Corso di:

Misure e Strumentazione Industriale

Guido Perucchini

27 aprile 2016

Sommario
L’obiettivo del corso è, l’acquisizione delle competenze necessarie
alla verifica ed alla misura sperimentale di alcuni fenomeni tipici del-
l’ingegneria energetica.

Richiami di metrologia di base: modello di misura, valutazione

dell’incertezza nelle misure, sistemi ed unità di misura, proprietà sta-
tiche degli strumenti, taratura statica, certificazione e accreditamento,
le catene di misura, prestazioni dinamiche degli strumenti (con cenni
al passaggio al dominio delle frequenze).
Strumentazione analogica e digitale:il multimetro, l?oscilloscopio,
il generatore di funzioni, la conversione analogico-digitale, le schede di
acquisizione dati da PC, fondamenti di utilizzo dei microcontrollori,
sistemi di monitoraggio e controllo basati su bus di campo.
Misure meccaniche: misure di lunghezza, misure di spostamento,
misure di velocità, misure di accelerazione, misure di forza, misure di
massa, misure di pressione e misure di portata.
Misure di temperatura: scale di temperatura, termometri a resi-
stenza, termocoppie e termistori;
Misure senza contatto: utilizzo di telecamere per misure di forma
e di pirometri e termocamere per misure di temperatura.

1
Indice
1 Introduzione 3

2 Nomenclatura e concetti base di metrologia 4

2.1 La catena di misura . . . . . . . . . . . . . . . . . . . . . . . 7

3 L’incertezza di misura 9
3.1 Il numero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 L’incertezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2.1 Incertezza di tipo A . . . . . . . . . . . . . . . . . . . 12
3.2.2 Incertezza di tipo B . . . . . . . . . . . . . . . . . . . 14
3.2.3 Incertezza combinata . . . . . . . . . . . . . . . . . . . 15
3.2.4 Incertezza estesa . . . . . . . . . . . . . . . . . . . . . 16
3.3 Metodo Montecarlo . . . . . . . . . . . . . . . . . . . . . . . . 16

4 Taratura Statica 18
4.1 Caratteristiche di un dispositivo di misura . . . . . . . . . . . 18
4.2 Diagramma di taratura e curva di taratura . . . . . . . . . . 20
4.2.1 Determinazione della curva di taratura . . . . . . . . . 22

5 Sistema Normativo 23
5.1 Riferibilità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.1.1 Organismi di riferibilità . . . . . . . . . . . . . . . . . 23
5.2 Accreditamento . . . . . . . . . . . . . . . . . . . . . . . . . . 24
5.3 Metrologia e Sistema Normativo . . . . . . . . . . . . . . . . 25
5.3.1 Certificato ISO 9000 . . . . . . . . . . . . . . . . . . . 26

6 Algoritmi di Fourier per l’analisi dei segnali 27

6.1 Spettri di segnali . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.1.1 Rappresentazione tramite vettori rotanti nel campo
complesso . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.2 Serie di Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.3 Trasformata di Fourier . . . . . . . . . . . . . . . . . . . . . . 28
6.4 Leakage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

7 Campionamento di segnali 30
7.1 La conversione Analogico/Digitale . . . . . . . . . . . . . . . 30
7.1.1 Configurazione di ingresso nei sistemi di conversione
A/D . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
7.2 Sample and Hold . . . . . . . . . . . . . . . . . . . . . . . . . 30
7.3 La durata del campionamento . . . . . . . . . . . . . . . . . . 30
7.4 Aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
7.4.1 Filtri Anti-Aliasing . . . . . . . . . . . . . . . . . . . . 30
7.5 L’avvio del campionamento: trigger . . . . . . . . . . . . . . . 30

2
7.6 Campionamento asincrono vs sincrono . . . . . . . . . . . . . 31

3
1 Introduzione
Il contesto industriale in cui viviamo viene definito Industria 4.0, ovvero,
la quarta rivoluzione industriale, quella dei cyber-physical systems (CPS),
in cui un ruolo importante nella produzione è quello di internet e delle tec-
nologie definite "smart".
La centralità delle misure è evidenziata nei compiti fondamentali di moni-
toraggio, diagnostica, controllo e regolazione, in cui tramite sensori vengono
quantificate grandezze fisiche con le quali successivamente interagire nei si-
stemi.

Si elencano quindi le principali tipologie di applicazione delle misure:

• monitoraggio e diagnostica di operazioni e processi.

• controllo di operazioni e processi.

• analisi per mezzo della ingegneria sperimentale, acquisizione di cono-

scenze e validazione del modello, identificazione e collaudo.

Tra questi la principale applicazione delle misure è il controllo di opera-

zioni e processi utilizzando sensori in sistemi di controllo retroazionato:

Figura 1: schema di un sistema di controllo retroazionato

Volendo considerare, ad esempio, un problema di allineamento della navicel-

la di una turbina eolica con la direzione del vento, il cui obiettivo è quindi
di ottenere:
αvento = βnavicella (1)

4
Si necessita di una variabile di controllo fornita dal sistema, in questo
caso è la posizione angolare relativa tra navicella e direzione del vento:

variabile di controllo = ∆ = αvento − βnavicella (2)

dato un valore di βnavicella iniziale, tramite il sistema di misura si ottie-

ne un valore stimato βnavicella∗stimato , e il sistema di controllo confronterà
questa grandezza con α, nel caso queste coincidano allora il sistema fornirà
un output positivo e non dovrà effettuare nessuna retroazioni; altrimenti
∆ = αvento − βnavicella∗stimato e il sistema dovrà modificare la posizione rela-
tiva, tramite un comando di retroazione, determinando quindi un nuovo β.
Il valore di β è soggetto a diversi disturbi che entrano nel sistema ed è quindi
essenziale un costante monitoraggio attivo dei parametri di sistema.

Fondamentale è anche il ruolo dell’analisi tramite ingegneria speri-

mentale in cui la formazione di un’opinione avviene tramite i seguenti
passaggi:

a. concepimento di un modello

b. definizione di prove di verifica / falsificazione

c. esecuzione di prove sperimentali

d. misura dei risultati

e. confronto tra le misure reali e i valori previsti dal modello

f. misure reali e previste diverse −→ a

g. misure reali e previste circa uguali allora il modello è corretto −→

verifica o negazione

La parte di ingegneria è fondamentale nella progettazione, sviluppo e ri-

cerca che si avvale della sperimentazione di laboratorio, è fondamentale per
validare i modelli numerici. Il passaggio di falsificare o verificare una teo-
ria è critico: una misura con strumenti inadeguati potrebbe condurre a
conclusioni errate.

2 Nomenclatura e concetti base di metrologia

Verrano elencati alcuni termini e concetti fondamentali di metrologia. Si fa
riferimento al VIM - Vocabolario Internazionale delle Misure

• grandezza è la proprietà di un fenomeno che può essere espressa

quantitativamente mediante un numero e un riferimento

5
 • specie di grandezza è l’aspetto comune di due grandezze confronta-
bili; due grandezze della stessa specie sono dimensionalmente omoge-
nee.

• misurazione è un processo volto ad ottenere sperimentalmente uno o

più valori che possono essere ragionevolmente attribuiti ad una gran-
dezza. Comprende l’atto del misurare, l’uso di uno o più strumenti,
l’eventuale elaborazione matematica e la necessaria valutazione della
qualità del risultato. La misurazione è quindi il procedimento attraver-
so il quale si assegnano valori numerici a rappresentazione di grandezze
fisiche.

• metrologia è la scienza della misurazione e delle sue applicazioni.

• misurando è la grandezza che si intende misurare, la specificazione

di un misurando richiede la conoscenza dello stato del fenomeno, del
corpo di cui la grandezza costituisce una proprietà, includendo tutti i
relativi componenti e le entità chimiche in gioco.

• metodo di misura è la descrizione generale dell’organizzazione logica

delle operazioni messe in atto in una misurazione.

• risultato di misura è l’insieme di valori attribuiti a un misurando

congiuntamente a ogni altra informazione pertinente disponibile.
Le grandezze possono essere estensive se sono legate alla massa, se vale la
proprietà additiva e il confronto può essere eseguito in termine di rapporti;
oppure intensive se esprimono un ordine, non vale la proprietà additiva
ed i rapporti valgono solo in termini di differenze rispetto ad un valore di
riferimento, definiscono un modo di essere della materia e di solito vengono
misurate indirettamente.

I metodi di misurazione, ovvero la procedura che regola le modalità con

cui si esegue una misura, possono essere:
• DIRETTO: il metodo diretto è il metodo nel quale il valore del mi-
surando è ottenuto leggendo direttamente la grandezza di interessa,
confrontandola con un’altra della stessa specie, scelta come campio-
ne e rappresentante l’unità di misura, ad esempio la lettura di una
lunghezza con un metro da falegname.

• INDIRETTO: il metodo indiretto è il metodo nel quale la misura è

ottenuta leggendo una o più grandezze legate funzionalmente al valore
del misurando, ma non omogenee alla grandezza di interesse. Per
poter utilizzare questo metodo è necessario conoscere preventivamente
le relazioni che legano queste grandezze, ad esempio la misura dello
spostamento, leggendo in realtà un segnale in tensione.

6
Oppure possono essere classificati come metodi per deviazione, per azzera-
mento o per sostituzione:
• DEVIAZIONE se la misura del misurando è in relazione con lo spo-
stamento di un indice da uno strumento o con un altro tipo di segnale
di uscita

• AZZERAMENTO se la misura del misurando è ottenuta confron-

tandolo con un campione materiale ad esso omogeneo

• SOSTITUZIONE se il misurando è sostituito con una grandezza del-

la stessa tipologia di valore noto in modo che l’effetto sullo strumento
indicatore sia lo stesso

Figura 2: deviazione e azzeramento

• principio di misura è il fenomeno a fondamento di una misurazione.

• procedura di misura è la descrizione dettagliata di una misurazione

eseguita in conformità a uno o più principi di misura e un determinato
metodo di misura, fondato su un modello di misura e comprendente
tutti i calcoli necessari per ottenere un risultato di misura.

L’esecuzione di una misura è un investimento: è dunque opportuno che sia

adeguata alle esigenze della situazione specifica, è inutile utilizzare strumenti
dalle caratteristiche eccessivamente spinte se non vi è una reale necessità. La
scelta dello strumento di misura dipende dal grado di accuratezza richiesto.
Bisogna misurare ciò che serve, per questo motivo associato ad ogni misura
deve esistere un modello della realtà che si vuole misurare e il modello stesso
influenza la scelta dello strumento da usare e la procedura di esecuzione delle
misure.
• modello di misura è la relazione matematica tra tutte le grandezze
che si conosce essere coinvolte in una misurazione.

• grandezza d’uscita del modello di misura è la grandezza il cui va-

lore misurato è calcolato impiegando i valori delle grandezze d’ingresso
dei modelli di misura.

7
 • grandezza d’influenza è la grandezza che in una misurazione diretta
non ha effetto sulla grandezza effettivamente misurata ma influenza la
relazione tra l’indicazione e il risultato della misura.

Figura 3: modello di misura

Il modello è un insieme di relazioni tra valori di parametri, descrivente le

interazioni e/o le evoluzioni dei sistemi. Non esistono modelli migliori o peg-
giori ma solo modelli più o meno efficaci nel rappresentare le caratteristiche
dell’applicazione per cui le misure vengono fatte. Anche un modello molto
generale non ha validità assoluta ma solo relativa, ovvero per un limitato
campo di valori dei parametri che definiscono lo stato del sistema.

Esiste una grandezza principale che è l’oggetto della misura, ma altre

grandezze influenzano la misura, le grandezza di disturbo: alcune sono
identificabili come la temperatura, l’umidità, lo stato di sollecitazione ma
altre non sono identificabili perché non tutti i fenomeni sono noti. La sud-
divisione tra queste grandezze è dipendente dal tipo di modello scelto.

Una distinzione importante è tra misure statiche o stazionarie, cioè mi-

sure di grandezze le cui variazioni nel tempo sono lente e quindi si possono
pensare stabili nel tempo di osservazione, oppure misure tempo-varianti
o dinamiche cioè valutando l’effetto del tempo sulla grandezza.

2.1 La catena di misura

La catena di misura è la serie di elementi di un sistema di misura che costi-
tuisce un percorso univoco per il segnale del sensore all’elemento di uscita.
E’ composta da un sensore/trasduttore, dal condizionamento del segnale,
dalla fase di acquisizione del segnale e dalla successiva elaborazione dello
stesso.
Si definisce sensore l’elemento di u sistema di misura che è direttamente
influenzato dal fenomeno, corpo o sostanza che propongono la grandezza
da sottoporre a misura. E’ l’elemento che produce un’uscita dipendente da
una variabile fisica da cui è interessato, secondo un principio fisico fissato; è

8
quindi l’elemento sensibile che risente del misurando.

Ad esempio: la resistenza elettrica

La legge su cui si basa è la legge di Ohm V = R · I, per effetto della tem-
peratura il metallo subisce una dilatazione, con conseguente allungamento
e riduzione della sezione trasversale. Tale riduzione della sezione provoca
una variazione della resistenza, di conseguenza è possibile quantificare una
variazione di resistenza per stimare la temperatura esterna. In questo caso
la resistenza è il sensore (e non lo strumento di misura).

Si definisce trasduttore il sensore che ha la funzione di trasformare la

grandezza fornita dal sensore primario in un’uscita più facilmente trattabile.

L’uscita di un trasduttore, spesso, non può essere collegata direttamente

ad uno strumento di misura o di elaborazione. Il segnalo elettrico, oltre a
contenere componenti indesiderate e rumori, è troppo debole per poter es-
sere trasmessa a distanza.
E’ quindi possibile, tramite un circuito di condizionamento, ottenere un
segnale in un formato compatibile con il dispositivo di elaborazione, ridu-
cendo il più possibile gli effetti negativi di carico e di interferenze esterne.
I disturbi elettromagnetici, come ad esempio un cellulare nelle vicinanze,
introducono rumori nel sistema, e se la tensione registrata è piccola rispetto
al rumore, non si riesce ad ottenere una misurazione adeguata. La soluzione
a questo problema è il condizionamento del segnale tramite un sistema di
amplificazione, in modo tale da variare il rapporto tra il segnale e il disturbo.

9
3 L’incertezza di misura
Si consideri, ad esempio, la misura della resistenza in una batteria: si fa
passare una corrente nota ai poli, si misura il potenziale e di conseguenza
ricavo il valore della resistenza. In output, eseguendo varie misurazioni,
ottengo valori simili ma che si discostano per poche cifre decimali:

Ω1 = 120.44Ω
Ω2 = 120.42Ω
(3)
Ω3 = 120.39Ω
Ω4 = 120.34Ω

Si ricorda che non esiste la misura esatta poiché ci sono varie grandezze
di disturbo, che posso conoscere o non conoscere, di cui non tengo conto
misurando quindi qualcosa diversa ad ogni misurazione. La misura viene
espressa tramite un’espressione statistica: la stima campionaria Ω̄ delle
resistenze misurate. Tale valore risulta comunque non essere quello vero,
che non è conoscibile, ma risulta essere il più probabile.
La misura assumerà, quindi, un’espressione del tipo: Ω̄ ± uΩ : cioè un valor
medio ed un intervallo di confidenza. Riferendoci al caso precedente si può
dire che
resistenza = 120.40 ± 0.5[Ω] (4)
Secondo la normativa UNI4546, la misura è un’informazione costituita da:
un numero, l’incertezza e l’unità di misura, assegnati a rappresentare un
parametro in un determinato stato del sistema. Ad esempio:

massa = 10 ± 0.2[kg] (5)

3.1 Il numero
E’ essenziale capire quale sia il numero di cifre significative per l’appros-
simazione con cui si sceglie di rappresentare una grandezza, l’errore di
arrotondamento nel momento in cui si scelgono n cifre significative sarà
errore ≤ 5 · 10−n . Per capire quante sono le cifre significative è consigliabile
sempre esprimere il numero in notazione scientifica: le cifre che in notazio-
ne scientifica sono essenziali per non cambiare il valore del numero sono le
cifre significative. Il numero delle cifre significative esprime la sensibilità di
misura dello strumento.

3.2 L’incertezza
L’incertezza è un numero associato al risultato di una misurazione, che espri-
me la dispersione dei valori che possono ragionevolmente essere attribuiti al

10
misurando. Quando si esprime una misura è obbligatorio esprimere l’incer-
tezza di misura.

L’approccio classico, oggi superato, definiva l’errore come la differenza tra il

valore vero della misura e la misura effettuata, il valore vero non è noto ed
esiste solo convenzionalmente, quindi non potrò neanche conoscere l’errore.
In realtà dell’errore si può dire che è formato da due componenti:

• casuale (random) dovuta alle variazioni non prevedibili o casuali nel

tempo e/o nello spazio delle grandezze d’influenza. Tale componente
da luogo a variazioni in osservazioni ripetute sul misurando. Non è pos-
sibile correggerla/eliminarla ma si può ridurre aumentando il numero
di osservazioni.

• sistematica, se una grandezza d’influenza produce un effetto identifica-

to in un errore sistematico, tale effetto è quantificabile e correggibile.

L’approccio GUM, attualmente valido, prevede che sia possibile affermare

solo che il valore vero si trovi all’interno di un intervallo di valori, con un
certo livello di probabilità. L’incertezza è un numero associato al risulta-
to di una misurazione, che esprime la dispersione dei valori che possono
ragionevolmente essere attribuiti al misurando.

Figura 4: Incertezza: approccio attuale

Quando si parla di incertezza ci si riferisce alla sola componente casuale e,

solitamente, ci si riferisce ad un modello di distribuzione probabilistico di
tipo gaussiano.
Solo le definizioni hanno incertezza nulla, l’incertezza di una misurazione
non può essere ridotta a piacimento dato che esistono dei limiti economici e
fisici a questo processo.

Si definisce accuratezza l’accordo tra il risultato di una misura ed il va-

lore ,convenzionalmente vero, del misurando. E’ un un concetto qualitati-
vo, infatti il valore vero non è conoscibile. Si faccia riferimento a questa
relazione:
↑ accuratezza ↓ dispersione ↑ costo (6)

11
Rappresentazione degli errori:

Figura 5: Valori concentrati, poco dispersi ma distanti dal valore vero. La

misura avrò un valore casuale basso ma un errore sistematico rilevante, di
traslazione dal valore vero.

Figura 6: Valori dispersi attorno al valore vero con un rilevante errore casuale
ed un piccolo errore sistematico

Le fonti di incertezza in una misurazione sono numerose ma le più comuni

sono la non costanza dello stato del sistema tra le misurazioni, l’incompleta
definizione del sistema e la presenza di effetti strumentali.
Il concetto di uguaglianza di due misure va sostituito con quelli di compa-
tibilità, dato che non è certo il valore numerico del misurando è impossibile
parlare di uguaglianza fra due misure nel senso matematico del termine.

Si definisce compatibilità la condizione che si verifica quando le fasce di

valore assegnate, in diverse occasioni, come misura dello stesso parametro
nello stesso stato hanno almeno un elemento in comune. E’ evidente che la
compatibilità non è una proprietà transitiva.
L’incertezza è un parametro, associato al risultato di una misurazione, che
caratterizza la dispersione dei valori ragionevolmente attribuibili al misu-
rando.
Si definisce incertezza tipo, l’incertezza del risultato di una misurazione
espressa come scarto tipo.

12
 Figura 7: effetti sistematici e casuali

Figura 8: compatibilità: esempio

• valutazione dell’incertezza di categoria A: metodo di valutazione per

mezzo dell’analisi statistica, ottenuta da una densità di probabilità
derivata da una distribuzione di frequenza osservata

• valutazione dell’incertezza di categoria B: metodo di valutazione per

mezzo differenti dall’analisi statistica, ottenuta da una densità di pro-
babilità ipotizzata sulla base del grado di credenza nel verificarsi di un
evento.

3.2.1 Incertezza di tipo A

Come detto precedentemente l’incertezza di tipo A, fa riferimento ad una di-
stribuzione gaussiana dei valori delle misure effettuate, in corrispondenza

13
di un determinato valore di riferimento o di una t-Student se il numero di
campioni è modesto (ad esempio inferiore a 20 o 30).

La miglior stima dei valori attesi µx di una grandezza x che varia casual-
mente e della quale sono state ottenute n osservazioni indipendenti xk nelle
stesse condizioni sperimentali, è il valor medio x̄ delle n osservazioni:
1X
x̄ = xk (7)
n
Le singole osservazioni xk differiscono a causa di variazioni casuali delle
grandezze d’influenza, o effetti aleatori. La varianza sperimentale delle os-
servazioni, che stima la varianza σ 2 della distribuzione di probabilità di xk ,
cioè la varianza della popolazione, è data da:
1 X
s2p = s2 (xk ) = (xk − x̄)2 (8)
n−1
Questa stima della varianza e la sua radice quadrata positiva S(xk ), detta
scarto tipo sperimentale, caratterizzano la variabilità dei valori osservati xk ,
cioè la loro dispersione intorno alla media.
La miglior stima della varianza della media σ 2 (x̄) = σ 2 /n è data da Sm2:

2 Sp2 S 2 (xk )
Sm = S 2 (x̄) = = (9)
n n
S
Da cui si ottiene che Sm = √pn e quindi, al crescere della dimensione del
campione n la varianza della media diminuisce.

La misura è data dalla media e la sua incertezza è lo scarto tipo della

media stessa.
Sp
x = x̄ ± √ = x̄ ± Sm (10)
n

(Notare bene, per non fare confusione, che si sta stimando la media e l’incer-
tezza quindi va data calcolando σ sulla stima della media e non sul campione
di partenza)

Si definisce incertezza di tipo A l’incertezza relativa alla distribuzione

delle medie data da:

14
 SP
UA = S m = √ (11)
n

la misura viene quindi espressa come

µ ± UA [U dM ] (12)

3.2.2 Incertezza di tipo B

Anche questa è di tipo statistico ma, a differenza dal tipo A, la funzione
densità di probabilità viene ipotizzata a priori ed i relativi calcoli effettuati
secondo tale distribuzione. E’ consigliata quando si conosce il modello stati-
stico del fenomeno fisico in esame oppure se lo strumento di misura ha una
scala graduata.
L’uso dell’insieme di informazioni disponibili per una valutazione di catego-
ria B dell’incertezza tipo richiede capacità di approfondimento basata sull’e-
sperienza e conoscenze generali ( dati di misurazioni precedenti, conoscenza
del comportamento e delle proprietà dei materiali e strumenti di interesse,
specifiche tecniche del costruttore, dati forniti in certificati di taratura, in-
certezze assegnate a valori di riferimento tabulati.)
Tutte le valutazioni di tipo B hanno per definizioni numero di gradi di li-
bertà infinito.

Ad esempio, considerando uno strumento a display digitale in grado di misu-

rare solo i numeri interi e che non riesce ad apprezzare le variazioni decimali
del misurando. Indicando quindi una misurazione che cade tra un numero
intero (11) ed il seguente (12), come si indica la misura?

Si fa un’assunzione a priori: tutti i valori tra due numeri interi successi-

vi sono equiprobabili e si ipotizza quindi una distribuzione rettangolare,
nessun valore ha probabilità di uscita maggiore degli altri, la densità di
probabilità è f (x) = 12 a nell’intervallo e nulla altrove.

Posta a la semiampiezza dell’intervallo, simmetrico rispetto al valo-

re intero, se si accetta una distribuzione rettangolare la deviazione
standard è:
a
σ=√ (13)
3

La scelta a priori della distribuzione è comunque libera, ed è possibile optare

anche per distribuzioni trapezoidali, triangolari, ecc. ma nella maggior par-
te dei casi pratici, per semplificazione, si adotta la distribuzione rettangolare.

15
Per concludere: nel caso si abbia tempo e risorse è meglio procedere con
la stima statistica della popolazione e la determinazione dell’incertezza di
tipo A, più robusta. Altrimenti si procede con l’incertezza di tipo B, si
ricorda che se è possibile determinare l’incertezza di tipo A allora è possi-
bile determinare anche quella di tipo B. Nel caso di indecisione si sceglie il
modello più cautelativo, con incertezza maggiore che di solito risulta esser
quello di tipo A.

3.2.3 Incertezza combinata

Nella maggioranza dei casi il misurando Y non viene misurato direttamente,
ma determinato mediante altre N grandezze X1 , X2 , . . . , XN attraverso una
relazione funzionale f

Y = f (X1 , X2 , . . . , XN ) (14)

l’incertezza di Y è detta incertezza combinata, f può essere complessa

quindi per stimare Y occorrerà stimare le grandezze d’ingresso X1 , X2 , . . . , XN
e per stimare l’incertezza di Y occorrerà stimare prima le incertezze delle
grandezze d’ingresso.

Legge di propagazione dell’incertezza

v
u p 
∂f
2 2

uX
i = UC = t · i (xi ) (15)
i=1
∂xi

valida solo se l’ipotesi di non correlazione tra le variabili in ingresso

è verificata
∂y
si noti come ∂i−esimax corrisponde al peso e la formula rappresenti una som-
ma in quadratura pesata, che da quindi un peso relativo differente ad ogni
incertezza della i-esima grandezza d’ingresso.

Come si calcola l’incertezza estesa combinata e come si sceglie

il fattore di copertura in caso di incertezza composta
Se i parametri x1 , . . . , xn si distribuiscono come una gaussiana e se f è
combinazione lineare di questi parametri allora anche y = f (x1 , . . . , xn ) si
distribuisce come una gaussiana; ciò è tanto più vero quanto cresce il numero
di parametri n.
Per determinare i fattori di copertura si procede analogamente con la tabella
della distribuzione gaussiana. Nel caso invece n sia piccolo allora bisogne-
rebbe fare ricorso alla distribuzione t-Student con ν = gradi di libertà, e se
ν → ∞ allora la t-student tende ad una gaussiana.

16
3.2.4 Incertezza estesa
E’ la grandezza che definisce, intorno al risultato di una misurazione, un
intervallo che ci si aspetta comprendere una frazione rilevante della distri-
buzione di valori ragionevolmente attribuibili al misurando.

L’incertezza estesa si ottiene moltiplicando l’incertezza tipo per un oppor-

tuno fattore di ricopertura.

Lo scopo dell’incertezza estesa è la costruzione di un intervallo di valori

che contenga il misurando con una confidenza, cioè una probabilità, desi-
derata. Si noti che il valore del misurando è fisso, anche se incognito, la
variabile aleatoria sono gli estremi dell’intervallo di misura.
Un livello di confidenza 0.95 significa che, ripetendo 100 volte n misurazioni,
95 intervalli su 100 costruiti come (media ± fattore di coperatura * devia-
zione standard della media) contengono il misurando.

In caso di incertezza A, come fattori di copertura si utilizzano gli oppor-

tuni quantili della distribuzione gaussiana (n > 20) o della t- Student (n ≤
20). In quest’ultimo caso i g.d.l. della distribuzione sono pari a n-1.

Sia per la gaussiana che per la t-Student, ponendo LC = 1−α, è da scegliere

il quantile q = 1 − α/2.

Se si parla di incertezza estesa bisogna indicare:

• il livello di confidenza

• il fattore di copertura

• la distribuzione utilizzata

E’ possibile che venga richiesto di calcolare il fattore di copertura, ricavando

quindi il percentile relativo dalle tabelle della gaussiana. Ricordarsi che sulle
tabelle i valori sono indicati secondo un intervallo (− inf, z) mentre stiamo
cercando un’area del tipo (−z, z) e quindi bisogna considerare anche l’area
della coda sinistra data da 1−α2

3.3 Metodo Montecarlo

E’ il modello adatto per stimare l’incertezza combinata se:

• il modello è troppo complesso e le ipotesi per l’applicazione della

propagazione dell’incertezza non sono verificate.

• i parametri non sono indipendenti tra loro.

17
 • le leggi che legano le grandezze in input e il misurando è di tipo non
lineare.

Il metodo Montecarlo può essere applicato qualsiasi sia la distribuzione di

probabilità dei parametri in ingresso; è usato per trarre stime attraverso
simulazioni. E’ basato su un algoritmo che genera una estrazione causale
di ciascun Xi parametro, basandosi sulle distribuzioni di probabilità che si
suppone abbiano le Xi grandezze stesse. Per ogni simulazione viene stimata
la legge di distribuzione degli n parametri, ripentendo N ≥ 106 estrazioni si
ottengono N campioni della variabile casuale Y = f (X1 , . . . Xn ) dai quali si
può stimare la distribuzione di Y e quindi la relativa incertezza.

Procedura del Metodo Monte Carlo:

• definizione della grandezza da misurare Y

• definizione della grandezza d’ingresso Xi da cui dipende la grandezza

Y

• definire il modello che lega la grandezza Xi alla grandezza Y

• assegnare alla grandezze in ingresso Xi una distribuzione di probabilità

adeguata.

Propagazione dell’incertezza:

• definire un numero di iterazioni sufficientemente alto, almeno 106

• l’algoritmo MC ad ogni interazione seleziona, per ogni input, un valore

random tra quelli definiti dalla corrispettiva distribuzione.

• alla fine delle interazioni quello che si ottiene è la distribuzione di

probabilità della grandezza Y

Risultati del Metodo Monte Carlo

• ottenere la distribuzione di probabilità della grandezza Y

• stimare la media di Y dalla distribuzione ottenuta

• stimare la deviazione standard di Y

• stimare il fattore di copertura necessario, dato un determinato valore

di confidenza.

18
4 Taratura Statica
L’obiettivo è lo studio delle prestazioni degli strumenti e dei sistemi di misu-
ra con particolare riguardo alla qualità della misura. Si definiscono misure
statiche le misure di quantità costanti o che variano lentamente nel tempo.

La taratura è il processo atto a determinare la corrispondenza tra il valore in

output e la grandezza fisica che lo strumento sta misurando. Procedimento
che consiste nel confronto, in corrispondenza di definiti campi di variazione
per le grandezze di influenza, tra un dispositivo di misura (dispositivo in
taratura) ed un secondo avente caratteristiche metrologiche adeguatamente
superiori, al fine di ricavare l’insieme di dati di correzione e l’incertezza del
dispositivo di misura in taratura.

4.1 Caratteristiche di un dispositivo di misura

a. Diagramma di Taratura: relazione che permette di ricavare da
ogni valore di lettura fornito da un dispositivo, per misurazione e/o
regolazione, la misura da assegnare al misurando.

b. Risoluzione è l’attitudine di un dispositivo a risolvere stati diversi

del misurando durante la misurazione, ovvero è la più piccola parte
misurabile dallo strumento. l valore della risoluzione è la variazione
del valore del misurando che provoca una modificazione del valore di
lettura di ampiezza pari all?incertezza di lettura. La risoluzione non
può essere dedotta dal diagramma di taratura e non va confusa con la
sensibilità.

c. Ripetibilità è il grado di concordanza tra i risultati di misure suc-

cessive dello stesso misurando effettuate nelle medesime condizioni di
misura, seguite in un breve intervallo temporale cioè, se le condizioni
in cui effettuo la misurazione si mantengono costanti otterrò risultati
compatibili, cioè fasce di valori sovrapposte.

d. Riproducibilità è il grado di concordanza tra i risultati di misure suc-

cessive dello stesso misurando effettuate in condizioni di misura diver-
se; cioè non viene più vincolata la costanza delle condizioni ambientali
durante la misurazione.

e. Stabilità è l’attitudine di un dispositivo di misura a mantenere costan-

te il valore fornito in misure eseguite indipendentemente sullo stesso
misurando in un intervallo di tempo definito con identica procedura e
nelle stesse condizioni per le grandezze d’influenza. E’ quindi la ca-
pacità dello strumento di fornire valori in output costanti nel tempo
mentre vengono effettuate misure statiche.

19
 f. Deriva è la variazione in funzione di una grandezza d’influenza di
una grandezza metrologica di un dispositivo di misura. Ovvero, nel
momento in cui leggo una misura in funzione del tempo, noto che essa
si discosta dal valore costante.

g. Isteresi è la proprietà di uno strumento di fornire valori di lettura

diversi in corrispondenza di un medesimo misurando, quando questo
viene fatto variare per valori crescenti e per valori decrescenti.

Viene definita classe di uno strumento la categoria convenzionale cui ap-

partengono i dispositivi di misura che rispettano prescritti limiti riguardo
ad alcune caratteristiche metrologiche.Quando è noto che un dispositivo ap-
partiene ad una data classe di precisione, è lecito usarlo supponendo che il
valore delle sue caratteristiche metrologiche sia pari al limite fissato per esse
nella definizione della classe stessa. La classe viene indicata con un indice
di numeri e/o lettere.

20
4.2 Diagramma di taratura e curva di taratura
L’ingresso al sistema è noto con incertezza nulla, i disturbi sul sistema di
misura sono eliminati o controllati e il sistema può essere considerato come
una "scatola nera" caratterizzato da una funzione che lega in modo univoco
l’ingresso X e l’uscita Y .
Nel caso ideale, quindi, esiste perfetta corrispondenza tra i valori sperimen-
tali e legge fisica. La relazione biunivoca che lega tra loro ingresso e uscita
è una taratura statica (fissata la condizione di costanza delle grandezze di
influenza).

Figura 9: esempio caso ideale: bilancia

Ovviamente in un sistema reale sono presenti delle grandezze di influenza,

come ad esempio la temperatura ( T = T (gdi)), e quindi la curva di taratura
può subire variazioni non trascurabili: avremo in questo caso una famiglia di
curve di taratura. Le grandezze d’influenza non sono controllate e, rispetto

Figura 10: esempio caso reale: bilancia

alla condizione iniziale alcune gdi sono controllabili con un certo grado di

21
incertezza mentre altre non sono controllabili oppure sono eliminabili e in
quest’ultimo caso vengono definite disturbi.
La misura dell’output è quindi affetta da incertezza ed il legame funzionale
tra input e output è spesso complesso.

Figura 11: taratura nel caso reale

La taratura dello strumento di misura viene svolta in condizioni ambientali

il più possibile controllate per limitare la variazione dei dati, l’esperienza
sperimentale dimostra che solitamente i dati si distribuiscono approssimati-
vamente secondo la funzione densità di probabilità Gaussiana.
Tale funzione è definita da un valor medio µ e deviazione standard σ in
accordo con il teorema del limite centrale.

1 X
µ = x̄ = xk (16)
N

s
1 X
σ=s= (xk − x̄)2 (17)
N −1

Mediando le letture di misure ripetute si ottiene una stima della lettura del
trasduttore in corrispondenza del valore della misura in ingresso (grandezza
di riferimento).

La curva di taratura è quindi una relazione biunivoca tra ogni valore fornito
dallo strumento e il corrispondente valore da assegnare al misurando. Un
diagramma di taratura è fornito per determinati valori delle grandezze di

22
 Figura 12: Curva di taratura

influenza (da specificare). La curva di taratura per quanto detto prima sarà
corredata da una opportuna fascia di incertezza.

4.2.1 Determinazione della curva di taratura

Si approssimano i punti ottenuti durante le misure di taratura, in modo da
avere una espressione analitica che consenta una rapida e facile conversio-
ne dal valore letto al valore della grandezza da misurare. Se lo strumento
è lineare, la curva che approssima è una retta (regressione lineare), ma si
possono avere anche altre funzioni interpolanti (ad es. parabole), oppure
ancora funzioni non polinomiali.
Se i punti a disposizione sono più di due si passa ai procedimenti di minimiz-
zazione degli scarti fra punti sperimentali e curva (o retta) approssimante.
Si trova la retta che "mediamente" segue meglio l’andamento dei punti senza
necessariamente passare per alcuno di essi.

23
5 Sistema Normativo
5.1 Riferibilità
E’ la proprietà di una misura di essere rapportata con valori noti a campioni
appropriati, attraverso una catena ininterrotta di confronti. Senza questa
definizione, derivante direttamente dal concetto di misura, non sarebbe pos-
sibile assegnare ad un valore misurato un’unità di misura riconosciuta in
quanto non vi sarebbe un collegamento certo ai campioni che lo rappresen-
tano.
La riferibilità è una caratteristica acquisita attraverso la taratura. Le lettu-
re dello strumento vengono relazionate con un campione che già dispone di
una sua riferibilità. La strumentazione tarata presso laboratori metrologici
acquisisce la capacità di fare misure riferibile, e per questo viene chiamata
strumentazione dotata di riferibilità.

Quasi nessuno ha accesso ai campioni primari dell’unità di misura, si è

creata quindi una catena di riferibilità attraverso la quale, i campioni
secondari trasmettono via via riferibilità agli altri strumenti.

Campione primario → n-campione secondario nazionale → n-campione

secondario aziendale → n-esimo strumento d’uso comune

A ogni → corrisponde un’operazione di taratura che trasmette la riferibili-

tà. Man mano che ci si allontana dal campione primario la precisione con
cui si può misurare la grandezza diminuisce perchè l’incertezza di misura
cresce allontanandosi dal campione primario poiché:

• gli strumenti coinvolti hanno errori non correggibili.

• l’operazione di taratura produce errori di misura.

• gli errori non correggibili di un anello della catena, vengono ereditati

come incertezza di misura dall’anello successivo.

La riferibilità presuppone che sia stata stabilita una gerarchia di campioni

e strumenti.

5.1.1 Organismi di riferibilità

La convenzione del metro è il trattato, cui aderiscono i Paesi, che definisce
il SI, la responsabilità delle attività di mantenimento e aggiornamento delle
Unità SI è assegnata al CGPM - Conférence Gènèrale des Poids et
Mesures mediante il proprio organismo tecnico Comitè International
des Poids et Mesures.

24
 Figura 13: Piramide della riferibilità

In italia IMP - Istituti Metrologici Primari sono INRIM - Istitu-

ti Nazionale di Ricerca Metrologica e INMRI - Istituti Nazionale
di Metrologia delle Radiazioni Ionizzanti

Da regolamento CE N. 765/2008 è necessario assicurare che i prodotti che

beneficiano della libera circolazione dei beni all’interno della CE soddisfi-
no requisiti che offrano un grado elevato di protezione di interessi pubbli-
ci come salute e sicurezza. Di conseguenza si dovrebbero provvedere nor-
me sull’accreditamento, la vigilanza di mercato, i controlli dei prodotti
provenienti da paesi terzi.

5.2 Accreditamento
L’accreditamento è l’attestazione da parte di un organismo nazionale che
certifica che un determinato organismo di valutazione della conformità sod-
disfa i criteri stabiliti da norme armonizzate e, ove appropriato, ogni altro
requisito supplementare , compresi quelli definiti nei rilevanti programmi
settoriali, per svolgere una specifica attività di valutazione della conformità.

Attraverso la certificazione del proprio prodotto, il produttore può dimo-

strare al cliente che opera in conformità a norme internazionali e altre pre-
scrizioni specifiche attinenti al proprio campo di attività.
Solo i Laboratori di prova, Laboratori di taratura, Organismi di
certificazione e ispezioni accreditati sono in grado di fornire al mercato

25
dichiarazioni di conformità affidabili, credibili e accettate a livello interna-
zionale.

ACCREDIA è l’organismo, senza scopi di lucro, nazionale di accredita-

mento, l’unico che in uno stato membro è autorizzato a svolgere attività
di accreditamento. ACCREDIA valuta la competenza tecnica e l’idoneità
professionale degli operatori i valutazione delle conformità, accertandone la
conformità a regole obbligatorie e norme volontarie per assicurare il valore
e la credibilità delle certificazioni.

5.3 Metrologia e Sistema Normativo

Secondo la Direttiva Europea 98/34/CE del 1998 si definisce norma la
specifica tecnica approvata da un organismo riconosciuto a svolgere attività
normativa per applicazione ripetuta o continua, la cui osservanza non sia
obbligatoria e che appartenga a una delle seguenti categorie:

• ISO - Norma Internazionale

• EN - Norma Europea

• UNI - Norma Nazionale

A livello Internazionale vengono emesse delle raccomandazioni alle quali

il Paese aderente può attenersi o meno senza alcun limite di vincolo.
A livello Europeo si emettono solamente delle regole tecniche e pertanto
hanno carattere vincolante per i Paesi aderenti.
A livello Italiano vengono emesse delle norme tecniche con carattere con-
sensuale, talvolta rese vincolanti da specifiche leggi.

Le norme tecniche, sono specifiche di un organismo normatore e non

sono obbligatorie; sono documenti che definiscono le caratteristiche di un
prodotto, servizio, processo secondo lo stato dell’arte e hanno le seguenti
caratteristiche:

• Consensualità: devono essere approvate con il consenso di coloro che

hanno partecipato ai lavori.

• Democraticità: tutte le parti interessate possono partecipare ai lavo-

ro, chiunque è messo in grado di formulare osservazioni sull’iter che
precede l’approvazione finale.

• Trasparenza: UNI segnala le tappe fondamentali dell’iter di approva-

zione di un progetto di norma, mettendo il progetto stesso a disposi-
zione degli interessati.

26
 • Volontarietà: le norme sono un riferimento che le parti interessate si
impongono spontaneamente.

5.3.1 Certificato ISO 9000

Un fornitore o un’organizzazione ricorre a un Sistema Gestione Qualità cer-
tificato ISO 9000 (VISION 2000) quando ha l’esigenza di dimostrare la sua
capacità di fornire con regolarità prodotti che ottemperano ai requisiti dei
clienti e quando desidera accrescere la soddisfazione dei clienti tramite l’ap-
plicazione efficace del sistema SGQ.

La Garanzia di Qualità è un sistema di gestione operativa può sintetiz-

zarsi in "scrivi quello che fai e fai quello che scrivi" e persegue tre obiettivi
principali:

• Prevenire eventuali difetti durante il processo di lavorazione di un

prodotto in modo da non compromettere l’utilizzo del prodotto.

• Garantire la qualità del prodotto concordata dai due contraenti.

• Rafforzare la consapevolezza del problema qualità tra i dipendenti.

27
6 Algoritmi di Fourier per l’analisi dei segnali
Sotto ipotesi molto larghe un qualsiasi segnale può essere visto come som-
ma di un numero, eventualmente infinito di componenti armoniche. Questo
consente di scomporre un segnale in somma di componenti armoniche (sinu-
soidali).
Ad ogni componente armonica è associata una frequenza di oscillazione, è
quindi possibile studiare quali e quante frequenza sono presenti nel segnale
P
Vedendo il segnale Z = i yi con yi i-esima componente armonica.

yi = Ai · sin(2πfi t + ϕi ) (18)

Un segnale sinusoidale, nel dominio delle frequenze, è caratterizzato da:

• Ampiezza Ai

• Frequenza fi = 1/λ [Hz] = [1/s] avendo indicato con λ la lunghezza

d’onda, cioè il periodo T del segnale

• Fase ϕi

Per quanto riguarda le caratteristiche nel dominio della frequenza, per le

onde quadre sono rilevanti le armoniche successive alla fondamentale; nel
caso particolare di un’onda quadra avente duty cycle pari al 50% si può fa-
cilmente conoscerne la consistenza e l’ampiezza: sono presenti infatti esclu-
sivamente le armoniche dispari, e in particolare la terza, con ampiezza pari
a un terzo della fondamentale, la quinta armonica, con ampiezza pari ad un
quinto della fondamentale, e così via.

Ogni funzione periodica si ripete identicamente dopo un intervallo di tempo

T, detto periodo; ogni funzione periodica continua ha un periodo minimo
detto periodo fondamentale ed ogni altro periodo è multiplo del periodo fon-
damentale.
L’analisi di Fourier effettua una trasformazione dal dominio del tempo al
dominio delle frequenze. Per i segnali provenienti dai trasduttori si può
pensare che al trasformazione tempo-frequenze sia sempre possibile e che
qualsiasi segnale sia sempre scomponibile in somma di sinusoidi.

6.1 Spettri di segnali

Si cerca un modo alternativo alla visualizzazione nel tempo per dare i valori
di frequenza, ampiezza e di ritardo rispetto ad un riferimento iniziale della
generica sinusoide. Se le sinusoidi che compongono il segnale sono più di
una, il discorso visto si ripete per tutte le singole sinusoidi, originando lo
spettro del segnale, che deve essere definito in modulo e fase.

28
La singola sinusoide può essere vista come proiezione sull’asse reale (o imma-
ginario) di un vettore che ruota a velocità angolare ω nel piano complesso;
in maniera più rigorosa può essere vista come composizione di due vettori
che ruotano nel piano complesso con velocità angolare uguale in modulo ma
di segno opposto.

6.1.1 Rappresentazione tramite vettori rotanti nel campo com-

plesso
Il generico vettore rotante è Aej(ωt+ϕ) e contiene tutte le variabili che de-
scrivono una sinusoide o cosinusoide, con 2πf = ω pulsazione e ϕ la fase. La
rappresentazione sull’asse reale è un coseno pulsante e sull’asse immaginario
un seno pulsante. Entrambi i vettori, di ampiezza A/2, ruotano con la stessa
velocità ω ma con versi opposti e all’istante iniziale sono concordi e sfasati
rispetto all’asse reale di ±ϕ.

6.2 Serie di Fourier

Ogni segnale periodico con periodo T0 = 1/f0 può essere espresso come serie
di Fourier:
∞
X
h(t) = a0 + (ak · cos(2πfk t) + bk · sin(2πfk t)) (19)
k=1

dove si sono espressi:

k
fk = kf0 = (20)
T0
Z T0
1
a0 = h(t)dt (21)
T0 0
Z T0
2
ak = h(t)cos(2πfk t)dt k = 1, 2, 3, . . . (22)
T0 0
Z T0
2
bk = h(t)sen(2πfk t)dt k = 1, 2, 3, . . . (23)
T0 0
La serie di Fourier permette di esprimere una funzione periodica attraverso
un numero discreto di parametri, che sono le ampiezze delle componenti in
coseno alla frequenza fondamentale (f0 ) e alle frequenze multiple (kf0 )

6.3 Trasformata di Fourier

La serie di Fourier è definita solo per segnali periodici ma un segnale, costi-
tuito in generale dalla somma di più componenti armoniche, non è periodico.
La condizione di periodicità è che le frequenze associate alle diverse compo-
nenti armoniche abbiamo rapporti rappresentati da numeri razionali: esiste

29
quindi un periodo fondamentale T0 che soddisfa la relazione di periodicità.

La serie e la trasformata integrale di Fourier si applicano a segnali continui

nel dominio del tempo e con questa ipotesi le informazioni contenute sono
infinite. Nella pratica però le analisi vengono fatte tramite campionamenti
in intervalli di tempo finiti e conseguentemente il numero di informazioni che
il segnale è in grado di trasmettere è finito. questa perdita di informazioni
deve essere nota e controllata in modo che le inevitabili distorsioni possano
in ogni caso garantire un’incertezza adeguata.

N = Numero di campioni del segnale da analizzare

T
N= (24)
∆t
con T = intervallo o finestra di acquisizione e ∆t intervallo di tempo
prefissto.

Si definisce risoluzione in frequenza ∆f

1
∆f = (25)
T

6.4 Leakage

30
7 Acquisizione di segnali
7.1 La conversione Analogico/Digitale
7.1.1 Configurazione di ingresso nei sistemi di conversione A/D
7.2 Sample and Hold
7.3 La durata del campionamento
7.4 Aliasing
7.4.1 Filtri Anti-Aliasing
7.5 L’avvio del campionamento: trigger
Spesso si preferisce assoggettare la fase di acquisizione ad un segnale esterno
che dia il comando di inizio di acquisizione ad un istante t0 scelto secondo
criteri dipendenti dal tipo di prova. Questa acquisizione viene definita sin-
cronizzata con il fenomeno fisico che si sta analizzando.

Il trigger è un dispositivo che permette di incominciare ad acquisire i dati

quando un segnale preso come riferimento supera un prefissato livello (Trig-
ger Level, TL) con una prefissata tangente (slope +/-).

Figura 14: Il trigger su segnale armonico

Il trigger può essere fornito:

• da uno dei canali che vengono acquisiti (internal trigger): ad esem-

pio il picco di un segnale di forza proveniente da un eccitazione impul-
siva che mette in vibrazione la struttura in analisi; si cercano segnali
con derivata elevata e scarso rumore di fondo.

• un segnale esterno significativo per il fenomeno fisico che si sta ana-

lizzando (external trigger): ad esempio una martellata che mette in
vibrazione la struttura in analisi.

Anche con il trigger rimane un problema, dato che il segnale da acquisire

è spesso associato ad un transitorio rapido, in dipendenza dal livello scelto

31
si perde sempre la fase iniziale del fenomeno. Infatti il livello di trigger no
deve essere troppo passo per evitare che il rumore di fondo attivi il trigger
più volte, nè troppo elevato per non correre il rischio che anche il valore di
picco più elevato non attivi l’acquisizione. Per evitare questo problema c’è
la possibilità di attivare e scegliere un valore di pre-trigger I moderni siste-
mi di acquisizione infatti dispongono di memorie circolari, ring buffer, che
continuano a campionare i dati anche quando non richiesto dall’operatore;
quando la memoria è esaurita, i nuovi dati vengono sovrascritti in manie-
ra sequenziale; in questo modo quando viene attivato il trigger è possibile
accedere allo storico conservato in memoria degli istanti precedenti

Figura 15: Casi reali con pretrigger

7.6 Campionamento asincrono vs sincrono

• campionamento asincrono: si acquisiscono i campioni ad

intervalli di tempo costanti. Detto ∆t il tempo trascorso tra
una acquisizione e la successiva, si definisce la frequenza di
campionamento fc = 1/∆t

• campionamento sincrono: i campioni vengono acquisiti in

maniera sincrona con un evento (es. un punto ogni 10◦ di ro-
tazione dell?albero motore). In generale il campionamento sin-
crono è utile qualora vi sia un fenomeno fisico periodico il cui
periodo è significativo per la grandezza da acquisire.

32