JP2008542711A - 分散分析システム - Google Patents

Abstract

分散分析システムが、ローカルサイト（Ａ；Ｂ；Ｃ）におけるサンプルからサンプルデータを発生させるための少なくとも１つの分析器具（２；４）と、ローカルサイト（Ａ；Ｂ；Ｃ）から遠隔のサイトにおいて較正ライブラリ（２０）を保持する記憶手段（８）と、分析器具（２；４）と一体化している、または分析器具（２；４）から分離しているデータプロセッサ（４ｂ）とを具備し、データプロセッサ（４ｂ）は、ライブラリ（２０）から選択された較正モデルおよびサンプルデータを使用してサンプルのトレートを決定するように適合されている。データプロセッサはローカルサイト（Ａ；Ｂ；Ｃ）に位置し、電気通信リンク（６）により記憶手段（８）に接続でき、データプロセッサは、電気通信リンク（６）を通して受信された、選択された較正モデルを一時的に保存するようにさらに適合されている。
【選択図】 図１

Description

説明

本発明は、分散分析システムおよび前記システムを使用して材料を分析する方法に関する。特に、システムおよび方法は、材料についての特性を決定する、材料の光学分析に関する。

光の、通常近赤外線（ＮＩＲ）の、分光光度計のような分析器具は、さまざまな材料サンプルを分析するために幅広いさまざまな産業で使用されて、材料の成分の濃度および物理的性質のような、材料サンプルについてのさまざまな特性の定量的または定性的な決定の１つまたは両方を実施する。農産業および食物産業において、例えば、穀物および他の作物の、油、蛋白質および水分の含有量、肉の脂肪含有量、ミルクの、脂肪、蛋白質、ラクトースおよび尿素の含有量、穀物の、ならびにワインおよび他のブドウ栽培の生産物の質は、すべてＮＩＲ分析を使用して決定されてもよい。実際に、医療の、製薬の、化学の、および石油化学の産業において、類似のＮＩＲを応用することも知られている。

光学測定は、決定される特性の間接的な表示に過ぎないため、このようなサンプルの光学分析は、いわゆる‘間接的な’決定である。実行するのに何時間または何日もかかるかもしれず、サンプルが採取されたサイトから遠隔の中央研究所で実行されることが多い、従来の‘直接的な’、たいていの場合化学の分析方法とは対照的に、結果は通常ものの数分で得られる。

光学分析は間接的な決定であるので、光学測定と、興味の対象の特性または性質（下で‘トレート’と呼ばれる）との間にリンクを確立しなければならない。技術的に知られているように、重み係数と、分析器具により得られる光学的吸光度または透過スペクトルの導関数を由来とする値との積を総和する式においてトレートを表すことができる。一般に、吸光度スペクトルの第１次導関数が使用されるが、より高い次数の導関数も代わりに使用されてもよい。区別の生じていない吸光度（またはいくつかのケースにおいて透過）スペクトルおよびそれらについてのいくつかのまたはすべての導関数は、‘サンプルスペクトル’として、またはより一般的に‘サンプルデータ’として、文脈が要求する際に共同で、または別々に参照されるだろう。知られていないサンプルの所望のトレートを測定するために、知られていないサンプルに類似する、多数の知られているサンプル材料からスペクトルを集める必要がある。決定すべき、物理的特性または成分濃度であるトレートは、知られているサンプル中において知られている。知られているサンプルから得られた、集められたサンプルのスペクトルを使用して、関係付けられているトレートの知識から、知られているトレートを集められたスペクトルに関係付ける式の重み係数が、多数の回帰により、偏最小自乗回帰により、または人工ニューラルネットを使用するそれらを含む他の統計技術により決定される。重み係数の値を決定するこのプロセスは、一般に‘較正’として知られている。較正の係数が決定された後、知られているサンプル材料から導き出される較正係数とともに分析器具（または同一の較正係数を適用してもよいように、性能において実質的に同一であるように意図されている器具）を使用して、知られていないサンプルを分析できる。通常、知られている器具において、トレートと相関関係があることが知られている、または推定される、選択された特定の波長におけるスペクトル応答を測定する代わりに、トレートに対して適切なスペクトル領域（たいていは一般にＮＩＲスペクトル領域）を通して分散される波長においてサンプルスペクトルが集められ、そのスペクトル領域を通してトレートをスペクトル測定に関係付ける係数および式が開発されている。較正係数は、決定すべきそれぞれのトレートに対して、およびそれぞれのタイプのサンプル材料に対して必要とされ、所望のトレートの決定を実行するためにプログラムされるデータプロセッサによるアクセスおよび使用のために、‘較正ライブラリ’中に集められることが多い。このような較正ライブラリは、データプロセッサによる使用のために、較正係数を含む、完全な較正方程式を付加的にまたは代わりに含んでいてもよい。ここで使用される文脈により要求されるとき、特定のトレートに関係付けられる較正係数および較正方程式に共同で、または別々に言及するために、用語‘較正モデル’が使用される。他のタイプの分析器具により使用される、他の間接的な測定様式を使用して発生する他のタイプのサンプルデータに、類似の方法が適用できることを理解すべきである。

ＮＩＲ分光光度計を使用する分析システムは、例えば、ホール氏らのＵＳ６，７５１，５７６およびバーリング−クラリッジ氏らのＵＳ２００３／０１２２０８０（両方の内容は、参照によりここに組み込まれている）から知られており、それらにおいて、データプロセッサは分析器具から遠隔のサイトに位置しており、それらのシステムにおいて、分析器具とデータプロセッサとの間のデータ転送を許可する通信リンクが設けられている。

この知られている分散分析システムはまた、記憶手段とともに設けられており、記憶手段もまた、分析器具から遠隔のサイトに位置しており、通常データプロセッサとともに配置され、データプロセッサによるアクセスおよびデータプロセッサにおける使用のために、較正ライブラリを保存する。リンクを通して特定の遠隔の分析器具から受信されるデータに依存するライブラリから、適切な較正モデルを選択し、またリンクを通して提供されるサンプルデータに、そのように選択されたモデルを適用するように、データプロセッサは適合されている。同一の電気通信リンクを使用して、選択された較正モデルの適用の結果として決定されたトレートは次に、ローカルなサイト、望むらくはサンプルデータを発生させた分析器具の付近にある出力デバイスに逆に提供される。この方法においては、較正モデルのライブラリを一元的に管理でき、そのことは、例えば、新しい知られているモデルが追加されたり、または統計分析方法が開発されるときに、較正モデルのライブラリのアップグレードを容易にする。さらに、較正ライブラリの開発は高価であり、時間を消費するので、一元的におよび分析器具のユーザから遠隔でライブラリを保持することにより、より大きな制御がライブラリへのアクセスおよびライブラリの使用に対して与えられる。

しかしながら、光学スペクトルのようなサンプルデータは、圧縮されている場合でさえ、比較的大量のデータを表し、それらは電気通信リンクを通して送信されなければならない。前記データを送信するために必要とされる比較的長い時間に対して、リンクが安定したままであることを保証し、そのように送信されるデータが中央プロセッサにおいて正確に表現されることを保証する対策を講じなければならない。その上、たいてい公然とアクセスできる電気通信リンクに対して送信される分析結果は、微妙な情報であり、不正に流通した場合、意図された受取人に対して商業上不利に使用されるかもしれない。

本発明の第１の側面にしたがって、本請求項１中で記述する、および本請求項１により特徴付ける分散分析システムを提供する。

本発明の第２の側面にしたがって、第１の側面にしたがったシステムを使用して実行する、材料を分析する方法を提供し、その結果、それらに関して記述するすべての利益を有する。

上述したように、材料のトレートの間接的な決定において使用される多くの異なるタイプの分析器具に対して、本発明は有用に適用できると考えられる。しかしながら、本発明は、ＮＩＲ分光光度の分析器具に関して特に有用な応用を有し、それ故に、以下の例示的な記述において、特に、農業および食物生産物の分析という文脈の中で、ＮＩＲ分光光度計として器具に言及するだろう。

本発明にしたがった、システムおよび方法に関係付けられる利益は、それらについての例示的な実施形態の以下の記述の考慮および添付図面の図に対する参照から明らかになるだろう。

図１の分散分析システムを考慮すると、図示したように、ＮＩＲ分光器具２、４が、複数の分離したローカルなサイトＡ、Ｂ、Ｃにおいて提供され、それらは、必要な電気通信リンク、ここではインターネット６に対するアクセスを有する世界中の任意の地理的な位置であってもよい。もちろん、地理的に分離したサイトの間でデータを送信できる、従来の電話機回線またはワイヤレストランシーバのような他の電気通信リンクをインターネットの代わりに用いてもよい。

少なくとも部分的に、本発明にしたがった分散分析システムの多様性を例示するために、それぞれがインターネット６に別々に接続できる、複数（ここでは３）の個々の器具２を有するサイトＡ、サイトＡの器具と同じたった１つの器具２を有するサイトＢ、それぞれがサンプルデータを発生させ、単一のデータプロセッサ４ｂにすべてが接続されている複数の分散したセンサユニット４ａのネットワークを有する器具４を有するサイトＣにより、図１の例を図示しており、ここでプロセッサ４ｂには、ディスプレイまたはプリンタのような出力デバイス４Ｃに対する接続および電気通信リンク６に対する接続が設けられている。器具２、４は、ここで記述する機能を提供し、クレームされた発明の範囲内にとどまるさまざまな異なる方法で構成されていてもよいことが理解されるだろう。こうして、データプロセッサ４ｂは例えば、センサ４ａまたは出力デバイス４ｂの付近にある中央データプロセッサに接続された、ローカルなサイトにおけるサーバを構成してもよい。

中央記憶手段８もまた、分散分析システムの一部として提供され、ローカルなサイトＡ、Ｂ、Ｃから地理的に離れたサイトに位置している。中央記憶手段８は、電気通信リンク６を通して分析器具２、４と双方向の通信をするように構成されている。記憶手段８は、この実施形態において、集中化した較正ライブラリを記憶および操作するために使用されるコンピュータである。もちろん、通信機能、ライブラリ更新機能および較正モデル選択機能のような（以下で論述する）異なる機能をおそらく実行する、多数のコンピュータを記憶手段８は具備していてもよい。しかしながら、そのような組み合わせは、実際には単一のエンティティとしてふるまうように構成されるだろう。

図２を考慮すると、ここでは、図１中で図示したシステムを使用することにより、サンプル材料を分析してそれらについてのトレートを決定する方法を図示するフロープロセスを示している。すべてのステップを図示した順序で実行する必要はなく、むしろフロープロセスは一般に、図１にしたがったシステムの実施形態に関連して、ここで実行されるステップの例示に過ぎないことが理解されるだろう。

まず第１に、１０において、分散したセンサユニット４ａまたは分析器具２内に一体化されているセンサユニットが、トレートを決定する際に使用されるサンプルデータを獲得する。本実施形態において、器具２，４はＮＩＲ分光器具であり、そのためここで言及するサンプルデータは、従来の方法で記録された、サンプルスペクトルであろう。このサンプルデータは、１２において示すように、データプロセッサ４ｂに、または分析器具２内に一体化されている（示していない）そのデータプロセッサに渡され、そこでサンプルデータは永続的にまたは一時的に記憶される。

この例示的な実施形態において、情報収集ステップ１４が次に実行される。情報収集ステップ１４は、いくつかの実施形態において、例えば、たった１つの分析器具が使用されて、たった１つのトレート、または既定の、知られている一組のトレートを決定するような場合に省略されてもよいことが、以下で開示しているものから明らかだろう。

情報は、自動的に、またはユーザにより手動で入力されるかのどちらかで集められてもよく、最も広い応用において、分析される材料のタイプと分析を実行する個々の器具との両方を識別する。単なる例のために、図２の方法のさらなる論述において、電子信号として自動的に読み出され、提供されてもよいグローバルユニーク識別子（ＧＵＩＤ）またはバーコード識別子のようなユニーク識別子に、それぞれの器具２およびセンサ４ａは関連付けられており、分析されるサンプルに関する情報は、タッチスクリーン、キーボード、ポインティングデバイス、またはそれらの任意の組み合わせのようなユーザインターフェイスを使用するユーザにより手動で入力されることを仮定している。このユーザ入力サンプル情報は、例えば、分析される特定のさまざまな穀物および決定すべきトレートを指示してもよい。

この例では、次のステップ１６において、インターネット６を経由して、遠隔のサイトにある中央記憶手段８に対してユニーク識別子およびユーザ入力情報がすべて送信されてもよい。

この実施形態において、中央記憶手段８は、較正ライブラリ２０を保存するだけでなく、ライブラリ２０の内部からの（例えば、ライブリ２０全体を構成するグループを含む）較正モデルのグループとともに、記憶手段８に対して送信される電子識別子から記憶手段８により取得される、分析器具２、４の識別子、およびことによると分析器具４を構成する個々のセンサ４ａの識別子をインデックス付けするデータベースを保存し、ライブラリ２０は、そのように識別されたエンティティに対して利用可能になってもよい。次のステップ１８において、較正モデルが、インデックス付けされたグループから利用可能である場合、較正モデルは、ユーザ入力に、特に、決定すべきトレートを識別するユーザ入力に依存して選択される。次のステップ２２において、この選択された較正モデルの暗号化された表示は、適切なサイトＡ、Ｂ、Ｃにおける関連したデータプロセッサに対して逆に送信される。関係付けられた、インデックス付けされたデータベース中の器具ＩＤから、適切なサイトおよびデータプロセッサを容易に識別できる。

本発明の分散分析システムの多様性のさらなる例として、図１中で図示するように、記憶手段８は、ライブラリ２０の一部分として複数の較正モデルを保持するように構成されており、それぞれの較正は同一のトレートの決定において使用可能であるが、それらは知られているサンプルの異なる集合を使用して、上述したような知られている方法で構成される。こうして、例えば、サイトＡおよびサイトＢは、同一トレートの決定を本質的に実行する、本質的に同一である分析器具２をそれぞれ実装している。しかしながら、それぞれのサイトＡ、Ｂは異なるエンティティにより所有され、分析器具２は、サイトＡおよびサイトＢにおける独立したネットワークに属しているとみなされてもよい。較正ライブラリ２０内の一般的にアクセスできるグループの発生において使用されるサンプルを増やしたりまたは入れ替えたりするために、サイトＡの所有者は、付加的な知られているサンプルを提供しており、それによりライブラリ２０内に較正モデルの特定のグループが生成されている。サイトＡの所有者は、この特定のグループに対するアクセスを、サイトＡに属しているものとしてインデックス付けされている器具のみに限定すべきことを望む一方で、サイトＢの所有者は同一の記憶手段８にアクセスできるが、一般的にアクセスできるグループに属しているものとしてインデックス付けされている較正モデルだけを利用できるようにする。

サイトＣの所有者は、穀物を小麦粉に変える処理プラントを稼動し、ローカルなサイトＣの異なる部分に位置するセンサ４ａを有して、リアルタイムでプロセスを監視する。この例において、データプロセッサ４ｂは、個々にセンサ４ａのそれぞれを識別する電子識別子を受信し、サイトＢを識別するための電子識別子を有する。１６において記憶手段８に対して送信されるのは、このサイトの識別子である。この実施形態のライブラリ２０はまた、サイトＣだけがアクセスできる較正モデルを備え、その較正モデルは、穀物のトレートの決定だけでなく、中間プロセス材料のトレートの決定、および最終生成物、ここでは製粉された小麦粉の質の決定の際にサイトＣで使用される。この実施形態のさらなるバージョンにおいて、サイトＣには自動プロセス制御システムが設けられており、自動プロセス制御システムは、本発明にしたがったシステムに、相互に実施可能にリンクされていると考えられる。プロセス制御システムは、データプロセッサ４ｂに命令を提供するように構成されていてもよく、その命令は、センサ４ａのうちの特定の１つにサンプルデータを発生させることが容易に理解できる。処理プラントの稼動を監視および変更する際に使用するために、決定されたトレートをプロセス制御システムに提供するようにデータプロセッサ４ｂは構成されていてもよい。

中央記憶手段８のオペレータ（通常、ローカルなサイトＡ、Ｂ、Ｃの所有者から独立）が、すべてのこのような異なる所有者の要求を満足させるサービスを提供できるように、適切なコンピュータコーディングおよびインデックス付けされたデータベースを容易に記憶手段８に設けてもよいことが理解できる。

２２において図示したステップにしたがって、インターネット６を経由して暗号化された送信を受信すると、データプロセッサは、次のステップ２４において、受信した復号化モデルを復号化しようと試みる。例えば、データが破損した送信、送信の中断、またはサイトに対して意図されていない較正モデルの誤った受信のため、復号化が失敗する場合、ステップ２６において、ステップ１６にしたがって、電気通信リンク（ここではインターネット６）を経由して、情報は記憶手段８に再送信され、ステップ１８ないし２２が繰り返される。

ステップ２４にしたがって、受信された暗号化較正モデルがうまく復号化される場合、それらは一時的にデータプロセッサ中に保存され、データプロセッサは適切な決定ソフトウェアを実行して、一般的に知られている方法で、ステップ１０において獲得されてステップ１２において記憶されたサンプルデータから所望のトレートの決定を行う。

例えば、分析器具２、４のデータプロセッサ４ｂには、ハードディスクのような永続的データ記憶装置およびアドレス指定できる揮発性メモリのような一時的データ記憶装置が設けられていてもよい。ここで用語永続的および一時的は、発明という文脈の中で互いに関連して解釈すべきである。永続的メモリ中で、獲得されたサンプルデータを記憶して、一時的メモリ中で、復号化された較正モデルを保持するように、データプロセッサはプログラムされる。決定ソフトウェアにより、データプロセッサは、ここではワーキングメモリ中でサンプルスペクトルの形態をとっている獲得されたサンプルデータを検索し、較正モデルにアクセスする。

トレートの決定がいったん完了すると、次に、ステップ２８において、例えば、（示していない）分析器具２と一体化しているかもしれない出力、または器具４の分離した構成部品４ｃにおいて結果を表示することにより、結果がユーザに提供される。結果を永続的メモリ中で保持してもよい。

この実施形態のこのステップ２８において、例えば、アドレス指定できる揮発性メモリから受信された較正モデルを消去することにより、受信された較正モデルは、データプロセッサによるアクセスから除去すべきであるかどうかをデータプロセッサ４ｂは決定する。

他の予め定められた条件が充足されることに依存して、較正モデルを除去するようにデータプロセッサは適合されてもよいことが考えられる。したがって、例えば、経過時間カウンタまたはステップ２４にしたがって決定が行われた回数を数える使用カウンタであってもよいカウンタとともにデータプロセッサは構成されていてもよく、予め定められたカウントに到達するときまたは分析セッションを終了するためにソフトウェアにより起動される‘シャットダウン’が実行されるときのうちの最も早い時においてモデルを除去するようにデータプロセッサは適合されていてもよい。

記憶手段８の内容の更新、ステップ３０が、本発明にしたがった方法中に含まれていてもよいことも考えられる。この更新は、図示したように、較正ライブラリ２０の修正を含んでいてもよく、それにより較正モデルが更新されて、分析システムのトレート決定性能を拡張するために新しいモデルが追加されてもよく、または更新はライブラリ全体の置き換えを含んでいてもよい。新しいユーザがインデックス付けされたデータベースに追加されてもよく、または較正モデルに対する既存のユーザのアクセス権が変更されてもよい。

図１は、本発明にしたがった分散分析システムの概略の表示を示す。 図２は、本発明にしたがった方法を図示するフローチャートを示す。

Claims (7)

1. ローカルサイト（Ａ；Ｂ；Ｃ）におけるサンプルからサンプルデータを発生させるための少なくとも１つの分析器具（２；４）と、
   較正ライブラリ（２０）を保持する、ローカルサイトから遠隔のサイトにおける記憶手段（８）と、
   前記ライブラリ（２０）から選択された較正モデルと前記サンプルデータとを使用して前記サンプルのトレートを決定するように適合されたデータプロセッサ（４ｂ）とを具備する分散分析システムにおいて、
   前記データプロセッサ（４ｂ）は前記ローカルサイト（Ａ；Ｂ；Ｃ）に位置し、電気通信リンク（６）を経由して前記記憶手段（８）に接続でき、
   前記データプロセッサ（４ｂ）は、前記電気通信リンク（６）を経由して受信された、前記選択された較正モデルを一時的に保存するようにさらに適合されていることを特徴とする分散分析システム。
2. 前記データプロセッサ（４ｂ）は、前記較正モデルを選択するために使用できる前記電気通信リンク（６）を経由して、前記記憶手段（８）にデータを送信するように構成されていることを特徴とする請求項１記載の分散分析システム。
3. 前記データプロセッサ（４ｂ）は、アドレス指定できる揮発性メモリ中に前記選択された較正モデルを一時的に保存し、予め定められた条件が満たされることに依存して、そこから前記モデルを除去するように適合されていることを特徴とする請求項１または請求項２記載の分散分析システム。
4. ローカルサイトにおいてサンプルデータを発生させるステップと、
   前記ローカルサイトから遠隔のサイトにおいて保持された較正モデルのライブラリから較正モデルを選択するステップと、
   データプロセッサ中で、前記選択された較正モデルを用いて、前記発生されたサンプルデータを使用して材料サンプルの所望のトレートを決定するステップとを含む、ローカルサイトにおいて材料サンプルを分析する方法において、
   前記所望のトレートの決定は、前記ローカルサイトにおいて実行され、前記選択された較正モデルは、前記データプロセッサによるアクセスのために前記ローカルサイトにおいて一時的に保持すべく、前記リモートのサイトから電気通信リンクを経由して送信されることを特徴とする方法。
5. 前記方法は、前記電気通信リンクを経由して前記ローカルサイトからデータを送信するステップをさらに含み、前記データは、前記較正モデルのライブラリからの前記較正モデルの選択の際に、前記遠隔のサイトにおいて使用できることを特徴とする請求項４記載の方法。
6. 予め定められた条件の充足に基づいて、前記データプロセッサによるアクセスから前記選択された較正モデルを除去するステップを提供し、前記データプロセッサによる前記モデルへのアクセスを一時的にさせることが選択されることを特徴とする請求項４または請求項５記載の方法。
7. 前記予め定められた条件は、所望のトレートの１つの決定の完了であることを特徴とする請求項６記載の方法。

Images