偏倚、线性、稳定性：量具准不准

一、先讲个真事

那批件是液压缸筒，内径分三个规格：φ40、φ60、φ80，用同一把内径千分尺量。φ40 和 φ60 的件一直太平无事，φ80 的件却隔三差五被终检判超上差，可复测又说合格，扯皮了小半年。

后来我们拿三个不同规格的标准环规去比对，结果一目了然：φ40 环规测出来偏 +0.008 mm，φ60 偏 +0.002 mm，φ80 偏 −0.011 mm。也就是说，这把尺子在量程小端往高了读，大端往低了读，中间那段刚好蒙对。

φ80 那批件，本来卡在中上限的，被尺子往低了读 0.011 mm，操作工看着"还有余量"就继续干，实际早就顶到上差了。终检用的是另一把气动量仪，量出来是真值，于是判超差。两套系统各说各话，谁也说服不了谁。

问题的根子不在人，在于没人做过线性研究。日常校准只送了一个 φ50 的量块，正好落在这把尺子"最准"的那一段，年年检定合格，年年出事。

二、核心知识点拆解

2.1 偏倚 Bias：单点上的"系统性说谎"

偏倚是测量均值与参考值（真值）之间的差，衡量的是"准不准"，跟"稳不稳"没关系。

Bias = X̄ − 参考值

试验做法很简单：拿一个已校准的标准件（不确定度最好小于被测公差的 1/10），在正常工况下由一名操作工重复测 10 次以上（推荐 15 次），算均值和标准差。

关键是别只看数字大小，要做显著性判定——因为测量本来就有随机波动，测出来 Bias 不等于零很正常，得判断它是"真的偏了"还是"碰巧偏了"。用单样本 t 检验：

t = Bias / (s / √n)

其中 s 是这 n 次测量的样本标准差。查 t 分布表，若 |t| > t_(1−α/2, n−1)（通常 α = 0.05），判定偏倚显著。

等价的做法是算偏倚的 95% 置信区间：

Bias ± t_(1−α/2, n−1) × s / √n

区间包含 0 → 偏倚不显著，可接受；区间不含 0 → 偏倚显著，必须查因或修正。

工程上还会再看一眼相对大小：%Bias = |Bias| / T × 100%（T 为公差带），一般要求控制在 5% 以内。

图 1 · 偏倚示意图。横轴为测量值，画一条竖直虚线标"参考值/真值"，右侧画一个正态钟形曲线（品红 #d81b60 填充），其中心线与真值线之间用金橙双箭头标注"Bias"；曲线宽度用双向箭头标"重复性 EV"。左下角小字："中心偏了叫偏倚，胖瘦不对叫重复性，两码事。"

2.2 线性 Linearity：偏倚会随读数变脸

一个量具在量程的不同位置，偏倚往往不一样——这就是线性误差。上面那把千分尺就是典型。

标准做法：在量程范围内选 ≥5 个覆盖工作区间的标准件（下限、上限一定要包进去），每个重复测 ≥10 次，算出每个点的平均偏倚，然后以"参考值"为 x、"平均偏倚"为 y 做最小二乘拟合：

Bias = a + b × 参考值

斜率 b 就是线性的度量。AIAG 体系里定义：

Linearity = |b| × PV（PV 为过程变差，一般取 6σ） %Linearity = |b| × 100%

拟合的同时要看两件事：一是斜率 b 的置信区间是否包含 0（不含 0 说明线性误差显著）；二是拟合优度 R²，太低说明偏倚变化没规律，那问题可能比线性更糟。

图 2 · 线性研究图。横轴"参考值 (mm)"2→10，纵轴"偏倚 (mm)"，画 5 组散点（每组显示单次测量的小点 + 均值实心点，品红），穿过均值点画最小二乘拟合直线（深蓝），上下加 95% 置信带（浅灰），横向画一条 y=0 的"零偏倚基准线"。标注拟合方程与斜率，右上角标"偏倚随读数递减 → 线性误差"。

2.3 稳定性 Stability：偏倚会随时间跑偏

稳定性说的是同一个测量系统，在较长时间跨度上测同一个标准件，偏倚保持不变的能力。它管的是漂移。

做法接地气：选一个（或高中低三个）标准件，固定时间点——比如每天早班开工前——重复测 3~5 次，连续做 20~25 个周期，把数据画成 Xbar-R 控制图。

• 图受控 → 测量系统稳定；此时 R̄/d₂ 顺带给出重复性估计
• 图上有趋势、跳阶、周期性波动 → 系统在漂，查温度、磨损、松动、电池电压、软件版本

这里有个很多人绕不过来的弯：稳定性图上"受控"，不代表偏倚为零。图受控只说明"偏得很稳定"，中心线可能整体就偏在真值旁边。稳定性和偏倚要分开看、分开判。

三、车间真实案例：三项一起做一遍

还是那把内径千分尺，咱们把三项完整走一遍。缸筒内径公差带 T = 0.100 mm。

（一）偏倚研究

取 φ25.0000 mm 标准环规（校准不确定度 0.0008 mm），一名操作工重复测 15 次：

• X̄ = 25.0043 mm，s = 0.0021 mm
• Bias = 25.0043 − 25.0000 = +0.0043 mm
• s/√n = 0.0021 / √15 = 0.0021 / 3.873 = 0.000542
• t = 0.0043 / 0.000542 = 7.93
• 查表：t₀.₉₇₅,₁₄ = 2.145，7.93 > 2.145 → 偏倚显著
• 95% CI = 0.0043 ± 2.145 × 0.000542 = 0.0043 ± 0.00116 = [0.0031, 0.0055]，不含 0，结论一致
• %Bias = 0.0043 / 0.100 = 4.3%

单看 4.3% 还在 5% 红线内，但统计上确认"确实偏了"，需要在校准时加修正值。

（二）线性研究

5 个标准件，各测 12 次，平均偏倚如下：

x̄ = 6.000，ȳ = +0.0006

Sxy = (−4)(0.0174) + (−2)(0.0079) + 0 + (2)(−0.0081) + (4)(−0.0176) = −0.0696 − 0.0158 + 0 − 0.0162 − 0.0704 = −0.1720

Sxx = 16 + 4 + 0 + 4 + 16 = 40

b = Sxy / Sxx = −0.1720 / 40 = −0.00430 a = ȳ − b·x̄ = 0.0006 + 0.00430 × 6 = +0.0264

拟合方程：Bias = 0.0264 − 0.00430 × 参考值

验算一下 x = 10：0.0264 − 0.0430 = −0.0166，实测 −0.0170，吻合得很好。

（三）怎么判：别被 %Linearity 骗了

按 AIAG 定义，%Linearity = |b| × 100% = 0.43%，看着漂亮得不行。可这批件的实际情况是——全量程偏倚从 +0.0180 跑到 −0.0170，极差 0.0350 mm，占公差带 0.100 mm 的 35%。

咋回事？因为 %Linearity 的分母是"过程变差"，而这把尺子的工作量程（2~10 mm 跨度 8 mm）远远大于单个工序的过程变差。分母被撑大了，比值自然好看。

咱们车间判线性，要盯的是"全量程偏倚极差 / 公差带"这个数：35% 意味着光是换个尺寸段，你就白扔掉三分之一的公差。这就是那批 φ80 件出事的全部原因。

（四）稳定性研究

对 φ25 环规每天早班测 5 次，连测 20 天，画 Xbar-R 图：

• X̿ = 25.0041 mm，R̄ = 0.0048 mm
• n = 5 时 A₂ = 0.577，D₄ = 2.114，D₃ = 0
• UCL_X̄ = 25.0041 + 0.577 × 0.0048 = 25.0069
• LCL_X̄ = 25.0041 − 0.00277 = 25.0013
• UCL_R = 2.114 × 0.0048 = 0.0102，LCL_R = 0

20 天的点全在限内、无趋势 → 稳定性合格。注意中心线 25.0041 依然偏离真值 25.0000，这正好印证了前面那句：稳定 ≠ 准确。

处置：这把尺子在软件里加 −0.0043 mm 的修正只能解决 φ25 附近；正确做法是按拟合方程做分段修正，或者干脆按尺寸段配三把专用量具。厂里最后选了后者——省事，也不指望操作工记公式。

四、常见误区提醒

1. 拿一个标准件走天下。只在量程中段送检，等于故意避开线性误差最大的两端。校准点必须覆盖实际工作范围的上下限，这是线性研究和日常校准的共同底线。

1. 偏倚显著就直接改软件补偿。补偿之前必须先查因——是量具磨损、夹持力不当、温度差异，还是标准件本身过期了？病因没找到就打补丁，过两个月偏倚变了方向，补偿反而把误差放大一倍。

1. 稳定性图受控就万事大吉。受控只说明"偏得稳定"，不说明"没偏"。稳定性、偏倚、线性是三个独立结论，缺一不可。同理，这三项全过了也不代表 GRR 合格——那是宽度误差，得另做试验，下一篇讲。

五、小结 & 互动提问

准不准，是位置误差的事：偏倚看单点，线性看全程，稳定性看时间轴。三者查的是同一个"中心位置"在不同维度上会不会跑。

这些活儿不难，难在坚持——一个标准件、一张 Xbar-R 图、每天五分钟，能让你少扯半年皮。

互动提问：你车间的量具校准，覆盖了实际工作范围的上下限吗？还是像我们当年一样，年年只送中间那一个点？如果现在拿量程两端的标准件去比一比，你猜偏倚会差多少？

如需配套互动练习、培训课件或软件试用，可搜索「东方大易」或访问大易官网 www.eastdayi.com（苏州东方大易管理咨询有限公司，电话 0512-65561989）联系客服获取。