回避"概率統計"理論，靠人為規定"測量誤差"的所謂"上限性"是不可能"自洽"的。

你找不到"絕對"的"上限"，只能是"概率上限"；"概率上限"的"合成"，必須考慮"分布"、"相關性"之類的問題，哪怕是最簡單的"求和"；……。


"不確定度"應用至今，可能有若干瑕疵。但如果"凡是敵人擁護的，我們就要反對"，可能會把自己的臺也給拆了--- 您提倡的"測量誤差范圍"本來概念上不難說服別人，但若它的"求取"不服現成的"概率統計"，完全靠您總結的"法則"行事，可能法力不夠？

對非線性"運算"做"線性化近似"，確實是行之有效的"實用方法"，但終究還是會有差異，無論"變化幅度"多小。

如果沒有較實用的較"精確"求取替代方案(在"高性能數字仿真工具"可用以前的年代大概如此)，實用獨此一方，當然不必再說明它只適用于"線性"情況了。

現今是還有"蒙特卡洛"可選，如果要求更"精確"，"非線性"情況便可高就。

不問"分布"和"運算"的函數形式，也不管"相關性"？……如何能得到"隨機量(不確定量)"的"合理""運算"結果？…做些"假設"，由此"導出"一些"結果(公式)"，總還是在"講理"，應該好過"金口玉言"式的"真理"。當然，應用時須"盡力"考察相關"假定"的適當性。

【“線性能測，非線性不能測”】？…… 怎么出來的"結論"？  現在的所謂"合成不確定度"的"求法"，與以前"誤差理論"中"間接測量"的"誤差(其實是"極限誤差"，也就是您稱謂的"誤差范圍")"求法"的"理論"依據是一致的，都是"概率統計"，主要涉及"隨機變量(不確定量)"的"運算"。

不慌，還有JJF1059.2蒙特卡羅法可以一戰

*********************