测量不确定度评定与表示过程、方法、应用与实践指南

测量不确定度评定与表示：是什么？

什么是测量不确定度？

测量不确定度（Measurement Uncertainty）并非指测量误差，而是反映测量结果离散程度的参数，表示赋予测量结果的参数（或被测量的真值），它表征了在合理地赋予被测量值的分散性。简而言之，它是一个量化了我们对测量结果“不确定”程度的数值，通常以一个区间（置信区间）的形式出现，而不是一个单一的固定值。它考虑到所有已知或可疑的测量分量对结果产生的影响。

什么是评定？

评定（Evaluation）是指对测量不确定度进行定量的过程。它涉及识别所有可能引起测量结果分散的因素（即不确定度来源），对这些来源进行量化分析，并根据一定的数学模型将它们合成，最终得到一个综合性的不确定度值。这个过程的核心是遵循国际上公认的《测量不确定度表示指南》（GUM, Guide to the Expression of Uncertainty in Measurement）所确立的原则和方法。

什么是表示？

表示（Expression）是指将评定后的测量不确定度及其相关信息以规范、清晰、易于理解的方式呈现出来。这通常包括测量结果的数值、其单位、扩展不确定度的大小、覆盖因子、覆盖概率（置信水平）以及任何相关的说明。规范的表示是确保测量结果在全球范围内具有可比性和可接受性的关键环节。

GUM是什么？

GUM (Guide to the Expression of Uncertainty in Measurement) 是国际计量局（BIPM）等八个国际组织联合发布的一份指南，它提供了一套统一的、普遍适用的测量不确定度评定和表示方法。GUM方法基于误差概率分布，通过统计学和误差传播定律，将各种不确定度分量进行合成，从而得到测量结果的总不确定度。它是当今世界各国计量机构和实验室在不确定度评定方面的核心指导文件。

不确定度评定的两类方法是什么？

• A类评定（Type A Evaluation）：

  基于对一系列重复观测数据的统计分析来评定不确定度分量的方法。它适用于那些可以通过多次测量并计算其统计特性（如标准差）来量化的不确定度来源。例如，测量重复性引起的不确定度。

  • 特点： 数据驱动、统计学原理。
  • 常用统计量： 实验标准差、实验标准差的平均值、贝塞尔修正。
• B类评定（Type B Evaluation）：

  基于非统计学方法，利用已有信息（如校准证书、制造商说明书、经验、历史数据、参考资料等）来评定不确定度分量的方法。它适用于那些无法通过重复测量直接获得统计数据的不确定度来源。例如，校准证书的不确定度、仪器分辨率、参考物质的纯度等。

  • 特点： 信息驱动、经验判断、概率分布假设。
  • 常用分布： 矩形分布、三角分布、正态分布（已知标准差）、U形分布。

不确定度的关键量值是什么？

• 标准不确定度（Standard Uncertainty, u）：

  表示一个不确定度分量的标准差。无论是通过A类还是B类评定得到的不确定度，最终都应表示为标准不确定度。

• 合成标准不确定度（Combined Standard Uncertainty, u_c）：

  通过不确定度传播定律，将所有相关标准不确定度分量（包括相互关联的）进行合成后得到的总的标准不确定度。它是衡量测量结果分散性的基础。

• 扩展不确定度（Expanded Uncertainty, U）：

  由合成标准不确定度乘以一个覆盖因子（k）得到。它定义了一个包含被测量真值的大部分合理地赋予值的区间，通常与一个特定的覆盖概率（置信水平）相关联。

• 覆盖因子（Coverage Factor, k）：

  一个数值因子，用于将合成标准不确定度转换为扩展不确定度。它的选择通常基于所需的覆盖概率和有效自由度。常见的k值为2（对应约95%的覆盖概率）或3（对应约99%的覆盖概率）。

• 覆盖概率（Coverage Probability）：

  表示测量结果区间包含被测量真值的置信水平。例如，95%的覆盖概率意味着在多次重复测量中，约95%的测量结果区间会包含被测量的真值。

• 有效自由度（Effective Degrees of Freedom, v_eff）：

  用于确定在给定覆盖概率下应选择哪个覆盖因子（通常通过查t分布表）。它由Welch-Satterthwaite公式计算，考虑了所有不确定度分量的自由度和它们对合成标准不确定度的相对贡献。

测量不确定度评定与表示：为什么？

为什么要评定测量不确定度？

• 确保测量结果的可靠性与可信度： 任何测量都不是完美的，总会存在不确定性。评定不确定度能够量化这种不确定性，使测量结果更具科学性和可信度，避免单一数值带来的误导。
• 实现测量结果的等效性与可比性： 通过统一的评定和表示方法，不同实验室、不同时间、不同人员获得的测量结果可以在一个共同的置信基础上进行比较。这对于国际贸易、科学研究和技术交流至关重要。
• 支持决策制定： 许多决策（如产品合格与否、是否符合法规要求、研究成果是否显著）都依赖于测量结果。明确的不确定度信息能够帮助决策者评估风险，避免因测量不确定性而造成的错误判断或经济损失。
• 满足法规和标准要求： 许多行业标准（如ISO/IEC 17025）和监管法规都强制要求对测量结果的不确定度进行评定和报告。这是实验室获得认可和保持合规性的基本要求。
• 提升对测量过程的理解与改进： 评定不确定度的过程迫使我们深入分析测量过程的每一个环节，识别主要的误差来源和不确定度分量。这有助于发现测量方法的薄弱环节，从而指导改进测量技术和操作规程，降低不确定度。
• 明确测量结果的使用限制： 不确定度信息可以清楚地界定测量结果的适用范围和精确程度，防止用户在超出其精度限制的条件下使用测量数据。

测量不确定度评定与表示：哪里？

在哪些领域需要评定不确定度？

• 校准实验室： 提供测量仪器校准服务的机构，校准结果必须附带详细的不确定度。
• 检测实验室： 对材料、产品进行性能或成分检测的实验室，检测报告需包含不确定度信息，以评估产品是否合格。
• 工业生产与质量控制： 产品尺寸、重量、成分等关键参数的测量，其不确定度直接影响产品质量和生产效率。
• 科学研究与开发（R&D）： 实验数据分析、新方法验证、理论模型验证等，不确定度评估是科学发现和论文发表的必要条件。
• 法定计量： 涉及贸易结算、医疗卫生、环境保护、司法鉴定等领域的测量，不确定度评估是确保公平、公正的关键。
• 环境监测： 空气、水质、土壤等环境指标的测量，不确定度影响对污染水平的判断和政策制定。
• 医学与临床诊断： 血液、体液分析等，测量结果的不确定度直接关系到诊断的准确性和治疗方案的选择。

在测量活动的哪个阶段需要评定不确定度？

• 测量方法开发阶段： 在开发新的测量方法或验证现有方法时，需要对其不确定度进行初步评估，以确定其适用性和能力。
• 仪器校准阶段： 所有用于测量或产生测量结果的仪器都应定期校准，校准证书上应提供校准结果及其不确定度。
• 常规检测与测试阶段： 在日常的检测和测试工作中，每次测量结果都需要结合其不确定度进行报告。
• 科研实验数据分析阶段： 在对实验数据进行处理和解释时，必须考虑测量不确定度对最终结论的影响。
• 系统验证与确认阶段： 对复杂的测量系统或自动化系统进行验证时，不确定度评估是其性能指标的重要组成部分。

不确定度信息在哪里体现？

• 校准证书： 明确列出校准结果、其扩展不确定度、覆盖因子和覆盖概率。
• 检测报告/试验报告： 报告中应包含测量结果、其单位以及相关的扩展不确定度信息。
• 技术规范与标准： 可能规定特定测量方法的不确定度要求或推荐的评定方法。
• 科学出版物： 在学术论文和研究报告中，为了确保数据的严谨性，通常会报告测量结果的不确定度。
• 内部质量控制文件： 实验室内部的程序文件、作业指导书等可能包含不确定度评定的详细过程。

测量不确定度评定与表示：多少？

一个测量结果的不确定度有多少个分量？

一个测量结果的不确定度可以由无限多个分量组成，理论上每一个影响测量结果的因素都可能贡献不确定度。在实际评定中，我们会识别并量化那些对总不确定度有显著贡献的主要分量，而忽略那些影响微不足道的次要分量。这些分量可能来源于：

• 被测量定义的不完善。
• 实现被测量定义的方法不完善。
• 环境条件的影响（如温度、湿度、振动）。
• 测量仪器本身的误差和稳定性。
• 参考标准或参考物质的不确定度。
• 操作人员的技能和判断。
• 测量样品或试样的代表性。
• 测量过程中的重复性和再现性。
• 数据处理和计算模型的近似。
• 校准、维护不足。
• 寄生效应（如热电动势、漏电流）。

进行A类评定通常需要多少个测量数据？

对于A类评定，理论上测量次数越多，统计结果越可靠。但在实际操作中：

• 一般建议： 通常建议至少进行 5 到 10 次独立的重复测量，以获得对标准差的合理估计。
• 最少要求： 尽管原则上两次测量也能计算标准差，但其统计意义非常有限，自由度过低。对于更可靠的评定，通常应确保至少有 3 个或更多的自由度（即测量次数减1）。
• 特殊情况： 对于非常稳定的过程或高精度的仪器，在特定条件下，少量的测量（如3-5次）也可能被接受，但需要谨慎评估其合理性。

覆盖因子通常取多少？

覆盖因子（k）的选择取决于所需的覆盖概率（置信水平）以及合成标准不确定度的有效自由度。

• k = 2：

  这是最常用的覆盖因子，当有效自由度足够大（通常大于30）时，它近似对应于约95%的覆盖概率。在许多行业标准和校准实践中被推荐使用。

• k = 3：

  当需要更高的置信水平时，例如在涉及到高风险或高可靠性要求的场合，可能会选择k=3，它近似对应于约99%的覆盖概率。

• 其他值：

  对于有效自由度较小的情况，k值需要根据学生的t分布表来查取，此时k值将略大于2或3，具体取决于所需的覆盖概率和计算出的有效自由度。

不确定度的有效位数如何确定？

测量不确定度的有效位数报告有明确的规定，以避免虚假精度：

• 不确定度值本身：

  扩展不确定度（U）通常只保留两位有效数字。如果第一位有效数字是1，则可以保留三位有效数字，以避免不必要的舍入误差。例如，0.0123 mV，0.123 mV，或1.23 mV。

• 测量结果的位数：

  测量结果报告的位数应与扩展不确定度的末位对齐。也就是说，测量结果的数值应舍入到与扩展不确定度相同的十进制位数。例如，如果扩展不确定度是0.0025，则测量结果应报告到小数点后第四位。

• 示例：
  • 不确定度为 0.023 单位，测量结果为 12.345 单位。
    报告为：(12.345 ± 0.023) 单位。
  • 不确定度为 0.00128 单位，测量结果为 5.67890 单位。
    不确定度舍入为 0.0013 单位。
    报告为：(5.6789 ± 0.0013) 单位。
  • 不确定度为 0.1234 单位，测量结果为 23.4567 单位。
    不确定度舍入为 0.12 单位。
    报告为：(23.46 ± 0.12) 单位。

测量不确定度评定与表示：如何？/怎么？

如何进行测量不确定度评定？（GUM核心步骤）

GUM方法提供了一个系统的七步法来评定测量不确定度：

1. 1. 明确被测量及其定义：

   准确定义要测量的物理量（被测量），并建立其与输入量（或影响量）之间的数学关系模型。这通常是确定不确定度来源的第一步。

2. 2. 识别所有显著的不确定度来源：

   对测量过程进行全面的分析，列出所有可能对测量结果产生影响的不确定度来源。这包括仪器、方法、环境、操作者、参考标准、被测量本身等。

3. 3. 建立测量模型：

   确定被测量 Y 与所有输入量 X_i 之间的数学关系式：Y = f(X₁, X₂, …, X_n)。这个模型是后续计算的基础。

4. 4. 对每个输入量进行A类评定：

   对于那些可以通过重复测量获得统计数据的不确定度来源，计算其标准不确定度。通常是根据重复测量值的实验标准差的平均值来确定。

   • 步骤：
     1. 进行 n 次重复测量，得到 x₁, x₂, …, x_n。
     2. 计算测量平均值 x = (Σx_i) / n。
     3. 计算实验标准差 s(x_i) = √[Σ(x_i – x)² / (n – 1)]。
     4. 计算平均值的标准不确定度（即A类标准不确定度）u_A = s(x_i) / √n。
     5. 确定自由度 v_A = n – 1。

5. 5. 对每个输入量进行B类评定：

   对于那些无法通过重复测量获得统计数据的不确定度来源，利用现有信息（如校准证书、制造商说明书、经验等）来估计其标准不确定度，并假定其概率分布类型。

   • 常见信息来源：
     • 校准证书上给出的不确定度。
     • 制造商或产品规格书中的允许误差范围。
     • 参考物质证书上给出的不确定度。
     • 历史数据或实验室间比对结果。
     • 专业判断或专家共识。
   • 常见概率分布及其标准不确定度计算：
     • 矩形分布（Rectangular Distribution）： 当仅知道上下限 a 和 b，且认为在该范围内所有值出现的可能性相同。例如，数字仪器的分辨率。

       标准不确定度 u = (a₊ – a_–) / (2√3)

       其中，(a₊ – a_–)为半宽度（或总宽度的一半），通常以该分布的半宽度 a 表示，则 u = a / √3。

     • 三角分布（Triangular Distribution）： 当认为在已知区间内，中间值出现的可能性最大，两端可能性最小。例如，某些线性设备的非均匀性。

       标准不确定度 u = a / √6

       其中，a 为该分布的半宽度。

     • 正态分布（Normal Distribution）： 当已知分布的标准差，或已知置信区间和覆盖因子时。例如，校准证书给出的扩展不确定度。

       标准不确定度 u = U_cal / k_cal

       其中，U_cal 是校准证书上的扩展不确定度，k_cal 是对应的覆盖因子。

     • U形分布（U-shaped Distribution）： 当认为接近区间的两端值出现的可能性较大，中间值可能性较小。例如，正弦波交流电压的峰值误差。

       标准不确定度 u = a / √2

       其中，a 为该分布的半宽度。

   • 自由度： 对于B类评定，自由度通常被认为是无限大（∞）。当基于专业判断时，可以赋予有限的自由度以反映其不确定性。

6. 6. 计算合成标准不确定度：

   根据测量模型和不确定度传播定律，将所有输入量的标准不确定度进行合成。这涉及到计算灵敏系数和考虑相关性。

   • 不确定度传播定律（一般公式）：

     u_c(y) = √[Σ_i=1,N (∂f/∂x_i)² u²(x_i) + 2 Σ_i=1,N-1 Σ_j=i+1,N (∂f/∂x_i)(∂f/∂x_j) u(x_i,x_j)]

     其中，u(x_i,x_j) 是 x_i 和 x_j 的协方差。

   • 灵敏系数（Sensitivity Coefficient, c_i）：

     ∂f/∂x_i，表示当输入量 x_i 变化一个单位时，被测量 y 变化的量。可通过求导或数值方法确定。

     对于线性模型 Y = Σa_iX_i，则 c_i = a_i。

   • 相关性：

     当两个或多个输入量之间存在统计相关性时（例如，使用同一台不准确的测量仪器对多个不同参数进行测量），需要考虑它们之间的协方差。协方差可以表示为相关系数乘以两个输入量的标准不确定度之积。

     正相关会增加合成不确定度，负相关会减小合成不确定度，不相关则不影响交叉项。

7. 7. 计算扩展不确定度：

   将合成标准不确定度乘以合适的覆盖因子，得到扩展不确定度。需要先计算有效自由度，再确定覆盖因子。

   • 有效自由度（Welch-Satterthwaite 公式）：

     v_eff = u_c⁴(y) / Σ_i=1,N [(∂f/∂x_i)² u(x_i)]⁴ / v_i

     其中，v_i 是第 i 个输入量的标准不确定度 u(x_i) 的自由度。

   • 选择覆盖因子 k：

     根据有效自由度 v_eff 和所需的覆盖概率（通常为95%或99%），查阅学生t分布表，确定对应的t_p(v_eff) 值作为覆盖因子k。

     如果 v_eff ≥ 30，通常可以直接取 k = 2（95%）或 k = 2.58（99%）。

   • 计算扩展不确定度：

     U = k × u_c(y)

如何表示测量不确定度？

测量结果及其不确定度的表示应遵循GUM的建议，确保清晰、完整和准确：

1. 1. 报告格式：

   测量结果通常以以下格式表示：Y = y ± U (单位)

   例如：电压 V = (10.005 ± 0.012) V

2. 2. 附带信息：

   除了结果和不确定度值，还必须提供以下信息：

   • 单位： 测量结果和不确定度的单位必须一致。
   • 覆盖因子 k 的值： 明确说明所使用的覆盖因子。
   • 覆盖概率（置信水平）： 明确说明扩展不确定度对应的置信水平，例如：“在95%的置信水平下”。
   • 不确定度评定依据： 声明不确定度评定遵循《测量不确定度表示指南》（GUM）或相关标准。

   完整的报告示例：L = (20.010 ± 0.005) mm，此扩展不确定度(U)在覆盖因子k=2时，对应的置信水平约为95%，评定依据为JCGM 100:2008。

3. 3. 有效数字与舍入规则：

   • 扩展不确定度 U： 通常保留两位有效数字。如果第一位有效数字为1，则可以保留三位有效数字（如0.123）。
   • 测量结果 y： 应舍入到与扩展不确定度相同的十进制位数。

   例如：计算结果为 123.456789，不确定度为 0.02345。
   不确定度舍入为 0.023。
   测量结果舍入到小数点后第三位：123.457。
   报告为：(123.457 ± 0.023) 单位。

4. 4. 图表表示（可选）：

   在某些情况下，可以通过误差棒图等形式直观地表示测量结果及其不确定度。

如何持续维护和改进测量不确定度评定？

• 定期评审： 测量方法、仪器设备、环境条件或操作人员发生变化时，应重新评审或评定不确定度。即使没有显著变化，也建议定期（如每年或两年）对不确定度评定进行审查。
• 参加能力验证和实验室间比对： 通过与其他实验室的测量结果进行比较，验证自身不确定度评定的合理性和准确性，发现潜在问题。
• 内部质量控制： 建立严格的内部校准和维护程序，确保测量仪器的性能稳定，降低不确定度来源。
• 人员培训： 确保所有参与测量和不确定度评定的人员都经过专业培训，理解并能正确应用GUM原则。
• 经验积累与数据分析： 长期积累测量数据，并通过统计分析识别新的不确定度来源或改进对现有不确定度分量的估计。
• 利用软件工具： 借助专业的不确定度评定软件，可以提高计算效率和准确性，并方便进行敏感性分析，识别主要不确定度来源。