测量不确定度评定入门：说人话版

计量内校员系列 · 第9篇/共10篇

测量不确定度评定入门
说人话版，不整数学公式

别被"不确定度"三个字吓跑——它其实比你想的简单得多

前两天有个内校员朋友微信问我："老师，客户要求我们提供测量系统的不确定度报告，还要用GUM方法评定。我一看JJF 1059.1那个标准就头大——全是公式和统计术语。我大专学历真的能学会吗？"我说："你先别看标准，听我给你打个比方你就懂了。"

"不确定度"这三个字确实吓退了很多人。

一提到它，大家脑子里浮现的就是：正态分布、自由度、A类B类评定、合成标准不确定度、包含因子……

停！今天我们不聊那些。

这篇文章的目标只有一个：让你在完全不碰复杂公式的情况下，理解不确定度是什么、为什么要评、怎么评一个最简单的版本。

1先搞清楚：不确定度 ≠ 误差

这是最重要也最容易被混淆的概念。让我用一个生活中的例子来说明：

用打靶来理解不确定度 vs 误差

误差（Error）= 偏离靶心的距离

你瞄的是10环，实际打到了8环 → 误差 = -2环

不确定度 = 你对"到底打了多少环"这件事的不确定程度

你说"我大概打了8环左右，误差范围±1环"

关系：误差是"偏了多少"，不确定度是"这个偏差值的可信度有多高"

不确定度越小 → 测量越可信；不确定度越大 → 结果越存疑

再换一种说法：
误差回答的是"差多少"，不确定度回答的是"这个'差多少'本身准不准"。
没有不确定度的测量结果，就像医生只告诉你体温是37.2℃但不告诉你体温计本身的精度一样——信息不完整。

2不确定度从哪来？两大来源

任何测量都有不确定度，因为它受到很多因素的影响。JJF 1059.1把这些因素归纳为两大类：

A类评定 — 用统计数据说话

在相同条件下重复测量得到的数据波动

说人话：你用同一把卡尺量同一个量块，量10次，每次读数都不完全一样。这组数据的分散程度就是A类不确定度的来源。

典型场景：操作者读数差异、仪器短期稳定性变化、被测件表面条件微小差异等

B类评定 — 根据已有信息估算

不能或不便通过重复测量来评估的因素

说人话：有些因素没法靠反复测来量化，只能根据证书、手册、经验来估计它们的影响有多大。

典型场景：标准器本身的不确定度（看校准证书）、环境温度影响（查资料/凭经验）、仪器分辨率限制（按分辨率的0.29倍估算）

一句话总结所有可能的不确定度来源：

• 仪器本身：标准器不准、仪器分辨率有限、零点漂移

• ️环境条件：温度波动、湿度变化、振动、灰尘

• 人员操作：读数习惯不同、施力大小不一致、视线角度差异

• 被测对象：表面粗糙度、形状误差、热胀冷缩、变形

• 测量方法：方法本身的近似性、假设条件的偏差

完整的GUM评定方法确实很复杂，涉及方差分析、协方差、有效自由度等等。但对于大多数制造企业的日常需求，下面这个"简化4步法"已经够用了：

1

列出所有不确定度来源

问自己一个问题："在这个测量过程中，有哪些因素可能导致测量结果不一样？"

比如用卡尺量一个零件尺寸，可能的来源有：① 卡尺本身的示值误差（查校准证书）② 标准器（量块）的不确定度（查量块的证书）③ 温度偏离标准温度20℃的影响 ④ 操作者重复读数的波动 ⑤ 卡尺分辨率（0.02mm）的限制

2

逐项估算每个来源的贡献值

每个来源都给它一个数值（叫标准不确定度分量 uᵢ）：

• A类的：做n次重复测量，算出标准差 s，则 u = s/√n
• B类的：查证书或资料，取给出的不确定度/扩展因子；或者按经验估算（如分辨率贡献 = 分辨力/√12）

3

合成所有分量为总不确定度

把第2步得到的各个uᵢ用下面的方式合成：

uc = √(u₁² + u₂² + u₃² + … + uₙ²)

这就是"合成标准不确定度uc"。注意是平方和开根号（不是直接加），因为各因素之间通常是相互独立的。

4

乘以包含因子k得到扩展不确定度U

U = k × uc

一般取k=2（对应约95%置信水平）
最终报告格式为：(25.003 ± 0.004) mm, k=2

意思是：真实值有约95%的概率落在24.999~25.007mm范围内

4实战案例：一把卡尺的不确定度评定

光说不练假把式。我们用一个真实的简化案例走一遍全过程：

案例用0-150mm/0.02mm游标卡尺测量某零件长度

测量结果（平均值）x̄ = 50.02 mm

① 重复性（A类）— 同一位置测10次，标准差s=0.015mmu₁ = s/√10 = 0.0047 mm

② 卡尺示值误差（B类）— 校准证书给出MPE ±0.03mmu₂ = 0.03/√3 = 0.0173 mm

③ 量块不确定度（B类）— 证书给出U=0.002mm, k=2u₃ = 0.002/2 = 0.001 mm

④ 分辨率（B类）— 0.02mm卡尺u₄ = 0.02/√12 = 0.0058 mm

⑤ 温度影响（B类）— 估±3℃温差，线膨胀系数11.5×10⁻⁶/℃u₅ = 50×11.5×10⁻⁶×3/√3 ≈ 0.001 mm

uc = √(0.0047² + 0.0173² + 0.001² + 0.0058² + 0.001²) = 0.0194 mm
U = k × uc = 2 × 0.0194 =0.039 ≈ 0.04 mm
最终结果：(50.02 ± 0.04) mm, k=2

* 以上为教学简化示例，实际评定时还需考虑更多细节和相关性分析。但对于企业内部使用和一般审核应对，这个深度已经足够了。

5哪些情况下你需要做不确定度评定？

不是所有场合都需要做完整的不确定度评定。根据实际情况判断：

情况

需要吗？

IATF 16949 / VDA 6.3 审核

建议有

不是强制要求但属于加分项，特别是关键测量设备

CNAS实验室认可

必须有

每个校准项目都需要完整的不确定度评定报告

产品检测报告给客户

视客户要求

越来越多客户要求报告中包含不确定度

常规生产线检验

不需要完整评定

确保TUR≥4（量具精度至少比公差好4倍）即可

内部质量改进分析

强烈推荐

帮你识别最大的变异来源从而精准改进

63个行动建议

1从最常用的那把量具开始练习

选一把你们厂里每天都要用的卡尺或千分尺，按照上面4步法的流程做一次不确定度评定。不用追求完美，先把整个流程走通。第一次做的结果不准确没关系——重要的是建立概念和手感。

2建立一个"不确定度模板库"

每种常用量具（卡尺/千分尺/百分表/扭力扳手等）做一个评定模板，下次只需要填入具体数值就能自动计算。这样既保证一致性又提高效率。很多Excel模板在网上可以找到现成的参考。

3不要过度纠结数学细节

一句话总结

不确定度不可怕，它本质上就是在回答"我的测量结果有多可信"这个问题。掌握4步法（列来源→估分量→合成→扩展），配合实际案例练习两次，你就已经超越了90%的内校员。

下一篇（终篇）预告：
最后一篇！
汇总计量内校员最容易犯的10个错误
高频QA一次讲清

终篇见

计量内校员系列 · 第9篇 | 全文完