Gasskromatografi og repeterbarhetskrav

Like dokumenter
Regelverkskrav til gasskromatograf (komposisjonsanalyse) v/ Rune Øverland, Trainor Elsikkerhet AS

Repeterbarhetskrav vs antall Trails

Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar.

Statistisk behandling av kalibreringsresultatene Del 2. v/ Rune Øverland, Trainor Elsikkerhet AS

Repeterbarhetskrav vs antall Trails V/ Rune Øverland, Trainor Automation AS

Repeterbarhetskrav vs antall Trails

Kalibreringskurver; på jakt etter statistisk signifikante datapar

Uncertainty of the Uncertainty? Del 3 av 6

Statistisk behandling av kalibreringsresultatene Del 3. v/ Rune Øverland, Trainor Elsikkerhet AS

Usikkerheter i gassparametre ut fra gasskomposisjon

Krysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005.

Uncertainty of the Uncertainty? Del 2 av 6

Tema: Deskriptiv statistikk for kontinuerlige data. Av Kathrine Frey Frøslie,

Statistikk i klinikken. Arild Vaktskjold 2015

Statistisk beskrivelse av enkeltvariabler. SOS1120 Kvantitativ metode. Disposisjon. Datamatrisen. Forelesningsnotater 6. forelesning høsten 2005

Kan vi stole på resultater fra «liten N»?

ÅMA110 Sannsynlighetsregning med statistikk, våren Hypotesetesting (kp. 6) Hypotesetesting. Kp. 6 Hypotesetesting ...

Forkurs i kvantitative metoder ILP 2019

Deskriptiv statistikk., Introduksjon til dataanalyse

Deskriptiv statistikk., Introduksjon til dataanalyse

EKSAMEN. EMNEANSVARLIG: Terje Bokalrud og Hans Petter Hornæs. TILLATTE HJELPEMIDLER: Kalkulator og alle trykte og skrevne hjelpemidler.

Hypotesetesting (kp. 6) ÅMA110 Sannsynlighetsregning med statistikk, våren Tre deler av faget/kurset: 1. Beskrivende statistikk

Nasjonale prøver i lesing, regning og engelsk på 5. trinn 2015

Nasjonale prøver i lesing, regning og engelsk på ungdomstrinnet 2015

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen

ÅMA110 Sannsynlighetsregning med statistikk, våren Hypotesetesting (kp. 6) Hypotesetesting, innledning. Kp.

Krav til måletid for eiendomsmålinger med CPOS - rett kvalitet til rett tid Geodesi- og hydrografidagene 2016 Halvard Teigland og Morten Strand DA

6.2 Signifikanstester

Et lite notat om og rundt normalfordelingen.

Fordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger

Et lite notat om og rundt normalfordelingen.

Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver?

NKKS RAPPORTVEILEDER FOR DEKS-PROGRAM

STK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

NGU Rapport Kulemøllemetoden Erfaringer fra ringanalyser for bedømmelse av kravspesifikkasjoner til metoden.

Forelesning 7 Statistiske beskrivelser av enkeltvariabler. Mål for sentraltendens

Statistikk for språk- og musikkvitere 1

Oppgave 1. Vi må forutsette at dataene kommer fra uavhengige og normalfordelte tilfeldige variable,

MÅLING ANALYSE AV MÅLEDATA VHA SPC

Statistikk og dataanalyse

Statistikk 1. Nico Keilman. ECON 2130 Vår 2014

Hvordan analysere måledata vha statistisk prosesskontroll? Side 2

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Kvalitetskontroller fra Radiometer

Sentralmål og spredningsmål

Konfidensintervall for µ med ukjent σ (t intervall)

Løsningsforslag til obligatorisk oppgave i ECON 2130

Befolkning og velferd ECON 1730, H2016. Regresjonsanalyse

ÅMA110 Sannsylighetsregning og statistikk Løsningsforslag til eksamen høst 2010, s. 1. Oppgave 1. Histogram over frekvenser.

Bedre resultater i Nord-Trøndelag

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.

Informasjon om eksamen SOS Kvantitativ metode

For hver kildestrøm CMR-modellen benyttes for skal dokumentasjonen minst inkludere følgende informasjon relatert til det aktuelle rapporteringsåret:

GC kvalitetsoppfølging

Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen. Digitalt verktøy for Sigma 2P. Microsoft Excel

Introduksjon til statistikk og dataanalyse. Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013

Seksjon 1.3 Tetthetskurver og normalfordelingen

Oppgaver til Studentveiledning 4 MET 3431 Statistikk

Måleusikkerhet ved prøvetaking eksempel på en praktisk tilnærming

1 Grafisk framstilling av datamateriale

Akseptgrenser. De grenser et EKV-resultat bør ligge innenfor for at resultatet skal vurderes som akseptabelt. Akseptgrenser i EKV

Introduction to the Practice of Statistics

Oppgave 1. a) Anlysetype: enveis variansanalyse (ANOVA). Modell for y ij = ekspedisjonstid nr. j for skrankeansatt nr. i:

Eksamen PSY1011/PSYPRO4111: Sensorveiledning

O2-data for lokalitet Rundreimstranda

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 10. juni Ingeniørutdanning. TID: kl EMNEANSVARLIG: Hans Petter Hornæs

Analyse av kontinuerlige data. Intro til hypotesetesting. 21. april Seksjon for medisinsk statistikk, UIO. Tron Anders Moger

Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar Skrevet av Stian Lydersen 16 januar 2013

Sensorveiledning: skoleeksamen i SOS Kvantitativ metode

Sannsynlighetsregning og Statistikk.

Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling

onsdag_19_09_2018_poisson_eksponential_normalfordelng_vikartime_bygg_v2.notebook

Notat 3 - ST februar 2005

Analyseoversikt, Uke 35

Snøtetthet. Institutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk

Løsning eksamen desember 2016

Oppgave 1. Kilde SS df M S F Legering Feil Total

Spredningsberegninger for PAH

Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering

Innhold. Innledning. Del I

Oppdatert usikkerhetshåndbok for fiskale gassmålestasjoner

Hvordan analysere og presentere data? Karin Jensvold, lokal programleder Helse Stavanger 30. august 2017

Formelsamling i medisinsk statistikk

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Oppgaver til Studentveiledning 3 MET 3431 Statistikk

OPPGAVEHEFTE I STK1000 TIL KAPITTEL 5 OG 6. a b

Sampublisering Helsefak og UNN

Skoleeksamen i SOS Kvantitativ metode

Forskriftskrav til radon i skoler og barnehager

Hypotesetest: generell fremgangsmåte

(Det tas forbehold om feil i løsningsforslaget.) Oppgave 1

Secora har i løpet av uke 31 mudret i Bjørvika (30. juli 4. august). De mudrete massene er nedført i dypvannsdeponiet.

a ) Forventningen estimeres med gjennomsnittet: x = 1 12 (x x 12 ) = 1 ( ) = 8813/12 = 734.4

Utvalgsfordelinger (Kapittel 5)

Profil Lavpris Supermarked Hypermarked Totalt. Coop Prix 4 4. Coop Extra Coop Mega 7 7. Coop Obs Rimi Ica Supermarked 7 7

Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen. Digitalt verktøy for Sigma 2P. Microsoft Excel

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger

Effekt av betongslam som kalkingsmiddel og innhold av tungmetaller. Arne Sæbø

Transkript:

Gasskromatografi og repeterbarhetskrav v/ Rune Øverland, Trainor Automation, 2013 Innledning Måleforskriften setter krav i hvilken grad tilfeldige variasjoner skal få påvirke analyseverdier utført av online gasskromatograf. Testen utføres ved at analyseverdier (datapunkter) logges cirka hvert femte minutt over en periode på 48 timer. For at testen skal godkjennes, må mesteparten av datapunktene være innenfor grenser satt av Oljedirektoratet. Sentralverdi ( ) Den beste metoden for å redusere effekten av tilfeldige variasjoner i datapunkter er å repetere målingen, og beregne sentralverdien (gjennomsnittsverdien). Tilfeldige variasjoner rundt sentralverdien Metoden, som kan brukes for å tallfeste spredningen av et utvalg av datapunkter med tilfeldige variasjoner rundt sentralverdien, kalles standardavvik. ( ) ( ) ( ) ( ) hvor er gjennomsnittsverdien i utvalget og N er antall datapunkter i utvalget. Utvalget består av datapunktene, og så videre. er standardavviket og beskriver spredningen. Jo nærmere datapunktene ligger sentralverdien, jo mindre tilfeldige variasjoner kan vi anta påvirker måleresultatene. Tilfeldige variasjoner av punkter rundt datasettets sentralverdi kan ha flere årsaker. I de fleste av tilfellene er variasjonene små, og punktene vil ligge nærmere sentralverdien. Desto lenger vekk fra sentralverdien punktet ligger, desto sjeldnere vil dette inntreffe.

Figur 1: Normalfordeling av tilfeldige variasjoner rundt en sentralverdi ( ). Innenfor intervallet ( ) vil cirka 95,4 % av datapunktene i utvalgsstørrelsen befinne seg. Walter Shewhart arbeidet i 1920-årene i selskapet Bell Telephone Laboratories. Han omtales ofte som den moderne statistikkens far. Han publiserte i 1926 en av sine mange artikler om normalfordelinger. Normalfordelingskurven blir også omtalt som Bell-kurven. Det kan vises at ut i fra en normalfordelingskurve er det cirka 68 % sannsynlighet for et datapunkt i et utvalg vil ligge innenfor intervallet ( ); sentralverdien pluss/minus ett standardavvik (mørkeblått område i figur 1).. Mange industri-normer bruker et krav på to ganger standardavvik som akseptgrenser. Det vil her være cirka 95 prosent sannsynlighet for at et datapunkt ligger innenfor disse grenseverdier ( ). Og likeledes, det vil da være fem prosent sannsynlighet for at et datapunkt ligger utenfor grenseverdiene. I dette tilfellet kan datapunktet være beheftet med så store feil (men også andre feiltyper enn bare tilfeldige variasjoner) at vi forkaster måleresultatet. I all fall bør vi undersøke hvorfor vårt datapunkt ligger såpass langt unna sentralverdien. Måleforskriften Oljedirektoratet har i måleforskriften satt krav til repeterbarhet for alle enkeltkomponenter (metan, etan, propan og så videre) kvantifisert av gasskromatografen. For gasskomponenter med en konsentrasjon ( ) i området 0 til 25 mol prosent, er repeterbarhetsgrensen ( ) for tilfeldige variasjoner 0,02 mol prosent. Og, for gasskomponenter med konsentrasjon ( ) i området 25 til 100 prosent er repeterbarhetsgrensen ( ) 0,05 mol prosent.

Repeterbarhetsgrensene er oppgitt ved to standardavvik ( ), det vil si med en utvidet usikkerhetsfaktor på k = 2. Dermed vil ca 95 % av alle datapunkter for for eksempel metan ligge innenfor sin grenseverdi. Hvordan verifiserer vi etterfølgelse av dette kravet? NORSOK guider oss hvorledes en online gasskromatograf skal testes. NORSOK beskriver at online gasskromatograf skal kontinuerlig testes i 48 timer. En tabell (gjengitt bakerst i denne artikkelen) viser et eksempel med datapunkter fra en slik test. På 48 timer ble det registrert N= 577 analyser; cirka én analyse for hvert femte minutt. For hver av gasskomponentene ble det beregnet sentralverdi. Vi summerer alle 577 enkeltverdier, og dividerer med 577. For metan ble sentralverdien (gjennomsnittsverdien) beregnet til for etan = 8,6104 mol %. = 82,1889 mol %, og Vi kalkulerer deretter spredningen (tilfeldige variasjoner) av enkeltverdier i forhold til sentralverdien. Microsoft Excel har en funksjon som heter STDAV. Denne funksjonen beregner standardavviket ( ) på et utvalg av data. Legger vi inn alle (577) metanverdier inn i cellene A1 til og med A577, kan vi i celle A578 skrive inn: =STDAV(A1:A577) I vårt eksempel ble det beregnet standardavvik for metan på tilsvarende = 0,0044 mol % for etan. = 0,0103 mol %, og Vurdering av observasjoner Statistisk sett vil ( ) = 577 0,68269 = 393 enkeltmålinger ligge innen usikkerhetsintervallet ( ). I et utvidet usikkerhetsintervall ( ), noe som omfatter 95,45 % av utvalgsstørrelsen, vil 577 0,9545 = 550 enkeltmålinger befinne seg. (Statistisk vil 27 enkeltmålinger ligge utenfor disse usikkerhetsgrensene, men dette er akseptabelt slik vi bruker statistikkverktøyene.)

Metan For metan fikk vi beregnet den utvidede repeterbarhetsgrensen ( ) til (2 0,0130) = 0,0259 mol %. Metan har en konsentrasjon (82,1887 mol %) som ligger i intervallet 25 til 100 mol %. Og, vi ser at metanet med denne repeterbarhetsgrensen (0,0259 mol %) klart er mindre enn Oljedirektoratets krav på 0,05 mol %, og dermed godkjent (se figur 2). Etan For etan ble den utvidede repeterbarhetsgrensen ( ) beregnet til ( 2 0,0044) = 0,0087 mol %. Etan har en konsentrasjon på 8,6104 mol %, og ligger i intervallet 0 til 25 mol %, Og, vi ser at etanet med sin utvidede repeterbarhetsgrense (0,0087 mol %) er klart mindre enn Oljedirektoratets krav på 0,02 mol %, og dermed godkjent. Figur 2 (ikke skala!): For 577 datapunkter for etan med sentralverdi 8,6104 mol % var spredningen av tilfeldigheter uttrykt ved 2 (0,0087 mol %) mindre enn kravet (0,02 mol % i intervallet 0 25 mol %) til Oljedirektoratet. For metan med sentralverdi 82,1887 mol % var spredningen av tilfeldigheter uttrykt ved 2 (0,0259 mol %) mindre enn kravet (0,05 mol % i intervallet 25 100 mol %) til Oljedirektoratet. Hva med propan i denne stabilitetstesten? Gjennomsnittlig propankonsentrasjon er kalkulert til 3,4488 mol %. De 577 enkeltverdier som fins i utvalgsstørrelsen hadde et standardavvik (tilfeldige variasjoner) på 0,0157 mol %. Og, i det utvidede intervallet ( ) er denne grenseverdien kalkulert til 0,0314 mol %. Det intervallet, som omfatter 550 enkeltmålinger, er: Nedre grenseverdi: (3,4488 0,0314) = 3,4174 (rød stiplet linje i figur 3) Øvre grenseverdi: (3,4488 + 0,0314) = 3,4802 (rød stiplet linje i figur 3)

Propanet ligger i intervallet 0 til 25 mol %, og da ser vi at den gasskromatografiske repeterbarheten på 0,0314 mol % (oppgitt ved 2 standardavvik) er bredere enn kravet på 0,02 mol %. her; Nedre krav: (3,4488 0,02) = 3,4288 (blå heltrukken linje i figur 3) Øvre krav: (3,4488 + 0,02) = 3,4688(blå heltrukken linje i figur 3) Figur 3 (ikke i skala!): For propan er de 577 tilfeldige variasjonene av en slik størrelse, uttrykt ved 2 (0,0314 mol %) at denne verdien ligger utenfor kravet (0,02mol % i intervallet 0 25 mol %) til Oljedirektoratet. Konklusjonen er at online gasskromatograf ikke besto kravene i Måleforskriften med hensyn til repeterbarhetskrav for enkeltkomponenter i denne testen. Tilfeldige variasjoner i forbindelse med propanmålingene ble for betydelige. Men,... Fra tabellen med de 577 propanmålingene ser vi at de første målingene returnerte verdier rundt 3,46 mol %. På slutten av testserien hadde tyngdepunktet sunket til rundt 3,43 mol %. Det er denne forskyvningen som har bidratt til at det ble for bred variasjon i testserien; ikke nødvendigvis tilfeldige variasjoner. Det må derfor undersøkes hvorfor forskyvningen skjedde, og i mindre grad se etter årsaken til tilfeldige variasjoner. Neste artikkel I den neste artikkelen skal vi vise hvorledes vi vurderer om online gasskromatograf oppfyller måleforskriftens krav til total usikkerhet eller ikke.

Tabell1: Eksempel på resultater fra stabilitetstest (repeterbarhet)/tilfeldige variasjoner