假人的校准不确定度

目录

• 介绍
• 什么是测量不确定度?
• 经典的“一根绳子”不确定性的例子
• 不确定性的组件
• 你们的参考标准(校准器)及其可追溯性
• 其他不确定性来源
• 是通过校准还是不通过校准?
• 例子
• TUR / TAR比值与不确定性计算
• 总结和关键要点

意识到与测量相关的不确定度是一个非常基本的概念 除非您意识到相关的不确定度，否则您不应该真正执行任何测量 ．

对不确定性的普遍认识和兴趣似乎正在增长，这是很好的。

测量的不确定度可以来自各种来源，包括用于执行测量的参考测量设备、环境条件、执行测量的人员、程序和其他来源。

有一些校准不确定度指南、标准和可用的资源，但这些大多都是数学公式。在本文中，我已设法把数学公式减到最少．

不确定性的估计和计算可能是相当复杂的，但我已经尽了最大的努力来理解它。

什么是测量不确定度?

测量的不确定度是什么?简单地说，它是测量中的“怀疑”，所以它告诉我们测量有多好。我们所做的每一次测量都有一些“怀疑”，我们应该知道有多少，以便能够决定测量是否足够好。

记住这一点很好误差和不确定性是不同的．在校准中，当我们将要校准的设备与参考标准进行比较时，误差是这两个读数之间的差异。的除非我们知道测量的不确定度，否则误差是没有意义的．

经典的“一根绳子”不确定性的例子

让我们举一个简单的例子来说明实际中的测量不确定度;我们把同一根绳子给三个不同的人(一次一个)，让他们测量绳子的长度。没有给出额外的说明。他们可以使用自己的工具和方法来衡量。

很有可能，你会得到三个不同的答案。例如:

• 第一个人说绳子大约60厘米长。他用一把10厘米长的塑料尺测量了一遍绳子，得出了这个结论。
• 第二个人说它有70厘米长。他用了一根3米长的卷尺，检查了几次结果，以确保他是正确的。
• 第三个人说它长67.5厘米，不确定度为±0.5厘米。他用一根精确的卷尺测量了绳子几次，得到了平均值和标准偏差。然后，他测试了绳子被拉时的拉伸程度，并注意到这对结果有很小的影响。

即使是这个简单的例子也表明有很多事情会影响测量的结果:使用的测量工具，使用的方法/过程，以及工作人员的工作方式。


所以，你应该问自己的问题是:

在你们工厂，当进行校准工作时，上述三个例子中的哪一个?

在您的站点使用什么样的“尺子”，测量方法/过程是什么?

如果你只是在不知道相关不确定性的情况下测量一些东西，结果就没有多大价值。

不确定性的组件

标准偏差-不确定性的重要组成部分

总测量不确定度有几个组成部分，其中最重要的是标准偏差我们接下来讨论这个问题。

一个简单但有价值的做法是多次重复测量/校准，而不是只执行一次。你很可能会发现重复两次测量结果之间的细微差异。但哪种测量是正确的呢?

在不深入研究统计数据的情况下，我们可以说，一次测量是不够的。如果重复相同的测量多次，您可以找到测量的平均值和标准偏差，并了解重复之间的结果差异有多大。这意味着您可以找到测量之间的正常差异。

您应该执行多次测量，甚至多达十次，以便在统计上足够可靠以计算标准偏差。

这种不确定性分量，通过计算标准偏差得到，被称为a型不确定性分量。

但你可能会说，在实践中，将相同的测量重复十次是不可能的。

幸运的是，您并不总是需要进行十次重复，但您仍然应该通过有时重复相同的测量多次来试验您的测量过程。这将告诉您整个测量过程的典型偏差是什么，您可以在未来使用这些知识作为与该测量相关的不确定度分量，即使您在正常校准期间只执行一次测量。

想象一下，当多次执行温度测量/校准时，您了解到重复之间有±0.2°C的差异。下次进行相同的测量时，即使只进行一次测量，您也会意识到±0.2°C可能存在的差异，因此您可以考虑到这一点，不要让测量太接近接受极限。

如果你反复校准类似种类的仪器，通常只进行一次测量并使用典型的实验标准差就足够了。

总之，你应该时刻注意校准过程的标准偏差——它是总不确定度的重要组成部分。

你们的参考标准(校准器)及其可追溯性

最大的不确定性来源之一通常来自您正在使用的参考标准(或校准器)在你的测量/校准。

当然，首先你应该为每项测量选择一个合适的参考标准。

同样重要的是要记住，仅仅使用制造商的精度规范作为参考标准，并将其作为参考标准的不确定度多年使用是不够的。

相反，你们必须在有足够能力(足够小的不确定度)校准标准并使其可追溯的校准实验室定期校准参考标准。注意实验室提供的校准的总不确定度作为你的参考标准。

此外，在两次校准之间，应注意参考标准的稳定性。一段时间后，你就会知道你的参考标准的真正不确定度，你就可以在你的校准中使用这些信息。

其他不确定性来源

在白皮书中，你可以找到关于其他不确定性来源的更详细的讨论。

这些包括:

• 待测设备(DUT)
• 参考标准(校准器)
• 进行测量/校准的方法/过程
• 环境条件
• 执行测量的人员
• 额外的不确定度分量取决于被测量/校准的数量

这些不确定性分量被称为B型不确定度分量。

在本节中，我们将讨论以下场景:您已经执行了校准，证书上有结果，并且将结果与公差限制进行了比较。是时候提出几个大问题了:这是一个通过或失败的校准?它是在容忍范围内还是在容忍范围外?

遵从性声明-通过或失败

通常，当你校准仪器时，你有预先定义的仪器必须满足的公差限制。当然，您可以在没有公差限制的情况下执行一些校准，但在过程工业中，公差水平通常是预先设置的。

公差水平表示结果与真实值的差异有多大。如果校准结果的误差在公差范围内，则为a通过了校正时，如果某些误差超出容许范围，则为失败的校准。这听起来很简单，就像基础数学一样。能有多难呢?

重要的是要记住，仅仅考虑误差是不够的;您还必须考虑校准的总不确定度!

考虑到不确定性，情况就完全不同了。正如白皮书中所讨论的，不确定性的来源有很多。接下来让我们看一些例子。

例子#1 -引用有太大的不确定性

假设您要校准的过程变送器的公差水平为其测量范围的±0.5%。

在校准过程中，你会发现最大的误差是0.4%，所以这听起来像是一个合格的校准，对吗?

但是如果所使用的校准器的不确定度规格为±0.2%呢?那么0.4%的成绩可能是及格或不及格——这是不可能知道的。

此外，在任何校准过程中，也有许多其他来源引起的不确定性，如结果的标准偏差、可重复性、校准过程、环境条件等。

当你估计所有这些不确定性成分的影响时，更有可能是校准失败了，尽管一开始看起来像是通过了。

例子#2 -不同的情况

让我们看一下下一个示例的图形说明，以便更容易理解。下图中拍摄了四个校准点，菱形表示实际校准结果。结果上方和下方的线表示每个校准点的总不确定度。黑色水平线表示公差极限。

我们可以这样解释上面所示的不同情况:

• 情况1:即使考虑到不确定性，这显然也在公差范围内。所以我们可以说这是通过了。
• 案例4:这也是一个明确的案例。即使在考虑不确定性之前，结果也超出了容忍限度，因此这显然是失败的。
• 案例2和案例3:这些比较难判断。在情况2中，结果似乎在公差范围内，而在情况3中，结果在公差范围外，特别是如果你不关心不确定性的话。但考虑到不确定性，我们真的不能充满信心地这么说。

有一些法规(例如，ILAC G8:1996 -规范符合性评估和报告指南;EURACHEM / CITAC指南:在符合性评估中使用不确定度信息，2007年第一版)，用于说明校准的符合性。

这些指南建议只有当误差加上不确定度小于公差极限时，结果才应被认为是合格的。

他们还建议，只有当添加或减去不确定性的误差大于容许限度时，才应该认为结果是失败的。

当结果比不确定度的一半更接近公差极限时，他们建议将其称为an“定义”情境，也就是说，你不应该把结果说成是通过还是失败。

多年来，我们看到许多人用不同的方式来解释不确定性和通过/失败的决定。在实践中，在通过/失败的决策过程中，不确定性往往不被考虑在内，但在做决定时，意识到不确定性是非常重要的。

例子#3 -不同的不确定性

另一种需要说明的情况是总不确定性不总是相同的。

案例1和2有相同的测量结果，所以如果没有不确定性，我们会认为它们是相同级别的测量。

但是当考虑到不确定度时，我们可以看到情况1真的很糟糕，因为不确定度太大了，不能用于给定公差极限的测量。

看看情况3和4，情况3似乎更好，但由于不确定性，我们可以看到它不够好，不足以通过声明，而情况4是。

我想再次指出在判断测量结果之前，我们需要知道不确定度．如果没有不确定性计算，情况1和2看起来相似;考虑到不确定性，它们是非常不同的。

TUR / TAR比值与不确定性计算

病重(试验不确定度比)和焦油(测试正确率)在各种出版物中经常被提及。一些出版物甚至认为，如果TUR/TAR比值足够大，就不必担心不确定性估计/计算。

常用的TAR比例是4:1。简而言之，这意味着如果你想校准1%的仪器，你的测试设备的精度应该提高四倍，即它的精度应该达到0.25%或更高。

一些指南/出版物也有关于这个比例的建议。大多数情况下，如上述示例所示，比值用于比较被测设备(DUT)的规格和制造商的参考标准规格。

但在这种情况下，你只考虑参考标准(测试设备，校准器)规格，而忽略了所有其他相关的不确定性。

虽然这对于某些校准来说可能“足够好”，但该系统并没有考虑到所有的不确定性来源。

为了得到准确的结果，强烈建议您进行不确定度评估/计算，同时考虑到整个校准过程。

我们经常被问到的一个问题是“与待校准的设备相比，校准器应该精确多少倍?”虽然可以给出一些建议，但这个问题并没有真正正确的答案。相反，你应该意识到你校准的完全不确定性。当然，它应该反映您的需求!

总结&白皮书的关键要点

如欲进一步了解这一主题，请下载并阅读本帖所链接的白皮书。

以下是简短的要点清单:

按下列图片下载免费白皮书文章(pdf格式):

你可能也会喜欢这个和不确定性有关的:

• 使用干块进行温度校准的不确定度分量

另外，请查看文章什么是校准在我们的网站。