Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Palabras clave
Muestreo representativo del proceso
Variografía
Estimación de EET
1 . Introducción
La Teoría del muestreo (TOS) se ha introducido en la quimiometría, la química
analítica y las tecnologías de proceso por un esfuerzo escandinavo reciente y dedicado,
basado en referencias TOS clásicas [1] , [2] , [3] , [4] , [5] , [6] . TOS presenta una
metodología completa para evaluar el error de muestreo total asociado tanto con el
muestreo estático (denominado 0-D) como con el muestreo de proceso (muestreo 1-
D). Aquí nos centramos en los aspectos prácticos del muestreo de procesos,
especialmente a la luz del enfoque actual en PAT: Tecnologías analíticas de
procesos. Nuestro objetivo es demostrar que TOS forma el eslabón perdido para PAT,
es decir, que PAT es seriamente negligente sin tener en cuenta el muestreo
representativo del proceso.
La representatividad de muestreo siempre estará fuertemente acoplada a los tipos de
proceso y producto, porque cada proceso / producto posee una característica intrínseca
de heterogeneidad. No es posible confiar en un esquema de muestreo general para todo
el muestreo de procesos, de hecho, tal noción es solo una ilusión. Se necesitan
evaluaciones empíricas y experimentales de errores de muestreo para cada producto o
proceso principalmente nuevo. TOS ofrece un enfoque completamente general para
caracterizar la heterogeneidad 1-D de cualquier proceso o flujo de material 1-D
denominado variografía . El variograma experimental permitirá una simulación de
cualquier esquema de muestreo contemplado, basado en una serie de un máximo de
unas 40-60 muestras solamente.
En este trabajo, el enfoque se centra en los problemas prácticos asociados con
un enfoque variográfico para estimar los errores de muestreo totales, incluidos los
errores analíticos ss Normalmente, los procedimientos de muestreo para procesos o
flujos de material 1-D se pueden dividir en tres pasos separados:
•
El grado analítico a L del lote es la masa del analito dividida por la masa total
del lote.
•
El grado analítico a S de la muestra es la masa del analito dividida por la masa
total de la muestra.
TOS define el muestreo como un proceso de etapas múltiples, que cubre todas las
operaciones desde que se materializa un incremento hasta que se administra una parte
alícuota (porción medida de una muestra tomada para análisis) a la operación analítica
final, por ejemplo, una determinación espectrométrica en el laboratorio de control de
calidad .
2.1 . Muestreo correcto (muestreo representativo)
El objetivo de un procedimiento de muestreo es extraer una muestra con las mismas
propiedades que el lote de donde proviene la muestra: una muestra representativa . El
requisito previo básico para un procedimiento de muestreo representativo es que todos
los elementos en un lote, contenedor o en una sección transversal de la tubería tienen la
misma probabilidad de ser seleccionados, y que los elementos seleccionados no se
alteran de ninguna manera después de la muestra (o incremento ) ha sido
tomado. Todos los elementos que no pertenecen al lote o al contenedor de muestra
deben tener una probabilidad cero de ser seleccionados, lo que significa, por ejemplo,
que se ha eliminado la contaminación cruzada entre muestras (incrementos). Estos dos
criterios constituyen el principio fundamental de muestreo (FSP), que nunca puede ser
violado.
Con el muestreo de proceso, una muestra siempre se materializa preferiblemente a
través de varios incrementos del lote para formar una muestra compuesta .
El error de muestreo relativo se define como:mi=unS-unLunL.
Se dice que un proceso de muestreo es preciso si el error promedio m e es prácticamente
igual a cero ( m e 2 ≈ 0); Esto da como resultado que no haya sesgo de muestreo. Del
mismo modo, se dice que el proceso de muestreo es reproducible si la varianza del error
de muestreo es menor que un pequeño valor predeterminado s e 2 ≤ s e 2 .
La noción representativa es una propiedad compuesta del error relativo, que incluye la
parte sistemática y aleatoria del error de muestreo, denominada r e :rmi2=metromi2+smi2.
Solo un procedimiento de selección correcto [1] , [2] , [3] , [4] , [5] , [6] da como
resultado muestras que son precisas (propiedad de la media), reproducibles (propiedad
de la varianza), y por lo tanto representativo. Aún así, cualquier resultados analíticos
específicos, un S , no es sino una estimación de la verdadera (promedio) una L .
El componente aleatorio del error de muestreo representado por la varianza tiende a
reducirse al promediar un gran número de incrementos (o muestras, según sea el
caso). La parte sistemática, sin embargo, no. Es esencial asegurar un muestreo correcto
y por lo tanto preciso para cancelar la parte sistemática, la parte sesgada del error de
muestreo. Cuando existe un muestreo correcto, el potencial en TOS radica en
caracterizar y minimizar (si no eliminar) la mayor cantidad posible de los errores de
muestreo restantes, ibid .
2.2 . Errores de muestreo
Los resultados analíticos siempre tienen una incertidumbre inherente. Esta
incertidumbre es consecuencia de la imprecisión causada por los errores de muestreo,
además del error analítico final, en todos los eventos desde el momento en que se define
(delinea) la muestra hasta que se completa el procedimiento analítico. El muestreo no
se limita a la materialización real de la muestra, sino que también se compone de todos
los pasos desde la materialización hasta que se administra una alícuota al
analizador. El error de estimación global (GEE) es una suma del error analítico
total (TAE) y el error de muestreo total (TSE):CARAMBA=TAE+EET.
En TOS, el error de muestreo total (TSE) se divide en siete componentes de errores,
algunos de los cuales caracterizan el material muestreado y otros el procedimiento de
muestreo en sí. Cinco errores están presentes en cada etapa de muestreo ( n ). GEE se
puede expresar
como:CARAMBA=TAE+TFE+CFE+∑norte=1norteFSEnorte+GSEnorte+IDEnorte+IEEnorte+IP
Enorte.
Con excepción de IPE n ( error de preparación incorrecto ), todos los errores se
consideran variables aleatorias con un promedio dado (podría ser cero) y una varianza
(nunca cero).
FSE n y GSE n son el error de muestreo fundamental y el error de agrupación y
segregación . Estos componentes de error juntos representan el error práctico mínimo o
el error de muestreo correcto y son errores específicos del material que siempre estarán
presentes en una situación de muestreo. El resto de los errores indexados se refiere a los
equipos y procedimientos de muestreo. Juntos se denominan los errores de muestreo
incorrectas y pueden todos ser eliminados de un esquema de muestreo, aunque esto no
es necesariamente una tarea fácil. Estos aspectos fundamentales se tratan con todo
detalle y profundidad en la literatura básica de TOS [1] ,[2] , [3] , [4] , [5] , [6] .
TFE y CFE ( error de fluctuación de tiempo y error de fluctuación cíclica)
se relacionan solo con el muestreo 1-D, el muestreo de proceso, donde domina una
dimensión. Los lotes 1-D en el ámbito industrial normalmente serían un material que
fluye a través de una tubería o que se realiza en una cinta transportadora. Sin embargo,
un cuerpo conceptual 1-D, por ejemplo, una serie de unidades de producción (bolsas,
sacos, tambores, cajas, etc.) es igual de abierto para el muestreo del proceso.
2.2.1 . Error de muestreo fundamental (FSE); error de agrupación y segregación (GSE)
Las diferencias de composición entre las partículas en un lote siempre resultan en un
error de muestreo (llamado error de muestreo fundamental) porque no todas las
partículas se analizan. El adjetivo "fundamental" se fundamenta en el hecho de que este
error siempre está presente en cualquier situación de muestreo práctica, lo que significa
que incluso un implemento de muestreo perfecto no podrá materializar dos muestras
con la misma composición exacta. El error de muestreo fundamental (FSE) es el error
de muestreo más pequeño posible, pero generalmente habrá otros errores de muestreo
presentes si no se han tomado medidas extremas. El FSE solo puede alterarse
(minimizarse) cambiando la constitución del sistema de material muestreado, por
ejemplo, por conminución o aplastamiento.
El error de agrupación y segregación (GSE) se origina a partir de una tendencia
inherente de las partículas a segregarse y / o agruparse (coherencia espacial en mayor o
menor grado) en un lote. A diferencia de FSE, este error no es invariable, ya que la
mezcla o segregación cambiará (reducirá) su magnitud numérica.
2.2.2 . Error práctico mínimo (MPE)
MPE es, por definición, la suma del error fundamental (FSE) y el error de agrupación y
segregación (GSE):MPE=FSE+GSE.
El mínimo error práctico juega un papel particularmente importante en la variografía .
2.2.3 . Errores de muestreo incorrectos (ISE)
Se cometen diferentes errores durante el muestreo y todos afectan el grado de
representatividad de la alícuota final que ingresa al equipo analítico en el
laboratorio. Los errores de muestreo incorrectos provienen de procedimientos o equipos
de muestreo mal diseñados, mantenimiento no óptimo del mismo o errores
humanos. Sin embargo, son posibles de evitar cuando uno es consciente de su
existencia. Dos de los errores de muestreo incorrectos: el error de deliminación
incorrecto (IDE) y el error de extracción incorrecto(IEE) se refiere a la selección de
material. IDE está relacionado con la forma de la herramienta de muestreo, que extrae
físicamente un incremento del lote. La herramienta debe dividir cuidadosamente la
muestra del volumen de una manera que asegure un proceso de muestreo
reproducible. La delimitación defectuosa, no idéntica, de incrementos es a menudo la
causa de graves errores de muestreo. La EEI se refiere al llenado real de la herramienta
de muestreo. Físicamente, de acuerdo con los requisitos de TOS, todas las partículas
con su centro de gravedad dentro de los límites de la herramienta de muestreo deben
extraerse con el incremento. El error de preparación incorrecto (IPE) se relaciona con
todas las formas de alteracióndel incremento después de que se haya extraído. Esto
podría ser la pérdida de material (por ejemplo, finos o humedad), contaminación u otras
alteraciones del material de muestra.
Todos estos errores de muestreo incorrectos deben eliminarse en lugar de
estimarse [1] , [2] , [3] , [4] , [5] , [6] .
En principio, no hay compensación o negociación con errores de muestreo incorrectos,
pero en la práctica se puede investigar hasta qué punto un esquema de muestreo
específico se desvía de un proceso totalmente representativo para un tipo específico de
material y si se aceptan errores estructurales o no. "Desde un punto de vista
práctico". Si esto se contempla, la argumentación mínima absoluta debe incluir una
evaluación cuantitativa de la magnitud de todos los muestreos y errores analíticos.
Todo esto, y mucho más, se puede lograr en una sola operación, estableciendo una
caracterización de heterogeneidad variográfica del proceso 1-D o del cuerpo material en
cuestión.
2.3 . Muestreo 1-D: el variograma
La verdadera concentración de un componente particular en una corriente de material
(tubería, cinta transportadora, serie de productos) nunca se conoce. La serie conceptual
de concentraciones sucesivas del componente A a lo largo de la dimensión 1 es en
teoría una función continua del tiempo, a ( t ). Para fines prácticos, a ( t ) siempre se
estima extrayendo y analizando incrementos discretos en varios puntos en el tiempo, es
decir, como una función discreta en el tiempo. La frecuencia de muestreo adaptada
determina la resolución de la serie temporal a ( t) y, por lo tanto, la percepción general
del proceso: la frecuencia de muestreo limita nuestro conocimiento de qué tan rápido
varía o fluctúa el proceso. Siempre se debe plantear la pregunta: "¿Cuál es la frecuencia
de muestreo óptima?". Nunca puede haber una respuesta única a esta pregunta, pero
el variograma proporciona una respuesta muy informativa al cuantificar la
autocorrelación en función de la distancia entre los puntos de muestreo (retardos de
tiempo o solo retrasos ).
El variograma se define mediante la siguiente ecuación maestra:ν(j)=12(Q-j)∑q=1Q(hq+j-
hq)2=12(Q-j)unL2∑q=1Q(unq+j-unq)2.Q es el número de incrementos distribuidos
equidistantemente en la serie de tiempo a ( t ), j es el retraso, un parámetro
adimensional que refleja la distancia entre dos incrementos. Las muestras se
caracterizan por las concentraciones analíticas, a q o por la contribución de
heterogeneidad relativa, h q , como se define en la literatura
básica [1] , [2] , [3] , [4] , [5] , [6] ; para el presente propósito son las variaciones
relativas las que más importan. Los variogramas tienen muchas apariencias diferentes,
pero tres características importantes son:umbral , el rango y el efecto de pepita ,
ver Fig.1 .
25% 0.1%
100 25 55 100 25 55