量測不確定度中 A 類與 B 類的不確定度，到底是什麼？實務上該怎麼分？

在實驗室實務中，只要談到量測不確定度，幾乎一定會碰到 A 類與 B 類的不確定度。但老實說，我看到最多的狀況不是「不會算」，而是：

• 不確定這一項該歸 A 類還是 B 類
• 或者只是照範本填，自己也說不清楚為什麼這樣分

這篇，我想直接從技術定義、判斷原則與實務應用三個層次，把 A 類與 B 類說清楚。

【一】先回到定義：A 類與 B 類在分「來源」，不是分「重要性」

在量測不確定度的架構中，A 類與 B 類的分類源自 ISO/IEC Guide 98-3 (GUM)，其核心精神很單純：

A 類與 B 類的差異，在於不確定度的「評估方式」，而不是不確定度的「大小」或「等級」。

【二】A 類不確定度：只回答一件事 —「你真的量過幾次？」

A 類不確定度的判斷其實非常直白：

只要這個不確定度，是建立在「重複量測結果的統計分析」上，它就是 A 類。

只要這個不確定度，是建立在「重複量測結果的統計分析」上，它就是 A 類。

是反映的是這套量測在「實際操作下」的穩定性，它同時包含了人、設備、方法與環境的綜合影響。

【三】B 類不確定度：不是主觀，而是「無法重複量測的合理資訊」

很多人一聽到 B 類，就以為是「猜的」或是主觀判斷，然而實際情形是：

B 類不確定度是來自你「沒有辦法用統計方式重新取得，但仍然必須納入的不確定資訊」。

【四】實務判斷關鍵

在現場我常用一個判斷邏輯幫助實驗室快速分辨，而不是反過來先想「哪一類比較簡單」。

這個不確定度來源，有沒有實際量測數據可以做統計分析？

• 有 → A 類
• 沒有，只能依賴文件、規格或合理假設 → B 類

結語｜為什麼一定要分 A 類與 B 類不確定度？

把量測不確定度分成 A 類與 B 類，目的從來不是為了讓評估表看起來更複雜，也不是為了符合文件格式要求。真正的原因只有一個：

因為量測結果的不確定性，來自「不同性質的來源」，必須用不同的方式來面對。

如果不加以區分，很容易把現場操作造成的變異掩蓋掉，看不到量測系統真正的表現，並忽略規格、證書與限制條件所帶來的風險，讓結果看起來「過於理想」。

因此，分 A 類與 B 類，其實是在要求實驗室誠實面對哪些是我們量得到、可以改善的？哪些是我們必須接受、並清楚說明來源與假設的？是一份對量測結果負責、也能經得起質疑的技術說明。

關於作者｜Roger
Roger，企業管理系統顧問，長期協助企業經營制度的建立、產品或製程的技術支援，及導入ISO、IEC 等國際標準。擅長將條文要求轉化為可落地的營運與現場作法，陪伴企業在認證之外，真正把制度用在日常管理中。