测量不确定度预算与测量过程能力：校准之外的可复核判定

简介：《VDA 5 第三版 2021 测量和检验过程》是德国汽车工业协会质量管理中心发布的行业指南，面向汽车零部件供应商、整车厂及制造企业的质量、计量与审核人员，帮助建立测量系统能力评估、检验计划编制和测量过程管理的共同语言。内容围绕测量不确定度、重复性与再现性（R&R）分析、公差设定、过程控制与持续改进展开，同时说明标准实施中的责任边界、技术状态更新及误读反馈要求，第三版相较旧版进行了基础性修订。压缩包内为1个PDF文件，约436KB，便于条款检索、内部培训与审核对照。已有3466人学习下载，可作为搭建测量系统能力分析流程、编制检验计划、复盘测量审核要点的案头资料，也适合对照企业现有计量管理文件查漏补缺。

1. 校准全绿还是判错货：测量能力为什么必须当成“过程”来算

一台校准证书全在有效期内的量具，照样能让整批零件在公差边界上做出错误判定——这件事在汽车供应链里并不罕见，也不是设备“不准”。反直觉的地方在于：校准只回答“这台设备在标准件上示值可信不可信”，它从来不回答“这一次测量与检验过程的结果有多少不可信”。2021 年第三版的这份《测量与检验过程：能力、策划与管理》干的核心工作，就是把测量从一个设备状态问题，重构成一个可以分解、可以相加、可以判定的过程量：把测量系统的不确定度、人、被测对象、温度、漂移逐项转成标准差量纲的分量，合成一条扩展不确定度，再用它去和公差带比大小。这份文档资料之所以值得逐章读，是因为它给出的不是一个“合格线”，而是一套能被复算、能被审核、失败时知道该查哪一项的推理链。

2. 不确定度预算：为什么误差不能相加，而 u 可以

2.1 从“误差”到“标准不确定度”：A 类实测与 B 类先验的分工

误差是单次结果的属性，不确定度是对“这批判定”的属性。这个区分听起来是术语游戏，实际决定了整张预算表能不能算。若把五个来源的“最大误差”直接相加，会得到一个悲观到没有任何测量系统能通过的结果；若只取最大的一项，又会漏掉真实存在的叠加。不确定度建模换了个思路：每个影响量先转成一个标准差量纲的分量 u，在互不相关的前提下平方相加，因为方差是可加的，而极限值不是。

分量按信息来源分两类。A 类来自重复观测，用样本标准差除以根号 n 得到均值的不确定度；B 类来自已有信息——校准证书给的扩展不确定度、厂家声明的最大允许误差、显示分辨力、历史漂移记录。很多人在这一步翻车，觉得 B 类是“凭经验拍脑袋”，其实它要求的是把“界限”翻译成“标准差”，靠的是分布假设：只知区间半宽 a 而不知分布形状，按矩形取 a/√3；知道取值更集中在中间，按三角取 a/√6；证书直接给了 U 和 k，就老老实实除回去。假设不同，同一个 a 能得到差一倍的 u，所以预算表里必须写清“这一项用了什么分布”，否则别人无法复核，你也无法在结果异常时回溯。

2.2 合成与扩展：这份指南为什么死守 k=2

合成公式本身只有一行：uc 等于各分量平方和的平方根。真正容易出事的是它的三个前提。第一，所有分量必须换算到同一个被测量、同一个单位，把“直径的不确定度”和“圆度的影响”混在一张表里相加是常见的错误。第二，分量之间必须独立，若两个分量共享同一来源，平方相加会系统性虚高——最典型的是最大允许误差里其实已经包含了重复性和分辨力，再单列就是重复计入。第三，模型要覆盖完整的测量任务，而不是只覆盖设备本身。

扩展不确定度取 U 等于 k 乘以 uc，k=2 对应约 95% 的包含概率。通用做法允许用有效自由度去查 t 分位数，自由度小的项会自动获得更大的 k，统计学上更严谨。这份指南选择固定 k=2，代价是当有效自由度很小时（比如只做了 3 次重复测量、再现性只用了 2 个操作者）实际包含概率达不到 95%，覆盖不足；收益是算术可复算、跨供应商可比、审核时不必为“你的 k 为什么是 2.37”扯皮。这是一个明确的取舍：把“能被第三方重算”排在“统计学最优”前面。

2.3 不确定度预算：把公式落成一张能被人复核的表

概念讲完必须落到可执行的表上，否则预算表就是一张谁都填、谁都不信的表。下面这段代码只是把前面几个转换关系固定下来，好处是每一个数字都能追溯到它的来源和分布假设。

import math SQRT3 = math.sqrt(3.0) def u_rect(half_width): """矩形分布：已知区间半宽 a，转标准不确定度 a/√3""" return half_width / SQRT3 def u_resolution(re): """显示分辨力 RE：半宽取 RE/2，再按矩形分布""" return (re / 2.0) / SQRT3 def u_from_cert(U_cal, k_cal=2.0): """校准证书给出扩展不确定度 U 与包含因子 k，除回去""" return U_cal / k_cal def u_type_a(samples): """A 类：n 次重复观测，均值的标准不确定度 s/√n""" n = len(samples) mean = sum(samples) / n var = sum((x - mean) ** 2 for x in samples) / (n - 1) return math.sqrt(var) / math.sqrt(n) def combine(components): """各分量独立时按平方和开方合成""" return math.sqrt(sum(u * u for u in components.values())) def qms(uc, tolerance, k=2.0): """测量过程能力指数：扩展不确定度占公差带的百分比""" return 2.0 * k * uc / tolerance

参数含义与用法：half_width是区间半宽而不是全宽，把 ±0.004 写成 0.008 是新手最常犯的错；u_from_cert里的 k 必须与证书一致，证书若给的是 k=2 而你按 k=3 除，U 会被低估三分之一；qms的分子是 2U 而不是 U，因为公差带是双侧的，U 是单侧的半宽，两边各让出一份才算完整占用。

拿一个具体例子走一遍：被测长度 100 mm，公差带 T=0.10 mm；数显量具最大允许误差 0.004 mm，分辨力 0.001 mm；标准件校准证书 U=0.0015 mm（k=2）；在标准件上重复 10 次，单次标准差 0.0012 mm；残余系统偏倚 0.0008 mm。

合成得到 uc≈0.00284 mm，U=0.0057 mm，QMS≈11.4%，落在常用的 15% 阈值之内。这张表的价值不在于算出 11.4%，而在于当结果变成 20% 时，你能立刻看出是 uMPE 写错了（把全宽当半宽）还是 uEVR 异常（装夹重复性变差）。预算表一旦能被这样逐行追问，它就从文档变成了诊断工具。

注意：预算表里每一行都要标注“该项是否已被上游声明覆盖”。缺这一列，重复计入几乎必然发生。

3. 测量系统侧的分量：MPE、分辨力、线性怎样变成一个个 u

3.1 MPE 与分辨力：最容易重复计入的两项

最大允许误差是厂家对这台设备在规定的参考条件下示值偏差的承诺，把它当作区间半宽、按矩形分布转换，是最常见的 B 类做法。问题在于，很多数显量具的 MPE 声明本身已经包含了分辨力和短期重复性——厂家是在整机示值误差的口径下给的一个包络值。这时候你再把分辨力单列一行，就等于把同一份不确定性算了两遍，预算表整体虚高，最后得出“设备不行”的错误结论，换设备、换供应商，问题依旧。

分辨力的转换要小心半宽：显示分辨力 RE 意味着真实值落在最近两个示值之间的某个位置，半宽是 RE/2，按矩形分布得到 RE/(2√3)，约等于 0.289 倍 RE。它的实质贡献有多小，可以用一个判据快速估计：当 RE 小于公差的十分之一时，分辨力项对合成量的贡献通常不到 3%，可以并入其他项而不单列。反过来，如果公差是 0.02 mm 而量具分辨力是 0.001 mm，分辨力项就已经占到公差带的 1.4%，这时候它的地位和 MPE 是同一量级，不能随手划掉。

校准证书和 MPE 之间也存在取一舍一的关系。证书给出了 U 和 k，说明这台设备在受控条件下经过实测，此时用 uCAL 等于 U/k 比用 MPE/√3 更贴合实际；只有在没有可用证书、或者证书的校准点根本不覆盖实际工作量程时，才退回用 MPE 声明。两者同时出现在表里，是最典型的“看起来严谨、实际上重复”的写法。

3.2 线性：从“看残差图”到把斜率变成 uLIN

线性这一项最容易被敷衍过去：看一眼偏倚随参考值变化的散点图，“差不多是平的”，就当作零处理。但在大量程、多规格共用量具的场景里，线性误差常常是除 MPE 之外的第二大项。这份指南给了两条路径，对应 A 类与 B 类两种信息来源。

B 类路径用厂家给的线性指标。如果声明“在工作量程内线性偏差不超过量程的 0.5%”，那就把该偏差作为区间半宽按矩形分布转换，得到 uLIN。这条路快，但它默认线性误差在整个量程内均匀分布，对局部弯折无能为力。

A 类路径要实测：选若干个覆盖工作量程的参考件，每个参考件重复测若干次取均值作为该点的示值，用示值减参考值得到偏倚，再对“偏倚—参考值”做一元线性回归。回归残差反映非线性，斜率反映增益误差。只有回归项在统计上显著时才把对应量计入 uLIN，否则应该并进重复性，硬拆出来反而会人为压低重复性、抬高线性，两头都不准。

def linearity_simple(refs, biases): """简单线性分析：对偏倚-参考值做最小二乘，返回斜率、截距与最大残差""" n = len(refs) mx = sum(refs) / n my = sum(biases) / n sxx = sum((x - mx) ** 2 for x in refs) sxy = sum((x - mx) * (y - my) for x, y in zip(refs, biases)) slope = sxy / sxx intercept = my - slope * mx residuals = [y - (slope * x + intercept) for x, y in zip(refs, biases)] return slope, intercept, max(abs(r) for r in residuals) # 残差按矩形分布转成标准不确定度：uLIN = max|residual| / √3

这段代码里，refs是参考件的约定真值（通常来自更高等级的校准），biases是对应点的平均偏倚，注意不是单次示值。slope是有量纲的，表示每单位长度上的增益偏差，若它显著不为零，说明量具的“刻度”本身有缩放；intercept对应零点偏移。真正需要转成 uLIN 的是max|residual|，因为它才是“用一条直线去描述整段量程”所剩下的不确定部分。斜率显著的情况要单独处理：它不是随机分量，而是一个可修正的系统项，能修就修，不能修才按矩形计入。三件以上参考件时若每点都做了重复测量，更严谨的做法是用方差分析把回归项、失拟项和纯误差分开，只有当失拟项显著大于纯误差时，线性才是真实存在的独立分量。

3.3 偏倚与标准件：uCAL、uEVR、uBI 的耦合

标准件在这套方法里承担两个角色：既是量值传递的载体，又是重复性的试验台。角色一旦重叠，三个分量就会耦合。uCAL 是标准件自身的不确定度，来自它的校准证书；uEVR 是在这个标准件上反复测量得到的重复性；uBI 是示值与标准件约定真值之间的系统偏倚。

耦合点在于：如果你用同一个标准件既校零、又评估偏倚、又测重复性，那么 uCAL 会在“校准”和“偏倚”两处同时出现。正确做法是把 uCAL 只算一次，作为“标准件这条链”的整体贡献，其余分量在它之外再做合成；或者干脆把标准件视为已知量、只用它的证书值去评估偏倚，把偏倚的残余部分作为独立分量。

uBI 的取值取决于偏倚是否被修正。若偏倚已被修正（比如通过软件补偿），进入预算表的是修正后的残余，通常按矩形分布转换；若偏倚未被修正而直接使用示值，那么整个偏倚必须按区间半宽计入，这项往往比 MPE 还大。实际操作中还有一个隐蔽问题：标准件的校准证书本身可能是在别的温度、别的装夹方式下出具的，把它直接搬到你现在的测量过程里，uCAL 就被低估了。常见的做法是在证书值上叠加一个“使用条件差异”的经验项，宁可保守一点。

4. 测量过程侧的分量：人、件、温度、漂移如何进模型

4.1 重复性与再现性：uEVO、uAV、uIA 的自由度

设备侧的分量算完，只覆盖了“这台机器在理想条件下”的不确定性。真实测量过程里，操作者换手、零件换个位置、环境温度变两度，都会让同一个尺寸读出不同的值。这套方法把过程侧拆成几个可以分别测量的分量，最核心的是三个：uEVO 是在同一个零件、同一位置、同一操作者下的重复性；uAV 是操作者之间的再现性；uIA 是操作者与零件之间的交互。

经典设计是多名操作者、多个零件、多次重复的交叉试验。算的时候有个细节经常被忽略：uEVO 用的是单次测量的标准差，而 uAV 在汇总时要按操作者数量做归一，两者的分母不同，混用会让再现性被系统性放大或缩小。交互项 uIA 是否单列，取决于它是否显著大于纯误差——如果不显著还硬拆出来，等于把随机噪声人为分配给一个“交互”标签，自由度被浪费，最终的置信区间变宽。

样本量小是常态，尤其是前期开发阶段只有几件样件。样本量不足时正确的处理不是“少测几件照算然后宣称合格”，而是三选一：把结论降级为临时结论并标注适用批次；改用合并标准差并把置信上限作为判定依据；或者引入 B 类先验信息补足自由度，但要在报告里写明假设来源。这三种做法都有代价，共同点是诚实——报告里说清楚“这个数字的自由度只有 6”，比给一个漂亮的 1.5 有用得多。

4.2 被测对象不均匀性与温度：两个常被当作“零件差异”的大项

uOBJ 是被测对象自身的不均匀性带来的分量。硬度、粗糙度、壁厚、涂层厚度、圆度这类特征，同一个零件不同位置本来就不一样。很多人把它误当成“零件之间的差异”而放进再现性里，结果操作者再现性被虚高，真正的问题（取样位置不固定）被掩盖。判断方法很直接：让同一个操作者在同一个位置反复测量，得到一个分散；再固定操作者、更换测量位置，得到另一个分散。如果后者显著大于前者，说明不均匀性存在，且必须以 uOBJ 的形式单列。

温度项更隐蔽，因为它是可修正的。修正量等于长度乘以线膨胀系数再乘以温差，看起来一步就能修掉。但修正之后仍然有不确定度：温差本身测不准，线膨胀系数本身有范围。100 mm 的钢件、温差 3 K、线膨胀系数 11.5×10⁻⁶/K，修正量约 3.45 μm；若车间温度波动按 ±2 K 估计，温差的不确定度约 1.15 K，仅这一项就贡献约 1.33 μm，和前面例子里的 uc 是同一量级。

import math def temp_correction(length_mm, alpha, t_part, t_ref): """温度修正量：L·α·ΔT""" return length_mm * alpha * (t_part - t_ref) def u_temperature(length_mm, alpha, dT, u_dT, u_alpha): """温度项的标准不确定度：修正量与两个输入量的不确定度传播""" u_from_dT = abs(length_mm) * abs(alpha) * u_dT u_from_alpha = abs(length_mm) * abs(dT) * u_alpha return math.sqrt(u_from_dT ** 2 + u_from_alpha ** 2) # 示例：L=100 mm，α=11.5e-6/K，ΔT=3 K # u_dT = 2/√3 ≈ 1.155 K（车间波动 ±2 K，矩形分布） # u_alpha = 0.5e-6/√3 ≈ 0.289e-6 /K u = u_temperature(100.0, 11.5e-6, 3.0, 1.155, 0.289e-6)

参数上要提醒两点：u_dT不是“温度公差”，而是你对“零件温度和参考温度之差”这件事的不确定程度，用车间波动范围按矩形分布换算；u_alpha往往被直接设为零，实际上材料批次不同、热处理状态不同，线膨胀系数会有几个百分点的离散。等温时间的作用就是把dT压到接近零，从而让u_from_dT项消失——这也是为什么“上午刚加工完下午就测”和“恒温室放置一夜再测”会得到完全不同的能力指数。

4.3 短期稳定性与持续能力：能力不是一次性考试

前面所有分量测的都是“此刻”的状态。设备会漂、夹具会磨、环境会变，一次测量系统试验通过，只说明试验那天是好的。这份指南把时间维度单列为 uSTAB，短期稳定性通过在固定节奏下重复测量同一个标准件来评估，把示值随时间的漂移折算成一个分量。

持续能力的监控则是另一套机制：不是反复做完整的再现性试验，而是用标准件的定期复测做控制图。判读逻辑和常规控制图一致——连续多点单向偏移、超出控制限、相邻两点差距异常，分别对应漂移、突变和装夹问题。触发一次完整复核的条件通常是几类事件：换操作者、设备维修或搬迁、标准件换批次、环境改造、控制图报警。这种设计的经济性在于，完整试验成本高、周期长，而标准件复测几分钟就能完成，用低成本的高频监控去触发高成本的深度检查。

时序上可以这样理解：产品开发早期用完整预算表建立基线；试生产阶段用标准件复测维持基线；量产阶段靠控制图和数据趋势决定何时重新做完整评估。三个阶段的分量覆盖范围不同，早期偏重系统侧（MPE、线性、校准），量产偏重过程侧（人、温度、漂移）。把这三个阶段的结论混在一起当成一个固定的能力值，是审核现场最常见的争议来源。

5. 避坑与排查：能力指数算得漂亮却经不起复核的五种情形

5.1 数据层面的失真

第一个坑：零件选得太“像”，再现性虚高。现象是同一台设备、同一批量具，上周算出来是 8%，这周换了一批零件变成 30%，操作者没换、环境没变。原因在于按零件间变异归一的那类指标，分母取决于你选的零件能不能代表过程分布；如果挑的全是同一天、同一模穴的零件，零件间差异接近零，比值自然爆表。解决方法是按过程标准差或公差带覆盖范围选件，同时把与样本分布无关的指标（扩展不确定度占公差的比例）一起报出来，两个数互相印证。

第二个坑：剔除“异常点”再算。现象是删掉两个点之后，重复性从 1.1 跳到 1.6。原因是把真实的分布尾部当成了粗差。正确做法是先查物理原因——装夹没到位、零件有毛刺、量爪没等温——有物理原因才剔除，并在报告里留痕；查不出原因就保留，或者改用稳健统计方法，而不是靠删点让数字好看。

5.2 模型与判定层面的重复与漏项

第三个坑：MPE 与分辨力、重复性双计。现象是预算表算出来的 U 比实测分散的两倍还大，于是判断“设备不满足要求”并申请换设备。原因几乎总是同一份不确定性被算了两次。解决方法是给预算表加一列“该项是否已被上游声明覆盖”，逐项标注来源，凡是厂家在 MPE 口径下已经包络的，一律不再单列。

第四个坑：判定限直接用公差限，且混淆标准不确定度与扩展不确定度。现象是边界件反复复检，结果在合格与不合格之间来回跳；报告里 QMS 只有 7%，实际却频频误判。原因有两个，一是把 k=1 的 uc 当成 U 报出去，等于把不确定度砍了一半；二是没有设置保护带，让测量不确定度在公差边界处把“合格/不合格”变成了不可判定区。解决方法是预算表里固定列出 k 与 U，判定只用 U；接受限向内收缩一个 U，拒绝限向外扩张一个 U，中间灰区走复检、让步或加严取样，而不是硬判。

注意：保护带的宽度是一个业务决策，不纯粹是技术参数。漏判（把不合格判成合格）和误判（把合格判成不合格）的代价不对称时，保护带应该偏向代价大的那一侧。

5.3 流程层面的错位

第五个坑：把校准合格当成过程有能力。现象是全部量具都在有效期内，客户却投诉尺寸超差；追查发现是夜班操作者用了不同的装夹方式。原因是校准只证明“这台设备在标准件、参考条件下示值可信”，它不覆盖人、装夹、温度、被测对象这些过程侧分量。解决方法是把校准定位成入门门槛而非结论，能力证明必须覆盖完整测量过程，并按风险分级决定证明的深度——高风险特征做完整预算与再现性试验，低风险特征可以用简化路径，但不能默认合格。

6. 细小公差与判定边界：阈值该松还是该分档

把前面的分量代进一个真实场景，取舍就藏不住了。Φ20 的孔，公差带 0.021 mm，用一台 MPE 为 0.004 mm 的内径量具，按第 2 章那张表算出来 U 约 0.0057 mm，扩展不确定度占公差带的比例超过 50%。这时候无论怎么优化装夹、怎么等温，都很难把比例压到 15% 以内——不是方法错了，是公差带本身就逼近了现有测量技术的物理边界。

面对这种情况有三条路，对应三种不同的设计取舍。第一条是继续死守单一阈值，结论就是“这个特征不可测”，把问题推给设计端改公差；这在功能确实重要时是对的，但它把测量和设计对立起来了。第二条是放宽阈值假装合格，这是最坏的选择，因为它把不确定性藏进了合格判定的黑匣子里。第三条是这份指南选择的分档思路：当公差小到一定程度，不再用“占公差百分比”这一个硬指标卡死，而是把结论拆成两部分——测量过程本身的扩展不确定度如实报出，同时用保护带把边界区显式交给下游流程处理。公差极小的特征，判定结果里必然存在一段“不可判定区”，工程上能做的是让这段区域可控、可追溯、有处置规则，而不是宣称它不存在。

这套分档逻辑和风险分级是配套的。同一个不确定度占比，用在一个安全相关特征上和一个外观特征上，结论完全不同：前者要求更高的保证程度、更严的保护带、更密的复测；后者可以接受更宽的灰区、更简化的证明路径。这也是整份指南最值得琢磨的地方——它没有给出一个放之四海皆准的数字，而是把“证明到什么程度”变成了一个由后果严重度和发生概率共同决定的变量。

验证方法上我有一个用了很久的习惯：不要只看算出来的数字，要做“已知答案”回测。找一个经过高等级校准的标准件，人为制造几个已知大小的偏倚（垫一层薄箔、换一个装夹角度），看预算表预测的 U 和实测的分散是否在同一量级。如果预测值远小于实测分散，说明有分量漏了，最常见的是温度和不均匀性；如果预测值远大于实测分散，说明有项重复计入，最常见的是 MPE 和分辨力。这个回测十分钟能做完，却能挡掉后面几个月的争议。从那以后我每次给出能力结论之前，都强制走一遍“预算表逐行标来源、标准件回测校量级、边界件看灰区处置”这三步，希望帮到你。

本文还有配套的精品资源，点击获取