Сучасні засоби вимірювання як високотехнологічні, надточні, багатофункціональні інструменти є складними системами, оцінка непевності (ДСТУ ISO/IEC Guide 98-1 подає цей термін як «невизначеність») яких перетворюються в нетривіальне завдання. Для забезпечення інформації про вірогідність результатів, їх збіжність та відтворюваність необхідно проаналізувати непевність результатів вимірювання, характерних для певного технологічного процесу.
Як підхід для визначення непевності складних систем, для уникнення необхідності виконання багатократних експериментів, зменшення потреби у висококваліфікованому персоналі та дорогих «артефактах», що застосовуються при оцінюванні, існує метод так званого віртуального засобу вимірювання. В цій методиці процес вимірювання моделюється, з врахуванням дії основних факторів впливу та проводиться статистичний аналіз результатів моделювання з використанням методу Монте-Карло. Таким чином характеристики віртуальних модулів повторюють властивості реальних приладів й, водночас, дають змогу швидко та якісно оцінити вплив параметрів середовища на результати вимірювання. Непевність вимірювання зазвичай спричинена кількома основними джерелами, а саме: залежить від методу вимірювання, неточності засобів вимірювання, вплив персоналу та параметрів довкілля. Серед впливів довкілля важливо виділити - зміну освітленості для електронно-оптичних засобів та температури, які можуть змінюватись у виробничому процесі, а також мають вирішальний вплив на непевність вимірювань. В статті проводится огляд методу віртуального засобу вимірювання та його відомих застосувань.
[1] JCGM 100:2008, Evaluation of measurement data – Guide to the expression of uncertainty in measurement JCGM 100:2008 (GUM 1995 with minor corrections). 2008, Paris: BIPM Joint Committee for Guides in Metrology. [Online]. Available: https://www.bipm.org/utils/common/documents/jcgm/JCGM_100_2008_E.pdf. Accessed on Aug 7, 2020.
[2] EN ISO 15530-3:2011 Geometrical product specifications (GPS) - Coordinate measuring machines (CMM): Technique for determining the uncertainty of measurement - Part 3: Use of calibrated workpieces or measurement standards.
[3] ISO/TS 15530-4:2008 Geometrical product specifications (GPS) – Coordinate measuring machines (CMM): Technique for determining the uncertainty of measurement – Part 4: Evaluating task-specific measurement uncertainty using simulation.
[4] K. Sommer, B. Siebert, "Praxisgerechtes bestimmen der messunsicherheit nach gum (practical determination of the measurement uncertainty under gum)", tm–Technisches Messen/Sensoren, Geräte, Systeme, no. 2(71), pp.52-66, 2004.
[5] JCGM 101:2008 Evaluation of measurement data-supplement 1 to the guide to the expression of uncertainty in measurement-propagation of distributions using a Monte Carlo method [Online]. Available: https://www.bipm.org/utils/common/documents/jcgm/JCGM_101_2008_E.pdf. Accessed on Aug 7, 2020.
[6] R. Hanus, B. Stadnyk, A Kowalczyk, “Virtual instrumentation for delay measuring using the power spectral density method”, Herald of the Lviv Polytechnic National University: Automation, Measurement and Control, no. 475, pp. 3–8, 2003.
[7] A. Ozghovych, I. Likhnovskyi, O. Tyshchenko, A. Kuzii, “Construction of scales of virtual measuring instruments”, Measuring Equipment and Metrology, vol. 75, pp. 27-3, 2014.
[8] M. Trenk, M. Franke and H. Schwenke, “The ‘Virtual CMM’a software tool for uncertainty evaluation—practical application in an accredited calibration lab”, in Proc. of ASPE: Uncertainty Analysis in Measurement and Design, 2004.
[9] Y. Novikov, "Virtual Measuring Instruments", Journal of Surface Investigation. X-ray, Synchrotron and Neutron Techniques, vol.10, p. 68–75, 2016.
[10] Y. Novikov, "Virtual raster electronic microscope. 2. Principles of device building”, Russian Microelectronics, vol. 42, no. 4, p. 262-270, 2013.
[11] S. Mordechai, Applications of Monte Carlo Methods in Science and Engineering, London, UK, IntechOpen, 2011.
[12] S. Thompson, "Random number generators for C++ performance tested". [Online] Available: http://thompsonsed.co.uk/random-number-generators-for-c-performance-tested. Accessed on Aug 7, 2020.
[13] Y. A. Novikov, "Virtual raster electronic microscope. 4. Realisation using simulator”, Russian Microelectronics, vol. 43, no. 6, pp. 456-467, 2014.
[14] M. O'Neill, "PCG: A Family of Simple Fast Space-Efficient Statistically Good Algorithms for Random Number Generation". [Online]. Available: https://www.cs.hmc.edu/tr/hmc-cs-2014-0905.pdf. 2014. Accessed on Aug 7, 2020.
[15] D. Flack , "Good Practice Guide No. 130. Coordinate measuring machine task-specific measurement uncertainties", 2013. [Online]. Available: https://www.npl.co.uk/special-pages/guides/gpg130_machine. Accessed on Aug 7, 2020..
[16] E. Trapet, "Traceability of Coordinate Measurements According to the Method of the Virtual Measuring Machine: Part 2 of the Final Report Project MAT1-CT94-0076", Braunschweig, Physikalisch-Technische Bundesanstalt, vol. 35, p. 147, 1999.
[17] Y. Novikov, "Virtual raster electronic microscope. 1. Goals and objectives of virtual instruments”, Russian Microelectronics, vol. 42, no. 1, pp. 34-41, 2013.
[18] Y. Novikov, "Virtual raster electronic microscope. 3. Semi-empirical model of REM signal forming”, Russian Microelectronics, vol. 43, no. 4, pp. 263-274, 2014.
[19] Y. Novikov, "Virtual raster electronic microscope. 5. Application of nanotechnologies in micro and nanoelectronics”, Russian Microelectronics, vol. 44, no. 4, pp. 306-320, 2015.
[20] PTB Competence Center "Metrology for Virtual Measuring Instruments"(VirtMet). [Online]. Available: https://www.ptb.de/cms/fileadmin/internet/PSt/pst1/VirtMet_Whitepaper_pu.... Accessed on Aug 7, 2020.