Algorytm wyznaczania wypadkowej wartości niepewności rozszerzonej w przypadku analizy obejmującej wiele źródeł sygnałów błędów

• Autorzy: Dróżdż Łukasz , Roj Jerzy

Identyfikatory

DOI

15199/48.2024.12.17

Warianty tytułu

EN

An algorithm for determining the resultant expanded uncertainty value in the case of analysis involving multiple sources of error signals

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia najważniejsze założenia zmodyfikowanej metody redukcyjnej arytmetyki interwałowej oraz wskazuje algorytm aplikacji tej metody. Omawiana metoda wykorzystywana jest w celu wyznaczania wartości wypadkowej niepewności rozszerzonej, a najważniejszy walor metody stanowi niska złożoność obliczeń . Przedstawiona metoda zapewnia wyniki zbliżone do tych uzyskiwanych metoda˛ Monte-Carlo oraz znacznie bardziej dokładne, niż w przypadku klasycznego podejścia, opisanego w przewodniku JCGM. W artykule omówiono wady oraz zalety stosowania przedstawionej metody, a także wskazano okoliczności, w których stosowanie tej metody jest najbardziej korzystne.

EN

The article presents the most important assumptions of the modified reductive interval arithmetic method and indicates the application algorithm of this method. The method in question is used to determine the value of the resultant expanded uncertainty, and the most important advantage of the method is the low complexity of calculations. The presented method provides results similar to those obtained by the Monte-Carlo method and much more accurate than the classical approach described in the JCGM guide. The article discusses the advantages and disadvantages of using the presented method, and also indicates the circumstances in which the use of this method is most beneficial.

Słowa kluczowe

PL

niepewność rozszerzona; budżet niepewności; szacowanie niepewności; arytmetyka interwałowa

EN

expanded uncertainty; uncertainty budget; uncertainty estimation; interval arithmetic

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 12
• Strony: 81--84
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Dróżdż Łukasz

• Katedra Metrologii, Elektroniki i Automatyki, Wydział Elektryczny, Politechnika Śląska, ul. Akademicka 10, 44-100 Gliwice

autor

Roj Jerzy

• Katedra Metrologii, Elektroniki i Automatyki, Wydział Elektryczny, Politechnika Śląska, ul. Akademicka 10, 44-100 Gliwice

Bibliografia

• [1] Joint Committee for Guides in Metrology.: Evaluation of measurement data, Guide to the Expression of Uncertainty in Measurement, JCGM, 2008.
• [2] M. Kampik, J. Roj i Ł. Dróźdź: Estimation of the resultant expanded uncertainty of the output quantities of the measurement chain using the discrete wavelet transform algorithm, Applied Sciences 14.9 (2024).
• [3] M. Kampik, J. Roj i Ł. Dróźdź: Error Model of a Measurement Chain Containing the Discrete Wavelet Transform Algorithm, Applied Sciences 14.8 (2024).
• [4] Ł. Dróźdź i J. Roj.: Zastosowanie metody redukcyjnej arytmetyki interwałowej do bieżącej oceny właściwości metrologicznych toru pomiarowego, Przegląd Elektrotechniczny 99.12 (2023), s. 83–86.
• [5] J. Jakubiec.: Redukcyjna arytmetyka interwałowa w zastosowaniu do wyznaczania niepewno´sci algorytmów przetwarzania danych pomiarowych, Wydawnictwo Politechniki Śląskiej, 2002.
• [6] J. Jakubiec.: Reductive interval arithmetic application to uncertainty calculation of measurement result burdened correlated errors, Metrology and Measurement Systems 10.2 (2003), s. 137–156.
• [7] Joint Committee for Guides in Metrology.: Evaluation of measurement data, Propagation of distributions using a Monte Carlo method, JCGM, 2008.
• [8] V. Horálek.: Analysis of basic probability distributions, their properties and use in determining type B evaluation of measurement uncertainties, Measurement 46.1 (2013), s. 16–23.
• [9] D. S. Reay.: Digital Signal Processing Using the ARM Cortex M4, John Wiley & Sons, 2015.
• [10] CMSIS-DSP, Embedded compute library for Cortex-M and Cortex-A, ARM Limited, 2023.
• [11] J. Jakubiec.: Błędy i niepewności danych w systemie pomiarowo-sterującym, Wydawnictwo Politechniki Śląskiej, 2010.
• [12] G. Koliander, Y. El-Laham, P. M. Djurić i F. Hlawatsch.: Fusion of probability density functions, Proceedings of the IEEE 110.4 (2022), s. 404–453.
• [13] Z. Zhang, J. Wang, C. Jiang i Z. L. Huang.: A new uncertainty propagation method considering multimodal probability density functions, Structural and Multidisciplinary Optimization 60 (2019), s. 1983–1999.
• [14] M. K. Urbanski i J. Wa˛sowski.: Fuzzy approach to the theory of measurement inexactness, Measurement 34.1 (2003), s. 67–74.
• [15] H. Janssen.: Monte-Carlo based uncertainty analysis: Sampling efficiency and sampling convergence, Reliability Engineering & System Safety 109 (2013), s. 123–132.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).