Målefejl

En målefejl , i almindelig sprogbrug, er "forskellen mellem værdien givet af målingen og den nøjagtige (ofte ukendte) værdi af en størrelse" .

Sædvanlige og fiktive eksempler i henhold til denne definition:

angivelsen af en husstandsskala for en certificeret masse på 1 kg er 990 g . Målefejlen er –10 g .
afstanden mellem to vægge, givet af en laserafstandsmåler, er 4.485 m , en værdi, der her betragtes som nøjagtig. Værdien målt samme sted med et målebånd er 4,5 m . Målefejlen med målebåndet er 0,015 m eller 1,5 cm .
forskellen over et døgn mellem et radiostyret ur og et armbåndsur er 3 s . Fejlen med at indikere uret er 3 s . Det er sandsynligt, at dens bly vil være 6 s over to dage og 1 min over 20 dage ...

den absolutte fejl er det tidligere navn på målefejlen, den er ikke længere i brug i øjeblikket;
henvist til værdien af den målte mængde, ville den relative fejl være henholdsvis for de foregående eksempler på 1%; 0,33%; ≈ 3,5 pr. 100.000.

Andre kilder end den citerede giver forskellige definitioner af målefejl, hvilket fører til fortolkningsvanskeligheder.

Konfronteret med denne forvirring og væksten i udveksling af varer på verdensplan foreslog internationale organisationer ( ISO , BIPM osv.) Allerede i 1984 et internationalt metrologi-ordforråd , VIM, der definerer og specificerer vilkårene til bruges i metrologi . Målefejl er inkluderet i dette ordforråd; dette er artikelens hovedreference.

Definition

I metrologi , i en måling , en måling fejl er ”forskellen mellem den målte værdi af en mængde og en referenceværdi” .

en måling kan bestå af en eller flere målte værdier. I indledningen har hvert eksempel et enkelt mål;
den målte værdi er "værdien af en størrelse, der repræsenterer et måleresultat" (VIM 2.10). I de foregående eksempler er de målte værdier henholdsvis: 990 g ; 4,5 m ; det tredje eksempel specificerer ikke den målte værdi;
referenceværdien kan være:
- oftest “en standard, der er realiseringen af definitionen af en given størrelse med en bestemt værdi og en tilknyttet måleusikkerhed” (VIM 5.1);
- mere sjældent, "værdien af en mængde, der tjener som sammenligningsgrundlag for værdierne af mængder af samme art" (VIM 5.18): et certificeret referencemateriale, en bestemt enhed såsom en stabiliseret laser, en referencemålingsprocedure (VIM 5.18) ... I de foregående eksempler er referenceværdierne henholdsvis: en masse på 1 kg, der kan betragtes som en standard; en målt længde på 4,485 m med en laserindretning; et referenceinstrument (pendul).

BEMÆRKNING 1 “Fejlbegrebet kan bruges, når der er en enkelt referenceværdi at forholde sig til, som opstår, hvis en kalibrering udføres ved hjælp af en standard, hvis målte værdi har ubetydelig måleusikkerhed [sammenlignet med det forventede resultat] ...” (VIM 2.16 ).

BEMÆRKNING 2 “Målefejl bør ikke forveksles med produktionsfejl eller menneskelig fejl” (VIM 2.16).

eksempel på en produktionsfejl: enten at fremstille i serie en akse med en diameter på 20 ± 0,1 mm . For at kontrollere delene anvendes et instrument, hvis usikkerhed f.eks. Er ± 0,01 mm . En bestemt del har en målt værdi på 20,15 mm . Produktionsfejlen i forhold til den nominelle målværdi på 20 mm er 0,15 mm ; det stammer bestemt af en årsag, der er forbundet med produktionen: justering, værktøjsslitage osv. Målefejlen for 20,15 mm-delen (fra dens sande værdi) er ukendt; vi kan bare antage, at det ligger inden for instrumentets usikkerhedsinterval, dvs. ± 0,01 mm ;
eksempler på menneskelig fejl: 1 - læsefejl i et dial-instrument. 2 - måling af diameteren på en stor del ved udgangen af en maskine, der arbejder med et keramisk værktøj: uden smøring kan delen nå og overstige 100 ° C ; ekspansion påvirker derefter den målte dimension af delen (referencetemperaturen er 20 ° C ).

Årsager til fejl

Under implementeringen af en måleproces, der fører til en målt værdi, opstår der elementære fejl, der påvirker resultatet.

Disse grundlæggende fejl kan afsløres ved erfaring.

først og fremmest fører gentagelse af målinger uden at ændre noget i processen til forskellige indikationer - et fænomen, som metrologer har kendt. Denne variation i resultater, hvis årsager sjældent er kendt, kaldes en tilfældig fejl;
Derefter kan en kontrolleret variation af betingelserne for eksperimentet fremhæve elementære fejl på grund af faktorer, der er forbundet med måleprocessens system (den velkendte 5 M: målestørrelse, måleudstyr, arbejdskraft eller operatør, metode, midt). Nogle eksempler relateret til 5M'er: delinstallation uden anvendelse, måleudstyr af samme type, men forskellige, variable tryk på instrumenterne, som operatøren udøver (eller operatører i forbindelse med serielt arbejde med flere teams), forskellige metoder såsom docking instrumentets hastighed og endelig variationer på grund af miljøet, også kaldet "påvirkningsfaktorer", såsom temperatur, fugtighed, vibrationer osv. Variationen i disse seneste resultater, hvis årsager kan identificeres, kaldes systematisk fejl .

Fejlanalyse

Udtryk

Målefejlen udtrykkes af forholdet

{\ displaystyle \ Delta = XR}

Eksempel:

En enkelt individuel måling

Målt værdi af en måleblok med et mikrometer	X = 25,012 mm
Enkelt referenceværdi for måleblokken	R = 25 mm
Målefejl Δ = X - R	Δ = 0,012 mm

Denne målefejl omfatter to komponenter: en tilfældig komponent Δ A og Δ systematisk komponent S .

{\ displaystyle \ Delta = \ Delta _ {A} + \ Delta _ {S}}

Fra tidligere forhold trækker vi

{\ displaystyle X = R + \ Delta _ {A} + \ Delta _ {S}}

Tilfældig fejl

”Komponent af målefejl, der ved gentagne målinger varierer uforudsigeligt.

BEMÆRKNING 1 Referenceværdien for en tilfældig fejl er gennemsnittet, der ville resultere fra et uendeligt antal gentagne målinger med samme mål ... ”

Systematisk fejl

”Komponent af målefejl, der ved gentagne målinger forbliver konstant eller varierer på en forudsigelig måde.

BEMÆRKNING 1 Referenceværdien for en systematisk fejl er en sand værdi , en målt værdi af en standard, hvis måleusikkerhed er ubetydelig ... ”

Bemærk: der er også terminologien "nøjagtighedsfejl" eller "bias", som er estimatet for en systematisk fejl.

Eksempel

Fiktivt industrielt eksempel: delvis kalibrering af en målesøjle på en 100 mm klasse 1 mellemlag (referencestandard). De gentagne målingers indikationsafvigelser fra referenceværdien 100 er angivet i μm.

Fem individuelle målinger

Ingen.	Målt	Fejl Δ	E. tilfældig Δ A	E. systematisk AS
Værdi nr. 1	100,0025	2.5	- 0,4	2.9
Værdi nr. 2	100.0030	3	0,1	2.9
Værdi # 3	100,0035	3.5	0,6	2.9
Værdi # 4	100.0030	3	0,1	2.9
Værdi nr. 5	100,0025	2.5	- 0,4	2.9

Gennemsnits værdi	100,0029	2.9	0	2.9

Vi bemærker i dette bevidst forenklede eksempel, at den systematiske fejl er konstant. Det kan skyldes forskellige årsager (vejledende her): placering af måleblokken på pladen og / eller dårlig kalibrering og afspilning eller bøjning af sonden i arbejdsemnet og / eller den programmerede sondebevægelseshastighed for høj ...

Rettelser

Effekten af den systematiske komponent af fejlen kan reduceres ved en korrektion uden at gribe ind på målesystemet; i det foregående eksempel bringer en korrektion på –2,9 μm (svarende til den systematiske fejl ændret ved tegn) på de målte værdier alle resultater tættere på den sande værdi (de korrigerede værdier ligger mellem - 0,4 og 0,6).
tilfældig fejl kan i sagens natur næppe ændres. Det er ikke desto mindre muligt at minimere det ved bedre at mestre årsagerne til fejl.

Statistisk tilgang

I tilfælde af en måling, der omfatter flere individuelle målinger, er målefejlen en tilfældig variabel. Statistiklovene kan anvendes på denne måling.

Målingens spredning er karakteriseret ved estimatoren for dens standardafvigelse , også kendt som den eksperimentelle standardafvigelse.

{\ displaystyle s = {\ sqrt {{\ frac {1} {n-1}} \ sum _ {i = 1} ^ {n} (x_ {i} - {\ bar {x}}) ^ {2 }}}}

og spredningen i gennemsnit ved estimatoren af dens standardafvigelse

{\ displaystyle s _ {\ bar {x}} = {\ frac {s} {\ sqrt {n}}}}

Dette giver eksemplet, der er præsenteret ovenfor, af den delvise kalibrering af kolonnen

s = 0,42 µm og s Xbar = 0,19 µm .

Med en dækningsfaktor lig med 2 (almindeligvis brugt i fransk metrologiværdi) har vi spredningen af målingerne D og spredningen af den gennemsnitlige fejl Δ gennemsnit , dette i 5 på hinanden følgende målinger

D = ± 0,84 µm og A avg = 2,9 µm ± 0,38 µm .

Disse statistiske oplysninger har kun den betydning, vi ønsker at give dem. Det kan ganske enkelt påpeges, at jo større antallet af individuelle målinger, jo bedre er nøjagtigheden af målefejlen; her, for eksempel: for eneste måling n o 1, Δ 1 = 2,5 ± 0,84 um ; for kun måle n o 3, Δ 3 = 3,5 ± 0,84 mikron ; for de 5 på hinanden følgende målinger, Δ avg = 2,9 ± 0,38 µm .

Ansøgninger

I det offentlige rum blev der givet nogle få eksempler i indledningen; vi kunne tilføje andre, aktuelle, såsom målefejl i øremedicinske termometre; målefejlen på afstanden eller øjeblikkelig hastighed på en forkert justeret cykelcomputer fejlen ved at finde bil-GPS ved gaffel i vejen ...

På det industrielle område finder søgningen efter fejl sin plads:

i ren metrologi, i en første tilgang til en søgen efter usikkerhed ;
i konventionel metrologi , i verifikation af måleinstrumenter i henhold til standarder;
på arbejdsstationen i kalibrering af bestemte instrumenter, såsom mikrometeret angivet som et eksempel ovenfor; målefejl ses normalt ved en til tre individuelle målinger efter operatørens skøn.

Instruktioner til kontrol af en tykkelse.
Kontrol af en tykkelse.

Det skal bemærkes, at målingsfejlen i produktionen (eller i laboratorieanalyser) er "gennemsigtig" i målingerne: produktion sammen med kvalitetsafdelingen kræver målemidler, hvis usikkerhed (mere sjældent fejlen) skal være kendt og relateret til tolerancerne for de specifikationer, der skal overholdes. Dette kaldes måleudstyrets evne .

Fremtidige

Ansøgninger synes at være mere og mere begrænsede inden for instrumentverifikation. Faktisk er målefejlen en begrænsende tilgang til tvivlen om, at man kan have resultaterne af målingerne. Vi forsømmer, som vi har set, fejl relateret til standarden og andre elementære fejl relateret til miljøpåvirkningsfaktorer. Søgningen efter måleusikkerhed , der forsøger at tage højde for alle årsagerne til variabilitet, har en tendens til ved at generalisere den mere traditionelle fejlsøgning.

Målefejl (gammel version)

Vi skal overveje tre fejlkilder ( usikkerhed på engelsk):

den nøjagtighed af målingen Δ 1 , eller usikkerheden ( opløsning på engelsk);
den statistisk spredning Δ 2 ( præcision på engelsk);
den systematiske fejl Δ 3 ( nøjagtighed på engelsk).

hvor den samlede fejl er Δ = Δ 1 + Δ 2 + Δ 3

Hvis vi sammenligner med pile, skyder vi mod et mål:

målenøjagtigheden ( opløsning ) henviser til størrelsen på pilens spids;
statistisk spredning ( præcision ) betegner det faktum, at pilene er tæt på hinanden eller tværtimod spredt på målet;
den systematiske fejl ( nøjagtighed ) angiver, om pilene var rettet mod midten eller mod et andet punkt på målet.

Metafor for måleusikkerhed: a) statistisk spredning og systematisk fejl er lille; b) den statistiske spredning er høj, men den systematiske fejl er lav; c) den statistiske spredning er lav, men den systematiske fejl er høj.

Målenøjagtighed

Udtrykket " præcision " er ikke længere en del af metrologibetingelserne.

På en analog enhed er den første begrænsning afstanden mellem graderinger; dette kan forbedres med en vernier som på en tykkelse eller visse goniometre eller med en mikrometrisk skrue som på en palmer . På en digital enhed angives denne nøjagtighed af antallet af cifre i displayet.

Δ 1 er afstanden mellem gradueringen eller værdien af en enhed på det sidste ciffer i displayet

Men det kan være, at fænomenet er ustabilt eller forstyrres af et tilfældigt eksternt fænomen. Derefter ser vi nålen svinge eller de sidste cifre i det digitale display skifte. Dette reducerer målepræcisionen, vi kan kun overveje den stabile del af det opnåede antal. Se artiklen Signal / støjforhold .

Når vi bruger meget gamle publikationer til at vurdere en ikke-reproducerbar begivenhed (objektet er forsvundet eller er blevet ændret, eller det er en enkelt begivenhed), er vi undertiden nødt til at ty til en empirisk skala, som Mercalli eller Rossi-Forel skala for jordskælv eller Mohs-skalaen for hårdheden af et materiale, evaluering af Δ 1 derefter bliver vanskelig; dette er kun muligt, hvis man kan forholde sig til en "moderne" skala baseret på fysisk måling. For eksempel forsøger vi at etablere en overensstemmelse mellem skaderne på et jordskælv beskrevet i gamle skrifter og energien fra seismiske bølger.

Ligeledes, når målingen består i at klassificere et fænomen i en kategori (for eksempel tilfældet af en meningsmåling eller opgørelsen af patologier), er det ikke muligt at definere Δ 1 .

Statistisk spredning

Hvis det samme fænomen måles flere gange med en tilstrækkelig præcis enhed, opnås der et andet resultat x i hver gang . Dette skyldes foruroligende fænomener eller, for ekstremt præcise målinger, fænomenets tilfældige karakter (kaos, kvanteusikkerhed).

Blandt de forstyrrende fænomener kan vi tælle:

prøveudtagningsfejl: dette er når der tages en prøve, der ikke er repræsentativ for det, du vil måle; resultatet afhænger derefter af, hvordan prøven vælges;
forberedelsesfejl: dette er når præparatets klargøring indfører en bias; prøven forværres under transport, opbevaring eller håndtering (forurening, nedbrydning, fysisk eller kemisk transformation)
enhedens stabilitet: den kan være følsom over for temperaturvariationer, elektrisk forsyningsspænding, vibrationer, elektromagnetiske forstyrrelser fra omgivende enheder osv. eller ellers har konstruktionsfejl eller -slid (elektronisk baggrundsstøj)., ustabil del ...)

På et stort antal målinger kan vi overveje, at vi har en sandsynlighed, hvis fordeling er Gaussisk. Måleresultatet vil være de gennemsnitlige empiriske Ê resultater

{\ displaystyle {\ hat {E}} = {\ bar {X}} = {\ frac {1} {n}} \ cdot \ sum _ {i = 1} ^ {n} x_ {i}}

kvadratet for standardafvigelsen σ 2 for Gaussian kan evalueres med den korrigerede empiriske varians : $\ hat {\ sigma} ^ 2$

\ hat {\ sigma} ^ 2 = \ frac {1} {n-1} \ cdot \ sum_ {i = 1} ^ n (x_i - \ bar {X}) ^ 2

Fejlen på grund af den statistiske spredning estimeres derefter med

{\ displaystyle \ Delta _ {2} = k \ cdot {\ hat {\ sigma}}}

k er konstant afhængigt af konfidensniveauet , det vil sige om den tilladte fejl.

I fysik, vi ofte tager k = 3, hvilket svarer til et konfidensinterval på 99,73%, det vil sige, at 99,73% af værdierne x jeg er mellem æ - Δ x og æ + Δ x og 0,27% vil være uden for denne rækkevidde; ud af 1000 målinger er kun tre uden for intervallet. I mange tilfælde er vi glade for at tage k = 2 eller et konfidensniveau på 95% (5 målinger uden for intervallet pr. Hundrede målinger). For en virksomhed med en enorm produktion kan 0,27% og endnu mere til 5% stadig være det også.

Forestil dig f.eks., At et firma producerer dele, hvis længde ℓ skal have en given præcision Δℓ; produktionsværktøjet producerer efter justering dele med en spredning σ på ℓ;

hvis Δℓ = 2⋅σ, så vil en million producerede stykker 50 millioner gå til spilde, hvilket er enormt;
hvis Δℓ = 3⋅σ (takket være en optimering af produktionsværktøjet, delte virksomheden spredningen σ med en faktor på 1,5), så vil en million producerede stykker 2,7 millioner gå til spilde, hvad der stadig er vigtigt;
hvis det lykkes at reducere σ igen med halvdelen, vil vi have Δℓ = 6⋅σ, det vil sige en skrothastighed på 2 × 10 −9 (0,000 000 2 % ), to dele går til skrot pr. produceret milliard. Dette meget krævende niveau af tillid gav sit navn til en ledelsesmetode kaldet Six Sigma .

Se også artiklerne Dispersionskriterier og Normalfordeling .

Hvis der er få prøver, skal der anvendes en større koefficient til at tage højde for den fejl, der er foretaget ved bestemmelsen af Ê og af (se Elevs statistiske lov ). Vi kan også frivilligt vælge et større eller mindre konfidensinterval og derfor tage en større eller mindre koefficient. For eksempel: ${\ displaystyle {\ hat {\ sigma}}}$

Studerendes lov: standardafvigelse og tillidsniveau

Tillidsniveau	5 foranstaltninger	10 foranstaltninger	20 foranstaltninger	> 100 målinger (normal lov)
50%	0,73⋅σ	0,70⋅σ	0,69 °	0,67 °
68%				1⋅σ
70%	1,16⋅σ	1,09 °	1,06 °	1,04⋅σ
87%				1,5⋅σ
90%	2,02⋅σ	1,81⋅σ	1,73⋅σ	1,65⋅σ
95%	2,57⋅σ	2,23⋅σ	2,09⋅σ	1,96⋅σ
99%	4,03⋅σ	3,17⋅σ	2,85⋅σ	2,56⋅σ
99,7%				3⋅σ
99,9%	6,87⋅σ	4,59⋅σ	3,85⋅σ	3,28⋅σ
99,999 999 8%				6⋅σ

Bemærk: værdierne er afrundede

På en Gaussian repræsenterer den fulde bredde ved halv maksimum (FWHM) et konfidensinterval på ca. 76% (eller 3/4) for et stort antal målinger.

I tilfælde af fysiske eller kemiske målinger evalueres den statistiske spredning ved målinger af repeterbarhed og reproducerbarhed og muligvis ved tværmålinger mellem laboratorier:

repeterbarhed: den samme operatør udfører den samme måling flere gange, og resultaterne registreres; dette gør det muligt at evaluere stabiliteten over apparatet og prøven (aldring i apparatet eller uden for apparatet); i tilfælde af en kemisk analyse måles den samme prøve flere gange;
reproducerbarhed: det samme materiale eller fænomen måles flere gange; forskellen med repeterbarhed er, at målingen forberedes igen hver gang (for eksempel udtagning af prøven og konditionering til målingen eller opsætning af måleinstrumentet og forudgående justering), og at dette gøres af forskellige mennesker; dette gør det muligt at tage højde for hele målekæden og menneskelige fejl;
inter-laboratorium krydstest eller rund-robin test: en ukendt prøve sendes til flere laboratorier, og resultaterne sammenlignes, hvorved der tages højde for mangfoldigheden af måleinstrumenter og arbejdsvaner.

Hvis målepræcisionen er mindre end den statistiske spredning, måles det samme resultat altid (undtagen læse- eller brugsfejl), jf. infra .

Bemærk : I tilfælde af et tilfældigt fænomen ( stokastisk proces , for eksempel i tilfælde af meningsmåling), søger vi ikke at kende en værdi og en fejl, men at kende den statistiske fordeling af værdierne. Se også lov om stort antal .

Fejlformering

Resultatet af en måling bruges ofte til at foretage beregninger. For eksempel i tilfælde af en vejradar ( speedometer ) måles et frekvensskift, og dette skift bruges til at beregne køretøjets hastighed med Doppler-Fizeau-loven . Det er derfor nødvendigt fra den fejl, der blev foretaget ved måling af frekvensforskydningen, at estimere fejlen i hastigheden.

Generelt måler vi en værdi x , og vi beregner en værdi y = ƒ ( x ); vi vil estimere Δ y fra Δ x .

Fejl og accept test

Målingen ofte anvendes accept tests , der er den målte værdi bestemmer, om objektet lever op til de fastsatte kriterier. Denne opfattelse er ret bred:

inden for medicin gør det det muligt at stille en diagnose (udelukke eller bekræfte en sygdom);
ved fremstilling gør det det muligt at sige, om batchen af råmateriale kan bruges, eller om det fremstillede produkt er i overensstemmelse med specifikationerne ;
i dokimologi gør det det muligt at udstede et eksamensbevis, en certificering;
for en måleenhed: bestemmes, om
- metoden er egnet til brug (kan vi bruge en sådan og en sådan metode til at måle en sådan og en sådan parameter under sådanne forhold med en sådan præcision?);
- enhedsmodellen er egnet til brug (valg af leverandør, valg inden for leverandørens rækkevidde)
- den leverede og installerede enhed svarer til specifikationerne
- manipulatoren bruger laboratoriet en pålidelig procedure (forberedelse, håndtering osv.).

Det anses generelt for, at en metode kun kan anvendes, hvis den statistiske dispersion er mindst 5 eller 10 gange mindre end grænseværdien.

For eksempel :

hvis vi kun accepterer folk, der måler mindst 1,60 m til en handel , er der brug for en målemetode med en statistisk spredning på mindre end 16 cm .
hvis svovlindholdet i benzin er mindre end 150 ppm efter vægt, kræves der en målemetode med en statistisk spredning på mindre end 15 ppm.

Generelt skal rækkevidden af tilladte værdier tage højde for den samlede fejl. Betydningen af at tage den globale fejl i betragtning afhænger af den type risiko, vi vil undgå:

hvis vi vil undgå falske positive (dvs. acceptere et produkt, når det er uacceptabelt), strammer vi området;
Hvis du vil undgå falske negativer (dvs. afvise et gyldigt produkt), udvider du området.

For at teste en enhed eller en procedure kontrolleres det, at repeterbarheds- og reproducerbarhedstestene er kompatible med målpræcisionen; for at teste en målemetode kontrolleres det, at de interlaboratoriske (eller cirkulære) tests er kompatible med målpræcisionen (se ovenfor ).

Brug af regnemaskiner

Hvad der lige er gjort kan gøres ved direkte beregning med en lommeregner eller et regneark (på en computer) ved hjælp af grafer og fejlfelt

Lad os tage eksemplet med undersøgelsen af ideelle gasser. Hvis vi tegner P som en funktion af 1 / V, opnår vi teoretisk en lige linje, der passerer gennem oprindelsen , hvor hældningen , nemlig n og T holdes konstant (indkapslingen eller målecellen, der indeholder gassen, er lækagefri og termostatstyret med T kendt ved 0,2%), P måles ved hjælp af et manometer , med 5% relativ fejl, og V måles med 2% relativ fejl, for hvert eksperimentelt målepunkt (P, 1 / V) tegner vi fejl søjler, der repræsenterer den absolutte fejl. ${\ displaystyle P = RnT. {\ frac {1} {V}}}$ ${\ displaystyle RnT}$ ${\ displaystyle y = (RnT) .x}$

Et “fit” eller kurvejusteringsprogram, baseret på ideen om at reducere afstanden for den lige linje (eller kurve) til alle de eksperimentelle punkter, gør det muligt at tegne den teoretiske lige linje og beregne dens hældning nRT med en tillidskoefficient r 2 tæt på enhed, hvis pasformen er god.

Den " mindste kvadraters metode " anvendes: det anvendte program summerer de kvadratiske afstande mellem linjen og hvert punkt, hvor minimum af denne sum svarer til den bedste regressionslinie.

I ovenstående tilfælde opnår vi således nRT = 2,54 (1,00 ± 0,07) Joule

Dette gør det muligt at sige, at ved konstant n og T bekræfter eksperimentet, at PV er konstant inden for 7% for den undersøgte gas, og at for at forbedre dette resultat er det nødvendigt at måle P til bedre end 5% eller V til bedre end 2%.

Noter og referencer

Bemærkninger

Ordbogen angiver "absolut fejl" for "målefejl"; absolut fejl, hvis udtryk "absolut" er forvirrende, bruges ikke længere i metrologi.
Det er tilstrækkeligt at skrive "målefejl" på en søgemaskine for at blive overbevist.
Hvis standardens måleusikkerhed ikke er ubetydelig, er det nødvendigt at gennemgå begrebet usikkerhed .
kilen er klasse 2 med en usikkerhed <± 0,06 µm ubetydelig her.
Hvis kilen simpelthen placeres på marmoren, kan der være en forskel, mærkbart konstant, der nærmer sig en hundrededel mm sammenlignet med en kil "tvunget til at klæbe" til referencen, som det skal gøres af metrologer
Se Måleusikkerhed
Begreberne statistikker om dispersioner antages at være kendt; se spredningskriterier
En kalibrering består i at rette den systematiske fejl. Dette udtryk, forsvundet fra VIM 2008, er stadig i brug. Det korrekte udtryk er "justering", undertiden også kaldet justering.
Det skal bemærkes, at de ovennævnte industrielle verifikationsdokumenter inkluderer traditionelle fejlbestemmelser, men også søger efter forenklede usikkerheder tilpasset produktionsbegrænsningerne.

Referencer

Korrigeret henvisning taget fra ordbogen: Le petit Larousse compact ,2000.
Se VIM (der henvises til i bibliografi) i 1993-udgaven (3.10). I VIM fra 2008 forsvandt udtrykket.
Kollektiv VIM 2008 ; der er en mere aktuel version af VIM, fra 2012, med små rettelser, men mindre nem at bruge.
Kollektiv VIM 2008 , s. 22, nr. 2.16. ; definitionen af udgave 1993 var "resultatet af en måling minus en sand værdi af målestørrelsen "
M. Collinet CNAM 1995 , s. 2
Kollektiv VIM 2008 , s. 23; nr. 2.19.
Kollektiv VIM 2008 , s. 22 n ° 2,17.
Kollektiv VIM 2008 , s. 23; n ° 2,18.
Ifølge M. Collinet CNAM 1995 , s. 4
Kollektivt AFNOR 1996 , s. 149-173.

Tillæg

Bibliografi

: dokument brugt som kilde til denne artikel.

(en + fr) Kollektiv VIM, JCGM 200: 2008: International ordforråd for metrologi - Grundlæggende og generelle begreber og tilhørende udtryk , BIPM,2008( læs online ).
M. Collinet CNAM, udtryk for måleusikkerhed , Senlis, CETIM,1995.
AFNOR-kollektiv, metrologi i virksomheden: kvalitetsværktøj , Paris, AFNOR,1996, 310 s. ( ISBN 2-12-460701-4 ).
Kollektiv CNDP- måling: Handling 7 er samtaler om La Villette , Paris, CNDP1995 .