Логинов Владимир

1) О каких приборах идет речь? Вообще всех? 2) Какого года установка? 3) Возможно причина в задвижки на большой расход, она не держит, при закрытии от электропривода попробуйте перевести её в ручной режим и закройте рукой. У вас же три эталонных расходомера? 4) Проверяли эти поверяемые СИ по весам на этих же расходах? (там не важны задвижки)

https://fgis.gost.ru/fundmetrology/cm/mits/1041b95a-0dc8-2487-541f-898ab2ae3c7d https://fgis.gost.ru/fundmetrology/cm/mits/5dbd7460-423b-d7cb-776a-3b0c194ecdc5 С изменением 102-ФЗ все новые СИ с 29.12.2021 должны иметь заводской номер, серийный номер или другие буквенно-цифровые обозначения, однозначно идентифицирующие каждый экземпляр средства измерений, их место нанесения указывается в ОТ

именно что забыли

1 ГОСТ Р 71984-2025 "Системы автоматического контроля выбросов и сбросов. Системы автоматического контроля выбросов. Метрологическое обеспечение предиктивных систем. Методы и средства поверки" (утв. и введен в действие приказом Федерального агентства по техническому регулированию и метрологии от 18 сентября 2025 г. N 1078-ст) (документ не вступил в силу) 2 ГОСТ Р 71983-2025 "Системы автоматического контроля выбросов и сбросов. Системы автоматического контроля выбросов. Метрологическое обеспечение предиктивных систем. Методы и средства испытаний" (утв. и введен в действие приказом Федерального агентства по техническому регулированию и метрологии от 18 сентября 2025 г. N 1077-ст) (документ не вступил в силу) 3 ГОСТ Р 71981-2025 "Системы автоматического контроля выбросов и сбросов. Системы автоматического контроля выбросов. Предиктивные системы. Разработка, производство, условия применения" (утв. и введен в действие приказом Федерального агентства по техническому регулированию и метрологии от 18 сентября 2025 г. N 1075-ст) (документ не вступил в силу) 4 ГОСТ Р 71980-2025 "Системы автоматического контроля выбросов и сбросов. Системы автоматического контроля выбросов. Предиктивные системы. Основные требования" (утв. и введен в действие приказом Федерального агентства по техническому регулированию и метрологии от 18 сентября 2025 г. N 1074-ст) (документ не вступил в силу)

С ВНИИФТРИ там вроде все смешнее было. Там забыли подать на ПК.

С точки зрения логики и единства измерений вы правы, но по 102-ФЗ на основании какая в ОТ и Аршине указана методика поверки. Если росстандарт издаст приказ изменяющий методики ( как было с гирями и водосчетчиками), то тогда будет по одной. Не понятно почему приказы госстандарта, при совете министров, меняющие госты и МИ в советский период по логики не считаются изменением методик в ОТ.

https://regulation.gov.ru/projects/160649/ О внесении изменений в Федеральный закон «Об обеспечении единства измерений»

Нет

А в условиях гарантии что прописано? Если в договоре не прописали, что при гарантийном ремонте делается поверка, то и спросить за это нельзя. То что в договоре прописана первичная поверка это доп услуга и на нее гарантия может не распространяться.

А с каких пор повреждение кабеля стало гарантийным случаем?

нет Статья 24. Подтверждение компетентности аккредитованных лиц (в ред. Федерального закона от 11.06.2021 N 176-ФЗ) 1.Аккредитованное лицо обязано проходить процедуру подтверждения компетентности в следующие сроки: 1)в течение первого года со дня аккредитации; 2)не реже чем один раз в два года начиная со дня прохождения предыдущей процедуры подтверждения компетентности; 3)каждые пять лет со дня аккредитации. 2.В случае, если срок прохождения процедуры подтверждения компетентности, предусмотренный пунктом 3 части 1 настоящей статьи, наступает ранее чем через один год после процедуры, предусмотренной пунктом 2 части 1 настоящей статьи, в сроки процедуры, предусмотренной пунктом 2 части 1 настоящей статьи, проводится процедура, предусмотренная пунктом 3 части 1 настоящей статьи.

Так тут и так ПК5 должно быть раньше, .т.е. ничего совмещать не надо. Письмо надо писать, если у вас сейчас должно быть ПК2, а в течении года от него ПК5, тогда можно совместить ПК5 и ПК2

вот сайт https://regulation.gov.ru/projects/160790/

Так как обязательности первичной поверки при производстве сейчас нет, то изготовитель может продавать СИ без поверки. Гарантия на поверку не распространяется, некоторые производители (как правило они аккредитованы и сами делают поверку) после гарантийного ремонта поверку проводят идя на встречу клиентам. добавление: Ответственность при использовании в СГРОЕИ лежит на том, кто проводит измерения, он и должен сдать в поверку СИ, если при ремонте были нарушены поверочные пломбы.

Продолжение перевода M3003 Глава 6 6 Представление результатов 6.1 После расчета расширенной неопределенности, обычно для вероятности охвата 95%, измеренное значение и связанная с ним расширенная неопределенность должны быть представлены в виде интервала охвата 𝑦 ± 𝑈 и сопровождаться следующим заявлением: 6.2 «Указанная расширенная неопределенность основана на стандартной неопределенности, умноженной на коэффициент охвата 𝑘 = 2, что обеспечивает вероятность охвата приблизительно 95 %. Оценка неопределенности проводилась в соответствии с требованиями UKAS». 6.3 В случаях, когда была соблюдена процедура Приложения B, фактическое значение коэффициента охвата следует заменить 𝑘 = 2 и использовать следующее утверждение: 6.4 «Указанная расширенная неопределенность основана на стандартной неопределенности, умноженной на коэффициент охвата 𝑘 = 𝑋𝑋, который для t-распределения с 𝑣eff = 𝑌𝑌 эффективными степенями свободы соответствует вероятности охвата 95,45 %. Оценка неопределенности была проведена в соответствии с требованиями UKAS». 6.5 В случаях, когда имеет место доминирующий негауссовский вклад типа B, и выполнены процедуры, описанные в Приложении C, следует использовать следующие утверждения: 6.6 «Представленная расширенная неопределенность основана на стандартной неопределенности, полученной путем объединения доминирующей неопределенности типа B с другими меньшими неопределенностями. Стандартная неопределенность была умножена на коэффициент охвата 𝑘 = 𝑋𝑋, что соответствует вероятности охвата 95,45 %. Оценка неопределенности была проведена в соответствии с требованиями UKAS. Для дальнейшего распространения неопределенность измерения может быть импортирована в последующие бюджеты неопределенности в терминах двух независимых величин, описываемых: 1. прямоугольным распределением с полушириной 𝑎R = 𝑌𝑌 и 2. нормальным распределением со стандартной неопределенностью 𝑢N = 𝑍𝑍» 6.7 Если неопределенность представлена в виде формулы, см. также Приложение L. 6.8 Для целей настоящего руководства термин «приблизительно» трактуется как означающий достаточно близкое значение, при котором любое различие можно считать незначительным. 6.9 Неопределенности обычно выражаются в единицах измеряемой величины или в относительных значениях, например, в процентах (%), частях на миллион (ppm), частях на 10⁻³, мкВ/В и т. д. 6.10 Неопределённости измерений, как правило, следует указывать с точностью до двух значащих цифр, поскольку указание большего числа знаков редко оправдано. Числовая форма измеренного значения в окончательном отчёте должна быть представлена с тем же количеством десятичных знаков, что и неопределённость измерений. 6.11 Округление всегда следует выполнять в конце процесса (чтобы избежать последствий накопленных ошибок округления). 6.12 В ситуациях, когда функция распределения вероятностей, описывающая входные данные для оценки неопределенности, асимметрична или когда модель измерения нелинейна, результирующая функция распределения вероятностей измеряемой величины также может быть асимметричной. В таких случаях моделирование методом Монте-Карло (описанное, например, в JCGM-101 [2]) предлагает более подходящий подход к оценке неопределенности измерений и интервалов охвата.

Продолжение перевода M3003 Глава 5 5 Оценка стандартной неопределенности типа B 5.2 Неопределенности измерений типа B обычно возникают из-за фиксированных, но неизвестных (или малоизвестных) погрешностей измерений. При оценке составляющих неопределенности необходимо учитывать и включать как минимум следующие возможные источники: (a) Для измерительных приборов — вносимые неопределенности, связанные с их калибровкой, а также любой дрейф или нестабильность их значений или показаний. (b) Приведенная неопределенность, присвоенная стандартным образцам, а также любой дрейф или нестабильность их значений. (c) Влияние использования вспомогательного оборудования, включая такие элементы, как соединительные провода, трубопроводы, нагреватели и т. д., а также любой дрейф или нестабильность их значений или показаний. (d) Измеряемое оборудование или объект, например, его разрешение и любая нестабильность во время измерения. Следует отметить, что ожидаемые долгосрочные характеристики калибруемого объекта обычно не включаются в оценку неопределенности для данной калибровки. (e) Процедура эксплуатации. (f) Влияние условий окружающей среды на любой или все из вышеперечисленных факторов. 5.3 После идентификации всех возможных компонентов неопределенности типа B, основанных, насколько это возможно, на экспериментальных данных или теоретических обоснованиях, их следует охарактеризовать в терминах стандартных неопределенностей, основанных на назначенных распределениях вероятностей. Распределение вероятностей неопределенности, полученное в результате оценки типа B, может принимать различные формы, но, как правило, приемлемо назначать четко определенное распределение, для которого стандартная неопределенность может быть получена простым расчетом. Эти распределения и примеры расчетов представлены в пунктах 3.15–3.22 и более подробно в других источниках, например, JCGM-101 [2]. ПРИМЕЧАНИЕ: Основной особенностью модели GUM является то, что стандартная неопределенность принимается как стандартное отклонение назначенного распределения вероятностей. 5.4 По возможности следует вносить поправки на известные погрешности, выявленные при калибровке или другими источниками. (Поправки на (случайные) ошибки повторяемости невозможны.) Принято считать, что погрешность имеет положительный знак, если измеренное значение больше ожидаемого. Таким образом, поправка на погрешность заключается в вычитании погрешности из измеренного значения. В некоторых случаях для упрощения процесса измерения может быть удобно рассматривать такую погрешность, если она мала по сравнению с другими неопределённостями (и когда это оказывает незначительное влияние на общую оценку), как если бы она была систематической неопределённостью величины неисправленной погрешности. 5.5 Ошибки измерения не следует путать с ошибками. Типичными примерами ошибок являются неправильно внесённые исправления, ошибки транскрипции и сбои в программном обеспечении, предназначенном для управления процессом измерения или составления отчётов о нём. Последствия таких ошибок сложно учесть при оценке неопределённости, и для их предотвращения необходимо проявлять осторожность.

Продолжение перевода M3003 Глава 4 4 Оценка стандартной неопределенности типа А 4.1 Если неопределенность оценивается путем статистического анализа серии наблюдений, это называется оценкой типа А. 4.2 Оценка типа А обычно используется для получения значения неопределенности повторяемости процесса измерения. Для некоторых измерений эта «случайная» составляющая неопределенности может быть незначимой по сравнению с другими составляющими неопределенности. Тем не менее, для любого процесса измерения желательно установить относительную значимость случайных эффектов. При наличии разброса в выборке результатов измерений следует рассчитать среднее арифметическое (среднее) значение результатов. Если имеется 𝑚 независимых повторных значений величины 𝑄, то среднее значение 𝑞̅ определяется по формуле: 4.3 Полученные значения (𝑞𝑗) считаются случайной конечной выборкой, полученной в результате процесса измерения, базовая изменчивость которого характеризуется стандартным отклонением σ. Поучительно задать вопрос: если мы повторим набор измерений… получим ли мы то же самое среднее значение? То есть, получим ли мы то же самое значение для 𝑞̅? Это представляется маловероятным (за исключением случаев, когда измерения ограничены низким разрешением). В большинстве случаев мы фактически увидим распределение значений для 𝑞̅. Для выборок размером 𝑛 стандартное отклонение распределения этих выборочных средних составляет σ⁄√𝑛, известное как стандартное отклонение среднего (иногда называемое стандартной ошибкой). 4.4 Однако на практике обычно невозможно получить значение 𝜎, и вместо этого используется оценка 𝑠, поэтому стандартная неопределенность повторяемости 4.5 Набор данных, используемый для оценки оценки 𝑞̅, можно использовать для получения оценки 𝑠 для стандартного отклонения σ с использованием 4.6 Пример: Для оценки значения величины 𝑞 и её повторяемости было проведено четыре измерения. Полученные результаты: 3,42, 3,88, 2,99 и 3,17. Среднее значение Оцененное стандартное отклонение, Таким образом, неопределенность повторяемости равна: где в этом случае 𝑛 = 𝑚. 4.7 Повторять измерение многократно в ходе испытания или калибровки не всегда практично или возможно. В таких случаях более надежную оценку стандартного отклонения иногда можно получить, используя ранее полученные данные, основанные на большем количестве показаний. К этому подходу следует относиться с осторожностью, поскольку он основан на надежности ранее полученных данных для представления вариации текущих измерений, т.е. предполагает, что базовое стандартное отклонение 𝜎 одинаково в обоих случаях. Предыдущая оценка стандартного отклонения может быть использована только в том случае, если в измерительную систему или процедуру не вносились последующие изменения, которые могли бы повлиять на повторяемость. Если обнаружен явно чрезмерный разброс измеренных значений, следует выяснить и устранить его причину, прежде чем продолжать. 4.8 Пример: Предположим, что для оценки значения величины 𝑥 было проведено два измерения, т. е. 𝑛 = 2. Однако повторяемость должна быть оценена на основе 𝑚 = 20 ранее полученных измерений со стандартным отклонением 𝑠 = 0,247 Таким образом, неопределенность повторяемости равна: ПРИМЕЧАНИЕ: Число степеней свободы в таких условиях равно 𝑚– 1, где 𝑚 — количество измерений в предыдущей оценке. Именно поэтому большое количество показаний в предыдущей оценке может дать более надежную оценку, когда в ходе обычной процедуры можно выполнить лишь несколько измерений. Более подробно степени свободы обсуждаются в Приложении B.

Эксперты разные бывают. Вот по вашей записи вы можете поверять манометры абсолютного давления или избыточного на 2,5 кПа, а эталоны под это у вас есть? Скорее всего нет.

Напишите в fgis2@rst.gov.ru они исправят

Для манометров обычно указывают класс точности 0,4; 0,6; 1,0; 1,5; 1,6 (бывает у иностранных манометров); 2,5; 4,0 ГОСТ 2405-88

С прошлого года. Из-за вот того https://fgis.gost.ru/fundmetrology/cm/results?page=2&activeYear=до 2010 и вот этого https://fgis.gost.ru/fundmetrology/cm/results?sort=valid_date|desc&activeYear=2023

Подписание заявок с использованием машиночитаемых доверенностей https://fgis.gost.ru/fundmetrology/cm/news С 16 октября 2025 года вводится в действие возможность подписания заявок с использованием машиночитаемых доверенностей, выданных сотрудникам организации Для подписания сотрудниками заявок на публикацию, содержащих сведения о результатах поверочной деятельности организации, необходимо выпустить электронную подпись на сотрудника как на физическое лицо и оформить на него машиночитаемую доверенность (МЧД) от организации. В качестве контрагента выпуска и хранения МЧД необходимо выбрать Единую систему идентификации и аутентификации (ЕСИА). Возможность подписания заявок УКЭП руководителя организации сохраняется, выдачи МЧД при этом не требуется. Правила создания, отмены и загрузки в ЕСИА МЧД приведены на ресурсе портала Госуслуг по адресу: https://partners.gosuslugi.ru/catalog/attorney Для формирования МЧД для сотрудников организации необходимо выбрать полномочия «Передача сведений в Федеральный информационный фонд по обеспечению единства измерений». Обновленная документация размещена для ознакомления в разделе "Справочная информация" по адресу: https://fgis.gost.ru/fundmetrology/cm/docs

3 Более подробно 3.1 В обзорном разделе документа M3003 представлен предмет оценки неопределенности и рассмотрен ряд связанных с этим вопросов. В этом разделе приводится несколько более формальное описание этих процессов с использованием терминологии, соответствующей терминологии, используемой в GUM. 3.2 Международный словарь по метрологии (VIM) [4] определяет величину (𝑄) как свойство явления, тела или субстанции, которому может быть присвоена величина (выраженная в виде числа и ссылки). 3.3 Цель измерения - присвоить измеряемой величине величину, которую предполагается измерить. Присвоенная величина считается наилучшей оценкой значения измеряемой величины. Процесс оценки неопределенности будет включать в себя несколько других "влияющих" величин, которые влияют на результат, полученный для измеряемой величины. Эти влияющие, или "входные", величины часто обозначаются как 𝑋, а "выходная" величина, т. е. измеряемая величина, обозначается как 𝑌. 3.4 Поскольку обычно существует несколько влияющих величин, они отличаются друг от друга индексом 𝑖. Таким образом, будет несколько входных величин, называемых 𝑋𝑖, где 𝑖 представляет собой целые значения от 1 до 𝑁, 𝑁 - количество таких величин. Другими словами, будут введены величины 𝑋1, 𝑋2, ... , 𝑋𝑁. 3.5 Каждая из этих входных величин будет иметь соответствующее значение. Например, одной из величин может быть температура окружающей среды – она будет иметь значение, скажем, 23 °C. Строчная буква “𝑥” обозначает расчетные значения величин. Следовательно, значение 𝑋1 будет равно 𝑥1, значение 𝑋2 будет равно 𝑥2 и так далее. 3.6 Целью измерения является определение наилучшей оценки измеряемой величины 𝑌. Что касается входных величин, то оценочное значение измеряемой величины обозначается строчными буквами, т. е. 𝑦. Одним из первых шагов является установление математической зависимости 𝑌 = 𝑓(𝑋𝑖 ) между значениями входных величин 𝑋𝑖 и значениями измеряемой величины 𝑌. Этот процесс рассмотрен в приложении D. 3.7 Значения 𝑥𝑖 входных величин 𝑋𝑖, как правило, имеют связанную с ними неопределенность. Она может быть выражена как 𝑢(𝑥𝑖 ), стандартная неопределенность 𝑥𝑖. Процесс «стандартизации» имеющейся информации о неопределенности 𝑥𝑖 будет кратко описан ниже. Неопределенность 𝑢(𝑦), связанная с 𝑦, будет включать в себя комбинацию входных неопределенностей 𝑢(𝑥𝑖 ). 3.8 Некоторые неопределенности, особенно связанные с определением повторяемости, необходимо оценивать статистическими методами. Другие неопределенности следует оценивать путем изучения дополнительной информации, например, данных в сертификатах калибровки, оценки долговременного дрейфа, учета влияния окружающей среды и т. д. 3.9 GUM [1] различает статистические оценки и оценки, использующие другие методы. Он подразделяет их на два типа: тип А и тип Б. 3.10 Оценка неопределенности типа А проводится с использованием статистического анализа серии наблюдений. Более подробную информацию об оценках типа А можно найти в разделе 4. 3.11 Оценка неопределенности типа B осуществляется с использованием методов, отличных от статистического анализа серии наблюдений. Более подробную информацию об оценках типа B можно найти в разделе 5. 3.12 В пункте 3.3.4 GUM указано, что классификация по типу A и типу B предназначена для обозначения двух различных способов оценки компонентов неопределенности, а различие между типом A и типом B проводится исключительно для удобства обсуждения. Независимо от того, классифицируются ли компоненты неопределенности как «случайные» или «систематические» по отношению к конкретному процессу измерения или описываются как тип A или тип B в зависимости от метода оценки, все компоненты, независимо от классификации, моделируются распределениями вероятностей, обычно характеризуемыми своими пределами, стандартным отклонением (или дисперсией) и степенями свободы. 3.13 Следовательно, любые соглашения о классификации оценок неопределенности не влияют на оценку суммарной неопределенности (определенной в пункте 3.36). В настоящем руководстве термины «случайная» и «систематическая» относятся к влиянию неопределенности на конкретный процесс измерения. Обычно случайные составляющие требуют оценок типа А, а систематические — оценок типа В, но существуют исключения. 3.14 Например, случайный эффект может вызвать флуктуацию показаний прибора, которая одновременно имеет шумоподобный вид и существенна с точки зрения неопределенности. Однако её можно охарактеризовать только с точки зрения пределов диапазона измеряемых значений. Такая ситуация встречается нечасто, но в таких случаях требуется оценка составляющей неопределенности типа B. Это осуществляется путём назначения предельных значений и соответствующего распределения вероятностей, как и в случае других оценок типа B. 3.15 Неопределенности входных данных, связанные со значениями 𝑥𝑖 влияющих величин 𝑋𝑖, возникают в различных формах. Некоторые из них можно охарактеризовать как предельные значения, между которыми мало что известно о наиболее вероятном месте (в пределах этих пределов), где может находиться «истинное» значение. Хорошим примером этого является числовое округление, вызванное конечным разрешением, описанным в пункте 2.8. В этом примере равновероятно, что исходное значение находится где угодно в пределах ± половины изменения, представленного одним приращением последней записанной цифры. Эта концепция проиллюстрирована на рисунке 1. 3.16 𝑎 𝑎 Плотность вероятности 𝑋 𝑥𝑖 − 𝑎 𝑥𝑖 𝑥𝑖 + 𝑎 Рисунок 1 Математическое ожидание 𝑥𝑖 находится в центре распределения возможных значений с полушириной, или полудиапазоном, 𝑎. 3.17 В примере с разрешением 𝑎 = 0,5 (для разрешения 1,0). 3.18 Поскольку все базовые значения предполагаются одинаково вероятными, мы можем сказать, что существует равная вероятность того, что значение 𝑥𝑖 будет находиться где-то в диапазоне от 𝑥𝑖 − 𝑎 до 𝑥𝑖 + 𝑎, и нулевая вероятность того, что оно будет находиться за пределами этих пределов. 3.19 Таким образом, вклад неопределенности, связанный со значением 𝑥𝑖, характеризуется функцией плотности вероятности (ФПВ), описывающей диапазон и относительное правдоподобие возможных значений измеряемой величины. Согласно определению GUM, стандартная неопределенность 𝑢(𝑥𝑖) равна стандартному отклонению соответствующей ФПВ. 3.20 Распределение вероятностей, связанное с входной величиной, отражает имеющиеся знания об этой конкретной величине. Во многих случаях доступной информации будет недостаточно для обоснования выбора более «информативного» распределения, чем равномерное, или прямоугольное, распределение вероятностей (как на рисунке 1). 3.21 При наличии дополнительной информации может оказаться возможным назначить другое распределение вероятностей значению конкретной входной величины. Например, измерение может быть принято как разность показаний на цифровой шкале – как правило, нулевое показание вычитается из показания, снятого дальше по шкале. Если чувствительность постоянна, оба показания могут иметь соответствующее прямоугольное распределение одинакового размера. Если объединить два идентичных прямоугольных распределения, каждое с амплитудой ±𝑎, то результирующее распределение будет треугольным с полудиапазоном ±2𝑎. Плотность вероятности 𝑋 𝑥𝑖 − 2𝑎 𝑥𝑖 𝑥𝑖 + 2𝑎 Рисунок 2 Комбинация двух идентичных прямоугольных распределений, каждое с полуразмахом ±𝑎, даёт треугольное распределение с полуразмахом ±2𝑎. 3.22 Существуют и другие возможные распределения. Например, при измерении мощности радиочастотного сигнала неопределённость возникает из-за неточного согласования между источником и нагрузкой. Неточное согласование обычно связано с неизвестным фазовым углом, что означает, что распределение вероятностей неопределённости определяется косинусоидальной функцией. Харрис и Уорнер [17] показали, что этот эффект приводит к симметричному U-образному распределению вероятностей. Плотность вероятности 𝑋 𝑥𝑖 − 𝑎 𝑥𝑖 𝑥𝑖 + 𝑎 Рисунок 3 U-образное распределение, связанное с неопределенностью рассогласования радиочастот. В этой ситуации 𝑥𝑖, скорее всего, будет находиться близко к одному из краев распределения. 3.23 Оценка эффектов (не)повторяемости, выполненная статистическими методами, обычно даёт гауссовское или нормальное распределение. Более подробную информацию об этом процессе можно найти в разделе 4. 3.24 При объединении ряда распределений любой формы можно показать, что, за исключением исключительных случаев, результирующее распределение вероятностей стремится к нормальной форме в соответствии с Центральной предельной теоремой.[16] Важность этого факта заключается в том, что он позволяет использовать хорошо известные свойства нормального распределения для назначения вероятности покрытия правдоподобию того, что истинное значение измеряемой величины находится в определенном диапазоне значений, известном как интервал покрытия. Рисунок 4 Нормальное, или гауссовское, распределение вероятностей, получаемое при объединении нескольких распределений любой формы с соблюдением условий центральной предельной теоремы. На практике, если присутствуют три или более распределений схожей величины, они обычно объединяются, образуя разумное приближение к нормальному распределению. Величина распределения описывается стандартным отклонением. Заштрихованная область ограничивает область, отстоящую на ±1 стандартное отклонение от центра распределения. Это соответствует примерно 68% площади под кривой. 3.25 Исключительный случай возникает, когда один (или несколько) входных факторов совокупной неопределенности являются доминирующими; в этом случае результирующее распределение в той или иной степени напоминает распределение доминирующего вклада (вкладов). ПРИМЕЧАНИЕ 1: Если доминирующий вклад нормальный, то, очевидно, результирующее распределение также будет нормальным. ПРИМЕЧАНИЕ 2: Приведенное выше утверждение и примечание могут быть неверны, если модель измерений нелинейна. 3.26 Всякий раз, когда неопределенности входных данных выражаются в терминах предельных значений (например, пределов прямоугольного распределения), а не стандартных отклонений, необходима определенная обработка для их «стандартизации» с целью получения 𝑢(𝑥𝑖 ), как описано ниже. 3.27 Когда возможно оценить только верхнюю и нижнюю границы погрешности (например, в случае цифрового округления), следует предположить прямоугольное распределение вероятностей для неопределённости, связанной с этой погрешностью. Тогда, если 𝑎𝑖 — предел полудиапазона, стандартная неопределённость определяется как 𝑢(𝑥𝑖 ) = 𝑎𝑖 / √3. В таблице 1 приведены выражения для различных ситуаций. Таблица 1 – Выражение, используемое для получения стандартной неопределенности для различных распределений вероятностей 3.28 Величины 𝑋𝑖, влияющие на измеряемую величину 𝑌, могут не иметь с ней прямой, однозначной связи. Может присутствовать масштабирующий коэффициент, например, мультипликативная константа, или другие единицы измерения, или 𝑌 может изменяться нелинейно с 𝑋𝑖 (как в случае зависимости площади от радиуса круга). 3.29 Например, в лаборатории, проводящей измерения размеров, могут использоваться стальные концевые меры длины для калибровки измерительных приборов. Температура является существенной влияющей величиной. Поскольку концевые меры длины имеют значительный температурный коэффициент расширения, возникает неопределенность их длины, обусловленная неопределенностью температуры. 3.30 Чтобы перевести температурную неопределенность в неопределенность в единицах длины, необходимо знать, насколько чувствительна длина концевой меры длины к температуре. Другими словами, требуется коэффициент чувствительности. В данном примере сталь, используемая для изготовления концевых мер длины, имеет температурный коэффициент расширения приблизительно +11,5 × 10−6 на °C, что и дает значение коэффициента чувствительности. 3.31 Коэффициент чувствительности, связанный с каждой входной оценкой 𝑥𝑖, представлен как 𝑐𝑖. Он представляет собой частную производную функции модели 𝑓(𝑋𝑖) по 𝑋𝑖, вычисленную при входных оценках 𝑥𝑖. Он определяется как Другими словами, он описывает, как выходная оценка 𝑦 изменяется при соответствующем небольшом изменении входной оценки 𝑥𝑖. 3.32 Если функциональная зависимость для данной системы измерений недостаточно известна или ее трудно дифференцировать, коэффициенты чувствительности обычно можно получить практическим путем изменения одной из входных переменных на известную величину, сохраняя при этом все остальные входные данные постоянными и отмечая изменение в оценке выходных данных. 3.33 По сути, этот «численный» подход аппроксимирует частную производную 𝜕𝑦 / 𝜕𝑥𝑖 отношением Δ𝑦 / Δ𝑥𝑖, где Δ𝑦 — это изменение 𝑦 = 𝑓(𝑥𝑖 ), вызванное изменением 𝑥𝑖 на Δ𝑥𝑖 . Важно тщательно выбрать величину изменения Δ𝑥𝑖 относительно 𝑥𝑖 . Она должна быть достаточно большой для достижения необходимой численной точности Δ𝑦 и достаточно малой для обеспечения математически обоснованного приближения частной производной. Следующий пример иллюстрирует этот подход. Пример Высота флагштока ℎ определяется путём измерения угла, полученного при наблюдении за вершиной флагштока с заданного расстояния 𝑑. Таким образом, ℎ = 𝑑 tan 𝛷 Оба значения ℎ и 𝑑 измеряются в единицах длины, но связаны соотношением tan Φ. Другими словами, ℎ = 𝑓(𝑑, 𝛷) = 𝑑 tan 𝛷. Если измеренное расстояние составляет 7,0 м, а измеренный угол — 37°, то расчётная высота составит ℎ = 7,0 tan (37°) м = 5,275 м. 3.34 Если максимальная погрешность 𝑑 составляет, скажем, 0,1 м, то оценка ℎ может находиться в диапазоне от (7,0 − 0,1). tan(37°)м до (7,0 + 0,1). tan(37°)м, то есть между 5,200 м и 5,350 м. Таким образом, изменение входной величины 𝑥𝑖 на ±0,1 м привело к изменению выходной оценки 𝑦 на ±0,075 м. Таким образом, коэффициент чувствительности оценивается как 𝑐𝑑 = 0,075 / 0,1 = 0,75. 3.35 Аналогичные рассуждения можно применить к неопределенности угла 𝛷. Если максимальная погрешность 𝛷 составляет 0,5°, то оценка ℎ может находиться в диапазоне от 7,0 tan(36,5°)м до 7,0 tan(37,5°)м, то есть от 5,179 м до 5,371 м. Изменение входной величины 𝑥𝑖 на ±0,5° привело к изменению выходной оценки 𝑦 на ±0,096 м. Таким образом, коэффициент чувствительности оценивается как 𝑐𝛷 = 0,096 м / 0,5° = 0,192 метра на градус. 3.36 После оценки стандартных неопределенностей 𝑢(𝑥𝑖) и коэффициентов чувствительности 𝑐𝑖 эти неопределенности можно объединить, чтобы получить единое значение неопределенности, связанное с оценкой 𝑦 измеряемой величины 𝑌. Это значение называется комбинированной стандартной неопределенностью и обозначается символом 𝑢c(𝑦). ПРИМЕЧАНИЕ: Нижний индекс «c» в 𝑢c(𝑦) излишен и может быть опущен. Он сохранен здесь для соответствия GUM [1]. 3.37 Объединенная стандартная неопределенность обычно рассчитывается по формуле: — стандартная неопределенность, соответствующая 𝑖-й входной величине, выраженная через измеряемую величину. ПРИМЕЧАНИЕ: Уравнение (1) применимо только в том случае, если все 𝑥𝑖 независимы, в противном случае следует использовать уравнение GUM 13. 3.38 Другими словами, индивидуальные стандартные неопределенности, выраженные через измеряемую величину, возводятся в квадрат; эти квадраты суммируются, и из них извлекается квадратный корень. 3.39 Ниже представлен пример этого процесса с использованием данных измерения флагштока, описанного выше. В данном примере предполагается, что повторяемость процесса оценивалась путём проведения повторных измерений высоты флагштока, что дало расчётное стандартное отклонение среднего значения 0,05 метра. Подробнее об оценке повторяемости см. в разделе 4. Обратите внимание, что стандартизированного формата для представления содержания бюджета неопределённости не существует, и на практике могут встречаться различные варианты. Например, в этой таблице для экономии места стандартные неопределённости 𝑢(𝑥𝑖) не оценивались и не приводились отдельно. Вместо этого все расчёты выполняются в один этап, который суммируется в последнем столбце. ПРИМЕЧАНИЕ 1: Столбцы «Неопределенность» и «Распределение вероятностей» представляют известную информацию о соответствующих входных данных. Термин «Неопределенность» используется здесь в общем смысле и может, как и в случае первых двух терминов, соответствовать «полуширине» для диапазона возможных значений (например, для диапазона ±0,1 м полуширина составляет 0,1 м). В случае конечных входных данных для данного примера (повторяемость измерений) он представляет собой стандартное отклонение. «Распределение вероятностей» суммирует характер известной информации о соответствующих входных данных и совместно с информацией «Неопределенность» определяет соответствующий «Делитель». В данном примере «Прямоугольные» распределения отражают отсутствие какой-либо информации, кроме предельных значений. «Делитель» служит для стандартизации информации для установления стандартизированной неопределенности входных данных 𝑢(𝑥𝑖 ). ПРИМЕЧАНИЕ 2: Как и в случае всех оценок неопределенности, комбинированная стандартная неопределенность является следствием применения принципов GUM к модели измерения. В данном примере модель имеет вид ℎ = 𝑑 tan 𝛷 + δℎ𝑟. Подробное объяснение процессов построения модели измерения см. в Приложении D «Уравнения измерений» или в ссылках [2] и [3]. 3.40 В соответствии с Центральной предельной теоремой, функция плотности вероятности для 𝑦 представляет собой нормальное распределение со стандартным отклонением, равным 𝑢c(𝑦), как показано на рисунке 5. Рисунок 5 Измеренное значение 𝑦 находится в центре нормального распределения со стандартным отклонением, равным 𝑢c(𝑦). Числовые значения соответствуют рассмотренному выше примеру. 3.41. Для нормального распределения ± одно стандартное отклонение охватывает 68,3% площади под кривой. Это означает, что вероятность того, что измеряемая величина находится в этих пределах, составляет около 68%. 3.42 GUM признаёт необходимость обеспечения интервала покрытия с более высокой вероятностью покрытия и достигает этого, определяя интервал покрытия через расширенную неопределённость 𝑈, которая получается путём умножения объединённой стандартной неопределённости на коэффициент покрытия. Коэффициент покрытия обозначается символом 𝑘, таким образом, расширенная неопределённость определяется как При необходимости, чтобы избежать двусмысленности, к 𝑈 и 𝑘 можно прикрепить нижние индексы, чтобы отразить соответствующую вероятность покрытия, например, 𝑈𝑝, 𝑘𝑝, 𝑈95%, 𝑘95%, … 3.44 В соответствии с общепринятой международной практикой для расчета расширенной неопределенности рекомендуется использовать коэффициент охвата 𝑘 = 2. Это значение 𝑘 даст вероятность охвата приблизительно 95% при условии нормального распределения. ПРИМЕЧАНИЕ: Коэффициент охвата 𝑘 = 2 обеспечивает вероятность охвата 95,45% при нормальном распределении. Для удобства это значение приближено к 95% (что фактически соответствует коэффициенту охвата 𝑘 = 1,96). Однако, как правило, эта разница не оказывается значимой, если учитывать допущения модели и надежность входных величин. 3.45 Например: Измерение высоты флагштока имело суммарную стандартную неопределенность 𝑢c(𝑦) 0,0863 м. Следовательно, расширенная неопределенность 𝑈 = 𝑘 𝑢c(𝑦) = 2 × 0,0863 м = 0,17 м. 3.46 Однако могут возникнуть ситуации, когда требуется другая вероятность покрытия. Например, в критических для безопасности ситуациях более высокая вероятность покрытия может быть более целесообразной. В таблице ниже приведены коэффициенты покрытия, необходимые для получения различных уровней покрытия при нормальном распределении. Вероятность покрытия Фактор покрытия 3.47 Могут также возникнуть ситуации, когда нормальное распределение не может быть принято, и может потребоваться другой коэффициент покрытия для получения вероятности покрытия приблизительно 95%. Такие ситуации описаны в Приложении B и Приложении C. 3.48 Иногда лаборатория может захотеть переоценить входные значения в качестве «коэффициента безопасности» или применить «коэффициент комфортности» к рассчитанному значению расширенной неопределенности. Это не соответствует принципам GUM или M3003. Если при построении бюджета неопределенности соблюдаются принципы настоящего документа, результирующая расширенная неопределенность должна быть реалистичной оценкой неопределенности. В противном случае будет неверно утверждать, например, что вероятность охвата соответствующего интервала охвата составляет 95%. Решения о «безопасности», т.е. риске, связанном с результатами измерений, могут быть приняты с уверенностью только после получения реалистичной оценки неопределенности измерений (а не путем предварительного манипулирования или применения коэффициента безопасности к входным данным) и применения правильного коэффициента охвата для заявленной или желаемой вероятности охвата.

Тот проект отклонили. Вот новый https://regulation.gov.ru/projects/160790/ О внесении изменений в Федеральный закон «Об обеспечении единства измерений»

Перевод 2 Общий обзор 2.1 Во многих аспектах повседневной жизни мы привыкли к сомнениям, которые возникают при оценке того, насколько велики или малы вещи. Например, если кто-то спросит: “Как вы думаете, какая температура в этой комнате?”, мы можем ответить: “около 23 градусов по Цельсию”. Использование слова “около” подразумевает, что мы знаем, что в комнате не совсем 23 градуса, но где-то около этого. Другими словами, мы признаем, что есть некоторые сомнения относительно значения температуры, которое мы рассчитали. 2.2 Мы, конечно, могли бы быть немного конкретнее. Мы могли бы сказать: “сейчас 23 градуса по Цельсию плюс-минус пара градусов”. Термин “плюс-минус” подразумевает, что оценка все еще вызывает сомнения, но теперь мы устанавливаем пределы для степени сомнения. Мы предоставили некоторую количественную информацию о сомнениях или неопределенности нашей оценки. 2.3 Также вполне разумно предположить, что мы можем быть более уверены в том, что наша оценка находится в пределах, скажем, 5 градусов от “истинной” комнатной температуры, чем в том, что оценка находится в пределах 2 градусов. Чем больше неопределенность, которую мы задаем, тем больше мы уверены в том, что она соответствует “истинному” значению. Следовательно, для данной ситуации неопределенность связана с уровнем достоверности. 2.4 До сих пор наша оценка температуры в помещении основывалась на субъективной оценке. Это не совсем предположение, поскольку у нас может быть опыт воздействия аналогичных и известных условий окружающей среды. Однако для проведения более объективных измерений необходимо использовать какой-либо измерительный прибор; в данном случае мы можем использовать термометр. 2.5 Даже если мы используем измерительный прибор, все равно будут некоторые сомнения или неопределенность в отношении результата. Например, мы могли бы спросить: ”Точны ли показания термометра?" “Насколько хорошо я могу их прочитать?” “Меняются ли показания?” “Я держу термометр в руке. Не нагреваю ли я его?” “Относительная влажность воздуха в помещении может значительно изменяться. Повлияет ли это на мои результаты?” “Имеет ли значение, в каком месте помещения я провожу измерение?” Все эти и, возможно, другие факторы могут вносить свой вклад в неопределенность измерения температуры в помещении. 2.6 Таким образом, чтобы количественно оценить неопределенность измерения температуры в помещении, нам необходимо рассмотреть все факторы, которые могут повлиять на результат. Нам необходимо оценить возможные отклонения, связанные с этими факторами. Давайте рассмотрим вопросы, поставленные выше. 2.7 Точны ли показания термометра? 2.7.1 Чтобы выяснить это, необходимо сравнить его с термометром, точность которого известна лучше. Этот термометр, в свою очередь, необходимо сравнить с термометром, характеристики которого еще лучше, и так далее. Эта последовательность приводит к концепции прослеживаемости измерений, при которой измерения на всех уровнях могут быть прослежены до согласованных исходных данных. В большинстве случаев стандарт ISO/IEC 17025 [5] требует, чтобы измерения можно было проследить до единиц СИ, что обычно достигается путем непрерывной цепочки сравнений, проводимых национальным институтом метрологии. Другими словами, нам нужна прослеживаемая калибровка. Сама по себе эта калибровка будет источником неопределенности, поскольку лаборатория, проводящая калибровку, присвоит сообщенным значениям неопределенность калибровки. При использовании в последующей оценке неопределенности это часто называется импортированной неопределенностью. 2.7.2 Однако, что касается точности термометра, то калибровка с возможностью отслеживания - это еще не все. Со временем характеристики измерительных приборов меняются. Поскольку они “смещаются”, необходима регулярная повторная калибровка. Поэтому важно оценить возможные изменения с момента последней калибровки прибора. Если прибор имеет достоверную историю измерений, возможно, удастся предсказать, какой будет погрешность измерения в определенный момент времени в будущем, основываясь на прошлых результатах, и скорректировать показания. Этот прогноз не будет точным, и, следовательно, будет присутствовать неопределенность в отношении скорректированного значения. В других случаях может быть недостаточно данных за прошлые периоды или они могут не указывать на достоверную тенденцию, и может потребоваться установить предельное значение для вероятного изменения с момента последней калибровки. Это значение может быть оценено на основе анализа изменений, произошедших в прошлом. Оценки, выполненные с использованием этих методов, дают неопределенность, обусловленную постоянной стабильностью или изменениями во времени прибора. Это изменение во времени обычно называется дрейфом. 2.7.3 Существуют и другие возможные факторы, влияющие на точность показаний термометра. Например, предположим, что у нас есть отслеживаемая калибровка, но только при 15°C, 20°C и 25°C. Что это говорит нам о погрешности показаний при 23°C? В таких случаях нам придется оценить применимую погрешность калибровки, часто путем интерполяции между точками, где имеются данные калибровки. Связанная с этим неопределенность измерений обычно может быть интерполирована таким же образом, с некоторым дополнительным учетом неопределенности в методе интерполяции. 2.8 Насколько хорошо я могу его прочитать? 2.8.1 Неизбежно будет существовать предел, до которого мы сможем определить показания, которые мы наблюдаем на термометре. Если речь идет о термометре для измерения жидкости в стекле, это ограничение часто зависит от нашей способности выполнять интерполяцию между градуировками шкалы. Если это термометр с цифровым индикатором, предел будет определен с помощью цифрового округления. 2.8.2 Например, предположим, что последняя цифра цифрового термометра округлена таким образом, что отображаемое значение изменяется с шагом в 0,1 °C. Значение составляет 23,4 °C. Показания представляют собой округленное представление большего ряда значений, которые показывал бы термометр, если бы у него было больше доступных цифр. При показании 23,4 °C это означает все возможные значения в диапазоне от 23,35 °C до 23,45 °C, которые в целом составляют 23,4 °C. Таким образом, значение 23,4 °C означает, что оно находится где-то между 23,35 °C и 23,45 °C. Другими словами, разрешение дисплея при температуре 0,1 °C привело к ошибке округления где-то между 0,05 °C и -0,05 °C (что соответствует плюс-минус половине разрешения дисплея). Поскольку у нас нет возможности узнать, где в этом диапазоне находится значение, мы должны предположить, что ошибка округления равна нулю в пределах ±0,05 °C. (Ноль – это "ожидаемое" значение - это наилучшая оценка, основанная на имеющейся информации). 2.8.3 Таким образом, можно видеть, что неопределенность всегда будет составлять ± половину изменения, представленного одним приращением последней записанной цифры. Эта ошибка округления применима не только к цифровым дисплеям; она применяется при каждой записи числа. Если мы запишем округленный результат, равный 123,456, мы создадим идентичный эффект из-за того, что мы записали этот результат с точностью до трех знаков после запятой, и возникнет ошибка, не превышающая 0,0005. 2.8.4 Этот источник неопределенности часто называют “разрешением”, однако более корректно называть его числовым округлением, вызванным конечным разрешением. 2.9 Меняются ли показания? 2.9.1 Да, вероятно, так и есть! Такие изменения могут быть вызваны колебаниями температуры в помещении, характеристиками термометра и другими факторами, влияющими на показания, например, тем, как мы держим термометр. Итак, что же можно с этим поделать? 2.9.2 Мы могли бы, конечно, записать только одно показание и сказать, что это измеренная температура в данный момент и при определенных условиях. Это не имело бы большого значения, поскольку мы знаем, что следующее показание, через несколько секунд, вполне может отличаться. Итак, что же является “правильным”? 2.9.3 На практике мы, вероятно, будем использовать среднее значение нескольких измерений для получения более репрезентативного значения. Таким образом, мы можем “сгладить” влияние кратковременных колебаний показаний термометра. Это среднее арифметическое значение нескольких показаний часто может быть ближе к “истинному” значению, чем любое отдельное значение. 2.9.4 Однако мы можем выполнить только конечное число измерений. Это означает, что мы никогда не получим “истинное” среднее значение, которое было бы выявлено, если бы мы могли выполнить бесконечное (или очень большое) количество измерений. Возникнет неизвестная ошибка и, следовательно, неопределенность, возникающая из-за разницы между нашим рассчитанным средним значением и лежащим в основе “истинным” средним значением. 2.9.5 Эта неопределенность не может быть оценена с помощью методов, подобных тем, которые мы уже рассматривали. До сих пор мы искали доказательства, такие как неопределенность калибровки и долговременная стабильность, и рассматривали то, что происходит при конечном разрешении, с помощью логических рассуждений. Влияние различий между показаниями не может быть оценено подобным образом, поскольку отсутствует исходная информация, на которой можно было бы основывать нашу оценку. 2.9.6 Единственная информация, которой мы можем располагать, - это серия показаний и вычисленное среднее значение. Поэтому нам необходимо использовать статистический подход, чтобы определить, насколько наше вычисленное среднее значение может отличаться от “истинного”. Эти статистические данные довольно просты… таким образом, так называемая неопределенность повторяемости оценивается по экспериментальному стандартному отклонению среднего значения, которое часто называют просто стандартным отклонением среднего значения. ПРИМЕЧАНИЕ: Стандартное отклонение среднего значения также известно как стандартная ошибка. 2.9.7 Часто бывает удобно рассматривать расчет стандартного отклонения среднего значения как двухэтапный процесс. Его можно легко выполнить с помощью большинства научных калькуляторов или программного обеспечения для работы с электронными таблицами. 2.9.8 Сначала мы получаем расчетное стандартное отклонение повторяемости, s, например, используя измеренные нами значения. В большинстве калькуляторов эта функция обозначается функциональной клавишей xσn-1. В некоторых калькуляторах это значение обозначается как s(x) или просто s. В Microsoft Excel можно использовать функцию STDEV.S cell. 2.9.9 Затем получают стандартное отклонение среднего значения путем деления оценки, полученной в пункте 2.9.8, на квадратный корень из числа измерений, которые повлияли на среднее значение. 2.9.10 Например, предположим, что мы записываем пять последовательных показаний нашего термометра. Это 23,0 °C, 23,4 °C, 23,1 °C, 23,6 °C и 22,9 °C, и мы намерены сообщить среднее значение 23,2 °C из этих пяти значений. 2.9.11 Мы получаем расчетное стандартное отклонение, равное 0,2915 °C. 2.9.12 На среднее значение повлияли пять измерений, поэтому мы делим 0,2915 °C на квадратный корень из 5, получая оценку повторяемости (стандартное отклонение от среднего значения), равную 0.2915 / √5 = 0.2915 / 2.236 = 0.1304 ℃. 2.9.13 Дополнительную информацию о статистических процессах, используемых для оценки повторяемости, можно найти в разделе 4. 2.10 Я держу термометр в руке. Нагреваю ли я его? 2.10.1 Вполне возможно. Возможно, происходит передача тепла от руки к датчику температуры. Возможно, на датчик воздействует тепло, излучаемое телом. Эти эффекты могут быть значительными, а могут и не быть, но мы не узнаем об этом до тех пор, пока не будет проведена оценка. В этом случае для определения значимости эффекта могут потребоваться специальные эксперименты. 2.10.2 Как мы могли бы это сделать? На ум приходят несколько основных методов. Например, мы могли бы установить термометр в условиях стабильной температуры и считывать показания удаленно, без присутствия оператора поблизости. Затем мы могли бы сравнить этот результат с тем, который получается, когда оператор держит его обычным способом или различными способами. Это позволило бы получить эмпирические данные о влиянии теплопроводности и излучения. Если такие эффекты окажутся значительными, мы могли бы либо усовершенствовать метод таким образом, чтобы исключить влияние оператора, либо внести вклад в неопределенность измерений, основываясь на результатах эксперимента. 2.10.3 При рассмотрении метода измерения выявляется несколько важных вопросов. Измерение может быть независимым от оператора, и, возможно, потребуется уделить особое внимание влиянию оператора (возможно, нам придется обучить оператора использованию оборудования определенным образом). Для оценки конкретных эффектов могут потребоваться специальные эксперименты. Кроме того, что важно, оценка неопределенности может выявить пути совершенствования метода, что позволит получить более надежные результаты. 2.11 Относительная влажность воздуха в помещении может значительно изменяться. Повлияет ли это на мои результаты? 2.11.1 Возможно, так оно и будет. Если мы используем стеклянный термометр с жидкостью, трудно понять, как относительная влажность может существенно повлиять на расширение жидкости. Однако, если мы используем цифровой термометр, возможно, что относительная влажность может повлиять на электронные компоненты, которые усиливают и обрабатывают сигнал с датчика. Относительная влажность также может повлиять на работу самого датчика. 2.11.2 Как и в случае с другими воздействиями, нам нужны средства оценки любых таких эффектов. В этом случае мы могли бы поместить термометр в среду, в которой температура может поддерживаться на постоянном уровне, но относительная влажность может изменяться… который покажет, насколько чувствителен термометр к интересующему нас количеству. В качестве альтернативы мы можем полагаться на информацию, опубликованную производителем оборудования. 2.11.3 Этот вопрос также затрагивает общий момент, который применим ко всем измерениям. Каждое измерение, которое мы проводим, должно проводиться в определенной среде; это неизбежно. Таким образом, мы должны рассмотреть вопрос о том, может ли какой-либо конкретный аспект окружающей среды оказать влияние на измеряемое значение и его неопределенность. 2.11.4 Значение того или иного аспекта окружающей среды необходимо учитывать в свете конкретного выполняемого измерения. Например, трудно представить, как сила тяжести может существенно повлиять на показания цифрового термометра. Однако это, безусловно, повлияет на результаты, полученные на прецизионных весах, которые могут находиться прямо рядом с термометром! 2.11.5 При рассмотрении неопределенности измерений наиболее часто встречаются следующие воздействия на окружающую среду: Температура Относительная влажность Атмосферное давление Электрические или магнитные поля Гравитация Электропитание измерительного оборудования Движение воздуха Вибрация Свет и оптические отражения Кроме того, некоторые из этих факторов могут оказывать незначительное влияние, пока они остаются постоянными, но могут повлиять на результаты измерений, когда они начнут изменяться. Скорость изменения температуры может быть особенно важна. 2.11.6 К настоящему времени должно быть очевидно, что понимание системы измерений важно для выявления и количественной оценки различных неопределенностей, которые могут возникнуть в ситуации измерения. И наоборот, анализ неопределенности часто позволяет глубже понять систему и выявить пути улучшения процесса измерения, что приводит к следующему вопросу… 2.12 Имеет ли значение, в какой части комнаты я произвожу измерение? 2.12.1 Это зависит от того, что мы пытаемся измерить! Интересует ли нас температура в конкретном месте, или средняя температура, наблюдаемая в любом месте помещения, или средняя температура на высоте рабочего стола? 2.12.2 Могут возникнуть дополнительные вопросы, связанные с этим. Например, требуется ли нам знать температуру в определенное время суток или среднюю за определенный период времени? 2.12.3 Необходимо задать такие вопросы и получить на них ответы, чтобы мы могли разработать подходящий метод измерения, который дает нам необходимую информацию. Пока мы не узнаем детали метода, мы не сможем оценить неопределенности, которые могут возникнуть в результате применения этого метода. 2.12.4 Этот и предшествующие ему вопросы очень важны. Но самый важный вопрос из всех, которые следует задать, - это тот, который следует задать еще до того, как мы выберем метод и начнем оценку неопределенности: 2.13 “Что именно я пытаюсь измерить?” 2.13.1 Пока мы не получим ответа на этот вопрос, мы не сможем провести надлежащую оценку неопределенности. Интересующая нас величина называется измеряемой величиной. Чтобы оценить неопределенность измерения, мы должны определить измеряемую величину, в противном случае мы не сможем узнать, как какая-либо конкретная влияющая величина влияет на полученное для нее значение. 2.13.2 Следствием этого является то, что нам необходимо разработать модель измерения, которая определяет предполагаемую взаимосвязь между влияющими (входными) величинами и измеряемой величиной (выходными данными). Эта взаимосвязь часто может быть описана математическим выражением или уравнением измерения. Более подробную информацию о создании модели измерения можно найти в JCGM GUM-6 [14] и в приложении D. Надлежащий анализ этого процесса также дает ответ на другой важный вопрос… 2.14 “Действительно ли я измеряю величину, которую, как мне казалось, я измерял?” 2.14.1 Большинство процессов измерения таковы, что конечный результат будет лишь приближением к “истинному” значению из-за допущений и аппроксимаций, присущих выбранному методу измерения. Модель должна учитывать любые подобные допущения и неопределенности, которые могут возникнуть в связи с ними, и должна быть учтена при анализе. 2.15 Краткое изложение 2.15.1 В этом разделе стандарта M3003 дается общий обзор неопределенности и дается некоторое представление о том, как могут возникать неопределенности. В нем показано, что мы должны понимать наш процесс измерения и то, как различные факторы могут повлиять на результат. Также было показано, что анализ неопределенности может принести положительные результаты, поскольку позволяет выявить, где можно усовершенствовать методы измерений, тем самым повышая надежность результатов измерений. 2.15.2 В следующих разделах документа M3003 более подробно рассматриваются проблемы, выявленные в этом обзоре.