14.7: Resumen de capítulos y términos clave

Resumen del Capítulo

Uno de los objetivos de la química analítica es desarrollar nuevos métodos analíticos que sean aceptados como métodos estándar. En este capítulo hemos considerado cómo se desarrolla un método estándar, incluyendo encontrar las condiciones experimentales óptimas, verificar que el método produce precisión y exactitud aceptables, y validar el método para uso general.

Para optimizar un método tratamos de encontrar la combinación de parámetros experimentales que produzca el mejor resultado o respuesta. Podemos visualizar este proceso como similar a encontrar el punto más alto en una montaña. En esta analogía, la topografía de la montaña corresponde a una superficie de respuesta, que es una gráfica de la respuesta del sistema en función de los factores bajo nuestro control.

Un método para encontrar la respuesta óptima es utilizar un algoritmo de búsqueda. En una optimización de un factor a la vez, cambiamos un factor mientras mantenemos constantes todos los demás factores hasta que no haya mayor mejora en la respuesta. El proceso continúa con el siguiente factor, pasando por los factores hasta que no hay mayor mejora en la respuesta.

Este enfoque para encontrar la respuesta óptima a menudo es efectivo, pero generalmente no es eficiente. Un algoritmo de búsqueda efectivo y eficiente es una optimización simplex, cuyas reglas nos permiten cambiar los niveles de todos los factores simultáneamente.

Otro enfoque para optimizar un método es desarrollar un modelo matemático de la superficie de respuesta. Dichos modelos pueden ser teóricos, ya que se derivan de una relación química y física conocida entre la respuesta y sus factores. Alternativamente, podemos desarrollar un modelo empírico, que no tiene una base teórica firme, ajustando una ecuación empírica a nuestros datos experimentales. Un enfoque es utilizar un diseño factorial de 2 ^k en el que cada factor se prueba tanto en un nivel alto como en un nivel bajo, y se empareja con el nivel alto y el nivel bajo para todos los demás factores.

Después de optimizar un método es necesario demostrar que puede producir resultados aceptables. La verificación de un método generalmente incluye el establecimiento de características de un solo operador, el análisis ciego de muestras estándar y la determinación de la robustez del método. Las características de un solo operador incluyen la precisión, precisión y límite de detección del método cuando es utilizado por un solo analista. Para probar contra posibles sesgos por parte del analista, analiza un conjunto de muestras ciegas en las que el analista desconoce la concentración de analito. Finalmente, utilizamos pruebas de robustez para determinar qué factores experimentales deben controlarse cuidadosamente para evitar fuentes de error determinadas o indeterminadas inesperadamente grandes.

El último paso para establecer un método estándar es validar su transferibilidad a otros laboratorios. Un paso importante en el proceso de validación de un método son las pruebas colaborativas, en las que diferentes laboratorios analizan un conjunto común de muestras. En una prueba colaborativa bien diseñada es posible establecer límites para la precisión y precisión del método.

Términos Clave

Diseño factorial de 2 ^k análisis ciego dependiente modelo empírico La diferencia menos significativa de Fisher independiente respuesta algoritmo de búsqueda modelo teórico varianza dentro de la muestra

análisis de varianza diseño compuesto central efectivo factor Optimización simplex de tamaño fijo óptimo local superficie de respuesta simplex validación

varianza entre muestras pruebas colaborativas eficiencia nivel de factor Óptimo global optimización de un factor a la vez pruebas de robustez método estándar Optimización simplex de tamaño variable