4. 不确定度评定标准框架
在Dewesoft测试系统里谈“不确定度评定”，本质上不是选一个公式套进去，而是先判断测量模型的性质，再决定用哪套标准框架去传播不确定度。目前工程上最常用的三套依据是：GUM法（JCGM 100:2008 / JJF 1059.1）、蒙特卡洛法（MCM，JCGM 101:2008 / JJF 1059.2）以及作为国内顶层规范的JJF 1059系列。它们并不是互相替代的关系，而是“同一目标、不同适用条件”的三条路径。
三套框架的定位差异
GUM法的核心是“线性化+一阶泰勒展开”。它把输出量 y=f(x₁,x₂,…,xₙ) 在标称点附近线性化，用灵敏度系数 cᵢ=∂f/∂xᵢ 把各输入量的标准不确定度 u(xᵢ) 合成为 u_c(y)，再乘以包含因子 k 得到扩展不确定度 U。它的前提是：模型近似线性、输入量分布接近正态或可由中心极限定理收敛、输出分布近似正态。满足这些条件时，GUM法计算量小、可解析、可追溯，是Dewesoft日常报告的首选。
蒙特卡洛法的思路完全不同：它不解析求导，而是对每个输入量按其概率密度函数（PDF）大量抽样，代入模型直接算出输出的经验分布，再由该分布的2.5%和97.5%分位数得到95%包含区间。它天然处理非线性、非正态、强相关输入，代价是计算量和“结果可复现性依赖抽样设置”。
JJF 1059.1与JJF 1059.2分别对应GUM法和MCM在国内的落地版本，JJF 1059.1-2012给出了GUM法的完整评定流程，JJF 1059.2-2012给出了MCM的实施与验证要求。在Dewesoft系统中，这两份规范决定了报告里“A类/B类评定怎么写、包含因子怎么取、有效自由度怎么算”。
在Dewesoft系统中如何落地
Dewesoft的通道配置里，每个测量通道都对应一个可追溯的输入量。以应变桥路为例，输出量是应变 ε，输入量包括桥压 V_ex、桥路系数 GF、采集电压 V_out、增益误差、零点漂移和重复性。GUM法下，先对同一工况重复采集 n=10 次，得到 V_out 的A类标准不确定度 u_A=s/√n；再查校准证书得到增益误差的B类分量，按均匀分布取 u_B=a/√3。灵敏度系数由 ε=V_out/(V_ex·GF) 求偏导得到，最后合成。
如果模型里出现“平方项”或“除法且分母不确定度较大”，线性化误差会显著，此时应切换到MCM。Dewesoft本身不内置MCM引擎，但可以把通道统计量导出为CSV，在Python或MATLAB中按JJF 1059.2的抽样次数 M≥10⁶ 执行，再把95%包含区间回填到报告。判断是否切换的实用准则是：比较GUM的 U 与MCM的 U，若相对偏差超过5%，或输出分布明显偏斜，就以MCM为准。
选择策略与报告约束
实际选择可以归纳为三条：模型线性且输入近正态，用GUM法并引用JJF 1059.1；模型非线性、输入非正态或含强相关，用MCM并引用JJF 1059.2；无论用哪种，报告都必须给出测量模型、输入量清单、分布假设、包含因子和包含区间。JJF 1059系列在这里的作用是“统一语言”，让Dewesoft导出的不确定度结果能被计量溯源链上的其他环节接受。
| 判定条件 | 推荐框架 | Dewesoft实现要点 |
|---|---|---|
| 线性模型、输入近正态、弱相关 | GUM法 / JJF 1059.1 | Statistics通道取A类，证书取B类，公式通道算灵敏度 |
| 非线性、非正态、强相关 | MCM / JJF 1059.2 | 导出CSV，外部抽样，回填95%包含区间 |
| GUM与MCM结果偏差>5% | 以MCM为准并说明 | 报告中注明切换依据与抽样次数 |
最后要强调的是：框架选择不是“越复杂越好”。在Dewesoft的常规振动、温度、电压测量中，GUM法配合JJF 1059.1已经足够，只有当线性化假设明显失效时，才值得付出MCM的计算成本。把这条判断路径固化到报告模板里，才能让不确定度评定既规范又可复现。