Uploaded by User103564

Muhammad Yanis 1909300060022 Tugas Resume

advertisement
Nama : Muhammad Yanis
Npm : 1909300060022
Mk
: Analisa Kualitatif dan Kuantitatif
Dosen : DR. Syifaul Huzni, ST.,M.Ss
TUGAS RESUME
4.
GENERAL UNCERTAINTY ANALYSIS: PLANNING AN EXPERIMENT AND
APPLICATION IN VALIDATION
(Analisis Ketidakpastian secara Umum: Perencanaan Eksperimen dan
Aplikasi dalam Validasi)
4.1 Gambaran umum: menggunakan Penyebaran Ketidakpastian dalam
eksperimen dan Validasi
Konsep ketidakpastian (uncertainty) merupakan bagian penting dari hasil suatu
analisis kuantitatif. Hampir setiap bidang studi melibatkan ketidakpastian
pengukuran misalnya dalam hal panjang, waktu, suhu dan sebagainya. Tetapi
yang paling penting untuk dicatat adalah bahwa dengan setiap pengukuran,
pasti ada dilema kesalahan pengukuran dan ketidakpastian sistem dan
tantangan
terbesar
adalah
bagaimana
menentukan
secara
akurat
ketidakpastian ini.
Penyebaran (propagasi) ketidakpastian berarti, cara di mana ketidakpastian
dalam variabel akan mempengaruhi ketidakpastian dalam hasil. Metode
propagasi ketidakpastian bergantung pada model probabilistik dimana model
harus diumpankan oleh nilai-nilai parameter input, yang secara estimasi
mungkin sulit atau tidak akurat, yaitu tidak pasti. Rekayasa probabilitas
diperlukan untuk mengukur sumber ketidakpastian, yaitu mengidentifikasi
parameter input yang tidak dikenal dan memodelkannya dalam konteks
probabilistik. Produk akhir dari langkah ini adalah vektor acak dari parameter
input. Dalam beberapa kasus, deskripsi variabilitas waktu (resp. Spasial)
parameter memerlukan pengenalan proses acak (resp. Bidang acak). Sebagai
contoh nilai berikut :
r = r(X1,X2, . . . , XJ)
dimana harus dipertimbangkan bagaimana ketidakpastian di Xi menyebar ke
hasil r. Secara eksperimen persamaan diatas adalah persamaan reduksi data
dan Xi adalah variabel atau nilai yang diukur yang ditemukan dari sumber
referensi (dalam hal sifat material tidak diukur dalam percobaan). Jika secara
simulasi, maka Persamaan tersebut secara simbolis mewakili model yang
sedang dipecahkan dan Xi adalah input model (geometri, properti, dll.)
4.2 Analisis Ketidakpastian Umum Menggunakan Metode Taylor Series (TSM)
Analisis ketidakpastian umum digunakan dalam fase perencanaan program
eksperimental dan berguna dalam memastikan bahwa eksperimen yang
diberikan dapat berhasil menjawab pertanyaan yang menarik. Beberapa
keputusan dalam desain awal percobaan dapat dibuat berdasarkan hasil
analisis ketidakpastian umum.
Pertimbangkan kasus umum di mana hasil eksperimen r adalah fungsi dari J
variabel terukur X1:
Persamaan (4.2) adalah persamaan reduksi data yang digunakan untuk
menentukan r dari nilai-nilai yang diukur dari variabel X1. Maka ketidakpastian
dalam hasilnya adalah diberikan oleh
dimana Ux1 adalah ketidakpastian dalam variabel terukur X1.
Perkembangan Persamaan. (4.3) disajikan dan dibahas dalam Lampiran B. Ini
Diasumsikan bahwa hubungan yang diberikan oleh (4.2) adalah kontinu dan
kontinu turunan dalam domain minat, bahwa variabel yang diukur X1
independen satu sama lain, dan kesalahan dalam variabel yang diukur
independen satu sama lain. Derivatif parsial disebut koefisien sensitivitas
absolut,
Dalam Persamaan. (4.3) dan (4.5), semua ketidakpastian absolut (Ux1) harus
diberi peluang atau tingkat kepercayaan yang sama. Dalam kebanyakan
kasus, kepercayaan 95% (20: 1 Odds) digunakan, dengan ketidakpastian
dalam hasil kemudian juga berada pada kepercayaan 95%. Pada fase
perencanaan secara implisit nilai-nilai diasumsikan semua pada tingkat
kepercayaan yang sama. Ada dua bentuk Persamaan nondimensionalized.
(4.3) yang sangat berguna dalam analisis ketidakpastian tahap perencanaan.
Untuk mendapatkan formulir pertama, kami membagi masing-masing istilah
dalam persamaan dengan r2 . Dalam setiap istilah di sisi kanan, kita kalikan
dengan 2, yang tentu saja sama dengan 1. Kami kemudian mendapatkan (Xi /
Xi)
di mana Ur / r adalah ketidakpastian relatif dari hasilnya. Faktor-faktor UXi/
Xi adalah ketidakpastian relatif untuk setiap variabel. Secara umum,
ketidakpastian relatif akan terjadi menjadi angka kurang dari 1, biasanya
jauh lebih sedikit dari 1. Kami akan memanggil faktor-faktor di dalam tanda
kurung yang melipatgandakan tanda terima relatif noda variabel ketidak
pastian faktor pembesaran (UMF) dan definisi mereka sebagai
UMF untuk Xi yang diberikan menunjukkan pengaruh ketidakpastian dalam
variabel itu pada ketidakpastian hasil. Nilai UMF lebih besar dari 1
menunjukkan bahwa pengaruh ketidakpastian dalam variabel diperbesar
saat merambat persamaan reduksi data menjadi hasilnya. Nilai UMF kurang
dari 1 menunjukkan bahwa pengaruh ketidakpastian dalam variabel
berkurang ketika merambat melalui persamaan reduksi data menjadi
hasilnya. Karena UMF kuadrat dalam Persamaan. (4.6), tanda-tanda mereka
tidak penting. Jadi kami hanya mempertimbangkan yang absolut nilai-nilai
UMF ketika kami melakukan analisis ketidakpastian umum; di masa lalu,
UMF kadang-kadang disebut koefisien sensitivitas dinormalisasi.
Bentuk Nondimensionalized kedua Persamaan. (4.3) ditemukan dengan
membagi persamaan oleh
U2r untuk memperoleh
UPC untuk Xi tertentu memberikan kontribusi persentase ketidakpastian
divariabel itu dengan ketidakpastian kuadrat dalam hasilnya. Karena UPC
suatu variabel termasuk efek dari UMF dan besarnya ketidakpastian
variabel, ini berguna dalam tahap perencanaan setelah kita mulai membuat
estimasi ketidakpastian variabel. Ini biasanya mengikuti analisis awal dari
UMF, yang tidak memerlukan perkiraan ketidakpastian.
4.3
Aplikasi untuk perencanaan Eksperimen
Misalkan kita ingin menjawab pertanyaan: Berapakah kepadatan udara
dalam tangki bertekanan? Tidak memiliki kepadatan meter di tangan, kami
mempertimbangkan fisik apa prinsip tersedia yang akan menghasilkan nilai
kepadatan jika kita menentukan nilai beberapa variabel lainnya. Jika
kondisinya sedemikian rupa maka hukum gas ideal berlaku, maka kita
dapat menentukan kepadatan udara dari
jika kita dapat mengukur tekanan udara dan suhu dan menemukan nilai
konstanta gas untuk udara dari sumber referensi. Persamaan (4.10) adalah
dalam bentuk persamaan reduksi data umum Persamaan. (4.2) karena
kepadatan ρ adalah hasilnya, jadi untuk kasus ini Persamaan. (4.6)
memberi
Persamaan (4.16) mengaitkan ketidakpastian relatif dalam hasil eksperimen,
ρ, untuk ketidakpastian relatif dalam variabel yang diukur dan konstanta gas.
Itu nilai konstanta universal (konstanta gas, π, angka Avogadro, dll.) adalah
biasanya dikenal dengan akurasi jauh lebih besar daripada pengukuran yang
ada dibuat di sebagian besar eksperimen. perencanaan suatu Percobaan
untuk mengasumsikan bahwa ketidakpastian dalam jumlah tersebut dapat
diabaikan dan untuk mengatur mereka sama dengan nol. Dengan asumsi
bahwa UR adalah nol, ekspresi ketidakpastian kami kemudian menjadi
Jelas, dalam contoh sederhana ini semua UMF sama dengan 1. Kita
sekarang dalam posisi untuk menjawab banyak jenis pertanyaan tentang
percobaan yang diajukan. Dua pertanyaan yang
mungkin menarik
dipertimbangkan dalam contoh berikut.
Formulir Fungsi Khusus
Bentuk spesifik yang sangat berguna dari Persamaan. (4.6) diperoleh saat
reduksi data Persamaan (4.2) memiliki bentuk
di mana eksponen mungkin konstanta positif atau negatif dan k adalah
konstanta. Penerapan Persamaan. (4.6) dengan hubungan (4.18) hasil
Persamaan reduksi data dari bentuk (4.18) dengan demikian sangat mudah
untuk dikerjakan dengan, sebagai hasil dari analisis ketidakpastian dapat
dituliskan dengan inspeksi dalam bentuk (4.19) tanpa diferensiasi parsial dan
aljabar berikutnya manipulasi. Orang harus ingat, bagaimanapun, bahwa Xi ada
dalam Persamaan. (4.18) mewakili variabel yang diukur secara langsung. Jadi
adalah dari bentuk yang diperlukan ketika I dan resistansi R saat ini diukur, tapi
tidak jika Z dan θ adalah variabel yang diukur, dan
tidak jika p2 dan p1 diukur secara terpisah. Jika perbedaannya (p2p1)
adalah ukuran,.Namun, secara langsung, maka (4.22) adalah dalam bentuk
di mana (4.19) dapat diterapkan. Untuk bentuk fungsional khusus, eksponen
sesuai dengan UMF. Jadi pengaruh ketidakpastian dalam variabel dinaikkan
ke kekuatan dengan besarnya lebih besar dari 1 diperbesar. Sebaliknya,
pengaruh ketidakpastian dalam variabel dinaikkan ke kekuatan dengan
besarnya kurang dari 1 berkurang.
5. DETAILED UNCERTAINTY ANALYSIS: DESIGNING, DEBUGGING, AND
EXECUTING AN EXPERIMENT
(Analisis
Ketidakpastian
Melaksanakan Eksperimen
Secara
Detail:
Desain,
Mengurangi,
Dan
Setelah melewati fase perencanaan dan desain awal, efek kesalahan
sistematis dan kesalahan acak dipertimbangkan secara terpisah menggunakan
teknik analisis ketidakpastian terperinci. Pada fase ini ketidakpastian dibagi
menjadi dua jenis ketidakpastian sistematis dan acak, dihitung dari kesalahan
sistematis dan acak. Keduanya berkontribusi untuk menghitung ketidakpastian
total.
Ketidakpastian sistematis dihitung dari kesalahan bias pengukuran yang
dilakukan dari alat pengukur. Tetap sama untuk satu tes. Ia menggunakan
metode root sum square untuk menangkap kesalahan dalam pengukuran
menggunakan rumus :
Dalam hubungan ini, variabel br, sr.... adalah berbagai jenis kesalahan dalam
alat ukur untuk pengukuran tunggal. Di beberapa tempat itu juga disebut
sebagai bias ketidakpastian.
Sementara ketidakpastian acak atau ketidakpastian presisi diti,bulkan dari
kesalahan presisi dari pengulangan percobaan, dengan rumus :
Di mana sx adalah standar deviasi pengukuran yang direkam dan N adalah
jumlah pengukuran yang direkam, dengan kata lain ukuran sampel.
Pendekatan propagasi TSM (Taylor Series Methode) ditunjukkan untuk
menghasilkan ekspresi untuk ketidakpastian standar kombinasi hasilnya:
Ini kombinasi ketidakpastian sistematis dan acak, dengan pemanfaatan
metode root sum square.
5.2
Analisis Ketidakpastian Secara rinci : Gambaran Umum Metodologi
yang lengkap
Menggunakan pendekatan TSM, ketidakpastian standar sistematis dari hasil
yang dihitung diberikan oleh persamaan:
di mana bX adalah ketidakpastian standar sistematis yang terkait dengan
variabel X dan ada istilah kesalahan sistematis berkorelasi yang mengandung
faktor kovarian bXiXk untuk setiap pasangan variabel yang berbagi sumber
kesalahan sistematis unsur yang umum. Kesalahan sistematis berkorelasi
sering terjadi dalam pengujian teknik (seperti ketika banyak transduser
dikalibrasi dengan standar yang sama), dan penting untuk memasukkan
pertimbangan istilah korelasi dalam persamaan propagasi br.
Persamaan TSM analog untuk ketidakpastian standar acak sr dari hasil yang
dihitung adalah :
di mana ada istilah kesalahan acak berkorelasi yang mengandung faktor
kovarians sXiXk untuk setiap pasangan variabel yang diukur yang variasi
"acak" tidak independen satu sama lain. Istilah kesalahan acak berkorelasi ini
secara tradisional selalu dianggap nol, sehingga persamaan propagasi yang
sebenarnya digunakan adalah:
ketidakpastian dalam hasil eksperimen untuk sampel tunggal dan ganda.
Interval
ketidakpastian
istilah
dan
ketidakpastian
digunakan
secara
bergantian. Ketidakpastian sampel tunggal menghasilkan tiga deskriptor
untuk setiap hasil, nol, estimasi ketidakpastian urutan pertama dan ke-n
Setiap
perkiraan akan
ketidakpastian
urutan
memiliki
nol
ketidakpastian
memperkirakan
total sendiri. Interval
ketidakpastian
keseluruhan
(kesalahan tetap dan variabel) yang timbul dari instrumentasi itu sendiri.
Interval ketidakpastian urutan pertama memperkirakan penyebaran hasil
percobaan berulang menggunakan peralatan, prosedur dan instrumentasi
yang sama setiap kali tetapi dengan proses yang berjalan. Interval
ketidakpastian urutan ke-N memperkirakan ketidakpastian keseluruhan dalam
percobaan, itu juga mencakup efek ketidakstabilan proses. Ini mengakui
kesalahan tetap dan variabel dalam sistem pengukuran dan dalam semua
koreksi yang diterapkan pada nilai yang diamati.
Kesalahan
tetap
(bias)
diperoleh
dari
komponen
yang
digunakan.
Keseluruhan kesalahan tetap adalah kombinasi RSS dari kesalahan
komponen, yang dievaluasi dengan cara yang sama untuk ketidakpastian
sampel tunggal dan ganda. Kesalahan variabel berbeda untuk ketidakpastian
sampel tunggal dan ganda. Untuk percobaan sampel tunggal kesalahan
variabel muncul dari fakta bahwa setiap pengamatan hanya dilakukan sekali,
sedangkan dalam beberapa percobaan sampel kesalahan variabel dalam
satu set pengukuran dapat ditentukan dari varians (kuadrat deviasi standar)
dari set itu sendiri. Oleh karena itu, untuk percobaan sampel tunggal
diperlukan eksperimen tambahan untuk memperkirakan komponen variabel
ketidakpastian. Perbedaan kedua adalah bahwa interval ketidakpastian harus
dirujuk ke pengukuran individual, bukan rata-rata himpunan. Ini berarti
standar deviasi populasi harus digunakan untuk ketidakpastian sampel
tunggal, bukan standar deviasi dari rata-rata himpunan, yang digunakan untuk
ketidakpastian sampel berganda.
Interval ketidakpastian urutan pertama untuk setiap jenis pengukuran harus
diukur dalam percobaan bantu. Ini menggambarkan hamburan yang
diharapkan dalam satu set pengamatan menggunakan aparatus dan sistem
instrumentasi yang diberikan, sementara proses yang diamati sedang
berjalan. Ketidakpastian urutan pertama termasuk kesalahan variabel dan
ketidakstabilan proses. Itu tidak termasuk kesalahan tetap.
Interval ini dijelaskan oleh Ur, ketidakpastian keseluruhan dalam hasil, yang
ditemukan dengan mengkombinasikan urutan pertama ketidakpastian standar
acak sr dan ketidakpastian standar sistematis menggunakan rumus:
5. 3
Menentukan Keandalan Acak Hasil Eksperimental
Dalam percobaan yang dilakukan secara bertahap, ini berarti membayar
perhatian khusus pada skala waktu dari hal-hal yang menyebabkan
variabilitas. Itu situasi ditunjukkan pada Gambar 5.2, yang menunjukkan
variasi Y, yang mungkin variabel atau hasil eksperimen, sebagai fungsi
waktu. Apakah kita memperkirakan nilai sx untuk digunakan dalam
persamaan propagasi seperti itu sebagai Persamaan. (5.4) atau nilai sr
menggunakan Persamaan. (5.5), periode waktu selama sampel diperoleh
sangat penting dalam menentukan dengan tepat apa arti sx atau sr. Jika,
untuk contoh, kumpulan data sampel diperoleh selama periode waktu t yang
ditunjukkan dalam angka, baik nilai rata-rata Y maupun standar deviasi tidak
dihitung set data akan menjadi estimasi nilai yang tepat untuk periode waktu
tertentu 100 kali t. Set data untuk menentukan estimasi standar deviasi dari
variabel yang diukur Mampu atau hasil eksperimen harus diperoleh selama
periode waktu iturelatif besar terhadap skala waktu dari faktor-faktor yang
memiliki pengaruh signifikan pada data dan yang berkontribusi pada
ketidakpastian
acak.
Dalam
beberapa
kasus,
ini
berarti
estimasi
ketidakpastian acak harus ditentukan dari pengujian tambahan itu tutup
kerangka waktu yang tepat. Ide ini juga menjadi pertimbangan ketika, dalam
kasus menggunakan alat uji yang telah digunakan berkali-kali di masa lalu,
kami
mungkin
memiliki
data
sebelumnya
yang
tersedia
untuk
memperkirakan nilai sx atau sr — the periode waktu dimana data
sebelumnya diperoleh menentukan apa nilai standar deviasi benar-benar
mewakili. Tekanan barometrik bervariasi dengan skala waktu pada urutan
jam, seperti halnya kelembaban relatif. Jika faktor-faktor ini tidak terkontrol
tetapi mempengaruhi variabel dalam percobaan, ini harus dikenali. Jika
percobaan sensitif terhadap getaran yang ditransmisikan melalui struktur
bangunan, getaran ini mungkin menjadi sangat berbeda di pagi dan sore hari
sebagai berbagai peralatan di bangunan dioperasikan atau dimatikan. Ada
faktor-faktor seperti ini yang harus dimiliki dipertimbangkan untuk setiap
percobaan dalam penentuan yang tepat dari acak ketidakpastian untuk
variabel yang diukur dan hasil eksperimen. Ada juga implikasi dari ide-ide ini
dalam menghitung dan menafsirkan dari Persamaan. (2.14) dan sr dari
Persamaan. (5.7). Menggunakan sistem akuisisi data berkecepatan tinggi,
seseorang dapat mengambil jumlah pengukuran yang semakin besar
selama ini periode t yang ditunjukkan pada Gambar 5.2 dan secara efektif
membuat sXX dan pendekatan sr nol. Seberapa berguna estimasi ini dari
sudut pandang teknik tentu terbuka untuk dipertanyakan. Seperti dibahas di
Bagian 5-1, jumlah informasi yang kami miliki untuk mendasarkan estimasi
ketidakpastian berbeda tergantung pada fase program pengujian dan
sejarah fasilitas pengujian. Pada fase awal program eksperimental sebelum
instrumentasi
diperoleh
dan
dipasang
pada
pengujian
baru,
kami
membuatnya Perkiraan kepercayaan 95% ketidakpastian acak dalam
banyak cara yang sama seperti estimasi ketidakpastian sistematis dibuat.
Pada tahap ini dalam pengalaman iment, sistem pengukuran mungkin satusatunya sumber kesalahan acak yang kita pertimbangkan (seperti dalam
analisis urutan nol). Sebagai pedoman umum, 95% ketidakpastian acak
yang terkait dengan keterbacaan instrumen analog bisa diambil sebagai
setengah dari divisi skala terkecil. Tentu saja, penilaian harus digunakan
dalam menerapkan aturan ini. Misalnya, jika instrumen analog memiliki
instrumen yang agak kasar pembagian skala, ketidakpastian acak mungkin
kurang
dari
setengahnya
pembagian
skala.
Untuk
output
digital,
ketidakpastian acak minimum 95% di pembacaan yang dihasilkan dari
keterbacaan (dengan asumsi tidak ada flicker di ditunjukkan digit) harus
diambil sebagai setengah dari digit terkecil dalam output. Tentu saja
ketidakpastian acak bisa jauh lebih kecil dari nilai ini. Ketika tidak ada film
dalam output instrumen digital (pada kondisi tunak), kesalahan dom pada
dasarnya teredam oleh proses digitalisasi. Besarnya mereka sama dengan
atau kurang dari ±12 digit terkecil. Signifikansi potensi acak ini kesalahan
harus dipertimbangkan pada fase desain awal percobaan. Jika resolusi
instrumen sedemikian rupa sehingga estimasi ketidakpastian acak ±12
sangat sedikit digit sangat besar, instrumen dengan resolusi lebih baik (lebih
banyak digit) harus dipertimbangkan untuk percobaan.
5.4 Determining Systematic Uncertainty Of Experimental Result
Ditunjukkan secara skematis pada Gambar 5.10 adalah langkah-langkah
dalam prosedur untuk menentukan br, ketidakpastian sistematis dalam hasil
eksperimen. Setiap sistem pengukuran yang digunakan untuk menentukan
nilai suatu variabel individu adalah dipengaruhi oleh sejumlah sumber
kesalahan unsur. Ketidakpastian sistematis adalah diperkirakan untuk
sumber unsur dan digabungkan untuk membentuk estimasi ketidakpastian
sistematis untuk setiap variabel yang diukur. Ketidakpastian sistematis dari
masing-masing variabel kemudian disebarkan melalui analisis ketidakpastian
ekspresi menggunakan pendekatan TSM atau MCM untuk mendapatkan
ketidakpastian sistematis untuk hasil eksperimen.
1.1 5-4.1 Ketidakpastian sistematis untuk Variabel Tunggal
Langkah pertama adalah mempertimbangkan sumber kesalahan unsur
yang mempengaruhi masing-masing ukuran. surements. Sumber-sumber ini
dapat dikelompokkan ke dalam beberapa kategori seperti berikut ini:
1. Kesalahan kalibrasi. Beberapa kesalahan sistematis selalu terjadi sebagai
akibat kalibrasi karena tidak ada standar yang sempurna dan tidak ada
proses kalibrasi yang sempurna.
2. Kesalahan akuisisi data. Ada kesalahan potensial karena lingkungan dan efek
instalasi pada transduser serta dalam sistem yang memperoleh, kondisi, dan
menyimpan output transduser.
3. Kesalahan reduksi data. Kesalahan karena mengganti data kalibrasi dengan
kurva sesuai, resolusi komputasi, dan sebagainya.
4. Kesalahan konseptual. Kesalahan muncul saat simbol dalam reduksi data
persamaan diganti dengan nilai yang diukur: misalnya, ketika simbol mewakili
rata-rata diganti dengan nilai titik-diukur.
5. Lainnya. Sebagai contoh, jika untuk variabel X XJ ada unsur M sistematis
kesalahan diidentifikasi sebagai signifikan dan ketidakpastian sistematis yang
sesuai adalah diperkirakan sebagai bJ1, bJ2, ..., bJM, ketidakpastian
pengukuran yang sistematis XJ dihitung sebagai kombinasi root-sum-square
(RSS) dari elemen ketidakpastian sistematis:
Unsur sistematis ketidakpastian baik harus diestimasi untuk setiap variabel Xi
menggunakan informasi terbaik yang tersedia saat itu. Pada tahap desain
program
eksperimental,
spesifikasi
pabrikan,
perkiraan
analitis,
dan
pengalaman sebelumnya biasanya akan memberikan dasar untuk sebagian
besar perkiraan. Sebagai program eksperimental berlangsung, peralatan dirakit,
dan kalibrasi dilakukan, perkiraan ini dapat diperbarui menggunakan informasi
tambahan diperoleh tentang keakuratan standar kalibrasi, kesalahan yang
terkait dengan proses kalibrasi dan prosedur kurva, dan mungkin estimasi
analitik kesalahan instalasi.
Proses kalibrasi harus selalu dilakukan dengan sistem pengukuran
(transduser, pengkondisi sinyal, alat perekam data, dll.) sedekat mungkin
dengan yang sebenarnya kondisi pengukuran dan pengaturan instalasi
pengujian mungkin. Yang sistematis kesalahan yang terkait dengan sistem
pengukuran yang dikalibrasi kemudian dapat dikurangi sampai pendekatan itu
dalam standar kalibrasi, seperti dibahas dalam Bagian 1-3.4.
Dalam beberapa kasus, karena waktu atau biaya, sistem pengukuran
tidak dikalibrasi
dalam konfigurasi pengujiannya. Dalam kasus ini kesalahan sistematis yang
terjadi yang melekat dalam proses instalasi harus dimasukkan dalam
keseluruhan sistematik penentuan ketidakpastian. Moffat [3] menunjukkan
bahwa kesalahan pemasangan ini termasuk interaksi transduser dengan sistem
(seperti kesalahan radiasi dalam pengukuran suhu) dan gangguan sistem
karena kehadiran
transduser. (Lihat ketidakpastian sistematis asimetris, Lampiran E). Ini
kesalahan terkadang dapat diperhitungkan dengan memodifikasi persamaan
reduksi data untuk memasukkan efek ini menggunakan model. Estimasi
ketidakpastian sistematis untuk istilah-istilah baru dalam persamaan reduksi
data yang dimodifikasi kemudian menggantikan taksiran yang akan dibuat untuk
kesalahan sistematis instalasi.
Dengan tidak adanya kalibrasi, instrumen ketidakpastian sistematis
seharusnya diperoleh dari informasi pabrikan. Spesifikasi akurasi ini akan
biasanya mempertimbangkan faktor-faktor seperti keuntungan, linieritas, dan nol
kesalahan, dan memang seharusnya demikian dianggap sebagai ketidakpastian
sistematis ketika tidak ada informasi lain yang tersedia. Ini ketidakpastian akan
menjadi tambahan untuk ketidakpastian instalasi yang mungkin ada di
pengukuran. Poin lain yang disampaikan oleh Moffat adalah gagasan tentang
kesalahan sistematis konseptual. Apakah kita benar-benar mengukur variabel
yang diperlukan dalam reduksi data persamaan? Misalnya, dalam aliran fluida
dalam pipa, kita mungkin membutuhkan kecepatan rata-rata tetapi hanya bisa
mengukur kecepatan pada satu titik dengan peralatan tersedia. Hubungan
antara
pengukuran tunggal kecepatan dan kecepatan
rata-rata harus
disimpulkan dari informasi tambahan dan dimasukkan sebagai kontributor untuk
komponen sistematis dalam perhitungan ketidakpastian.
Download