随着制造业测量技术不断突破传统三坐标测量机（CMM）的应用边界，相关标准与校准实践也必须随之发展，以支持多种测量技术、不同测量环境和数字化工作流程中的计量溯源。
工业计量的未来不仅取决于测量精度的持续提升，也取决于能否在日益互联的测量系统中，建立对测量结果的充分信任。
传统尺寸计量建立在定义明确的仪器、受控的环境以及成熟的校准程序之上。三坐标测量机、光学扫描仪及其他测量设备依据公认标准进行评估，并通过校准形成有关设备性能的文件化证据，确保测量结果能够溯源至国家或国际测量标准。
然而，制造业正在发生变化。光学与接触式测量技术日益融合应用于检测流程，激光跟踪仪、结构光扫描仪、摄影测量、机器视觉以及过程内传感器，也让测量活动逐渐延伸至传统计量实验室之外。
这些混合测量系统带来了更高的灵活性、更快的检测速度，也使尺寸信息能够更贴近生产现场采集。但与此同时，一个根本性挑战随之出现：当测量结果取决于多个传感器、软件算法、坐标转换、环境条件和数据处理环节时，如何确保计量溯源链条持续有效？
因此，行业需要将关注重点逐步从单台仪器的校准，转向完整测量流程的溯源性。仅凭单个设备的校准记录，已不足以充分证明整个测量过程的可靠性。
以仪器为中心的校准方式存在局限
校准始终是尺寸计量的基石。它用于确定仪器示值与参考值之间的关系，并评估相应的测量不确定度。
对于传统三坐标测量机，成熟的校准程序和经过校准的标准器为设备校准与性能验证提供了基础。例如，ISO 10360系列标准为坐标测量系统规定了国际公认的验收与验证测试方法。工业CT、光学三维测量、激光跟踪仪及其他测量技术，也有相应的标准和指南作为依据。
然而，单台仪器的性能并不必然代表最终测量结果的准确性。
例如，在某项检测任务中，结构光扫描仪首先采集工件数据，激光跟踪仪随后确定工件在大型装配体中的位置，最后由软件整合多组数据并评估尺寸关系。即使每台设备都经过校准，整体测量不确定度仍会受到数据配准、对齐、表面特性、环境影响以及数据处理算法等因素的影响。
对于同时采用接触式测头和光学扫描的混合式三坐标测量机，情况同样如此。不同传感器的工作特性、表面响应和测量策略，都可能影响最终结果。
因此，对各项测量技术分别进行校准是必要的，但这未必足以证明完整检测流程适用于特定测量任务。
混合计量要求更全面地理解溯源性
计量溯源性是测量结果的一项属性。它通过一条有文件记录、不中断的校准链，使测量结果能够关联至某一参考标准，而链条中的每一次校准都会对测量不确定度产生贡献。
这一原则在混合测量环境中依然适用，变化的是建立和维护这条溯源链的复杂程度。
混合测量系统可能将物理测量与计算重建、参考坐标系转换、统计拟合以及软件生成的几何特征结合起来。因此，最终测量结果受到的影响不再仅仅来自物理传感器。
更全面的溯源框架需要关注以下五个相互关联的方面：
传感器溯源：通过适当的校准和验证程序，确认每个传感器的性能。
系统级验证：评估多个传感器组合后的整体性能，包括对齐、数据配准和坐标转换。
软件与算法可靠性：理解并验证数据处理、特征提取、滤波和拟合算法对测量结果的影响。
环境与运行条件：考虑温度、振动、表面反射率、测量可达性及其他特定应用因素带来的影响。
测量不确定度评估：确保最终结果的不确定度能够反映完整测量流程，而不是仅采用某一台仪器的校准不确定度。
其目的并非取代现有校准实践，而是让校准工作与制造企业用于质量决策的实际测量结果建立更有效的联系。
将校准与验证延伸至生产现场
工业计量领域最显著的发展之一，是尺寸测量正从专用检测室逐步走向生产线。
便携式测量系统、机器人搭载扫描仪、集成于机床的测头以及过程内传感器，能够在制造和装配过程中快速反馈测量信息。这有助于缩短发现尺寸偏差与纠正相关工艺之间的时间。
然而，生产环境通常不如计量实验室稳定。温度梯度、振动、工件温度变化、表面污染以及设备移动，都可能影响测量性能。
仅靠校准无法补偿所有环境因素的影响。制造企业越来越需要将定期校准与验证检查、标准器、环境监测以及针对具体应用的测量不确定度评估结合起来。
验证的频率和方法，应根据系统稳定性、测量应用以及错误测量结果可能造成的后果来确定。
标准参考件：将测量保障带到生产现场
一种具有较大应用潜力的方法，是使用经过校准的参考工件（通常称为黄金件或标准参考件），直接在生产环境中验证测量系统的性能。
制造企业不再完全依赖定期校准，而是可以使用尺寸特性经过独立确认的工件，作为生产测量流程的参考对象。将实际测量结果与其既定参考值进行比较，即可判断系统是否仍能达到预期性能。
这种方法能够帮助企业识别由传感器移动、对齐状态变化、软件更新、环境波动、夹具变更或其他因素引起的性能变化。
这一理念尤其适用于混合计量系统，因为其测量结果取决于光学传感器、接触式测头、定位系统、坐标转换和数据处理算法的综合表现。
例如，可以选用包含多种尺寸特征、几何关系和基准结构的参考工件，在每个生产班次开始时进行测量。将测量结果与已建立的参考值进行比较，就能在正式开展生产检测前，确认系统是否仍处于规定的验证限值范围内。
根据具体应用需求，参考工件可以设计不同特征，用于检验特定测量能力，例如孔径、基准距离、平面度、轮廓特征，或通过光学测量与接触式测头测得的特征之间的关系。
验证过程还可以实现自动化，并将结果与参考工件的身份信息、设备配置、软件版本、环境条件及验收标准关联记录。在互联制造环境中，这些信息可以成为数字化质量记录的一部分。
不过，标准参考件能否发挥作用，取决于其特性如何确定以及如何使用。其参考值必须通过适当的测量方法建立，并附有文件化的不确定度信息。同时，参考件还必须得到妥善保护，避免损坏、磨损、污染或状态变化。
重要的是，通过标准参考件检查，并不意味着所有测量特征、运行条件或潜在误差来源都已得到验证。参考件可能确认了部分特征，却无法证明测量系统在整个测量范围或所有可能的工件几何形状下都具有相同性能。
标准参考件本身也不能独立建立计量溯源性。其参考值、校准历史、测量不确定度和验证程序，都必须有适当的证据支持。
但如果使用得当，它能够在实验室校准与生产现场测量保障之间建立重要联系。校准用于依据公认参考标准确认测量性能，而定期或在特定事件触发时开展的标准参考件验证，则有助于判断设备在实际使用地点能否持续保持这一性能。
数字化溯源与测量数据链
模型化定义、数字孪生和互联制造的发展，正在改变测量信息的生成、传递和使用方式。
在互联制造环境中，尺寸数据可以直接传输至质量管理系统、制造执行系统和工程应用软件，从而支持自动化质量决策与闭环工艺控制。
与此同时，测量信息在不同系统之间流转时，如何保持其完整性也成为新的问题。
数字化溯源记录可以将测量结果与所使用的设备、相关校准证书、参考标准器、软件版本、处理参数、环境条件和不确定度评估关联起来。
如果采用标准参考件验证，还可以记录参考件身份、验证结果，以及测量结果超出预设限值时采取的纠正措施。
这些信息有助于还原测量结果的形成过程，并评估其是否仍适用于特定应用。
然而，数字化记录不能与计量溯源性本身混为一谈。记录测量历史，并不自动意味着校准链有效，也不能证明测量不确定度足以支持相应决策。
数字化溯源的价值，在于让支持测量结果的证据更加易于获取、结构更加清晰，也更便于审计。随着制造企业越来越多地采用不同供应商的设备，以及不同的软件环境、数据格式和报告规范，系统间的互操作性也将变得十分重要。
人工智能与自动化测量
人工智能预计将在检测规划、特征识别、点云处理、异常检测和测量结果解读等方面发挥越来越重要的作用。
AI赋能的系统有望减少对专业编程的依赖，让更多制造人员能够使用复杂的测量功能。它们还可能根据工件几何形状和生产要求，动态调整检测策略。
但人工智能也为测量保障带来了新的考量。
当算法识别几何特征、剔除数据点或选择拟合策略时，其决策可能影响最终尺寸值。结果具有重复性，并不一定意味着准确；结果保持一致，也不能证明其具备计量溯源性。
制造企业需要了解测量流程中的哪些环节具有确定性，哪些环节依赖统计模型或学习模型，以及这些因素如何影响报告的测量不确定度。
版本控制、验证数据集、性能监测和处理参数记录将变得越来越重要。
在软件更新或数据处理算法发生变化后，标准参考件可以为测量系统提供可重复的测试条件。不过，通过单个参考工件的检查，不应被视为完成了对AI赋能测量流程的全面验证。
最终目标应当是证明完整系统能够针对预定应用提供适用的测量结果，并由恰当的证据和控制措施予以支持。
计量的基本原则始终不变
计量的基本原则始终不变：测量结果必须有可信的证据证明其有效性。真正发生变化的是生成这些结果的系统日益复杂，以及制造流程对持续保持测量可信度提出了更高要求。
因此，重新审视混合测量系统的溯源性，并不是要放弃既有计量原则，而是要将这些原则延伸至一个越来越依赖传感器、软件、数据和流程综合性能的制造环境，并通过切实可行的验证方式，将测量保障直接带到生产线上。
作者：Gerald Jones，Metrology News编辑
