MOOC Estimation des incertitudes de mesure en analyse chimique
Completion requirements
12. Comparaison des approches
Résumé : Cette partie résume les principales caractéristiques des méthodes d'estimation de l'incertitude, leurs avantages et leurs inconvénients.
Dans la mesure du possible, il convient d'utiliser l’une des approches dites "de laboratoire unique". Les approches inter-laboratoires ne conviennent que pour obtenir des estimations d'incertitude très grossières. Nous recommandons de ne les utiliser que si le laboratoire ne dispose pas encore de la méthode de mesure et souhaite savoir, approximativement, quelle incertitude peut être obtenue.
Si le laboratoire possède les compétences et le temps nécessaires pour mener les investigations sur les procédures analytiques, l'approche par modélisation est souvent appropriée. Si le laboratoire dispose d'un temps limité, mais qu'il possède déjà des données de validation et de contrôle qualité, alors l'approche de validation par un laboratoire unique est la plus appropriée.
Comparaison des approches d'estimation d'incertitudes de mesures
http://www.uttv.ee/naita?id=17917
| Let us now compare the uncertainty estimation approaches that we have seen. They are all combined with their pros and cons properties into this slide. So if we start by the modeling approach and as you've probably noticed it involves quite extensive calculations and it's not very easy to apply, so it gives good results mostly with quite advanced laboratories because quite some knowledge is required. The knowledged and extra work is also usually required because specific experiments have to be carried out often times to evaluate the uncertainty components. And if some uncertainty component is left out of consideration and if it is an important component then there is always the danger to underestimate the uncertainty. The same goes if some component is taken into consideration but it is underestimated but on the other hand it gives a lot of information about your procedure and thereby promotes thinking about it. And also it has high value in teaching. It is very good for students to see where the uncertainty actually comes from. By this, this modeling approach stands out from all the others. Now if we look at the single-lab validation approach then this should be fairly well suitable for routine laboratory who do not have time or competence for carrying out lot of extra studies. Lots of the data are needed but large amount of that data comes out automatically. So laboratories have to do validations of their procedures anyhow. They usually have to analyze certified reference materials anyhow. And they have to participate in inter-laboratory comparisons anyhow. And all this data can directly be used for the measurement of uncertainty evaluation So that only known less extra work is required. The data that automatically are available in the laboratory can be used directly. And the uncertainty estimates that are obtained are very realistic so the danger to underestimate measurement uncertainty is much lower. In fact, if the bias estimate is obtained from not very trustworthy sources or if the reference values are not good enough this approach can give you overestimated uncertainty. But of course unfortunately the teaching value of this approach is lower than of the modeling approach and it does not give much information about the procedure. And finally the inter laboratory approaches, inter laboratory validation proficiency testing approach which i only briefly mentioned and for which I said that i do not really recommend them, these approaches in fact do not need any knowledge and also no data from your own laboratory. But the uncertainties that they give are so crude that they can be used only as first estimates. And I would recommend to use them only in the case if you do not yet have the procedure set up in your laboratory and you would simply like to see what uncertainty you could expect. In all other cases, when you already have the procedure in your lab and you have a data and you work with it, I strongly recommend not to use these but to use either of these two approaches. | Comparons maintenant les méthodes d'estimation d'incertitude que nous avons vues. Elles sont toutes regroupées avec leurs avantages et inconvénients dans cette diapo. Si nous commençons par la méthode de modélisation et comme vous l'avez probablement remarqué, elle implique des calcules assez compliqués et elle n'est pas très facile à appliquer, donc elle permet d'avoir de bons résultats pour des laboratoires assez avancés en général car elle nécessite certaines connaissances assez avancées. Elle nécessite aussi en général des connaissances et du travail en plus car souvent, des expériences très spécifiques doivent être réalisées pour évaluer les éléments d'incertitude. Si un certain élément d'incertitude est laissé hors de considération et si c'est un élément important, alors il y a toujours le danger de sous-estimer l'incertitude. Il y a le même soucis si un élément est pris en considération mais il est estimé. D'un autre côté, cela permet d'avoir beaucoup d'information sur la procédure et ainsi favorise son questionnement. Cela a aussi une grande valeur dans l'enseignement. C'est très bien pour les élèves de voir la provenance des incertitudes. Par cela, cette approche de modélisation se démarque de toutes les autres. Maintenant, si nous regardons la méthode de validation de laboratoire unique alors cela devrait être assez convenable pour des laboratoires de routine qui n'ont pas le temps ou pour effectuer beaucoup d'études supplémentaires. Beaucoup de données sont nécessaires mais une grande quantité de ces données est extraite automatiquement. Donc les laboratoires doivent faire des validations de leurs procédures. Mais de toute façon, ils doivent en général analyser des matériaux de référence certifiés et il doivent participer à des comparaisons inter-laboratoires. Et toutes ces données peuvent être directement utilisées pour les mesures d'évaluation d'incertitude. Pour que moins de travail soit requis. Les données qui sont automatiquement à la disposition dans le laboratoire peuvent être utilisées directement. Et les estimations d'incertitude qui sont obtenues sont très réalistes donc le danger de sous-estimer les incertitudes de mesure est moindre. En effet, si l'estimation biaisée est obtenue de sources pas très fiables ou que les valeurs de référence ne sont pas assez bonnes, cette méthode peut donner des incertitudes sur-estimées. Mais bien sûr malheureusement, la valeur instructive de cette approche est moindre que celle pour la méthode de modélisation et elle ne donne pas beaucoup d'informations sur la procédure. Et finalement, les approches inter laboratoires, l'approche de test de compétence de validation inter laboratoire que j'ai seulement brièvement mentionné et pour lequel j'ai dit que je ne les recommandais pas trop, ces approches ne requièrent en fait aucune connaissance mais aussi aucune donnée du laboratoire propre. Mais les incertitudes qu'ils donnent sont tellement brutes qu'elles ne peuvent être utilisées seulement comme une première estimation. Et je recommanderais de seulement les utiliser dans le cas où la procédure n'a pas encore été mise en place dans le laboratoire et où l'on veut simplement voir quelle incertitude on peut s'attendre à avoir. Dans tous les autres cas, quand la procédure est déjà mise en place dans le laboratoire et on a des données et on peut travailler avec, je recommande fortement de ne pas utiliser ces approches mais d'utiliser une des deux autres méthodes. |
Le tableau 11.1 résume les avantages et les inconvénients de ces approches. Voir également le tableau 8.1 de la partie 8 pour certaines différences essentielles.
Autoévaluation sur cette partie du cours : Test 11