Reference materials: selection of algorithm for estimating the certified value and its uncertainty based on the results of an interlaboratory experiment

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The use of reference materials is the most accessible tool for ensuring metrological traceability of measurement results in various industries, and the main criterion for selecting a reference material is its metrological characteristics, including the uncertainty of the certified value and verified metrological traceability. One of the sources of uncertainty of a reference material is the characterization method selected by the producer. The article describes a method for characterizing a reference material based on the results of an interlaboratory experiment using algorithms from GOST 8.532-2002 “State system for ensuring the uniformity of measurements. Certified reference materials of composition of substances and materials. Interlaboratory metrological certification”, ISO 33405:2024 “Reference materials – Approaches for characterization and assessment of homogeneity and stability” and other documents. The validity of the uncertainty of the certified value of a reference material based on the results of an interlaboratory experiment is analyzed. It is shown that in some cases the above uncertainty of the certified value is significantly lower than the uncertainty of the measurement methods used in the given interlaboratory experiment, and in some cases, it is lower than the uncertainty of the calibrators used, including reference materials. In this case, developers and producers of reference materials have the illusion of high accuracy of reference material characterization by the interlaboratory experiment comparable to methods based on the use of standards. The article describes cases of unreasonable uncertainty underestimation of the certified value of a reference material, for example, due to the so-called “dark uncertainties” of the participants in the interlaboratory experiment, due to the low efficiency of the method of mathematical processing of the interlaboratory experiment results associated with the unreasonable exclusion from the estimation of the certified value of the reference material of the results obtained in certain laboratories, as well as due to the inadequacy of the statistical model underlying the algorithms for processing the results of the interlaboratory experiment to actual experimental data. Various algorithms for estimating the certified value and standard uncertainty from the characterization of a reference material based on the results of an interlaboratory experiment are analyzed. It is shown that the approach proposed by Maurice Cox is effective for estimating the uncertainty from characterization in terms of high resistance to outliers. Based on this approach, the authors of the article have developed their own algorithms that can be used to estimate the commutability of reference materials and for other purposes. In order to increase confidence in the results of determining the metrological characteristics of reference materials in the Russian Federation and to ensure harmonization with international documents, it is recommended to use the Maurice Cox algorithm when revising GOST 8.532-2002.

About the authors

E. P. Sobina

UNIIM – Affiliated Branch of the D. I. Mendeleyev Institute for Metrology

Email: Sobina_egor@uniim.ru
ORCID iD: 0000-0001-8489-2437

P. M. Aronov

UNIIM – Affiliated Branch of the D. I. Mendeleyev Institute for Metrology

Email: AronovPM@uniim.ru
ORCID iD: 0000-0003-0601-0704

P. V. Migal

UNIIM – Affiliated Branch of the D. I. Mendeleyev Institute for Metrology

Email: mig@uniim.ru
ORCID iD: 0000-0003-1951-9868

V. V. Studenok

UNIIM – Affiliated Branch of the D. I. Mendeleyev Institute for Metrology

Email: studenok@uniim.ru
ORCID iD: 0000-0002-3363-3133

S. V. Medvedevskikh

D. I. Mendeleyev Institute for Metrology

Email: s.v.medvedevskih@vniim.ru
ORCID iD: 0000-0003-3084-1612

References

  1. Matschat R., Richter S., Vogl J. et al. On the way to SI traceable primary transfer standards for amount of substance measurements in inorganic chemical analysis. Analytical and Bioanalytical Chemistry, 415, 3057–3071 (2023). https://doi.org/10.1007/s00216-023-04660-4 ; https://elibrary.ru/wwxkpu
  2. Barwick V. J. (eds.). Eurachem Guide: Terminology in Analytical Measurement – Introduction to VIM 3. 2nd ed. (2023).
  3. CCQM Guidance note: Estimation of a consensus KCRV and associated Degrees of Equivalence. BIPM (2013), available at: https://www.bipm.org/documents/20126/28430045/working-document-ID-5794/49d366bc-295f-18ca-c4d3-d68aa54077b5 (аccessed: 12.05.2025).
  4. Mandel J., Paule R. C. lnterlaboratory Evaluation of a material with unequal numbers of replicates. Analytical Chemistry, 42(11), 1194–1197 (1970). https://doi.org/10.1021/ac60293a019
  5. Mandel J., Paule R. C. Interlaboratory evaluation of a material with unequal numbers of replicates (correction). Analytical Chemistry, 43(10), 1287 (1971). https://doi.org/10.1021/ac60304a001
  6. DerSimonian R., Laird N. Meta-analysis in clinical trials. Controlled Clinical Trials, 7(3), 177–188 (1986). https://doi.org/10.1016/0197-2456(86)90046-2
  7. DerSimonian R., Laird N. Meta-analysis in clinical trials revisited. Contemporary Clinical Trials, 45(A), 139–145 (2015). https://doi.org/10.1016/j.cct.2015.09.002
  8. Huber P. J. Robust estimation of a location parameter. The Annals of Mathematical Statistics, 35(1), 73–101 (1964). https://doi.org/10.1214/aoms/1177703732
  9. Beaton A. E., Tukey J. W. The fitting of power series, meaning polynomials, illustrated on band-spectroscopic data. Technometrics, 16(2), 147–185 (1974). http://dx.doi.org/10.1080/00401706.1974.10489171
  10. Мостеллер Ф., Тьюки Д. Анализ данных и регрессия. В 2-х т. Т. 1. Финансы и статистика, Москва (1982).
  11. Cox M. G. The evaluation of key comparison data. Metrologia, 39, 589–595 (2002). https://doi.org/10.1088/0026-1394/39/6/10
  12. Cox M. G. The evaluation of key comparison data: Determining the largest consistent subset. Metrologia, 44(3), 187– 200 (2007). https://doi.org/10.1088/0026-1394/44/3/005
  13. Аронов П. М. Оценка согласованного значения результатов межлабораторных измерений с минимальным увеличением их неопределённости. Эталоны. Стандартные образцы, 15(4), 49–52 (2019). https://doi.org/10.20915/2077-1177-2019-15-4-49-52 ; https://elibrary.ru/glzghv
  14. Аронов П. М., Собина Е. П., Мигаль П. В. и др. Новые алгоритмы оценивания значения аттестуемой характеристики стандартных образцов веществ и материалов способом межлабораторной аттестации. Эталоны. Стандартные образцы, 19(3), 93–102 (2023). https://doi.org/10.20915/2077-1177-2023-19-3-93-102 ; https://elibrary.ru/dqjizj
  15. Cochran W. G. The combination of estimates from different experiments. Biometrics, 10, 101–129 (1954). https://doi.org/10.2307/3001666

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».