Tolerancia e incertidumbre de medida merecen presupuestos separados

El valor nominal es el centro de un modelo

Un valor nominal es el número usado en la aritmética de diseño. La tolerancia del componente define un intervalo alrededor y la incertidumbre del instrumento define qué acredita una medición. Son diferentes de la tolerancia numérica del simulador. Una resistencia ideal SPICE de 10 kΩ no se convierte en componente ±1% salvo que varíes deliberadamente su valor.

Considera el paso bajo de 10 kΩ y 100 nF,con tolerancia R ±1% y C ±5%. El corte nominal es 159.154943 Hz. El menor corte usa ambos valores máximos: $159.154943/(1.01\times1.05)=150.075382$ Hz. El mayor usa ambos mínimos: $159.154943/(0.99\times0.95)=169.223757$ Hz. Son cotas del peor caso bajo intervalos independientes permitidos,no estimaciones de probabilidad.

Ejemplo de relación de resistencias

Una etapa no inversora con Rf = 100 kΩ y Rg = 10 kΩ tiene ganancia nominal 11. Con ambas resistencias ±1%,la ganancia mínima es $1+100(0.99)/(10(1.01))=10.801980$ y la máxima $1+100(1.01)/(10(0.99))=11.202020$. La relación no es automáticamente ±1% porque lo sea cada resistencia. Las redes emparejadas pueden ofrecer una especificación separada de tolerancia de relación.

La deriva térmica puede mover los valores más allá del cálculo de tolerancia a temperatura ambiente. Para una resistencia de 50 ppm/°C sobre un cambio de 40°C,el cambio fraccionario adicional aproximado es 0.2%,suponiendo coeficiente térmico lineal. La dependencia de tensión de un condensador puede ser otro término importante;usa su caracterización real para un diseño físico.

Planifica una medición útil

Escribe un intervalo de aceptación basado en requisitos de diseño e incertidumbres conocidas. Si un instrumento informa 160 Hz con incertidumbre ±2 Hz,respalda un intervalo,no una afirmación exacta de 160.000 Hz. Un resultado próximo a un límite puede requerir mejor medición,no aceptación automática.

Barre las esquinas de componentes del peor caso antes de un estudio aleatorio Monte Carlo. El muestreo aleatorio puede omitir un extremo legal y requiere suponer una distribución. Conserva modelo,valores probados,ajustes de medición y regla de aceptación para que otro estudiante reproduzca la decisión,no solo el gráfico.