| Zugriffsnummer | 53925 |
| Dokumenttyp | Zeitschriftenartikel |
| Peer Review | mit Peer Review |
| Sprache | Englisch ; Deutsch |
| Titel | Uncertainty evaluation using virtual experiments: bridging JCGM 101 and a Bayesian framework |
| Übersetzungstitel | Unsicherheitsbestimmung mithilfe von virtuellen Experimenten: die Verbindung von JCGM 101 und einem Bayesschen Framework |
| Autor(in); Institution |
Marschall, Manuel; 8.4, Mathematische Modellierung und Datenanalyse, PTB-Berlin
Wübbeler, Gerd; 8.4, Mathematische Modellierung und Datenanalyse, PTB-Berlin
Elster, Clemens; 8.4, Mathematische Modellierung und Datenanalyse, PTB-Berlin
|
| Quelle/Jahr | Technisches Messen: 92 (2025), 3/4, 130 - 137 |
| ISSN | 0171-8096 (print) ; 2196-7113 (online) |
| DOI | |
| URL | |
| Verlag | Berlin: De Gruyter Oldenbourg |
| Freie Schlagworte | Bayesian inference ; GUM ; virtual experiments ; uncertainty evaluation ; measurement precision ; Bayessche Inferenz ; GUM; ; Virtuelle Experimente; ; Unsicherheitsbestimmung; ; Messpräzision |
| Zusammenfassung | The applications of virtual metrology and the concept of using virtual experiments (VEs) or digital twins in measurement tasks have gained significant interest in recent years. When real measurements are costly or scarce, a VE can replicate complex mathematical and physical models. As a digital representation of a measurement process, a VE can, among other use-cases, be used in an uncertainty evaluation. Here, simulated and real observations can be combined without explicit knowledge of a model for the measurand – a usual requirement for uncertainty evaluation according to the GUM and its supplement JCGM 101. Including the variability of repeated measurements in a VE can be a challenging task. However, metrologists are aware of the potential impact of repeatability conditions and usually have significant knowledge about the precision of their measurement instrument. In this work, we develop a Monte Carlo sampling approach and software to perform an uncertainty evaluation that includes such prior knowledge about the precision of the measurement device, requiring only evaluations of the VE. Using an example of a calibrated measurement application, we demonstrate that there is a notable benefit to using available prior knowledge during an uncertainty evaluation, particularly in the case of limited observations. Virtuelle Metrologie und die Nutzung von virtuellen Experimenten (VEs) oder digitalen Zwillingen bei Messaufgaben haben in den letzten Jahren stark an Interesse gewonnen. Wenn reale Messungen kostspielig sind, kann ein VE komplexe mathematische und physikalische Modelle nachbilden. Als digitale Repräsentation eines Messprozesses kann ein VE unter anderem für eine Unsicherheitsbestimmung verwendet werden. Hier können simulierte und reale Beobachtungen ohne explizite Kenntnis eines Modells für die Messgröße kombiniert werden – eine übliche Voraussetzung für die Unsicherheitsbestimmung gemäß dem GUM und seines Supplementes JCGM 101. Die Einbeziehung der Variabilität wiederholter Messungen in das VE kann eine anspruchsvolle Aufgabe sein. In der Metrologie sind jedoch die potenziellen Auswirkungen von Wiederholbarkeitsbedingungen bekannt und es existiert in der Regel ein umfangreiches Wissen über die Präzision des Messgeräts. In dieser Arbeit entwickeln wir einen Monte-Carlo-Sampling-Ansatz und eine Software zur Durchführung einer Unsicherheitsbestimmung, die dieses Vorwissen über die Präzision des Messgeräts einbezieht und dabei nur Auswertungen des VE benötigt. Anhand des Beispiels einer kalibrierten Messung zeigen wir, dass die Verwendung von verfügbarem Vorwissen während einer Unsicherheitsbestimmung einen Vorteil bietet, insbesondere im Fall von wenigen Beobachtungen. |
| Themenbereich der Metrologie | Metrologie in der Medizin |