त्रुटियां किसी मात्रा के वास्तविक मूल्य से माप परिणामों के विचलन हैं। वास्तविक मूल्य केवल कई मापों का प्रदर्शन करके स्थापित किया जा सकता है। व्यवहार में, इसे लागू करना असंभव है।
विचलन के विश्लेषण के लिए वास्तविक मान के निकटतम मान को मापे गए मान का वास्तविक मान माना जाता है। यह उच्च-सटीक माप उपकरणों और विधियों का उपयोग करके प्राप्त किया जाता है। माप की सुविधा के लिए, विचलन को समाप्त करने की संभावना सुनिश्चित करने के लिए, त्रुटियों के विभिन्न वर्गीकरणों का उपयोग किया जाता है। मुख्य समूहों पर विचार करें।
अभिव्यक्ति का तरीका
यदि हम इस आधार पर माप उपकरणों की त्रुटियों को वर्गीकृत करते हैं, तो हम भेद कर सकते हैं:
- पूर्ण विचलन। उन्हें मापी जा रही मात्रा की इकाइयों में व्यक्त किया जाता है।
- सापेक्ष विचलन। यह निरपेक्ष त्रुटि के अनुपात और माप परिणाम या मापी जा रही मात्रा के वास्तविक मूल्य द्वारा व्यक्त किया जाता है।
- कम विचलन। यह व्यक्त की गई सापेक्ष त्रुटि हैमापक यंत्र के निरपेक्ष विचलन का अनुपात और संबंधित माप की संपूर्ण सीमा पर एक स्थिर संकेतक के रूप में लिया गया मान। उनकी पसंद GOST 8.009-84 पर आधारित है।
कई माप उपकरणों के लिए, एक सटीकता वर्ग स्थापित किया जाता है। दी गई त्रुटि पेश की जाती है क्योंकि सापेक्ष मान केवल पैमाने पर एक विशिष्ट बिंदु पर विचलन को दर्शाता है और मापा मूल्य के पैरामीटर पर निर्भर करता है।
शर्तें और स्रोत
इन मानदंडों के अनुसार त्रुटियों के वर्गीकरण में मुख्य और अतिरिक्त विचलन प्रतिष्ठित हैं।
पहली बार उपयोग की सामान्य परिस्थितियों में उपकरणों को मापने की त्रुटियां हैं। मुख्य विचलन रूपांतरण फ़ंक्शन की अपूर्णता, उपकरणों के गुणों की अपूर्णता के कारण होते हैं। वे सामान्य परिस्थितियों में डिवाइस के वास्तविक रूपांतरण फ़ंक्शन और नाममात्र (नियामक दस्तावेजों (तकनीकी स्थितियों, मानकों, आदि) में स्थापित) के बीच अंतर को दर्शाते हैं।
अतिरिक्त त्रुटियां तब होती हैं जब कोई मान मानक मान से विचलित होता है या सामान्यीकृत क्षेत्र की सीमाओं से परे जाने के कारण होता है।
सामान्य स्थितियां
निम्न सामान्य मानकों को मानक दस्तावेज़ीकरण में परिभाषित किया गया है:
- हवा का तापमान 20±5 डिग्री।
- सापेक्ष आर्द्रता 65±15%।
- नेटवर्क वोल्टेज 220 ± 4, 4 वी.
- पावर फ्रीक्वेंसी 50±1Hz।
- कोई चुंबकीय या विद्युत क्षेत्र नहीं।
- डिवाइस की क्षैतिज स्थिति ±2 डिग्री के विचलन के साथ।
सटीकता वर्ग
विचलन की सहिष्णुता सीमा सापेक्ष, पूर्ण या कम त्रुटि में व्यक्त की जा सकती है। सबसे उपयुक्त माप उपकरण चुनने में सक्षम होने के लिए, उनकी सामान्यीकृत विशेषता - सटीकता वर्ग के अनुसार तुलना की जाती है। एक नियम के रूप में, यह अनुमेय बुनियादी और अतिरिक्त विचलन की सीमा है।
सटीकता वर्ग आपको एक ही प्रकार के माप उपकरणों की त्रुटियों की सीमा को समझने की अनुमति देता है। हालाँकि, इसे ऐसे प्रत्येक उपकरण द्वारा किए गए माप की सटीकता का प्रत्यक्ष संकेतक नहीं माना जा सकता है। तथ्य यह है कि अन्य कारक (शर्तें, विधि, आदि) भी माप त्रुटियों के वर्गीकरण को प्रभावित करते हैं। प्रयोग के लिए निर्दिष्ट सटीकता के आधार पर माप उपकरण चुनते समय इस परिस्थिति को ध्यान में रखा जाना चाहिए।
सटीकता वर्ग का मूल्य तकनीकी स्थितियों, मानकों या अन्य नियामक दस्तावेजों में परिलक्षित होता है। आवश्यक पैरामीटर मानक श्रेणी से चुना गया है। उदाहरण के लिए, इलेक्ट्रोमैकेनिकल उपकरणों के लिए, निम्नलिखित मूल्यों को मानक माना जाता है: 0, 05, 0, 1, 0, 2, आदि।
मापने के उपकरण के सटीकता वर्ग के मूल्य को जानने के बाद, आप माप सीमा के सभी भागों के लिए निरपेक्ष विचलन का अनुमेय मूल्य पा सकते हैं। संकेतक आमतौर पर सीधे डिवाइस के पैमाने पर लागू होता है।
परिवर्तन की प्रकृति
इस सुविधा का उपयोग व्यवस्थित त्रुटियों के वर्गीकरण में किया जाता है। ये विचलन बने हुए हैंमाप करते समय कुछ पैटर्न के अनुसार स्थिर या परिवर्तन। इस वर्गीकरण में आवंटित करें और उन त्रुटियों के प्रकार जिनमें एक व्यवस्थित चरित्र है। इनमें शामिल हैं: वाद्य, व्यक्तिपरक, कार्यप्रणाली और अन्य विचलन।
यदि व्यवस्थित त्रुटि शून्य के करीब पहुंचती है, तो इस स्थिति को शुद्धता कहा जाता है।
मेट्रोलॉजी में माप त्रुटियों के वर्गीकरण में, यादृच्छिक विचलन भी प्रतिष्ठित हैं। उनकी घटना की भविष्यवाणी नहीं की जा सकती है। यादृच्छिक त्रुटियां जवाबदेह नहीं हैं; उन्हें माप प्रक्रिया से बाहर नहीं किया जा सकता है। यादृच्छिक त्रुटियों का शोध परिणामों पर महत्वपूर्ण प्रभाव पड़ता है। परिणामों के बाद के सांख्यिकीय प्रसंस्करण के साथ बार-बार माप द्वारा विचलन को कम किया जा सकता है। दूसरे शब्दों में, दोहराए गए जोड़तोड़ से प्राप्त औसत मूल्य एक माप से प्राप्त वास्तविक पैरामीटर के करीब होगा। जब यादृच्छिक विचलन शून्य के करीब होता है, तो वे मापने वाले उपकरण के संकेतकों के अभिसरण की बात करते हैं।
वर्गीकरण में त्रुटियों का एक और समूह - चूक जाता है। वे, एक नियम के रूप में, ऑपरेटर द्वारा की गई त्रुटियों से जुड़े होते हैं, या बाहरी कारकों के प्रभाव के लिए बेहिसाब होते हैं। मिस आमतौर पर माप परिणामों से बाहर रखा जाता है, प्राप्त डेटा को संसाधित करते समय ध्यान में नहीं रखा जाता है।
परिमाण पर निर्भरता
विचलन मापा पैरामीटर पर निर्भर नहीं हो सकता है या इसके समानुपाती नहीं हो सकता है। तदनुसार, मेट्रोलॉजी में त्रुटियों के वर्गीकरण में, योगात्मक औरगुणक विचलन।
बाद वाले को संवेदनशीलता त्रुटियाँ भी कहा जाता है। योगात्मक विचलन आमतौर पर पिकअप, समर्थन में कंपन, घर्षण और शोर के कारण दिखाई देते हैं। गुणक त्रुटि माप उपकरणों के अलग-अलग हिस्सों के समायोजन की अपूर्णता से जुड़ी है। यह, बदले में, विभिन्न कारणों से हो सकता है, जिसमें उपकरण का भौतिक और अप्रचलन शामिल है।
विशेषताओं का सामान्यीकरण
यह किया जाता है जिसके आधार पर विचलन महत्वपूर्ण है। यदि योगात्मक त्रुटि महत्वपूर्ण है, तो सीमा को कम विचलन के रूप में सामान्यीकृत किया जाता है, यदि यह गुणक है, तो परिवर्तन के सापेक्ष परिमाण के सूत्र का उपयोग किया जाता है।
यह एक सामान्यीकरण विधि है जिसमें दोनों संकेतक समानुपाती होते हैं, अर्थात अनुमेय मुख्य अंतर की सीमा को दो-अवधि के सूत्र में व्यक्त किया जाता है। इसलिए, सटीकता वर्ग संकेतक में 2 अंक c और d प्रतिशत भी होते हैं, जो एक स्लैश द्वारा अलग किए जाते हैं। उदाहरण के लिए, 0.2/0.01। पहली संख्या सामान्य परिस्थितियों में सापेक्ष त्रुटि को दर्शाती है। दूसरा संकेतक X के मान में वृद्धि के साथ इसकी वृद्धि को दर्शाता है, अर्थात, योगात्मक त्रुटि के प्रभाव को दर्शाता है।
मापा संकेतक में परिवर्तन की गतिशीलता
व्यवहार में, मापी जा रही मात्रा में परिवर्तन की प्रकृति को दर्शाते हुए त्रुटियों के वर्गीकरण का उपयोग किया जाता है। इसमें विचलन का पृथक्करण शामिल है:
- स्थिर करने के लिए। धीरे-धीरे बदलते हुए मापते समय ऐसी त्रुटियां उत्पन्न होती हैं याबिल्कुल नहीं बदल रहा है।
- गतिशील। वे भौतिक मात्राओं को मापते समय प्रकट होते हैं जो समय के साथ तेजी से बदलते हैं।
गतिशील विचलन डिवाइस की जड़ता के कारण होता है।
विचलन के आकलन की विशेषताएं
त्रुटियों के विश्लेषण और वर्गीकरण के लिए आधुनिक दृष्टिकोण उन सिद्धांतों पर आधारित हैं जो माप की एकरूपता के लिए आवश्यकताओं का अनुपालन सुनिश्चित करते हैं।
मूल्यांकन और अनुसंधान के लक्ष्यों को प्राप्त करने के लिए, विचलन का वर्णन एक मॉडल (यादृच्छिक, वाद्य, पद्धति, आदि) का उपयोग करके किया जाता है। यह उन विशेषताओं को परिभाषित करता है जिनका उपयोग त्रुटि के गुणों को मापने के लिए किया जा सकता है। सूचना प्रसंस्करण के दौरान, ऐसी विशेषताओं का अनुमान लगाना आवश्यक है।
मॉडल को उसके स्रोतों पर डेटा को ध्यान में रखते हुए चुना जाता है, जिसमें प्रयोग के दौरान प्राप्त डेटा भी शामिल है। मॉडल गैर-नियतात्मक (यादृच्छिक) और नियतात्मक में विभाजित हैं। उत्तरार्द्ध, क्रमशः, व्यवस्थित विचलन के लिए उपयुक्त हैं।
यादृच्छिक त्रुटि के लिए सामान्य मॉडल वह मान है जो संभाव्यता वितरण फ़ंक्शन को लागू करता है। इस मामले में विचलन विशेषताओं को अंतराल और बिंदु में विभाजित किया गया है। माप परिणामों की त्रुटि का वर्णन करते समय, आमतौर पर अंतराल मापदंडों का उपयोग किया जाता है। इसका मतलब यह है कि जिन सीमाओं के भीतर विचलन स्थित हो सकता है उन्हें एक निश्चित संभावना के अनुरूप परिभाषित किया जाता है। ऐसी स्थिति में, सीमाओं को आत्मविश्वास कहा जाता है, और संभावना को क्रमशः आत्मविश्वास कहा जाता है।
बिंदु विशेषताओं का उपयोग उन मामलों में किया जाता है जहां विचलन की आत्मविश्वास सीमा का अनुमान लगाने की कोई आवश्यकता या संभावना नहीं होती है।
मूल्यांकन सिद्धांत
विचलन अनुमान चुनते समय, निम्नलिखित प्रावधानों का उपयोग किया जाता है:
- चयनित मॉडल के व्यक्तिगत मापदंडों और गुणों की विशेषता है। यह इस तथ्य के कारण है कि विचलन मॉडल की एक जटिल संरचना होती है। उनका वर्णन करने के लिए कई मापदंडों का उपयोग किया जाता है। उनका दृढ़ संकल्प अक्सर बहुत कठिन होता है, और कुछ स्थितियों में असंभव भी। इसके अलावा, कई मामलों में, मॉडल के पूर्ण विवरण में अनावश्यक जानकारी होती है, जबकि व्यक्तिगत विशेषताओं का ज्ञान कार्यों को लागू करने और प्रयोग के लक्ष्यों को प्राप्त करने के लिए पर्याप्त होगा।
- विचलन का अनुमान लगभग निर्धारित किया जाता है। विशेषताओं की सटीकता माप के उद्देश्य के अनुरूप है। यह इस तथ्य के कारण है कि त्रुटि केवल परिणाम की अनिश्चितता के क्षेत्र की विशेषता है और इसकी अंतिम सटीकता की आवश्यकता नहीं है।
- कम आंकने की अपेक्षा अतिशयोक्ति करना बेहतर है। पहले मामले में, माप की गुणवत्ता घट जाएगी, दूसरे मामले में, प्राप्त परिणामों का पूर्ण मूल्यह्रास होने की संभावना है।
माप से पहले या बाद में त्रुटियों का अनुमान लगाएं। पहले मामले में, इसे एक प्राथमिकता कहा जाता है, दूसरे में - एक पोस्टीरियरी।
