szacowanie niepewności pomiaru metodą propagacji rozkładów
Transkrypt
szacowanie niepewności pomiaru metodą propagacji rozkładów
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 28, 04-703 Warszawa tel. (022) 812-24-32 fax 615-75-35 e-mail. [email protected] Streszczenie Wyznaczanie niepewności pomiaru jest konieczną częścią każdej procedury pomiarowej. W referacie omówiono klasyczne metody wyznaczania niepewności pomiaru oraz przedstawiono inne podejście bazujące na bezpośrednim zastosowaniu prawa propagacji funkcji rozkładów gęstości prawdopodobieństwa. Metoda ta jest złożona lecz nie wymaga wprowadzania uproszczeń na etapie obliczeniowym. Zastosowanie metod numerycznych do wyznaczania rozkładu gęstości prawdopodobieństwa wielkości wyjściowej przy określonych rozkładach wielkości wejściowych i podanym modelu pomiaru prowadzi do uniwersalnych modułów oprogramowania, które mogą być stosowane w procedurach laboratoryjnych Słowa kluczowe: niepewność pomiaru, prawo propagacji rozkładów, badania nieniszczące. 1. WPROWADZENIE Wprowadzenie jednolitej kodyfikacji szacowania niepewności pomiaru zgodnie z modelem probabilistycznych spowodowało rozwój praktycznych metod obliczania niepewności pomiaru jako parametru rozkładu gęstości prawdopodobieństwa przypisanego wyjściowej wielkości mierzonej. Kryterium wyboru metody obliczania niepewności pomiaru stanowi postać modelu pomiaru. Dla liniowego modelu pomiaru stosuje się prawo propagacji niepewności. Natomiast dla dowolnej nieliniowej funkcji pomiaru stosuje się prawo propagacji rozkładów. W Instytucie Elektrotechniki został opracowany pakiet programów do wspomagania pracy w laboratoriach. W ramach pakietu znajduje się program do wyznaczania niepewności pomiaru metodą propagacji rozkładów. Program pozwala na 1 rozwiązanie wielu problemów w procesie szacowania niepewności pomiarów i metod badawczych. 2. PROBLEMY SZACOWANIA NIEPEWNOŚCI POMIARU Szacowanie niepewności pomiarów złożonych związane jest z problemami, które można zaliczyć do jednej z trzech klas. Pierwszą klasę stanowią zadania pomiarowe, dla których wymagane jest podejście ogólne. Model pomiaru wynika z analizy metrologicznej zjawisk i procesu pomiarowego. Wielkość wyjściowa jest związana zależnością z wielkościami wejściowymi. Zależność ta może mieć charakter funkcji analitycznej lub surowej zależności eksperymentalnej w postaci tabeli. Drugą klasę stanowią te problemy, dla których można zastosować aproksymację równania pomiaru pierwszym wyrazem rozwinięcia w szereg Taylora. W trzeciej grupie znajdują się problemy, dla których nie można wcześniej przesądzić, jakie podejście prowadzi do wystarczająco dokładnego oszacowania. Zgodnie z powyższym skodyfikowano opisane podejścia, zalecane do oceny niepewności pomiaru. Pierwsze podejście to zastosowanie metod analitycznych przekształcania funkcji rozkładów gęstości prawdopodobieństwa. Metody analityczne nie wprowadzają żadnych przybliżeń na etapie obliczeniowym. Niedokładności powstają na etapie przypisywania wejściowym zmiennym losowym rozkładów gęstości prawdopodobieństwa. Zastosowanie metod analitycznych prowadzi do skomplikowanych przekształceń funkcji rozkładów gęstości prawdopodobieństwa. Metody analityczne są stosowane na etapie analizy zjawisk i syntezy modelu. W praktyce pomiarowej mogą być stosowane jedynie w najprostszych przypadkach. Drugie podejście polega na zastąpieniu modelu pomiaru przez aproksymację pierwszym wyrazem rozwinięcia w szereg Taylora. Stosując to podejście uzyskuje się dobre wyniki dla liniowego lub linearyzowanego modelu pomiaru oraz dla normalnych rozkładów gęstości prawdopodobieństwa wielkości wejściowych. Trzecie podejście jest rozszerzeniem poprzedniego. Model pomiaru aproksymuje się rozwinięciem w szereg Taylora z wyrazami wyższych stopni. Prowadzi to dość skomplikowanych zależności i w praktyce stosuje się najwyżej dwa wyrazy. Następne podejście bazujące na prawie propagacji rozkładów polega na zastosowaniu metod numerycznych do wyznaczania rozkładu gęstości prawdopodobieństwa wielkości wyjściowej przy określonych rozkładach wielkości wejściowych i podanym modelu pomiaru. 2 Model pomiaru wielkości fizycznej określa wielkość mierzoną, wielkości wpływające oraz wielkości zakłócające. Wielkość wyjściowa i wielkości wejściowe powiązane są analityczną zależnością funkcyjną: Y = f (X ) (1) Argumentem powyższej funkcji jest wektor, którego składowe są niezależnymi zmiennymi losowymi: X = ( X 1 , X 2 ,..., X n ) T (2) Ze zmiennymi losowymi wejściowymi związane są rozkłady gęstości prawdopodobieństwa otrzymane na drodze eksperymentu lub przyjęte arbitralnie. W obu przypadkach rozkłady gęstości prawdopodobieństwa opisują zjawiska losowe w sposób przybliżony. Przyjęte przez organizacje międzynarodowe zasady wyznaczania niepewności dopuszczają stosowanie dwóch sposobów. Pierwszy nazywany prawem propagacji niepewności posługuje się parametrami rozkładów wielkości wejściowych do wyznaczenia niepewności rozszerzonej wielkości wyjściowej. Drugi sposób określany jako prawo propagacji rozkładów gęstości prawdopodobieństwa przekształca funkcje rozkładów gęstości wejściowych. 3. PRAWO PROPAGACJI NIEPEWNOŚCI Niepewność złożona wyniku pomiaru wielkości fizycznej, zgodnie z ogólnymi zasadami, szacowana jest w następujących etapach: - określenie zasady pomiarowej, wielkości mierzonej i wielkości wpływających, - identyfikacja źródeł niepewności, - przyjęcie typów rozkładów gęstości prawdopodobieństwa dla wielkości wejściowych, - estymacja odchyleń standardowych, - wyznaczenie współczynników wrażliwości, - zestawienie budżetu niepewności, - obliczenie wartości złożonej niepewności standardowej - obliczanie niepewności rozszerzonej. Wynik pomiaru składa się z wartość mierzonej wielkości fizycznej oraz niepewności rozszerzonej pomiaru. Te dwie wartości określają przedział ufności. 3 Rys. 1. Ilustracja prawa propagacji niepewności. Prawo przenoszenia niepewności określa związek niepewności wyjściowych z niepewnościami wielkości wejściowych. Wielkościami wejściowymi są wielkości mierzone, wielkości wpływające występujące w modelu pomiaru oraz wielkości zakłócające. Złożona niepewność standardowa zgodnie z prawem propagacji niepewności: ⎛ ∂f u ( y ) = ∑ ⎜⎜ 1 ⎝ ∂x i N 2 ⎞ 2 ⎟⎟ u ( xi ) ⎠ ci = ∂f ∂xi (3) u(y) - złożona niepewność standardowa wielkości wyjściowej, u(xi ) - złożona niepewność standardowa wielkości wejściowej, ci - wrażliwość wyjścia na wejście i. Wrażliwość wyjścia na określone wejście przy funkcji pomiaru danej w postaci analitycznej wyznacza się jako pochodną cząstkową. W innych przypadkach należy stosować metody symulacyjne lub eksperymentalne. Niepewność złożona wyznaczana zgodnie z prawem propagacji łączona jest z niepewnością metody oraz niepewnościami arbitralnie wprowadzanymi przez badacza. Budżet niepewności jest zestawieniem tabelarycznym podstawowych informacji, które są konieczne do wyliczenia niepewności pomiaru i dokumentowania jej zgodnie z obowiązującymi normami. Wejściowe niepewności standardowe są szacowane metodą A i B. Istotnym elementem budżetu jest typ rozkładu gęstości, gdyż przyjmowanie bez analizy probabilistycznej typu rozkładu może prowadzić do błędnego oszacowania przedziału ufności. W przypadku prostych zależności funkcyjnych współczynniki wrażliwości można wyznaczyć analitycznie. Problemy pojawiają się w przypadku braku postaci analitycznej lub postać funkcyjna jest trudna do analizy. 4 4. PRAWO PROPAGACJI ROZKŁADÓW Prawo propagacji rozkładów gęstości prawdopodobieństwa jest uogólnieniem prawa propagacji niepewności i określa zasadę przekształcania rozkładów wejściowych w rozkład wyjściowy. Wielkości wejściowe opisane są funkcjami gęstości prawdopodobieństwa: g (ξ ) = ( g1 (ξ1 ), g 2 (ξ 2 ),..., g n (ξ n ) T (4) Rozkłady wielkości wejściowych są częścią modelu pomiaru. Przyjęcie wybranego typu rozkładu powinno być uzasadnione badaniami statystycznymi lub analizą zjawisk. Zaleca się przyjmowanie rozkładu normalnego, gdy występuje kilka wielkości wejściowych o zbliżonych wartościach rozrzutu. Rozkład równomierny jest dobrym modelem wielkości fizycznej, która zmienia się w znanych granicach. Rys. 2. Ilustracja prawa propagacji rozkładów. Wielkość wyjściowa opisana jest wynikową funkcją gęstości prawdopodobieństwa. Jeśli funkcja modelująca pomiar jest nieliniowa to wyjściowa funkcja rozkładu może wykazywać asymetrię. W ogólnym przypadku wykorzystanie prawa propagacji rozkładów do przekształcenia funkcji rozkładów gęstości prawdopodobieństwa wielkości wejściowych prowadzi do trudności analitycznych. Dobrym rozwiązaniem okazało się zastosowanie numerycznych metod symulacyjnych i metod Monte Carlo. Metoda symulacyjna korzysta bezpośrednio z prawa propagacji rozkładów gęstości prawdopodobieństwa. Algorytm numerycznego wyznaczania niepewności działa w następujących krokach: - wprowadzenie funkcji modelującej pomiar, - określenie typów rozkładów dla każdego z wejść, - podanie wartości parametrów rozkładów, - wybór parametrów symulacji, - wyznaczenie wyjściowego rozkładu gęstości prawdopodobieństwa, 5 - określenie wartości wielkości wyjściowej, - określenie niepewności rozszerzonej pomiaru złożonego, Proces obliczeniowy przebiega zgodnie z ustawionymi przez obsługę parametrami pomocniczymi. W wyniku działania algorytmu otrzymuje się rozkład gęstości prawdopodobieństwa, przedział ufności dla podanego poziomu ufności oraz pełną dokumentację graficzną w postaci raportu. Proces można powtarzać przy dobieranych parametrach. 5. UWAGI KOŃCOWE Bezpośrednie zastosowanie prawa propagacji funkcji gęstości rozkładów prawdopodobieństwa prowadzi do algorytmów symulacyjnych, które w formie programów mogą być wykorzystane w praktyce laboratoryjnej. Oprogramowanie pozwala na wyznaczenie rozkładów z dowolną wymaganą dokładnością. Algorytmy wyznaczania niepewności mogą być zintegrowane z oprogramowaniem pomiarowym i raportującym. Czas obliczeń automatycznych jest krótki, wyniki mogą być archiwizowane. Program można wykorzystywać także do eksperymentów związanych z walidacją metod pomiarowych metodami statystycznymi. W postaci uproszczonej otrzymuje się rozkład eksperymentalny bez przybliżonej postaci analitycznej. W wersji rozszerzonej możliwe jest przybliżanie danych wyjściowych funkcjami analitycznymi. Opracowane oprogramowanie pozwala na skuteczne obliczanie niepewności zgodnie z modelem probabilistycznym bez konieczności analizy funkcji pomiaru i bez wyznaczania współczynników wrażliwości. Algorytmy implementowane w rozszerzonej wersji pozwalają na wspomaganie walidacji metod badawczych. W badaniach nieniszczących występuje problem konfrontowania wyników pomiarów tej samej cechy różnymi metodami. Każda z metod dostarcza wyniku opisanego innym rozkładem. Opisana powyżej metoda postępowania może być zastosowana w takim przypadku. LITERATURA 1. Biernat K, Wójtowicz S.: Wyznaczanie niepewności pomiarów złożonych metodą symulacyjną. 34 KKBN, Zakopane 2005. 2. Guide to the Expression of Uncertainty in Measurement, Supplement 1, Numerical Methods for the Propagation of Distributions, 2004. 3. Wójtowicz S., Biernat K., Cichecki A.: Szacowanie niepewności pomiaru metodą symulacyjną. 33 KKBN, Poznań-Licheń 2004. 4. Wyrażanie niepewności pomiaru. Przewodnik. Główny Urząd Miar, Warszawa 1995. 6