СТАТИСТИЧНИЙ АНАЛІЗ РЕЗУЛЬТАТІВ ЛАБОРАТОРНИХ ДОСЛІДЖЕНЬ ЯК ОДИН З МЕТОДІВ ПІДВИЩЕННЯ КОНКУРЕНТОЗДАТНОСТІ МОЛОКОПЕРЕРОБНОГО ПІДПРИЄМСТВА

  • Ю.І. Сеник Західноукраїнський національний університет; ПрАТ "Тернопільський молокозавод" https://orcid.org/0000-0002-8164-7783
Ключові слова: статистичний аналіз, інтервали, перевірка гіпотези, середнє квадратичне відхилення, дисперсія, конкурентоздатність, молокопереробне підприємство

Анотація

У статті розглянуто застосування інтервалів, як елементу статистичного аналізу результатів лабораторних досліджень. Таким чином, показники середнього значення та дисперсії дозволяють охарактеризувати як досліджуваний зразок, так і методику. Прикладом цього є аналіз результатів дослідження масової частки жиру в молоці різними методами аналізу. Розглянуто підхід для перевірки гіпотез. Гостро це питання стоїть у виробничих лабораторія під час вхідного контролю сировини, інгредієнтів та при дослідженні готового продукту. Якщо на основі експериментальних результатів буде вирішено, що застосовувана методика хибна, можна стверджувати, що вона має систематичну похибку. Наявність таких похибок зумовить отримання недостовірних результатів, що зумовить фінансові і репутаційні втрати для компанії. Саме тому, впровадження статистичного аналізу результатів досліджень дозволить оцінити отриманий продукт та встановити його «відповідність» вимогам покупця.

Посилання

Білецький Е.В., Янушкевич Д.А., Шайхлісламов З.Р. Управління якістю продукції та послуг: навчальний посібник. Харків : ХТЕІ, 2015. 222с.

Савуляк В.В. Управління якістю продукції : навчальний посібник. Вінниця : ВНТУ, 2012. 91с.

Alewijn M., Vander Voet H., Van Ruth S. Validation of multivariate classification methods using analytical fingerprints-Concept and case study on organic feed for laying hens. Journal of Food Composition and Analysis. 2016. Vol. 51. Pр. 15–23.

Armstrong N., Hibbert D.B. An Introduction to Bayesian Methods for Analyzing Chemistry Data. Chemom. Intel. Lab. Syst. 2009. Part 1. Vol. 97. Pр. 194–210.

Medina S. Current trends and recent advances on food authenticity technologies and chemometric approaches. Trends in Food Science & Technology. 2019. Vol. 85. Pр. 163-176.

CX/FICS 18/24/7 Discussion paper on food integrity and food authenticity. Codex committee on food import and export inspection and certification systems. Twenty-Fourth Session. Brisbane, Australia, October 22-26, 2018.

Delgado-Aguilar M., Valverde-Som L., Cuadros-Rodríguez L. Solver, an Excel Application to Solve the Difficulty in Applying Different Univariate Linear Regression Methods. Chemom. Intell. Lab. Syst. 2018. Vol. 178. Pр. 39–46.

Herrero A. Determination of the Capability of Detection of a Hyphenated Method: Application to Spectroelectrochemistry. Chemom. Intell. Lab. Syst. 2002. Vol. 61. Pр. 63–74.

Dong W., Zhang Y., Zhang B. Quantitative analysis of adulteration of extra virgin olive oil using Raman spectroscopy improved by bayesin framework least squares support vector machines. Analytical Methods. 2012. Vol. 4. Pр. 2772–2777.

Feinberg M. Validation of Analytical Methods Based on Accuracy Profiles. Journal of Chromatography A. 2007. Vol. 1158. Pр. 174–183.

García I., Sarabia L., Ortiz M.C., Aldama J.M. Usefulness of D-optimal Designs and Multicriteria Optimization in Laborious Analytical Procedures. Application to the Extraction of Quinolones From Eggs. Journal of Chromatography A. 2005. Vol. 1085. Pр. 190–198.

González A.G., Herrador M.A. Accuracy Profiles from Uncertainty Measurements. Talanta. 2006. Vol. 70. Pр. 896–901.

Knowledge Centre for Food Fraud and Quality. URL: https://knowledge4policy.ec.europa.eu/food-fraud-quality/topic/food-fraud_en.

Huch C.W., Pezzei C.K., Huck-Pezzei V.A.C. An industry pespective of food fraud. Current Opinion in Food Science. 2016. Vol. 10. Pр. 32–37.

Kumar N., Bansal A., Sarma G.S. Chemometrics tools in analytical chemistry: An overview. Talanta. 2014. Vol. 123. Pр. 186–199.

Maning L. Food Fraud: policy and food chain. Current Opinion in Food Science. 2016. Vol. 10. Pр. 16–21.

Ortiz M.C., Herrero A., Sanllorente S., Reguera C. The Quality of the Information Contained in Chemical Measures. Servicio de Publicaciones Universidad de Burgos: Burgos. 2005.

Ortiz M.C., Sarabia L.A., Sánchez M.S. Tutorial on Evaluation of Type I and type II Errors in Chemical Analyses: From the Analytical Detection to Authentication of Products and Process Control. Anal. Chim. Acta. 2010. Vol. 674. Pр. 123–142.

Ortiz M.C., Sarabia L.A., Sánchez M.S., Herrero A. Quality of Analytical Measurements: Statistical Methods for Internal Validation. Chemical and Biochemical Data Analysis. 2020. Pр. 1–52.

Oca M. Robustness Testing in the Determination of Seven Drugs in Animal Muscle by Liquid Chromatography–Tandem Mass Spectrometry. Chemom. Intel. Lab. Syst. 2016. Vol. 151. Pр. 172–180.

Sena M.M., Trevisan M.G., Poppi R.J. Combining Standard Addition Method and Second-Order Advantage for Direct Determination of Salicylate in Undiluted Human Plasma by Spectrofluorimetry. Talanta. 2006. Vol. 68. Pр. 1707–1712.

Reguera C. Study of the Effect of the Presence of Silver Nanoparticles on Migration of Bisphenol A From Polycarbonate Glasses into Food Simulants. Chemom. Intel. Lab. Syst. 2018. Vol. 176. Pр. 66–73.

Spink J. The application of public policy theory to the emerging food fraud risk: next steps. Trends in Food Science & Technology. 2019. Vol. 85. Pр. 116–128.

Biletskyj E. V., Yanushkevych D. A., Shajkhlislamov Z. R. (2015) Upravlinnia iakistiu produktsii ta posluh: navchalnyj posibnyk. [Management of the quality of products and services: a study guide]. Kharkiv: KhTEI. (in Ukrainian)

Savuliak V. V. (2012) Upravlinnia iakistiu produktsii: navchalnyj posibnyk. [Product quality management: a study guide]. Vinnytsia: VNTU. (in Ukrainian)

Alewijn M., Vander Voet H., Van Ruth S. (2016) Validation of multivariate classification methods using analytical fingerprints-Concept and case study on organic feed for laying hens. Journal of Food Composition and Analysis, vol. 51, рр. 15–23.

Armstrong N., Hibbert D. B. (2009) An Introduction to Bayesian Methods for Analyzing Chemistry Data» Chemom. Intel. Lab. Syst, Part 1, vol. 97, рр. 194–210.

Medina S. (2019) Current trends and recent advances on food authenticity technologies and chemometric approaches. Trends in Food Science & Technology, vol. 85, рр. 163–176.

CX/FICS 18/24/7 (2018) «Discussion paper on food integrity and food authenticity». Codex committee on food import and export inspection and certification systems. Twenty-Fourth Session. Brisbane, Australia, October 22-26, 2018.

Delgado-Aguilar M., Valverde-Som L., Cuadros-Rodríguez L. (2018) Solver, an Excel Application to Solve the Difficulty in Applying Different Univariate Linear Regression Methods. Chemom. Intell. Lab. Syst, vol. 178, рр. 39–46.

Herrero A. (2002) Determination of the Capability of Detection of a Hyphenated Method: Application to Spectroelectrochemistry». Chemom. Intell. Lab. Syst, vol. 61 рр. 63–74.

Dong W., Zhang Y., Zhang B. (2012) Quantitative analysis of adulteration of extra virgin olive oil using Raman spectroscopy improved by bayesin framework least squares support vector machines. Analytical Methods, vol. 4, рр. 2772–2777.

Feinberg M. (2007) Validation of Analytical Methods Based on Accuracy Profiles. Journal of Chromatography A, vol. 1158, рр. 174–183.

García I., Sarabia L., Ortiz M. C., Aldama J. M. (2005) Usefulness of D-optimal Designs and Multicriteria Optimization in Laborious Analytical Procedures. Application to the Extraction of Quinolones From Eggs. Journal of Chromatography A, vol. 1085, рр. 190–198.

González A. G., Herrador M. A. (2006) Accuracy Profiles from Uncertainty Measurements. Talanta, vol. 70, рр. 896–901.

Knowledge Centre for Food Fraud and Quality. [Knowledge Center for Food Fraud and Quality]. Available at: https://knowledge4policy.ec.europa.eu/food-fraud-quality/topic/food-fraud_en.

Huch C.W., Pezzei C.K., Huck-Pezzei V.A.C. (2016) An industry pespective of food fraud. Current Opinion in Food Science, vol. 10, рр. 32–37.

Kumar N., Bansal A., Sarma G. S. (2014) Chemometrics tools in analytical chemistry: An overview. Talanta, vol. 123, рр. 186–199.

Maning L. (2016) Food Fraud: policy and food chain. Current Opinion in Food Science, vol. 10, рр. 16–21.

Ortiz M. C., Herrero A., Sanllorente S., Reguera C. (2005) The Quality of the Information Contained in Chemical Measures. [The Quality of the Information Contained in Chemical Measures]. Servicio de Publicaciones Universidad de Burgos. Burgos. Spain.

Ortiz M. C., Sarabia L. A., Sánchez M. S. (2010) Tutorial on Evaluation of Type I and type II Errors in Chemical Analyses: From the Analytical Detection to Authentication of Products and Process Control. Anal. Chim. Acta, vol. 674, рр. 123–142.

Ortiz M. C., Sarabia L. A., Sánchez M.S., Herrero A. (2020) Quality of Analytical Measurements: Statistical Methods for Internal Validation. Chemical and Biochemical Data Analysis, рр. 1–52.

Oca M. (2016) Robustness Testing in the Determination of Seven Drugs in Animal Muscle by Liquid Chromatography–Tandem Mass Spectrometry. Chemom. Intel. Lab. Syst, vol. 151, рр. 172–180.

Sena M. M., Trevisan M. G., Poppi R. J. (2006) Combining Standard Addition Method and Second-Order Advantage for Direct Determination of Salicylate in Undiluted Human Plasma by Spectrofluorimetry. Talanta, vol. 68, рр. 1707–1712.

Reguera C. (2018) Study of the Effect of the Presence of Silver Nanoparticles on Migration of Bisphenol A From Polycarbonate Glasses into Food Simulants. Chemom. Intel. Lab. Syst, vol. 176, рр. 66–73.

Spink J. (2019) The application of public policy theory to the emerging food fraud risk: next steps. Trends in Food Science & Technology, vol. 85, рр. 116–128.

Опубліковано
2023-09-26
Як цитувати
Сеник, Ю. (2023). СТАТИСТИЧНИЙ АНАЛІЗ РЕЗУЛЬТАТІВ ЛАБОРАТОРНИХ ДОСЛІДЖЕНЬ ЯК ОДИН З МЕТОДІВ ПІДВИЩЕННЯ КОНКУРЕНТОЗДАТНОСТІ МОЛОКОПЕРЕРОБНОГО ПІДПРИЄМСТВА. Управління змінами та інновації, (7), 50-57. https://doi.org/10.32782/CMI/2023-7-7