ISO 16610-71:2014
Especificaciones geométricas de producto (GPS) - Filtración - Parte 71: Filtros de área robustos: filtros de regresión gaussiana

Estándar No.
ISO 16610-71:2014
Fecha de publicación
2014
Organización
International Organization for Standardization (ISO)
Ultima versión
ISO 16610-71:2014
Alcance
Esta parte de la Norma ISO 16610 especifica las características del filtro de regresión gaussiano de área robusto para la evaluación de superficies que pueden contener discontinuidades de picos, así como valles profundos y picos altos. Especifica en particular cómo separar los componentes laterales de gran escala y los componentes laterales de corta escala de una superficie.

ISO 16610-71:2014 Documento de referencia

  • ISO 14253-1:1998 Especificaciones geométricas de productos (GPS) - Inspección mediante medición de piezas de trabajo y equipos de medición - Parte 1: Reglas de decisión para demostrar la conformidad o no conformidad con las especificaciones
  • ISO 16610-1 *2015-04-01 Actualizar
  • ISO 25178-3:2012 Especificaciones geométricas de producto (GPS) - Textura superficial: Areal - Parte 3: Operadores de especificación
  • ISO 80000-2:2009 Cantidades y unidades - Parte 2: Signos y símbolos matemáticos que se utilizarán en las ciencias naturales y la tecnología
  • ISO 8015:2011 Especificaciones geométricas de producto (GPS) - Fundamentos - Conceptos, principios y reglas
  • ISO/IEC Guide 98-3:2008 Incertidumbre de medición. Parte 3: Guía para la expresión de la incertidumbre en la medición (GUM:1995)
  • ISO/IEC Guide 99:2007 Vocabulario internacional de metrología - Conceptos básicos y generales y términos asociados (VIM)
  • ISO/TR 14638:1995 Especificación geométrica de producto (GPS) - Masterplan
  • ISO/TS 16610-31:2010 Especificaciones geométricas de producto (GPS) - Filtración - Parte 31: Filtros de perfil robustos: filtros de regresión gaussiana

ISO 16610-71:2014 Historia

  • 2014 ISO 16610-71:2014 Especificaciones geométricas de producto (GPS) - Filtración - Parte 71: Filtros de área robustos: filtros de regresión gaussiana



© 2023 Reservados todos los derechos.