Врахування ексцесів вхідних величин у процедурі оцінювання невизначеності вимірювань на прикладі калібрування гирі

Автор(и)

  • Igor Zaharov Національний науковий центр “Інститут метрології”, вул. Мироносицька, 42, 61002, Харків, Україна Харківський національний університет радіоелектроніки, пр. Науки, 14, 61166, Харків, Ukraine
  • Olesia Botsiura Харківський національний університет радіоелектроніки, пр. Науки, 14, 61166, Харків, Ukraine
  • Oleksandra Patsenko Національний науковий центр “Інститут метрології”, вул. Мироносицька, 42, 61002, Харків, Україна Харківський національний університет радіоелектроніки, пр. Науки, 14, 61166, Харків, Ukraine

DOI:

https://doi.org/10.24027/2306-7039.3.2020.216839

Ключові слова:

невизначеність вимірювань, калібрування, гиря, нелінійне модельне рівняння, метод ексцесів

Анотація

Аналізується приклад 9.3.1.1 з JCGM-S1 “Калібрування маси”, в котрому описуються звірення у повітрі еталонної гирі з гирею, що калібрується, які мають одну і ту ж саму номінальну масу. Здійснюється формування моделі вимірювань. Показано, що отримана модель є нелінійною відносно ряду вхідних величин.

У JCGM-S1 порівнюються процедури оцінювання невизначеності, що виконуються на основі концепції невизначеності GUM і методу Монте-Карло.

У статті використовується процедура, яка розроблена авторами та полягає у розкладанні моделі вимірювання в ряд Тейлора другого порядку з урахуванням ексцесів розподілів вхідних величин.

Оцінюється зміщення результату вимірювань. Отримано вирази для часткових похідних другого порядку. Показано, що для моделі, яка аналізується, їхні значення дорівнюють нулю, тому значення зміщення числового значення вимірюваної величини також дорівнюватиме нулю. Здійснюється обчислення стандартної невизначеності вимірюваної величини з урахуванням часткових похідних другого порядку та ексцесів вхідних величин. Показано, що отримане значення стандартної невизначеності суттєво відрізняється від аналогічного значення, отриманого за процедурою GUM.

Для знаходження розширеної невизначеності застосовується метод ексцесів. Показано хороший збіг результатів, отриманих запропонованим методом, із результатом, отриманим методом Монте-Карло.

Наведено бюджет невизначеності, який відрізняється від звичайного бюджету двома додатковими стовпцями, що враховують нелінійність моделі вимірювань. Присутність додаткових стовпців дозволяє отримувати незміщену оцінку вимірюваної величини та її невизначеності при нелінійному модельному рівнянні.

Посилання

JCGM 101:2008. Evaluation of measurement data − Supplement 1 to the “Guide to the expression of uncertainty in measurement” − Propagation of distributions using a Monte Carlo method. JCGM, 2008. 90 p.

JCGM 100:2008. Evaluation of measurement data – Guide to the expression of uncertainty in measurement. JCGM, 2008. 134 p.

Zakharov I.P., Vodotyka S.V. Application of Monte Carlo simulation for the evaluation of measurements uncertainty. Metrology and Measurement Systems, 2008, vol. 15, no. 1, pp. 118‒123.

Uncertainty machine. Available at: https://uncertainty.nist.gov/

Botsiura O., Zakharov I., Neyezhmakov. P. Reduction of the measurand estimate bias for nonlinear model equation. Journal of Physics: Conf. Series, 2018, 1065, 212002, pp. 1–4. DOI: https://doi.org/10.1088/1742-6596/1065/21/212002

Zakharov I., Neyezhmakov P., Botsiura O. Reduction of the bias of measurement uncertainty estimates with significant non-linearity of a model equation. Journal of Physics: Conf. Series, 2019, 1379, 012013, pp. 1‒5. DOI: https://doi.org/10.1088/1742-6596/1379/1/012013

Zakharov I.P., Botsyura O.A. Calculation of Expanded Uncertainty in Measurements Using the Kurtosis Method when Implementing a Bayesian Approach. Measurement Techniques, 2019, vol. 62(4), pp. 327‒331. DOI: https://doi.org/10.1007/s11018-019-01625-x

##submission.downloads##

Опубліковано

2020-09-30

Номер

Розділ

Статті