Альтернативний показник оцінювання збігу результатів випробувань
DOI:
https://doi.org/10.24027/2306-7039.1.2024.300868Ключові слова:
правило прийняття рішення; невизначеність вимірювання; збіг результатів; вимірювання; ймовірність; випадкова похибка; методична похибка; похибка визначення середнього значенняАнотація
Метою дослідження є обґрунтування правила прийняття рішення при забезпеченні якості випробувань у лабораторії на основі невизначеності вимірювань. Для досягнення мети вирішено такі завдання: обґрунтовано показник і його значення критеріїв для встановлення правила прийняття рішення за результатами забезпечення якості випробувань у лабораторії із застосуванням невизначеності вимірювання; досліджено запропонований показник збігу; розроблено структуру даних програмного розрахунку показників забезпечення якості при випробуваннях у лабораторії. Правило прийняття рішення ґрунтується на основі невизначеності вимірювання. Як кількісний показник запропоновано ймовірність, із якою математичні очікування виміряних даних знаходяться у межах невизначеності вимірювання показника. Таким кількісним показником впливу методичної похибки вважається відношення різниці між математичними очікуваннями результатів, отриманих у різних серіях вимірювань, до середньої невизначеності їхнього визначення з урахуванням застосованого правила прийняття рішення. Показник ґрунтується на припущенні, що результати вимірювань нормально розподілені. Значення показника збігу суттєво залежить від значення спільної невизначеності вимірювання. Тому інтервал меж невизначеності вимірювання обмежується правилом прийняття рішення у лабораторії. Для спрощення процесу розрахунку показників забезпечення якості та зменшення ризиків допущення помилок у розрахунках на базі віртуальної випробувальної лабораторії створено модуль “Agreement”. Вхідними даними для розрахунку збігу в модулі є засоби вимірювання, безпосередньо результати вимірювань (не менше трьох у кожного випробувача), коефіцієнт охоплення, прізвища осіб, що здійснюють вимірювання, та коефіцієнт правила прийняття рішення.
Посилання
DSTU EN ISO/IEC 17025:2019. General requirements for the competence of testing and calibration laboratories (EN ISO/IEC 17025:2017, IDT) (in Ukrainian).
ISO 5725. Accuracy (trueness and precision) of measurement methods and results (6 parts). Available at: https://www.iso.org/obp/ui/#iso:std:iso:5725:-1:ed-1:v1:en
Carmen Ricós, Pilar Fernández-Calle, Carmen Perich, Sverre Sandberg. External quality control in laboratory medicine. Progresses and future. Advances in Laboratory Medicine, 2022, vol. 3, issue 3, pp. 221–231. doi: https://doi.org/10.1515/almed-2022-0058
Huub H. van Rossum. Technical quality assurance and quality control for medical laboratories: a review and proposal of a new concept to obtain integrated and validated QA/QC plans. Critical Reviews in Clinical Laboratory Sciences, 2022, vol. 59(8), pp. 586–600. doi: https://doi.org/10.1080/10408363.2022.2088685
Measurement Process Characterization. Gauge R&R studies. Available at: https://goo.su/GDSFtnn
Maha Al-Eid, Mohamed M. Shoukri. On the Index of Repeatability: Estimation and Sample Size Requirements. Open Journal of Statistics, 2019, vol. 9, no. 4, pp. 530–541. doi: https://doi.org/10.4236/ojs.2019.94035
Eduarda Filipe. Validation of calibration methods – a practical approach. Advanced Mathematical and Computational Tools in Metrology VI, 2004, pp. 285–292. doi: https://doi.org/10.1142/9789812702647_0027
Bartlett J.W., Frost C. Reliability, repeatability and reproducibility: analysis of measurement errors in continuous variables. Ultrasound in Obstetrics & Gynecology, 2008, vol. 31, issue 4, pp. 466–475. doi: https://doi.org/10.1002/uog.5256
Dieter Rasch, Rob Verdooren, Jürgen Pilz. Applied Statistics: Theory and Problem Solutions with R. Wiley, 2019. 512 p.
Jeff Wu C.F., Hamada M. Experiments: Planning, Analysis, and Optimization. John Wiley & Sons, 2021. doi: https://doi.org/10.1002/9781119470007
Steven A. Weissman, Neal G. Anderson. Design of Experiments (DoE) and Process Optimization. A Review of Recent Publications. Organic Process Research & Development, 2014, vol. 19(11). doi: https://doi.org/10.1021/op500169m
Quality and Reliability of Technical Systems – Theory, Practice, Management (2nd ed.). Assembly Automation, 1998, vol. 18, no. 4. doi: https://doi.org/10.1108/aa.1998.03318dad.012
Frank Emmert-Streib, Matthias Dehmer. Understanding Statistical Hypothesis Testing: The Logic of Statistical Inference. Machine Learning Knowledge Extraction, 2019, vol. 1(3), pp. 945–961. doi: https://doi.org/10.3390/make1030054
Konold T.R., Fan X. Hypothesis Testing and Confidence Intervals International. Encyclopedia of Education (3rd ed.), 2010, pp. 216–222. doi: https://doi.org/10.1016/B978-0-08-044894-7.01337-3
Bhattacharya P.K., Burman Prabir. Probability Theory. Theory and Methods of Statistics, 2016, pp. 1–24. doi: https://doi.org/10.1016/B978-0-12-802440-9.00001-1
Zulfiqar Ali, S Bala Bhaskar. Basic statistical tools in research and data analysis. Indian J Anaesth., 2016, vol. 60(9), pp. 662–669. doi: https://doi.org/10.4103/0019-5049.190623
Korobko A. Measurement Uncertainty as a Test Model Assessment Tool. Advanced Optoelectronics and Lasers CAOL-2019: Proceedings of 2019 IEEE 8th International Conference with XVI Scientific Workshop “Measurement Uncertainty: Scientific, Normative, Applied and Methodical Aspects” (UM-2019). Sozopol, Bulgaria, 06–08 September 2019, pp. 707–710. doi: https://doi.org/978-1-7281-1814-7/19/31:00
Podrigalo M., Verbitskiy V., Korobko A., Baidala V. Otsiniuvannia adekvatnosti rezultativ doslidzhen, shcho otrymani riznymy metodamy (v poriadku obhovorennia) [Researches obtained by different methods and their assessment of adequacy (in order of discussion)]. Perspective Technologies and Devices, 2019, vol. 15, pp. 63−67 (in Ukrainian). doi: https://doi.org/10.36910/6775-2313-5352-2019-15-9
Volodarsky E.Т., Kosheva L.O., Klevtsova M.O. Approaches to the Evaluation of Conformity Taking into Account the Uncertainty of the Value of the Monitored Parameter. Advanced Optoelectronics and Lasers CAOL-2019: Proceedings of 2019 IEEE. 8th International Conference with XVI Scientific Workshop “Measurement Uncertainty: Scientific, Normative, Applied and Methodical Aspects” (UM-2019). Sozopol, Bulgaria, 06–08 September 2019, pp. 648–652. doi: https://doi.org/978-1-7281-1814-7/19/31.00
Volodarsky E., Kosheva L., Klevtsova M. Formation of the rule decision-making about suitability products on the basis of the adaptive algorithm. Proceedings of 28th International Scientific Symposium “Metrology And Metrology Assurance”, 2018, pp. 331–335.
Korobko A., Shatikhina V. Virtualnyi trenazher akredytovanoi vyprobuvalnoi laboratorii [Virtual simulator for test laboratory accredited]. Perspective Technologies and Devices, 2020, vol. 17, pp. 72−78 (in Ukrainian). doi: https://doi.org/10.36910/6775-2313-5352-2020-17-11
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
ПОЛІТИКА, ЯКА РЕКОМЕНДУЄТЬСЯ ЖУРНАЛАМ, ЩО ПРОПОНУЮТЬ ВІДКРИТИЙ ДОСТУП З ЗАТРИМКОЮ
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи, яка через 12 місяців з дати публікації автоматично стає доступною на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
