标准样片制备的测量数据分析方法研究
市场调研报告中的样本采集与数据处理方法
市场调研报告中的样本采集与数据处理方法引言:市场调研是企业了解市场需求、竞争状况、产品定位的一项重要工作。
在市场调研报告中，样本采集和数据处理是关键步骤，决定了调研报告的可靠性和准确性。
本文将详细论述市场调研报告中的样本采集与数据处理方法，包括样本数量和规模的确定、样本选择的方法、数据采集的方式、数据处理的步骤和统计方法的应用。
一、样本数量和规模的确定在市场调研报告中，样本数量和规模的确定是评估调研结果的重要指标之一。
确定样本数量和规模时，需要考虑市场规模、调研目的和调研方案的可行性。
可以通过以下几种方式进行确定：1.基于统计学方法：根据总体大小和抽样误差的要求，利用统计学原理计算出合理的样本数量和规模。
2.基于经验法则：根据以往的调研经验，结合调研目的和可行性，合理估计样本数量和规模。
3.基于专家建议：咨询领域专家的建议，根据专业知识和经验，确定合适的样本数量和规模。
二、样本选择的方法样本选择是指从总体中抽取符合要求的个体作为调研对象的过程。
常用的样本选择方法有以下几种：1.随机抽样：通过随机数表或随机数生成器，在总体中随机选择个体作为样本。
可以保证样本的代表性和可靠性。
2.系统抽样：在总体中按照一定的规则和步骤选择个体作为样本。
例如，按照总体中个体的顺序，每隔一定间隔选择一个个体作为样本。
3.分层抽样：根据总体的特征将总体划分为若干层次，然后在每个层次中进行抽样。
可以保证各个层次都有代表性的样本。
4.整群抽样：将总体划分为若干群体，然后在每个群体中进行抽样。
可以减少样本的数量和成本，同时保持群体的代表性。
三、数据采集的方式数据采集是指收集市场调研数据的过程。
常用的数据采集方式有以下几种：1.问卷调查：通过设计问卷，向调研对象发放并收集数据。
可以快速获取调研对象的意见和反馈。
2.访谈调查：采用面对面或电话等方式对调研对象进行访谈，获取详细的调研数据和意见。
3.观察法：通过观察调研对象的行为和环境，获取相关数据。
产品质量检测中的数据分析与处理技巧
产品质量检测中的数据分析与处理技巧在如今竞争激烈的市场环境下，企业不仅需要生产出高品质的产品，还需要确保这些产品能在质量检测中通过各项标准。
而要保证产品质量的一致性和可靠性，数据分析与处理技巧在产品质量检测中起着至关重要的作用。
首先，数据采集是产品质量检测的基础。
无论是传感器、仪器设备还是人工测量，有效的数据采集是确保后续数据分析准确性的前提。
对于传感器和设备，应确保其准确校准和良好维护，以减小数据采集误差。
对于人工测量，应加强培训，提高操作人员的技能水平，减少人为误差。
其次，在数据分析过程中，不同的统计方法和分析技术可以帮助我们挖掘数据中蕴含的有价值的信息。
常用的数据分析技术包括描述性统计分析、假设检验、回归分析等。
比如，在描述性统计分析中，可以通过计算平均值、方差等指标来了解产品质量的集中趋势和离散性程度。
而假设检验可以用于判断产品之间的差异是否显著，回归分析可以探究不同变量之间的关系。
这些技术和方法在数据分析中的应用，有助于我们更加全面地了解产品质量数据背后的规律和问题，进一步指导生产和改进过程。
此外，数据可视化也是数据分析与处理中的关键步骤之一。
通过将数据以图表、图形等形式呈现，可以使复杂的数据情况一目了然，更加直观地观察和理解数据的特点和规律。
比如，利用直方图可以展示产品质量数据的分布情况，帮助我们判断产品是否符合标准要求。
散点图则可以显示变量之间的相关程度，揭示潜在的因果关系。
通过数据可视化，我们能够更有效地识别出问题，并采取适当的措施进行改进。
另外，质量检测中的数据处理也至关重要。
数据处理包括数据清洗、数据转化、特征提取等环节。
数据清洗是通过排除异常或错误的数据，保证数据质量。
数据转化涉及到单位换算、数据归一化等操作，目的是方便不同数据源间的比较和统一。
特征提取则是根据实际需求选择合适的指标，提取对评估产品质量有价值的特征。
数据处理的目的是使原始数据更具可用性和可解释性，为后续分析提供更有实际意义的依据。
品检样品制备与测试技巧
品检样品制备与测试技巧在品检领域，样品制备与测试技巧对于提高工作效率和保证测试结果的准确性都起着至关重要的作用。
本文将介绍一些常用的样品制备与测试技巧，帮助您在品检工作中取得更好的成果。
1. 样品制备技巧1.1 样品选取在进行品检测试之前，首先需要选择合适的样品。
样品应代表被测试物品的特征和品质。
根据测试目的和要求，可以选择随机样品、代表性样品或者特定样品。
根据样品的性质和要求，可选择不同的样品制备方法。
1.2 样品处理样品处理是样品制备过程中的重要环节，它可以帮助去除样品中的杂质，提高测试结果的准确性。
常见的样品处理方法包括：溶解、过滤、提取、浓缩和稀释等。
1.3 样品保存样品保存对于后续测试工作的准确性和可靠性非常重要。
正确的样品保存能够保持样品的稳定性，并避免样品受到环境因素或时间的影响。
根据样品的性质和要求，可以选择适当的保存方法，如冷藏、冷冻或干燥保存。
2. 测试技巧2.1 测试设备的校准在进行品检测试之前，测试设备的校准是必不可少的。
通过定期对测试设备进行校准，可以保证测试结果的准确性和可靠性。
校准包括对设备的准确度、线性度和重复性等进行检验和校正。
2.2 样品分析技巧样品分析是品检工作中的核心环节。
掌握一些常用的样品分析技巧可以帮助提高工作效率和测试结果的准确性。
例如，正确使用分析仪器、选择合适的分析方法、进行数据处理和解读等。
2.3 品质控制技巧品质控制是品检工作中不可或缺的一环。
通过建立有效的品质控制体系，可以保证测试结果的稳定性和可靠性。
常见的品质控制技巧包括制定和执行标准操作程序、定期进行内部评估和审核、参与外部质量评估和培训等。
2.4 故障排除技巧在品检工作中，可能会遇到各种各样的故障和问题。
掌握一些故障排除技巧可以帮助及时解决问题，保证测试工作的顺利进行。
例如，了解常见故障的原因和解决办法，保持设备的良好维护和清洁，及时修复或更换损坏的部件等。
总结：样品制备与测试技巧是品检工作中必不可少的一部分。
一种基于统计数据的标准样张的提取方法
Ｉ 保 障。在印刷生 产过程 中 ， 口Ｊ 如何 获得与标准样 张
具 有 较 高 一 致 性 的 印 品 一 直 是 印 刷 企 业 关 注 的 重 点 。 于
测试 点 的 色差 进 行 加 权 求 和 ； ② 接 着 依 次 分 别 以第 ２ ３， … …ｎ号 印张 为 “ 准 ” ， ４ 标 样张 ， 第一步进行色差加权和的计算 ； 仿 ③ 以 色 差 的加 权 和 为判 断 依 据 ， 出 以 其 为样 张 时 ， 找 各 印 张 的 色差 加 权 和 最 小 的那 张 为 标 准 样 张 。 这 样 做 的 优 点 在 于 ，以 实 际 印 刷 品 的客 观 数 据 为 基
印 工 刷艺
攀 群 氧≮ ≮ ｔ ￡ 萋 蘩 奄鹫 连 藩 毒
—一
一 瓣 一 技术 专栏
能 是 最 好 的 ， 可 能 是 最 差 的 ， 是 突 然 间 的 变 化 ， 不 也 只 并
是 机 器 状 态 的 准 确 体现 。
一
种 基 于 统 计 数 据 的
在 传 统 的 印 刷 作 业 中 ，标 准 样 张 的 选 取 方 法 通 常 有 三 种 ： 是 以复 制 品 的 原 稿 为 标 准 ； 是 以 打 样 张 作 为 实 一 二
际 生 产 的标 准样 张 ；三 是 由 印 刷 工 在 试 印 刷 过 程 中 以 自
己 的经 验 和 习惯 来 抽 取 样 张 ， 抽 取 的样 张进 行 质 检 （ 对 主
础 ， 过 计 算 比 较 ， 免 了 随 机 抽 取 样 张 时 人 为 因 素 的 影 通 避
是 ， 为 评 判 印 品 合格 与 否 、 量 好坏 标 准 和 后 续 印 刷 过 作 质 程 调 整 控 制依 据 的标 准 样 张 的 选 取 就 凸 现 出 其 重 要 性 。
论文模板中的实验结果与数据分析技巧
论文模板中的实验结果与数据分析技巧在进行学术研究时，实验结果和数据分析是非常重要的部分。
论文模板中的实验结果与数据分析技巧的运用将有助于研究的准确性和可信度。
本文将讨论在论文撰写过程中，如何有效地呈现实验结果和进行数据分析，以及一些技巧和方法，以帮助研究者更好地展示他们的发现。
一、实验结果的呈现1. 图表的使用在论文中，图表是展示实验结果最常用的方式之一。
通过使用图表，研究者可以直观地展示数据之间的关系和趋势。
在选择图表类型时，需要根据实验数据的性质来决定。
常见的图表类型包括条形图、折线图、散点图等。
同时，在设计图表时，要注意其清晰度和易读性，确保数据能够被读者准确地理解。
2. 结果的描述在撰写实验结果时，除了图表的使用，文字描述也是必不可少的。
在描述实验结果时，应注意以下几点：（1）明确、简练的语言：使用简洁而明确的语言来描述实验结果，避免冗长和模糊的句子。
（2）准确的数字表达：使用准确的数字来描述实验结果，包括平均值、标准差等统计数据，以便读者能够理解研究的结果。
（3）重点突出：重点突出实验结果中最重要的信息，以便读者能够快速了解实验结果的核心内容。
二、数据分析技巧1. 统计方法的选择在进行数据分析时，选择适当的统计方法是至关重要的。
不同的研究问题可能需要不同类型的统计方法。
常见的统计方法包括均值、方差分析、 t检验等。
在选择统计方法时，要考虑其适用性和可靠性，确保数据分析的准确性。
2. 结果的解读和讨论数据分析不仅仅是对实验结果进行简单的计算和统计，还需要对结果进行解读和讨论。
在解读数据时，研究者应该着重关注结果的重要性和意义，探讨其中的因果关系和趋势。
此外，研究者还可以将实验结果与先前的研究结果进行比较，以验证或扩展已有的理论。
3. 结果的可视化除了图表的使用，还可以通过其他方式将实验结果可视化。
例如，使用图像、动画或模型等形式来展示实验数据，这将帮助读者更好地理解实验结果。
但在使用这些技术时，要确保其合理性和有效性，并避免对实验结果产生误导。
无损检测技术中的数据分析和处理方法
无损检测技术中的数据分析和处理方法无损检测技术（non-destructive testing，简称NDT）是一种通过检测材料和构件的内部或表面缺陷而不损伤它们的方法。
它在许多行业中被广泛应用，如航空航天、能源、汽车、建筑等。
在进行无损检测时，采集到的大量数据需要进行有效的分析和处理，以提取有用的信息并做出准确的判断。
因此，数据分析和处理方法在无损检测中起着至关重要的作用。
1. 数据采集与处理在无损检测过程中，最初的步骤是采集原始数据。
无损检测方法有很多种，如超声波检测、X射线检测、磁粉检测等。
每种方法都有相应的数据采集装置，用于记录被检测材料的信号。
这些信号经过采样和转换进入计算机系统，形成原始数据。
接下来，对原始数据进行预处理，包括滤波、去噪、放大等操作，以提高信号质量和减少干扰。
2. 特征提取和选择经过数据采集和预处理后，需要从大量的数据中提取出有用的特征。
特征是能够描述材料状态或缺陷特征的属性或参数。
常用的特征包括幅值、频率、峰值等。
特征提取方法有多种，如时域分析、频域分析、小波分析等。
通过对采集到的数据进行这些分析方法，可以从中提取出和缺陷特征相关的特征。
在特征提取之后，还需要进行特征选择。
特征选择是指从提取到的特征中选择最具有代表性、重要性或区分性的特征。
这样可以减少数据维度、降低计算复杂性，并提高分类或识别的准确性。
常用的特征选择方法有互信息、卡方检验、相关系数等。
3. 分类与识别在无损检测中，最常见的任务是对材料进行分类或缺陷进行识别。
分类是将材料分成不同的类别，例如好坏、正常异常等。
识别是通过无损检测手段来识别缺陷的形状、大小、位置等信息。
分类和识别的方法通常基于机器学习和模式识别技术，并依赖于合适的特征提取和选择。
常用的分类技术包括最近邻算法、支持向量机、人工神经网络等。
这些算法通过学习已知类别的样本来建立分类模型，然后将新样本根据模型进行分类。
识别技术可以采用模板匹配、神经网络、图像处理等方法，对特定的缺陷形状或模式进行匹配和识别。
测量数据处理与分析的基本方法
测量数据处理与分析的基本方法在科学研究和工程实践中，测量数据处理和分析是一个关键的环节。
通过对测量数据进行分析，我们可以获得有关事物性质和变化规律的重要信息。
本文将介绍一些常用的测量数据处理和分析的基本方法，以帮助读者更好地理解和应用这些方法。
一、数据预处理在进行数据分析之前，常常需要对测量数据进行预处理。
数据预处理的目的是去除无效数据、处理异常值和缺失值，以及进行数据平滑处理，使得数据更符合统计学假设和分析要求。
常用的数据预处理方法包括：1. 数据清洗：去除重复数据、去除异常值、填补缺失值等。
2. 数据转换：对数据进行标准化、归一化、对数转换等，以适应统计分析的要求。
3. 数据平滑：采用滑动平均法、指数平滑法等方法，去除数据的随机噪声，凸显趋势和周期。
二、描述统计分析描述统计分析是对测量数据进行初步分析和描述的过程。
通过描述统计分析，我们可以获取数据的基本特征和分布情况，为后续的推断统计分析提供依据。
常见的描述统计分析方法包括：1. 中心趋势度量：如均值、中位数、众数等，用于度量数据的集中程度。
2. 离散程度度量：如标准差、方差、极差等，用于度量数据的分散程度。
3. 分布形态度量：如偏度、峰度等，用于描述数据的分布形态。
4. 相关分析：通过计算皮尔逊相关系数或斯皮尔曼等级相关系数，分析变量之间的线性或非线性关系。
三、推断统计分析推断统计分析是在样本数据的基础上，推断总体的性质和参数的过程。
推断统计分析的目的是利用样本数据对总体进行合理的预测和推断。
常见的推断统计分析方法包括：1. 参数估计：使用样本数据来估计总体的参数，如点估计和区间估计。
2. 假设检验：通过对样本数据进行检验，判断总体参数的假设值是否成立。
3. 方差分析：用于比较两个或多个总体均值是否具有差异，以及不同因素对均值的影响。
4. 回归分析：建立一个数学模型，通过样本数据来估计变量之间的关系，以及对因变量的预测。
四、贝叶斯统计分析贝叶斯统计分析是一种基于贝叶斯定理的统计推断方法。
基于CD-SEM的线距标准样片测量
1国内统一刊号CN31-1424／TB2019/1 总第272期基于CD-SEM的线距标准样片测量冯亚南 赵琳 李锁印 韩志国 许晓青 / 中国电子科技集团公司第十三研究所摘 要 针对线距标准样片线间距的测量需求，基于关键尺寸扫描电镜（CD-S EM ），提出了一种宽度测量方法。
首先，介绍了CD-S EM 测量系统的基本原理；其次，使用CD-S EM 对VL S I 生产的标称尺寸为100 nm 、3 μm 、10 μm 的线距标准样片进行了测量 ；最后，对测量不确定度进行评定，并将测量结果与VL S I 标准样片证书给出的标准值进行比对。
结果表明：E n 值最大为-0.7，CD-S EM 测量线间距的准确度很高。
关键词 线间距；CD-S EM ；不确定度；线距样片0 引言在半导体、微电子和纳米制造领域中，线宽尺寸是衡量工艺水平的重要参数，在器件制作工艺过程中，线间距的使用非常广泛。
并且随着器件特征尺寸的日益缩减，线条宽度变得越来越窄[1-2]。
对各种线条宽度参数的精确、快速测定和控制，是保证器件质量、提高生产效率的重要手段。
微纳米线间距尺寸测量类仪器应用最广泛的是原子力显微镜（AFM）和扫描电镜(SEM)。
AFM 和SEM 所获得图像的横向分辨力相近。
AFM 可真实地得到样品表面的形貌结构图像，图像是真正的三维图像，并能测量样品的三维信息。
SEM 只能提供二维图像，但其图像有很大的景深，视野较大[3]。
实际使用时可根据测量需求选择合适仪器。
扫描电镜（CD-SEM）是具有自动定位并测量线条功能的扫描电镜，广泛应用在半导体生产线，用于线条宽度的监控。
1 CD-SEM的测量原理CD-SEM 测量原理为：在高真空的环境下，通过电子枪加热产生热电子束，通过由电磁透镜所组成的电子光学系统，电子束会聚后在样品表面聚焦。
在末级透镜上的扫描线圈作用下，电子束在样品表面进行扫描。
高能电子束与样品相互作用产生二次电子置换，背反射电子，X 射线等信号。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
总第251期2010年第9期计算机与数字工程Computer&D ig ital Eng ineer ingV o l.38No.916标准样片制备的测量数据分析方法研究*章 婷 石 坚 沈森祖(武汉数字工程研究所 武汉 430074)摘 要 文章着重于研究标准样品制备中的测量数据分析技术。
通过对标准样片各参数的测量数据进行分析考核处理,从而保证标准样片的重复性、稳定性程度、量值溯源到国家或国际标准的实现程度、特性量值给定程序和不确定度的确定过程等。
关键词 标准样片;数据分析;重复性考核;稳定性考核;不确定度评定中图分类号 T N454Re search o n Data Pr oce ssing M e thod for Re fe re nce M ate rial Pre paratio nZ hang T ing Shi Jia n Shen Senzu(Wuhan D igital Engineer ing Institute,W uhan 430074)A bstract T his paper foucses on the data pr ocessing met ho d for reference mater ial preparat ion.By analyzing the met ri cal data o f reference materials(RM s),the process of repeatability and stability verificatio n,ratio nal uncerta int y estimatio n, the t racebilit y of the va lue of a quantity,the certified v alue of refer ence sample are detailed in the paper.Key Words r eference sample,data pr ocessing,repeatability ver ification,stability ver ificatio n,rational uncertaint y es t imatio nClass Nu mber T N4541 引言微电子标准样片是已确定一种或几种特性参量的,作为传递标准的专用集成电路,简称标准样片。
它具有三个显著的特征:1)用于测量目的;2)具有量值的准确性;3)量值溯源性,其量值应可溯源到国家基准。
微电子标准样片的用途广泛,通常应用于集成电路测试系统发生故障时或维护、维修后的系统验证、集成电路测试系统的期间核查、实验室能力验证及参数比对等方面。
近年来,标准样片的开发与应用已逐步成为微电子领域的主要发展方向之一。
随着集成电路测试系统测量精度的提高,对数据的准确性、可靠性、稳定性要求的增加,对高质量的标准样片的需求也不断增加。
因此,标准样片制备的质量保证系统的要求也越来越严格。
本文着重于研究标准样品制备中的测量数据分析技术。
通过对标准样片各参数的测量数据进行分析考核处理,从而保证标准样片的重复性、稳定性程度、量值溯源到国家或国际标准的实现程度、特性量值给定程序和不确定度的确定过程等。
2 标准样片的制备流程根据微电子标准样片具体情形,其制备过程大致可分为以下10个阶段:1)原材料(器件类型)的确认;2)采购;3)临时标识;4)三温检测;5)老化(静态和动态老化);6)检漏;7)常温终测;*收稿日期:2010年5月18日,修回日期:2010年6月20日作者简介:章婷,女,硕士,助理工程师,研究方向:微电子计量与测试。
石坚,男,研究员,研究方向:微电子计量与测试。
2010年第9期计算机与数字工程178)赋值参数的确定;9)赋值(三家比对定值);10)命名及包装(标识)。
3 标准样片的定值方法使用最高集成电路测试系统(Agilent93000)对标准样片量值进行测量。
连续测量10次(n=10)为一组测量,共进行4组(m=4)测量,每两组测量的时间间隔为2( t=2)个月。
3.1 离群值检验由于试验条件和试验方法的偶然偏离或观测、记录、计算中的失误,单个结果或整组结果分别与同组的其他结果或与其他组结果的偏差,不论是精密度还是准确度均大于给定频数分布的统计波动容许值,那么它或它们被怀疑为统计学上的无效结果,即离群值。
在对器件进行特性考核前,需对离群值进行处理,保证考核时所用的数据都是有效的。
目前所用的离群值检验法都是基于一个前提:被检数据满足正态分布,因此在进行离群值检验前,需对数据进行正态性检验。
1)正态性检验在标准样片定值研究中,设对同一器件同一特性值的重复性测量次数为n次。
因为正态分布偏离形式未知,所以正态性检验使用无方向检验。
且由测试结果可知被检验数据为一个近似对称的低峰分布,因此可使用夏皮罗 威尔克检验法。
检验原假设H0:总体满足正态性分布[1]。
将n个独立的重复性测量值看作从总体中抽取容量为n的一个样本x1,x2, ,x n;将样本的观测值按非降序排列x(1) x(2) x(n)。
在原假设条件成立下,有检验统计量为:W=[n/2]i=1in[x(n-i+1)-x(i)]2ni=1(x i-x)2其中:x=1nni=1x i, in由夏皮罗-威尔克 in系数表查出。
在显著性水平 =0.05下,由夏皮罗 威尔克W(n, )表查出W(n, )。
若W<W(n, ),则拒绝正态性假设;若W>W(n, ),则接受正态性假设。
2)离群值检验满足正态性检验的数据可转入离群值检验。
在重复性测量次数n为10,离群值个数未知的情况下,可选择使用狄克逊检验法。
由于离群值可能为高端值,也可能为低端值,此处应使用狄克逊检验法的双侧情形[2]。
将n个独立的重复性测量值看作从总体中抽取容量为n的一个样本x1,x2, ,x n;将样本的观测值按非降序排列x(1) x(2) x(n)。
计算统计量D n、D!n:D n=r11=x(n)-x(n-1)x(n)-x(2)D!n=r!11=x(2)-x(1)x(n-1)-x(1)在显著水平 =0.05下,查表得到临界值!D1- (n);当D n>D!n,D n>!D1- (n)时,判定x(n)为离群值;当D!n>D n,D n>!D1- (n)时,判定x(1)为离群值;否则未发现离群值。
3.2 重复性考核1)不确定度分析(1)示值变化引入不确定度u1测试系统的读数变化引入不确定度由其重复性确定。
连续读数n次以上(n∀6),得到一系列重复测量结果x i。
用贝塞法按A类评定被校示值变化引入的不确定度u1。
用算术平均值x作为定值结果时,u1按下式计算:u1=s(x)n=1n(n-1)ni=1(x i-x)2其中x=1nni=1x i(2)驱动部件准确度引入的不确定度u2驱动部件的最大允许误差为 1。
由此引入的不确定度按B类评定,设概率分布为均匀分布,其标准不确定度u2按下式计算:u2= 13(3)驱动部件分辨率引入的不确定度u3驱动电压的分辨率为 2。
由此引入的不确定度按B类评定,设概率分布为均匀分布,其相对标准不确定度u3按下式计算:u3= 223(4)测量部件准确度引入的不确定度u4测量部件的最大允许误差为 3。
由此引入的不确定度按B类评定,设概率分布为均匀分布,其18章 婷等:标准样片制备的测量数据分析方法研究第38卷相对标准不确定度u4按下式计算:u4= 33(5)测量部件分辨率引入的不确定度u5测量部件的分辨率为 4。
由此引入的不确定度按B类评定,设概率分布为均匀分布,其标准不确定度u5按下式计算:u5= 423(6)合成标准不确定度u c由于各不确定度分量不相关,合成标准不确定度u c可按下式计算:u c=u21+u22+u23+u24+u25有效自由度按下式计算:v ef f=u4c5i=1c4i u4iv i其中,v i是各分量的自由度;c i为各分量的灵敏系数。
(7)扩展不确定度U根据有效自由度v ef f,在p=95%的情况下,查t分布临界值,得k p,则扩展不确定度U p(): U p()=k p u c()其中:取k p=2。
2)重复性考核未发现离群值的数据可转入重复性考核。
重复性考核中的测量应在重复性条件(相同的方法、相同的观测者、相同地点、相同使用条件、短时间内重复等)下进行。
计算n个观测值的实验标准偏差s(x i)和算术平均值x的实验标准差s(x),s(x i)表征计量标准的重复性,s(x)表征计量标准重复性引入的标准不确定度。
比较s(x)与合成标准不确定度u c,当s(x)小于u c/3时,认为计量标准重复性引入的标准不确定度可忽略。
实际测量时,n取10,则保守估计s(x i)小于(2/3)u c时,该重复性数据可接受[3]。
3.3 稳定性考核1)趋势分析评估稳定性研究数据的第一步是检查数据中是否有任何可观察到的趋势。
对于微小的不稳定性问题,由于内在动力学机理未知,所以线性拟合是较为合适的模型[3]。
稳定性趋势分析研究的基本模型可表示为:Y=!0+!1X+∀式中:!0和!1为回归系数;∀为随机误差分量。
X={X1 X m},m∀4Y={Y1...Y m},m∀4Y j=1nni=1x ij在进行趋势分析时,X为时间,Y为候选标准样片的特性值。
对于稳定的标准样品,!1的期望为0。
斜率!1的估计值按以下公式计算:b1=mi=1(X i-#X)(Y i-Y)ni=1(X i-#X)2截距!0的估计值按以下公式计算:b0=Y-b1#X其中:Y=1mmj=1Y j,#X=1mmj=1X j。
通过误差分析可以计算b1和b0的标准偏差,按下式估计b1的标准偏差:s(b1)=smi=1(X i-#X)2式中:s2=mi=1(Y i-b0-b1X i)2m-2b1的绝对值若小于s(b1)和合适的t因子(显著性水平取0.05,相关自由度为m-2)的乘积,则斜率是不显著的,故未检验到稳定趋势的显著性,否则检验到显著趋势。
2)稳定性检验在样片定值中,在一年中每隔一段时间,稳定性条件下测量备选标准样片的特性值,每次测量10个观测值,计算一个算术平均值x i,一年内共测量4次,再计算x i的平均值x及其实验标准偏差s m。
s m与u c比较,s m应不大于u c。
s m=1m-1mj=1(Y j-Y)2其中:Y=1mmj=1Y j测量数据分析方法是微电子标准样片制备定值的关键技术。
以上数据处理工作都在M atlab平台上完成,最终以特性值的估计值加上该估计值扩展不确定度的形式给出样片的定值报告。
3.4 定值验证标准样片参量量值定值后,对其不确定度评定后得到的合成标准不确定度u c或扩展不确定度U 要经过验证。