Trước khi lập ngân sách cần nói rõ đang đo cái gì. Với màu, đó có thể là một đại lượng trong không gian màu cụ thể hoặc chỉ số được thiết bị báo. Với độ ẩm, phương pháp sấy, phương pháp điện hoặc phương pháp tham chiếu khác có thể có định nghĩa và nguồn sai khác riêng. Điều kiện mẫu cũng phải ghi: nguyên hạt hay bột, nhiệt độ, thời gian cân bằng và cách lấy mẫu. Nếu đại lượng không được xác định rõ, ngân sách không có nền tảng.
Bản đồ nguồn bất định
Nguồn đóng góp có thể đến từ độ lặp lại, hiệu chuẩn, thiết bị, chuẩn tham chiếu, lấy mẫu, người thao tác và môi trường. Với cà phê, tính không đồng nhất của vật liệu đặc biệt đáng chú ý. Nếu mẫu bột có phân bố hạt không đều hoặc hạt có khác biệt tự nhiên, biến thiên lấy mẫu có thể lớn hơn biến thiên thiết bị. Vì vậy, không nên chỉ nhìn thông số kỹ thuật của máy. Ngân sách tốt phải xem toàn bộ chuỗi từ vật liệu đến kết quả.
Định lượng và kết hợp
JCGM 100:2008, tức GUM, cung cấp khung để đánh giá và biểu diễn độ không đảm bảo đo. Ở mức thực hành, từng nguồn được mô tả bằng một thành phần bất định phù hợp, sau đó các thành phần được kết hợp theo mô hình đo và mối quan hệ giữa các đại lượng. Nếu có tương quan, không thể giả định mọi thành phần độc lập. Với bài toán phức tạp, phương pháp Monte Carlo có thể là lựa chọn bổ sung. Điều quan trọng là ngân sách phải mô tả phép đo thật.
Tìm nguồn chi phối
Một lợi ích của ngân sách là cho biết nên cải thiện ở đâu. Nếu biến thiên do lấy mẫu lớn hơn nhiều so với lặp lại thiết bị, mua máy chính xác hơn có thể không giải quyết vấn đề chính. Nếu hiệu chuẩn hoặc độ ổn định thiết bị chi phối, quy trình kiểm tra thiết bị cần được ưu tiên. Đối với màu và độ ẩm, cách chuẩn bị mẫu có thể quan trọng không kém bản thân thiết bị.
Độ không đảm bảo của lấy mẫu
Một phép đo lặp lại tốt trên cùng một phần mẫu không chứng minh toàn bộ lô được đại diện tốt. Có thể cần nhiều phần mẫu hoặc nhiều vị trí lấy mẫu để ước lượng thành phần này. Đây là lý do ngân sách phải bắt đầu từ quy trình thực tế. Nếu mục tiêu là so sánh các lô cà phê, thiết kế lấy mẫu phải được xem như một phần của phép đo, không phải công đoạn đứng ngoài.
Báo cáo kết quả
Kết quả nên được báo cáo với số chữ số phù hợp với độ không đảm bảo. Ghi quá nhiều chữ số tạo cảm giác chính xác giả. Điều kiện đo, phương pháp, thiết bị và phạm vi áp dụng cũng nên được nêu. Với cà phê, ngân sách không phải mục tiêu tự thân; nó giúp người dùng hiểu mức chắc chắn của các so sánh về màu và độ ẩm.
Khi nào ngân sách cần được cập nhật
Ngân sách độ không đảm bảo không phải tài liệu bất biến. Khi thay thiết bị, thay phương pháp, thay cách chuẩn bị mẫu hoặc thay phạm vi vật liệu, các thành phần đóng góp có thể thay đổi. Một ngân sách cũ vẫn có thể được giữ để lưu lịch sử, nhưng không nên dùng tự động cho phương pháp mới. Việc cập nhật nên tập trung vào những thành phần thực sự thay đổi và kiểm tra xem nguồn chi phối có còn giống trước hay không. Cách quản lý này giúp kết quả đo có thể truy nguyên theo thời gian, đồng thời tránh việc một con số bất định được dùng ngoài phạm vi mà nó được xây dựng.
Nguồn bất định không nên bị đếm hai lần
Khi lập ngân sách, cần tránh đưa cùng một nguồn biến thiên vào nhiều thành phần. Ví dụ, nếu độ lặp lại của thiết bị đã được ước lượng trong một thí nghiệm bao gồm điều kiện môi trường cụ thể, không nên cộng thêm cùng biến thiên lần nữa mà không có cơ sở. Việc lập sơ đồ phép đo trước giúp nhìn rõ mỗi thành phần đến từ đâu. Điều này đặc biệt quan trọng khi có nhiều bước chuẩn bị mẫu, vì sai số của các bước có thể liên quan nhau.
Độ không đảm bảo và khả năng so sánh
Hai kết quả đo chỉ nên được so sánh trực tiếp khi đại lượng, phương pháp và điều kiện đủ tương đồng. Nếu hai thiết bị có ngân sách độ không đảm bảo khác nhau, khoảng chênh lệch quan sát được cần được đặt trong bối cảnh đó. Một khác biệt nhỏ có thể không có ý nghĩa nếu nằm trong độ không đảm bảo của phép đo. Vì vậy, ngân sách không chỉ phục vụ báo cáo; nó giúp quyết định liệu một khác biệt quan sát được có đủ chắc chắn để diễn giải.
Độ lặp lại và độ tái lập
Độ lặp lại mô tả biến thiên khi phép đo được thực hiện trong điều kiện tương đối giống nhau; độ tái lập rộng hơn khi điều kiện như thiết bị, người thao tác hoặc thời điểm thay đổi theo thiết kế. Hai khái niệm giúp tách nguồn biến thiên. Nếu độ lặp lại tốt nhưng kết quả giữa thiết bị khác nhau lệch, cần xem xét hiệu chuẩn hoặc phương pháp. Nếu cả lặp lại và tái lập đều tốt nhưng kết quả giữa các phần mẫu vẫn biến động, nguồn chính có thể nằm ở lấy mẫu hoặc vật liệu. Phân biệt những thành phần này giúp ngân sách độ không đảm bảo trở thành công cụ chẩn đoán thay vì chỉ là một con số cuối cùng.
Tài liệu tham khảo
- JCGM 100:2008. Evaluation of measurement data — Guide to the expression of uncertainty in measurement. DOI: 10.59161/JCGM100-2008E.
- BIPM/JCGM. Guide to the Expression of Uncertainty in Measurement publications.
- NIST. Measurement Uncertainty guidance.
- Carvalho Pires et al. (2024). Journal of the Science of Food and Agriculture. DOI: 10.1002/jsfa.13376.
Before building an uncertainty budget, you need to clearly state what's being measured. For color, that could be a quantity in a specific color space or an index reported by a device. For moisture, oven-drying methods, electrical methods, or other reference methods can have different definitions and different sources of error. Sample conditions also need recording: whole bean or ground, temperature, equilibration time, and preparation method.
Mapping sources of uncertainty
Contributing sources can come from repeatability, calibration, equipment, reference standard, sampling, operator, and environment. For coffee, material heterogeneity deserves particular attention. If a ground sample has an uneven particle-size distribution or beans have natural variation, sampling variation can be larger than equipment variation. So you shouldn't look only at the technical specification sheet when identifying sources of uncertainty.
Quantifying and combining
JCGM 100:2008, the GUM, provides a framework for evaluating and expressing measurement uncertainty. At the practical level, each source is described by a suitable uncertainty component, and the components are then combined according to the measurement model and the relationships between quantities. If correlation exists, you can't assume every component is independent. For complex problems, Monte Carlo methods can be used as an alternative or complement to the standard propagation approach.
Finding the dominant source
One benefit of a budget is showing where to improve. If sampling variation is much larger than equipment repeatability, buying a more precise machine may not solve the main problem. If calibration or equipment stability dominates, the equipment-checking procedure should be prioritized. For color and moisture, sample-preparation method can matter just as much as the measuring device itself.
Uncertainty of sampling
A good repeatability measurement on the same sample portion doesn't prove the entire lot is well represented. Multiple sample portions or multiple sampling locations may be needed to estimate this component. This is why the budget must start from the actual procedure. If the goal is comparing coffee lots, the sampling design needs to be treated as part of the measurement, not a separate preliminary step.
Reporting results
Results should be reported with a number of digits appropriate to the uncertainty. Writing too many digits creates a false sense of precision. Measurement conditions, method, equipment, and scope of application should also be stated. For coffee, the budget isn't a goal in itself; it helps users understand how confident they can be in comparisons of color and moisture.
When a budget needs updating
An uncertainty budget isn't a fixed document. When equipment, method, sample-preparation approach, or material scope changes, the contributing components can change. An old budget can still be kept for historical record, but shouldn't automatically be applied to a new method. Updates should focus on the components that genuinely changed.
Uncertainty sources shouldn't be double-counted
When building a budget, you need to avoid including the same source of variation in multiple components. For example, if equipment repeatability was already estimated in an experiment that included specific environmental conditions, you shouldn't add the same variation again without justification. Mapping out the measurement process beforehand helps clarify where each component comes from. This matters especially when multiple people are involved in building the budget.
References
- JCGM 100:2008. Evaluation of measurement data — Guide to the expression of uncertainty in measurement. DOI: 10.59161/JCGM100-2008E.
- BIPM/JCGM. Guide to the Expression of Uncertainty in Measurement publications.
- NIST. Measurement Uncertainty guidance.
- Carvalho Pires et al. (2024). Journal of the Science of Food and Agriculture. DOI: 10.1002/jsfa.13376.