計量檢測中異常數據剔除的有效對策探析

楊壽敏

山東省平度市檢驗檢測中心 山東 平度 266700

測量需要非常高的數據處理精度。在收集了大量的測量和檢測數據后,需要對這些數據進行科學的處理,從而發現和去除數據變異值,進一步提高數據處理的準確性,為相關活動獲取更多的科學信息[1]。在此基礎上,本文詳細分析了測量和檢測中導致數據異常的因素及排除方法。

一、計量檢測的重要性

在日常生活產品中,工具的合理使用可以通過合理的測試來判斷。不同的工具或行業需要不同種類的數據。這些工具的檢測結論是否合理,必須使用標準儀器設備進行檢測,并使用合適的評價結果對儀器設備進行評價,從而判斷儀器設備是否能夠滿足實際應用條件。因此,生產數據能否測量是非常重要的,因為通過對數據的正確檢驗,可以證明公司的生產技術和設備是否合理,這是實現安全生產的前提。同時,測量和測試也是指導制造工藝、改造生產技術、提高產品質量的有效途徑和工具。沒有測量和測試,將無法解釋工具掌握的生產數據和產品質量是否合理,也無法提高生產質量,從而嚴重影響公司的正常經營和發展。

當產品出現異常數據時,需要進行處理。主要的解決方法是刪除異常數據,但刪除必須符合相應的標準。因為剔除異常數據的方式不正確,沒有辦法為產品增加經濟效益,甚至掩蓋一些產品問題。如果問題突然出現,可能會造成很大的錯誤結果。因此,在價值計量測試中應選擇異常數據處理標準,常用的標準有Dixor（Dixor）標準、Schoweiler標準等。在真值計量測試中,采用正確的測試標準可以提高數據異常剔除的準確性。

二、計量檢測中異常數據出現的原因

1、外部環境因素。常見的外界條件包括氣溫、相對濕度等。如果外部條件變化較大或外部環境相對較差,則在測量測試工作中可能會出現異常數據。比如某石油公司對自己的產品進行計量檢測時,由于環境溫度的變化,計量檢測數據很可能會出現異常。但是,如果此時不能有效去除計量測試中的異常值,計量測試工作的準確性必然會很低[2]。因此,相關技術人員在進行計量測試時,應充分考慮外部環境等各種因素的影響,采用有效的技術方法,將測試中的異常數據降到最低。因此,石油公司在對自身產品進行計量檢測前,應根據以往計量檢測經驗和其他相關研究成果,關注和管理檢測過程中的溫度變化。

2、檢測人員專業能力欠缺。測量方法不同,檢測人員的測量方法和技術水平也不同。計量檢測技術人員的專業知識和能力水平不夠,很容易導致計量檢測工具使用質量不合格,造成計量檢測數據異常的可能性。此外,在計量測試中,計量測試技術人員對計量測試時工作環境的質量控制有不同的要求,導致技術人員對計量測試研究成果的理解不同,可能導致計量測試出現問題或異常等信息數據。

3、計量檢測設備存在問題。測量裝置的性能好不好,關系到測量測試的整體工作質量。因此,如果測量和測試裝置有問題,在測量和測試過程中也會產生異常數據。例如,由于相關部門的工作人員未能按照相關法規和標準對測量測試裝置進行嚴格的監控和維護,導致測量測試裝置的靈敏度降低。如果監測人員在以后的數據測試中沒有靈敏度降低的問題,那么如果照常使用該裝置進行測量測試,也會出現數據異常的情況[3]。此時,如果系統不能有效清除異常數據,并在后續環節直接使用數據,則可能導致計量檢測工作未達到預期結果,相關活動無法參考科學的計量檢測結果。

三、計量檢測中異常數據的剔除研究

（一）剔除方法。在計量檢測工作中,提供異常數據信息至關重要,它直接關系到計量檢測結論的正確性,是計量檢測工作的主要部分。計量檢測中最常見的異常數據分析和剔除方法,大致有四類,即3σ數據剔除法、T值檢測數據剔除法、肖韋勒數據剔除法和格布拉斯數據剔除法。采用這四種方法,可以合理剔除計量測試中的異常數據分析,從而保證計量測試結果的準確性。

1、計量進行檢測中異常信息數據的方法3α數據剔除法。3α數據剔除法是在計量測試中去除異常數據的最常見方式之一,數據去除公式為|xd-x|^3α,即利用該公式將所有計量測試數據代入其中,如果數據出現了異常,立即去除數據,以此增加了測量數據的準確度。

3.肖維勒數據剔除法。肖維勒數據剔除法中計量檢查數據的比較公式是∣xd-x∣>Wn·α,也就是將獨立于計量檢查所得的數據進行綜合比較。當計量檢測數據的測量值超過公式規定的標準時,檢測數據值xd即可確定為非正常數據而取消。

（二）剔除技巧。異常數據的剔除應該重視一定的技巧,結合測試的基本結果加以分析。在對實際測量的某一個數值表現出了相當的真實性之后,就需要對其基本的數據差異進行分析,以下列數值為例:10.002,10.204,10.218,10.228,10.230,10.312,10.320,10.342,10.346,反映出一系列數據變化情況,但是具體的差異還需經過嚴格的檢驗作出科學的判斷。根據上面所說到的相關技巧,需要先對這列數值進行判別,以確定異常值的存在,然后選取合適的剔除技巧,可以確定出置信概念的可取值95.0%,此時即可將異常數值懷疑為10.346,再進行具體的綜合運算過程,可以得出十個數據中的平均值都是10.2317,而對應的X一的平均數也是10.2231,在完成了科學化的綜合運算處理以后,將異常數值從10.346中計算得出,將其有效地去除。合理地使用具體的計算方法,可以分析出所有相關數據的基本狀況,最后可以判斷為10.346的異常數值,而G（a,n）和10.002,或10.2317都很接近,這也體現出了合理使用格拉布斯準則的效果更為理想,獲取的結果更加的可靠。在實際判定的時候,異常數據的基礎思路就是把具體的數據量給解析出來,若是數據量在所規定的范圍內,即可把它看作服從于止態分布準則,又或者指出它并不滿足于相應的止態分布條件,從而證實了具體的數據面臨著誤差問題。

（三）剔除案例。為進一步對“如何剔除計量檢測中的異常數據”進行說明,下面將聯系案例,圍繞上述剔除方法展開討論。案例如下:在某次次計量檢測時得到數據10.003、10.205、10.219、10.221、10.229、10.231、10.313、10.321、10.343、10.346,此時需剔除異常數據。經判定后得出,當應用方法第一、二、三、四分別對計量檢測中的奇異數值作出判定時,所得到的結論均為10.346的奇異數值。結合實際判定的流程分析,在計量檢驗中異常數據被剔除時,如果想要提高異常數據剔除工作的速度,可以采用如下對策:措施一,檢驗人員可首先質疑計量檢驗數據結果中標準差、最小值,例如在此例子中,可以首先假定10.003或10.346是異常數據,進而再根據10.003和10.346做出異常數據的判斷,這是因為在大多數情形下,如果一組檢驗數據結果的標準差和最小值都是非異常數據,則表示在該組數據結果中出現異常數值的可能性為極小,因此,在通過計量檢驗得到的一組數值當中,標準差和最小值通常都更容易為異常數據,結合本例子中特殊數值判定結果分析,該例子的奇異數值的確為最大值。

四、計量數據管理方法

1、建立計量信息管理機制。確定信息管理組織,建立信息管理辦法,確定管理范圍,規定監督獎懲。書面程序或系統的正式形成被公布并實施為公司內部數據管理的法律基礎。

2、培訓計量檢測人員。測量和檢查人員需在測量、檢測知識、數據管理要求及測量儀器的使用與維護等方面進行在職培訓和教育,以改進法律觀念、計量意識、技術水平,以及測量和檢測人員的專業素質,以便數據管理。

3、現場評估和監督。計量組織相關人員向現場提交數據,檢查數據是否準確可靠,并填寫“計量數據評估記錄表”。

結束語

綜上所述,計量測試的準確度在產品檢驗流程中必不可少。對計量測試中異常數值去除的方式研究進行不斷深入發展有效的分析方法,就可以大大提高公司產品計量測試的準確度,從而提高了產品質量的合格率。測量測試中對異常數據的去除是一個對準確度要求很大的工作。而通過對測量測試中的大量數據進行分類,就需要有效整合產品的實用性、科學性、工作環境等多種因素,進而實現對異常數據的有效去除。