1 計測の不確かさの基本
1.1 不確かさの定義
計測の不確かさとは、測定結果に対して「真の値からどの程度離れている可能性があるか」を、統計的・理論的根拠に基づき定量化した指標である。対象となるのは単なるばらつきだけでなく、測定器の性能、測定手順の限界、環境変動、モデリングの誤り、読み取りや入力などの影響も含まれる。
通常、不確かさは確率分布またはその近似に結び付けて表現される。これにより、結果の信頼性を一段上の粒度で説明し、異なる手順・装置・時期の測定どうしを比較できる形に整える。
1.2 誤差との違い
誤差は真の値との差を指すことが多いが、真の値は一般に観測できない。そのため実務では、誤差そのものを直接確定するよりも、誤差が取り得る範囲とその妥当性を不確かさとして評価する。
不確かさは「推定に伴う不確実性」の枠組みであり、測定値に対して根拠のある幅を与える概念である。結果として、不確かさは評価の透明性（何を、どの根拠で、どの仮定の下に数値化したか）に価値がある。
1.3 不確かさの役割と利用場面
不確かさは、測定の意思決定における判断材料として機能する。たとえば規格適合の判定、研究の再現性評価、製造工程の調整、校正のトレーサビリティ確認などで重要となる。
また、不確かさを体系的に記載することで、同じ量でも測定者や施設が異なる場合に、結果の比較可能性が高まる。さらに、不確かさが明示されることで改善の優先順位が付きやすくなり、測定のどこを強化すべきかが見通せる。
2 不確かさの種類と分類
2.1 A型不確かさ
A型不確かさは、反復測定によって得られるデータの統計的性質から推定する不確かさである。基本的には、同一条件下で繰り返し測定したときのばらつきを根拠にする。
A型は「測定がどれだけ安定しているか」を反映しやすい一方、測定条件の管理が不十分だと、ばらつきは統計的効果だけでなく環境や手順の揺らぎも含んでしまう。そのため、データ収集時の条件統制が前提になる。
2.1.1 測定値のばらつきからの評価
2.1.1.1 繰り返し測定と統計処理
繰り返し測定により得た観測値から、平均値や分散（標準偏差）を算出する。一般に、評価対象量の推定値は平均で表され、A型不確かさは分散に基づく標準不確かさとして与えられる。
統計処理ではサンプル数の扱いが重要である。測定回数が少ないと推定のばらつきが大きくなり、不確かさの推定そのものが不安定になる。したがって、必要な自由度を意識し、反復回数を計画することが望ましい。
2.2 B型不確かさ
B型不確かさは、反復データ以外の情報から推定する不確かさである。装置仕様、校正証明書、既知の変動幅、過去の経験、分解能や切り捨ての影響などが根拠となる。
B型の評価では、どの程度の広がりがあり得るかを合理的に数値化する必要がある。情報源ごとに確率分布を仮定し、その分布に基づいて標準不確かさへ換算する。
2.2.1 設計仕様・校正情報・過去データ
2.2.1.1 分布仮定（正規・一様など）の考え方
B型では、根拠情報に対応する分布仮定を選び、そこから分散（または標準偏差）を導く。たとえば、ある上限・下限が対称に示されている場合には一様分布が用いられることがある。仕様に正規性の情報が含まれる場合は正規分布を選ぶ余地がある。
分布の選択は恣意的になりやすいが、原典（仕様書や校正条件）に含まれる表現や評価手順に整合させることが重要である。仮定の妥当性が説明できるほど、後の検証や改善がしやすくなる。
2.3 不確かさの寄与の整理
測定結果には複数の不確かさ要因が同時に影響するため、寄与を分解して整理することが実務上の要点となる。入力因子（温度、校正定数、読取り値の丸め、繰り返しばらつきなど）ごとに不確かさを割り当て、出力量に対する影響度を把握する。
寄与整理では、重要度が高い要因と低い要因を区別し、評価工数を合理化する。さらに、同じ要因が複数回カウントされていないか、あるいは依存関係が無視されていないかを確認することで、合成結果の妥当性が上がる。
3 不確かさの評価手順
3.1 測定モデル（量の関係式）
測定モデルは、観測可能な入力因子から測定対象（出力量）を計算するための関係式である。このモデルが明確であるほど、不確かさの伝播が論理的に追える。
モデル化は単なる数式化にとどまらず、校正補正や換算、幾何学的関係、補間、丸めなどの実装手順も反映する。モデルの不適切さは、見かけの不確かさが小さく見積もられる原因にもなる。
3.1.1 入力因子の抽出
入力因子は、出力量に影響する要素を洗い出す作業である。装置由来の項（校正係数、直線性、分解能）、環境由来の項（温度補償、湿度影響）、手順由来の項（ゼロ点設定、繰り返し条件）、人為由来の項（読み取り、設定値の丸め）などが対象になる。
抽出にあたっては、測定フローに沿って「どこで値が決まるか」「どこで補正が入るか」を追跡すると漏れが減る。加えて、同一源泉の不確かさが複数の入力因子に分割されていないかも点検する。
3.1.2 出力量の不確かさ伝播
入力因子の不確かさが出力量の不確かさにどう影響するかを計算する。基本は感度に基づく伝播であり、入力がわずかに変動したときの出力量の変化量を評価する。
モデルが非線形で強い曲率がある場合、線形近似だけでは精度が不足することがある。その際は、必要に応じてより適切な近似や数値手法を検討する。ただし実務では過度に複雑化せず、モデル化の妥当性を説明可能な範囲に留めることが望ましい。
3.2 合成標準不確かさ
合成標準不確かさは、複数の不確かさ寄与を統合して得る標準不確かさである。寄与が独立とみなせるなら二乗和の形でまとめるのが基本となる。
合成では、各寄与が標準不確かさとして整備されていることが前提になる。A型・B型を含む各成分を同じ基準（同一の単位系、同一レベル）に揃えることで、統合計算の整合性が保たれる。
3.2.1 感度係数と寄与度
感度係数は、出力量に対する入力因子の影響の強さを表す指標である。通常はモデルを微分して算出し、その絶対値の大きさが寄与度に結び付く。
寄与度の評価により、全体不確かさへ最も影響している項を特定できる。結果として、改善すべき項（校正の精度向上、環境制御、反復回数の追加など）の方向性が定まり、資源配分が合理化される。
3.2.2 相関の扱い
相関がある場合、単純な二乗和では合成が正しくない。たとえば同一校正係数が複数の項に使われている、ある補正量が複数工程で共通に影響する、環境変動が同時に複数因子へ波及するなどの状況では、独立とみなすことが危険になる。
相関の扱いでは、相関係数または共分散に基づく加算項が必要になることがある。相関情報が得られない場合は、独立近似の妥当性を検討し、必要なら追加測定や設計変更で不確かさの見積もり精度を補う。
3.3 拡張不確かさ
拡張不確かさは、合成標準不確かさに包含係数を掛けて幅を広げ、一定の信頼水準で出力量を覆うことを意図して提示する値である。標準不確かさだけでは「どの程度の確からしさか」を直感的に伝えにくいため、拡張の概念が実務で重要になる。
包含係数は選び方に基づき、信頼水準の意味が変わる。一般には自由度に応じて有効な値が用いられるが、具体的手順は評価規約に従う必要がある。
3.3.1 包含係数と信頼水準
包含係数は、想定した不確かさの確率分布と、統計的自由度の扱いに関連する。標準不確かさを基に拡張値を作ることで、結果のばらつきの大きさを「一定範囲でカバーする」という形で示せる。
信頼水準は、包含係数の選択と評価モデルの前提（近似の妥当性、線形化、独立性の扱い）に依存する。したがって、拡張不確かさを報告するときは、数値だけでなくどの基準に従ったかを明確にすることが望ましい。
3.3.2 不確かさの表記例
表記は、測定値と拡張不確かさ、包含係数、単位、そして必要に応じて評価条件を含める。たとえば「測定値 ± 拡張不確かさ（包含係数k）」の形式が用いられることが多い。
単位と丸め規則を統一し、桁の整合を取ることが重要である。過度な精密さを避けつつ、根拠と計算過程が辿れるようにすることで、第三者が結果の比較や再計算を行える状態が保たれる。
4 実務での運用と品質管理
4.1 校正と不確かさの反映
校正は測定系を「基準」に結び付ける行為であり、同時に校正証明書に含まれる不確かさを測定結果へ反映する必要がある。反映とは、校正係数や補正量の不確かさを入力因子として取り込み、合成計算へ組み込むことを意味する。
反映の際は、証明書に記載された定義（どの条件で評価されたか、包含か標準か、適用範囲）を読み違えないことが要点になる。
4.1.1 校正証明書の読み替え
校正証明書には、校正結果、測定条件、評価に使われた不確かさの種類、包含係数や報告レベルなどが記される。これらは測定現場の評価体系と一致していない場合があるため、対応関係の整理が必要になる。
たとえば証明書が拡張不確かさを提示している場合、現場の合成計算で用いるレベルに合わせるため標準不確かさへ換算する手順が求められることがある。換算の前提（包含係数、自由度、分布仮定）が不明確だと、最終値の意味が変わり得るため注意が必要である。
4.2 測定条件の管理
測定条件は不確かさの主要な発生源になり得るため、管理の仕組みが品質の安定性に直結する。条件が変動すれば、モデルに含めるべき因子が増えるだけでなく、過去に妥当だった評価が現状に合わなくなる。
したがって、環境の記録、手順遵守、装置の状態確認、必要な点検頻度といった運用が、数値の信頼性を支える。
4.2.1 環境（温度・湿度・振動）の影響
温度は寸法、材料特性、電子機器の応答など多方面へ影響しやすい。湿度は静電気や腐食、誘電特性などに波及することがあり、特定の測定では無視できない。振動は位置検出や安定化に影響し、繰り返しばらつきとして現れることもある。
環境影響の評価では、変動幅を観測し、それを入力因子の不確かさとしてモデルへ組み込む。単なる推定値ではなく、測定条件の実データに基づけるほど合成結果の納得性が高まる。
4.2.2 手順書とオペレータ要因
手順書は、操作の一貫性を確保するための規範であり、不確かさの見積もりに影響する。たとえばゼロ点の取り方、試料のセット方法、待機時間、読取り姿勢や入力桁の扱いなどが該当する。
オペレータ要因は個人差だけでなく、教育の質や確認体制にも依存する。運用では、技能差を抑えるための訓練、チェックリスト、測定ログの保存などが有効である。これにより、評価に含めるべき人為成分を現実に近づけられる。
4.3 相互比較・妥当性確認
相互比較は、複数の測定結果が同じ対象をどれだけ整合しているかを確認する手段である。不確かさの見積もりが妥当であれば、比較の差は不確かさの範囲内に収まる傾向が期待される。
妥当性確認には、内部の再現性評価や、他機関・他設備との比較など複数のルートがある。どの比較方法でも、比較に使う不確かさの定義を揃えることが重要になる。
4.3.1 計測結果の比較方法
比較では、差を評価するだけでなく、両者の不確かさを合成して判断する。たとえば二つの結果が同一試料に対して得られた場合、差が大きいときに「不確かさの見積もり不足」か「系統的な変化」かを切り分ける必要がある。
比較の実施時は、測定対象の状態変化、測定条件の差、評価モデルの整合性なども確認する。必要なら、差の原因を特定し、不確かさ評価のモデル更新につなげることが望ましい。
4.4 よくある誤りと改善
4.4.1 分布仮定の不適切さ
B型不確かさでは分布仮定が結果を左右するため、不適切な仮定は見積もりの偏りにつながる。上限・下限の扱いを一様とみなすべき情報なのか、中心付近に重みがあるのかを確認せずに選んでしまう例がある。
改善策としては、根拠資料の記載様式に沿って分布を決め、説明可能な形で残すことが重要である。さらに、感度の高い項については分布選択の影響を試算し、不確かさの結論が大きく変わるかを点検するとよい。
4.4.2 データ不足による過小評価
A型不確かさの推定では、反復回数が少ないと統計的推定の不確実性が十分に反映されないことがある。特にばらつきが不安定な系では、少数データから得た標準偏差が実態を過小に捉える恐れがある。
改善には、測定回数の増加、条件の安定化、外れ値の扱いの明確化などがある。加えて、A型とB型を適切に組み合わせ、データ不足をB型の根拠情報で補う設計も検討できる。ただし、その際も根拠の妥当性を明文化する必要がある。