ರಸಾಯನಶಾಸ್ತ್ರ ಉಪಕರಣಗಳು
ಮಾಪನ ಅನಿಶ್ಚಿತತೆ ಗಣಕಯಂತ್ರ

ಮಾಪನ ಅನಿಶ್ಚಿತತೆ ಗಣಕಯಂತ್ರ (ತೂಕಮಾಪನ ಮತ್ತು ಪರಿಮಾಣದಿಂದ ಸಾಂದ್ರತೆ)

ತೂಕಮಾಪನ ದೋಷ, ಪರಿಮಾಣ ದೋಷ, ಮತ್ತು ಸಂಬಂಧಿತ ಇನ್‌ಪುಟ್‌ಗಳಿಂದ ಸಾಂದ್ರತೆ ಮತ್ತು ಹಿಸುಕಣೆ ಫಲಿತಾಂಶಗಳ ಅನಿಶ್ಚಿತತೆಯನ್ನು ನೇರವಾಗಿ ಬ್ರೌಸರ್‌ನಲ್ಲಿ ಲೆಕ್ಕಿಸಿ.

ಒಟ್ಟು standard uncertainty uc, expanded uncertainty U=k·uc, ಪ್ರಮುಖ ಕಾರಣಗಳು, ಮತ್ತು ವರದಿಗೆ ಸಿದ್ಧವಾದ ನಕಲು ಔಟ್‌ಪುಟ್ ಅನ್ನು ಒಂದೇ ಕಡೆ ಪರಿಶೀಲಿಸಿ.

combined standard uncertainty uc ಮತ್ತು expanded uncertainty U=k·uc ಅನ್ನು ಲೆಕ್ಕಿಸುತ್ತದೆ
ಸಹಿಷ್ಣುತೆ ಸಂಕೇತವನ್ನು ತಕ್ಷಣ standard uncertainty ಗೆ ಪರಿವರ್ತಿಸುತ್ತದೆ
ಸುಧಾರಣೆಯ ಅಗತ್ಯವಿರುವ ಪ್ರಮುಖ ಕಾರಣಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ
ಹಂಚಿಕೆ URL, ನಕಲು ಔಟ್‌ಪುಟ್, ಮತ್ತು ಸ್ಥಳೀಯ ಕರಡು ಉಳಿಸುವಿಕೆ
Template
ಕವರೇಜ್ ಗುಣಕ k
k=2 ಸಾಮಾನ್ಯವಾಗಿ ಸುಮಾರು 95% ಗಾಗಿ ಬಳಸುವ ಆಯ್ಕೆಯಾಗಿದೆ. ಅಗತ್ಯವಿದ್ದಾಗ ನಿಮ್ಮ ಮಾನದಂಡ ಅಥವಾ ಆಂತರಿಕ ನಿಯಮವನ್ನು ಅನುಸರಿಸಿ.

ಈ ಪುಟ ಒಳಗೊಂಡಿರುವುದು

ತೂಕಮಾಪನ ಮತ್ತು ಪರಿಮಾಣ ಅನಿಶ್ಚಿತತೆಯನ್ನು ಸಾಂದ್ರತೆ ಅನಿಶ್ಚಿತತೆಯಾಗಿ ಸಂಯೋಜಿಸಿ

ಈ ಉಪಕರಣವು C=m/V, C=(m·P)/V, ಮತ್ತು C=(m·P)/(M·V) ಮುಂತಾದ ಸೂತ್ರಗಳಿಗೆ ಪ್ರಮಾಣಿತ ಅನಿಶ್ಚಿತತೆಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ.

tolerance ಸಂಕೇತವನ್ನು ಪ್ರಮಾಣಿತ ಅನಿಶ್ಚಿತತೆಗೆ ಪರಿವರ್ತಿಸಿ

ಪರಿವರ್ತನೆಯನ್ನು ಬೇರೆ ಮಾಡಿಸದೆ, ಇದು ಪ್ರಮಾಣಪತ್ರ ಶೈಲಿಯ ±a(k=2), specification ಶೈಲಿಯ ±a, ಮತ್ತು ತ್ರಿಕೋನೀಯ ಕಲ್ಪನೆಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.

ಪ್ರಮುಖ ಕೊಡುಗೆದಾರರನ್ನು ದೃಶ್ಯೀಕರಿಸಿ

ಯಾವ ಅಂಶವು variance ಮೇಲೆ ಹೆಚ್ಚು ಪ್ರಭಾವ ಬೀರುತ್ತದೆ ಎಂಬುದನ್ನು ಕೊಡುಗೆದಾರರ ವಿವರ ತೋರಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಸುಧಾರಣೆಗಳನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಗುರಿಮಾಡಬಹುದು.

ವರದಿಗಳಿಗೆ ಹೊಂದುವ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನಕಲಿಸಿ

ಸರಳ ಪಠ್ಯ, Markdown, CSV, ಮತ್ತು JSON ನಡುವೆ ಬದಲಿಸಿ, ನಿಮಗೆ ಬೇಕಾದ ನಿಖರ format ಅನ್ನು ನಕಲಿಸಿ.

ಬಳಕೆ ವಿಧಾನ

  1. ಟೆಂಪ್ಲೇಟ್ ಆಯ್ಕೆಮಾಡಿ. ನಿಮ್ಮ ಲೆಕ್ಕಾಚಾರಕ್ಕೆ ಅನುಗುಣವಾಗಿ concentration, dilution, ratio, ಅಥವಾ custom ಆಧಾರ ಬಳಸಿರಿ.
  2. ಪ್ರತಿ ಅಂಶದ ಮೌಲ್ಯ ಮತ್ತು ಅದರ ಅನಿಶ್ಚಿತತೆಯನ್ನು ನಮೂದಿಸಿ. ನೀವು SD ಅಥವಾ tolerance ಸಂಕೇತ ಯಾವುದನ್ನಾದರೂ ಬಳಸಬಹುದು.
  3. ಅಗತ್ಯವಿದ್ದರೆ distribution ಮತ್ತು k ಮೌಲ್ಯವನ್ನು ಆರಿಸಿ.
  4. ನಿಮ್ಮ ದಸ್ತಾವೇಜಿಗೆ ಅಂಟಿಸುವ ಮೊದಲು ಫಲಿತಾಂಶ, ಪ್ರಮುಖ ಕಾರಣಗಳು, ಮತ್ತು ವರದಿಗೆ ಸಿದ್ಧವಾದ ನಕಲು ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ.

Examples

ತೂಕಮಾಪನ ಮತ್ತು ವಾಲ್ಯೂಮೆಟ್ರಿಕ್ ಫ್ಲಾಸ್ಕ್‌ನಿಂದ mg/L ನ ಅನಿಶ್ಚಿತತೆ

Input

m=100.00 mg ±0.10 (ಆಯತಾಕಾರದ), V=100.00 mL ±0.08 (ಸಾಮಾನ್ಯ, k=2)

Output

ಸಾಂದ್ರತೆ, uc, U, ಮತ್ತು m ಮತ್ತು V ನಡುವಿನ ಕೊಡುಗೆ ವಿಭಾಗವನ್ನು ತೋರಿಸುತ್ತದೆ.

ಪ್ರಮಾಣಿತ ದ್ರಾವಣದ ಡೈಲ್ಯೂಷನ್

Input

C1=1000 mg/L ±5, V1=10.00 mL ±0.02, V2=100.00 mL ±0.08

Output

ಡೈಲ್ಯೂಟ್ ಮಾಡಿದ ಸಾಂದ್ರತೆಗೆ U ಮತ್ತು ಯಾವ ಪರಿಮಾಣ ದೋಷ ಹೆಚ್ಚು ಪ್ರಭಾವ ಬೀರುತ್ತದೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ.

ಅನುಪಾತಗಳು ಮತ್ತು ಮರುಪಡೆ

Input

A=98.0 ±0.5, B=100.0 ±0.2

Output

A/B ಅಥವಾ Recovery(%) ಗಾಗಿ ಅನಿಶ್ಚಿತತೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.

ಶುದ್ಧತೆ ಮತ್ತು molar mass ಹೊಂದಿರುವ molarity

Input

m, P, M, ಮತ್ತು V ಅನ್ನು ಒಟ್ಟಿಗೆ ನಮೂದಿಸಿ

Output

ಶುದ್ಧತೆ ಮತ್ತು molar mass ನ ಕೊಡುಗೆಯನ್ನೂ ತೋರಿಸುತ್ತದೆ.

Glossary

ಪ್ರಮಾಣಿತ ಅನಿಶ್ಚಿತತೆ u(x)

ಇನ್‌ಪುಟ್ ಪ್ರಮಾಣ x ಗೆ ಸಂಬಂಧಿಸಿದ ಪ್ರಮಾಣಿತ-ವಿಚಲನದಂತಿರುವ ಅನಿಶ್ಚಿತತೆ.

ಸಂಯುಕ್ತ ಪ್ರಮಾಣಿತ ಅನಿಶ್ಚಿತತೆ uc

ಎಲ್ಲಾ ಇನ್‌ಪುಟ್ ಕೊಡುಗೆಗಳನ್ನು ಸಂಯೋಜಿಸಿದ ನಂತರ ಫಲಿತಾಂಶ y ಯ ಪ್ರಮಾಣಿತ ಅನಿಶ್ಚಿತತೆ.

ವಿಸ್ತರಿತ ಅನಿಶ್ಚಿತತೆ U

U = k·uc ಆಗಿ ಲೆಕ್ಕಿಸಲಾದ, ವರದಿಯಲ್ಲಿ ತೋರಿಸುವ ಅನಿಶ್ಚಿತತೆ.

ಸಂವೇದನಾಶೀಲತೆ ಗುಣಾಂಕ c

ಒಂದು ಇನ್‌ಪುಟ್ ಬದಲಾಗಿದಾಗ ಫಲಿತಾಂಶ ಎಷ್ಟು ಬಲವಾಗಿ ಬದಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ತೋರಿಸುವ ಗುಣಾಂಕ.

ಕೊಡುಗೆ ಅನುಪಾತ

ಒಂದು ಅಂಶಕ್ಕೆ ಸೇರಿರುವ ಒಟ್ಟು variance ನ ಪಾಲು.

Formulas

  • ಪ್ರಮಾಣಿತ ಅನಿಶ್ಚಿತತೆ ಪರಿವರ್ತನೆ: u=a/k, a/√3, a/√6
  • ಸಂಯುಕ್ತ ಪ್ರಮಾಣಿತ ಅನಿಶ್ಚಿತತೆ: uc = √Σ(c_i·u_i)^2
  • ವಿಸ್ತರಿತ ಅನಿಶ್ಚಿತತೆ: U = k·uc
  • ಸಾಂದ್ರತೆ: C = m/V, (m·P)/V, (m·P)/(M·V)
  • ಡೈಲ್ಯೂಷನ್: C2 = C1·V1/V2
  • Ratio: R = A/B

ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆಗಳು

ನನ್ನ ಬಳಿ ಪ್ರಮಾಣಿತ ವಿಚಲನ ಇಲ್ಲ, ಕೇವಲ ± ಮೌಲ್ಯ ಮಾತ್ರ ಇದೆ.

ವಿತರಣೆ ಕಲ್ಪನೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡಿದಾಗ tolerance ಸಂಕೇತವನ್ನು ಪ್ರಮಾಣಿತ ಅನಿಶ್ಚಿತತೆಗೆ ಪರಿವರ್ತಿಸಬಹುದು. ಈ ಉಪಕರಣವು normal(k) ಗೆ u=a/k, ಆಯತಾಕಾರಕ್ಕೆ u=a/√3, ಮತ್ತು ತ್ರಿಕೋನಕ್ಕೆ u=a/√6 ಬಳಸುತ್ತದೆ.

ಯಾವ k ಅನ್ನು ಬಳಸಬೇಕು?

k=2 ಸಾಮಾನ್ಯ ಆಯ್ಕೆಯಾಗಿದೆ, ಆದರೆ ನಿಮ್ಮ ಮಾನದಂಡ, ಆಂತರಿಕ ನಿಯಮ, ಅಥವಾ ಗ್ರಾಹಕರ ಅವಶ್ಯಕತೆಯನ್ನು ಅನುಸರಿಸಬೇಕು. ಆಯ್ಕೆ ಮಾಡಿದ k ಅನ್ನು ಉಪಕರಣವು ಫಲಿತಾಂಶದಲ್ಲಿ ಯಾವಾಗಲೂ ತೋರಿಸುತ್ತದೆ.

ಇದನ್ನು ನೇರವಾಗಿ ವರದಿಗೆ ಅಂಟಿಸಬಹುದೇ?

ಹೌದು. ಸರಳ ಪಠ್ಯ, Markdown, CSV, ಮತ್ತು JSON ಲಭ್ಯವಿವೆ; ಸೃಜಿಸಿದ ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿ ಕಲ್ಪನೆಗಳು, ಇನ್‌ಪುಟ್‌ಗಳು, ಫಲಿತಾಂಶಗಳು, ಮತ್ತು ಪ್ರಮುಖ ಕೊಡುಗೆದಾರರು ಸೇರಿರುತ್ತಾರೆ.

ಇನ್‌ಪುಟ್‌ಗಳು ಪರಸ್ಪರ ಸಂಬಂಧಿತವಾಗಿರುವಾಗ ಇದನ್ನು ಬಳಸಬಹುದೇ?

ಮೊದಲ ಬಿಡುಗಡೆ ಸ್ವತಂತ್ರ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಊಹಿಸುತ್ತದೆ. ನಿಮ್ಮ ಇನ್‌ಪುಟ್‌ಗಳು ಪರಸ್ಪರ ಸಂಬಂಧಿತವಾಗಿದ್ದರೆ, ಫಲಿತಾಂಶ ಕಡಿಮೆ ಅಥವಾ ಹೆಚ್ಚು ಅಂದಾಜಾಗಬಹುದು.

ದೊಡ್ಡ ದೋಷಗಳು ಅಥವಾ ತೀವ್ರ ರೇಖೇತರ ಸಮೀಕರಣಗಳಿಗೆ ಇದು ವಿಶ್ವಾಸಾರ್ಹವೇ?

ಈ ಉಪಕರಣವು ಮೊದಲ-ಕ್ರಮದ propagation ಬಳಸುತ್ತದೆ. ಸಂಬಂಧಿತ ಅನಿಶ್ಚಿತತೆಗಳು ದೊಡ್ಡದಾಗಿದ್ದರೆ ಅಥವಾ ಸೂತ್ರವು ತೀವ್ರವಾಗಿ ರೇಖೇತರವಾಗಿದ್ದರೆ, ಫಲಿತಾಂಶವನ್ನು ಇನ್ನೊಂದು ವಿಧಾನದಿಂದ ಪರಿಶೀಲಿಸಬೇಕು.

Notes

  • ಈ ಉಪಕರಣವು ಸ್ವತಂತ್ರ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಊಹಿಸುತ್ತದೆ ಮತ್ತು ಮೊದಲ-ಕ್ರಮದ propagation ಮೂಲಕ ಅನಿಶ್ಚಿತತೆಯನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ.
  • ನಿಮ್ಮ ಇನ್‌ಪುಟ್‌ಗಳು ಪರಸ್ಪರ ಸಂಬಂಧಿತವಾಗಿದ್ದರೆ ಅಥವಾ ಸೂತ್ರವು ತೀವ್ರವಾಗಿ ರೇಖೇತರವಾಗಿದ್ದರೆ, ಫಲಿತಾಂಶ ಕಡಿಮೆ ಅಥವಾ ಹೆಚ್ಚು ಅಂದಾಜಾಗಬಹುದು.
  • ಯಾವುದೇ ಸಾಂದ್ರತೆ unit ಗಳ ನಡುವೆ ಸ್ವಯಂಚಾಲಿತ ಪರಿವರ್ತನೆ ಮೊದಲ ಬಿಡುಗಡೆಯ ವ್ಯಾಪ್ತಿಯಲ್ಲಿಲ್ಲ. ನೀವು ಬಳಸಲು ಉದ್ದೇಶಿಸಿರುವ unit ಅನ್ನು ನಮೂದಿಸಿ.
  • ಹಂಚಿಕೆ URL ಗಳಲ್ಲಿ ಮುಕ್ತ-ರೂಪದ labels ಮತ್ತು ಸೂತ್ರಗಳು ಸೇರುತ್ತವೆ, ಆದ್ದರಿಂದ ಗೌಪ್ಯ ಹೆಸರುಗಳನ್ನು ನಮೂದಿಸಬೇಡಿ.