Оценка погрешностей результатов измерения

После перечисления многочисленных причин появления систематических  погрешностей, заключенных в методе измерения, может показаться, что  точно вообще ничего измерить невозможно. На самом деле в большинстве случаев  обеспечивается достаточный запас точности, или проводятся специальные исследования по выявлению причин систематических погрешностей. После этого вносятся поправки либо в показания шкал приборов, либо в методику измерений.

Субъективные систематические  погрешности

На результаты измерений  непосредственное влияние оказывает  квалификация персонала и индивидуальные особенности человека, работающего  на приборе. Для полной реализации возможностей измерительного прибора или метода предела для совершенствования  не существует. В главе, посвященной  эталонам, изложена история совершенствования  эталона длины. На таком уровне обычных  инженерных знаний недостаточно, по этой причине процесс измерения ставят рядом с искусством. Понятно, что  получить информацию о результатах  измерений состава атмосферы  на Венере, расшифровать ее и оценить  погрешность может только очень  квалифицированный человек. С другой стороны, некоторые измерения, например температуры тела человека, может  выполнить любой, даже неграмотный  человек.

На субъективные погрешности  измерений влияют самые разнообразные  особенности человека. Известно, что  время реакции на звук, на свет, на запах, на тепло у каждого человека разное. Хорошо известно, что дискретные кадры в кино или в телевизоре, следующие 25 раз в секунду, воспринимаются наблюдателем как непрерывная картина. Из этого следует, что между откликом прибора и реакцией человека временной  интервал в 1/25 секунды не может быть зарегистрирован.

Еще одним наглядным примером влияния оператора на результат  измерения служат измерения цвета. Человеческий глаз имеет два аппарата зрения - дневной и сумеречный. Дневной  аппарат представляет собой комбинацию из красных, зеленых и синих рецепторов. У большой части людей наблюдаются  отклонения от средних статистических характеристик - хорошо известный дефект, называемый в обиходе дальтонизмом. У человека может ненормально функционировать либо какой-нибудь рецептор, либо какой-нибудь аппарат зрения. Принято проверять на правильность цветовосприятия только водителей транспорта. Обычный персонал, занимающийся измерениями, никто на цветовосприятие не проверяет. Это может привести к неверным измерениям координат цвета или температуры пирометром, т. е. в тех случаях, когда используются визуальные методы оценки яркости или цвета. Известно также, что у человека цветовосприятие может измениться с возрастом. Это связано с тем, что стекловидное тело глаза с возрастом желтеет, в результате чего цвет одним и тем же человеком воспринимается с годами по-разному. Некоторые художники, восстанавливавшие свои собственные картины через десятки лет, изображали все в синих тонах.

Субъективное восприятие человеком результата измерения  в большой степени определяется также опытом работы. Например, при  измерении состава сплавов визуальным стилометром опыт работы является определяющим в получении достоверного и точного  результата. Опытный оператор по появлению  спектральных линий в поле зрения прибора может определить не только тип сплава, но и количественное содержание в нем многих элементов.

Заключение

Очень широко среди практиков распространено мнение, что все затруднения с  вероятностной оценкой погрешности  объясняются лишь их слабой подготовкой  в области математической статистики и теории вероятностей. Бее необходимые  для этого задачи, дескать, давно  решены в теории вероятностей и теории случайных процессов. Стоит лишь как следует овладеть премудростью этих наук и все сложности разрешатся сами собой. Но это верно лишь отчасти. Очень многое применительно к  нуждам оценки погрешностей еще ждет своей разработки.

Так, например, нельзя же ожидать, что  для всего разнообразия законов  распределения погрешностей математики дадут таблицы квантилей. Такие  таблицы заняли бы целый том. Нужно  какое-то другое решение, например, в  виде приближенных формул, а такие  формулы нужно разработать. Подобное положение наблюдается и с  методикой суммирования погрешностей. Строгое математическое решение  в пике многомерного распределения  для практики бесполезно. То же самое  относится и к имитационному  моделированию но методу Монте-Карло, так как оно не может дать общего решения, а численные решения  всякий раз должны проводиться заново. Нужны упрощенные, практические методы. Это особенно относится к расчету  погрешности косвенных измерений  где из-за математической сложности  необходимо ограничиться самыми примитивными методами.

Не лучше положение и со сравнительной  эффективностью различных оценок центра, рассеянием оценок контрэксцесса, энтропийного коэффициента и энтропийного значения, исключением промахов при распределениях, отличных от нормального. Даже такой, казалось бы, классический спрос математической статистики, как оптимальное число  интервалов группирования экспериментальных  данных для построения полигона или гистограммы, оказывается, имеет почти столько же «оптимальных» решений, сколько излагающих его авторов. Всюду рекомендуемое использование критериев согласия для идентификации формы распределения практически не позволяет произвести желаемой идентификации при тех данных, которыми исследователь фактически располагает.

Подобный перечень как теоретических, так и практических задач можно  было бы дать по обработке однофакторных  и многофакторных экспериментов. Здесь  также большое количество нужных для практики задач в области  разработки удобных методов описания параметров многомерного мениска погрешностей при многофакторном эксперименте и  в использовании так называемых «робастных», т. е. не зависящих от вида закона распределения, устойчивых методов  оценки параметров модели и исключения промахов, которые позволяют устранить  неустойчивость при получении решений  МНК для многомерных задач.

Тем не менее дальнейшая разработка устойчивых, не зависимых от вида распределения  методов, представляет собой одно яз наиболее перспективных направлений  развития методов обработки данных. На основе существующих методов уже  сейчас могут быть созданы удобные  программы для обработки данных исследования на ЭВМ.

Особого внимания заслуживает анализ путей повышения эффективности  измерительного эксперимента. Это прежде всего разработка шкалы затрат на подготовку, постановку и проведение эксперимента и шкалы достигаемого эффекта с учетом как параметров мениска погрешностей, так и протяженности  варьирования факторов. Естественно, что  оценка результата сложного многофакторного  эксперимента одним числом крайне примитивна. Здесь нужен системный, комплексный подход, своеобразная квалиметрия процесса измерения, в какой-то степени аналогичная квалиметрии СИ.

Одним словом, нерешенных вопросов в  области оценки погрешностей результатов  измерений вполне достаточно. Эти  трудные и неблагодарные задачи еще ожидают энтузиастов дня  их разрешения.

Список использованной литературы

1. Новицкий П.В. Оценка погрешностей результатов измерений. 1991.
2. Олейник Б.М. и др. Приборы и методы измерений, 1987.
3. Е.С. Левшина, П.В. Новицкий. Измерения физических величин. 1983.