간접 측정의 불확실성 예측: 단계별 접근법

이 논문은 간접 측정에서의 불확실성 전파 문제를 체계적으로 다룹니다. 서론에서는 간접 측정이 물리화학적 파라미터 추정 등 과학 전반에 걸쳐 널리 사용되지만, 측정값(X_i)을 시스템 특정 관계(SSR)를 통해 원하는 값(Y_d)으로 변환한 결과(y_d)가 실제로 X_i의 정확성을 대표하는지 평가할 방법이 명확하지 않다는 문제를 제기합니다. 2장 '원리'에서는 핵심 개념을 정립합니다. 먼저 SSR을 실제 측정 장치(MD)와 유사한 '데이터 변환 척도(DTS)'로 재해석합니다. DTS의 핵심 특성은 입력(X_i)에 대한 출력(Y_d)의 상대적 변화율을 나타내는 파라미터(γ)로, 이는 DTS마다 고정되거나(선형 DTS) 입력값에 따라 변할 수 있습니다(비선형 DTS). 저자는 기존 연구를 인용하며, 결과의 불확실성(ε_d)이 개별 측정 불확실성(u_i)에 DTS의 γ_i를 가중치로 한 선형 조합(ε_d = Σ(γ_i * u_i))으로 주어진다는 기본 공식을 재확인합니다. 이 공식은 불확실성의 체계적/무작위적 원인과 무관하게 성립하며, γ를 알고 있으면 측정 전에 ε_d를 예측할 수 있음을 강조합니다. 본 논문의 주요 확장은 이 기본 공식을 연속적 연산 과정(COCP)에 적용하는 것입니다. COCP에서는 한 단계의 출력이 다음 단계의 입력이 됩니다. 저자는 각 단계의 불확실성이 다음 단계로 전파될 때 해당 단계 DTS의 γ에 의해 다시 변환됨을 보여줍니다. 이를 위해 '단계별 불확실성 요인(UF)' 개념을 도입합니다. UF는 예측된 총 불확실성(ε_d)을 기준 측정 불확실성(G_u)으로 나눈 값으로, 각 단계 및 누적 단계에 대해 계산됩니다. 예를 들어, 3단계 COCP의 최종 누적 UF(III