2. 误差源分类：系统误差、随机误差、粗大误差

在精密计量与公差分析中，误差是测量结果与被测量真值之间的差异。为了有效管理和预算误差，必须首先对误差源进行科学分类。根据误差的性质、产生规律及对测量结果的影响，通常将其分为三大类：系统误差、随机误差和粗大误差。

2.1 系统误差的定义与特征

定义：系统误差是指在相同测量条件下，对同一被测量进行多次测量时，误差的大小和符号保持恒定，或按某种确定规律变化的误差分量。

特征：

• 确定性：误差的数值和方向具有规律性，理论上可被预测和修正。
• 重复性：在相同条件下重复测量，误差会重复出现。
• 可修正性：通过引入修正值或改进测量方法，可以消除或减小系统误差。
• 来源固定：通常由测量仪器、测量方法、环境条件或人员操作中的固定因素引起。

2.2 随机误差的定义与特征

定义：随机误差是指在相同测量条件下，对同一被测量进行多次测量时，误差的大小和符号以不可预知的方式变化，但总体上服从统计规律的误差分量。

特征：

• 不确定性：单次测量的误差大小和方向无法预测。
• 统计规律性：大量测量值的误差分布通常服从正态分布（高斯分布）。
• 不可修正性：无法通过修正值消除，但可以通过增加测量次数取平均值来减小其影响。
• 零均值性：当测量次数趋于无穷时，随机误差的算术平均值趋于零。

2.3 粗大误差的定义与特征

定义：粗大误差是指明显超出规定条件下预期范围的误差，通常由测量人员的疏忽、仪器故障、环境突变或错误操作引起。

特征：

• 异常性：误差值显著偏离正常测量结果，在数据中表现为离群值。
• 可剔除性：通过统计检验（如拉依达准则、格拉布斯准则）可以识别并剔除。
• 非规律性：不遵循任何统计分布规律，属于无效数据。
• 破坏性：若未剔除，会严重扭曲测量结果和误差分析结论。

2.4 三类误差对比表

2.5 误差源识别方法

在精密计量与公差分析中，系统性地识别误差源是编制误差预算的基础。以下为常用的识别方法：

1. 因果图法（鱼骨图）：从人、机、料、法、环、测六个维度，逐层分析可能引入误差的因素。
2. 失效模式与影响分析（FMEA）：对测量系统或制造过程的每个环节进行潜在失效模式分析，识别误差源及其影响程度。
3. 测量系统分析（MSA）：通过重复性、再现性、偏倚、线性、稳定性等指标，量化识别测量系统中的误差源。
4. 过程能力分析：利用控制图和过程能力指数（Cpk/Ppk），识别制造过程中的异常波动和系统性偏移。
5. 敏感性分析：通过改变输入参数（如温度、力、速度），观察输出变化，识别敏感误差源。
6. 专家评审与历史数据回溯：利用经验知识和历史测量数据，识别已知或常见的误差模式。

2.6 误差源分类与识别流程（SVG）

下图展示了误差源分类体系以及从识别到处理的完整流程，帮助工程师在误差预算编制中建立清晰的逻辑路径。

2.7 误差源识别检查表示例

在实际工程中，可使用以下检查表系统性地识别和记录误差源，为后续的误差预算编制提供依据。