郝德清
滕州市衡器管理所 山东省 277599
摘要：计量检测是对被测对象的各种参数进行有效测试，获取大量的测试数据，对这些数据进行有效的统计，获取正确的数据，并剔除错误的数据，从而保证被测对象能正常使用。计量检测是由于计量检测得到的初始数据存在差异性，需对这些数据进行有效处理和分析，经处理后便于分析异常情况。为了尽可能准确有效地消除异常数据，保证测量数据的有效性，根据测量的重要性分析了测量误差产生的原因，并探讨了计量检测中异常数据的剔除方式。
关键词：计量检测；异常数据；剔除方式
计量测量工作对数据的精度要求很高，在获取大量计量测量数据后，需对这些数据进行科学的处理，发现并剔除其中的数据异常值，从而不断提高数据的准确性，进而使相关活动获得科学合理的参考信息。基于此，本文详细分析了计量检测中异常数据出现的原因及其剔除方式。
一、计量检测的重要性
在日常生活生产中，通过有效的测试可确定工具的正确使用，不同的工具和行业需不同类型的数据，这些工具的检查结果正确与否需标准仪器进行检测，并通过相应的评估结果评估仪器，以确定设备是否能满足实际使用要求。因此检测数据至关重要，通过正确的检查数据可确保生产设备是否正确，这是确保安全生产的前提。同时，计量检测也是指导生产过程、产品改革和质量提升的有效途径和工具。若无计量检测，就无法说明工具得出的生产数据和产品是否正确，同时也无法保证产品质量，因此会影响企业的正常运行和发展。
在出现异常数据时，必须进行处理，最主要的方法是将异常数据剔除，但剔除也需有一定的准则，因不准确的异常数据剔除方法并不能给生产带来好处，甚至会掩盖一些生产问题，问题一旦爆发就可能带来严重的后果。因此在计量检测时需选择异常数据处理准则，通常使用的准则为狄克逊(Dixor)准则、肖维勒准则等。真正计量检测时，使用合适的测试准则可提升数据异常剔除的准确性。
二、计量检测中异常数据出现的原因
1、外部环境因素。常见的外部环境因素有温度、湿度等，当外部环境因素出现较大变动或外部环境较为恶劣，计量检测工作很可能出现异常数据。比如，石油企业在针对自身产品进行计量检测时，计量检测数据很可能受到温度变化影响出现异常，此时若不能有效剔除计量检测中存在的异常数据，势必会导致计量检测工作精准性较低。因此，在开展计量检测工作时，相关人员必须考虑到外部环境因素的影响，通过采取有效技术方法尽可能减少检测中存在的异常数据。例如，石油企业在针对自身产品进行计量检测前，应结合过往计量检测经验与其他相关研究结果，对检测过程中的温度进行关注与控制，一般来讲，为减少计量检测中的异常数据，多数情况下会在外界温度为15℃～25℃时开展计量检测工作。
2、检测人员专业能力欠缺。不同计量检测人员的检测方法及技术水平也存在差异,一旦计量检测人员的专业能力水平不足,容易造成计量检测工具使用不规范的情况发生,造成计量检测中异常数据出现的可能。并且在计量检测工作中,计量检测人员对计量检测时的环境控制也不尽相同,因此造成了不同人员间计量检测结果的差异,从而导致计量检测中出现异常数据。
3、计量检测设备存在问题。计量检测设备是否性能良好关系着计量检测的工作质量，换言之，计量检测设备存在问题可能导致计量检测出现异常数据，比如因相关人员未按相关规程规范对某计量检测设备进行日常监控与维护，导致该计量检测设备灵敏度有所下降，在后续进行数据测量时，若检测人员未发现灵敏度下降的问题，照旧使用该设备进行计量检测就可能出现异常数据。此时，若不能有效剔除异常数据，直接将该数据用于后续环节中，就可能导致计量检测工作不能取得预期成效，相关活动的开展无法参考科学的计量检测结果。
三、计量检测中异常数据的剔除方式
在计量检测工作中,对异常数据的提出工作极为重要,直接关系到计量检测结果的精准性,是计量检测工作的重要组成部分。在常用的计量检测异常数据剔除方式中,主要分为四种,即3σ数据剔除法、t值检测数据剔除法、肖维勒数据剔除法及格布拉斯数据剔除法,通过这四种方式,能有效剔除计量检测中的异常数据,从而为计量检测结果的精准性提供保障。
1、计量检测中异常数据的3α数据剔除法。在计量检测中异常数据剔除时,3α数据剔除法是常用的异常数据剔除方式之一,其数据剔除公式是∣Xd-X∣>3α,通过此公式,将计量检测数据代入其中,一旦数据出现异常,就能剔除数据,从而提升计量数据的精准性。
2、计量检测中异常数据的t值检测数据剔除法。t进行检验的方法，一般是针对具有可数值Xi以外的数值，将其作为数据的总几何，并设定其数据总体的分布情况进行设定，判定其分布状态是否属于正态分布。在实际使用中，人们会忽略正态分布情况，一般会将假设内容设定为正态分布。同时，把Xi作为样本容量1特殊意义存在的总体，当上述总体进行对比时，这两方面为同一总体，两者间无明显差异，以这种方式计算统计k：。公式内式珀可疑值，其他样本方面的数据均为平均值。s为可疑值，其余样本的数据作为标准差。把k值和t值分布表得出的数值进行对比，高于明显性水平a(一般会采取0.05)以下的t得出检验值。这时表明Xi为较小的概率，可判断其为异常值舍去。
3、肖维勒数据剔除法。肖维勒数据剔除法的计量检测数据公式为∣Xd-X∣>Wn·α,是通过互相独立计量检测得到的数据进行组合对比,当计量检测数据的测量值达到公式要求标准后,计量检测出的数据数值Xd就可判定为异常数据,并对其进行剔除。
4、格布拉斯数据剔除法。格布拉斯数据剔除法也是计量检测中常见的异常数据剔除方法,是以Xd计量检测的测量数据,计量检测数据的平均值以X来进行表示,计量检测数据的标准差由S表示,并查表获得G(α2n),因此计量检测异常数据剔除公式为∣Xd-X∣≥G(α2n)S。
四、计量数据管理方法
1、制定企业计量数据管理制度。明确数据管理机构，制定数据管理办法，确定管理范围，规定监督奖惩。书面程序或系统的正式形成被公布并实施为公司内部数据管理的法律基础。
2、培训计量检测人员。测量和检查人员需在测量、检测知识、数据管理要求及测量仪器的使用与维护等方面进行在职培训和教育，以改进法律观念、计量意识、技术水平，以及测量和检测人员的专业素质，以便数据管理。
3、现场评估和监督。企业计量组织组织相关人员向现场提交数据，检查数据是否准确可靠，并填写“计量数据评估记录表”。
4、定期监督和处置。①对任何不符合要求的数据，终止使用，分析原因，采取相应的纠正措施，必要时进行数据追溯；②违反计量法的规定，使用未经验证，不合格或超过验证期的计量器具，应当场密封计量器具，已发出的计量数据应停止，如有必要，数据应追溯和处理相关负责人；③测量仪器销毁或测试数据伪造的准确性丧失，停止使用已发布的测量数据，必要时进行数据溯源，并与负责人交涉；④若重复的数据错误不适合连续测量和测试，可将它们从测量位置移除。
综上所述，计量检测的准确性在产品检测过程中至关重要。对计量检测中异常数据剔除的方法进行深入有效的分析，能提高计量检测的准确率，保证产品的合格率。计量检测中异常数据的剔除是一项精准度要求较高的工作，通过计量检测中大量数据的分析，要针对产品的实用性、科学性、工作环境等诸多因素进行有效的结合，从而完成异常数据的剔除。
参考文献：
[1]王莹.计量检测中异常数据剔除的有效方法[J].电子世界,2016(24).
[2]马琳.计量检测中异常数据剔除措施研究[J].建筑工程技术与设计，2018(05).
[3]黄志恒.计量检测中异常数据剔除的有效方法[J].科技风,2019(11).