cuenta por aplicación del criterio general de la GUM. Pero, ante el caso de
balances que deban contemplar las contribuciones a la incertidumbre, las cuales de forma agregada
no resultan despreciables; pero, cada uno de los sumandos sean en sí mismos nimios, el Método de
Montecarlo sustentado en el Teorema Central del Límite, resulta ser la herramienta estadística más
acertada.
entonces ( [ ] 1
)
P max Sj − E Sj > ε ≤ 2 ⋅σ S2 donde σ S2n = E[(Sn − E[Sn])2]
ε n
Considerando una variable aleatoria ξ y una función de esa variable aleatoria g(ξ) tal que g(ξ) > 0 se
cumple que
E[g( ξ )]
P[g( ξ ) ≥ K ] ≤
K
g( ξ ) = (ξ − α )2 siendo E[ξ ] = α
resulta
[ ]
2 2
σ σ
P (ξ − α )2 ≥ k 2 ≤ o bien: P[α − k ≤ ξ ≤ α + k ] ≤ 1 −
k k
lo que permite establecer una acotación de los valores de la variable aleatoria en términos de
probabilidad, en relación con su desviación típica, independientemente de la distribución estadística de
la variable.
5.11
Capítulo 5 Aplicación del método de Montecarlo
El estudio, análisis, validación y verificación de un modelo puede realizarse de diversas formas como
son: los métodos analíticos, los métodos numéricos y la propia simulación. En el caso de la simulación
de aplicación estadística, deberá esta sustentarse en la combinación de técnicas analíticas y
numéricas, bajo las hipótesis y criterios provenientes de la estadística. La simulación se constituye
como una herramienta de gran valor y mayor facilidad de uso en los casos donde los sistemas son
complejos. Se constata que la simulación está íntimamente relacionada con la idea de sistema, ya que
de hecho la simulación pretenderá serlo del comportamiento de un sistema, conforme a un modelo de
representación del conocimiento que de dicho sistema se tiene (datos, reglas, interacciones, entradas,
salidas,...). El recurso a la simulación alcanza su mayor interés cuando la operación con el sistema real
se encuentra limitada o no es posible (por motivos que pudieran ser económicos, temporales,
espaciales o incluso éticos). En estos casos se procede a la plasmación de un modelo de tipo lógico-
matemático, o de representación masiva, o caracterizado por herramientas estadísticas; de modo tal
que recurriendo al modelo se constatan y anticipan las respuestas en el comportamiento del sistema.
Esto se hará habitualmente mediante parámetros estadísticos característicos.
Es la simulación una metodología de análisis que encuentra su auge en el recurso al soporte informático
y en la teoría de sistemas que sustenta sus principios. Así, con independencia del tipo de sistema
simulado (dinámico, estático, distribuido, continuo, etc.) o simulación que se diseñe, la simulación
estocástica atiende a una secuencia de pasos en consonancia con GUM S1:
• Estudio (generalmente estadístico) de las salida para explicar el comportamiento del sistema.
La simulación permite la anticipación de las respuestas del sistema a las entradas, con base en el
modelo adoptado para representar el conocimiento que se dispone del sistema, es pues el estudio del
comportamiento del sistema a través de la observación del modelo. La simulación es una herramienta
de sumo interés dado que permite determinar si las suposiciones sobre el comportamiento del modelo
son válidas, para ello deberá establecerse el contraste con el verdadero comportamiento del sistema
real. El análisis se ve favorecido, dado que, al realizar las ejecuciones sobre el computador, se puede
jugar con grupos de variables, fijar parámetros, modificar la importancia de las interacciones e incluso
trabajar con distintos modelos del sistema, lo que permite profundizar en el conocimiento del propio
modelo y de su adaptación al sistema real.
5.12
Capítulo 5 Aplicación del método de Montecarlo
La práctica estadística ofrece dos alternativas para la generación de números aleatorios. Recurrir a
experimentos de los que se asume su comportamiento aleatorio (dado, ruleta, moneda, etc.) se generan
así variables aleatorias, es decir, no predecibles. La otra forma consistirá en la utilización de algoritmos
matemáticos, los cuales generan secuencias de números cuya hipótesis de aleatoriedad no puede ser
estadísticamente rechazada, tienen ‘aspecto aleatorio’, pero la secuencia ha sido obtenida de un modo
procedimental y es predecible o se conoce (pseudo-aleatorios), de hecho cada vez que se ejecuta el
algoritmo se obtiene la misma serie de valores.
Entre las posibles metodologías de generación de números pseudo-aleatorios, citar por razones
históricas el “método del cuadrado medio” o de Von Newman (1951), fue uno de los primeros aunque
no posee propiedades estadísticas adecuadas dado que degenera pronto. No obstante se introducirán
algunos conceptos generales relacionados con las tendencias actuales en generación de sucesiones o
conjuntos de números pseudo-aleatorios.
Con frecuencia la generación de números aleatorios es iniciada por un generador de número que se
corresponden con una distribución uniforme en el intervalo [0, 1] (se escribe U[0, 1] ), a partir de esta
generación básica, y mediante transformaciones matemáticas adecuadas pueden generarse
distribuciones de valores pseudo-aleatorios consistentes con otras distribuciones, es denominado
transformación inversa x = F-1(y), donde y ≡ U [0, 1].
• Rapidez de ejecución.
• Portabilidad.
• Sencillez de implementación.
• Reproducibilidad y mutabilidad.
• Periodo largo.
La bondad de la aleatoriedad se analiza mediante la aplicación de tests estadísticos como los de ajuste,
adherencia, rachas, etc. que serán abordados más adelante en este capítulo.
facilidad de implementación del algoritmo generador en una amplia gama de plataformas informáticas.
Reproducibilidad y mutabilidad, significan que estos generadores deben ser de tales que cualquier otra
realización sea capaz de reproducir la secuencia generada y a la vez cambiando algún parámetro
pequeño obtener una secuencia completamente diferente. Rapidez, para que el proceso de simulación
no sea lento y consumo de recursos reducido para que no suponga coste para el proceso en su
conjunto.
Los tipos de generadores recopilados que se van a considerar comparten el ser sistemas discretos
dinámicos que por recurrencia obtienen una salida. Siendo Zi = (Zi, Zi-1,..., Zi-k+1) los últimos k números
pseudo-aleatorios generados por el procedimiento, se obtiene el siguiente valor mediante Zi+1 = f(A, Zi)
donde A es un vector de valores enteros y f cumple la propiedad de transitividad topológica. En
particular, para cada par disjunto de subconjuntos: D1 y D2 de D , existe un j > 0 , tal que, para todo Z0
∈ D1, f(A, Z0) ∈ D2. La cantidad A es elegida de tal forma que aunque la secuencia a partir de un Z0
cualquiera se repita después de P pasos se asegure que ese número P sea lo más grande posible.
Sea { Zi, i ≥ 0 } una secuencia de enteros no negativos con valor maximal Q-1. Supóngase que estos
números son producidos con la intención de usar la secuencia {Ui = Zi/Q, i ≥ 0} como una fuente de
valores procedentes de una distribución uniforme en [0,1). Se les pide además a estos valores que
sean estadísticamente independientes. Se enuncian los generadores de números pseudo-aleatorios en
sus formas básicas.
p
Zi = A Z s i − s (mod M) 0 ≤ Zi ≤ M - 1
s =1
donde A1, ..., Ap denotan enteros no negativos en { 0, 1,..., M-1 } con Ap > 0 y M entero.
p
Bi = a B s i − s (mod 2)
s =1
donde a1, ..., ap ∈ {0,1} con ap=1. Cada Bi toma valores en {0,1} y número pseudo-aleatorio de m-bits
tiene la forma:
m
Zi = 2
j =1
m − j +1
Br + j r≥m
Z i = f ( Z i − 1 )(mod M )
0 ≤ Zi ≤ M - 1
donde f denota una función no lineal entera. Por ejemplo, f(z) = a·z-1+b donde a y b son enteros positivos
y z-1 denota el menor entero positivo tal que z·z-1 ≡ 1 (mod M).
5.14
Capítulo 5 Aplicación del método de Montecarlo
Si se llama
Ki = AZi-1/M
o de forma equivalente
Zi = An · Z0(mod M)
Como se puede ver en la anterior Tabla 5.3, no todas las elecciones de A proporcionan un ciclo máximo.
Para este caso el ciclo máximo se alcanza con {2 ,6 ,7 ,8 }. A continuación se exponen condiciones
para obtener ciclo máximo.
El M escogido en el ejemplo anterior es primo. Para este caso particular es importante la siguiente
propiedad enunciada por teorema:
Teorema: Sea M un número primo. Entonces un generador multiplicativo tiene periodo P = M-1 si y solo
si A es una raíz primitiva de M.
La elección práctica del primo para el generador multiplicativo viene en el uso determinada por la
palabra del ordenador donde se implementa. Para ordenadores de 32 bits, el máximo entero que se
representa va entre –231 y 231 (se reserva un bit para el signo).
5.15
Capítulo 5 Aplicación del método de Montecarlo
El método de prueba y error para primos tan pequeños como 11 es un método por el cual proceder
para encontrar las raíces primitivas, sin embargo para primos mayores puede ser necesario conocer
ciertas propiedades para poder encontrar estas raíces primitivas.
Propiedad 1 de raíces: Si A es una raíz primitiva de M, entonces B=AK (mod M) es también una raíz
primitiva de M si y solo si el mínimo común múltiplo de K y M-1 es la unidad.
Por ejemplo, para M = 11 los que son primos con 10 son {1,3,7,9} y por tanto Φ(10) = 4. Supóngase
conocida una raíz, por ejemplo la de valor 2, los siguientes valores se obtienen mediante las
propiedades anteriores por: 21 (mod 11) = 2, 23 (mod 11) = 8, 27 (mod 11) = 7, 29 (mod 11) = 6. Cuando
M es grande el número de raíces primitivas se calcula mediante
Φ( n ) = ∏ (1 − 1 p )
p n
y por tanto
Propiedad 3 de raíces: Sea B el inverso multiplicativo de A modulo M. Esto es AB-1(mod M). Entonces
B es también una raíz primitiva de M y genera la secuencia inversa al generador con A.
5.16
Capítulo 5 Aplicación del método de Montecarlo
También es posible tener generadores con módulo potencia de 2 aunque en este caso no se puede
alcanzar un período como es el caso de que fuese primo. Para ello es útil el siguiente teorema.
Teorema: Para un generador congruencial multiplicativo con M = 2β , β >2 el período máximo P = 2β-2
es alcanzado si y solo si A ≡ ±3 (mod 8) y Z0 un entero impar.
Estos generadores son del tipo Zi = A·Zi-1+C (mod M). Permiten alcanzar periodos más largos que los
que se consiguen con los generadores multiplicativos con M = 2 β.
Teorema 3
Para un generador mixto con M = 2β tiene periodo completo P = M si y solo si A-1(mod 4) y el máximo
común divisor entre M y C es 1.
Nótese que cualquier C impar cumple la condición de que m.c.d.(M ,C ) = 1 y que se pueden obtener
todos los valores entre 0 y M-1.
Método de Schrage
Las operaciones que quedan dentro del paréntesis son operaciones que en ningún caso exceden M ya
que Zi-1 no excede M y Z i-1/Q R < Z i-1/Q Q -1 < Zi-1. Sí puede ocurrir que la resta de ambas
cantidades sea negativa. En ese caso simplemente se sumará M a la cantidad resultante para obtener
el resultado final.
5.17
Capítulo 5 Aplicación del método de Montecarlo
Escoger M grande (≥ 230 ). Puede ser conveniente que esté relacionado con la "palabra" del ordenador.
No debe alertar excesivamente que los últimos dígitos parezcan poco aleatorios ya que estos dígitos
serán probablemente poco significativos.
1 6 C C A
ρ ≈ − 1 − ±
A AM M M
(el número de ciclos M completos para calcular Zi). La nueva secuencia se suele denotar por {CiZi}.
Ahora la elección de M y A debe hacerse de tal manera que A·M-1 sea primo. Entonces, el ciclo de
este generador será A·M-1 muy superior al ciclo máximo de un generador congruencial que sería M,
esta elección asegura que el ciclo es independiente de la semilla, siendo los posibles ciclos de tal
generador los divisores de A·M-1.
donde ahora la elección de los multiplicadores y la base M debe ser tal que ArMr +...+ A1M-1 debe ser
primo. De nuevo con esta elección se tiene asegurado que salvo elecciones triviales de la semilla inicial,
el ciclo que alcanza el generador es ArM r +...+ A1M-1.
Estos generadores son susceptibles de pasar todos los tests incluidos en el paquete DIEHARD (descrito
más adelante), tiene periodos largos y son adecuadamente sencillos para su implementación en
ordenadores.
Se concretará con especial detalle un procedimiento paso a paso enmarcado dentro del tipo de
generadores conformes al método congruencial, por gozar de la mayor implantación al atender con
sencillez y rigor a las características anteriormente presentadas; consiste en la generación de un valor
Ri+1 como resto (función Mod) de una operación de división, que luego es convertido en un valor
uniforme xi ≡ U [0, 1] mediante una simple división.
5.18
Capítulo 5 Aplicación del método de Montecarlo
Las constantes R0, a, b, T, se eligen de tal forma que el generador tenga el mayor número de cualidades
positivas. El parámetro T determina el número de cifras de Ri, se suelen tomar potencias de dos (T =
2K ). Pueden aplicarse determinadas restricciones a los valores de a y b (a, b ∈ {0,1,..., T-1}) en relación
con el valor de T para reducir la autocorrelación y retrasar la aparición de ciclos (rasgos de
degeneración).
Valores comúnmente usados son T = 2.147.493.647, a entre 75 y 16.807, donde a es (√231)-1, por lo
que el generador es de periodo máximo.
Figura 5-5 Dos ejemplos que muestran la presencia de autocorrelación en dos series de valores
pseudo-aleatorios
Existen por supuesto otros métodos de generación de números pseudo-aleatorios distribuidos
uniformemente: registro de desplazamiento, basados en los números de Fibonacci, método de
Fibonacci retardado, etc. Que no obstante escapan a las necesidades y objetivos de la presente tesis.
El texto subsiguiente introduce algunas estrategias de complejidad creciente, aunque moderada, que
tratan de ejemplarizar la obtención de un generador de números aleatorios que responda a una
distribución conocida a partir de una distribución uniforme.
Desde una perspectiva eminentemente práctica, se aprovechará la disposición que en general se tiene
ya sea en aplicaciones de ofimática (tipo Excel de Microsoft) o en lenguajes de programación (básica
o avanzada), de un generador intrínseco de números pseudo-aleatorios uniformes en el intervalo [0, 1]
5.19
Capítulo 5 Aplicación del método de Montecarlo
(cuya fidelidad a la distribución no resulta determinante); a partir de este elemento básico se podrán
obtener números aleatorios que sigan otra distribución de probabilidad (puede procederse con un
generador como el presentado en el anterior epígrafe, mas no se considera necesario).
Sea f(x) la densidad de probabilidad que se pretende generar y F(x) su función de distribución, definida
como
x
F( x ) =
f ( x )·dx
a
(donde a es el extremo inferior en el que está definido f(x), por ejemplo, para una distribución gaussiana
o distribución normal de probabilidades (a = -∞) la variable aleatoria r definida como
r = F(x)
resultará estar distribuida uniformemente, por ello esta propiedad estadística puede usarse para
obtener un generador.
Para obtener un número aleatorio que siga la distribución requerida los pasos son los siguientes:
1º) Se recurre al generador convencional (disponible por ejemplo en un ordenador personal) que
proporcionará un número r .
x x
e
−x
F( x ) = f ( x )·dx = ·dx = 1 − e − x
0 0
r = 1-e-x x = -ln(1-r)
3) Para obtener números aleatorios x, se ejecuta la rutina del generador uniforme y se procede a
calcular x con la fórmula anterior.
La transformación inversa es el proceso de generación de una muestra de valores x1, x2,...xn según una
función de distribución dada F(X), a partir de una serie de números pseudo-aleatorios r1, r2,...rn .
5.20
Capítulo 5 Aplicación del método de Montecarlo
Tabla 5.5 Métodos para convertir valores aleatorios Uniformes a otras distribuciones
Transformaciones Inversas Cambios de Variable
Uniforme en el intervalo [a,b]: Chi2 (χ2 ):
x−a x ≈ χ 2 ( 1 ) ; y = N( 0 ,1 ) ; → x = y 2
x → U ( a ,b ) → F ( x ) = =z
b−a
x = ( b − a )· z + a x ≈ χ 2 ( k ) ; y = N( 0 ,1 ) ;
→ x = y12 + y 22 + ... + y k2
Tabla 5.6 Métodos específicos para la obtención de valores según una normal
Métodos Aproximados
r 0.135 − ( 1 − r )0.135
x = N ( 0,1 ) ; r ≈ U ( 0 ,1 ) ; → x =
0.1975
Método de la suma de las 12 Uniformes
n
r − 2
n
x = N ( 0 ,1 ) ; rk ≈ U ( 0 ,1 ) ; k = 12 → x = i =1
k 12
El método es simple y directo si la variable aleatoria X tiene una función de distribución (fdp) explícita
y la ecuación r = F-1(X) es fácil de resolver. La Tabla 5.5 presenta algunos ejemplos. Para obtener
valores de las distribuciones Chi-cuadrado, t-Student y F-Snedecor se utiliza comúnmente el método
del cambio de variable. El cambio es x = g(y), donde y es una variable aleatoria de fácil determinación.
ri = F( xi ) xi = F −1( ri )
Dado el interés de la distribución Normal, existen numerosos métodos contrastados (inversión, suma
de 12, cociente de uniformes, Box-Müller (Box y Muller, 1958), Marsaglia, etc.) para la generación de
valores distribuidos según la campana de Gauss. Los valores que se calculan suelen ser los
correspondientes a la N(0, 1), bastando hacer una destipificación para obtener cualquier valor de una
normal con media distinta de cero y desviación distinta de la unidad (Tabla 5.6).
5.21
Capítulo 5 Aplicación del método de Montecarlo
Para la obtención de valores aleatorios distribuidos según una distribución normal de media 0 y
desviación típica 1, N[0, 1], la aplicación del anterior método conduce en general a expresiones no
integrables analíticamente y por lo tanto no sería viable obtener una expresión analítica para F(x) con
el consiguiente retraso o ralentización en la obtención de las series, es por ello que se recurre a técnicas
numéricas para la obtención de valores susceptibles de superar las pruebas o test estadísticos de
validación de la hipótesis de normalidad, test de adherencia a la distribución normal de probabilidades.
Se incluye a continuación un primer método práctico, Método de Box – Muller, anteriormente citado,
para obtener tales valores:
2º) Calcular:
x1 = − 2·ln r1 ⋅ cos( 2π ⋅ r2 )
x 2 = − 2·ln r1 ⋅ sen( 2π ⋅ r2 )
3º) x1 e x2 así calculados son dos números aleatorios independientes que siguen una
distribución gaussiana (de media 0, varianza 1, N[0, 1]).
Este método es adecuado y fácil de programar, con ciertas desventajas de velocidad de cálculo.
El siguiente algoritmo es una mejora en cuanto a prestaciones de rapidez, presentada como segundo
método:
2º) Calcular
(
w = 2 ⋅ r1 − 1 ) + (2 ⋅ r
2
2 −1 )
2
( )
z = − 2· ln w / w
x 1 = r1 · z
x 2 = r2 · z
Esta variación elimina el seno y el coseno a expensas de un rechazo de ≈21% en el paso 3º).
5.22
Capítulo 5 Aplicación del método de Montecarlo
Una vez elegido un generador de acuerdo con las características deseadas, el paso siguiente consiste
en contrastar dos hipótesis básicas en las aplicaciones de la simulación:
Esto será necesario siempre que no se disponga de información de valor sobre dichos generadores.
Lo anterior se consigue mediante contrastes que, desde un punto de vista estadístico, permiten
caracterizar el comportamiento de la aleatoriedad o de adherencia a alguna función de distribución.
Para tener una mayor confianza sobre los resultados se pueden repetir los contrastes. Se aplican a tal
fin contrastes de aleatoriedad y contrastes de adherencia.
El contraste de rachas da una idea del comportamiento aleatorio de los datos. Rachas excesivamente
largas o cortas significan dependencia y no aleatoriedad (véase Tabla 5.7). El test de rachas consiste
en generar una secuencia de valores 0 ó 1 en función de que los valores observados estén o no
ordenados crecientemente, dos a dos (p.ej. si Xi < Xi+1, el valor correspondiente a Xi en la secuencia
será 1, si Xi > Xi+1, el valor será 0). Se denomina racha creciente (decreciente) de longitud ℓ a un
paquete de ℓ números unos "1" (ó ceros "0"). Se contabiliza el número de rachas y se estudia su
aleatoriedad mediante el establecimiento de una hipótesis nula en la que se supone un comportamiento
normal asintótico según una Normal del tipo .
El test de Wald-Wolfowitz permite ver si las muestras son aleatorias. El estadístico utilizado también se
basa en la hipótesis de tendencia asintótica a la normalidad en la distribución
2n − 1 16 n − 29 r − μr ± 0.5
nº rachas ≈ N , z=
3 90 σ
donde,
r1-α : estadístico con el que comparar el número de rachas obtenidas.
α: el nivel de significación
n, m: el número de elementos que componen cada uno de los conjuntos ("n" y "s")
En primer lugar, se ordena la muestra y se determina la mediana (me). Las observaciones se clasifican
en dos grupos en función de que los valores estén por encima o por debajo de la mediana. Con estos
5.23
Capítulo 5 Aplicación del método de Montecarlo
dos conjuntos, refundidos tal y como se obtuvieron, se contabilizan las rachas Rn y Rs que aparezcan
contiguas. El estadístico del test es el número total de rachas R = Rn + Rs. La regla de decisión es
aceptar la hipótesis nula (Ho) a nivel a si el número de rachas está dentro del intervalo de aceptación
considerado.
El contraste χ2 de Pearson
Contraste de la Chi-cuadrado (χ2 ) es un contraste que permite determinar la bondad del ajuste entre
dos funciones. Es el contraste de ajuste a una distribución más antiguo debido a Pearson, cuya idea es
comparar las frecuencias observadas en un histograma o diagrama de barras con las especificadas por
el modelo teórico que se contrasta. Sirve tanto para distribuciones continuas como discretas, a
diferencia de los otros test que se verá luego y que solo sirven para distribuciones continuas. Es un
contraste débil, por lo que permite asegurar el rechazo pero no la aceptación.
El estadístico se construye mediante la comparación de las frecuencias observadas con las esperadas.
Para ello se deberán considerar distintas clases o intervalos. El estadístico se distribuye
asintóticamente como una χ2 con k-r-1 grados de libertad (r = número de parámetros que se estiman).
Supuesta una muestra X=(x1, ..., xn) aleatoria simple de una variable continua o discreta, donde n ≥ 50.
El contraste se realiza como sigue.
Agrupar los n datos en k clases, donde k ≥ 10. Las clases se eligen de manera que cubran todo el rango
posible de valores de la variable y que cualquier posible dato quede clasificado sin ambigüedad. Es
conveniente además, cuando esto sea posible, intentar la elección con el mismo número de datos en
cada clase. Esto simplifica la forma del test y facilita extraer conclusiones cuando el test rechaza la
distribución. Cada clase debe contener al menos cinco datos. Será, Oi el número de datos de la muestra
que caen en la clase i (observados en dicha clase). Calcular la probabilidad pi que el modelo supuesto
(distribución H0) asigna a cada clase y calcular para cada clase Ei = n·pi. (esperados en dicha clase)
k
( Oi − E i ) 2
2
χ = Ei
i =1
5.24
Capítulo 5 Aplicación del método de Montecarlo
Los grados de libertad de esta distribución serán k-r-1 donde r son los parámetros estimados de la
distribución especificada en H0. En el caso concreto de un generador de números aleatorios será k-1
porque no se estima ningún parámetro.
Rechazaremos el modelo cuando la probabilidad de obtener una discrepancia mayor o igual que la
observada sea suficientemente baja.
Es decir, cuando
χ 2 ≥ χ α2 (k − r − 1)
para un cierto α (nivel de significación) pequeño (en general α =0.05). Por su parte
χ α2 (k − r − 1)
representa el valor crítico de una χ2 con k-r-1 grados de libertad que deja a la derecha un área α ).
Notas:
1 Por supuesto, cuantas más clases se tengan (con las limitaciones mencionadas antes) mejor funcionará el test. Un
inconveniente de este contraste es que dos modelos distintos, que asignen la misma probabilidad a las mismas clases
obtendrán las mismas discrepancias, y por tanto el mismo resultado.
2 También resulta interesante comprobar el signo de Oi-Ei para detectar posibles tendencias de la distribución.
Estos contrastes comparan la función de distribución teórica con la empírica y sólo son válidos para
variables continuas. El test se plantea en los mismos términos que el de Pearson visto anteriormente
Sea una muestra X=(x1, ..., xn) aleatoria simple que proviene de un modelo continuo F(x). El contraste
se realiza como sigue.
0; x < x( 1 )
r
Fn ( x ) = ; x( r ) ≤ x ≤ x( r +1 )
n x ≥ x( n )
1;
5.25
Capítulo 5 Aplicación del método de Montecarlo
Calcular la discrepancia máxima entre las funciones de distribución observada (o empírica) y teórica
con el estadístico
∞
CVM = n ⋅ [Fn ( x ) − F( x )]2 ⋅ dF (test de Cramer-Von Mises)
−∞
Cuyas distribuciones, bajo H0 se han tabulado. Si la distancia calculada es mayor que la encontrada en
las tablas fijado α , rechazaremos el modelo F(x).
Notas
1 Estos contrastes tiene la ventaja de que no es necesario agrupar los datos Estimados los parámetros de la población
mediante la muestra, la distribución es sólo aproximada, tendiendo a aceptar en más casos que el nominal.
2 Existen variaciones de estos test para esos casos p.ej. test de Kolmogorov-Smirnov-Lilliefors para normalidad.
3 Para calcular el estadístico Dn dada una muestra hay que pensar que la distribución empírica es constante por tramos,
de manera que la máxima distancia entre Fn(x) y F(x) se da en los puntos de salto (los puntos de la muestra). En un
punto de la muestra xh la distancia entre las funciones Fn(x) y F(x), Dn(xh), se calcula como:
Dn ( x n ) = max Fn ( x h−1 ) − F ( x h ) , Fn ( x h ) − F ( x h )
n 2
1 2·i − 1
CVM =
12 ⋅ n
+ F ( x( i ) ) −
2·n
i =1
Para comprobar que la secuencia generada proviene de una uniforme independiente, también debe
verificarse que los pares provienen de una distribución U[0,1]×U[0,1]. Para realizar esta comprobación
puede emplearse la misma filosofía empleada con el test de la χ2 , esta vez para pares.
Así, de una secuencia {u1,u2,u3,...,un} elegiremos los pares {{u1,u2},{u3,u4},...,{un-1,un}} que cumplirán la
necesaria condición de independencia de los datos. Entonces, el procedimiento sería dividir el intervalo
[0,1] en k intervalos iguales que proporcionan k2 celdas en el cuadrado [0,1]×[0,1]. Contando el número
de ocurrencias de los n/2 pares (se denota por fjh) entonces el estadístico de contraste será
2
k2
n 2 2
X = f jh − 2 ≈ χ k 2 − 1
n2
j h
k
5.26
Capítulo 5 Aplicación del método de Montecarlo
Contraste de rachas
La independencia significa que las realizaciones del pasado no tienen información de las realizaciones
que se producirán en el futuro.
15
10
Series1
0
1 2 3 4 5 6 7 8 9 Series2
-5
-10
-15
Definiendo racha como una secuencia de valores que cumplen una condición lógica. Por ejemplo, que
estén por encima o por debajo de un valor o que formen una secuencia monótona (creciente o
decreciente). Se proponen distintos tipos de rachas aplicadas a contrastar la independencia.
Sea una sucesión de observaciones X = (x1, ..., xn) para la cual se establece la siguiente sucesión zi
1 x i < x i +1
zi =
0 x i > x i +1
Esta nueva sucesión de 0 y 1 mantiene la información de si se está en una racha creciente (1) o
decreciente (0). Además para contar el número de rachas en la sucesión sólo han de contarse las veces
que cambia de valor y sumarle 1 . En el ejemplo de las sucesiones dibujadas anteriormente, la primera
imagen corresponde al caso extremo donde sólo existe una racha y la segunda al caso en que para
cada dato se cambia el número de la racha, puede entenderse así que un número corto o excesivo de
rachas significa dependencia.
2n − 1 16 n − 29
nº rachas ≈ N ,
3 90
5.27
Capítulo 5 Aplicación del método de Montecarlo
2 k 2 + 3k + 1 n − ( k 3 + 3 k 2 − k − 4 )
[
E RU k + RDk =
]
( k − 3 )!
k ≤ n-2
E [RU ] 2
n−1
+ RDn−1 =
n!
Aunque estas expresiones sólo sirven para realizar un ajuste visual (especialmente útil cuando el test
rechaza la hipótesis de independencia).
Otro tipo de rachas que puede plantearse se centra en controlar si los valores se presentan por encima
o debajo de la mediana (como referencia en el caso de la distribución uniforme en [0, 1], U[0,1] la
mediana es 0.5 ). Es decir, se trata de definir la siguiente secuencia
donde de nuevo, el número de rachas se cuenta como los cambios de valor de la secuencia si +1. Bajo
independencia el número de rachas por encima o por debajo de la mediana sigue la siguiente
distribución
s ⋅ ( s − 1 )
nº rachas _ media ≈ N s + 1,
2⋅s −1
donde s es el número de ceros que tiene la secuencia (igual al número de unos), también se puede
calcular el valor esperado de tener una racha de longitud k que tendría la siguiente expresión
[ ]
E R k = ( n − k + 3 ) ⋅ 2 − ( k +1 )
De nuevo, esta última propiedad es útil cuando se rechaza la hipótesis de que la secuencia es
independiente.
Contraste de huecos
Fijados en el intervalo [0,1] dos valores α y β tal que 0 < α < β < 1, se entenderá que una sucesión
presenta un hueco de longitud m si xj, xj+m ∈ [α ,β ] pero ninguno de los intermedios pertenece a ese
intervalo. Bajo la hipótesis de independencia será
P( huecom ) = ( β − α )( 1 − β + α ) m−1
con esta propiedad puede elaborarse un test de la χ2 contando el número de huecos de longitud m.
Contraste de autocorrelación
Partiendo de una muestra (x1, ..., xn), se define el coeficiente de autocorrelación lineal de orden uno r(1)
por
n
( xi − x ) ⋅ ( xi −1 − x )
i=2
r( 1 ) =
n
( xi − x ) 2
i =1
5.28
Capítulo 5 Aplicación del método de Montecarlo
este coeficiente viene a ser aproximadamente el coeficiente de correlación lineal de las variables (x2,
..., xn) y (x1, ..., xn-1) y mide la correlación lineal entre las observaciones y sus observaciones
precedentes.
n
( xi − x ) ⋅ ( xi − k − x )
i = k +1
r( k ) =
n
( xi − x )2
i =1
m 2 m
r( k )
Q=
k =1
1 n
= n· ( r( k ))
k =1
2
sigue, aproximadamente, una distribución χ2 con m-1 grados de libertad (nótese que hay que estimar
un parámetro: la media).
Este contraste ha sido mejorado por Ljung y Box demostrando que una aproximación más exacta es
considerar el estadístico
m
( r( k ))2
Q = n·( n + 2 )· k =1
n−k
que, como el anterior, si H0 es cierta, se distribuye aproximadamente como una χ2 con m-1 grados de
libertad.
Estos contrastes se basan en la idea de que se dispone de un ‘mono’ que golpea teclas aleatoria e
independientemente en un teclado de 26 letras (alfabeto inglés). Si se dispone un generador de
números aleatorios, simplemente con la parte entera de 26·U[0,1], se tiene así una traslación de los
números para simular el comportamiento del mono golpeando teclas.
¿Cuántas teclas golpeará el mono hasta que teclee, por ejemplo, PAX?.
5.29
Capítulo 5 Aplicación del método de Montecarlo
Dado que hay 263 =17.576 posibles palabras de tres letras el número necesario de tecleos para producir
PAX debe ser aproximadamente 17.576 y el tiempo para alcanzar esa palabra debería distribuirse como
una exponencial. Una manera de comprobar que todas las palabras se escriben con igual probabilidad
es crear un vector de 17.576 casillas y generar (por ejemplo) 1.757.603 valores (3 extra para que haya
1.757.600 tripletes) de manera que cada palabra de 3 letras tenga una frecuencia esperada de 100. En
este punto señalar que en cualquier caso, el test χ2 no sería el apropiado puesto que los diferentes
tripletes no son independientes. Sin embargo, si se hace lo mismo con las 676 palabras diferentes de
2 letras contando en los primeros 1.757.602 tecleos se tendrá un valor esperado para cada posible
palabra de dos letras de 2.600.
Otra manera de ver independencia y aleatoriedad es contando el número de palabras que no se teclean
nunca en una secuencia de, por ejemplo, 221 tecleos desde un alfabeto de por ejemplo 210 =1.024 letras.
El número de palabras de 2 letras que no se teclean nunca será aproximadamente normal con media
= 141.909 y desviación típica = 290. Calcular la media es fácil, ya que bajo el supuesto de
independencia, el tiempo hasta que el mono teclea una determinada palabra debe ser una distribución
cercana a la exponencial (se asume que el mono no tiene memoria) con media µ = (210)2 y la
probabilidad de que no teclee una palabra en n tecleos será exp(-n/µ) . Por tanto, el número medio de
palabras será (221/2)·exp[-(221/220)]. El cálculo de la varianza no es tan inmediato pero se puede utilizar
la aproximación por la distribución de Poisson aunque esto tiende a aumentar la varianza. Esta
aproximación llevaría a estimar la desviación típica por la raíz de la media que en este caso es 376,7.
Contrastes DIEHARD
Estos contrastes fueron propuestos por George Marsaglia como una batería de test razonable para
comprobar la aleatoriedad de una secuencia.
Obsérvese una secuencia de un millón de enteros de 32-bit. Cada conjunto de 5 enteros consecutivos
puede estar en uno de los 120=5! estados posibles en función del orden. El test analiza la
probabilidades de transición entre los distintos estados que debiera seguir una distribución normal con
una matriz de 120×120 de rango 99.
5.30
Capítulo 5 Aplicación del método de Montecarlo
Se usa los 31 bits más a la izquierda de 31 enteros para formar una matriz binaria de 31×31 de la cual
se calcula el rango. Se repite el proceso para 40000 matrices y se cuenta el número de veces que
tenemos rangos 31, 30, 29 y 28. (Rangos <28 son raros y si se producen se cuentan como de rango
28).
BINARY RANK TEST para matrices 6×8 Se escoge un byte de los 4 que forma un entero de 32bits y
con 6 consecutivos se forma una matriz binaria. Se estudia el rango como antes, aunque ahora rangos
menores que 4 son raros y se cuentan como de rango 4. Se producen 100000 matrices y se cuentan
los rangos.
BITSTREAM TEST
Test del mono con un alfabeto de 2 letras y palabras de 10 letras. Se cuenta el número de palabras
faltantes.
COUNT-THE-1's TEST
Test del mono de frecuencia cada palabra posible según el número de 1's (de 0 a 8) que tiene los bytes
que forman un entero. Consideremos que tenemos la secuencia de bytes tomadas de cinco en cinco y
si tenemos un byte tiene 0,1 o 2 1's tecleamos una A, 3 es B, 4 es C, 5 es D y 6,7 y 8 es E.
PARKING LOT TEST: en un cuadrado de lado 100 se aparcan coches (un circulo de radio 1 por
helicóptero). Si no se puede aparcar (porque choca con otro) lo intentamos con un nuevo número
aleatorio. Cada vez que se aparca un coche contamos un éxito. Se comparan número de intentos contra
número de coches aparcados.
MINIMUM DISTANCE TEST: se hace 100 veces elegir 8000 puntos aleatorios en un cuadrado de lado
10000 y se calcula la mínima distancia entre dos puntos. Si la generación es uniforme e independiente
esta distancia al cuadrado será exponencial con media 0.995.
3DSPHERES TEST: se escogen 4000 puntos en un cubo de arista 1000. En cada punto se dibuja una
esfera para alcanzar al punto más cercano. El volumen de esa esfera se distribuye exponencialmente
con media 120 π /3.
5.31
Capítulo 5 Aplicación del método de Montecarlo
OVERLAPPING SUMS : se calculan las sumas S(1) = U(1) + ... + U(100), S(2)=U(2)+...+U(101). Los
S's son normales con una matriz determinada de varianzas covarianzas. Una transformación lineal los
convierte en una secuencia de variables normales independientes.
CRAPS TEST : Se juegan 200,000 juegos de dados, encontrando el número de veces que se gana y
el número de lanzamientos necesarios para acabar el juego.
En el marco de los aspectos formales de carácter general relacionados con la simulación estadística y
hasta este momento, se han referido métodos de generación de números aleatorios y procesos de
contraste de su aleatoriedad, así como la generación de valores distribuidos según distintas funciones.
Aspectos, todos ellos, de indudable trascendencia desde el punto de vista conceptual, pero que pueden
obviarse si se utiliza un software o unos algoritmos contrastados (respecto a la bondad de su generador
de aleatorios). Referir que esta ha sido la vía más profusamente aplicada en relación con esta memoria
de tesis, aplicándose las herramientas proporcionadas fundamentalmente por Matlab y por Microsoft
Excel (no obstante, tras no pocas cábalas sobre la incidencia y trascendencia de estos elementos).
Sin embargo, hay un aspecto que siempre queda abierto y en el que debe tomarse una decisión
importante. Este es, el número de veces que deberá iterase el proceso de simulación, es decir, el
número de simulaciones o, ejecuciones o, repeticiones.
Con anterioridad se ha recogido y justificado el criterio elegido en los desarrollos de esta memoria de
tesis, es un criterio pragmático cuya bondad es argumentada por su capacidad para proporcionar
resultados coherentes en los contrastes realizados. No obstante resulta necesario referir al menos, los
criterios básicos de aplicación para tan sensible aspecto de la simulación. En ello deberán contemplarse
las indicaciones de GUM S1 y el estado del arte en el ámbito metrológico.
Intuitivamente: “cuantas más mejor, aunque siempre con la precaución de no agotar las posibilidades
del generador”. No es adecuado por dos motivos: el primero computacional, podría conllevar un tiempo
de ejecución demasiado elevado; y el segundo estadístico, el número de iteraciones tiene repercusión
sobre la precisión de la estimación, véase la siguiente Tabla 5.8.
Dado que los estimadores de la varianza son inversamente proporcionales al número de datos, la
estrategia pasa por tomar una muestra suficientemente grande, tal que garantice una precisión
previamente definida y satisfactoria.
5.32
Capítulo 5 Aplicación del método de Montecarlo
Tabla 5.8 Tamaños muestrales (n) y número de simulaciones (N) para la estimación de proporciones,
valores medios y sumas para una precisión y nivel de confianza determinados
Estimación de: Fórmula: Simplificaciones
N=
n·P·Q zα2 2
Proporción P en un muestreo con ( n − 1) − E 2
reemplazamiento. P·Q + 4·E 2
zα2 2
Existe una similitud total entre el problema planteado en simulación y el establecimiento del tamaño de
una muestra para inferir unos atributos o valores de una población.
Este razonamiento, paradójicamente lleva a que, para establecer el tamaño muestral, es necesario
disponer de cierta información sobre la propia muestra, bien sea mediante estudios previos, de tipo
piloto, o incluso mediante planteamiento analítico de las hipótesis más desfavorables.
La Tabla 5.8, presenta diversas fórmulas para derivar el tamaño de la muestra en función del parámetro
que se desee estimar.
5.33
Capítulo 5 Aplicación del método de Montecarlo
2.- El uso de la simulación numérica en la ejecución de las rutinas definidas, emulando (por
modelo) el comportamiento de la MMC y, afectado por las rutinas o programas específicos de
cálculo.
De este modo cabe entender que los valores indicados por la máquina y corregidos por el modelo,
establecen un intervalo de confianza entorno al valor medido. (Evocando el enfoque convencional sobre
una coordenada: X±UX .o gráficamente: Figura 5-8).
95%
X-UX X X+UX
La adopción de una función de distribución permitirá el recurso a sus estadísticos para afrontar la
cuantificación de las probabilidades de recubrimiento, mientras que puede recurrirse al Teorema de
Chebychev, cuando no sean justificables hipótesis acerca del tipo de función de distribución de
probabilidades.
5.34
Capítulo 5 Aplicación del método de Montecarlo
La presente tesis resalta la trascendencia que en el proceso de medición representa la ruptura entre
captación de coordenadas y computo de elementos geométricos asociados. Y en contra, se postula
que el análisis de la incertidumbre sobre las indicaciones de coordenadas, es posteriormente
propagable por los algoritmos y rutinas de cálculo, para así obtener el resultado de medida, que también
estará afectado por la incertidumbre imputable a la contribución por algoritmos de cálculo e
implementación (en su caso modelo de ajuste), tal es el sentido en que la GUM y GUM S1 aplican el
concepto de método de Montecarlo en relación a la propagación de funciones de distribución de
probabilidad.
Tiene especial interés que esta metodología puede aplicarse, ya sea para el proceso real de medición,
como a mediciones tentativas orientadas a establecer la idoneidad (en términos de incertidumbre) del
sistema de medición por coordenadas en la ejecución de una tarea de medida.
El alcance declarado de las referencias GUM S1 y SSM Best Practice Guide Nº6 (en su punto 5.7), no
profundizan en la situación matemática de aplicación del Modelo_G en dos y tres dimensiones. La
magnitud de salida en estos caso no es unidimensional – escalar. No obstante ambas referencias
aportan indicaciones genéricas para la propagación de incertidumbres en tales casos y sí se aborda en
GUM S2. Particular atención se requiere en relación con la hipótesis de independencia entre las
magnitudes implicadas.
Cabe pensar que las indicaciones de la MMC en puntos del campo de medida serán menos
consistentes con la hipótesis de independencia cuanto más próximos se encuentren.
La principal causa de este efecto cabe buscarla en el sistema de palpado. Señalar la orientación de la
superficie de contacto y el orden de magnitud de los desplazamientos inherentes al palpado, en el caso
de sensores de contacto. Al producirse el contacto puede presentarse un fenómeno de deslizamiento
previo a la detección, esto resultaría trascendente en los dispositivos tipo “touch trigger” no así en los
de tipo analógico, donde el desplazamiento inducido por el contacto es incorporado a la indicación
(afecta más a la selección del punto de contacto).
5.35
Capítulo 5 Aplicación del método de Montecarlo
Otra fuente de contribuciones no independientes a la dispersión, a escala local, pudieran ser las
correcciones de ajuste por software utilizadas en el mantenimiento de máquina, ya que las indicaciones
de reglas son tratadas analíticamente por el software interno facilitando comúnmente indicaciones
alteradas.
Ante la no independencia de los valores de las magnitudes de entrada, cabe entender la propagación
de tal efecto hacia los valores de las magnitudes de salida corregidos por el modelo. Sería esta causa
de correlación entre los valores de salida, a expensas del modelo y presumiblemente del orden de
magnitud relativo de las contribuciones por dependencia a la variabilidad de la salida.
Caso de ser asumible independencia de los valores de las magnitudes de entrada, la aparición de
correlación en los valores de las magnitudes de salida debería ser imputada al modelo y a su ejecución
práctica (implementación informática, programación, generadores, operaciones,…). Tales efectos
deben por tanto ser controlados y adecuarse en términos de bondad del modelo.
En relación con las consideraciones y argumentos de este epígrafe, no se articula una exposición
demostrativa. Esto es debido a la amplitud y severidad matemática del tema que pudieran distraer del
alcance de este trabajo.
La aplicación del Modelo_G no está solo en el formalismo matemático, afecta además al procedimiento
de ensayo y la implementación y explotación posterior de resultados.
Debe apreciarse que el comportamiento del palpador, es local en cuanto a si mismo, y es global al
afectar a la actuación del sistema en cualquier punto del campo de medida. El sostenimiento de la
hipótesis de independencia se verá favorecido por:
La repetición de contactos – medidas sobre el artefacto – con una estrategia tendente a mitigar este
tipo de efectos (sobre abundancia de puntos con ajuste, repetición del palpado y la propia reposición
con reorientación)
Los posibles efectos localizados, imputables a la arquitectura y por software debieran ser sistemáticos
y su contribución ha de encontrarse dentro de los límites de aceptación del ajuste de la máquina.
En la realización del Modelo_G, se obtiene una familia de matrices de transformación con un esquema
lineal con las consideraciones siguientes:
• La transformación de cada indicación atenderá por ello a una transformación múltiple que aun
siendo lineal el esquema no ha de serlo la transformación resultante. Tal transformación se
mantiene en el uso masivo, por lo que de transferirse efectos de correlación estarían en los
propios resultados. En el uso agregado, la dispersión o variabilidad de los valores
transformados es descrita y caracterizada para el conjunto de valores transformados; para los
valores corregidos por la matriz ̿ de transformación (obtenida también por ajuste) resultaría
aquí de aplicación, como herramienta de estimación de las incertidumbres, la matriz de
covarianzas de tales valores.
5.37
Capítulo 5 Aplicación del método de Montecarlo
5.6.1.- Introducción
Sobre esta base se presentarán un conjunto de herramientas adecuadas a tal descripción y con ello,
un tratamiento único para las citadas tareas de medición, ejecutadas por un sistema de medición por
coordenadas. Ello permitiría dar una respuesta única al problema asociado a la trazabilidad de este tipo
de medidas, de tal modo que, garantizada la trazabilidad de un elemento geométrico, ésta se extendería
a los demás al ser tareas equivalentes por vía de su concepción o modelo.
o Diagramas de operaciones del algoritmo propuesto para el tratamiento y solución de las tareas
de medida, con especial matización en la vía para el cálculo de incertidumbre.
Los puntos anteriores se particularizan a modo de ejemplo entorno al caso de medida de conos.
5.38
Capítulo 5 Aplicación del método de Montecarlo
Se presenta la posibilidad de describir las citadas formas geométricas por aplicación del modelo de
cuádricas y con el criterio de ajuste basado en minimizar la suma cuadrática de los residuos de aplicar
la expresión solución a los puntos medidos, esto es: se adopta como solución aquella expresión
F(x,y,z)=0 para la cual se evalúan todos los puntos medidos F(xi,yi,zi)=Fi y resulta mínima la suma
cuadrática de estos residuos ΣFi2.
El modo en que cabe interpretar tal criterio, se ilustra mediante los gráficos Figura 5-9 y Figura 5-10
que corresponden a geometrías bidimensionales.
5.39
Capítulo 5 Aplicación del método de Montecarlo
Al propio criterio de ajuste deben añadirse las restricciones definidas por la teoría para la geometría
nominal, estableciéndose así el problema matemático de ajuste.
datos de MC
pieza
calibración
definición del
mensurando
valores
indicados
coordenadas ajuste
forma nominal
• Los valores indicados por la medidora están afectados de falta de repetibilidad (amén de otras
fuentes).
Aceptando que como resultado de la calibración de la medidora, se conoce la incertidumbre con que
esta proporciona coordenadas de puntos en relación a la superficie de la pieza, puede estimarse la
contribución de las tres fuentes citadas por simulación.
1. Afectar los valores indicados medidos, de variabilidad en el orden declarado por la calibración.
3. Establecer su variabilidad como contribución a la incertidumbre por las fuentes citadas, a las
que deberán añadirse otras fuentes no consideradas.
Con ello deberá establecerse el rango de incertidumbre para los resultados proporcionados, ya sea por
asignación de una banda de variación Mini-Max sobre los parámetros característicos de la forma, ya
por expresión de intervalos de confianza sobre tales parámetros.
5.40
Capítulo 5 Aplicación del método de Montecarlo
Por aplicación del Modelo_G de calibración, se obtiene la información requerida para la ejecución de
las tareas descritas de propagación y establecimiento de la contribución a la incertidumbre de medida
por las magnitudes de influencia referidas, Figura 5-12.
generador de
coordenadas virtuales ajustes
dispersión de
forma
5.6.5.- Aplicación del algoritmo propuesto bajo dos estrategias diferentes de medida.
La estrategia 1 de medición proporciona la Figura 5-13, que recoge agregados los resultados de aplicar
el algoritmo a datos procedentes de un cono ideal, supuestamente medido con la primera estrategia.
Las coordenadas teóricas (truncadas a tres decimales) se han perturbado mediante suma de valores
procedentes de una distribución uniforme centrada en el dato y de amplitud U=20 μm; se han aplicado
dos criterios de ajuste: el propuesto de minimizar los residuos al modelo de forma cuadrática y el ajuste
Mini-Max para la banda de valores simulados. En ambos casos se aprecia la estabilización del valor
5.41
Capítulo 5 Aplicación del método de Montecarlo
del parámetro característico de ajuste, la media del semi-ángulo del cono para el primer criterio y el
valor máximo del intervalo de valores mínimo (que no obstante continua creciendo, al presentarse
esporádicamente valores mayores); en relación con la desviación típica para el valor del semi-ángulo,
su evolución puede apreciarse asintótica. La Figura 5-15 representa la desviación ortogonal a la
generatriz media de cada ajuste por el criterio Mini-Max (en línea con las especificaciones de tolerancia
de forma como banda de valores); es apreciable la concentración de valores entorno al valor central,
disminuyendo la población hacia los extremos de la banda máxima para las 1.200 simulaciones
ejecutadas.
La Figura 5-14 del ajuste por la estrategia 2, se asemeja a la anterior Figura 5-13, si bien corresponde
a los valores simulados de cono ideal, perturbados como en el caso anterior, pero elegidos al azar
sobre la superficie del cono (véase la Figura 5-15, como referencia cualitativa de este proceder). Es
patente la mayor celeridad en alcanzar valores estables para los parámetros de ajuste, y la consistencia
con los resultados anteriores. Se ha incorporado el semi-ángulo ajustado por el criterio minimax
(añaden un ' * ' al valor límite) y su desviación, con una extraordinaria proximidad de los valores límite
para ambos criterios. Se entiende la bondad de los datos orientada al criterio de caracterización de la
forma, debe entenderse que dos circunferencias de datos conforme a la primera estrategia de medición,
son mejor caracterizados por dos planos paralelos que por un cono, así condicionar el ajuste a cono
resulta en una mayor severidad al procedimiento numérico de ajuste dificultando su convergencia
estable. Es opinión del autor, la conveniencia de la segunda estrategia de medición, por ser más
representativa del 'estado' general de la pieza que las dos circunferencias extremas, vista la capacidad
del algoritmo para el ajuste.
En ambos casos se observa sesgo del valor límite frente al valor ideal del semi-ángulo, siendo tal efecto
imputable al truncamiento aplicado a los datos ideales que afecta al cálculo del semi-ángulo
(desplazando los puntos hacia el interior de la pieza). Al establecerse por calibración las correcciones
e incertidumbres aplicables a las coordenadas proporcionadas por la máquina, no debería aplicarse
truncamiento o redondeo a los datos simulados, pues su efecto ya habría sido tomado en consideración
por la calibración, afectando a las correcciones o a la incertidumbre. No obstante, se hace necesaria
una calibración de las rutinas de proceso de datos, orientada a afectar al resultado de las posibles
desviaciones que el algoritmo introduce en la manipulación de datos.
5.43
Capítulo 5 Aplicación del método de Montecarlo
5.44
Capítulo 5 Aplicación del método de Montecarlo
Figura 5-18 Dispersión de valores simulados para la estrategia 2 y ajuste del ángulo
20 puntos discrecionalmente repartidos en la zona de exploración del cono.
5.45
Capítulo 5 Aplicación del método de Montecarlo
t
UNE
tolerancia de forma cono nominal; t=40 μm
1-121-91
La Figura 5-19, se corresponde con los resultados acumulados procedentes de generar 13 conjuntos
de datos correspondientes con los 20 puntos en el rango de tolerancia especificado para el semi-ángulo,
con la estrategia 2 (13 casos de 20 puntos discrecionalmente repartidos en la zona de exploración del
cono); posteriormente cada coordenada se afectó de variabilidad conforme a las indicaciones anteriores
y en número creciente de repeticiones (hasta 50 por caso). Para cada simulación y en cada caso se
ajustó por los dos criterios (650 ajustes por cada criterio).
5.46
Capítulo 5 Aplicación del método de Montecarlo
Se aprecia mejor comportamiento por aplicación del criterio de minimizar los residuos a forma
cuadrática, tanto en estabilidad de la solución como en ajuste al valor nominal y dispersión residual, no
obstante se puede argumentar:
o El número de casos (13) es insuficiente, se hace patente por el incremento del sesgo en la
solución y por la presunción de que la banda Mini-Max (tolminimax) debería alcanzar el orden
de 50 μm (estimación basada en la convolución de las dos distribuciones estadísticas que
simulan la dispersión original y en el comportamiento frente a cono ideal).
o El número de simulaciones resulta suficiente a tenor de los resultados para cono ideal y del
comportamiento estable de la desviación típica (no así para el criterio minimax sobre el semi-
ángulo).
Estos aspectos son mejorables pero se mantendrán por cuanto permiten ser enfocados como 13
repeticiones de una medición real de pieza con la estrategia 2 y su tratamiento posterior.
5.47
Capítulo 6 Explotación del Modelo_G
6.1.- INTRODUCCIÓN
El Capítulo 4 en su epígrafe 4.2 Modelo_G, introduce la hipótesis constitutiva y los elementos del
Modelo_G. Se explicitan los modelos: conceptual, de desviaciones (o correcciones) y estadístico para
la optimización del ajuste, como formalización de los fundamentos implementados en las tareas del
Ensayo de calibración (expuesto en 4.4).
Por su parte, el Capítulo 5 Aplicación del método de Montecarlo, aproxima los elementos generales de
las metodologías de simulación numérica con base estadística. Concretamente en 5.5. Aplicación del
método de Montecarlo a la determinación de la incertidumbre en MMCs por Modelo_G, se significa el
uso dual del método de Montecarlo como herramienta modeladora y de propagación de incertidumbre.
En el presente capítulo se ahonda en estos usos y se desarrolla la aplicación de la herramienta de
simulación numérica. El epígrafe 5.6 Ajuste de elementos geométricos en metrología por coordenadas.
Aplicación a medición de conos, ha anticipado mediante un caso particular lo que aquí se tratará con
la intención de dar generalidad a las actuaciones.
En lo sucesivo, al referirse a enfoques, se intenta transmitir una concepción pareja con las técnicas y
métodos señalados; así, tienen más trascendencia las estrategias y tácticas que los elementos
operativos (o paradigmas matemáticos) de los enfoques de red neuronal o algoritmos genéticos
propuestos.
6.1
Capítulo 6 Explotación del Modelo_G
Cada matriz , como procesador elemental, será interpretada como neurona, constituyente del
sistema de red neuronal. Cada neurona del tipo , a partir de un estímulo o elemento de entrada,
proporciona una única respuesta o salida. En relación con la Figura 6-1 aclarar que como elemento de
entrada a la red neuronal, cabe esperar una indicación de coordenadas de un punto (palpado o
6.2
Capítulo 6 Explotación del Modelo_G
simulado), o el conjunto de las coordenadas de los diferentes puntos en relación con un elemento
geométrico (una especificación dimensional o forma). Por esto último, deberá proveerse una capa de
entrada a la red, cuyas neuronas acondicionen y gestionen las indicaciones, encauzándolas a la capa
oculta de procesamiento. Como consecuencia de estas acciones de preselección, categorización,
agrupamiento y tratamiento diferenciado, resulta necesaria una reinterpretación de las salidas
proporcionadas por los procesadores elementales en relación con los criterios aplicados en esa capa
de entrada. La capa de salida estará inicialmente constituida por neuronas de acondicionamiento de
las salidas, de la capa oculta, hacia la interpretación por el usuario. Deberán reconducir las indicaciones
transformadas, dotándolas de significado en relación con la tarea de medida, a partir de los criterios
aplicados en la capa de entrada y en relación con la función en la que se aplican (que es retenida por
la capa de entrada y debe ser transferida a la de salida para su aplicación).
Para abundar en esta concepción resulta clarificador resumir sobre una visión más general de las redes
neuronales y concretarla en relación con el Modelo_G en su especificación más simple.
6.3
Capítulo 6 Explotación del Modelo_G
Las matrices de transformación, , actúan como red neuronal por su capacidad para caracterizar,
retener y aplicar dependencias entre las variables de entrada y salida, sobre la base de un número
finito de observaciones y por la imposición de los requisitos metrológicos. Al proceso de conformación,
por el cual se establecen los valores concretos de las matrices en relación con el comportamiento del
sistema de medida, será al que se denomine aprendizaje. Como consecuencia del aprendizaje, el
conocimiento adquirido a partir del ensayo de calibración puede ser aplicado a proporcionar una
respuesta metrológicamente correcta ante datos no utilizados en el entrenamiento de la red. Esto puede
ser bajo condiciones similares de uso, condiciones de reproducibilidad, y condicionado por la exigencia
de comparabilidad y compatibilidad metrológicas. La red neuronal así constituida, atiende al propósito
de consolidar un modelo de descripción y predicción, por captura de patrones estadísticos de
comportamiento, bajo la acción de una variedad de causas o factores de influencia que afectan a la
variabilidad de las indicaciones del sistema de medida. Deben declararse las características del proceso
de aprendizaje atendiendo a la arquitectura y funcionalidad de las capas. Los tiempos de entrenamiento
han de ser aceptables y debe anticiparse el rendimiento del proceso de aprendizaje en aras del uso
previsto del sistema. Es un valor añadido que la implementación resultante puede soportar diferentes
configuraciones o realizaciones, adecuadas al nivel metrológico o uso previsto, tales variantes y el uso
alternativo serán gestionados por la capa de entrada.
Durante el aprendizaje se impone el Modelo Conceptual descrito por (4.2.3.) como pilar fundamental
de la hipótesis constitutiva de la presente exposición. Significar que es esta una condición de
consistencia métrica, que persigue dar satisfacción y cumplimiento a los requisitos de trazabilidad,
particularmente de comparabilidad.
La descripción expuesta en estas líneas (véase la Figura 6-2 Esquema neuronal del proceso de
aprendizaje por calibración), es una realización en línea con el aprendizaje supervisado, en cuanto
debe responder a un referente externo, en términos de compatibilidad y comparabilidad. Así, el requisito
metrológico de supervisión es a la vez un criterio de convergencia y se sustenta en la condición de
invarianza de la distancia (de la métrica euclidea asociada el espacio vectorial afín tridimensional).
6.4
Capítulo 6 Explotación del Modelo_G
Siendo esta una condición supeditada a incertidumbre, resulta ser la fuente de la necesidad adaptativa
ofrecida por la red neuronal. La complejidad y variabilidad de la propia estimación de los valores de los
parámetros del modelo se ha afrontado por el uso de la simulación numérica. La adaptación del modelo
con susceptibilidad hacia el estado del espacio de puntos y la evolución ante los factores de influencia,
se ha logrado aplicando el enfoque π-MC.
Auto-organización
En cualquier caso, la red contempla durante su aprendizaje una actividad basada en la percepción de
la realidad a cuyo comportamiento es sensible. El estímulo es retenido por la percepción coyuntural del
sistema neuronal, afectando a cada uno de los procesadores elementales (las matrices ),
conformando su respuesta para alcanzar el logro en el criterio de éxito (criterio de convergencia).
Aprendizaje adaptativo
Aun siendo el modelo formal de los procesadores elementales el mismo, son las situaciones de estímulo
recibidas durante el aprendizaje las que sirven para establecer los valores concretos que rigen la
respuesta de cada una de estas neuronas. Las situaciones, siendo reproducibles, son cambiantes ante
la evolución de las magnitudes de influencia, identificables o latentes. Es esa variabilidad en contraste
con los criterios de convergencia, optimización y trazabilidad, los que permiten la adaptación de la red
a la descripción de ese comportamiento del sistema de media.
Robustez e integridad
La capacidad de emulación del comportamiento metrológico del sistema de medida, al estar soportado
por una plataforma masiva de elementos de memoria e interconexión, apunta a una redundancia que
el tratamiento estadístico refuerza y, así exhibe su flexibilidad ante variaciones en la cantidad de datos
disponibles e incluso frente a la presencia de datos espurios.
No obstante, en el siguiente epígrafe 6.2.2.- Enfoque genético, red neuronal y Modelo_G, se introduce
un elemento de refuerzo de esta capacidad, particularmente por exigencia de la buena práctica
metrológica. Se conservará del enfoque genético el criterio de “éxito poblacional”.
Funcionamiento en paralelo
Comportamiento no explicativo
Si bien la red podrá emular la respuesta del sistema y con ello mejorar el conocimiento del usuario en
relación con sus prestaciones ante las tareas de medición, no dispone de una capacidad inherente para
explicar los porqués de sus imputaciones. Esto no avoca al usuario a un acto de fe ante los resultados
proporcionados (sin duda, deberá mantenerse la visión crítica) sino que tal confianza se verá
sustentada por el acierto en el ensayo de calibración y en las tareas de intercomparación entre
laboratorios u otras entidades implicadas. Pero nuevamente la buena práctica metrológica exige y
orienta sobre el mantenimiento de la confianza en el comportamiento del sistema de medida.
En conclusión, deben dotarse procedimientos de contraste entre calibraciones, así como criterios de
conveniencia y necesidad de recalibración. Serán éstas, tareas de la función de mantenimiento
metrológico asumidas por el SI-MC.
6.6
Capítulo 6 Explotación del Modelo_G
Se focaliza la atención en las actividades de proceso de valores soportadas por la capa oculta formada
por las matrices de transformación de coordenadas, . No siendo baladí el esfuerzo de gestión de
las rutas y criterios de vinculación de los elementos resultantes en el tránsito entre capas, se relega
aquí por su alta vinculación con los aspectos logísticos más próximos a la implementación concreta de
las acciones.
Conviene combinar en la exposición las misiones en la red neuronal con la propia génesis de las
matrices de transformación .
̅ : input ≡ indicaciones del sistema de medida, encaminadas por la capa de entrada hacia
los grupos de matrices de transformación pertinentes. Una vez alcanza la capa
interna u oculta,
Para todas y cada una de las neuronas , contra su pervivencia en la red, se establece un criterio de
supervivencia, en el contexto de un comportamiento del tipo “algoritmo genético”. Resulta evocador y
no poco lírico aplicar una herramienta tan tradicional en relación con la vida como es la biografía de
cada miembro, en ella se atendería a los siguientes hitos curriculares:
• Cada punto palpado ha sido semilla o patriarca en la génesis (por simulación) de una corte o
cohorte de puntos sintéticos (en la bola de incertidumbre – véase Anexo 5).
• Cada cohorte, en las condiciones del ensayo de constitución del Modelo_G, ha permitido
establecer las familias { ̿ } y con ellas { } (aplicando la fórmula π-MC).
• En cada situación de uso de estas familias, ya sea en las operaciones de mantenimiento,
recalibración o medida (en general, desempeño de las funciones metrológicas), las diferentes
cohortes se verán implicadas en su misión de reflejar la conducta del sistema de medida.
• El criterio de supervivencia se aplica a establecer cuando pierden eficacia elementos concretos
de cada cohorte. La eficacia será valorada por su verosimilitud en la misión de soporte de una
variabilidad coherente con el comportamiento del sistema.
• Como consecuencia de la aplicación de este criterio, habrá elementos concretos que
presentarán resultados inconsistentes. Esta coyuntura se ilustra en Figura 6-3 Afectación de la
red por aplicación del criterio de supervivencia. En tal caso deberá procederse a:
o Eliminar la aportación de estas neuronas en relación con el resultado.
o Valorar la pervivencia de la cohorte o clan al cual pertenece esta neurona (la pérdida
de significación de los elementos de una cohorte determinará la extinción de este clan).
6.7
Capítulo 6 Explotación del Modelo_G
Así, la población de matrices { } evoluciona por supervivencia (el criterio aplicado es en rigor de
extinción), sin perjuicio de incrementar el número de individuos sobre la base del acierto. Se hace notar
una aparente ausencia de algo tan biológico como la reproducción de los individuos exitosos. No debe
olvidarse la génesis de las matrices de transformación, que a partir de las indicaciones de puntos
palpados, generá por simulación una cohorte de matrices. Esa primera etapa de proliferación, o
eclosión, expone al entorno la pluralidad de los individuos sensibles a la variabilidad del sistema. En
este planteamiento el éxito poblacional viene dado por la pervivencia del clan, basada en el acierto, y
en principio, no por la proliferación de aquellos individuos que aciertan. No hay un efecto de refuerzo
del superviviente, sino de adición del virtuoso. Véase la Figura 6-4 Pervivencia, extinción y génesis.
6.8
Capítulo 6 Explotación del Modelo_G
Esta combinación de enfoques y herramientas, permite la adopción de un uso discrecional, donde los
clanes afines a las condiciones de medición del sistema en relación con cada tarea concreta, pueden
ser priorizados o aplicados en aras de una mejor concordancia (tarea esta de la capa de entrada en la
red neuronal). Pueden aplicarse argumentos de ponderación basados en la configuración del sistema
(aportando evidencias de independencia), localismo, temporalidad, afinidad de tarea o estado del
sistema, condiciones de entorno, estado del mensurando, capacitación del personal, severidad en las
exigencias, por citar entre el conjunto de contribuciones referidas en 4.5 Planteamiento general del
balance de contribuciones a la incertidumbre. Análogamente podrá actuarse en relación con el criterio
de supervivencia por valoración del éxito, ponderando su severidad o adaptando su baremo. En la
práctica, estas prestaciones se instrumentalizan por la identificación de clanes afines a tareas, bajo
condiciones de referencia prescritas, y permite dar soporte a esquemas basados en la calibración
orientada a tareas o por tareas.
6.9
Capítulo 7 Sistema integral de medición por coordenadas
7.1.- INTRODUCCIÓN
Los requerimientos del uso industrial de las Máquinas de Medición por Coordenadas (MMCs)
se centran en la calibración, las verificaciones periódicas y las pruebas de aceptación en transacciones
comerciales, que se traducen en exigencias de:
• Trazabilidad.
Así como, el comedimiento (o pragmatismo) en las exigencias de cualificación para desempeñar las
tareas necesarias.
Tales necesidades han generado diversidad de propuestas que afrontan total o parcialmente
las exigencias planteadas. En todas ellas se aprecia la general preocupación por las innumerables
fuentes de error y su contribución a la medida en términos de incertidumbre, con énfasis parejo en
relación con su caracterización y aseguramiento. El liderazgo de los métodos basados en una
perspectiva, que llamaremos del fabricante, (como la técnica de veintiuna componentes de error o
síntesis de desviaciones. véase Capítulo 2 epígrafe 2.3.3.b Síntesis de desviaciones), ha eclipsado
como vía alternativa la perspectiva del usuario. Desde esta perspectiva de fabricante, la visión del
comportamiento de la máquina es fruto de la combinación de las conductas de cada uno de los
subsistemas que la componen, y así mediante técnicas de balance de error, o por análisis sistemático
de estas contribuciones, se afronta la estimación de las incertidumbres para las medidas
proporcionadas. En el éxito de esta perspectiva subyace la necesidad común de conocer, cuantificar y
en su caso caracterizar o explicar los errores que afectan a la medición con MMCs. Tales técnicas se
7.1
Capítulo 7 Sistema integral de medición por coordenadas
orientan al ajuste del comportamiento del sistema (en la práctica, aplicación de correcciones nulas en
uso); con ello el fabricante, conocedor de cada uno de los elementos y de las interacciones del conjunto,
afronta la optimización de las prestaciones. Desde la perspectiva de usuario, tal enfoque excede a su
disponibilidad de información y dedicación. Es además el ajuste ajeno a su actividad y al enfoque de
su tarea, que no es otra que el aseguramiento de la calidad de sus medidas y esto pasa por la
calibración.
La profusión de estudios realizados por diversos analistas (puede indagarse en las referencias del
Capítulo 10), evidencian conclusiones afines en relación con los enfoques basados en componentes
de error:
• Y la posibilidad de extender la calibración a tareas menos vinculadas a la forma del patrón que
aquellas descritas por el principio comparador.
Resulta igualmente manifiesta la idoneidad del empleo de objetos de referencia, artefactos, que
conceptualmente proporcionan o aseguran estabilidad dimensional (no presumible en la máquina o
sistema de medida) y similitud entre el procedimiento de su medida y el de las medidas en el uso.
Las técnicas al uso abogan por aplicar sistemas automáticos de apoyo a las labores metrológicas. Esto
conlleva la introducción de una nueva gama de fuentes de ‘error’, del propio control automático,
hardware y software; con el componente adicional de la diversidad de modelos matemáticos, técnicas
e implementaciones desarrolladas para afrontar la resolución de una misma concepción del
comportamiento de la máquina real.
Así se acuñan conceptos como el de Máquina Virtual de Medición por Coordenadas y el mucho más
general de Sistemas Inteligentes de Medida.
7.2
Capítulo 7 Sistema integral de medición por coordenadas
Tomando como referencia las consideraciones expuestas por V. Sobolev (en “Metrological automatic
support of measurement results in intelligent measurement systems” - Reseñado en el Capítulo 10),
desde la perspectiva general de los sistemas inteligentes de medida los requerimientos inicialmente
aportados se amplían hasta los siguientes:
c.1) Auto-comprobación.
c.2) Evaluación en línea del estado del sistema de medida o sus partes.
j) Accesibilidad de datos.
7.3
Capítulo 7 Sistema integral de medición por coordenadas
• Proceso de datos.
Por Sistema Integral de Medición por Coordenadas (SI-MC) se entiende un modo de actuación
fundamentado en la gestión de la totalidad de los recursos aplicados a la resolución de problemas en
el ámbito de la Metrología Dimensional por uso de la geometría de coordenadas. La perspectiva SI-MC
se orienta a consolidar un modelo de propósito general capaz de soportar las exigencias normativas de
trazabilidad y calibración para las actuaciones metrológicas basadas en la medición por coordenadas.
El enfoque óptimo deberá proponerse como objetivo, analizar el modo en que los recursos se aplican
eficientemente a la resolución de los problemas específicos encomendados a una realización concreta
del sistema, que será referida como Sistema de Medición por Coordenadas (SMC); esta eficiencia
vendrá ponderada por la elección de los adecuados parámetros característicos: tanto del SMC como
de la tarea, sometidos ambos a la perspectiva metrológica y en el ámbito en que esta deberá llevarse
a cabo.
− Actividades y usos.
7.4
Capítulo 7 Sistema integral de medición por coordenadas
El SI-MC será concebido como un sistema dinámico, estará consecuentemente dotado de la capacidad
de evolucionar afectado por los recursos. La eficiencia de su actividad se establecerá en términos de
la gestión de las incidencias de los recursos ajustada a mantener el SMC dentro del nivel metrológico
deseado, adaptado al uso previsto y consecuentemente deberá resultar validado por la actuación del
SI-MC.
Cada SI-MC es pues conceptual, de recursos distribuidos y en general compartidos, así sus distintos
recursos pueden participar en diferentes configuraciones o realizaciones de SMCs o incluso de SI-MCs.
La distribución de recursos afecta, en su concepto extendido, incluso en la referencia a organismos
tutelares, normativos y de acreditación.
En atención a las funciones que deberá soportar, los recursos deberán hallarse hábiles en el momento
en que sean requeridos, quedando a libre disposición en el resto de su capacidad de actividad, se
pretende así liberar a los constituyentes de cada SI-MC para la realización de tareas ajenas a esta
estructura, tal actividad es de uso común en la práctica actual.
La adecuada concepción de cada SI-MC exige una exhaustiva relación de los recursos aplicados y el
estado en que estos se encuentran en relación al sistema, declarando los criterios de auto-inhabilitación
por no disponibilidad, en tiempo o en estado, de los mismos.
El SI-MC deberá asumir la realización de las funciones encomendadas a su actividad. Por funciones se
entienden a cada una de las actividades complejas que el sistema deberá atender previo requerimiento
del gestor (persona o no, y en tal caso incorpora la función de administración automática del sistema).
En la Tabla 7.1 se resumen las funciones de carácter general agrupadas en planos de actividad.
Función de calibración: por la cual el SMC dará satisfacción a los requisitos de aseguramiento
metrológico de las indicaciones de medidas, con satisfacción de los requisitos de trazabilidad,
7.5
Capítulo 7 Sistema integral de medición por coordenadas
adaptados al nivel metrológico de medición previsto y en los términos exigidos por la normativa de
aplicación. Figura 7-3.
Función de mantenimiento: que desde los distintos enfoques comunes en las actividades de
mantenimiento (predictivo / correctivo), permitirá tanto el mantenimiento de los distintos subsistemas,
como el mantenimiento de la integridad y vigencia de los resultados emitidos, soportando así criterios
y procedimientos de verificación entre calibraciones, verificaciones periódicas y ensayos de contraste,
orientados a la evaluación continua de la calidad de las medidas resultantes. Figura 7-4.
Función de medición: por la que serán puestos a disposición del usuario los recursos hábiles de
medición, con información del estado metrológico de tales capacidades. Figura 7-5 y Figura 7-6.
Función de calidad: como tal afecta a todas las actuaciones del SI-MC, proporcionando las
herramientas de aseguramiento de la calidad y su gestión, sometiendo al sistema en su conjunto al
adecuado seguimiento y registro de las acciones específicas asumidas por la entidad en el marco de
su política de calidad. Todos los elementos se verán afectados en mayor o menor grado. Figura 7-1.
Estas funciones de carácter general afectan a la propia concepción del SI-MC. Como modo de
actuación y, por su aplicación como procedimiento, conduce a la configuración de cada SMC. A su vez,
un SMC hereda de su SI-MC, la capacidad de ejecutar las funciones específicas definidas en él.
Concretamente el SMC, deberá soportar de modo autónomo la función de medición, mientras las
demás las ejecutará con distintos niveles de implicación del SI-MC. La Figura 7-1 esquematiza los
componentes y agentes del SI-MC.
Acerca de las actividades desarrolladas por el SI-MC en cada una de las funciones soportadas, y en
relación con el concepto de SMC, se adjuntan diagramas de:
7.6
Capítulo 7 Sistema integral de medición por coordenadas
7.7
Capítulo 7 Sistema integral de medición por coordenadas
Figura 7-2 Componentes del Modelo SI-MC afectados por la Función de Construcción
7.8
Capítulo 7 Sistema integral de medición por coordenadas
Figura 7-3 Componentes del Modelo SI-MC afectados por la Función de Calibración
7.9
Capítulo 7 Sistema integral de medición por coordenadas
Figura 7-4 Componentes del Modelo SI-MC afectados por la Función de Mantenimiento
7.10
Capítulo 7 Sistema integral de medición por coordenadas
Figura 7-5 Componentes del Modelo SI-MC afectados por la Función de Medición
7.11
Capítulo 7 Sistema integral de medición por coordenadas
Figura 7-6 Componentes del Modelo SI-MC afectados por la Función de Medición -
Generador de procedimientos
7.12
Capítulo 7 Sistema integral de medición por coordenadas
7.13
Capítulo 7 Sistema integral de medición por coordenadas
7.19
Capítulo 7 Sistema integral de medición por coordenadas
7.20
Capítulo 7 Sistema integral de medición por coordenadas
7.21
Capítulo 7 Sistema integral de medición por coordenadas
7.22
Capítulo 7 Sistema integral de medición por coordenadas
7.23
Capítulo 7 Sistema integral de medición por coordenadas
7.24
Capítulo 7 Sistema integral de medición por coordenadas
7.25
Capítulo 7 Sistema integral de medición por coordenadas
La estructura jerárquica de las actividades anteriores se describe por el árbol de nodos. Cada nodo
identifica una actividad de detalle subordinada con su actividad antecedente (más genérica). Se ha
intentado que la relación recoja cualitativamente una secuenciación temporal, al menos en primera
ejecución.
7.26
Capítulo 7 Sistema integral de medición por coordenadas
Este breve glosario pretende abundar en la interpretación de las expresiones referidas en el contexto
del uso dado en los diagramas anteriores, es por ello que algunas declaraciones pueden ser menos
amplias en su acepción por uso aquí de lo que realmente son en un ámbito general. Son pues, más
etiquetas que términos, de ahí estas aclaraciones (debe consultarse VIM para el significado
convencional):
ACREDITACIÓN
ALGORITMO DE CALCULO
ANALISTA
responsable de la aceptación de los resultados propuestos por el sistema, así como de la toma
de las decisiones no encomendadas al SMC. Podrá estar asistido por un sistema experto del
propio SMC.
ARTEFACTO
refiere al artefacto físico, elemento físico que materializa las características geométricas
soporte de la evaluación.
CALCULADOR
aplicación que permite la manipulación de los datos de calibración conforme a las pautas
normativas para expresar los resultados de calibración
CALCULAR INCERTIDUMBRE
CERTIFICADO
COMANDOS MMC
7.27
Capítulo 7 Sistema integral de medición por coordenadas
sobre los parámetros de control, establece los elementos que determinan la conclusión o
interrupción de la simulación en curso. Condición (simple / compleja) que establece el límite en
la generación de valores indicados virtuales.
CONDICIONES DE OPERACIÓN
se refieren los valores y observaciones que resulten relevantes para describir el entorno en que
se ha ejecutado la medida.
CONDUCTA DE LA MMC
actividad por la cual se procede a la medición del artefacto, proporcionando la MMC una
descripción geométrica del artefacto, tal descripción se compara con otras realizaciones de esta
actividad, o con el conocimiento a priori que del artefacto pueda tenerse.
CONSOLIDAR SMC
DATOS ADMINISTRATIVOS
* identificación de la tarea(s);
bajo muy diversas formas de presentación, la definición del mensurando debe incluir:
7.28
Capítulo 7 Sistema integral de medición por coordenadas
EDITOR DE PROGRAMAS
EDITOR DE TEXTO
el SMC deberá soportar la función de utilización, por la cual recibiendo los inputs planteados,
deberá facilitar los outputs referidos, en concreto debería ser capaz de medir de modo
adecuado al nivel metrológico para el cual se desea aplicar.
7.29
Capítulo 7 Sistema integral de medición por coordenadas
FORMULARIO
formato específico para la expresión de los resultados que constituyen el informe (medidas).
GENERADOR ALEATORIO
sobre la base de datos reales procedentes de la medición, esta actividad produce ternas de
valores de coordenadas, que no siendo valores indicados, están vinculados al comportamiento
del SMC por las relaciones establecidas en base a los modelos de desviación e incertidumbre
aplicados (en su caso Modelo_G).
actividad por la cual se concreta la información generada por la función de utilización con un
formato definido a priori informe(medidas).
INCERTIDUMBRE DE REFERENCIA
para cada tarea de medida se propone a priori un valor aceptable como incertidumbre de
referencia para el proceso de análisis; este valor puede no ser impuesto, con lo que el
procedimiento de medida y el emplazamiento del mensurando en V.C. resultarán aceptados,
siendo la incertidumbre asignada a la medida una estimación de la capacidad del sistema para
ejecutar la tarea de medida conforme a las condiciones de partida
tiene por objeto describir el nivel de integridad del SMC así como su evolución, informaciones
que deberán aplicarse a la gestión de la capacidad de medida acudiendo a recursos humanos
o automáticos
7.30
Capítulo 7 Sistema integral de medición por coordenadas
INFORME (MEDIDAS)
MMC
MEDIDAS
MEDIDAS VIRTUALES
se consideran virtuales por no ser valores indicados obtenidos por lecturas de la MMC relativas
al mensurando, sino por simulación de datos.
MEDIR
conjunto de operaciones que tienen como objetivo determinar el valor de una magnitud en
relación con la magnitudes fundamentales del Sistema Internacional.
MENSURANDO
MODELAR
MODELO DE COORDENADAS
7.31
Capítulo 7 Sistema integral de medición por coordenadas
MODELO DE DESVIACIONES
MODELO GEOMÉTRICO
en general, es todo aquel que representa una o más características dimensionales por su
concepción o definición ideal.
MODELO DE PUNTOS
descripción conceptual de la relación que a priori se establece entre los valores indicados que
proporcionará el SMC al medir (p.e.: del resultado de palpar las caras de un bloque patrón de
longitud se dice que deberán definir dos planos paralelos).
MODELO SVMC
NORMAS
OPERADOR
hace mención al elemento físico que soporta la definición del mensurando dada para el patrón.
PROCEDIMIENTO DE MEDIDA
7.32
Capítulo 7 Sistema integral de medición por coordenadas
PROGRAMA
PROGRAMADOR
PROGRAMAR
PROPUESTA DE EMPLAZAMIENTO
RESULTADOS DE CALIBRACIÓN
información metrológica relativa a la capacidad de medida acreditada del SI-MC, frente a uno
o más patrones de nivel superior, que debería aplicarse a la acreditación de las medidas
efectuadas por el SMC.
RUTINAS
SIMULADOR
elemento del SMC que asume las tareas de generar las medidas virtuales conforme al
MODELO SVMC al objeto de imputar las incertidumbres combinadas a una tarea compleja de
medida por recurso al método de Montecarlo.
SISTEMA
conjunto de reglas o principios sobre una materia racionalmente enlazados entre sí. Conjunto
de cosas que ordenadamente relacionadas entre sí contribuyen a un determinado objetivo.
sistema complejo que deberá soportar diversas FUNCIONES con recurso a distintos
subsistemas y estrategias, con el objetivo global de facilitar la medición por coordenadas con
satisfacción de las exigencias metrológicas de trazabilidad.
sistema intangible que convoluciona los diferentes modelos siguiendo las reglas de
construcción y calibración. Como PROPUESTA SVMC, retiene los elementos apriorísticos de
los diferentes modelos. El MODELO SVMC es la realización concreta a posteriori, es la
instancia acreditada aplicada en las tareas de MEDIDA.
7.33
Capítulo 7 Sistema integral de medición por coordenadas
TESTIGO DE RECHAZO
la actividad comparar se ejecuta on-line sobre las medidas virtuales, de modo que se ejecute
rechazar en el momento en que la simulación rebase el elemento de control incertidumbre de
referencia.
VALORES INDICADOS
datos numéricos generados por la MMC que facilita en forma de coordenadas (en su caso
cartesianas 3D), como posición del punto de referencia. Podrán considerarse como tales,
valores numéricos calculados por la MMC, p.e.: redondez, distancia, etc.
véase valores indicados; se consideran virtuales por no ser fruto de una operación de toma de
coordenadas por interacción con el mensurando, sino que son propuestos por el modelo SVMC
con base en la trayectoria de medida recogida por el procedimiento de medida y en relación
con el emplazamiento del mensurando en V.C.
7.34
Capítulo 8 Resultados y conclusiones
8.1.- INTRODUCCIÓN
El presente capítulo expone, en forma agregada, algunos de los resultados más característicos,
obtenidos en las diferentes fases de contraste experimental. Estas actuaciones en su conjunto han
tenido como objetivo la valoración de las nuevas alternativas de mejora del Modelo_G, por vía del
contraste con resultados experimentales. Se ha pretendido la consolidación y redefinición, desde un
enfoque pragmático, de los elementos de detalle y los avances en la propuesta formal.
No siendo objeto de estas actuaciones el desarrollo de artefactos de ensayo ni máquinas, ni tan siquiera
de los algoritmos matemáticos o sus implementaciones, las referencias detalladas se han omitido
atendiendo a la exposición de los resultados de la actuación de medida por coordenadas (por lo que
no se abundará en el detalle descriptivo de las máquinas, los artefactos y las rutinas).
Intencionadamente, se omite toda argumentación acerca del logro de objetivos en relación con los datos
aportados aquí. Los objetivos se consideran cumplidos en tanto se consiguen procedimientos de
actuación orientados a la caracterización del comportamiento metrológico de los sistemas de medición
por coordenadas. El conjunto de la presente memoria detalla los elementos que permiten disponer de
un método alternativo para el aseguramiento de las medidas ejecutadas por los sistemas basados en
coordenadas, su calibración, mantenimiento y explotación (en medida y contraste de especificación).
Aun no exento de carga operativa, las rutinas y tareas enunciadas son plenamente asequibles al
usuario industrial (en último caso por su aplicación como caja negra).
Una consideración menor: al objeto de evitar una profusión de etiquetas, se ha relajado su uso
entendiendo que no representa una pérdida de claridad. Se considera aplicable una referencia a la
página o epígrafe y así se hace.
8.1
Capítulo 8 Resultados y conclusiones
8.1.1.- Tratamiento previo de los datos de puntos medidos sobre las esferas.
Con intención ilustrativa, los valores recogidos en la Tabla 8.1, ejemplarizan el resultado del proceso
de captura de puntos sobre las esferas del artefacto aplicado en cada ensayo. Cada caso concretará
sus características con esquema similar.
Para las diferentes esferas, se obtienen los valores de puntos sobre sus
superficies, en las diferentes posiciones o emplazamientos adoptados para
recubrir el volumen de ensayo diseñado.
(Se han aplicado bolas de rodamientos SKF Calidad G10, [Tol. diámetro =
2.6 μm ; esfericidad < 0.25 μm ; Ra < 0.025 μm]).
Artefacto PURI-55, véase Figura 8.10.
Tabla 8.1 Coordenadas de puntos medidos
Posición – 1 Posición – 2
Esfera x y z Esfera x y z
1 13,5153 -134,9529 -197,0854 1 19,2080 -122,3391 -201,9637
10,2300 -149,3785 -211,7151 14,3473 -136,3510 -216,8051
29,1031 -137,7811 -212,1241 34,2263 -126,7900 -217,3735
28,9657 -131,5146 -212,0236 34,7534 -120,4374 -216,8927
12,3735 -120,1084 -211,8515 19,4216 -107,4286 -216,7358
2 187,1193 -297,2935 -197,0367 2 173,4084 -298,9936 -201,9782
175,9614 -287,7337 -212,1053 163,2693 -288,3878 -217,0431
172,8588 -302,1376 -211,6205 158,7067 -302,2863 -216,7026
191,6263 -312,0124 -211,8196 176,4066 -314,1198 -216,7405
200,6943 -291,1995 -212,2982 187,5411 -294,3589 -217,2381
3 235,9270 -65,1026 -197,0670 3 244,2951 -75,9450 -201,9448
230,3359 -78,9969 -211,8834 237,5612 -89,1393 -216,5997
224,2942 -74,5313 -211,7498 231,8986 -84,0402 -216,6136
224,5820 -55,2964 -212,1109 234,0684 -64,9812 -216,6591
245,7193 -53,7202 -212,1177 255,4265 -65,6162 -216,8133
4 146,3572 -166,6927 -6,0800 4 148,8879 -171,2970 -6,1758
158,7475 -158,2274 -21,0396 162,1376 -164,2467 -21,1633
154,9197 -179,0198 -21,0454 156,0237 -184,5060 -21,1390
133,8450 -174,9570 -21,2224 135,5288 -178,1033 -21,1723
137,7510 -154,4160 -21,0331 141,6601 -158,1663 -21,1483
En los casos presentados, se ha efectuado el ajuste de valores medidos a valores conocidos por la
calibración de cada una de las esferas que constituyen el artefacto de ensayo. Las contribuciones a
considerar serán aquellas atribuibles a la calibración de cada esfera u0, y las imputables a efectos
locales, fundamentalmente dominadas por contribuciones de palpador y falta de repetibilidad; han sido
estimadas a partir de 10 repeticiones de la tarea de medición de cada esfera, en posiciones diferentes.
La idea se ilustra con la Figura 8.1.
8.2
Capítulo 8 Resultados y conclusiones
Uc (k=2) = 0.000 6 mm
Por lo que ha de concluirse que en este caso resulta determinante la incertidumbre de calibración del
diámetro de las esferas, frente al comportamiento de la máquina ensayada.
Atendiendo a la metodología del Modelo_G, el paso siguiente procede con el cálculo de la matriz
métrica de ajuste “ ̿ ” y de la matriz de transformación de los valores indicados “ ”. Ambas matrices son
obtenidas, conforme a la metodología objeto de la tesis, sobre los valores centrales (valores ajustados
para los centros de esfera).
correcciones “{ }”; para ello se mantienen invariables los valores centrales para todos los centros de
esfera salvo uno, en el cual se generan valores aleatorios con dispersión controlada por la Uc
previamente establecida.
8.3
Capítulo 8 Resultados y conclusiones
Se muestran tres casos señeros de entre los tratados en la fase de ensayo. La exposición es evolutiva
en los contenidos sobre la base de los casos expuestos.
Bajo este epígrafe se presentan tres casos preliminares { A, B, C }, los tres referidos a un mismo sistema
de medida (denominado MMC_UPNa). Este análisis tiene como objetivo presentar la metodología
básica en su aplicación.
A continuación una primera tabla de valores ajustados, en relación con las posiciones se refleja el valor
ajustado para radio y distancia entre centros de esferas; inmediatamente con carácter descriptivo,
valores de promedio y desviación típica en los resultados del ajuste.
Con tal información se establece el valor de amplitud para la simulación de la variabilidad en las
indicaciones de coordenadas. Se señala el valor adoptado para la matriz métrica, ̿ (global por
simplificación de la exposición), inicialmente se impone el criterio de correcciones nulas (matriz unitaria)
como referencia para la posterior evolución por aplicación de la metodología π-MC.
El valor de la función objetivo es cualitativo (su eficacia como índice es relativa, debe entenderse en
términos de suma cuadrática de las desviaciones típicas de la distancia –varianza entre posiciones-).
Se adjunta en cada situación una gráfica de desviaciones entre los valores de distancia obtenidos por
las transformación y el valor de referencia (distancias no calibradas).
La información evoluciona como lo hizo, durante el desarrollo de las tareas de contraste, la adaptación
de las implementaciones del enfoque SI-MC por la aplicación de las metodologías del Modelo_G.
8.5
Capítulo 8 Resultados y conclusiones
Datos de identificación:
MMC UPNa
Artefacto Barra2B
NombreFichero 2n9p3d.txt
Numero de Nodos 2
Numero de Posiciones 9
Dimension 3
8.6
Capítulo 8 Resultados y conclusiones
15
10
desviaciones en (µm) 5
-5
-10
-15
-20
1 2 3 4 5 6 7 8 9
posiciones
Para estimar la contribución a la incertidumbre por variabilidad en la determinación del centro de las
esferas se ha utilizado la misma variabilidad obtenida en la determinación del radio (diámetro),
combinando ambos efectos bajo la hipótesis de independencia.
Las anteriores contribuciones se han combinado bajo la hipótesis de alta correlación, recurriendo a su
suma aritmética para la estimación de la incertidumbre combinada.
uc = 0,005 7 mm
U(k=2) = 0,011 mm
El resultado de la medida es:
L = 224,009 ± 0,011 mm
Como comentario, señalar que en este caso la matriz “G”, que determina el cálculo de la matriz de
correcciones “Q”, ha sido la matriz identidad, es decir, se aplican correcciones nulas a las coordenadas
indicadas por la MMC ensayada.
No obstante, forzando el uso de una matriz no unitaria en la aplicación del Modelo_G, se obtiene una
matriz métrica específica cuyos coeficientes resultan ser:
(La mantisa de 8 dígitos se mantiene por razones de precisión de cálculo y por su trascendencia en la
contribución al error numérico).
8.7
Capítulo 8 Resultados y conclusiones
-4
x 10 evolución del valor de los coeficientes
4
-2
G11-1
-4 G12
G13
G22-1
G23
-6
-8
-10
-12
1 2 3 4 5 6 7 8 9 10 11 12
-4
x 10 Evolución del valor de la función objetivo
10
2
0 2 4 6 8 10 12
número de iteración
8.8
Capítulo 8 Resultados y conclusiones
10
4
desviaciones en (µm)
-2
-4
-6
-8
1 2 3 4 5 6 7 8 9
posiciones
L = 224,013 ± 0,004 mm
Se muestran las salidas por pantalla del ajuste de los datos del fichero 2n9p3d.txt mediante la rutina
Model_GQ.exe [esta rutina asume el valor unitario sobre el coeficiente g11 de la matriz del Modelo_G].
La adecuada conversión de escala se obtiene dividiendo los coeficientes de esta matriz por el valor
obtenido en g33, operación de la que se desprende la compatibilidad en el valor numérico ajustado; para
el valor de distancia deberá dividirse el valor presentado por la raíz cuadrada de g33.
8.9
Capítulo 8 Resultados y conclusiones
8.10
Capítulo 8 Resultados y conclusiones
La comparación con el resultado anterior muestra una mejora en la incertidumbre asignada (a igual
nivel de determinación), compatible con el resultado anterior.
8.11
Capítulo 8 Resultados y conclusiones
Datos de identificación:
MMC UPNa
Artefacto Codo2B
NombreFichero 2n11p3d.txt
Numero de Nodos 2
Numero de Posiciones 11
Dimensión 3
[ valores ajustados ] (valores en mm)
posición esfera x y z radio distancia
1 -124,1332 -189,5680 37,2336 9,4943
1
2 -14,1890 -25,0655 -19,9576 9,5027 205,9603
1 -1,7758 -90,6720 29,0943 9,4977
2
2 -161,6586 -204,6883 -33,4689 9,5010 206,0979
1 -180,6417 -202,4230 35,2544 9,4909
3
2 -4,6516 -101,0917 0,5975 9,4908 206,0137
1 -27,4846 -226,2381 64,8700 9,4877
4
2 -22,2720 -32,2937 -4,3594 9,4901 205,9959
1 -170,4426 -115,5337 2,2955 9,4880
5
2 10,3156 -207,1207 -35,2581 9,4918 206,0874
1 -168,5793 -31,9324 -25,1207 9,4537
6
2 -30,1761 -182,6196 -1,0345 9,4923 206,0151
1 -29,9901 -138,5374 -4,0247 9,4864
7
2 -167,2426 4,2152 53,1226 9,4742 206,1125
1 -74,0701 -180,6075 62,9337 9,4804
8
2 -25,7594 19,7195 63,6222 9,4888 206,0711
1 -134,8256 -0,0198 -32,9432 9,4792
9
2 -29,7877 -158,9134 45,6671 9,4946 206,0576
1 -164,0263 -61,7191 65,2047 9,4848
10
2 -46,0480 -210,5907 -14,6021 9,4871 206,0358
1 -96,4566 -183,5052 65,1668 9,4956
11
2 -45,5679 -0,4896 -14,6085 9,4916 206,0302
8.12
Capítulo 8 Resultados y conclusiones
0.08
0.06
0.04
-0.02
-0.04
-0.06
-0.08
-0.1
1 2 3 4 5 6 7 8 9 10 11
posiciones
Al igual que en el caso anterior, para estimar la contribución a la incertidumbre por variabilidad en la
determinación del centro de las esferas se ha utilizado la misma variabilidad obtenida en la
determinación del radio, combinando ambos efectos bajo la hipótesis de independencia.
Las anteriores contribuciones se han combinado bajo la hipótesis de alta correlación, recurriendo a su
suma aritmética para la estimación de la incertidumbre combinada.
uc = 0,017 mm
U = 0,034 mm
El resultado de la medida es:
L = 206,043 ± 0,034 mm
Una vez más, forzando el uso de una matriz no unitaria en la aplicación del Modelo_G, se obtiene una
matriz métrica específica para el presente caso, cuyos coeficientes resultan ser:
8.13
Capítulo 8 Resultados y conclusiones
-4
x 10 evolución del valor de los coeficientes
4
G11-1
G12
G13
-2 G22-1
G23
-4
-6
-8
1 2 3 4 5 6 7 8 9 10 11 12
0.02
0.018
0.016
0.014
0.012
0.01
0 2 4 6 8 10 12
número de iteración
8.14
Capítulo 8 Resultados y conclusiones
50
40
30
desviaciones en (µm) 20
10
-10
-20
-30
-40
-50
1 2 3 4 5 6 7 8 9 10 11
posiciones
L = 206.055 ± 0,010 mm
Nuevamente, se muestran las salidas por pantalla del ajuste de los datos del fichero 2n11p3d.txt
mediante la rutina Model_GQ.exe (se mantiene respecto del caso anterior) [esta rutina asume el valor
unitario sobre el coeficiente g11 de la matriz del Modelo_G]. La conversión de escala se obtiene
dividiendo los coeficientes de esta matriz por el valor obtenido en g33, operación de la que se desprende
la compatibilidad en el valor numérico ajustado; para el valor de distancia deberá dividirse el valor
presentado por la raíz cuadrada de g33.
8.15
Capítulo 8 Resultados y conclusiones
8.16
Capítulo 8 Resultados y conclusiones
La comparación con el resultado anterior muestra una mejora en la incertidumbre asignada (a igual
nivel de determinación).
Se entiende que la rutina de ajuste presenta un comportamiento estable ante este tipo de artefacto. El
resultado es compatible con el caso anterior. Aun así, se ha apreciado relevante el hecho de que ambos
casos presentan falta de rigidez en el asiento del artefacto (pérdida de secuencias de palpado por
movimientos en el contacto).
8.17
Capítulo 8 Resultados y conclusiones
• La falta de rigidez del artefacto acodado (del segundo caso), no tanto por sus propias
características, sino más por la dificultad de lograr un asiento conveniente en los sucesivos
emplazamientos o reubicaciones.
8.18
Capítulo 8 Resultados y conclusiones
Este caso se centra en una primera realización del artefacto denominado PURI-55 mostrado en la
Figura 8.10.
Por modificaciones sobre esta primera construcción los resultados obtenidos no resultan comparables
con la posterior reconstrucción del artefacto aplicada para epígrafes posteriores.
Aquí el objetivo es introducir la implementación en relación con un artefacto diferenciado, apreciar que
se trata de 4 esferas de palpado en una disposición notablemente más robusta que las varillas de los
casos anteriores. Es muy significativa la mejora en el asiento del artefacto, se logra sin pérdida de
facilidad en la reorientación y reubicación o reposicionamiento para la ejecución del ensayo.
Sobre los mismos datos de ensayo, Archivo: 4n10p3d.txt, se muestran dos rutinas alternativas Rutina
procesa3d.m y Rutina modelo_g00.m. Sobre la segunda se fuerza una solución no unitaria para la
matriz métrica.
COEFICIENTES DE LA MATRIZ G
̿= ̿
8.19
Capítulo 8 Resultados y conclusiones
0.01
0
desviaciones en (mm)
-0.01
-0.02
-0.03
-0.04
-0.05
1 2 3 4 5 6 7 8 9 10
posiciones
En este caso se exponen los resultados obtenidos por una rutina alternativa, desarrollada sobre la base
de criterios de procesamiento matemático distintos al anterior, con la intención de valorar la robustez
de la metodología del Modelo_G ante diferentes implementaciones, aquí la diferencia estriba en el uso
de los algoritmos estándar del software MatLab.
COEFICIENTES DE LA MATRIZ G
g22= 1 g23= 0
g33= 1
8.20
Capítulo 8 Resultados y conclusiones
10
desviaciones en (µm)
-10
-20
-30
-40
-50
1 2 3 4 5 6 7 8 9 10
posiciones
Los resultados obtenidos evidencian, por test o contraste de adherencia, una alta similitud.
Han sido diferentes las rutinas aplicadas y las metodologías de resolución de los diversos ajustes y
optimizaciones necesarias. Entre las metodologías numéricas destacar la recogida en el Anexo 1 Ajuste
de la Matriz G, aplicada en el caso: rutina3d.m (por su paralelismo en los usos matemáticos de la
simulación, particularmente esta rutina aplica una estrategia de tanteo, descrita en el Anexo 1).
COEFICIENTES DE LA MATRIZ G
8.21
Capítulo 8 Resultados y conclusiones
0.025
0.0245
0.024
0.0235
0.023
0.0225
0.022
0.0215
0.021
1 2 3 4 5 6 7 8
número de iteración
100
80
desviaciones en (µm)
60
40
20
-20
-40
1 2 3 4 5 6 7 8
iteraciones
El gráfico recoge la mejora progresiva por el modelo de correcciones, sobre las seis distancias
materializadas. El resultado final logra una similitud en las desviaciones residuales. Si bien el efecto de
las correcciones no es significativo en términos de modificación del valor asignado a las distancias.
Debe recordarse que el objetivo es la determinación de una familia de matrices que permitan la
asignación de la incertidumbre en la tarea elemental de obtención de coordenadas. Es previsible que
para una máquina en adecuadas condiciones de uso, resulte práctico no aplicar correcciones,
explotando las prestaciones de propagación de la incertidumbre y la metodología de verificación
sistemática del estado metrológico de la MMC.
8.22
Capítulo 8 Resultados y conclusiones
-2
-4
-6
1 2 3 4 5 6 7 8
iteraciones
Los valores alcanzados para los coeficientes de la matriz métrica, son indicativos del orden de magnitud
de las correcciones inducidas por el Modelo G, así como de las contribuciones a la incertidumbre por
aplicación del modelo de correcciones nulas.
8.23
Capítulo 8 Resultados y conclusiones
La exposición anterior de caso previos, tentativos en muchos aspectos operativos y preliminares a las
posibles conclusiones, condujo a la disposición de elementos operativos maduros.
Aun así se recoge el Caso – 1 por su trascendencia en el tránsito entre la idea inicial (fundamentalmente
el modelo conceptual ya referido) y el modo en que esta se fue consolidando como un alternativa
metódica.
Por su parte el Caso – 2 apunta a mostrar la compatibilidad con la calibración por bloques patrón
longitudinales, mientras el Caso – 3 se centra en la combinación con el enfoque del control estadístico
del proceso de medida y su aplicación a la función de mantenimiento.
8.4.1.- CASO 1
Comparación entre los resultados obtenidos en la calibración mediante la metodología soportada por
el Modelo_G y el recurso a la calibración por la metodología convencional con Bloques Patrón
Longitudinales.
El presente caso, es una ejecución preparatoria del proceso posteriormente consolidado para la
realización del ensayo. Los resultados recogidos difieren en su exposición de los provistos con
posterioridad. Esto se debe al cambio por la evolución de los criterios de captación y recogida de datos,
así como de su presentación.
Anticipando los resultados, de los mismos se deriva el deficiente estado de la máquina ensayada, muy
por debajo de las prestaciones especificadas por el fabricante.
Se aportan a continuación:
Figura 8.12 Gráficas de diferencias por componentes Medidas – Corregidas – Caso 1 pág. 8.25
Figura 8.13 Calibración con BPLs versus Modelo_G - Caso 1 pág. 8.26
8.24
Capítulo 8 Resultados y conclusiones
A partir de las indicaciones obtenidas por el sistema de medida, se procedió la valoración de los límites
en las correcciones por modelo lineal (sobre el campo de medida). La Figura 8.11, compara el resultado
con y sin correcciones por aplicación de las matrices de transformación sobre los valores indicados. La
Figura 8.12, desglosa las diferencias por ejes o componentes cartesianas.
-80 mm -60
50
250
-100
componente y
componente x
200
-120
0
componente z
150
-140
mm
100 mm
-50
-160
-180
50
-100
-200
-220
0
-150
-240
-50
-260
-10
-20
-30
-20
-40
2
0
V a lo r e s e n ( µ m )
8.25
Capítulo 8 Resultados y conclusiones
La Figura 8.13 Calibración con BPLs versus Modelo_G - Caso 1 muestra por componentes las
desviaciones durante el procedimiento de calibración convencional basado en BPLs. Se señalan
mediante círculos rellenos, los valores de corrección introducidos por las matrices de transformación
(en las expresiones de distancia). Mediante una corona circular (se aprecia más como una barra), se
resaltan los valores corregidos para las coordenadas indicadas por la máquina en la ejecución del
procedimiento de calibración. Finalmente los asteriscos son los valores indicados por la máquina.
8.26
Capítulo 8 Resultados y conclusiones
8.4.2.- CASO 2
El presente Caso 2, corresponde a la realización del ensayo de calibración (cubriendo un lapso de dos
meses en la captura de datos); con el artefacto PURI-250 [4 bolas esféricas: diámetros aprox. 12.5 mm;
Calidad ; distancias entre centros del orden de 235 mm], sobre una Máquina de Medición por
Coordenadas, Modelo UC550 Marca ZEISS; campo de medida (mm) 550x500x450 y división de escala,
E=0.1 μm ; MMC propiedad de la empresa Centros Tecnológicos de Navarra, S.A. (CETENASA).
Durante el período de ejecución del ensayo, permanece en vigor el Certificado de Calibración, emitido
conforme a la acreditación por la ENAC.
Condiciones de Calibración:
U(k=2) Rango
mm mm
X 0.001 5 0 - 550
Y 0.001 8 0 - 500
Z 0.001 3 0 - 450
8.27
Capítulo 8 Resultados y conclusiones
8.28
Capítulo 8 Resultados y conclusiones
8.29
Capítulo 8 Resultados y conclusiones
8.30
Capítulo 8 Resultados y conclusiones
8.31
Capítulo 8 Resultados y conclusiones
8.32
Capítulo 8 Resultados y conclusiones
8.33
Capítulo 8 Resultados y conclusiones
8.34
Capítulo 8 Resultados y conclusiones
8.35
Capítulo 8 Resultados y conclusiones
8.36
Capítulo 8 Resultados y conclusiones
8.37
Capítulo 8 Resultados y conclusiones
8.38
Capítulo 8 Resultados y conclusiones
U(k=2) Rango
mm mm
X 0.001 5 0 a + 550
Y 0.001 8 0 a - 500
Z 0.001 3 0 a - 450
En el cálculo de desviaciones para correcciones, referidas a un valor ( a ) distinto del valor medio de
los valores simulados ( α ), se aplicará la relación: = + − .
La medida ha consistido en la medición de 5 puntos distribuidos en esquinas y centro sobre una cara y
un punto en el extremo opuesto del BPL (en este caso, al tratarse de la mesa, se adoptado el promedio
de tres mediciones como valor).
punto x y z
1 82,1379 -25,9930 -449,2337
2 82,2781 -20,1358 -449,2383
3 112,3639 -19,9530 -449,2384
4 112,1760 -26,0292 -449,2337
5 97,2370 -23,0250 -449,2360
0 97,8189 -23,8669 -349,2353
Resultados obtenidos por la simulación basada en los valores indicados y la familia de matrices de
transformación { ; }.
1. Transformar las coordenadas obtenidas (valores indicados) por todos y cada una de las matrices
de la familia { }.
2. Calcular la longitud del BPL, como distancia del punto 0, al plano de ajuste por mínimos cuadrados
definido por los puntos 1 a 5.
3. Calcular valores promedio para las longitudes obtenidas en las simulaciones anteriores, valores
estimados por la matriz de correcciones , valorar el resultado de no aplicar correcciones = .̿
8.39
Capítulo 8 Resultados y conclusiones
La aplicación ya sea del valor central o del valor corregido por la matriz de correcciones , conduce a
un resultado de incertidumbre estimada del orden de la ofrecida por la calibración global.
Longitudes (mm)
L (calibrada) promedio (α) valor central por (a) Correcciones nulas ( = )̿
0 -0,000 06 -0,000 06 -0,000 06
19,999 88 19,999 82 19,999 77 19,999 77
50,000 00 49,999 98 49,999 92 50,000 03
99,999 89 100,000 01 99,999 93 99,999 96
150,000 12 150,000 13 150,000 10 150,000 04
200,000 16 200,000 22 200,000 26 200,000 32
300,000 45 300,000 46 300,000 47 300,000 56
400,000 31 400,000 18 400,000 02 400,000 14
8.40
Capítulo 8 Resultados y conclusiones
A la vista de los resultados, cabe concluir que la estimación por Modelo_G es compatible con la solución
alcanzada por la calibración basada en BPLs.
El comportamiento del modelo, para distancias mayores y menores que las ensayadas, presenta un
comportamiento deseable, en tanto que a mayor diferencia con el valor ensayado, la incertidumbre
asignada resulta creciente. Este efecto es condicionado por la imposición de una incertidumbre
estimada específicamente, para la medición de distancia nula. En cualquier caso, el comportamiento
global se mantiene compatible con los resultados locales y globales obtenidos por la metodología de
BPLs.
8.41
Capítulo 8 Resultados y conclusiones
Eje X
Resumen de valores obtenidos para BPLs de nominales, cubriendo el campo de medición de la MMC
Longitudes (mm)
L (calibrada) promedio (α) valor central por (a) Correcciones nulas ( = )̿
0,000 00 0,000 00 0,000 00 0,000 00
19,999 88 19,999 77 19,999 85 19,999 86
50,000 00 49,999 98 49,999 99 50,000 03
99,999 89 99,999 87 99,999 88 99,999 90
150,000 12 150,000 03 150,000 10 150,000 12
200,000 16 199,999 97 200,000 05 200,000 16
300,000 45 300,000 17 300,000 31 300,000 43
400,000 31 399,999 99 400,000 13 400,000 34
8.42
Capítulo 8 Resultados y conclusiones
8.43
Capítulo 8 Resultados y conclusiones
Eje Y
Resumen de valores obtenidos para BPLs cuyos nominales cubren el campo de medición de la MMC
Longitudes (mm)
L (calibrada) promedio (α) valor central por (a) Correcciones nulas ( = )̿
0,000 00 0,000 02 0,000 01 0,000 00
19,999 88 19,999 94 19,999 92 20,000 01
50,000 00 50,000 02 50,000 01 50,000 00
99,999 89 99,999 99 99,999 89 100,000 02
150,000 12 150,000 22 150,000 12 150,000 08
200,000 16 200,000 22 200,000 10 200,000 14
300,000 45 300,000 11 300,000 45 299,999 98
400,000 31 400,000 22 400,000 31 400,000 11
8.44
Capítulo 8 Resultados y conclusiones
8.45
Capítulo 8 Resultados y conclusiones
8.4.3.- CASO 3
El presente Caso 3, corresponde a la realización del ensayo de calibración, con el artefacto PURI-55
en un período de dos meses, sobre una Máquina de Medición por Coordenadas, Modelo XXX
MITUTOYO; campo de medida (mm) 150x220x120 y división de escala, E=0.1 μm ; MMC propiedad
de la Universidad Pública de Navarra.
Durante el período de ejecución del ensayo, la citada máquina no es sometida a control metrológico,
siendo su estado de no calibración. Se procedió a un contraste de prestaciones basado en la medición
de 5 BPL de Calidad 0
L (mm) 10 20 50 80 100
Calidad 0, admitiendo U0 = ±0.1μm
Condiciones de Calibración:
U(k=2) Rango
mm mm
X 0.001 5 0 - 150
Y 0.001 8 0 - 220
Z 0.001 3 0 - 120
Se presentarán en relación con el presente Caso 3:
8.46
Capítulo 8 Resultados y conclusiones
8.47
Capítulo 8 Resultados y conclusiones
8.48
Capítulo 8 Resultados y conclusiones
8.49
Capítulo 8 Resultados y conclusiones
8.50
Capítulo 8 Resultados y conclusiones
8.51
Capítulo 8 Resultados y conclusiones
8.52
Capítulo 8 Resultados y conclusiones
8.53
Capítulo 8 Resultados y conclusiones
8.54
Capítulo 8 Resultados y conclusiones
8.55
Capítulo 8 Resultados y conclusiones
8.56
Capítulo 8 Resultados y conclusiones
1 -2,24·10-6 -5,83·10-6
̿= -2,24·10-6 1+20 ·10-6 1,34·10-6
-5,83·10-6 1,34·10-6 1
8.57
Capítulo 8 Resultados y conclusiones
Sobre los resultados anteriores, una vez establecida la metodología previa de determinación de los
criterios de Construcción del Modelo G, se muestra el recurso a los criterios de Control Estadístico de
Procesos – CEP (Statistical Process Control – SPC) para consolidar los criterios de Mantenimiento y
Explotación de los resultados.
En una primera Fase de ajuste, se aplicaron los resultados proporcionados por la calibración conforme
a la metodología del enfoque SI-MC. Consecuencia de la información obtenida se procedió al ajuste
del sistema de medida. Particularmente se modificaron mecánicamente las holguras de los sistemas
de apoyo y las alineaciones de las reglas, por vía de software se actualizaron las correcciones por
temperatura aplicadas a las escalas. El ensayo E_11 permitió la puesta en servicio del sistema de
medida con el comportamiento descrito por los ensayos E_11 a E_30. La evolución se refleja en la
Figura 8.25.
Una segunda Fase de explotación, descrita en el resto de las figuras de este epígrafe, y tras un ensayo
de referencia E_01, se procedió a ejecutar un seguimiento del estado del Sistema de Medida. Las
figuras indicadas muestran la evolución y comportamiento del sistema en los diferentes elementos
descritos. Se destaca en la exposición eventos que trascienden en el estado, particularmente, la
periodicidad semanal del ensayo de mantenimiento, el lapso de siete días con ejecución diaria y la
incidencia de un período de no ejecución del ensayo (durante el cual las condiciones del sistema se
vieron afectadas por la pérdida del rango habitual de temperatura de entorno – período vacacional de
invierno – evolucionando a temperaturas en el orden de 7ºC, siendo habituales las anteriormente
aportadas (Temperatura de Referencia: 20±2ºC ).
8.58
Capítulo 8 Resultados y conclusiones
8.59
Capítulo 8 Resultados y conclusiones
8.60
Capítulo 8 Resultados y conclusiones
8.61
Capítulo 8 Resultados y conclusiones
8.62
Capítulo 8 Resultados y conclusiones
8.63
Capítulo 8 Resultados y conclusiones
8.64
Capítulo 8 Resultados y conclusiones
8.65
Capítulo 8 Resultados y conclusiones
8.66
Capítulo 8 Resultados y conclusiones
8.67
Capítulo 8 Resultados y conclusiones
8.68
Capítulo 8 Resultados y conclusiones
8.69
Capítulo 8 Resultados y conclusiones
Los dos primeros artefactos referidos Barra2B y Codo2B, fueron en su momento precursores de la
intención de disponer de un soporte material de referencia para la ejecución del ensayo de calibración.
Su misión responde al objetivo de poner de manifiesto las dificultades e influencias que el artefacto
aporta a la ejecución del ensayo.
Por su parte los artefactos PURI 55 y PURI 250, son consistentes con la necesidad de disponer de un
elemento material que soporte los elementos de garantía para la ejecución del ensayo de calibración.
Retienen las características de estabilidad esperadas en un patrón material y la comparabilidad con el
comportamiento de una pieza. Responden al modelo: tetraedro de núcleo esférico.
Para la selección de material se ha aceptado un acero (inoxidable, sin relevancia sobre su composición
específica y por mera preferencia de la conservación de su aspecto, dado el lapso de utilidad). En todo
caso, esta similitud entre el material del artefacto y el de las piezas que usualmente se miden debe ser
considerado como buena aptitud.
8.70
Capítulo 8 Resultados y conclusiones
8.5.1.- Barra2B
Bolas de rodamiento Calidad G10 ; esfericidad = 0.25 μm ; Tol. diámetro = 2.6 μm ; Ra < 0.025 μm
8.5.2.- Codo2B
Modelo: Codo2B
Bolas de rodamiento Calidad G10 ; esfericidad = 0.25 μm ; Tol. diámetro = 2.6 μm ; Ra < 0.025 μm
8.71
Capítulo 8 Resultados y conclusiones
8.5.3.- PURI 55
Bolas de rodamiento Calidad G10 ; esfericidad = 0.25 μm ; Tol. diámetro = 2.6 μm ; Ra < 0.025 μm
Longitud característica: 55 mm
8.72
Capítulo 8 Resultados y conclusiones
Bolas de rodamiento Calidad G10 ; esfericidad = 0.25 μm ; Tol. diámetro = 2.6 μm ; Ra < 0.025 μm
8.73
CAPÍTULO 9 Líneas de desarrollo
Como consecuencia de las naturales limitaciones en el alcance de las tareas inherentes al desarrollo
del presente trabajo de investigación, surge la necesidad de focalizar el esfuerzo y recursos en aquellos
objetivos planteados. En el curso de la acción investigadora, surgen nuevos retos y se detectan nuevos
frentes de actuación, algunos reconfiguran la acción investigadora, mientras que otros han de ser
pospuestos en aras de la consecución de resultados.
El presente capítulo, bajo el título “Líneas de desarrollo”, pretende enumerar las más atractivas
ramificaciones de la labor exploratoria, ejecutada en el marco de las actuaciones doctorales. La
identificación y reseña que se hará a continuación es sobre áreas potenciales donde un enfoque similar
resultaría de gran utilidad. Aclarando aquí, que el enunciado que se hace de dichas líneas tiene una
mera intención tentativa, que en todo caso puede dar lugar a su vez a líneas potenciales de
investigación y desarrollo paralelas a la presente memoria.
En el Capítulo 1 Introducción, se refieren tanto los objetivos como la focalización, que circunscriben el
alcance de la tesis enunciada. No obstante es de interés, la inclusión de algunos comentarios
relacionados con aspectos colaterales al desarrollo troncal.
9.1
CAPÍTULO 9 Líneas de desarrollo
Figura 9-1 Esquema simple de los efectos de deformación por dilatación térmica.
En los capítulos precedentes se ha explicitado la significación que los efectos de deformación por
dilatación térmica (absoluta y/o diferencial) tienen sobre los resultados de las mediciones con MMCs.
Particularmente han sido aportados argumentos, relativos al modo en que la metodología basada en el
Modelo_G bajo la perspectiva SI-MC, permite agregar estas influencias, durante el proceso de
calibración y en las posteriores tareas de mantenimiento del Sistema Integral de Medición por
Coordenadas.
Remitir a las diversas aportaciones que en esta materia se recogen en el Capítulo 10 “Bibliografía”;
resaltando el interés y trascendencia de las innovaciones, que se presentan en este campo, tanto para
los sistemas de medición y como en el ámbito de las Máquinas Herramienta.
9.2
CAPÍTULO 9 Líneas de desarrollo
Calibration-based thermal error model for articulated arm coordinate measuring machines. J.
Santolaria, J.A. Yagüe, R. Jiménez, J.J. Aguilar. Precision Engineering 33 (2009) 476–485.
En aras de una adecuada perspectiva global de la materia, debe constatarse la evolución que los
sistemas denominados “sin contacto” han experimentado en la última década y que interesa describir.
Las primeras técnicas de medición sin contacto en el ámbito de la metrología por coordenadas, han de
referir al uso de un amplio espectro de instrumentos basados en sistemas ópticos de captación de
contornos y valoración de formas, que incorporaban el recurso tanto a reglas como a geometrías de
referencia, citar los Proyectores de Perfiles o Microscopios de Medición, como estímulo de la cita. Tales
instrumentos se fundamentan en el uso de una fuente luminosa y en la captación directa por el ojo
humano ya sea de la emisión reflejada sobre la superficie de la pieza (episcopía) o de la emisión directa
interrumpida por la opacidad de la pieza interpuesta en el recorrido del haz de luz (diascopía); el recurso
a elementos ópticos de mejora de las características de propagación del haz luminoso (diafragmas,
colimadores, polarizadores, concentradores, difusores, espejos,...) y la amplificación de las imágenes
generadas (sistemas de lentes fijas o móviles,...) han permitido la medición de elementos dimensionales
de las más diversas características (engranajes, monedas, componentes electrónicos,...).
El citado desarrollo, o a mejor decir “cambio tecnológico”, se inicia con la incorporación en los
instrumentos tradicionales referidos, de los sistemas basados en visión artificial, típicamente cámaras
y especialmente aquellas operadas y controladas por medios informáticos.
Las denominadas cámaras digitales (sea su principio sensorial analógico o digital), con el soporte de
tratamiento de datos proporcionado por los medios informáticos y el desarrollo de los métodos de
inteligencia artificial aplicados al campo de la visión, son la más estimulante vanguardia de los métodos
de medición geométrica en el ámbito de la monitorización de procesos fabriles. La actividad de I+D, se
manifiesta tanto desde la perspectiva de la metrología dimensional, vinculada a la especificación
9.3
CAPÍTULO 9 Líneas de desarrollo
geométrica de producto, como desde ámbitos de medida menos consolidados como puede ser la
satisfacción del cliente.
En el Capítulo 2 de la presente memoria, se mencionaban los sistemas de detector láser y los diferentes
principios de funcionamiento actualmente aplicados para la captación de coordenadas individuales
sobre la superficie de la pieza. Tales modos de operación no difieren sustancialmente de la captación
de puntos por contacto (aunque esta sea masiva como en el caso del palpado continuo o scanning),
por ello sigue resultando de aplicación el enfoque SI-MC en la explotación y uso del sistema de medida.
En este apartado se ha querido introducir un breve comentario sobre el uso de sistemas de medición
basados en la detección de geometrías mediante cámaras.
Anticipar que en relación con su aplicación, se han efectuado exploraciones tentativas en el marco de
la presente acción investigadora, y permítase la licencia de no obviar, la identificación del uso de las
fuentes de luz, como un elemento de alta trascendencia en el alcance de las prestaciones de estos
sistemas, de los criterios para su calibración y del tratamiento metrológico.
9.5.- FOTOGRAMETRÍA
La fotogrametría aérea, cómo rama más afamada de aplicación de estas técnicas, se basa en el caso
normal de fotografía estéreo en el que las cámaras son paralelas entre sí y sensiblemente
perpendiculares al objeto. Hasta los años 1960, los estudiosos en fotogrametría cercana estaban
obligados a asumir esta simplificación. La cámara aérea, cámara métrica, evita la necesidad de un
sistema de enfoque, de este modo las ópticas empleadas mantenían el enfoque ajustado en fábrica.
Inicialmente las cámaras aéreas resultaban muy costosas, y más caras aún las cámaras métricas de
pequeño formato. Considerando el coste de los trazadores estéreo o estereoploters analógicos y su
dificultad de uso, la supervivencia se basó en aspectos no estrictamente económicos, lo que permitió
la evolución de los medios (digitalización e informatización) hasta alcanzar en la segunda mitad del
siglo XX, valores aceptables en su evaluación de rentabilidad.
Como técnica fotogramétrica de especial relevancia industrial, la fotogrametría digital resulta ser una
técnica de medición sin contacto basada en el procesamiento de imágenes digitales. Debido a la
9.4
CAPÍTULO 9 Líneas de desarrollo
naturaleza de este tipo de imágenes, la automatización del proceso es inherente a las características
de soporte tecnológico sobre las que están desarrollados estos sistemas.
La capacidad que tiene la fotogrametría de ser implementada en tiempo real y en línea, estimula el
desarrollo de aplicaciones en el campo de la robótica, como un sistema hacia el cual se dirige el
esfuerzo investigador en fotogrametría industrial. La definición más comúnmente aceptada de Robot,
posiblemente sea la de la Asociación de Industrias Robóticas (RIA), según la cual: Un ROBOT es un
manipulador multifuncional reprogramable, capaz de mover materias, piezas, herramientas o
dispositivos especiales, según trayectorias variables, programadas para realizar tareas diversas
[Barrientos et al., 1997]. Atendiendo a este planteamiento, una de estas tareas diversas podría ser, la
medición de piezas industriales, dando sentido al término robot medidor; una representación se aporta
en la Figura 9-2 y constaría de los siguientes componentes:
Modelo CAD de objetos. El modelo CAD de las piezas a inspeccionar proporciona (al menos) la
definición geométrica nominal del objeto, definiéndose las características geométricas que deberán ser
sometidas a medición. Serán los mensurandos y es esta la definición del mensurando.
Sistema de gestión de las mediciones. Este elemento actúa como herramienta de diseño y
configuración. Teniendo conocimiento sobre la pieza que se va a inspeccionar y su posición, esta
9.5
CAPÍTULO 9 Líneas de desarrollo
herramienta debería permitir la gestión de todos los elementos necesarios para la ejecución de las
mediciones pertinentes.
Análisis fotogramétrico. Una vez captadas las imágenes, y reconocidas las características, se emplean
‘técnicas estéreo’, para la determinación de las coordenadas de puntos tridimensionales referidos a la
superficie del mensurando.
Resultado: Como salida del hipotético robot medidor se tendrían coordenadas 3D, de puntos
específicos referidos a la superficie de la pieza (o bien, no siendo en principio el caso de interés, una
nube densa de reflexión del aspecto superficial). Estos datos pueden ser utilizados para evaluar
dimensionalmente la pieza medida ya sea en contraste con una especificación de tolerancia, o bien
para la obtención de un modelo CAD de pieza si lo que se está haciendo es ingeniería inversa.
En la actualidad, las líneas de trabajo aquí expuestas, son centro de la actuación en el ámbito científico
de la metrología dimensional visual, en la que serán de aplicación técnicas de visión artificial e
inteligencia artificial con objeto de automatizar la medición.
Desde la perspectiva vinculada a la ingeniería industrial y mecánica en particular, pueden sentirse más
próximas las actuaciones referidas a un orden de magnitud en el entorno del “metro”; el cambio de
sensibilidad dimensional de quienes trabajan con piezas de grandes dimensiones (entiéndase decenas
de metros), es notable y se hace especialmente significativo en los medios de medición aplicados.
La medición en las aplicaciones geodésicas y topográficas, es sin duda un ámbito desafiante y retador
para la investigación metrológica. Lo es en sí misma y trasciende en el uso, ya habitual, de estos
sistemas a la medición y soporte metrológico en actuaciones con piezas mecánicas de grandes
dimensiones: utillaje y componentes aeronáuticos o navales, elementos estructurales u ornamentales
de aplicación en ingeniería civil o arquitectura, guiado de maquinaria pesada, dimensionado de
infraestructuras, etc. La definición geométrica basada en coordenadas, exige de la adaptación de las
metodologías de tratamiento metrológico, a los medios e instrumentos aplicables, encontrándose en
estas actividades no pocas respuestas a problemas latentes en la medición de componentes de
magnitud más próxima a la antropomórfica.
9.6
CAPÍTULO 9 Líneas de desarrollo
Enlazando con el epígrafe anterior, y siendo este un capítulo más complaciente con la imaginación y la
ilusión, se quiere dejar constancia de las permanentes miradas destinadas a los sistemas de
posicionamiento global por satélite.
Los sistemas precursores TRANSIT o GLONASS, el actual NAVSTAR-GPS o el futuro GALILEO, son
a todas luces la “Gran Máquina de Medición por Coordenadas”, la profundización en conocimiento de
los principios de medición de estos sistemas y las metodologías de aseguramiento de las medidas
proporcionadas, son un referente de rigor y pragmatismo en el uso y la aplicación de los conceptos
metrológicos, y campo de posibles actuaciones investigadoras que cubren desde la mejora de su
trazabilidad hasta la aplicabilidad eficiente en sistemas de medición o guiado de máquinas en las
dimensiones al uso en el ámbito industrial.
9.7
Capítulo 10 Referencias
CAPÍTULO 10 REFERENCIAS
10.1.- INTRODUCCIÓN
Las siguientes líneas recogen una parte significativa de las referencias y fuentes consultadas por el
autor en el desarrollo de su actividad investigadora en relación con la presente tesis.
Autores
Título
Título de la Publicación, (código en series), página inicial – página final, fecha de publicación: mes y
año.
Keywords (declaradas por los autores)
En el caso de algunas referencias de especial incidencia sobre el presente desarrollo, se ha incluido el
/ un resumen del contenido de la referencia o, el “abstract”.
10.1
Capítulo 10 Referencias
Publicaciones:
• “Uncertainties on CMMs by applying a model of corrections based on a Global Metric, Monte Carlo
and Neural Net methods”. F. Raya, E. Cuesta, S. Martinez-Pellitero, J. Barreiro. (MESIC 2015).
ABSTRACT: This paper is aimed at increase of knowledge about the uncertainties of
measurements on CMMs by applying a model of corrections based on combine a Global Metric
establishment, a Monte Carlo statistical analysis and a Neural Net method that links and command
both items. In fact, this paper analyses general criteria for using a variant of Monte Carlo method
(π-Monte Carlo) not only in the propagation of uncertainties, but also as methodology for collecting
necessary information for such propagation using numerical simulation. The philosophy presented
here gives a model that stand out the contributions to the uncertainty of CMM in use, making it an
alternative task-oriented calibration methodology applied to CMM with special guidance to industry.
Keywords: Uncertainty; Coordinates Measuring Machines; Monte Carlo; Neural workbench;
Genetic algorithm.
10.2
Capítulo 10 Referencias
Divulgación genérica:
10.3
Capítulo 10 Referencias
A. Balsamo
Effects of arbitrary coefficients o CMM error maps on probe qualification,
Annals of the CIRP Vol. 44/1/95, p. 475,
Precision Engineering and Metrology
keywords: CMM, Multi-Stylus
A.Balsamo et al.
Towards Instrument-Oriented Calibration of CMMs.
Annals of CIRP Vol. 45/1/1996.
Retoma el punto de vista del usuario y propone un nuevo modelo de correcciones y tratamiento de la
incertidumbre en el que se hace prevalecer la contribución del defecto de escala.
Domenico Sola, Rivalta; Emanuele Ricci, Cascine Vica; Alessandro Balsamo, Turin; Mauro Di
Ciommo, Turin; Bruno Ippolito Rebaglia, Turin, all of (IT). Inventors.
Method of Determining the Measuring Uncertainty of a Coordinate Measuring Device
Patent Nº.: US 6178389 B1 Jan. 23, 2001
Sobre la base de un modelo paramétrico de correcciones utiliza la simulación de Montecarlo para
propagar la variabilidad asignada a las indicaciones, con ello logra estimar la incertidumbre de la
variable corregida. Incorpora la corrección de calibración aditivamente a partir del contraste entre el
valor de estimación de las indicaciones corregidas para la distancia y el valor certificado del patrón
dimensional.
Notar que; aquí el uso de Montecarlo difiere del denominado uso π-MC y, el procedimiento patentado
se corresponde con la concreción de las recomendaciones del Suplemento a GUM.
10.4
Capítulo 10 Referencias
G.Belforte et al.
Coordinate Measuring Machines and Machine Tools Selfcalibration and Error Correction.
Annals of CIRP Vol.36/1/1987.
Se exponen los resultados y conclusiones de la aplicación de un modelo de máquina orientado a su
aplicación como simulador, resulta especialmente significativo el esfuerzo en el rigor de la declaración
de los modelos aplicados, así como la identificación de tareas diferenciadas.
G. Belforte, B. Bona, E. Anuto, F. Donati, F. Ferraris, I. Gorini, M. Morei, M. Peisino, S. Sartori / R. Levi
Coordinate measuring machines and machine tools selfcalibration and error correction,
Annals of the CIRP Vol. 36/1/87, p. 359,
Dimensional Metrology in Quality Assurance
keywords: Dimensional Metrology, Calibration, Measuring Machines, Machine Tools, Automatic Error
Correction, Identification, Simulation
John A. Bosch
Coordinate Measuring Machines and Systems
Marcel Dekker Inc. CRC Press, 1995. ISBN 0-8247-9581-4
Abstract: This work reviews the basic concepts of co-ordinate metrology. It defines what co-ordinate
measuring machines (CMMs) are and details how they can be applied to gain a competitive advantage
in a variety of business settings, from small machine shops to global manufacturers. Areas that are
critical for the successful application of CMMs - including environmental factors, the measuring of speed
and accuracy, traceability, versatility and programming methodology - are considered.
We want to measure and determine the shape of free-forms by means of a coordinate measuring
machine (CMM). As we show later in more details, this problem is a lot more difficult than the
straightedge reversal for obvious reasons, the first of which is that CMMs are composed of three
theoretically perpendicular linear axes. Nevertheless, we use, in our method, a local modelling of the
errors close from for the one used for the straight edge reversal or the three flat test.
P. Bourdet
Contribution à la mesure tridimensionnelle : modèle d'identification des surfaces, métrologie
fonctionnelle des pièces mécaniques, correction géométrique des machines à mesurer
tridimensionnelles
Thèse d'Etat, Nancy I - LURPA ENS CACHAN, 23 Juin 1987
A. Clément
The resolution of positioning solids.
Annals of the CIRP Vol. 40/1/91, p. 511,
Precision Engineering and Metrology
keywords: Metrology, Resolution, Solid
10.6
Capítulo 10 Referencias
J.F.C. De Nijs, M.G.M. Lammers, P.H.J. Schellekens , A.C.H. Van Der Wolf
Modelling of a coordinate measuring machine for analysis of its dynamic behaviour.
Annals of the CIRP Vol. 37/1/88, p. 507, Dimensional Metrology in Quality Assurance.
keywords: Coordinate Measuring Machine, Dynamic Behaviour, Lagrange Energy Method, Guyan
Reduction, Response to Dynamic Excitations, Natural Frequencies
10.7
Capítulo 10 Referencias
N.M. Faber
Uncertainty estimation for multivariate regression coefficients
Chemometrics and intelligent laboratory systems 64 (2002) 169-179
Keywords: Multivariate calibration; regression vector; uncertainty estimation; resampling; jack-nife;
bootstrap; Monte Carlo simulation; OLS; PLSR; PCR; NIR
D. Feautrier P. Bourdet
Form error assessment: error separation method for the calibration of free-form surfaces by means of
coordinate measuring machines
Proceedings of the ASPE Annual Meeting, October 5-10, 1997 Norfolk Va, USA
Abstract: The calibration of free-form surfaces by means of Coordinate Measuring Machines requires
the use of high accuracy devices. The problem is that the accuracy of today's CMMs is of the same
order as the form errors of the surface of the artefact to calibrate. It is then impossible to ensure that a
calibration is accurate enough. We propose a contribution to this problem by establishing a general
method that is relevant for all types of surfaces and allows to separate the errors of a CMM from the
error of a free-form surface. It is based both on a strategy equivalent to a multi-reversal of the artefact
and on a numerical method for the identification of the surface of the artefact. CMMs are the best fit
device to measure free-forms because they allow to easily obtain datasets of coordinates of points of
the surface. To ensure both a satisfactory reliability and the accuracy of the results, CMMs must have a
good repeatability. In addition, the raw coordinates of the measured points can be numerically corrected
thanks to the previous identification of the 18 compensation functions (geometrical errors).
Nevertheless, it is in general admitted that one cannot guarantee the calibration of free forms by means
of CMMs. However, by measuring the same part at different locations of the measuring space, it is
possible to check whether the results are consistent. It then allows to verify the reliability and the
accuracy of the measurement. We propose to use the non-consistency of the results to separate the
form errors from the CMM errors. The method is based both on a particular displacement strategy of the
part within the measuring space and on the writing at each measured point of a relationship between
the form error and the CMM error. Each relationship is modelled as a linear equation and is expressed
with respect to a reference surface. The reference surface is linked with the measured points and it is
obtained via the use of the small displacements torsor. Error separation then consists in solving a linear
equation system. Displacing the artefact so that different points of the surface correspond to the same
point of the CMM space allows to reduce the number of unknowns and makes the separation possible.
This method was tested with success on a gear tooth profile. By separating the errors we were able to
reduce the uncertainty of the calibration by an order of magnitude of 4. To check the general method,
we also tested it on a simple profile previously calibrated by means of a classical method. Experimental
results are then given for a 40 mm ring standard.
of measurement error and, in particular, how the uncertainty and drift in the calibration parameters
contribute to the uncertainty in assessing the quality of manufactured parts. This report discusses how
the Virtual CMM concept can be generalised to models of other measuring instruments and provides a
general methodology to take into account prior calibration information in uncertainty estimation. This
report is a deliverable of the Validation of Simulated Instruments project within the NMS Software
Support for Metrology Programme, 1998–2001.
10.9
Capítulo 10 Referencias
F. Jouy / A. Clément
Theoretical modelisation and experimental identification of the geometrical parameters of coordinate
machines, by measuring a multi-directed bar,
Annals of the CIRP Vol. 35/1/86, p. 393, Dimensional Metrology in Quality Assurance
10.10
Capítulo 10 Referencias
I. Lira; G. Kyriazis
Bayesian inference from measurement information
Metrología 36 163. 1999. doi:10.1088/0026-1394/36/3/1
Abstract
Bayesian inference about a quantity is made through the probability density function that describes the
state of incomplete knowledge acquired from measurement. This approach can be applied
advantageously to evaluate the data obtained from repeated measurements of a quantity, with or without
added information on the variances or error bounds of the indicated values. Results are compared with
those obtained using conventional statistical theory. It is concluded that Bayesian inference allows a
flexible and natural characterization of the measurement uncertainty.
I, Lurpa
Identification de modèles géométriques composes pour la spécification et la mesure par coordonnées
des caractéristiques fonctionnelles des pièces mécaniques a. ballu thèse de doctorat de l'université de
Nancy, LURPA ENS CACHAN, 15 janv. 1993
L. Mathieu
New algorithms for CMM software in accordance with standardized geometrical tolerances
Proceedings of the 8th international Metrology Congress, pp33-38, BESANCON, 20-23 October 1997
M. Mestre
Détermination d'intervalles de confiance par prédiction, et optimisation des sites de mesure en
métrologie dimensionnelle des surfaces fabriquées.
Thèse de doctorat (spécialité : génie mécanique) - école normale supérieure de Cachan - lurpa, 30
novembre 1993
L. Nawara , M. Kowalski
Analysis of the random component of multicoordinate measuring machines and metrological robots
position error,
Annals of the CIRP Vol. 36/1/87, p. 373, Dimensional Metrology in Quality Assurance
keywords: Multicoordinate Measuring Machine, Metrological Robot, Measurement Accuracy, Position
Error, Systematic Error, Random Error, Error Distribution
L. Nawara , M. Kowalski
Influence of the multicoordinate measuring machine head characteristic on circular profiles
measurements.
Annals of the CIRP Vol. 34/1/85, p. 449, Precision Engineering
10.11
Capítulo 10 Referencias
T. Pfeifer / G. Spur
Task specific gauge for the inspection of coordinate measuring machines,
Annals of the CIRP Vol. 43/1/94, p. 465,
Precision Engineering and Metrology
keywords: Bevel Gear, Calibration, CMM-Uncertainty
E. Savio, L. De Chiffre
An artefact for traceable freeform measurement on coordinate measuring machines
Precision Engineering, vol. 26, pp 58-68, number 1, January 2002
Precision Engineering and Metrology
keywords: Freeform surface, coordinate measuring machine, traceability, Uncertainty assessment.
10.12
Capítulo 10 Referencias
K.D. Summerhays, R.P. Henke, J.M. Baldwin, R.M. Cassou, C.W. Brown
Optimising discrete point sample patterns and measurement data analysis on internal cylindrical
surfaces with systematic form deviations
Precision Engineering, vol. 26, pp 93-98, number 1, January 2002
Precision Engineering and Metrology
keywords: coordinate measuring machine, Sampling plan, fitting algorithm, cylinder, form error, principal
component analysis, Chebychev polynomial, Fourier series, eigen shapes, least squares, minimum
zone, maximum inscribed cylinder.
J.W.M.C. Teewsen, J.A. Soons, P.H.J. Schellekens / A.C.H. Van Der Wolf
A general method for error description of CMMs using polynomial fitting procedures.
Annals of the CIRP Vol. 38/1/89, p. 505,
Dimensional Metrology in Quality Assurance
keywords: Coordinate Measuring Machine, Volumetric Measuring Accuracy, Non Rigid Body Effects,
Thermal Behaviour, and Polynomial Fitting Procedures
E, Trapet, F.Waldele
The Virtual CMM concept.
Advanced Mathematical Tools in Metrology II. Edited by P.Ciarlini, M.G.Cox, F.Pavese & D.Richter.
1996 World Scientific Publishing Company. pp 238-247.
10.13
Capítulo 10 Referencias
M. Weck , M. Schmidt
An optical measurement procedure for determination of the geometric accuracy of machine tools,
Annals of the CIRP Vol. 33/1/84, p. 387, Dimensional Metrology in Quality Assurance
K. Yamazaki
Three dimensional cognitive system for quick perception and inspection of mechanical part using
computer tomography.
Annals of the CIRP Vol. 41/1/92, p. 593,
Precision Engineering and Metrology
keywords: Dimensional Measurement, Image Processing, Geometric Modelling
G.X. Zhang
A study on the Abbe principle and Abbe error.
Annals of the CIRP Vol. 38/1/89, p. 525,
Dimensional Metrology in Quality Assurance
keywords: Abbe Principle, Abbe Offset, Abbe Angle, Abbe Error, Reference Point, Sensing Point,
Sensitive Direction
10.14
Capítulo 10 Referencias
B.H. Zhuang, K.Q. Lu, J.H. Zhang, X.J. Wang, Z. Li / G.X. Zhang
Non-contact optical probe with holographic optical element,
Annals of the CIRP Vol. 40/1/91, p. 507,
Precision Engineering and Metrology
keywords: Precision, Non-Contact Optical Probe, Holographic Optical Element (HOE)
10.15
Capítulo 10 Referencias
(traducción 1ª Ed. Sept. 2008: JCGM 100:2008 GUM 1995 con ligeras correcciones)
10.16
Capítulo 10 Referencias
ISO/TS 15530
Geometrical product specifications (GPS) -- Coordinate measuring machines (CMM): Technique for
determining the uncertainty of measurement –
ISO 10360
Geometrical Product Specifications (GPS) -- Acceptance and reverification tests for coordinate
measuring machines (CMM) –
Part 6: 2001 Estimation of errors in computing Gaussian associated features. + Cor. 1:2007.
Part 3: 2000 CMMs with the axis of a rotary table as the fourth axis.
Part 5: 2010 CMMs using single and multiple stylus contacting probing systems.
ISO/TS 23165:2006
Geometrical product specifications (GPS) -- Guidelines for the evaluation of coordinate measuring
machine (CMM) test uncertainty.
Gives guidance for the application of the test described in ISO 10360-2, by explaining the evaluation of
the test uncertainty required for ISO 14253-1.
10.17
Capítulo 10 Referencias
ISO 14253
Part 1:2013 Decision rules for proving conformity or nonconformity with specifications.
Part 2:2011 /Cor 1:2013 Guidance for the estimation of uncertainty in GPS measurement, in
calibration of measuring equipment and in product verification.
Part 4:2010 Background on functional limits and specification limits in decision rules.
Part 6:2012 Generalized decision rules for the acceptance and rejection of instruments and
workpieces.
ISO/DIS 14253-5
ISO 10360 Geometrical product specifications (GPS) — Acceptance and reverification tests for
coordinate measuring machines (CMM).
— Part 1: Vocabulary
— Part 3: CMMs with the axis of a rotary table as the fourth axis
ISO 10360-2:1994
ICS: 17.040.30
10.18
Capítulo 10 Referencias
ISO/DIS 10360-3
Geometrical Product Specifications (GPS) -- Acceptance and reverification tests for coordinate
measuring machines (CMM) -- Part 3: CMMs with the axis of a rotary table as the fourth axis.
ICS: 17.040.30
ISO/DIS 10360-4
Geometrical Product Specifications (GPS) -- Acceptance and reverification tests for coordinate
measuring machines (CMM) -- Part 4: CMMs used in scanning mode.
ISO/DIS 10360-5
Geometrical Product Specifications (GPS) -- Acceptance test and reverification test for coordinate
measuring machines (CMM) -- Part 5: CMMs using multiple stylus probing systems.
ISO 14253-1:1998
ISO/DTR 14253-2
10.19
Capítulo 10 Referencias
Alan. A. Desrochers.
Modelling and Control of Automated Manufacturing Systems (Capítulos 1, 2 y 5).
IEEE Computer Society Press. 1990.
G. Arnaiz
Introducción a la estadística teórica.
Lex Nova,S.A. 1986. ISBN 84-85012-61-5
G. S. Fishman.
Conceptos y Métodos en la Simulación digital de eventos discretos. LIMUSA. 1978
Hong-Tzong Yau
A model-based approach to form tolerance evaluation using non-uniform rational B-splines.
Robotics and Computer-Integrated Manufacturing 15 (1999) 283}295
Keywords: Tolerance evaluation; NURBS; CAD/CAM
Hong-Tzong Yau
Uncertainty analysis in geometric best fit.
International Journal of Machine Tools and Manufacturing 38 (1998), 1323-1342.
Abstract
In computing geometric tolerances using point data from a coordinate measuring machine (CMM), a
best fit process is needed to match the measurement data to the substitute geometry. Since
measurement data does not precisely conform to the substitute geometry, the best fit result always
contains uncertainties resulting from surface deviations, different point locations, and various sample
size. Because the best fit uncertainties reduce accuracy of the evaluated tolerances, it is important to
estimate and control the best fit parameters. Supported by simulations and experiments, the proposed
model is proved to be effective in determining the best fit uncertainties. To explore factors that affect
uncertainty variations, relationships between geometric variables and uncertainties are investigated.
Then, to understand the effect of point location on the best measurement locations. Simulations also
show that the best fit uncertainty is inversely proportional to the squared root of the number of
measurement points. This result can be used to estimate the CMM sample size that can control the best
fit uncertainty under specified tolerances.
10.20
Capítulo 10 Referencias
G. Horváth
Neural Networks for System Modeling.
Budapest University of Technology and Economics Dept. Measurement and Information Systems
Budapest, Hungary. Copyright © Gábor Horváth. Set of slides based on the NATO ASI presentation
(NIMIA) in Crema Italy, 2002.
R. Jain. Wiley.
The Art of Computer Systems Performance Analysis.
Techniques for Experimental Design, Measurement, Simulation and Modelling. 1991
M. H. MacDougall
Simulating Computer Systems. Techniques and Tools.
MIT Press. 1987
I. Mitrani.
Simulation Techniques for Discrete Event Systems.
Cambridge University Press. 1982
Morgan, B.J.T.
Elements of Simulation.
Chapman and Hall (1984)
10.21
Capítulo 10 Referencias
S. Nuccio, C. Spataro
Assessment of virtual instruments measurement uncertainty. 2000
Computer Standards & Interfaces, 23 (2001), pp 39 – 46
Ross, S.M.
Simulation
Prentice Hall (1997)
I.M. Sóbol
Método de Montecarlo
Editorial Mir, 1983.
10.22
Departamento de
Construcción e Ingeniería de fabricación
TESIS DOCTORAL
Ingeniero Aeronáutico
FRANCISCO JOSÉ RAYA DE BLAS
ANEXOS
Gijón – 2015
Anexo 1 Ajuste de la matriz G
A1.1.- Introducción
• Aplicar como datos de partida, los valores asignados a los puntos (en este caso se han
supuesto las distancias no conocidas);
• El problema se plantea en diferencias a la matriz métrica unitaria;
• La Función Objetivo del ajuste, se deriva de la Ecuación 13 aportada en el Capítulo 4.
= ̅ ̿+ ̅
∀ í
A1.1
Anexo 1 Ajuste de la matriz G
perspectiva para dos de los parámetros; inferior, vista topográfica). Se ha elegido, destacar en
rojo el valor de nueva solución tentativa o aproximación, circulando en azul mínimos locales de
tanteo.
-3
x 10
2.5
1.5
0.5
-0.5
0.01
0.005
-0.005
La evolución del tanteo se muestra cualitativamente en: Figura A1. - 2 y Figura A1. - 3.
A1.2
Anexo 1 Ajuste de la matriz G
-5 -3
x 10 x 10
1
2.5
0.8
2
0.6
1.5
0.4
1
0.2
0.5
0
0
-0.2
-0.5
1
-0.4
0.5
-0.6
-3
x 10 0
-0.8
-0.5
0.6 0.8 1 -1
-1 0 0.2 0.4
-0.6 -0.4 -0.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1 -0.8 -3
x 10 -3
x 10
-8 -4
x 10 x 10
1.5
16
14
12 1
10
8
0.5
6
2 0
-2
1 -0.5
0
-4 -1
x 10
-1
1 1.5 -1.5
-2 0 0.5
-1 -0.5 -1.5 -1 -0.5 0 0.5 1 1.5
-1.5 -4
-4
x 10 x 10
-9 -5
x 10 x 10
1
2.5
0.8
2
0.6
1.5
0.4
1
0.2
0.5
0
0
-0.2
-0.5
1
-0.4
0.5
-0.6
-5
x 10 0
-0.8
-0.5
0.6 0.8 1 -1
-1 0 0.2 0.4
-0.6 -0.4 -0.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1 -0.8 -5
x 10 -5
x 10
A1.3
Anexo 1 Ajuste de la matriz G
-12 -6
x 10 x 10
1.5
20
15
1
10
5 0.5
0
-5
1.5
0.5 -0.5
-6
x 10
0
-0.5
1 1.5 -1
-1 0 0.5 -1 -0.5 0 0.5 1 1.5
-1 -0.5 -6
x 10 -6
x 10
-13 -7
x 10 x 10
1
3
0.8
2.5
2 0.6
1.5 0.4
1
0.2
0.5
0
0
-0.2
-0.5
1
-0.4
0.5
-0.6
-7
x 10 0
-0.8
-0.5
0.6 0.8 1 -1
-1 0 0.2 0.4
-0.6 -0.4 -0.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1 -0.8 -7
x 10 -7
x 10
-16 -8
x 10 x 10
1
16
14 0.8
12
0.6
10
8 0.4
6
0.2
4
2 0
0
-0.2
-2
1
-0.4
0.5
-0.6
-8
x 10 0
-0.8
-0.5
0.6 0.8 1 -1
-1 0 0.2 0.4
-0.6 -0.4 -0.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1 -0.8 -8
x 10 -8
x 10
A1.4
Anexo 1 Ajuste de la matriz G
A diferencia de las anteriores situaciones de tanteo, las imágenes de la Figura A1. - 4 muestran el
umbral numérico del ajuste por tanteo. La influencia de los residuos por truncamiento perturba el criterio
de decisión. Se adopta como solución, aquella cuyos valores en diferencias para la Función Objetivo
elude esta influencia.
-17 -9
x 10 x 10
1
6
5 0.8
4
0.6
3
2 0.4
1
0.2
0
-1 0
-2
-0.2
-3
1
-0.4
0.5
-0.6
-9
x 10 0
-0.8
-0.5
0.6 0.8 1 -1
-1 0 0.2 0.4
-0.6 -0.4 -0.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1 -0.8 -9
x 10 -9
x 10
-17 -10
x 10 x 10
1
8
1 0
-1
1
-10
x 10 0
1 -1
-1 0 -1 0 1
-1 -10
-10
x 10 x 10
-17 -11
x 10 x 10
1
8
7 0.8
6
0.6
5
0.4
4
3 0.2
2
0
1
-0.2
0
1
-0.4
0.5
-0.6
-11
x 10 0
-0.8
-0.5
0.6 0.8 1 -1
-1 0 0.2 0.4
-0.6 -0.4 -0.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1 -0.8 -11
x 10 -11
x 10
A1.5
Anexo 1 Ajuste de la matriz G
-5
x 10
0
-0.5
-1
-2
-2.5
-3
-3.5
-4
-4.5
0 2 4 6 8 10 12
Iteracion
-3
x 10
0
-0.5
-1
-1.5
coeficiente g12
-2
-2.5
-3
-3.5
-4
0 2 4 6 8 10 12
Iteracion
A1.6
Anexo 1 Ajuste de la matriz G
A1.7
Anexo 1 Ajuste de la matriz G
A1.8
Anexo 1 Ajuste de la matriz G
A1.9
Anexo 1 Ajuste de la matriz G
A1.10
Anexo 2 Optimización - Ajuste
A2.1.- Introducción
Este Anexo 2 se orienta a la presentación de los algoritmos convencionales de ajuste por mínimos
cuadrados, ajuste geométrico míni-máx, para los elementos geométricos básicos.
Los contenidos expuestos toman como referencia: Son H.Bui; Malmurugan Kamaraj; J. Raja.
El código Matlab implementado específicamente para cada geometría ha sido validado mediante datos
simulados (datos sintéticos) y en su caso datos reales provenientes de MMC.
Las geometrías analizadas son:
Rectas sobre un plano especificado
Rectas en tres dimensiones
Planos
Círculo en un plano especificado
Esfera
Cilindro
A2.1
Anexo 2 Optimización - Ajuste
de este modo, el problema consiste en encontrar los parámetros (xo, yo, zo) y (a, b, c) que minimizan
las función F.
Optimización
Considérese una función
n
E (u ) = d i2 (u )
i =1
que deba ser minimizada con relación a los parámetros u = ( u1 ,…, un)T
Donde, di representa la distancia de los puntos dato al elemento geométrico parametrizado por u.
∂F ∂F
= 0 and =0
∂a ∂b
A2.2
Anexo 2 Optimización - Ajuste
n
2·
i =1
(− xi )(· yi − a − b·xi ) = 0
i =1
yi = n·a + b·
i =1
xi
n n n
i =1
xi· yi = a· xi + b· xi2
i =1 i =1
siendo estas ecuaciones resolubles, y permitiendo la obtención de los valores solución para los
parámetros del modelo a y b.
Ecuación Normal
Considérese el ajuste a una recta
y = a + b·x, del conjunto de datos de puntos (x1, y1), (x2, y2),…, (xn, yn). Si los datos son realmente
colineales, los n puntos satisfarán la ecuación solución, esto es
y1 = a + b·x1
y2 = a + b·x2
y3 = a + b·x3
...........
yn = a + b·xn
estas ecuaciones pueden ser expresadas en forma matricial por:
y1 1 x1
y 1 x2 a
2 = ·
... ... ... b
yn 1 xn
y1 1 x1
y 1 x2
siendo: B = , A =
2 , y p = a
... ... ... b
yn 1 xn
− ̿
a *
suponiendo que p = p* = es un vector que minimiza (o mínimo), y = a* + b*·x es una recta de ajuste
b *
por mínimos cuadrados.
A2.3
Anexo 2 Optimización - Ajuste
− ̿ ̿ ∗
= 0 para cada vector p en ℜ2
̿ − ̿ ∗
=0
̿ − ̿ ∗
=0
̿ − ̿ ̿ ∗
=0
Entonces ̿ − ̿ ̿ ∗
es ortogonal a cada vector p in ℜ2. Se deduce que
̿ − ̿ ̿ ∗
=0
̿ = ̿ ̿ ∗
= ̿ ̿ ̿
La expresión anterior resulta de aplicación en el caso de ajuste de polinomios por mínimos cuadrados.
Auto-vectores y descomposición en componentes principales
En la expresión obtenida para el cálculo del vector solución p, resulta laborioso o cuando menos
A2.4
Anexo 2 Optimización - Ajuste
Reemplazando ̿ = ̿
̿ ̿ = ̿
̿ ̿ = ̿
= ̿ =
= ̿ =
entonces ̿ ̿ = ̿
̿ ̿ = ̿
= ̿
y de nuevo por
= ̿
= ̿
Supóngase dada una función f(x) en el dominio [a, b], y sea x ∈ [a, b] tal que f ' ( x ) ≠ 0 . El desarrollo
en serie de Taylor en el entorno del valor x es
( x − x )2
f ( x ) = f ( x ) + ( x − x )· f ' ( x ) + · f ' ' ( ξ ( x ))
2
donde ξ( x ) ∈ [x, x] .
( q − x )2
0 = f ( x ) + ( q − x )· f ' ( x ) + · f ' ' ( ξ ( q ))
2
A2.5
Anexo 2 Optimización - Ajuste
f(x)
(q − x ) = −
f'( x )
f(x)
Sean: q = u1 , x = u0 , y p = −
f'( x )
f ( u0 )
entonces u1 = u0 + p y p = −
f ' ( u0 )
Jp = -d
A2.6
Anexo 2 Optimización - Ajuste
donde J es la matriz jacobiana de tamaño mXn cuya i-ésima fila es el gradiente de di con respecto a
los parámetros u, por ejemplo para uj y la i-ésima componente de d es sobre di(u):
∂di
Jij =
∂u j
Parametrización
Una recta puede ser caracterizada por:
un punto (xo, yo, zo ) perteneciente a la recta y,
los cosenos directores (a, b, c).
La recta de mejor ajuste pasará por el centroide ( x , y , z ) de los valores resultando ser el punto
perteneciente a la recta (r), así:
i) El primer paso es calcular los valores medios de los datos de puntos sobre x, y, z.
x = Σ xi,/n
y = Σ yi,/n
z = Σ zi, /n
ii) Se define la matriz A como aquella cuya primera columna es xi – x , la segunda columna yi –
y siendo la tercera zi- z
A2.7
Anexo 2 Optimización - Ajuste
Parametrización
Un plano puede ser caracterizado por
un punto (xo, yo, zo ) perteneciente al plano, y
los cosenos directores (a, b, c) de la normal al plano
x = Σ xi / n
y = Σ yi / n
z = Σ zi / n
ii) Se define la matriz A como aquella cuya primera columna es xi – x , la segunda columna yi –
y siendo la tercera zi- z
A2.8
Anexo 2 Optimización - Ajuste
Parametrización
Un círculo en 2 dimensiones puede ser caracterizado por
el centro (xo, yo) y
el radio r.
donde: fi = ri2 − r 2
x0
A y0 = b
ρ
donde los elementos de la i-ésima fila de A son los coeficientes (2·xi, 2·yi, -1) y los i-ésimos elementos
A2.9
Anexo 2 Optimización - Ajuste
Obtenidas las estimaciones, se procede a formar el vector d y la matriz jacobiana J, para resolver el
sistema lineal de mínimos cuadrados
p x0
J p y0 = −d
pr
x0 := x0 + px0 ; y0 := y0 + p y0 ; r0 := r0 + pr
donde ri = ( x − x0 )2 + ( y − y0 )2 + ( z − z0 )2 .
La diferenciación de esta expresión con respecto a x0, y0, z0, y r0 resultará en unas ecuaciones cuya
resolución será complicada.
En tal caso, se opta por seleccionar la expresión f 2 = ri2 − r 2 . Esta expresión puede ser formulada
por f 2 = ( ri − r )·( ri + r ) ≈ 2·r·( ri − r ) , donde ri+r puede aproximarse como 2·r. Diferenciando esta
expresión con respecto a x0, y0, z0 y r0 para obtener las estimaciones iniciales de centro y radio.
Resumiendo, la función objetivo a minimizar para obtener las estimaciones iniciales de centro y radio
será: f = ri2 − r 2 .
( )
siendo ρ = x02 + y02 + z02 − r 2 . La variable ρ se introduce para linealizar las expresiones.
El anterior sistema de ecuaciones, para n conjuntos de datos de puntos, se puede expresar en forma
matricial.
A2.10
Anexo 2 Optimización - Ajuste
Se tiene ̿ – = 0.
La resolución de este sistema de ecuaciones por mínimos cuadrados permite obtener p. Esto significa
que p satisface la ecuación ̿ ̿ = ̿ .
Los valores para x0, y0, z0, y ρ , se obtienen de la solución para p obtenida anteriormente.
( )
La estimación inicial del valor del radio r puede obtenerse de la relación: ρ = x02 + y02 + z02 − r 2 .
Función objetivo
La función objetivo viene dada por di = ri - r siendo
ri = (x − x0 )2 + ( y − y0 )2 + (z − z0 )2
1. Obtención de la matriz jacobiana
Los elementos de la matriz jacobiana vienen dados por la expresión
− ( x1 − x0 ) − ( y1 − y0 ) − ( z1 − z0 )
− 1
r1 r1 r1
J = ... ... ... ...
− ( xn − x0 ) − ( yn − y0 ) − ( zn − z0 )
− 1
rn rn rn
px0
p
p = y0
pz0
pr
x0 := x0 + p x0
A2.11
Anexo 2 Optimización - Ajuste
y0 := y0 + p y0
z0 := z0 + p z0
r0 := r0 + pr
4. Condición de convergencia
Repetir los pasos hasta lograr la convergencia, dada por la condición
g = JTd es mínimo.
El concepto de rotación
A2.12
Anexo 2 Optimización - Ajuste
Las nuevas coordenadas (x', y', z') pueden obtenerse desde las antiguas (x, y, z) por
Parametrización
Un cilindro puede ser definido por un punto sobre su eje (x0, y0, z0), un vector director del eje (a, b, c) y
el radio r.
J = (b2 + c2)· x02 + (a2 + c2) · y02 + (a2 + b2) · z02 – 2bc·y0z0 – 2ac·z0x0 – 2ab·x0y0 – R2
A2.13
Anexo 2 Optimización - Ajuste
B 2 C 2 D E F G H I J
x2 + y + z + xy + xz + yz + x + y + z + = 0
A A A A A A A A A
resulta inmediato,
B 2 C 2 D E F G H I J
y + z + xy + xz + yz + x + y + z + = − x 2
A A A A A A A A A
Lo que puede ser representado en forma de sistema lineal
B / A
C / A
D / A
y12 z12 x1 y1 x1z1 y1z1 x1 y1 z1 1 − x12
2 E / A 2
y2 z22 x2 y2 x2 z2 y2 z2 x2 y2 z2 1 −x
F / A = 1
2 G / A 2
yn zn2 xn yn xn zn yn zn xn yn zn 1 − x
H / A n
I / A
J / A
2
k=
( 1 + B' +C' )
− 2( b2 + c 2 )
x0
2ab 2ac G
2ab 2 2
− 2( a + c ) 2bc H
2
y =
2 0 I
2ac 2bc − 2( a + b )
a b c z0 0
A2.14
Anexo 2 Optimización - Ajuste
Entonces
2 2 2
R2 = (b2 + c2) x0 + (a2 + c2) y0 + (a2 + b2) z0 - 2bcy0z0 - 2acz0x0 - 2abx0y0 – J
xi xi
y := U y
i i
zi zi
donde U es
c2 0 s2 1 0 0
U= 0 1 0 0 c1 s1
− s2 0 c2 0 − s1 c1
c −b
c1 = s1 =
b2 + c2 b2 + c2
( c·c1 − b·s1 ) −a
c2 = s2 =
2 2
a + ( c·c1 − b·s1 ) a + ( c·c1 − b·s1 )2
2
Para rotar el eje del cilindro, se rota entorno al eje X de manera que esta rotación se expresa sobre el
plano YZ; posteriormente la rotación entorno al eje Y, es descrita por su proyección en el eje Z.
Para consolidar las expresiones del término derecho, vector d, y la matriz jacobiana, se procede del
siguiente modo:
La distancia de un punto (xi, yi, zi ) al cilindro se obtiene por
d= ri-r
donde
− x1 r1 − y1 r1 − x1 z1 r1 − y1 z1 r1 − 1
−x r − y2 r2 − x21 z2 r2 − y2 z2 r2 − 1
J = 2 2
− xn rn1 − yn rn − xn zn rn − yn zn rn − 1
px0
p y0
J = pa
pb
pr
actualizar los parámetros estimados conforme a
X 0 x0 px0 a pa
T
T
Y =
0 0y + U p y0 ; b
= U pb
Z z c 1
0 0 − p
x0 a· p − p · p
y0 b
r = r + pr
Los pasos anteriores se repiten hasta lograr la convergencia del algoritmo. En el paso 1, los datos
originales se utilizan como si se tratase de un conjunto de valores transformados por una iteración
previa.
Si se desea expresar (x0, y0, z0) sobre una recta por el origen, será
X 0 x0 a
ax0 + by0 + cz0
Y0 = y0 − 2 2 2 b
Z z a +b +c
0 0 c
A2.16
Anexo 2 Optimización - Ajuste
A2.17
Anexo 2 Optimización - Ajuste
matriz cuyo (i, j) – ésimo elemento es aij y bi el vector columna cuyo i-ésimo elemento es bi, puede
escribirse el sistema como: A·u = b
Jp = -d
Jij = ∂ di / ∂ Uj
La i-ésima componente de d es di(U).
El paso siguiente consiste en elegir el valor de b como el mayor valor en el conjunto de a ’s
Con la condición
H ( U ) − H ( U + β·P )
≤ξ
β·[H ( U ) − max ∇di ( U )P + di ( U )]
La matriz ̿ puede ser descompuesta en 3 matrices, como fue descrito en la página 4 de este mismo
Anexo 2.
siendo ri = (x − x0 )2 + ( y − y0 )2
y, los elementos de la matriz jacobiana J se obtienen de las derivadas parciales de di respecto a los
parámetros x0, y0 , r , es decir:
∂d i ∂d i ∂di
= −( xi − x0 ) / ri ; = −(yi − y0 )/ri ; = −1
∂x0 ∂y0 ∂r
A2.18
Anexo 2 Optimización - Ajuste
Parametrización
Una circunferencia puede ser definida por
su centro (x0, y0) y
su radio r.
Siendo conocido que un punto cualquiera (x, y) del círculo debe satisfacer
(x - x0)2 + (y - y0)2 = r2
Descripción del algoritmo
Se aplica el algoritmo de Anderson – Osborne – Watson para realizar el ajuste óptimo. Inicialmente los
valores estimados para (X0, Y0) y R se obtienen resolviendo las ecuaciones siguientes, como un
problema de mínimos cuadrados
2·Xi·X0 + 2·Yi·Y0+ p0 = Xi2 + Yi2
donde: p0 = R2 –X02- Y02
Una vez obtenidas las estimaciones iniciales, cada iteración del algoritmo de Anderson – Osborne –
Watson consistirá en la aplicación de los siguientes pasos:
El vector d y la matriz jacobiana J se obtienen de las ecuaciones anteriores.
La solución por Chebyshev del sistema lineal será,
px0
J p y0 = −di
pr
H ( x0 , y0 , r ) − H ( x0 + β · p x0 , y0 + β · p y0 , r + β · p )
≤ξ
β ·(H ( x0 , y0 , r ) − max ∇di ( x0 , y0 , r )· p + di ( x0 , y0 , r ) )
donde H(x0 y0 ,r) = max |di (x0 y0 ,r)| y ξ es un número positivo pequeño.
Los parámetros serán actualizados conforme a la asignación:
x0 := x0 + β · px0
y0 := y0 + β · py0
r0 := r0 + β · pr0
Estos pasos se repiten hasta lograr el cumplimiento de la condición de convergencia.
A2.19
Anexo 2 Optimización - Ajuste
Parametrización
Un plano queda definido por:
un punto (xo, yo,, zo ) perteneciente al plano y
los cosenos directores (a, b, c) de la normal al plano, donde
a 2 + b2 + c 2 = 1
y
a = cos(θ)·cos(Ψ)
b = cos(θ)·sen(Ψ)
c = sen(θ)
de este modo, cualquier punto (x, y, z) perteneciente al plano satisface
a·x + b·y + c·z = d = a·x0 + b·y0 + c·z0
La distancia orientada de un punto (xi, yi, zi) al plano viene dada por:
di = a·xi +b·yi + c·zi – d
∂di
= − xi·sen( θ )·cos( Ψ ) − yi·sen( θ )·sen( Ψ ) + zi·cos(θ )
∂θ
∂di
= − xi·cos(θ )·sen( Ψ ) + yi·cos(θ )·cos( Ψ ) + zi·sen( θ )
∂Ψ
∂di
= −1
∂d
Descripción del algoritmo
El algoritmo de ajuste óptimo al plano se basa en el Algoritmo de Anderson–Osborne–Watson (AOW).
Los valores iniciales se obtienen aplicando el algoritmo SVD, q e y se obtiene por:
θ = sen-1(C)
Ψ = tan-1(b/a)
a continuación la iteración del algoritmo AOW se ciñe a los siguientes pasos
El vector d y la matriz Jacobiana J se construyen con las ecuaciones precedentes.
se procede a obtener la solución por Chebyshev del sistema lineal
pθ
J pψ = −d
pd
A2.20
Anexo 2 Optimización - Ajuste
θ := θ +β·pθ
Ψ := Ψ +β·pΨ
d := d+β·pd
Estos pasos se repiten hasta lograr la convergencia.
A2.3.5.1.- Parametrización
Una recta puede ser definida por:
un punto (xo, yo,, zo ) perteneciente a la recta
los cosenos directores (a, b, c) de su vector director
donde
a 2 + b2 + c 2 = 1
y
a = cos(θ)·cos(Ψ)
b = cos(θ)·sen(Ψ)
c = sen(θ)
siendo
a·xo + b·yo + c·zo = 0
cualquier punto (x, y, z) perteneciente a la recta satisface
(x, y, z) = ( xo + yo + zo ) + t (a, b, c) para cualquier valor real de t.
La distancia de un punto (xi, yi, zi) a la recta viene dado por
di = (ui2 +vi2 + wi2 )1/2
donde
ui = a·(yi - y0) - b·(zi - z0)
vi = a·(zi - z0) - c·(xi - x0)
wi = b·(xi - x0) - a·(yi - y0)
y los elementos de la matriz jacobiana J se determinan a partir de la derivadas parciales de di respecto
a los x0, y0, z0 dados por
A2.21
Anexo 2 Optimización - Ajuste
∂di 1 ∂z
= { ui·[cos( θ )·( yi − y0 ) + sen( θ )·sen(ψ )·( zi − z0 ) + cos( θ )·sen(ψ ) 0 ] +
∂θ di ∂θ
∂z0
vi·[−sen( θ )·cos(ψ )·( zi − z0 ) + cos( θ )·cos(ψ )· ]+
∂θ
wi·[−sen( θ )·sen(ψ )·( xi − x0 ) + sen( θ )·cos(ψ )·( yi − y0 )] }
∂di 1 ∂z
= { ui·[- cos(θ )·( zi − z0 ) + cos(θ )·sen(ψ )· 0 ] +
∂ψ di ∂ψ
∂z0
vi·[− cos( θ )·sen(ψ )·( zi − z0 ) − cos( θ )·cos(ψ )· ] +
∂ψ
wi·[cos( θ )·cos(ψ )·( xi − x0 ) + cos(θ )·sen(ψ )·( yi − y0 )] }
∂di 1 ∂z ∂z
= { ui·[- cos(θ )·sen(ψ )· 0 ] + vi·[− cos(θ )·cos(ψ )· 0 + sen( θ )]
∂x0 di ∂x0 ∂x0
− wi·[cos(θ )·sen(ψ )]}
∂di 1 ∂z ∂z
= { ui·[−sen( θ ) + cos(θ )·sen(ψ )· 0 ] + vi·[cos(θ )·cos(ψ )· 0 ]
∂y0 di ∂y0 ∂y0
− wi·[cos(θ )·cos(ψ )]}
∂z0
= − cot g( θ )·cos(ψ )
∂x0
∂z0
= − cot g( θ )·sen(ψ )
∂y0
pθ
p
ψ
J· = −d
px0
p y0
H ( θ ,ψ , x0 , y0 ) − H ( θ + β · pθ ,ψ + β · pψ , x0 + β · p x0 , y0 + β · p y0 , r )
≤ξ
β ·(H ( θ ,ψ , x0 , y0 ) − max ∇di ( θ ,ψ , x0 , y0 )· p + di ( θ ,ψ , x0 , y0 ) )
θ := θ + β·pθ
ψ := ψ +β·pψ ,
x0 := x0+ β·px0
y0 := y0+ β·py0
Los pasos se repiten hasta lograr la convergencia.
A2.3.6.1.- Parametrización
Un cilindro puede ser definido por
A2.23
Anexo 2 Optimización - Ajuste
∂di 1 ∂z
= { ui·[cos( θ )·( yi − y0 ) + sen( θ )·sen(ψ )·( zi − z0 ) + cos( θ )·sen(ψ ) 0 ] +
∂θ ri ∂θ
∂z0
+ vi·[−sen( θ )·cos(ψ )·( zi − z0 ) + cos( θ )·cos(ψ )· − cos( θ )·( xi − x0 )]
∂θ
+ wi·[−sen( θ )·sen(ψ )·( xi − x0 ) + sen( θ )·cos(ψ )·( yi − y0 )] }
∂di 1 ∂z
= { ui·[− cos(θ )·( zi − z0 ) + cos(θ )·sen(ψ )· 0 ] +
∂ψ ri ∂ψ
∂z0
+ vi·[− cos(θ )·sen(ψ )·( zi − z0 ) − cos( θ )·cos(ψ )· ] +
∂ψ
+ wi·[cos( θ )·cos(ψ )·( xi − x0 ) + cos( θ )·sen(ψ )·( yi − y0 )] }
∂di 1 ∂z ∂z
= { ui·[cos(θ )·sen(ψ )· 0 ] + vi·[− cos(θ )·cos(ψ )· 0 + sen( θ )]
∂x0 ri ∂x0 ∂x0
− wi·[cos( θ )·sen(ψ )]}
∂di 1 ∂z ∂z
= { ui·[−sen( θ ) + cos(θ )·sen(ψ )· 0 ] − vi·[cos(θ )·cos(ψ )· 0 ]
∂y0 ri ∂y0 ∂y0
+ wi·[cos(θ )·cos(ψ )]}
siendo:
∂z0
= − cot g( θ )·cos(ψ )
∂x0
∂z0
= − cot g( θ )·sen(ψ )
∂y0
pθ
p
ψ
J· px0 = −d
p y0
pr
H ( θ ,ψ , x0 , y0 , r ) − H ( θ + β · pθ ,ψ + β · pψ , x0 + β · p x0 , y0 + β · p y0 , r + β · pr )
≤ξ
β ·(H ( θ ,ψ , x0 , y0 , r ) − max ∇di ( θ ,ψ , x0 , y0 , r )· p + di ( θ ,ψ , x0 , y0 , r ) )
A2.24
Anexo 2 Optimización - Ajuste
q := q + β Pq
y := y +β Py ,
x0 := x0+ β Px0
y0 := y0+ β Py0
r := r + β Pr
Los pasos se repiten hasta lograr la convergencia.
y los elementos de la matriz jacobiana J se obtienen de las derivadas parciales de di con respecto a
los parámetros x0, y0 ,z0 y r :
∂di
= − ( xi − x0 ) ri
∂x0
∂d i
= − ( yi − y0 ) ri
∂y0
∂d i
= − ( zi − z0 ) ri
∂z0
∂di
= −1
∂r
Parametrización
Una esfera queda definida por
su centro (x0, y0, z0) y
su radio r
cualquier punto (x, y, z) sobre la esfera satisface la relación
(xi - xo)2 + (yi - yo)2 + (zi - zo)2 = r2
A2.25
Anexo 2 Optimización - Ajuste
px0
p
J y0 = −di
p z0
pr
H ( x0 , y0 , z0 , r ) − H ( x0 + β · p x0 , y0 + β · p y0 , z0 + β · p z0 , r + β · p )
≤ξ
β ·(H ( x0 , y0 , z0 , r ) − max ∇di ( x0 , y0 , z0 , r )· p + di ( x0 , y0 , z0 , r ) )
donde H(x0, y0, z0, r) = max |di (x0, y0, z0, r)| y ξ es un número positivo pequeño.
Los parámetros serán actualizados conforme a la asignación:
A2.26
Anexo 2 Optimización - Ajuste
Citar como referencia el documento: “A method for selection of algorithms for form characterization of
nominally spherical surfaces”, M. Jung et Al. Precision Engineering, 24, (2000) 127-138. La cita se
fundamenta en el alcance del documento, que tras reseñar los métodos de ajuste que aquí se recogen,
compara los resultados sobre la base de del análisis espectral de las irregularidades superficiales,
puede ser así de utilidad su consulta.
La geometría esférica en un espacio euclídeo afín tridimensional, referido a ejes cartesianos
ortonormales, es descrita mediante la expresión que establece la relación entre las coordenadas del
centro de esfera y el radio, de este modo y atendiendo a la definición de la esfera como el lugar
geométrico de los puntos que equidistan (radio, r) de uno dado (centro, C) resulta en su formulación
implícita:
[
F ( c x , c y , c z , r ) = ( xi − c x )2 + ( yi − c y )2 + ( zi − cz )2 ]1 2 − r = 0
donde el subíndice i denota los diferentes puntos de la esfera.
[ ]1 2 − r
2
2 2 2
ei 2 = Fi 2 = ( xi − cx ) + ( yi − c y ) + ( zi − cz )
i =1
siendo i el índice de puntos medidos sobre la superficie y n el número de puntos. El problema se orienta
a resolver el mínimo de la función objetivo planteada. Los algoritmos iterativos recurren a un valor
semilla de inicialización con sucesivas iteraciones que finalizan una vez alcanzado un nivel prefijado de
mejora de la función objetivo o bien un número máximo de iteraciones.
A2.27
Anexo 2 Optimización - Ajuste
El planteamiento analítico del mínimo, exige la anulación de las derivadas parciales primeras respecto
a los parámetros de ajuste (centro y radio), y el carácter definido negativo para forma cuadrática de
segundo orden en el mínimo establecido.
El proceso de iteración se fundamenta en la implementación del algoritmo iterativo para la resolución
en la variable de resolución p sobre la expresión:
A· p = b
expresado por:
c x p x
c p
ck +1 = ck + p = y + y
c z p z
r k pr
jacobina J :
resultando:
...
A = J T ·J ; b = J T ·r − ri
...
Las condiciones son evidentemente satisfechas por las coordenadas y radio de puntos de una esfera
teórica y no siendo válida la solución de sumandos nulos para r ≠ 0. Al estar las coordenadas medidas
afectadas de las desviaciones inherentes a las diversas contribuciones a la dispersión de los valores
indicados en la medición, las condiciones de mínimo se transforman en un problema no lineal de
resolución de los parámetros implicados, de ahí la aplicación del método siguiente.
[( xi − cx )2 + ( yi − c y )2 + ( zi − cz )2 ]1 2 = r
aplicando el cuadrado a ambos términos, se obtiene una expresión implícita dada por:
[ ]
F2( cx ,c y ,cz , r ) = ( xi − cx )2 + ( yi − c y )2 + ( zi − cz )2 − r 2 = 0
no siendo válida la solución de sumandos nulos para r≠0. Mediante los adecuados cambios de variable
permite una resolución no iterativa, véase: A. Forbes “Least squares best-fit geometric elements”, NPL
Report DITC 140/89, 1991.
A2.28
Anexo 2 Optimización - Ajuste
Las expresiones formales del planteamiento resultan de mayor simplicidad que las del caso anterior,
siendo el sistema a resolver en p planteado por la expresión:
A· p = b
cx px
c p
y = y
c z pz
2 2 2
r px + p y + pz − pr
y definiendo:
T
... ... ... ... ... ... ... ...
A = 2·xi 2· yi 2·zi − 1 ·2·xi 2· yi 2·zi − 1
... ... ... ... ... ... ... ...
T
... ... ... ... ...
b = 2·xi 2· yi 2·zi −1 2 2 2
· xi + yi + zi
... ... ... ... ...
Con frecuencia la solución obtenida por esta vía es utilizada como valor semilla de las iteraciones por
otros métodos, especialmente en el ajuste no lineal.
A2.29
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
Los valores indicados por una Máquina de Medición por Coordenadas, son entendidos por el usuario
como coordenadas de puntos sobre la superficie de la pieza medida. Tales indicaciones son, en la
inmensa mayoría de las ocasiones, obviadas por el usuario, que no centra su interés en las
coordenadas de los puntos, sino antes bien, en los elementos geométricos a los que destina el uso de
la MMC.
No obstante, las coordenadas y su verosimilitud con el concepto que de ellas tiene el usuario, son un
medio para la obtención de los resultados de su medición, y al menos durante el diseño del proceso de
medida, el usuario (guiado en su caso por las indicaciones del fabricante), pretende desde el palpado
de puntos sobre la superficie, caracterizar esta. Es por ello que se hace necesario disponer de un
modelo conceptual y formal matemático de tales coordenadas, que proporcione soporte a las
intenciones finales de describir un elemento geométrico.
La concepción es evidente y no por ello debe darse por obvia, los elementos geométricos, puntos,
posiciones o formas serán entendidos en un espacio vectorial afín euclideo de dimensión tres, conforme
será descrito en el Capítulo 6 Modelo_G. Se ha preferido su descripción en ese punto por entenderse
la conveniencia de proximidad en pro de la claridad para su interpretación.
En el presente capítulo se anticipan consideraciones preliminares que abundan en las exposiciones del
citado Capítulo 6, preparando así su interpretación y descargando la exposición de elementos
conceptuales que son entendidos como previos a la exposición del Modelo_G propiamente entendido.
A3.1
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
Vocablo: 2.5 sistema de coordenadas de la máquina: sistema de referencia fijo respecto a ejes físicos
o calculados de una MMC.
Se aprecia en ambas definiciones que el sistema de referencia para las coordenadas, sea de máquina
o pieza, está intrínsecamente vinculado a “la máquina” o en su caso a la pieza mensurando. La
vinculación con la máquina se concreta en la disposición de la MMC de elementos de referencia sobre
sus reglas de medida, ya sean topes mecánicos que sirven para referenciar los ejes de guía o marcas
específicas que definen el origen de coordenadas del sistema de referencia. En el caso de los sistemas
de referencia de coordenadas fijos a pieza, la MMC por vía de su software, ejecuta una traslación y giro
de las coordenadas realmente indicadas por la MMC en sus sistema de referencia máquina,
transformando las citadas indicaciones a una referencia vinculada a la pieza; cabe entender que las
coordenadas así obtenidas derivan de las anteriores por cálculo. Los parámetros que rigen la
transformación de coordenadas entre sistemas de referencia de coordenadas, son obtenidos mediante
rutinas específicas, indicadas por el fabricante, que permiten obtener los parámetros de cambio de
origen y giro de los ejes (generalmente cartesianos).
del sistema de referencia en la que no se imponen ni la condición de igualdad de escala sobre los ejes
máquina, ni la ortogonalidad entre sus direcciones, manteniendo no obstante la hipótesis de rectitud en
los ejes (modelo de primer orden). Puede entenderse como una interpretación de los valores indicados,
no como coordenadas contravariante sino covariantes, de manera que las proyecciones se entienden
y modelan por paralelismo, y no por perpendicularidad, en relación con las direcciones de los ejes
coordenados, caracterizando de este modo las desviaciones de perpendicularidad y escala sobre los
ejes.
Será así, un sistema de referencia vinculado a máquina, que afecta al campo de medida al cual ha sido
aplicado por el ensayo de calibración. Habiéndose introducido la relación de derivación existente entre
los posibles sistemas de referencia fijos a pieza, con relación al sistema de referencia máquina, la
afectación por el Modelo_G será heredada por los primeros en tanto en cuanto afectará al segundo,
propagándose la incertidumbre de las transformaciones de cálculo como una tarea más de las
proporcionadas por el software de la MMC.
El patrón dimensional será un elemento geométrico calibrado, por ello trazable, a partir del cual se
establezca la transformación de las dimensiones máquina a las dimensiones del patrón,
proporcionando trazabilidad a las correcciones e incertidumbres presentes en la máquina por vía de
sus indicaciones de coordenadas.
La definición de este sistema de referencia pasa pues por la medición de las posiciones relativas entre
puntos haciendo uso de la máquina, pero las desviaciones e incertidumbres de las medidas de puntos
no podrán estar definidas mientras no se resuelva la transformación del sistema de referencia ligado al
campo de medida desde su concepción como sistema no ortonormal, tal transformación es resuelta por
el Modelo_G, mediante el ajuste de la matriz métrica (matriz ̿ ) y en su caso aplicación de correcciones
por la matriz de transformación denominada matriz .
El modo de afrontar este acoplamiento de las definiciones será la iteración, tomando como partida el
sistema de referencia definido por la propia máquina, esto es:
o La iteración se inicia suponiendo que las coordenadas proporcionadas por la máquina son
ideales (en su caso cartesianas ortogonales o cilíndricas ortogonales, etc.).
A3.3
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
La Figura A.3_ 1 Desviación de las indicaciones, pretende ilustrar como se entiende la situación de
captura de valores indicados en la situación ideal de palpado (a), situación real con sistema de
referencia sin correcciones (b), en el cual los puntos medidos (sus coordenadas indicadas) aparentan
desviarse de sus posiciones relativas impuestas por la estabilidad dimensional del artefacto; y situación
real – modelada por imposición de la geometría estable del artefacto de calibración (c).
Al introducirse las restricciones que obligan a que los puntos medidos se emplacen en posiciones
determinadas por la estabilidad dimensional del artefacto, debe ser la máquina quien soporte las
desviaciones y así es que el ajuste permitirá introducir las correcciones necesarias para ceñir las
indicaciones al modelo ideal con la incertidumbre intrínseca imputable a la MMC.
A3.4
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
(b) Disposición real de palpado, desde el punto de vista del balance de error.
Los esquemas representados en la Figura A.3_ 2, pueden ayudar a entender lo que en conjunto se
pretende hacer.
A partir de la posición conocida (con incertidumbre) de los puntos definidos por el artefacto de referencia
se determina por ensayo, la posición más probable del cabezal (que internamente es lo que la MMC
utiliza en sus cálculos de posición de ahí que la determinación se deba entender como no explícita)
afectada de las desviaciones e incertidumbres inherentes al proceso de palpado y medición.
A3.5
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
Desde la determinación interna de la posición del punto de referencia del cabezal, la MMC establece la
posición del punto de referencia de palpador y así del punto palpado, que ‘hereda’ las desviaciones no
corregidas por modelo e incertidumbres.
Finalmente la concepción que se utiliza, contempla que ante una indicación de coordenadas, valores
indicados corregidos de la MMC, el punto de palpado se sitúa con una determinada distribución de
probabilidad, en una zona o región del espacio y así se aplicará a los cálculos geométricos
subsiguientes.
Esta alternativa de prospección de las coordenadas corregidas del punto de referencia de cabezal,
permitiría la calibración del sistema de medida mediante un ‘palpador de referencia’ (usualmente el
palpador de contacto así designado por el fabricante). El cambio de palpador o de configuración de
palpadores es así susceptible de ser incluida con el mismo modelo de correcciones y contribuciones a
la incertidumbre por calibración, a las cuales deberán añadirse las contribuciones a la incertidumbre
específicas del sistema palpador adoptado y proceso de cambio de sistema palpador (esta última
contribución atañe a la reproducibilidad en la ejecución de esta tarea elemental de la MMC).No obstante
esta alternativa puede ser menos práctica que la ejecución del ensayo específico de auto-calibración
con la configuración a utilizar.
Deberán generarse modelos previos (hipotéticos o pragmáticos – a contrastar y validar por ensayo),
para concretar el "modelo de desviaciones":
* modelo de vínculos o restricciones entre partes del propio sistema de palpado, palpador - pieza y
palpador - cabezal (resistencia de materiales o ensayo específico)
* y modelo matemático de resolución de la relación entre los parámetros del modelo de desviaciones y
las lecturas obtenidas por medida.
(*) estos parámetros en principio son las coordenadas del centro de cabezal O, y sus ángulos de actitud.
Debe aclararse, que describir el comportamiento del cabezal atiende a razones varias:
o el cabezal es realmente "la máquina" desde la perspectiva del usuario (materializa la conexión
con la caja negra);
A3.6
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
o por selección, el usuario puede disponer sobre el cabezal uno u otro sistema de palpado, esta
variabilidad de palpadores (reconfiguración) debe tener cabida como elemento diversificador
de las desviaciones proporcionadas en las lecturas, notando que su incidencia se presenta
"aguas abajo" (la lectura estará afectada por el palpador pero no así "la máquina", hasta el
cabezal, la configuración es única);
o las características del palpador 'están al alcance' del usuario (documentalmente o por ensayo)
no lo están el resto de subsistemas;
o un esfuerzo relativamente modesto, orientado a la determinación del comportamiento de
interacción palpador - cabezal, permite anticipar una parte de las desviaciones que se
manifestarán en el uso y modelar componentes sistemáticas;
o al establecer como parte del objetivo de este análisis, su universalidad para máquinas de
cualquier configuración que usen palpador, carece de sentido perseguir aguas arriba las
fuentes de desviación. Hacer esto implicaría entrar a describir las diversas configuraciones
(perspectiva de fabricante). En esta exposición se asume que tal esfuerzo no es necesario para
los requerimientos de usuario, y que la solución propuesta es de aplicación a todas las
configuraciones declaradas (en máquinas con palpador).
Se asume en este planteamiento que el objetivo no es corregir las desviaciones en cuanto se alcanza
a justificarlas; por el contrario, el objetivo es proveerse de criterios que permitan acotar, con anticipación
o no, mediante un intervalo de incertidumbre (recubrimiento estadístico), las desviaciones para una
tarea de medida realizada con la máquina en condiciones "normales" de uso industrial.
A3.7
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
x = (t , x, y , z )
refiere la posición de un punto del espacio afín, expresado en {P}; el objetivo es introducir el
comportamiento en relación al infinito, se consigue de modo tal, que estas coordenadas permiten
además desligar la descripción de su relación con el origen del sistema de referencia (teórico y/o
máquina).
Se llama cuádrica (ω) al lugar geométrico de los puntos, reales o imaginarios, de un espacio afín
tridimensional cuyas coordenadas homogéneas satisfacen una ecuación de segundo grado, que
expresada en forma matricial es:
Las formas elementales definidas del ámbito de la metrología dimensional aceptan una expresión
general de este tipo (nótese la viabilidad de los casos degenerados: plano, recta, segmento, etc.).
Esta representación se relaciona con un sistema de referencia afín por conversión de las coordenadas
homogéneas:
x y z
xt = 1
t t t
La expresión adopta una base no ortonormal en general y expresa geometrías genéricas (elipsoide,
hiperboloide, cono cuadrático, cilindro cuadrático, etc.) sin discriminar la afectación procedente o
imputable a una u otra situación, puede no obstante introducirse la premisa de ortonormalidad en la
base, planteando el cambio de base de la original (máquina) a una ortonormal (teórica):
criterio de ortonormalización de Gram-Schmitd planteado sobre las coordenadas 'afines' podrá elegirse
de modo que resulta:
q00 0 0 0
q q11 0 0
Q = 10
q q21 q22 0
20
q30 q31 q32 q33
Es inmediato enlazar este planteamiento con el expuesto como “Modelo_G”, de cuya aplicación se
deduce la obtención de la matriz , matriz de transformación o cambio de sistema de referencia.
A3.8
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
Denotando por ̿ la matriz asociada a la forma cuadrática en una referencia proyectiva {P} ortonormal
donde será:
A3.5.1.- Definiciones
Cuádrica:
Considerando el espacio proyectivo real tridimensional P(V), que se deduce del espacio real V
(tetradimensional ≡ ℜ 4); y definida la forma cuadrática ω:V→ℜ (no idénticamente nula)
Se llama cuádrica C definida por ω, al lugar geométrico de los puntos de P(V) autoconjugados respecto
de ω.
C = { x ∈ P( V ) / ω( x ) = 0 }
Puntos conjugados:
Se dirá que dos puntos A y B de P(V) son conjugados respecto de la cuádrica C, si lo son respecto de
la forma cuadrática ω, esto equivale a afirmar que son conjugados por la forma polar f : V×V→ℜ
asociada de ω, satisfaciendo: f(A ,B) = 0
Se define f : V×V→ℜ por, f(x, y)=( ω(x+y)- ω(x)-ω(y) ) / 2 ; que será forma bilineal simétrica, por lo que
la relación de conjugación resulta ser siempre simétrica.
Puntos singulares:
De un punto P∈ P(V) se dirá que es singular, si es conjugado de todos los puntos de P(V) por C.
Se cumple que siendo P un punto singular de la cuádrica C, los puntos de C son rectas por el punto P.
Una cuádrica se dirá que es regular u ordinaria si carece de puntos singulares. Situación que es
equivalente a afirmar que ω es forma cuadrática ordinaria, es decir, su núcleo coincide con el
subespacio nulo de V.
A3.9
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
Una cuádrica se dirá que es degenerada si posee algún punto singular. Es equivalente a afirmar que el
núcleo de ω posee algún vector no nulo.
Cuádrica real:
Xt ⋅ A ⋅ X = 0
debe notarse que son válidas todas las matrices del tipo k· ̿ ( k ∈ ℜ ).
A⋅X =0
4 - rango( ̿)
La discusión del sistema anterior proporciona la caracterización de los distintos casos de la clasificación
proyectiva recogidos en la siguiente Tabla A.3.1.
A3.10
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
se dirá cuádrica definida en el espacio afín ℜ3 , al conjunto de los puntos propios de la cuádrica definida
por ω.
La definición afín de la cuádrica coincide con la definición proyectiva si se prescinde en esta de los
puntos impropios (puntos del infinito).
Tiene especial interés la intersección de la cuádrica con el plano del infinito, cónica del infinito, de cuyo
análisis se desprenden algunos resultados útiles, su ecuación se expresa por:
Es común designar como cuádrica ampliada a aquella que incluye los puntos impropios (proyectiva) no
haciendo especial distingo entre ambas en aspectos de notación.
Existe una equivalencia entre las bases proyectiva y afín, que se considerarán referencias cartesianas
para la exposición.
Centro
Se llama centro de una cuádrica al polo del plano del infinito, siempre que exista y no esté en el infinito,
lo cual ocurre siempre que la cuádrica no sea tangente al plano del infinito.
Cuádrica = {x∈ E3 / ω(x)=0} definida en E3 (cuádrica ampliada) y prescindir de sus puntos impropios
(puntos del infinito).
A3.11
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
En el estudio afín el plano de puntos impropios desempeña un destacado papel en la clasificación afín
de las cuádricas, atendiendo a su posición relativa a la cuádrica.
Las referencias que se adoptarán serán las cartesianas (x y z)t correspondientes a las coordenadas
homogéneas (T X Y Z)t descritas anteriormente, obtenidas al dividir X, Y, Z por T; la matriz A asociada
a la forma cuadrática se mantiene en su expresión en coordenadas cartesianas sin más que reemplazar
(T X Y Z)t por el vector (1 x y z)t.
t
det( A01 ) det( A02 ) det( A03 )
− −
det( A00 ) det( A00 ) det( A00 )
El centro de una cuádrica es centro de simetría de la misma y cualquier recta que pasando por su
centro (diámetro) corte a la cuádrica, cumplirá que el centro es el punto medio entre los puntos de corte.
Las direcciones de los ejes coinciden con las direcciones propias de los autovectores de ̿ (matriz
real y simétrica, que ha de ser regular para que exista centro, y no tendrá el autovalor nulo).
De las situaciones posibles: tres autovalores distintos, dos iguales y los tres iguales (reales en todos
los casos) interesan:
aquel en que los tres autovalores resultan iguales ya que caracteriza a la cuádrica como esfera que es
forma dimensional básica y objetivo concreto de este estudio; y cuando se presenta un autovalor doble,
caracterizando la situación de cuádricas de revolución donde se incluyen cono y cilindro circulares,
siendo la dirección del autovector asociado al autovalor simple el que determina la dirección del eje de
la forma dimensional.
A3.12
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
Sobre el espacio afín E3 se considera definido un producto escalar, es decir: es euclídeo, de manera
que resulta posible definir en él distancias y ángulos, así como la relación de perpendicularidad,
situando el análisis en los términos de su aplicación para el estudio de la metrología por coordenadas.
(4 , 0) Elipsoide imaginario
3
(3 , 1) Hiperboloide no reglado
(2 , 2) Hiperboloide reglado
Ordinarias (∃ centro)
4
(sin puntos singulares) (1 , 3) Elipsoide real
(3 , 1) o (1 , 3) Paraboloide no reglado
2
(2 , 2) Paraboloide reglado
1 - Cilindro parabólico
A3.13
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
Det( ̿)≠0
Det( ̿ )≠0
t
det( A01 ) det( A02 ) det( A03 )
Centro = − −
det( A00 ) det( A00 ) det( A00 )
det( A )
Radio =
λ ⋅ det( A00 )
A3.9.1.2.- Cono
Parámetros de interés: vértice y eje (y consecuentemente semi-ángulo del cono circular)
Det( ̿)=0 ; Det( ̿ )≠0 ; Siendo a00>0 deberá ser sig( ̿)=(2,1) ó (1,2)
̿ deberá tener un autovalor doble (para cilindro circular) y otro simple (siempre reales),
t
det( A01 ) det( A02 ) det( A03 )
Vértice = − −
det( A00 ) det( A00 ) det( A00 )
Dirección del eje, la del autovector asociado al autovalor simple, que es perpendicular al plano de los
autovectores asociados al autovalor doble.
Direcciones de las generatrices del cono (v1 v2 v3), que se caracterizan por ser diámetros
autoconjugados en la polaridad central, por lo que se obtienen por aplicación de la ecuación:
A3.9.1.3.- Cilindro
Parámetros de interés: eje y radio
̿ deberá tener el autovalor nulo siendo doble el otro (para cilindro circular)
A3.14
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
La dirección del eje viene definida por la perpendicular al subespacio asociado al autovalor doble y la
obtención de un punto del eje se aborda determinando el centro de la circunferencia intersección entre
dicho plano y la cuádrica, de la misma ecuación se deduce el radio del cilindro.
A3.9.1.4.- Plano
Parámetros de interés: un punto y dirección normal
Siendo a00=0
A3.9.1.5.- Recta
Parámetros de interés: un punto y vector director
A3.9.1.6.- Punto
Parámetros de interés: las tres coordenadas
A3.15
Anexo 4 Relación de escala exterior
El requisito de comparabilidad metrológica de los resultados proporcionados por los diferentes sistemas
de medida VIM 2.46 (2008), apela a la cadena de trazabilidad como instrumento para asegurar la
transferencia de la magnitud fundamental en sus valores sobre la unidad de medida. La ejecución de
una cadena ininterrumpida de calibraciones entre la materialización de la dimensión fundamental y las
indicaciones del instrumento, requiere de una propagación convencional de las incertidumbres
asignadas a tales indicaciones para resultar completas en términos metrológicos.
En VIM 2.41 (2008) sobre la trazabilidad metrológica, señala la NOTA 6 que la comparación entre dos
patrones de medida puede considerarse como una calibración si ésta se utiliza para comprobar, y si
procede, corregir el valor y la incertidumbre atribuidos a uno de los patrones.
Por su parte se define en VIM 2.47 (2008), compatibilidad metrológica de resultados de medida, como
propiedad de un conjunto de resultados de medida de un mensurando específico, tal que el valor
absoluto de la diferencia de los valores medidos, para cualquier par de resultados de medida, sea
inferior a un cierto múltiplo seleccionado de la incertidumbre típica de esta diferencia.
La NOTA 1 aclara la utilidad de este concepto en cuanto representa el criterio para decidir si dos
resultados de medida se refieren o no al mismo mensurando. Además: Si en un conjunto de mediciones
de un mensurando, supuesto constante, un resultado de medida no es compatible con los otros, bien
la medición no fue correcta (por ejemplo, su incertidumbre de medida ha sido infravalorada), bien la
magnitud medida varió entre medidas. Dicho de otro modo, la determinación de no compatibilidad
conduce a asumir que se ha presentado un resultado de medida incorrecto, si fuese rechazable la
variación de la magnitud.
Estando la compatibilidad afectada por la correlación entre mediciones, la NOTA 2 establece para el
caso de independencia entre mediciones: la incertidumbre típica de su diferencia es igual a la media
cuadrática de sus incertidumbres estándar (raíz cuadrada de la suma de los cuadrados), mientras que
es menor para una covarianza positiva y mayor para una covarianza negativa.
En el epígrafe 4.2.4.a) Planteamiento ideal del cambio de base, se introduce un factor común de
proporcionalidad “g” al objeto de permitir la introducción de una relación de escala exterior al sistema
que permita dar trazabilidad al resultado obtenido desde las operaciones internas. En los desarrollo de
aplicación del Modelo_G, la relación de escala exterior “g” (factor de escala) puede ser local o global y,
general o vinculada a tareas concretas (por la tarea o las condiciones de ejecución).
Por su parte, en 4.2.4.b) Relaciones métricas – producto escalar o interior, se asevera la condición de
integridad del Modelo_G, clave del modelo conceptual, expresable por la conservación del producto
escalar y consecuentemente de las distancias calculadas con la distancia subordinada.
A4.1
Anexo 4 Relación de escala exterior
Conforme a la metodología π-MC, el modo de afectar a las matrices métricas por la incertidumbre del
patrón es repetir los ajustes contra un número suficientemente amplio de valores numéricos en el
intervalo de incertidumbre acreditado para el patrón. Esto es inmediato para distancias calibradas. Por
su parte en el caso de distancias no calibradas, debe retenerse el factor de escala.
Tras los ajustes de optimización que permiten asignar los valores numéricos a las matrices métricas,
{ ̿ }, se ejecutaría el cálculo de un factor de escala para cada miembro (f) de la familia (– en principio
– no sería un valor común, aunque podría seguir siendo global, ya que la globalidad se refiere a la tarea
de medida de coordenadas).
Este proceder es el mismo que en el caso de distancias calibradas, la diferencia se presenta en que el
ajuste para distancias no calibradas requiere del tratamiento explícito y diferenciado del factor de
escala, y en su caso de la característica geométrica que aporta trazabilidad.
Destacar, que cuando la característica geométrica que aporta trazabilidad no es una distancia calibrada
en el artefacto, es decir, no es un valor de ajuste, puede ser necesario trascender a las matrices de
transformación { }. Esta necesidad estriba en que, de ser el elemento geométrico de ajuste distinto
de la distancia entre puntos materializados por el artefacto, habrá de operarse sobre las coordenadas
para alcanzar al contraste sobre el elemento y su valor medido como patrón. Conviene en el caso de
características geométricas, retener sobre la familia { } el factor de escala y abordar su determinación
sobre las propias matrices de transformación.
Particularmente, de ser el elemento geométrico (la característica dimensional) tipificable como forma
cuadrática, es viable la aplicación de una metodología GQM . En este caso, se introduce una matriz
que representa la forma cuadrática; esta a su vez, permitiría caracterizar el patrón por una matriz o
familia de matrices { } y así trascender el ajuste de las matrices por vía del ajuste sobre el valor
acreditado para el patrón que aporta la trazabilidad con la cadena de calibración.
A4.2
Anexo 5 Bola de incertidumbre
Por otra parte la Figura A.5-2, recoge la distribución de casos agrupados por las distancias de los puntos
simulados con relación al punto central de la generación (igualmente valores tipificados). En este
segundo caso la génesis de los valores numéricos está en un distribución normal estándar de las
propias distancias, que mediante una posterior distribución aleatoria uniforme, se prodigan en las
diferentes direcciones con relación al punto central (al uso de las coordenadas polares).
A5.1
Anexo 5 Bola de incertidumbre
Con este segundo criterio de generación, la distribución para el número de casos, en las diferentes
direcciones del plano se recoge en la Figura A.5-3. Aun siendo un caso ejemplar, permite asumir que
la cobertura de la región es más efectiva con esta segunda estrategia, de conformidad con la intención
de una distribución normal.
Resta por someter a consideración el efecto de la precisión numérica de los valores aportados.
A5.2
Anexo 5 Bola de incertidumbre
y
( − ̅)
=
−1
Mejor estimación , con incertidumbre expandida Distribución t:
Up, factor de cobertura kp y grados efectivos de , ⁄
libertad νeff
Mejor estimación x de magnitudes no negativas Exponencial:
(1⁄ ) = ⁄
Basada en: Tabla 1 – FDP asignadas en función de la información disponible (6.4.1, C.1.2) de
Suplemento 1 de la GUM, traducción al español 2010.
A5.3