MOOC Estimation des incertitudes de mesure en analyse chimique

10. Aperçu des approches d'estimation de l'incertitude de mesure

verview-approaches-estimating-measurement-uncertainty" target="_blank">https://sisu.ut.ee/measurement/verview-approaches-estimating-measurement-uncertainty

Résumé : Dans cette partie, les principales approches qui peuvent être utilisé pour l’estimation des incertitude de mesure sont présentées.

Aperçu des approches d'estimation de l'incertitude de mesure

http://www.uttv.ee/naita?id=17704

We have now covered most of the basic concepts and basic knowledge on measurement uncertainty estimation and we can now make a small overview of the approaches that exist for measurement uncertainty estimation And let us start from the basic question that analytical laboratory usually has when uncertainty estimation is considered. So usually lab people more or less know to uncertainty sources of the procedures because they are professionals and they use those procedures in their everyday work. Secondly they usually had lots of data of different kind they have controlled charts and proficiency testing results, parallel measurement data etc. They also have calibration data instruments, they have data of the volumetric equipment And the main question is : how to use these data to take these uncertainty sources under count. So how could a person in a laboratory make maximum use of the data that already exists to take all necessary sources of uncertainty to account and carry out the uncertainty evaluation. And there are different approaches that offer different solutions to this problem. Let us look here scheme which summarizes in very general way the main approaches that exist. So we can see that all starts from definition of the measurement. So the measurement always needs to be defined clearly whichever the approaches that we use. And then the approaches are split into single lab and inter laboratory approaches. And let us first have a look at the single lab approaches. They are in turn separated into model based and not model based approaches. And now, model-based approach is the so called modeling or sometimes also called the iso gum modeling approach which is pretty much the standard approach for measurement uncertainty evaluation especially physical science. And this approach involves component by component evaluation of uncertainties meaning the measurement procedure is looked at very carefully, different uncertainty sources and uncertainty components are found and separately quantified. There's an alternative approach which is the so-called single and validation approach. This is not the model based in the sense that although you need the model for calculating your analysis result but you don't really need the model for calculating uncertainty. This uncertainty evaluation approach takes into account more general uncertainty contributions It is not as detailed it works with general uncertainty contributions such as within lab reproducibility, laboratory bias etc. This approach has been formalized in several guides but perhaps the best known is the so-called "nord test" uncertainty guide which also we will examine more closely in this course. We could say that these two are the main approaches and, of course, whenever possible, one would perhaps consider this approach because it gives more information but it also needs much more competence and it unfortunately does have the roll back that sometimes underestimated uncertainty. This one, on the other hand, is very suitable for routine laboratories it does not need so much extra work and makes very good use of the already existing data and usually does not lead to underestimated uncertainties in fact it sometimes leads to overestimated uncertainties and it does not need as high competence level as this uncertainty estimation approach, but of course, from this approach you will not learn nearly as much about your procedures as from this approach. these are the two ones that would be recommended for using in your everyday worlk. Now, let us turn to this The inter laboratory approach. interlaboratory approaches differ from these two in the sense that actually data from your lab, or situation from your lab is not taken into account at all in any way. And this is why these approaches are not recommended. In fact the main use of these approaches would be to find out more or less what the uncertainty could be in the situation that you even don't yet have the procedure and you want to know preliminarily what you can expect from this procedure. So in routine everyday work, these approaches are not recommended and we will not touch deeply these approaches also in this course. The approaches that we looked at they give uncertainties that refer to different situation. So this modeling approach in fact calculates the uncertainty for the individual actual result that you had on one concrete individual day with one concrete sample. The single lab validation approach calculates a typical uncertainty of the results which you can obtain with the particular procedure so that this uncertainty estimate is not directly linked to any particular sample. It's rather linked to a procedure while this one can be linked to a real particular sample or real individual sample. And now, this interlaboratory approaches in fact gives some typical general uncertainty which can be expected from this procedure when used in different level.

Nous avons maintenant couvert la plupart des concepts de base et des connaissances de base sur l'estimation de l'incertitude de mesure et nous pouvons maintenant faire un petit aperçu des approches qui existent pour l'estimation de l'incertitude de mesure. Et commençons par la question de base que le laboratoire d'analyse se pose généralement quand l'estimation d'incertitude est considérée. Donc, généralement, les personnels de laboratoire connaissent plus ou moins les sources d'incertitude des procédures car ce sont des professionnels et qu'ils utilisent ces procédures dans leur travail quotidien. Deuxièmement, ils ont généralement beaucoup de données de différents types, ils ont des diagrammes contrôlés, et des résultats de tests de compétence, des données de mesures parallèles etc. Ils ont aussi des données des instruments d'étalonnage, ils ont des données de l'équipement volumétrique, et la principale question est : comment utiliser ces données pour prendre en compte ces sources d'incertitude. Alors, comment une personne dans un laboratoire pourrait-elle utiliser au maximum les données qui existent déjà pour prendre en compte toutes les sources d'incertitudes nécessaires et effectuer l'évaluation de l'incertitude. Et il y existe différentes approches qui offrent différentes solutions à ce problème. Regardons ici un schéma qui résume d'une façon très générale les principales approches qui existent. Nous pouvons donc voir que tout commence par la définition d'une mesure. La mesure doit donc toujours être clairement définit quelles que soient les approches que nous utilisons. Et ensuite les approches sont divisées en approches de laboratoire unique et approche inter laboratoire. Et voyons d'abord les approches de laboratoire unique. Elles sont à leur tour divisées en approches basées sur un modèle et non basée sur un modèle. Et maintenant, l'approche basée sur un modèle est aussi appelée modélisation ou parfois également appelées approche de modélisation ISO GUM ce qui est à peu près l'approche standard pour l'évaluation de l'incertitude de mesure en particulier pour les sciences physiques. Et cette approche implique une évaluation composante par composante de l'incertitude, ce qui signifie que la procédure de mesure est examinée très attentivement, différentes sources d'incertitude et composantes d'incertitude sont trouvées et quantifiées séparément. Il y a une approche alternative qui est appelée approche de validation en laboratoire unique. Ce n'est pas basée sur un modèle, dans le sens où, bien que vous ayez besoin d'un modèle pour calculer vos résultats d'analyse, vous n'avez pas vraiment besoin d'un modèle pour calculer l'incertitude. Cette approche d'évaluation de l'incertitude prend en compte des contributions à l'incertitude plus générales. Elle n'est pas aussi détaillée, elle fonctionne avec des contributions d'incertitude plus générales telle que la reproductibilité en laboratoire, le biais de laboratoire etc. Cette approche a été formalisée dans plusieurs guides mais peut être le plus connu est le guide du test d'incertitude "Nord" que nous examinerons également de plus près dans ce cours. Nous pourrions dire que ces deux approches sont les principales et, bien sûr, dans la mesure du possible, on pourrait peut-être considérer cette approche car elle donne plus d'informations mais elle nécessite beaucoup plus de compétences et elle possède un recul qui parfois sous-estime l'incertitude. Celle-là, d'autre part, est très appropriée pour les laboratoires de routine, elle ne nécessite pas trop de travail supplémentaire et permet un très bon usage des données déjà existantes et ne conduit généralement pas à une sous-estimation des incertitudes, en fait elle peut parfois conduire à une surestimation des incertitudes. Et elle ne nécessite pas un si haut niveau de compétence que cette approche d'estimation d'incertitude, mais bien sûr, à partir de cette approche, vous n'en apprendrez pas autant sur vos procédures qu'avec cette approche. Ce sont les deux approches qui seraient recommandées pour une utilisation dans votre travail quotidien. Passons maintenant à cette approche inter laboratoire. Les approches inter laboratoire diffèrent des deux autres dans le sens où les données de votre laboratoire, ou la situation de votre laboratoire ne sont en aucun cas prises en compte. Et c'est pourquoi ces approches ne sont pas recommandées. En fait, l'utilisation principale de ces approches serait de découvrir plus ou moins quelle pourrait être l'incertitude dans la situation où vous n'avez même pas encore la procédure et que vous voulez savoir au préalable ce que vous pouvez attendre de cette procédure. Donc dans le travail quotidien de routine, ces approches ne sont pas recommandées et nous n'aborderons pas non plus profondément ces approches dans ce cours. Les approches que nous avons regardées donnent des incertitudes qui se réfèrent à différentes situations. Donc cette approche de modélisation calcule en fait l'incertitude pour le résultat réel individuel que vous avez eu sur un jour individuel concret avec un échantillon concret. L'approche de validation en laboratoire unique calcule une incertitude typique des résultats que vous pouvez obtenir avec une procédure particulière afin que cette estimation d'incertitude ne soit pas directement liée à un échantillon particulier. Elle est plutôt liée à une procédure alors que celle-ci peut être liée à un véritable échantillon particulier ou un véritable échantillon individuel. Et maintenant, cette approche inter laboratoire donne en fait une certaine incertitude générale typique qui peut être attendue de cette procédure quand elle est utilisée à différents niveaux.

 

Les deux approches principales qui sont abordées dans ce cours – la modélisation (ISO GUM) et l’approche de validation intra-laboratoire (Nordtest) diffèrent par leur quantité de détails, par la façon dont les effets aléatoires sont pris en considération et par le statut de l’incertitude obtenue. La table 8.1 nous résume ces différences. A voir également, Table 11.1 dans la partie 11.

Table 8.1 Quelques différences clés entre les approches de modélisation et validation intra-laboratoire pour la mesure d’estimation d’incertitude. 

Bien que ISO GUM⁽²⁾ soit le document de facto standard de l’estimation d’incertitude de mesure, particulièrement en physique, l’approche de validation intra-laboratoire (Nordtest) gagne aussi en popularité. Par exemple, l’approche Nordtest est utilisée comme référence pour la fondation de l’ISO 11352 concernant les normes applicables à la qualité de l'eau [1].

Autotest portant sur cette partie du cours : Test 8

https://sisu.ut.ee/measurement/node/1261

 

***