Coordenadas Con Simulación Estadística 2015 (UDEO)

Departamento de
Construcción e Ingeniería de fabricación
TESIS DOCTORAL
Trazabilidad de la medición por coordenadas

aplicando simulación estadística y redes neuronales
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.
La metodología inherente acude a la formulación de un esquema de procedimiento. Este opera a nivel

conceptual en relación con el conjunto de la información y conocimiento implicados. Se introduce el
concepto de Sistema Integral de Medida por Coordenadas (SI-MC) antecesor del Sistema Inteligente
de Medida por Coordenadas. El desarrollo está soportado por un modelo conceptual métrico,
denominado Modelo_G, desde ahí son establecidos los criterios de construcción, calibración,
mantenimiento y uso. Finalmente, se hacen explícitas las actividades que permiten su implementación.
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.
Esta metodología es de aplicación, tanto en el proceso de medición, como en mediciones tentativas.

Así en las actividades orientadas a establecer la idoneidad del sistema de medición por coordenadas
frente a tareas potenciales, pueden estas ser valoradas en términos de incertidumbre. Con ello se podrá
pronosticar la valía en la ejecución de una tarea de medida orientada al contraste de especificación.
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
CAPÍTULO 1
CAPÍTULO 1 INTRODUCCIÓN 1.1
1.1.- MEDICIÓN POR COORDENADAS 1.1
1.2.- OBJETIVOS DE LA TESIS 1.2
1.3.- METODOLOGÍA 1.3
1.4.- FOCALIZACIÓN 1.5
1.5.- MEDIOS PARA LA REALIZACIÓN DE LA TESIS 1.7
1.6.- CONTENIDO DE LA TESIS POR CAPÍTULOS 1.7
1.6.1.- Capítulo 1: “Introducción” 1.7
1.6.2.- Capítulo 2: “Medición por coordenadas - Estado actual” 1.7
1.6.3.- Capítulo 3: “Situación Normativa” 1.8
1.6.4.- Capítulo 4: “Modelo_G” 1.8
1.6.5.- Capítulo 5: “Aplicación del método de Montecarlo” 1.8
1.6.6.- Capítulo 6: “Explotación del Modelo_G” 1.9
1.6.7.- Capítulo 7: “Sistema integral de medición por coordenadas” 1.9
1.6.8.- Capítulo 8: “Implementación del SI-MC. Resultados y conclusiones” 1.9
1.6.9.- Capítulo 9: “Líneas de desarrollo” 1.9
1.6.10.- Capítulo 10: “Referencias” 1.10
1.6.11.- Anexos 1.10
CAPÍTULO 2
CAPÍTULO 2 Medición por coordenadas - Estado actual 2.1
2.1.- INTRODUCCIÓN 2.1
2.2.- EVOLUCIÓN DE LA MEDICIÓN POR COORDENADAS 2.3
2.2.1.- Los orígenes de las Máquinas de Medición por Coordenadas 2.3
2.2.2.- Evolución de los sistemas de palpado 2.8
2.2.3.- Evolución del Software como herramienta esencial en la metrología por coordenadas. 2.14
2.2.4.- Cambios en el mercado de MMCs 2.17
2.3.- EVOLUCIÓN CONCEPTUAL RECIENTE 2.18
2.3.1.- Introducción 2.18
Índices.3
2.3.2.- Calibración versus verificación de prestaciones 2.19
2.3.3.- Procedimientos de Calibración 2.20
2.3.4.- Comprobación por el usuario del funcionamiento correcto de la MMC 2.31
2.3.5.- Artefactos utilizados en los métodos de análisis de error en MMCs 2.31
2.3.6.- Influencia de la temperatura 2.36
2.3.7.- Referencias para la verificación de MMCs 2.36
2.3.8.- Terminología previa a ISO 10360 Parte – 1 de 2000 2.37
TABLAS DEL CAPÍTULO 2
Tabla 2.1 Requisitos de aplicación de la calibración basada en el principio de comparación 2.20
Tabla 2.2 Métodos de uso común en la valoración de cada componente de los errores
paramétricos 2.22
Tabla 2.3 Comparativa de parámetros generales de utilización de los distintos tipos de

artefacto 2.34
Tabla 2.4 Capacidad de detección de errores geométricos 2.35
Tabla 2.5 Capacidad de detección de errores en el sistema palpador 2.35
Tabla 2.6 Requisitos de operación 2.35
Tabla 2.7 Referencias normativas en relación a la verificación de prestaciones 2.37
FIGURAS DEL CAPÍTULO 2
Figura 2.1 Punteadora o jig-boring machine 2.4
Figura 2.2 Máquina universal de medida 2.4
Figura 2.3 Cordax de principios de los 80 2.6
Figura 2.4 DEA años 80 2.7
Figura 2.5 Esquema de la realización de McMurtry y posterior mejora 2.9
Figura 2.6 Esquema de palpador analógico 2.10
Figura 2.7 Esbozo del palpador analógico Zeiss 2.11
Figura 2.8 Modelo elemental de flexión 2.12
Figura 2.9 Esquema de sensor láser de triangulación 2.12
Figura 2.10 Recreación del sistema láser de triangulación 2.13
Figura 2.11 Sistema láser de triangulación TP60 Zeiss 2.13

Índices.4
Figura 2.12 Sensor láser de reflexión 2.13
Figura 2.13 Sensor láser de enfoque 2.13
Figura 2.14 Esquema de conoscopia 2.14
Figura 2.15 Descripción de las componentes paramétricas de error 2.26
Figura 2.16 Sistema Renishaw - MCG 2.32
Figura 2.17 Esquema de placa de huecos 2.33
Figura 2.18 Configuraciones de galgas recogidas por la VDI / VDE 2617 2.33
Figura 2.19 PESA - 1 2.33
CAPÍTULO 3
CAPÍTULO 3 Situación Normativa 3.1
3.1.- MARCO NORMATIVO GENERAL 3.1
3.2.- NORMATIVA ESPECÍFICA EN METROLOGÍA POR COORDENADAS 3.3
3.2.1.- Términos y definiciones introducidas por ISO 10360 3.5
3.2.2.- MMC utilizadas para medida de distancias 3.12
3.2.3.- MMC con mesa giratoria como cuarto eje 3.17
3.2.4.- MMC utilizadas en palpado continuo 3.19
3.2.5.- MMC con sistema de palpado de múltiples palpadores 3.22
3.2.6.- Errores en la determinación de elementos gaussianos asociados. 3.22
3.2.7.- ISO 15530 3.24
3.2.8.- ISO/TS 23165:2006 3.33
3.3.- RECAPITULACIÓN DE REFERENCIAS NORMATIVAS 3.34
Tabla 3.1 Cuadro comparativo de las normas de mayor profusión a excepción de ISO 3.3
Tabla 3.2 Notación para errores de palpado 3.10
Tabla 3.3 Distancia entre puntos de escaneado recomendada por ISO 10360-4 3.21
Tabla 3.4 Requisitos de semejanza entre pieza y artefacto usado en la evaluación

experimental de la incertidumbre 3.26
Tabla 3.5 Contribuciones a la incertidumbre cubiertas por la evaluación experimental de

incertidumbre usando artefactos no calibrados 3.32
Índices.5
Figura 3.1 Puntos característicos del palpado 3.7
Figura 3.2 Medición de distancia 3.9
Figura 3.3 Errores de referencia de VDI/VDE 3.9
Figura 3.4 Error de palpado 3.11
Figura 3.5 Posiciones de las esferas de ensayo sobre el plato giratorio 3.18
Figura 3.6 Volumen de desviaciones 3.18
Figura 3.7 Planos de exploración sobre la esfera de ensayo 3.20
CAPÍTULO 4
CAPÍTULO 4 Modelo_G 4.1
4.1.- MODELO ESTADÍSTICO DE COMPORTAMIENTO DE MÁQUINAS MEDIDORAS POR 4.1
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
4.4.- Ensayo de Calibración 4.9
4.4.1.- Principio de Medida 4.10
4.4.2.- Características generales del ensayo de calibración 4.10
4.4.3.- Proceso de datos e información 4.11
4.4.4.- Información necesaria relativa al artefacto de calibración 4.11
4.4.5.- Información necesaria relativa al patrón dimensional de trazabilidad 4.11
4.4.6.- Información adicional 4.11
4.4.7.- Tratamiento de los datos 4.12
4.4.8.- Para distancias calibradas 4.13
Índices.6
4.4.9.- Para distancias no calibradas 4.13
4.4.10.- Planteamiento general del balance de contribuciones a la incertidumbre. 4.17
Figura 4.1 Elementos del Modelo_G 4.3
Figura 4.2 Artefacto tipo PURI 4.9
Figura 4.3 Artefacto Tipo PURI de 8 esferas 4.10
Figura 4.4 Representación esquemática de la captación de datos 4.14
Figura 4.5 Representación esquemática de la obtención de las matrices de ajuste y 4.14

correcciones
Figura 4.6 Alternativas de explotación del Modelo_G de caracterización obtenido 4.14
Figura 4.7 Comportamiento sin correcciones (rojo) comportamiento con correcciones (azul) 4.15
Figura 4.8 Diagrama de flujo básico de datos de longitudes 4.16
Figura 4.9 Causas frecuentes de incertidumbre 4.17
Tabla 4.1 Elementos geométricos alternativos de aplicación como distancias de ensayo 4.16
CAPÍTULO 5
CAPÍTULO 5 Aplicación del método de Montecarlo 5.1
5.2.- DETERMINACIÓN DE LOS PARÁMETROS DE LA SIMULACIÓN 5.4
5.3.- ELEMENTOS DE ESTADÍSTICA 5.10
5.3.1.- Teorema central del límite 5.10
5.3.2.- Desigualdad de Kolmogorov 5.11
5.3.3.- Teorema de Chebychev 5.11
5.4.- SIMULACIÓN ESTADÍSTICA 5.12
5.4.1.- Generación de números pseudo-aleatorios 5.13
5.4.2.- Generación de valores distribuidos según funciones preestablecidas distintas de la

uniforme 5.19
5.4.3.- Contrastes para el estudio de la aleatoriedad y adherencia de una muestra 5.23
Índices.7
5.4.4.- Contrastes específicos para generadores de números aleatorios 5.29
5.4.5.- Criterios generales de elección del número de simulaciones 5.32
5.5.- APLICACIÓN DEL MÉTODO DE MONTECARLO A LA DETERMINACIÓN DE LA

INCERTIDUMBRE EN MMCs POR MODELO_G 5.34
5.5.1.- Calibración orientada a la indicación de coordenadas 5.34
5.5.2.- Dificultades inherentes al Modelo_G 5.35
5.6.- AJUSTE DE ELEMENTOS GEOMÉTRICOS EN METROLOGÍA POR COORDENADAS.

APLICACIÓN A MEDICIÓN DE CONOS. 5.38
5.6.1.- Introducción 5.38
5.6.2.- Modelo de ajuste 5.39
5.6.3.- Propagación de incertidumbres 5.40
5.6.4.- Aplicación a la medición de conos 5.41
5.6.5.- Aplicación del algoritmo propuesto bajo dos estrategias diferentes de medida 5.41
5.6.6.- Cumplimiento de una especificación de tolerancia 5.46
Figura 5.1 Esquema de áreas - ejemplo Montecarlo 5.2
Figura 5.2 Volúmenes ejemplo Montecarlo 5.2
Figura 5.3 Efecto de la precisión numérica en simulación 5.3
Figura 5.4 Distribución de la población de resultados de medida 5.4
Figura 5.5 Dos ejemplos que muestran la presencia de autocorrelación en dos series de
valores pseudo-aleatorios 5.19
Figura 5.6 Funciones f(x) y F(x) 5.20
Figura 5.7 Tipos de rachas en series de valores 5.27
Figura 5.8 Intervalo de confianza para el valor medido 5.34
Figura 5.9 Ajuste a circunferencia por modelo 5.39
Figura 5.10 Ajuste a dos rectas que se cortan por modelo 5.39
Figura 5.11 Obtención del valor nominal en método de Montecarlo 5.40
Figura 5.12 Estimación de la variabilidad de medición en el método de Montecarlo 5.41
Figura 5.13 Ajuste a cono ideal por estrategia 1 5.43
Figura 5.14 Ajuste a cono ideal por estrategia 2 5.43
Índices.8
Figura 5.15 Distribución de puntos simulados sobre la superficie del cono 5.44
Figura 5.16 Dispersión de valores simulados para la estrategia 1 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
Figura 5.19 Simulaciones 5.46
Figura 5.20 Interpretación de resultados en relación con ISO 14253-1 5.47
Tabla 5.1 Resultados por simulación 5.7
Tabla 5.2 Estimación de parámetros en la distribución de medias muestrales 5.7
Tabla 5.3 Ciclo máximo de secuencias generadas 5.15
Tabla 5.4 Localización de raíces primitivas por prueba y error 5.16
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
Tabla 5.9 Características del ejemplo de aplicación 5.41
Tabla 5.10 Esquema comparativo de zonas de tolerancia 5.46
CAPÍTULO 6
CAPÍTULO 6 EXPLOTACIÓN DEL MODELO_G 6.1
6.2.- DETERMINACIÓN DE LA INCERTIDUMBRE DE MMCs 6.2
6.2.1.- Enfoque de Red Neuronal y Modelo_G 6.2
6.2.2.- Enfoque genético, red neuronal y Modelo_G 6.6
Figura 6 1 Matrices de transformación aplicadas a la medida 6.2
Figura 6 2 Esquema neuronal del proceso de aprendizaje por calibración 6.4
Índices.9
Figura 6 3 Afectación de la red por aplicación del criterio de supervivencia 6.8
Figura 6 4 Pervivencia, extinción y génesis 6.9
Tabla 6.1 Componentes de una red neuronal en el Modelo_G 6.3
CAPÍTULO 7
CAPÍTULO 7 SISTEMA INTEGRAL DE MEDICIÓN POR COORDENADAS 7.1
7.2.- LA NECESIDAD DE UN NUEVO ENFOQUE 7.3
7.3.- SISTEMA INTEGRAL DE MEDICIÓN POR COORDENADAS (SI-MC) 7.4
7.4.- DESCRIPCIÓN DE ETIQUETAS EN DIAGRAMAS 7.27
Figura 7 1 Esquema General de Componentes del Modelo SI-MC 7.7
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
Figura 7 7 Diagrama de actividades – 1 – Medir por coordenadas 7.13
Figura 7 8 Diagrama de actividades – 2 – Medir por Coordenadas, desglose 7.14
Figura 7 9 Diagrama de actividades – 3 – Ejecutar la función de construcción 7.15
Figura 7 10 Diagrama de actividades – 4 – Ejecutar la función de construcción, desglose 7.16
Figura 7 11 Diagrama de actividades – 5 – Confrontar MC y artefacto 7.17
Figura 7 12 Diagrama de actividades – 6 – Ejecutar la función de calibración 7.18
Figura 7 13 Diagrama de actividades – 7 – Ejecutar la función de calibración, desglose 7.19
Figura 7 14 Diagrama de actividades – 8 – Ejecutar la función de utilización 7.20
Figura 7 15 Diagrama de Actividades – 9 – Ejecutar la función de utilización, desglose 7.21
Índices.10
Figura 7 16 Diagrama de actividades – 10 – Elaborar procedimiento de medida 7.22
Figura 7 17 Diagrama de actividades – 11 – Generar informe (Medidas) 7.23
Figura 7 18 Diagrama de actividades – 12 – Ejecutar la función de mantenimiento 7.24
Figura 7 19 Diagrama de actividades – 13 – Ejecutar la función de mantenimiento, desglose 7.25
Figura 7 20 Árbol de nodos del SI-MC 7.26
Tabla 7.1 Funciones y planos de actividad del SI-MC 7.5
CAPÍTULO 8
CAPÍTULO 8 IMPLEMENTACIÓN DEL SI-MC: Resultados y conclusiones 8.1
8.1.1.- Tratamiento previo de los datos de puntos medidos sobre las esferas. 8.2
8.1.2.- Cálculo de contribuciones a la incertidumbre 8.2
8.2.- ANÁLISIS INICIAL 8.5
8.2.1.- Caso preliminar A 8.6
8.2.2.- Caso preliminar B 8.12
8.2.3.- Comparación y conclusiones relativas a 8.1.1. y 8.1.2. 8.18
8.2.4.- Caso preliminar C 8.19
8.4.- ANÁLISIS DE CASOS 8.24
8.4.1.- CASO 1 8.24
8.4.2.- CASO 2 8.27
8.4.3.- CASO 3 8.46
8.5.- RESEÑA DE LOS ARTEFACTOS MOSTRADOS 8.70
8.5.1.- Barra2B 8.71
8.5.2.- Codo2B 8.71
8.5.3.- PURI 55 8.72
8.5.4.- PURI 250 8.73
Índices.11
Figura 8.1 Estrategia de generación de las matrices de transformación 8.3
Figura 8.2 Desviaciones ajustadas en los diferentes emplazamientos 8.7
Figura 8.3 Evolución de los coeficientes ajustados 8.8
Figura 8.4 Evolución de la función objetivo de optimización 8.8
Figura 8.5 Desviaciones residuales en los diferentes emplazamientos 8.9
Figura 8.6 Desviaciones sin corrección 8.13
Figura 8.7 Evolución de los coeficientes 8.14
Figura 8.8 Evolución de la función objetivo 8.14
Figura 8.9 Correcciones residuales 8.15
Figura 8.10 Artefacto PURI-55 8.19
Figura 8.11 Desviaciones en cada barra – Caso 1 8.25
Figura 8.12 Gráficas de diferencias por componentes Medidas – Corregidas – Caso 1 8.25
Figura 8.13 Calibración con BPLs versus Modelo_G - Caso 1 8.26
Figura 8.14 Evolución de las Correcciones de Calibración - Caso 2 8.35
Figura 8.15 Evolución de las desviaciones en distancias corregidas – Caso 2 8.36
Figura 8.16 Evolución de los coeficientes de Matriz g y Matriz G – Caso 2 8.37
Figura 8.17 Evolución de las correcciones en los coeficientes – Caso 2 8.38
Figura 8.18 Valores comparados de incertidumbre combinada Eje Z 8.41
Figura 8.19 Valores comparados de incertidumbre combinada Eje X 8.43
Figura 8.20 Valores comparados de incertidumbre combinada Eje Y 8.45
Figura 8.21 Evolución de las Correcciones de Calibración - Caso 3 8.54
Figura 8.22 Desviación típica de las distancias corregidas – Caso 3 8.55
Figura 8.23 Evolución de los coeficientes de Matriz g y Matriz G – Caso 3 8.56
Figura 8.24 Evolución de las correcciones en los coeficientes – Caso 3 8.57
Figura 8.25 Evolución de las correcciones – Fase de ajuste 8.59
Figura 8.26 Evolución de las correcciones – Fase de explotación 8.60
Figura 8.27 Evolución de las desviaciones típicas 8.61
Figura 8.28 Evolución de los coeficientes de la Matriz g y la Matriz G 8.62
Figura 8.29 Evolución del factor de escala global "g" 8.63
Índices.12
Figura 8.30 Control previo d_12 - Caso 3 8.64
Figura 8.31 Control tras mantenimiento del modelo, d_12 - Caso 3 8.64
Figura 8.42 Artefacto del tipo Barra2B 8.71
Figura 8.43 Artefacto del tipo Codo2B 8.71
Figura 8.44 Artefacto PURI 55 8.72
Figura 8.45 Artefacto PURI 250 8.73
Tabla 8.1 Coordenadas de puntos medidos 8.2
Tabla 8.2 Resumen de parámetros obtenidos 8.11
Tabla 8.3 Tabla resumen de parámetros obtenidos 8.17
Tabla 8.4 Distancias sin corregir - Caso 2 8.28
Tabla 8.5 Desviaciones en cada realización - Caso 2 8.29
Tabla 8.6 Distancias corregidas - Caso 2 8.30
Tabla 8.7 Desviaciones residuales tras la corrección – Caso 2 8.31
Tabla 8.8 Correcciones aplicadas - Caso 2 8.32
Tabla 8.9 Coeficientes de la Matriz G - Caso 2 8.33
Tabla 8.11 Distancias sin corregir - Caso 3 8.47
Tabla 8.12 Desviaciones en cada realización - Caso 3 8.48
Índices.13
Tabla 8.13 Distancias corregidas - Caso 3 8.49
Tabla 8.14 Desviaciones residuales tras la corrección - Caso 3 8.50
Tabla 8.15 Correcciones aplicadas - Caso 3 8.51
Tabla 8.17 Coeficiente de la Matriz G - Caso 3 8.53
CAPÍTULO 9
CAPÍTULO 9 Líneas de desarrollo 9.1
9.1.- REVISIÓN DE LÍNEAS DE ACTUACIÓN DETECTADAS 9.1
9.2.- CARACTERIZACIÓN DE CONTRIBUCIONES A LA INCERTIDUMBRE POR EFECTOS

TÉRMICOS 9.2
9.3.- SISTEMAS DE MEDICIÓN POR COORDENADAS NO CARTESIANOS 9.2
9.4.- SISTEMAS SIN CONTACTO E HÍBRIDOS DE CAPTACIÓN DE COORDENADAS 9.3
9.5.- FOTOGRAMETRÍA 9.4
9.6.- INSTRUMENTACIÓN DE APLICACIÓN GEODÉSICA Y TOPOGRÁFICA 9.6
9.7.- SISTEMA DE POSICIONAMIENTO GLOBAL POR SATÉLITE 9.7
Figura 9.1 Esquema simple de los efectos de deformación por dilatación térmica 9.2
Figura 9.2 Fotogrametría – esquema básico del proceso 9.5
CAPÍTULO 10
CAPÍTULO 10 REFERENCIAS 10.1
10.2.- ACTIVIDAD DIVULGATIVA DEL DOCTORANDO EN LA MATERIA 10.2
10.3.- REFERENCIAS EN METROLOGIA POR COORDENADAS 10.4
10.4.- REFERENCIAS NORMATIVAS DESTACADAS 10.16
10.5.- REFERENCIAS MATEMATICAS 10.20
Índices.14
ANEXO 1
Anexo 1. Ajuste de la matriz G A1.1
A1.1.- Introducción A1.1
A1.2.- Ajuste por valoración numérica A1.1
A1.3.- Referencias para la ejecución del ajuste A1.7
FIGURAS DEL ANEXO 1
Figura A1. - 1 Evolución tentativa en la localización del óptimo, etapa 1 A1.2
Figura A1. - 2 Evolución en la localización del óptimo, etapa 2 A1.3
Figura A1. - 3 Evolución en la localización del óptimo, etapa 3 A1.4
Figura A1. - 4 Umbral numérico del ajuste por tanteo A1.5
Figura A1. - 5 Evolución del coeficiente g22 A1.6
Figura A1. - 6 Evolución del coeficiente g12 A1.6
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
A2.1.- Introducción A2.1
A2.2.- Ajuste de elementos geométricos mediante mínimos cuadrados A2.1
A2.2.1.- Presentación del método de ajuste por mínimos cuadrados A2.1
A2.2.2.- Mínimos cuadrados lineales A2.2
A2.2.3.- Algoritmo de Gauss-Newton A2.5
A2.2.4.- Ajuste de una recta por mínimos cuadrados A2.7
A2.2.5.- Ajuste de un Plano por mínimos cuadrados A2.8
A2.2.6.- Ajuste de un círculo por mínimos cuadrados A2.9
A2.2.7.- Ajuste por mínimos cuadrados a una esfera A2.10
A2.2.8.- Método de Gauss Newton A2.11
A2.2.9.- Ajuste de cilindros por mínimos cuadrados A2.13
A2.3.- Ajuste Mini-Max de elementos geométricos A2.17
A2.3.1.- Ajuste genérico por Mini-Max de elementos geométricos A2.17
A2.3.2.- Algoritmo Anderson – Osborne – Watson (AOW) A2.18
A2.3.3.- Ajuste Mini-Max a una circunferencia 2D A2.18
A2.3.4.- Plano de ajuste por Mini-Max A2.19
Índices.15
A2.3.5.- Ajuste Mini-Max a una recta A2.21
A2.3.6.- Ajuste Mini-Max a Cilindro A2.23
A2.3.7.- Ajuste Mini-Max a esfera A2.25
A2.4.- Planteamiento alternativo del ajuste de la superficie esférica A2.27
A2.5.- Algoritmos para la caracterización de superficies esféricas A2.27
A2.5.1.- Ajuste no lineal por mínimos cuadrados A2.27
A2.5.2.- Ajuste lineal por mínimos cuadrados A2.28
A2.5.3.- Ajuste a la zona esférica mínima A2.29
A2.5.4.- Ajuste a la zona esférica Mini-Max A2.29
FIGURAS DEL ANEXO 2
Figura A.2 1 Geometría general del plano A2.2
Figura A.2 2 Obtención de la Ecuación Normal A2.4
Figura A.2 3 Iteración del método de Newton A2.6
Figura A.2 4 Ejemplo de definición de matrices de giro A2.12
Figura A.2 5 Geometría plana genérica A2.17
ANEXO 3
Anexo 3. Espacio tridimensional: conceptos y consideraciones generales A3.1
A3.1.- Espacio tridimensional A3.1
A3.2.- Sistemas de referencia A3.2
A3.2.1.- Sistema de referencia de coordenadas A3.2
A3.2.2.- Sistema de referencia ligado al campo de medida A3.3
A3.3.- Acerca de las Desviaciones y el Modelo A3.4
A3.4.- Formas cuadráticas A3.8
A3.5.- Análisis proyectivo de las cuádricas A3.9
A3.5.1.- Definiciones A3.9
A3.5.2.- Ecuaciones de un cuádrica A3.10
A3.5.3.- Clasificación Proyectiva de una cuádrica A3.10
A3.6.- Análisis afín y métrico de las cuádricas A3.11
A3.7.- Cuádricas en espacios afines A3.11
A3.7.1.- Centro de una cuádrica A3.12
Índices.16
A3.7.2.- Ejes de una cuádrica con centro A3.12
A3.8.- Cuádricas en espacios euclideos A3.13
A3.9.- Caracterización de elementos dimensionales A3.14
A3.9.1.- Formas básicas A3.14
FIGURAS DEL ANEXO 3
Figura A.3_ 1 Desviación de las indicaciones A3.5
Figura A.3_ 2 Interpretación del uso de los datos de ensayo A3.5
TABLAS DEL ANEXO 3
Tabla A.3.1 Clasificación proyectiva de las formas cuadráticas A3.10
Tabla A.3.2 Clasificación métrica de las formas cuadráticas A3.13
ANEXO 4
A4.1.- Comparabilidad y compatibilidad A4.1
A4.2.- Tratamiento de la relación de escala por la metodología π-MC A4.2
ANEXO 5
A5.1.- Concepto de bola de incertidumbre 5.1
A5.2.- Función de densidad de probabilidad y bola de incertidumbre 5.3
FIGURAS DEL ANEXO 5
Figura A.5 1 Distribución xy 5.1
Figura A.5 2 Distribución ρ 5.1
Figura A.5 3 Distribución angular de puntos simulados 5.2
TABLAS DEL ANEXO 5
Tabla A5.1 fdp asignada atendiendo a la información disponible 5.3
Índices.17
Capítulo 1 INTRODUCCIÓN
CAPÍTULO 1 INTRODUCCIÓN
1.1.- MEDICIÓN POR COORDENADAS
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.
En metrología de la coordenada, ésta no es todavía la práctica común debido a las dificultades

asociadas a la determinación de la incertidumbre. Estas dificultades residen en que las máquinas de
medición por coordenadas (MMCs) son, tanto en su concepción como en su aplicación industrial,
instrumentos de medida multi-propósito y consecuentemente multi-tarea; las incertidumbres varían con
la MMC usada, su estado de mantenimiento, con la tarea de medida, con la estrategia de medida, y
con las condiciones ambientales. Sin embargo, el enfoque reciente de diversas entidades (PTB, NIST,
CEM, entre otras) ha sido el desarrollo de una nueva herramienta para evaluar la incertidumbre de la
mayoría de las medidas llevadas a cabo con las MMCs consistente en la simulación analítica asistida
por ordenador, de la incidencia que sobre una determinada tarea de medida, tienen las diversas fuentes
de incertidumbre, proporcionando el actual criterio de calibración relativa a tarea (task related
calibration), y la posibilidad de su extensión a todas las tareas planteadas.
Las consecuencias principales de un riguroso análisis de la incertidumbre se manifiestan en la

satisfacción de las exigencias de trazabilidad y un uso más económico de las MMCs. Aportando
transparencia al cálculo de incertidumbres. Por su parte el empleo de las técnicas de simulación
proporciona el acceso de la industria a sus resultados.
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.
- Un cálculo individualizado de previsiones de incertidumbre, basado en la medida de

"artefactos de referencia" o mediante la técnica de análisis paramétrico, y estimaciones de
contribuciones a la incertidumbre cuando se aplican a un cierto procedimiento de medida.
1.1
Citar en este punto la aplicación de la estrategia de "múltiple redundancia" de medidas para la

estimación estadística de las desviaciones e incertidumbres en procedimientos de auto-control, que no
son de calibración.
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 -.
• El cálculo individualizado de previsiones de la incertidumbre es un procedimiento que necesita un

alto nivel de pericia.
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.
1.2.- OBJETIVOS DE LA TESIS
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:
• Una caracterización de las contribuciones a la incertidumbre de uso en MMC susceptible de

ser participado al resto de la comunidad científica.
• La elaboración de pautas y procedimientos para la cuantificación y análisis de propagación, de

las incertidumbres presentes, con especial orientación al ámbito industrial.
• Es consecuente con esta finalidad, el establecimiento de los fundamentos que permitan el

desarrollo de uno o varios artefactos de referencia de aplicación en el uso industrial, habida
cuenta de las exigencias concretas de las actividades metrológicas de la industria (exigencias
de precio – plazo).
• Se propone habilitar una alternativa metodológica de calibración de las MMCs, proporcionando

al usuario indicación de la incertidumbre imputable a las medidas realizadas, con trazabilidad.
En aras de concreción, se focalizará ejemplarmente en el caso de las medidoras cartesianas de tres

coordenadas.
1.2
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
La metodología aplicada reproduce el esquema de:
• Indagación del estado del arte.
• Formulación del alcance previsto de las actuaciones en relación con los medios
disponibles y la amplitud de la materia.
• Establecimiento de las hipótesis y convencionalismos que serán sustento de la tesis.
• Formulación de la metodología inherente a la tesis expresada.
• Desarrollo de las herramientas específicas y su aplicación al objeto de estudio.
• Presentación de realizaciones y resultados señeros.
• Análisis y discusión (por contraste) conducentes a la emisión de conclusiones.
• Propuesta de desarrollos posteriores.
La metodología inherente a la tesis requiere de la formulación de un esquema de procedimiento a nivel

conceptual en relación con el conjunto de la información y conocimiento implicados, tal será el Sistema
Integral de Medición por Coordenadas (SI-MC) descrito en el Capítulo 7. El SI-MC integra las diferentes
actividades y funciones relacionadas con el uso de los sistemas de medición por coordenadas. Resulta
ser antecesor del Sistema Inteligente de Medición por Coordenadas (solo será citado en relación con
los objetivos de la presente tesis y es una línea de desarrollo propuesta). El sistema inteligente atenderá
al soporte de las tareas vinculadas a la gestión del conocimiento en relación con el SI-MC al que se
vincula.
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 calibración: actúa como elemento de control de la función de construcción asegurando

la trazabilidad de las medidas conforme al modelo resultante.
* 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
resultado la consistencia del sistema y en su caso establecer indicaciones de integridad e incluso de

requerimientos de reconstrucción y/o recalibración.
* 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:
1- Laboratorio de metrología: para el cual deberán satisfacerse no solo las exigencias de

trazabilidad, sino además: la demanda de un sistema controlable de medida bajo requisitos de
consistencia metrológica; susceptible de ser afectado por los desarrollos propios del laboratorio
acordes con su función investigadora, de desarrollo e innovación.
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.
Su puesta en servicio debe representar un ahorro en los esfuerzos de calibración actualmente

vinculados a patrones específicos, tanto más costosos cuanto más alejados de las formas elementales;
se permitirá pues, el consiguiente abaratamiento adicional de las necesarias calibraciones; permitiendo
el análisis de incertidumbre tanto en medidas estándar (distancias entre ejes, medida de cilindros,
conos y esferas, etc.) como en tareas complejas de contraste de especificación (topografía de álabes
o carrocerías, roscas, utillaje, moldes, etc.). Esto representa una potenciación de la calidad tanto en la
capacidad de certificación de los laboratorios metrológicos, en cuanto les dotará de un instrumento
específicamente desarrollado para su tarea de aseguramiento de las medidas (conforme al enfoque
actual de la comunidad científica internacional), como en el cumplimiento de la exigencia de dar
trazabilidad a las medidas en el ámbito industrial.
1.4
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:
• Mediciones dimensionales, típicamente: dimensión o tamaño, forma, situación o posición y

orientación.
• 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
Ambas concepciones de la realidad, multidimensional o unidimensional son abstracciones de una

realidad que no deja por ello de ser lo que quiera que sea, pero valga decir que el modelo de realidad
tridimensional exige un menor esfuerzo de abstracción que el de una dimensión. Esta simpleza es una
de las ventajas de la aplicabilidad al uso de las MMCs y a la vez una de sus mayores complejidades
metrológicas.
En esta exposición, quedarán minoradas las referencias a instrumentos de medición unidimensional o

bidimensional en favor de las tridimensionales.
Aunque se afrontan consideraciones relativas a sistemas de medición tridimensional soportados por

coordenadas no cartesianas, como pueden ser las medidoras de formas, medidoras de engranajes y
demás sistemas no cartesianos de medición de coordenadas (brazos articulados, etc.), no será este
campo el de mayor profusión en las exposiciones.
La presente exposición se focalizará en sistemas de medición por coordenadas cartesianos,

incluyéndose en los mismos el recurso a plato divisor como cuarto eje, fundamentalmente en órdenes
de magnitud del campo de medición no superiores a 2 metros.
A mayores de la focalización aplicada, cabe proponer el desarrollo de actividades de investigación

orientadas a establecer elementos de discriminación de contribuciones relevantes. La adaptabilidad de
los procedimientos y métodos promulgados permiten introducir variantes afines a los comportamientos
de tarea. Además es viable la introducción de variantes de comportamiento del sistema en relación con
las condiciones de ejecución del ensayo de medición, y de modo análogo de las propias características
del mensurando en relación con su comportamiento dimensional. El desarrollo de paradigmas
específicos en respuesta a estas variantes es pues un marco de actuación para posteriores trabajos de
investigación soportados por un mismo esquema de soporte del conocimiento basado en el Modelo_G
y el enfoque SMC / SI-MC.
La diversidad de principios y métodos de captación o detección de indicaciones de coordenadas, es en

buena medida fuente de una necesaria orientación de los métodos aplicados en la captación de la
variabilidad del sistema de medición. La bondad de los generadores de valores sintéticos trasciende a
la competencia del modelo neuronal o analítico y con ello a la eficacia de su actuación.
Se incorporan alusiones a potenciales aplicaciones en instrumentación topográfica, sistemas

geodésicos de medición – sistema Global Position System (Navstar / GPS / Galileo) – como futuros
campos de trabajo y expansión de la tesis defendida y avalada por la presente memoria.
1.6
1.5.- MEDIOS PARA LA REALIZACIÓN DE LA TESIS
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.
Medios instrumentales: Instrumentos de medida (MMCs), patrones y artefactos.
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.
Colaboradores: Usuarios de MMC, (laboratorios e industriales), tal disponibilidad se justifica por la

necesidad de desvincular los resultados obtenidos de una realización particular del sistema (una
máquina, un artefacto, un entorno, un equipo de personas, etc.). Particular reconocimiento al área de
ingeniería de los procesos de fabricación del Dpto. de ingeniería mecánica de la Universidad Pública
de Navarra, y a la entidad Centros Tecnológicos de Navarra, CETENASA, dependiente del Dpto. de
Industria de la Comunidad Foral de Navarra, así como a su personal.
1.6.- CONTENIDO DE LA TESIS POR CAPÍTULOS
1.6.1.- Capítulo 1: “Introducción”
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.
1.6.2.- Capítulo 2: “Medición por coordenadas - Estado actual”
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.
Se establecen las bases para la caracterización, cuantificación y análisis de la propagación, de las

incertidumbres presentes en las tareas de medición por MMCs.
1.7
1.6.3.- Capítulo 3: “Situación Normativa”
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.
1.6.4.- Capítulo 4: “Modelo_G”
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.
Se concreta el paradigma de implementación de la metodología Modelo_G dando respuesta al núcleo

del objetivo propuesto. Adicionalmente se formulan los criterios específicos que condicionan la
adopción de artefactos de referencia en relación con la solución adoptada.
1.6.5.- Capítulo 5: “Aplicación del método de Montecarlo”
Tras la introducción genérica de la metodología de Montecarlo y el recurso a la simulación numérica,

se aportan los distintos referentes proporcionados por la estadística. Finalmente se presenta cómo
estas herramientas son aplicadas al servicio del Modelo_G para determinar la incertidumbre en las
tareas desarrolladas por la Máquina de Medición por Coordenadas.
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
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.
1.6.6.- Capítulo 6: “Explotación del Modelo_G”
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.
1.6.7.- Capítulo 7: “Sistema integral de medición por coordenadas”
La propuesta recogida en el Capítulo 7, apunta al entorno de aplicación del Modelo G presentado,

contribuye así al establecimiento de la presente tesis. Frente al tratamiento convencional de la
determinación de la incertidumbre final de medida en instrumentación metrológica, y sobre la base de
procedimientos convencionalmente aceptados y contrastados por el “buen uso metrológico”, surgen no
solo nuevos problemas sino también nuevos modos de abordar su resolución. La demanda de
herramientas concretas y de habilidades no metrológicas que la solución debe aportar, es en ocasiones
una exigencia más severa que los propios principios metrológicos.
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.
1.6.8.- Capítulo 8: “Implementación del SI-MC. Resultados y conclusiones”
Exposición descriptiva de casos relevantes ejecutados en relación con la pretensión de evidencia en la

bondad de los planteamientos formulados.
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
1.6.9.- Capítulo 9: “Líneas de desarrollo”
Se ha considerado de interés referir los siguientes grupos temáticos:
Caracterización de contribuciones a la incertidumbre por efectos térmicos.
Sistemas de medición por coordenadas no cartesianos.
Sistemas sin contacto e híbridos de captación de coordenadas.
Fotogrametría.
Instrumentación de aplicación geodésica y topográfica.
Sistema de posicionamiento global por satélite.
1.6.10.- Capítulo 10: “Referencias”
1.6.11.- Anexos
1.6.11.a) Anexo 1 “Ajuste de la Matriz G”
1.6.11.b) Anexo 2 “Optimización”
1.6.11.c) Anexo 3 “Espacio vectorial”
1.6.11.d) Anexo 4 “Factor de escala global”
1.6.11.e) Anexo 5 “Bola de incertidumbre”
1.10
Capítulo 2 Medición por coordenadas - Estado actual.
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:
Coordinate Measuring Machines and Systems, editado por John A. Bosch; y
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.
El uso de dispositivos de medición dimensional basados en el muestreo de las superficies a medir,

mediante la captación de puntos aislados sobre el mensurando, presenta la controversia de si
realmente los puntos detectados caracterizan a la superficie del mensurando o tan solo a los propios
puntos medidos. El objetivo final es, en la mayoría de los casos, la descripción geométrica
macroscópica de la superficie del mensurando y por ello, la respuesta debe orientarse a cómo obtener
una adecuada descripción de la superficie. Esto se afronta, en metrología por coordenadas, por
inferencia desde los datos de puntos aislados detectados en ella. Con este fin resultan un firme soporte
la normalización de procedimientos y métodos, así como de las herramientas de resolución del
problema de caracterización de las geometrías, desde su definición hasta su análisis.
Destacar la trascendencia sobre los resultados y su análisis de dos actividades:
1. Elección de una Estrategia de Palpado: referido a la descripción de qué características

metrológicas debe tener el método de medición, para asegurar a su vez una adecuada descripción
de las características metrológicas de la pieza. Habrán de caracterizarse: el patrón de exploración
de la superficie (adaptado al menos a la topografía declarada para la pieza teórica); la secuencia
2.1
de captación; posibles cambios en la configuración del sistema de captación; posibles actuaciones

de carácter sistemático que pudieran convolucionarse con las desviaciones del mensurando; etc.
2. Aplicación de Algoritmos de Ajuste y Análisis. Con frecuencia la necesidad de disponer de

herramientas matemáticas de alta capacidad de proceso y versátiles, conduce a la disposición de
algoritmos de cálculo (y más allá de implementaciones), insuficientemente robustas. Por esto, con
excesiva frecuencia, la mera obtención de un resultado numérico, es asumida como solución del
problema metrológico. Se olvida, que el resultado de una medición debe contemplar la expresión
de la incertidumbre estimada para el mismo (Guía para la Expresión de la Incertidumbre de
medida, Guía ISO GUM - 2008), y ello sobre la base de un adecuado análisis de los factores que
inciden en el propio resultado, su control y cuantificación. El uso de implementaciones informáticas
suele aparecer desprovisto de la expresión de la incertidumbre de medida, aun cuando sí declaran
cumplimiento o no de especificaciones de tolerancia para el mensurando (que resultan de este
modo de escasa valía a tenor de su falta de rigor metrológico). En esto inciden la dispersión o
falta de consenso en criterios generales, o la complejidad de referentes normativos que
esclarezcan la determinación de las contribuciones a la incertidumbre y su incorporación al
resultado de las medidas; su aseguramiento y el modo en que deben ser propagadas por los
algoritmos; ante tareas de muy diversa naturaleza. Todo ello con equilibrio entre el rigor
metrológico para su determinación y el esfuerzo de aseguramiento en un entorno industrial.
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
2.2.- EVOLUCIÓN DE LA MEDICIÓN POR COORDENADAS

En la comprensión de las expectativas del usuario es fundamental la evolución de la respuesta
consolidada en el desarrollo tecnológico. La evolución de la respuesta es en sí misma compendio de la
necesidad y del estado tecnológico. Los elementos aquí compendiados aportan una visión de la acción
de estímulo del usuario sobre la acción de los desarrolladores. A su vez, ofrecen capacidades y mejoras
que abundan en las prestaciones y ambición funcional del usuario. La pervivencia económica de las
prestaciones ofertadas avala sobre la aceptación y el equilibrio entre coste y funcionalidad.
2.2.1.- Los orígenes de las Máquinas de Medición por Coordenadas
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).
La Société Genevoise d’Instruments de Physique en Suiza introduce máquinas de medición en dos y

tres dimensiones (máquina universal). Son los creadores de las máquinas de jig-boring o punteadoras
en el sentido moderno.
2.3
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.
Como referencia de investigación de errores en MMCs, de 1951, se cita el

uso de “haces de luz” R. Putchbach. La “Saladin” es una máquina que
genera las coordenadas usando la reflexión de un haz de luz desde dos
espejos planos ortogonales, se le inflige una distorsión de cojín de la que
surge asimetría debida a la variación de la longitud del camino óptico ante
la rotación entre los espejos. Una reflexión adicional de un espejo cilíndrico, Distorsión de cojín
situado entre los dos espejos planos, hace la deformación simétrica, de
modo que se puede corregir mediante métodos ópticos simples.
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
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
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.
Figura 2.3 Cordax de principios de los 80
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
Figura 2.4 DEA años 80

Identificada así la ocasión y la oportunidad, Franco Sartorio, Luigi Lazzaroni y Giorgio Minucciani
constituyeron Digital Electronic Automation (DEA) en Turín, Italia en noviembre de 1962. Resulta
anecdótico señalar que el nombre elegido, atendía a la pujanza de las tecnologías digitales en aquel
tiempo lo que representaba un atractivo para los inversores del momento.
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
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).
2.2.2.- Evolución de los sistemas de palpado
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
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.
Figura 2.5 Esquema de la realización de McMurtry y posterior mejora

Mientras este dispositivo relativamente simple representó una gran mejora en la versatilidad de las
MMCs, su efecto sería más profundo sobre las medidas a realizar. El ingenio cambió la función de
medición de una operación estática a un funcionamiento dinámico. Con la acción de la sonda de disparo
se presentaron nuevos aspectos relativos al comportamiento dinámico de las MMCs, factores como
vibración, aceleración y desaceleración, fuerza, tiempo de estabilización, y comportamiento estático
frente a dinámico, cojinetes de colchón de aire, etc. cobraron importancia en la evaluación de la
precisión de las MMCs. Años después del desarrollo de la sonda, se entendió la importancia de la
precisión del sistema y se afrontó la clarificación de las fuentes de error entre la MMC y el palpador.
2.9
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).
Figura 2.6 Esquema de palpador analógico
2.10
1: Actuador motorizado para el equilibrado por

carga (peso).
2: Desplazamiento del eje Z.
3: Muelle de compensación de deflexión del
eje Z.
4: Elemento sensor de deformación del eje Y.
5: Mecanismo de articulación del subsistema
eje X.
6: Desplazamiento del eje X.
7: Esfera de palpado.
8: Generador magnético de fuerza de palpado.
9: Paralelogramo elástico del eje Z.
10: Desplazamiento del eje Y.
11: Subsistema de anclaje del palpador.
12: Pletina adaptadora del palpador.
(Referencia: Carl Zeiss)
Figura 2.7 Esbozo del palpador analógico Zeiss
2.11
Figura 2.8 Modelo elemental de flexión

Atendiendo a la Figura 2.8, se introduce la expresión matemática que permite aproximar el
comportamiento a flexión en uno de los subsistemas de captación del desplazamiento.
M·dB′′ + C·dB′ + ( k1 + k2 ) ⋅ dB = k1·d A
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 2.9 Esquema de sensor láser de triangulación

2.12
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
Palpado por detector conoscópico

En la vanguardia de las actuaciones de desarrollo la técnica conoscópica es una reciente aportación a
la metrología por coordenadas con palpadores sin contacto y objeto de investigación (véase Optimet:
http://www.optimet.com/publications.php). El principio de funcionamiento del palpado por holografía
conoscópica, se orienta a la detección de puntos sobre la superficie en base a la medición de distancias.
Se entiende por holografía la técnica basada en interferencia de ondas, que reconstruye la información
tridimensional a partir de la superposición de emisiones de luz coherente. Así, una emisión de luz
coherente se divide de modo que uno de los haces diferenciados es concentrado e incidirá con el
mensurando y viéndose afectado por las condiciones de esta interacción; mientras el otro haz, no
afectado por el mensurando, actuará como referencia de comparación. La interferencia entre ambas
ondas, causa la generación de patrones cuya detección e interpretación, fundamentan la indicación de
medida. Ver esquema básico en Figura 2.14.
2.13
La denominación “conoscopia”, se deriva de la detección de la

desviación angular del haz reflejado. Los haces de luz pasan a
través del elemento singular del dispositivo, un conjunto óptico
formado por una lente (que inducirá la superposición paralela
de ambos haces), dos polarizadores, y un cristal birrefringente,
uniaxial; el conjunto es responsable de crear la figura o patrón
de interferencia holográfica.
La primera lente es la inductora del control sobre el efecto de

conicidad que se manifiesta en el haz paralelo de superposición
de ambos caminos. Esto es por la diferencia de ángulos
incidentes sobre esta lente para el haz que se refleja desde el
mensurando, y al haz de referencia procedente del divisor; con
ello el polarizador discrimina cada haz proporcionando Figura 2.14 Esquema de
componentes polarizadas diferenciadas al cristal birrefringente. conoscopia
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.
2.2.3.- Evolución del Software como herramienta esencial en la metrología por

coordenadas.
Al revisar la evolución de la metrotecnia, es imprescindible hacer referencia a las aportaciones de la

informática. Las primeras MMCs disponían de un simple indicador digital que proporcionaba la situación
del punto de referencia para un palpador rígido. A partir de las indicaciones, se debía ejecutar el cálculo
manual de la distancia. Desde estas máquinas básicas, se ha evolucionado incrementando la
aportación informática, que ha penetrado afectando a cada función de la metrología por coordenadas.
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
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.
Consecuentemente, se adoptaron lenguajes de programación cada vez más avanzados,

incrementándose el desarrollo de macros o subprogramas de cálculo de características geométricas
asociadas específicas y, cada vez, más complejas y precisas. Cada fabricante de MMCs desarrolló sus
propias rutinas de programación de piezas, lo que desemboco en la aparente imposibilidad de
establecer interfaces comunes con sistemas CAD-CAM e incluso entre MMCs de fabricantes distintos
(en el peor de los casos hasta entre MMCs del mismo fabricante). No obstante el esfuerzo generalizado
de la industria permitió el desarrollo de una especificación común para las especificaciones geométricas
"Dimensional Measurement Interface Specification - DMIS (El grupo CAM-I DMIS National Standards
Committee (DNSC), reconocido por ANSÍ, es responsable del mantenimiento y soporte de la referencia
normativa DMIS). Esta especificación proporciona un formato neutro de intercambio entre sistemas
CAD-CAM y los equipos de medición dimensional. La programación de las mediciones y cálculos, es
un proceso susceptible de distintos niveles de automatización que van desde el mero cómputo de las
características asociadas elementales, hasta la simulación de efectos térmicos o de flexión de
palpadores. Como contempla esta memoria de tesis, también, el cálculo de las incertidumbres de
medición para tareas genéricas por recurso a técnicas de simulación numérico - estadísticas.
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.
La compensación de errores o desviaciones por efecto de la temperatura siguió una trayectoria

evolutiva similar a las correcciones de las desviaciones geométricas. Inicialmente se aplicaron a la
compensación de las deformaciones térmicas de las reglas de medida. Evolucionando hacia más
complejos modelos para su detección, modelización y compensación, tanto de las indicaciones de la
MMC como de la pieza medida. La mayoría de fabricantes han desarrollado formulaciones empíricas
para el comportamiento de sus máquinas bajo condiciones cambiantes en temperatura, desarrollando
los algoritmos informáticos de compensación.
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
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.
Algunas características de las aplicaciones informáticas comerciales, sobre la base de las

descripciones aportadas por sus distribuidores en el mercado español, serian:
• Importación y exportación de formatos CAD-CAM.

• Formatos CNC e integración en sistemas CIM.
• Simulación editable de la ejecución de tareas en movimientos y tiempos. Análisis de colisión.
• Programación visual de alto nivel: programación estructurada; orientada a objetos; expresiones
analíticas y funciones estadísticas; recurso a librerías y subrutinas; programación paramétrica
• Soporte integrado de diferentes sistemas de palpado y tipología de máquina.
• Funcionamiento en línea y fuera de línea.
• Asistente de aprendizaje para programación por adiestramiento. Asistente de alineamiento.
• Biblioteca de geometrías y tareas convencionales. Gestión de tolerancias. Información visual
vinculada.
• Tratamiento de geometrías por nubes de puntos, superficies y líneas. Digitalización. Post-
procesado.
• Contraste puntos a modelo CAD.
• Gestión de bases de datos.
• Gestión de piezas, herramientas y cargas de trabajo.
• Editor de informes.
Referencias (2015): http://www.hexagonmetrology.com ; http://www.pcdmis.com
Referencia (2015): www.metrologx4.com
Referencia (2015): http://www.zeiss.com
2.16
2.2.4.- Cambios en el mercado de MMCs
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
2.3.- EVOLUCIÓN CONCEPTUAL RECIENTE
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.
Se hace evidente la dificultad que la MMC encierra en su propia concepción:
• Ilimitada gama de tareas de medida, y alternativas de ejecución.

• Diversidad de dispositivos de medida dentro de la gama de MMCs y su elevada complejidad.
• Diversidad de entornos en que estos dispositivos operan.
• La multitud de fuentes de incertidumbre y criterios de combinación.
• El extenso campo de soluciones matemáticas y de sus implementaciones de cálculo para
afrontar la resolución de una misma tarea de medida.
Son factores de dificultad en contra de la MMC, en el esfuerzo de asegurar el resultado de la medida y

consecuentemente su valía metrológica.
El campo de trabajo para las investigaciones desarrolladas en diversos laboratorios metrológicos, ha

pasado por una primera fase de búsqueda de coincidencias. Fundamentalmente en el enfoque del
problema de dar cumplimiento a las exigencias metrológicas para las tareas de medición de las MMCs;
y seguidamente, a la armonización de las distintas propuestas de procedimientos para la realización de
la validación metrológica del resultado de medida.
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:
 Comparación, o calibración por comparación, basado en el principio de comparación directa

patrón – mesurando.
 Parametrización, o método de síntesis de desviaciones, sobre las técnicas de síntesis y balance

de correcciones e incertidumbres.
 Híbrido, procedimiento híbrido, extiende mediante parametrización el resultado de

comparaciones adecuadas.
2.18
En el entorno industrial, se evidencia cómo, mediante actividades regulares de mantenimiento y revisión

interna de la MMC, conjuntamente con verificaciones de prestaciones, se aproxima el cumplimiento de
trazabilidad para componentes medidos que no requieren del certificado de calibración (nótese que la
MMC puede estar calibrada para determinadas tareas y lo que se hace es extender esta capacidad a
otras tareas, no cubiertas por la calibración).
2.3.2.- Calibración versus verificación de prestaciones
La calibración, como evaluación de las incertidumbres en el resultado final (medidas) de la tarea de

medición. Donde la incertidumbre debe contener los efectos sistemáticos no corregidos, conocidos y
desconocidos, así como aleatorios.
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).
La verificación de especificaciones: hace referencia al conjunto de métodos adoptados por la

comunidad como pruebas de aceptación o rechazo ante la recepción de uno de estos dispositivos. Son
la forma habitual por la cual fabricantes y usuarios expresan sus capacidades y necesidades en el
momento de seleccionar la máquina que habrá de servir a unas determinadas funciones metrológicas.
También se entienden las pruebas que periódicamente debe pasar una MMC en su mantenimiento
rutinario o tras revisión de mantenimiento. Diversos métodos aparecen recogidos en los estándares
internacionales y se dispone de un amplia profusión de guías y documentos aclaratorios. No obstante
debe apreciarse que tales referencias no pretenden cubrir la necesidad de calibración para la máquina
y no permiten trascender su validez hacia cualquier procedimiento de medida que se aborde con la
MMC. Aún más, no permiten garantizar la trazabilidad de las mediciones realizadas con la MMC, sino
su desempeño frente a tareas de contraste. Para esas tareas el tiempo requerido no resulta prioritario
y el usuario pretende un conocimiento cualitativo, valga decir “una acotación por exceso”, de los errores
geométricos y la precisión del sistema. Con frecuencia se aplicará como criterio de selección entre
diversas alternativas comerciales.
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
2.3.3.- Procedimientos de Calibración
2.3.3.a) Calibración por comparación
El procedimiento es bien conocido: la medición de patrones de referencia proporciona las desviaciones

imputables a una tarea específica de medida, asociada con el parámetro medido del objeto y debida a
la precisión de la MMC cuando se realiza la misma tarea en mensurandos significativamente iguales
en forma, tamaño, ubicación dentro del volumen de trabajo y bajo la misma estrategia de medida (como
un dispositivo comparador más). En cuanto se disponga de un patrón de referencia para una tarea de
medida, se podrán medir con trazabilidad objetos similares al patrón. No siempre se dispone de estos
patrones y seguramente no se pueda disponer de una gama muy extensa, por razones económicas.
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.
Tabla 2.1 Requisitos de aplicación de la calibración basada en el principio de comparación

parámetro rango máximo de variación
características geométricos 10% en longitud, ángulo, etc.
precisión de la característica geométrica 50% de desviación desde la geometría matemática
ideal (redondez, planitud, etc.) referido a la
incertidumbre requerida de calibración.
calibración del objeto de referencia conforme se requiera para el balance de incertidumbre
en consonancia con las necesidades del balance de incertidumbres
Equivalencia de propiedades no geométricas “Suficientemente similares” para la tarea de medida considerada
(elasticidad, dureza, textura superficial, inercia térmica)
Equivalencia de condiciones y estrategia de medida:
* posición de los objetos la mayor entre 25mm y el 10% de la dimensión más
relevante
* orientación de los objetos 5º
* espaciado de los puntos de medida acorde a la longitud de onda de la superficie
* configuración de la sonda 10% de la longitud del vástago en palpadores
* secuencia de puntos de medida los mismos puntos y la misma tarea
* fuerza de palpado 20%
* condiciones ambientales consideradas por el balance de incertidumbre o experimentalmente
Máxima diferencia temporal entre calibración y aplicación en consonancia con los plazos de variación de las condiciones
ambientales.
2.3.3.b) Síntesis o balance de errores
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
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.
La aplicación de este procedimiento requiere de tres fases:
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.
2.- Combinación de estos errores sobre cada punto de medida (y su evolución).
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.
Evaluación de los errores paramétricos o geométricos.
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.
Tales errores se verán influenciados por:
* El grado de perfección de los subsistemas mecánicos que constituyen la MMC.
* El entorno en que la MMC se emplaza.
* La estrategia de muestreo (detección de la presencia de pieza de trabajo).
* Los artefactos de referencia.
* Las características de la pieza de trabajo.
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.
Las técnicas al uso pueden dividirse en dos grupos:
2.21
• Medida directa, utilizando instrumentos y dispositivos convencionales, para la

medida individual de cada error paramétrico. son técnicas costosas por el
requerimiento de equipos y tiempo para la captación y tratamiento del alto volumen
de datos de palpado obtenidos. Sobre una MMC con correcciones numéricas de
este tipo de errores, estos resultan modificados y no afectan de igual modo al
resultado.
• Medida indirecta, empleando el análisis de las diferencias entre las medidas

indicadas por la MMC sobre artefactos de referencia y los valores indicados
procedentes de la calibración de estos artefactos, esto permite la estimación
estadística de los errores paramétricos. De otro modo, se recurre a artefactos no
calibrados mediante técnicas de múltiple redundancia con recurso a al menos un
elemento calibrado en longitud. Estas técnicas resultan más accesibles en coste y
a la capacidad de los operadores industriales.
La Tabla 2.2, resume los instrumentos utilizados y errores caracterizados.
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
Cálculo de los errores en la posición Medida para un punto
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:
a) La descripción estadística de los datos de medida usados para la determinación de

los errores paramétricos.
b) Una modelización de su efecto sobre las coordenadas medidas.
2.22
Determinación de las correcciones basadas en la medición.
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.
Durante la calibración de la MMC, deberán considerarse dos efectos:
• La propagación de errores estrictamente matemática.
• Los errores de tratamiento matemático en relación a la implementación; se presentarán en el

procedimiento de cálculo cuyo resultado serán los parámetros que caracterizan la geometría del
mesurando, esto es la medida.
2.3.3.c) Procedimiento híbrido
Consiste en combinar acertadamente las dos estrategias anteriores, mediante comparación se

establece trazabilidad en relación a un patrón calibrado y trazado; el conocimiento de la propagación
de esta geometría en el objeto a medir en relación a la misma propagación de errores en la MMC, a
través de los parámetros geométricos implicados, permiten establecer por aplicación de los pasos 2 y
3 de síntesis de error, los errores imputables a la medida obtenida para el mensurando.
2.3.3.d) Dificultades específicas de la calibración de MMCs
Las situaciones citadas a continuación resultan de especial trascendencia como condicionantes en la

calibración de MMCs:
• Distribución de temperaturas en la propia MMC. Deberán registrarse las evoluciones de

temperatura así como un análisis de los gradientes presentes durante el proceso de calibración.
Durante la utilización de la MMC deberá establecerse la influencia que sobre las incertidumbres
calibradas tienen las desviaciones, añadiendo estas contribuciones.
• Ejes redundantes: Plato divisor; brazos múltiples; cabezal articulado.
• MMCs cuyo comportamiento estructural no resulta asumible como sólido rígido.
• Estabilidad, interna de los propios constituyentes de la MMC y externa de las condiciones de

asiento (vibraciones) y suministros (de aire a presión, electricidad y acondicionamiento térmico
del entorno) para la operación.
• Grandes máquinas. Donde los anteriores efectos se ven acrecentados e influencias

susceptibles de ser obviadas, cobran protagonismo como contribuciones a la incertidumbre.
2.3.3.e) Máquinas con sistemas numéricos de tratamiento de errores.
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
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.
2.3.3.f) Contribuciones a la incertidumbre consideradas en las MMC.
A continuación se discute el modo en que se establecen las más importantes contribuciones de

incertidumbre por medida y cómo las no directamente mensurables se estiman en base a la experiencia.
En la exposición posterior se discute cómo se representan en los algoritmos del proceso de simulación.
Esta exposición se basa en los primeros trabajos del Dr. Eugen Trapet (para mayor detalle véanse las
referencias bibliográficas del Capítulo 10). Se debe mencionar que no se tienen en cuenta en el MMC
Virtual influencias de la pieza en estudio. Se deben determinar experimentalmente por el usuario de la
MMC y deben ser sumados cuadráticamente a las incertidumbres de la simulación por Máquina Virtual
de Medición por Coordenadas.
Contribuciones a la incertidumbre normalmente evaluadas por medición
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:
E1 Errores sistemáticos de palpado (error direccional característico de palpado).
E2 Errores aleatorios de palpado.
E3 Errores de palpado imputables a la sonda e incertidumbre de la articulación de la sonda

(aleatorio).
E4 Errores geométricos sistemáticos de la MMC (errores paramétricos de los ejes MMC) A

continuación, se describen los criterios de medida más apropiados para la evaluación de las
contribuciones dominantes en la incertidumbre de las MMCs. Se debe destacar que no todos
los métodos conocidos son apropiados: debe darse prioridad clara a los artefactos de
referencia, puesto que éstos garantizan una evaluación de los errores del mismo modo en
que ellos influirían una medida real, a saber por la medida de una parte (principio de
equivalencia).
Contribuciones sistemáticas y aleatorias provenientes del palpado.
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
aproximación, localización dentro del volumen de medida, y procedimiento de habilitación de la sonda.

Los puntos de palpado se distribuyen sobre toda la superficie accesible de la esfera patrón con un
espacio de exploración suficientemente estrecho (p.ej. 7,5º en acimut y elevación). Se repite la medida
por lo menos una vez. Mediante algoritmos de ajuste y filtrado se determina un error direccional
característico y el contenido aleatorio de incertidumbre de los datos del punto. El contenido aleatorio
de incertidumbre se expresa como un valor 2·s (k= 2). La investigación prosigue en aquello que apunta
a una simplificación en la evaluación del error de palpado, p.ej. reducir el número necesario de puntos
medidos sobre la esfera. Para la mayoría de las MMCs y tareas de medida, los efectos de histéresis
están suficientemente bien representados por los resultados a través de las medidas del error de
palpado (contribuciones aleatorias a la incertidumbre).
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.
En caso de una dependencia significativa de la posición en las contribuciones a la incertidumbre

obtenidas mediante este procedimiento, se efectuarán las mediciones en aquella parte del volumen de
Medida con la máxima incertidumbre de palpado. Sí la posición de las partes a ser medidas en la MMC
son conocidas, se efectúa la evaluación de la incertidumbre de palpado únicamente en aquellas
porciones del campo de Medida realmente usadas. La habilitación de la sonda tiene que ser efectuada
del mismo modo y en la ubicación habitual.
Errores de geometría MMC (Errores Paramétricos)
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
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.
Figura 2.15 Descripción de las componentes paramétricas de error

Si la placa no cubre enteramente los campos de medida de cada uno de los tres ejes MMC, se mide
repetidamente, cubriendo todo el campo de medida de los ejes, mediante posiciones de recubrimiento,
es decir, deberán solaparse las zonas de medición en los sucesivos emplazamientos. Resulta ventajoso
el empleo de bolas o placas de agujeros previamente calibrados, ya que permite un menor número de
mediciones y consecuente mayor rapidez para el conjunto de las mediciones a realizar, que si se
ejecuta una autocalibraciòn parcial de la placa de bolas durante la evaluación del error de la MMC, tal
y como se realiza por algunos laboratorios, lo que adicionalmente exige de la disposición de
metodologías para la evaluación y determinación de los resultados de la autocalibración. Las placas de
bolas o agujeros son mejores que un patrón unidimensional para una completa evaluación de errores:
requieren configurar menos posiciones y menos medidas por posición (más información por punto de
palpado). Son favorables las placas que se emparejan a cada una de las tres diferentes secciones
transversales del campo de medida de la MMC. De esta manera no es necesario cambiar de sitio la
placa para cubrir íntegramente las secciones transversales del campo de medida. Una sucesión
completa de Medidas usando placas "a juego" suponen aproximadamente ocho horas como valor típico,
en MMCs rápidas menos de tres horas. Los resultados son los errores paramétricos de la MMC como
18 expresiones analíticas o relaciones funcionales (p.ej. series de splines cúbicas) y tres constantes
(errores de perpendicularidad entre ejes).
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
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.
En principio esta técnica simplificada es aplicable a la determinación de los errores sistemáticos de

palpado y finalmente para la determinación de errores paramétricos. Reduciría la evaluación del error
a una mera comprobación de las desviaciones típicas (los rangos o los valores máximos) de los errores
paramétricos (p.ej. por el método de la placa de bolas durante la evaluación de la escala completa y
por el método del cubo durante los controles de estabilidad en el seno de un intervalo). Esta
aproximación tiene sentido particularmente si las desviaciones son pequeñas (p.ej. debidas a residuos
de correcciones numéricas del tipo de las aplicadas por el fabricante).
Contribuciones a la incertidumbre habitualmente evaluadas mediante estimación tipo B (o

mediante técnicas no estadísticas)
En la práctica, no resulta eficiente la determinación de todas las contribuciones a la incertidumbre por

medida y posterior descripción estadística, por lo menos no con un esfuerzo razonable. Particularmente
esto ocurre para la incertidumbre de la evaluación y la estabilidad de los errores E1 - E4. De este modo
normalmente se estiman conforme a la experiencia las siguientes contribuciones a la incertidumbre de
medida:
E5 Incertidumbres de las evaluaciones de los errores sistemáticos individuales (incluso aquellos

de errores de sonda y de errores paramétricos), particularmente se tienen en cuenta las
incertidumbres de los valores de la calibración de los artefactos (placa de bolas y esfera de
referencia).
E6 Variaciones a largo plazo de los errores sistemáticos individuales.
E7 Influencias de la temperatura en los errores sistemáticos individuales.
E8 Disconformidades del modelo en forma de independencias de los errores paramétricos

sistemáticos de la posición de más de un eje de movimiento (p.ej.: llamados errores
elásticos) la disconformidad se expresa cuantitativamente como contribuciones adicionales
a las incertidumbres de los errores paramétricos.
E9 Efectos direccionales del sistema de palpado.
Se debe hacer hincapié en que E5 - E9 no son contribuciones aleatorias a la incertidumbre, sino

contribuciones sistemáticas desconocidas. Se aproximan como constantes en caso de errores
2.27
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.
Estabilidad de las contribuciones a la incertidumbre medidas / evaluadas
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
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.
Análisis por simulación 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.
Introducción de las correcciones por modelo.
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.
Introducción de las Influencias Aleatorias
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
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.
Introducción de influencias sistemáticas pero desconocidas
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.
Puesto de manifiesto el elevado consumo de tiempo en la repetición de simulaciones, particularmente

para medidas complejas, se ha desarrollado una forma abreviada de cálculo: en lugar de variar las
amplitudes de las influencias siguiendo una distribución Gaussiana, esta distribución se aproxima (¡sólo
para las influencias sistemáticas estimadas!) por sólo dos valores posibles: un valor correspondiente a
+s y el valor correspondiente a -s. Además, el número de variaciones es predeterminado. Normalmente
se calculan 32 (treinta y dos) combinaciones diferentes de influencias, cada una asumiendo valores de
amplitud que corresponden a +s o -s. La valoración estadística o interpretación estadística de este
resultado se ejecuta de un modo análogo al descrito anteriormente, es referido en ocasiones como
‘error budgeting’ balance de contribuciones de error (en un sentido diferente al aportado por la GUM).
2.30
2.3.4.- Comprobación por el usuario del funcionamiento correcto de la MMC
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.
Contendrán los rasgos:
3D (esfera o cilindro); longitud; líneas rectas; ángulo (aproximadamente 90º); 2D (plano).
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.
Deberán tomar en consideración:
* Cuantificar los errores de geometría en la MMC.
* Evidenciar los errores del sistema de detección o palpado.
* El método y facilidad de calibración de la precisión e incertidumbre del artefacto.
* Dimensiones y graduaciones, disponibles y requeridas.
* Fabricación y precio.
* Manipulación (peso, volumen, portabilidad, limpieza y conservación, consistencia).
* Influencia de condiciones externas y de medida, estabilidad.
* Tiempos de instalación.
2.3.5.- Artefactos utilizados en los métodos de análisis de error en MMCs
2.3.5.a) Bloques patrón y patrón de pasos
Consisten en baterías de bloques patrón de distintas longitudes nominales (p.ej. 5) en diferentes

posiciones y orientaciones (p.ej. 7) dentro del volumen de medida. Cada longitud es medida tres veces
en cada posición.
El patrón de pasos se comercializa como una barra en cuyo seno se disponen zonas de palpado
paralelas y equiespaciadas con características certificadas.
2.3.5.b) Medidas circulares: discos o anillos patrón
Se trata de la medición de patrones de circularidad o redondez. El artefacto es medido con palpado de

al menos 30 puntos (o por scanning) en al menos dos posiciones diferentes. Este criterio soporta su
extensión al uso de configuraciones con múltiples anillos agrupados en barras o placas.
2.31
2.3.5.c) Barras emboladas
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 )
Figura 2.16 Sistema Renishaw - MCG
2.3.5.d) Placas de bolas o huecos
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
Figura 2.17 Esquema de placa de huecos
2.3.5.e) Estructuras espaciales 3D
Se recogen a continuación algunos de los artefactos tridimensionales detectados, no siendo exhaustiva

la recopilación, se ha pretendido el carácter ilustrativo de las alternativas incluidas. Se refieren por el
nombre del autor de la publicación en que ha sido detectado el artefacto o metodología.
Lotze: ensayos tridimensionales con galgas.
Figura 2.18 Configuraciones de galgas recogidas por la VDI / VDE 2617

Schusssler: cuboide con cinco caras accesibles, cada una con 38 alojamientos cilíndricos de 12mm
de diámetro y buen acabado superficial. Se determinarían los centros de circunferencias evaluadas a
un nivel seleccionado y la descripción se haría recurriendo a las líneas entre puntos.
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.
Figura 2.19 PESA - 1

Jouy: artefacto triangular con esferas en los vértices.
2.33
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.
Belforte: esferas dispuestas en un soporte de acero en terrazas o pirámide truncada.
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
BLOQUES PATRÓN MEDIDAS CIRCULARES BARRAS PLATOS DE BOLAS /

EMBOLADAS HUECOS
certificación ±0.3μm / 1000 mm; NC: ±0.3μm / ∅500 mm; NC: no se certifica ±0.5μm / ∅600 mm
95% 95%
esfuerzo de medio medio no requerido alto
certificación
error de forma ISO 3650 afecta al ±0.15μm en redondez esfericidad < 0.2 a esfericidad / redondez <
paralelismo de caras 0.5μm 0.2μm a 0.5μm
detección de polvo y media media mala, mejora con la verificación del error de
suciedad forma
longitud mínima 1 mm + día. palpador 1 mm + día. palpador 40 mm entre 40 mm entre centros
centros
longitud máxima 1000 mm en galgas 700 mm 700 mm 700 mm
2500 mm patrón de
pasos
espaciado de los mínimo de 5 longitudes cualquiera dependiendo cualquiera para un plato 3 x 3 serían
puntos de prueba del circulo a medir dependiendo del 11 distancias
plan de ubicación independientes
ubicación aleatoria sí
múltiple redundancia mediante prorrateo de errores de forma y errores de forma mediante prorrateo de
diferencias de longitud mediante prorrateo de cambiando los diferencias de longitud
entre X-Y-Z diferencias de longitud puntos de contacto entre X-Y-Z
entre X-Y-Z
portabilidad media buena muy buena regular
manejabilidad media buena buena media
mantenimiento medio en galgas medio en exteriores bueno regular
disponibilidad buena en galgas buena muy buena, auto- muy mala, no hay
mala para patrones de fabricación fabricantes
paso
coste medio para galgas medio muy bien, puede muy mal
alto en patrones de elegirse
pasos
2.34
Tabla 2.4 Capacidad de detección de errores geométricos

BLOQUES MEDIDAS BARRAS PLATOS DE BOLAS /
PATRÓN CIRCULARES EMBOLADAS HUECOS
SÍ SÍ SÍ SÍ
error de escala mediante medidas diámetros paralelos a medidas adicionales medidas de distancias
paralelas a los ejes los ejes paralelas a los ejes alineadas con los ejes
SÍ
SÍ
SÍ aparecen como error SÍ
errores de rectitud medidas a 45º , o
medidas a 45º de forma de orden medidas a 45º
error de forma
superior
errores de actitud SÍ
(picado y guiñada) mediante medidas de longitud paralelas a los ejes con diferentes desplazamientos de Abbe
SÍ SÍ
errores de SÍ SÍ
medidas de diámetros medidas a ±45º o de
perpendicularidad medidas a ±45º medidas a ±45º
a ±45º diámetros a ±45º
SÍ
SÍ aparece como error de
SÍ SÍ
medidas a ±45º forma de orden
medidas a ±45º medidas a ±45º respecto
error de balance respecto a los ejes superior o como
respecto a los ejes y a los ejes y
y dependencia del error
de perpendicularidad
con distintos desplazamientos de Abbe
SÍ
SÍ SÍ
aparece como un
mediante aparece como un error
error periódico Parcialmente debido al
periodicidad en los errores espaciados periódico modulado
modulado para un espaciado uniforme
asimétrico de las para un número alto de
número alto de
longitudes puntos
puntos
errores locales NO NO, salvo scanning NO NO
SÍ, recurriendo al SÍ, recurriendo al error de
SÍ. con palpado
histéresis SÍ error de forma de las forma de las esferas
bidireccional
esferas calibradas calibradas
Tabla 2.5 Capacidad de detección de errores en el sistema palpador

MEDIDAS BARRAS PLATOS DE BOLAS /
BLOQUES PATRÓN
CIRCULARES EMBOLADAS HUECOS
componentes regulares
SÍ SÍ
(armónicos pares)
componentes irregulares NO
NO SÍ
(armónicos impares) salvo empleo de esferas calibradas y medidas de
SÍ forma
histéresis midiendo SÍ
bidireccionalmente
Tabla 2.6 Requisitos de operación

BLOQUES MEDIDAS BARRAS PLATOS DE BOLAS /
PATRÓN CIRCULARES EMBOLADAS HUECOS
ubicar la placa, alineada
ubicar 5 galgas o ubicar un soportar la barra de con un plano de
instalación
un patrón de pasos dispositivo circular modo estable coordenadas resulta
complicado
tiempo de medida para
medio medio medio alto
cada posición del artefacto
número de posiciones
requeridas para la 20 posiciones para
20 posiciones 7 posiciones 4 posiciones
determinación de todos barra libre
los errores
tiempo total medio bueno medio bueno
2.35
2.3.5.f) Otras configuraciones
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.
2.3.6.- Influencia de la temperatura
El tratamiento de la influencia de la temperatura, ha sido tradicionalmente poco abordado, posiblemente

por la priorización de otros efectos preliminares vinculados a los aspectos mecánicos.
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.
2.3.7.- Referencias para la verificación de MMCs
En este apartado se ha recurrido específicamente a las normas referidas a continuación con especial
atención a las fechas de edición.
* Pruebas de aceptación y autoverificación:
Véase el Capítulo 3 en relación con el estado normativo actual.
ISO 10360 - 2 Coordinate Metrology, Part 2. Performance Assessment of Coordinate Measuring

Machines. International Organization for Standardization. 1994. (Edición 2000).
VDI/VDE 2617, Accuracy of Coordinate Measuring Machines Characteristics (Parameters) and their
Checking.
2.36
ONORM M 1385, Koordinatenmesstechnik, Methode zur Nachprufung von Koordinatenmesgeraten.

1989
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.
A modo de resumen se incluye la Tabla 2.7.
Tabla 2.7 Referencias normativas en relación a la verificación de prestaciones

PARAMETROS Normas para la verificación de prestaciones en MMC
B89.1.12M 2617 B 7440
ISO 10360-2 ANSÍ/ASME VDI/VDE JIS
tarea de medida longitud varias longitud varias
longitudes del ensayo 5 según tipo de MMC 5 5
Repeticiones 3 1 10 5
Intervalo de confianza 100% 100% 100% 95%
Repetibilidad no si no no
bloques patrón bloques patrón bloques patrón bloques patrón
Artefacto
galgas de pasos galgas de pasos galgas de pasos galgas de pasos
Posiciones 7 20-30 7 5
Desviación térmica no si no si
Test de sonda si si opcional no
2.3.8.- Terminología previa a ISO 10360 Parte – 1 de 2000
Acreditación: reconocimiento formal a un laboratorio de calibración de su competencia para el desarrollo

de calibraciones especificadas en la acreditación.
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.
Errores de palpado: errores imputables a la interacción entre el sistema detector de presencia y el

mesurando, en las diversas condiciones de medida. El error aparente de forma es habitualmente
considerado como error de palpado (probing errors).
2.37
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).
Errores geométricos (21): desviaciones de la geometría ideal en el desplazamiento del cabezal de la

MMC, debidos a la imperfección mecánica de los componentes del sistema. Serian: posición (3),
balance, picado y guiñada sobre cada eje y de perpendicularidad entre los tres ejes.
Indicación de la MMC: el valor del mesurando proporcionado por la MMC.
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).
Máquina Virtual de Medición por Coordenadas (MVMC): realización de un procedimiento para la

evaluación de los errores de indicación de una MMC mediante el desarrollo de un modelo matemático
para los errores introducidos por la MMC y su propagación tanto mecánica como de software. (VCMM).
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.
Redundancia múltiple: medida reiterada de un mismo mesurando en distintos emplazamientos y

orientaciones, al objeto de lograr la cancelación de algunas fuentes de error y evidenciar errores
asociados a las componentes de máquina (reversal method).
Verificación de especificaciones de la MMC: o test de aceptación, es el conjunto de operaciones

destinadas a evidenciar al usuario por parte del fabricante, y de mutuo acuerdo, las prestaciones
enunciadas por el fabricante. No aseguran trazabilidad. Existen normas internacionales comúnmente
aceptadas.
2.38
Capítulo 3 Situación Normativa
CAPÍTULO 3 SITUACIÓN NORMATIVA
3.1.- MARCO NORMATIVO GENERAL
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 3:2011 Guidelines for achieving agreements on measurement uncertainty statements.
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 Part 5:2014 Uncertainty in testing indicating measuring instruments.
3.1
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.
o Part 2: (ISO/TS 14253-2:1999) Guide to the estimation of uncertainty in GPS measurement, in

o Part 3: (ISO/PRF TS 14253-3) Guidelines for achieving agreements on measurement

uncertainty statements.
ISO/TS 17450 Geometrical product specifications (GPS) -- General concepts –
• Part 1: (ISO/TS 17450-1) Model for geometric specification and verification.
• Part 2: (ISO/PRF TS 17450-2) Basic tenets, specifications, operators and uncertainties.
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 –
• Part 1: ISO/CD 16610-1 Basic terminology
• Part 2: ISO/CD 16610-2 Basic concepts of linear profile titles
• Part 3: ISO/CD 16610-3 Spline filters
• Part 4: ISO/CD 16610-4 Spline wavelets
• Part 5: ISO/CD 16610-5 Basic concepts of morphological operations and filters
• Part 6: ISO/CD 16610-6 Morphological operations and filters
• Part 7: ISO/CD 16610-7 Morphological scale space techniques
• Part 8: ISO/CD 16610-8 Robust spline filters
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
Introduce el concepto de intervalos de confirmación metrológica (temporales o períodos); cabe

entender, de la necesidad de un procedimiento de seguimiento del estado de conformidad (tal sería un
procedimiento de control estadístico).
Particularmente, la ejecución de reparaciones, ajustes o modificaciones (de un equipo de medición no

conforme), debe promover la revisión del intervalo de confirmación metrológica, en aras de su misión
de pronóstico del mantenimiento de condiciones adecuadas.
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.
La incertidumbre y trazabilidad se derivan de las consideraciones de la GUM.
3.2.- NORMATIVA ESPECÍFICA EN METROLOGIA POR COORDENADAS
Comenzando por las normas de mayor antigüedad, citar (Tabla 3.1):
 VDI/VDE 2617, Accuracy of coordinate Measuring Machines Characteristics (Parameters) and

their Checking.
o Part 1.- Generalities 1986
o Part 2.- Measurement Task Specific Measurement Uncertainty 1986
o Part 3.- Components of Measurement Deviation of the Machine 1989
o Part 4.- Rotary Tables on Coordinate Measuring Machines 1989
o Part 5.- Uberwachung durch Prufkorper 1991
 ONORM M 1385, Koordinatenmesstechnik, Methode zur Nachprufung von

Koordinatenmesgeraten. 1989
 ANSI/ASME B89.1.12M. Methods for Performance Evaluation of Coordinate Measuring

Machines. The American Society for Mechanical Engineering. 1989.
 CMMA: Accuracy specifications for CMM. Coordinate Measuring Machine Manufacturers

Association, London (GB). 1989.
 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
 La referencia “Calibración de medidoras por coordenadas. Criterios de trazabilidad”. NT-15

Revisión 3 Diciembre 2012. Es el documento técnico de referencia en el procedimiento de
acreditación conforme a UNE EN ISO IEC 17025, aplicado por la Entidad Nacional de Acreditación
(ENAC).
 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 1:2000 Vocabulary
Part 2:2009 CMMs used for measuring linear dimensions
Part 3:2000 CMMs with the axis of a rotary table as the fourth axis
Part 4:2000 CMMs used in scanning measuring mode
Part 5:2010 CMMs using single and multiple stylus contacting probing systems
Part 6:2001 Estimation of errors in computing Gaussian associated features
Part 7:2011 CMMs equipped with imaging probing systems
Part 8:2013 CMMs with optical distance sensors
Part 9:2013 CMMs with multiple 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 –
Part 1:2013 Overview and metrological characteristics
3.4
Part 4:2008 Evaluating task-specific measurement uncertainty using simulation
Part 3:2011 Use of calibrated workpieces or measurement standards.
Y los documentos relacionados:
• ISO/CD 15530-1:99 GPS. Traceability of coordinate measuring machines. Substitution method.
• ISO/CD 15530-2:99 GPS. Traceability of coordinate measuring machines. Substitution method.
• ISO/DTS 15530-3:00 (GPS) – Coordinate measuring machines (CMM): Techniques for

determining the uncertainty of measurement – Part 3: Uncertainty assessment using calibrated
workpieces"
• ISO/WD 15530-4:00 GPS. Techniques for Determining the Uncertainty of Measurement in

coordinate Metrology - Part 4: Experimental Uncertainty Assessment for the Substitution
Method using calibrated Objects.
• ISO/WD 15530-5:00 GPS. Techniques for Determining the Uncertainty of Measurement in

coordinate Metrology - Part 5: Experimental Uncertainty Assessment for Direct Measurement
using calibrated Objects.
• 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.
3.2.1.- Términos y definiciones introducidas por ISO 10360
La Parte 1: Vocabulario – de la norma ISO 10360, establece un vocabulario orientado al ámbito

específico de las máquinas de medición por coordenadas (MMC), y sus ensayos de aceptación y de
verificación periódica. En el presente documento se aplicarán las definiciones recogidas por esta norma
y parte (en cuya traducción al español, el doctorando ha tenido una muy directa implicación).
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).
Al definir MMC como sistema de medición, se complica el uso de la denominación:
» La definición apunta a contemplar dentro de la denominación tanto los elementos físicos como
los de cálculo e intangibles.
» Es común a los usuarios identificar por MMC los elementos tangibles.
» Frecuentemente en el uso se hace distinción del sistema de palpado.
3.5
» Al ser la MMC reconfigurable en estructura, software o procedimientos, no parece adecuado

referir como sistema sin alcanzar a todos los elementos.
Desplazar un sistema de palpado excluye aquellos sistemas sin desplazamiento en el sistema de

captación de pieza.
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:
VIM 4.3 intervalo de indicaciones
conjunto de valores comprendido entre las dos indicaciones extremas.
VIM 4.7 intervalo de medida
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.
NOTA 1 En ciertas magnitudes, se utilizan los términos ”rango de medida” o “campo de

medida”.
NOTA 2 No debe confundirse el límite inferior de un intervalo de medida con el límite

de detección de dicho instrumento.
Sistema de coordenadas de la máquina: sistema de coordenadas fijo respecto a ejes físicos o

calculados de una MMC (2.5 ISO 10360-1).
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
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.
La materialización de tales sistemas de referencia (para la expresión de coordenadas) es una dificultad

inherente a su uso.
La reproducibilidad y estabilidad en la determinación de estos sistemas de referencia afectará a las

prestaciones del sistema; las posiciones: real e indicada por la máquina, estarán sometidas a
incertidumbre, y su correspondencia es el objeto de esta serie.
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).
(2.12 ISO 10360-1) punto medido indicado.
(2.13 ISO 10360-1) punto medido corregido.
Figura 3.1 Puntos característicos del palpado
3.7
Debe notarse (a la vista de las definiciones) la confusión que se establece entre:
punto / coordenadas / medida / indicación
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 2.9 resultado de medida: conjunto de valores de una magnitud atribuidos a un

mensurando, acompañados de cualquier otra información relevante disponible.
VIM 2.10 valor medido (de una magnitud): valor de una magnitud que representa un resultado
de medida.
VIM 4.1 indicación: valor proporcionado por un instrumento o sistema de medida.
…y ponerse en cuestión la definición del mensurando.
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).
Patrón materializado de dimensión: Concreta la definición anterior para la materialización de

distancia. (8.2 ISO 10360-1).
Ha de evocarse el epígrafe, 5 Patrones de medida, del Vocabulario Internacional de Metrología (VIM).
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
Error de indicación de una MMC en medición dimensional E: Error imputable a la indicación de la

MMC en relación con la tarea de medición de distancia conforme a las dos situaciones diferenciadas
por la norma. (9.1 ISO 10360-1).
Figura 3.2 Medición de distancia

Mejoraría la expresión indicándose por “medida de distancia” entre extremos y no por medición
dimensional (que genera confusión con magnitud dimensional).
Traer a colación los Errores de referencia de VDI/VDE de la Figura 3.3.
Figura 3.3 Errores de referencia de VDI/VDE

En su Anexo A la norma afronta una revisión de las arquitecturas existentes en relación con las MMC.
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.
Avanzando en el texto de la norma, se recogen definiciones aclaratorias en alusión a las esferas de

referencia, concretamente el concepto de patrón dimensional definido como aquel que materializa una
determinada característica dimensional.
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.
(9.1) error de indicación de una MMC en medición dimensional, E
(9.2) error máximo permisible de indicación de una MMC en medición dimensional, MPEE
(9.5) error radial según cuatro ejes, FR
(9.8) error máximo permisible radial según cuatro ejes, MPEFR
(9.6) error tangencial según cuatro ejes, FT
(9.9) error máximo permisible tangencial según cuatro ejes, MPEFT
(9.7) error axial según cuatro ejes, FA
(9.10) error máximo permisible axial según cuatro ejes, MPEFA

3.9
Errores de palpado y palpadores
(9.3) error de palpado, P
(9.4) error máximo permisible de palpado, MPEP
(9.11) error de palpado en modo scanning (palpado continuo), Tij
(9.12) error máximo permisible de palpado en modo scanning (palpado continuo), MPETij
(9.13) duración de la prueba en modo scanning (continuo),
(9.14) duración máxima permisible para la prueba en modo scanning (continuo), MPT
(9.15) error de forma de un sistema de múltiples palpadores fijos, MF
(9.18) error máximo permisible de forma de un sistema de múltiples palpadores fijos, MPEMF
(9.16) error de dimensión de un sistema de múltiples palpadores fijos, MS
(9.19) error máximo permisible de dimensión de un sistema de múltiples palpadores fijos, MPEMS
(9.17) error de posición de un sistema de múltiples palpadores fijos, ML
(9.20) error máximo permisible de posición de un sistema de múltiples palpadores fijos, MPEML
(9.21) error de forma de un sistema de palpado articulado, AF
(9.24) error máximo permisible de forma de un sistema de palpado articulado, MPEAF
(9.22) error de dimensión de un sistema de palpado articulado, AS
(9.25) error máximo permisible de dimensión de un sistema de palpado articulado, MPEAS
(9.23) error de posición de un sistema de palpado articulado, AL
(9.26) error máximo permisible de posición de un sistema de palpado articulado, MPEAL
Tabla 3.2 Notación para errores de palpado

FR / MPEFR Error radial según cuatro ejes
FT / MPEFT Error tangencial según cuatro ejes
FA / MPEFA Error axial según cuatro ejes
errores de palpado continuo Recorrido pre-definido Recorrido No pre-definido
Alta densidad de puntos THP / MPETHP THN / MPETHN
Baja densidad de puntos TLP / MPETLP TLN / MPETLN
τ / MPEτ Duración de la prueba de palpado continuo
MF / MPEMF Error de forma de una sistema de palpadores múltiples fijos.
MS / MPEMS Error de forma de una sistema de palpadores múltiples fijos.
ML / MPEML Error de dimensión de una sistema de palpadores múltiples fijos.
AF / MPEAF Error de posición de un sistema de palpado articulado / orientable
AS / MPEAS Error de dimensión de un sistema de palpado articulado / orientable
AL / MPEAL Error de posición de un sistema de palpado articulado / orientable
3.10
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
Figura 3.4 Error de palpado

Parametrización de un elemento: Parámetros definitorios de una característica geométrica en su
declaración matemática o formalismo (11.1 ISO 10360-1).
Conjunto de datos de referencia: conjunto de valores numéricos de datos que se aplican a la

validación de las rutinas de cálculo en la determinación de los elementos gaussianos asociados. (11.2
ISO 10360-1).
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).
Parametrización de referencia: es el modelo matemático o formal de la característica geométrica

propuesto por la entidad de ensayo para la validación, en relación con las definiciones anteriores. (11.4
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 referencia: pretende caracterizar el conjunto de valores de residuo para un conjunto de

datos de referencia en relación con una valoración (11.5 ISO 10360-1).
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.
Los aspectos de validación de software inciden directamente en las consideraciones defendidas en la

tesis, especialmente en el argumento de ruptura entre: el sistema de captación de coordenadas u
obtención de las indicaciones de medida a nivel de coordenadas, y el posterior proceso de cálculo de
las características asociadas a las piezas medidas, que conducirá a la indicación y resultado de
medición para esas características asociadas.
3.11
3.2.2.- MMC utilizadas para medida de distancias
La Parte 2 de ISO 10360 declara como objetivos técnicos aquellos vinculados a la descripción de los
ensayos de aceptación y verificación periódica:
 Ensayar el error de indicación en la medida de distancias.
 Ensayar la repetibilidad en medición, para la medida de una distancia.
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.”
Es asumible, a juicio de este doctorando, la aportación de información, mas no la pretensión de

trazabilidad (a falta de matizarse el alcance del indefinido carácter directo o no de la misma). En el rigor
de expresión, no debería apelarse al metro, y aclararse qué se considera 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).
En el estado de ISO 10360-2:2001 se contemplaban aspectos no incluidos en esta edición. Alguna

definición para el ensayo con brazo único (ISO/PAS 12868) y matices referidos al ensayo sobre el error
de palpado. Este aportaba como objetivo la evaluación del error 3D de palpado, siendo complemento
al ensayo del error de indicación para las medidas dimensionales. Dado que este último, indicaba la
norma, solo involucra bidimensionalmente al sistema de palpado. Siendo un hecho aceptable, que no
es posible aislar completamente los errores de palpado de otras fuentes de error de la máquina, los
resultados de medición en este ensayo, estarán afectados por ciertos errores de medición inherentes
a otros elementos del sistema de medición de la MMC (de origen estático y dinámico).
En la Parte 3 de la norma ISO 10360 se continua aportando definiciones, en la intención de clarificar

interpretaciones de uso de las aportadas en la Parte 1.
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.
Definición que se sustenta en las anticipadas
error en la medida de longitud, EL : error de indicación en la medida de la longitud del ensayo de

calibración utilizando una MMC con una desviación en la punta del palpador del eje del cabezal de L,
3.12
utilizando un único punto de palpado (o equivalente) en cada extremo de la longitud de ensayo

calibrada. (3.4 ISO10360-2),
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).
Adicionalmente introduce denominaciones adicionales de rango de repetibilidad y máximo límite

permitido en el rango de repetibilidad.
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.
 La ejecución de ensayos de aceptación, que serán efectuados según las especificaciones

y los procedimientos del fabricante.
 La ejecución de ensayos de verificación periódica para demostrar los requisitos

establecidos, que serán efectuados según las especificaciones del usuario y conforme a
los procedimientos de uso del fabricante.
 Las reglas para probar la conformidad.
 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
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:
 Un punto en el polo (definido por la dirección de la columna del palpador) de la esfera de

ensayo.
 Cuatro puntos (equitativamente repartidos) a 22.5 º por debajo del polo.
 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.
Criterios de aceptación del ajuste de la MMC3D (Basados en ISO-10360-2)
Ajuste del palpador
• Utilizar un(os) palpador(es) diferente(s) del(os) empleado(s) en las pruebas de ajuste.

• Habilitar el palpador conforme al procedimiento estándar definido por el fabricante.
3.14
• Palpar 25 puntos de una semiesfera elegida de la esfera de habilitación de palpador, calculando el

centro de esfera y el radio.
• Se considera aceptable si el rango de valores para el radio de las 25 lecturas (rmax-rmin) es
compatible con las especificaciones del fabricante para el radio de la esfera de habilitación.
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).
Longitud mayor de al menos el 66% de la diagonal espacial mayor.
Longitud menor inferior a 30 mm
• 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.
Retomando consideraciones generales de la norma, utilizar como patrón materializado de dimensión,

una galga escalonada o una serie de galgas conformes a la ISO 3650, siendo el tamaño mayor al
menos el 66 % de la diagonal espacial más larga del volumen de medición de la MMC, y de tal modo
que el tamaño menor sea inferior a 30 mm.
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
decir un único palpado en cada ejecución) en cada extremo del patrón materializado de
dimensión.
 Si son necesarias medidas suplementarias para la alineación. Se recomienda que el

método de alineación utilizado sea el utilizado durante la calibración del patrón.
 Las incertidumbres debidas al método de alineación deben ser tenidas en cuenta en el

balance de incertidumbre para la prueba de conformidad o no-conformidad con las
especificaciones.
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.
Para los ensayos de aceptación y verificación periódica, se satisface el requisito de especificación

cuando:
 Los errores de medida de longitud medidos con longitud de desviación de punta de

palpador, L, es de 0 y 150 mm
 El rango de repetibilidad del error (R0).
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
La norma es considerada de aplicación en los siguientes casos:
 Situaciones de contrato entre un proveedor y un cliente en general: un contrato de

compraventa; un contrato de mantenimiento; un contrato de reparación; un contrato de
renovación, o un contrato de actualización, etc.
 Ensayos de verificación periódica. En el sistema de gestión de calidad interna de una

empresa.
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 placa de bolas.
 Una placa de agujeros.
 Una barra de bolas.
 Una barra de agujeros.
 Una barra que puede ser cinemáticamente posicionada entre una esfera de referencia fija y la
esfera del palpador de la MMC.
 Un patrón circular (por ejemplo un anillo patrón).
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.
3.2.3.- MMC con mesa giratoria como cuarto eje
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
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).
El método de validación recogido se fundamenta en determinar la variación de las coordenadas

medidas correspondientes a los centros de las dos esferas de ensayo, fijas sobre el plato giratorio,
comparando los resultados obtenidos con las especificaciones establecidas para los errores máximos
permitidos (MPEFR, MPEFT, MPEFA).
Cuando estas coordenadas, de centros de esfera, vienen expresadas en el sistema de referencia de la

pieza, deberán permanecer invariables ante giros del plato. La posición de cada uno de los centros se
representa en el sistema de coordenadas de la pieza vinculado al plato giratorio y consecuentemente
a la pieza, expresándose en coordenadas cartesianas de un sistema de referencia de origen en la
esfera B las direcciones perpendiculares: radial, tangencial y axial.
El procedimiento consistirá en la repetición de medidas de los centros de esfera, para distintas

posiciones angulares del plato giratorio (el texto de la norma recoge valores de rotación e indicaciones
en relación con ángulos cubiertos y sentido de giro, sin perjuicio de acuerdos específicos previos a la
ejecución del ensayo), calculándose separadamente para cada una de las esferas los errores de
indicación (FR, FT, FA) y los valores máximos y mínimos correspondientes a cada una de las tres
direcciones anteriormente señaladas.
Figura 3.5 Posiciones de las esferas de Figura 3.6 Volumen de desviaciones

ensayo sobre el plato giratorio
Como resultado del ensayo se obtiene un volumen de desviaciones o errores, cuya representación
esquemática se recoge en la Figura 3.6.
3.18
3.2.4.- MMC utilizadas en palpado continuo
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.
El Anexo B, Influencias de la Pieza, abunda en la consideración de las influencias reseñadas,

proponiendo pruebas adicionales ejecutables por el usuario de la MMC para caracterizar el
comportamiento de la MMC, la metodología propuesta se fundamenta en comparar los resultados de
una medición en modo continuo con los resultados de una medición con palpado punto a punto o
discreto sobre la misma pieza. Es especialmente importante que las pruebas incluyan el escaneado de
discontinuidades (por ejemplo, una esquina interior, en la que la dirección de palpado cambia
bruscamente) si este tipo de mediciones van a ejecutarse en la práctica.
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
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:
Esfera de ensayo, fabricada en acero (valdrá cerámica), con:
 Diámetro nominal de 25 mm
 Rugosidad de superficie, Ra, no mayor de 0.05 μm
 Dureza no inferior a HV 800.
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.
El procedimiento operativo de ejecución del ensayo, contempla la definición de cuatro planos de

exploración sobre la esfera de ensayo, véase Figura 3.7, donde:
 El plano de escaneado 1 es el plano de ecuador.

 Los planos de escaneado 1 y 2 son planos paralelos a 8 mm
 Los planos de escaneado 2, 3 y 4 son mutuamente perpendiculares.
 El plano de escaneado 3 va hacia el polo.
 El plano de escaneado 4 es un plano a 8 mm del polo.
 [ α ] es el ángulo entre el eje del vástago del palpador y el eje del cabezal de máquina. Se
recomienda un valor aproximado para α de 45º.
 El polo y el ecuador de la esfera de ensayo vienen definidos por el eje del vástago del palpador.
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
Figura 3.7 Planos de exploración sobre la esfera de ensayo
3.20
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).
Y consecuentemente se considerará satisfecha la especificación cuando:
 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.
 La diferencia en máximo absoluto entre cualquier distancia radial individual calculada, R, y el

radio de la esfera de ensayo (teniendo en cuenta la incertidumbre de medida) no sea mayor que
el MPETij .
 El tiempo empleado en el ensayo de escaneado, τ (teniendo en cuenta la incertidumbre de la

medida) no sea superior al tiempo máximo de escaneado permitido, MPTτ.
Finalmente, recomienda la norma, la ejecución de ensayos periódicos de control en modo continuo.

Recurriendo para ello a medir las dimensiones características de los patrones materializados, además
de una esfera de ensayo. Tomando indicaciones inmediatamente después del ensayo de verificación
periódica en: posición y orientación de los artefactos que se deberían reproducir para los controles
sucesivos.
3.21
3.2.5.- MMC con sistema de palpado de múltiples palpadores
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.
Es conveniente resaltar que la elección de la posición de la esfera de ensayo en el volumen de medición

puede afectar de forma significativa al resultado del ensayo.
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.
3.2.6.- Errores en la determinación de elementos gaussianos asociados.
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
de tamaño, forma, posición y orientación. Estos parámetros se aplicarán posteriormente a la

determinación del grado en el cual la pieza satisface las especificaciones dimensionales y/o de posición.
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.
El ensayo definido en la Parte 6 de ISO 10360 concierne a la evaluación de la exactitud de los

parámetros de características asociadas calculadas a partir de coordenadas medidas por una máquina
de medición por coordenadas (MMC) u otro sistema de medición por coordenadas (si bien se
fundamenta en los sistemas cartesianos tridimensionales). Aun, cuando la norma contempla la
posibilidad de emplear distintos criterios para calcular características asociadas (por ejemplo, minimizar
la norma euclidea o de Chebyshev de residuos), el ensayo se promulga aplicable a software diseñado
para el ajuste de características gaussianas por mínimos cuadrados.
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:
 Generalizada indisponibilidad de los sistemas software actuales para la captación y proceso de

datos por introducción directa al sistema de proceso.
 Falta de intención constatada en los fabricantes de MMCs y específicamente en

desarrolladores de software, a la apertura de la accesibilidad necesaria para la ejecución de
estas tareas de contraste o ensayo de prestaciones; las razones aducidas residen en la
protección de su producto y la potencial diferencia residente en su control de acceso, aún en
términos de caja negra, y la amenaza a la integridad de su producto que representaría la
3.23
posibilidad de que, un buen software, se viese segregado de la arquitectura de adquisición de

coordenadas, viéndose sustituido por otra arquitectura de la competencia.
 La norma no especifica el punto de la cadena de proceso de datos en la cual se aplica el ensayo

de software, es conocido que se aplican correcciones por software a las indicaciones brutas de
los sistemas de medición internos. A juicio del doctorando, debería normarse que el ensayo de
software debe ser efectuado para los valores de las coordenadas indicadas tras las
correcciones de ajuste. Quedando así estas correcciones incorporadas en el ensayo de
calibración del sistema de adquisición de coordenadas, atendiendo a que estas correcciones
son modificadas durante el mantenimiento y ensayo de ajuste.
 No recoge la norma específica de MMCs referencias al uso de bases de datos de referencia

divulgadas que puedan servir como patrones para software; la utilización de software patrón
para la calibración de datos y resultados de referencia reside en los organismos nacionales,
así como los criterios para la intercomparación en materia de software, o en su caso, datos y
resultados de referencia. Deben referirse los esfuerzos que en su momento representó el V
Programa Marco de la Unión Europea en línea con la constitución de este tipo de desarrollos.
 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.
3.2.7.- ISO 15530
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
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.
Al tratarse de una descripción experimental resulta de aplicación sencilla, y proporciona estimaciones

realistas de las incertidumbres de medida. El método permite la evaluación de la incertidumbre de
medida para tareas relacionadas prácticamente con cualquier tarea de medida. Las limitaciones del
método expuesto se presentan por las dificultades derivadas de las múltiples orientaciones posibles de
la pieza en la MMC y en ocasiones por la dificultad en la delimitación de que variaciones susceptibles
de ensayo, realmente afectaran al proceso de medición implantado.
Se recogen además consideraciones relativas a:
- Los requisitos del procedimiento de evaluación de la incertidumbre.
- Los medios requeridos.
- La evaluación de la incertidumbre en tareas relacionadas.
- La reverificación y la verificación periódica.
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.
La evaluación de la incertidumbre según esta norma no es de aplicación directa a tolerancias (en el

sentido establecido por ISO 1101), por ejemplo en relación a tolerancias de posición, perpendicularidad,
paralelismo, coaxialidad, y concentricidad. En lugar de evaluar la incertidumbre de las evaluaciones de
cumplimiento de tolerancias, la incertidumbre obtenida para las posiciones y ángulos así como la
incertidumbre de las desviaciones de forma han de ser aseguradas por otros medios en su relación con
estas tolerancias.
3.25
3.2.7.a) Requisitos para la evaluación de la incertidumbre recogidos por ISO CD 15530
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.
Así el método refería inicialmente:
• El aseguramiento de la incertidumbre se establezca para cada tarea de medida y cada MMC

individualmente.
• 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).
• El procedimiento de medición para la evaluación de incertidumbre y el de la medida real, han

de ser idénticos (con excepción de las modificaciones deliberadamente introducidas en la
norma, específicas del procedimiento de evaluación experimental de la incertidumbre).
• Las condiciones ambientales durante la evaluación de la incertidumbre y la medida real han de

ser equivalentes. En particular, la evaluación de la incertidumbre cubrirá el rango de
temperatura que prevalecerá durante la medida real; en caso contrario deberán introducirse en
el balance de incertidumbre las contribuciones por corrección de temperatura o por su variación
durante el ensayo de medición.
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)
3.2.7.b) Fundamentos de la evaluación de la incertidumbre por utilización de artefactos no calibrados.
En ISO 15530-3:2011 la evaluación experimental de la incertidumbre es un conjunto de mediciones

sucesivas, ejecutadas básicamente de un modo similar y bajo condiciones similares al de las medidas
reales. A diferencia de la medición real, estas medidas se llevan a cabo repetidas veces, variando la
estrategia de medición y la colocación de la pieza. Las variaciones en los resultados así obtenidos, se
usan para estimar la incertidumbre de las tareas relacionadas de medición, por la contribución de los
factores de influencia acaecidos durante las sucesivas repeticiones del ensayo de determinación
experimental. Con ello las contribuciones a la incertidumbre de medida cubiertas por esta metodología
experimental serian inicialmente aquellas referidas a:
 Contribuciones de las características metrológicas de la MMC.
 Contribuciones debidas a la estrategia de medición.
 Contribuciones debidas a las características de la pieza.
3.26
Por su parte:
 El error por factor de escala global.
 Un potencial error sistemático del diámetro efectivo de la punta del palpador.
 La incertidumbre de errores de forma medidos.
Deben estos ser evaluados separadamente y combinados con el resultado de la determinación

experimental de contribuciones a la incertidumbre.
Normalmente se incluyen en la evaluación experimental de la incertidumbre los efectos debidos a

condiciones ambientales. Si éste no es el caso (p.ej.: debido a cambios en estas condiciones que no
han sido cubiertos por los experimentos) entonces se requiere una evaluación por separado.
Sí se contemplan contribuciones debidas a variaciones en la pieza medida (desviaciones por cambios

en la forma, coeficiente de la dilatación y rugosidad), estas tienen que ser evaluadas experimentalmente
y combinadas con las otras contribuciones, conforme al análisis presentado más adelante.
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
Para la evaluación experimental de la incertidumbre en una MMC utilizando un artefacto no calibrado,

la norma indica como requerimientos de equipo:
 Por lo menos un artefacto, similar a la pieza que realmente se habrá de medir.
 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
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.
Se define la diferencia por: Δ10= y1- y0
La estrategia M1 sirve para evaluar la influencia de la distribución y número de puntos, empleados en

el muestreo. Esto explica por qué se debe usar en el ensayo una red de puntos mucho más densa.
Estrategia M2 : Medidas subsecuentes de la pieza con diferentes parámetros en el proceso de palpado;

se presentan diferentes casos elementales o subestrategias:
 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'' .
Se definen las diferencias: Δ2'0= y2'- yo Δ2''0= y2''- yo
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
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.
uworkpiece : (umensurando) incertidumbre típica resultante de variaciones en el material, estructura de la

superficie y otros comportamientos (debidos a la variación del coeficiente de dilatación, errores de
forma, rugosidad, elasticidad y tenacidad).
3.2.7.c) Evaluación de la Incertidumbre de la medida por ISO 15530
En un certificado de calibración o informe de medida, el resultado de medida "y" y su incertidumbre

expandida "U", deben ser expresados en la forma "y ± U", donde U se determina con un factor de la
cobertura k = 2 para un nivel de cobertura de aproximadamente de probabilidad 95%, de conformidad
3.29
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.
Forma de elementos geométricos individuales.
La incertidumbre expandida de medida U de cualquier parámetro medido, se calculará a partir de estas

incertidumbres típicas y errores medios:
uvar ,uworkpiece ,utemp ,ugeoerr ,ustrategy ,Eform ,Eprobediam ,Escale, en el caso de dimensiones.
uvar ,uworkpiece ,ugeoerr ,ustrategy ,Eform , en el caso de forma.
uvar ,uworkpiece ,ugeoerr ,ustrategy , en el caso de ángulos.
La expresión matemática para calcular el valor de U, recurre a la hipótesis de independencia en las

contribuciones de tipo (u), que consecuentemente se suman cuadráticamente y son afectadas por un
factor de recubrimiento (k), mientras que las contribuciones de tipo (E) son supuestas fuertemente
correladas y se suman aritméticamente para proporcionar el valor de U.
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:
ustrategy= Δ10 × (1.5/ 12)
con: Δ10= y1- yo
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
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'
Evaluación del error medio por el factor de escala Escale
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.
Evaluación del error medio de forma Eform
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.
Evaluación de la incertidumbre utemp debida a cambios de la temperatura ambiente
La contribución a la incertidumbre utemp cubrirá la incertidumbre por el coeficiente de dilatación de las

reglas de la máquina y de la pieza, cuando se mide a temperaturas diferentes a 20ºC. utemp debería
contener también una previsión por las contribuciones a la incertidumbre de las variaciones de
temperatura en las reglas de la máquina y en la pieza, en aquellos casos donde las variaciones térmicas
durante las medidas reales, sean diferente de las medidas efectuadas en la evaluación de la
incertidumbre. La fórmula siguiente tiene en cuenta ambos efectos
2
utemp = (uTM ⋅ α M )2 + (uTW ⋅ αW )2 + (uαM ⋅ ( TM − 20º C ))2 + (uαW ⋅ ( TW − 20º C ))2
donde:
T refiere a contribuciones por temperatura, M refiere a la MMC y W a la pieza, siendo α coeficiente de

dilatación lineal.
3.31
Incertidumbre típica uworkpiece debida al mensurando
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.
Si no se pueden desestimar las contribuciones a la incertidumbre por el mensurando, el término

adicional uworkpiece deberá ser tomado en consideración y evaluado.
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).
Tabla 3.5 Contribuciones a la incertidumbre cubiertas por la evaluación experimental de incertidumbre

usando artefactos no calibrados
Nombre- Componente de la Incertidumbre
repetibilidad de la MMC (errores aleatorios de palpador)
errores geométricos de MMC (excepto factor lineal de escala)
temperatura de MMC
gradientes de temperatura de la MMC
efectos de tendencia
errores sistemáticos del proceso de palpado
errores aleatorios del proceso de palpado (ej. dinámico)
resolución de las reglas de la MMC
incertidumbre por cambio de palpador
incertidumbre de medida por la orientación de la pieza
incertidumbre de medida por la temperatura de la pieza
incertidumbre del proceso de habilitación del palpador (desplazamientos de la punta, diámetro, forma)
incertidumbre inducida por el sistema de fijación, manipulación, etc.
incertidumbre inducida por suciedad
incertidumbre inducida por el número y distribución de puntos de muestreo
influencias de la rugosidad de la pieza, forma, y ondulación
La lista de contribuciones a la incertidumbre no pretende ser exhaustiva, p.ej.: el método es sensible a

más factores de influencia como pueden ser aquellos debidos a factores sobre el mensurando no
contemplados en la última línea (vinculados al comportamiento del material en las condiciones de
ensayo – humedad, corrientes estáticas, lubricación,…)
3.32
3.2.8.- ISO/TS 23165:2006
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.
Contempla las contribuciones por:
Ensayo de errores de palpado (de la calibración, por certificado)
Error de forma F de la esfera de habilitación.

Incertidumbre de calibración u(F).
Ensayo de errores de escala
La incertidumbre de calibración del patrón dimensional utilizado.
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.
La incertidumbre debida a la corrección por temperatura "real" durante el ensayo.
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.
La incertidumbre de fijación o asentamiento de piezas; en instalaciones debidamente diseñadas,

esto no debería ser relevante.
3.33
3.3.- RECAPITULACIÓN DE REFERENCIAS NORMATIVAS
ISO 1101, Especificación geométrica de productos (GPS) — Tolerancias geométricas — Tolerancias

de forma, orientación, posición y alabeo.
ISO 5459:1981, Dibujos Técnicos — Tolerancias geométricas — Datos y sistemas de datos para
tolerancias geométricas.
ISO 8402, Gestión de la calidad y aseguramiento de la calidad – Vocabulario.
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 14660-1 , Especificación geométrica de productos (GPS) — Geometric features — Parte 1:

Términos generales y definiciones.
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 10360-1, Especificación geométrica de productos (GPS) — Ensayos de aceptación y de

verificación periódica de máquinas de medición por coordenadas (MMC) — Parte 1: Vocabulario

verificación periódica de máquinas de medición por coordenadas (MMC) — Parte 2: MMC utilizadas
para medidas dimensionales lineales.

verificación periódica de máquinas de medición por coordenadas (MMC) — Parte 3: MMC con el eje de
una mesa giratoria como cuarto eje.

verificación periódica de máquinas de medición por coordenadas (MMC) — Parte 4: MMC utilizadas en
modo de palpado continuo.

verificación periódica de máquinas de medición por coordenadas (MMC) — Parte 5: MMC que utilizan
sistema de múltiples palpadores.
ISO 10360-6, Especificación geométrica de productos (GPS) ⎯ Ensayos de aceptación y de

verificación periódica de máquinas de medición por coordenadas (MMC) ⎯ Parte 6: Estimación de
errores en la determinación de elementos gaussianos asociados.
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
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
Evaluation of measurement data – The role of measurement uncertainty in conformity assessment.

JCGM 106:2012
BS 6808-1:1987, CMMs — Part 1: Glossary of terms
ASME Committee B89 Dimensional Metrology
B89.1.12M:1990, Methods for performance evaluation of CMMs
B89.4.10 - Software Evaluation
B89.4.11 - Probes and Probe Changers
B89.4.14 – Non Contact Scanning Probes
B89.4.15 - Dynamic Performance of CMMs
B89.4.18 - Video Systems, Comparator Evaluation
B89.4.19 - Optical CMM Evaluation
B89.4.21 - CMM Performance in Realistic Environment
B89.4.22 - Articulated Arm CMMs
B89.7.1 - Guidelines For B89 Documents
B89.7.3 - Decision Rules (Use of Uncertainty in Conformance)
B89.7.4 - General Principles for Measurement System Uncertainty
B89.7.5 - Traceability
B89.7.6 Project Team on Measurement Uncertainty Associated with Testing Indicating

Instruments
B89.7.7 - Advanced Uncertainty Concepts
B89 Technical Report 1990, Parametric Calibration of Coordinate Measuring Machines.
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.
EA-10/05, Coordinate measuring machine calibration
3.35
Capítulo 4 Modelo_G
CAPÍTULO 4 MODELO_G
4.1.- MODELO ESTADÍSTICO DE COMPORTAMIENTO DE MÁQUINAS

MEDIDORAS POR COORDENADAS
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:
• Será de aplicación a la descripción del comportamiento de Máquinas de Medición por Coordenadas

(MMCs).
• Durante su desarrollo se establece como premisa la bondad del modelo formal.
• 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
• Resulta previsible la validez de sus resultados y predicciones, y es fundamental establecer que

estos resultados estarán necesariamente afectados de incertidumbre. La incertidumbre deberá ser
cuantificada y debe ser parte del resultado proporcionado por el 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.
• Deberá desembocar en el establecimiento de un procedimiento de calibración, que permita

cuantificar su expresión matemática en relación con las MMCs a las que se aplique, esto en los
términos exigidos por el correcto uso industrial, recogidos por la normativa industrial vigente.
• Para su consolidación, deberá evidenciarse la bondad asumida en su desarrollo y, en su caso,

habrá de ser modificado hasta alcanzarla en el marco de su pretendidas simplicidad y viabilidad de
uso.
4.2.- MODELO_G
Los siguientes epígrafes presentan el concepto que será referido como: Modelo_G.
4.2.1.- Hipótesis constitutiva
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
4.2.2.- Elementos del Modelo_G
El Modelo_G es complejo y se constituye con tres elementos:
1º/ Uno o más modelos paramétricos de

desviaciones.
2º/ Un modelo conceptual que declara el

criterio de optimización y ajuste de los
parámetros definidos por el modelo de
desviaciones.
3º/ Un modelo estadístico de ajuste u

optimización que conforme al modelo
conceptual permite calcular estadísticamente
los valores de los parámetros.
Figura 4.1 Elementos del Modelo_G
Finalmente, los anteriores elementos requieren de un procedimiento de calibración, el cual debe

permitir:
1º.- Aplicar la transformación de coordenadas máquina (valores indicados) a coordenadas del

espacio vectorial euclídeo afín (valores nominales), corrección por modelo.
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).
A continuación se describen estos elementos de manera más detallada.
4.2.3.- Modelo conceptual
“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”.
La consistencia se refiere al concepto de intercomparación metrológica de resultados proporcionados

por las distintas realizaciones del modelo, aplicándose los procedimientos y usos qué con carácter
general rigen estas acciones metrológicas.
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.
El presente modelo conceptual es el pilar de esta concepción. Ha de destacarse su valor como

elemento de consistencia y congruencia para el resto del Modelo_G. Llamar la atención sobre la
simpleza formal y de concepto en sus pretensiones y la universalidad de su viabilidad de aplicación en
4.3
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).
Es especialmente significativa la desvinculación del sistema de referencia utilizado tanto en el modelo

conceptual como en la expresión de las coordenadas máquina y coordenadas corregidas por modelo
de desviaciones. Podrá apreciarse en el planteamiento matemático la desvinculación de los valores en
relación con el ‘cero máquina’, derivada de su aplicación incremental.
La concreción formal matemática del modelo conceptual deberá esperar a la declaración del Modelo
de desviaciones (4.2.4.) y establecerse sobre su expresión.
4.2.4.- Modelo de desviaciones
El modelo de desviaciones expresa la concepción de la correspondencia explicable entre las

coordenadas máquina y las coordenadas del espacio afín. Pueden seleccionarse distintos modelos
acordes con el nivel metrológico y la profundidad del análisis que se realiza. En el marco de la
orientación marcada para el desarrollo de la presente tesis se tomarán en consideración las siguientes
contribuciones, concretadas al caso de máquinas cartesianas tridimensionales:
• Desviaciones debidas a factor de escala sobre los tres ejes cartesianos.
• Desviaciones por defecto de perpendicularidad entre ejes.
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
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.
4.2.4.a) Planteamiento ideal del cambio de base
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.
e1 = g ⋅ (1 0 0 ) ; e 2 = g ⋅ (q12 q 22 0 ) ; e3 = g ⋅ (q13 q 23 q 33 ) Ecuación 2
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
Se ha introducido un factor de proporcionalidad “g” al objeto de permitir la introducción de una relación

de escala exterior en el sistema y facilita dotar de comparabilidad el resultado obtenido desde las
operaciones internas (Véase Anexo 4). Es decir: el proceso consiste en ejecutar un conjunto de
actuaciones u operaciones internas, basadas por ello en los datos proporcionados por la MMC durante
la fase de medición del artefacto de referencia (se concreta el recurso a patrones con posterioridad).
De estas operaciones de control periódico se deduce un modelo de desviaciones internamente
consistente (que satisface la exigencia de invariabilidad dimensional de las distancias medidas),
atendiendo a las contribuciones a la desviación explicables señaladas y, afectado por las contribuciones
a la incertidumbre presentes durante la ejecución del ensayo de medición del artefacto (este aspecto
es objeto de reflexión posterior). La consistencia dimensional interna debe ser relacionada o referida a
la cadena de comparaciones que la vincularán al patrón universal de longitud (comparabilidad). Para el
caso que nos ocupa (artefacto de referencia no calibrado), se traduce en la necesidad de medir un
patrón calibrado del cual obtener la necesaria referencia dimensional exterior que afectaría a la
determinación del valor de la relación de escala exterior “g” y las contribuciones adicionales a la
incertidumbre, que deberán ser contempladas en el balance de incertidumbre de medición de la MMC.
Alternativamente, es viable la utilización de artefactos calibrados. En este caso la distancia o distancias

materializadas por el patrón estarán referenciadas a la cadena de trazabilidad exterior, no siendo
necesario (aunque puede mantenerse) el recurso al factor “g” en las operaciones.
En términos prácticos, no será necesario establecer el valor interno de la distancia o distancias

materializadas por el artefacto sino únicamente proceder a su ajuste, introduciendo estos valores y sus
incertidumbres como datos al proceso de cálculo.
Retomando el planteamiento para artefactos no calibrados, puede escribirse por tanto:
 X1 1 q12 q13   x1 

 X  = g ⋅ 0 q22 q 23  x 
 2    2 Ecuación 3
 X 3  0 0 q33   x3 
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.
4.2.4.b) Relaciones métricas – producto escalar o interior
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
esta relación expresa la conservación del producto escalar y consecuentemente de las distancias
calculadas con la distancia subordinada.
Desarrollando la expresión en forma explícita:
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.
4.2.4.c) Definición de distancia
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 .
4.2.5.- Modelo estadístico de ajuste u optimización
El Modelo_G propuesto se fundamenta en la obtención de dos matrices, ̿ y , que permiten relacionar

las ternas de valores indicados, coordenadas máquina, con las coordenadas rectangulares del modelo.
La transformación planteada establece la conservación de las distancias medidas en ambos sistemas
de coordenadas; será por vía del procedimiento de ajuste de la matriz métrica ̿ (de aplicación en
coordenadas máquina) como se ejecutará el filtrado de las desviaciones con relación al modelo (por el
criterio de mínimos cuadrados).
El procedimiento de obtención de los parámetros presentes en el modelo soporta diversas

realizaciones, procedimientos de ensayo, según se tomen en consideración:
 Una o varias distancias ‘materializadas’ para su medición.
 Distancias conocidas (certificadas) o no conocidas (verificación interna, no obstante

trazable, por el concurso de patrones externos durante el procedimiento de calibración).
 Muestreo o no sobre un mismo emplazamiento de la distancia a medir.
 Recurso a elementos geométricos definidos métricamente (redondez, cilindricidad,...)
4.7
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:
 Indefinición del mensurando.  Repetibilidad de la máquina.
 Defecto de forma del mensurando (en su caso).  Procedimiento de ensayo.
 Estabilidad del mensurando.  Incidencia del software.
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
4.3.- Expresión formal de la transformación de coordenadas por modelo de

desviaciones
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
Que corresponden a las relaciones:
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
Nótese que g11=1
4.4.- Ensayo de Calibración
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.
Las indicaciones siguientes se centrarán en el artefacto definido específicamente como resultado de la

presente tesis, tetraedro de núcleo esférico (véase Figura 4.2).
Figura 4.2 Artefacto tipo PURI
4.9
4.4.1.- Principio de Medida
La exposición se fundamenta en proceder a la medición de las coordenadas (valores indicados, en el

sistema de referencia absoluto de la MMC) de puntos de las esferas del artefacto (por concreción se
ha asumido esta tipología de artefacto).
En la obtención de las coordenadas, se considera conveniente atender a la mayor semejanza entre el

procedimiento de habilitación de sonda (mediante la esfera de referencia) y el modo en que son
palpadas las esferas del artefacto. Así, resulta de interés mantener el número de contactos y, en cuanto
sea posible, su distribución sobre la esfera (típicamente, palpado ecuatorial y polar).
4.4.2.- Características generales del ensayo de calibración
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:
1.- Emplazar el artefacto en el volumen de medición a caracterizar.
2.- Medir las esferas del artefacto.
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.
Figura 4.3 Artefacto Tipo PURI de 8 esferas
4.10
4.4.3.- Proceso de datos e información
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.
4.4.4.- Información necesaria relativa al artefacto de calibración
El artefacto de calibración, es la materialización o soporte material de las características dimensionales

que servirá de referencia, en el ensayo de caracterización del comportamiento de la medidora.
Se presentan las dos alternativas descritas, artefacto calibrado o no calibrado.
La alternativa de utilización de un artefacto calibrado, es convencional en los criterios a satisfacer por

cualquier patrón dimensional, así deberán atenderse las especificaciones geométricas y la adecuada
satisfacción de los requisitos de trazabilidad en las características geométricas aplicadas.
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).
4.4.5.- Información necesaria relativa al patrón dimensional de trazabilidad
En el caso de utilizar la alternativa de artefacto no calibrado, resulta necesario disponer de un patrón

dimensional adecuado. La solución más simple, es el recurso a un Bloque Patrón Longitudinal, siendo
recomendable el contraste con una familia de longitudes adecuadas a las características dimensionales
de la MMC. Alternativamente resultan de aplicación elementos geométricos calibrados, no
necesariamente BPLs; en el desarrollo de las investigaciones que soportan la presente tesis, se analizó
como alternativa, el desarrollo de un segundo nivel de complejidad basado en la concatenación de la
metodología Modelo_G, con el recurso a formas cuadráticas, permitiendo la aplicación de patrones
esféricos (elemento más plausible) a la caracterización metrológica del comportamiento de la MMC y
su consecuente calibración. Los resultados alcanzados exceden el objetivo de la presente exposición
y constituyen una línea futura de desarrollo efectivo para la presente exposición.
4.4.6.- Información adicional
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
actuaciones, se han barajado diferentes alternativas de planteamiento de las resoluciones enunciadas,

así como diferentes alternativas de implementación de los algoritmos susceptibles de aplicación.
Destacar el aseguramiento que permanentemente se ha perseguido y logrado, en relación con la
fiabilidad del procesamiento numérico de los datos y su consistencia ante las diferentes alternativas de
resolución. Véase el Anexo 1, como referencia cualitativa de los efectos numéricos derivados del uso
de medios de cálculo basados en aritmética flotante y en el Anexo 2 algoritmos de localización de
soluciones óptimas.
4.4.7.- Tratamiento de los datos
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.
En relación con la repetibilidad, y su caracterización, se contemplan a priori dos factores de influencia

presentes en el origen de los datos recogidos, estos son: repetibilidad consecuencia de la repetición
sobre cada punto de medida (muestreo) o de la indeterminación que afecta al valor indicado (caso de
establecerse las coordenadas de punto, por ejemplo, como centro de esfera); en ambas situaciones se
procederá a agrupar estadísticamente los datos previamente al ajuste de los parámetros del modelo,
esto es: ajustar sobre los valores promediados.
Inicialmente la incertidumbre deberá tomar en consideración tres contribuciones:
 Repetibilidad (por muestreo o por indeterminación del valor indicado).
 Por el modelo de desviaciones.
 Incertidumbre del patrón de calibración (o elemento de referencia).
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
 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.
Como resultado de este proceder se dispondrá de una familia de matrices de transformación de

coordenadas afectadas por repetibilidad y que toman en consideración la contribución a la
incertidumbre introducida por el modelo de desviaciones, bajo la hipótesis de contribuciones
independientes para cada punto de medida.
Se presentan dos situaciones, según se hayan aplicado en el ensayo distancias calibradas o no

(soportadas por el artefacto utilizado):
4.4.8.- Para distancias calibradas:
Ha de agregarse la contribución por repetibilidad a la incertidumbre acreditada para cada distancia

conforme al modelo general de propagación de la incertidumbre, siendo el resultado la familia de
matrices de paso obtenida anteriormente.
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.
4.4.9.- Para distancias no calibradas:
Se habrá mantenido la relación de escala exterior g cuya determinación exige el recurso a un patrón
calibrado, siendo el proceso:
 Emplazar el patrón en cualquier posición del campo de medida.
 Obtener la distancia recurriendo a medidas reiteradas evaluadas en coordenadas corregidas por

la matriz , obteniendo el valor del factor de escala global g directamente como cociente entre el
valor nominal acreditado para el patrón y el valor promedio calculado.
 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
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.
Figura 4.4 Representación esquemática de la Figura 4.5 Representación esquemática de la

captación de datos obtención de las matrices de ajuste y
correcciones
Figura 4.6 Alternativas de explotación del Modelo_G de caracterización obtenido
4.14
0.5
-0.5
-1
-1.5 -1 -0.5 0 0.5 1 1.5
Figura 4.7 Comportamiento sin correcciones (rojo) comportamiento con correcciones (azul)
4.15
Datos DIAGRAMA DE FLUJO

(Básico)
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
Figura 4.8 Diagrama de flujo básico de datos de longitudes
Tabla 4.1 Elementos geométricos alternativos de aplicación como distancias de ensayo

ELEMENTOS GEOMÉTRICOS
Distancias entre extremos de barras.
DISTANCIAS ENTRE PUNTOS Con / sin elementos de extremo (esferas / enclave).
Mallas simples o sobre condicionadas (d=3·n-6).
FORMAS CUADRÁTICAS Puntos / Punto a plano / Planos paralelos / Esfera / …
Artefactos con elementos múltiples.
FORMAS LIBRES
Piezas patrón.
4.16
4.4.10.- Planteamiento general del balance de contribuciones a la incertidumbre.
Atendiendo a la trascendencia que el balance de contribuciones a la incertidumbre tiene sobre las

conclusiones del conjunto de la exposición, se persigue en este epígrafe la vinculación entre los
conceptos metrológicos de mayor generalidad y su interpretación y aplicación en el uso concreto por el
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.
Datos externos y Entorno

constantes físicas
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
Figura 4.9 Causas frecuentes de incertidumbre

A continuación se reseñan elementos específicos de las clases anteriormente esquematizadas,
atendiendo a la intención de generalidad de la introducción de este apartado, adicionalmente se
introduce un comentario relativo al tratamiento que las causas señaladas (de mayor relevancia) tienen
en relación con el Modelo_G en la calibración de MMCs. No se rubrican las estructura de tabla.
4.4.10.a) Entorno
Entre las causas de incertidumbre imputables al entorno de operación han de destacarse:
- Temperatura (absoluta promedio), gradiente temporal, gradiente espacial

- Humedad - Estabilidad térmica del instrumento
- Elementos de control de climatización - Polución
- Pieza (su propia contribución a la alteración de las condiciones de entorno)
- Flujo de aire - Vibración / ruido
De entre ellas resulta de especial trascendencia la contribución por temperatura. En diferentes
epígrafes de la presente exposición se abordan consideraciones relativas a la sensibilidad de la
metodología expuesta, Modelo_G, a las contribuciones por temperatura en sus diferentes causas o
manifestaciones, y en la medida en que afectan al desarrollo del ensayo de calibración y la utilización
de las MMCs.
4.17
Otras causas de entrono que pueden manifestarse, con una menor incidencia serian:
- Suministro de aire comprimido - Transitorios en la alimentación eléctrica

- Radiación térmica - Interferencia electromagnética
- Iluminación - Composición del aire
- Presión ambiente
de este segundo grupo, decir que resulta asumible su desestimación como contribuciones relevantes,
especialmente cuando la MMC se encuentra emplazada e instalada con satisfacción de los requisitos
de fabricante y las recomendaciones usuales para una sala de metrología convencional.
4.4.10.b) Constituyentes internos del instrumento
Siendo su repercusión sobre la incertidumbre evidente, estos elementos constituyen el contenido de la

‘caja negra’, es decir, el instrumento debe ser conocido por el metrólogo en estos aspectos en aras de
la explotación de sus capacidades, y en su caso de la imputación de posibles comportamientos
erráticos, pero en relación con la determinación de la incertidumbre debe establecerse un límite
razonable en el desglose o profundidad del análisis de contribuciones. Por ello se interpretan estas
contribuciones por su manifestación agregada en el uso como instrumento complejo. Así, la calibración
de la MMC se fundamenta en un ensayo de calibración que debe poner de manifiesto estas
contribuciones de forma agregada.
4.4.10.c) Elementos de referencia del equipo de medida
- 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
4.4.10.d) Elementos de captación, trasmisión y registro interno
- Sistema de interpretación - Estabilidad de las referencias, cero

- Sistema de lectura - Coeficiente lineal de dilatación térmica
- Guías / deslizaderas - Sensibilidad a la temperatura
- Paralajes - Imperfecciones geométricas
- Sistema de palpado - Amplificación - eléctrica o mecánica
- Estabilidad del esfuerzo / fuerza absoluta
- Flexibilidad / rigidez - Histéresis
- Conversión Analógico / Digital - Característica de respuesta
- Resolución de la interpolación - Sistema de interpolación
4.4.10.e) Realización de la medida
- Errores de coseno - Principio de Abbe

- Sensibilidad a la temperatura - Atemperamiento
- Interacción entre pieza y dispositivo - Reproducibilidad del ensayo
- Medios auxiliares
4.18
4.4.10.f) Programas y cálculos
- Algoritmos - Ejecución del algoritmo

- Toma de muestras - Filtro
- Modelos aplicados: Interpolación / extrapolación - Consideración de los valores aberrantes
- Aritmética flotante: nº de cifras significativas en el cálculo, cuantificación: Redondeo /
Truncamiento
- Corrección del algoritmo / Certificación del algoritmo
4.4.10.g) Metrólogo
- Experiencia - Nivel académico

- Formación - Conciencia profesional
- Honestidad en sus indicaciones - Conocimientos (precisión, apreciación)
- Habilidad, motricidad
4.4.10.h) Características del mensurando
- 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
4.4.10.i) Definición de la característica
- Referencia - Sistema de referencia

- Grados de libertad - Característica con tolerancia
- Normativa aplicada
- Distancia - Ángulo
4.4.10.j) Procedimiento de medida
- Acondicionamiento - Número de medidas

- Elección del principio de medida - Orden de las medidas
- Elección de la referencia - punto de referencia (patrón) y valor - con - Duración de las medidas
relación al valor medido
- Principio y estrategia de palpado - Número de puntos
- Alineación del sistema de palpado - Medidas reversibles
- Elección de la configuración del instrumento - Redundancias
- Filtrado de los errores - Montaje
- Verificación de la deriva - Estrategia
- Elección del metrólogo - Alineación
- Número de operarios - Apriete
4.4.10.k) Constantes físicas y factores de conversión
Conocimiento de los valores físicos correctos, por ejemplo, las propiedades de los materiales (pieza,
instrumento de medida, aire ambiente, etc.)
4.19
4.4.10.l) Tratamiento y toma en consideración de las contribuciones a la incertidumbre
Conforme a las indicaciones de la GUM, el cálculo de la incertidumbre combinada de calibración, UC,

recurre a la ejecución del balance de incertidumbres, las claves de su aplicación son las siguientes:
o Se han identificado todas las causas de incertidumbre relevantes.
o Se ha decidido cuales de las posibles correcciones deberán ser realizadas.
o La contribución a la incertidumbre del resultado de medida a partir de cada causa XX, es

evaluada bajo la forma de incertidumbre típica uXX, denominada componente de incertidumbre
(expresada en unidades del mensurando), recurriendo para ello a ecuaciones / fórmulas y
coeficientes de sensibilidad.
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.
Para la determinación de la incertidumbre combinada se recurre a la aplicación de la Ley de

Propagación de la Incertidumbre.
4.20
Capítulo 5 Aplicación del método de Montecarlo
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.
Se atribuye su denominación al empleo de ruletas como generadores de números aleatorios, y así, a

la población de Montecarlo en Mónaco, famosa por sus casinos. Realmente el método de Montecarlo
no tiene ninguna relación con el juego de ruleta y no es de aplicación a mejorar las posibilidades de
obtener premios. En ocasiones es referido como Método de Pruebas Estadísticas, en base a la
ejecución de repeticiones sobre un suceso, en el que los valores generados se logran recurriendo a
una o más variables aleatorias (y en su caso no aleatorias) y, se efectúa un cómputo de resultados
analizados estadísticamente.
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
Figura 5-1 Esquema de áreas - ejemplo Montecarlo

Se apunta la posibilidad de abordar el problema mediante la construcción de unos depósitos cuya vista
en planta reproduce la geometría definida (ver Figura 5-2) y mediante una lluvia con distribución
uniforme sobre el conjunto, se podrá recoger el agua de ambos depósitos: el interior al círculo y el
exterior (contenido en el cuadrado), de este modo las probabilidades de caer en una u otra región son
proporcionales (por la misma relación de proporcionalidad al ser la lluvia uniforme) a las áreas de cada
región y lo serán los volúmenes de agua recogidos, es decir:
k ⋅ V1 K ⋅ A1 π ⋅ (L 2)2 π
= = =
k ⋅ V1 + k ⋅ V2 K ⋅ A1+ 2 L2 4
V2 = + V1
Figura 5-2 Volúmenes ejemplo Montecarlo

donde:
V1 : es el volumen recogido en el interior del depósito de sección circular de área A1 = π·R2 .

Evidentemente R = L/2.
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:
 Se adopta un generador de datos aleatorios con distribución uniforme bidimensional en

el intervalo [-L , L], esto asegura la generación de valores siempre dentro del cuadrado
límite.
5.2
 Se establece la ecuación del límite definido por la circunferencia,
x2+y2-L2≤0
 Se van generando valores aleatorios, mientras un contador elemental comprueba si el

punto es interior a la circunferencia o no.
El resultado resulta ser:
π = 4·(número de casos interiores) / (número de casos simulados)
Las simulaciones así efectuadas no están exentas de dificultades:
 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.
Figura 5-3 Efecto de la precisión numérica en simulación

 Disponer de un generador pseudo-aleatorio fiable. Debe valorarse la validez del
generador o generadores aleatorios empleados, no siempre resultan estables y con
frecuencia requieren de un conocimiento en profundidad de sus posibilidades,
especialmente ha de prestarse atención al uso reiterado del generador, la existencia
de semillas alerta sobre la posibilidad de que el generador no sea independiente entre
ejecuciones reiteradas (el epígrafe 5.3 del presente capítulo recaba pruebas de
aleatoriedad y elementos afines).
 Establecer un número de repeticiones adecuado. En principio un mayor número de

ejecuciones mejora la precisión del resultado obtenido, pero representa un aumento de
las necesidades de cálculo: tiempo de computación y almacenamiento.
 Definición robusta del objetivo. En el ejemplo presentado puede apreciarse que se ha

asignado la frontera a una de las zonas, lo que afecta a la precisión del resultado.
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
5.2.- DETERMINACIÓN DE LOS PARÁMETROS DE LA SIMULACIÓN
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:
• Dado el mensurando (físicamente y conceptualmente definido en relación con la tarea de medida).

• Establecido el procedimiento de medición. Alcanzando a medios materiales, modelos,
operaciones, etc. (de conformidad con los requisitos que quieran verse satisfechos).
• Contempladas las magnitudes de influencia.
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.
Figura 5-4 Distribución de la población de resultados de medida

De la población de resultados de medida anteriormente declarada, cada ejecución concreta sería uno
de los elementos de la población, y en el caso de aplicar la repetición de mediciones (se utilizará nm
para indicar el número de repeticiones de la medición elemental), se entiende que este conjunto de
valores constituye una muestra de tamaño nm en relación con la población de resultados de medida.
La población de resultados de medida deberá satisfacer determinadas condiciones (o ser asumidas).

Con ello serán de aplicación las teorías de estimación estadística (particularmente las recogidas por
5.4
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).
Como alternativa al cálculo analítico, se presenta la posibilidad de efectuar un elevado número de

cálculos simples basados en valores “sintéticos” (para el interés de esta exposición estarán
fundamentados en datos reales) entendidos estos como valores que ‘emulan’ o ‘simulan’ determinadas
características estadísticas del comportamiento igualmente estadístico de los datos reales. Se trata así
de caracterizar, y será estadísticamente el modo de hacerlo, la función de distribución estadística o
parámetros estadísticos, que resultan descriptivos de unos datos reales imputables o asignables a
determinadas contribuciones a la varianza (y en su momento a la incertidumbre). Desde esta
determinación se afrontará la propagación de varianzas. Para ello, se recurre al cálculo masivo
consistente en recalcular, por vía de la relación funcional, cada nuevo valor de salida en
correspondencia con los valores de entrada generados (atendiendo a la distribución y parámetros
estadísticos anteriormente establecidos para los valores reales).
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
elementos de entrada, la propagación es en sí misma un ejercicio de repetición de cálculos y registro

de resultados que finalmente serán descritos por los parámetros estadísticos convencionales.
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):
Cálculos convencionales relativos a la contribución por repetibilidad.
Nominal = 20 mm
Media = 1,5 μm
Cuasi-varianza = 83,8450 μm2
Estimación de la desviación típica de medias = 2,9 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).
2º.- Se establece un número de muestras simuladas Ns, es decir se procederá a generar un

conjunto de Ns subconjuntos de ns valores cada uno.
3º.- Asumiendo la hipótesis de normalidad en la muestra real de datos, se establece que el

generador de valores sintéticos deberá ser normal.
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
= ·
(Esta expresión será justificada en un párrafo posterior).

5.6
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.
Tabla 5.1 Resultados por simulación

simulación
Valores aplicados Tamaño de las muestras simuladas =10
(*) Número de muestras simuladas =30
Desviación típica =9,2 μm
Media =1,5 μm
Resultados obtenidos Media total =2,0 μm
Estimación =3,0μm
U(k=2)=6μm
(*) El parámetro M, número de repeticiones de Montecarlo en la referencia GUM S1, se
corresponde con Ns. Al respecto la guía promulga un valor de M en el orden de 106. No es
aquí objetivo el criterio de adopción de tal valor. Debe apreciarse que se ha aplicado una
simulación de valores a un modelo de procedimiento de estimación y cálculo. El modelo es
concreto y aceptado a priori, así como la distribución de los valores de entrada.
Justificación de la expresión adoptada para la determinación del valor de la desviación típica a

aplicar en el generador de valores sintéticos.
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.
Tabla 5.2 Estimación de parámetros en la distribución de medias muestrales

Media de la distribución de medias Varianza de la distribución de medias
s2
n
Vx = , siendo
n
x
i =1
i
x= n
( x − x )
1
n s2 = i
2
cuasi-varianza muestral
n −1
i =1
Es conocida la trascendencia de este proceso de estimación en la determinación de las contribuciones

a la incertidumbre por Estimación Tipo – A –.
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
La argumentación aquí presentada se orienta a determinar la varianza que debe aplicarse en el

generador de valores pseudo-aleatorios.
Cada muestra sintética o simulada debería satisfacer la misma relación de estimación que la muestra
real extraída, así:
ss2
Vxs =
ns
Siendo la cuasi-varianza un estimador insesgado de la varianza poblacional (población de valores

sintéticos de la cual se extraen muestras sintéticas o simuladas), pero la población de valores sintéticos
está disponible en su totalidad (ciertamente en forma comprensiva, dada por la implementación que se
tiene del generador); por ello, el cálculo de la cuasi-varianza o de la varianza resultaría intrascendente
sobre el papel, ya que la relación entre ambos parámetros estadísticos es conocida:
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
La práctica recomienda, como se ha anticipado, la elección de un tamaño de muestra de simulación

igual al del tamaño de muestra que se aplicará en la práctica. Con ello además se suele obtener una
simplificación en los posteriores tratamientos matemáticos de los valores sintéticos, susceptibles de ser
tratados con las mismas rutinas de los valores reales, siendo esto último exigible.
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.
GUM S1 y S2, tratan de la propagación de distribuciones estadísticas y su aplicación a la propagación

de incertidumbres en relación con los modelos paramétricos analíticos adoptados. La presente
exposición se orienta a la aplicación del método de Montecarlo en la concreción del modelo de
correcciones, este enfoque será denominado – Montecarlo ( – MC) y se aborda en el Capítulo 6. El
modelo relaciona las indicaciones del sistema de medida con valores corregidos de la magnitud de
salida. Ello sobre la base de un esquema matemático apriorístico, necesitado de adaptación a la
realidad que pretende modelar. El hecho de que los valores corregidos deban servir de base para la
determinación metrológica del valor medido y su incertidumbre, está más en la exposición de los
suplementos a GUM, y menos en el uso presente del método de Montecarlo (aunque también se aplica
en la explotación del modelo obtenido para la forma agregada).
5.9
5.3.- ELEMENTOS DE ESTADÍSTICA
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).
5.3.1.- Teorema central del límite
5.3.1.a) Formulación de LYAPOUNOV
Sea {xn}nn == 1∞ una sucesión de variables aleatorias independientes tal que
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 )
5.3.1.b) Formulación de LINDENBERG-LEVI
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
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.
5.3.2.- Desigualdad de Kolmogorov

2
Sea {x n }nn == 1∞ una sucesión de variables aleatorias donde para cada xi se verifica: E( xi ) < ∞ se
i= j
define S j = x
i =1
i
entonces ( [ ] 1
)
P max Sj − E Sj > ε ≤ 2 ⋅σ S2 donde σ S2n = E[(Sn − E[Sn])2]
ε n
5.3.3.- Teorema de Chebychev
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
De este enunciado se desprende que si se considera
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
5.4.- SIMULACIÓN ESTADÍSTICA
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:
• Modelización del sistema.
• Generación de unos valores aleatorios (pseudo-aleatorios).
• Transformación de los valores aleatorios en entradas al modelo, adaptación.
• Ejecución del modelo.
• 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
5.4.1.- Generación de números pseudo-aleatorios
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].
En la elección de un procedimiento de generación de valores pseudo-aleatorios es recomendable

atender a las siguientes características relevantes adicionales a la longitud de la serie que es capaz de
generar, y la aleatoriedad de la misma. Se considerarán como propiedades deseables en un generador:
• Rapidez de ejecución.
• Poco consumo de memoria.
• 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.
Cualquier experimento de Montecarlo necesita de un procedimiento válido que proporcione sucesiones

de números (o en su caso conjuntos no ordenados) de las que extraer sub-sucesiones que se
comporten como secuencias estadísticamente independientes y donde cualquier sub-sucesión de
longitud k tenga la distribución de una muestra aleatoria de una distribución uniforme k-dimensional.
Este procedimiento es referido como generador de números aleatorios.
Abundando en las propiedades deseables de estos generadores, anteriormente anticipadas, la

portabilidad es entendida por la facilidad de recreación del procedimiento generador en distintos
entornos y circunstancias o recursos variables. Desde la perspectiva informática, la portabilidad será la
5.13
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.
5.4.1.a) Tipos de generadores
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.
Generador recurrente lineal
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.
• Generador recurrente lineal en módulo 2 (Tausworthe).
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
Generador congruencial no lineal
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
Generador congruencial multiplicativo
El más frecuente de los generadores implementados es el generador congruencial multiplicativo. Este

generador es de la forma: Zi = A·Zi-1(mod M), donde a la cantidad A es llamada “multiplicador”. Para
generar el número en la i-ésima iteración es necesario utilizar una semilla que será el número obtenido
en el anterior ciclo. De la forma del generador se deduce que el número de valores distintos que se van
a poder generar no puede superar M-1 pero de la elección de A y de M dependerá que ese número sea
lo más cercano a M-1.
Si se llama
Ki = AZi-1/M
entonces puede expresarse el número generado en la i-ésima iteración como
Z i = An ⋅ Z0 - M(Ki + Ki-1 ⋅ A+ …+ K1 ⋅ Ai-1 )
o de forma equivalente
Zi = An · Z0(mod M)
Secuencias para A·Zi(mod 11)
Tabla 5.3 Ciclo máximo de secuencias generadas

1 2 3 4 5 6 7 8 9 10
1 1 1 1 1 1 1 1 1 1
1 2 3 4 5 6 7 8 9 10
4 9 5 3 3 5 9 4 1
8 5 9 4 7 2 6 3
5 4 3 9 9 3 4 5
10 1 1 1 10 10 10 1
9 5 4 3
7 8 6 2
3 4 9 5
6 2 8 7
1 1 1 1
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.
Generadores multiplicativos de módulo primo
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.
Definición: A es una raíz primitiva de M (primo) si y solo si AM-1-1 ≡ 0
Para todos los enteros Z < M-1, la cantidad (AZ-1)/M no es un entero.
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
Tabla 5.4 Localización de raíces primitivas por prueba y error

Z (2Z-1)/11 (6Z-1)/11 (7Z-1)/11 (8Z-1)/11 (9Z-1)/11 (5Z-1)/11
1 0,09090909 0,45454545 0,54545455 0,63636364 0,72727273 0,36363636
2 0,27272727 3,18181818 4,36363636 5,72727273 7,27272727 2,18181818
3 0,63636364 19,5454545 31,0909091 46,4545455 66,1818182 11,2727273
4 1,36363636 117,727273 218,181818 372,272727 596,363636 56,7272727
5 2,81818182 706,818182 1.527,81818 2.978,81818 5.368 284
6 5,72727273 4.241,36364 10.695,2727 23.831,1818 48.312,7273 1.420,36364
7 11,5454545 25.448,6364 74.867,4545 190.650,091 434.815,273 7.102,18182
8 23,1818182 152.692,273 524.072,727 1.525.201,36 3.913.338,18 35.511,2727
9 46,4545455 916.154,091 3.668.509,64 12.201.611,5 35.220.044,4 177.556,727
10 93 5.496.925 25.679.568 97.612.893 316.980.400 887.784
A menudo el número (2a-1) es primo y son conocidos como los números de Mersenne. Por ejemplo,
(231-1) es un número de Mersenne y permite generar números aleatorios cuyo espacio entre dos
consecutivos es del orden 1/(231-1)= 0.4657×10-9.
Localización de raíces primitivas
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.
Propiedad 2 de raíces: El número de raíces primitivas de M es Φ(M-1)=número de enteros que no

exceden a M-1 y primos con M-1. A Φ se le conoce como función Euler creciente. De la Propiedad 1 se
deduce que una vez es conocida una raíz primitiva, las restantes se obtienen utilizando la Propiedad 2.
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
sobre los distintos primos de n.
Por ejemplo para M = 231 -1 el número de raíces primitivas es
P = M-1= 231-2 = 2×32 ×7×11×31×151×331
y por tanto
Φ(231 -2) = 534.600.000
que es el número de raíces primitivas.
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
Generadores multiplicativos con módulo M = 2β
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.
Se recogen a continuación una serie de propiedades de estos generadores.
Propiedad: Para A ≡ 5 (mod 8) y Z0 ≡1 (mod 4) la secuencia generada es una permutación de los

enteros 4j+1, j = 0,1,...,2β -2 –1
Propiedad: Para A ≡ 5 (mod 8) y Z0 ≡ 3 (mod 4) la secuencia generada es una permutación de los

enteros 4·j+3, j = 0 ,1 ,...,2β -2-1.
Propiedad: Para A ≡ 3 (mod 8) y Z0 ≡1 ó 3 (mod 4) la secuencia generada es una permutación de los

enteros 8·j+1 y 8·j+3, j = 0,1,...,2 β -3–1
Generadores congruenciales mixtos
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.
Implementación de un generador multiplicativo (o mixto)
La implementación de un generador multiplicativo en un ordenador de α +1 bits deberá tener en cuenta

que el ordenador es capaz de representar con total exactitud los valores enteros entre –2α y 2α . Sin
embargo la evaluación normal de las operaciones necesarias puede conllevar obtener valores por
encima de estos límites. Para resolver con eficiencia este problema se recurre al Método de Schrage.
Método de Schrage
Sea Q = M/A y R ≡ M mod A. puede escribirse Zi = AZi-1(mod M) como
Zi = AZi-1(mod M) = (AZi-1 - Zi-1 /Q  M) mod M =

=(AZi-1 - Z i-1 /Q  (AQ+R)) mod M = A(Z i-1 - Zi-1 /Q  Q) - Z i-1 /Q R) mod M =
= (A(Zi-1 mod Q) - Zi-1 /Q R) mod M
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
Recomendaciones generales para escoger un generador
Z0 escogido de manera arbitraria (por ejemplo nº de milisegundos del ordenador).
Escoger M grande (≥ 230 ). Puede ser conveniente que esté relacionado con la "palabra" del ordenador.
Si M=2β escoger A ≡ 5 mod 8 y si M = 10β escoger A ≡ 21 mod 200
Escoger A tal que M/100 < A < 99M/100.
C arbitrario que no tenga factores comunes con M (C=1).
No debe alertar excesivamente que los últimos dígitos parezcan poco aleatorios ya que estos dígitos
serán probablemente poco significativos.
Debe valorarse la posible ocurrencia de correlación
 1   6 C  C  A
ρ ≈  −  1 − ±
 A   AM  M  M
Generadores Multiply-With-Carry (MWC)
Representan la última generación de generadores de tipo congruencial y consisten básicamente en un

generador congruencial mixto donde la constante cambia en cada paso del generador. Por tanto el
generador vendrá dado mediante Zi = AZi-1+Ci-1(mod M) donde ahora
Ci-1 = (AZi-2 + Ci-2)/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.
La misma idea se puede generalizar a un generador del tipo
Zi = A1Zi-1 +...+ ArZi-r+Ci-1(mod M)
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.
Realización práctica de un generador de números pseudo-aleatorios
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
Los pasos son los siguientes:
1º) Ri+1 = Mod {(a·Ri+b)/T}
2º) xi+1= Ri+1/T
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).
Particularmente cuando b = 0 el generador se denomina multiplicativo, ganando en rapidez y se

penaliza la longitud del ciclo de repetición, que puede ser compensado por una adecuada selección del
valor T suficientemente grande.
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.
El método simplificado o no presenta problemas de autocorrelación dada la relación lineal existente

entre los valores de la secuencia Rj, Rj+1, al objeto de mitigar este efecto se aplica una reordenación
aleatoria de los valores generados. La Figura 5-5 muestra ejemplos del comportamiento autocorrelado
de dos series.
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.
5.4.2.- Generación de valores distribuidos según funciones preestablecidas distintas

de la uniforme
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
(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 .
2º) Se calculará x = F-1(r), obteniéndose el número buscado.
Ejemplo concreto: supóngase que se requiere de un generador con f(x)= exp(-x).
Figura 5-6 Funciones f(x) y F(x)

1) Calculando
x x
 e
−x
F( x ) = f ( x )·dx = ·dx = 1 − e − x
0 0
2) Se iguala al número aleatorio uniforme
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
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
Poison (λ): t-student:

x = P( λ ) → F ( x ) = 1 − e − λx
x = t( k ) ; y = N [0,1] ; z = χ 2 ( k ) ;
y
x=
z
k
Weibull (α, β): F de Snedecor:
x = F ( k1 , k 2 ) ; z1 = χ 2 ( k1 ) ; z2 = χ 2 ( k2 )
z1 k1
x=
z2 k 2
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
Método de Box – Muller

x1 = − 2·ln r1 ⋅ cos(2π ⋅ r2 )
x2 = − 2·ln r1 ⋅ sen( 2π ⋅ r2 )
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
Aplicación a la obtención de un generador de valores gaussianos o normales
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:
1º) Obtener dos números aleatorios de una distribución uniforme r1 y r2
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:
1º) Generar dos números aleatorios uniformes r1 y r2
2º) Calcular
(
w = 2 ⋅ r1 − 1 ) + (2 ⋅ r
2
2 −1 )
2
3º) Si resulta ser w > 1 ha de repetirse la generación retornando al punto 1º)
( )
z = − 2· ln w / w
4º) Devolver x1 y x2 , con
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
5.4.3.- Contrastes para el estudio de la aleatoriedad y adherencia de una muestra
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:
1º.- Los números generados son realmente aleatorios.
2º.- Se distribuyen según la función de distribución preestablecida, (Normal, en la mayoría de

los casos),
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.
5.4.3.a) Contrastes de aleatoriedad
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 .
Tabla 5.7 Máximo y mínimo número de rachas para un conjunto de 5 + 5 datos

1 0 1 0 1 0 1 0 1 0 Máximo número de rachas
1 1 1 1 1 0 0 0 0 0 Mínimo número de rachas
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")
μr : número promedio de rachas, calculado mediante las expresiones:
2·n·m 1 2·n·m·( 2·n·m − n − m )

μr = +1 σ= ⋅
n+m n+m ( n + m − 1)
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
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.
5.4.3.b) Contrastes de hipótesis sobre la distribución. Test de Adherencia.
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.
Como en cualquier problema de contraste de hipótesis a H0 se llamará hipótesis nula, y a H1 hipótesis

alternativa. A partir de una muestra X=(x1, ..., xn) de n datos debe determinarse cuál de las dos hipótesis
anteriores es preferible.
H0: X sigue una determinada distribución
H1: X no sigue tal distribución.
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).
Aplicación del test
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)
Calcular la discrepancia entre lo observado y lo esperado mediante
k
( Oi − E i ) 2
2
χ =  Ei
i =1
que se distribuye como una χ2 cuando el modelo especificado en H0 es correcto.
5.24
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.
El test de Kolmogorov-Smirnov y Cramer- Von Mises
Otra alternativa es el contraste de Kolmogorov-Smirnov. Este contraste también permite comparar el

ajuste entre la función de distribución observada y la función de distribución esperada. La función de
distribución observada se calculará a partir de las frecuencias acumuladas de las observaciones. Este
test consiste en medir la diferencia entre los valores observados y esperados, la cual deberá ser menor
que una cierta tolerancia que depende del número de datos y del nivel de significación con que se
realice el Test.
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
H0: X sigue una determinada distribución
H1: X no sigue tal distribución.
Aplicación del test
Sea una muestra X=(x1, ..., xn) aleatoria simple que proviene de un modelo continuo F(x). El contraste
se realiza como sigue.
Ordenar los valores muestrales en orden creciente, de manera que
x(1) ≤ x(2) ≤ ... ≤ x(n).
Calcular la función de distribución empírica de la muestra Fn(x), con
 0; x < x( 1 )
r
Fn ( x ) =  ; x( r ) ≤ x ≤ x( r +1 )
n x ≥ x( n )
 1;
5.25
Calcular la discrepancia máxima entre las funciones de distribución observada (o empírica) y teórica
con el estadístico
Dn = máx |Fn(x) - F(x)| (test de Kolmogorov-Smirnov)
∞
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
y para calcular Dn sólo hay que calcular el máximo de los Dn(xh).
Valores críticos para ambos tests se pueden consultar en el siguiente damero:
α Crítico 0.9 0.95 0.99 0.999

K-S 1.22/√n 1.36/√n 1.63/ √n
CVM 0.34730 0.46136 0.74346 1.16786
Contraste bidimensional de la uniformidad
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
5.4.3.c) Contrastes de hipótesis sobre independencia
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
Figura 5-7 Tipos de rachas en series de valores

En la Figura 5-7 se muestran dos ejemplos de dos sucesiones de valores no independientes; la Serie
1 presenta una clara tendencia decreciente, la Serie 2 muestra oscilaciones respecto a un valor fijo y
cada dato tiene diferente signo que el anterior y el mismo que el situado dos lugares antes, con un
ligero amortiguamiento. En ambas secuencias se presenta una alta dependencia porque observando
el patrón del pasado puede inferirse el del futuro. En una secuencia independiente no deben entenderse
patrones reconocibles de orden, mostrando la secuencia un comportamiento errático (o parecerlo).
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.
Asintóticamente, el número de rachas de una sucesión bajo independencia sigue la distribución
 2n − 1 16 n − 29 
nº rachas ≈ N  , 
 3 90 
5.27
también se puede establecer el número esperado de rachas de longitud k crecientes o decrecientes

por la siguiente expresión
 
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
1 xi < mediana

si = 
0 xi > mediana
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
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.
Análogamente se puede definir el coeficiente de autocorrelación lineal de orden k por

n
( xi − x ) ⋅ ( xi − k − x )
i = k +1
r( k ) =

n
( xi − x )2
i =1
Su interpretación es también análoga a la del coeficiente de orden uno. Se denomina correlograma a

la representación de estos coeficientes de autocorrelación lineal en función de k (normalmente llamado
retardo). Cuando las observaciones son independientes y proceden de una distribución normal, los
coeficientes de autocorrelación muestrales siguen aproximadamente una distribución normal con media
cero y varianza 1/n. Por lo tanto, han de considerarse como significativamente distintos de cero aquellos
coeficientes que no estén en el intervalo (-1.96/√n , 1.96/ √n). Si n es grande (n > 50), se podrá realizar
un contraste conjunto de los primeros coeficientes de autocorrelación. Si H0 es la hipótesis de
independencia, entonces cada r(k) se distribuye aproximadamente según N(0, 1/ √n ) y, por lo tanto,
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.
5.4.4.- Contrastes específicos para generadores de números aleatorios
Aunque de un carácter ciertamente curioso, los siguientes contrastes contribuyen a reforzar la

seguridad sobre la bondad de los generadores aleatorios y las secuencias de valores pseudo-aleatorios
por ellos proporcionadas.
Contrastes del mono
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
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.
Entonces, se puede elaborar el siguiente test

17576
( 3letr _ pali − 100 ) 2 676
( 2letr _ pali − 2600 ) 2
 100
−  2600
= Q3 − Q2 − χ 2
26 3 − 26 2
i =1 i =1
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.
BIRTHDAY SPACINGS TEST
Escójanse m cumpleaños en un año de n días. Lístense los espacios entre cumpleaños. Si j es el

número de valores que ocurren más de una vez en esa lista entonces j se distribuye asintóticamente
como una Poisson con media m3 /(4n). n debe ser bastante grande, digamos n ≥ 218 , para comparar
los resultados con esa idea. El test implementado usa n=224 y m=29 , y por tanto la distribución de j es
una Poisson de parámetro 2.
OVERLAPPING 5-PERMUTATION TEST
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
BINARY RANK TEST para matrices 31×31
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 32×32
Lo mismo que el anterior pero con 32 bits.
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.
Citar: OPSO, OQSO y DNA, son variantes restringidas sobre el caso.
Otras variantes del test del mono
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.
COUNT-THE-1's TEST para bytes específicos
Lo mismo que el anterior pero escogiendo un byte específico de cada entero.
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.
SQUEEZE TEST: se empieza con k = 231 = 2147483647 y se aplica la siguiente recurrencia

k=ceiling(k·U) con U el número aleatorio. Se cuenta el número de veces necesario para llegar a 1 en
tramos ≤ 6, 7,....,47 y ≥ 48.
5.31
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.
RUNS test : Rachas monótonas crecientes y decrecientes.
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.
5.4.5.- Criterios generales de elección del número de simulaciones
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.
Al aumentar el tamaño se puede conseguir, o bien reducir el error de la estimación, o aumentar el

intervalo de confianza (en la aplicación metrológica este intervalo estará determinado por el valor del
nivel de confianza de 95%).
5.32
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
n·σ 2 Asumiendo que la precisión E es

N= proporcional a la varianza:
La Media n·E 2
σ2 + E=K·σ
zα2 2
2
n·σ
N =
Suma de varias variables aleatorias  E 
σ 2 + ( n − 1 )· 
n· z
 α/2
Se define E como la precisión esperada a un nivel de confianza 1-α.
Si la varianza σ2 se estima por s2 deberá utilizarse los cuantiles de la tα/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.
La variabilidad de la muestra afecta a la precisión numérica de la estimación. Si la variabilidad es grande

la muestra también tendrá que serlo para obtener un nivel de precisión predeterminado.
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
5.5.- APLICACIÓN DEL MÉTODO DE MONTECARLO A LA DETERMINACIÓN DE

LA INCERTIDUMBRE EN MMCs POR MODELO_G
En relación con los criterios expuestos en el Capítulo 4 Modelo_G, donde se ha desarrollado la

metodología aplicada, se expondrán a continuación los criterios generales para el uso de Montecarlo
aplicados en la propagación de incertidumbres, así como la metodología para la captación de la
información necesaria, para dicha propagación mediante simulación numérica.
Como se indicaba en el Capítulo 4, se ha combinado el uso de dos herramientas diferenciadas:
1.- El Método de Montecarlo como modelador y como recurso de propagación, y
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.
5.5.1.- Calibración orientada a la indicación de coordenadas
El Modelo_G propuesto, se orienta a la calibración de la indicación de coordenadas facilitadas por la

MMC. Así, como resultado de la calibración se proporciona una herramienta para la aplicación de
correcciones y el tratamiento de la incertidumbre asociada a cada terna (X, Y, Z) de coordenadas
indicadas por la máquina.
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
Figura 5-8 Intervalo de confianza para el valor medido

La adopción o no de un tipo específico de distribución de probabilidad (normal, uniforme u otras),
condicionará el fundamento estadístico de la propagación en términos de incertidumbre y nivel de
confianza de las estimaciones resultantes.
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.
La disposición de un elevado número de simulaciones (número de repeticiones M del orden de 106

según recoge GUM S1), permitiría la obtención directa de un intervalo de confianza disponiendo los
valores obtenidos para las magnitudes de salida en orden creciente.
5.34
La información proveniente de la calibración orientada a coordenadas, permite asignar a cada terna de

valores indicados por la MMC, las correcciones por el modelo adoptado y la matriz de incertidumbre a
un nivel de confianza o cobertura del 95%.
La obtención de esta información, tiene su justificación en el hecho de que la indicación de coordenadas

en el espacio, correspondientes a puntos vinculados a la superficie de la pieza a medir, es la tarea más
elemental a ejecutar por una MMC. Todas las mediciones ejecutadas por una MMC, parten de la
repetición más o menos amplia, de la tarea elemental de captación de puntos sobre la superficie del
mensurando y a partir de estas tareas elementales, la información de coordenadas es empleada para
el cómputo de elementos geométricos asociados al mensurando.
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.
5.5.2.- Dificultades inherentes al Modelo_G
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.
5.5.2.a) No independencia de los valores en las magnitudes de entrada
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
La no independencia puede también derivarse de posibles efectos locales imputables a la propia

arquitectura y sistemas de máquina (estructura, guías, sensores, filtros, rutinas de cálculo, etc.)
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.
5.5.2.b) No independencia de los valores en las magnitudes de salida
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.
5.5.2.c) No independencia en relación al Modelo_G
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)
La posterior estimación del parámetro característico de la dispersión trasladado al elemento de

referencia del artefacto (típicamente centros de las esferas).
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:
• El fundamento de la transformación puede explicarse por el ajuste a un cambio de expresión

de las coordenadas entre contravariantes y covariantes, o invarianza de la métrica en el espacio
modelo. Cada uno de tales ajustes adopta como hipótesis la característica de media nula y
distribución normal de los residuos sobre los valores transformados.
5.36
• 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.
Retomando el ejemplo ilustrativo de la metodología de Montecarlo en la determinación del valor de π ;

retener los diferentes valores obtenidos de este coeficiente para un número alto de repeticiones de la
simulación, sería la vía para establecer la incertidumbre en posteriores transformaciones de áreas (uso
masivo) o bien utilizar una estimación de los valores obtenidos y caracterizar la dispersión de tal
estimador (uso agregado). En este segundo caso el balance se fundamenta en la Ley de Propagación
de Incertidumbres.
5.37
5.6.- AJUSTE DE ELEMENTOS GEOMÉTRICOS EN METROLOGÍA POR

COORDENADAS. APLICACIÓN A MEDICIÓN DE CONOS.
5.6.1.- Introducción
Se presenta la posibilidad de caracterizar diversos elementos geométricos (rectas, circunferencias,

planos, esferas, cilindros y conos) bajo un mismo modelo matemático. La presente exposición recoge
aspectos de potencial interés en el marco de la actual situación de la calibración de medidoras de
coordenadas, específicamente en el tratamiento de la incertidumbre y la posibilidad de dar trazabilidad
a las medidas realizadas con estas medidoras, sin necesidad de disponer de patrones específicos para
cada tarea.
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.
Se expondrán, con una orientación eminentemente práctica, consideraciones relativas a:
o Las necesidades y procedimiento de calibración del sistema de medición por coordenadas,

para su aplicación al método de resolución de las tareas citadas.
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.
como aplicación concreta y en relación con ISO 14253-1:
o Extensión del concepto de reducción del intervalo de tolerancia en función de la incertidumbre

de medida.
o En relación con el anterior epígrafe se aplicará el algoritmo propuesto a la determinación de la

capacidad de máquina para la realización de una determinada tarea de medición en
condiciones de pieza ideal (capacidad óptima) y en condiciones de pieza en tolerancia.
o Aplicación a la comparación y evaluación de distintas estrategias de medición.
Los puntos anteriores se particularizan a modo de ejemplo entorno al caso de medida de conos.
5.38
5.6.2.- Modelo de ajuste
Es sobradamente conocida la teoría algebraica de cuádricas en el seno de espacios afines y espacios

proyectivos, por la cual, pueden ser representadas formas matemáticas de interés para la metrología
dimensional. Así aceptan una igual formulación: esfera, cono y cilindro (de revolución o no), planos
paralelos o formando ángulos determinados, un plano único y aún rectas en distintas posiciones
relativas. La aplicación de tal modelo pasa por disponer de la definición del mensurando en términos
de cuál es la geometría definida para el elemento geométrico a medir (su forma nominal) y es a esta
forma a la que la tarea de medida orientará, por mediación de una serie de parámetros característicos,
el ajuste matemático.
El ajuste matemático es habitualmente abordado por el criterio de minimizar la suma cuadrática de

distancias de los puntos medidos a la superficie resultante de la medición, que será de tal modo
adoptada como solución.
Por otra parte, en la definición normalizada de intervalos de tolerancia, es frecuente recurrir a la

definición de formas geométricas análogas a la nominal, con criterios de mínima / máxima desviación
en relación con la forma nominal (tolminimax).
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.
Figura 5-10 Ajuste a dos rectas que se cortan por

Figura 5-9 Ajuste a circunferencia por modelo modelo
La zona sombreada representa valores interiores a la pieza. Las indicaciones numéricas expresan la
suma cuadrática de los residuos al modelo.
Estos dos casos representa cualitativamente el significado de ajustar una determinada geometría por
el criterio expuesto.
5.39
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
Figura 5-11 Obtención del valor nominal en método de Montecarlo

La asignación del valor medido para la geometría calculada, se efectuará siguiendo los criterios
esquematizados en la Figura 5-11; de este modo, el valor asignado se corresponde con el ajuste sobre
los valores indicados (corregidos o no) proporcionados por la MMC, este será el resultado de forma o
geometría medida.
El procedimiento que se propone añade consideraciones relativas al modo de asignar incertidumbre al

resultado proporcionado como forma o geometría nominal. Una vez realizadas las medidas en diversos
puntos de la superficie, se presentan como resulta habitual, tres contribuciones claramente dominantes:
• El hecho de que la pieza no es lo que se pretende (indefinición del mensurando y defecto de

forma).
• Los valores indicados por la medidora están afectados de falta de repetibilidad (amén de otras
fuentes).
• El algoritmo de ajuste es limitadamente preciso y en ocasiones se verá afectado por la propia

tarea de medida.
5.6.3.- Propagación de incertidumbres
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.
El modo de proceder sería:
1. Afectar los valores indicados medidos, de variabilidad en el orden declarado por la calibración.
2. Reevaluar la forma repitiendo el ajuste, se retienen las geometrías resultantes.
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
El conocimiento de la incertidumbre de los valores corregidos de las coordenadas, es un requisito

necesario para la aplicación del criterio expuesto; se exige pues una calibración orientada a facilitar
este resultado. En este sentido, la presente tesis establece el Modelo_G como herramienta para su
determinación.
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.
datos de definición del

coordenadas
calibración mensurando
generador de
coordenadas virtuales ajustes
dispersión de
forma
Figura 5-12 Estimación de la variabilidad de medición en el método de Montecarlo
5.6.4.- Aplicación a la medición de conos
Como aplicación de las anteriores pautas de actuación, se recurre a su ejemplarización en el caso de

simulación numérica de la medición de un cono, aplicando los criterios expuestos para el tratamiento
de la información ya procesada por el citado Modelo_G de calibración. Tabla 5.9.
Tabla 5.9 Características del ejemplo de aplicación

geometría nominal de la zona de exploración de pieza características de la máquina
Forma: cono de revolución Aplicadas las correcciones:
Diámetro menor: 2 mm Ux=20 μm (k=2)
Diámetro mayor: 4 mm
Uy=20 μm (k=2)
Altura: 10 mm
Semi-ángulo del cono: 0.0996 rad Uz=20 μm (k=2)
Estrategia de medición – 1 Estrategia de medición – 2

10 puntos equiespaciados sobre dos circunferencias 20 puntos discrecionalmente repartidos
extremas. en la zona de exploración del cono.
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
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.
En términos de incertidumbre, la desviación típica de los valores simulados se recoge cualitativamente

en la Figura 5-16, y en: Figura 5-17 y Figura 5-18. 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. El valor
adoptado para caracterizar la dispersión de valores del semi-ángulo es una distribución uniforme
centrada en el valor medio de amplitud 0.001 rad, deducido por redondeo del valor de desviación típica
de las desviaciones para los resultados calculados. Este valor será utilizado para estimar la reducción
5.42
del intervalo de tolerancia en la medición de conos de similares características a la nominal simulada,

es decir, a los conos que definen los límites de tolerancia, estableciéndose de este modo la capacidad
de la máquina para ejecutar tareas específicas similares a la considerada.
Figura 5-13 Ajuste a cono ideal por estrategia 1

10 puntos equiespaciados sobre dos circunferencias extremas.
Figura 5-14 Ajuste a cono ideal por estrategia 2

20 puntos discrecionalmente repartidos en la zona de exploración del cono.
5.43
Figura 5-15 Distribución de puntos simulados sobre la superficie del cono

Figura 5-16 Dispersión de valores simulados para la estrategia 1
5.44
Figura 5-17 Dispersión de valores simulados para la estrategia 2 y ajuste tolminimax

Figura 5-18 Dispersión de valores simulados para la estrategia 2 y ajuste del ángulo
5.45
5.6.6.- Cumplimiento de una especificación de tolerancia
Se pretende discutir la idoneidad de aplicar la máquina y la implementación del algoritmo por

interpretación de la norma ISO 14253-1, a la toma de decisión relativa a si un cono satisface o no
determinadas especificaciones de tolerancia para el semi-ángulo y la forma (especificaciones basadas
en las normas AFNOR FD E 03-300 y UNE 1-121-91 respectivamente). Ver Tabla 5.10.
Tabla 5.10 Esquema comparativo de zonas de tolerancia

referencia especificación regiones de tolerancia
tolerancia de semi- AFNOR FD

(0.099 66±0.001) rad
ángulo E 03-308
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).
Figura 5-19 Simulaciones
5.46
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.
En la Figura 5-20, se recoge la relación comparativa para la especificación de semi-ángulo. Se ha

aplicado la reducción del intervalo de tolerancia por incertidumbre prevista para la medida, líneas límite
de rechazo y aceptación; situada la línea de resultado de la medida (valor medio) y las líneas límite de
incertidumbre, interesa el área sombreada de solapamiento entre las regiones de incertidumbre e
indeterminación del criterio de aceptación /rechazo, que debe ser interpretada: en la situación citada
de medición y aplicados los criterios expuestos de tratamiento, tal zona está en relación con la
probabilidad de que una pieza en tolerancia medida sea considerada como dudosa, concepto similar al
nivel de significación del criterio de aceptación, que resulta superior al uso común (0.05 %). conclusión:
no debería aplicarse tal máquina a tal tarea, por falta de seguridad estadística en la aplicación del
criterio de decisión sobre los resultados provistos.
Figura 5-20 Interpretación de resultados en relación con ISO 14253-1
5.47
Capítulo 6 Explotación del Modelo_G
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 su conjunto, la metodología expuesta busca finalmente la calibración de la más elemental de la

tareas provistas por las máquinas de medición por coordenadas: la indicación de coordenadas
vinculadas a la superficie del mensurando como expresión de puntos en un espacio vectorial afín
euclideo tridimensional.
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
6.2.- DETERMINACIÓN DE LA INCERTIDUMBRE DE MMCs
6.2.1.- Enfoque de Red Neuronal y Modelo_G
Se ha anticipado y descrito el recurso a la metodología de Montecarlo como herramienta modeladora,

que por similitud al caso ejemplar de determinación del valor de π, será referido como π - Montecarlo
(π-MC).
El desarrollo de las tareas de calibración conforme a la metodología propuesta, proporciona un conjunto

de matrices de cambio de base { }. En la determinación de los valores adoptados por estas { }
subyace la sensibilidad a las fuentes de variabilidad y error del esquema matemático basado en las
matrices métricas { ̿ }. En el apartado 4.2.4. Modelo de desviaciones, se describe la función y alcance
de las transformaciones expresadas por las y ̿ , en términos metrológicos. Destacar la
compatibilidad de la combinación de las herramientas de simulación numérica y el uso de Montecarlo,

con el enfoque neuronal, ambas técnicas sustentadas en métodos numéricos y elevados volúmenes
de datos.
En paralelo con el procesamiento basado en redes neuronales, se argumenta la emulación de los

comportamientos del sistema de medida ante el objetivo de adaptación a las condiciones de uso, bajo
los requisitos de comparabilidad y compatibilidad metrológicas. El modelo resultante, aún basado en
una relación paramétrica lineal (expresada por la transformación de coordenadas), es no lineal y se
caracteriza por ser sistemas de procesamiento en paralelo, distribuido y adaptativo (se perfilan más
adelante estas propiedades).
Figura 6-1 Matrices de transformación aplicadas a la medida
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
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.
Los procesadores elementales se disponen funcionalmente a semejanza de capas, y estas a su vez,

conforman la red neuronal (siguiendo a Freeman y Skapura, “Redes neuronales” 1993). La relación
entre los componentes genéricos de una red neuronal y los elementos del Modelo_G se muestra en la
Tabla 6.1.
Tabla 6.1 Componentes de una red neuronal en el Modelo_G

Genéricamente Modelo_G
(a) Unidades de entrada, reciben información proveniente de otras neuronas o
desde el exterior, traspasándola a la capa siguiente sin procesamiento alguno.
Una primera línea de adaptación de indicaciones e identificación de las matrices de transformación
implicadas en la medida.
(b) Unidades de salida, proporcionan el resultado o salida.
Acondicionamiento de las coordenadas transformadas para la descripción estadística del
resultado o para el tránsito hacia los algoritmos asociados a los elementos geométricos (en el caso
en que sean entendidos como externos al procesamiento en red).
(c) Unidades ocultas, llevan a cabo el procesamiento de los datos.
Las propias matrices de transformación, agrupadas por cohortes o subconjuntos asociados a
determinadas tareas o condiciones de uso del sistema de medida. Se unirían como capa de
proceso, los algoritmos asociados a los elementos geométricos, en el caso de ser contemplados
como constitutivos de la red asociada al sistema de media.
Retomando la descripción del enfoque, el ensayo de calibración se orienta a determinar el valor

adecuado de los parámetros en relación con los elementos de procesamiento. Esto se hace sobre la
base de la estructura, elementos y relaciones, del proceso de utilización o función desempeñada por la
red.
6.3
Figura 6-2 Esquema neuronal del proceso de aprendizaje por calibración
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
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.
Genéricamente las redes neuronales se asocian a propiedades características que se esperan y

presentan en ellas. Es de interés reseñarlas en relación con el paradigma que se expone.
Auto-organización
La estructura o configuración de la red neuronal responde al aprendizaje, tanto por un adiestramiento

desarrollado frente a situaciones experimentales, como por aprendizaje basado en la transferencia de
informaciones y reglas externas.
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
En el uso, el procesamiento de diferentes entradas es independiente entre ellas, así la afluencia de

indicaciones es tratada, en principio, sin necesidad de secuencialidad. Puede existir una limitación en
esta capacidad dependiendo de las funciones delegadas sobre la red neuronal, y de las metodologías
de post-proceso de las indicaciones corregidas. Esto acontece si la entrada lo es de múltiples
indicaciones que se entienden referidas a un mismo elemento geométrico, y en la definición de este es
necesaria la conciliación de todas o parte de ellas para la emisión de la salida (piénsese en el ajuste a
una definición, aplicación de bandas de determinación, u otras). Salvedades estas que no obstante
6.5
dependerían de la oportunidad de incorporar estas funciones a la red en cuanto conservan o no la

propiedad de procesamiento 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.
6.2.2.- Enfoque genético, red neuronal y Modelo_G
En la explotación de las tareas desarrolladas han de contemplarse las acciones de seguimiento en

relación con la bondad de sus prestaciones. Aun siendo el aprendizaje una actividad metódica que
conduce a constituir una implementación eficaz del sistema de medida, han de implementarse
elementos de aseguramiento y tratamiento de desviaciones. Así, constituido el sistema e implementado
en sus valores, y puesto a disposición del uso, ha de someterse a tareas de contraste de su valía en
relación con la función metrológica desempeñada. Interesa no desmerecer de cuantas acciones
desempeña el sistema de medida. Por eficiencia conviene pergeñar el modo en que tales acciones
contribuyan al aseguramiento de los resultados proporcionados por el 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.
El dinamismo de la etapa de aprendizaje y el enfoque neuronal alumbran la flexibilidad del modelo

implementado y, su susceptibilidad potencial ante cambios en los factores que contribuyen a la
variabilidad y con ello a la incertidumbre en el uso. En el cambio pudieran darse situaciones de variación
de los errores o de las contribuciones a la incertidumbre en las magnitudes de influencia, no siempre
en el sentido de degradación o empeoramiento. Es oportuno aprovechar las cualidades de ésta
implementación para reflejar tales evoluciones y transmitir indicaciones sobre el estado de conformidad
del sistema. El Capítulo 7 Sistema integral de medición por coordenadas, teoriza sobre este aspecto
concreto en relación con el resto de las funciones desempañadas por el sistema de medida.
La estrategia propuesta en respuesta a estos argumentos, se asemeja a un criterio de supervivencia

en el contexto de los algoritmos genéticos. Por ello se afronta la descripción de cómo integrar el
paradigma de evolución basada en la selección natural y la supervivencia de los individuos más
idóneos. El mecanismo de procreación o éxito poblacional de los individuos mejor adaptados, marca la
pervivencia de sus características bajo la tesis de respuesta óptima. Las anteriores neuronas de la capa
oculta, las matrices , serían los candidatos más intuitivos a individuos de esta población. Pero esto
se matiza a continuación y se pergeña una estrategia que soporta la implementación del criterio de
selección natural.
6.6
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 .
La familia de matrices de cambio de base { } actuan como neuronas en la implementación por el

enfoque neuronal. En sus tareas vinculadas a la capa oculta (en el uso) resultan ser,
̅ : 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,
= ̅ : se genera la salida intermedia o interna (a nivel de coordenadas de puntos, se

obvia que pudiera darse una capa adicional de aplicación de algoritmos
asociados a elementos geométricos), y tales valores son acondicionados para
su interpretación o puesta a disposición del usuario,
→ ; : el output o salida (se formula para coordenadas de puntos).
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
o La aplicación específica de ensayos de mantenimiento, recalibración y compatibilidad

en relación con contrastes de especificación, proporcionarán nuevos puntos a partir de
los cuales será viable desarrollar nuevas cohortes o clanes. En respuesta a la
pretensión de eficiencia referida al aprovechamiento de las acciones metrológicas del
sistema de medida, se introduce un protocolo de captación de aquellas indicaciones
procedentes del palpado que resultan ser de valía metrológica contrastada. Así, tales
indicaciones serán incorporadas al proceso de aprendizaje continuo al igual que en el
ensayo de calibración. Cualitativamente se ilustra por el elemento de subíndice 2 en
las figuras, Figura 6-3 y Figura 6-4 .
Figura 6-3 Afectación de la red por aplicación del criterio de supervivencia
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
Figura 6-4 Pervivencia, extinción y génesis
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
CAPÍTULO 7 SISTEMA INTEGRAL DE MEDICIÓN

POR COORDENADAS
7.1.- INTRODUCCIÓN
Tras la simplicidad conceptual de la medición por coordenadas, fuertemente arraigada en la

formación geométrica y analítica a todos los niveles, se encierran severas dificultades a la labor
metrológica de proporcionar adecuados indicadores, que caractericen las propiedades metrológicas,
su estimación y aseguramiento.
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.
• Determinación de las incertidumbres de calibración y de uso.
• Consistencia de las pruebas.
• Identificación de los parámetros característicos de cualificación de las capacidades de cada

máquina concreta y de su evolución.
• Compatibilidad con las referencias y normas existentes.
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
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:
• La complejidad de los métodos de análisis de error y balance de contribuciones de cara a su

traslación como método de uso industrial, sin menoscabo de su interés.
• La viabilidad de afrontar la descripción del comportamiento global de las medidoras sobre la

base de ensayos elementales trasladables al usuario.
• 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.
Aun no siendo un tema cerrado, desde la perspectiva de fabricante se considera asentada la

caracterización de los errores y su contribución. No obstante, a tenor de los resultados prácticos frente
a los objetos de referencia, recobran interés los métodos abordados desde la perspectiva de usuario.
Para el usuario la pretensión de explicar las fuentes de error orientada a compensar sus efectos, escapa
de su práctica. Encomendada la tarea de ajuste al mantenimiento del proveedor de máquina y el
aseguramiento de la capacidad de medida al proveedor de servicios de calibración, pueden ambos
alcanzar al servicio de mantenimiento basado en tareas elementales ejecutadas por el usuario. Como
resultado el usuario dispondrá de un criterio: apto, no apto, para la ejecución de cada tarea de medida.
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.
Es en esta última línea o enfoque donde la presente propuesta centra su atención.
7.2
7.2.- LA NECESIDAD DE UN NUEVO ENFOQUE
Frente al tratamiento convencional de la determinación de la incertidumbre final de medida en

instrumentación metrológica, y sobre la base de procedimientos convencionalmente aceptados y
contrastados por el buen uso metrológico, surgen cotidianamente nuevos problemas. Siendo esto
esperable, se añade la aportación de nuevas herramientas de indudable utilidad en el uso metrológico.
Y lo que es más acuciante: la demanda de herramientas concretas y de habilidades no metrológicas
para la dar respuesta a los nuevos planteamientos.
La introducción de sistemas automáticos informatizados representa una barrera insalvable para el

acceso de los usuarios al tratamiento convencional. La razón reside en el alto grado de complejidad
estructural ligado al tratamiento 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).
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:
a) Sensibilidad y capacidad adaptativa del sistema a las características particulares del

conocimiento a priori del mensurando, el procedimiento o la magnitud a medir.
b) Capacidad de gestionar de modo eficiente los recursos de medición adecuando su utilización y

el procedimiento de medida a la tarea concreta, muy en paralelo con esta actividad declarar su
capacidad para ejecutar la tarea prevista y establecer una previsión de la reducción del intervalo
de tolerancia en el proceso de decisión debido a la incertidumbre.
c) Ejecutar tareas de aseguramiento metrológico, integridad, disponibilidad:
c.1) Auto-comprobación.
c.2) Evaluación en línea del estado del sistema de medida o sus partes.
c.3) Indicación de acciones previas y/o correctoras.
d) Adaptación a la información de entrada y a los requerimientos de salida.
e) Auto aprendizaje y adiestramiento.
f) Correcta expresión de los resultados de medición conforme a normas.
g) Disponibilidad de vías de comunicación con el usuario, basadas en diálogos, explicativas y

sensibles a los requerimientos específicos por aplicación de herramientas que permitan un
acceso sencillo a la información relevante y una exposición comprensiva y comprensible
formalmente correcta.
h) Capacidad de propuesta de actividades de mejora por seguimiento de la actividad.
i) Compatibilidad a todos los niveles y accesibilidad cuando no declaración expresa de aquellos

aspectos de mayor compromiso metrológico (modelos y procedimientos internos).
j) Accesibilidad de datos.
7.3
k) Capacidad de desarrollo continuo y mejora sistemática.
l) Satisfacer los principios de calidad y su desarrollo normativo.
m) Gestión en paralelo de información de carácter administrativo.
Particularmente la incertidumbre de medida añade, a las fuentes de error o contribuciones a la

desviación del sistema mecánico de medida y su entorno, las características dependientes de:
• Los procedimientos de adquisición, actualización y almacenamiento de datos.
• Proceso de datos.
• Modelado conceptual del sistema y su esquema matemático.
• Los algoritmos de cálculo, la parametrización.
• La implementación sobre un soporte concreto.
7.3.- SISTEMA INTEGRAL DE MEDICIÓN POR COORDENADAS (SI−MC)
7.3.1.- Propósito General
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.
Desde un enfoque fundacional serán considerados como recursos del SI-MC:
− Condiciones ambientales internas y externas.
− Aquellos de carácter material o tangibles.
− Actividades y usos.
− Elementos de software; definiciones, normativa y modelos.
− Recursos humanos directamente aplicados.
Tal consideración se basa en presuponer a los recursos la capacidad de afectar a la medida y

consecuentemente deberá analizarse su incidencia.
7.4
La observación se traduce en una actividad descriptiva orientada a ponderar las contribuciones, la

viabilidad de su aislamiento y la idoneidad de su modelización. Esto se hace acorde con el nivel
metrológico del SMC sobre el que se centra la observación y en el uso industrial al que se destina. No
se afronta una labor explicativa de las relaciones causales.
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.
7.3.2.- Funciones Soportadas por el SI-MC
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.
Tabla 7.1 Funciones y planos de actividad del SI-MC

Plano de gestión Plano de utilización Plano de calidad
Función de administración Función de construcción Función de gestión de la calidad
(automática) Función de calibración
Función de mantenimiento
Función de medición
Véanse las Figuras 7-1 a 7-6. Se han destacado en línea roja los elementos afectos a cada función
de utilización.
Función de construcción: desarrolla las actividades encaminadas a establecer las distintas

configuraciones que estarán disponibles en el SMC; como resultado de su aplicación se obtendrá en
cada situación o para cada tarea, una realización concreta del SMC integrada en el SI-MC. Figura 7-2
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
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:
* Afectación de la función al diagrama general de flujos del SI-MC
* Actividades cuya interpretación se basa en el glosario adjunto y el siguiente criterio gráfico:
- Cada caja rectangular representa la actividad indicada por su texto interno.

- Las líneas que acceden por la izquierda representan entradas para la actividad.
- Las líneas que salen por la derecha aluden a salidas fruto de la actividad.
- Las líneas que entran por el borde superior enuncian los elementos de control sobre la
actividad.
- Las líneas que entran por el borde inferior declaran los recursos requeridos por la actividad.
- Cada línea aporta una etiqueta referida a la información intermedia de tránsito entre
actividades.
* Árbol jerárquico de actividades en la página 7.26, véase la Figura 7-20.
* Descripción de etiquetas, página 7.27 en el epígrafe 7.4.-
7.6
Figura 7-1 Esquema General de Componentes del Modelo SI-MC
7.7
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
Figura 7-7 Diagrama de actividades – 1 – Medir por coordenadas
7.13
Figura 7-8 Diagrama de actividades – 2 – Medir por Coordenadas, desglose

7.14
Figura 7-9 Diagrama de actividades – 3 – Ejecutar la función de construcción

7.15
Figura 7-10 Diagrama de actividades – 4 – Ejecutar la función de construcción, desglose

7.16
Figura 7-11 Diagrama de actividades – 5 – Confrontar MC y artefacto

7.17
Figura 7-12 Diagrama de actividades – 6 – Ejecutar la función de calibración

7.18
Figura 7-13 Diagrama de actividades – 7 – Ejecutar la función de calibración, desglose
7.19
Figura 7-14 Diagrama de actividades – 8 – Ejecutar la función de utilización
7.20
Figura 7-15 Diagrama de Actividades – 9 – Ejecutar la función de utilización, desglose
7.21
Figura 7-16 Diagrama de actividades – 10 – Elaborar procedimiento de medida
7.22
Figura 7-17 Diagrama de actividades – 11 – Generar informe (Medidas)
7.23
Figura 7-18 Diagrama de actividades – 12 – Ejecutar la función de mantenimiento
7.24
Figura 7-19 Diagrama de actividades – 13 – Ejecutar la función de mantenimiento, desglose
7.25
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.
Arbol de nodos: SISTEMA INTEGRAL de MEDIDA por COORDENADAS (SI-MC)
[A0] MEDIR POR COORDENADAS

[A1] EJECUTAR LA FUNCION DE CONSTRUCCION
[A10] EJECUTAR LA FUNCION DE CONSTRUCCION
[A101] CONFRONTAR MC Y ARTEFACTO
[A1011] PROGRAMAR
[A1012] MEDIR
[A102] MODELAR
[A103] CONSOLIDAR SMC
[A2] EJECUTAR LA FUNCION DE CALIBRACION
[A20] EJECUTAR LA FUNCION DE CALIBRACION
[A201] PROGRAMAR
[A202] MEDIR
[A203] CALCULAR
[A3] EJECUTAR LA FUNCION DE UTILIZACION
[A30] EJECUTAR LA FUNCION DE UTILIZACION
[A301] ELABORAR PROCEDIMIENTO DE MEDIDA
[A3011] GENERAR SECUENCIA DE ADQUISICION DE COORDENADAS
[A3012] GENERAR COORDENADAS VIRTUALES
[A3013] CALCULAR INCERTIDUMBRE
[A3014] VALIDAR PROCEDIMIENTO DE MEDIDA
[A302] MEDIR
[A303] PROGRAMAR
[A304] GENERAR INFORME (MEDIDAS)
[A3041] CALCULAR INCERTIDUMBRE
[A3042] GENERAR INFORME
[A3043] GENERAR COORDENADAS VIRTUALES
[A4] EJECUTAR LA FUNCION DE MANTENIMIENTO
[A40] EJECUTAR LA FUNCION DE MANTENIMIENTO
[A401] PROGRAMAR
[A402] MEDIR
[A403] VALORAR EL ESTADO DEL SMC
Figura 7-20 Árbol de nodos del SI-MC
7.26
7.4.- DESCRIPCIÓN DE ETIQUETAS EN DIAGRAMAS
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
reconocimiento formal a un laboratorio de calibración / ensayo de su competencia para el

desarrollo de las tareas especificadas en el alcance de la acreditación.
ALGORITMO DE CALCULO
Procedimiento de base matemática que permite la imputación de incertidumbre para cada

realización virtual de la medida.
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
imputar incertidumbre al valor medido correspondiente para completar la medida.
CERTIFICADO
documento acreditativo vinculado al elemento físico; aporta información de las características

metrológicas acreditadas para el patrón
COMANDOS MMC
relación de comandos de programación susceptibles de ser ejecutados por la Máquina de

Medición por Coordenadas (MMC); se consideran como elementos de control puesto que
representan una restricción en los propósitos de ejecución del desarrollo del programa, este
aspecto restrictivo ha sido tomado en consideración como procedimientos de medida MMC en
la elaboración de procedimientos de medida.
7.27
CONDICIÓN FIN DE SIMULACIÓN
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
análisis estimativo o estadístico inferencial de las indicaciones proporcionadas por la Máquina

de Medición por Coordenadas (MMC).
CONFRONTAR MMC Y ARTEFACTO
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
adoptar el modelo de comportamiento alcanzado, como descripción que del comportamiento

del sistema de medición por coordenadas, siendo así su configuración y modelización las
asumidas para la aplicación.
DATOS ADMINISTRATIVOS
Incluye (sin ser exhaustivo):
* identificación del cliente;
* identificación de la tarea(s);
* identificación del(os) mensurando(s);
* datos de operación (fechas, referencias, plazos, etc.);
* observaciones de carácter general
DATOS DE ENTORNO DE OPERACIÓN
valores descriptivos de las condiciones ambientales en las que se desarrolla la tarea de

captación de VALORES INDICADOS; incluye:
temperatura, humedad, presión, tiempo de máquina, operario, fechas, incidencias, etc.
DEFINICIÓN DEL MENSURANDO
bajo muy diversas formas de presentación, la definición del mensurando debe incluir:
* una descripción geométrica de la característica a evaluar por medición;
* el criterio normativo que se deberá aplicar para su evaluación;
7.28
* datos relativos a posibles comportamiento específicos durante el ensayo (material, acabado

superficial, dimensiones críticas, etc.).
EDITOR DE PROGRAMAS
aplicación(es) informática(s) que permitirá(n) editar y componer el programa de modo que

resulte ejecutable por la Máquina de Medición por Coordenadas (MMC).
EDITOR DE TEXTO
aplicación(es) informática(s) que permitirá(n) escribir el programa de modo que resulte

interpretable por la Máquina de Medición por Coordenadas (MMC).
EJECUTAR LA FUNCIÓN DE CALIBRACIÓN PARA EL SISTEMA DE MEDICIÓN POR

COORDENADAS
desarrollo de las actividades referidas por procedimiento, orientadas a la determinación de las

correcciones, incertidumbre de medición y trazabilidad de los valores obtenidos. (Véase: Figura
7-1 Esquema General de Componentes del Modelo SI-MC ; Figura 7-12 Diagrama de
actividades – 6 – Ejecutar la función de calibración ; Figura 7-13 Diagrama de actividades – 7
– Ejecutar la función de calibración, desglose).
EJECUTAR LA FUNCIÓN DE CONSTRUCCIÓN DEL SISTEMA DE MEDICIÓN POR

COORDENADAS
desarrollo de las actividades orientadas al establecimiento de los modelos y caracterización de

un SMC, para su posterior consolidación y puesta en explotación. (Véase: Figura 7-2
Componentes del Modelo SI-MC afectados por la Función de Construcción ; Figura 7-9
Diagrama de actividades – 3 – Ejecutar la función de construcción ; Figura 7-10 Diagrama de
actividades – 4 – Ejecutar la función de construcción, desglose).
EJECUTAR LA FUNCIÓN DE MANTENIMIENTO DEL SISTEMA DE MEDICIÓN POR

COORDENADAS
desarrollo de las actividades conducentes al aseguramiento metrológico de la bondad de los

valores proporcionados por el SMC; fundamentalmente se orienta a soportar las tareas de
control entre calibraciones, diagnóstico de operación y capacidad del proceso de medición.
(Véase: Figura 7-4 Componentes del Modelo SI-MC afectados por la Función de Mantenimiento
; Figura 7-18 Diagrama de actividades – 12 – Ejecutar la función de mantenimiento ; Figura
7-19 Diagrama de actividades – 13 – Ejecutar la función de mantenimiento, desglose ).
EJECUTAR LA FUNCIÓN DE UTILIZACIÓN DEL SISTEMA DE MEDICIÓN POR COORDENADAS

(SMC)
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.
(Véanse: Figura 7-14 y Figura 7-15).
7.29
ELABORAR PROCEDIMIENTO DE MEDIDA
genera el procedimiento de medida (que es el conjunto de operaciones elementales que

deberán desarrollarse para la ejecución de la tarea de medida; deberá ser identificable y
contener información relativa a la tarea para la cual se desarrolla).
EMPLAZAMIENTO DE MENSURANDO EN V.C.
V.C.(Volumen de Control); descripción de la posición que deberá ocupar el mensurando dentro

del V.C. en coordenadas MMC.
FORMULARIO
formato específico para la expresión de los resultados que constituyen el informe (medidas).
GENERADOR ALEATORIO
fuente de secuencias de números aleatorios.
GENERAR COORDENADAS VIRTUALES
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).
GENERAR INFORME (MEDIDAS)
actividad por la cual se concreta la información generada por la función de utilización con un
formato definido a priori informe(medidas).
GENERAR SECUENCIA DE PALPADO (o SECUENCIA DE ADQUISICIÓN DE COORDENADAS)
se concreta una secuencia de posiciones nominales que constituyen la trayectoria de ensayo,

tomando como referencia el emplazamiento de medida propuesto para el mensurando dentro
del Volumen de Control (V.C.) tal secuencia de toma de coordenadas deberá ceñirse a los
procedimientos de usuario / MC / normativos, que pudieran estar previamente definidos.
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
INFORME DE ESTADO DEL SISTEMA MMC
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
INFORME (MEDIDAS)
* identificación de la ejecución de la función de utilización, y datos de mensurando procedentes

de los datos administrativos;
* descripción del procedimiento de medida adoptado, se incluye información relativa a su

elaboración;
* datos de entorno de operación;
* datos de personal implicado;
* estado de la tarea de medida.
MMC
Máquina de Medición por Coordenadas; dispositivo que mediante interacción con el

mensurando, facilita valores indicados en formato de coordenadas relativas a los puntos de la
superficie del mensurando; puede ser capaz de facilitar datos de entorno de operación
(temperatura, presión, humedad, tiempo de máquina, etc.).
MEDIDAS
expresión metrológicamente correcta del resultado de la acción de medir o resultado de medida.
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
magnitud particular objeto de medida; en metrología de la coordenada un elemento físico sujeto

de la medida deberá materializar la definición del mensurando.
MODELAR
refiere al conjunto de actividades específicas orientadas a la elaboración del modelo, específico

en su aplicación.
MODELO DE COORDENADAS
implementación del modelo de desviaciones y modelo de propagación de la incertidumbre,

obtenido como resultado de los ensayos de caracterización y calibración del comportamiento
del SMC.
7.31
MODELO DE DESVIACIONES
refiere al concepto apriorístico, que permite la descripción simplificada de las diferencias

observadas entre las indicaciones proporcionadas por el SMC y los valores convencionalmente
verdaderos.
MODELO GEOMÉTRICO
en general, es todo aquel que representa una o más características dimensionales por su
concepción o definición ideal.
MODELO DE PROPAGACIÓN DE INCERTIDUMBRE
declaración expresa de los criterios de evaluación de la dispersión de las medidas, en relación

con las fuentes de incertidumbre y de estas, con patrones convencionalmente aceptados.
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
modelo que se concibe para la representación del comportamiento de la MMC.
NORMAS
criterios convencionalmente establecidos en relación con las actividades afectadas.
OPERADOR
persona que habitualmente rige el uso del SMC.
PATRÓN - patrón físico
hace mención al elemento físico que soporta la definición del mensurando dada para el patrón.
PROCEDIMIENTO DE MEDIDA
conjunto de operaciones, detalladamente descritas, aplicadas en la ejecución de una medida

particular conforme a un método dado; por método de medida se entenderá un secuencia lógica
de operaciones, descritas de modo genérico, aplicadas en la ejecución de la medida; deberá
ser identificable incluyendo información relativa a la tarea de medida para la que se desarrolla,
se plantea la necesidad de desarrollo de procedimientos específicos a cada tarea concreta
dentro de un marco de métodos genéricos.
PROCEDIMIENTOS DE: USUARIO / MMC / NORMATIVOS
los PROCEDIMIENTOS DE MEDIDA se encuentran sometidos a restricciones normativas por

lo que en principio no existe una libertad absoluta para su definición; deben contemplarse en
todo caso restricciones específicas impuestas por el usuario (p.e.: para evitar colisiones con
instrumental emplazado en el V.C.).
7.32
PROGRAMA
secuencia de COMANDOS MMC que permiten ejecutar el PROCEDIMIENTO DE MEDIDA por

la MMC en relación al .
PROGRAMADOR
persona que gestiona el proceso de programación.
PROGRAMAR
diseñar e implementar las rutinas de actuación automática o de operaciones.
PROPUESTA DE EMPLAZAMIENTO
de la actividad del SMC, en la ejecución de la función de utilización, deberá resultar una

propuesta de cuál es, a resultas de los criterios de optimización del sistema, la mejor posición
y disposición en actitud del mensurando para la ejecución de la medida.
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
tareas elementales consolidadas y aceptadas para la ejecución de parte o la totalidad de un

procedimiento de medida.
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 DE MEDICIÓN POR COORDENADAS – SMC
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 VIRTUAL DE MEDIDA POR COORDENADAS –SVMC
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
TESTIGO DE RECHAZO
información concerniente al procedimiento rechazado; este tipo de información deberá generar

en un futuro (próximo) un sistema de conocimiento para la generación de procedimiento de
medida y emplazamiento del mensurando en V.C.; actualmente representa un elemento
complementario, que se adjunta al contenido del informe, y cuyo destinatario es el analista del
sistema.
VALIDAR PROCEDIMIENTO DE MEDIDA
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.
VALORAR EL ESTADO DEL SISTEMA MMC
establecer la capacidad de medida del SMC a corto plazo.
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.
VALORES INDICADOS VIRTUALES
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
CAPÍTULO 8 IMPLEMENTACIÓN DEL SI-MC:

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).
Aclarar que el desarrollo de conceptos, estrategias y procedimientos en el curso de las tareas de

ensayo, tienen su fundamento en pruebas y tentativas efectuadas sobre sistemas de medición por
coordenadas concretos, tanto máquinas como entornos. Se ha entendido conveniente que tales
recursos no fuesen los aplicados en la maduración de los resultados aquí presentados. El argumento
fundamental apunta a la desvinculación entre los criterios y los sistemas particulares (con todos sus
elementos). Hay también una pretensión de distanciamiento con la influencia del hábito. Esto se
considera una cualidad, que se ha reforzado ejecutando los ensayos con un conocimiento limitado del
operario en relación con el destino y finalidad de los resultados.
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
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
8.1.2.- Cálculo de contribuciones a la incertidumbre
Tratamiento genérico de las contribuciones comunes a los casos posteriores.
8.1.2.a) Contribución de las esferas de ensayo y de su medición.
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.
(Xc ; Yc ; Zc ) Coordenadas calculadas del centro.

2
S
uc = u02 + S2 : suma cuadrática de las desviaciones entre el radio y las distancias de los
( n − 1)
puntos medidos al centro calculado.
8.2
Para todas las esferas utilizadas se obtiene:
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.
8.1.2.b) Contribuciones globales de la MMC
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).
En una segunda fase, se procede a determinar las familias de matrices métricas “{ ̿ }” y de
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.
Figura 8.1 Estrategia de generación de las matrices de transformación
8.3
BOLA – 1 : Radio conocido = 14.9965 ± 0.000 3 mm

posición Xc Yc Zc S2
1 14,3731 -134,9697 -212,0574 3,58E-07
2 19,8882 -122,4164 -216,9447 1,48E-08
3 265,8683 -102,0453 -211,6757 8,02E-09
4 264,5108 -233,1305 -212,6137 1,50E-08
5 122,7150 -255,0975 -276,4711 4,16E-08
6 268,9308 -235,5882 -138,8066 4,45E-08
7 140,8830 -24,6746 -184,3454 5,30E-09
8 135,0286 -45,1999 -241,3316 5,00E-09
9 24,8533 -237,8502 -192,6437 6,41E-08
10 141,2716 -34,7557 -110,6320 7,24E-09
1 187,1766 -297,6913 -212,0294 2,68E-08
2 173,4262 -299,4228 -216,9700 2,43E-08
3 28,3527 -96,4121 -211,6436 2,51E-09
4 142,8532 -29,7022 -212,5917 4,07E-08
5 235,6208 -141,3500 -277,2206 4,16E-09
6 142,7044 -24,8545 -138,0520 8,46E-08
7 25,9973 -244,9262 -184,0268 2,70E-09
8 46,6655 -239,5051 -241,6349 1,74E-09
9 270,9981 -235,2785 -192,4100 8,36E-08
10 34,7525 -239,2349 -109,6344 3,51E-09
1 235,9397 -65,0884 -212,0629 2,19E-08
2 244,4333 -75,8150 -216,9397 3,13E-08
3 147,5809 -302,2587 -211,6823 7,61E-08
4 32,6068 -239,8715 -212,6182 3,37E-09
5 79,4623 -104,6014 -276,3220 6,08E-09
6 28,3325 -242,6509 -138,9565 8,55E-08
7 274,1766 -228,1551 -184,4087 2,13E-08
8 258,7673 -213,3930 -241,2714 2,48E-08
9 140,3134 -26,2932 -192,6900 5,86E-09
10 265,1481 -223,8131 -110,8299 5,24E-08
1 146,3662 -166,6965 -21,0810 7,71E-08
2 148,9005 -171,3042 -21,1760 6,29E-07
3 146,7424 -166,7777 -21,0811 2,02E-07
4 146,1626 -166,1095 -21,0817 3,23E-07
5 210,1431 -125,0286 -42,6776 3,29E-08
6 169,5013 -234,7523 -40,1336 3,59E-09
7 164,6536 -144,6271 -23,9380 7,14E-09
8 126,9631 -192,8475 -24,7811 1,66E-08
9 126,4988 -162,6370 -22,5027 4,13E-08
10 207,7486 -92,6670 -57,5007 8,00E-09
Los casos presentados a continuación son de aplicación de la metodología expuesta en la tesis,
incorporando elementos adicionales de génesis, tratamiento y proyección de los resultados obtenidos.
8.4
8.2.- ANÁLISIS INICIAL
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.
Se relaja la indicaciones de títulos y referencias en el texto, vinculadas a los contenidos presentados

por tablas, ecuaciones y gráficas. Esto se hace con la intención de mejorar la fluidez y excusando
potenciales pérdidas del hilo expositivo.
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.
Los casos preliminares comparten la estructura expositiva, a modo de encabezado se identifican: la

máquina, el artefacto, el fichero de datos (valores indicados en los ensayos) y un somera indicación de
la tipología del artefacto.
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.
Particularmente se introdujeron modificaciones en el algoritmo de proceso para acelerar la

convergencia y se contrastaron diferentes diseños atendiendo a las consideraciones de los Anexos 1 y
2 al presente documento de memoria.
8.5
8.2.1.- Caso preliminar A
Datos de identificación:
MMC UPNa
Artefacto Barra2B
NombreFichero 2n9p3d.txt
Numero de Nodos 2
Numero de Posiciones 9
Dimension 3
[ valores ajustados ] (valores en mm)

posición esfera x y z radio distancia
1 1 -183,8778 26,6658 -111,5753 9,4905
2 -27,2729 -103,0139 -17,5648 9,4939 224,0087
2 1 -174,2334 -109,0685 -111,6082 9,5014
2 -50,3306 52,1206 -17,5960 9,4941 223,9913
3 1 -91,6031 -125,4138 -36,7465 9,4841
2 -149,4055 82,3992 -97,2235 9,4981 224,0198
4 1 -187,7487 -93,2765 -36,7668 9,4885
2 -43,2292 66,8705 -97,2114 9,4948 224,0235
5 1 -70,4996 106,9248 -36,7930 9,4958
2 -127,3173 -101,1554 -97,2135 9,4932 224,0006
6 1 -164,9134 66,3384 -74,1152 9,4964
2 -38,8207 -118,6500 -66,3528 9,4980 224,0096
7 1 -106,4412 82,0749 -74,1105 9,4965
2 -113,9554 -141,6671 -66,3448 9,4947 224,0029
8 1 -134,5796 -146,0428 -74,1181 9,5011
2 -123,2708 77,5395 -66,3372 9,4955 224,0033
9 1 -194,1549 -85,1691 -113,8294 9,4988
2 -13,3278 20,6354 -34,5074 9,4904 224,0200
esfera radio distancia

medias 1 9,494 8 mm
2 9,494 7 mm 224,008 9 mm
-5 2
cuasi-var 1 3,46·10 mm
2 5,54·10-6 mm2 0,000 112 7 mm2
ui 1 0,002 0 mm
2 0,000 8 mm 0,003 5 mm
Los coeficientes de la matriz “ ̿ ” resultan sin correcciones siendo entonces ̿ = ̿ .

Valor mínimo obtenido para la función objetivo, Fmín = 0.000 899 8
Valor de referencia para la distancia medida = 224,009 mm
8.6
15
10
desviaciones en (µm) 5
-5
-10
-15
-20
1 2 3 4 5 6 7 8 9
posiciones
Figura 8.2 Desviaciones ajustadas en los diferentes emplazamientos
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.
La determinación de la contribución a la incertidumbre en la determinación del valor medio por

variabilidad en las distancias ante cambios de posición, se ha estimado por vía de la cuasi-varianza de
los valores obtenidos.
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:
g11= 0.998 857 12 g12= -0.000 078 84 g13= -0.000 102 75

g22= 0.999 085 60 g23= 0.000 215 77
g33= 1 (establecido como condición de ajuste)
(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
-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
Figura 8.3 Evolución de los coeficientes ajustados
-4
x 10 Evolución del valor de la función objetivo
10
2
0 2 4 6 8 10 12
número de iteración
Figura 8.4 Evolución de la función objetivo de optimización
Valor mínimo obtenido para la función objetivo: Fmín = 0.000 206
8.8
10
4
desviaciones en (µm)
-2
-4
-6
-8
1 2 3 4 5 6 7 8 9
posiciones
Figura 8.5 Desviaciones residuales en los diferentes emplazamientos
Valor nominal de la distancia medida: 224.013 mm
Dispersión estimada: d_posicion = 0.002 mm
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.
Valores indicados y (*) Valores corregidos.
8.9
8.10
La comparación con el resultado anterior muestra una mejora en la incertidumbre asignada (a igual
nivel de determinación), compatible con el resultado anterior.
Tabla 8.2 Resumen de parámetros obtenidos

mm L U L-U L+U
̿ = ̿ 224,009 0.011 223,998 224,020
̿ ≠ ̿ 224,013 0.004* 224,009 224,017
IC= 0.36
∗⁄
=
8.11
8.2.2.- Caso preliminar B
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
esfera radio distancia

medias 1 9,4853 mm
2 9,4913 mm 206,046 6 mm
-5
cuasi-var 1 14,44·10 mm2
2 5,53·10-5 mm2 0,001 47 mm2
ui 1 0,003 6 mm
2 0,002 2 mm 0,0128 mm
Los coeficientes de la matriz “ ̿ ” resultan sin correcciones siendo entonces ̿ = ̿ .
Valor de referencia para la distancia medida = 206,043 mm
8.12
0.08
0.06
0.04
desviaciones en (µm) 0.02
-0.02
-0.04
-0.06
-0.08
-0.1
1 2 3 4 5 6 7 8 9 10 11
posiciones
Figura 8.6 Desviaciones sin corrección
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.
La determinación de la contribución a la incertidumbre en la determinación del valor medio por

variabilidad en las distancias ante cambios de posición, se ha estimado por vía de la cuasi-varianza de
los valores obtenidos.
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
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:
g11= 1.000 152 80 g12= 0.000 103 44 g13=-0.000 519 47

g22= 1.000 189 28 g23= -0.000 657 64
g33= 1 (establecido como condición de ajuste)
(Recordando que la mantisa de 8 dígitos se mantiene por razones de precisión de cálculo y su

trascendencia en la contribución al error numérico).
8.13
-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
Figura 8.7 Evolución de los coeficientes
Evolución del valor de la función objetivo

0.022
0.02
0.018
0.016
0.014
0.012
0.01
0 2 4 6 8 10 12
Figura 8.8 Evolución de la función objetivo
8.14
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
Figura 8.9 Correcciones residuales
Valor de la distancia medida: 206.055 mm
Dispersión estimada: d_posicion = 0.010 mm
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.
Valores medidos y (*) Valores corregidos.
8.15
8.16
Tabla 8.3 Tabla resumen de parámetros obtenidos

mm L U L-U L+U
̿ = ̿ 206.043 0.034 206.009 206.077
̿ ≠ ̿ 206.055 0.010* 206.045 206.065
IC= 0.35
∗⁄
=
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
8.2.3.- Comparación y conclusiones relativas a 8.1.1. y 8.1.2.
La realización de diferentes ensayos análogos a los presentados, condujeron a concluir:
• La bondad de las rutinas implementadas ante diferentes realizaciones numéricas.
• La coherencia entre los resultados obtenidos y el nivel previsible de las correcciones,

fundamentado en el estado de buen uso de la máquina empleada y la simpleza de su
arquitectura y elementos auxiliares de detección y proceso de datos.
• 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.
• En las realizaciones expuestas, debe apreciarse la ausencia a referencias de valor contrastado

de los artefactos aplicados. Tales valores no han sido recogidos, pues en el nivel de desarrollo
que se ha expuesto, no se han aplicado las correcciones por factor de escala global, que
permitirían la comparación con resultados provenientes de métodos alternativos de medición
de los artefactos. En cualquier caso, las mediciones alternativas citadas fueron ejecutadas
sobre la MMC citada en 8.2.2. Caso – 2 (a tratar más adelante), no se recogen por no resultar
concluyentes en este alcance de la exposición.
8.18
8.2.4.- Caso preliminar C
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.
El sistema de medida es el mismo que en los dos casos precedentes: MMC_UPNa.
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.
Figura 8.10 Artefacto PURI-55
Rutina procesa3d.m Archivo: 4n10p3d.txt

La rutina de tratamiento de datos se adapta a procesar un artefacto tridimensional. El núcleo
matemático es el aplicado anteriormente (implementado en MatLab) y se atienden las consideraciones
de los Anexos 1 y 2.
En el lanzamiento del proceso se estable el valor de partida.
COEFICIENTES DE LA MATRIZ G
̿= ̿
VALOR MÍNIMO OBTENIDO PARA LA FUNCIÓN OBJETIVO:
ans = 0.005 465 170 763
VALOR DE LAS DISTANCIAS MEDIDAS (mm):
ans = 57.131 56.906 55.398 54.964 55.998 56.608
8.19
Cada linea representa una distancia

0.02
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
La ocurrencia de situaciones de manifiesta falta de coherencia en el resultado obtenido (posición 8), es

una de las motivaciones de la inclusión en esta presentación de conclusiones, del análisis estadístico
de los valores obtenidos en proceso de medición, ya que de otro modo no habrían podido justificarse,
adecuadamente los criterios de filtrado sobre los valores obtenidos, que se incorporan en la evolución
de la metodología hacia el estado finalmente expuesto.
Rutina modelo_g00.m Archivo: 4n10p3d.txt

Se muestra ahora la consistencia frente a la rutina aplicada, en el tratamiento de artefactos
tridimensionales, siendo la metodología concurrente en soluciones sobre las mediciones realizadas.
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.
SOLUCIÓN ALCANZADA POR NO MEJORARSE EL MÍNIMO INICIAL
g11= 1 g12= 0 g13= 0
g22= 1 g23= 0
g33= 1
VALOR MÍNIMO OBTENIDO PARA LA FUNCIÓN OBJETIVO :
ans = 0.025 465 170 762 777 46
ans = 57.130 96 56.905 93 55.397 94 54.964 03 55.997 61 56.608 14
8.20

20
10
-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).
Rutina modelo_g00.m Archivo: 4n10p3d.txt

En esta realización, sobre la misma rutina del caso anterior, pero a diferencia con él, se ha forzado la
generación de una propuesta de matriz métrica no unitaria y consecuentemente se genera una matriz
de correcciones. (Análogamente a como se afrontó en los casos preliminares previamente descritos).
g11= 1.000 417 28 g12= 0.000 373 12 g13= -0.000 216 32
g22= 0.999 468 80 g23= -0.000 173 44
g33= 1.000 000 00
VALOR MÍNIMO OBTENIDO PARA LA FUNCIÓN OBJETIVO:
ans = 0.021 153 417 695 086 5
ans = 57.121 80 56.906 45 55.396 47 54.962 00 56.012 15 56.608 51
8.21
Evolución del valor de la función objetivo

0.0255
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

120
100
80
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
-4 evolución del valor de los coeficientes

x 10
6
G11-1
G12
G13
G22-1
4 G23
-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
8.4.- ANÁLISIS DE CASOS
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.
La MMC objeto de calibración es habitualmente utilizada por el Laboratorio de Metrología de una

empresa de fabricación, el volumen de calibración es de 450X450X350 mm3; la incertidumbre esperada
se situó en 20 μm.
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.
Atendiendo a la información presentada, resulta para el eje Y una destacada descompensación. Un

análisis más detallado permite imputar a falta de rectitud y cuadratura o perpendicularidad entre ejes,
las altas desviaciones presentadas, que se traducen en alta dispersión de los resultados; esto en
dependencia de la zona del volumen de medición, sobre la que se han tomado los valores.
Se aportan a continuación:
Figura 8.11 Desviaciones en cada barra – Caso 1 pág. 8.25
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
Figura 8.11 Desviaciones en cada barra – Caso 1
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 )
Figura 8.12 Gráficas de diferencias por componentes Medidas – Corregidas – Caso 1
8.25
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.
Figura 8.13 Calibración con BPLs versus Modelo_G - Caso 1
8.26
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.
Los datos más relevantes se refieren a continuación.
Para la Calibración se emplearon como patrones, BPLs de acero de longitudes:
L>100 mm en Calidad 0, siendo U(k=2) =±(0.05+0.0005 x L) μm
L≤100 mm en Calidad K, siendo U(k=2) =±(0.03+0.0006 x L) μm
Condiciones de Calibración:
Temperatura de Referencia: (20±0.5)ºC
Humedad Relativa: (50±10) %
Obteniéndose, en condiciones de correcciones de calibración nulas, los siguientes valores de

incertidumbre en la calibración independiente de los tres ejes,
U(k=2) Rango
mm mm
X 0.001 5 0 - 550
Y 0.001 8 0 - 500
Z 0.001 3 0 - 450
Se presentarán en relación con el presente Caso 2:
Tabla 8.4 Distancias sin corregir - Caso 2 pág. 8.28

Tabla 8.5 Desviaciones en cada realización - Caso 2 pág. 8.29
Tabla 8.6 Distancias corregidas - Caso 2 pág. 8.30
Tabla 8.7 Desviaciones residuales tras la corrección – Caso 2 pág. 8.31
Tabla 8.8 Correcciones aplicadas - Caso 2 pág. 8.32
Tabla 8.9 Coeficientes de la Matriz G - Caso 2 pág. 8.33
Figura 8.14 Evolución de las Correcciones de Calibración - Caso 2 pág. 8.35
Figura 8.15 Evolución de las desviaciones en distancias corregidas – Caso 2 pág. 8.36
Figura 8.16 Evolución de los coeficientes de Matriz g y Matriz G – Caso 2 pág. 8.37
Figura 8.17 Evolución de las correcciones en los coeficientes – Caso 2 pág. 8.38
Figura 8.18 Valores comparados de incertidumbre combinada Eje Z pág. 8.41
Figura 8.19 Valores comparados de incertidumbre combinada Eje X pág. 8.43
Figura 8.20 Valores comparados de incertidumbre combinada Eje Y pág. 8.45
8.27
8.4.2.a) Resultados intermedios de la aplicación del Modelo G
Se aportan los resultados mediante tablas.
Tabla 8.4 Distancias sin corregir - Caso 2

mm DISTANCIAS
12 13 14 23 24 34
E_01 237,3598 232,3258 234,3093 237,6604 235,1312 234,1403
E_02 237,3600 232,3258 234,3094 237,6608 235,1313 234,1402
E_03 237,3601 232,3258 234,3094 237,6603 235,1313 234,1403
E_04 237,3602 232,3260 234,3093 237,6606 235,1312 234,1402
E_05 237,3600 232,3257 234,3095 237,6607 235,1313 234,1403
E_06 237,3595 232,3260 234,3094 237,6605 235,1316 234,1405
E_07 237,3603 232,3254 234,3094 237,6604 235,1316 234,1403
E_08 237,3599 232,3253 234,3095 237,6601 235,1317 234,1401
E_09 237,3597 232,3257 234,3089 237,6603 235,1310 234,1405
E_10 237,3595 232,3256 234,3098 237,6599 235,1309 234,1403
E_11 237,3597 232,3258 234,3091 237,6606 235,1314 234,1402
E_12 237,3594 232,3259 234,3091 237,6601 235,1309 234,1403
E_13 237,3592 232,3263 234,3099 237,6611 235,1308 234,1402
E_14 237,3600 232,3263 234,3096 237,6606 235,1318 234,1401
E_15 237,3608 232,3258 234,3104 237,6607 235,1314 234,1399
E_16 237,3601 232,3253 234,3096 237,6605 235,1307 234,1404
E_17 237,3591 232,3262 234,3091 237,6601 235,1308 234,1403
E_18 237,3606 232,3259 234,3089 237,6608 235,1313 234,1402
E_19 237,3592 232,3258 234,3090 237,6603 235,1318 234,1412
E_20 237,3611 232,3267 234,3109 237,6609 235,1330 234,1419
E_21 237,3600 232,3252 234,3087 237,6606 235,1318 234,1398
E_22 237,3603 232,3266 234,3096 237,6616 235,1314 234,1416
E_23 237,3597 232,3250 234,3100 237,6604 235,1313 234,1401
E_24 237,3606 232,3254 234,3094 237,6608 235,1320 234,1396
E_25 237,3600 232,3255 234,3096 237,6600 235,1308 234,1400
E_26 237,3598 232,3257 234,3094 237,6605 235,1316 234,1404
E_27 237,3603 232,3260 234,3095 237,6603 235,1315 234,1399
E_28 237,3596 232,3259 234,3096 237,6617 235,1321 234,1401
E_29 237,3590 232,3255 234,3089 237,6612 235,1313 234,1408
E_30 237,3577 232,3252 234,3093 237,6605 235,1313 234,1412
8.28
Tabla 8.5 Desviaciones en cada realización - Caso 2

mm DESVIACIONES
12 13 14 23 24 34
E_01 0,0018 0,0001 0,0001 0,0049 0,0033 0,0001
E_02 0,0015 0,0006 0,0005 0,0047 0,0031 0,0006
E_03 0,0020 0,0005 0,0007 0,0048 0,0036 0,0009
E_04 0,0021 0,0005 0,0006 0,0051 0,0035 0,0004
E_05 0,0016 0,0005 0,0004 0,0046 0,0030 0,0005
E_06 0,0021 0,0007 0,0006 0,0049 0,0033 0,0007
E_07 0,0022 0,0002 0,0006 0,0050 0,0037 0,0011
E_08 0,0026 0,0015 0,0010 0,0056 0,0039 0,0012
E_09 0,0026 0,0012 0,0012 0,0052 0,0033 0,0017
E_10 0,0022 0,0012 0,0015 0,0045 0,0033 0,0008
E_11 0,0015 0,0008 0,0010 0,0051 0,0028 0,0010
E_12 0,0020 0,0011 0,0010 0,0052 0,0036 0,0010
E_13 0,0020 0,0010 0,0011 0,0044 0,0033 0,0015
E_14 0,0023 0,0015 0,0009 0,0040 0,0033 0,0013
E_15 0,0023 0,0026 0,0023 0,0053 0,0039 0,0024
E_16 0,0031 0,0029 0,0025 0,0063 0,0033 0,0021
E_17 0,0019 0,0017 0,0017 0,0048 0,0027 0,0019
E_18 0,0026 0,0018 0,0012 0,0049 0,0039 0,0018
E_19 0,0020 0,0023 0,0018 0,0051 0,0038 0,0023
E_20 0,0026 0,0022 0,0023 0,0061 0,0043 0,0032
E_21 0,0034 0,0017 0,0029 0,0060 0,0040 0,0019
E_22 0,0035 0,0030 0,0023 0,0058 0,0043 0,0031
E_23 0,0027 0,0011 0,0023 0,0043 0,0037 0,0023
E_24 0,0024 0,0017 0,0014 0,0052 0,0039 0,0009
E_25 0,0021 0,0014 0,0013 0,0049 0,0035 0,0010
E_26 0,0023 0,0012 0,0013 0,0048 0,0038 0,0010
E_27 0,0026 0,0011 0,0012 0,0048 0,0032 0,0010
E_28 0,0025 0,0018 0,0020 0,0063 0,0051 0,0022
E_29 0,0023 0,0025 0,0028 0,0053 0,0037 0,0023
E_30 0,0018 0,0014 0,0020 0,0065 0,0035 0,0022
8.29
Tabla 8.6 Distancias corregidas - Caso 2

mm DISTANCIAS CORREGIDAS x g
12 13 14 23 24 34
E_01 237,3600 232,3260 234,3090 237,6610 235,1310 234,1400
E_02 237,3590 232,3250 234,3090 237,6600 235,1310 234,1400
E_03 237,3600 232,3260 234,3090 237,6600 235,1310 234,1400
E_04 237,3600 232,3260 234,3090 237,6610 235,1310 234,1400
E_05 237,3600 232,3260 234,3090 237,6610 235,1310 234,1400
E_06 237,3600 232,3260 234,3090 237,6610 235,1310 234,1400
E_07 237,3600 232,3250 234,3100 237,6610 235,1320 234,1400
E_08 237,3610 232,3260 234,3100 237,6610 235,1320 234,1400
E_09 237,3600 232,3260 234,3090 237,6600 235,1310 234,1410
E_10 237,3600 232,3260 234,3100 237,6600 235,1310 234,1400
E_11 237,3590 232,3260 234,3090 237,6610 235,1310 234,1400
E_12 237,3590 232,3260 234,3090 237,6600 235,1310 234,1410
E_13 237,3580 232,3260 234,3100 237,6600 235,1310 234,1410
E_14 237,3600 232,3260 234,3100 237,6610 235,1320 234,1400
E_15 237,3610 232,3260 234,3110 237,6600 235,1310 234,1400
E_16 237,3600 232,3250 234,3100 237,6600 235,1300 234,1400
E_17 237,3590 232,3260 234,3090 237,6600 235,1310 234,1400
E_18 237,3610 232,3260 234,3090 237,6610 235,1320 234,1400
E_19 237,3590 232,3260 234,3090 237,6600 235,1320 234,1410
E_20 237,3610 232,3270 234,3110 237,6610 235,1330 234,1420
E_21 237,3600 232,3250 234,3090 237,6610 235,1320 234,1390
E_22 237,3600 232,3270 234,3100 237,6620 235,1310 234,1420
E_23 237,3600 232,3250 234,3110 237,6600 235,1320 234,1400
E_24 237,3600 232,3260 234,3090 237,6600 235,1320 234,1400
E_25 237,3600 232,3250 234,3090 237,6600 235,1300 234,1400
E_26 237,3600 232,3260 234,3090 237,6610 235,1310 234,1400
E_27 237,3600 232,3260 234,3100 237,6600 235,1320 234,1400
E_28 237,3600 232,3260 234,3100 237,6620 235,1320 234,1410
E_29 237,3590 232,3260 234,3090 237,6610 235,1310 234,1410
E_30 237,3580 232,3250 234,3090 237,6600 235,1310 234,1410
8.30
Tabla 8.7 Desviaciones residuales tras la corrección – Caso 2

mm DESVIACION RESIDUALES g
12 13 14 23 24 34
E_01 0,0021 0,0004 0,0005 0,0049 0,0032 0,0007 1,000 000 47
E_02 0,0014 0,0008 0,0008 0,0046 0,0031 0,0007 0,999 998 09
E_03 0,0019 0,0005 0,0007 0,0043 0,0036 0,0008 0,999 999 28
E_04 0,0021 0,0006 0,0010 0,0052 0,0033 0,0007 0,999 999 81
E_05 0,0012 0,0006 0,0006 0,0045 0,0029 0,0007 0,999 999 81
E_06 0,0020 0,0009 0,0008 0,0049 0,0032 0,0007 0,999 999 81
E_07 0,0025 0,0007 0,0008 0,0049 0,0035 0,0013 0,999 999 81
E_08 0,0028 0,0014 0,0010 0,0056 0,0038 0,0010 1,000 001 39
E_09 0,0027 0,0012 0,0012 0,0049 0,0031 0,0019 0,999 999 81
E_10 0,0019 0,0011 0,0015 0,0041 0,0032 0,0010 0,999 999 68
E_11 0,0015 0,0011 0,0013 0,0049 0,0025 0,0013 0,999 999 41
E_12 0,0021 0,0012 0,0012 0,0053 0,0034 0,0011 0,999 999 81
E_13 0,0020 0,0008 0,0008 0,0043 0,0024 0,0013 0,999 999 28
E_14 0,0023 0,0016 0,0008 0,0038 0,0032 0,0015 0,999 999 81
E_15 0,0025 0,0023 0,0019 0,0051 0,0037 0,0018 0,999 999 55
E_16 0,0029 0,0027 0,0029 0,0057 0,0032 0,0022 0,999 999 41
E_17 0,0018 0,0016 0,0017 0,0048 0,0028 0,0021 0,999 999 55
E_18 0,0025 0,0017 0,0012 0,0050 0,0036 0,0017 0,999 999 81
E_19 0,0020 0,0021 0,0016 0,0049 0,0036 0,0023 0,999 999 95
E_20 0,0022 0,0024 0,0023 0,0061 0,0041 0,0033 0,999 999 81
E_21 0,0036 0,0018 0,0030 0,0055 0,0037 0,0021 1,000 000 35
E_22 0,0033 0,0031 0,0022 0,0059 0,0042 0,0028 0,999 999 41
E_23 0,0026 0,0015 0,0017 0,0042 0,0035 0,0024 0,999 999 55
E_24 0,0021 0,0019 0,0016 0,0051 0,0033 0,0010 1,000 000 21
E_25 0,0026 0,0012 0,0011 0,0044 0,0034 0,0009 0,999 999 28
E_26 0,0023 0,0013 0,0011 0,0044 0,0037 0,0011 0,999 999 28
E_27 0,0025 0,0014 0,0008 0,0046 0,0033 0,0009 0,999 999 81
E_28 0,0025 0,0021 0,0022 0,0058 0,0051 0,0025 0,999 999 41
E_29 0,0022 0,0027 0,0026 0,0053 0,0035 0,0022 0,999 999 68
E_30 0,0016 0,0014 0,0018 0,0065 0,0033 0,0023 0,999 999 55
8.31
Tabla 8.8 Correcciones aplicadas - Caso 2

mm CORRECCION g
12 13 14 23 24 34 (g-1)·106
E_01 0,0002 0,0002 -0,0003 0,0006 -0,0002 -0,0003 1,000 000 5 0
E_02 -0,0010 -0,0008 -0,0004 -0,0008 -0,0003 -0,0002 0,999 998 1 -2
E_03 -0,0001 0,0002 -0,0004 -0,0003 -0,0003 -0,0003 0,999 999 3 -1
E_04 -0,0002 0,0000 -0,0003 0,0004 -0,0002 -0,0002 0,999 999 8 0
E_05 0,0000 0,0003 -0,0005 0,0003 -0,0003 -0,0003 0,999 999 8 0
E_06 0,0005 0,0000 -0,0004 0,0005 -0,0006 -0,0005 0,999 999 8 0
E_07 -0,0003 -0,0004 0,0006 0,0006 0,0004 -0,0003 0,999 999 8 0
E_08 0,0011 0,0007 0,0005 0,0009 0,0003 -0,0001 1,000 001 4 1
E_09 0,0003 0,0003 0,0001 -0,0003 0,0000 0,0005 0,999 999 8 0
E_10 0,0005 0,0004 0,0002 0,0001 0,0001 -0,0003 0,999 999 7 0
E_11 -0,0007 0,0002 -0,0001 0,0004 -0,0004 -0,0002 0,999 999 4 -1
E_12 -0,0004 0,0001 -0,0001 -0,0001 0,0001 0,0007 0,999 999 8 0
E_13 -0,0012 -0,0003 0,0001 -0,0011 0,0002 0,0008 0,999 999 3 -1
E_14 0,0000 -0,0003 0,0004 0,0004 0,0002 -0,0001 0,999 999 8 0
E_15 0,0002 0,0002 0,0006 -0,0007 -0,0004 0,0001 0,999 999 6 0
E_16 -0,0001 -0,0003 0,0004 -0,0005 -0,0007 -0,0004 0,999 999 4 -1
E_17 -0,0001 -0,0002 -0,0001 -0,0001 0,0002 -0,0003 0,999 999 6 0
E_18 0,0004 0,0001 0,0001 0,0002 0,0007 -0,0002 0,999 999 8 0
E_19 -0,0002 0,0002 0,0000 -0,0003 0,0002 -0,0002 1,000 000 0 0
E_20 -0,0001 0,0003 0,0001 0,0001 0,0000 0,0001 0,999 999 8 0
E_21 0,0000 -0,0002 0,0003 0,0004 0,0002 -0,0008 1,000 000 4 0
E_22 -0,0003 0,0004 0,0004 0,0004 -0,0004 0,0004 0,999 999 4 -1
E_23 0,0003 0,0000 0,0010 -0,0004 0,0007 -0,0001 0,999 999 6 0
E_24 -0,0006 0,0006 -0,0004 -0,0008 0,0000 0,0004 1,000 000 2 0
E_25 0,0000 -0,0005 -0,0006 0,0000 -0,0008 0,0000 0,999 999 3 -1
E_26 0,0002 0,0003 -0,0004 0,0005 -0,0006 -0,0004 0,999 999 3 -1
E_27 -0,0003 0,0000 0,0005 -0,0003 0,0005 0,0001 0,999 999 8 0
E_28 0,0004 0,0001 0,0004 0,0003 -0,0001 0,0009 0,999 999 4 -1
E_29 0,0000 0,0005 0,0001 -0,0002 -0,0003 0,0002 0,999 999 7 0
E_30 0,0003 -0,0002 -0,0003 -0,0005 -0,0003 -0,0002 0,999 999 6 0
8.32
Tabla 8.9 Coeficientes de la Matriz G - Caso 2

g11-1 g12 g13 g22-1 g23 g33-1
E_01 1,9·E-07 -8,1·E-07 4,6·E-07 2,4·E-07 6,2·E-07 0,0
E_02 1,4·E-07 -5,6·E-07 -4,2·E-07 -5,8·E-07 -1,5·E-06 0,0
E_03 -2,0·E-07 -3,2·E-06 -1,2·E-06 -6,2·E-08 -4,7·E-06 0,0
E_04 5,3·E-08 -9,7·E-07 1,0·E-06 -6,8·E-09 2,5·E-06 0,0
E_05 0,0 0,0 0,0 0,0 0,0 0,0
E_06 -9,7·E-09 -1,2·E-07 -5,4·E-08 -7,1·E-09 -6,9·E-09 0,0
E_07 0,0 0,0 0,0 0,0 0,0 0,0
E_08 -1,2·E-05 -7,8·E-07 -1,7·E-06 1,2·E-05 -3,3·E-06 0,0
E_09 1,1·E-07 -6,4·E-08 2,4·E-08 6,7·E-08 -3,7·E-08 0,0
E_10 -6,2·E-07 -2,6·E-06 -3,2·E-06 1,5·E-06 -1,8·E-06 0,0
E_11 4,5·E-08 2,0·E-06 2,2·E-06 1,5·E-06 -9,1·E-06 7,8·E-07
E_12 0,0 0,0 0,0 0,0 0,0 0,0
E_13 3,1·E-06 1,1·E-06 -1,4·E-05 1,8·E-07 -1,3·E-05 0,0
E_14 3,0·E-08 -5,5·E-08 -2,3·E-08 -1,1·E-08 2,5·E-08 0,0
E_15 2,8·E-06 -1,2·E-07 -2,0·E-06 -9,2·E-07 -7,0·E-06 0,0
E_16 -1,9·E-06 3,1·E-06 1,1·E-05 3,6·E-06 -6,2·E-06 0,0
E_17 -5,0·E-07 -1,0·E-06 1,1·E-06 2,7·E-06 -4,2·E-07 0,0
E_18 0,0 0,0 0,0 0,0 0,0 0,0
E_19 -8,6·E-07 1,5·E-06 1,4·E-07 -4,3·E-08 1,6·E-06 0,0
E_20 -7,5·E-07 -2,3·E-06 2,7·E-06 6,5·E-07 1,1·E-06 0,0
E_21 -6,0·E-06 1,5·E-06 -6,7·E-07 2,5·E-06 -3,6·E-06 0,0
E_22 1,6·E-06 4,3·E-06 -2,7·E-06 4,9·E-07 1,3·E-06 0,0
E_23 -1,2·E-06 -4,1·E-06 1,1·E-06 2,9·E-06 -2,1·E-06 0,0
E_24 2,6·E-06 5,6·E-06 1,0·E-06 -4,8·E-06 -4,7·E-07 0,0
E_25 3,9·E-06 6,0·E-06 4,3·E-06 -8,7·E-07 9,9·E-08 0,0
E_26 4,1·E-07 3,6·E-07 9,5·E-06 2,2·E-06 -2,0·E-07 0,0
E_27 0,0 0,0 0,0 0,0 0,0 0,0
E_28 3,4·E-06 -4,0·E-06 -7,3·E-06 -4,9·E-07 -4,6·E-06 0,0
E_29 -4,2·E-07 -2,0·E-06 4,1·E-07 1,6·E-06 7,2·E-07 0,0
E_30 -2,6·E-07 -3,5·E-07 7,6·E-07 1,4·E-06 1,4·E-07 0,0
CENTRAL 0,0 -5,9E-08 0,0 3,4E-08 -2,2E-08 0,0
DESV 2,9E-06 2,4E-06 4,2E-06 2,7E-06 3,5E-06 1,4E-07
MAX 3,9E-06 6,0E-06 1,1E-05 1,2E-05 2,5E-06 7,8E-07
MIN -1,2E-05 -4,1E-06 -1,4E-05 -4,8E-06 -1,3E-05 0,0
8.33

CORREGIDOS x g
g G11-1 G12 G13 G22-1 G23 G33-1
E_01 1,00000047 1,1·E-06 -8,1·E-07 4,6·E-07 1,2·E-06 6,2·E-07 9,4·E-07
E_02 0,99999809 -3,7·E-06 -5,6·E-07 -4,2·E-07 -4,4·E-06 -1,5·E-06 -3,8·E-06
E_03 0,99999928 -1,6·E-06 -3,2·E-06 -1,2·E-06 -1,5·E-06 -4,7·E-06 -1,4·E-06
E_04 0,99999981 -3,3·E-07 -9,7·E-07 1,0·E-06 -3,9·E-07 2,5·E-06 -3,8·E-07
E_05 0,99999981 -3,8·E-07 0,0 0,0 -3,8·E-07 0,0 -3,8·E-07
E_06 0,99999981 -3,9·E-07 -1,2·E-07 -5,4·E-08 -3,9·E-07 -6,9·E-09 -3,8·E-07
E_07 0,99999981 -3,8·E-07 0,0 0,0 -3,8·E-07 0,0 -3,8·E-07
E_08 1,00000139 -9,7·E-06 -7,8·E-07 -1,7·E-06 1,5·E-05 -3,3·E-06 2,8·E-06
E_09 0,99999981 -2,7·E-07 -6,4·E-08 2,4·E-08 -3,1·E-07 -3,7·E-08 -3,8·E-07
E_10 0,99999968 -1,3·E-06 -2,6·E-06 -3,2·E-06 8,3·E-07 -1,8·E-06 -6,4·E-07
E_11 0,99999941 -1,1·E-06 2,0·E-06 2,2·E-06 3,3·E-07 -9,1·E-06 -4,0·E-07
E_12 0,99999981 -3,8·E-07 0,0 0,0 -3,8·E-07 0,0 -3,8·E-07
E_13 0,99999928 1,6·E-06 1,1·E-06 -1,4·E-05 -1,3·E-06 -1,3·E-05 -1,4·E-06
E_14 0,99999981 -3,5·E-07 -5,5·E-08 -2,3·E-08 -3,9·E-07 2,5·E-08 -3,8·E-07
E_15 0,99999955 1,9·E-06 -1,2·E-07 -2,0·E-06 -1,8·E-06 -7,0·E-06 -9,0·E-07
E_16 0,99999941 -3,0·E-06 3,1·E-06 1,1·E-05 2,4·E-06 -6,2·E-06 -1,2·E-06
E_17 0,99999955 -1,4·E-06 -1,0·E-06 1,1·E-06 1,8·E-06 -4,2·E-07 -9,0·E-07
E_18 0,99999981 -3,8·E-07 0,0 0,0 -3,8·E-07 0,0 -3,8·E-07
E_19 0,99999995 -9,6·E-07 1,5·E-06 1,4·E-07 -1,4·E-07 1,6·E-06 -1,0·E-07
E_20 0,99999981 -1,1·E-06 -2,3·E-06 2,7·E-06 2,7·E-07 1,1·E-06 -3,8·E-07
E_21 1,00000035 -5,3·E-06 1,5·E-06 -6,7·E-07 3,2·E-06 -3,6·E-06 7,0·E-07
E_22 0,99999941 4,1·E-07 4,3·E-06 -2,7·E-06 -6,9·E-07 1,3·E-06 -1,2·E-06
E_23 0,99999955 -2,1·E-06 -4,1·E-06 1,1·E-06 2,0·E-06 -2,1·E-06 -9,0·E-07
E_24 1,00000021 3,0·E-06 5,6·E-06 1,0·E-06 -4,4·E-06 -4,7·E-07 4,2·E-07
E_25 0,99999928 2,5·E-06 6,0·E-06 4,3·E-06 -2,3·E-06 9,9·E-08 -1,4·E-06
E_26 0,99999928 -1,0·E-06 3,6·E-07 9,5·E-06 7,8·E-07 -2,0·E-07 -1,4·E-06
E_27 0,99999981 -3,8·E-07 0,0 0,0 -3,8·E-07 0,0 -3,8·E-07
E_28 0,99999941 2,2·E-06 -4,0·E-06 -7,3·E-06 -1,7·E-06 -4,6·E-06 -1,2·E-06
E_29 0,99999968 -1,1·E-06 -2,0·E-06 4,1·E-07 9,6·E-07 7,2·E-07 -6,4·E-07
E_30 0,99999955 -1,2·E-06 -3,5·E-07 7,6·E-07 5,3·E-07 1,4·E-07 -9,0·E-07
CENTRAL 0,9999997 -3,8E-07 -5,9E-08 0,0 -3,8E-07 -2,2E-08 -3,9E-07
DESV 0,53E-06 2,4E-06 2,4E-06 4,2E-06 3,3E-06 3,5E-06 1,0E-06
MAX 1,00000139 3,0E-06 6,0E-06 1,1E-05 1,5E-05 2,5E-06 2,8E-06
MIN 0,99999809 -9,7E-06 -4,1E-06 -1,4E-05 -4,4E-06 -1,3E-05 -3,8E-06
8.34
Figura 8.14 Evolución de las Correcciones de Calibración - Caso 2
8.35
Figura 8.15 Evolución de las desviaciones en distancias corregidas – Caso 2
8.36
Figura 8.16 Evolución de los coeficientes de Matriz g y Matriz G – Caso 2
8.37
Figura 8.17 Evolución de las correcciones en los coeficientes – Caso 2
8.4.2.b) Valores globales aplicados en el Caso 2:
1 - 0,44 ·10-6 - 0,72 ·10-6 -0,10 ·10-6

̿= - 0,72 ·10-6 1 - 0,62 ·10-6 -1,80 ·10-6
-0,10 ·10-6 -1,80 ·10-6 1
1 – 0,22 ·10-6 -0,72 ·10-6 -0,10 ·10-6

= 0 1 + 0,05 ·10-6 -1,80 ·10-6
0 0 1
0,999 999 47 -0,72 ·10-6 -0,1 ·10-6

= 0 0,999 999 75 -1,8 ·10-6
0 0 0,999 999 70
g_GLOBAL 0,999 999 70 [mm]
8.38
8.4.2.c) Comparación con la calibración mediante BPLs
Resultado de la calibración de la MMC, mediante BPLs
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: = + − .
Eje Z y exposición del proceso
Se detalla la secuencia de resultados obtenidos, situando el BPL de ensayo, sensiblemente alineado

con el eje vertical de la MMC (eje z).
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).
Para la medición del BPL de nominal 99.999 89 ± 0.000 12 mm se obtuvo:
Valores indicados en la medición del BPL (mm):
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 { ; }.
Los pasos afrontados son:
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 = .̿
mm promedio (α) valor central por (a) Correcciones nulas ( = ̿)

L= 100,000 01 99,999 93 99,999 96
Desv.Típica 0,000 44 0,000 45 0,000 44
Uc (k=2) 0,000 88 0,000 90 0,000 88
8.39
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.
El uso de correcciones nulas ( = )̿ , en combinación con la metodología de estimación de la

incertidumbre (por propagación en el método de cálculo de la longitud del BPL, de los valores indicados
transformados mediante la familia { }), conduce a resultados análogos en la incertidumbre imputable.
Es por ello que en esta MMC, resultaría plausible aplicar correcciones nulas (no justificadas por
simplicidad de cálculo, sino por inmediatez entre valores indicados y corregidos).
Clase (mm) Frecuencia

menor... 0
99,9990 2
99,9995 1
100,0000 17
100,0005 13
100,0010 0
100,0015 2
100,0020 0
y mayor... 0
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 -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
Desviaciones Típicas (μm)

BPL Desv. Típica* promedio (α) valor central por (a) Correcciones nulas ( = )̿
0 0 0,14 0,14 0,14
20 0.11 0,38 0,38 0,38
50 0.11 0,45 0,45 0,45
100 0.28 0,44 0,45 0,44
150 0.06 0,35 0,35 0,36
200 0.09 0,31 0,31 0,33
300 0.11 0,31 0,31 0,33
400 0.13 0,47 0,50 0,47
(*) Valores recogidos del certificado de calibración
8.40
Incertidumbres combinadas Uc (k=2) (μm)

BPL Uc (k=2)* promedio ̿
0 0,10 0,14 0,14 0,14
20 0,40 0,76 0,76 0,76
50 0,30 0,90 0,90 0,90
100 0,70 0,88 0,90 0,88
150 0,40 0,70 0,70 0,72
200 0,70 0,62 0,62 0,66
300 0,80 0,62 0,62 0,66
400 1,0 0,94 1,00 0,94
Figura 8.18 Valores comparados de incertidumbre combinada Eje Z

La incertidumbre combinada estimada por el ensayo = ,̿ se ha ejecutado sobre un artefacto de
longitud característica 250 mm.
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
Eje X
Resumen de valores obtenidos para BPLs de nominales, cubriendo el campo de medición de la MMC
Longitudes (mm)
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

BPL Desv.Típica* promedio (α) valor central por (a) Correcciones nulas ( = )̿
0 0.09 0,14 0,14 0,14
20 0.13 0,32 0,33 0,33
50 0.22 0,37 0,42 0,43
100 0.14 0,28 0,28 0,29
150 0.25 0,42 0,43 0,43
200 0.13 0,57 0,58 0,60
300 0.10 0,85 0,86 0,89
400 0.09 1,14 1,15 1,19

0 0.2 0,14 0,14 0,14
20 0.3 0,64 0,66 0,66
50 0.5 0,74 0,84 0,86
100 0.6 0,56 0,56 0,58
150 0.7 0,84 0,86 0,86
200 0.7 1,14 1,16 1,20
300 0.9 1,70 1,72 1,78
400 1.1 2,28 2,30 2,38
8.42
Figura 8.19 Valores comparados de incertidumbre combinada Eje X
8.43
Eje Y
Resumen de valores obtenidos para BPLs cuyos nominales cubren el campo de medición de la MMC
Longitudes (mm)
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

BPL Desv.Típica* promedio (α) valor central por (a) Correcciones nulas ( = )̿
0 0.19 0,14 0,14 0,14
20 0.18 0,08 0,08 0,11
50 0.22 0,29 0,28 0,31
100 0.11 0,38 0,39 0,43
150 0.09 0,36 0,36 0,44
200 0.19 0,31 0,31 0,53
300 0.13 0,18 0,13 0,22
400 0.10 0,42 0,40 0,41

0 0.4 0,14 0,14 0,14
20 0.4 0,16 0,16 0,22
50 0.5 0,58 0,56 0,62
100 0.4 0,76 0,78 0,86
150 0.5 0,72 0,72 0,88
200 0.8 0,62 0,62 1,06
300 1.0 0,36 0,26 0,44
400 1.4 0,84 0,80 0,82
8.44
Figura 8.20 Valores comparados de incertidumbre combinada Eje Y
8.45
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
Los datos más relevantes se refieren a continuación.
8.4.3.a) Aplicación del Modelo G
Para la el ensayo se emplearon como patrones, BPLs de acero de longitudes:
L (mm) 10 20 50 80 100
Calidad 0, admitiendo U0 = ±0.1μm
Condiciones de Calibración:
Temperatura de Referencia: (20±2)ºC
Humedad Relativa: (60±10) %
Obteniéndose, en condiciones de correcciones nulas de calibración, los siguientes valores de

incertidumbre en el ensayo de contraste de especificaciones, independiente para cada uno de los tres
ejes,
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:
Tabla 8.11 Distancias sin corregir - Caso 3 pág. 8.47

Tabla 8.12 Desviaciones en cada realización - Caso 3 pág. 8.48
Tabla 8.13 Distancias corregidas - Caso 3 pág. 8.49
Tabla 8.14 Desviaciones residuales tras la corrección - Caso 3 pág. 8.50
Tabla 8.15 Correcciones aplicadas - Caso 3 pág. 8.51
Tabla 8.17 Coeficiente de la Matriz G - Caso 3 pág. 8.53
Figura 8.21 Evolución de las Correcciones de Calibración - Caso 3 pág. 8.54
Figura 8.22 Desviación típica de las distancias corregidas – Caso 3 pág. 8.55
Figura 8.23 Evolución de los coeficientes de Matriz g y Matriz G – Caso 3 pág. 8.56
Figura 8.24 Evolución de las correcciones en los coeficientes – Caso 3 pág. 8.57
8.46
Tabla 8.11 Distancias sin corregir - Caso 3

mm DISTANCIAS
12 13 14 23 24 34
E_01 54,7059 56,3411 56,7140 55,8400 56,9388 55,2225
E_02 54,9678 56,3815 56,8224 55,7758 57,0283 55,0748
E_03 55,8646 56,4510 55,5198 54,9159 57,1975 56,9674
E_04 55,8656 56,4512 55,5200 54,9170 57,1985 56,9678
E_05 55,8651 56,4512 55,5215 54,9154 57,1983 56,9684
E_06 55,8657 56,4518 55,5212 54,9167 57,1985 56,9686
E_07 55,8649 56,4507 55,5208 54,9160 57,1985 56,9680
E_08 55,8651 56,4509 55,5208 54,9163 57,1987 56,9681
E_09 55,8653 56,4514 55,5203 54,9166 57,1978 56,9675
E_10 55,8654 56,4514 55,5206 54,9165 57,1983 56,9681
E_11 55,8655 56,4513 55,5206 54,9165 57,1983 56,9682
E_12 55,8661 56,4513 55,5211 54,9165 57,1985 56,9679
E_13 55,8653 56,4515 55,5202 54,9168 57,1980 56,9680
E_14 55,8656 56,4513 55,5206 54,9164 57,1986 56,9683
E_15 55,8653 56,4514 55,5206 54,9165 57,1983 56,9682
E_16 55,8655 56,4515 55,5205 54,9165 57,1982 56,9681
E_17 55,8655 56,4513 55,5208 54,9166 57,1985 56,9680
E_18 55,8654 56,4513 55,5206 54,9165 57,1984 56,9681
E_19 55,8657 56,4515 55,5208 54,9167 57,1983 56,9680
E_20 55,8655 56,4513 55,5206 54,9165 57,1983 56,9681
E_21 55,8655 56,4513 55,5206 54,9165 57,1983 56,9681
E_22 55,8655 56,4513 55,5206 54,9165 57,1983 56,9681
E_23 55,8655 56,4513 55,5207 54,9163 57,1982 56,9680
E_24 55,8654 56,4514 55,5206 54,9165 57,1983 56,9681
E_25 55,8655 56,4511 55,5199 54,9161 57,1981 56,9684
E_26 55,8670 56,4516 55,5191 54,9184 57,1985 56,9678
E_27 55,8653 56,4514 55,5202 54,9168 57,1983 56,9682
E_28 55,8654 56,4514 55,5206 54,9166 57,1983 56,9682
E_29 55,8654 56,4514 55,5206 54,9166 57,1982 56,9682
E_30 55,8655 56,4514 55,5206 54,9165 57,1983 56,9681
8.47
Tabla 8.12 Desviaciones en cada realización - Caso 3

DESVIACIONES
12 13 14 23 24 34
E_01 0,2897 0,2736 0,1196 0,2102 0,1669 0,1109
E_02 0,4348 0,6504 0,3680 0,4156 0,9380 0,5848
E_03 0,3016 0,5383 0,1105 0,3817 0,0851 0,0650
E_04 0,3023 0,5387 0,1109 0,3807 0,0842 0,0649
E_05 0,3023 0,5391 0,1112 0,3804 0,0851 0,0627
E_06 0,3017 0,5388 0,1116 0,3804 0,0863 0,0632
E_07 0,3017 0,5392 0,1105 0,3816 0,0869 0,0640
E_08 0,3016 0,5392 0,1106 0,3811 0,0870 0,0641
E_09 0,3012 0,5389 0,1109 0,3811 0,0852 0,0637
E_10 0,3017 0,5390 0,1111 0,3807 0,0853 0,0641
E_11 0,3017 0,5390 0,1110 0,3807 0,0853 0,0640
E_12 0,3016 0,5389 0,1110 0,3810 0,0856 0,0640
E_13 0,3014 0,5390 0,1115 0,3807 0,0856 0,0636
E_14 0,3015 0,5389 0,1110 0,3809 0,0853 0,0639
E_15 0,3018 0,5391 0,1108 0,3806 0,0853 0,0639
E_16 0,3018 0,5390 0,1110 0,3808 0,0853 0,0638
E_17 0,3018 0,5389 0,1111 0,3810 0,0853 0,0642
E_18 0,3018 0,5389 0,1113 0,3807 0,0855 0,0639
E_19 0,3019 0,5389 0,1112 0,3810 0,0852 0,0640
E_20 0,3017 0,5390 0,1110 0,3807 0,0854 0,0640
E_21 0,3017 0,5390 0,1110 0,3807 0,0854 0,0640
E_22 0,3017 0,5390 0,1110 0,3807 0,0853 0,0640
E_23 0,3019 0,5390 0,1112 0,3805 0,0852 0,0640
E_24 0,3017 0,5390 0,1109 0,3807 0,0853 0,0640
E_25 0,3016 0,5391 0,1110 0,3804 0,0852 0,0638
E_26 0,3025 0,5386 0,1114 0,3804 0,0854 0,0635
E_27 0,3017 0,5389 0,1107 0,3810 0,0854 0,0636
E_28 0,3017 0,5388 0,1108 0,3808 0,0854 0,0640
E_29 0,3017 0,5388 0,1108 0,3807 0,0854 0,0640
E_30 0,3017 0,5390 0,1111 0,3807 0,0853 0,0640
8.48
Tabla 8.13 Distancias corregidas - Caso 3

mm DISTANCIAS CORREGIDAS *g
12 13 14 23 24 34
E_01 54,6950 56,3330 56,7180 55,8570 56,9350 55,2240
E_02 54,9630 56,3790 56,8250 55,7780 57,0130 55,0850
E_03 55,8880 56,4460 55,5120 54,9060 57,1930 56,9680
E_04 55,8860 56,4420 55,5500 54,9010 57,1880 56,9440
E_05 55,8720 56,4470 55,5330 54,9100 57,1930 56,9630
E_06 55,8840 56,4470 55,5520 54,9010 57,1870 56,9450
E_07 55,8810 56,4290 55,5430 54,9230 57,1900 56,9440
E_08 55,8650 56,4500 55,5470 54,9150 57,1860 56,9540
E_09 55,8950 56,4490 55,5440 54,9120 57,1760 56,9370
E_10 55,8820 56,4350 55,5540 54,8970 57,2030 56,9460
E_11 55,8890 56,4360 55,5500 54,9060 57,1900 56,9440
E_12 55,8880 56,4430 55,5510 54,9020 57,1880 56,9430
E_13 55,8860 56,4410 55,5510 54,9010 57,1900 56,9440
E_14 55,8860 56,4420 55,5510 54,9010 57,1890 56,9440
E_15 55,8880 56,4350 55,5500 54,9040 57,1900 56,9440
E_16 55,8870 56,4440 55,5510 54,9020 57,1870 56,9440
E_17 55,8870 56,4390 55,5510 54,9020 57,1890 56,9430
E_18 55,8870 56,4410 55,5500 54,9030 57,1870 56,9430
E_19 55,8880 56,4420 55,5510 54,9030 57,1870 56,9440
E_20 55,8870 56,4410 55,5510 54,9020 57,1890 56,9440
E_21 55,8870 56,4420 55,5510 54,9030 57,1890 56,9440
E_22 55,8870 56,4410 55,5510 54,9020 57,1890 56,9440
E_23 55,8870 56,4420 55,5510 54,9020 57,1880 56,9440
E_24 55,8870 56,4420 55,5510 54,9020 57,1880 56,9450
E_25 55,8870 56,4420 55,5500 54,9020 57,1870 56,9440
E_26 55,8890 56,4440 55,5500 54,9050 57,1880 56,9450
E_27 55,8870 56,4430 55,5510 54,9030 57,1900 56,9460
E_28 55,8880 56,4410 55,5520 54,9030 57,1890 56,9440
E_29 55,8880 56,4420 55,5520 54,9030 57,1890 56,9450
E_30 55,8870 56,4420 55,5520 54,9030 57,1890 56,9450
8.49
Tabla 8.14 Desviaciones residuales tras la corrección - Caso 3

DESVIACION RESIDUALES g
12 13 14 23 24 34
E_01 0,268 0,282 0,121 0,215 0,162 0,107 1,000 00
E_02 0,429 0,650 0,364 0,412 0,934 0,583 0,999 99
E_03 0,300 0,538 0,114 0,366 0,086 0,076 0,999 99
E_04 0,302 0,538 0,114 0,366 0,077 0,069 0,999 99
E_05 0,300 0,539 0,112 0,373 0,082 0,062 1,000 01
E_06 0,304 0,535 0,114 0,372 0,078 0,066 1,000 00
E_07 0,279 0,561 0,118 0,347 0,088 0,064 0,999 97
E_08 0,300 0,540 0,111 0,379 0,084 0,058 1,000 00
E_09 0,297 0,542 0,115 0,362 0,079 0,066 1,000 00
E_10 0,300 0,540 0,114 0,363 0,080 0,072 0,999 97
E_11 0,293 0,546 0,116 0,355 0,080 0,068 1,000 00
E_12 0,300 0,539 0,114 0,365 0,078 0,068 0,999 97
E_13 0,300 0,539 0,115 0,364 0,078 0,068 0,999 99
E_14 0,300 0,539 0,114 0,365 0,078 0,068 0,999 99
E_15 0,295 0,545 0,116 0,356 0,080 0,068 0,999 99
E_16 0,301 0,538 0,114 0,366 0,078 0,067 1,000 00
E_17 0,298 0,541 0,115 0,362 0,079 0,068 0,999 99
E_18 0,299 0,540 0,115 0,363 0,079 0,068 0,999 99
E_19 0,299 0,540 0,115 0,363 0,079 0,068 1,000 00
E_20 0,300 0,540 0,114 0,364 0,079 0,068 1,000 00
E_21 0,300 0,540 0,114 0,364 0,078 0,068 1,000 00
E_22 0,300 0,540 0,114 0,364 0,078 0,068 1,000 00
E_23 0,300 0,540 0,115 0,364 0,078 0,068 0,999 99
E_24 0,300 0,540 0,114 0,364 0,079 0,068 1,000 00
E_25 0,301 0,538 0,114 0,365 0,078 0,067 0,999 99
E_26 0,302 0,538 0,114 0,365 0,079 0,067 1,000 01
E_27 0,300 0,539 0,114 0,365 0,078 0,068 1,000 01
E_28 0,298 0,541 0,115 0,362 0,079 0,068 1,000 01
E_29 0,299 0,541 0,115 0,363 0,079 0,068 1,000 01
E_30 0,300 0,540 0,114 0,364 0,078 0,068 1,000 01
8.50
Tabla 8.15 Correcciones aplicadas - Caso 3

mm CORRECCION g
12 13 14 23 24 34 (g-1)·106
E_01 -0,0109 -0,0081 0,0040 0,0170 -0,0038 0,0015 1,0000013 1
E_02 -0,0048 -0,0025 0,0026 0,0022 -0,0153 0,0102 0,9999865 -13
E_03 0,0234 -0,0050 -0,0078 -0,0099 -0,0045 0,0006 0,9999851 -15
E_04 0,0204 -0,0092 0,0300 -0,0160 -0,0105 -0,0238 0,9999889 -11
E_05 0,0069 -0,0042 0,0115 -0,0054 -0,0053 -0,0054 1,0000098 10
E_06 0,0183 -0,0048 0,0308 -0,0157 -0,0115 -0,0236 0,9999959 -4
E_07 0,0161 -0,0217 0,0222 0,0070 -0,0085 -0,0240 0,9999702 -30
E_08 -0,0001 -0,0009 0,0262 -0,0013 -0,0127 -0,0141 1,0000043 4
E_09 0,0297 -0,0024 0,0237 -0,0046 -0,0218 -0,0305 1,0000017 2
E_10 0,0166 -0,0164 0,0334 -0,0195 0,0047 -0,0221 0,9999674 -33
E_11 0,0235 -0,0153 0,0294 -0,0105 -0,0083 -0,0242 1,0000027 3
E_12 0,0219 -0,0083 0,0299 -0,0145 -0,0105 -0,0249 0,9999730 -27
E_13 0,0207 -0,0105 0,0308 -0,0158 -0,0080 -0,0240 0,9999941 -6
E_14 0,0204 -0,0093 0,0304 -0,0154 -0,0096 -0,0243 0,9999920 -8
E_15 0,0227 -0,0164 0,0294 -0,0125 -0,0083 -0,0242 0,9999888 -11
E_16 0,0215 -0,0075 0,0305 -0,0145 -0,0112 -0,0241 1,0000023 2
E_17 0,0215 -0,0123 0,0302 -0,0146 -0,0095 -0,0250 0,9999871 -13
E_18 0,0216 -0,0103 0,0294 -0,0135 -0,0114 -0,0251 0,9999891 -11
E_19 0,0223 -0,0095 0,0302 -0,0137 -0,0113 -0,0240 1,0000000 0
E_20 0,0215 -0,0103 0,0304 -0,0145 -0,0093 -0,0241 0,9999966 -3
E_21 0,0215 -0,0093 0,0304 -0,0135 -0,0093 -0,0241 0,9999989 -1
E_22 0,0215 -0,0103 0,0304 -0,0145 -0,0093 -0,0241 0,9999986 -1
E_23 0,0215 -0,0093 0,0303 -0,0143 -0,0102 -0,0240 0,9999934 -7
E_24 0,0216 -0,0094 0,0304 -0,0145 -0,0103 -0,0231 0,9999963 -4
E_25 0,0215 -0,0091 0,0301 -0,0141 -0,0111 -0,0244 0,9999918 -8
E_26 0,0220 -0,0076 0,0309 -0,0134 -0,0105 -0,0228 1,0000096 10
E_27 0,0217 -0,0084 0,0308 -0,0138 -0,0083 -0,0222 1,0000096 10
E_28 0,0226 -0,0104 0,0314 -0,0136 -0,0093 -0,0242 1,0000076 8
E_29 0,0226 -0,0094 0,0314 -0,0136 -0,0092 -0,0232 1,0000093 9
E_30 0,0215 -0,0094 0,0314 -0,0135 -0,0093 -0,0231 1,0000087 9
8.51

g11-1 g12 g13 g22-1 g23 g33-1
E_01 -1,7E-04 -2,2E-03 4,6E-04 1,7E-04 3,1E-04 0,0
E_02 0,0 -5,8E-04 0,0 0,0 8,1E-04 0,0
E_03 1,9E-04 -2,5E-04 -2,6E-03 -1,8E-04 1,9E-04 0,0
E_04 -3,5E-05 3,0E-03 -1,1E-03 1,8E-05 -8,1E-04 0,0
E_05 -1,5E-04 3,9E-04 -9,8E-04 8,8E-05 -4,3E-04 0,0
E_06 -8,9E-05 -2,7E-03 1,0E-03 1,0E-04 -9,2E-04 0,0
E_07 2,6E-04 -3,0E-03 -1,5E-03 -9,9E-05 2,3E-04 0,0
E_08 -1,8E-04 -3,0E-04 -1,0E-03 1,8E-04 9,0E-04 0,0
E_09 1,4E-04 2,7E-03 1,2E-03 -1,4E-04 1,8E-03 0,0
E_10 -1,7E-04 -7,1E-04 3,3E-03 3,7E-04 -5,1E-04 0,0
E_11 -8,1E-05 -3,4E-03 -1,2E-03 8,3E-05 7,1E-04 0,0
E_12 -1,6E-05 -3,1E-03 1,1E-03 1,6E-04 -8,4E-04 0,0
E_13 -1,6E-04 -3,1E-03 -9,4E-04 1,6E-04 7,9E-04 0,0
E_14 -1,7E-04 -3,1E-03 -9,9E-04 1,7E-04 8,2E-04 0,0
E_15 -9,2E-05 -3,4E-03 -1,1E-03 9,3E-05 7,1E-04 0,0
E_16 -1,8E-04 -2,9E-03 -1,1E-03 1,8E-04 8,8E-04 0,0
E_17 -1,4E-04 -3,2E-03 -1,0E-03 1,4E-04 7,9E-04 0,0
E_18 -1,5E-04 -3,1E-03 -1,2E-03 1,5E-04 8,5E-04 0,0
E_19 -1,5E-04 -3,1E-03 -1,1E-03 1,5E-04 8,6E-04 0,0
E_20 -1,6E-04 -3,1E-03 -1,0E-03 1,6E-04 8,2E-04 0,0
E_21 -1,6E-04 -3,1E-03 -1,1E-03 1,6E-04 8,4E-04 0,0
E_22 -1,6E-04 -3,1E-03 -1,1E-03 1,6E-04 8,4E-04 0,0
E_23 -1,6E-04 -3,1E-03 -1,1E-03 1,6E-04 8,3E-04 0,0
E_24 -1,6E-04 -3,1E-03 -1,1E-03 1,6E-04 8,4E-04 0,0
E_25 -1,7E-04 -3,0E-03 -1,1E-03 1,7E-04 8,7E-04 0,0
E_26 -1,7E-04 -3,0E-03 -1,1E-03 1,7E-04 8,7E-04 0,0
E_27 -1,7E-04 -3,1E-03 -1,0E-03 1,7E-04 8,3E-04 0,0
E_28 -1,4E-04 -3,2E-03 -1,1E-03 1,4E-04 8,1E-04 0,0
E_29 -1,5E-04 -3,1E-03 -1,1E-03 1,5E-04 8,2E-04 0,0
E_30 -1,6E-04 -3,1E-03 -1,1E-03 1,6E-04 8,4E-04 0,0
CENTRAL -1,5E-04 -3,1E-03 -1,1E-03 1,6E-04 8,2E-04 0,0
DESV 1,1E-04 1,7E-03 1,1E-03 1,1E-04 6,3E-04 0,0
MAX 2,6E-04 3,0E-03 3,3E-03 3,7E-04 1,8E-03 0,0
MIN -1,8E-04 -3,4E-03 -2,6E-03 -1,8E-04 -9,2E-04 0,0
8.52
Tabla 8.17 Coeficiente de la Matriz G - Caso 3

CORREGIDOS * g
g G11-1 G12 G13 G22-1 G23 G33-1
E_01 1,00000133 -1,6E-04 -2,2E-03 4,6E-04 1,7E-04 3,1E-04 2,7E-06
E_02 0,99998650 -2,7E-05 -5,8E-04 0,0 -2,7E-05 8,1E-04 -2,7E-05
E_03 0,99998511 1,6E-04 -2,5E-04 -2,6E-03 -2,1E-04 1,9E-04 -3,0E-05
E_04 0,99998889 -5,7E-05 3,0E-03 -1,1E-03 -4,7E-06 -8,1E-04 -2,2E-05
E_05 1,00000983 -1,3E-04 3,9E-04 -9,8E-04 1,1E-04 -4,3E-04 2,0E-05
E_06 0,99999594 -9,7E-05 -2,7E-03 1,0E-03 9,4E-05 -9,2E-04 -8,1E-06
E_07 0,99997022 2,0E-04 -3,0E-03 -1,5E-03 -1,6E-04 2,3E-04 -6,0E-05
E_08 1,00000433 -1,7E-04 -3,0E-04 -1,0E-03 1,9E-04 9,0E-04 8,7E-06
E_09 1,00000172 1,4E-04 2,7E-03 1,2E-03 -1,3E-04 1,8E-03 3,4E-06
E_10 0,99996739 -2,3E-04 -7,1E-04 3,3E-03 3,0E-04 -5,1E-04 -6,5E-05
E_11 1,00000272 -7,6E-05 -3,4E-03 -1,2E-03 8,8E-05 7,1E-04 5,4E-06
E_12 0,99997295 -7,0E-05 -3,1E-03 1,1E-03 1,0E-04 -8,4E-04 -5,4E-05
E_13 0,99999411 -1,7E-04 -3,1E-03 -9,4E-04 1,5E-04 7,9E-04 -1,2E-05
E_14 0,99999200 -1,8E-04 -3,1E-03 -9,9E-04 1,5E-04 8,2E-04 -1,6E-05
E_15 0,99998878 -1,1E-04 -3,4E-03 -1,1E-03 7,1E-05 7,1E-04 -2,2E-05
E_16 1,00000233 -1,7E-04 -2,9E-03 -1,1E-03 1,8E-04 8,8E-04 4,7E-06
E_17 0,99998706 -1,7E-04 -3,2E-03 -1,0E-03 1,2E-04 7,9E-04 -2,6E-05
E_18 0,99998906 -1,7E-04 -3,1E-03 -1,2E-03 1,3E-04 8,5E-04 -2,2E-05
E_19 1,00000000 -1,5E-04 -3,1E-03 -1,1E-03 1,5E-04 8,6E-04 0,0
E_20 0,99999656 -1,7E-04 -3,1E-03 -1,0E-03 1,5E-04 8,2E-04 -6,9E-06
E_21 0,99999889 -1,6E-04 -3,1E-03 -1,1E-03 1,6E-04 8,4E-04 -2,2E-06
E_22 0,99999856 -1,6E-04 -3,1E-03 -1,1E-03 1,6E-04 8,4E-04 -2,9E-06
E_23 0,99999339 -1,7E-04 -3,1E-03 -1,1E-03 1,5E-04 8,3E-04 -1,3E-05
E_24 0,99999628 -1,7E-04 -3,1E-03 -1,1E-03 1,5E-04 8,4E-04 -7,4E-06
E_25 0,99999178 -1,9E-04 -3,0E-03 -1,1E-03 1,5E-04 8,7E-04 -1,6E-05
E_26 1,00000956 -1,5E-04 -3,0E-03 -1,1E-03 1,9E-04 8,7E-04 1,9E-05
E_27 1,00000961 -1,5E-04 -3,1E-03 -1,0E-03 1,9E-04 8,3E-04 1,9E-05
E_28 1,00000756 -1,3E-04 -3,2E-03 -1,1E-03 1,6E-04 8,1E-04 1,5E-05
E_29 1,00000928 -1,3E-04 -3,1E-03 -1,1E-03 1,7E-04 8,2E-04 1,9E-05
E_30 1,00000872 -1,4E-04 -3,1E-03 -1,1E-03 1,8E-04 8,4E-04 1,7E-05
CENTRAL 0,9999953 -1,5E-04 -3,1E-03 -1,1E-03 1,5E-04 8,2E-04 -7,2E-06
DESV 1,1E-05 1,0E-04 1,7E-03 1,1E-03 1,1E-04 6,3E-04 2,3E-05
MAX 1,0E+00 2,0E-04 3,0E-03 3,3E-03 3,0E-04 1,8E-03 2,0E-05
MIN 1,0E+00 -2,3E-04 -3,4E-03 -2,6E-03 -2,1E-04 -9,2E-04 -6,5E-05
8.53
Figura 8.21 Evolución de las Correcciones de Calibración - Caso 3
8.54
Figura 8.22 Desviación típica de las distancias corregidas – Caso 3
8.55
Figura 8.23 Evolución de los coeficientes de Matriz g y Matriz G – Caso 3
8.56
Figura 8.24 Evolución de las correcciones en los coeficientes – Caso 3

Valores globales aplicados en el Caso 3:
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
1- 20·10-6 -2,2·10-3 -5,8·10-3

= 0 1+9·10-6 1,3·10-3
0 0 1
0,999 976 -2,2·10-3 -6·10-3

= 0 1,000 004 1,3·10-3
0 0 1
g_GLOBAL 0,999 995 35
8.57
8.4.3.b) Aplicación de la metodología CEP (SPC)
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.
El resultado inicialmente proporcionado por la metodología del Modelo G, es ahora sometido a

evaluación en combinación con las técnicas de Control Estadístico de Proceso. Aquí, el proceso bajo
control será: la medida de coordenadas ejecutadas con el Sistema Integral de Medición por
Coordenadas (SI-MC), en el Caso 3; estará soportado por el recurso mencionado MMC-UPNA y los
modelos de correcciones y computo asociados.
Los ensayos necesarios, han sido desarrollados en un período de seis meses.
Se aportan los siguientes elementos descriptivos:
Figura 8.25 Evolución de las correcciones – Fase de ajuste pág.-8.59

Figura 8.26 Evolución de las correcciones – Fase de explotación pág.-8.60
Figura 8.27 Evolución de las desviaciones típicas pág.-8.61
Figura 8.28 Evolución de los coeficientes de la Matriz g y la Matriz G pág.-8.62
Figura 8.29 Evolución del factor de escala global "g" pág.-8.63
Las Figura 8.30 a Figura 8.41, describen el estado previo y posterior a las pág.-8.65 a 8.70
actuaciones de mantenimiento
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
Figura 8.25 Evolución de las correcciones – Fase de ajuste
8.59
Figura 8.26 Evolución de las correcciones – Fase de explotación
8.60
Figura 8.27 Evolución de las desviaciones típicas
8.61
Figura 8.28 Evolución de los coeficientes de la Matriz g y la Matriz G
8.62
Figura 8.29 Evolución del factor de escala global "g"
8.63
Figura 8.30 Control previo d_12 - Caso 3
Figura 8.31 Control tras mantenimiento del modelo, d_12 - Caso 3
8.64
8.65
8.66
8.67
8.68
8.69
8.5.- RESEÑA DE LOS ARTEFACTOS MOSTRADOS
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.
En su diseño han sido determinantes los requisitos de funcionalidad
• ante el reposicionamiento, por cambio de emplazamiento y cambio de orientación,

• en la ejecución de la tarea de palpado (particularmente mantener una rutina de captura de
indicaciones sobre la superficie del artefacto, repetible en las diferentes posiciones),
• ofrecer una longitud característica propia, tanto en el comportamiento de palpado (palpado
sobre las esferas – se logra por el diámetro de las esferas) como en los desplazamientos a los
diferentes puntos (aproximación a las esferas – se logra por la forma de tetraedro),
• pretender una influencia sistemática del acabado superficial (se logra con un acabado de baja
rugosidad, en el orden de la del elemento palpador),
• mantener una forma replicable por escala (tal es el caso entre PURI 55 y PURI 250),
• comportamiento a carga y evolución de la temperatura asimilable al de una pieza de ensayo,
• coste reducido, en su construcción y mantenimiento,
• compatibilidad con elementos auxiliares comunes, particularmente sistemas de fijación.
En la concepción del artefacto se ha promovido su carácter genérico en relación con la tarea a

caracterizar, esto se corresponde con no ser objetivo del desarrollo expuesto, la adaptación del
procedimiento para su aplicación a tareas concretas (por ejemplo la medida de la longitud o el ángulo
de un bloque patrón, la planitud de mesa, coaxialidad de formas, u otras). No es así un elemento de
referencia de tarea más concreta que la captación de coordenadas.
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.
La elección de la dimensión característica responde a un razonable acomodo entre este valor y el

campo a recubrir. Cabe entender que el usuario adapta la dimensión del campo de medida a la tipología
de piezas. En relación con el mix de las tareas previstas para el sistema de medición, el artefacto podría
adaptarse en el marco de las tareas a desarrollar y aplicarse campos reducidos para ellas.
8.70
8.5.1.- Barra2B
Figura 8.42 Artefacto del tipo Barra2B

Modelo: Barra2B
Materialización de puntos mediante esferas en acero inoxidable:
Bolas de rodamiento Calidad G10 ; esfericidad = 0.25 μm ; Tol. diámetro = 2.6 μm ; Ra < 0.025 μm
Disposición de puntos de referencia: En línea.
Longitud característica: 250 mm
Distancia característica entre puntos: 225 mm
Distancia característica de palpado: 30 mm
8.5.2.- Codo2B
Figura 8.43 Artefacto del tipo Codo2B
Modelo: Codo2B
Disposición de puntos de referencia: En línea.
8.71
8.5.3.- PURI 55
Figura 8.44 Artefacto PURI 55
Modelo: tetraedro de núcleo esférico.
Disposición de puntos de referencia: Tetraedro.
8.72
8.5.4.- PURI 250
Figura 8.45 Artefacto PURI 250
Modelo: tetraedro de núcleo esférico.
Materialización de puntos mediante esferas:
Disposición de puntos de referencia: Tetraedro.
8.73
CAPÍTULO 9 Líneas de desarrollo
CAPÍTULO 9 LÍNEAS DE DESARROLLO
9.1.- REVISIÓN DE LÍNEAS DE ACTUACIÓN DETECTADAS
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.
Se ha considerado de interés referir los siguientes grupos temáticos:
• Caracterización de contribuciones a la incertidumbre por efectos térmicos.

• Sistemas de medición por coordenadas no cartesianos (referencias no cartesianas).
• Sistemas sin contacto e híbridos de captación de coordenadas.
• Instrumentación de aplicación geodésica y topográfica.
• Sistema de posicionamiento global por satélite.
9.1
9.2.- CARACTERIZACIÓN DE CONTRIBUCIONES A LA INCERTIDUMBRE POR

EFECTOS TÉRMICOS
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.
No obstante, la trascendencia de las contribuciones por la influencia de las variaciones de temperatura

y temperatura diferencial (MMC – pieza y de ahí al valor de referencia de 20ºC), son sin duda un extenso
campo de estudio e investigación.
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.
9.3.- SISTEMAS DE MEDICIÓN POR COORDENADAS NO CARTESIANOS
El Capítulo 2, cita diversas configuraciones o arquitecturas de máquinas de medición de arquitecturas

no cartesianas; atendiendo a la focalización enunciada para esta tesis, se ha circunscrito la exposición
y la argumentación a las arquitecturas tridimensionales con ejes rectos de desplazamiento lineal. No
obstante es evidente la propagación de las metodologías expuestas a estas otras arquitecturas.
Particularmente, el recurso al Modelo_G puede fácilmente entenderse de aplicación en plataformas
operadas en geometrías “articuladas”, sean o no los sistemas de referencia aplicados cartesianos. Esto
es así al ser la métrica cartesiana independiente de la tipología de los sistemas de referencia y así de
la expresión de coordenadas.
9.2
Al respecto puede valorarse en relación con las publicaciones:
Articulated Arm Coordinate Measuring Machine Calibration by Laser Tracker Multilateration. J.

Santolaria, A.C. Majarena, D. Samper, A. Brau, and J. Velázquez. The Scientific World Journal.
Hindawi Publishing Corporation. Volume 2014, Article ID 681853, 11 pages.
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.
Methodology for the assessment of measuring uncertainties of articulated arm coordinate

measuring machines. F. Romdhani, F. Hennebelle, M. Ge, P. Juillion, R. Coquet, J.F. Fontaine.
Measurement Science and Technology. 25 (2014) 125008 (14pp).
En ellas se aplica el modelado por parametrización de la cinemática y la metodología de Montecarlo en

la propagación de incertidumbres, susceptibles de extenderse al uso de la metodología π-MC y el
Modelo_G a su calibración.
9.4.- SISTEMAS SIN CONTACTO E HÍBRIDOS DE CAPTACIÓN DE

COORDENADAS
El desarrollo de la memoria, ha atendido al objetivo prioritario de focalizar su exposición en los sistemas

basados en palpador de contacto (analizados en detalle en el Capítulo 2).
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
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 es la ciencia (y arte) de determinar el tamaño y la forma de los objetos como

consecuencia de una análisis de las imágenes almacenadas en una película fotográfica o cualquier
medio electrónico. Apoyándose en el hecho de que Leonardo da Vinci (1452-1519) inventara el
concepto de proyección perspectiva y por su trabajo en la realización de dibujos ortográficos, puede
referirse a él, como el primer fotogrametrista; lo cierto es, que esta disciplina es al menos tan antigua
como la de la fotografía (sino como el dibujo). Basándose en dibujos estereoscópicos realizados por
Alberch DÜRER en el 1500, el Francés Lasussedat realizó en 1850, el mapa del París recreado,
empleando técnicas de triangulación. En 1858 el arquitecto prusiano Meydenbauer comenzó a realizar
la inspección de monumentos históricos y fundó el Instituto de Documentación Nacional de Berlín. En
1863 el doctor Holmes usa técnicas fotogramétricas para diagnosticar y realizar prótesis a los tullidos
en la guerra civil americana. En 1910 esta ciencia cuenta con el suficiente reconocimiento internacional
y se funda la ISPRS (International Society of Photogrammetry and Remote Sensing).
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
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.
Figura 9-2 Fotogrametría – esquema básico del proceso
Procesamiento de indicaciones y especificaciones. Ejecuta el reconocimiento de objetos y estimación

de la posición. Dado un objeto a medir, la primera tarea a realizar por el sistema de visión es reconocerlo
y establecer la posición en que se encuentra respecto al sistema de coordenadas del sistema de
medición (alineación).
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
herramienta debería permitir la gestión de todos los elementos necesarios para la ejecución de las
mediciones pertinentes.
Sistema de adquisición de datos. Se refiere fundamentalmente al sistema de visión, sistema de

iluminación y otros subsistemas que pudieran permitir, por ejemplo, el desplazamiento controlado de la
pieza (plato divisor – mesa giratoria). Además debe planificar la captura de imágenes controlando cada
exposición y teniendo en cuenta las posibles variaciones de los parámetros extrínsecos que
caracterizan las influencias del entorno en el proceso de medición.
Identificación de características valoradas. Por características se entienden los elementos geométricos

del objeto a medir: rectas, puntos, planos, etc. Estas deben ser identificadas y localizadas para proceder
a su medición. Para esto se utiliza en gran medida el modelo CAD del objeto, y resulta de especial
trascendencia el proceso de alineación, ya que en función de la precisión de estas referencias, se podrá
predecir con una precisión acorde la situación de estas características, afectando a los resultados de
la medición.
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.
9.6.- INSTRUMENTACIÓN DE APLICACIÓN GEODÉSICA Y TOPOGRÁFICA
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
9.7.- SISTEMA DE POSICIONAMIENTO GLOBAL POR SATÉLITE
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.
La reseña incluida es además de un ‘puntero’ a las fuentes de conocimiento identificadas, un

reconocimiento a la labor de los autores y a su vocación divulgadora, a la cual, modestamente, pretende
unirse el documento soporte de esta tesis doctoral.
El esquema adoptado para la referencia es el siguiente:
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
10.2.- ACTIVIDAD DIVULGATIVA DEL DOCTORANDO EN LA MATERIA
Publicaciones:
• “MODELO_G: una herramienta específica de calibración para máquinas medidoras por

coordenadas.” 9º Congreso de Ingeniería Mecánica. Valparaiso – Chile Octubre 2000.
(Internacional).
• “Ajuste de Elementos geométricos en metrología por coordenadas: aplicación a la medición de
conos.” II Congreso Nacional de Metrología. Sevilla. Mayo 2000. Centro Español de Metrología.
(Nacional).
• “Fundamentos para el desarrollo del concepto: Máquina virtual de medición por coordenadas.” II
Congreso Nacional de Metrología. Sevilla. Mayo 2000. Centro Español de Metrología. (Nacional).
• “Modelo estadístico de comportamiento de máquinas medidoras por coordenadas: Modelo_G.” II
• “Modelo simplificado de MMC para la estimación de incertidumbres en geometrías sencillas.” II
• “Autocalibración de termómetros electrónicos para uso en metrología dimensional.” II Congreso
Nacional de Metrología. Sevilla. Mayo 2000. Centro Español de Metrología. (Nacional).
• “Simplified statistical method for uncertainty estimation in coordinate metrology”. Actas de
Métrologie 99, pp 195-198 Burdeos (Francia), Octubre 1999. (Internacional).
• “Hacia un Sistema Integral de Medida por Coordenadas.” XII Congreso Nacional de Ingeniería
Mecánica. Universidad Politécnica de Cataluña, Terrassa. Diciembre 1998. Asociación Española
de Ingeniería Mecánica. (Nacional).
Las anteriores publicaciones fueron desarrolladas con la co-autoría de:

Dr. J. Carro de Vicente Portela; Dr. A.M. Sánchez Pérez; Dr. J. de Vicente y Oliva;
y la colaboración del personal del Laboratorio de Metrología y Metrotecnia – ETSI Industriales de
Universidad Politécnica de Madrid. Un especial reconocimiento a la labor de D. R. Acevedo Gómez.
• “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
Divulgación genérica:
• “Modelar la conducta de una máquina – Aplicado a la medida por coordenadas”. Poster y

presentación. IV Jornadas Doctorales de la Universidad de Oviedo. Campus de Mieres (10 y
11 dic. 2014).
• Prelectura Tesis doctoral– Titulo “Trazabilidad de las medidas por coordenadas”. Dpto. Física
aplicada a la Ingeniería Industrial, E.T.S.I.I. – U.P.M. Dic. 2009.
• “Control”, International Trade Fair for Quality Assurance – Sinsheim (Alemania) – 6 al 9 mayo
2003. Invitación: Carl Zeiss.
• “Workshop sobre máquinas de medición óptica y multisensor”. Unimetrik. Villareal – Álava (17
de diciembre de 2002).
• Solicitud de equipamiento científico-técnico para ser cofinanciado con fondos FEDER,
(Conforme a Orden CTE/1829/2002, de 8 de julio de 2002): Máquina de medición por
coordenadas tridimensional en sala de metrología dimensional, a dotar en Dpto. Ing. Mecánica,
Energética y Materiales – ETSIIT – UPNA. Concesión con fecha 13/08/03. BOE
http://www.boe.es/boe/dias/2003-08-13/seccion3.html#00012 Pág. 31494.
• Asistencia como Observador al Comité ISO TC 213 / WG 10, (Máquinas de Medición) celebrado
en Vitoria los días 19 al 21 de Septiembre de 2001.
• “Medida por Coordenadas”. INGENIERÍA AERONÁUTICA Y ASTRONÁUTICA Abr.-1999.
(Nacional) Revista del Colegio Oficial y de la Asociación de Ingenieros Aeronáuticos de España.
• Euroconference on “Advanced Mathematical and Computational Tools in Metrology”
Portuguese Institute for Quality (IPQ) , Caparica (Lisbon) Portugal. 10-13 May, 2000.
• 15-Enero-1998 Centro Español de Metrología (CEM) & Tekniker, Eibar (Guipúzcoa), España.
“Workshop sobre Patrones de gran longitud y Verificación de MMCs”
10.3
10.3.- REFERENCIAS EN METROLOGIA POR COORDENADAS
H. Aoyama, M. Kawai, T. Kishinami / N. Taniguchi

A new method for detecting the contact point between a touch probe and a surface.
Annals of the CIRP Vol. 38/1/89, p. 517,
Dimensional Metrology in Quality Assurance
keywords: Coordinate Measuring Machine, Probe, Contact Measurement, Three-Dimensional
Geometry, Contact Point, Normal Vector
A. Ballu, P. Bourdet , L. Mathieu

The processing of measured points in coordinates metrology in agreement with the definition of
standardized specifications,
Precision Engineering and Metrology
keywords: Dimensional Metrology, Coordinate Measuring Machines, Measurement Standards
A. Balsamo
Effects of arbitrary coefficients o CMM error maps on probe qualification,
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.
A. Balsamo , M. Di Ciommo, R. Mugno, S. Sartori

Towards instrument-oriented calibration of CMMs,
keywords: CMM, Calibration, Uncertainty
A. Balsamo , M. Di Ciommo, R. Mugno, B.I. Rebaglia, E. Ricci, R. Grella.

Evaluation pf CMM Uncertainty Through Monte Carlo Simulations
Annals of the CIRP Vol. 48/1/1999; pp 425 – 428.
Se propone la independencia entre el proceso de captación de las indicaciones de coordenadas por la
MMC y el computo posterior en los algoritmos. Explicita la propagación de incertidumbre en los
programas informáticos por medio de la simulación de Montecarlo incorporando perturbaciones al valor
de las coordenadas indicadas, anticipando el uso de artefactos calibrados y sin calibrar.
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
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,
keywords: Dimensional Metrology, Calibration, Measuring Machines, Machine Tools, Automatic Error
Correction, Identification, Simulation
J. Bosco de Aquino, M. Burdekin

A modular space frame for assessing the performance of co-ordinate measuring machines (CMMs)
Precision Engineering, vol. 26, pp 37-48, number 1, January 2002
keywords: calibration, verification, coordinate measuring machine.
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.
Bourdet, P., Mathieu, L., Lartigue, C., Ballu, A.,

The concept of the small displacement torsor in metrology,
Proc. Intl. Euroconference on Advanced Mathematical Tools in Metrology, 110-122, 1995
Key Words: error separation, free-form, CMM, calibration
Abstract: Dimensional measurements, error compensation and separation: state of the art. In general,
the analysis of form errors of a surface with respect to a reference surface, starts with the analysis of
the errors of the measuring device [1] used to perform the measurement. For the time being, error
compensation methods are as numerous as different though their initial goal is the same. In order to
develop new methods, and to clarify the terms used to qualify the existing methods, a state of the art
was made by S. Sartori and G.X. Zhang [2]. In general, the problem can be summarized as follows: How
can the function allowing to transfer curvilinear coordinates of points given by the CMM to the true
coordinates be established in a Cartesian reference system. To solve this problem, two types of
techniques exist, i.e. calibration and self-calibration techniques. Calibration techniques consist in the
direct comparison of distances measured on artefacts by means of CMMs, with the same distances
calibrated by standard organizations. Self-calibration techniques consist in the comparison of
measurements made on an un-calibrated artefact in several locations of the working volume of a CMM.
Then, one has to verify the consistency of the measurements and check wether the calibration is still
correct. In both cases, each measurement is used to figure out the desired component of the machine
errors at discrete locations of the working volume in accordance with the error model chosen. In the
case of a solid modelling of the CMM, it generally takes into account 18 geometrical error functions.
Even though they have proved their efficiency, their cost and time of experimentation make those
methods difficult to implement. This is why between the two types of techniques, we have interested
ourselves into self-calibration techniques since the calibration of the artefacts is not required. A state of
the art as well as a proposition of classification of these techniques were made by C.J. Evans [3]. These
techniques are generally based on the change of sign or on the shifting of one of the sources of error
between two measurements. By means of simple equation systems modelling the measurement
recordings, the error separation is possible. Nevertheless, all error separation techniques are not
equivalent since they give either a full or a partial knowledge on both the instrument and the artefact or
only a knowledge on one of the two errors.
10.5
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, c. Lartigue, f. Leveaux

Effects of data point distribution and mathematical model on finding the best-fit sphere to data
Precision Engineering, vol. 15, n°3, pp 150-157, Juillet 1993
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
P. Cauchick Miguel, T. King, Alvaro Abackerli.

A review on methods for probe performance verification.
Measurement Vol. 23 pp 15-33 1998.
Trascendente tema de la verificación del comportamiento de los palpadores.
P. Cauchick Miguel, T. King, J. Davis.

CMM verification: a survey.
Measurement Vol. 17, Nº 1, pp 1-16, 1996.
Una revisión subjetiva de referencias a la utilización de artefactos para la verificación de MMCs.
Chenggang Che, Jun Ni

A generic coordinate transformation uncertainty assessment approach and its application in machine
vision metrology.
International Journal of Machine Tools & Manufacture 38 (1998) 1241-1256.
Keywords: Coordinate transformation; uncertainty; metrology; vision; CMM
Abstract: …The proposed method provides a mechanism for on-line assessment of measurement
uncertainties on any coordinate measuring machines, mechanical or optical. Results of Monte Carlo
simulation from a structured-light optical coordinate measuring machine (CMM) show that under normal
machine operation conditions the approximations are valid.
A. Clément
The resolution of positioning solids.
keywords: Metrology, Resolution, Solid
T. Coorevits, J. David / P. Bourdet

Elimination of geometrical errors by permutations - Application to a rotary table.
keywords: Calibration of Rotary Table, Coordinate Measuring Machine, Reference Object
10.6
M.G. Cox, M.P. Dainton, A.B. Forbes & P.M. Harris

Validation of CMM form and tolerance assessment software in Laser Metrology and Machine
Performance
V, G. N. Peggs, ed., WIT Press, Southampton, 2001, pp 367–376.
Abstract
While the verification of the performance of coordinate measuring machines (CMMs) is self-evidently
important, the point coordinates they provide are usually the input to form and tolerance assessment
software that calculate associated geometric features, such as a best fit cylinder to the data. For the
measurement result to be reliable, it is also necessary to ensure that the calculations performed by
this software are fit for purpose. The forthcoming standard ISO 10360-6:2001 [1] specifies the
procedure by which Gaussian (least-squares) form assessment software should be tested.
Many tolerance assessment problems relate to Chebyshev (minimumzone) fitting criteria in which the
maximum error is minimized. These criteria lead to nonlinearly constrained optimization problems that
are difficult to solve reliably if appropriate algorithms are not employed. Many existing and proposed
algorithms fail on seemingly simple data sets.
In this paper we examine the problem of how to generate reference data sets and corresponding
reference results for testing software for computing Gaussian and Chebyshev associated features. We
indicate how to generate data sets for circles and cylinders, including data sets to help expose the
deficiencies of inadequate software.
H.H. Danzer / H. Kunzmann

Application of a 3 dimensional coordinate measuring machines for problem investigation and upstream
quality assurance,
Annals of the CIRP Vol. 36/1/87, p. 369, Dimensional Metrology in Quality Assurance
keywords: 3Dimensional Coordinate Measuring, Upstream Quality Assurance, Function-Oriented
Evaluation
L. De Chiffre , H.N. Hansen

Metrological limitations of optical probing techniques for dimensional measurements,
keywords: Dimensional Metrology, Optical Probe, Accuracy
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
P.B. Dhanish *, Jose Mathew

Effect of CMM point coordinate uncertainty on uncertainties in determination of circular features.
Measurement 39 (2006) 522–531
Keywords: Uncertainty; Circularity; CMM
Marek Dobosz, Adam Wozniak

CMM touch trigger probes testing using a reference axis
Precision Engineering 29 (2005) 281–289
Keywords: Coordinate measuring machines; Dimensional metrology; Touch trigger probe; Probe
pretravel.
W.T. Estler, Y.H. Queen / J. Bryan

An advanced metrology system.
keywords: Metrology, Angular Measurements, Calibration
10.7
C.J. Evans , R.J. Hocken , W.T. Estler

Self-Calibration: reversal, redundancy, error separation and absolute testing,
Annals of the CIRP Vol. 45/2/1996, p. 617-634
Precision Engineering & Metrology
keywords: Dimensional metrology, Kinematic error correction, Quality assurance
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.
A.B. Forbes / P.M. Harris

Simulated Instruments and Uncertainty Estimation
NPL Report CMSC 01/00 March 2000 / ISSN 1471–0005
ABSTRACT
Many metrology data analysis problems can be posed in terms of estimation: given measurement data
X and a mathematical model of the experimental system described in terms of parameters a, find the
values a* of a, that best explain the data. This is usually achieved by formulating an error function and
determining the values of the parameters that minimises this function. While a may describe the
parameters of interest in the experiment, there are usually other parameters b, often treated as
constants, that define the configuration of the system. In general, the prior information b is not known
exactly and its associated uncertainty will need to be taken into account in deriving an uncertainty
statement for the estimates a*. In recent years, a number of laboratories have developed approaches
based on numerical simulation to estimate uncertainties associated with co-ordinate measuring
machine (CMM) measurements. A Virtual CMM attempts to model and simulate all the main sources
10.8
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.
A.B. Forbes, Ben Hughes, Wenjuan Sun

Comparison of measurements in co-ordinate metrology
Measurement 42 (2009) 1473–1477
Abstract
The primary output from a co-ordinate metrology system is a set of measured co-ordinates
representing the locations of targets. This paper is concerned with the following issues: (a) how do we
express the uncertainty associated with a set of measured co-ordinates and how can we summarise
the uncertainty characteristics of a co-ordinate measuring system, (b) if two co-ordinate measuring
systems measure the same set of targets, how do we assess whether the two sets of measured co-
ordinates are consistent with each other, and (c) given two sets of measurements of the same set of
targets, how can we obtain a combined estimate of the target locations. Any concept of traceability of
co-ordinate measurements will need to provide a way of answering these questions. We show that
multivariate probabilistic techniques, multivariate counterparts to those described in the Guide to the
Expression of Uncertainty in Measurement, can give useful answers to these questions.
We illustrate their application to laser tracker and theodolite systems.
Fullmer, Irvin Henry

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.
Washington, U.S. Dept. of Commerce, National Bureau of Standards; for sale by the Superintendent of
Documents, U.S. Govt. Print. Off., 1966.
G. Goch / H.J. Renker

Effective multi-purpose algorithm for approximation and alignment problems in coordinate measurement
techniques.
keywords: Coordinate Measurement Techniques, Tschebyscheff-Approximation, L2-Approximation,
Alignment, Measurement of Cylinders, Circles and Sculptured Surfaces
H.N. Hansen, L. De Chiffre

A combined optical and mechanical reference artefact for coordinate measuring machines,
keywords: coordinate measuring machine (CMM), optical probe, calibration
Herrador, M.A.; A.G. Asuero; González, A.G..

Estimation of the uncertainty of indirect measurement from the propagation of distributions by the Monte
Carlo method: An overview.
Chemometrics and intelligent laboratory systems 79 (2005) 115-122.
Keywords: Propagation of distributions; uncertainty; Monte Carlo method.
Herrador, M.A.; González, A.G..

Evaluation of measurement uncertainty in analytical assays by means of Monte-Carlo simulation.
Talanta 64 (2004) 415-422 & 1066
Keywords: measurement uncertainty; Monte Carlo simulation; ISO-GUM approach; Propagation of
distributions.
10.9
F. Jouy / A. Clément
Theoretical modelisation and experimental identification of the geometrical parameters of coordinate
machines, by measuring a multi-directed bar,
S.W. Kim / P.A. McKeown

Measurement uncertainty limit of a video probe in coordinate metrology,
keywords: CMM, Inspection, Vision
T. Kishinami, S. Kanai, H. Yokouchi, H. Nomura, T. Hayakawa / H. Takeyama

Automatic recognition system for relative position of required shape in workpiece space,
keywords: Automatic Shape Measuring, Five-Direction Measuring, Noncontact Measuring, Automatic
Pattern Recognition, Automatic Marking System, Set-up for Forgings and Castings, CAD/CAM,
Computer-Aided Testing
W.Knapp, U.Tschudi, A.Bucher.

Comparison of different artefacts for interim coordinate measuring machine checking: a report from the
Swiss Standards Committee.
Precision Engineering Oct. 1991 Vol.13 pp 277-291.
J.P. Kruth, P. Vanherck, C. Van den Bergh, B. Schacht.

Interaction between workpiece and CMM during geometrical quality control in non-standard thermal
conditions
keywords: Dimensional metrology, coordinate measuring machine, Temperature variations, differential
expansion, measurement errors.
H. Kunzmann , E. Trapet, F. Wäldele

An uniform concept for calibration, acceptance test, and periodic inspection of coordinate measuring
machines using reference objects.
keywords: Coordinate Measuring Machines, Calibration of Coordinate Machines, Parametric Errors,
Volumetric Errors, Dimensional Reference Objects
P.S. Lingard, M.E. Purss, C.M. Sona, E.G. Thwaite

Length bar and step-gauge calibration using a laser measurement system with a co-ordinate measuring
machine.
annals of the CIRP Vol. 40/1/91, p. 515,
keywords: Dimensional Metrology, Coordinate Measuring Machine, Laser Interferometer, Length Bar
Calibration, Step-Gauge
10.10
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.
E.A. Lehtihet, N.U. Gunasena / A. Clément

On the composite position tolerance for patterns of holes.
keywords: Composite Position Tolerance, Coordinate Measurement Techniques, Simulation of
production Errors, MMC/RFS Comparative Evaluation
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
L. Mathieu, C. Lartigue, P. Bourdet

An approximation method for the linearization of three-dimensional metrology problems
Advanced mathematical tools in metrology III, series on advances in mathematics for applied sciences
- vol. 45, ISBN 9810229186, Fevrier 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,
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
Salvatore Nuccio, Ciro Spataro

Assessment of virtual instruments measurement uncertainty.
Computer Standards & Interfaces 23 (2001). 39–46
Keywords: Virtual instruments; Uncertainty estimation; Digital signal processing.
G.N. Peggs / P.A. McKeown

Creating a standards infrastructure for co-ordinate measurement technology in the UK.
keywords: Calibration, Co-Ordinate Measuring Machines, Dimensional Metrology, Performance
Verification, Software, Specification Standards
T. Pfeifer , R. Tutsch, J. Evertz, G. Weres

Generalized aspects of multiple-wave length techniques in optical metrology,
keywords: Metrology, Optical Measuring Instruments, Dimensional Measurement
T. Pfeifer / G. Spur
Task specific gauge for the inspection of coordinate measuring machines,
keywords: Bevel Gear, Calibration, CMM-Uncertainty
F. Romdhani, F. Hennebelle et al.

Methodology for the assessment of measuring uncertainties of articulated arm CMM.
Measurement Science and Technology, Vol. 25, 2014, 125008 –14pp–
Keywords: uncertainty, articulated arm coordinate measuring machine, Monte Carlo simulation.
J. Santolaria, A.C. Majarena, D. Samper, A. Brau, and J. Velázquez.

Articulated Arm Coordinate Measuring Machine Calibration by Laser Tracker Multilateration.
The Scientific World Journal. Hindawi Publishing Corporation. Volume 2014, Article ID 681853.
J. Santolaria, J.A. Yagüe, R. Jiménez, J.J. Aguilar.

Calibration-based thermal error model for articulated arm coordinate measuring machines.
Precision Engineering 33 (2009) 476–485.
S. Sartori , G.X. Zhang

Geometric Error Measurement and Compensation of Machines,
Annals of the CIRP Vol. 44/2/95, p. 599-609,
keywords: Machine, Geometric Modelling, Compensation
E. Savio, L. De Chiffre
An artefact for traceable freeform measurement on coordinate measuring machines
keywords: Freeform surface, coordinate measuring machine, traceability, Uncertainty assessment.
10.12
Y.L. Shen, N.A. Duffie

Uncertainties in the acquisition and utilization of coordinate frames in manufacturing systems.
keywords: Quality, Computer Integrated Manufacturing, Uncertainty
Soons, J.A., Theuws, F.C., and Schellekens, P.H.,

Modelling the errors of multi-axis machines: a general methodology,
Precision Engineering, Vol. 14, 5-19, 1992
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
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.
T. Takatsuji, S. Osawa, T. Kurosawa

Uncertainty analysis of calibration of geometrical gauges
keywords: Length standard, calibration, Uncertainty, coordinate measuring machine (CMM), Gauge Ball
plate.
Y. Takeuchi, H. Shimizu, I. Mukai / T. Sata

Automatic measurement of 3 dimensional coordinate measuring machine by means of CAD and image
data.
Dimensional Metrology in Quality Assurance.
keywords: Automatic Measurement, 3D-CMM, CAD/CAM, Image Data, Matching, Measuring Path
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.
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.
E.Trapet, H.Kunzmann, F.Waldele.

A Uniform Concept for Calibration, Acceptance Test, and Periodic Inspection of Coordinate Measuring
Machines Using Reference Objects.
Annals of CIRP Vol. 39/1/1990.
Se identifican y enuncian los requisitos de usuario para sistemas de medida por coordenadas a los
cuales se propone responder por el uso de objetos de referencia (artefactos). Tal propuesta terminará
por orientarse a una respuesta desde la perspectiva del fabricante (3)(5) en la línea de los balances de
error. Se presenta la técnica de 21 componentes de error.
10.13
M. Weck , M. Schmidt
An optical measurement procedure for determination of the geometric accuracy of machine tools,
W.G. Weekers, P.H.J. Schellekens

Assessment of dynamic errors of CMMs for fast probing,
keywords: CMMs, Dynamic, Error
Vladimir Sobolev, Olli Aumala.

Metrological automatic support of measurement results in intelligent measurement systems.
Measurement Vol.17, Nº 3 , pp 151-159 (1996).
Se desarrolla muy exhaustivamente el concepto de Sistemas Inteligentes de Medida (IMS) como
soporte conceptual. Muy posiblemente la visión SI-MC deba converger hacia una particularización (C-
IMS) de tales sistemas aunque en algunos aspectos es más ambiciosa.
K. Yamazaki , H. Aoyama, K.S. Lee, M. Sawabe

Non-Contact probe for continuous measurement of surface inclination and position using dynamic
irradiation of light beam,
keywords: Dimensional Measurement, Optical Measuring Instruments, Scanning
K. Yamazaki
Three dimensional cognitive system for quick perception and inspection of mechanical part using
computer tomography.
keywords: Dimensional Measurement, Image Processing, Geometric Modelling
Zhongcheng Yan, Been-Der Yang, Chia-Hsiang Menq

Uncertainty analysis and variation reduction of three dimensional coordinate metrology. Part 1:
geometric error decomposition
International Journal of Machine Tools & Manufacture 39 (1999) 1199–1217
Part 2: uncertainty analysis
Part 3: variation reduction
G.X. Zhang , Y.F. Zang

A method for machine geometry calibration using 1D ball array.
keywords: Dimensional Measurement, Calibration, Coordinate Measuring Machine
G.X. Zhang
A study on the Abbe principle and Abbe error.
keywords: Abbe Principle, Abbe Offset, Abbe Angle, Abbe Error, Reference Point, Sensing Point,
Sensitive Direction
10.14
G. Zhang , R. Ouyang, B. Lu, R.J. Hocken

A displacement method for machine geometry calibration.
G. Zhang / R.J. Hocken

Improving the accuracy of angle measurement in machine calibration,
G. Zhang, R. Veale, T. Charlton, B. Borchardt, R.J. Hocken

Error compensation of co-ordinate measuring machines,
Annals of the CIRP Vol. 34/1/85, p. 445, Precision Engineering
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,
keywords: Precision, Non-Contact Optical Probe, Holographic Optical Element (HOE)
10.15
10.4.- REFERENCIAS NORMATIVAS DESTACADAS
Vocabulario Internacional de Metrología ⎯ Conceptos fundamentales y generales, y términos asociados

(VIM). 3ª Edición en español 2008, traducción de la 3ª edición del VIM 2008. JCGM 200:2008.
EA 10/05 (anterior Guía EAL G17: Enero 1995)
Coordinate Measuring Machine Calibration.
European co-operation for accreditation
EA-4 / 02 “Expressions of the Uncertainty of Measurements in Calibration” rev00. (Previously EAL-R2).
European co-operation for Accreditation. Dec. 1999.
Guía para la expresión de la incertidumbre de medida – GUM
— Evaluación de datos de medición —
EDICIÓN DIGITAL 3 en español 2009
(traducción 1ª Ed. Sept. 2008: JCGM 100:2008 GUM 1995 con ligeras correcciones)
Centro Español de Metrología © JCGM 2008
—Suplemento 1 de la “Guía para la expresión de la incertidumbre de medida”—
Propagación de distribuciones aplicando el método de Monte Carlo
Primera edición en inglés, 2008. Primera edición de la traducción al español, 2010
Centro Español de Metrología
Requisitos generales para los instrumentos de medida controlados por software.
ORGANIZACIÓN INTERNACIONAL DE METROLOGÍA LEGAL
OIML D 31 Edición 2008 (ES)
10.16
ISO/TS 15530
Geometrical product specifications (GPS) -- Coordinate measuring machines (CMM): Technique for
determining the uncertainty of measurement –
Part 1: 2013 Overview and metrological characteristics.
Part 3: 2011 Use of calibrated workpieces or measurement standards.
Part 4: 2008 Evaluating task-specific measurement uncertainty using simulation.
15530-2: Uso de estrategias múltiples en la calibración de artefactos.

15530-5: Estimación basada en el análisis por expertos, coeficientes de sensibilidad y balance
de contribuciones a la incertidumbre.
ISO 10360
Geometrical Product Specifications (GPS) -- Acceptance and reverification tests for coordinate
measuring machines (CMM) –
Part 1: 2000 Vocabulary. + Cor. 1:2002.
Part 6: 2001 Estimation of errors in computing Gaussian associated features. + Cor. 1:2007.
Part 2: 2009 CMMs used for measuring linear dimensions.
Part 3: 2000 CMMs with the axis of a rotary table as the fourth axis.
Part 4: 2000 CMMs used in scanning measuring mode. + Cor. 1:2002.
Part 5: 2010 CMMs using single and multiple stylus contacting probing systems.
Part 7: 2011 CMMs equipped with imaging probing Systems.
Part 8: 2013 CMMs with optical distance sensors.
Part 9: 2013 CMMs with multiple 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
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
Part 3:2011 Guidelines for achieving agreements on measurement uncertainty statements.
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
Part 5:2014 Uncertainty in testing indicating measuring instruments.
Versiones anteriores y referencias:
ISO 10360 Geometrical product specifications (GPS) — Acceptance and reverification tests for
coordinate measuring machines (CMM).
— Part 1: Vocabulary
— Part 2: CMMs used for measuring linear dimensions
— Part 3: CMMs with the axis of a rotary table as the fourth axis
— Part 4: CMMs used in scanning measuring mode
— Part 5: CMMs using multiple-stylus probing systems
— Part 6: Estimation of errors in computing of Gaussian associated features
Descriptors: acceptance testing, coordinate measuring machines, dimensional measurements,

geometrical product specifications, measuring instruments, performance tests, tests, verification
ISO 10360-2:1994
Coordinate metrology -- Part 2: Performance assessment of coordinate measuring machines
Edition: 1 (monolingual) Technical committee / subcommittee: TC 213
ICS: 17.040.30
10.18
ISO/DIS 10360-3
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
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
Geometrical Product Specifications (GPS) -- Inspection by measurement of workpieces and measuring

equipment --
Part 1: Decision rules for proving conformance or non-conformance with specifications
ICS: 17.040.01 / Last updated on 1999-07-17
ISO/DTR 14253-2
Geometrical Product Specification (GPS) -- Inspection by measurement of workpieces and measuring

equipment --
Part 2: Guide to the estimation of uncertainty in GPS measurement, in calibration of measuring

equipment and in product verification
ICS: 17.040.01 / Last updated on 1999-07-17
10.19
10.5.- REFERENCIAS MATEMATICAS
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
Bratley, P., Fox, B.L., Schrage, L.E.

A Guide to Simulation.
Springer Verlag (1983)
B. P. Demidowitsch. I. A. Maron, E. S. Schuwalowa.

Métodos numéricos de análisis.
Editorial Paraninfo (1980).
G. S. Fishman.
Conceptos y Métodos en la Simulación digital de eventos discretos. LIMUSA. 1978
Freeman, James A. ; Skapura, David M.

Redes neuronales : algoritmos, aplicaciones y técnicas de programación.
Addison-Wesley Iberoamericana , (1993).
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
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
Jiménez, Antonio ; Ríos-Insua, Sixto ; Mateos, Alfonso

A generic multi-attribute analysis system
Computers & Operations Research 33 (2006) 1081–1101
Keywords: Decision support system; Additive multiattribute utility function; Incomplete information;
Monte Carlo simulation techniques.
Kalos, Malvin H.; Whitlock, Paula A.

Monte Carlo Methods, Vol. I Basics
Courant Institute of Mathematical Sciences. NY University. 1986
Wiley Interscience Publication, John Wiley & Sons. ISBN 0-471-89839-2
A. M. Law & W. D. Kelton.

Simulation, Modeling and Analysis.
MacGraw-Hill, 1982.
Jun S. LIU ; Rong CHEN

Sequential Monte Carlo Methods for Dynamic Systems
Journal of the American Statistical Association. September 1998, Vol. 93 Nº 443, Theory and Methods.
pp 1032 – 1044.
N. Locci, C. Muscas, E. Ghiani

Evaluation of uncertainty in measurements based on digitised data. 2002
Measurement, 32 (2002), pp 265 – 272
M. H. MacDougall
Simulating Computer Systems. Techniques and Tools.
MIT Press. 1987
A.M. Malyscheff, T.B. Trafalis, S. Raman

From support vector machine learning to the determination of the minimum enclosing zone.
Computers & Industrial Engineering, 42 (2002) 59-74
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
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
Trazabilidad de la medición por coordenadas

aplicando simulación estadística y redes neuronales
Ingeniero Aeronáutico
FRANCISCO JOSÉ RAYA DE BLAS
ANEXOS
Gijón – 2015
Anexo 1 Ajuste de la matriz G
Anexo 1. Ajuste de la matriz G
A1.1.- Introducción
Como parte esencial en la aplicación de la metodología para la determinación de las correcciones e

incertidumbre de calibración, se ha presentado la obtención de una matriz métrica que modifica las
relaciones de distancia en el volumen de medición. La matriz , obtenida mediante el ajuste por
métodos matemáticos que se muestren adecuados de entre los disponibles.
Se presenta en este Anexo 1 el procedimiento de ajuste por valoración numérica de la función objetivo.
A1.2.- Ajuste por valoración numérica.
La secuencia de imágenes adjunta, describe cualitativamente el proceso de identificación de una

solución.
Por ajuste de los coeficientes, se pretende una respuesta adecuada al propósito de caracterización de
la matriz métrica. El procedimiento es:
• 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.
Ecuación 13 del Capítulo 4: = ̅ ̿ ̅ = + = ̅ ̿+ ̅
siendo, i = índice de distancia (conocida o no), j = índice de emplazamiento, k = índice de muestra
: distancia euclídea i_ésima obtenida en el emplazamiento j_ésimo para el elemento muestral

k_ésimo.
̅ : vector diferencia de coordenadas máquina en las condiciones referidas por los índices.
d i : valor medido de la distancia i_ésima, imputable a la materialización del mensurando i_ésimo,
por aplicación del Modelo_G.
Resulta ser la Función Objetivo, F:
= ̅ ̿+ ̅
∀ í
• La determinación se afronta por tanteo en la evaluación de la Función Objetivo, pretendiéndose

un valor mínimo.
• El resultado se considera consistente con las premisas del ajuste cuando las desviaciones son
moderadas (se establece a priori).
• El criterio de moderación en las desviaciones, es introducido en el análisis por medio de la
amplitud de la cuadrícula de tanteo. No siendo necesariamente iguales en todos los
parámetros, estos valores desplazan el tanteo hacia regiones con menor valor en la función
objetivo. La Figura A1. - 1, recoge el estado inicial para el presente ejemplo (superior, vista en
A1.1
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
0.006 0.008 0.01

-0.01 0 0.002 0.004
-0.006 -0.004 -0.002
-0.01 -0.008
Figura A1. - 1 Evolución tentativa en la localización del óptimo, etapa 1
La evolución del tanteo se muestra cualitativamente en: Figura A1. - 2 y Figura A1. - 3.
A1.2
-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
Figura A1. - 2 Evolución en la localización del óptimo, etapa 2.
A1.3
-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
Figura A1. - 3 Evolución en la localización del óptimo, etapa 3.
A1.4
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
Figura A1. - 4 Umbral numérico del ajuste por tanteo
La Figura A1. - 5 muestra la evolución del coeficiente g22

La Figura A1. - 6 ilustra la evolución pareja del coeficiente g12
A1.5
-5
x 10
0
-0.5
-1
desviacion a 1 del coeficiente g22

-1.5
-2
-2.5
-3
-3.5
-4
-4.5
0 2 4 6 8 10 12
Iteracion
Figura A1. - 5 Evolución del coeficiente g22
-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
Figura A1. - 6 Evolución del coeficiente g12
Se han usado los datos de:

Nombre_de_Fichero = 3n3p2d.txt
g22 = .999 964
g12 = -.003 603
VALOR MINIMO OBTENIDO PARA LA FUNCION OBJETIVO :
ans = .009 6
VALOR NOMINAL DE LAS DISTANCIAS MEDIDAS :
ans =
2.835 mm
4.007 mm
2.835 mm
A1.6
A1.3.- Referencias para la ejecución del ajuste
DSC Shelfmark: 6029.2806 29/99

Author: Forbes - Alastair B.
Title: Software support for metrology interim status report on the length area
Publisher: National Physical Laboratory (NPL) .Great Britain, Centre for Information Systems
Engineering 1999

Author: Cox M G
Title: Determining CMM behaviour from measurements of standard artefacts
Publisher: NPL.Great Britain, Centre for Information Systems Engineering 1998

Author: Butler B P
Title: Model validation in the context of metrology a survey
Publisher: NPL. Great Britain, Centre for Information Systems Engineering 1999
DSC Shelfmark: 6029.28072 1

Author: Cox M G
Title: CMM verification and grading
Publisher: NPL. Great Britain, Centre for Length Metrology 1997

Author: Butler B P
Title: Position calibration software Fortran implementation of algorithms to determine frame of reference
from measurements of registration points
Publisher: NPL. Great Britain, Centre for Information Systems Engineering 1998
DSC Shelfmark: 6029.319 NPL-DITC--228/94

Author: Butler B P
Title: Algorithms for geometric tolerance assessment
Publisher: NPL, Division of Information Technology and Computing 1994

Author: Forbes A B
Title: Validation of software for dimensional metrology

Author: Cox M G
Title: Strategies for testing form assessment software
A1.7

Author: Forbes A B
Title: Geometric tolerance assessment

Author: Forbes A B
Title: Position calibration software for the form assessment of complex workpieces
ISSN: 02625369 / DSC Shelfmark: 6029.319 NPL-DITC--140/89

Author: Forbes A.B
Title: Least-squares best-fit geometric elements
Publisher: Teddington NPL Division of Information Technology and Computing 1989

Author: Forbes A.B
Title: Fitting an ellipse to data

Author: Forbes A.B
Title: Fitting a generalized parabola to data

Author: Forbes Alistair B
Title: Robust circle and sphere fitting by least squares

DSC Shelfmark: 6015.42F N--90-22356(microfiche)
Author: Forbes A B
Title: Neural implementation of a method for solving systems of linear algebraic equations

Author: Cox M G
Title: Software support for metrology interim status report on the software activities world-wide
A1.8

Author: Cox M G
Title: Determining CMM behaviour from measurements of standard artefacts

Author: Cox M G
Title: Improving CMM software quality
ISSN: 02625369/DSC Shelfmark: 6029.319NPL-DITC-148/89/DSCShelfmark:6015.42FN-90-22355

Author: Anthony H.M
Title: The use of local polynomial approximations in a knot-placement strategy for least-squares spline
fitting

Author: Cox M.G
Title: An algorithm for least squares circle fitting to data with specified uncertainty ellipses

Author: Cox M.G
Title: Data approximation and surface fitting
DSC Shelfmark: 6029.344 NPL-R-DNACS--40/81

Author: Cox M.G
Title: Solving a least squares problem with one multiplicative nonlinearity
Publisher: Teddington NPL Division of Numerical Analysis and Computer Science 1981
ISBN: 0819429813 pbk / DSC Shelfmark: 6823.100 vol 3520 1998

Title: Three-dimensional imaging, optical metrology, and inspection IV
Publisher: SPIE 1998

Title: Three-dimensional imaging, optical metrology, and inspection V

Title: Machine vision systems for inspection and metrology VII
A1.9

Title: Machine vision systems for inspection and metrology VIII
DSC Shelfmark: 6029.28072 2

Author: Cross N R
Title: Measurement of artefacts using repositioning methods
Publisher: NPL.Great Britain, Centre for Length Metrology 1997

Title: Three-dimensional imaging and laser-based systems for metrology and inspection III
A1.10
Anexo 2 Optimización - Ajuste
Anexo 2. Optimización por mínimos cuadrados y

mini-max en los algoritmos de ajuste para círculo,
cilindro, recta, esfera y plano
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
A2.2.- Ajuste de elementos geométricos mediante mínimos

cuadrados
A2.2.1.- Presentación del método de ajuste por mínimos cuadrados

El criterio de mínimos cuadrados es de aplicación a un amplio espectro de problemas de ajuste de
curves. Resulta convencional su explicación introductoria sobre el problema de ajuste de datos a un
plano en el espacio tridimensional. El problema ejemplarizante, de parametrización, se presenta en los
siguientes términos:
El plano solución es caracterizado por un punto C (xo ,yo ,zo) sobre el plano y por los cosenos directores
(a, b, c) de la normal al plano. Así, cualquier punto del espacio (x, y, z) sobre el plano deberá satisfacer,
a·(x - xo)+b·(y - yo)+c·(z - zo) = 0
A2.1
Figura A.2-1 Geometría general del plano

La distancia desde cualquier punto A(xi ,yi , zi ) al plano anteriormente definido vendrá dada por
di = a·(xi - xo)+b·(yi - yo)+c·(zi - zo)
La suma de cuadrados de las distancias de cada punto al plano es:
n
F =  d i2
i =1
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.
A2.2.2.- Mínimos cuadrados lineales

Se describe a continuación el caso de ajuste por mínimos cuadrados a una recta en dos dimensiones,
se trata de un caso comúnmente utilizado en la literatura para introducir el proceso. Se aborda con un
detalle especial la formulación matricial, de gran utilidad en la resolución de problemas con alto número
de datos o parámetros.
Se pretende así ajustar una línea recta 2D, definida paramétricamente por:
y = a + b·x
a partir de un conjunto de datos de coordenadas 2D de puntos (xi, yi), i = 1 a n.
Una posible función objetivo, define la suma de los cuadrados de las distancias sobre el eje y de los
datos a la recta solución, es decir:
n
F= 
i =1
( yi − a − b·xi )2
Las condiciones necesarias para el mínimo de F son
∂F ∂F
= 0 and =0
∂a ∂b
A2.2
Evaluando las derivadas parciales con respecto a: a y b, se obtiene

n
2·( −1 )· 
i =1
( yi − a − b·xi ) = 0
n
2·
i =1
(− xi )(· yi − a − b·xi ) = 0
que pueden ser simplificadas para dar

n n

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 
obteniéndose la expresión compacta = ̿

El objetivo del problema planteado es la obtención de un vector p que minimice la distancia euclídea
entre y ̿ en un espacio ℜn,
− ̿
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
Expresándolo en forma expandida:
− ̿ = (y1 - a - b·x1)2 + (y2 - a - b·x2)2 + …+ (yn - a - b·xn)2
si se definen d1 = (y1 - a - b·x1)2, d2 = (y2 - a - b·x2)2 , …, dn = (yn - a - b·xn)2

d puede ser definido como la distancia de un conjunto de datos a la recta de ajuste, esto es:
||B -A p||2 = d12 + d22 + ...dn2
Figura A.2-2 Obtención de la Ecuación Normal
Para minimizar − ̿ , ̿ deberá ser igual a ̿ ∗

donde ̿ ∗
es la proyección ortogonal de sobre
el espacio vectorial columna de ̿. Esto implica que − ̿ ∗
debe ser también ortogonal al espacio
vectorial columna de ̿. Por tanto
− ̿ ̿ ∗
= 0 para cada vector p en ℜ2
Puede escribirse por
̿ − ̿ ∗
=0
̿ − ̿ ∗
=0
̿ − ̿ ̿ ∗
=0
Entonces ̿ − ̿ ̿ ∗
es ortogonal a cada vector p in ℜ2. Se deduce que
̿ − ̿ ̿ ∗
=0
̿ = ̿ ̿ ∗
y consecuentemente p* satisface el sistema lineal

̿ ̿ = ̿
Esta es la denominada Ecuación Normal, que proporciona la solución buscada, p por
= ̿ ̿ ̿
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
ineficiente el cálculo directo de la matriz ̿ ̿ . Alternativamente, la descomposición en componentes

principales, resulta ventajosa en la resolución de p.
A2.4
Descomposición en componentes principales (SVD - Singular Value Decomposition).

Con carácter general una matriz puede ser descompuesta en tres:
̿= ̿
donde y son matrices ortogonales, y ̿ es una matriz diagonal, matriz singular de ̿.
Reemplazando ̿ = ̿
en la ecuación normal, resulta:
̿ ̿ = ̿
̿ ̿ = ̿
dada la ortogonalidad de U y V será
= ̿ =
= ̿ =
entonces ̿ ̿ = ̿
pre-multiplicando ambos términos por V-1

̿ ̿ = ̿
̿ es una matriz diagonal; por tanto,
̿ ̿ = ̿
pre-multiplicando ahora ambos lados por ̿ , dos veces
= ̿
y de nuevo por
= ̿
se obtiene la solución para p
= ̿
A2.2.3.- Algoritmo de Gauss-Newton

En la resolución del problema de obtención de raíces f(x)=0 , siendo f(x) una función no lineal, el método
de Newton es uno de los métodos numéricos más efectivos y conocidos. Tradicionalmente esta
metodología es incorporada al problema de ajuste por mínimos cuadrados de círculo, esfera, cilindro y
cono. A continuación se hace una reseña de cómo opera el método de Newton.
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] .
La condición de raíz impone f ( q ) = 0 para q = x, es decir
( q − x )2
0 = f ( x ) + ( q − x )· f ' ( x ) + · f ' ' ( ξ ( q ))
2
A2.5
El método de Newton estipula que, siendo |q - x | pequeño, entonces (q - x )2 resulta despreciable y

0 = f ( x ) + ( q − x )· f ' ( x )
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 )
Figura A.2-3 Iteración del método de Newton

Siguiendo la Figura A.2-3 la localización de la raíz de y = f(u) puede llevarse a cabo dando los pasos:
 evaluar f(u0) y f'(u0)
 obtener una recta tangente por el punto (u0, f(u0)), cortará al eje u en u1
 hallar el punto u1, mediante una recta tangente en el punto u1, hallar el punto u2
 repetir los pasos anteriores hasta lograr la convergencia requerida (aproximación a u*)
Las características relevantes del algoritmo son:
 proporciona una solución aproximada, linealizando el problema
 resuelve el planteamiento lineal
 la solución del problema lineal se aplica a la estimación de la solución.
En el problema de ajuste por mínimos cuadrados, debe determinarse la bondad del ajuste entre los
datos y el elemento geométrico definido, para ello se recurre a una función objetivo basada en la
medición de los residuos del ajuste
n
E= 
i =1
di2
donde di es la distancia de cada punto i al elemento geométrico.

La distancia di no es una función lineal; el algoritmo proporcionado por el método de Gauss - Newton
resulta de aplicación a la localización del mínimo de la suma de los cuadrados de E. Asumiendo que
se dispone de un valor estimativo inicial u*, se resolverá un sistema lineal de mínimos cuadrados de la
forma
Jp = -d
A2.6
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
Resultando el parámetro actualizado por u:=u+p

Condiciones de Convergencia
Los pasos del Algoritmo de Newton se repiten hasta lograr la convergencia en un punto. Se recogen
tres criterios de aplicación a la evaluación de la convergencia:
 El cambio en E debe ser ‘pequeño’
 el tamaño de la actualización, sobre (pTp)1/2, debe ser ‘pequeño’
 la derivada parcial de E con respecto a los parámetros de la optimización, es decir (g·gT)1/2
donde g = JTd, debe ser pequeño.
A2.2.4.- Ajuste de una recta por mínimos cuadrados

La recta puede estar definida en un plano (dimensión 2) o en el espacio (dimensión 3). En cualquier
caso la recta en 2 dimensiones es un caso particular del tridimensional, que se aborda en detalle. El
procedimiento de ajuste de una recta a m valores de puntos (xi, yi,,zi ), donde m≥2, es el siguiente.
Cualquier punto (x, y, z) de una recta satisface la expresión
(x, y, z) = (xo, yo, zo ) + t (a, b, c)
para algún valor del parámetro t.
Y se sabe que la distancia de un punto a una recta en 3 dimensiones cumple
di = ui2 + vi2 + wi2
Parametrización
Una recta puede ser caracterizada por:
 un punto (xo, yo, zo ) perteneciente a la recta y,
 los cosenos directores (a, b, c).
Descripción del Algoritmo
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
iii) Aplicando sobre la matriz A la descomposición en valores principales, el menor valor

principal y su correspondiente vector principal permiten obtener el vector de cosenos directores
(a, b, c).
iv) La recta de ajuste vendrá definida por x , y , z , (a, b, c).
A2.2.5.- Ajuste de un Plano por mínimos cuadrados

Se pretende ajustar un plano a un conjunto de m puntos dados por sus coordenadas (xi, yi, zi), siendo
m≥ 3.
Cualquier punto (x, y, z) perteneciente al plano satisface la expresión
a·(x - xo)+b·(y - yo)+c·(z - zo)=0
Y es conocido que la distancia de un punto (xi, yi, zi) a un plano por el punto (xo, yo, zo) y de vector normal
( a, b, c) viene dada por
di = a·(x - xo)+b·(y - yo )+c·(z - zo)
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

El plano de ajuste (Π) pasará por el centroide del conjunto de valores (xbar, ybar, zbar) de las coordenadas
de los puntos.
En este caso, (a, b, c) es el autovector asociado con el menor autovalor de
B = ATA
i) El primer paso es calcular el promedio de los valores de 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
iii) Aplicando sobre la matriz A la descomposición en valores principales, el menor valor

principal y su correspondiente vector principal permiten obtener el vector de cosenos directores
(a, b, c).
iv) El plano de ajuste (Π vendrá definido por x , y , z , (a, b, c).
A2.8
A2.2.6.- Ajuste de un círculo por mínimos cuadrados

Procedimiento de ajuste a un círculo, en dimensión 2, de un conjunto de m puntos (xi, yi) , siendo m≥3.
Cualquier punto (x, y) perteneciente al círculo satisface (xi - xo)2 + (yi - yo)2 = r2
Es conocido que la distancia de un punto (xi yi) a un círculo caracterizado por su centro xo, yo, y radio r
viene dada por
di = r i – r
siendo ri = Σ [(xi - xo)2 + (yi - yo)2]1/2

y obteniéndose los elementos de la matriz jacobiana J a partir de las derivadas parciales de di respecto
de los parámetros { xo , yo , r }
∂di ∂di ∂di

= −(xi − x0 ) / ri ; = −( yi − y0 ) / ri ; = −1
∂x0 ∂y0 ∂r
Parametrización
Un círculo en 2 dimensiones puede ser caracterizado por
 el centro (xo, yo) y
 el radio r.

Una vez que se ha obtenido una estimación inicial se procede a ejecutar la metodología del algoritmo
de Gauss-Newton. Esta estimación del centro y el radio del círculo, pueden provenir de la resolución
por el método de ajuste por mínimos cuadrados. Se aplica el algoritmo de Gauss-Newton para ejecutar
el ajuste al círculo, conforme a los pasos siguientes:
i) Minimizar la función objetivo F
m
F= 
i =1
fi 2
donde: fi = ri2 − r 2
ii) Reducción a un sistema de ecuaciones lineales en x0, y0, ρ mediante,
fi = (xi − x0 )2 + ( yi − y0 )2 − r 2 = −2 ⋅ xi ⋅ x0 − 2 ⋅ yi ⋅ y0 + ( x02 + y02 − r 2 ) + ( xi2 + yi2 )
siendo r : x02 + y02 = r 2
iii) Para minimizar F, ha de resolverse por mínimos cuadrados el sistema lineal
 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
de b son xi2 + yi2
iv) De la ecuación de ρ se obtiene una estimación de r.
A2.9
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 
los valores de los parámetros se actualizan conforme a la progresión de sus estimaciones
x0 := x0 + px0 ; y0 := y0 + p y0 ; r0 := r0 + pr
Los pasos anteriores se repiten hasta lograr la convergencia.
A2.2.7.- Ajuste por mínimos cuadrados a una esfera

Parametrización
Una esfera se define por su centro (x0, y0, z0) y radio r0 .
Cualquier punto perteneciente a la esfera satisface (x - xo)2 + (y - yo)2 + (z - zo)2 = r2
Selección de la función objetivo
Para obtener una estimación inicial de los valores de centro y radio, resulta necesario identificar una
función objetivo o función de minimización. Considérese la función f1 = ri − r
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 .
Obtención de las estimaciones iniciales.
Desarrollando f = ri2 − r 2 , se obtiene
f = (x − x0 )2 + ( y − y0 )2 + (z − z0 )2 − r 2 = −2·( 2 xi x0 + 2 yi y0 + 2 zi z0 ) + ρ + ( xi2 + yi2 + zi2 )
( )
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.
 − 2 x1 − 2 y1 − 2 z1 1   x0   x12 + y12 + z12   f1 

− 2 x  
− 2 y2 − 2 z2 1   y0   x22 + y22 + z22   f 2 
 2   − = 
 ... ... ... ...  z0   ...   ... 
      
− 2 xn − 2 yn − 2 zn 1   ρ   xn2 + yn2 + zn2   f n 
Para la solución , fi =0.
A2.10
Notación a aplicar en las matrices,
 − 2 x1 − 2 y1 − 2 z1 1  x0   x12 + y12 + z12 

− 2 x  2 
− 2 y2 − 2 z2 1 y 
 x2 + y22 + z22 
A = 2  p=  0
y B=
 ... ... ... ...  z0   
     2 2 2

− 2 xn − 2 yn − 2 zn 1 ρ  xn + yn + zn 
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 .
A2.2.8.- Método de Gauss Newton

Tras obtener los valores iniciales estimados para el centro y el radio, se aplica el método de Gauss
Newton para alcanzar la solución definitiva.
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
 ∂d1 ∂d1 ∂d1 ∂d1 

 ∂x ∂y0 ∂z0 ∂r0 
 0 
 ∂... ...
∂dn
...
∂dn
... 
∂dn 
 dn
 ∂x0 ∂y0 ∂z0 ∂r0 
Evaluando los términos y sustituyendo en la expresión general, se obtiene
 − ( x1 − x0 ) − ( y1 − y0 ) − ( z1 − z0 ) 
 − 1
r1 r1 r1
 
J = ... ... ... ... 
− ( xn − x0 ) − ( yn − y0 ) − ( zn − z0 )
 − 1
 rn rn rn 
2. Resolución del sistema de ecuaciones lineales ̿ = − , donde es
 px0 
p 
p =  y0 
 pz0 
 
 pr 
3. Variación de los parámetros atendiendo a
x0 := x0 + p x0
A2.11
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.
Estrategia de Gauss-Newton aplicada a cilindros

Una recta cualquiera puede especificarse dando un punto perteneciente a ella y los cosenos directores
(a, b, c). Se requieren seis valores para la definición. No obstante se debe satisfacer la restricción a2 +
b2 + c2 =1. Así, dadas dos componentes, la tercera puede ser deducida de la expresión anterior.
Considerando una recta vertical, se añade la restricción c = 1, entonces es suficiente especificar dos
cosenos directores a y b. z puede determinarse por la relación
a·x+ b·y + c·z = 0
Es decir: c = 1, z = -a·x –b·y
La ventaja de aplicar estas restricciones, es la reducción de 6 a 4 parámetros a, b, x0, y y0. Esto reduce
la complejidad de la resolución basada en la matriz jacobiana y el tiempo de computo aplicando el
método Gauss-Newton.
El algoritmo de Gauss-Newton modificado para el caso de un cilindro, será:
 Trasladar el sistema de referencia, al inicio de cada iteración, así el punto sobre el eje será el
origen del sistema de referencia, con ello x = y = 0.
 Girar el sistema de referencia haciendo coincidir el eje con la dirección Z. entonces a=b=0 y
c=1.
El concepto de rotación
Figura A.2-4 Ejemplo de definición de matrices de giro

Sobre la Figura A.2-4, la rotación de la base B={u1, u2, u3} a la nueva base B'={u'1, u'2, u'3}, donde u1,
u2, u3 y u'1, u'2, u'3 son vectores unitarios. u'1, u'2 , y u'3 pueden expresarse por:
A2.12
cos( θ ) − sen( θ ) 0

[u'1]B = sen( θ ) [u'2 ]B =  cos( θ )  [u'3 ]B = 0
     
 0   0  1
Así, la matriz de paso de B’ a B es y la matriz de paso de B a B' será
cos( θ ) − sen( θ ) 0  cos( θ ) sen( θ ) 0

P = sen( θ ) cos( θ ) 0 P = − sen( θ ) cos( θ ) 0
   
 0 0 1  0 0 1
Las nuevas coordenadas (x', y', z') pueden obtenerse desde las antiguas (x, y, z) por
 x'   cos( θ ) sin( θ ) 0  x 

 y'  = − sin( θ ) cos( θ ) 0  y
    
 z'   0 0 1  z 
A2.2.9.- Ajuste de cilindros por mínimos cuadrados

Se asume que el cilindro queda definido por m puntos (xi, yi, zi), siendo m≥5.
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.
Estimación inicial del cilindro

Sean: a, b, c los cosenos directores del eje; x0, y0, y z0 un punto perteneciente al eje, y xi, yi, zi un punto
cualquiera perteneciente a la superficie cilíndrica. Entonces
A2 + B2 + C2 = R2
Siendo: A = c·( yi – y0 ) – b·(zi – z0) ; B = a·(zi – z0 ) – c·(xi – x0) ; C = b·(xi – x0) – a·(yi – y0) ;
R = estimación inicial del radio.
Sustituyendo en la ecuación anterior
[c·( yi – y0) – b·(zi – z0)]2 +[ a·(zi – z0) – c·(xi – x0)]2 + [b·(xi – x0) – a·(yi – y0)]2 = R2
Se simplifica la ecuación, proporcionando
A·x2 + B·y2 + C·z2 + D·xy + E·xz + F·yz + G·x + H·y +I·z + J=0
Dónde A = (b2 + c2)
B = (a2 + c2)
C = (a2 + b2)
D = -2ab
E = -2ac
F = -2bc
G = -2(b2 + c2) ·x0 + 2aby0 + 2acz0
H = 2abx0 – 2(a2 + c2) ·x0 + 2bcz0
I = 2acx0 + 2bcy0 – 2(a2 + b2) ·z0
J = (b2 + c2)· x02 + (a2 + c2) · y02 + (a2 + b2) · z02 – 2bc·y0z0 – 2ac·z0x0 – 2ab·x0y0 – R2
A2.13
Dividiendo ambos términos por A
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
 
Esta es la forma de ̿ ̿ = ̿ , y p puede resolverse por =( ̿ ̿) ̿
Eligiendo C'=C/A, D'=D/A, E'=E/A, F'=F/A, G'=G/A, H'=H/A, I'=I/A, y J'=J/A.

en la resolución; si |D'|, |E'|, y |F'| toman valores próximos a 0, entonces B' es aproximadamente 1 en
consecuencia (a b c) = (0 0 1),
y C' aproximadamente 1 implica (a b c) = (0 1 0).
De otro modo usando:
2
k=
( 1 + B' +C' )
A =k, B=k·B', C=k·C', D=k·D', E=k·E', F=k·F', G=k·G', I=k·I', y J=k·J'

Si A y B toman valores próximos a 1
c'=(1-C)1/2, a'=E/-2C', y b' = F/-2c'
Si A vale aproximadamente 1, entonces B no adopta un valor próximo a 1
b'=(1-B)1/2, a'=D/-2b', y c'=F/-2b'
Si A difiere de 1
a' = (1-A)1/2, b' = D/-2a', y c'=E/-2a'
La dirección (a' b' c') estará normalizada adoptando (a b c)
Estimación inicial del punto perteneciente al eje

Conocidos (a b c), la definición de los coeficientes G, H, I y la ecuación a·x0 + b·y0 + c·z0 = 0 se utilizan
para obtener una estimación para (x0,y0,z0). Estos valores son estructurados conforme a:
 − 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
Esta ecuación se resuelve aplicando la expresión normalizada ̿ ̿ = ̿ , donde p contiene las

estimaciones iniciales para el punto perteneciente al eje.
Estimación inicial del radio

Es posible utilizando la definición de J conforme a
2 2 2
J = (b2 + c2) x0 + (a2 + c2) y0 + (a2 + b2) z0 - 2bcy0z0 - 2acz0x0 - 2abx0y0 - R2
Entonces
2 2 2
R2 = (b2 + c2) x0 + (a2 + c2) y0 + (a2 + b2) z0 - 2bcy0z0 - 2acz0x0 - 2abx0y0 – J
Descripción del algoritmo

Translación del origen para que el punto del eje se corresponda con el centroide de los puntos
(xi, yi, zi) := (xi, yi, zi) -(xc, yc, zc)
Transformación de los datos por una matriz de rotación U que gira por (a b c) para orientarse con el eje
z
 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
para el caso (a b c) =(1 0 0)

s1 =0, c1=1, s2 =-1, c2 = 0.
De otro modo:
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
ui2 + vi2 + wi2

ri =
a 2 + b2 + c2
ui= c( yi-y0 ) - b(zi - z0)

vi = a(zi - z0 ) - c(xi - x0)
A2.15
wi = b(xi - x0) - a(yi - y0)

la matriz jacobiana es
 − 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
El siguiente paso es resolver el sistema de mínimos cuadrados lineales
 px0 
 
 p y0 
J =  pa 
 
 pb 
 
 pr 
actualizar los parámetros estimados conforme a
 X 0   x0   px0  a  pa 
    T
    T 
Y =
 0   0y + 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
A2.3.- Ajuste minimax de elementos geométricos
A2.3.1.- Ajuste genérico por MiniMax de elementos geométricos

El criterio de ajuste por MiniMax es de aplicación en un amplio rango de situaciones. El primer caso
expuesto, corresponde con el ajuste MiniMax de una plano a un conjunto de valores. El mejor plano de
ajuste puede ser descrito mediante un punto (xo, yo, zo) sobre el plano y los cosenos directores (a, b, c)
de la normal al plano. Un punto genérico vendrá expresado por sus coordenadas (x, y, z).
Figura A.2-5 Geometría plana genérica

La distancia de un punto A (xi, yi, zi ) cualquiera al plano anteriormente caracterizado, vendrá dada por:
di = a(xi - xo)+b(yi - yo)+c(zi - zo)
Para cualquier punto en relación con el plano, se construye la L∞ o norma de Chebyshev

H = max | di |
Esta norma depende de los parámetros ( x0 ,y0, z0) y (a, b, c) y se consigue el mejor plano de ajuste
encontrando los valores de los parámetros que minimizan el valor de H (que es un máximo) – de ahí la
denominación de ajuste MiniMax.
Como recapitulación, el problema de ajuste de un elemento geométrico a unos datos por el criterio
MiniMax, conlleva los pasos siguientes:
 Seleccionar los parámetros que describen la posición, orientación, tamaño y forma del
elemento geométrico, y
 Deducir la fórmula para la distancia de un punto al elemento en términos de estos parámetros.
Optimización
Considérese la función H(U ) = max | di |
La cual ha de ser minimizada con relación a los parámetros u = ( u1 …. un)T
En este caso di representa la distancia del punto al elemento geométrico parametrizado por U.
A2.3.1.1.- Ajuste a una recta por MiniMax

El planteamiento convencional para el ajuste a una recta por MíniMax plantea que, cuando una
expresión di es una función lineal de los parámetros de ajuste, esto significa que existen unas
constantes aij y bi tales que:
di = ai1·u1 + … aij·uj + … + ain·un - bi
el objetivo es lograr que cada satisfaga di = 0, lo que significa que H alcanza su valor mínimo. Esto
puede ser expresado como un sistema de m ecuaciones lineales, en las n incógnitas de U. Sea A la
A2.17
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
A2.3.2.- Algoritmo Anderson – Osborne – Watson (AOW)

La consideración de las funciones di como no lineales implica la no linealidad en los parámetros. Debe
lograrse la resolución en U para el problema no lineal. Sobre la base del algoritmo AOW se haya una
primera minimización de H y estimación inicial de U. Para el caso de recta y plano, las estimaciones
iniciales se obtienen por la aproximación SVD (Descomposición en Componentes Principales). Habrá
de resolverse el sistema sobre-determinado de ecuaciones lineales de la forma
Jp = -d
Donde J es la matriz jacobiana m x n i-ésima fila es el gradiente de di respecto a los parámetros de U
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 )]
donde x es un número positivo pequeño, x = 0.001

entonces los parámetros se van actualizando conforme a:
U := U + b .p
Los pasos se repiten hasta alcanzar la convergencia.
Los dos criterios más usados para contrastar la convergencia son:
 El cambio de H , iteración tras iteración debe mantenerse pequeño, y
 El tamaño de cada actualización, evaluado por la distancia: b(pT p)
Descomposición en componentes principales
La matriz ̿ puede ser descompuesta en 3 matrices, como fue descrito en la página 4 de este mismo
Anexo 2.
A2.3.3.- Ajuste MiniMax a una circunferencia 2D

El procedimiento de ajuste a una circunferencia, de m puntos (xi, yi,) , con m ≥ 3, será:
 Cualquier punto (x, y) perteneciente a la circunferencia satisface
(xi - xo)2 + (yi - yo)2 = r2
La distancia de un punto (xi, yi) a una circunferencia definida por su centro x0, y0, y radio r es:
di = r i – r
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
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
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 
Eligiendo el valor de β que satisface la expresión
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.
A2.3.4.- Plano de ajuste por MiniMax

El procedimiento para lograr el ajuste a un plano de m puntos (xi, yi, z i) , con m ≥ 3, es el siguiente:
Cualquier punto (x, y, z) sobre el plano satisface
a·(x - xo) + b·(y - yo)+c·(z - zo) = 0
es conocido que la distancia de un punto (xi, yi, zi) a un plano descrito por xo, yo, zo ,a, b y c, viene dado
por
di = a·(x - xo) + b·(y - yo)+c·(z - zo)
A2.19
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 = cos(θ)·cos(Ψ)·xi + cos(θ)·sen(Ψ)·yi+ sen(Ψ)·zi - d

y los elementos de la matriz jacobiana J se establecen en base a las derivadas parciales de di respecto
a los nuevos parámetros θ, , Ψ y d , resultando:
∂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
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 
donde β se escoge de aquellos que cumplen la condición
max di ( θ ,ψ , d ) − max di ( θ ,ψ , d )·H ( θ + β· pθ ,ψ + β· pψ , d + β· pd )

≤ξ
β·(max di( θ ,ψ , d ) − max∇di ( θ ,ψ , d )· p + di( θ ,ψ , d ) )
donde ξ es un número positivo pequeño.
A2.20
 Se actualizan los valores de los parámetros conforme a
θ := θ +β·pθ
Ψ := Ψ +β·pΨ
d := d+β·pd
Estos pasos se repiten hasta lograr la convergencia.
A2.3.5.- Ajuste MiniMax a una recta

El procedimiento de ajuste de un conjunto de m datos referidos a puntos (xi, yi, z i) , siendo m ≥2, será:
Un punto cualquiera (x, y, z) sobre una recta satisface
(a, b, c) ∧·(x -xo, y - yo, z - zo ) = 0

La distancia de un punto (xi, yi,zi) a una circunferencia dada por x0, y0, z0 y r se expresa por:
di = a·(x -xo) + b·(y - yo)+c·(z - zo)
La distancia de un punto (xi, yi, zi) a un plano dado por xo, yo, zo ,a, b y c es:
di = a·(x -xo) + b·(y - yo)+c·(z - zo)
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
∂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 cos(ψ )·x0 + sen(ψ )· y0

=
∂θ sen( θ )
∂z0 cos(θ )·sen(ψ )·x0 + cos(θ )·cos(ψ )· y0

=
∂ψ sen( θ )
∂z0
= − cot g( θ )·cos(ψ )
∂x0
∂z0
= − cot g( θ )·sen(ψ )
∂y0

El algoritmo de mejor ajuste para una recta se basa en el algoritmo de Anderson – Osborne – Watson.
En primer lugar, la estimación de valores iniciales se obtiene aplicando el algoritmo SVD obteniéndose
θ y χ mediante:
θ = sen-1(c)
Ψ = tan-1(b/a)
cada iteración por el algoritmo AOW aplica los pasos siguientes.
Obtención de la solución por Chebyshev al sistema de ecuaciones lineales
El término derecho d y la matriz jacobiana J , se obtiene de las ecuaciones recogidas a continuación.
 pθ 
p 
ψ
J·  = −d
 px0 
 
 p y0 
se adopta el valor β como el número mayor entre los de a con la condición
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 ) )
donde ξ es un número pequeño positivo.

A2.22
Los parámetros estimados se actualizan conforme a:
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.- Ajuste MiniMax a Cilindro

Asumiendo que el cilindro ajusta a m puntos (xi, yI, zi), m ≥ 5 la solución MiniMax se ejecuta en
dimensión 3.
A2.3.6.1.- Parametrización
Un cilindro puede ser definido por
 un punto (x0, y0, z0) sobre su eje (próximo al origen)

 los cosenos directores (a, b, c) de su eje y
 su radio r
donde
a 2 + b2 + c 2 = 1
y
a = cos(θ)·cos(Ψ) ; b = cos(θ)·sen(Ψ) ; c = sen(θ)

también
a·xo + b·yo + c·zo = 0
La distancia de un punto al cilindro (xi, yi, zi) viene dada por
di = r i – r
donde
ri = (ui2 +vi2 + wi2 )1/2
siendo
ui = a·(yi - y0) - b·(zi - z0)
vi = a·(zi - z0) - c·(xi - x0)
wi =b·(xi - x0) - a·(yi - y0)
Sabiendo que r es la distancia de cada punto al eje del cilindro.
Cuando c = 0, se deben permutar las coordenadas de modo que el coseno director en la dirección Z,
c, sea no nulo en el sistema de referencia. En su caso c debe hacerse positivo multiplicando por –1 el
valor del coseno director cuando c < 0. Así, sin pérdida de generalidad, puede asumirse el valor de c
positivo. Es decir 0 < θ < π/2 .
Los elementos de la matriz jacobiana J se obtienen a partir de las derivadas parciales de di con respecto
a los parámetros x0, y0 y r, aplicando:
A2.23
∂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 cos(ψ )·x0 + sen(ψ )· y0

=
∂θ sen( θ )
∂z0 cos(θ )·sen(ψ )·x0 − cos(θ )·cos(ψ )· y0

=
∂ψ sen( θ )
∂z0
= − cot g( θ )·cos(ψ )
∂x0
∂z0
= − cot g( θ )·sen(ψ )
∂y0

El algoritmo de mejor ajuste para un cilindro se basa en el algoritmo de Anderson – Osborne – Watson.
En primer lugar, la estimación inicial de los valores para q , y ,x0 , y0 y r se obtienen aplicando el algoritmo
SVD, para q e y se aplica:
q = sen-1(c) ; y = tan-1(b/a)
cada iteración por el algoritmo AOW aplica los pasos siguientes
El término derecho de la ecuación d y la matriz jacobiana J se obtienen de las ecuaciones anteriores.
La solución por Chebyshev de los sistemas lineales se obtiene por
 pθ 
p 
 ψ
J· px0  = −d
 
 p y0 
 pr 
 
se adopta el valor β como el número mayor entre los de a con la condición
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 ) )
donde ξ es un número pequeño positivo.
A2.24
H(q , y , x0 , y0 ,r) = max | di (q , y , x0 , y0, r) |

Los parámetros estimados se actualizan conforme a:
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.
A2.3.7.- Ajuste MiniMax a esfera

Estudio del ajuste por una esfera, de un conjunto de m datos de puntos (xi, yi, zi), donde m ≥ 4 (esta
sección resulta en una versión tridimensional de la sección anterior referida a una circunferencia).
Para cualquier punto (x, y, z) sobre la esfera se satisface
(xi - xo)2 + (yi - yo)2 + (zi - zo)2 = r2 (1)
La distancia de un punto (xi, yi, zi) a una esfera definida por x0, y0, z0 y r viene dada por
di = r i – r (2)
donde
ri = (xi - x0 )2 + (yi - y0 )2 + (zi - z0 )2
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

Se aplica el algoritmo de Anderson – Osborne – Watson para realizar el ajuste óptimo. Inicialmente los
valores estimados para (x0, y0 ,z0) y r se obtienen resolviendo las ecuaciones siguientes, como un
problema de mínimos cuadrados, que proporcionan la estimación de (x0, y0 ,z0) y r.
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 
p 
J  y0  = −di
 p z0 
 
 pr 
Eligiendo el valor de β que satisface la expresión
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:
x0 := x0 + β·px0 ; y0 := y0 + β·p y0 ; z0 := z0 + β·p z0 ; r := r + β·p r

Estos pasos se repiten hasta lograr el cumplimiento de la condición de convergencia.
A2.26
A2.4.- Planteamiento alternativo del ajuste de la superficie esférica
En la metodología presentada se recurre a artefactos con la función de materializar dimensiones

estables susceptibles de ser utilizadas como patrón de referencia para el análisis del comportamiento
dimensional de las Máquinas de Medición por Coordenadas. Entre estos artefactos, resulta destacado
el recurso a esferas patrón para materializar, por métodos indirectos, puntos de referencia en el espacio
máquina. Resulta conveniente recoger las presentes consideraciones en relación con la determinación
de estos puntos, típicamente el centro de esfera, a partir de las coordenadas medidas sobre la
superficies de las esferas patrón.
La introducción de métodos para la determinación de las características dimensionales de formas
esféricas, es en sí misma una revisión de la multitud de referencias que con objetivo específico
proponen soluciones para la forma esférica o con carácter general abordan formas geométricas
diversas. Es por esto que se recogen aquellas que han resultado de trascendencia en los desarrollos
abordados por el presente trabajo.
A2.5.- Algoritmos para la caracterización de superficies esféricas
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.
A2.5.1.- Ajuste no lineal por mínimos cuadrados

En este planteamiento se recurre a minimizar la función de error definida por la suma de cuadrados de
los residuos sobre el valor seleccionado para los cuatro parámetros, tres de centro y radio, aplicando
así la norma L2. La expresión formal matemática de la función objetivo resulta ser:
n
[ ]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
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 
donde la matriz A y el vector p se obtienen por la particularización en cada iteración de la matriz
jacobina J :
 ... ... ... ... 

 ∂e ∂e2i ∂e2i ∂e2i 
J =  2i 
 ∂cx ∂c y ∂cz ∂r 
 ... ... ... ... 
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.
A2.5.2.- Ajuste lineal por mínimos cuadrados

Sobre la expresión explícita para la definición de la esfera:
[( 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
con un planteamiento paralelo al anterior resultará la función objetivo:

n
e2i 2 = F2i 2 = = {[( x − c
i 1
i x ] }2
)2 + ( yi − c y )2 + ( zi − c z )2 − r 2
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
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
para la solución en las variables del problema original:
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.
A2.5.3.- Ajuste a la zona esférica mínima

En este planteamiento se pretende encontrar la zona esférica definida por dos esferas concéntricas de
manera que el volumen diferencia entre ambas resulte mínimo, el planteamiento del problema se
orienta a la resolución de la expresión:
e3i ∞ = min{max(Vi ) − min(Vi )}
A2.5.4.- Ajuste a la zona esférica mini-max

Alternativamente, el planteamiento puede focalizarse en la determinación de la máxima esfera inscrita
versus la mínima esfera circunscrita (manteniendo la concentricidad entre ambas), lo que conduce a la
identificación del centro y radios de las esferas citadas, destacar que este planteamiento presenta
paralelismos con la definición de una especificación de tolerancia para la forma esférica.
La solución obtenida establece un centro solución y valores superior e inferior para el radio ajustado,
por lo que la incidencia de valores indicados espurios puede condicionar la valía de la solución
alcanzada. Adicionalmente, la zona de ajuste, deberá ser tratada con especial atención en la
determinación de la incertidumbre asignada a la contribución por desviación de forma, resultando
inmediato el tratamiento por una estimación Tipo A, para el caso de valores extremos y aproximación
de la distribución estadística por una Uniforme [rmin rmax].
A2.29
Anexo 3 Espacio tridimensional: conceptos y consideraciones generales.
Anexo 3. Espacio tridimensional: conceptos y

consideraciones generales.
A3.1.- Espacio tridimensional
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
A3.2.- Sistemas de referencia
A3.2.1.- Sistema de referencia de coordenadas

Tomando como base las definiciones aportadas en ISO 10.360 Especificación geométrica de productos
(GPS): Ensayos de aceptación y de verificación periódica de máquinas de medición por coordenadas
(MMC) – Parte1 – Vocabulario,
Vocablo: 2.4 sistema de coordenadas de la pieza: sistema de referencia fijo a la pieza.
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).
La trascendencia del sistema de referencia de coordenadas máquina es especialmente significativa, en

el caso de que se apliquen correcciones por software a las indicaciones proporcionadas por la MMC.
El recurso a modelos de correcciones vinculados a las propias indicaciones (‘spin-lines’, Brezel,
Legendre, u otros desarrollos en serie) requiere del adecuado aseguramiento de la reproducibilidad en
la determinación del origen de los valores indicados (la contribución a la incertidumbre por falta de
reproducibilidad es referida como ‘off-set’).
En el modelo de correcciones y evaluación de la incertidumbre propuesto, Modelo_G, tal relevancia es

eliminada por tratarse de un modelo lineal de correcciones. La linealidad adoptada se justifica por la
orientación al usuario industrial, que a diferencia del fabricante de MMCs, no pretende la corrección de
las desviaciones locales de las coordenadas proporcionadas por el sistema de medición (con el fin
último de mejorar las prestaciones o nivel metrológico de su producto); en el uso industrial es la
necesidad de trazabilidad la que exige de una metodología de calibración, sean las correcciones
aplicadas nulas o no; en su caso, cual es el del Modelo_G, se orienta a referir las indicaciones de
coordenadas proporcionadas por la MMC, a una cadena de calibración con la adecuada expresión de
la incertidumbre.
Analizando el modelo de correcciones proporcionado por el Modelo_G, se aprecia que la

transformación de coordenadas obtenida por la matriz de transformación ̿ , es en si misma una
modificación de los valores indicados que no afecta al sistema de referencia materializado o no de la
máquina. Es de otro modo que la transformación introducida puede ser entendida como una concepción
A3.2
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.
A3.2.2.- Sistema de referencia ligado al campo de medida

En la concepción del sistema de referencia implícito en el uso de coordenadas, este no será
materializado físicamente (sería de este modo un sistema de coordenadas máquina, ISO 10360-1,
calculado) su determinación será consecuencia de la aplicación a los valores indicados proporcionados
por la MMC del análisis por redundancia múltiple, implícito en la metodología aplicada por el Modelo_G.
Así, el sistema de referencia (cartesiano o no) será aquel ideal para el cual las posiciones relativas de
los puntos de calibración (establecidos por el artefacto de calibración) presenten desviación cuadrática
mínima, imputándose a los valores indicados tales desviaciones.
En un primer momento de la ejecución del procedimiento de calibración, las indicaciones serán

contrastadas por vía de un análisis de coherencia interna, auto-verificación, que se dará en decir: ‘en
dimensiones máquina’, hasta que se aplique a la medición de un patrón dimensional calibrado,
susceptible de trazar convenientemente las medidas obtenidas.
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
o Sobre esta hipótesis se establecerán las desviaciones e incertidumbres asociadas a cada

enclave, o punto de referencia, proporcionado por el artefacto de calibración, afectando con
ellas a los valores indicados para las posiciones relativas entre enclaves.
o La imposición de la condición de que tales posiciones relativas son "sensiblemente" (pues
resultan afectadas de incertidumbre) constantes, debería conducir a ajustar los valores de los
parámetros del modelo matemático preestablecido, con el que se pretende describir la
desviación de los valores indicados de máquina respecto al sistema de referencia ideal, que
será la primera propuesta de sistema de referencia ligado al campo de medida presentada por
el método iterativo.
o Fijados estos parámetros de desviación deberán afectarse las medidas proporcionadas por la
máquina de tales desviaciones (referidas a esta propuesta).
o El proceso vuelve a aplicar la redundancia múltiple ajustando de nuevo el modelo matemático
y generando una nueva propuesta (este proceder puede resultar no convergente, promoviendo
en este caso el ajuste de la MMC, por el servicio de mantenimiento) caso de ser convergente,
la condición que haga de una propuesta la solución asumida, estará en los indicadores
habituales e incluso mediante mejoras parciales (esto no dejará de ser un modelo matemático
de una realidad no susceptible de ser conocida y habrá de cuidarse de no ser fuente de mayor
desconocimiento e incertidumbre).
o Se dará el caso en el que las desviaciones de ajuste sobre los valores indicados para un mismo
punto, sean del orden de los efectos imponderables o no explicables, y muy posiblemente no
halla cabida para un proceder iterativo (que de cualquier modo deberá ser planteado, habida
cuenta que el procedimiento pretende ser de aplicación general en esta fase de modelado).
Esto hace referencia a que la aplicación de la redundancia múltiple no es de aplicación
exclusiva al procedimiento práctico de determinación de coordenadas de puntos del artefacto
y balance inverso.
A3.3.- Acerca de las Desviaciones y el Modelo
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
(a) (b) (c)
Figura A.3_ 1 Desviación de las indicaciones
(a) Disposición ideal de palpado.
(b) Disposición real de palpado, desde el punto de vista del balance de error.
(c) Disposición real de palpado, desde el punto de vista de "enclave ideal".
La descripción, desde el punto de vista de enclave, de la disposición real de palpado, pretende la

obtención de un modelo para las coordenadas de O* (punto de referencia del cabezal de máquina) y,
en su caso, los ángulos de actitud del cabezal, recurriendo a valores máximos en tales parámetros
presentados por el cabezal en la tarea de medida de enclave y referidos al sistema de referencia ligado
al campo de medida.
Los esquemas representados en la Figura A.3_ 2, pueden ayudar a entender lo que en conjunto se
pretende hacer.
Figura A.3_ 2 Interpretación del uso de los datos de ensayo
[esquema (a) de la Figura A.3_ 2]
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.
[esquema (b) de la Figura A.3_ 2]
A3.5
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.
[esquema (c) de la Figura A.3_ 2]
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.
Retomando la vía del balance de contribuciones a la incertidumbre, al decir "modelo" en relación al

campo de desviaciones de los valores indicados proporcionados por el sistema palpador, se entiende
el recurso a los modelos ideales de análisis del cálculo de resistencia de materiales, que proponen
explicación / justificación a las desviaciones que cabe entender se presentarán, ante una solicitación
de carga (fuerzas ejercidas por el cabezal) actuando sobre el material del palpador (o en su caso
ensayos de repetibilidad para la contribución adicional del sistema de palpado aplicado).
Deberán generarse modelos previos (hipotéticos o pragmáticos – a contrastar y validar por ensayo),
para concretar el "modelo de desviaciones":
* modelo geométrico de sistema de palpado (con incertidumbre)
* modelo de vínculos o restricciones entre partes del propio sistema de palpado, palpador - pieza y
palpador - cabezal (resistencia de materiales o ensayo específico)
* en su caso, modelo de los materiales empleados (resistencia de materiales)
* modelo matemático del comportamiento anterior que genera el modelo de desviaciones en

dependencia de parámetros(*) (se postula la posibilidad de recurrir al uso combinado del conocimiento
por resistencia de materiales + Montecarlo)
* 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
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
A3.4.- Formas cuadráticas
Asumiendo la existencia de una referencia proyectiva {P} de coordenadas homogéneas, el vector:
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:
 m00 m01 m02 m03   t   m00 m01 m02 m03 

     
m m11 m12 m13   x  m m11 m12 m13 
ω( x ) = (t x y z ) ⋅  10 ⋅ =0 ; M =  10
m m21 m22 m23   y  m m21 m22 m23 
 20     20 
 m30 m31 m32 m33   z   m30 m31 m32 m33 
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):
 q00 q01 q02 q03 

 
q q11 q12 q13 
Q =  10 Ω( X ) = X t ⋅ Qt ⋅ M ⋅ Q ⋅ X = 0
q q21 q22 q23 
 20 
 q30 q31 q32 q33 
donde las coordenadas X t = (T X Y Z ) están dadas en una referencia ortonormal; adoptando el
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
Denotando por ̿ la matriz asociada a la forma cuadrática en una referencia proyectiva {P} ortonormal
conforme a la relación expuesta anteriormente: Q t ⋅ M ⋅ Q = A
donde será:
 a00 a01 a02 a03 

 
a a11 a12 a13 
A =  10
a a21 a22 a23 
 20 
 a30 a31 a32 a33 
resultando la forma cuadrática expresada en la nueva referencia:
 a00 a01 a02 a03   T 

   
a a11 a12 a13   X 
Ω( X ) = (T X Y Z ) ⋅  10 ⋅ =0
a a21 a22 a23   Y 
 20   
 a30 a31 a32 a33   Z 
A3.5.- Análisis proyectivo de las cuádricas
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
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:
Se dirá que C es real si posee al menos un punto real.
Cuádrica (totalmente) imaginaria:
Cuando no le pertenece ningún punto real.
A3.5.2.- Ecuaciones de un Cuádrica

La expresión matricial de una cuádrica viene dada por:
Xt ⋅ A ⋅ X = 0
siendo ̿ la matriz real y simétrica asociada a la forma ω, esto es:
 a00 a01 a02 a03   T 

   
a a11 a12 a13   X 
(T X Y Z ) ⋅  10 ⋅ =0
a a21 a22 a23   Y 
 20   
 a30 a31 a32 a33   Z 
debe notarse que son válidas todas las matrices del tipo k· ̿ ( k ∈ ℜ ).
La expresión matricial puede ser desarrollada resultando:
a00 ⋅ T 2 + a11 ⋅ X 2 + a22 ⋅ Y 2 + a33 ⋅ Z 2 + 2 ⋅ a01 ⋅ T ⋅ X + 2 ⋅ a02 ⋅ T ⋅ Y + 2 ⋅ a03 ⋅ T ⋅ Z +

+ 2 ⋅ a12 ⋅ X ⋅ Y + 2 ⋅ a13 ⋅ X ⋅ Z + 2 ⋅ a23 ⋅ Y ⋅ Z = 0
A3.5.3.- Clasificación Proyectiva de una Cuádrica

Atiende esta clasificación a la existencia y en su caso dimensión del subespacio de {V-(0,0,0,0)} de
puntos singulares de una cuádrica, este subespacio queda definido por las soluciones de la ecuación:
A⋅X =0
núcleo de ω cuya dimensión viene dada por la relación:
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.
Tabla A.3.1 Clasificación proyectiva de las formas cuadráticas

̿ es regular es singular
Cuádrica ordinaria Cuádrica degenerada
Rang( ̿)=4 Rang( ̿)=3 Rang( ̿)=2 Rang( ̿)=1
No existe solución Un único punto Recta de puntos Plano de puntos
singular singulares singulares
Elipsoide Cono de vértice el Par de planos de arista la Plano doble de los puntos
Hiperboloide punto recta de puntos singulares
Paraboloide singulares
A3.10
A3.6.- Análisis afín y métrico de las cuádricas
Considerando el espacio afín ℜ3 como espacio proyectivizado a partir de V, así ℜ3 ≡ afín{P(V)}, y

apelando al planteamiento anterior,
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:
 a00 a01 a02 a03 

 
a a11 a12 a13 
A00 ⋅ X = 0 siendo A00 =  10
a a21 a22 a23 
 20 
 a30 a31 a32 a33 
Ante esta consideración surgen propiedades y elementos geométricos dependientes no solo de la

cuádrica sino también de la posición relativa de esta con el plano del infinito (lugar geométrico de los
puntos impropios).
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.
De este modo la ecuación cartesiana de una cuádrica vendrá dada por:
a00 + a11 ⋅ X 2 + a22 ⋅ Y 2 + a33 ⋅ Z 2 + 2 ⋅ a01 ⋅ X + 2 ⋅ a02 ⋅ Y + 2 ⋅ a03 ⋅ Z +

+ 2 ⋅ a12 ⋅ X ⋅ Y + 2 ⋅ a13 ⋅ X ⋅ Z + 2 ⋅ a23 ⋅ Y ⋅ Z = 0
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.
La cuádrica C carece de centro si y solo si la matriz ̿ es singular.
A3.7.- Cuádricas en espacios afines
Considerando que el espacio proyectivo de análisis es el espacio afín proyectivizado E3 . Se llama

cuádrica, en el espacio afín E3, definida por la forma cuadrática ω:R4→R, al conjunto de los puntos
propios de la cuádrica en E3 , es decir:
Cuádrica = {x∈ E3 / ω(x)=0} definida en E3 (cuádrica ampliada) y prescindir de sus puntos impropios
(puntos del infinito).
A3.11
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.
La ecuación del plano del infinito es: T=0
 a00 a01 a02 a03   T 

   
a a11 a12 a13   X 
sobre la expresión: (T X Y Z ) ⋅  10 ⋅ =0
a a21 a22 a23   Y 
 20   
 a30 a31 a32 a33   Z 
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.
A3.7.1.- Centro de una cuádrica

Se llama centro de una cuádrica al polo del plano del infinito, siempre y cuando dicho punto exista y no
esté en el infinito (esta situación se presenta únicamente en el caso de tangencia entre cuádrica y plano
del infinito).
La condición práctica deducida de la anterior definición se concreta en:
la cuádrica carece de centro si y solo si la matriz adjunta ̿ es singular, si y solo si det( ̿ ) = 0
Para obtener el centro de la cuádrica en coordenadas cartesianas se aplica:
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.
A3.7.2.- Ejes de una cuádrica con centro

Se llama eje de una cuádrica con centro, a aquellos diámetros que son perpendiculares a su plano
polar en la polaridad central, así, un eje es perpendicular a todos sus diámetros conjugados.
Caracterización y obtención de los ejes:
Los ejes necesariamente han de pasar por el centro.
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
A3.8.- Cuádricas en espacios euclideos
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.
Tabla A.3.2 Clasificación métrica de las formas cuadráticas

Rang( ̿) Rang( ̿ ) sig( ̿) / a00 > 0 caso
(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
3 Cono imaginario. Vértice real.

(3 , 0)
(punto)
(∃ centro
≡ vértice) (2 , 1) o (1 , 2) Cono real
Cilindro imaginario. (punto real del

Un punto (3 , 0)
3 infinito)
singular
2
(2 , 1) Cilindro hiperbólico
(1 , 2) Cilindro elíptico. (real)

Degeneradas
1 - Cilindro parabólico
Dos planos imaginarios que se

(2 , 0)
cortan en una recta real. (recta)
2
Dos planos reales que se cortan.
Una recta de (1 , 1)
(ángulo)
puntos 2
singulares
Dos planos paralelos imaginarios
(2 , 0)
conjugados
1
(1 , 1) Dos planos paralelos reales
Un plano de 1 a00=0 Un plano doble real. (plano)

puntos 1
singulares 0 a00=0 Plano del infinito doble
A3.13
A3.9.- Caracterización de elementos dimensionales
A3.9.1.- Formas básicas

A3.9.1.1.- Esfera
Parámetros de interés: centro y radio
Det( ̿)≠0
Det( ̿ )≠0
Siendo a00>0 deberá ser sig( ̿)=(1,3)
̿ deberá tener un autovalor triple
t
 det( A01 ) det( A02 ) det( A03 ) 
Centro =  − − 
 det( A00 ) det( A00 ) det( A00 ) 
det( A )
Radio =
λ ⋅ det( A00 )
[Aclaración: sig(A) representa la función signatura de ̿].
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:
a11 a12 a13  v1 

[v1 v2 v3 ] ⋅ a21 a22 a23  ⋅ v2  = 0
   
a31 a32 a33  v3 
A3.9.1.3.- Cilindro
Parámetros de interés: eje y radio
Rango( ̿)=3 ⇔ det( ̿)=0 (existe un menor de orden tres no nulo)
rango( ̿ )=2 ⇔ det( ̿ )=0
Siendo a00>0 deberá ser sig(A)=(1,2)
̿ deberá tener el autovalor nulo siendo doble el otro (para cilindro circular)
A3.14
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
Rango( ̿)=1 ⇔ (existe un menor de orden uno no nulo)  det( ̿)=0
rango( ̿ )=1 ⇔ (existe un menor de orden uno no nulo)  det( ̿ )=0
Siendo a00=0
La expresión general se reduce a una expresión lineal en x, y, z.
A3.9.1.5.- Recta
Parámetros de interés: un punto y vector director
Rango( ̿)=2 ⇔ (existe un menor de orden dos no nulo)  det( ̿)=0
rango( ̿ )=2 ⇔ (existe un menor de orden dos no nulo)  det( ̿ )=0
Siendo a00>0 con sig( ̿)=(2 , 0)
La expresión general se reduce a dos expresiones lineales en x, y, z.
A3.9.1.6.- Punto
Parámetros de interés: las tres coordenadas
Rango(A)=3 ⇔ (existe un menor de orden dos no nulo)  det(A)=0
rango( ̿ )=3 ⇔ det( ̿ )≠0
Siendo a00>0 con sig( ̿)=(3 , 0)
A3.15
Anexo 4 Relación de escala exterior
Anexo 4. Relación de escala exterior
A4.1.- Comparabilidad y compatibilidad
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
A4.2.- Tratamiento de la relación de escala por la metodología π-MC
En el epígrafe 4.4 Ensayo de calibración, el punto 4.4.9 atiende específicamente a la situación de

artefacto con distancias no calibradas. Se describe allí el enfoque analítico basado en el balance de
contribuciones a la incertidumbre. Sobre la base de las consideraciones allí aportadas, se procede aquí
a describir el modo de cuantificar la contribución a la incertidumbre por la aplicación del factor de escala
global o relación de escala exterior. En su momento se dieron indicaciones acerca del modo operativo
para aportarlo a la estructura del sistema de matrices de transformación – afectar la varianza muestral
de las medidas reiteradas calculada, por el factor de escala global; combinando su varianza con la
incertidumbre reducida del patrón.
Alternativamente, en el presente epígrafe se describe un procedimiento de afectación de la familia de
matrices de transformación usando la metodología π-MC, esto se hace en relación con el propio
proceso de ajuste.
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
Anexo 5. Bola de incertidumbre
A5.1.- Concepto de bola de incertidumbre
En el Capítulo 5, apartado 5.2 Determinación de los parámetros de la simulación, se afrontaba la

justificación de la expresión adoptada para la determinación del valor de la desviación típica, que habría
de aplicarse en el generador de valores sintéticos o simulados. Al término de su desarrollo se anuncia
la aclaración que aquí se aborda.
En relación con la generación de los valores simulados vinculados a cada punto procedente del
palpado, debe apreciarse el efecto que tiene la génesis de estos valores. El modo operativo en que los
valores son generados, tiene influencia tanto sobre la distribución de valores numéricos, como en su
densidad de agregación en relación con el punto central o de referencia. La mera generación de valores
por componentes (cartesianas en el presente caso) conduce a una densidad de puntos como la
mostrada cualitativamente en la Figura A.5-1. Por claridad se representa un caso bidimensional
cartesiano, en el que los valores simulados (10.000) se han obtenido mediante un generador normal
estándar, sobre las componentes cartesianas x e y. En ella se aprecia que adoptando la distancia del
punto simulado al punto central, la distribución de puntos se acumula entorno al valor de distancia
correspondiente a la desviación típica adoptada para el generador.
Figura A.5-1 Distribución xy Figura A.5-2 Distribución ρ
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
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.
Figura A.5-3 Distribución angular de puntos simulados

Por bola de incertidumbre se designa el entorno del valor de referencia que caracteriza la región del
espacio de valores que podrían razonablemente ser atribuidos al mensurando (por vía de la indicación
de coordenadas del punto medido). Al ser finito el número de valores aplicados para la descripción de
esta región del espacio, los valores individuales adoptados para su descripción, debe responder
cualitativamente a la distribución que mejor caracteriza el comportamiento del sistema de medida. Es
por esto que debe mantenerse el control de la distribución de estos valores en la región.
A5.2
A5.2.- Función de densidad de probabilidad y bola de incertidumbre
La adopción de funciones de distribución de probabilidad, en la concreción de las bolas de

incertidumbre para su aplicación, responderá al conocimiento previo que pueda disponerse acerca del
comportamiento del sistema de medida en relación con la variabilidad de las indicaciones
proporcionadas. Particularmente en la caracterización de los elementos o características geométricas
de referencia, distancias o elementos geométricos de ajuste, ya sean calibrados o no.
La elección de tales distribuciones puede apoyarse en la 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. (Se
reproduce en la Tabla A5.1).
Tabla A5.1 fdp asignada atendiendo a la información disponible.
Información disponible Función de Densidad de Probabilidad
asignada
Límites inferior y superior a, b sin argumentos a Rectangular:
favor de una mayor ocurrencia de unos u otros ( , )
casos.
Límites inferior y superior inexactos: ± , ± . Trapezoide curvilíneo:
Se entiende una franja de decaimiento entorno a ( , , )
los límites inferior y superior a, b pero sin
argumentos en contra de uniformidad entre estas
franjas.
Suma de distribuciones rectangulares asignadas Trapezoidal:
a dos magnitudes con límites inferiores , y ( , , )
superiores , con: = + ; = +
= |( − ) − ( − )| / ( − )
Suma de distribuciones rectangulares asignadas Triangular:
a dos magnitudes con límites inferiores , y ( , )
superiores , , y la misma semiamplitud con: = + , = +
( − = − ).
Comportamiento sinusoidal entre los límites Arco seno (en forma de U):
inferior y superior , ( , )
Mejor estimación con incertidumbre típica Gaussiana:
asociada ( ) ( , ( ))
Mejor estimación x de una magnitud vectorial y Gaussiana multivariante:
matriz de incertidumbres asociadas Ux ( , )
Serie de indicaciones , … , obtenidas Distribución t:
independientemente a partir de una magnitud con ( ̅ , ⁄ )
distribución gaussiana, con esperanza con
matemática y varianza desconocidas.
̅= ⁄
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

Coordenadas Con Simulación Estadística 2015 (UDEO)

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Coordenadas Con Simulación Estadística 2015 (UDEO)

Încărcat de

Drepturi de autor:

Formate disponibile

Departamento de

Construcción e Ingeniería de fabricación

Trazabilidad de la medición por coordenadas

La metodología inherente acude a la formulación de un esquema de procedimiento. Este opera a nivel

Esta metodología es de aplicación, tanto en el proceso de medición, como en mediciones tentativas.

CAPÍTULO 1 INTRODUCCIÓN 1.1

1.1.- MEDICIÓN POR COORDENADAS 1.1

1.2.- OBJETIVOS DE LA TESIS 1.2

1.3.- METODOLOGÍA 1.3

1.4.- FOCALIZACIÓN 1.5

1.5.- MEDIOS PARA LA REALIZACIÓN DE LA TESIS 1.7

1.6.- CONTENIDO DE LA TESIS POR CAPÍTULOS 1.7

1.6.1.- Capítulo 1: “Introducción” 1.7

1.6.2.- Capítulo 2: “Medición por coordenadas - Estado actual” 1.7

1.6.3.- Capítulo 3: “Situación Normativa” 1.8

1.6.4.- Capítulo 4: “Modelo_G” 1.8

1.6.5.- Capítulo 5: “Aplicación del método de Montecarlo” 1.8

1.6.6.- Capítulo 6: “Explotación del Modelo_G” 1.9

1.6.7.- Capítulo 7: “Sistema integral de medición por coordenadas” 1.9

1.6.8.- Capítulo 8: “Implementación del SI-MC. Resultados y conclusiones” 1.9

1.6.9.- Capítulo 9: “Líneas de desarrollo” 1.9

1.6.10.- Capítulo 10: “Referencias” 1.10

1.6.11.- Anexos 1.10

CAPÍTULO 2 Medición por coordenadas - Estado actual 2.1

2.1.- INTRODUCCIÓN 2.1

2.2.- EVOLUCIÓN DE LA MEDICIÓN POR COORDENADAS 2.3

2.2.1.- Los orígenes de las Máquinas de Medición por Coordenadas 2.3

2.2.2.- Evolución de los sistemas de palpado 2.8

2.2.4.- Cambios en el mercado de MMCs 2.17

2.3.- EVOLUCIÓN CONCEPTUAL RECIENTE 2.18

2.3.1.- Introducción 2.18

2.3.2.- Calibración versus verificación de prestaciones 2.19

2.3.3.- Procedimientos de Calibración 2.20

2.3.4.- Comprobación por el usuario del funcionamiento correcto de la MMC 2.31

2.3.5.- Artefactos utilizados en los métodos de análisis de error en MMCs 2.31

2.3.6.- Influencia de la temperatura 2.36

2.3.7.- Referencias para la verificación de MMCs 2.36

2.3.8.- Terminología previa a ISO 10360 Parte – 1 de 2000 2.37

TABLAS DEL CAPÍTULO 2

Tabla 2.1 Requisitos de aplicación de la calibración basada en el principio de comparación 2.20

Tabla 2.3 Comparativa de parámetros generales de utilización de los distintos tipos de

Tabla 2.4 Capacidad de detección de errores geométricos 2.35

Tabla 2.5 Capacidad de detección de errores en el sistema palpador 2.35

Tabla 2.6 Requisitos de operación 2.35

Tabla 2.7 Referencias normativas en relación a la verificación de prestaciones 2.37

FIGURAS DEL CAPÍTULO 2

Figura 2.1 Punteadora o jig-boring machine 2.4

Figura 2.2 Máquina universal de medida 2.4

Figura 2.3 Cordax de principios de los 80 2.6

Figura 2.4 DEA años 80 2.7

Figura 2.5 Esquema de la realización de McMurtry y posterior mejora 2.9

Figura 2.6 Esquema de palpador analógico 2.10

Figura 2.7 Esbozo del palpador analógico Zeiss 2.11

Figura 2.8 Modelo elemental de flexión 2.12

Figura 2.9 Esquema de sensor láser de triangulación 2.12

Figura 2.10 Recreación del sistema láser de triangulación 2.13

Figura 2.11 Sistema láser de triangulación TP60 Zeiss 2.13

Figura 2.12 Sensor láser de reflexión 2.13

Figura 2.13 Sensor láser de enfoque 2.13

Figura 2.14 Esquema de conoscopia 2.14

Figura 2.15 Descripción de las componentes paramétricas de error 2.26

Figura 2.16 Sistema Renishaw - MCG 2.32

Figura 2.17 Esquema de placa de huecos 2.33