Tolleranza e incertezza di misura meritano bilanci separati

Il nominale è il centro di un modello

Un valore nominale è il numero usato per l'aritmetica del progetto. La tolleranza del componente definisce un intervallo attorno a esso, mentre l'incertezza dello strumento definisce ciò che una misura può attestare. Sono diversi dalla tolleranza numerica del simulatore. Un resistore SPICE ideale da 10 kΩ non diventa un componente ±1% a meno che tu ne vari deliberatamente il valore.

Considera il passa-basso da 10 kΩ, 100 nF, con tolleranza R ±1% e C ±5%. Il taglio nominale è 159.154943 Hz. Il taglio più basso usa entrambi i valori massimi: $159.154943/(1.01\times1.05)=150.075382$ Hz. Il più alto usa entrambi i valori minimi: $159.154943/(0.99\times0.95)=169.223757$ Hz. Sono limiti del caso peggiore con intervalli consentiti indipendenti, non stime di probabilità.

Un esempio di rapporto resistivo

Uno stadio non invertente con Rf = 100 kΩ e Rg = 10 kΩ ha guadagno nominale 11. Con entrambi i resistori ±1%, il guadagno minimo è $1+100(0.99)/(10(1.01))=10.801980$ e il massimo $1+100(1.01)/(10(0.99))=11.202020$. Il rapporto non è automaticamente ±1% soltanto perché lo è ogni resistore. Reti abbinate possono offrire una specifica separata di tolleranza del rapporto.

La deriva termica può spostare i valori oltre un calcolo di tolleranza a temperatura ambiente. Per un resistore da 50 ppm/°C su una variazione di 40°C, la variazione frazionaria aggiuntiva approssimata è 0.2%, presumendo un coefficiente termico lineare. La dipendenza dalla tensione di un condensatore può essere un altro termine importante; usa la sua caratterizzazione reale per un progetto fisico.

Pianifica una misura utile

Scrivi un intervallo di accettazione basato sul requisito di progetto e sulle incertezze note. Se uno strumento riporta 160 Hz con incertezza ±2 Hz, sostiene un intervallo anziché un'affermazione esatta di 160.000 Hz. Un risultato vicino a un limite può richiedere una misura migliore, non un superamento automatico.

Esamina gli estremi dei componenti nel caso peggiore prima di uno studio Monte Carlo casuale. Il campionamento casuale può mancare un estremo ammesso e richiede un'ipotesi sulla distribuzione. Conserva modello, valori provati, impostazioni di misura e regola di accettazione affinché un altro studente possa riprodurre la decisione anziché soltanto il grafico.