在实验室日常运营中，测量不确定度是判定检测结果可信度的核心指标。无论是内部质量控制，还是申请实验室认证（如CNAS、CMA），评审专家都会重点关注不确定度评定的合理性。很多技术员在仪器检测环节能熟练操作设备，但面对不确定度报告时却常感到无从下手。本文结合实际案例，梳理评定流程与误差来源，供同行参考。

一、不确定度评定的基本逻辑

测量不确定度本质上是“对测量结果真值所在区间的量化估计”。它并非误差本身，而是误差可能分布的范围。评定方法主要分两类：A类评定基于重复测量数据的统计分布（如贝塞尔公式计算标准差），B类评定则依赖校准证书、说明书、经验数据等非统计信息。两者合成后得到合成标准不确定度，再乘以包含因子k（通常k=2，对应约95%置信水平）得到扩展不确定度。

例如，对一台电子天平进行计量校准时，若重复性测量10次的标准偏差为0.02 mg，校准证书给出的扩展不确定度为0.05 mg（k=2），则B类标准不确定度为0.025 mg。合成后按方和根计算，即可得到该称量点的不确定度报告值。

二、常见误差来源与实操处理方法

误差来源识别是否全面，直接决定不确定度评定的质量。根据经验，以下五类来源出现频率最高：

• 标准器自身不确定度：来自上级校准证书，需按证书给出的k值换算成标准不确定度。
• 环境条件波动：温度、湿度、振动对精密设备校验影响显著。建议连续记录环境参数，纳入B类评定。
• 人员操作差异：不同技术员对同一仪器的读数习惯不同，可通过再现性实验量化。
• 被测对象不稳定性：如被校传感器在多次测量间发生漂移，需单独评估。
• 数据处理修约误差：修约间隔引入的不确定度常被忽略，按均匀分布处理，除以√3。

实操中，建议用因果图（鱼骨图）逐项排查，避免遗漏。对于通过实验室认证的机构，不确定度评定程序文件应明确列出每种仪器的典型误差源清单。

三、一个典型数据对比

以某第三方实验室对数字多用表直流电压10 V点的校准为例。简化评定后：重复性引入的不确定度为8 μV，标准器引入为12 μV，分辨力引入为3 μV。合成标准不确定度约为14.8 μV，扩展不确定度（k=2）约29.6 μV。若忽略分辨力项，扩展不确定度降为28.8 μV——看似差别不大，但在高精度仪器检测中，这类遗漏可能导致判定结论反转。

另一组对比：同一台设备在恒温实验室（20±0.5℃）与普通车间（20±5℃）下进行计量校准，前者温度引入的不确定度分量可忽略，后者则可能成为主导项，扩展不确定度相差3倍以上。这解释了为什么设备校验必须严格控制环境条件。

不确定度评定不是一次性的纸面工作，而是贯穿设备选型、方法验证、日常质控的动态过程。建议每季度复盘一次典型设备的不确定度报告，结合校准历史数据调整误差源权重。对于准备实验室认证的团队，尽早建立不确定度评定模板并培训全员，比临审前突击更有效。