Modyfikacja sposobu obliczania niepewności pomiaru

pol Artykuł w języku Polskim DOI: 10.14313/PAR_221/29

wyślij Paweł Fotowicz Główny Urząd Miar, ul. Elektoralna 2, 00-139 Warszawa

Pobierz Artykuł

Streszczenie

Wspólny Komitet ds. Przewodników w Metrologii JCGM zaproponował zmianę podejścia dotyczącą obliczania niepewności pomiaru przy wykorzystaniu prawa propagacji niepewności. Celem jest zbliżenie uzyskiwanych wyników obliczania niepewności standardowej wielkości wyjściowej z wynikiem otrzymywanym przy zastosowaniu zasady propagacji rozkładów za pomocą metody Monte Carlo. W artykule przedstawiono skutki przyjęcia nowych zasad obliczania niepewności standardowej podczas wyznaczania błędu przyrządu pomiarowego.

Słowa kluczowe

niepewność pomiaru, prawo propagacji niepewności, propagacja rozkładów

Modifying the Approach for Calculating the Measurement Uncertainty

Abstract

Joint Committee for Guides in Metrology JCGM proposed the change of an approach for calculating the measurement uncertainty using the law of propagation of uncertainty. The purpose is a comparison between the results of a standard uncertainty calculation of the output quantity with the use of the law of propagation and applying the propagation of distributions using a Monte Carlo method. In the article a results of the adoption of new approach for calculating the standard uncertainty of the measuring instrument error is presented.

Keywords

law of uncertainty propagation, measurement uncertainty, propagation of distributions

Bibliografia

  1. Bich W., Revision of the ‘Guide to the Expression of Uncertainty in Measurement’. Why and how. „Metrologia”, Vol. 51, 2014, S155–S158, DOI: 10.1088/0026-1394/51/4/S155.
  2. Supplement 1 to the GUM – Propagation of distributions using a Monte Carlo method. JCGM 101:2008.
  3. Guide to the expression of uncertainty in measurement. JCGM 100:2008.
  4. Rossi G.B., A probabilistic model for measurement processes, “Measurement”, Vol. 34, 2003, 85–99, DOI: 10.1016/S0263-2241(03)00026-5.
  5. Rossi G.B., Crenna F., A probabilistic approach to measurement-based decisions, “Measurement”, Vol. 39, 2006, 101–119, DOI: 10.1016/j.measurement.2005.10.011.
  6. Forbes A.B., Sousa J.A., The GUM, Bayesian inference and the observation and measurement equations, “Measurement”, Vol. 44, 2011, 1422–1435, DOI: 10.1016/j.measurement.2011.05.007.
  7. Elster C., Bayesian uncertainty analysis compared with the application of the GUM and its supplements, „Metrologia”, Vol. 51, 2014, S159–S166, DOI: 10.1088/0026-1394/51/4/S159.
  8. Forbes A.B., An MCMC algorithm based on GUM Supplement 1 for uncertainty evaluation, “Measurement”, Vol. 45, 2012, 1188–1199, DOI: 10.1016/j.measurement.2012.01.018.
  9. Harris P.M., Cox M.G., On a Monte Carlo method for measurement uncertainty evaluation and its implementation, „Metrologia”, Vol. 51, 2014, S176–S182, DOI: 10.1088/0026-1394/51/4/S176.
  10. Fotowicz P., Propagation of distributions versus law of uncertainty propagation, Series of Advances in Intelligent Systems and Computing, Vol. 440, Challenges in Automation, Robotics and Measurement Techniques. Springer International Publishing, 2016, 771 779, DOI: 10.1007/978-3-319-29357-8_67.
  11. Fotowicz P., Methods for calculating the coverage interval based on the Flatten-Gaussian distribution, “Measurement”, Vol. 55, 2014, 272–275, DOI: 10.1016/j.measurement.2014.05.006.
  12. Fotowicz P., Obliczanie niepewności pomiaru zgodne z definicją przedziału rozszerzenia na przykładzie opracowania wyniku wzorcowania mikrometru, „Pomiary Automatyka Robotyka”, Nr 10, 2010, 48–52.
  13. Granowski V.A., Siraja T.H., Metody obrobotki eksperymentalnych danych pri izmiereniach, Energoatom-zdat oddz. Leningrad 1990.