Badania BMPAnaliza

Rozrzut wyników BMP między laboratoriami: skąd się bierze i jak go czytać

Dlaczego ta sama kiszonka daje w różnych laboratoriach różne BMP? Przegląd źródeł rozrzutu, miar (SD, RSD, z-score), przykład i zasady porównywania wyników.

Opublikowano 3 min czytaniaRedakcja Substraty.pl

Analiza próbek biomasy: porcelanowe tygle z wysuszonymi próbkami przed piecem muflowym, waga analityczna i eksykator.
Ilustracja: Substraty.pl (AI, Google Gemini)

Rozrzut wyników BMP między laboratoriami powstaje z kilku źródeł: niejednorodności próbki, różnic w inokulum i I/S, temperatury, metody pomiaru gazu i sposobu obliczeń. Standaryzacja protokołu i kontrola celulozowa zmniejszają rozrzut, ale nie eliminują go, więc wynik BMP należy czytać jako wartość z przedziałem niepewności, a nie jako stałą materiałową. Dobrym nawykiem jest porównywanie wyników z kilku źródeł i ważenie ich według jakości metodyki.

Źródła rozrzutu

Źródło Przykład Wpływ
Próbka inna partia, sposób poboru, rozdrobnienie często największy
Przygotowanie strata lotnych przy suszeniu, błąd VS systematyczny
Inokulum źródło, aktywność, tło wpływa na kinetykę i czasem wynik
I/S zbyt niski → inhibicja może zaniżać wynik
Temperatura 35 vs 38 °C, termofilowy zmienia tempo i czasem uzysk
Pomiar gazu manometria, wolumetria, kalibracja systematyczny
Obliczenia para wodna, warunki normalne kilka–kilkanaście procent
Czas testu 28 d vs do wygaśnięcia zaniżenie dla wolnych substratów

Miary rozrzutu

  • SD (odchylenie standardowe) – w jednostkach wyniku.
  • RSD (CV) – SD/średnia; pozwala porównać różne substraty.
  • Powtarzalność (w jednym laboratorium) i odtwarzalność (między laboratoriami) – dwa różne poziomy; odtwarzalność jest większa.
  • z-score w badaniach biegłości: z = (x − x_ref)/σ; |z| ≤ 2 uważa się zwykle za zadowalający.

Przykład

Pięć laboratoriów badało tę samą kiszonkę: 285, 300, 315, 325, 340 NmL CH₄/g VS.

  • średnia: 313; SD ≈ 21,4; RSD ≈ 6,8%.
  • Gdy wartością odniesienia jest średnia, z-score dla 285 wynosi (285 − 313)/21,4 ≈ −1,3; dla 340 ≈ +1,3. Żadne laboratorium nie wypada poza ±2.
  • Wniosek: zgodność dobra; pojedynczy wynik 340 nie jest „błędny”, ale można go interpretować jako górną część przedziału.

Jak czytać liczby z literatury i baz

  1. Sprawdź metodę (inokulum, I/S, temperatura, czas, obliczenia).
  2. Zwróć uwagę na bazę: VS, TS, FM.
  3. Zwróć uwagę na rodzaj materiału (odmiana, termin zbioru, rozdrobnienie).
  4. Nie łącz bezkrytycznie wyników z różnych metod; jeśli to konieczne, wprowadź wagi.
  5. Podawaj przedział i liczbę źródeł.

Co może zrobić laboratorium

  • Wprowadzić kartę kontrolną celulozy i prowadzić statystykę.
  • Uczestniczyć w badaniach biegłości.
  • Walidować arkusz obliczeń.
  • Ujednolicić przygotowanie próbki i warunki pomiaru.
  • Raportować pełne dane metody.

Co może zrobić zleceniodawca

  • Wymagać metody zgodnej z uznanymi wytycznymi.
  • Zlecić badanie w dwóch laboratoriach przy ważnych decyzjach inwestycyjnych.
  • Dostarczać reprezentatywne próbki i kilka powtórzeń z różnych miejsc.
  • Uwzględniać niepewność w modelach finansowych (scenariusz niski, średni, wysoki).

Wpływ niejednorodności substratu

Nawet idealne laboratorium nie usunie zmienności samego materiału. Kiszonki z różnych pól, odmian i terminów zbioru różnią się tak, że rozrzut biologiczny często przekracza rozrzut analityczny. Dlatego jedna liczba BMP dla „kiszonki kukurydzy” zawsze jest uśrednieniem; w planowaniu warto stosować zakresy, a w eksploatacji — analizy własnych partii.

Wnioski

Interpretując rozrzut, zadaj trzy pytania: czy metoda jest dobrze opisana, czy kontrola celulozowa była poprawna i czy różnice mieszczą się w zakresie typowym dla odtwarzalności. Jeśli tak, wyniki można traktować jako zgodne, a decyzje oprzeć na przedziale. Jeśli nie, warto powtórzyć badanie lub poprosić o uzupełnienie dokumentacji.

Statystyka dla praktyka: ile powtórzeń wystarczy

Trzy powtórzenia to minimum, które pozwala oszacować rozrzut, ale przedział ufności średniej z trzech punktów jest szeroki. Przy ważnych decyzjach (np. kontrakt na dostawę substratu) zasadne jest zwiększenie liczby powtórzeń lub liczby niezależnych próbek materiału. Zmienność między próbkami (partiami) jest zwykle większa niż zmienność między powtórzeniami tej samej próbki, więc więcej próbek daje więcej informacji niż więcej butelek z tej samej.

Jak przedstawiać wynik

Dobrą praktyką jest raportowanie wyniku w formie: średnia ± odchylenie standardowe (n = liczba próbek, k = liczba powtórzeń), z zaznaczeniem zakresu min–max. Dzięki temu odbiorca widzi zarówno centralną wartość, jak i zmienność, i może zbudować scenariusze w modelach finansowych.

Przykład użycia w planowaniu

Jeśli trzy laboratoria dały dla kiszonki 300, 320 i 340 NmL CH₄/g VS, scenariusz bazowy można oprzeć na średniej 320, scenariusz ostrożny na 300, a optymistyczny na 340. Różnica 13% między skrajnymi przekłada się wprost na różnicę w produkcji metanu i przychodach, więc zasługuje na uwagę przy ocenie ryzyka projektu.

Źródła

  1. Holliger C. i in. (2016), Towards a standardization of biomethane potential tests
  2. Hafner S.D., Fruteau de Laclos H., Koch K., Holliger C. (2020), Improving Inter-Laboratory Reproducibility in Measurement of Biochemical Methane Potential (BMP), Water 12(6), 1752

Pytania i odpowiedzi

Jaki rozrzut jest „normalny”?

Dla substratów rolniczych różnice rzędu kilku–kilkunastu procent między dobrze prowadzonymi laboratoriami nie są rzadkością; dla materiałów trudnych lub niejednorodnych bywają większe. Lepiej oceniać zgodność niż żądać identycznych liczb.