Resumen

Objetivo: Proponer un procedimiento metodológico que sirva de guía para aplicar técnicas en la evaluación de la incertidumbre de medida, tales como GUM, MMC y Bayes; además de desarrollar una aplicación en un caso de estudio no trivial. Materiales y métodos: En este trabajo se proponen un conjunto de pasos que permiten validar la evaluación de la incertidumbre de medición a partir de técnicas como GUM, MMC y Bayes; las cuales se aplicaron como estrategia para evaluar la incertidumbre de un proceso de medición indirecta que buscaba determinar el nivel de un fluido midiendo la presión hidrostática generada por éste en reposo sobre el fondo de un recipiente. Se compararon los resultados obtenidos con cada técnica. Resultados y discusión: el uso de la GUM resultó válido para el caso estudiado, y los resultados obtenidos aplicando el enfoque bayesiano y la técnica MC proporcionaron información complementaria de gran utilidad, como la Función de Densidad de Probabilidad (FDP) del mensurando, que permite una mejor descripción del fenómeno. Asimismo, la PDF posterior obtenida con Bayes permitió aproximar valores más cercanos en torno a los valores verdaderos del mensurando, y los rangos de los posibles valores fueron más amplios que los ofrecidos por la MMC y la GUM. Conclusiones: En el contexto del caso estudiado, la aproximación bayesiana presenta resultados más realistas que la GUM y la MMC; además de la ventaja conceptual que presenta Bayes, la posibilidad de actualizar los resultados de la evaluación de incertidumbre ante la presencia de nuevas evidencias.

INTRODUCCIÓN

El valor numérico de un mensurando se puede determinar directa o indirectamente. En ambos casos, el resultado de dicha medición debe incluir la incertidumbre estimada, la cual, según la Guía para la Expresión de la Incertidumbre en la Medición (GUM), se define como el “parámetro, asociado al resultado de una medición, que caracteriza la dispersión de los valores que razonablemente podrían atribuirse al mensurando” [1] . La incertidumbre de la medición se ve afectada por ciertos factores que dependen del mensurando, el fenómeno físico involucrado, el protocolo de medición y las características de medición del equipo utilizado, entre otros. El objetivo es cuantificar la contribución de cada factor seleccionado a la incertidumbre global asociada al mensurando, incluidas las posibles relaciones entre los factores. Un experto técnico, generalmente una persona dedicada a la instrumentación o metrología, es responsable de seleccionar la cantidad de factores a considerar y establecer su influencia en el mensurando.

Tradicionalmente, la incertidumbre de la medición se ha estimado utilizando el GUM. Sin embargo, no es aconsejable utilizar esta guía en algunas situaciones, como por ejemplo: (i) cuando los sistemas tienen no linealidades muy marcadas o un comportamiento complejo, es decir, cuando es difícil predecir la evolución dinámica futura [2], y ( ii) cuando la distribución de probabilidad de la cantidad de producción no es normal o no es fácil de aproximar a una normal [3].

• Materias:Sistemas de medición Método de Simulación de Monte Carlo Medición Inferencia bayesiana
• Subjects:Measurement systems Monte Carlos Simulation Method Mensuration Bayesian Inference
• Palabras claves:Evaluación de Incertidumbre; GUM (Guía para la Expresión de la Incertidumbre de Medición); Método de Monte Carlo; Inferencia Bayesiana; Medición Indirecta
• Keywords:Uncertainty Assessment; GUM (Guide to the Expression of Uncertainty in Measurement); Monte Carlo Method; Bayesian Inference; Indirect Measurement