માપનમાં નિપુણતા: સંપૂર્ણ, સંબંધિત અને પૂર્ણ સ્કેલ (%FS) ભૂલ માટે તમારી અંતિમ માર્ગદર્શિકા

શું તમે ક્યારેય સ્પષ્ટીકરણ શીટ જોઈ છેaદબાણટ્રાન્સમીટર,aપ્રવાહમીટર, અથવાaતાપમાન સેન્સરઅને"ચોકસાઈ: ±0.5% FS" જેવી લાઇન આઇટમ જોઈ? તે એક સામાન્ય સ્પષ્ટીકરણ છે, પરંતુ તમે જે ડેટા એકત્રિત કરી રહ્યા છો તેના માટે તેનો ખરેખર શું અર્થ થાય છે? શું તેનો અર્થ એ છે કે દરેક વાંચન સાચા મૂલ્યના 0.5% ની અંદર છે? જેમ જોયું તેમ, જવાબ થોડો વધુ જટિલ છે, અને આ જટિલતાને સમજવી એ એન્જિનિયરિંગ, ઉત્પાદન અને વૈજ્ઞાનિક માપન સાથે સંકળાયેલા કોઈપણ માટે મહત્વપૂર્ણ છે.

ભૂલ એ ભૌતિક જગતનો એક અનિવાર્ય ભાગ છે. કોઈ પણ સાધન સંપૂર્ણ નથી. મુખ્ય વસ્તુ એ છે કે ભૂલની પ્રકૃતિને સમજવી, તેનું પ્રમાણ નક્કી કરવું અને ખાતરી કરવી કે તે તમારા ચોક્કસ ઉપયોગ માટે સ્વીકાર્ય મર્યાદામાં છે. આ માર્ગદર્શિકા મુખ્ય ખ્યાલોને દૂર કરશે.ofમાપનભૂલ. તે મૂળભૂત વ્યાખ્યાઓથી શરૂ થાય છે અને પછી વ્યવહારુ ઉદાહરણો અને મહત્વપૂર્ણ સંબંધિત વિષયોમાં વિસ્તરે છે, જે તમને ફક્ત સ્પષ્ટીકરણો વાંચનાર વ્યક્તિમાંથી ખરેખર તેમને સમજનાર વ્યક્તિમાં પરિવર્તિત કરે છે.

 

માપન ભૂલ શું છે?

તેના હૃદયમાં,માપન ભૂલ એ માપેલા જથ્થા અને તેના સાચા, વાસ્તવિક મૂલ્ય વચ્ચેનો તફાવત છે. તેને તમારા સાધન દ્વારા જોવામાં આવતી દુનિયા અને વાસ્તવમાં જે દુનિયા છે તે વચ્ચેના અંતર તરીકે વિચારો.

ભૂલ = માપેલ મૂલ્ય - સાચું મૂલ્ય.

"સાચું મૂલ્ય" એક સૈદ્ધાંતિક ખ્યાલ છે. વ્યવહારમાં, સંપૂર્ણ સાચું મૂલ્ય ક્યારેય સંપૂર્ણ નિશ્ચિતતા સાથે જાણી શકાતું નથી. તેના બદલે, પરંપરાગત સાચું મૂલ્યનો ઉપયોગ થાય છે. આ એક માપન ધોરણ અથવા સંદર્ભ સાધન દ્વારા પ્રદાન કરાયેલ મૂલ્ય છે જે પરીક્ષણ કરવામાં આવતા ઉપકરણ કરતાં નોંધપાત્ર રીતે વધુ સચોટ (સામાન્ય રીતે 4 થી 10 ગણું વધુ સચોટ) હોય છે. ઉદાહરણ તરીકે, માપાંકન કરતી વખતેહાથમાં રાખવા યોગ્યદબાણમાપ, "પરંપરાગત સાચું મૂલ્ય" ઉચ્ચ-ચોકસાઇમાંથી મેળવવામાં આવશે,પ્રયોગશાળા-ગ્રેડદબાણકેલિબ્રેટર.

આ સરળ સમીકરણને સમજવું એ પહેલું પગલું છે, પરંતુ તે આખી વાર્તા કહેતું નથી. 100-મીટર પાઇપની લંબાઈ માપતી વખતે 1 મિલીમીટરની ભૂલ નજીવી છે, પરંતુ એન્જિન માટે પિસ્ટનનું મશીનિંગ કરતી વખતે તે એક વિનાશક નિષ્ફળતા છે. સંપૂર્ણ ચિત્ર મેળવવા માટે, આપણે આ ભૂલને વધુ અર્થપૂર્ણ રીતે વ્યક્ત કરવાની જરૂર છે. આ તે છે જ્યાં સંપૂર્ણ, સંબંધિત અને સંદર્ભ ભૂલો ભૂમિકામાં આવે છે.

ત્રણ સામાન્ય માપન ભૂલોનો સંગ્રહ

ચાલો માપન ભૂલનું માપન અને સંચાર કરવાની ત્રણ મુખ્ય રીતો તોડી નાખીએ.

૧. સંપૂર્ણ ભૂલ: કાચો વિચલન

સંપૂર્ણ ભૂલ એ ભૂલનું સૌથી સરળ અને સીધું સ્વરૂપ છે. મૂળ દસ્તાવેજમાં વ્યાખ્યાયિત કર્યા મુજબ, તે માપન અને સાચા મૂલ્ય વચ્ચેનો સીધો તફાવત છે, જે માપનના એકમોમાં જ વ્યક્ત થાય છે.

ફોર્મ્યુલા:

ઉદાહરણ:

તમે પાઇપમાં પ્રવાહ માપી રહ્યા છો a સાથેસાચુંપ્રવાહ દરof૫૦ મીટર/કલાક, અનેતમારાફ્લો મીટરવાંચે છે૫૦.૫ m³/કલાક, તેથી સંપૂર્ણ ભૂલ ૫૦.૫ – ૫૦ = +૦.૫ m³/કલાક છે.

હવે, કલ્પના કરો કે તમે 500 m³/કલાકના સાચા પ્રવાહ સાથે એક અલગ પ્રક્રિયાને માપી રહ્યા છો, અને તમારું ફ્લો મીટર 500.5 m³/કલાક વાંચે છે. સંપૂર્ણ ભૂલ હજુ પણ +0.5 m³/કલાક છે.

તે ક્યારે ઉપયોગી છે? કેલિબ્રેશન અને પરીક્ષણ દરમિયાન સંપૂર્ણ ભૂલ આવશ્યક છે. કેલિબ્રેશન પ્રમાણપત્ર ઘણીવાર વિવિધ પરીક્ષણ બિંદુઓ પર સંપૂર્ણ વિચલનોની યાદી આપશે. જો કે, ઉદાહરણ બતાવે છે તેમ, તેમાં સંદર્ભનો અભાવ છે. +0.5 m³/h ની સંપૂર્ણ ભૂલ મોટા પ્રવાહ દર કરતાં નાના પ્રવાહ દર માટે વધુ મહત્વપૂર્ણ લાગે છે. તે મહત્વને સમજવા માટે, આપણને સંબંધિત ભૂલની જરૂર છે.

2. સંબંધિત ભૂલ: સંદર્ભમાં ભૂલ

સાપેક્ષ ભૂલ એ સંદર્ભ પૂરો પાડે છે કે સંપૂર્ણ ભૂલનો અભાવ છે. તે ભૂલને માપવામાં આવતા વાસ્તવિક મૂલ્યના અપૂર્ણાંક અથવા ટકાવારી તરીકે વ્યક્ત કરે છે. આ તમને જણાવે છે કે માપનની તીવ્રતાના સંબંધમાં ભૂલ કેટલી મોટી છે.

ફોર્મ્યુલા:

ઉદાહરણ:

ચાલો આપણા ઉદાહરણ પર ફરી નજર કરીએ:

૫૦ m³/કલાક પ્રવાહ માટે: સંબંધિત ભૂલ = (૦.૫ m³/કલાક / ૫૦ m³/કલાક) × ૧૦૦% = ૧%

૫૦૦ m³/કલાક પ્રવાહ માટે: સંબંધિત ભૂલ = (૦.૫ m³/કલાક / ૫૦૦ m³/કલાક) × ૧૦૦% = ૦.૧%

અચાનક, તફાવત ઘણો સ્પષ્ટ થઈ ગયો. જોકે બંને પરિસ્થિતિઓમાં સંપૂર્ણ ભૂલ સમાન હતી, સંબંધિત ભૂલ દર્શાવે છે કે માપન નીચલા પ્રવાહ દર માટે દસ ગણું ઓછું સચોટ હતું.

આ શા માટે મહત્વનું છે? રિલેટિવ એરર એ ચોક્કસ ઓપરેટિંગ પોઈન્ટ પર ઇન્સ્ટ્રુમેન્ટના પ્રદર્શનનું વધુ સારું સૂચક છે. તે "આ માપન હાલમાં કેટલું સારું છે?" એ પ્રશ્નનો જવાબ આપવામાં મદદ કરે છે, જોકે, ઇન્સ્ટ્રુમેન્ટ ઉત્પાદકો તમે માપી શકો છો તે દરેક સંભવિત મૂલ્ય માટે રિલેટિવ એરરની યાદી આપી શકતા નથી. તેમના ડિવાઇસની સમગ્ર ઓપરેશનલ ક્ષમતામાં કામગીરીની ખાતરી આપવા માટે તેમને એક જ, વિશ્વસનીય મેટ્રિકની જરૂર છે. તે રેફરન્સ એરરનું કામ છે.

૩. સંદર્ભ ભૂલ (%FS): ઉદ્યોગ માનક

આ સ્પષ્ટીકરણ તમે ડેટાશીટ્સ પર સૌથી વધુ જોશો: ટકાવારી તરીકે દર્શાવવામાં આવેલી ચોકસાઈofપૂર્ણસ્કેલ (%FS), જેને સંદર્ભ ભૂલ અથવા સ્પાનિંગ ભૂલ તરીકે પણ ઓળખવામાં આવે છે. સંપૂર્ણ ભૂલની તુલના વર્તમાન માપેલા મૂલ્ય સાથે કરવાને બદલે, તે સાધનના કુલ સ્પાન (અથવા શ્રેણી) સાથે કરે છે.

ફોર્મ્યુલા:

માપન શ્રેણી (અથવા સ્પાન) એ મહત્તમ અને લઘુત્તમ મૂલ્યો વચ્ચેનો તફાવત છે જે માપવા માટે ઉપકરણ રચાયેલ છે.

મહત્વપૂર્ણ ઉદાહરણ: %FS ને સમજવું

કલ્પના કરો કે તમે ખરીદો છોaદબાણ ટ્રાન્સમીટરસાથેનીચેના સ્પષ્ટીકરણો:

• શ્રેણી: 0 થી 200 બાર

• ચોકસાઈ: ±0.5% FS

પગલું 1: મહત્તમ અનુમતિપાત્ર સંપૂર્ણ ભૂલની ગણતરી કરો.

સૌપ્રથમ, આપણે આ ટકાવારી જે સંપૂર્ણ ભૂલને અનુરૂપ છે તે શોધીએ છીએ: મહત્તમ સંપૂર્ણ ભૂલ = 0.5% × (200 બાર - 0 બાર) = 0.005 × 200 બાર = ±1 બાર.

આ સૌથી મહત્વપૂર્ણ ગણતરી છે, જે આપણને કહે છે કે આપણે ગમે તે દબાણ માપી રહ્યા હોઈએ, આ સાધનનું વાંચન સાચા મૂલ્યના ±1 બારની અંદર હોવાની ખાતરી આપવામાં આવે છે.

પગલું 2: જુઓ કે આ સાપેક્ષ ચોકસાઈને કેવી રીતે અસર કરે છે.

હવે, ચાલો જોઈએ કે શ્રેણીના વિવિધ બિંદુઓ પર આ ±1 બાર ભૂલનો અર્થ શું થાય છે:

• ૧૦૦ બાર (રેન્જના ૫૦%) નું દબાણ માપવા: વાંચન ૯૯ થી ૧૦૧ બાર સુધી હોઈ શકે છે. આ બિંદુએ સંબંધિત ભૂલ (૧ બાર / ૧૦૦ બાર) × ૧૦૦% = ±૧% છે.

• 20 બાર (રેન્જના 10%) નું દબાણ માપવા: વાંચન 19 થી 21 બાર સુધી ગમે ત્યાં હોઈ શકે છે. આ બિંદુએ સંબંધિત ભૂલ (1 બાર / 20 બાર) × 100% = ±5% છે.

• 200 બાર (રેન્જના 100%) નું દબાણ માપવા: વાંચન 199 થી 201 બાર સુધી ગમે ત્યાં હોઈ શકે છે. આ બિંદુએ સંબંધિત ભૂલ (1 બાર / 200 બાર) × 100% = ±0.5% છે.

આનાથી ઇન્સ્ટ્રુમેન્ટેશનનો એક મહત્વપૂર્ણ સિદ્ધાંત છતી થાય છે કે ઇન્સ્ટ્રુમેન્ટની સાપેક્ષ ચોકસાઈ તેની રેન્જની ટોચ પર શ્રેષ્ઠ હોય છે અને તળિયે સૌથી ખરાબ હોય છે.

વ્યવહારુ ઉપાય: યોગ્ય સાધન કેવી રીતે પસંદ કરવું?

%FS અને સંબંધિત ભૂલ વચ્ચેનો સંબંધ સાધન પસંદગી પર ઊંડો પ્રભાવ પાડે છે.સંદર્ભ ભૂલ જેટલી નાની હશે, સાધનની એકંદર ચોકસાઈ એટલી જ વધારે હશે.. જોકે, તમે તમારા ઉપયોગ માટે યોગ્ય શ્રેણી પસંદ કરીને પણ તમારી માપનની ચોકસાઈ સુધારી શકો છો.

માપન કદ બદલવાનો સુવર્ણ નિયમ એ છે કે એવું સાધન પસંદ કરો જ્યાં તમારા લાક્ષણિક ઓપરેટિંગ મૂલ્યો તેની પૂર્ણ-સ્કેલ શ્રેણીના ઉપલા અડધા (આદર્શ રીતે, ઉપલા બે-તૃતીયાંશ) માં આવે. ચાલો એક ઉદાહરણ સાથે આગળ વધીએ:

કલ્પના કરો કે તમારી પ્રક્રિયા સામાન્ય રીતે 70 બારના દબાણ પર કાર્ય કરે છે, પરંતુ તેની ટોચ 90 બાર સુધી હોઈ શકે છે. તમે વિચારી રહ્યા છોબેટ્રાન્સમીટર, બંને ±0.5% FS ચોકસાઈ સાથે:

• ટ્રાન્સમીટર A: રેન્જ 0-500 બાર

• ટ્રાન્સમીટર B: રેન્જ 0-100 બાર

ચાલો તમારા 70 બારના સામાન્ય ઓપરેટિંગ પોઈન્ટ માટે સંભવિત ભૂલની ગણતરી કરીએ:

ટ્રાન્સમીટર A (0-500 બાર):

• મહત્તમ સંપૂર્ણ ભૂલ = 0.5% × 500 બાર = ±2.5 બાર.

• ૭૦ બાર પર, તમારું વાંચન ૨.૫ બાર ઓછું થઈ શકે છે. તમારી સાચી સાપેક્ષ ભૂલ (૨.૫ / ૭૦) × ૧૦૦% ≈ ±૩.૫૭% છે. આ એક નોંધપાત્ર ભૂલ છે!

ટ્રાન્સમીટર B (0-100 બાર):

• મહત્તમ સંપૂર્ણ ભૂલ = 0.5% × 100 બાર = ±0.5 બાર.

• ૭૦ બાર પર, તમારું વાંચન ફક્ત ૦.૫ બાર જેટલું જ ઓછું થઈ શકે છે. તમારી સાચી સંબંધિત ભૂલ (૦.૫ / ૭૦) × ૧૦૦% ≈ ±૦.૭૧% છે.

તમારી એપ્લિકેશન માટે યોગ્ય "સંકુચિત" શ્રેણી સાથેનું સાધન પસંદ કરીને, તમે તમારી વાસ્તવિક-વિશ્વ માપન ચોકસાઈમાં પાંચના પરિબળનો સુધારો કર્યો છે, ભલે બંને સાધનોની ડેટાશીટ્સ પર સમાન "%FS" ચોકસાઈ રેટિંગ હતી.

ચોકસાઈ વિરુદ્ધ ચોકસાઈ: એક મહત્વપૂર્ણ ભેદ

માપનમાં સંપૂર્ણ નિપુણતા મેળવવા માટે, એક વધુ ખ્યાલ જરૂરી છે: ચોકસાઈ અને ચોકસાઈ વચ્ચેનો તફાવત. લોકો ઘણીવાર આ શબ્દોનો એકબીજાના બદલે ઉપયોગ કરે છે, પરંતુ વિજ્ઞાન અને એન્જિનિયરિંગમાં, તેનો અર્થ ખૂબ જ અલગ વસ્તુઓ થાય છે.

ચોકસાઈisકેવી રીતેમાપને સાચા મૂલ્ય પર બંધ કરો. તે સંપૂર્ણ અને સંબંધિત ભૂલ સાથે સંબંધિત છે. એક સચોટ સાધન, સરેરાશ, સાચું વાંચન આપે છે.

ચોકસાઇisકેવી રીતેએક જ વસ્તુના બહુવિધ માપ એકબીજાની નજીક છે. તે માપનની પુનરાવર્તિતતા અથવા સુસંગતતાનો ઉલ્લેખ કરે છે. એક ચોક્કસ સાધન તમને દર વખતે લગભગ સમાન વાંચન આપે છે, પરંતુ તે વાંચન જરૂરી નથી કે તે સાચું હોય.

અહીં લક્ષ્ય સામ્યતા છે:

• સચોટ અને સચોટ: તમારા બધા શોટ્સ બુલસી આઈના મધ્યમાં ચુસ્તપણે ક્લસ્ટર કરેલા છે. આ આદર્શ છે.

• ચોક્કસ પણ અચોક્કસ: તમારા બધા શોટ એકસાથે ચુસ્તપણે જોડાયેલા છે, પરંતુ તે લક્ષ્યના ઉપરના ડાબા ખૂણામાં છે, બુલસીઆઈથી દૂર. આ એક વ્યવસ્થિત ભૂલ સૂચવે છે, જેમ કે રાઇફલ પર ખોટી રીતે ગોઠવાયેલ સ્કોપ અથવા ખરાબ રીતે માપાંકિત સેન્સર. સાધન પુનરાવર્તિત છે પરંતુ સતત ખોટું છે.

• સચોટ પણ અચોક્કસ: તમારા શોટ લક્ષ્ય પર ફેલાયેલા છે, પરંતુ તેમની સરેરાશ સ્થિતિ બુલસીઆઈનું કેન્દ્ર છે. આ એક રેન્ડમ ભૂલ સૂચવે છે, જ્યાં દરેક માપ અણધારી રીતે વધઘટ થાય છે.

• ન તો ચોક્કસ કે ન તો ચોક્કસ: શોટ લક્ષ્ય પર અવ્યવસ્થિત રીતે વિખેરાયેલા છે, જેમાં કોઈ સુસંગતતા નથી.

0.5% FS સ્પષ્ટીકરણ ધરાવતું સાધન તેની ચોકસાઈનો દાવો કરી રહ્યું છે, જ્યારે ચોકસાઇ (અથવા પુનરાવર્તિતતા) ઘણીવાર ડેટાશીટ પર એક અલગ લાઇન આઇટમ તરીકે સૂચિબદ્ધ હોય છે અને સામાન્ય રીતે તેની ચોકસાઈ કરતા નાની (વધુ સારી) સંખ્યા હોય છે.

નિષ્કર્ષ

ભૂલની ઝીણવટભરી સમજણ જ એક સારા એન્જિનિયરને એક મહાન એન્જિનિયરથી અલગ પાડે છે.

સારાંશમાં, માપન ભૂલમાં નિપુણતા મેળવવા માટે મૂળભૂત ખ્યાલોથી વ્યવહારુ ઉપયોગ તરફ આગળ વધવું જરૂરી છે. સંપૂર્ણ ભૂલ કાચો વિચલન પ્રદાન કરે છે, સંબંધિત ભૂલ તેને વર્તમાન માપનના સંદર્ભમાં મૂકે છે, અને સંદર્ભ ભૂલ (%FS) તેની સમગ્ર શ્રેણીમાં સાધનની મહત્તમ ભૂલની પ્રમાણિત ગેરંટી આપે છે. મુખ્ય બાબત એ છે કે સાધનની નિર્દિષ્ટ ચોકસાઈ અને તેનું વાસ્તવિક-વિશ્વ પ્રદર્શન સમાન નથી.

નિશ્ચિત %FS ભૂલ સમગ્ર સ્કેલ પર સંબંધિત ચોકસાઈને કેવી રીતે અસર કરે છે તે સમજીને, ઇજનેરો અને ટેકનિશિયન જાણકાર નિર્ણયો લઈ શકે છે. એપ્લિકેશન માટે યોગ્ય શ્રેણી સાથે સાધન પસંદ કરવું એ તેની ચોકસાઈ રેટિંગ જેટલું જ મહત્વપૂર્ણ છે, ખાતરી કરે છે કે એકત્રિત ડેટા વાસ્તવિકતાનું વિશ્વસનીય પ્રતિબિંબ છે.

આગલી વખતે જ્યારે તમે ડેટાશીટની સમીક્ષા કરશો અને ચોકસાઈ રેટિંગ જોશો, ત્યારે તમને તેનો અર્થ બરાબર ખબર પડશે. તમે મહત્તમ સંભવિત ભૂલની ગણતરી કરી શકો છો, સમજી શકો છો કે તે ભૂલ વિવિધ ઓપરેટિંગ બિંદુઓ પર તમારી પ્રક્રિયાને કેવી અસર કરશે, અને એક જાણકાર નિર્ણય લઈ શકો છો જે ખાતરી કરે છે કે તમે એકત્રિત કરો છો તે ડેટા ફક્ત સ્ક્રીન પરની સંખ્યાઓ નથી, પરંતુ વાસ્તવિકતાનું વિશ્વસનીય પ્રતિબિંબ છે.

અમારા માપન નિષ્ણાતોનો સંપર્ક કરો