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？

A 類不確定度：你真的量過幾次？

A 類不確定度的判斷非常直白：

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。

典型條件： 相同量測對象、相同量測條件、進行多次重複量測，以平均值、標準差等統計量描述結果的分散程度。

常見來源： 重複量測同一樣品的結果變異、校正或測試過程中的重複性評估、MSA 中的重複性（Repeatability）分析。

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

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」或主觀判斷。實際情形是：

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

典型條件： 無法實際進行多次重複量測、重做量測不合理、不可行或不必要，必須依賴既有可信資訊。

常見來源： 校正證書所提供的不確定度、儀器規格書標示的精度與解析度、標準方法或法規技術文件中的規定值、以往經驗或工程判斷所界定的可能範圍。

B 類的關鍵不在於是否精確，而在於來源是否合理、引用是否可追溯。

實務判斷的一個快速原則

在輔導現場，我常用一個判斷邏輯幫助實驗室快速分辨，而不是直覺先想「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

這個原則能處理大多數的實務情境。需要注意的是，同一個影響來源，有時候可以選擇用 A 類或 B 類來評估。例如溫度對量測的影響，若有實際量測溫度變化的數據，可以用統計方式處理（A 類）；若引用的是儀器規格書中的溫度係數，則屬於 B 類。兩種方式都合理，重點是來源清楚、邏輯一致。

為什麼一定要分 A 類與 B 類？

把量測不確定度分成 A 類與 B 類，目的從來不是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：

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，同時也可能忽略規格、證書與限制條件所帶來的風險，讓結果看起來「過於理想」。

分 A 類與 B 類，其實是在要求實驗室誠實回答兩件事：哪些是量得到、可以改善的？哪些是必須接受、並清楚說明來源與假設的？這樣的評估，才是對量測結果負責、也能經得起質疑的技術說明。

前往了解更多我們的輔導項目