Validación de resultados a través de algoritmo Montecarlo en procedimiento de calibración de temperatura

Autores/as

DOI:

https://doi.org/10.14482/inde.41.01.611.072

Palabras clave:

Estimación de incertidumbre, propagación de incertidumbre, simulación de Montecarlo, validación

Resumen

Los organismos evaluadores de la conformidad (OEC) acreditados por ISO/IEC 17025 realizan la validación de resultados, con el fin de confirmar mediante la revisión de competencia técnica la provisión de evidencia objetiva, evaluando el cumplimiento de los requisitos normativos necesarios para una aplicación específica [1]. La Guía para la expresión de la incertidumbre en la medición (GUM)  proporciona dos alternativas para evaluar y expresar la incertidumbre de medición. La primera es una metodología basada en un modelo lineal de propagación de incertidumbre, y la segunda es un procedimiento alterno de propagación por simulación de Montecarlo (MCM) [2]. Si bien la primera alternativa es la más utilizada por los OEC, debido a su simplicidad, en este trabajo se propone usar la segunda alternativa basada en MCM como método de validación de resultados. Para esto, se presenta una guía de implementación de los algoritmos descritos en el suplemento 1 de la GUM, en el procedimiento de calibración de equipos de medición de temperatura con base en la norma técnica Thermometers, contact, direct reading: Calibration (NT VVS 103). Los resultados obtenidos muestran una tolerancia numérica aceptable, comprobando la efectividad de la herramienta propuesta en el uso de la metodología GUM validada mediante los procedimientos descritos en el suplemento 1.

Citas

"Requisitos generales para la competencia de los laboratorios de ensayo y calibración", ISO/IEC, 2017.

P. M. Harris y M. G. Cox, "On a Monte Carlo method for measurement uncertainty evaluation and its implementation", Metrologia, vol. 51, nº. 4, p. S176, 2014.

J. Méndez Arias y L. Ramíez Varas, "Validación de la estimación de incertidumbre en la calibración de matraces para el método de sustitución simple sin masa de sensibilidad mediante el Método de Monte Carlo", Ingeniería, vol. 20, nº. 1-2, pp. 183-193, 2010.

F. Khodabocus y K. Balgobin, «Implementation and practical benefits of ISO/IEC 17025: 2005 in a testing laboratory.,» University of Mauritius Research Journal, vol. 17, pp. 27-60, 2011.

K. Gromczak, A. G?ska, K. Ostrowska, J. S?adek, W. Harmatys, P. G?ska y M. Kowalski, "Validation model for coordinate measuring methods based on the concept of statistical consistency control", Precision Engineering, vol. 45, pp. 414-422, 2016.

D. Kurniadi y E. Amrina, "Designing ISO/IEC 17025: 2017–Based Laboratory Quality Manual: A Case of Laboratory of Environmental Engineering in Andalas University", International Journal of Progressive Sciences and Technologies, vol. 19, nº. 1, pp. 14-21, 2020.

G. Mahmoud y R. Hegazy, "Comparison of GUM and Monte Carlo methods for the uncertainty estimation in hardness measurements", International Journal of Metrology and Quality Engineering, vol. 8, p. 14, 2017.

X.-l. Wen, Y. B. Zhao, D. X. Wang y J. Pan, "Adaptive Monte Carlo and GUM methods for the evaluation of measurement uncertainty of cylindricity error", Precision Engineering, vol. 37, nº. 4, pp. 856-864, 2013.

K. Shimaoka, M. Kinoshita, K. Fujii y T. Tosaka,"Evaluation of measurement data-supplement 1 to the guide to expression of uncertainty in measurement-propagation of distributions using a monte carlo method", JCGM, p. 101, 2008.

O. Seven y T. Supportedthe, "Guide to the Expression of Uncertainty in Measurement", 1995.

M. G. Cox y B. R. Siebert, "The use of a Monte Carlo method for evaluating uncertainty and expanded uncertainty", Metrologia, vol. 43, nº. 4, p. S178, 2006.

J. C. Damasceno y P. R. Couto, "Methods for Evaluation of Measurement Uncertainty", Metrology IntechOpen, pp. 9-28, 2018.

Y. P. Paisan y J. P. Moret, "Determinación de la incertidumbre de medición por el método de Monte Carlo en los procesos de manufactura", Tecnología Química, vol. 28, nº. 3, pp. 56-62, 2008.

M. A. Azpurua, C. Tremola y E. Paez, "Comparison of the GUM and Monte Carlo methods for the uncertainty estimation in electromagnetic compatibility testing", Progress In Electromagnetics Research, vol. 34, pp. 125-144, 2011.

A. Jalid, "Comparison of the GUM and Monte Carlo methods on the flatness uncertainty estimation in coordinate measuring machine", International Journal of Metrology and Quality Engineering, vol. 7, nº. 3, p. 302, 2016.

L. O. Becerra y L. M. Peña, "Evaluación del desempeño en los ensayos de aptitud de los laboratorios de calibración y el impacto en sus CMCs", Simposio de Metrología 2012.

NIST, "Uncertainty Machine". [En línea]. Disponible en: https://uncertainty.nist.gov/. [Último acceso: 28 - 01 - 2022].

Descargas

Publicado

2023-01-06

Cómo citar

[1]
A. D. Gil Miranda, W. Serna Serna, y L. M. Zuleta Gilon, «Validación de resultados a través de algoritmo Montecarlo en procedimiento de calibración de temperatura», Ing. y Des., vol. 41, n.º 1, pp. 6–27, ene. 2023.

Número

Sección

Artículos