主题：【第八届原创】FOSS在线近红外Profoss误差分析

使用ProFoss过程中，也许会碰到ProFoss误差较大，跟化验室的结果对不上。而且似乎也不能简单通过调截距来改善，因为截距不稳定，有时差这些，有时差那些。今天调了一个截距，明天系统误差又变化，结果又不好了。
有的时候，ProFoss结果跟化验室结果不一样，不知该相信哪一个？

还经常有人问， ProFoss准确度能达到多少？比如水分误差能不能小于±0.1%？蛋白误差能不能小于±0.3%？
这样的问题，困扰着很多人，影响我们愉快的使用ProFoss。
所以在此分享一下我对这些问题的看法，希望对ProFoss使用有帮助，开始之前，先举个例子吧：
小明是一家公司的ProFoss技术员，这天他们生产豆粕，假设蛋白真实值是43%。假设ProFoss检测结果100%准确，也是43%。（这些假设小明都不知道）。为了验证一下ProFoss误差，小明到线上取样化验，化验结果是42.7%。跟ProFoss结果比，实验室低了0.3%，为了让ProFoss跟实验室一致，小明就把ProFoss结果下调了0.3%。然后ProFoss结果变成了42.7%。然后小明又取了一个样品，还是相同的样品，真实值还是43%（小明不知道），这次实验室化验结果是43.3%，跟ProFoss结果对比，实验室高了0.6%。小明心想：调了截距后误差怎么变大了呢？于是又根据这次结果把ProFoss往上调了0.6%。ProFoss结果变成了43.3%。为了验证这次有没有调好，他又取了个样品，豆粕还是相同的豆粕（小明不知道），化验结果，这次是42.5%。这次，ProFoss结果高了0.8%！
误差怎么越调越大呢？！小明疑惑了！ProFoss不好用吧？！
100%准确的ProFoss最终被算出有0.8的误差，为什么？小明忽视了什么问题呢？

答案是：重复性，即精确度。
这个例子，是我们假设ProFoss本身误差为0，没有取样误差等因素的影响情况下，我们得到的误差，真实情况下，还要考虑ProFoss的本身误差，取样误差等的影响，所以我们得到的误差可能会更大，但这个误差是不真实的，真实误差其实并没有这么大！
从这个例子我们得到的最重要的信息是：

要想准确衡量ProFoss的误差，实验室本身的重复性，即精确性非常重要。相同的样品我们要保证能得到相同的结果！
下面我们就来分析一下影响“ProFoss误差”的一些重要因素:
1、取样误差

取样误差是指，取样取到的样品跟ProFoss检测到的样品不一致造成的误差。比如ProFoss检测到的样品是A，而取到的样品是B，用B的化验结果去跟A的结果对比，当然会有误差。当检测的产品不均匀时，最容易出现取样误差。
最常见的，用巴西豆生产43规格的豆粕时，就很容易有取样误差。这也是有人反映巴西43粕误差较大的原因。
那怎么检验有没有存在取样误差呢？
最简单的方法就是，短时间内连续取至少5个样品做常规化验，然后对比这几个样品各指标，比如水分、蛋白的差异情况。差异越大，波动越大，说明越容易存在取样误差。此外，我们可以通过计算这几个样品的标准偏差、极差来评价取样误差具体有多大。
2、样品制备误差
样品制备误差是指对样品进行前处理的过程中带来的误差。
最常见的样品制备误差，可以由分样不均匀，或者混合不均匀造成，导致实际化验的样品不能代表这份样品的真实结果。所以不均匀的样品，容易出现样品制备误差。
最常见的例子，还是43规格的巴西豆粕，非常容易出现样品制备误差。
评价样品制备误差的简单方法是，将样品按日常处理方法，分成至少5份进行化验，然后比较这几个样品的化验结果。差异越大，波动越大，样品制备误差越大。
可以通过计算这几个样品的标准差、极差来评价样品制备误差的具体大小。
3、化验误差
化验误差是指化验过程中造成的误差。
化验误差受化验方法，设备，试剂，人员熟练程度等因素的影响。评价化验误差可以用化验精确度跟化验准确度来衡量。
对校正ProFoss来讲，化验的精确度比准确度更加重要，且重要的多！
评价化验误差（主要指精确度）的方法是：
相同的样品重复化验5-10次，或者更多次数。比较各指标的差异，波动情况，差异越大，则化验误差越大，精确度越差。
可以用标准偏差、极差来衡量精确度的具体水平。
最好的方法是让平时实际操作的不同人员，在不同时间，按照平时的方法，分别做重复检测，然后做综合的标准偏差、极差。这样最能接近实际情况下实验室的真实的精确度情况。
4、ProFoss本身误差
ProFoss误差是指ProFoss本身的误差，这才是ProFoss的真实误差。
它主要由ProFoss硬件条件，ProFoss使用的定标方程决定。目前ProFoss硬件能够达到0.02nm的精确度，所以硬件方面带来的误差很小。
所以ProFoss本身误差主要是指定标方程的误差。
定标方程的好坏，由做定标方程的标准样品的质量决定。需要注意的是：前面提到的三种误差，即取样误差、样品制备误差、化验室误差此时还决定了做定标方程时，使用的标准样品的质量，最终影响了定标方程的质量。
因此，想用好ProFoss，有一个精确度足够好的化验室很重要。
综上所述，我们最终计算得到的误差实际上是：取样误差+样品制备误差+化验误差+ProFoss本身误差的一个综合误差。
即使ProFoss误差本身很小，如果这些误差过大，我们也会得到一个很大的误差。
有的时候这几个误差互相抵消，我们就能得到很小的误差，有的时候这几个误差互相叠加，我们就得到很大的误差。但是无论抵消还是叠加情况下的误差，都不是真实的误差。
从一定意义上讲，真正的ProFoss误差应该是扣除了这些误差的影响时的误差，即与真实值的误差。

而如果你不明白这个道理，那么当你得到一个较大误差时，你很可能就会像小明那样得出一个结论：ProFoss不好用！
同样的ProFoss，有人用的好，有的不理想，非常大一部分就是因为这个原因。
那么存在这么多影响因素，是不是ProFoss根本就没法用好呢？
其实，这些误差跟ProFoss没有任何关系，是一直存在的，只不过之前没有对比，我们没有发现罢了，而当我们有了ProFoss，跟化验室结果对比时，才发现了这个问题。
所以有时实验室结果也并不是非常可靠的！
比如还是小明这个例子。同样是43蛋白的豆粕，有时化验结果是42.5，有时是43.3。这样的结果报给生产控制人员，就会误导他们一会调高蛋白，一会调低蛋白。最终导致产品波动过大，不合格率增加。
在这方面，实验室就不如ProFoss可靠了！因为ProFoss结果只受它本身误差的影响。

跟其他刚刚进入应用领域的设备一样，目前人们对ProFoss的使用有误区，不熟练。这是很正常的。随着我们不断使用，以及对在线近红外使用的不断探索，对在线近红外这门技术的使用肯定会越来越纯熟，在线近红外带给我们的帮助也会越来越多。