代表性抽样:为什么它如此重要,我们如何实现它

下载PDF.

取样或采取较大人口的子集是一种分析技术,这些技术已经使用了多年,并且应用于大多数研究领域。化学产品的采样可以有助于提高产量,减少浪费,增加利润率,并提供更快的吞吐量。

图1 - 基于正态分布的经验(68-95-99.7)规则的视觉表示。(克尼勒)

抽样是一种统计过程,其中从更大的项目中收集较小的集合以进行进一步处理;统计上讲,预计样品将是整体人口的准确代表。如果样品随机捕获较大人群的横截面,则在样本中研究的数据通常遵循正常或高斯分布。术语“正态分布”可以为一些铃声响铃,因为采样数据点的曲线沿钟曲线的形状遵循。正常分布使得大约68%的数据在1标准偏差范围内下降,95%的数据落在2个标准偏差范围内,并且在3个标准偏差范围内下降约99%的数据。

换句话说,如果过程正常运行,则样本中的68%的颗粒应该位于1标准偏差范围内,从群体内的粒子的平均值。这种采样方法假设获得样本的完全随机方法;然而,从实际过程中获得准确的样本通常呈现许多障碍。

获得一个好的样本并不像你想象的那么容易

获得化学过程的代表性样本对于了解最终产品非常重要,但在现实世界应用中可能非常具有挑战性。您不仅可以通过不正确的技术获取统计或采样误差,但如果为该过程设计不当,则可以从一开始就通过设计错误。当用户确定需要对质量,环境或其他目的进行质量,环境或其他目的进行采样时,采样系统必须具有仔细的工程设计,以便始终实现最佳“代表”样本。因此,有很多途径差的工程设计可能导致质疑的样本。

图2 - 样品阀技术和最佳实践在有最小化死量的存在。

系统的设计起着重要作用

如果仔细考虑未收集代表性样本,可以轻松地创建简单的设计缺陷。例如,将样品系统返回线返回到与样本系统供应线的相同位置,因为样品系统供应线是新手错误,因为没有任何差压,因此没有有效的流动。通常,采样系统设计包括所谓的“快环”或“速度环”:快速环是采样线,其中样品供应压力高于过程返回侧,产生流量。安装入口和出口阀门通常会保持关闭,直到样品被采用,可以使产品在阀门关闭时积聚在阀门的死区中。如果操作员打开阀门并且不允许足够的时间去除或冲洗停滞材料,则会收集不准确的样品。在这种情况下,最终解决方案将添加返回线回来处理,以通过采样系统连续地流动样本,直到您收集的样本是在主线中实际生产的一定程度的确定性样本正在采取的时刻。Additionally, if the sample isn’t continuously flowing or there is residual product in dead space before the sampling valve, the system should be flushed and/or adequately purged to remove any debris or leftover matter before collecting a sample as this helps eliminate cross contamination.

那么,你在采集样品之前等待多长时间?

传感器采样系统是一家位于德克萨斯州休斯顿的抢取系统制造商已经生产了一个方便的流动滞后计算器,以帮助解决采样系统的这种特定问题,以帮助用户轻松确定他们需要多长时间循环在系统内的过程才能抓住样品之前。

在建设流动滞后计算器时,重要的是要理解,许多变量可以影响流速,同样地,直到样本被认为是代表性的所需的等待时间。例如,采样系统中的许多主要部件(例如阻挡阀,采样阀,管道,配件等)都可以产生流动的限制。近似所需的时间,我们需要查看系统内置的所有部件的CV - 然后可以使用CV值来计算流量通过系统。从那里,只需通过了解采样系统管道的长度和尺寸以及先前确定的流量来容易地确定等待时间。

保持类似于生产批处理的采样条件是在设计采样系统时需要考虑的另一个因素。作为示例,一个过程的媒体可能需要。用温度控制的热迹线取出线路,或者另一个过程可能需要一种可以保持压力的采样容器,从而不会发生材料状态变化。尽可能接近生产过程点的抽样也有助于防止问题。以同样的方式,吹扫线是必要的,因为对于一些金属,残留物质实际上可以影响先前批次的测试结果。

抽样理论在统计中众所周知;简单地说,采样理论试图降低产品组合物的异质性,直至实现完美的均匀性。在抽样理论中,均匀性被定义为“零异质性”的极限。(Lars Petersen)

此外,产品的异质性分解为2个组分:构成和分布。

  1. 构成异质性定义了批量的物理或化学性质,而分布式异质性限定了间隔性质,例如批次或连续流内的时间或位置。通过改变流或批次的物理分量可以减少构成异质性。为了使其不同,采样流动的产品混合物可能需要对各个组分的输入修改,以减少最终产品的构成异质性。实际上,宪法异质性永远不会完全均匀,因为仍然可以在分子水平仍然有微小的差异。相比之下,构成异质性总是大于分布式异质性。
  2. 通过抽样方法可以减少分布的异质性 - Petersen假设3个因素有助于分布式异质性的幅度:构成异质性(例如材料类型和尺寸等),在批料或流内提取的样品尺寸和空间分布(例如连续批次相隔2分钟,或者分开每3英寸)。(Lars Petersen)

收集您的流程数据

在为客户设计采样系统时,工程师必须对应用程序及其收集的过程条件密切熟悉。为了提供最高的安全程度,采样系统工程师需要完全理解该过程的操作条件,例如:采样的工作压力,工作温度,流量,粘度,介质,以及所采样的线条的尺寸。它们不仅需要了解这些过程值,但工程师还需要了解特定的公司要求关于抽样。该公司正在为系统设计的公司提供标准或要求,以获取其产品以获得“真正的代表性样本”。P&ID对系统的设计非常有益,通常,预期在设计时将是预期的。在大多数情况下,这些图已经识别过程中的采样点,具有必要的过程条件,管道尺寸等。

绝大多数采样系统需要一个返回线,以便将剩余的未摄影样本返回到流程或暂时流动以闪光。返回管线还通过允许允许剩余材料从系统中施加,或者通过允许批次推动的材料直到适当的混合,或者客户可能具有的其他考虑因素,从而导致产品的良好代表。识别快速循环的位置将有助于获得代表性样本的成功;这些快循环位置通常应具有5-15psig的差异,但取决于粘度或材料化妆可能需要在样品供应管线和样品返回管线之间更高的差压。这反过来又可以帮助材料自由地流过采样站,防止随着时间的推移和污染,并确保始终准备收集代表性样本。

为了减轻许多这些潜在的设计陷阱,它有助于使用具有特定于抓取采样的经验的工程团队。客户工程师可能熟悉采样所需的过程,但可能没有考虑所有设计挑战,以使采样系统有效地捕获真正的代表性样本。每一个过程如果没有正确预期,从一个线或从一个工厂与一个工厂有一个细微的差异,并且这些微妙之处会随着时间的推移而产生无法预料的问题。抓取采样应用设计并不像听起来那么简单;它通常采用非常具体的,定制的每种应用方法,以确保以最安全的方式获得最佳潜在代表性样本。一家员工面临着与抽样相关的许多障碍的工作人员在整个系统的成功中发挥着关键作用。


参考文献

Kernler,丹。文件:经验规则.png。2014年30 10日。2018年23日04

Lars Petersen,&Kim Esbensen。“代表性流程采样,用于可靠数据分析 - 教程。”Chemometics学报(2005):625-647。


Michael Bequette,P.E.- 工程副总裁,SOR公司188比分直播足球比分直播

Michael Bequette在电气工程中具有双本科学位,以及堪萨斯州立大学的理论物理。他拥有堪萨斯大学电气工程硕士学位,以及帕克大学的工商管理硕士学位。Michael在石油和天然气空间以及航空航天,玻璃,纸浆和纸上拥有23年的经验,以及水/废水。Michael是多个州的许可专业工程师,拥有4项光纤产品开发和电容故障位置,是IEEE的高级成员。


打印