Übersicht
Der Vergleich von Messergebnissen, zuverlässige Entscheidungsfindungen und Konformitätsbewertungen erfordern, dass Messergebnissen eine Unsicherheit beigeordnet wird. Die Möglichkeit des Vergleichs von Messergebnissen, die an verschiedenen Orten oder zu unterschiedlichen Zeiten erzielt wurden, ist zentral für die internationale Metrologie. Mit dem “Guide to the Expression of Uncertainty in Measurement” (
GUM) steht eine Anleitung zur Unsicherheitsermittlung zur Verfügung, die bereits in vielen Anwendungen der Metrologie erfolgreich eingesetzt wurde.
Illustration der Monte Carlo Methode gemäß Supplement 1 to the GUM.
Im Rahmen ihrer jüngeren Entwicklung unterstützt die Metrologie zunehmend neue Themen, um gesellschaftlichen Herausforderungen in Umwelt und Klima, Lebenswissenschaften und Medizin begegnen zu können. Dabei spielen Bildgebung, Spektroskopie, Erdbeobachtungen und Sensornetzwerke eine zunehmend wichtige Rolle. Die zuverlässige Unsicherheitsermittlung ist in diesen Anwendungsfeldern besonders wichtig, etwa um die Diagnose eines Tumors abzusichern im Rahmen der quantitativen Bildgebung oder bei der Kontrolle von Umweltverschmutzungen. Der GUM wird allerdings den Herausforderungen in diesen Anwendungen nicht vollständig gerecht, und die Entwicklung statistischer Verfahren für eine verbesserte Unsicherheitsermittlung wird dringend benötigt.
Forschung
Der Schwerpunkt in der Arbeitsgruppe 8.42 der PTB liegt auf der Entwicklung Bayes’scher Verfahren zu Unsicherheitsermittlung. Diese Entwicklung wird im Zusammenhang mit unterschiedlichen Forschungsgebieten wie der „large-scale data analysis“ oder des „deep learning“ durchgeführt. Ebenso werden Bayes’sche Inferenzverfahren für eine mögliche Erweiterung der aktuellen GUM-Methodik in der Arbeitsgruppe 8.42 der PTB entwickelt. Beispiele hierfür sind einfache Verfahren, mit denen vorhandenes Vorwissen auf Priorverteilungen abgebildet werden kann, sowie Berechnungsmethoden. „Open source software“ wird bereitgestellt, um die Anwendung der entwickelten Verfahren zu erleichtern.
Software
Publikationen
Publikations Einzelansicht
Artikel
| Titel: | Efficient implementation of a Monte Carlo method for uncertainty evaluation in dynamic measurements |
|---|---|
| Autor(en): | S. Eichstädt, A. Link, P. M. Harris and C. Elster |
| Journal: | Metrologia |
| Jahr: | 2012 |
| Band: | 49 |
| Ausgabe: | 3 |
| Seite(n): | 401 |
| DOI: | 10.1088/0026-1394/49/3/401 |
| Marker: | 8.42, Dynamik, Unsicherheit |
| Zusammenfassung: | Measurement of quantities having time-dependent values such as force, acceleration or pressure is a topic of growing importance in metrology. The application of the Guide to the Expression of Uncertainty in Measurement (GUM) and its Supplements to the evaluation of uncertainty for such quantities is challenging. We address the efficient implementation of the Monte Carlo method described in GUM Supplements 1 and 2 for this task. The starting point is a time-domain observation equation. The steps of deriving a corresponding measurement model, the assignment of probability distributions to the input quantities in the model, and the propagation of the distributions through the model are all considered. A direct implementation of a Monte Carlo method can be intractable on many computers since the storage requirement of the method can be large compared with the available computer memory. Two memory-efficient alternatives to the direct implementation are proposed. One approach is based on applying updating formulae for calculating means, variances and point-wise histograms. The second approach is based on evaluating the measurement model sequentially in time. A simulated example is used to compare the performance of the direct and alternative procedures. |