Bagaimana Anda menentukan keakuratan perangkat pengukuran?

Katakanlah Anda memiliki perangkat pengukuran yang Anda tidak tahu keakuratannya, dan perangkat pengukuran referensi. Keduanya mengukur variabel . Kisaran minat adalah . Bagaimana Anda menentukan keakuratan perangkat yang tidak dikenal dalam rentang ini? $x$ $x_0<x < x_1$

Tindakan saya adalah mengumpulkan nilai untuk kedua perangkat dari hingga dan membangun distribusi kesalahan . The akurasi maka bisa menjadi rentang kesalahan, atau yang serupa - apakah ini benar? $x_0$ $x_1$ $\pm3\sigma$

Asumsi:

Perangkat pengukuran referensi dikalibrasi dan hampir tidak memiliki kesalahan

measurements statistics metrology

— John HK
sumber

Pertama perangkat referensi pengukuran harus dikalibrasi dengan benar. Maka akurasi dapat ditentukan oleh input minimum untuk penyihir ada perubahan dalam output. Ex. pada vernier callipers, input minimum adalah jarak.

— Fennekin

Saya menambahkan asumsi bahwa itu dikalibrasi. - Saya benar-benar tidak tahu bagaimana menerapkan contoh Anda dengan kaliper vernier

— John HK

ok, jadi 'akurasi' atau 'benar' per referensi Anda? Sepertinya Anda pertama-tama akan menentukan kebenaran dari perangkat referensi, dengan asumsi ketepatan sebagaimana dinyatakan untuk perangkat, kemudian membandingkan bacaan rata-rata Anda pada perangkat uji untuk menentukan kebenaran, dan menghitung varians untuk menentukan presisi. Saya pikir sebagian besar dari kita "orang-orang lama" menggunakan "ketepatan" untuk "kebenaran" yang baru ini.

— Carl Witthoft

Jawaban:

Pendekatan Anda secara luas benar.

Jika Anda hanya tertarik pada keakuratan sistem Anda, Anda mungkin ingin menggunakan sesuatu seperti kesalahan maksimum. Akurasi Anda kemudian +/- Kesalahan maks dengan asumsi bahwa kesalahan nyata didistribusikan secara seragam dalam rentang ini (distribusi seragam akan sering menjadi perkiraan berlebihan tetapi merupakan pilihan sederhana ketika tidak ada informasi yang lebih baik tersedia).

Namun, pendekatan ini akan sering menghasilkan kesalahan besar karena efek sistematis yang dapat dengan mudah diperbaiki dengan memasang kurva (biasanya linier) melalui plot nilai yang terukur dan benar.

Ini harus mengoreksi bias dalam instrumen Anda dan Anda kemudian dapat menghitung ketidakpastian berdasarkan standar deviasi residual. Ketidakpastian total biasanya merupakan kelipatan , pilihannya cukup arbiter, jadi Anda harus menyatakan kelipatannya (nilai k), atau faktor cakupan rekanan. Anda juga harus menyatakan distribusi apa yang Anda asumsikan karena ini akan mempengaruhi kelipatan berapa memberikan cakupan spesifik. Misalnya Untuk cakupan Gaussian 95% k ~ 2, tetapi untuk distribusi yang seragam cakupan 95% k ~ 1,68 $\sigma$

— nivag
sumber

Seperti yang Anda katakan, pilihannya sewenang-wenang, tetapi apakah ada standar umum? Saya sering menemukan lembar data yang hanya mengatakan "Akurasi: + -Y", tanpa mendefinisikan apakah ini 2sigma, 3sigma, dll ...

— John HK

@ JohnH.K. 2 biasanya merupakan interval kepercayaan default atau 95%. Tidak menyatakan apa yang bukan praktik yang baik. Meskipun jika itu hanya mengatakan akurasi saya akan berpikir / berharap itu berbicara tentang kesalahan yang diijinkan maks.

σ

$\sigma$

— nivag

Dalam pengalaman saya lembar data sering berantakan istilah yang tidak jelas dan nilai-nilai yang didefinisikan dengan buruk (sales broucher bahkan lebih buruk).

— nivag

Satu-satunya cara untuk menentukan keakuratan yang diukur oleh alat pengukur adalah dengan mengkalibrasi terhadap alat dengan akurasi yang diketahui dan kesalahan yang diketahui untuk pengukuran.

Teknik Anda sebagian benar; jangan hanya melakukan pengukuran kesalahan untuk batas perangkat sebagai satu populasi atau sampel bin. Ini karena kesalahan pengukuran tidak selalu seragam.

Misalnya, untuk pembacaan antara 0 & 1, kesalahan mungkin -0.2 dan untuk pembacaan antara 2 & 3 kesalahan mungkin +0.6. Pengujian Anda harus dilakukan dalam rentang atau pita, terlepas dari apakah unitnya mm (untuk penggaris), m / s (untuk anemometer atau speedometer) atau Pa (untuk barometer).

Untuk setiap rentang / band Anda menentukan kesalahan untuk rentang / band itu dan kemudian menerapkan kesalahan itu ke pengukuran yang diambil dari perangkat yang perlu dikalibrasi.

— Fred
sumber

Itu akan dengan asumsi bahwa saya ingin mengkalibrasi perangkat - yang saya tidak mau. Saya hanya ingin mengevaluasinya. Saya memahami contoh Anda, dan untuk melangkah lebih jauh dengan itu: Anda sekarang memiliki kesalahan -0,2 untuk "bin" pertama, +0,6 kesalahan untuk yang kedua dan seterusnya ... Jika Anda ingin meringkas itu untuk seluruh rentang dalam satu nomor, apa yang Anda gunakan? Simpangan baku untuk semua kesalahan?

— John HK

Bagaimana Anda bisa "mengevaluasi" tanpa secara bersamaan menghasilkan info yang menyediakan kalibrasi?

— Carl Witthoft

@CarlWitthoft Ya, Anda menghasilkan info untuk kalibrasi, tetapi mungkin tidak mungkin untuk menyematkan informasi itu ke perangkat atau membuatnya tersedia dalam bentuk lain untuk pengguna.

— John HK

@CarlWitthoft thefreedictionary.com/calibrate tidak setuju dengan saya. Saya masih berpikir ada perbedaan antara menentukan akurasi dan meningkatkan perangkat dengan membuat informasi itu tersedia, tetapi saya rasa kami tidak membuat kemajuan dengan berdebat tentang definisi ini.

— John HK

"Satu-satunya cara untuk menentukan keakuratan ... adalah dengan mengkalibrasi terhadap perangkat dengan akurasi yang diketahui" itu tidak benar. Jika ya, kita tidak akan pernah bisa mengkalibrasi perangkat kita yang paling akurat. Untuk menentukan ketepatan instrumen yang tidak ada perangkat yang lebih akurat, Anda membandingkannya dengan salinan identik itu sendiri (atau menggunakan penalaran fisik).

— Chris Mueller

Saya berada di tim insinyur yang berkualitas (tetapi bukan salah satu dari para ahli), dan mereka memiliki visual di mana mereka menggunakan plot 2d di mana sumbu X adalah pengukuran pertama dan Y adalah pengukuran kedua dari fitur yang dapat diamati.

Mereka akan mengulangi pengukuran / pengukuran ulang dan menciptakan apa yang mereka sebut "bagan sosis". Mereka akan menghilangkan 2% sampel yang tersisa dan menggambar "sosis" di sekitar sisanya.

Anda dapat secara visual melihat kualitas sistem pengukuran dengan mengamati seberapa dekat titik data jatuh ke garis sudut 45deg.

— Baronz
sumber