Qu’est-ce qu’un QCRM (matériau de référence interne pour le contrôle de la qualité)

Les QCRM permettent à votre laboratoire de vérifier l’absence de dérive dans ses résultats

Un QCRM est un ensemble d’échantillons préparés en interne qui permet de vérifier l’absence de dérive dans les résultats du laboratoire. En pratique, cela consiste à :

• Préparer une quantité importante d’échantillons aussi identiques que possible. Si les produits évoluent dans le temps (béton, peintures, …), ce point doit aussi être considéré (par exemple, prévoir des conditions de conservation ou une date limite d’utilisation) ;
• Si l’essai est non destructif, un seul échantillon peut être utilisé, mais son homogénéité interne doit être aussi bonne que possible ;
• Déterminer les caractéristiques du produit correspondant à l’aide d’essais répétés. Le nombre de répétitions doit être suffisant (typiquement 30) pour assurer une bonne précision des déterminations. Les résultats sont exprimés sous la forme d’une valeur centrale (typiquement une moyenne « m ») et d’un paramètre de dispersion (typiquement un écart-type « s ») ;
• Si l’essai est non destructif, il faut répéter un grand nombre de fois les essais initiaux sur le même échantillon pour déterminer la dispersion normale de l’essai ;
• Réaliser ensuite un essai de façon périodique (typiquement une fois par mois, à ajuster selon les risques de dérive) pour vérifier que le résultat est cohérent avec la série d’essais initiaux (typiquement, le résultat doit être compris dans l’intervalle m±2s).

Les normes qui décrivent la préparation et l’utilisation de QCRM sont les suivantes :

• ISO Guide 80 pour la préparation des échantillons ;
• ISO 7870-1 à 8 pour les cartes de contrôle.

L’utilisation d’un QCRM permet de satisfaire l’exigence § 7.7.1 de la norme ISO/CEI 17025:2015 (options a et d).

Exemple :

60 éprouvettes d’acier pour béton sont coupées dans une même couronne d’acier. 30 d’entre eux sont immédiatement soumis à l’essai de traction pour déterminer la résistance à la traction Rm, la limite d’élasticité Rp0,2 et l’allongement Agt. Les résultats suivants sont trouvés :

Ensuite, le laboratoire réalise un essai par mois sur les échantillons restants. Si les résultats sortent des limites ainsi fixées, il est probable qu’une dérive est en train d’apparaître. Le laboratoire peut immédiatement déclencher une enquête sur ses moyens pour rechercher la cause d’un éventuel problème.

D’autres critères existent et peuvent être plus adaptés, selon les situations. Beaucoup d’information à ce sujet est donnée dans la série des normes ISO 7870.

Ce que permet l’utilisation d’un QCRM classique

L’utilisation d’un QCRM classique permet de détecter une dérive lente ou brutale des résultats du laboratoire. Après qu’une dérive soit intervenue, les résultats sur les mêmes échantillons deviennent significativement différents des résultats initiaux et une alerte peut être générée.

Exemple de dérive lente (avec les limites pour la caractéristique "Rm" de l'exemple du tableau ci-dessus) :

Ce que ne permet pas l’utilisation d’un QCRM classique

L’utilisation d’un QCRM classique ne permet pas de détecter :

• Une erreur systématique du laboratoire : si les 30 résultats initiaux sont tous affectés d’une erreur systématique, cela ne sera pas détecté par un QCRM classique ;
• Une répétabilité insuffisante du laboratoire : si les résultats du laboratoire sont trop dispersés, cela ne sera pas détecté par un QCRM classique ;
• Une incertitude mal évaluée par le laboratoire.

Exemples d’erreur systématique importante sur les 30 résultats initiaux (les limites sont calculées à partir de la valeur vraie du matériau et de l’écart-type de reproductibilité de la méthode). Les résultats sont les mêmes que ci-dessus :

Dans cet exemple, la dérive réduit le biais, important dès le démarrage. Lorsque l’alerte est détectée, il n’y a pas urgence à mettre en œuvre une action corrective.

Dans cet exemple, la dérive augmente le biais. Lorsque l’alerte est détectée, les résultats sont hors de contrôle depuis longtemps.

Exemple de répétabilité insuffisante du laboratoire (les limites sont calculées à partir de la valeur vraie du matériau et de l’écart-type de reproductibilité de la méthode). Les résultats sont les mêmes que ci-dessus :

Quand l’alerte est détectée, les résultats sont hors de contrôle depuis longtemps.

D’autre part, si le nombre de répétitions est insuffisant, la fiabilité des limites d’alertes du QCRM peut être mauvaise

Il y a alors un risque de déclencher des alertes erronées ou de ne pas déclencher d’alerte alors qu’il le faudrait. Les graphes ci-après fournissent les intervalles de confiance à 95% des limites d’alerte m+2s et m+3s où m et s sont estimés à partir de N résultats initiaux, N variant de 5 à 32.

On voit que pour une valeur réelle de limite d’alerte égale à 658 MPa, l’intervalle de confiance à 95% est [638:677] pour les limites calculées à partir de 5 résultats et [650:666] pour les limites calculées à partir de 30 résultats.

On voit que pour une valeur réelle de limite d’action égale à 670 MPa, l’intervalle de confiance à 95% est [643:696] pour les limites calculées à partir de 5 résultats et [660:681] pour les limites calculées à partir de 30 résultats.

Exemple de situation possible pour des limites déterminées à partir de 10 résultats d’essais :

Dans cet exemple, de nombreuses alertes intempestives sont déclenchées.

Les QCRM CompaLab fournissent une solution à ce problème :

voir « Qu’est-ce qu’un QCRM CompaLab ? »