Độ Không Đảm Bảo Đo Là Gì

Mở đầu: Từ Sai số học đến Lý thuyết Độ không đảm bảo

Trong lịch sử phát triển của khoa học kỹ thuật, khả năng định lượng độ tin cậy của các kết quả đo lường luôn đóng vai trò then chốt. Trước thập niên 1990, tư duy đo lường bị chi phối bởi khái niệm “sai số” (error). Sai số được định nghĩa là chênh lệch giữa giá trị đo được và “giá trị thực” của đại lượng. Tuy nhiên, cách tiếp cận này tồn tại một nghịch lý triết học và thực tiễn không thể giải quyết: “giá trị thực” là một khái niệm lý tưởng hóa, không bao giờ có thể biết được một cách tuyệt đối. Do đó, sai số cũng là một đại lượng không thể xác định chính xác.

Sự ra đời của tài liệu “Hướng dẫn trình bày độ không đảm bảo đo” (Guide to the Expression of Uncertainty in Measurement – GUM), ban hành lần đầu năm 1993 và được chuẩn hóa thành ISO/IEC Guide 98-3:2008 (JCGM 100:2008), đã đánh dấu một cuộc cách mạng trong đo lường học. GUM chuyển dịch trọng tâm từ việc đi tìm “sai số” sang việc đánh giá “độ không đảm bảo đo” (measurement uncertainty).

Khái Niệm Độ Không Đảm Bảo Đo

Định Nghĩa 

Theo định nghĩa của Từ vựng Quốc tế về Đo lường học (VIM) và TCVN 6165:2009, Độ không đảm bảo đo (measurement uncertainty) là một thông số đặc trưng cho sự phân tán của các giá trị có thể được gán một cách hợp lý cho đại lượng đo. Nói cách khác, đây là khoảng giá trị mà trong đó giá trị thực của đại lượng đo có thể nằm với một mức độ tin cậy nhất định.

Độ không đảm bảo đo là thông số gắn liền với kết quả đo, thể hiện mức độ tin cậy của kết quả đó. Nói cách khác, độ không đảm bảo đo cho biết kết quả đo của chúng ta có thể sai lệch bao nhiêu so với giá trị thực tế.

Độ không đảm bảo đo là một thông số đặc trưng cho kết quả hiệu chuẩn, thường có ý nghĩa lớn với thiết bị đo lường chuẩn.

Tại Sao Độ Không Đảm Bảo Đo Quan Trọng?

Ví dụ: Đo chiều cao của bạn, bạn muốn biết chiều cao chính xác của mình để mua quần áo online.

Khi đo bằng thước dây tại nhà:

• Lần 1: 168.2 cm
• Lần 2: 167.8 cm
• Lần 3: 168.5 cm
• Lần 4: 167.9 cm
• Lần 5: 168.1 cm

Trung bình: 168.1 cm

Nhưng tại sao mỗi lần đo lại khác nhau?

1. Thước dây không hoàn hảo – có thể giãn ra 1-2mm
2. Cách đọc số – mắt bạn nhìn nghiêng, đọc lệch vài mm
3. Tư thế đứng – lúc đứng thẳng, lúc cúi người
4. Sàn nhà không bằng phẳng – chênh lệch 1-2mm
5. Thời điểm trong ngày – sáng cao hơn tối (cột sống nén lại)

Kết luận thực tế:

Thay vì nói “Tôi cao 168.1 cm”, bạn nên nói: “Tôi cao 168.1 ± 0.5 cm”

Nghĩa là chiều cao thực của bạn nằm trong khoảng 167.6 cm đến 168.6 cm.

Đó chính là “độ không đảm bảo đo”!

• 168.1 cm = giá trị đo được
• ±0.5 cm = độ không đảm bảo (khoảng sai số có thể xảy ra)

Ý nghĩa thực tế: Khi mua quần, nếu size M dành cho người 165-170cm, bạn yên tâm chọn vì chắc chắn chiều cao của bạn nằm trong khoảng này. Nhưng nếu size M chỉ dành cho 167.8-168.0cm thì rủi ro cao!

Đây chính là lý do tại sao trong y tế, công nghiệp, khoa học… người ta phải tính toán độ không đảm bảo đo – để biết kết quả “tin cậy đến mức nào”.

Cơ sở Toán học của Xác suất và Thống kê trong Đo lường

Để hiểu sâu sắc về độ không đảm bảo đo, cần phải nắm vững các khái niệm cơ bản của lý thuyết xác suất, vì độ không đảm bảo đo thực chất là một đặc trưng thống kê của các biến ngẫu nhiên.

Biến ngẫu nhiên và Hàm mật độ xác suất (PDF)

Trong ngữ cảnh của GUM, mọi đại lượng đầu vào $X_i$ và đại lượng đầu ra $Y$ đều được coi là các biến ngẫu nhiên (random variables). Hành vi của một biến ngẫu nhiên được mô tả đầy đủ bởi Hàm mật độ xác suất (Probability Density Function – PDF), ký hiệu là $p(x)$.

Hàm $p(x)$ có các tính chất cơ bản:

1. Luôn không âm: $p(x) \ge 0$ với mọi $x$.

2. Tích phân toàn phần bằng 1 (chuẩn hóa):

   $$\int_{-\infty}^{+\infty} p(x) \, dx = 1$$

3. Xác suất để biến ngẫu nhiên $X$ nằm trong khoảng $[a, b]$ là:

   $$P(a \le X \le b) = \int_{a}^{b} p(x) \, dx$$

Các Moment Thống kê quan trọng

Ba đặc trưng thống kê quan trọng nhất được sử dụng trong đánh giá độ không đảm bảo đo là kỳ vọng, phương sai và độ lệch chuẩn.

Kỳ vọng toán học

Kỳ vọng toán học, hay giá trị trung bình của phân bố, là ước lượng tốt nhất cho giá trị của đại lượng đo:

 Phương sai

Phương sai đặc trưng cho độ phân tán hay độ rộng của phân bố xung quanh giá trị kỳ vọng. Trong lý thuyết độ không đảm bảo, phương sai chính là bình phương của độ không đảm bảo chuẩn:

Độ lệch chuẩn

Độ lệch chuẩn là căn bậc hai dương của phương sai. Trong thuật ngữ GUM, đây chính là Độ không đảm bảo chuẩn , ký hiệu là $u(x)$:

Việc chuyển đổi từ các giới hạn sai số (ví dụ: $\pm a$) sang độ không đảm bảo chuẩn $u(x)$ thực chất là việc giải tích phân phương sai dựa trên hình dạng cụ thể của hàm PDF $p(x)$ được giả định.

Phân loại và Đánh giá Độ không đảm bảo đo

GUM phân loại các phương pháp đánh giá độ không đảm bảo thành hai nhóm: Kiểu A và Kiểu B. Sự phân loại này dựa trên phương pháp thu thập dữ liệu, không phải dựa trên bản chất của sai số (ngẫu nhiên hay hệ thống).

Đánh giá Kiểu A (Type A Evaluation)

Đánh giá Kiểu A được áp dụng khi có thể thực hiện lặp lại phép đo nhiều lần trong các điều kiện lặp lại (repeatability) hoặc tái lập (reproducibility). Dữ liệu đầu vào là một chuỗi quan trắc $x_1, x_2, \dots, x_n$.

Giá trị trung bình mẫu (Sample Mean)

Ước lượng tốt nhất cho giá trị của đại lượng đầu vào là trung bình cộng số học:

.

Độ lệch chuẩn mẫu

Độ phân tán của các giá trị quan trắc riêng lẻ được đặc trưng bởi độ lệch chuẩn mẫu $s(x_k)$. Lưu ý việc sử dụng hệ số $n-1$ (hiệu chính Bessel) ở mẫu số để đảm bảo đây là ước lượng không chệch (unbiased estimator) của phương sai tổng thể:

Độ lệch chuẩn của giá trị trung bình

Đây là khái niệm quan trọng thường bị nhầm lẫn. Độ không đảm bảo chuẩn $u(\bar{x})$ gắn với giá trị trung bình $\bar{x}$ không phải là độ phân tán của một lần đo đơn lẻ ($s$), mà là độ phân tán của giá trị trung bình nếu ta lặp lại toàn bộ thí nghiệm nhiều lần.

Theo định lý giới hạn trung tâm, phương sai của giá trị trung bình nhỏ hơn phương sai của mẫu $n$ lần:

.

Phân tích: Công thức này cho thấy ta có thể giảm độ không đảm bảo Kiểu A bằng cách tăng số lần đo $n$. Tuy nhiên, lợi ích thu được tỷ lệ nghịch với căn bậc hai của $n$. Để giảm độ không đảm bảo đi một nửa, ta phải tăng số lần đo lên gấp 4 lần. Đến một giới hạn nhất định, việc tăng $n$ không còn hiệu quả kinh tế và các thành phần sai số hệ thống (Kiểu B) sẽ trở nên chiếm ưu thế.

Đánh giá Kiểu B (Type B Evaluation)

Đánh giá Kiểu B được sử dụng khi không có cơ hội lặp lại phép đo, hoặc khi thông tin đến từ các nguồn bên ngoài (chứng chỉ hiệu chuẩn, sổ tay kỹ thuật, kinh nghiệm chuyên gia). Bản chất của Kiểu B là giả định một hàm mật độ xác suất (PDF) cho đại lượng đầu vào dựa trên “niềm tin khoa học” (scientific judgment).

Việc lựa chọn đúng PDF là yếu tố sống còn trong đánh giá Kiểu B. Dưới đây là phân tích chi tiết các phân bố thường gặp và công thức toán học tương ứng.

Phân bố Hình chữ nhật (Rectangular/Uniform Distribution)

Đây là phân bố mặc định khi chỉ biết cận trên ($a_+$) và cận dưới ($a_-$) của đại lượng, và không có thông tin nào cho thấy giá trị nằm ở giữa có xác suất cao hơn ở biên.

• Mô hình: $p(x) = \frac{1}{2a}$ trong khoảng $[-a, a]$, với $a$ là bán rộng (half-width).

• Nguồn gốc: Độ phân giải thiết bị đo (resolution), sai số cho phép (MPE), dung sai sản xuất.

• Kỳ vọng: $\mu = 0$ (nếu đối xứng qua 0).

• Phương sai (Chi tiết dẫn giải):

  $$u^2 = \int_{-a}^{a} x^2 \cdot \frac{1}{2a} \, dx = \frac{1}{2a} \left[ \frac{x^3}{3} \right]_{-a}^{a} = \frac{1}{2a} \left( \frac{a^3}{3} – \frac{-a^3}{3} \right) = \frac{1}{2a} \cdot \frac{2a^3}{3} = \frac{a^2}{3}$$

• Độ không đảm bảo chuẩn:

  $$u(x) = \frac{a}{\sqrt{3}} \approx 0.577 a$$

  Nếu biết toàn dải biến thiên $R = a_+ – a_-$, thì $a = R/2$, công thức trở thành:

  $$u(x) = \frac{R}{2\sqrt{3}}$$

Phân bố Hình tam giác (Triangular Distribution)

Được sử dụng khi có cơ sở để tin rằng giá trị thực có xác suất nằm gần tâm khoảng phân bố cao hơn là ở hai biên. Ví dụ: tổng hợp của hai phân bố chữ nhật độc lập có cùng độ rộng.

• Mô hình: PDF có dạng tam giác cân từ $-a$ đến $a$, đỉnh tại 0 có độ cao $1/a$.

• Độ không đảm bảo chuẩn:

  $$u(x) = \frac{a}{\sqrt{6}} \approx 0.408 a$$

• So sánh: Với cùng một bán rộng $a$, phân bố tam giác cho độ không đảm bảo nhỏ hơn phân bố chữ nhật ($\sqrt{6} > \sqrt{3}$), phản ánh mức độ “tự tin” cao hơn về việc giá trị nằm gần trung tâm.

Phân bố Hình U (U-shaped / Arcsine Distribution)

Đây là phân bố quan trọng bậc nhất trong các ứng dụng kỹ thuật chính xác nhưng thường bị bỏ qua. Nó xuất hiện khi đại lượng dao động điều hòa (hình sin) hoặc hệ thống điều khiển phản hồi trễ (hysteresis).

• Cơ chế vật lý: Xét một tín hiệu $x(t) = A \sin(\omega t)$. Tín hiệu này dành phần lớn thời gian ở gần hai đỉnh biên dương và âm (nơi vận tốc biến thiên bằng 0) và lướt nhanh qua điểm 0. Do đó, mật độ xác suất tập trung cao ở hai biên $\pm A$ và thấp nhất ở giữa.

• Ứng dụng:

  • Sai số do can nhiễu RF (Mismatch uncertainty).

  • Dao động nhiệt độ trong tủ môi trường (Environmental chamber) dùng điều khiển on/off.

  • Sai số do độ rơ cơ khí.

• Hàm PDF: $p(x) = \frac{1}{\pi \sqrt{a^2 – x^2}}$ với $x \in (-a, a)$.

• Độ không đảm bảo chuẩn:

  $$u(x) = \frac{a}{\sqrt{2}} \approx 0.707 a$$

• Lưu ý quan trọng: Nếu nhầm lẫn phân bố Hình U thành Hình chữ nhật, ta sẽ ước lượng thiếu độ không đảm bảo một lượng đáng kể (chia cho $\sqrt{3} \approx 1.73$ thay vì $\sqrt{2} \approx 1.41$). Độ không đảm bảo của phân bố U lớn hơn phân bố chữ nhật khoảng 22.5%.

Phân bố Hình thang (Trapezoidal Distribution)

Là trường hợp tổng quát khi ta tin rằng xác suất tập trung ở giữa nhưng có một khoảng phẳng (“flat top”) chứ không nhọn như tam giác. Hoặc khi hai nguồn sai số hình chữ nhật có độ lớn khác nhau ($a_1, a_2$) kết hợp lại.

• Tham số: Bán rộng đáy $a$ và tỷ lệ đỉnh $\beta$ ($0 \le \beta \le 1$). Đáy trên có độ rộng $2a\beta$.

• Công thức tổng quát:

  $$u(x) = a \sqrt{\frac{1 + \beta^2}{6}}$$

• Trường hợp giới hạn:

  • Khi $\beta \to 1$ (hình chữ nhật): $u(x) = a \sqrt{2/6} = a/\sqrt{3}$.

  • Khi $\beta \to 0$ (hình tam giác): $u(x) = a \sqrt{1/6} = a/\sqrt{6}$.

Phân bố Chuẩn (Gaussian) trong Kiểu B

Được sử dụng khi thông tin đầu vào lấy từ một Giấy chứng nhận hiệu chuẩn (Calibration Certificate) cung cấp độ không đảm bảo mở rộng $U$ và hệ số phủ $k$.

• Công thức:

  $$u(x) = \frac{U_{cal}}{k}$$

  Thông thường $k=2$ tương ứng mức tin cậy xấp xỉ 95%.

Bảng tóm tắt các phân bố xác suất và hệ số chia (Divisor):

Luật Lan truyền Độ không đảm bảo (Law of Propagation of Uncertainty – LPU)

Sau khi xác định được $u(x_i)$ cho tất cả các đại lượng đầu vào, bước tiếp theo là tổng hợp chúng để tìm độ không đảm bảo chuẩn tổng hợp $u_c(y)$ của đại lượng đầu ra $Y$.

Khai triển Taylor và Tuyến tính hóa

Xét mô hình đo lường $Y = f(X_1, X_2, \dots, X_N)$. Giá trị ước lượng đầu ra $y$ được tính tại các giá trị kỳ vọng $x_i$:

Để xác định sự biến thiên của $y$ phụ thuộc vào sự biến thiên của $x_i$, ta sử dụng khai triển chuỗi Taylor bậc nhất xung quanh điểm trung bình (bỏ qua các số hạng bậc cao):

Bình phương hai vế và lấy kỳ vọng toán học, ta thu được phương sai tổng hợp $\sigma_y^2$. Đây chính là Luật Lan truyền Độ không đảm bảo (LPU).

Công thức LPU Tổng quát (Có tương quan)

Trong đó:

• $c_i = \frac{\partial f}{\partial x_i}$ là Hệ số nhạy (Sensitivity Coefficient).

• $u(x_i)$ là độ không đảm bảo chuẩn của đầu vào $i$.

• $u(x_i, x_j)$ là Hiệp phương sai (Covariance) giữa $x_i$ và $x_j$.

Hệ số Nhạy

Hệ số nhạy $c_i$ đóng vai trò như trọng số, mô tả mức độ ảnh hưởng của sai số đầu vào lên kết quả đầu ra. Về mặt vật lý, nó chuyển đổi đơn vị của đại lượng đầu vào sang đơn vị của đại lượng đầu ra.

Ví dụ tính toán:

Xét phép đo công suất điện $P = V^2 / R$.

• Hệ số nhạy với điện áp $V$:

  $$c_V = \frac{\partial P}{\partial V} = \frac{2V}{R}$$

• Hệ số nhạy với điện trở $R$:

  $$c_R = \frac{\partial P}{\partial R} = -\frac{V^2}{R^2}$$

Nếu hàm $f$ quá phức tạp để đạo hàm giải tích, có thể dùng phương pháp số (Numerical differentiation):

Với $\Delta x_i$ là một lượng biến thiên nhỏ (thường chọn bằng $u(x_i)$).

Xử lý Tương quan (Correlation)

Khi các đại lượng đầu vào độc lập thống kê ($u(x_i, x_j) = 0$), công thức rút gọn thành tổng bình phương (Sum of Squares):

Tuy nhiên, trong thực tế, tương quan thường xuyên xảy ra khi:

1. Sử dụng cùng một chuẩn đo lường để hiệu chuẩn nhiều thiết bị.

2. Nhiều phép đo thực hiện đồng thời chịu ảnh hưởng của cùng một biến động môi trường (nhiệt độ, áp suất).

3. Sử dụng cùng một thiết bị đo cho các đại lượng đầu vào khác nhau.

Hệ số tương quan $r(x_i, x_j)$ được định nghĩa là:

với $-1 \le r \le 1$. Khi đó số hạng hiệp phương sai là: $u(x_i, x_j) = r(x_i, x_j) u(x_i) u(x_j)$.

Tác động của tương quan:

• Tương quan dương ($r > 0$): Làm tăng độ không đảm bảo tổng hợp. Ví dụ: Đo chiều dài một vật bằng thước kim loại. Nếu nhiệt độ tăng, thước giãn nở, gây sai số hệ thống cho mọi lần đo.

• Tương quan âm ($r < 0$): Làm giảm độ không đảm bảo tổng hợp. Đây là nguyên lý của các phép đo bù trừ hoặc đo vi sai.

Ví dụ minh họa GUM (Mạch cầu điện trở) : Khi đo 10 điện trở $R_i$ mắc nối tiếp.

• Nếu độc lập: $u(R_{total}) = \sqrt{10} \cdot u(R_i) \approx 3.16 u(R_i)$.

• Nếu tương quan hoàn toàn (do dùng cùng một thiết bị đo chuẩn): $u(R_{total}) = 10 \cdot u(R_i)$.

  Sự khác biệt là hơn 3 lần. Việc bỏ qua tương quan trong trường hợp này sẽ dẫn đến báo cáo sai lệch nghiêm trọng về độ chính xác.

Bậc Tự do Hiệu dụng và Công thức Welch-Satterthwaite

Độ không đảm bảo chuẩn $u_c(y)$ chỉ là một ước lượng thống kê. Độ tin cậy của ước lượng này phụ thuộc vào lượng thông tin hay “bậc tự do” (degrees of freedom, $\nu$) của dữ liệu gốc. Để tính toán hệ số phủ $k$ chính xác, ta cần xác định bậc tự do hiệu dụng $\nu_{eff}$ của đại lượng đầu ra.

Bậc tự do của thành phần ($\nu_i$)

• Kiểu A: Với $n$ lần đo, $\nu_i = n – 1$.

• Kiểu B: GUM đưa ra công thức ước lượng dựa trên độ tin cậy chủ quan:

  $$\nu_i \approx \frac{1}{2} \left(k_i\right)^{-2}$$

  • Nếu độ không đảm bảo được coi là chính xác (ví dụ: giới hạn vật lý cứng, bảng tra), $\frac{\Delta u}{u} \to 0 \Rightarrow \nu_i \to \infty$.

  • Nếu độ không đảm bảo chỉ là ước lượng với độ tin cậy thấp (ví dụ: “tôi chắc chắn khoảng 25% về giá trị sai số này”), thì $\nu_i$ sẽ thấp.

Công thức Welch-Satterthwaite

Đây là công thức cầu nối quan trọng nhất trong GUM, cho phép gộp các bậc tự do của nhiều thành phần phân bố khác nhau (Kiểu A và Kiểu B) thành một bậc tự do duy nhất:

.

Phân tích ý nghĩa:

Công thức này có dạng trung bình trọng số bậc 4. Nó cho thấy $\nu_{eff}$ bị chi phối bởi các thành phần có độ không đảm bảo lớn ($u_i(y)$ lớn) và bậc tự do thấp ($\nu_i$ nhỏ).

Điều này có nghĩa là: Một hệ thống đo lường dù có 10 thành phần cực kỳ chính xác (Kiểu B, $\nu=\infty$), nhưng chỉ cần 1 thành phần chủ chốt có độ không đảm bảo lớn và dựa trên ít dữ liệu (Kiểu A, $n$ nhỏ), thì độ tin cậy của toàn bộ hệ thống sẽ bị kéo xuống thấp theo thành phần đó.

Độ không đảm bảo Mở rộng và Khoảng Tin cậy

Kết quả cuối cùng của quá trình đánh giá là Độ không đảm bảo mở rộng (Expanded Uncertainty), ký hiệu $U$. Đây là nửa độ rộng của khoảng tin cậy $y \pm U$, được kỳ vọng bao phủ một phần lớn phân bố giá trị (thường là 95%).

Xác định Hệ số phủ $k$ và Phân bố Student (t-distribution)

Nếu tất cả các phân bố đầu vào là phân bố chuẩn và $\nu_{eff} \to \infty$, $k$ đơn giản là các giá trị quantile của phân bố chuẩn tắc ($z$-score):

• $k=1.96$ cho 95% (thường làm tròn là 2).

• $k=2.58$ cho 99% (thường làm tròn là 3).

Tuy nhiên, trong thực tế đo lường với số lượng mẫu hữu hạn, phân bố của đại lượng đầu ra tuân theo Phân bố Student (t-distribution). Phân bố t có đuôi “dày” hơn phân bố chuẩn, phản ánh sự thiếu chắc chắn do cỡ mẫu nhỏ.

Ta tra cứu hệ số $k$ từ bảng phân bố t (Bảng G.2 trong GUM) dựa trên $\nu_{eff}$ và mức tin cậy $p$:

Bảng trích dẫn hệ số t (cho mức tin cậy 95% hai phía):

Nhận xét: Khi $\nu_{eff}$ nhỏ (ví dụ $\le 5$), hệ số $k$ lớn hơn đáng kể so với 2. Điều này giải thích tại sao GUM yêu cầu tính $\nu_{eff}$ thay vì mặc định $k=2$. Nếu mặc định $k=2$ cho một phép đo chỉ có 3 lần lặp lại ($\nu=2$), ta sẽ đánh giá sai (underrated) độ không đảm bảo đi hơn 2 lần ($4.30 / 2 = 2.15$).

Ví dụ Thực hành: Ngân sách Độ không đảm bảo

Để minh họa toàn bộ quy trình, ta xét ví dụ tính toán thể tích của một hình trụ kim loại, chịu ảnh hưởng của nhiệt độ.

Mô hình đo:

• $r$: Bán kính (đo bằng thước kẹp).

• $h$: Chiều cao (đo bằng thước kẹp).

• $\alpha$: Hệ số giãn nở nhiệt.

• $\Delta T$: Chênh lệch nhiệt độ so với $20^\circ C$.

Bảng số liệu giả định:

1. Bán kính $r$: Trung bình 10 lần đo là $10 \text{ mm}$. $s(r) = 0.05 \text{ mm}$.

   • Kiểu A. $u(r) = 0.05 / \sqrt{10} \approx 0.0158 \text{ mm}$. $\nu_r = 9$.

2. Chiều cao $h$: Một lần đo duy nhất $20 \text{ mm}$. Thước có độ phân giải $0.02 \text{ mm}$. Giả sử phân bố chữ nhật.

   • Kiểu B. $a = 0.01 \text{ mm}$. $u(h) = 0.01 / \sqrt{3} \approx 0.0058 \text{ mm}$. $\nu_h = \infty$.

3. Nhiệt độ: Dao động trong phòng $\pm 2^\circ C$, được kiểm soát bởi điều hòa on-off (Phân bố U).

   • Kiểu B. $a_T = 2$. $u(\Delta T) = 2 / \sqrt{2} \approx 1.414^\circ C$. $\nu_T = \infty$.

   • Hệ số $\alpha$ coi là hằng số (bỏ qua sai số của $\alpha$).

Tính hệ số nhạy (tại giá trị danh định $r=10, h=20, \Delta T=0$):

• $c_r = \frac{\partial V}{\partial r} = 2\pi r h = 2\pi(10)(20) \approx 1256.6 \text{ mm}^2/\text{mm}$.

• $c_h = \frac{\partial V}{\partial h} = \pi r^2 = \pi(100) \approx 314.16 \text{ mm}^2/\text{mm}$.

• $c_T = \frac{\partial V}{\partial T} = \pi r^2 h \alpha = V \alpha$. Giả sử $\alpha = 11.5 \times 10^{-6}$ (thép). $c_T \approx 6283 \times 11.5 \times 10^{-6} \approx 0.072 \text{ mm}^3/^\circ C$.

Bảng Ngân sách Độ không đảm bảo (Uncertainty Budget):

Tổng hợp:

• $u_c(V) = \sqrt{19.85^2 + 1.82^2 + 0.10^2} \approx 19.93 \text{ mm}^3$.

  (Nhận xét: Độ không đảm bảo của bán kính chiếm ưu thế tuyệt đối – dominant).

• Tính $\nu_{eff}$:

  $$\nu_{eff} = \frac{(19.93)^4}{1.72 \times 10^4 + 0 + 0} \approx \frac{157780}{17200} \approx 9.17$$

  Làm tròn xuống $\nu_{eff} = 9$.

Kết quả:

Tra bảng Student với $\nu=9$, mức tin cậy 95%, ta có $k = 2.26$.

Độ không đảm bảo mở rộng $U = 2.26 \times 19.93 \approx 45.0 \text{ mm}^3$.

Báo cáo: Thể tích $V = 6283 \pm 45 \text{ mm}^3$ (Tin cậy 95%, $k=2.26$).

Những hạn chế của phương pháp GUM và Hướng tiếp cận hiện đại (Monte Carlo)

Mặc dù phương pháp LPU (GUM Framework) là tiêu chuẩn vàng, nó dựa trên hai giả định đơn giản hóa:

1. Mô hình tuyến tính hóa được (bằng chuỗi Taylor bậc 1).

2. Phân bố đầu ra xấp xỉ phân bố chuẩn (theo Định lý giới hạn trung tâm).

Khi mô hình phi tuyến mạnh (non-linear) hoặc phân bố đầu vào không đối xứng (asymmetric) mà lại chiếm ưu thế, LPU sẽ cho kết quả sai lệch. Trong các trường hợp này, GUM Supplement 1 (JCGM 101:2008) khuyến nghị sử dụng Phương pháp Monte Carlo (MCM).

MCM không dùng công thức giải tích. Thay vào đó, nó:

1. Tạo ra hàng triệu giá trị ngẫu nhiên cho các đầu vào $x_i$ dựa trên PDF của chúng.

2. Tính toán hàng triệu giá trị đầu ra $y$ tương ứng.

3. Xây dựng histogram của $y$ và xác định khoảng tin cậy trực tiếp từ phân vị (quantile) của dữ liệu mô phỏng (ví dụ: lấy khoảng giữa phân vị 2.5% và 97.5%).

Phương pháp này chính xác hơn về mặt toán học cho các hệ thống phức tạp, nhưng đòi hỏi năng lực tính toán cao mà trước đây (thập niên 90) chưa phổ biến.

Các Nguồn Gây Ra Độ Không Đảm Bảo Đo

1. Từ Thiết Bị Đo

Bảng Phân Tích Nguồn Sai Số Thiết Bị

2. Từ Phương Pháp Đo

Yếu tố môi trường:

• Nhiệt độ: Δt = ±αΔT (α: hệ số dãn nở nhiệt)
• Độ ẩm: Ảnh hưởng đến cân điện tử, thiết bị quang học
• Áp suất: Ảnh hưởng đến đo thể tích khí

Yếu tố con người:

• Sai số khi đọc kết quả
• Sai số thị sai khi nhìn không chuẩn

3. Từ Mẫu Đo

• Phân hủy theo thời gian
• Biến đổi do điều kiện bảo quản

Tiêu Chuẩn Quốc Tế

1. ISO/IEC Guide 98 (GUM)

Tên đầy đủ: Guide to the Expression of Uncertainty in Measurement

Nội dung chính:

• Định nghĩa các thuật ngữ cơ bản
• Hướng dẫn đánh giá độ không đảm bảo đo
• Phương pháp lan truyền độ không đảm bảo
• Cách biểu diễn kết quả đo

2. ISO 5725 Series

Độ chính xác của phương pháp đo và kết quả đo:

• Phần 1: Nguyên tắc và định nghĩa chung
• Phần 2: Phương pháp cơ bản xác định độ lặp lại và độ tái lập
• Phần 3: Thước đo trung gian về độ chính xác
• Phần 4: Phương pháp cơ bản xác định tính đúng đắn
• Phần 5: Phương pháp thay thế xác định độ chính xác
• Phần 6: Sử dụng giá trị độ chính xác trong thực tế

3. Các Tiêu Chuẩn Việt Nam

TCVN 9595:2013

• Tên: Hướng dẫn biểu diễn độ không đảm bảo đo
• Tương đương: ISO/IEC Guide 98-3:2008

TCVN 6910:2001

• Tên: Độ chính xác (độ đúng và độ chụm) của phương pháp đo và kết quả đo
• Tương đương: ISO 5725-1:1994

Phần Mềm Tính Toán Độ Không Đảm Bảo Chuyên Nghiệp

BKCAL đã phát triển một công cụ tính toán độ không đảm bảo đo chuyên nghiệp, được thiết kế riêng để phục vụ các nhu cầu thực tế trong công tác hiệu chuẩn và đo lường tại Việt Nam.

Đặc Điểm Nổi Bật

Tùy Chỉnh Theo Lĩnh Vực Của Từng Ngành Nghề

BKCAL cung cấp dịch vụ phát triển phần tính toán độ không đảm bảo đo tùy chỉnh cho từng ngành nghề cụ thể:

Ngành Công Nghiệp Cơ Khí Chính Xác:

• Tích hợp các tiêu chuẩn (ISO/IEC 17025)
• Phương pháp phân tích đặc thù sản phẩm
• Giúp xác định năng lực đo lường (CMC) của phòng thí nghiệm.

Ngành Y Tế – Xét Nghiệm:

• Tích hợp các tiêu chuẩn CLIA 88
• Cơ sở dữ liệu sinh học cho phép
• Tính toán theo từng loại xét nghiệm

Ngành Thực Phẩm:

• Tuân thủ tiêu chuẩn AOAC, ISO 17025
• Phương pháp phân tích đặc thù thực phẩm
• Tính toán cho phân tích vi sinh, hóa học

Ngành Dược Phẩm:

• Theo USP, EP, JP guidelines
• Validation method cho HPLC, GC
• Tính toán độ tinh khiết, tạp chất

Ngành Môi Trường:

• Theo TCVN, QCVN và US EPA
• Phân tích nước, không khí, đất
• Tính toán cho phương pháp hiện trường

Dịch Vụ Hỗ Trợ Khách Hàng

Khi sử dụng dịch vụ hiệu chuẩn tại BKCAL, khách hàng được hỗ trợ:

1. Đào tạo sử dụng phần mềm: Hướng dẫn chi tiết cách sử dụng
2. Tùy chỉnh theo yêu cầu: Điều chỉnh phù hợp với quy trình cụ thể
3. Cập nhật thường xuyên: Theo dõi thay đổi tiêu chuẩn
4. Hỗ trợ kỹ thuật 24/7: Giải đáp thắc mắc, xử lý sự cố

Kết Luận

Độ không đảm bảo đo là khái niệm cốt lõi trong khoa học đo lường hiện đại, đóng vai trò quan trọng trong việc đánh giá chất lượng và độ tin cậy của kết quả đo. Việc hiểu rõ và áp dụng đúng các phương pháp tính toán độ không đảm bảo không chỉ giúp nâng cao chất lượng đo lường mà còn đảm bảo tính khoa học và khách quan trong nghiên cứu và sản xuất.

Những điểm chính cần nhớ:

1. Luôn xác định và báo cáo độ không đảm bảo kèm theo kết quả đo
2. Phân loại đúng nguồn sai số để áp dụng phương pháp tính toán phù hợp
3. Tuân thủ tiêu chuẩn quốc tế trong đánh giá và biểu diễn
4. Cập nhật kiến thức theo xu hướng phát triển của khoa học đo lường
5. Áp dụng công nghệ mới để nâng cao hiệu quả và độ chính xác

Trong bối cảnh khoa học đo lường hiện đại, việc nắm vững lý thuyết và thực hành đánh giá độ không đảm bảo đo không chỉ là yêu cầu kỹ thuật mà còn là nền tảng cho sự phát triển bền vững của các ngành công nghiệp và dịch vụ.

Liên hệ:

• Hotline: 0375059295
• Email: bkcalvn@gmail.com
• Website: bkcalvn.com