CN116420192A - 具有诊断和预测模块的气相色谱系统和方法 - Google Patents
具有诊断和预测模块的气相色谱系统和方法 Download PDFInfo
- Publication number
- CN116420192A CN116420192A CN202180075186.5A CN202180075186A CN116420192A CN 116420192 A CN116420192 A CN 116420192A CN 202180075186 A CN202180075186 A CN 202180075186A CN 116420192 A CN116420192 A CN 116420192A
- Authority
- CN
- China
- Prior art keywords
- chromatographic
- sample
- chromatographic separation
- performance
- outside
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004817 gas chromatography Methods 0.000 title claims abstract description 503
- 238000000034 method Methods 0.000 title claims abstract description 203
- 238000013375 chromatographic separation Methods 0.000 claims abstract description 201
- 238000013024 troubleshooting Methods 0.000 claims abstract description 134
- 238000012544 monitoring process Methods 0.000 claims abstract description 53
- 238000012423 maintenance Methods 0.000 claims description 188
- 230000014759 maintenance of location Effects 0.000 claims description 101
- 238000003066 decision tree Methods 0.000 claims description 39
- 239000012491 analyte Substances 0.000 claims description 30
- 238000013528 artificial neural network Methods 0.000 claims description 21
- 238000002405 diagnostic procedure Methods 0.000 claims description 19
- 238000012795 verification Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 15
- 238000010200 validation analysis Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 4
- 239000000523 sample Substances 0.000 abstract description 219
- 239000000538 analytical sample Substances 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 39
- 238000011156 evaluation Methods 0.000 description 27
- 238000002347 injection Methods 0.000 description 17
- 239000007924 injection Substances 0.000 description 17
- 230000015556 catabolic process Effects 0.000 description 13
- 238000006731 degradation reaction Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000000926 separation method Methods 0.000 description 13
- 239000000243 solution Substances 0.000 description 12
- 230000005526 G1 to G0 transition Effects 0.000 description 9
- 239000012159 carrier gas Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 230000008439 repair process Effects 0.000 description 8
- 125000006850 spacer group Chemical group 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000004587 chromatography analysis Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- POOSGDOYLQNASK-UHFFFAOYSA-N tetracosane Chemical compound CCCCCCCCCCCCCCCCCCCCCCCC POOSGDOYLQNASK-UHFFFAOYSA-N 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 229930195733 hydrocarbon Natural products 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 239000001307 helium Substances 0.000 description 3
- 229910052734 helium Inorganic materials 0.000 description 3
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- HOWGUJZVBDQJKV-UHFFFAOYSA-N docosane Chemical compound CCCCCCCCCCCCCCCCCCCCCC HOWGUJZVBDQJKV-UHFFFAOYSA-N 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000005350 fused silica glass Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- HMSWAIKSFDFLKN-UHFFFAOYSA-N hexacosane Chemical compound CCCCCCCCCCCCCCCCCCCCCCCCCC HMSWAIKSFDFLKN-UHFFFAOYSA-N 0.000 description 2
- DCAYPVUWAIABOU-UHFFFAOYSA-N hexadecane Chemical compound CCCCCCCCCCCCCCCC DCAYPVUWAIABOU-UHFFFAOYSA-N 0.000 description 2
- CBFCDTFDPHXCNY-UHFFFAOYSA-N icosane Chemical group CCCCCCCCCCCCCCCCCCCC CBFCDTFDPHXCNY-UHFFFAOYSA-N 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- YUWBVKYVJWNVLE-UHFFFAOYSA-N [N].[P] Chemical compound [N].[P] YUWBVKYVJWNVLE-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005219 brazing Methods 0.000 description 1
- -1 but not limited to Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003965 capillary gas chromatography Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011208 chromatographic data Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000013154 diagnostic monitoring Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005264 electron capture Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/50—Conditioning of the sorbent material or stationary liquid
- G01N30/52—Physical parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N2030/022—Column chromatography characterised by the kind of separation mechanism
- G01N2030/025—Gas chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/50—Conditioning of the sorbent material or stationary liquid
- G01N30/52—Physical parameters
- G01N2030/524—Physical parameters structural properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
- G01N2030/889—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 monitoring the quality of the stationary phase; column performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Abstract
本发明提供了一种气相色谱(GC)系统,其包括配置用于包含一种或多种分析物的样品的色谱分离的GC柱、连接到所述GC柱的出口的GC检测器、和连接到所述GC系统的控制器。所述控制器被配置成使用计算所述分析样品的至少一个色谱参数的色谱模型来生成模拟色谱分离。所述控制器还被配置成执行所述样品的色谱分离并执行色谱性能监测,所述色谱性能监测包括至少一个色谱参数与模拟色谱分离和/或参考色谱分离的比较,确定至少一个色谱参数是否已经落在性能控制极限之外,和/或预测色谱参数是否将落在所述性能控制极限之外,并且执行自动GC故障排除规程以确定造成性能问题的原因。
Description
相关申请的交叉引用
本申请要求2020年11月17日提交的美国临时专利申请第63/114,835号的优先权和利益,其内容通过引用以其整体并入本文。
背景技术
气相色谱(GC)用于分析和检测样品中许多不同物质的存在。气相色谱的功能是分离化学样品中称为分析物的组分,并检测这些组分为何种组分和/或其浓度。通常使用毛细管GC柱来实现分离。在某些情况下,该柱本质上是一块内部有涂层的熔融石英管。该柱可以包含与样品相互作用以分离组分的固定相。GC柱可以在整个分析过程中保持等温,也可以升温。
传统上,当GC仪器需要维护时,仪器可能经历与硬件相关的停机(即,由于太多的连续进样,隔垫出现泄漏),或者所需的维护可能由色谱性能劣化(即,由于大量使用,固定相已经劣化,并且分析物没有有效地分离)引起。在这种情况下,用户必须分析仪器先前运行的数据,以确定导致硬件故障和/或色谱性能劣化的原因。性能劣化可表现为色谱特征的变化,例如但不限于:保留时间偏移、峰面积变化和/或峰形状改变。因此,用户必须决定更换哪些零件(例如,衬管、注射筒、隔垫、和/或柱),并继续更换部件,直到性能恢复到可接受的水平。执行哪些维护规程的决定可以由标准操作规程概述或以其他方式规定,所述标准操作规程建议以特定时间间隔更换硬件,即使仪器功能正常或硬件不需要更换。然而,当仪器在样品分析期间出现故障和/或色谱性能劣化时,标准操作规程可能不会提供具体的指导,说明应执行哪些维护规程。相反,确定执行哪些维护规程可能会受到用户体验的严重影响。
GC仪器可能会遇到一个性能问题,这个问题很难解决,需要进行广泛的调查来确定问题的原因。因此,用户可能需要求助于仪器操作手册、指向GC仪器维修的网站或咨询专家来确定性能问题的原因。当前的故障排除指南试图将特定症状与建议的补救措施联系起来。然而,对于一个症状,通常有许多补救措施,因此用户必须经常求助于反复试验,直到他们找到正确的解决方法。
当前的色谱故障排除方法利用外部网站上的外部独立工具或GC仪器制造商提供的故障排除指南。这些方法的几个缺点是,它们来自外部资源,它们可能不特定于实际的GC仪器配置或仪器制造商/型号,它们不能利用存储在仪器上的用户可能无法访问的数据,和/或它们仅向用户提供通用指南,用于对在其特定仪器上观察到的特定色谱问题进行故障排除。因此,这将要求用户花费时间搜索故障排除帮助,并尝试不适合其特定仪器的某些维护规程。因此,需要能够预测何时需要维护的自动化方法,以及能够精确指导用户在其特定GC仪器上修理什么的自动化故障排除帮助。
发明内容
作为本发明的一个方面,提供了一种用于操作气相色谱(GC)系统的方法。所述方法包括基于所述GC系统的配置使用色谱模型生成模拟色谱分离,其中所述色谱模型计算由所述GC系统分析的样品的至少一个色谱参数。所述方法还包括使用所述GC系统执行样品色谱分离,由此生成由所述GC系统分析的样品的样品色谱图,以及收集与所述样品色谱分离相关联的性能数据,所述性能数据包括所述样品的至少一个色谱参数。所述方法还包括执行色谱性能监测,所述色谱性能监测被配置为分析所述样品色谱分离。例如,色谱性能监测包括将来自样品色谱分离的至少一个色谱参数与模拟色谱分离和/或参考色谱分离比较,并确定所述至少一个色谱参数是否已经落在性能控制极限之外和/或预测至少一个色谱参数是否和/或何时将落在所述性能控制极限之外。所述方法还包括执行自动故障排除规程,所述规程使用所述色谱性能监测和所述色谱模型的结果来预测预期维护任务,以及发送包括所述预期维护任务的所述GC系统的维护通知。
作为另一方面,提供了一种用于分析样品的气相色谱(GC)系统。所述GC系统包括GC柱,所述GC柱包括入口和出口,并且所述GC柱被配置用于包含一种或多种分析物的样品的色谱分离。所述GC系统还包括流体地连接到所述GC柱的出口的GC检测器和至少可通信地连接到所述GC检测器的控制器。所述GC系统的控制器被配置为基于所述GC系统的配置使用色谱模型生成模拟色谱分离,所述色谱模型计算由所述GC系统分析的样品的至少一个色谱参数。所述控制器还对加载到所述GC系统中的所述样品执行色谱分离,并收集与所述样品的色谱分离相关的性能数据,所述性能数据包括所述样品的至少一个色谱参数。所述控制器还执行色谱性能监测,所述色谱性能监测被配置为分析所述样品的色谱分离。例如,所述色谱性能监测包括将来自所述样品色谱分离的至少一个色谱参数与所述模拟色谱分离和/或参考色谱分离进行比较,并确定所述至少一个色谱参数是否已经落在性能控制极限之外和/或预测所述至少一个色谱参数是否和/或何时将落在所述性能控制极限之外。所述控制器还执行自动故障排除规程,所述规程使用所述色谱性能监测和所述色谱模型的结果来预测所述GC系统的预期维护任务。然后,控制器生成并发送包括所述GC系统的预期维护任务的维护通知。例如,维护通知可以被传输到外部电子设备,例如智能电话、计算机、平板电脑或其他这样的电子设备。
作为又一方面,提供了一种用于分析样品的气相色谱(GC)系统。所述GC系统包括GC柱,所述GC柱包括入口和出口,并且所述GC柱被配置用于包含一种或多种分析物的样品的色谱分离。所述GC系统还包括流体地连接到所述GC柱的出口的GC检测器和被配置为收集所述GC系统的仪器数据的至少一个传感器。所述GC系统还包括控制器,所述控制器可通信地连接到所述GC检测器和所述至少一个传感器。所述控制器被配置成对加载到所述GC系统中的所述样品执行色谱分离,并利用由所述至少一个传感器收集的仪器数据生成所述样品的模拟色谱分离。所述控制器在所述样品的色谱分离期间实时生成所述模拟色谱分离。
本文描述的GC系统的方法和操作可以通过与所述控制器整合的和/或可通信地连接到所述控制器的诊断和预测模块来执行,如下文所述。
附图说明
当与附图一起阅读时,从下面的详细描述中可以最好地理解本教导。这些特征不一定是按比例绘制的。
图1是根据代表性实施方案包括诊断和预测模块的GC系统的示意性框图。
图2是示出根据代表性实施方案的图1的诊断和预测模块对色谱性能监测、色谱建模和自动GC故障排除规程的使用的示意性流程图。
图3示出了根据代表性实施方案的由图1的诊断和预测模块生成的控制图,其示出了样品的保留时间偏移。
图4是示出根据代表性实施方案的由图1的诊断和预测模块执行色谱建模应用的示意性流程图。
图5A、5B和5C是示出根据代表性实施方案的由图1的诊断和预测模块执行决策树的示意性流程图。
图6是示出根据代表性实施方案的由图1的诊断和预测模块执行决策树的示意性流程图,示出了对可能的解决方案的缩减以提供色谱性能问题的特定解决方案。
图7A是由图1的诊断和预测模块生成的图表,示出了根据代表性实施方案的参考色谱图和模拟色谱图的叠加。
图7B是由图1的诊断和预测模块生成的图表,示出了根据代表性实施方案的参考色谱图与来自失败峰评估的样品色谱图的比较。
图7C是根据代表性实施方案的由图1的诊断和预测模块生成的控制图,示出了样品的保留时间偏移。
图8是在使用来自GC系统的信息进行故障排除的情况下和不使用来自GC系统的信息进行故障排除的情况下需要用户输入的提问的示意性流程图。
图9是启用、配置和使用诊断和预测模块的过程的示意性流程图。
具体实施方式
本公开文本的GC系统被配置成利用色谱性能监测、色谱建模和自动GC故障排除规程作为诊断和预测性维护工具的一部分,其在未来仪器性能和/或维护问题发生之前预测它们。此外,诊断和预测性维护工具可用于确定执行哪些特定维护任务来纠正仪器性能和/或维护问题。本公开文本的GC系统利用诊断和预测性维护工具来使仪器更智能(即,更少需要的用户交互和更多的仪器“知道”)并且更容易使用。此外,本公开文本的GC系统可以减少意外停机时间,因为诊断和预测性维护工具在故障或维护问题实际发生之前预测仪器故障。诊断和预测性维护工具还减少了意外停机时间,因为它们可以确定并建议哪些维护任务更有可能纠正GC系统即将出现的故障或维护问题。
在一些实施方案中,本公开文本的诊断和预测性维护工具利用色谱性能监测,色谱建模,以及与色谱性能评估(例如,空白评估、检测器评估、和峰评估)、控制图、用户输入、诊断测试结果(例如,载气压力检查、泄漏和限制测试、隔垫清洗测试、分流排气限制测试、喷射限制测试、FID泄漏电流测试和压力衰减测试)和/或仪器传感器数据(例如,温度、压力、气流、阀状态、电机步进、进样计数、电机电流值等)相结合的自动GC故障排除规程来预测未来的GC系统性能和/或维护问题。因此,本公开文本的GC系统提供了对当前GC系统的改进,因为这种当前系统的用户在问题实际发生之前不能检测性能和/或维护问题。也就是说,当前GC系统的用户通常必须采取反应性的方法(即,等待直到故障发生)来监测和维护GC系统的性能,而不是采取主动的方法(即,在故障发生之前识别性能劣化并执行维护)。在反应方法中,可能使用运行不正常的系统来分析样品,导致样品和分析时间的浪费。此外,本公开文本的GC系统提供了对当前GC系统的改进,因为本公开文本的GC系统可以确定发生了性能和/或维护问题,并立即停止样品分析序列,使得在GC系统不正常工作时不运行更多的样品。
在一些实施方案中,本公开文本的诊断和预测性维护工具整合了自动诊断故障排除步骤,以纠正性能和/或维护问题。这种自动诊断故障排除步骤通过引导用户调查与性能和/或维护问题相关联的特定部件,节省了用户进行不必要的修理或调查GC系统的不相关部件的时间和金钱。因此,本公开文本的诊断和预测性维护工具减少了GC系统的意外停机时间,因为用户可以在性能和/或维护问题发生之前决定他们想要解决该问题的时间,并且GC系统在故障排除期间提供智能起点以快速执行对GC系统的必要修复。
在一些实施方案中,本公开文本的诊断和预测性维护工具通过在系统没有最佳运行时通知用户来改善用户体验,从而提供更好的色谱结果。例如,利用色谱建模和色谱性能监测使GC系统(和系统的用户)能够优化和比较仪器性能和期望的性能,例如“理论上的最佳情况”。如果发现性能不足,可以激活自动GC故障排除规程来指导用户解决维护问题。因此,诊断和预测性维护工具生成仪器性能的指示,以确认仪器按照用户的期望和/或在仪器规格内运行。
图1是代表性GC系统100的简化示意性框图。GC系统100的许多方面是众所周知的,并且被广泛使用。因此,本文描述的GC系统100旨在广泛地代表可用的和/或修改的GC系统,并且GC系统100的各种部件的特定选择和细节可以由用户或该领域中的其他人选择。GC系统100包括样品入口或进样端口102,用于将样品注射到GC系统100中用于分析。例如,样品被注入到进样端口102中,在那里,如果还没有处于气态,则样品被气化成气态,用于GC系统100的分析。此外,载气供应器103流体地连接到进样端口102,以供应载气,例如但不限于氦、氢、氮或其他这样的惰性气体,其将注射的样品从进样端口102输送通过GC系统100。
样品引入系统或进样器(未示出)可用于将样品注射到进样端口102中。所用进样器的类型可能取决于被注入样品的相(液体或气体)。不同类型的进样器包括但不限于自动液体进样器(ALS)、顶空进样器、各种配置的阀门、热解吸进样器和其他类型的样品引入系统。
在各种实施方案中,进样端口102还流体地连接到柱104,所述柱可以选自用于通过气相色谱实现样品组分分离的多种柱。应当理解,虽然示出了一个色谱柱,但是GC系统的某些实施方案可以包括多个色谱柱。例如,配置用于反冲洗、检测器分流或其他气动切换的GC系统可以包括多个色谱柱。载气将样品输送到柱104进行分离,柱104分离气态样品的组分,例如气化样品,以产生一种或多种感兴趣的分析物,用于GC系统100的分析。在某些实施方案中,柱104可以是毛细管柱和/或可以包括在管的内部部分上具有涂层的熔融石英管。在一些实施方案中,固定相涂层与注射到进样端口102中的样品相互作用,以分离样品的组分。在各种实施方案中,柱104的尺寸包括100微米至530微米的内径范围和5米至60米的长度范围。然而,应当理解,在本GC系统中可以使用其他柱尺寸。
在图示的实施方案中,柱104还流体地连接到检测器106,检测器在样品被输送通过柱104之后接收分离的组分(即样品的分析物)。因此,检测器106分析分离的样品组分以检测由柱104分离的样品分析物的存在和/或量。在某些实施方案中,检测器106是选自火焰离子化检测器(FID)、质量选择检测器(MSD)、热导检测器(TCD)、电子捕获检测器(ECD)、氮磷检测器(NPD)、硫化学发光检测器(SCD)、氮化学发光检测器(NCD)、火焰光度检测器(FPD)和氦离子化检测器(HID)的GC检测器。然而,应当理解,使用一个或多个这样的检测器仅仅是示例性的,并且许多其他分析物检测器可以用于GC系统。还应当理解,一个以上的检测器可以流体地连接到GC系统的一个或多个柱的出口。
GC系统100还包括柱加热器108,例如柱温箱、对流加热器、传导加热器、空气浴或用于加热某些GC系统部件的其他此类加热设备。更具体地,柱加热器108可以通过控制器110被控制,以将柱104和其他流路部件加热或冷却到期望的温度。例如,柱加热器108被配置成根据正在进行的分析将柱104加热至450℃。在各种实施方案中,柱加热器108可以被配置成加热柱104,使得柱104在样品分析期间保持等温。替代地,柱加热器108可以被配置为在样品分析期间升高柱104的温度。此外,柱加热器108可配置有低温冷却系统以将柱冷却至低于环境温度。应当理解,进样端口102和检测器106可以包括单独的加热设备,分别用于保持进样端口102和检测器106的温度。在一些实施方案中,可以存在这里没有直接描述的加热GC系统的其他部件的附加加热器。
在所示实施方案中,控制器110可通信地直接或间接连接到柱加热器108、检测器106、进样端口102、一个或多个传感器111和GC系统100的其他部件。在某些实施方案中,控制器可以是板载计算部件,其物理地整合到GC系统壳体中,所述GC系统壳体容纳柱、检测器、柱加热器和GC系统的其他部件。在某些其他实施方案中,控制器可以是GC系统壳体内部和/或外部的一个或多个单独的计算设备和/或其他此类控制设备。一个或多个传感器111位于GC系统100的各个位置,并被配置为收集操作和/或诊断数据。GC系统100使用的一个或多个传感器111可以包括(但不限于)诸如入口压力传感器、入口总流量传感器、隔垫清洗压力传感器、辅助压力传感器、加热器占空比传感器、检测器信号传感器、温度区传感器(例如,在入口、检测器、加热器、样品引入设备、阀门等上或中)的传感器或其他这样的GC系统传感器。
在一些实施方案中,控制器110包括处理器112,例如但不限于单核处理器、多核处理器、逻辑设备或其他这样的数据处理电路,其被配置为执行、分析和处理GC系统100的数据和信息。控制器110可以包括可通信地连接到处理器112的存储器设备114。存储器设备114可以被配置为易失性存储器设备(例如,SRAM和DRAM)、非易失性存储器设备(例如,闪存、ROM和硬盘驱动器)或其任何组合。在各种实施方案中,存储器设备114可以存储在GC系统100的操作期间由处理器112生成和/或处理的可执行代码和其他此类信息。
在所示实施方案中,GC系统100还包括可通信地连接到控制器110的输入/输出设备116。输入/输出设备116被配置成使操作员和/或用户能够从控制器110接收信息,并将信息和参数输入到控制器110中。在各种实施方案中,这种信息和参数可以存储在存储器设备114中,由处理器112访问,并输出到输入/输出设备116。例如,输入/输出设备116可以包括监视器、显示设备、触摸屏设备、键盘、麦克风、操纵杆、转盘、按钮或其他这样的设备,以实现信息和参数的输入和输出。因此,输入/输出设备116可用于将信息输入控制器110中,并输出或以其他方式显示由GC系统100的处理器112生成的信息和数据。
GC系统100还包括诊断和预测模块118。在一些实施方案中,诊断和预测模块118与控制器110整合,并且可通信地连接到处理器112和/或存储器设备114。在各种实施方案中,诊断和预测模块118执行或以其他方式执行色谱性能监测、色谱建模和自动GC故障排除规程,以确定和/或预测GC系统100的性能劣化。因此,诊断和预测模块118可以包括一个或多个硬件设备、软件、固件和/或其任何此类组合,以执行色谱性能监测、色谱建模、自动GC故障排除规程和/或GC系统100的任何其他此类诊断监测。
在各种实施方案中,诊断和预测模块118可以包括与控制器110的处理器112和存储器设备114分开的处理器118a和存储器设备118b。在这样的实施方案中,处理器118a执行指令并分析存储在存储器设备118b中的数据。此外,存储器设备118b存储软件和/或固件,所述软件和/或固件包括要由处理器118a处理的用于执行诊断和预测模块118的指令的可执行代码。此外,存储器设备118b可以存储与来自GC系统100的多个不同维护任务的一个或多个预期维护任务相关联的数据和信息,诊断和预测模块118在GC系统100的自动GC故障排除规程期间使用这些数据和信息。尽管诊断和预测模块118被示为与控制器110整合,但是应当理解,在某些实施方案中,诊断和预测模块可以是与控制器分离的部件。
在各种实施方案中,GC系统100的诊断和预测模块118提供了优于现有方法的显著优势,以提高GC系统的可靠性并减少意外停机时间。由诊断和预测模块118提供的一个优点是能够预测GC系统100的未来性能劣化和/或维护问题的时间框架以及预测与未来性能劣化和/或维护问题的原因相关联的故障模式。也就是说,诊断和预测模块118可以确定何时,例如,在多少次进样之后和/或在指定量的仪器运行时间之后,将发生故障,以及执行什么维护任务来纠正故障。因此,用户可以计划何时他们想要在GC系统上执行维护,而不是在样品运行或分析的中间发生故障和/或维护问题。这既节省了时间,又节省了成本,因为它避免了由于在样品分析过程中发生意外故障而不得不重新运行样品。
诊断和预测模块118的另一个优点是能够随时间(例如,在多次进样或一定量的仪器运行时间)连续监测仪器健康和色谱性能。如上所述,诊断和预测模块118利用色谱性能监测、色谱建模和自动GC故障排除规程来使GC系统100能够动态监测其自身的功能、预测未来的色谱性能和/或维护问题,并且自动建议要执行的某些维护任务。在执行维护任务之后,诊断和预测模块118还使GC系统100能够将色谱性能与理想色谱图进行比较,以自动确认色谱性能已经返回到可接受的基线性能水平。
例如,将故障排除与将当前色谱性能与参考色谱分离进行比较的能力整合,使得GC系统100能够在执行维护之后自动确认结果。因此,用户可以快速确定GC系统100的性能是否已经返回到可接受的初始基线。此外,将色谱建模与当前色谱性能和参考色谱分离的比较整合,进一步改善了维护后结果的确认,因为它能够将GC系统的实时收集数据与理论数据集进行比较。将色谱建模与当前色谱性能和参考色谱分离的比较整合,进一步使用户能够在没有先前“已知良好”参考的情况下解决仪器性能和/或维护问题(例如,在分析从未在GC系统上运行的样品期间或在仪器安装期间遇到的问题)。
色谱性能监测
如上文所讨论并在图2中所示,诊断和预测模块118包括软件和/或固件200,其组合色谱性能监测、色谱建模和自动GC故障排除规程,以提供与单独使用色谱性能监测、色谱建模和自动GC故障排除规程相比的GC系统100的附加功能。在各种实施方案中,色谱性能监测包括执行GC系统100的某些性能评估,例如空白评估、检测器评估和/或峰评估,以确定GC系统100是否正常运行(即,分析结果在指定的控制极限或阈值内)。例如,诊断和预测模块118可以利用在一次或多次空白运行(即,不存在分析物的分析)期间收集的样品数据来执行空白评估,以分析GC系统100的基线色谱性能。在空白评估期间,诊断和预测模块118通过确定所选时间窗口上的基线信号、噪声和组合峰面积是否落在预定义阈值(例如,用户定义的控制极限或仪器定义的控制极限)之外来确定任何残留物质的存在或不存在。
在另一个非限制性例子中,诊断和预测模块118可以执行检测器评估,该检测器评估通过将峰保留时间、峰面积和峰高与制造商认为代表标称性能的一组参考值和/或限值进行比较,利用指定样品来确认检测器性能。
在又一个非限制性例子中,诊断和预测模块118利用峰评估来将GC系统100正在分析的当前样品的样品数据与先前定义的参考色谱图进行比较。更具体地,峰评估利用参考色谱图,或者替代地或附加地利用从GC系统的色谱模型生成的模拟色谱图,来定义样品中多个峰(例如,5个峰、10个峰、20个峰等)的某些预期色谱参数,例如但不限于保留时间、相对保留时间、保留指数、调整保留时间、峰高、峰面积、峰宽、峰对称性、峰分辨率、峰容量、偏斜、峰度、Trennzahl、容量因子、选择性、效率、表观效率、拖尾因子、浓度和摩尔量。因此,诊断和预测模块118通过与参考色谱图和/或模拟色谱图的比较来评估正在分析的当前样品的一个或多个色谱参数,以指示GC系统100是否正常运行。例如,参考色谱图和模拟色谱图可以提供标称色谱性能,并且GC系统100或GC系统100的用户可以基于标称色谱性能定义一组控制极限。因此,诊断和预测模块118评估样品数据的一个或多个色谱参数,以确定一个或多个色谱参数是否超过该组控制极限。
在各种实施方案中,色谱性能监测可以利用色谱建模代替参考色谱来识别色谱性能问题。更具体地说,如果没有已知的良好参考色谱图,下面描述的标称色谱模型可用于基线比较,以确定GC系统的预期色谱性能。例如,如果用户没有要由GC系统分析的样品的参考色谱图,用户可以输入样品的分析物,GC系统使用设定值作为模型的输入来生成样品的标称模拟色谱分离。在另一个实施方案中,色谱建模可用于验证参考色谱图。例如,从标称色谱模型或使用在生成参考色谱图时获得的仪器数据的模型生成的色谱图可以与参考色谱图进行比较,以确定参考色谱图是否代表可接受的GC系统性能。
诊断和预测模块118的色谱性能监测还可以利用控制图(例如,图3的控制图300)来跟踪和传达预期色谱参数和所分析样品的样品数据之间的任何差异,并预测该差异何时将超过控制极限。例如,诊断和预测模块118利用如下所述的从色谱系统模型生成的参考色谱图和/或模拟色谱图来确定预期色谱值(例如,保留时间),并应用由GC系统100或用户定义的控制极限作为标称色谱值或预期色谱值的公差带。这些控制限可以定义为绝对值或预期色谱值的百分比。在样品分析期间,诊断和预测模块118外推预期色谱值以预测色谱参数是否和/或何时可能落在控制极限之外。
在一些实施方案中,诊断和预测模块118生成控制图300,该控制图包括与监测由GC系统100分析的特定分析物的峰保留时间相关联的数据。如图所示,控制图300示出了由GC系统100分析的特定分析物具有200分钟的预期保留时间310、210分钟的控制上限320和190分钟的控制下限330。在所示的示例性实施方案中,在样品分析期间,在每次进样后记录分析物的实际保留时间。诊断和预测模块118分析实际保留时间数据(例如,使用线性或非线性回归)以基于控制图300的峰保留时间点342确定保留时间趋势线340。在所示的例子中,相对于每个进样次数绘制了峰保留时间点342。因此,保留时间趋势线340将显示对于每次进样,峰保留时间以可预测的速率减少。更具体地,保留时间趋势线340显示预期保留时间将在第15次进样时超过控制下限330。因此,诊断和预测模块118生成并向用户发送警告消息,即在第15次进样时峰保留时间将落在控制下限330之外。
附加地或替代地,诊断和预测模块118可以使用控制图来监测由仪器传感器(例如,图1的传感器111)收集的某些仪器数据,例如温度值、压力值、阀状态、电机步进、注射筒注射计数、电机电流、加热器电流、加热器占空比、流量传感器值、检测器信号水平、检测器电流水平、开启时间值、阀占空比和其他此类仪器传感器值。在这样的实施方案中,诊断和预测模块118对仪器数据进行控制,以预测GC系统100的可能故障,否则无法预测这些故障。也就是说,如果诊断和预测模块118没有监测某些仪器数据、样品数据和/或色谱性能值,那么在GC系统发生故障之前很难确定性能和/或维护问题。仪器数据的标称值和控制极限可以根据工厂中确定的设定值、平均值和这些值的标准偏差、生成参考色谱图时收集的仪器数据或其他方法来确定。
这种用途的一个例子是,当用户注射样品时,进样端口的出口处的分流出口捕集阱开始堵塞。如果用户正在注射脏样品,并且每次注射都会逐渐堵塞分流出口捕集阱,则可能会发生这种情况。这将最终导致系统中的附加限制,导致控制通过分流出口捕集阱的流量的分流出口阀的占空比减小,以补偿新的限制(使阀更多“打开”),同时保持相同的流率并因此保持分流比(即,通过柱的流量与通过分流出口捕集阱的流量之比)。最初,实际的分流比不会改变(因此用户将获得相同的色谱结果),但随着时间的推移,分流出口阀的占空比将继续降低。该问题不会影响色谱结果,直到它有了显著的进展,但如果系统正在监测分流出口阀的占空比(通过控制图),仪器将注意到阀门占空比的任何下降。在早期阶段检测问题对用户是有帮助的,因为最终分流出口阀将完全打开,并且限制将导致入口压力增加,从而导致实际分流比和用户期望的分流比之间的差异。分流比的这种变化将导致不正确的色谱结果,并损害用户的数据,最终由于峰面积增加而导致峰评估结果失败。通过利用控制图,在任何色谱问题出现之前,用户将被通知分流出口占空比的降低,从而允许用户在任何样品(或结果)受损之前采取行动。因此,利用诊断和预测模块118来动态监测某些仪器数据使得GC系统能够预测何时可能发生故障,而不是等待在检测到故障之后通知用户。如果用户继续运行进一步的分析而不是执行维护,当分析继续进行时,通过实时模拟色谱分离(使用仪器的温度和压力设定值的实际值作为色谱模型的输入,如下所述)和标称模拟色谱分离(使用方法设定值作为色谱模型的输入,如下所述)的自动比较,分流比的变化和伴随的色谱变化也将由仪器标记。这使得用户有更多的机会在色谱结果变差到无法进行峰评估之前进行故障排除和维护。
色谱建模
如前所述,诊断和预测模块118组合色谱性能监测、色谱建模和自动GC故障排除规程,以动态监测GC系统100的色谱性能和功能。在各种实施方案中,诊断和预测模块118利用色谱建模来确定性能数据和某些预期的色谱参数,例如正在由GC系统100分析的样品或分析物的保留时间、相对保留时间、保留指数、调整保留时间、峰高、峰面积、峰宽、峰对称性、峰分辨率、峰容量、偏斜、峰度、Trennzahl、容量因子、选择性、效率、表观效率、拖尾因子、浓度和摩尔量。例如,色谱建模利用仪器配置、样品分离的色谱方法的仪器设定值、以及在一些实施方案中的实时仪器数据来模拟由GC系统100分析的样品的色谱分离。也就是说,色谱模型利用GC系统100的物理特性,例如载气类型、柱尺寸、检测器参数、入口压力、出口压力和温度,结合分析物-柱特定的热力学性质来模拟样品或分析物的色谱分离。模拟色谱分离可用于确定由GC系统100分析的样品的预期保留时间、峰宽和/或其他此类色谱参数。
现在参考图4,诊断和预测模块118执行色谱建模应用400以生成色谱模型。因此,在生成模拟色谱分离之前,GC系统100的用户确定初始化诊断和预测模块118的某些参数的GC系统配置。例如,诊断和预测模块118初始化和/或定义来自GC系统配置的以下参数:柱参数(例如,长度、内径、固定相厚度、固定相类型);载气类型;柱和/或检测器出口压力;气动控制模式(流量或压力);预定时间窗口(Δt);柱加热器温度加热速率和/或等温保持(用于确定每个预定时间窗口的标称温度计算);以及所需的柱流率和/或压力。应当理解,诊断和预测模块118可以利用GC系统100的其他参数值。
在各种实施方案中,色谱建模应用400利用基于时间的迭代模型,以类似于Snijders,H.等人的方式(Journal of Chromatography A,718,1995年,第339-355页)以数学方式模拟样品的GC分离。色谱建模应用400使用预定义的时间窗口(Δt)将完整的GC分离模拟为许多短等温分离的集合。在每个预定义的时间窗口(Δt)内,使用从Van’t Hoff数据和其他仪器数据中得出的分析物柱特定热力学值计算每种分析物的保留因子(k')。然后根据保留因子计算分析物速度,并且可以根据分析物速度和预定义的时间窗口(Δt)计算分析物在每个Δt内行进的距离。在模拟的每段期间,色谱建模应用程序400执行相关色谱方程的一系列计算,直到满足某些数值阈值(例如,当总分析物行进距离超过柱长度时)。色谱建模应用程序400可以生成用户定义的样品中分析物的预期保留时间、峰宽、峰高、峰面积和峰对称性。
在各种实施方案中,色谱建模应用400利用来自GC系统100的方法设定值作为色谱模型的输入来生成所谓的标称模拟色谱分离。GC系统100的用户可以指示GC控制器110定义要使用的某些方法设定值。在一些实施方案中,柱加热器温度和入口压力是由用户设置的两个设定值。当在每个预定义的时间窗口(Δt)期间执行必要的计算时,色谱建模应用400将使用这些设定值。该模型根据用户输入的设定值表示用户期望仪器做什么。应当理解,色谱建模应用程序400可以利用GC系统100的其他仪器参数设定值。替代地,标称模拟色谱分离可通过使用在生成参考色谱图时收集的仪器数据作为色谱模型的输入来生成。
在各种实施方案中,由色谱建模应用400生成的另一种类型的色谱模型利用在色谱分析期间由GC系统100测量和/或确定的实时仪器数据(例如,柱加热器温度值、入口压力传感器值等)来生成色谱模型的模拟色谱分离。因此,与利用标称或理想设定值的其他模型相比,实时生成的色谱模型提供了若干优点。更具体地,通过使用实时仪器数据,由诊断和预测模块118生成的色谱模型精确地反映了GC系统100在样品分离期间实际在做什么,而不是假设系统在做什么。例如,与区域温度设定值相比,GC系统的热区域周围的气流和/或散热器可以改变实际区域温度。此外,与标称或理想分离的假定气体速度相比,在实际样品分离期间,大气压力波动可改变柱的出口压力并改变柱内气体的速度。因此,通过利用实时仪器数据而不是设定值或理想仪器数据来提高色谱模型的准确性。应该注意的是,在色谱分离期间收集的实时仪器数据可以保存以备后用。例如,来自先前色谱分离的实时仪器数据可以被保存,然后用作输入,以在色谱分离完成后生成色谱模型的模拟色谱分离,从而复制所收集的色谱图,但是以离线方式这样做。
自动GC故障排除
如上所述,诊断和预测模块118组合色谱性能监测、色谱建模和自动GC故障排除规程,以动态监测GC系统100的色谱性能和功能。在各种实施方案中,在用户已经被提醒色谱性能和/或仪器问题之后,自动GC故障排除规程引导用户完成GC系统100的诊断和修复。因此,“自动”故障排除并不排除人工参与,而是包括由自动化步骤促成的故障排除。典型地,在GC系统100发生故障时,用户必须分析数据并自行确定问题是什么以及需要什么样的修复来纠正问题。然而,本公开文本的诊断和预测模块118引导用户完成GC系统100的故障排除和维护。
在一些实施方案中,自动GC故障排除规程可以采取决策树的形式。决策树可以包含一系列提问或观察结果,以引导用户找到最有可能修复观察到的或预测到的问题的维护项目。在一些实施方案中,自动GC故障排除规程使用色谱性能监测的结果(即,什么色谱参数超出了控制极限,它是否超过了控制下限或上限,任何仪器数据是否落在控制极限之外,等等)来确定自动GC故障排除规程的起点。例如,如果观察到一个或多个峰的保留时间超出了由色谱性能监测确定的控制极限,则自动GC故障排除规程可以从提问或收集存储在系统中的与分析物保留时间偏移的原因相关的信息开始。
决策树中的一些提问可以呈现给用户以供输入。这些可以包括GC系统不能回答的项目,或者可以包括GC系统希望用户验证的项目。作为示例,用户可以回答提问以验证安装在仪器上的不同模块/方法参数的配置。用户可以验证项目(例如,柱类型和尺寸、注射筒尺寸、样品位置等)以确认系统被正确地配置用于正在执行的分析。
除了向用户提出用于输入和/或验证的提问之外,系统还可以基于色谱性能监测结果、仪器数据、模拟色谱分离和/或诊断测试引导用户到决策树的不同分支。换句话说,用户可能不需要回答决策树中的所有提问,因为GC系统能够访问内部存储的信息或通过启动诊断测试来收集附加信息。在某些情况下,用户将无法访问这些信息,从而增强了执行故障排除的能力,而不是单个用户在没有自动GC故障排除规程的情况下所能做的事情。
例如,通过将最近分析的样品色谱图中的峰与参考色谱图和/或模拟色谱图中的峰进行比较,色谱性能监测可用于回答“保留时间是短还是长?”的提问。它还可以通过使用峰评估监测的附加信息来确定一种以上分析物的保留时间是更短还是更长,或者问题是否只影响样品中的一种分析物。如果只有一种分析物的保留时间受到影响,它可能会引导用户找到与入口问题相关的决策树的一部分,而如果一种以上分析物的保留时间受到影响,它可能会开始提问或收集信息以调查柱加热器的问题。
仪器数据可以验证设定值与色谱分析期间获得的实际值相匹配。它们是否匹配可以引导决策树到不同的分支。例如,如果柱加热器温度的设定值以仪器无法达到的速率上升,则系统可以分析用于分析的仪器数据和设定值之间的偏差,并确定温度低于预期,并且可能是保留时间比预期长的原因。类似的方法可以用于其他仪器数据,例如但不限于温度值、压力值、阀状态、电机步进、电机电流、加热器电压、加热器占空比、流量传感器值、检测器信号水平、检测器电流水平、开启时间值、阀占空比和其他此类仪器传感器值。
某些诊断测试可以由GC系统运行,在有或没有用户帮助的情况下来指导决策树。例如,如果用户由于入口隔垫中的泄漏而在色谱图中出现“无峰”的问题,GC系统可以通过访问内部存储的信息和/或根据需要自动运行诊断测试来引导用户通过决策树。使用存储在GC系统上的信息并自动运行诊断测试提供了更好的用户体验,在故障排除期间向用户提问更少。对于下面描述的例子,用户在他们收集的最后一个色谱图中会遇到“无峰”的问题,根本原因是位于入口隔垫中的泄漏。提醒消息通知用户峰评估失败,将问题标识为色谱图中未发现峰。
自动GC故障排除规程将在GC症状“无峰”的情况下启动。可以就用户所面临的问题向用户进行一系列提问(或要求用户执行一项任务),以确定他们所观察到的色谱问题的根本原因。用户可能被要求完成的一些任务是寻找GC流动路径内的泄漏或验证FID喷射器没有堵塞。用户的技能可以决定提供给GC系统的结果和信息的质量,因此,这将决定仪器如何确定色谱问题的根本原因。通过自动GC故障排除规程,GC系统将帮助用户回答其中一些提问,而无需用户交互。
图8示出了用户对“无峰”问题进行故障排除而采取的过程或步骤800,最终得到对入口隔垫泄漏的解决方案。图8的顶部示出了如果故障排除不使用来自GC系统的信息或自动执行诊断测试时的用户交互。图8的底部示出了如果故障排除使用来自GC系统的信息并执行自动诊断测试时的用户交互。对于上面的例子,如果“无峰”的问题是由入口泄漏引起的,用户通常需要回答来自用户引导的决策树的五个提问,以得出建议的或预期的维护任务。通过使用存储在GC系统上和/或由GC系统收集的信息的自动GC故障排除规程,用户将只需回答一个与验证所进行的注射类型有关的提问(例如,分流、不分流等)。在用户验证所做注射的类型后,GC系统然后运行泄漏和限制诊断测试。泄漏和限制测试将首先通过将入口保持在压力设定值来验证入口控制。接下来,它将开始监测实际流量和目标设定值柱流量之间的误差。如果入口隔垫处存在泄漏,系统将检测到比色谱柱所需流量更大的流量,并确定系统中存在泄漏。基于此信息,自动GC故障排除规程可以告诉用户GC系统流路中存在泄漏,并向用户提供以下建议:1)更换隔垫,2)重新安装柱,3)更换衬管和衬管O形圈,4)打开分流出口捕集阱并检查O形圈阀座。如果需要,更换分流出口捕集阱。如果仪器没有自动执行泄漏和限制测试,用户将得到一个更大的潜在问题清单来检查和修理(例如8个可能的解决方案)。
故障排除的另一个方面是GC系统存储和使用有关最近维护任务或可能发生了的硬件更改的信息的能力。如果GC系统以前运行正常,那么问题很可能出在用户最近进行更改的区域。通过使用存储在GC系统上的维护信息,用户将获得一条直接的解决方案,该解决方案更有可能纠正正在发生的问题。例如,如果用户最近执行了入口维护(例如更换入口隔垫),则自动GC故障排除规程将使用存储在GC系统上的近期维护信息,并指导用户从决策树的入口部分开始。
在各种实施方案中,自动GC故障排除规程可以使用色谱建模来确定可以纠正色谱性能问题的某些维护任务。例如,如果标称和实时模拟色谱图和参考色谱图彼此一致,但是当前样品运行的实验样品色谱图与模拟色谱图和参考色谱图不一致,则自动GC故障排除规程可以确定GC系统按预期进行控制,但是GC系统以及因此GC模型不知道的因素可能已经改变。也就是说,在样品运行期间,热学和气动设定值处于控制之中,并且GC系统控制和知识之外的某些东西可能已经改变,从而导致色谱性能问题(例如,错误的进样、色谱柱修整和参数未更新、色谱柱开始失效等)。因此,自动GC故障排除规程可以前进到决策树的部分,该部分指示用户确认是否已经对GC系统进行了任何改变,确认配置是正确的,或者调查与柱劣化、流路污染等相关的性能问题。
在另一个例子中,如果当前运行的实时模拟色谱图和实验样品色谱图匹配,但是参考色谱图和/或标称模拟色谱图不匹配实时模拟色谱图和实验样品色谱图,则自动GC故障排除规程可以确定GC系统没有按预期进行控制。例如,某些传感器值可能与设定值不匹配(即,柱加热器温度与设定值不匹配,入口压力传感器与设定值不匹配,或预期气体流量与设定值不匹配)。在这些情况下,来自当前分析的实际仪器数据用于实时色谱模型,并且仪器数据与设定值不匹配的任何影响在实时色谱模型结果中都是明显的。因此,自动GC故障排除规程可以引导用户到决策树的一部分,以进一步调查GC系统的部件,例如加热器、流量控制模块或其他部件。可以实施诊断测试来进一步缩小问题范围和/或确认问题。附加地或替代地,自动GC故障排除规程可建议更换或维修GC系统的硬件(例如清洁、调整等)或改变设定值,作为修复问题的最可能的维护项目。
在又一个例子中,色谱模型可以与其自身进行比较。也就是说,当GC系统处于已知的良好状态和/或使用仪器设定值时产生的标称模拟色谱分离与实时模拟色谱分离进行比较。因此,如果标称模拟色谱分离和实时模拟色谱分离不匹配,则自动GC故障排除规程可确定存在GC系统硬件问题。例如,如果实时模拟色谱分离显示比标称模拟色谱分离更长的分析物保留时间,这可能表明流率或温度低于预期。自动GC故障排除规程可能表明,流路冷点、流路泄漏或其他此类流路问题可能是保留时间较长的原因。在这样的例子中,GC系统配置(即,柱类型/尺寸、气体类型等)对于实时色谱模型和标称色谱模型是相同的,但是实时色谱模型利用GC系统的实际热学和气动值。因此,如果热学和/或气动值不同,则实时模拟色谱分离将不同于标称模拟色谱分离。
例如,如果用户向GC系统输入系统不能满足的柱加热器升温速率,则可以基于设定值(即预期升温速率)生成标称模拟色谱图。然而,实时模拟色谱图将使用实际的柱加热器温度值生成,并且柱加热器温度将比预期的低,因为它不能满足预期的升温速率。因此,实时模拟色谱图将与标称模拟色谱图不匹配,因为标称模型使用更快的升温速率。基于色谱建模结果,系统可以使用仪器数据(例如测量的热学值)与用户输入的预期热学设定值进行比较。在这个例子中,柱加热器温度可能没有接近设定值,并且系统可以通知用户没有达到期望的柱加热器升温速率。如果用户没有意识到实际上没有实现柱加热器升温速率,这将是有益的。如果用户使用无法实现的升温速率生成参考色谱图,则他们的“已知良好的”色谱图没有以预期的设定值收集,因此可能不会暴露问题。此外,如果用户输入GC可以达到的柱温箱温度上升速率,但由于某种原因不能在样品运行中达到,这可以指示硬件错误,并且诊断和预测模块118可以指示柱加热器没有如预期的那样工作。
在各种实施方案中,自动GC故障排除规程还可以利用色谱建模来验证预期维护任务将在执行维护任务之前成功地纠正色谱性能问题。更具体地,如果用户和/或GC系统知道在维护任务期间将进行什么改变,并且模型可以使用仪器设定值作为输入,则可以在执行维护任务之前生成模拟色谱分离。例如,用户可能已经定期修整他们的色谱柱以消除污染。每次用户修整柱时,他们可能已经更新了仪器配置中的新长度。如果色谱性能监测发现,由于色谱柱较短,保留时间现已超出既定极限,自动GC故障排除规程可能会建议更换色谱柱,以纠正或解决色谱性能问题。色谱模型可以利用新色谱柱的色谱柱尺寸、相类型和其他此类参数来验证更换色谱柱是否会纠正或修复色谱性能问题。
在一些实施方案中,在被引导通过自动GC故障排除规程之后,单个维护任务或多于一个加权或排序的可能维护任务的列表将被提供给用户。这些维护任务可以根据用户提供的答案或仪器在自动GC故障排除规程期间执行的诊断测试提供的答案来加权或排序,这些诊断测试基于每个可能修复当前性能问题的可能性。然后,将为用户提供执行建议的维护任务的指导。在用户执行维护任务后,将建议进行验证运行的能力,以验证维护任务是否修复了原始色谱问题。如果建议的维护任务解决了用户的色谱问题,他们可以选择更新参考色谱图并继续正常的仪器操作。如果建议的维护任务没有解决用户的色谱问题,他们可以选择再次进行自动故障排除,或者获得额外的支持信息(如制造商联系信息)。
在各种实施方案中,诊断和预测模块118利用色谱性能监测、色谱建模和自动GC故障排除规程,结合机器学习和/或神经网络来配置诊断工具,以在仪器性能和/或维护问题发生之前预测它们的时间框架和故障模式。例如,诊断和预测模块118可以利用神经网络对与GC系统100的潜在色谱性能和/或维护问题相关联的多个不同维护任务进行排序。也就是说,神经网络可以分析色谱性能监测数据、仪器数据、来自诊断测试的数据和/或模拟色谱图,以将数据与所述多个不同的维护任务相关联。因此,诊断和预测模块118利用神经网络来基于修复仪器性能和/或维护问题的维护任务的可能性来分配不同维护任务中的每一个的权重或等级。
在各种实施方案中,诊断和预测模块118还可以整合机器学习来教导GC系统100,某些样品数据和/或仪器数据与GC系统100的特定故障或维护问题相关联,或者与有限数量的可能问题相关联。也就是说,诊断和预测模块118可以分析过去的色谱性能监测结果、样品数据、仪器数据、来自诊断测试的数据和/或具有不同执行的维护任务的模拟色谱图,以将仪器故障和执行的维护相关联。因此,诊断和预测模块118可以了解到某些样品数据和/或仪器数据指示GC系统100的一个或多个故障或维护问题。因此,随着时间的推移,基于过去的GC系统故障排除和维护,GC系统100了解到某些色谱性能监测结果、样品数据、仪器数据、来自诊断测试的数据、模拟色谱图和/或其组合可以指示GC系统100的某些故障模式。
故障排除的另一个方面是使用神经网络和/或机器学习过程来帮助引导用户通过决策树。利用神经网络和/或机器学习过程将有助于GC系统学习已经发生了哪些重复的问题以及用于修复这些问题的相关解决方案。这方面的一个例子是,如果用户反复出现相同的问题,例如入口隔垫泄漏。如果GC系统的神经网络和/或机器学习过程注意到这种泄漏继续发生的模式,则GC系统将首先让用户检查入口是否有泄漏,而不是引导用户完成整个决策树过程。这将减少仪器向用户提问的数量,并为用户提供通过决策树的直接路线,并提供到先前已用于纠正问题的解决方案。
利用神经网络和/或机器学习过程的GC系统的另一个优点是,如果相同的问题继续对用户重复出现,GC系统能够建议其他可能的解决方案。这方面的一个例子是,如果入口继续在入口隔垫处有泄漏。如果同样的问题继续发生,GC系统可能会开始建议其他解决方案来修复问题的根本原因。对于重复位于入口隔垫中的泄漏的例子,GC系统可以建议让用户检查注射筒以验证针中不存在毛刺。注射筒针中的毛刺将导致隔垫中的泄漏问题重复发生,但是如果用户只是回答来自决策树的提问,则可能不会被用户注意到或进行故障排除。通过利用神经网络和/或机器学习的仪器,仪器可以向用户提供更好的洞察力,并确定该问题的根本原因。
一旦维护任务完成,诊断和预测模块118记录并指示已经执行了维护(例如,图3的控制图300上的维护指示线350)。然后,自动GC故障排除规程指示用户使用相同的样品和分离过程进行验证,以验证色谱性能和/或维护问题已得到纠正。验证运行的结果将与之前的参考色谱图和/或色谱模型进行比较,以查看结果是否匹配。如果验证运行结果与之前的参考色谱图和/或模拟色谱图相匹配,参考色谱图将被更新,仪器将恢复正常运行。如果验证运行结果与之前的参考色谱图和/或模拟色谱图不匹配,用户将返回自动故障排除,以确定问题的原因。用户还可以接受或拒绝验证运行结果,并根据自己的选择返回自动故障排除。用户也可以接受验证运行结果,即使它们与色谱模型的结果不匹配,但与之前的参考色谱图匹配。如果确定问题已经解决,则可以在适当的情况下更新、重新初始化和/或清除控制图。
实施例1
目前已开发了各种各样的色谱分析方法,以定性和定量地了解复杂样品基质的成分。有许多管理机构,如ASTM、NIST和EPA,设计并提供各种样品的分析方法。这些方法通常包括复杂的方法设定值,这些设定值已被开发以获得所需的色谱结果。一些方法旨在对非常低浓度(即十亿分之一)的分析物进行定量,而其他方法的目标可能是对(百分比水平)非常高浓度水平的化合物进行定量。一些方法采用等温和温控设定值的组合来分离挥发性和半挥发性化合物。其他方法可以使用复杂的入口温度程序或入口流动动力学来气化热不稳定的分析物。
当出现问题时,不同色谱方法参数组合的数量之多使得理解所有不同的可能相互作用非常困难。通常,GC系统的用户正在使用已经在别处开发的方法,并且用户可能不知道为什么选择方法设定值是它们现在的样子。本文描述的诊断和预测模块118的开发的目标之一是通过不仅帮助确定问题何时发生,而且在问题出现时精确定位问题所在,来帮助用户导航色谱故障排除的复杂情况。目标是帮助快速确定问题,并让用户尽快恢复运行。其中一个强大的功能是如何使用色谱建模向用户展示系统的预期行为,而不需要用户事先了解或理解所涉及的色谱。
在下面的例子中,并且参考图1、3、4、5A、5B、5C、6、7A、7B、7C和9,将使用假设的分析方法和工作流程来突出和解释诊断和预测模块118的特征。图9示出了启用、配置和使用诊断和预测模块118的过程的流程图900。在开始样品分析之前,用户激活诊断和预测模块118以动态监测GC系统100的色谱性能和功能。在激活诊断和预测模块118时,用户指定至少一个色谱评估(例如,空白评估、检测器评估或峰评估)以用于动态监测GC系统100的色谱性能和功能。对于本例,使用峰评估。峰评估使用户能够选择诊断和预测模块118将在样品分析期间监测哪些峰。用户(或GC系统100)还定义要由GC系统100监测的样品或分析物的某些峰参数(例如,保留时间、峰高、峰面积、峰宽、峰对称性和峰分辨率)、参考色谱图和性能控制极限。参考色谱图可以由GC系统100存储,或者替代地在分析感兴趣的样品之前由GC系统100生成。一旦用户指定了要监测的峰,色谱建模应用程序400将使用GC配置和方法设定值来生成模拟的标称色谱图,以验证GC是否如预期的那样运行。然后,用户将开始运行样品,作为其操作规程的一部分。该系统将监测色谱性能和控制图的结果。如果检测到问题(例如,峰评估失败或控制图预测未来的问题),用户将被提示开始故障排除以诊断问题。问题解决后,用户可以继续分析他们的样品。
在图示的例子中,选择的分析物是二十烷(n-C20H42)、二十二烷(n-C22H46)、二十四烷(n-C24H50)和二十六烷(n-C26H54)。选择这些化合物代表烃类分析的一部分,类似于详细烃类分析(DHA)或模拟蒸馏(SIMDIST),其中需要样品中不同烃的分离和种类形成。然而,应该注意的是,存在多种适合通过GC分析的化合物,并且本文描述的规程不限于烃类样品。在本例中,峰评估允许用户跟踪其色谱图中多达10个峰的色谱性能,以监测系统的健康和性能。然而,应当理解,可以监测更多或更少数量的峰。相关实验参数如下。该柱为86m x 250μm x1.5μm,HP-1ms,恒定流率为1.0mL/min,使用氦气载气,带有大气压出口。柱加热器程序从30℃的初始温度开始,并保持5分钟,然后以1.5℃/分钟的速度上升至350℃的最终温度。所使用的检测器是火焰离子化检测器(FID)。用于确定色谱模型中预期保留时间的热力学参数是从一系列等温运行中收集的,以确定范特霍夫值。
诊断和预测模块118利用当前GC系统配置和方法设定值来生成标称模拟色谱图。然后,诊断和预测模块118将标称模拟色谱图与参考色谱图进行比较。在所示例子中,诊断和预测模块118比较参考色谱图和使用标称色谱模型和GC仪器设定值作为模型输入而生成的标称模拟色谱图的峰保留时间。结果如下表1和图7A的叠加色谱图710所示。虽然色谱模型可以产生额外的色谱参数(峰宽、峰面积、峰高、峰对称性),但是对于本例仅示出了保留时间。应当理解,其他色谱参数可以以类似的方式使用。
表1:参考色谱图和模拟色谱图的保留时间比较
在图示的例子中,参考色谱图和标称模拟色谱图之间确定的保留时间差或%误差约为0.2%。这种差异是典型的,并且诊断和预测模块118确定参考色谱图和标称模拟色谱图之间的保留时间差或%误差是可接受的。应当理解,如叠加色谱图710中所示的模拟色谱图峰高被降低,以更好地说明参考色谱图和标称模拟色谱图之间峰的保留时间的匹配。如前所述,建模结果有助于显示仪器在当前配置和方法设置下的预期行为。如果用户不熟悉GC配置或分析,他们将无法知道从实验结果生成的保留时间是否良好。在这个例子中,利用标称色谱模型的建模结果与实验参考色谱图相匹配,并且系统被认为功能正常。
一旦GC系统100被确定为正常运行,用户可以选择先前为样品分析设置的峰评估方法。替代地,如果还没有为样品设置峰评估方法,用户可以将峰评估参数输入GC系统并设置新的峰评估方法。用户可以保存包括这些输入峰评估参数的方法以供以后使用。在样品分析期间,GC系统利用峰评估方法来跟踪和/或监测感兴趣样品峰的色谱数据(例如,保留时间),以确保分析物峰保持在预定义的控制极限内。下表2示出了一组峰评估参数的例子。在所示例子中,峰评估参数包括:参考色谱图峰保留时间、保留时间极限或%误差以及保留时间的控制下限和上限。诊断和预测模块118通过将参考色谱图峰保留时间乘以保留时间极限%误差来确定控制下限和上限。因此,控制下限定义了保留时间减少的可接受限度,控制上限定义了保留时间增加的可接受限度。在所示的例子中,利用+/-5%的保留时间极限来确定控制下限和上限,然而应该理解,可以使用不同的保留时间极限。图7A中的色谱图710以竖直虚线示出了在表2中列出的保留时间下十六烷(C26)的上限和下限。
表2:峰评估极限
如上所述,一旦用户确定色谱性能令人满意并选择峰评估方法,GC系统100就开始运行样品分析。在样品分析期间,诊断和预测模块118执行峰评估以监测由GC系统100分析的样品的分析物峰保留时间。因此,在样品分析开始时,诊断和预测模块118将开始收集样品数据并动态地控制样品数据的用户定义的色谱参数。因此,如果在样品分析期间,诊断和预测模块118确定一个或多个用户定义的色谱参数将在特定时间框架(例如,指定数量的进样)上超出预定义的性能控制极限(例如,控制上限320和控制下限330),则诊断和预测模块118将通知用户,用户定义的色谱参数(例如,保留时间)将在不久的将来(例如,在一定次数的进样之后)超出临界点。
如图7C的控制图730所示,诊断和预测模块118的色谱性能监测生成控制图730,该控制图为每次进样之后的每个分析物峰绘制峰评估结果。在所示的例子中,控制图730评估分析物C26的保留时间。因此,控制图730显示表2中定义的分析物的控制上限和控制下限。应该注意的是,所有被监测的分析物都存在控制上限和下限,但为了清楚起见,仅示出了C26。通过诊断和预测模块118的色谱性能监测对控制图730的分析确定分析物C26的保留时间在第六次进样之后将接近控制下限,并且在第七次进样之后将超出控制下限。因此,诊断和预测模块118可以通知所述用户未来的峰保留时间故障,并且使用户能够利用自动GC故障排除规程来在故障发生之前纠正峰保留时间故障。在本例中,忽略了未来保留时间失败的警告,系统继续运行。然而,在第7次注射之后,诊断和预测模块118报告失败的峰评估。图7B示出了具有预期色谱结果的原始参考色谱图722,以及未通过峰评估724的样品色谱图,其示出了异常结果。
在各种实施方案中,如果用户决定接受故障排除帮助,则诊断和预测模块118通过向用户显示的一系列问题和/或通过使用模拟色谱图、仪器数据和/或诊断测试来收集附加输入或信息。更具体地,诊断和预测模块118逐步通过用户引导的决策树,该决策树利用用户提供的信息(和/或系统提供的信息)来引导用户完成GC系统100的故障排除。
如图5A所示,加权决策树部分500示出了用于诊断和预测模块118开始GC系统100的自动智能故障排除的两种一般方式。自动GC故障排除规程的一种方式是通过色谱性能监测检测到GC性能问题。例如,如这里描述的例子中所示,如果一个或多个用户定义的峰数据参数落在上限或下限之外,或者确定其在不久的将来将落在上限或下限之外,则可能检测到基于峰评估失败的GC性能问题。因此,根据性能结果,诊断和预测模块118将生成并向用户显示已经检测到性能和/或维护问题的消息,并询问用户他们是否想要故障排除帮助。如果用户请求故障排除帮助,则诊断和预测模块118通过使用来自色谱性能监测的信息来确定从哪里开始引导故障排除帮助。例如,如果诊断和预测模块118内的色谱性能监测确定由于峰保留时间落在控制极限之外将发生未来故障,则诊断和预测模块118内的自动GC故障排除规程将用户引导至与保留时间偏移相关联的加权决策树部分,如图5C所示。
返回参考图5A,自动GC故障排除规程可以开始的第二种方式是,用户在样品色谱分离期间注意到一些性能问题,并且手动启动GC系统100的自动GC故障排除规程。用户可以通过访问诊断和预测模块118的诊断选项卡或其他这样的菜单选项来开始对性能问题进行故障排除。一旦用户启动GC系统100的故障排除,诊断和预测模块118询问用户他们最近是否改变了任何硬件和/或执行了GC系统100的维护任务。如果用户回答没有改变硬件或没有执行维护任务,则诊断和预测模块118引导用户到加权决策树部分510,以询问用户他们今天看到了什么色谱问题,如图5B所示。然后,诊断和预测模块118显示多个不同的性能问题供用户选择,例如,无峰、低响应、高响应、保留时间偏移、峰加宽、峰拖尾、峰前置和分辨率损失。应当理解,诊断和预测模块118可以显示其他性能问题供用户选择。一旦用户选择了他们观察到的色谱问题,引导式故障排除将进入与该问题相关的故障排除部分。
另一方面,如果用户回答硬件最近被改变或维护任务最近被执行,则诊断和预测模块118询问用户最近执行了什么改变以解决GC系统100的性能问题(例如,保留时间偏移)。诊断和预测模块118然后引导用户到加权决策树部分510,以询问用户他们今天看到了什么色谱问题,如图5B所示。然后,诊断和预测模块118显示多个不同的性能问题供用户选择,例如,无峰、低响应、高响应、保留时间偏移、峰加宽、峰拖尾、峰前置和分辨率损失。应当理解,诊断和预测模块118可以显示其他性能问题供用户选择。一旦用户选择了他们观察到的色谱问题,引导式GC故障排除将进入与该问题相关的故障排除部分。例如,如果用户回答他们最近修理了硬件或执行了与保留时间偏移相关联的维护任务,则引导的故障排除前进到加权决策树部分520以进一步调查该问题,如图5C所示。然而,在图示的例子中,最近没有改变任何硬件。
如上所述,诊断和预测模块118可以利用自动GC故障排除规程来确定峰评估失败的原因以及可能需要什么纠正动作。在这个例子中,峰评估失败,峰具有较短的保留时间,超出了保留时间极限,因此在图5B中选择了“保留时间偏移”途径。在这种情况下,GC能够在不询问用户的情况下确定正确的色谱性能故障模式。图5C是继图5B之后的后续决策树。前两个提问,“是否所有分析物的保留时间都在偏移?”和“保留时间是更短了还是更长了”由诊断和预测模块118使用来自色谱性能监测和/或参考色谱图、模拟色谱图和/或当前样品色谱图的信息来确定。沿着该路径的下一个提问可能需要用户交互,但是在一些情况下也可以由诊断和预测模块118确定。对图7B中底部色谱图的仔细检查不仅显示了保留时间偏移,还显示了基线偏离。由于保留时间偏移而未能通过峰评估的色谱图也具有较高的基线偏离。基线偏离没有被选为要监测的参数,因此系统没有提醒用户这种现象,因此可能需要用户交互。决策树中的下一个提问“柱渗漏是否严重?”的答案是肯定的。因此,色谱性能劣化的可能原因初步被认为是固定相劣化。
图6中的列表600示出了可能的故障排除解决方案的初始列表。根据色谱症状,初步认为问题出在色谱柱或柱温箱内。色谱建模结果对于精简列表和确定问题非常有用。在这个例子中,使用色谱模型和色谱设定值生成的标称色谱图和基于来自色谱运行的仪器数据(即测量的热学和气动值)的实时模拟色谱图彼此一致。此外,两种模拟色谱图也与原始参考色谱图一致。因为标称色谱图和实时模拟色谱图相互匹配,这意味着在运行期间测量的热学和气动值处于预期设定值,因此处于控制之中,可以认为气相色谱硬件功能正常。这也可以通过分析柱温箱温度的仪器数据并将其与预期的柱温箱温度设定值进行比较来验证。这些被确定为匹配。同样的过程也可以用于气动值。对图7B中的色谱图的目视检查显示了刚刚左移的看起来相似的色谱图,指示注入了相同的样品,因此排除了一些样品引入系统相关的问题(例如,ALS问题)。此外,由于两个模型都与参考色谱图匹配,因此可以推断GC系统控制或知识之外的某些因素改变了色谱性能。此外,GC在整个样品分析过程中保持了相同的配置,因此色谱劣化不可能是由于配置改变或维护问题(例如,柱被改变)造成的。图6中满足与色谱行为匹配的所有标准的唯一剩余解答是柱固定相可能已经老化或劣化。
不同的分析会以不同的方式影响GC系统,允许在性能劣化之前有很大范围的持续时间。许多样品是“干净的”,因为它们几乎不具有可能破坏系统的污染物。这可能导致在观察到色谱劣化之前需要相对较长的时间。其他样品可能是脏的,并留下不需要的残留物,这可能会损坏系统的某些部分,并导致性能相对较快地劣化。一些方法需要非常高的温度程序,这会损坏色谱柱固定相。此外,被污染的载气或泄漏的配件会使氧气进入系统,从而迅速造成色谱柱固定相损坏。控制图是非常有用的,因为在系统可能表现出性能劣化之前,持续时间是可变的。在该例子中,故障发生得很快(如图7C中的控制图所示),但在某些情况下,在色谱性能劣化变得明显之前,系统可能持续数百次进样。
在用户执行建议的规程和/或维护任务之后,GC系统100自动执行(或指示用户执行)验证运行。如果保留时间恢复正常,如通过将验证运行的样品色谱图与参考色谱图和/或模拟色谱图进行比较所确定的(并且用户同意结果),则可以通过用验证样品色谱图替换参考色谱图来更新参考色谱图。因此,GC系统100恢复正常的仪器操作,并且诊断和预测模块118更新控制图300的维护指示线350,以基于所执行的调整和/或维护任务来示出仪器性能的变化。另一方面,如果保留时间没有恢复正常,则诊断和预测模块118继续调查GC系统的其他部件(例如,入口、样品引入系统和/或检测器)。在某些实施方案中,诊断和预测模块118自动(或通过用户指令)生成维护报告,该维护报告包括在自动故障排除规程期间用户和/或GC系统100提供的输入。维护报告还包括在自动故障排除规程期间执行的任务和/或维护任务以及结果。然后,诊断和预测模块保存维护报告以供将来参考。
本文所标识的所有专利、出版物和文献的披露内容通过引用具体并入本文。
应当理解,本文使用的术语仅用于描述特定实施方案,而不旨在限制。所定义的术语是在本教导的技术领域中通常理解和接受的所定义的术语的技术和科学意义的补充。
术语“一”、“一个”和“该/所述”包括单数和复数所指物,除非上下文另有明确规定。因此,例如,“设备”包括一个设备和多个设备。除非另有说明,术语“第一”、“第二”、“第三”和其他序数在本文中用于区分本设备和方法的不同元件,并不旨在提供数字限制。对第一和第二元件的引用不应被解释为意味着设备只有两个元件。除非另有说明,具有第一和第二元件的设备还可以包括第三、第四、第五元件等等。
如本文所使用的,术语“标称值”或“理想值”或“设定值”是指从理论上或从参考中抽象确定的值,而不是从操作期间的实际测量中确定的值。例如,如果GC方法规定柱加热器将温度保持在40℃持续1分钟,然后在20秒内将温度从40℃升高到60℃,则标称值(在特定时间点)将是基于定义的程序的温度,而不是传感器在该特定时间点测量的准确柱加热器温度。然而,GC系统具有温度传感器,用于测量和记录柱加热器的实际温度,该温度可能与预定的标称值略有不同。
如在说明书和所附权利要求中使用的,除了其普通含义之外,术语“色谱模型”是指程序、软件或算法,其使用关于样品或样品中的一种或多种分析物的化学性质的数据,结合关于GC方法和/或配置的数据来预测样品(如果通过GC方法和/或配置进行色谱分离的话)中的一种或多种分析物的一个或多个色谱参数。
如在说明书和所附权利要求中使用的,除了其普通含义之外,术语“色谱参数”是指可以由GC系统测量的任何参数,包括但不限于分析物对的保留时间、峰高、峰面积、峰宽、峰对称性和峰分辨率。
如在说明书和所附权利要求中使用的,除了其普通含义之外,术语“性能数据”是指从执行色谱分离获得、导出或以其他方式与执行色谱分离相关的数据,包括但不限于样品数据和仪器数据。样品数据是指关于进行分离的样品的数据(例如保留时间和其他色谱参数),仪器数据是指关于仪器的数据(例如温度、压力、功率需求或其他)。
如在说明书和所附权利要求中使用的,并且除了其通常的含义之外,术语“连接”是指两个部件流体地连接、或物理地连接、或这两者。术语“流体地连接”是指两个部件处于流体连通,并且包括这两个部件之间的直接连接以及一个或更多个其他部件处于这两个部件之间的流路中的间接连接。例如,当流体从第一部件流动至第二部件时,如果第一部件的出口物理地连接到第二部件的入口,或者如果导管连接第一部件和第二部件,或者如果一个或多个中间部件(比如阀、泵或其他结构等)位于在这两个部件之间,则第一部件和第二部件为流体地连接的,反之亦然。部件可以以任何合适的方式物理连接,诸如通过使用套圈、铜焊和其他方式。通常,对于本装置,不透流体的和/或使死体积最小化的物理连接是所期望的。
在这里的详细描述中,出于解释而非限制的目的,阐述了公开具体细节的代表性实施方案,以便提供对本教导的彻底理解。对已知系统、设备、材料、操作方法和制造方法的描述可能被省略,以避免模糊示例性实施方案的描述。但是,可以根据代表性实施方案使用本领域普通技术人员所知道的系统、设备、材料和方法。
通常,应当理解,附图和其中描绘的各种元件不是按比例绘制的。此外,“在……上方”、“在……下方”、“顶部”、“底部”、“上”、“下”、“左”、“右”、“竖直”和“水平”等相对术语用于描述各种元件彼此之间的关系’如附图所示。应当理解,除了附图中描绘的取向之外,这些相关术语旨在包括微流体污染物设备和/或元件的不同取向。
示例性实施方案
根据当前公开的主题提供的示例性实施方案可以包括但不限于以下各项:
实施方案1.一种用于操作气相色谱(GC)系统的方法,所述方法包括:
基于所述GC系统的配置使用色谱模型生成模拟色谱分离,其中所述色谱模型计算由所述GC系统分析的样品的至少一个色谱参数;
使用所述GC系统执行样品色谱分离,由此生成由所述GC系统分析的样品的样品色谱图;
收集与所述样品色谱分离相关联的性能数据,其中所述性能数据包括所述样品的所述至少一个色谱参数;
执行色谱性能监测,所述色谱性能监测被配置为分析所述样品色谱分离,其中所述色谱性能监测包括将所述样品色谱分离的所述至少一个色谱参数与所述模拟色谱分离和/或参考色谱分离进行比较,并且确定所述样品色谱分离的所述至少一个色谱参数是否已经落在性能控制极限之外,和/或预测所述样品色谱分离的所述至少一个色谱参数是否和/或何时会落在所述性能控制极限之外;
执行自动GC故障排除规程,所述规程使用所述色谱性能监测和所述色谱模型的结果来预测所述GC系统的预期维护任务;以及
发送包括所述预期维护任务的所述GC系统的维护通知。
实施方案2.根据实施方案1所述的方法,其中所述至少一个色谱参数包括由所述GC系统分析的分析物的保留时间、相对保留时间、保留指数、调整保留时间、峰高、峰面积、峰宽、峰对称性、峰分辨率、峰容量、偏斜、峰度、Trennzahl、容量因子、选择性、效率、表观效率、拖尾因子、浓度和摩尔量中的一个或多个。
实施方案3.根据实施方案1所述的方法,其中所述自动故障排除规程还使用来自所述样品色谱分离的仪器数据来确定所述预期维护任务,并且其中发送所述维护通知包括从多个不同的维护任务中确定所述预期维护任务,并提醒所述GC系统的用户注意所述预期维护任务。
实施方案4.根据实施方案3所述的方法,其中所述仪器数据包括所述GC系统的温度值、压力传感器值、阀状态、电机步进、进样计数、电机占空比、加热器电流值、加热器占空比、电机电流值、流量传感器值、检测器信号值、检测器电流值、检测器频率值、校准表、自动归零值、传感器归零值、开启时间值和阀占空比值中的一个或多个。
实施方案5.根据实施方案1所述的方法,其中所述自动故障排除规程执行一项或多项诊断测试,以确定所述预期维护任务。
实施方案6.根据实施方案1所述的方法,其中所述色谱模型利用在所述GC系统执行的样品色谱分离期间实时收集的所述GC系统的实际仪器值。
实施方案7.根据实施方案1所述的方法,其中所述自动故障排除规程利用决策树来确定所述预期维护任务。
实施方案8.根据实施方案7所述的方法,其中用户将信息输入到所述决策树中。
实施方案9.根据实施方案7所述的方法,其中所述决策树进一步确定对所述GC系统的样品引入系统、样品入口、柱、柱加热器、和检测器中的一个或多个执行所述预期维护任务,以纠正处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的所述至少一个色谱参数。
实施方案10.根据实施方案1所述的方法,其中所述自动故障排除规程进一步利用神经网络来确定所述预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数之间的相关性。
实施方案11.根据实施方案1所述的方法,其中所述自动故障排除规程进一步利用机器学习过程来教导所述GC系统所述预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数相关联。
实施方案12.根据实施方案1所述的方法,其中所述自动故障排除规程利用神经网络将一个或多个预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数的纠正相关联,并且其中如果处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数是重复出现的GC系统问题,则所述神经网络确定备选维护任务以纠正所述重复出现的GC系统问题。
实施方案13.根据实施方案1所述的方法,其中所述自动故障排除规程进一步包括对所述GC系统的样品引入系统、样品入口、柱、柱加热器、和检测器中的一个或多个执行所述预期维护任务,以纠正处于所述性能控制极限之外和/或预期处于性能控制极限之外的色谱参数。
实施方案14.根据实施方案1所述的方法,进一步包括在执行所述预期维护任务之后执行验证色谱分离,其中将所述验证色谱分离与所述模拟色谱分离或先前的参考色谱图进行比较,以验证所述预期维护任务纠正了所述至少一个色谱参数,使其不处于所述性能控制极限之外和/或预期处于所述性能控制极限之外。
实施方案15.根据实施方案14所述的方法,其中如果所述验证色谱分离验证所述至少一个色谱参数在所述性能控制极限内,则所述验证色谱分离替换所述参考色谱分离。
实施方案16.根据实施方案1所述的方法,其中所述色谱性能监测包括绘制控制图,所述控制图包括所述样品的所述至少一个色谱参数和进样计数,其中所述控制图用于外推所述至少一个色谱参数的数据,以预测所述至少一个色谱参数是否和/或何时将超出所述性能控制极限,并且其中所述控制图用于在所述样品的至少一个色谱参数处于所述性能控制极限之外和/或预期处于所述性能控制极限之外之前生成预期GC系统故障的维护通知。
实施方案17.根据实施方案1所述的方法,其中生成所述模拟色谱分离包括生成标称模拟色谱图和实时模拟色谱图,并且其中利用所述色谱模型包括将所述实时模拟色谱图与所述标称模拟色谱图进行比较。
实施方案18.根据实施方案1所述的方法,其中在所述故障排除规程期间利用所述色谱模型包括在标称模拟色谱图、实时模拟色谱图、所述参考色谱分离、和所述样品色谱分离中的两个或更多个之间进行比较。
实施方案19.根据实施方案18所述的方法,其中如果所述实时模拟色谱图与所述标称模拟色谱图和所述参考色谱分离中的至少一个一致,但是所述实时模拟色谱图与所述样品色谱分离不一致,则所述自动故障排除规程确定所述GC系统正如预期的那样被控制,并且所述GC系统的控制之外的某些因素正在导致所述至少一个色谱参数落在所述性能控制极限之外。
实施方案20.根据实施方案18所述的方法,其中如果所述实时模拟色谱图与所述样品色谱分离一致,但是所述实时模拟色谱图和所述样品色谱分离与所述标称模拟色谱图和所述参考色谱分离中的至少一个不一致,则所述自动故障排除规程确定所述GC系统没有如预期的那样被控制,并且所述GC系统的控制正在导致所述至少一个色谱参数落在所述性能控制极限之外。
实施方案21.一种用于分析样品的气相色谱(GC)系统,所述GC系统包括:
GC柱,其包括入口和出口,其中所述GC柱被配置用于包含一种或多种分析物的样品的色谱分离;
GC检测器,其流体地连接到所述GC柱的出口;以及
控制器,其可通信地连接到至少所述GC检测器,所述控制器被配置成:
基于所述GC系统的配置使用色谱模型生成模拟色谱分离,其中所述色谱模型计算由所述GC系统分析的样品的至少一个色谱参数,
对加载到所述GC系统中的所述样品执行样品色谱分离,
收集与所述样品色谱分离相关联的性能数据,其中所述性能数据包括所述样品色谱分离的所述至少一个色谱参数,
执行色谱性能监测,所述色谱性能监测被配置为分析所述样品色谱分离,其中所述色谱性能监测包括将所述样品色谱分离的所述至少一个色谱参数与所述模拟色谱分离和/或参考色谱分离进行比较,以确定所述样品色谱分离的所述至少一个色谱参数是否已经落在性能控制极限之外,和/或以预测所述样品色谱分离的所述至少一个色谱参数是否和/或何时将落在所述性能控制极限之外,
执行自动GC故障排除规程,所述规程使用所述色谱性能监测和所述色谱模型的结果来预测所述GC系统的预期维护任务,并且
向所述GC系统的用户发送包括所述预期维护任务的维护通知。
实施方案22.根据实施方案21所述的GC系统,其中所述至少一个色谱参数包括由所述GC系统分析的分析物的保留时间、相对保留时间、保留指数、调整保留时间、峰高、峰面积、峰宽、峰对称性、峰分辨率、峰容量、偏斜、峰度、Trennzahl、容量因子、选择性、效率、表观效率、拖尾因子、浓度和摩尔量中的一个或多个。
实施方案23.根据实施方案21所述的GC系统,进一步包括至少一个仪器传感器,所述至少一个仪器传感器可通信地连接到所述控制器并被配置成收集仪器数据,其中所述仪器数据包括所述GC系统的温度值、压力传感器值、阀状态、电机步进、进样计数、电机占空比、加热器电流值、加热器占空比、电机电流值、流量传感器值、检测器信号值、检测器电流值、检测器频率值、校准表、自动归零值、传感器归零值、开启时间值和阀占空比值中的一个或多个。
实施方案24.根据实施方案23所述的GC系统,其中所述控制器向所述色谱模型提供由所述至少一个仪器传感器实时收集的所述GC系统的实际仪器值。
实施方案25.根据实施方案23所述的GC系统,其中所述控制器在所述自动故障排除规程期间执行一项或多项诊断测试,以确定所述预期维护任务。
实施方案26.根据实施方案21所述的GC系统,其中所述控制器生成用于所述自动故障排除规程的决策树。
实施方案27.根据实施方案26所述的GC系统,其中所述GC系统的用户将信息输入到所述决策树中。
实施方案28.根据实施方案26所述的GC系统,其中所述控制器利用所述决策树来确定要对所述GC系统的样品引入系统、样品入口、柱、柱加热器、和检测器中的一个或多个执行的所述预期维护任务,以纠正处于所述性能控制极限之外和/或预期处于性能控制极限之外的色谱参数。
实施方案29.根据实施方案21所述的GC系统,其中所述控制器在所述自动故障排除规程期间利用神经网络来确定所述预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数之间的相关性。
实施方案30.根据实施方案21所述的GC系统,其中所述控制器在所述自动故障排除规程期间利用机器学习过程来教导所述GC系统所述预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数相关联。
实施方案31.根据实施方案21所述的GC系统,其中所述控制器利用神经网络将一个或多个预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数的纠正相关联,并且其中如果处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数是重复出现的GC系统问题,则所述神经网络确定备选维护任务以纠正所述重复出现的GC系统问题。
实施方案32.根据实施方案21所述的GC系统,其中所述控制器在执行所述预期维护任务之后执行验证色谱分离,其中将所述验证色谱分离与所述模拟色谱分离和/或所述参考色谱分离进行比较,以验证所述预期维护任务纠正了所述至少一个色谱参数,使其不处于所述性能控制极限之外和/或预期处于所述性能控制极限之外。
实施方案33.根据实施方案32所述的GC系统,其中如果所述验证色谱分离验证所述至少一个色谱参数在所述性能控制极限内,则所述控制器用所述验证色谱分离替换所述参考色谱分离。
实施方案34.根据实施方案21所述的GC系统,其中在所述色谱性能监测期间,所述控制器生成包括所述样品的所述至少一个色谱参数和进样计数的控制图,并且其中所述控制器外推所述至少一个色谱参数的数据,以预测所述至少一个色谱参数是否和/或何时将超出所述性能控制极限。
实施方案35.根据实施方案21所述的GC系统,其中在所述故障排除规程期间利用所述色谱模型包括所述控制器比较标称模拟色谱图、实时模拟色谱图、所述参考色谱分离、和所述样品的色谱分离中的两个或更多个。
实施方案36.根据实施方案35所述的GC系统,其中如果所述实时模拟色谱图与所述标称模拟色谱图和所述参考色谱分离中的至少一个一致,但是所述实时模拟色谱图与所述样品的色谱分离不一致,则所述自动故障排除规程确定所述GC系统正如预期的那样被控制,并且所述GC系统的控制之外的某些因素正在导致所述至少一个色谱参数落在所述性能控制极限之外。
实施方案37.根据实施方案35所述的GC系统,其中如果所述实时模拟色谱图与所述样品的色谱分离一致,但是所述实时模拟色谱图和所述样品的色谱分离与所述标称模拟色谱图和所述参考色谱分离中的至少一个不一致,则所述自动故障排除规程确定所述GC系统没有如预期的那样被控制,并且所述GC系统的控制导致所述至少一个色谱参数落在所述性能控制极限之外。
实施方案38.一种用于分析样品的气相色谱(GC)系统,所述GC系统包括:
GC柱,其包括入口和出口,其中所述GC柱被配置用于包含一种或多种分析物的样品的色谱分离;
GC检测器,其流体地连接到所述GC柱的出口;
至少一个传感器,其被配置为收集所述GC系统的仪器数据;以及
控制器,其可通信地连接到所述GC检测器和所述至少一个传感器,所述控制器被配置成:
对加载到所述GC系统中的所述样品执行色谱分离;并且
利用由所述至少一个传感器收集的仪器数据生成所述样品的模拟色谱分离;其中所述控制器被配置成在所述样品的色谱分离期间实时生成所述模拟色谱分离。
实施方案39.根据实施方案38所述的GC系统,其中由所述至少一个传感器收集的仪器数据包括所述GC系统的温度值、压力传感器值、阀状态、电机步进、进样计数、电机占空比、加热器电流值、加热器占空比、电机电流值、流量传感器值、检测器信号值、检测器电流值、检测器频率值、校准表、自动归零值、传感器归零值、开启时间值和阀占空比值中的一个或多个。
实施方案40.根据实施方案38所述的GC系统,其中基于所述GC系统的配置从色谱模型生成所述模拟色谱分离。
实施方案41.根据实施方案40所述的GC系统,其中所述色谱模型计算至少一个色谱参数,所述至少一个色谱参数包括由所述GC系统分析的样品的保留时间、峰高、峰面积、峰宽、峰对称性和峰分辨率中的至少一个。
实施方案42.根据实施方案38所述的GC系统,其中所述控制器执行色谱性能监测,所述色谱性能监测被配置为分析所述样品的色谱分离,并且其中所述色谱性能监测包括将至少一个色谱参数与所述模拟色谱分离和/或参考色谱分离进行比较,并确定所述至少一个色谱参数是否已经落在性能控制极限之外和/或预测所述至少一个色谱参数是否和/或何时将落在所述性能控制极限之外。
实施方案43.根据实施方案42所述的GC系统,其中所述控制器执行自动故障排除规程,所述自动故障排除规程利用所述色谱性能监测和所述模拟色谱分离来预测所述GC系统的预期维护任务,并且其中所述自动故障排除规程从多个不同的维护任务中确定所述预期维护任务,以纠正处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的所述至少一个色谱参数。
实施方案44.根据实施方案43所述的GC系统,其中所述控制器在所述GC系统的用户执行从所述多个不同维护任务中选择的所述预期维护任务之后执行验证色谱分离,并且其中将所述验证色谱分离与所述模拟色谱分离和/或所述参考色谱分离进行比较,以验证所述预期维护任务纠正了所述至少一个色谱参数,使其不处于所述性能控制极限之外和/或预期处于所述性能控制极限之外。
实施方案45.根据实施方案44所述的GC系统,其中如果所述验证色谱分离验证所述至少一个色谱参数在所述性能控制极限内,则所述控制器用所述验证色谱分离替换所述参考色谱分离。
实施方案46.一种用于操作气相色谱(GC)系统的方法,所述方法包括:
基于所述GC系统的配置使用色谱模型生成模拟色谱分离,其中所述色谱模型计算由所述GC系统分析的样品的至少一个色谱参数;
使用所述GC系统执行样品色谱分离,由此生成由所述GC系统分析的样品的样品色谱图;
收集与所述样品色谱分离相关联的性能数据,其中所述性能数据包括所述样品的所述至少一个色谱参数;
执行自动GC故障排除规程,所述规程使用所述色谱模型和所述样品色谱分离的结果来预测所述GC系统的预期维护任务;以及
发送包括所述预期维护任务的所述GC系统的维护通知。
实施方案47.一种用于操作气相色谱(GC)系统的方法,所述方法包括:
使用所述GC系统执行样品色谱分离,由此生成由所述GC系统分析的样品的样品色谱图;
收集与所述样品色谱分离相关联的仪器数据,所述仪器数据包括至少一个传感器值;执行色谱性能监测,所述色谱性能监测被配置为分析所述样品色谱分离,其中所述色谱性能监测包括确定所述至少一个传感器值是否已经落在性能控制极限之外和/或预测所述至少一个传感器值是否和/或何时会落在所述性能控制极限之外;
执行自动GC故障排除规程,所述规程使用所述GC系统的色谱性能监测和色谱模型来预测所述GC系统的预期维护任务;以及
发送包括所述预期维护任务的所述GC系统的维护通知。
鉴于本公开文本,注意到可以按照本教导来实现所述方法和设备。此外,各种部件、材料、结构和参数仅通过说明和举例的方式被包括在内,并且不具有任何限制意义。鉴于本公开文本,本教导可以在其他应用中实现,并且可以确定实现这些应用所需的部件、材料、结构和装备,同时保持在所附权利要求的范围内。
Claims (47)
1.一种用于操作气相色谱(GC)系统的方法,所述方法包括:
基于所述GC系统的配置使用色谱模型生成模拟色谱分离,其中所述色谱模型计算由所述GC系统分析的样品的至少一个色谱参数;
使用所述GC系统执行样品色谱分离,由此生成由所述GC系统分析的样品的样品色谱图;
收集与所述样品色谱分离相关联的性能数据,其中所述性能数据包括所述样品的所述至少一个色谱参数;
执行色谱性能监测,所述色谱性能监测被配置为分析所述样品色谱分离,其中所述色谱性能监测包括将所述样品色谱分离的所述至少一个色谱参数与所述模拟色谱分离和/或参考色谱分离进行比较,并且确定所述样品色谱分离的所述至少一个色谱参数是否已经落在性能控制极限之外,和/或预测所述样品色谱分离的所述至少一个色谱参数是否和/或何时会落在所述性能控制极限之外;
执行自动GC故障排除规程,所述规程使用所述色谱性能监测和所述色谱模型的结果来预测所述GC系统的预期维护任务;以及
发送包括所述预期维护任务的所述GC系统的维护通知。
2.根据权利要求1所述的方法,其中所述至少一个色谱参数包括由所述GC系统分析的分析物的保留时间、相对保留时间、保留指数、调整保留时间、峰高、峰面积、峰宽、峰对称性、峰分辨率、峰容量、偏斜、峰度、Trennzahl、容量因子、选择性、效率、表观效率、拖尾因子、浓度和摩尔量中的一个或多个。
3.根据权利要求1所述的方法,其中所述自动故障排除规程还使用来自所述样品色谱分离的仪器数据来确定所述预期维护任务,并且其中发送所述维护通知包括从多个不同的维护任务中确定所述预期维护任务,并提醒所述GC系统的用户注意所述预期维护任务。
4.根据权利要求3所述的方法,其中所述仪器数据包括所述GC系统的温度值、压力传感器值、阀状态、电机步进、进样计数、电机占空比、加热器电流值、加热器占空比、电机电流值、流量传感器值、检测器信号值、检测器电流值、检测器频率值、校准表、自动归零值、传感器归零值、开启时间值和阀占空比值中的一个或多个。
5.根据权利要求1所述的方法,其中所述自动故障排除规程执行一项或多项诊断测试,以确定所述预期维护任务。
6.根据权利要求1所述的方法,其中所述色谱模型利用在所述GC系统执行的样品色谱分离期间实时收集的所述GC系统的实际仪器值。
7.根据权利要求1所述的方法,其中所述自动故障排除规程利用决策树来确定所述预期维护任务。
8.根据权利要求7所述的方法,其中用户将信息输入到所述决策树中。
9.根据权利要求7所述的方法,其中所述决策树进一步确定对所述GC系统的样品引入系统、样品入口、柱、柱加热器、和检测器中的一个或多个执行所述预期维护任务,以纠正处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的所述至少一个色谱参数。
10.根据权利要求1所述的方法,其中所述自动故障排除规程进一步利用神经网络来确定所述预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数之间的相关性。
11.根据权利要求1所述的方法,其中所述自动故障排除规程进一步利用机器学习过程来教导所述GC系统所述预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数相关联。
12.根据权利要求1所述的方法,其中所述自动故障排除规程利用神经网络将一个或多个预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数的纠正相关联,并且其中如果处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数是重复出现的GC系统问题,则所述神经网络确定备选维护任务以纠正所述重复出现的GC系统问题。
13.根据权利要求1所述的方法,其中所述自动故障排除规程进一步包括对所述GC系统的样品引入系统、样品入口、柱、柱加热器、和检测器中的一个或多个执行所述预期维护任务,以纠正处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数。
14.根据权利要求1所述的方法,所述方法进一步包括在执行所述预期维护任务之后执行验证色谱分离,其中将所述验证色谱分离与所述模拟色谱分离或先前的参考色谱图进行比较,以验证所述预期维护任务纠正了所述至少一个色谱参数,使其不处于所述性能控制极限之外和/或预期处于所述性能控制极限之外。
15.根据权利要求14所述的方法,其中如果所述验证色谱分离验证所述至少一个色谱参数在所述性能控制极限内,则所述验证色谱分离替换所述参考色谱分离。
16.根据权利要求1所述的方法,其中所述色谱性能监测包括绘制控制图,所述控制图包括所述样品的所述至少一个色谱参数和进样计数,其中所述控制图用于外推所述至少一个色谱参数的数据,以预测所述至少一个色谱参数是否和/或何时将超出所述性能控制极限,并且其中所述控制图用于在所述样品的至少一个色谱参数处于所述性能控制极限之外和/或预期处于所述性能控制极限之外之前生成预期GC系统故障的维护通知。
17.根据权利要求1所述的方法,其中生成所述模拟色谱分离包括生成标称模拟色谱图和实时模拟色谱图,并且其中利用所述色谱模型包括将所述实时模拟色谱图与所述标称模拟色谱图进行比较。
18.根据权利要求1所述的方法,其中在所述故障排除规程期间利用所述色谱模型包括在标称模拟色谱图、实时模拟色谱图、所述参考色谱分离、和所述样品色谱分离中的两个或更多个之间进行比较。
19.根据权利要求18所述的方法,其中如果所述实时模拟色谱图与所述标称模拟色谱图和所述参考色谱分离中的至少一个一致,但是所述实时模拟色谱图与所述样品色谱分离不一致,则所述自动故障排除规程确定所述GC系统正如预期的那样被控制,并且所述GC系统的控制之外的某些因素正在导致所述至少一个色谱参数落在所述性能控制极限之外。
20.根据权利要求18所述的方法,其中如果所述实时模拟色谱图与所述样品色谱分离一致,但是所述实时模拟色谱图和所述样品色谱分离与所述标称模拟色谱图和所述参考色谱分离中的至少一个不一致,则所述自动故障排除规程确定所述GC系统没有如预期的那样被控制,并且所述GC系统的控制正在导致所述至少一个色谱参数落在所述性能控制极限之外。
21.一种用于分析样品的气相色谱(GC)系统,所述GC系统包括:
GC柱,其包括入口和出口,其中所述GC柱被配置用于包含一种或多种分析物的样品的色谱分离;
GC检测器,其流体地连接到所述GC柱的出口;以及
控制器,其可通信地连接到至少所述GC检测器,所述控制器被配置成:
基于所述GC系统的配置使用色谱模型生成模拟色谱分离,其中所述色谱模型计算由所述GC系统分析的样品的至少一个色谱参数,
对加载到所述GC系统中的所述样品执行样品色谱分离,
收集与所述样品色谱分离相关联的性能数据,其中所述性能数据包括所述样品色谱分离的所述至少一个色谱参数,
执行色谱性能监测,所述色谱性能监测被配置为分析所述样品色谱分离,其中所述色谱性能监测包括将所述样品色谱分离的所述至少一个色谱参数与所述模拟色谱分离和/或参考色谱分离进行比较,以确定所述样品色谱分离的所述至少一个色谱参数是否已经落在性能控制极限之外,和/或以预测所述样品色谱分离的所述至少一个色谱参数是否和/或何时将落在所述性能控制极限之外,
执行自动GC故障排除规程,所述规程使用所述色谱性能监测和所述色谱模型的结果来预测所述GC系统的预期维护任务,并且
向所述GC系统的用户发送包括所述预期维护任务的维护通知。
22.根据权利要求21所述的GC系统,其中所述至少一个色谱参数包括由所述GC系统分析的分析物的保留时间、相对保留时间、保留指数、调整保留时间、峰高、峰面积、峰宽、峰对称性、峰分辨率、峰容量、偏斜、峰度、Trennzahl、容量因子、选择性、效率、表观效率、拖尾因子、浓度和摩尔量中的一个或多个。
23.根据权利要求21所述的GC系统,所述GC系统进一步包括至少一个仪器传感器,所述至少一个仪器传感器可通信地连接到所述控制器并被配置成收集仪器数据,其中所述仪器数据包括所述GC系统的温度值、压力传感器值、阀状态、电机步进、进样计数、电机占空比、加热器电流值、加热器占空比、电机电流值、流量传感器值、检测器信号值、检测器电流值、检测器频率值、校准表、自动归零值、传感器归零值、开启时间值和阀占空比值中的一个或多个。
24.根据权利要求23所述的GC系统,其中所述控制器向所述色谱模型提供由所述至少一个仪器传感器实时收集的所述GC系统的实际仪器值。
25.根据权利要求23所述的GC系统,其中所述控制器在所述自动故障排除规程期间执行一项或多项诊断测试,以确定所述预期维护任务。
26.根据权利要求21所述的GC系统,其中所述控制器生成用于所述自动故障排除规程的决策树。
27.根据权利要求26所述的GC系统,其中所述GC系统的用户将信息输入到所述决策树中。
28.根据权利要求26所述的GC系统,其中所述控制器利用所述决策树来确定要对所述GC系统的样品引入系统、样品入口、柱、柱加热器、和检测器中的一个或多个执行的所述预期维护任务,以纠正处于所述性能控制极限之外和/或预期处于性能控制极限之外的色谱参数。
29.根据权利要求21所述的GC系统,其中所述控制器在所述自动故障排除规程期间利用神经网络来确定所述预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数之间的相关性。
30.根据权利要求21所述的GC系统,其中所述控制器在所述自动故障排除规程期间利用机器学习过程来教导所述GC系统所述预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数相关联。
31.根据权利要求21所述的GC系统,其中所述控制器利用神经网络将一个或多个预期维护任务与处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数的纠正相关联,并且其中如果处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的色谱参数是重复出现的GC系统问题,则所述神经网络确定备选维护任务以纠正所述重复出现的GC系统问题。
32.根据权利要求21所述的GC系统,其中所述控制器在执行所述预期维护任务之后执行验证色谱分离,其中将所述验证色谱分离与所述模拟色谱分离和/或所述参考色谱分离进行比较,以验证所述预期维护任务纠正了所述至少一个色谱参数,使其不处于所述性能控制极限之外和/或预期处于所述性能控制极限之外。
33.根据权利要求32所述的GC系统,其中如果所述验证色谱分离验证所述至少一个色谱参数在所述性能控制极限内,则所述控制器用所述验证色谱分离替换所述参考色谱分离。
34.根据权利要求21所述的GC系统,其中在所述色谱性能监测期间,所述控制器生成包括所述样品的所述至少一个色谱参数和进样计数的控制图,并且其中所述控制器外推所述至少一个色谱参数的数据,以预测所述至少一个色谱参数是否和/或何时将超出所述性能控制极限。
35.根据权利要求21所述的GC系统,其中在所述故障排除规程期间利用所述色谱模型包括所述控制器比较标称模拟色谱图、实时模拟色谱图、所述参考色谱分离、和所述样品的色谱分离中的两个或更多个。
36.根据权利要求35所述的GC系统,其中如果所述实时模拟色谱图与所述标称模拟色谱图和所述参考色谱分离中的至少一个一致,但是所述实时模拟色谱图与所述样品的色谱分离不一致,则所述自动故障排除规程确定所述GC系统正如预期的那样被控制,并且所述GC系统的控制之外的某些因素正在导致所述至少一个色谱参数落在所述性能控制极限之外。
37.根据权利要求35所述的GC系统,其中如果所述实时模拟色谱图与所述样品的色谱分离一致,但是所述实时模拟色谱图和所述样品的色谱分离与所述标称模拟色谱图和所述参考色谱分离中的至少一个不一致,则所述自动故障排除规程确定所述GC系统没有如预期的那样被控制,并且所述GC系统的控制导致所述至少一个色谱参数落在所述性能控制极限之外。
38.一种用于分析样品的气相色谱(GC)系统,所述GC系统包括:
GC柱,其包括入口和出口,其中所述GC柱被配置用于包含一种或多种分析物的样品的色谱分离;
GC检测器,其流体地连接到所述GC柱的出口;
至少一个传感器,其被配置为收集所述GC系统的仪器数据;以及
控制器,其可通信地连接到所述GC检测器和所述至少一个传感器,所述控制器被配置成:
对加载到所述GC系统中的所述样品执行色谱分离;以及
利用由所述至少一个传感器收集的仪器数据生成所述样品的模拟色谱分离;其中所述控制器被配置成在所述样品的色谱分离期间实时生成所述模拟色谱分离。
39.根据权利要求38所述的GC系统,其中由所述至少一个传感器收集的仪器数据包括所述GC系统的温度值、压力传感器值、阀状态、电机步进、进样计数、电机占空比、加热器电流值、加热器占空比、电机电流值、流量传感器值、检测器信号值、检测器电流值、检测器频率值、校准表、自动归零值、传感器归零值、开启时间值和阀占空比值中的一个或多个。
40.根据权利要求38所述的GC系统,其中基于所述GC系统的配置从色谱模型生成所述模拟色谱分离。
41.根据权利要求40所述的GC系统,其中所述色谱模型计算至少一个色谱参数,所述至少一个色谱参数包括由所述GC系统分析的样品的保留时间、峰高、峰面积、峰宽、峰对称性和峰分辨率中的至少一个。
42.根据权利要求38所述的GC系统,其中所述控制器执行色谱性能监测,所述色谱性能监测被配置为分析所述样品的色谱分离,并且其中所述色谱性能监测包括将至少一个色谱参数与所述模拟色谱分离和/或参考色谱分离进行比较,并确定所述至少一个色谱参数是否已经落在性能控制极限之外和/或预测所述至少一个色谱参数是否和/或何时将落在所述性能控制极限之外。
43.根据权利要求42所述的GC系统,其中所述控制器执行自动故障排除规程,所述自动故障排除规程利用所述色谱性能监测和所述模拟色谱分离来预测所述GC系统的预期维护任务,并且其中所述自动故障排除规程从多个不同的维护任务中确定所述预期维护任务,以纠正处于所述性能控制极限之外和/或预期处于所述性能控制极限之外的所述至少一个色谱参数。
44.根据权利要求43所述的GC系统,其中所述控制器在所述GC系统的用户执行从所述多个不同维护任务中选择的所述预期维护任务之后执行验证色谱分离,并且其中将所述验证色谱分离与所述模拟色谱分离和/或所述参考色谱分离进行比较,以验证所述预期维护任务纠正了所述至少一个色谱参数,使其不处于所述性能控制极限之外和/或预期处于所述性能控制极限之外。
45.根据权利要求44所述的GC系统,其中如果所述验证色谱分离验证所述至少一个色谱参数在所述性能控制极限内,则所述控制器用所述验证色谱分离替换所述参考色谱分离。
46.一种用于操作气相色谱(GC)系统的方法,所述方法包括:
基于所述GC系统的配置使用色谱模型生成模拟色谱分离,其中所述色谱模型计算由所述GC系统分析的样品的至少一个色谱参数;
使用所述GC系统执行样品色谱分离,由此生成由所述GC系统分析的样品的样品色谱图;
收集与所述样品色谱分离相关联的性能数据,其中所述性能数据包括所述样品的所述至少一个色谱参数;
执行自动GC故障排除规程,所述规程使用所述色谱模型和所述样品色谱分离的结果来预测所述GC系统的预期维护任务;以及
发送包括所述预期维护任务的所述GC系统的维护通知。
47.一种用于操作气相色谱(GC)系统的方法,所述方法包括:
使用所述GC系统执行样品色谱分离,由此生成由所述GC系统分析的样品的样品色谱图;
收集与所述样品色谱分离相关联的仪器数据,所述仪器数据包括至少一个传感器值;
执行色谱性能监测,所述色谱性能监测被配置为分析所述样品色谱分离,其中所述色谱性能监测包括确定所述至少一个传感器值是否已经落在性能控制极限之外和/或预测所述至少一个传感器值是否和/或何时会落在所述性能控制极限之外;
执行自动GC故障排除规程,所述规程使用所述GC系统的色谱性能监测和色谱模型来预测所述GC系统的预期维护任务;以及
发送包括所述预期维护任务的所述GC系统的维护通知。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063114835P | 2020-11-17 | 2020-11-17 | |
US63/114,835 | 2020-11-17 | ||
PCT/US2021/059518 WO2022108927A1 (en) | 2020-11-17 | 2021-11-16 | Gas chromatography systems and methods with diagnostic and predictive module |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116420192A true CN116420192A (zh) | 2023-07-11 |
Family
ID=81709619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180075186.5A Pending CN116420192A (zh) | 2020-11-17 | 2021-11-16 | 具有诊断和预测模块的气相色谱系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240011954A1 (zh) |
JP (1) | JP2023550354A (zh) |
CN (1) | CN116420192A (zh) |
DE (1) | DE112021006017T5 (zh) |
GB (1) | GB2616385A (zh) |
WO (1) | WO2022108927A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115510964B (zh) * | 2022-09-21 | 2023-05-26 | 浙江省科技项目管理服务中心 | 一种针对液相色谱仪类科学仪器的机时计算方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6691053B2 (en) * | 2001-11-30 | 2004-02-10 | Agilent Technologies, Inc. | Method of matching retention times among multiple chromatographic system |
GB201011921D0 (en) * | 2010-07-15 | 2010-09-01 | Sutan Anwar | Method for gas chromatography analysis and maintenance |
CN103907020B (zh) * | 2011-10-28 | 2017-10-13 | 萨默费尼根有限公司 | 用于液相色谱流体监控的方法和系统 |
GB201205915D0 (en) * | 2012-04-02 | 2012-05-16 | Vigilant Ltd I | Improved method of analysing gas chromatography data |
US9442098B2 (en) * | 2012-08-02 | 2016-09-13 | Waters Technologies Corporation | Chromatographic system quality control reference materials |
-
2021
- 2021-11-16 JP JP2023528757A patent/JP2023550354A/ja active Pending
- 2021-11-16 GB GB2309005.3A patent/GB2616385A/en active Pending
- 2021-11-16 CN CN202180075186.5A patent/CN116420192A/zh active Pending
- 2021-11-16 WO PCT/US2021/059518 patent/WO2022108927A1/en active Application Filing
- 2021-11-16 DE DE112021006017.1T patent/DE112021006017T5/de active Pending
- 2021-11-16 US US18/037,483 patent/US20240011954A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
DE112021006017T5 (de) | 2023-11-09 |
WO2022108927A1 (en) | 2022-05-27 |
US20240011954A1 (en) | 2024-01-11 |
GB2616385A (en) | 2023-09-06 |
JP2023550354A (ja) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5262482B2 (ja) | ガスクロマトグラフ装置 | |
US10994240B2 (en) | Remote monitoring of pressure swing adsorption units | |
US9442098B2 (en) | Chromatographic system quality control reference materials | |
CN108020606B (zh) | 分析仪部件的监测 | |
US8410928B2 (en) | Systems and methods for evaluating chromatography column performance | |
JP2957802B2 (ja) | クロマトグラフ装置 | |
US20230137952A1 (en) | State determination of a fluidic system | |
JPH10318803A (ja) | 分析装置 | |
CN116420192A (zh) | 具有诊断和预测模块的气相色谱系统和方法 | |
JP6079451B2 (ja) | 分析装置制御装置 | |
US11953477B2 (en) | Method and control system for detecting faults associated with gas chromatograph device in process plant | |
US20210200195A1 (en) | Real-time plant diagnostic system and method for plant process control and analysis | |
JP7173283B2 (ja) | クロマトグラフィーシステム | |
Winter et al. | Operational Qualification in Practice for Gas Chromatography Instruments | |
JP2010151518A (ja) | 分析装置および信頼精度管理方法 | |
EP4012404A1 (en) | Automated test mix for gas chromatograph/gas chromatography-mass spectrometry health and diagnostics | |
WO2021225812A1 (en) | Real-time plant diagnostic system and method for plant process control and analysis | |
KR20220018948A (ko) | 재료 샘플의 감각 측정 방법 및 장치 | |
CN117836622A (zh) | 人工智能加速的分析方法、评估单元、气相色谱仪、分析系统和计算机程序产品 | |
WO2022230282A1 (ja) | 自動分析装置 | |
JP7131288B2 (ja) | 分析装置および分析システム | |
WO2024080246A1 (ja) | 流路状態出力装置 | |
Daniel | Development and application of quality standard procedures ((operation, verification and maintenance)) for an LC--MS system | |
KR100686798B1 (ko) | 계측값의 통계학적 유효화 방법 | |
Du et al. | Automation of gas chromatography instruments. Part II. A knowledge-based system for performance assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |