Linearitäts- und Bias-Studie (Linearity & Bias Study)

Die Linearitäts- und Bias-Studie ist eine statistische Analyse, die Richtigkeit und Präzision eines Messgeräts oder Analyseverfahrens bewertet. Dabei wird ermittelt, inwieweit das Gerät oder Verfahren Ergebnisse liefert, die mit einem bekannten Normal oder Referenzmaterial übereinstimmen.

Zuletzt geprüft

Kernaussage

Die Linearitäts- und Bias-Studie ist eine statistische Analyse, die Richtigkeit und Präzision eines Messgeräts oder Analyseverfahrens bewertet.

Auf dieser Seite
  1. Was ist eine Linearitäts- und Bias-Studie?
  2. Wann wird eine Linearitäts- und Bias-Studie eingesetzt?
  3. Hinweise zur richtigen Anwendung der Linearitäts- und Bias-Studie
  4. Alternativen: Wann Sie keine Linearitäts- und Bias-Studie verwenden sollten
  5. Beispiel für eine Linearitäts- und Bias-Studie  
  6. Anleitung: Linearitäts- und Bias-Studie durchführen

Was ist eine Linearitäts- und Bias-Studie?

Die Linearitäts- und Bias-Studie ist eine statistische Analyse, die Richtigkeit und Präzision eines Messgeräts oder Analyseverfahrens bewertet. Dabei wird ermittelt, inwieweit das Gerät oder Verfahren Ergebnisse liefert, die mit einem bekannten Normal oder Referenzmaterial übereinstimmen.

Linearität bezeichnet die Fähigkeit eines Geräts oder Verfahrens, Ergebnisse zu liefern, die direkt proportional zur Menge des gemessenen Analyten sind. Ein linearer Zusammenhang ist ideal, weil er genaue und verlässliche Messungen über einen Konzentrationsbereich hinweg ermöglicht.

Bias (systematische Messabweichung) bezeichnet dagegen einen systematischen Fehler, durch den Messwerte durchgängig vom wahren Wert abweichen. Ein Bias kann positiv (Überschätzung des wahren Werts) oder negativ (Unterschätzung des wahren Werts) sein. Es ist wichtig, einen Bias zu erkennen und zu korrigieren, um genaue Messungen sicherzustellen.

Wann wird eine Linearitäts- und Bias-Studie eingesetzt?

Linearitäts- und Bias-Studien werden typischerweise eingesetzt, um Richtigkeit und Präzision eines Messgeräts oder Analyseverfahrens zu bewerten. Sie sind besonders wichtig in Branchen, in denen genaue und verlässliche Messungen entscheidend sind, etwa im Gesundheitswesen, in der Pharmaindustrie und in der Umweltanalytik.

Linearitäts- und Bias-Studien werden häufig in folgenden Situationen eingesetzt:

  • Methodenvalidierung: Bevor ein neues Messverfahren für Routineprüfungen eingesetzt werden kann, muss es validiert werden, um sicherzustellen, dass es genaue und verlässliche Ergebnisse liefert. Eine Linearitäts- und Bias-Studie ist ein wesentlicher Bestandteil der Methodenvalidierung.
  • Qualitätskontrolle: Linearitäts- und Bias-Studien können Teil eines Qualitätskontrollprogramms sein, um sicherzustellen, dass ein Gerät oder Verfahren innerhalb zulässiger Grenzen arbeitet.
  • Fehlersuche: Liefert ein Gerät oder Verfahren unerwartete Ergebnisse, kann eine Linearitäts- und Bias-Studie helfen, Probleme im Messsystem zu erkennen.
  • Ringversuche zwischen Laboren: In Studien an mehreren Standorten kann eine Linearitäts- und Bias-Studie sicherstellen, dass die Ergebnisse zwischen verschiedenen Laboren übereinstimmen.

Insgesamt ist eine Linearitäts- und Bias-Studie ein wertvolles Werkzeug, um Richtigkeit und Präzision eines Messgeräts oder Analyseverfahrens zu beurteilen, und kann in vielen Umgebungen eingesetzt werden, um hochwertige Ergebnisse sicherzustellen.

Hinweise zur richtigen Anwendung der Linearitäts- und Bias-Studie

  • Jedes Referenzteil muss einen bekannten Messwert haben
  • Die Daten sollten in zufälliger Reihenfolge erhoben werden
  • Wählen Sie Teile aus, die den tatsächlichen oder erwarteten Messbereich abdecken
  • Ein einziger Bediener sollte alle Messungen durchführen
  • Ein Referenzwert ist der bekannte Normalmesswert des Referenzteils.

Alternativen: Wann Sie keine Linearitäts- und Bias-Studie verwenden sollten

  • Wenn Sie gekreuzte Daten haben, verwenden Sie eine gekreuzte Gage R&R-Studie (Crossed Gage R&R Study), um Ihr Messsystem umfassend zu analysieren.
  • Wenn Sie dagegen geschachtelte Daten haben, verwenden Sie eine geschachtelte Gage R&R-Studie (Nested Gage R&R Study), um Ihr Messsystem vollständig zu bewerten.

Beispiel für eine Linearitäts- und Bias-Studie  

Um Linearität und Bias eines Prüfmittels zu bewerten, mit dem Innendurchmesser von Lagern gemessen werden, wählte eine Ingenieurin fünf Teile aus, die den erwarteten Messbereich abdecken. Sie ermittelte den Referenzmesswert jedes Teils durch eine Layoutprüfung, und ein Bediener maß jedes Teil in zufälliger Reihenfolge 12-mal. In einer früheren Analyse hatte die Ingenieurin eine gekreuzte Gage R&R-Studie nach der ANOVA -Methode durchgeführt und festgestellt, dass die gesamte Studienstreuung 16.5368 betrug. Sie ist dabei in folgenden Schritten vorgegangen:

  1. Sie hat den ganzen Tag gearbeitet und die erforderlichen Daten erhoben.
  1. Nun analysiert sie die Daten mithilfe von https://statsai.zometric.com/
  2. Im Werkzeug gibt sie die Daten ein. Außerdem trägt sie als Prozessstreuung 16.5368 ein.
  3. Nach Anwendung des oben genannten Werkzeugs erhält sie folgende Ausgabe:
Linearity & Bias Study — figure 1

Anleitung: Linearitäts- und Bias-Studie durchführen

Gehen Sie wie folgt vor:

  1. Melden Sie sich bei Zometric Statistical Software an: https://statsai.zometric.com/
  2. Auf der Startseite finden Sie Linearity & Bias Study unter Measurement System Analysis.
  3. Klicken Sie auf Linearity & Bias Study , um zum Dashboard zu gelangen.
  4. Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie hier ein (Strg+V).
  5. Geben Sie anschließend den Wert der Prozessstreuung ein.
  6. Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.

Auf dem Dashboard der Linearity & Bias Study ist das Fenster in zwei Bereiche geteilt.

Linearity & Bias Study — figure 2

Im linken Bereich befindet sich der Datenbereich (Data Pane). Im Data Pane bildet jede Zeile eine Teilgruppe. Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Strg+C) und hier eingefügt (Strg+V) werden.

Im rechten Bereich stehen folgende Optionen zur Verfügung:

  • Repeatability estimation method:
    • Sample range: Das Verfahren zur Schätzung der Wiederholbarkeit über die Stichprobenspannweite dient dazu, Präzision und Wiederholbarkeit eines Messsystems zu beurteilen. Dabei wird eine Reihe von Proben ausgewählt, die den erwarteten Messbereich des Systems abdecken, und jede Probe wird mehrfach gemessen, typischerweise mindestens 10-mal.
    • Sample standard deviation: Das Verfahren zur Schätzung der Wiederholbarkeit über die Stichprobenstandardabweichung ist ein weiterer Ansatz, um Präzision und Wiederholbarkeit eines Messsystems zu beurteilen. Dabei wird eine Reihe von Proben mehrfach gemessen, typischerweise mindestens 10-mal, und anschließend die Stichprobenstandardabweichung der Wiederholungsmessungen berechnet.
  • Process variation: Die Prozessstreuung ist die Streuung, die dem Prozess oder Verfahren innewohnt, mit dem die Messungen durchgeführt werden. Diese Streuung ist von der Streuung durch das Messsystem selbst getrennt.

Häufig gestellte Fragen

Was ist eine Linearitäts- und Bias-Studie?

Eine Linearitäts- und Bias-Studie bewertet die Richtigkeit eines Messgeräts oder Analyseverfahrens, indem sie prüft, wie gut seine Ergebnisse mit einem bekannten Normal oder Referenzwert übereinstimmen. Linearität ist die Fähigkeit, über den gesamten Bereich Ergebnisse zu liefern, die direkt proportional zur gemessenen Menge sind. Bias ist ein systematischer Fehler, durch den Messwerte durchgängig höher oder niedriger als der wahre Wert ausfallen.

Wann sollte man eine Linearitäts- und Bias-Studie für ein Prüfmittel durchführen?

Setzen Sie sie zur Methodenvalidierung ein, bevor ein neues Messverfahren in die Routineprüfung geht, als Teil eines Qualitätskontrollprogramms, um zu bestätigen, dass ein Gerät innerhalb zulässiger Grenzen arbeitet, zur Fehlersuche bei unerwarteten Ergebnissen sowie bei Ringversuchen zwischen Laboren, um zu prüfen, ob die Ergebnisse zwischen den Standorten übereinstimmen.

Wie sollte man die Daten für eine Linearitäts- und Bias-Studie erheben?

Jedes Referenzteil muss einen bekannten Referenzmesswert haben. Wählen Sie Teile aus, die den tatsächlichen oder erwarteten Messbereich abdecken, erheben Sie die Daten in zufälliger Reihenfolge und lassen Sie alle Messungen von einem einzigen Bediener durchführen. Im Beispiel wurden fünf Lagerteile mit Referenzmesswerten von einem Bediener jeweils 12-mal gemessen.

Wann sollte man statt einer Linearitäts- und Bias-Studie eine Gage R&R-Studie verwenden?

Eine Linearitäts- und Bias-Studie betrachtet die Richtigkeit gegenüber Referenzwerten. Um das Messsystem umfassender zu analysieren, verwenden Sie bei gekreuzten Daten eine gekreuzte Gage R&R-Studie und bei geschachtelten Daten eine geschachtelte Gage R&R-Studie. Die gesamte Studienstreuung aus einer Gage R&R kann in der Linearitätsstudie als Prozessstreuung eingegeben werden.