Quality Control of Assay Data: A Review of Procedures for Measuring and Monitoring Precision and Accuracy

Exploration and Mining Geology, Vol. 17, No. 3-4, 2008

M. Abzalov

Abstract Control of analytical data quality is usually referred to in the mining industry as Quality Assurance and Quality Control (QAQC), and involves the monitoring of sample quality and quantification of analytical accuracy and precision. QAQC procedures normally involve using sample duplicates and specially prepared standards whose grade is known. Numerous case studies indicate that reliable control of sample precision is achieved by using approximately 5% to 10% of field duplicates and 3% to 5% of pulp duplicates. These duplicate samples should be prepared and analyzed in the primary laboratory.

Bias in the analytical results can be identified by inclusion of 3% to 5% of the standard in each sample batch. Several different standards are used, with values spanning the practical range of grades in the actual samples. A blank (a sample in which the concentration of metal of interest is below detection limit) should also be included. Standard samples alone cannot identify biases introduced during sample preparation, and therefore approximately 5% of the duplicate samples (coarse rejects and pulp) should be processed and assayed at another, external, reputable laboratory.

This paper discusses techniques used for estimation of errors in precision and accuracy, and overviews diagnostic tools. It is shown that one of the most commonly used methods, the Thompson-Howarth technique, produces consistently lower results than other methods. These results reflect the nature of this method, which relies on the assumption of a normally distributed error, and thus produces biased results when errors have a skewed distribution. This study concurs with the suggestion of Stanley and Lawie (2007: Exploration and Mining Geology, v. 16, p. 265–274) to use the average coefficient of variation (CVAVR(%)) as the universal measure of relative precision error in mine geology applications.

Based on case studies, an acceptable level of sample precision is proposed for several different deposit types.
Keywords: Mining geology, QAQC, duplicates, standards
Résumé Le contrôle de la qualité des données analytiques est habituellement désigné sous l’appellation d’Assurance et Contrôle de la Qualité (ACQ), elle implique le suivi de la qualité des échantillons et la quantification de la reproductibilité et la précision analytiques. Les procédures des programmes d’ACQ impliquent habituellement l’usage de duplicata et de standards analytiques dont la teneur est connue. Plusieurs études de cas indiquent qu’une bonne fiabilité du contrôle de la précision des échantillons est atteinte par l’usage de 5% à 10% de doublons sur le terrain et de 3% à 5% de doublons de pulpe. Ces duplicata devraient être préparés et analysés au laboratoire principal.

Un biais des résultats analytiques peut être identifié par l’inclusion de 3% à 5% d’échantillons standard dans chaque envoi d’échantillons. Plusieurs standards sont utilisés, avec des valeurs couvrant l’étendue des teneurs habituellement rencontrées dans des échantillons réels. Un blanc (un échantillon dans lequel la concentration d’un métal donné est sous la limite de détection) devrait aussi être inclus. L’emploi exclusif d’échantillons standards ne permet pas l’identification de biais résultant de la préparation des échantillons, de telle sorte qu’environ 5% des duplicata (rejets grossiers et pulpes) devrait être traités a un autre laboratoire indépendant et fiable.

Cet article passe en revue les techniques utilisées pour évaluer l’erreur liée à la précision et a la reproductibilité, et effectue aussi un survol de divers outils diagnostiques. Il ressort de cet examen qu’une des samtechniques
les plus fréquemment utilisées, la méthode Thompson-Howarth, fournit des estimés systématiquement inférieurs à ceux provenant des autres méthodes. Ces résultats sont un reflet de la nature de cette méthode, laquelle assume une distribution normale de l’erreur, biaisant ainsi les résultats lorsque l’erreur présente une distribution asymétrique. La présente étude recommande de privilégier l’usage du coefficient moyen de variation (CVAVR(%)) en tant que mesure universelle de la précision relative de l’erreur dans les applications minières tel que suggéré par Stanley and Lawie (2007: Exploration and Mining Geology, v. 16, p. 265–274).

Appalaches du nord. Les gîtes aux environs de Clarence Stream dans le sud-ouest du Nouveau Brunswick sont un exemple de ce type de gisement, mettant en valeur ce qui pourrait devenir un district aurifère majeur dans la région.