在任何一项测量活动中，确定被测量真值都是一个理想化的目标。实际的测量结果总会带有一定的分散性或称为不确定性。这种不确定性可以来源于多种因素，根据其评估方法的不同，国际上通行的做法（如由ISO发布的《测量不确定度表达指南》GUM）将其划分为两大类：A 类不确定度和 B 类不确定度。
本文将聚焦于 B 类不确定度，深入探讨其本质、来源、评估方法及实际应用场景，而非对其进行宽泛的理论探讨。
什么是 B 类不确定度？
B 类不确定度（Type B uncertainty），也被称为非统计评估不确定度，是指那些不通过对同一条件下重复测量数据进行统计分析来评估的不确定度分量。它的评估是基于先前的知识、经验或可靠信息，而不是基于本次特定系列重复测量的统计数据。
简而言之：
- 评估依据： 依赖于外部信息或内部知识，例如：
- 校准证书中给出的不确定度。
- 制造商提供的仪器规格说明（如准确度等级、分辨率）。
- 参考手册或数据表中的数据不确定度。
- 对环境影响（如温度变化）的评估。
- 非重复性因素（如测量过程中的定位误差、操作者的经验）。
- 数学模型中使用的常数或参数的不确定度。
- 评估方式： 通常涉及对这些信息进行解释、判断，并基于合理的假设（如对误差分布类型的假定）将其转化为一个标准不确定度值。这个过程不直接涉及统计计算（如标准偏差）本次重复测量数据。
- 性质： 它可以是系统性误差的可能范围，或者是随机误差中那些无法通过重复测量充分体现的部分。
与 A 类不确定度（通过对重复测量数据进行统计计算标准偏差来评估）不同，B 类不确定度的评估更依赖于对测量过程、所用仪器和外部影响因素的深刻理解以及可用的外部信息。
B 类不确定度为何重要且必要？
评估 B 类不确定度是获得一个全面、可靠的测量不确定度预算的不可或缺的一部分。其重要性和必要性体现在：
- 全面性： 很多不确定度来源本质上是非随机的，或者其变动周期远大于测量所需时间，无法通过短时间的重复测量完全捕捉。例如，仪器的校准误差、参考物质的不确定度、环境温度的缓慢漂移等。忽略 B 类不确定度将导致不确定度评估遗漏重要分量，结果不可靠。
- 代表性： A 类评估反映的是测量过程的短期重复性。而 B 类评估则考虑了测量过程中长期存在的或来自外部的因素，如校准溯源性、标准稳定性、方法偏差等，这些因素同样影响测量结果的准确性，且可能比短期重复性影响更大。
- 实际可行性： 在某些情况下，重复测量代价高昂或根本不可能（例如，破坏性试验）。此时，评估 B 类不确定度是获取测量不确定度的主要甚至唯一途径。
- 可比性与溯源性： B 类不确定度常常涉及测量结果的溯源性，例如通过校准证书引入的标准器不确定度。评估 B 类不确定度确保了测量结果及其不确定度可以在不同时间、不同地点、不同实验室之间进行有意义的比较，并且与国家或国际计量基准建立联系。
- 指导改进： 通过识别和评估主要的 B 类不确定度来源，我们可以了解哪些因素对测量结果的总不确定度贡献最大，从而有针对性地采取措施进行改进，如优化测量方法、使用更精确的仪器、控制环境条件等。
因此，无论测量活动多么简单或复杂，认真识别和评估 B 类不确定度分量，并将其与 A 类不确定度进行合理合成，是获得一个符合要求的测量不确定度报告的基础。
B 类不确定度通常来源于哪里？
B 类不确定度的来源非常广泛，它们往往与具体的测量对象、测量方法、使用的仪器、环境条件以及操作人员的经验等因素紧密相关。以下是一些常见的 B 类不确定度来源分类及其具体示例：
仪器特性相关的来源
- 仪器校准的不确定度： 这是最常见的 B 类来源之一。由更高一级标准器或计量机构提供的校准证书中会给出被校仪器的不确定度。这个不确定度通常已经是合成后的扩展不确定度，需要进行转换。
- 仪器规格或准确度等级： 制造商在产品手册或技术规范中会给出仪器的准确度、线性度、滞后、漂移等指标。这些指标描述了仪器在规定条件下的性能范围，其限值可以作为 B 类不确定度评估的依据。
- 分辨率或量化误差： 数字显示仪器（如数字电压表、电子天平）的最小读数间隔引入的不确定度。模拟仪器的读数能力也存在类似的限制。
- 零点漂移或量程漂移： 仪器在一段时间内或在不同操作条件下的性能变化。
- 滞后 (Hysteresis)： 仪器的输出与输入变化方向有关，在同一输入值下，随着输入值增大或减小得到的输出可能不同。
- 非线性： 仪器的输入-输出关系偏离理想的线性关系。
标准或参考相关的来源
- 参考标准或标准物质的不确定度： 用于校准或比对的参考标准或标准物质本身带有不确定度，这通常在其证书中给出。
- 参考数据的不确定度： 从手册、文献、数据库中查阅的物理常数、材料特性、转换系数等数据，它们可能带有已知或可估计的不确定度。
方法或环境相关的来源
- 环境因素的影响： 温度、湿度、压力、光照、振动、电磁干扰等环境条件对测量结果的影响。这些影响如果未被完全补偿或校正，其残余影响会引入不确定度。
- 测量方法本身的局限性： 采样误差、测量几何形状（如角度、距离）、装夹方式、接触电阻等因素带来的偏差。
- 数学模型或计算方法的不确定度： 用于处理测量数据或建立被测量与输入量之间关系的数学模型可能不完善或引入近似误差。
- 对被测量定义的理解不确定： 对于复杂或抽象的被测量，其定义可能不够明确，导致不同测量者或方法存在理解上的差异。
人工判断或经验相关的来源
- 读数误差： 在读取模拟仪表或刻度时，由于视差、对齐等原因引入的判断误差。
- 操作者因素： 不同操作者由于技能、经验、习惯等差异可能引入的系统性偏差，如果这些差异无法通过重复测量充分反映，则需要通过 B 类评估。
- 基于经验或专家判断的估计： 在缺乏详细信息或数据的情况下，依靠具有相关知识和经验的人员对某个不确定度来源范围进行的合理估计。
识别这些来源是进行 B 类不确定度评估的第一步。需要对整个测量过程进行系统分析，考虑所有可能影响最终结果的因素。
如何评估和量化 B 类不确定度分量？
量化 B 类不确定度分量是将识别出的非统计来源的影响转化为一个标准不确定度值 (`u_i`) 的过程。这个过程通常涉及估计误差的可能范围，并假定一个合适的概率分布来计算等效的标准偏差。
评估 B 类不确定度的基本步骤
- 识别来源： 详细审查整个测量过程，列出所有可能引入不确定度的非统计性因素。
- 获取信息： 查阅相关的校准证书、仪器手册、技术规范、参考资料、标准或文献，收集关于这些来源的信息（如给定的不确定度、准确度限值、变化范围）。
- 估计范围： 根据获取的信息，估计每个不确定度来源可能引入的误差的最大可能范围（通常是以对称或不对称限值 `+a` 和 `-a` 表示的区间，或是一个标准的偏差值）。如果信息是扩展不确定度，需要考虑其包含因子和分布。
- 选择分布类型： 根据对误差来源性质的了解，选择一个最能代表误差在该范围内分布的概率分布类型（如矩形分布、三角形分布、正态分布、U形分布等）。
- 计算标准不确定度： 根据选定的分布类型和估计的误差范围，计算对应的标准不确定度 (`u_i`)。标准不确定度是与选定分布的标准偏差等效的值。
常用的分布类型及其量化方法
选择合适的概率分布是 B 类评估的关键步骤，它反映了对误差分布形状的最佳估计。以下是一些常见的分布类型及其标准不确定度的计算方法（假设估计的误差范围是 `-a` 到 `+a`，即总范围为 `2a`）：
矩形分布 (Rectangular Distribution)
描述： 假定误差在估计的范围内等概率分布。这是最常见的 B 类评估分布，常用于当已知误差范围限值，但对范围内具体如何分布缺乏更多信息时（例如，制造商给出的对称准确度范围，未指定更高置信水平）。
标准不确定度计算： `u_i = a / sqrt(3)`其中，`a` 是误差范围的半宽度，即最大可能误差的绝对值。
三角形分布 (Triangular Distribution)
描述： 假定误差最可能出现在范围的中心（概率最大），并向两侧极端值线性递减至零。常用于累加效应或当已知误差范围限值，且有理由认为极端值发生的概率较低时（例如，数字分辨率误差，或将两个独立且服从矩形分布的误差源相加的简化处理）。
标准不确定度计算： `u_i = a / sqrt(6)`其中，`a` 仍是误差范围的半宽度。
正态分布 (Normal Distribution)
描述： 假定误差分布围绕均值呈对称钟形。常用于以下情况：
- 信息源直接提供了标准偏差 (`σ`) 或扩展不确定度 (`U`) 和包含因子 (`k`)。
- 误差来源是许多小而独立的因素的累加效应（根据中心极限定理）。
- 基于大量的先验数据或专家判断认为误差服从正态分布。
标准不确定度计算：
- 如果已知标准偏差 `σ`：`u_i = σ`
- 如果已知扩展不确定度 `U` 和包含因子 `k`：`u_i = U / k` (最常见，例如来自校准证书)
- 如果已知范围 `±a` 对应于某个置信水平（如 99.7%，即 `a ≈ 3σ`）：`u_i = a / 3`
U 形分布 (U-shaped Distribution)
描述： 假定误差在范围的中心概率最低，向两侧极端值概率升高。相对不常见，可能用于描述某些周期性误差，例如交流电压或电流测量的相位误差未被完全修正时。
标准不确定度计算： `u_i = a / sqrt(2)`其中，`a` 是范围的半宽度。
具体来源的量化示例
以下将一些常见的 B 类不确定度来源与量化方法结合：
基于校准证书
假设校准证书给出仪器在某点的测量结果为 X，扩展不确定度为 U，包含因子 k=2。这意味着在约 95%的置信水平下，该点的真值在 [X-U, X+U] 区间内。此处的标准不确定度 `u_cal = U / k = U / 2`。通常假定校准误差服从正态分布。
基于仪器说明书或规范
假设仪器说明书声称其在测量范围内的准确度为 `±0.5% F.S.` (满量程)。如果对误差的分布没有更多信息，通常保守地假定为矩形分布。满量程为 FS。误差范围的半宽度 `a = 0.005 * FS`。标准不确定度 `u_spec = (0.005 * FS) / sqrt(3)`。
如果说明书给出的是 “±0.5% F.S., k=2” 或类似包含因子的形式，则应按正态分布处理，`u_spec = (0.005 * FS) / 2`。
基于分辨率
对于数字显示仪器，最小读数间隔称为分辨率 `d`。假设显示的数值可能偏离实际模拟值的范围是 `±d/2`。通常假定误差在 `±d/2` 范围内呈矩形分布（认为任何数值出现在该间隔内的概率是均等的）。误差范围的半宽度 `a = d/2`。标准不确定度 `u_res = (d/2) / sqrt(3)`。
基于参考数据
如果从文献中查阅某个常数 C，文献中给出了其值及其标准不确定度 `u_C`。那么该常数引入的 B 类标准不确定度就是 `u_C` 本身。如果文献给出的是置信区间和置信水平，则需要像处理扩展不确定度一样转换。
基于经验或专家判断
如果通过经验判断某个误差源（例如，操作人员未完全纠正的系统性偏差）可能导致测量结果偏离不超过 `±δ`。在缺乏进一步信息时，最保守和常见的做法是假定误差在 `±δ` 范围内呈矩形分布。误差范围的半宽度 `a = δ`。标准不确定度 `u_exp = δ / sqrt(3)`。
如果专家认为误差更有可能集中在中心，两端较少，可以考虑三角形分布：`u_exp = δ / sqrt(6)`。
评估 B 类不确定度的过程需要审慎的判断和合理的假设。记录下评估所依据的信息、假定的分布以及计算过程至关重要，以便日后回顾和验证。
在哪些场景或行业中 B 类不确定度评估尤为关键？
B 类不确定度的评估在所有需要可靠测量结果的领域都至关重要，尤其是在那些对测量准确度和可信度要求极高的行业和场景：
- 计量校准实验室： 这是 B 类不确定度评估的核心场所。实验室的校准能力、溯源性均体现在其对标准器、方法和环境等各种 B 类来源的识别和量化能力上。出具的校准证书必须包含详细的不确定度信息。
- 制造业质量控制： 产品的尺寸、性能参数测量需要追溯到标准，仪器的校准状态、环境条件、夹具误差等 B 类因素直接影响产品合格判定。
- 科学研究与实验： 实验数据的可靠性很大程度上取决于对测量不确定度的完整评估，包括仪器误差、环境影响、试剂纯度、模型参数等 B 类来源。
- 环境监测： 对空气、水质等污染物含量的测量，仪器的校准、采样方法、标准物质的不确定度都是重要的 B 类分量，直接影响监测结果的有效性。
- 临床医学检验： 医疗诊断依赖于精确的检验结果。检验仪器的校准、试剂批次差异、室内环境控制、参考物质不确定度等 B 类因素对检验结果的可信度至关重要。
- 法律计量： 在涉及贸易结算、安全防护、环境保护等领域，测量结果可能具有法律效力（如加油机的计量、交通测速）。对测量不确定度的完整评估（包括所有可能的 B 类来源）是确保公平性和准确性的基础。
- 工程与建造： 结构件的尺寸、材料强度等测量，仪器的校准、测量方法（如应变片粘贴）、环境条件（如温度应力）等都会引入 B 类不确定度。
在这些领域，一个不完整或错误的 B 类不确定度评估可能导致错误的决策、不合格产品的放行、科学结论的偏差甚至法律纠纷。因此，对 B 类不确定度进行认真、系统的评估是保障测量质量的基石。
评估 B 类不确定度时应注意什么？
进行 B 类不确定度评估时，有一些常见的挑战和需要注意的事项：
- 系统性分析： 切勿遗漏重要的不确定度来源。建议使用鱼骨图、因果图等工具，或按照输入量对测量过程进行系统性分解，确保考虑了所有可能的影响因素。
- 信息来源的可靠性： 用于评估的信息（校准证书、手册、文献等）必须是可靠和最新的。注意检查校准证书的有效性、制造商规格是否适用于当前使用条件等。
- 分布类型的选择： 假定误差分布需要基于合理的理由。在缺乏明确信息时，矩形分布通常是最保守的选择，但如果已知更多信息，应选择更合适的分布类型（如正态分布或三角形分布）。
- 避免双重计算： 确保同一个不确定度来源不会在 A 类和 B 类评估中重复计算，或在不同的 B 类分量中重复计算。例如，如果仪器的校准证书已包含了其漂移不确定度，则不应再单独评估仪器的漂移作为另一个 B 类分量（除非评估的是校准后在两次校准间隔期间的额外漂移）。
- 偏离的评估： B 类评估往往是针对误差的“可能范围”进行。如果存在已知的、显著的系统偏离（如仪器零点未归零、环境影响未完全校正），应首先尝试进行修正。未被修正的残余偏离及其不确定性才作为 B 类不确定度分量进行评估。
- 主观判断的记录： 当评估依赖于经验或专家判断时，务必详细记录判断的依据、涉及的人员以及假定的范围和分布类型。这有助于评估的可追溯性和后续的审查。
- 合理性检查： 评估完成后，对计算出的 B 类不确定度分量进行合理性检查。它们是否与对测量过程的直观理解相符？如果某个分量异常大或异常小，需要重新审查评估过程。
- 不确定度预算的构建： 识别和量化 B 类不确定度分量是构建完整测量不确定度预算的一部分。这些分量需要与 A 类分量一起，通过适当的方法（通常是平方和开方，即 RSS 法，也称为方差合成）进行合成，得到合成标准不确定度，并最终计算扩展不确定度。
B 类不确定度的评估是一个结合了科学知识、技术经验和逻辑判断的过程。虽然不如 A 类评估那样直接依赖于统计公式，但其重要性不容忽视，其评估质量直接关系到最终测量结果及其不确定度的可靠性。
总之，B 类不确定度是测量不确定度中来源于非统计分析的部分，它基于先验信息、经验和合理假定进行评估。识别所有相关的 B 类来源，理解不同分布类型的计算方法，并审慎地进行量化，对于获得一个全面、准确、可靠的测量不确定度评估至关重要。这不仅是符合计量规范的要求，更是确保测量结果具有实际应用价值和可信度的基础。
