测量不确定性下的种猪生产性能电子测定工作数据的监测和可信度评估方法

楼平儿　杜秉华　戴美玲　毛元良　唐国庆　张和军

摘  要：电子测定技术是在现代育种技术需要和现代科技进步下发展起来的一种针对饲料报酬测定的新技术，不仅极大提高了测定工作效率，也提供了现代育种技术所需要的动物生长全过程的表型值信息。但电子测定工作数据也带来了与传统习惯认知不同的表现，主要是在工作数据的正确性表述上。

测量不确定观点认为，测量过程中的不確定性广泛存在于所有的测量工作中，被测量值（“真值”）是一个理想化概念，而且测量得到的量值（“测量结果”）也必定存在某些不确定的误差。电子测定与传统习惯的人工测定在工作数据正确性表述上不同的原因是测量不确定效应对这两种数据的影响不同，而且电子测定工作数据到目前为止还是一个没有测定意义的纯记录性质的观测列数据。

在电子测定过程中，对测定过程的监测和测定数据正确程度的评估是测定管理中一个很重要的工作内容，监测是监视工作数据中的异常表现，评估计算工作数据中的异常表现对其正确性的影响程度。本文在测量不确定性观点下，从监测和评估电子测定工作数据正确性的可行性上分析电子测定过程中可能出现的问题和评定测定工作数据质量可信度的方法。

关键词：工作数据可信性；测量不确定度；种猪生产性能

中图分类号：S813.24 文献标志码：A 文章编号：1001-0769（2023）05-0047-06

根据种猪生产性能电子测定工作数据的表现和性质，从测量不确定性出发，决定了不能用习惯的数据误差的评判方法来评估电子测定工作数据的正确性，因为习惯的数据误差概念是建立在一个被测量的真值基础上，而电子测定工作数据在实践中和理论上都不能得到这个基础真值。习惯的数据误差计算方法是建立在孤立和单独数据基础上的四则运算数学模型上的，而电子测定工作数据的表现是一个无法用习惯方法进行管理和处理的数据集合，显然也需要异于习惯的分析方法和较为复杂的数学模型才能判断测定过程中发生的问题和评估工作数据的质量问题。

电子测定工作数据在实践运行中没有表现出有测定意义数据属性和大数据特征的状况，而是引申出了在管理电子测定工作时需要改变的四个观念：

①电子测定工作由测定的工作过程和对工作数据的正确性进行评定两部分组成，即得到了工作数据后还要对其正确性进行评定，这才是一个完整的种猪生产性能测定行为。

②评定电子工作数据正确性的原因不以传统影响因素分类，如各种类型的系统误差等，但可以把测定过程中的各种影响结果所涉及到的数据、资料和经验等信息按统计方法进行处理和分析。

③用测定不确定性观点评定电子工作数据正确性时，关注的不是每次测定数据的“真值”，而是数据观测列中相关数据段“表现出”的符合动物行为和测定条件下的表型值。

④人工测定数据的正确性以孤立的真值为中心，测量结果与真值的差异程度是一个数量差值。电子测定种猪生长性能数据的正确性在测量不确定性的框架下进行评定，工作数据的正确性以数据观测列的测量结果为中心，所以测量结果与被测量值的相符程度是一个分散性区间范围，也就是这种数据的“正确性”用一定置信范围的可信程度来表述更合适。

电子测定工作数据需要在上述四个观念改变的基础上，对电子测定工作数据的可信性按测量不确定度的评定方法进行评定，用评定的结果帮助监测过程的运行和评估测定数据的质量。评定其工作数据的测量不确定度的具体工作由以下几方面组成：分析不确定度的来源和确定不确定度分量项目；对作为不确定度来源的分量进行评定；把所有影响数据正确性的分量进行合成以得到观测列数据的阶段测定或全测定期的测定数据不确定度报告。

1  分析不确定度来源

用测量不确定性观点评定电子工作数据正确性影响原因不以传统影响因素分类，而是把测定过程中的各种影响结果所涉及到的数据、资料和经验等信息以统计方法进行处理和分析。电子测定工作数据的测量不确定度来源就是实践工作中得到的信息和分析，不确定度分量的确定就是根据对测定监测需要和测定数据质量的要求，再在诸多影响的结果中选择所需要的项目。

虽然在电子测定过程中反映种猪生长性能的饲料报酬是个间接被测量值，但有直接相关的三个直接被测量值：采食量、体重和身份识别，种猪生产性能报告的正确性与这三个被测量值的正确性都直接相关。影响这三个被测量值正确性的因素主要是称重系统的稳定性和故障、饲料秤和体重秤校正值、动态投料功能故障（特指动态投料型设备）、数据缺省和设备运行状态。我们的经验是把称量值的正确性、动态投料型设备的正确性（特指动态投料型设备）、数据链完整的正确性和系统维护信息等四类项目作为电子测定工作数据不确定度的分量。

减少各分量彼此间的相关性可以减少数学模型的复杂性，减少分量的项目有利于一线工作人员的可操作性，我们认为电子测定工作数据不确定度分量项目的设定宜为：

饲料称量正确性；

体重称量正确性；

动态投料正确性；

数据链正确性；

系统维护信息（包括饲料秤和体重秤的校正信息，工作系统的维护和保养信息）。

2  评定输入量的标准不确定度ui

对测量不确定度分量进行评定是评估电子工作数据可信性工作的重要组成部分，不仅是为了确定某个不确定度分量作为总不确定度的计算单元，而且是测定管理工作中监测影响数据正确性的原因的需要。

测量不确定度对其影响产生误差的估计方法可用被测量值的分散性来表示，而分散性通常用统计概率分布的标准偏差来表示。由于电子测定的状况和数据特点，不能以复测和复验为基础的统计方法来求得其相关的标准偏差，测量科学认为可以用“基于经验或其他信息所认定的概率分布来评定”，参考JJF 1059.1-2012《测量不确定度评定与表示》。也就是说，不能使用统计方法对电子测定工作数据不确定度分量评定时，可以用我们的工作经验和其他的非统计方法进行。

以饲料称重正确性的不确定度分量评定为例，我们评定这个分量的信息源是从分析数据观测列中有关负采食事件的数据状况（负采食事件是指一次采食事件的采食量为0 g以下的有效记录量），这个信息在很大程度上与饲料称重常见的粘连相关，当然也包括一些其他原因，如设备的电子噪声、动物行为等情况，然后把这个结果作为评定饲料称重的不确定度分量，再进入下一步的总不确定度的合成。以下是评定这个分量过程的经验介绍。

我们的材料数据来自良好管理下的32个测定站涉及250多头测定猪全程记录的近32万个工作数据记录。所用方法参照杜秉华等[1]推荐的方法。“良好管理”的概念是整个测定过程中，按操作规程管理测定工作；没有发生过重大的运行故障和严重的数据异常现象；日常管理中发生问题的处置时间基本不超过24 h。

产生负采食量的原因有多种，如设备的电子噪声、机械粘连、动物行为甚至意外故障等。其原因可分成两类，即随机和非随机，两类原因导致的负采食量事件在数据链结构和量值方面会有不同表现特点，这两类性质的数据通常也是所谓的“正常”和“不正常”工作数据的特征，“随机原因”在这里指的是只能估计但不能消除的原因，如设备性能和操作方法带来的原因；“非随机原因”在这里是指可以分析出并采取措施能减少影响程度的原因，如故障等。这里要指出的是，上述的“正常”工作数据表述只用于在良好管理下的数据表现情况，而在不良好管理下的工作数据表现基本是无意义和无法分析的。

图1显示的情况是以上述引用的材料数据中所有负采食量事件的情况分析，并基于产生负采食量的原因把其大致分成4个量值段，观察蓝色曲线的概况。

图1显示的情况表现如下：

①在现在科技支持下的电子测定运行时不屏蔽这类“出错”信息情况下，出现负采食量事件的记录是一定有的。

②表示负采食量事件比例数的粗黑曲线在右起第三个量值段内有转折的变化，表示转折变化“拐点”的右面曲线呈急剧上升状况，而左面显示平缓并趋于零的状态。在系统正常运行状态下的连续平滑的粗黑曲线在某处出现一个明显的斜率变化，这表示引起“拐点”两边的比例变化很可能是由不同的原因造成的，是属于可控和不可控的原因。设备运行的可控因素通常是外界因素引起的故障等，不可控因素是设备本身的性能如噪声等。

③我们认为，拐点左面出现的小概率并趋于零的负采食事件数是因为在良好管理下各类运行“出错”被控制，拐点右面出现的大概率负采食事件数很可能是即使在良好管理下还不可控的设备性能“噪声”而致。

再细化图1中显示“拐点”的情况，对分析这个拐点的意义有帮助。为此在－20 g位置左右检查了几个量值段之后，发现拐点发生的准确范围应是－5 g～－20 g量值段。   见图2。

图2显示的情况表现如下：

①负采食量事件数比例从－5 g～－20 g的量值段急剧降低。图2显示的情况是这个“拐点”经过放大后实际上的一个范围，可以看到这个基本范围为－5 g～－14 g。

②关于系统主要部件称重传感器的电子噪声问题。畜牧设备通用的饲料称重传感器规格是C3级20 kg量程，该传感器的设计和制造称量精度是6.7 g，参考GB/T 7551-2008《称重传感器》。称量精度体现在几个因素上，如非线性、重复性、稳定性等在时间和空间上的影响。这就是说传感器带来的电子噪声可能产生6.7 g的称量误差。

③关于电子测定设备的示值精度和反映不确定度分量信息的分辨率问题。测定站现场和终端电脑的现场显示1 g通常是单位的示值精度，所以当测定设备的系统噪声幅度远超1 g时，没有必要考虑用0.1 g作为单位示值精度，这里用0 g～－19 g量值段来分析拐点位置是合适的。

④系统噪声的表现特点是低幅度和呈统计规律的分布，这是随机性质的数据表现。从图2的观测列数据记录来看：粗黑曲线拐点右侧的负采食量事件数显示了这些数据的低幅度和统计规律的随机性，而这些表现与电子测定设备系统性能的噪声特点有很高的吻合性，由此可认为拐点右侧的负采食量事件是由系统噪声引起的。选定0 g～－19 g量值段的另一个理由：这是最大限度避免測定猪实际采食的时刻，是显示设备噪声的合适窗口。

⑤随机性质的数据特点是平衡性和抵偿性，也就是说负采食量事件发生的饲料量对总采食量的影响在大数据情况下是可以被平衡抵偿的。

⑥拐点右侧的量值是系统噪声在负方向上的半宽值，这个“拐点”可以被认为饲料称重粘连“出错”的量值段起点。

随机性质的数据特点是平衡性和抵偿性，而其随机产生的“误差”表现则是一个数据随机波动的范围。这个以某个参考值为中心的范围，在数轴上表示就是一个宽度，以该参考值为中心的右边是正方向的半宽值，左边则是负方向的半宽值。我们在分析电子测定系统的噪声时，选择了零采食量作为中心原点，在这里几个数据图表中显示的都是零采食量事件记录表现出来的负方向的随机性质数据的半宽值。

图1和图2的分析显示了这类事件数据的表现态势，为确定饲料称重粘连的“出错”值起点，我们把材料数据中32个测定站在0 g～  －19 g量值段内从各自的实际状况再做一个统计分析，见图3。

图3显示的情况表现如下：

①图3最右端测定站的负采食量事件数比例高达6.9％，而采食量影响只有0.05％；右侧第2～7测定站的负采食量事件数比例平均为3.2％，而其平均采食量影响为0.07％。所以这些测定站的实际结果还是采食量低幅度变化的状况，其总负采食量对总采食量的影响很小，这表示这些测定站发生的事件还是随机性质的。

②图3显示0 g～－19 g量值段的负采食量事件数比例超过平均值2.67％的测定站数有9个，比例达28.1％。所以就图3右端的7个测定站在设备噪声影响范围内的实际状况，“拐点”的左侧终点可以扩展到－20 g。

③从整体上的理解实际发生的记录：整个称重系统是一个除传感器外还有其他电子、电器和机械元器件等构成的总成，各零部件的性能特性和迟滞效应等产生的噪声都会加持到合成的总称量精度上。因此，系统的实际噪声幅度超过6.7 g是可能的，也是符合实际的。故“拐点”的左侧终点设定在－20 g处更合适些。

以上操作设定了－20 g为评定称重粘连原因引起观测值变化的起点；同样的原则再评定该量值段的终点位置，得到的结果是－200 g左右。这样确定了评定饲料称重粘连原因的量值段。

对评定饲料称重粘连原因的下一步是输入需要分析数据观测列相应的数据链段内的负采食量事件数与总采食量事件数的比值作为分散度，以这个结果作为该不确定度分量进入不确定度合成评定。

3  计算合成标准不确定度uc

把评定后的各相关不确定度分量进行合成计算，得到数据观测列的总测量不确定度。由于在评定不确定度分量来源时考虑了相关各分量彼此间的相互独立性，所以在合成过程中得以简化了合成公式。

不确定度uc的合成公式如下：

按照前文确定的不确定度来源和几个分量，电子测定工作数据的不确定度合成公式如下：

4  报告测量结果

测量报告结果包括两个部分：测量不确定度分量评定结果和合成不确定度结果。

测量不确定度分量评定结果：各个分量是对应各相关影响工作数据因素的正确性而制定的，这个报告的内容是测定过程中的影响数据的相关原因和及其影响的程度，所以该报告不仅是合成不确定度的计算单元，也是测定过程的监测以及维护工作需要的工作报告。

合成不确定度结果：测量的目的是为得到测量数据的可信程度，为此需要把各个相关的测量不确定度分量进行合成评定。评定测量不确定度报告既反映了该批次测量数据的质量水平，又显示了该批次测量管理的工作水平。

5  小结

种猪生产性能人工测定与电子测定在工作数据的正确性概念和管理方法上是不同的，将人工测定的数据正确性概念和管理方法用在电子测定工作上是不合适的。

我们曾经将测定不确定观点用于一个原种场的电子测定管理中，用评定测量不确定度分量的方法对一些主要影响数据正确性信息源进行监测。工作中有3个项目是与本文提到过的饲料称重正确性、动态投料正确性和数据链完整正确性有关的数据表现，这3个项目的内容和量值与美国的一篇有关研究电子测定出错问题的文献所介绍的情况相似[2]，这些数据是美国国家猪肉委员会在明尼苏达州猪业协会测定站进行3个科研项目所采信的实验数据。对美国和我们的同类数据进行比较后发现，我们的工作数据在这3项的“出错”率比美国文献数据均降低了2个数量级[3]，这也意味着我们的工作数据在这3项因素导致的数据误差范围方面缩小了2个数量级，虽然这不是不确定度评定的结果，也不是与美国全部数据比较的结果，但从场内测定的实践来讲，把测量不确定度观点和方法用于场内电子测定工作的管理是可行的，对提高工作数据的可信度也是有实际效果的。

在探讨此方法的过程中还有相当多的工作需要深入：如APP的问题，因为现代机电一体技术下的工作数据形成受到其APP的影响很大，而不同原则思想指导编制的APP运行下的工作数据对影响原因的反映表现会有不同，所以对不同设备产生的工作数据进行不确定分量评定可能会获得不同的结果。如对什么测量不确定度分量的来源更有代表性和多少个来源更合理，以及对不确定度合成后的分散性是否需要指定相应的定性标准等，也会因目标和要求不同而不同。

参考文献

[1] 杜秉华，戴美玲，楼平儿，等．种猪自动测定设备数据中的单次最大采食量和单次最小采食量的监控阈值探讨[J]．猪业科学，2019，36（3）：76-79.

[2] CASEY D，STERN H S，DEKKERS J．Identification of errors and factors associated with errors in data from electronic swine feeders[J]．Journal of Animal Science，2005，83：969-982.

[3] 雷勝辉，楼平儿，杜秉华，等．种猪生产性能电子测管理的监测方法探讨[J]．今日养猪业，2022（2）：97-101.