JP2024061408A - 検量線出力装置、検量線出力方法および検量線出力プログラム - Google Patents
検量線出力装置、検量線出力方法および検量線出力プログラム Download PDFInfo
- Publication number
- JP2024061408A JP2024061408A JP2022169341A JP2022169341A JP2024061408A JP 2024061408 A JP2024061408 A JP 2024061408A JP 2022169341 A JP2022169341 A JP 2022169341A JP 2022169341 A JP2022169341 A JP 2022169341A JP 2024061408 A JP2024061408 A JP 2024061408A
- Authority
- JP
- Japan
- Prior art keywords
- calibration curve
- unit
- sample
- measurement
- data
- 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
- 238000011088 calibration curve Methods 0.000 title claims abstract description 503
- 238000000034 method Methods 0.000 title claims description 132
- 238000005259 measurement Methods 0.000 claims abstract description 209
- 238000004113 cell culture Methods 0.000 claims description 93
- 238000012545 processing Methods 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 239000012531 culture fluid Substances 0.000 claims description 5
- 238000012258 culturing Methods 0.000 claims description 5
- 239000006143 cell culture medium Substances 0.000 claims 2
- 238000004458 analytical method Methods 0.000 description 58
- 238000010200 validation analysis Methods 0.000 description 53
- 238000005516 engineering process Methods 0.000 description 43
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 28
- 210000004027 cell Anatomy 0.000 description 28
- 238000013500 data storage Methods 0.000 description 28
- 239000008103 glucose Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 18
- 230000000694 effects Effects 0.000 description 16
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 16
- 239000012930 cell culture fluid Substances 0.000 description 13
- 238000002329 infrared spectrum Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000001228 spectrum Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 235000014655 lactic acid Nutrition 0.000 description 8
- 239000004310 lactic acid Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 5
- 238000004611 spectroscopical analysis Methods 0.000 description 5
- 238000001069 Raman spectroscopy Methods 0.000 description 4
- 238000013474 audit trail Methods 0.000 description 4
- 244000005700 microbiome Species 0.000 description 4
- 230000003204 osmotic effect Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000001237 Raman spectrum Methods 0.000 description 3
- 210000004102 animal cell Anatomy 0.000 description 3
- DZRJLJPPUJADOO-UHFFFAOYSA-N chaetomin Natural products CN1C(=O)C2(Cc3cn(C)c4ccccc34)SSC1(CO)C(=O)N2C56CC78SSC(CO)(N(C)C7=O)C(=O)N8C5Nc9ccccc69 DZRJLJPPUJADOO-UHFFFAOYSA-N 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000011194 good manufacturing practice Methods 0.000 description 2
- CCPHAMSKHBDMDS-UHFFFAOYSA-N Chetoseminudin B Natural products C=1NC2=CC=CC=C2C=1CC1(SC)NC(=O)C(CO)(SC)N(C)C1=O CCPHAMSKHBDMDS-UHFFFAOYSA-N 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- -1 antibodies Substances 0.000 description 1
- DIUIQJFZKRAGBZ-UHFFFAOYSA-N chetoseminudin A Natural products O=C1C(SSS2)(CO)N(C)C(=O)C32CC2(N4C5=CC=CC=C5C(CC56C(N(C)C(CO)(SS5)C(=O)N6C)=O)=C4)C4=CC=CC=C4NC2N31 DIUIQJFZKRAGBZ-UHFFFAOYSA-N 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012136 culture method Methods 0.000 description 1
- 210000004748 cultured cell Anatomy 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 description 1
- 238000012844 infrared spectroscopy analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000012845 near infrared spectroscopy analysis Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
【課題】効果的に高精度な検量線を作成すること。【解決手段】検量線出力装置１０は、試料の測定値を収集し、当該試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得し、当該採取試料が採取された採取時刻ごとに、測定値と目的変量との組合せを生成し、複数の組合せを用いて当該試料における測定値と目的変量との対応関係を示す検量線データを生成し、当該検量線データを出力する。【選択図】図１
Description
本発明は、検量線出力装置、検量線出力方法および検量線出力プログラムに関する。
従来、細胞培養装置（バイオリアクター）を使用した細胞培養において、近赤外線分光計やキャパシタンスセンサを用いた測定装置（測定器）によって細胞培養液中に含まれるグルコースや乳酸の成分量、生細胞密度等を予測する技術がある。このとき、測定装置は、細胞培養液のスペクトル値やキャパシタンス値を測定し、細胞培養のバッチ単位で作成した検量線を用いることによって成分量等に変換する演算を実行している。
しかしながら、従来の技術では、時間変化のある対象成分の測定を高精度に行うことは難しい。例えば、上記の予測技術は、精度の高い検量線を作成できたとしても、時間が経過するにつれて測定誤差が発生する可能性がある。
本発明は、上記に鑑みてなされたものであって、効果的に高精度な検量線を作成することを目的とする。
本発明は、試料の測定値を収集する収集部と、前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得する取得部と、前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せを生成する生成部と、前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する出力部と、を備える検量線出力装置を提供する。
また、本発明は、コンピュータが、試料の測定値を収集し、前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得し、前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せを生成し、前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する、処理を実行する検量線出力方法を提供する。
また、本発明は、コンピュータに、試料の測定値を収集し、前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得し、前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せを生成し、前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する、処理を実行させる検量線出力プログラムを提供する。
本発明によれば、効果的に高精度な検量線を作成することができるという効果がある。
以下に、本発明の一実施形態に係る検量線出力装置、検量線出力方法および検量線出力プログラムを、図面を参照して詳細に説明する。なお、本発明は、以下に説明する実施形態により限定されるものではない。
〔実施形態〕
以下に、実施形態に係る検量線出力システムの構成、検量線出力装置等の構成、各処理の流れを順に説明し、最後に実施形態の効果を説明する。
以下に、実施形態に係る検量線出力システムの構成、検量線出力装置等の構成、各処理の流れを順に説明し、最後に実施形態の効果を説明する。
〔１．検量線出力システム１００の構成〕
図１を用いて、実施形態に係る検量線出力システム１００の構成を詳細に説明する。図１は、実施形態に係る検量線出力システム１００の構成例を示す図である。以下では、検量線出力システム１００全体の構成例、検量線出力システム１００の処理、検量線出力システム１００の効果の順に説明する。
図１を用いて、実施形態に係る検量線出力システム１００の構成を詳細に説明する。図１は、実施形態に係る検量線出力システム１００の構成例を示す図である。以下では、検量線出力システム１００全体の構成例、検量線出力システム１００の処理、検量線出力システム１００の効果の順に説明する。
（１－１．検量線出力システム１００全体の構成例）
検量線出力システム１００は、検量線出力装置１０、細胞培養装置２０、測定装置３０および分析装置４０を有する。図１に示した検量線出力システム１００には、複数台の検量線出力装置１０、複数台の細胞培養装置２０、複数台の測定装置３０または複数台の分析装置４０が含まれてもよい。また、検量線出力装置１０は、細胞培養装置２０、測定装置３０および分析装置４０のうち１つ以上と統合された構成であってもよい。以下では、検量線出力装置１０、細胞培養装置２０、測定装置３０、分析装置４０の順に説明する。
検量線出力システム１００は、検量線出力装置１０、細胞培養装置２０、測定装置３０および分析装置４０を有する。図１に示した検量線出力システム１００には、複数台の検量線出力装置１０、複数台の細胞培養装置２０、複数台の測定装置３０または複数台の分析装置４０が含まれてもよい。また、検量線出力装置１０は、細胞培養装置２０、測定装置３０および分析装置４０のうち１つ以上と統合された構成であってもよい。以下では、検量線出力装置１０、細胞培養装置２０、測定装置３０、分析装置４０の順に説明する。
（１－１－１．検量線出力装置１０）
検量線出力装置１０は、測定装置３０と通信可能に接続され、測定装置３０が送信する細胞培養装置２０の細胞培養液ＣＳのスペクトル値やキャパシタンス値等の測定値Ｍを含むオンラインデータを収集する。また、検量線出力装置１０は、分析装置４０と通信可能に接続され、分析装置４０が送信する細胞培養装置２０の細胞培養液ＣＳの成分濃度や細胞密度等の目的変量Ａを含むオフラインデータを取得する。
検量線出力装置１０は、測定装置３０と通信可能に接続され、測定装置３０が送信する細胞培養装置２０の細胞培養液ＣＳのスペクトル値やキャパシタンス値等の測定値Ｍを含むオンラインデータを収集する。また、検量線出力装置１０は、分析装置４０と通信可能に接続され、分析装置４０が送信する細胞培養装置２０の細胞培養液ＣＳの成分濃度や細胞密度等の目的変量Ａを含むオフラインデータを取得する。
（１－１－２．細胞培養装置２０）
細胞培養装置２０は、動物細胞、微生物、植物細胞等の細胞が含まれる細胞培養液ＣＳを収容する細胞培養槽を有する。また、細胞培養装置２０の細胞培養槽が収容する細胞培養液ＣＳには、成分としてグルコース、乳酸、抗体等が含有される。また、細胞培養装置２０は、測定装置３０と制御可能に接続される。
細胞培養装置２０は、動物細胞、微生物、植物細胞等の細胞が含まれる細胞培養液ＣＳを収容する細胞培養槽を有する。また、細胞培養装置２０の細胞培養槽が収容する細胞培養液ＣＳには、成分としてグルコース、乳酸、抗体等が含有される。また、細胞培養装置２０は、測定装置３０と制御可能に接続される。
（１－１－３．測定装置３０）
測定装置３０は、細胞培養装置２０と制御可能に接続され、細胞培養装置２０の細胞培養液ＣＳのスペクトル値やキャパシタンス値等を測定する。測定装置３０は、近赤外分光装置、ラマン分光装置、赤外分光装置、紫外分光装置、可視分光装置等の分光装置や、キャパシタンスセンサ等であるが、特に限定されない。なお、検量線出力システム１００において、複数の測定装置３０が存在する場合には、測定装置３０Ａ、測定装置３０Ｂ、測定装置３０Ｃ、・・・のように表示することがある。
測定装置３０は、細胞培養装置２０と制御可能に接続され、細胞培養装置２０の細胞培養液ＣＳのスペクトル値やキャパシタンス値等を測定する。測定装置３０は、近赤外分光装置、ラマン分光装置、赤外分光装置、紫外分光装置、可視分光装置等の分光装置や、キャパシタンスセンサ等であるが、特に限定されない。なお、検量線出力システム１００において、複数の測定装置３０が存在する場合には、測定装置３０Ａ、測定装置３０Ｂ、測定装置３０Ｃ、・・・のように表示することがある。
（１－１－４．分析装置４０）
分析装置４０は、細胞培養装置２０の細胞培養液ＣＳから採取（サンプリング）された採取培養液ＳＣＳを分析し、細胞培養液ＣＳの成分濃度や細胞密度等を定量分析する。
分析装置４０は、細胞培養装置２０の細胞培養液ＣＳから採取（サンプリング）された採取培養液ＳＣＳを分析し、細胞培養液ＣＳの成分濃度や細胞密度等を定量分析する。
（１－２．検量線出力システム１００全体の処理）
上記の検量線出力システム１００全体の処理について説明する。なお、下記の処理は、異なる順序で実行することもできる。また、下記の処理のうち、省略される処理があってもよい。
上記の検量線出力システム１００全体の処理について説明する。なお、下記の処理は、異なる順序で実行することもできる。また、下記の処理のうち、省略される処理があってもよい。
（１－２－１．オンラインデータ収集処理）
検量線出力装置１０は、測定装置３０からオンラインデータを収集する（ステップＳ１）。例えば、検量線出力装置１０は、測定装置３０が送信する細胞培養装置２０の細胞培養液ＣＳのスペクトル値等の測定値Ｍを含むオンラインデータを収集する。このとき、検量線出力装置１０は、オンラインデータとして、測定装置３０が測定値Ｍを測定した測定時刻ＴＭと、測定値Ｍとを対応付けて収集する。また、検量線出力装置１０は、収集したオンラインデータを記憶する。
検量線出力装置１０は、測定装置３０からオンラインデータを収集する（ステップＳ１）。例えば、検量線出力装置１０は、測定装置３０が送信する細胞培養装置２０の細胞培養液ＣＳのスペクトル値等の測定値Ｍを含むオンラインデータを収集する。このとき、検量線出力装置１０は、オンラインデータとして、測定装置３０が測定値Ｍを測定した測定時刻ＴＭと、測定値Ｍとを対応付けて収集する。また、検量線出力装置１０は、収集したオンラインデータを記憶する。
（１－２－２．オフラインデータ取得処理）
検量線出力装置１０は、分析装置４０からオフラインデータを取得する（ステップＳ２）。例えば、検量線出力装置１０は、分析装置４０が送信する細胞培養装置２０の細胞培養液ＣＳの成分濃度等の目的変量Ａを含むオフラインデータを取得する。このとき、検量線出力装置１０は、オフラインデータとして、細胞培養液ＣＳから採取された採取時刻ＴＳと、目的変量Ａとを対応付けて取得する。
検量線出力装置１０は、分析装置４０からオフラインデータを取得する（ステップＳ２）。例えば、検量線出力装置１０は、分析装置４０が送信する細胞培養装置２０の細胞培養液ＣＳの成分濃度等の目的変量Ａを含むオフラインデータを取得する。このとき、検量線出力装置１０は、オフラインデータとして、細胞培養液ＣＳから採取された採取時刻ＴＳと、目的変量Ａとを対応付けて取得する。
（１－２－３．データセット生成処理）
検量線出力装置１０は、データを併合してデータセットを生成する（ステップＳ３）。例えば、検量線出力装置１０は、オフラインデータを取得した場合には、記憶するオンラインデータを参照し、取得した目的変量Ａごとに採取時刻ＴＳが近い測定時刻ＴＭの測定値Ｍを抽出し、採取時刻ＴＳごとの測定値Ｍと目的変量Ａとの複数の組合せをデータセットとして生成する。
検量線出力装置１０は、データを併合してデータセットを生成する（ステップＳ３）。例えば、検量線出力装置１０は、オフラインデータを取得した場合には、記憶するオンラインデータを参照し、取得した目的変量Ａごとに採取時刻ＴＳが近い測定時刻ＴＭの測定値Ｍを抽出し、採取時刻ＴＳごとの測定値Ｍと目的変量Ａとの複数の組合せをデータセットとして生成する。
（１－２－４．検量線データ生成処理）
検量線出力装置１０は、データセットから検量線データを生成する（ステップＳ４）。図１に示すように、例えば、検量線出力装置１０は、細胞培養液ＣＳの成分であるグルコースについて、グルコース濃度（ｇ／Ｌ）から算出可能な係数とスペクトル強度との対応関係を示す検量線ＣＣの検量線データを生成する。ここで、検量線出力装置１０は、直接スペクトル強度を直接使用するのではなく、グルコース濃度の変化に寄与するところが抽出されるように前処理を施す。なお、図１に示した検量線ＣＣは一例であり、検量線ＣＣおよび計算アルゴリズムは、測定値Ｍや目的変量Ａによって変わる。
検量線出力装置１０は、データセットから検量線データを生成する（ステップＳ４）。図１に示すように、例えば、検量線出力装置１０は、細胞培養液ＣＳの成分であるグルコースについて、グルコース濃度（ｇ／Ｌ）から算出可能な係数とスペクトル強度との対応関係を示す検量線ＣＣの検量線データを生成する。ここで、検量線出力装置１０は、直接スペクトル強度を直接使用するのではなく、グルコース濃度の変化に寄与するところが抽出されるように前処理を施す。なお、図１に示した検量線ＣＣは一例であり、検量線ＣＣおよび計算アルゴリズムは、測定値Ｍや目的変量Ａによって変わる。
（１－２－５．検量線データ生成処理）
検量線出力装置１０は、検量線ＣＣに対してバリデーション（評価）を実行する（ステップＳ５）。例えば、検量線出力装置１０は、バリデーション用のデータセットを使用して、生成した検量線データを用いて算出した成分濃度の予測値と、当該成分濃度の実測値とを比較することによって検量線ＣＣの精度についてバリデーションを実行する。
検量線出力装置１０は、検量線ＣＣに対してバリデーション（評価）を実行する（ステップＳ５）。例えば、検量線出力装置１０は、バリデーション用のデータセットを使用して、生成した検量線データを用いて算出した成分濃度の予測値と、当該成分濃度の実測値とを比較することによって検量線ＣＣの精度についてバリデーションを実行する。
（１－２－６．検量線データ送信処理）
検量線出力装置１０は、検量線データを測定装置３０に送信する（ステップＳ６）。例えば、検量線出力装置１０は、検量線ＣＣと検量線ＣＣに対するバリデーション結果（評価結果）を画面に表示し、検量線出力装置１０の利用者Ｕによって検量線ＣＣが承認された場合には、検量線ＣＣの検量線データを測定装置３０に送信する。
検量線出力装置１０は、検量線データを測定装置３０に送信する（ステップＳ６）。例えば、検量線出力装置１０は、検量線ＣＣと検量線ＣＣに対するバリデーション結果（評価結果）を画面に表示し、検量線出力装置１０の利用者Ｕによって検量線ＣＣが承認された場合には、検量線ＣＣの検量線データを測定装置３０に送信する。
（１－３．検量線出力システム１００の効果）
以下では、参考技術の検量線出力処理の問題点を説明した上で、検量線出力システム１００の効果について説明する。
以下では、参考技術の検量線出力処理の問題点を説明した上で、検量線出力システム１００の効果について説明する。
（１－３－１．参考技術１の概要）
参考技術１の検量線出力処理は、近赤外線分光計、キャパシタンスセンサを使ってオンラインで測定対象を測定する測定装置に適用される。このとき、参考技術１に係る測定装置は、近赤外線分光計によって、細胞培養液中に含まれるグルコース、乳酸等の成分量を測定する。また、参考技術１に係る測定装置は、キャパシタンスセンサを使用して、細胞培養液中に含まれる生細胞密度を測定する。
参考技術１の検量線出力処理は、近赤外線分光計、キャパシタンスセンサを使ってオンラインで測定対象を測定する測定装置に適用される。このとき、参考技術１に係る測定装置は、近赤外線分光計によって、細胞培養液中に含まれるグルコース、乳酸等の成分量を測定する。また、参考技術１に係る測定装置は、キャパシタンスセンサを使用して、細胞培養液中に含まれる生細胞密度を測定する。
ここで、参考技術１の検量線出力処理では、近赤外線分光計が成分の周波数当たりのスペクトル値を測定し、キャパシタンスセンサが周波数ごとのキャパシタンス値を測定しているので、成分量に変換する演算が必要になる。以下では、当該演算処理等に関する概要について説明する。
第１に、参考技術１の検量線出力処理では、成分量に変換する演算に、多変量統計解析等の演算が用いられる。第２に、参考技術１の検量線出力処理では、成分量を正確に演算するためには、測定開始前に校正する必要がある。第３に、参考技術１の検量線出力処理では、校正の作業として検量線を作成する。第４に、参考技術１の検量線出力処理では、検量線は、１バッチ分のセンサによる測定値（スペクトル値、キャパシタンス値）と、一定時間（例：１日間隔）で細胞培養液からサンプリングし、分析装置で測定した成分量のデータとを入力することによって求める。第５に、参考技術１の検量線出力処理では、細胞培養装置は、校正用のソフトウェアを別のＰＣ（Personal Computer）で用意しているので、校正用のソフトウェアにそれぞれの測定データを手作業で取り込んで検量線を作成する。また、参考技術１の検量線出力処理では、作成された検量線についても、測定装置に手作業で反映する。第６に、参考技術１の検量線出力処理では、ラマン分光法を用いた測定装置にも適用可能である。
また、参考技術１の検量線出力処理では、バッチ単位でセンサの値を取り込み、検量線を作成し、測定装置に反映する。以下では、当該作成処理等に関する概要について説明する。
第１に、参考技術１の検量線出力処理では、細胞培養装置がラボ向けのリアクターであるので、流加培養（フェドバッチ）で培養している。第２に、参考技術１の検量線出力処理では、細胞培養中は検量線を更新しない。第３に、参考技術１の検量線出力処理では、誤差の発生に対応するために、一定期間の間隔で、オンライン測定によって得られた演算結果を一次補間等によって補正する。また、参考技術１の検量線出力処理では、一定期間の分析装置で測定した成分量を入力値とする。第４に、参考技術１の検量線出力処理では、タッチパネル上の入力画面から補正をする。第５に、連続培養（パーフュージョン、灌流培養）という培養手法があり、その場合は上記の細胞培養装置を用いた手法では検量線を更新することができない。第６に、「ＦＤＡ（Food and Drug Administration） ２１ ＣＦＲ Ｐａｒｔ１１」等の医薬業界規制により、培養に関わるデータはすべて記録できていなければならないので、参考技術１の検量線出力処理では、測定に使用した検量線が関連付けられていないといけない。
（１－３－２．参考技術１の検量線出力処理の問題点）
参考技術１の検量線出力処理では、以下のような問題点がある。第１に、参考技術１の検量線出力処理では、校正用のソフトウェアにそれぞれの測定データを手作業で取り込んで検量線を作成しなければならず、作成した検量線についても測定装置に手作業で反映しなければならない。第２に、参考技術１の検量線出力処理では、細胞培養中は検量線を更新しないので、時間が経過するにつれて誤差が発生する。第３に、参考技術１の検量線出力処理では、細胞培養が連続培養である場合には、検量線を更新することができない。第４に、参考技術１の検量線出力処理では、医薬業界規制により、作成した検量線を即時に測定装置に適用することは難しい。
参考技術１の検量線出力処理では、以下のような問題点がある。第１に、参考技術１の検量線出力処理では、校正用のソフトウェアにそれぞれの測定データを手作業で取り込んで検量線を作成しなければならず、作成した検量線についても測定装置に手作業で反映しなければならない。第２に、参考技術１の検量線出力処理では、細胞培養中は検量線を更新しないので、時間が経過するにつれて誤差が発生する。第３に、参考技術１の検量線出力処理では、細胞培養が連続培養である場合には、検量線を更新することができない。第４に、参考技術１の検量線出力処理では、医薬業界規制により、作成した検量線を即時に測定装置に適用することは難しい。
（１－３－３．参考技術２の概要）
特許文献１に示す参考技術２の検量線出力処理は、土壌に含まれる対象試料を高精度に特定するために、過去に抽出した土壌を使用する技術である。以下では、参考技術２の検量線出力処理に関する概要について説明する。
特許文献１に示す参考技術２の検量線出力処理は、土壌に含まれる対象試料を高精度に特定するために、過去に抽出した土壌を使用する技術である。以下では、参考技術２の検量線出力処理に関する概要について説明する。
参考技術２の検量線出力処理では、入力されたデータに各処理を実行する。具体的には、参考技術２の検量線出力処理では、データベースの構築時には、入力されたデータベース構築用の各データを最適化する。一方、参考技術２の検量線出力処理では、対象試料の性状判定時には、入力された対象試料のスペクトルに前処理を実行する。また、参考技術２の検量線出力処理では、データベースに新たに追加するデータが入力された場合にも、当該データに前処理を実行する。
また、参考技術２の検量線出力処理では、既知試料について生成する特徴データと、当該特徴データに対応する性状導出データである検量線とを対応付けてデータベース化する。
以上のように、参考技術２の検量線出力処理では、複数の既知試料の特徴データの中から対象試料のスペクトルの特徴データと類似したものを特定し、特定した特徴データに対応する性状導出データを用いて、対象試料のスペクトルから当該対象試料の性状を特定する。
（１－３－４．参考技術２の検量線出力処理の問題点）
参考技術２の検量線出力処理では、以下のような問題点がある。第１に、参考技術２の検量線出力処理では、時間変化がある成分の測定に対しては適用できない。なぜならば、参考技術２の検量線出力処理では、様々な場所でサンプリングした土壌の成分を分析する処理を実行するので、細胞培養のように生細胞数や生細胞が摂取するグルコース量、排出する乳酸の変化は土壌の変化に比べ比較的短時間で、生細胞や液中成分の時間変化を連続的に測定することは難しい。第２に、参考技術２の検量線出力処理では、精度の高い検量線を作成したとしても、時間の経過につれて測定誤差が発生する可能性がある。第３に、ＧＭＰ（Good Manufacturing Practice）や「ＦＤＡ ２１ ＣＦＲ Ｐａｒｔ１１」等の医薬業界規制のために、利用者の承認を受けることなく、作成した検量線を即時適用することは難しい。
参考技術２の検量線出力処理では、以下のような問題点がある。第１に、参考技術２の検量線出力処理では、時間変化がある成分の測定に対しては適用できない。なぜならば、参考技術２の検量線出力処理では、様々な場所でサンプリングした土壌の成分を分析する処理を実行するので、細胞培養のように生細胞数や生細胞が摂取するグルコース量、排出する乳酸の変化は土壌の変化に比べ比較的短時間で、生細胞や液中成分の時間変化を連続的に測定することは難しい。第２に、参考技術２の検量線出力処理では、精度の高い検量線を作成したとしても、時間の経過につれて測定誤差が発生する可能性がある。第３に、ＧＭＰ（Good Manufacturing Practice）や「ＦＤＡ ２１ ＣＦＲ Ｐａｒｔ１１」等の医薬業界規制のために、利用者の承認を受けることなく、作成した検量線を即時適用することは難しい。
（１－３－５．検量線出力システム１００の概要）
検量線出力システム１００では、以下の検量線出力処理が実行される。第１に、検量線出力装置１０は、測定装置３０から測定値Ｍを含むオンラインデータを収集する。第２に、検量線出力装置１０は、分析装置４０から目的変量Ａを含むオフラインデータを取得する。第３に、検量線出力装置１０は、オンラインデータとオフラインデータとを併合してデータセットを生成する。第４に、検量線出力装置１０は、データセットから検量線データを生成する。第５に、検量線出力装置１０は、検量線ＣＣに対してバリデーションを実行する。第６に、検量線出力装置１０は、利用者によって承認された検量線データを測定装置３０に送信する。
検量線出力システム１００では、以下の検量線出力処理が実行される。第１に、検量線出力装置１０は、測定装置３０から測定値Ｍを含むオンラインデータを収集する。第２に、検量線出力装置１０は、分析装置４０から目的変量Ａを含むオフラインデータを取得する。第３に、検量線出力装置１０は、オンラインデータとオフラインデータとを併合してデータセットを生成する。第４に、検量線出力装置１０は、データセットから検量線データを生成する。第５に、検量線出力装置１０は、検量線ＣＣに対してバリデーションを実行する。第６に、検量線出力装置１０は、利用者によって承認された検量線データを測定装置３０に送信する。
（１－３－６．検量線出力システム１００の効果）
検量線出力システム１００では、以下の効果が期待される。第１に、検量線出力システム１００は、対象成分の時間変化の測定値Ｍを使用して、自動的に検量線ＣＣを作成することができる。すなわち、検量線出力システム１００は、時間変化がある成分の測定であっても、オフラインデータの入力を契機として、検量線ＣＣを更新することが可能となる。第２に、検量線出力システム１００は、新しい検量線ＣＣによる結果を、利用者が確認して、承認したものを最新の測定に反映することができる。すなわち、検量線出力システム１００は、検量線ＣＣを新規に作成した場合であっても、利用者の承認後の検量線ＣＣを測定装置３０に反映するので、医薬業界の要請に応じた処理が可能となる。以上より、検量線出力システム１００では、効果的に高精度な検量線ＣＣを作成することが期待される。
検量線出力システム１００では、以下の効果が期待される。第１に、検量線出力システム１００は、対象成分の時間変化の測定値Ｍを使用して、自動的に検量線ＣＣを作成することができる。すなわち、検量線出力システム１００は、時間変化がある成分の測定であっても、オフラインデータの入力を契機として、検量線ＣＣを更新することが可能となる。第２に、検量線出力システム１００は、新しい検量線ＣＣによる結果を、利用者が確認して、承認したものを最新の測定に反映することができる。すなわち、検量線出力システム１００は、検量線ＣＣを新規に作成した場合であっても、利用者の承認後の検量線ＣＣを測定装置３０に反映するので、医薬業界の要請に応じた処理が可能となる。以上より、検量線出力システム１００では、効果的に高精度な検量線ＣＣを作成することが期待される。
〔２．検量線出力システム１００の各装置の構成〕
図２を用いて、図１に示した検量線出力システム１００が有する各装置の機能構成について説明する。以下では、実施形態に係る検量線出力装置１０の構成例、検量線出力装置１０の推定結果の具体例、細胞培養装置２０の構成例、測定装置３０の構成例、分析装置４０の構成例の順に詳細に説明する。
図２を用いて、図１に示した検量線出力システム１００が有する各装置の機能構成について説明する。以下では、実施形態に係る検量線出力装置１０の構成例、検量線出力装置１０の推定結果の具体例、細胞培養装置２０の構成例、測定装置３０の構成例、分析装置４０の構成例の順に詳細に説明する。
（２－１．検量線出力装置１０の構成例）
まず、図２を用いて、図１に示した検量線出力装置１０の構成例について説明する。図２は、実施形態に係る検量線出力システム１００の各装置の構成例を示すブロック図である。検量線出力装置１０は、入力部１１、表示部１２、通信部１３、記憶部１４および制御部１５を有する。
まず、図２を用いて、図１に示した検量線出力装置１０の構成例について説明する。図２は、実施形態に係る検量線出力システム１００の各装置の構成例を示すブロック図である。検量線出力装置１０は、入力部１１、表示部１２、通信部１３、記憶部１４および制御部１５を有する。
（２－１－１．入力部１１）
入力部１１は、当該検量線出力装置１０への各種情報の入力を司る。例えば、入力部１１は、マウスやキーボード等で実現され、当該検量線出力装置１０への設定情報等の入力を受け付ける。
入力部１１は、当該検量線出力装置１０への各種情報の入力を司る。例えば、入力部１１は、マウスやキーボード等で実現され、当該検量線出力装置１０への設定情報等の入力を受け付ける。
（２－１－２．表示部１２）
表示部１２は、当該検量線出力装置１０の各種情報を表示する。例えば、表示部１２は、ディスプレイ等で実現され、当該検量線出力装置１０に記憶された設定情報等を表示する。
表示部１２は、当該検量線出力装置１０の各種情報を表示する。例えば、表示部１２は、ディスプレイ等で実現され、当該検量線出力装置１０に記憶された設定情報等を表示する。
（２－１－３．通信部１３）
通信部１３は、他の装置との間でのデータ通信を司る。例えば、通信部１３は、ルータ等を介して、各通信装置との間でデータ通信を行う。また、通信部１３は、図示しないオペレータの端末との間でデータ通信を行うことができる。
通信部１３は、他の装置との間でのデータ通信を司る。例えば、通信部１３は、ルータ等を介して、各通信装置との間でデータ通信を行う。また、通信部１３は、図示しないオペレータの端末との間でデータ通信を行うことができる。
（２－１－４．記憶部１４）
記憶部１４は、制御部１５が動作する際に参照する各種情報や、制御部１５が動作した際に取得した各種情報を記憶する。記憶部１４は、オンラインデータ記憶部１４ａ、オフラインデータ記憶部１４ｂ、データセット記憶部１４ｃおよび検量線データ記憶部１４ｄを有する。ここで、記憶部１４は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置等で実現され得る。なお、図２の例では、記憶部１４は、検量線出力装置１０の内部に設置されているが、検量線出力装置１０の外部に設置されてもよいし、複数の記憶部が設置されていてもよい。
記憶部１４は、制御部１５が動作する際に参照する各種情報や、制御部１５が動作した際に取得した各種情報を記憶する。記憶部１４は、オンラインデータ記憶部１４ａ、オフラインデータ記憶部１４ｂ、データセット記憶部１４ｃおよび検量線データ記憶部１４ｄを有する。ここで、記憶部１４は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置等で実現され得る。なお、図２の例では、記憶部１４は、検量線出力装置１０の内部に設置されているが、検量線出力装置１０の外部に設置されてもよいし、複数の記憶部が設置されていてもよい。
（２－１－４－１．オンラインデータ記憶部１４ａ）
オンラインデータ記憶部１４ａは、制御部１５の収集部１５ａによって収集された測定値Ｍを含むオンラインデータを記憶する。ここで、図３を用いて、オンラインデータ記憶部１４ａが記憶する情報の一例を説明する。図３は、実施形態に係る検量線出力装置１０のオンラインデータ記憶部１４ａの一例を示す図である。図３の例において、オンラインデータ記憶部１４ａは、「細胞培養装置識別情報」、「時間」、「測定結果」といった項目を有する。
オンラインデータ記憶部１４ａは、制御部１５の収集部１５ａによって収集された測定値Ｍを含むオンラインデータを記憶する。ここで、図３を用いて、オンラインデータ記憶部１４ａが記憶する情報の一例を説明する。図３は、実施形態に係る検量線出力装置１０のオンラインデータ記憶部１４ａの一例を示す図である。図３の例において、オンラインデータ記憶部１４ａは、「細胞培養装置識別情報」、「時間」、「測定結果」といった項目を有する。
「細胞培養装置識別情報」は、細胞培養装置２０を識別するための識別情報を示し、例えば細胞培養装置２０の識別番号や識別記号である。「時間」は、測定装置３０が測定値Ｍを測定した時刻を示し、例えば時分秒で表わされる。「測定結果」は、測定装置３０が測定した測定値Ｍを示し、例えば周波数当たりのスペクトル値や周波数ごとのキャパシタンス値である。
すなわち、図３では、「Ｃ００１」で識別される細胞培養装置２０について、時間「Ｔ００１」の測定結果が「測定結果＃１」、時間「Ｔ００２」の測定結果が「測定結果＃２」、時間「Ｔ００３」の測定結果が「測定結果＃３」、時間「Ｔ００４」の測定結果が「測定結果＃４」、時間「Ｔ００５」の測定結果が「測定結果＃５」、時間「Ｔ００６」の測定結果が「測定結果＃６」、時間「Ｔ００７」の測定結果が「測定結果＃７」、時間「Ｔ００８」の測定結果が「測定結果＃８」、時間「Ｔ００９」の測定結果が「測定結果＃９」、・・・である例を示す。
（２－１－４－２．オフラインデータ記憶部１４ｂ）
オフラインデータ記憶部１４ｂは、制御部１５の取得部１５ｂによって取得された目的変量Ａを含むオフラインデータを記憶する。ここで、図４を用いて、オフラインデータ記憶部１４ｂが記憶する情報の一例を説明する。図４は、実施形態に係る検量線出力装置１０のオフラインデータ記憶部１４ｂの一例を示す図である。図４の例において、オフラインデータ記憶部１４ｂは、「細胞培養装置識別情報」、「時間」、「分析結果」といった項目を有する。
オフラインデータ記憶部１４ｂは、制御部１５の取得部１５ｂによって取得された目的変量Ａを含むオフラインデータを記憶する。ここで、図４を用いて、オフラインデータ記憶部１４ｂが記憶する情報の一例を説明する。図４は、実施形態に係る検量線出力装置１０のオフラインデータ記憶部１４ｂの一例を示す図である。図４の例において、オフラインデータ記憶部１４ｂは、「細胞培養装置識別情報」、「時間」、「分析結果」といった項目を有する。
「細胞培養装置識別情報」は、細胞培養装置２０を識別するための識別情報を示し、例えば細胞培養装置２０の識別番号や識別記号である。「時間」は、分析装置４０が目的変量Ａを定量分析した細胞培養液ＣＳが採取された時刻を示し、例えば時分秒で表わされる。「分析結果」は、分析装置４０が定量分析した目的変量Ａを示し、例えば成分濃度、細胞密度、ｐＨ（水素イオン指数）、浸透圧等の含有される成分によって決定される数値である。
すなわち、図４では、「Ｃ００１」で識別される細胞培養装置２０について、時間「Ｔ００２」の分析結果が「分析結果＃１」、時間「Ｔ００４」の分析結果が「分析結果＃２」、時間「Ｔ００６」の分析結果が「分析結果＃３」、時間「Ｔ００８」の分析結果が「分析結果＃４」、・・・である例を示す。
（２－１－４－３．データセット記憶部１４ｃ）
データセット記憶部１４ｃは、制御部１５の生成部１５ｃによって生成された測定値Ｍと目的変量Ａとの組合せであるデータセットを記憶する。ここで、図５を用いて、データセット記憶部１４ｃが記憶する情報の一例を説明する。図５は、実施形態に係る検量線出力装置１０のデータセット記憶部１４ｃの一例を示す図である。図５の例において、データセット記憶部１４ｃは、「細胞培養装置識別情報」、「時間」、「測定結果」、「分析結果」といった項目を有する。
データセット記憶部１４ｃは、制御部１５の生成部１５ｃによって生成された測定値Ｍと目的変量Ａとの組合せであるデータセットを記憶する。ここで、図５を用いて、データセット記憶部１４ｃが記憶する情報の一例を説明する。図５は、実施形態に係る検量線出力装置１０のデータセット記憶部１４ｃの一例を示す図である。図５の例において、データセット記憶部１４ｃは、「細胞培養装置識別情報」、「時間」、「測定結果」、「分析結果」といった項目を有する。
「細胞培養装置識別情報」は、細胞培養装置２０を識別するための識別情報を示し、例えば細胞培養装置２０の識別番号や識別記号である。「時間」は、測定装置３０が測定値Ｍを測定した時刻や、分析装置４０が目的変量Ａを定量分析した細胞培養液ＣＳが採取された時刻を示し、例えば時分秒で表わされる。「測定結果」は、測定装置３０が測定した測定値Ｍを示し、例えば周波数当たりのスペクトル値や周波数ごとのキャパシタンス値である。「分析結果」は、分析装置４０が定量分析した目的変量Ａを示し、例えば成分濃度、細胞密度、ｐＨ、浸透圧等の含有される成分によって決定される数値である。
すなわち、図５では、「Ｃ００１」で識別される細胞培養装置２０について、｛時間「Ｔ００２」，測定結果「測定結果＃２」，分析結果「分析結果＃１」｝、｛時間「Ｔ００４」，測定結果「測定結果＃４」，分析結果「分析結果＃２」｝、｛時間「Ｔ００６」，測定結果「測定結果＃６」，分析結果「分析結果＃３」｝、｛時間「Ｔ００８」，測定結果「測定結果＃８」，分析結果「分析結果＃４」｝、・・・である例を示す。
（２－１－４－４．検量線データ記憶部１４ｄ）
検量線データ記憶部１４ｄは、制御部１５の出力部１５ｄによって生成された検量線データやバリデーション結果を記憶する。ここで、図６を用いて、検量線データ記憶部１４ｄが記憶する情報の一例を説明する。図６は、実施形態に係る検量線出力装置１０の検量線データ記憶部１４ｄの一例を示す図である。図６の例において、検量線データ記憶部１４ｄは、「検量線」、「バリデーション結果」といった項目を有する。
検量線データ記憶部１４ｄは、制御部１５の出力部１５ｄによって生成された検量線データやバリデーション結果を記憶する。ここで、図６を用いて、検量線データ記憶部１４ｄが記憶する情報の一例を説明する。図６は、実施形態に係る検量線出力装置１０の検量線データ記憶部１４ｄの一例を示す図である。図６の例において、検量線データ記憶部１４ｄは、「検量線」、「バリデーション結果」といった項目を有する。
「検量線」は、培養細胞液ＣＳにおける測定値Ｍと目的変量Ａとの対応関係を示し、例えば検量線ＣＣの近似式、予測値標準偏差、相関係数等である。「バリデーション結果」は、検量線ＣＣの精度の評価結果を示し、例えば予測プロット、エラートレンド、予測トレンドを示すグラフである。
すなわち、図６では、検量線「検量線＃１」のバリデーション結果が「バリデーション結果＃１」、検量線「検量線＃２」のバリデーション結果が「バリデーション結果＃２」、検量線「検量線＃３」のバリデーション結果が「バリデーション結果＃３」、・・・である例を示す。
（２－１－５．制御部１５）
制御部１５は、当該検量線出力装置１０全体の制御を司る。制御部１５は、収集部１５ａ、取得部１５ｂ、生成部１５ｃ、出力部１５ｄおよび承認部１５ｅを有する。ここで、制御部１５は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路やＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現され得る。
制御部１５は、当該検量線出力装置１０全体の制御を司る。制御部１５は、収集部１５ａ、取得部１５ｂ、生成部１５ｃ、出力部１５ｄおよび承認部１５ｅを有する。ここで、制御部１５は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路やＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現され得る。
（２－１－５－１．収集部１５ａ）
収集部１５ａは、試料Ｓの測定値Ｍを収集する。例えば、収集部１５ａは、試料Ｓとして、動物細胞、微生物、植物細胞等の細胞を培養する細胞培養液ＣＳの測定値Ｍを収集する。また、収集部１５ａは、測定値Ｍとして、ラマン分光分析、近赤外分光分析、赤外分光分析、可視分光分析等により測定装置３０が測定したスペクトル値を収集する。また、収集部１５ａは、測定値Ｍとして、キャパシタンスセンサを用いて測定装置３０が測定したキャパシタンス値を収集する。
収集部１５ａは、試料Ｓの測定値Ｍを収集する。例えば、収集部１５ａは、試料Ｓとして、動物細胞、微生物、植物細胞等の細胞を培養する細胞培養液ＣＳの測定値Ｍを収集する。また、収集部１５ａは、測定値Ｍとして、ラマン分光分析、近赤外分光分析、赤外分光分析、可視分光分析等により測定装置３０が測定したスペクトル値を収集する。また、収集部１５ａは、測定値Ｍとして、キャパシタンスセンサを用いて測定装置３０が測定したキャパシタンス値を収集する。
具体的な例を用いて説明すると、収集部１５ａは、測定装置３０Ａが測定した細胞培養液ＣＳ－Ａの測定値ＭＡとして｛近赤外分光スペクトルＡ００１，近赤外分光スペクトルＡ００２，近赤外分光スペクトルＡ００３，・・・｝を一定時間ごとに収集し、測定装置３０Ｂが測定した細胞培養液ＣＳ－Ｂの測定値ＭＢとして、｛ラマン分光スペクトルＢ００１，ラマン分光スペクトルＢ００２，ラマン分光スペクトルＢ００３，・・・｝を一定時間ごとに収集し、測定装置３０Ｃが測定した細胞培養液ＣＳ－Ｃの測定値ＭＣとして、｛キャパシタンスＣ００１，キャパシタンスＣ００２，キャパシタンスＣ００３，・・・｝を一定時間ごとに収集する。
また、収集部１５ａは、細胞培養液ＣＳの測定値Ｍを所定の時間ごとに収集する。このとき、収集部１５ａは、収集した測定値Ｍと測定値Ｍを測定した測定時刻ＴＭとを対応付けて記憶部１４に格納する。
具体的な例を用いて説明すると、収集部１５ａは、測定装置３０Ａが測定した細胞培養液ＣＳ－Ａの測定値ＭＡとして｛近赤外分光スペクトルＡ００１，近赤外分光スペクトルＡ００２，近赤外分光スペクトルＡ００３，・・・｝を９０秒ごとに収集し、｛１２時００分００秒：近赤外分光スペクトルＡ００１，１２時０１分３０秒：近赤外分光スペクトルＡ００２，１２時０３分００秒：近赤外分光スペクトルＡ００３，・・・｝のように測定時刻ＴＭを対応付けてオンラインデータ記憶部１４ａに細胞培養溶液ＣＳごとに格納する。
（２－１－５－２．取得部１５ｂ）
取得部１５ｂは、試料Ｓから採取された採取試料ＳＳに含まれる成分の含有量によって決定される目的変量Ａを取得する。例えば、取得部１５ｂは、採取試料ＳＳとして、動物細胞、微生物、植物細胞等の細胞を培養する細胞培養液ＣＳから採取された採取培養液ＣＳＣの目的変量Ａを取得する。また、取得部１５ｂは、細胞培養液ＣＳから採取された採取培養液ＳＣＳを分析する分析装置４０から、採取培養液ＣＳＣに含まれる成分濃度または生細胞密度を取得する。さらに、取得部１５ｂは、分析装置４０から、採取培養液ＣＳＣに含まれるｐＨや浸透圧を取得してもよい。
取得部１５ｂは、試料Ｓから採取された採取試料ＳＳに含まれる成分の含有量によって決定される目的変量Ａを取得する。例えば、取得部１５ｂは、採取試料ＳＳとして、動物細胞、微生物、植物細胞等の細胞を培養する細胞培養液ＣＳから採取された採取培養液ＣＳＣの目的変量Ａを取得する。また、取得部１５ｂは、細胞培養液ＣＳから採取された採取培養液ＳＣＳを分析する分析装置４０から、採取培養液ＣＳＣに含まれる成分濃度または生細胞密度を取得する。さらに、取得部１５ｂは、分析装置４０から、採取培養液ＣＳＣに含まれるｐＨや浸透圧を取得してもよい。
具体的な例を用いて説明すると、取得部１５ｂは、分析装置４０が分析した採取細胞培養液ＳＣＳ－Ａの目的変量ＡＡとして｛グルコース濃度Ａ００１，グルコース濃度Ａ００２，グルコース濃度Ａ００３，・・・｝を定期的に取得し、分析装置４０が分析した採取細胞培養液ＳＣＳ－Ｂの目的変量ＡＢとして、｛乳酸濃度Ｂ００１，乳酸濃度Ｂ００２，乳酸濃度Ｂ００３，・・・｝を定期的に取得し、分析装置４０が分析した採取細胞培養液ＳＣＳ－Ｃの目的変量ＡＣとして、｛生細胞密度Ｃ００１，生細胞密度Ｃ００２，生細胞密度Ｃ００３，・・・｝を定期的に取得する。
また、取得部１５ｂは、採取細胞培養液ＳＣＳの目的変量Ａを定期的に取得する。このとき、取得部１５ｂは、取得した目的変量Ａと、目的変量Ａが分析された採取試料ＳＳが採取された採取時間ＴＳとを対応付けて記憶部１４に格納する。
具体的な例を用いて説明すると、取得部１５ｂは、１日おきに一定時間（例：１分間隔で１０分間）にわたって採取され、分析装置４０が分析した採取細胞培養液ＳＣＳ－Ａの目的変量ＡＡとして｛グルコース濃度Ａ００１，グルコース濃度Ａ００２，グルコース濃度Ａ００３，グルコース濃度Ａ００４，・・・｝を取得し、｛１２時００分００秒：グルコース濃度Ａ００１，１２時０１分００秒：グルコース濃度Ａ００２，１２時０２分００秒：グルコース濃度Ａ００３，１２時０３分００秒：グルコース濃度Ａ００４，・・・｝のように採取時刻ＴＳを対応付けてオフラインデータ記憶部１４ｂに採取細胞培養液ＳＣＳごとに格納する。
（２－１－５－３．生成部１５ｃ）
生成部１５ｃは、採取試料ＳＳが採取された採取時刻ＴＳごとに、測定値Ｍと目的変量Ａとの組合せを生成する。例えば、生成部１５ｃは、目的変量Ａが取得された場合には、記憶部１４に記憶される測定値Ｍのうち、採取時刻ＴＳから所定の時間内の測定時刻ＴＭに対応する測定値Ｍを抽出し、抽出した測定値Ｍを対応する採取時刻ＴＳの目的変量Ａと併合することによって、測定値Ｍと目的変量Ａとの組合せを生成する。なお、生成部１５ｃは、生成した測定値Ｍと目的変量Ａとの組合せをデータセットとして記憶部１４に格納する。
生成部１５ｃは、採取試料ＳＳが採取された採取時刻ＴＳごとに、測定値Ｍと目的変量Ａとの組合せを生成する。例えば、生成部１５ｃは、目的変量Ａが取得された場合には、記憶部１４に記憶される測定値Ｍのうち、採取時刻ＴＳから所定の時間内の測定時刻ＴＭに対応する測定値Ｍを抽出し、抽出した測定値Ｍを対応する採取時刻ＴＳの目的変量Ａと併合することによって、測定値Ｍと目的変量Ａとの組合せを生成する。なお、生成部１５ｃは、生成した測定値Ｍと目的変量Ａとの組合せをデータセットとして記憶部１４に格納する。
ここで、生成部１５ｃは、例えば採取時刻ＴＳから１０秒以内の測定時刻ＴＭに対応する測定値Ｍを抽出する設定をしていた場合には、採取時刻ＴＳから１０秒以内の測定値Ｍを抽出し、採取時刻ＴＳの目的変量Ａと併合する。このとき、生成部１５ｃは、採取時刻ＴＳから１０秒以内の測定値Ｍが複数存在する場合には、最も採取時刻ＴＳに近い測定時刻ＴＭに対応する測定値Ｍを抽出して目的変量Ａと併合してもよいし、該当する測定値Ｍの平均値を目的変量Ａと併合してもよい。一方、生成部１５ｃは、該当する測定値Ｍが存在しない場合には、採取時刻ＴＳに対応する目的変量Ａと併合しない。
具体的な例を用いて説明すると、生成部１５ｃは、採取細胞培養液ＳＣＳ－Ａのオフラインデータ｛１２時００分００秒：グルコース濃度Ａ００１，１２時０１分００秒：グルコース濃度Ａ００２，１２時０２分００秒：グルコース濃度Ａ００３，１２時０３分００秒：グルコース濃度Ａ００４，・・・｝が取得された場合には、細胞培養液ＣＳ－Ａのオンラインデータ｛１２時００分００秒：近赤外分光スペクトルＡ００１，１２時０１分３０秒：近赤外分光スペクトルＡ００２，１２時０３分００秒：近赤外分光スペクトルＡ００３，・・・｝を参照し、データセット｛１２時００分００秒：グルコース濃度Ａ００１，近赤外分光スペクトルＡ００１｝、｛１２時０３分００秒：グルコース濃度Ａ００４，近赤外分光スペクトルＡ００３｝、・・・を生成し、データセット記憶部１４ｃに細胞培養溶液ＣＳごとに格納する。
（２－１－５－４．出力部１５ｄ）
出力部１５ｄは、測定値Ｍと目的変量Ａとの複数の組合せを用いて試料Ｓにおける測定値Ｍと目的変量Ａとの対応関係を示す検量線データを生成し、検量線データを出力する。このとき、出力部１５ｄは、取得したデータの前処理を実行し、検量線ＣＣの検量線データを生成し、生成した検量線ＣＣを評価し、生成した検量線データの検量線ＣＣを表示し、承認された検量線ＣＣの検量線データを送信する。なお、出力部１５ｄは、生成した検量線データおよび検量線ＣＣに対する評価結果を記憶部１４に格納する。
出力部１５ｄは、測定値Ｍと目的変量Ａとの複数の組合せを用いて試料Ｓにおける測定値Ｍと目的変量Ａとの対応関係を示す検量線データを生成し、検量線データを出力する。このとき、出力部１５ｄは、取得したデータの前処理を実行し、検量線ＣＣの検量線データを生成し、生成した検量線ＣＣを評価し、生成した検量線データの検量線ＣＣを表示し、承認された検量線ＣＣの検量線データを送信する。なお、出力部１５ｄは、生成した検量線データおよび検量線ＣＣに対する評価結果を記憶部１４に格納する。
第１に、出力部１５ｄは、測定値Ｍに対して前処理を実行する。例えば、出力部１５ｄは、測定値Ｍと目的変量Ａとの複数の組合せに含まれる測定値Ｍに対してサビツキーゴーレイ（Savitzky-Golay）法を含む前処理を実行する。
第２に、出力部１５ｄは、検量線ＣＣの検量線データを生成する。例えば、出力部１５ｄは、多変量統計解析を実行することによって検量線ＣＣの検量線データを生成する。このとき、出力部１５ｄは、多変量統計解析として、ＰＣＡ（Principal Component Analysis：主成分分析）やＰＬＳ（Partial Least Squares）による解析を実行することができるが、特に限定されない。なお、出力部１５ｄは、生成した検量線データを検量線データ記憶部１４ｄに格納する。
第３に、出力部１５ｄは、生成した検量線ＣＣを評価する。例えば、出力部１５ｄは、生成した検量線データを用いて算出した目的変量Ａの予測値と、目的変量Ａの実測値とを比較することによって検量線ＣＣを評価する。なお、検量線ＣＣの評価処理の詳細については、（２－２．検量線出力装置１０のバリデーション処理の具体例）にて後述する。また、出力部１５ｄは、検量線ＣＣの評価結果を検量線データ記憶部１４ｄに格納する。
（２－１－５－５．承認部１５ｅ）
第１に、承認部１５ｅは、生成した検量線データの検量線ＣＣを表示する。例えば、承認部１５ｅは、検量線ＣＣおよび検量線ＣＣに対する評価結果を画面に表示する。このとき、承認部１５ｅは、検量線ＣＣとして、検量線ＣＣを示すグラフや、検量線ＣＣを示す近似値、予測標準偏差、相関係数等を表示部１２に表示する。また、承認部１５ｅは、検量線ＣＣに対する評価結果として、選択した検量線ＣＣのグラフや近似値等とともに、予測プロット、エラートレンド、予測トレンド等のグラフを表示部１２に表示する。
第１に、承認部１５ｅは、生成した検量線データの検量線ＣＣを表示する。例えば、承認部１５ｅは、検量線ＣＣおよび検量線ＣＣに対する評価結果を画面に表示する。このとき、承認部１５ｅは、検量線ＣＣとして、検量線ＣＣを示すグラフや、検量線ＣＣを示す近似値、予測標準偏差、相関係数等を表示部１２に表示する。また、承認部１５ｅは、検量線ＣＣに対する評価結果として、選択した検量線ＣＣのグラフや近似値等とともに、予測プロット、エラートレンド、予測トレンド等のグラフを表示部１２に表示する。
第２に、承認部１５ｅは、監査証跡を記録する。例えば、承認部１５ｅは、表示部１２に表示された検量線ＣＣのうち利用者Ｕによって承認された場合には、利用者Ｕが承認した日時、承認した利用者Ｕ、承認した検量線ＣＣを監査証跡として検量線データ記憶部１４ｄに格納する。
第３に、承認部１５ｅは、承認された検量線ＣＣの検量線データを送信する。例えば、承認部１５ｅは、表示した検量線ＣＣのうち、利用者Ｕによって選択された検量線ＣＣの検量線データを利用者Ｕに送信する。具体的な例を用いて説明すると、承認部１５ｅは、細胞培養装置２０を管理する利用者Ｕが使用する端末装置に、３つの検量線ＣＣである検量線ＣＣ－１、検量線ＣＣ－２、検量線ＣＣ－３を表示し、利用者Ｕが検量線ＣＣ－１を選択した場合には、利用者Ｕが管理する測定装置３０に検量線ＣＣ－１の検量線データを送信する。
（２－２．検量線出力装置１０のバリデーション処理の具体例）
図７～図９を用いて、検量線出力装置１０のバリデーション処理の具体例について説明する。図７～図９は、実施形態に係るバリデーション処理の具体例を示す図である。以下では、予測プロットを用いたバリデーション処理である具体例１、エラートレンドを用いたバリデーション処理である具体例２、予測トレンドを用いたバリデーション処理である具体例３について説明する。
図７～図９を用いて、検量線出力装置１０のバリデーション処理の具体例について説明する。図７～図９は、実施形態に係るバリデーション処理の具体例を示す図である。以下では、予測プロットを用いたバリデーション処理である具体例１、エラートレンドを用いたバリデーション処理である具体例２、予測トレンドを用いたバリデーション処理である具体例３について説明する。
（２－２－１．具体例１：予測プロット）
図７を用いて、検量線出力装置１０のバリデーション処理の具体例１について説明する。具体例１は、予測プロットを用いたバリデーション処理である。
図７を用いて、検量線出力装置１０のバリデーション処理の具体例１について説明する。具体例１は、予測プロットを用いたバリデーション処理である。
図７の例では、横軸に「実測値（ｇ／Ｌ）」、縦軸に「予測値（ｇ／Ｌ）」をとり、検量線データに基づいて算出した予測値と、オフラインデータである実測値との誤差を確認できる「予測プロット」が表示されている。予測値は、バリデーション用に選択したデータセットの測定値Ｍと、検量線ＣＣをもとに作成された検量線モデルとを用いて算出された数値である。また、実測値は、バリデーション用に選択したデータセットの目的変数Ａである。
ここで、図７のグラフ中の四角は、近似式「０．７３８ｘ＋１．４３４」、予測値標準偏差「１．１４１」、相関係数「０．８５９」を示す検量線ＣＣ－１をもとに作成された「検量モデル１」から算出された予測値、および対応する実測値を示す。また、図７のグラフ中の星印は、近似式「０．９６４ｘ＋０．０２７」、予測値標準偏差「０．３７１」、相関係数「０．９８２」を示す検量線ＣＣ－７をもとに作成された「検量モデル７」から算出された予測値、および対応する実測値を示す。また、図７のグラフ中の実線は、予測値と実測値とが一致する点を示す。
図７の例では、検量線ＣＣ－１～検量線ＣＣ－７の検量線データをもとに作成された「検量線モデル１」～「検量線モデル７」の７種類の検量線モデルのうち、利用者Ｕによって「検量線モデル１」および「検量線モデル７」のチェックボックスにチェックが入力されているので、「検量線モデル１」および「検量線モデル７」の予測プロットが表示されている。
具体例１の予測プロットを用いたバリデーション処理では、プロットした予測値が実線に近いほど、精度の高い検量線モデルであり、精度の高い検量線ＣＣであることがわかる。図７の例では、「検量線モデル１」の予測プロット（四角）よりも「検量線モデル７」の予測プロット（星印）の方が実線に近いプロットが多いので、検量線ＣＣ－１よりも検量線ＣＣ－７の方が精度の高い検量線ＣＣであることが予想される。
上記の予測プロットを用いたバリデーション処理およびバリデーション結果の表示処理が実行された後、利用者Ｕが検量線ＣＣを選択することによって、測定装置３０に反映する検量線ＣＣを承認することができる。例えば、検量線出力装置１０の承認部１５ｅは、実測値から乖離したプロットが少ない「検量モデル７」を利用者Ｕが最終的に選択した場合には、測定装置３０に反映する検量線ＣＣとして検量線ＣＣ－７の承認を受け付け、利用者Ｕが管理する測定装置３０に検量線ＣＣ－７の検量線データを送信する。このとき、承認部１５ｅは、予測値と実測値とが一致する点を示す実線から所定の範囲内に閾値以上のプロットが含まれる検量線データを選択し、測定装置３０に送信してもよい。
（２－２－２．具体例２：エラートレンド）
図８を用いて、検量線出力装置１０のバリデーション処理の具体例２について説明する。具体例２は、エラートレンドを用いたバリデーション処理である。
図８を用いて、検量線出力装置１０のバリデーション処理の具体例２について説明する。具体例２は、エラートレンドを用いたバリデーション処理である。
図８の例では、横軸に「経過時間（Ｄａｙ）」、縦軸に「誤差（ｇ／Ｌ）」をとり、検量線データに基づいて算出した予測値と、オフラインデータである実測値とから算出された誤差の時系列変化を確認できる「エラートレンド」が表示されている。予測値は、バリデーション用に選択したデータセットの測定値Ｍと、検量線ＣＣをもとに作成された検量線モデルを用いて算出された数値である。また、実測値は、バリデーション用に選択したデータセットの目的変数Ａである。
ここで、図８のグラフ中の四角は、図７のグラフと同様に、近似式「０．７３８ｘ＋１．４３４」、予測値標準偏差「１．１４１」、相関係数「０．８５９」を示す検量線ＣＣ－１をもとに作成された「検量モデル１」から算出された予測値および対応する実測値を示す。また、図８のグラフ中の星印は、図７のグラフと同様に、近似式「０．９６４ｘ＋０．０２７」、予測値標準偏差「０．３７１」、相関係数「０．９８２」を示す検量線ＣＣ－７をもとに作成された「検量モデル７」から算出された予測値および対応する実測値を示す。
図８の例では、図７の例と同様に、検量線ＣＣ－１～検量線ＣＣ－７の検量線データをもとに作成された「検量線モデル１」～「検量線モデル７」の７種類の検量線モデルのうち、利用者Ｕによって「検量線モデル１」および「検量線モデル７」のチェックボックスにチェックが入力されているので、「検量線モデル１」および「検量線モデル７」のエラートレンドが表示されている。
具体例２のエラートレンドを用いたバリデーション処理では、プロットした誤差が０に近いほど、精度の高い検量線モデルであり、精度の高い検量線ＣＣであることがわかる。また、経過時間が大きくなってもプロットした誤差が０に近いほど、時間変化に関わらず精度の高い検量線モデルであり、より精度の高い検量線ＣＣであることがわかる。図８の例では、「検量線モデル１」の予測プロット（四角）よりも「検量線モデル７」の予測プロット（星印）の方が０に近いプロットが多いので、検量線ＣＣ－１よりも検量線ＣＣ－７の方が精度の高い検量線ＣＣであることが予想される。
上記のエラートレンドを用いたバリデーション処理およびバリデーション結果の表示処理が実行された後、利用者Ｕが検量線ＣＣを選択することによって、測定装置３０に反映する検量線ＣＣを承認することができる。例えば、検量線出力装置１０の承認部１５ｅは、誤差１ｇ／Ｌ以内のプロットが多い「検量モデル７」を利用者Ｕが最終的に選択した場合には、測定装置３０に反映する検量線ＣＣとして検量線ＣＣ－７の承認を受け付け、利用者Ｕが管理する測定装置３０に検量線ＣＣ－７の検量線データを送信する。このとき、承認部１５ｅは、誤差が所定の範囲内（例えば、±１ｇ／Ｌ以内）に閾値以上のプロットが含まれる検量線データを選択し、測定装置３０に送信してもよい。
（２－２－３．具体例３：予測トレンド）
図９を用いて、検量線出力装置１０のバリデーション処理の具体例３について説明する。具体例３は、予測トレンドを用いたバリデーション処理である。
図９を用いて、検量線出力装置１０のバリデーション処理の具体例３について説明する。具体例３は、予測トレンドを用いたバリデーション処理である。
図９の例では、横軸に「経過時間（Ｄａｙ）」、縦軸に「予測値（ｇ／Ｌ）」をとり、検量線データに基づいて算出した予測値の時系列変化を確認できる「予測トレンド」が表示されている。予測値は、バリデーション用に選択したデータセットの測定値Ｍと、検量線ＣＣをもとに作成された検量線モデルを用いて算出された数値である。また、実測値は、バリデーション用に選択したデータセットの目的変数Ａである。
ここで、図９のグラフ中の四角は、図７および図８のグラフと同様に、近似式「０．７３８ｘ＋１．４３４」、予測値標準偏差「１．１４１」、相関係数「０．８５９」を示す検量線ＣＣ－１をもとに作成された「検量モデル１」から算出された予測値および対応する実測値を示す。また、図９のグラフ中の星印は、図７および図８のグラフと同様に、近似式「０．９６４ｘ＋０．０２７」、予測値標準偏差「０．３７１」、相関係数「０．９８２」を示す検量線ＣＣ－７をもとに作成された「検量モデル７」から算出された予測値および対応する実測値を示す。また、図９のグラフ中の実線は、実測値の時系列変化を示す。
図９の例では、図７および図８の例と同様に、検量線ＣＣ－１～検量線ＣＣ－７の検量線データをもとに作成された「検量線モデル１」～「検量線モデル７」の７種類の検量線モデルのうち、利用者Ｕによって「検量線モデル１」および「検量線モデル７」のチェックボックスにチェックが入力されているので、「検量線モデル１」および「検量線モデル７」の予測トレンドが表示されている。
具体例３の予測トレンドを用いたバリデーション処理では、プロットした予測値が実線に近いほど、精度の高い検量線モデルであり、精度の高い検量線ＣＣであることがわかる。また、経過時間が大きくなってもプロットした予測値が実線に近いほど、時間変化に関わらず精度の高い検量線モデルであり、より精度の高い検量線ＣＣであることがわかる。図９の例では、「検量線モデル１」の予測プロット（四角）よりも「検量線モデル７」の予測プロット（星印）の方が実線に近いプロットが多いので、検量線ＣＣ－１よりも検量線ＣＣ－７の方が精度の高い検量線ＣＣであることが予想される。
上記の予測トレンドを用いたバリデーション処理およびバリデーション結果の表示処理が実行された後、利用者Ｕが検量線ＣＣを選択することによって、測定装置３０に反映する検量線ＣＣを承認することができる。例えば、検量線出力装置１０の承認部１５ｅは、実測値から乖離したプロットが少ない「検量モデル７」を利用者Ｕが最終的に選択した場合には、測定装置３０に反映する検量線ＣＣとして検量線ＣＣ－７の承認を受け付け、利用者Ｕが管理する測定装置３０に検量線ＣＣ－７の検量線データを送信する。このとき、承認部１５ｅは、実測値の時系列変化を示す実線から所定の範囲内に閾値以上のプロットが含まれる検量線データを選択し、測定装置３０に送信してもよい。
（２－３．細胞培養装置２０の構成例）
図２を用いて、図１に示した細胞培養装置２０の構成例について説明する。細胞培養装置２０は、図示しない細胞培養槽を有する。細胞培養槽は、細胞、グルコースやアミノ酸を含む栄養成分、細胞代謝物を含む細胞培養液ＣＳを収容する。ここで、細胞培養液ＣＳによって培養される培養物としては、細胞の他、微生物、酵母等を使用してもよい。
図２を用いて、図１に示した細胞培養装置２０の構成例について説明する。細胞培養装置２０は、図示しない細胞培養槽を有する。細胞培養槽は、細胞、グルコースやアミノ酸を含む栄養成分、細胞代謝物を含む細胞培養液ＣＳを収容する。ここで、細胞培養液ＣＳによって培養される培養物としては、細胞の他、微生物、酵母等を使用してもよい。
（２－４．測定装置３０の構成例）
図２を用いて、図１に示した測定装置３０の構成例について説明する。測定装置３０は、測定部３１および送受信部３２を有する。
図２を用いて、図１に示した測定装置３０の構成例について説明する。測定装置３０は、測定部３１および送受信部３２を有する。
（２－４－１．測定部３１）
測定部３１は、試料Ｓの測定値Ｍを測定する。例えば、測定部３１は、ラマン分光分析、近赤外分光分析、赤外分光分析、紫外分光分析、可視分光分析等の分光分析を実行し、細胞培養液ＣＳのスペクトル値を測定する。また、測定部３１は、キャパシタンスセンサを用いて、細胞培養液ＣＳのキャパシタンス値を測定する。
測定部３１は、試料Ｓの測定値Ｍを測定する。例えば、測定部３１は、ラマン分光分析、近赤外分光分析、赤外分光分析、紫外分光分析、可視分光分析等の分光分析を実行し、細胞培養液ＣＳのスペクトル値を測定する。また、測定部３１は、キャパシタンスセンサを用いて、細胞培養液ＣＳのキャパシタンス値を測定する。
（２－４－２．送受信部３２）
送受信部３２は、各種情報を送信する。例えば、送受信部３２は、検量線出力装置１０に測定値Ｍを含むオンラインデータを送信する。また、送受信部３２は、各種情報を受信する。例えば、送受信部３２は、検量線出力装置１０から検量線データを受信する。
送受信部３２は、各種情報を送信する。例えば、送受信部３２は、検量線出力装置１０に測定値Ｍを含むオンラインデータを送信する。また、送受信部３２は、各種情報を受信する。例えば、送受信部３２は、検量線出力装置１０から検量線データを受信する。
（２－５．分析装置４０の構成例）
図２を用いて、図１に示した分析装置４０の構成例について説明する。分析装置４０は、分析部４１、送受信部４２および出力部４３を有する。
図２を用いて、図１に示した分析装置４０の構成例について説明する。分析装置４０は、分析部４１、送受信部４２および出力部４３を有する。
（２－５－１．分析部４１）
分析部４１は、試料Ｓから採取された採取試料ＳＳに含まれる成分の含有量によって決定される目的変量Ａを定量分析する。例えば、分析部４１は、細胞培養液ＣＳから採取された採取培養液ＳＣＳの成分濃度または生細胞密度を定量分析する。また、分析部４１は、細胞培養液ＣＳから採取された採取培養液ＳＣＳのｐＨや浸透圧を決定してもよい。
分析部４１は、試料Ｓから採取された採取試料ＳＳに含まれる成分の含有量によって決定される目的変量Ａを定量分析する。例えば、分析部４１は、細胞培養液ＣＳから採取された採取培養液ＳＣＳの成分濃度または生細胞密度を定量分析する。また、分析部４１は、細胞培養液ＣＳから採取された採取培養液ＳＣＳのｐＨや浸透圧を決定してもよい。
（２－５－２．送受信部４２）
送受信部４２は、各種情報を送信する。例えば、送受信部４２は、検量線出力装置１０に目的変量Ａを含むオフラインデータを送信する。また、送受信部３２は、各種情報を受信する。例えば、送受信部４２は、検量線出力装置１０から目的変量Ａの要求通知を受信する。
送受信部４２は、各種情報を送信する。例えば、送受信部４２は、検量線出力装置１０に目的変量Ａを含むオフラインデータを送信する。また、送受信部３２は、各種情報を受信する。例えば、送受信部４２は、検量線出力装置１０から目的変量Ａの要求通知を受信する。
（２－５－３．出力部４３）
出力部４３は、当該分析装置４０の各種情報を出力する。例えば、出力部４３は、ディスプレイ等で実現され、当該分析装置４０に記憶されたオフラインデータや設定情報等を出力する。
出力部４３は、当該分析装置４０の各種情報を出力する。例えば、出力部４３は、ディスプレイ等で実現され、当該分析装置４０に記憶されたオフラインデータや設定情報等を出力する。
〔３．検量線出力システム１００の処理の流れ〕
図１０～図１２を用いて、実施形態に係る検量線出力システム１００の処理の流れについて説明する。以下では、検量線出力処理全体の流れ、検量線データ生成処理の流れ、検量線承認処理の流れの順に説明する。
図１０～図１２を用いて、実施形態に係る検量線出力システム１００の処理の流れについて説明する。以下では、検量線出力処理全体の流れ、検量線データ生成処理の流れ、検量線承認処理の流れの順に説明する。
（３－１．検量線出力処理全体の流れ）
図１０を用いて、実施形態に係る検量線出力処理全体の流れについて説明する。図１０は、実施形態に係る検量線出力処理全体の流れの一例を示すフローチャートである。なお、下記のステップＳ１０１～Ｓ１０５の処理は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１０５の処理のうち、省略される処理があってもよい。
図１０を用いて、実施形態に係る検量線出力処理全体の流れについて説明する。図１０は、実施形態に係る検量線出力処理全体の流れの一例を示すフローチャートである。なお、下記のステップＳ１０１～Ｓ１０５の処理は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１０５の処理のうち、省略される処理があってもよい。
（３－１－１．オンラインデータ収集処理）
第１に、ステップＳ１０１に先立って、検量線出力装置１０の収集部１５ａは、オンラインデータを収集する。例えば、収集部１５ａは、測定装置３０が送信する細胞培養装置２０の細胞培養液ＣＳのスペクトル値等の測定値Ｍを含むオンラインデータを収集する。
第１に、ステップＳ１０１に先立って、検量線出力装置１０の収集部１５ａは、オンラインデータを収集する。例えば、収集部１５ａは、測定装置３０が送信する細胞培養装置２０の細胞培養液ＣＳのスペクトル値等の測定値Ｍを含むオンラインデータを収集する。
（３－１－２．オフラインデータ取得処理）
第２に、検量線出力装置１０の取得部１５ｂは、分析装置４０からオフラインデータを入力された場合（ステップＳ１０１：Ｙｅｓ）、ステップＳ１０２の処理に移行する。一方、取得部１５ｂは、分析装置４０からオフラインデータを入力されていない場合（ステップＳ１０１：Ｎｏ）、処理を終了する。
第２に、検量線出力装置１０の取得部１５ｂは、分析装置４０からオフラインデータを入力された場合（ステップＳ１０１：Ｙｅｓ）、ステップＳ１０２の処理に移行する。一方、取得部１５ｂは、分析装置４０からオフラインデータを入力されていない場合（ステップＳ１０１：Ｎｏ）、処理を終了する。
（３－１－３．データセット生成処理）
第３に、検量線出力装置１０の生成部１５ｃは、入力データの時刻周辺のオンラインデータが存在する場合（ステップＳ１０２：Ｙｅｓ）、データを併合してデータセットを生成する（ステップＳ１０３）。一方、生成部１５ｃは、入力データの時刻周辺のオンラインデータが存在しない場合（ステップＳ１０２：Ｎｏ）、処理を終了する。
第３に、検量線出力装置１０の生成部１５ｃは、入力データの時刻周辺のオンラインデータが存在する場合（ステップＳ１０２：Ｙｅｓ）、データを併合してデータセットを生成する（ステップＳ１０３）。一方、生成部１５ｃは、入力データの時刻周辺のオンラインデータが存在しない場合（ステップＳ１０２：Ｎｏ）、処理を終了する。
（３－１－４．検量線データ生成処理）
第４に、検量線出力装置１０の出力部１５ｄは、検量線データ生成処理を実行する（ステップＳ１０４）。なお、検量線データ生成処理の詳細については、（３－２．検量線データ生成処理の流れ）にて後述する。
第４に、検量線出力装置１０の出力部１５ｄは、検量線データ生成処理を実行する（ステップＳ１０４）。なお、検量線データ生成処理の詳細については、（３－２．検量線データ生成処理の流れ）にて後述する。
（３－１－５．検量線承認処理）
第５に、検量線出力装置１０の承認部１５ｅは、検量線承認処理を実行し（ステップＳ１０５）、処理を終了する。なお、検量線承認処理の詳細については、（３－３．検量線承認処理の流れ）にて後述する。
第５に、検量線出力装置１０の承認部１５ｅは、検量線承認処理を実行し（ステップＳ１０５）、処理を終了する。なお、検量線承認処理の詳細については、（３－３．検量線承認処理の流れ）にて後述する。
（３－２．検量線データ生成処理の流れ）
図１１を用いて、実施形態に係る検量線データ生成処理の流れについて説明する。図１１は、実施形態に係る検量線データ生成処理の流れの一例を示すフローチャートである。なお、下記のステップＳ２０１～Ｓ２０５の処理は、異なる順序で実行することもできる。また、下記のステップＳ２０１～Ｓ２０５の処理のうち、省略される処理があってもよい。
図１１を用いて、実施形態に係る検量線データ生成処理の流れについて説明する。図１１は、実施形態に係る検量線データ生成処理の流れの一例を示すフローチャートである。なお、下記のステップＳ２０１～Ｓ２０５の処理は、異なる順序で実行することもできる。また、下記のステップＳ２０１～Ｓ２０５の処理のうち、省略される処理があってもよい。
（３－２－１．データセット前処理）
第１に、検量線出力装置１０の出力部１５ｄは、データセット前処理を実行する（ステップＳ２０１）。このとき、出力部１５ｄは、各成分の時系列変化で強く反応している周波数帯のスペクトルを抽出する。また、出力部１５ｄは、データセットを、検量線データを生成するためのデータセットとバリデーションするためのデータセットとに分割する。なお、出力部１５ｄは、各成分で抽出する周波数帯、検量線データ生成用とバリデーション用のデータセットの作成パターンについては、あらかじめ記録した設定を使用する。
第１に、検量線出力装置１０の出力部１５ｄは、データセット前処理を実行する（ステップＳ２０１）。このとき、出力部１５ｄは、各成分の時系列変化で強く反応している周波数帯のスペクトルを抽出する。また、出力部１５ｄは、データセットを、検量線データを生成するためのデータセットとバリデーションするためのデータセットとに分割する。なお、出力部１５ｄは、各成分で抽出する周波数帯、検量線データ生成用とバリデーション用のデータセットの作成パターンについては、あらかじめ記録した設定を使用する。
（３－２－２．多変量統計解析処理）
第２に、検量線出力装置１０の出力部１５ｄは、多変量統計解析処理を実行する（ステップＳ２０２）。例えば、出力部１５ｄは、ＰＣＡやＰＬＳによる解析処理を実行し、検量線データを生成する。なお、出力部１５ｄは、あらかじめ設定されたアルゴリズムを使用して多変量統計解析処理を実行する。
第２に、検量線出力装置１０の出力部１５ｄは、多変量統計解析処理を実行する（ステップＳ２０２）。例えば、出力部１５ｄは、ＰＣＡやＰＬＳによる解析処理を実行し、検量線データを生成する。なお、出力部１５ｄは、あらかじめ設定されたアルゴリズムを使用して多変量統計解析処理を実行する。
（３－２－３．バリデーション処理）
第３に、検量線出力装置１０の出力部１５ｄは、バリデーション処理を実行する（ステップＳ２０３）。例えば、出力部１５ｄは、生成した検量線データを用いて算出した目的変量Ａの予測値と、目的変量Ａの実測値とを比較することによって検量線ＣＣを評価する。このとき、出力部１５ｄは、データセットに含まれる測定値Ｍを入力データとして、生成した検量線データを使用した目的変量Ａの演算結果と、データセットに含まれる目的変量Ａを使用して、予測値標準偏差を求める。
第３に、検量線出力装置１０の出力部１５ｄは、バリデーション処理を実行する（ステップＳ２０３）。例えば、出力部１５ｄは、生成した検量線データを用いて算出した目的変量Ａの予測値と、目的変量Ａの実測値とを比較することによって検量線ＣＣを評価する。このとき、出力部１５ｄは、データセットに含まれる測定値Ｍを入力データとして、生成した検量線データを使用した目的変量Ａの演算結果と、データセットに含まれる目的変量Ａを使用して、予測値標準偏差を求める。
（３－２－４．データ記憶処理）
第４に、検量線出力装置１０の出力部１５ｄは、データ記憶処理を実行する（ステップＳ２０４）。例えば、出力部１５ｄは、生成した検量線データおよび検量線ＣＣに対するバリデーション結果を記憶部１４に格納する。
第４に、検量線出力装置１０の出力部１５ｄは、データ記憶処理を実行する（ステップＳ２０４）。例えば、出力部１５ｄは、生成した検量線データおよび検量線ＣＣに対するバリデーション結果を記憶部１４に格納する。
（３－２－５．検量線データ生成処理の反復）
第５に、検量線出力装置１０の出力部１５ｄは、全成分の検量線データを生成した場合（ステップＳ２０５：Ｙｅｓ）、処理を終了する。一方、出力部１５ｄは、検量線データを作成していない成分がある場合（ステップＳ２０５：Ｎｏ）、ステップＳ２０１の処理に戻り、検量線データ生成処理を反復する。例えば、出力部１５ｄは、グルコース、乳酸の２成分の検量線データを生成する場合には、上記のステップＳ２０１～Ｓ２０４の処理を２回実行する。
第５に、検量線出力装置１０の出力部１５ｄは、全成分の検量線データを生成した場合（ステップＳ２０５：Ｙｅｓ）、処理を終了する。一方、出力部１５ｄは、検量線データを作成していない成分がある場合（ステップＳ２０５：Ｎｏ）、ステップＳ２０１の処理に戻り、検量線データ生成処理を反復する。例えば、出力部１５ｄは、グルコース、乳酸の２成分の検量線データを生成する場合には、上記のステップＳ２０１～Ｓ２０４の処理を２回実行する。
（３－３．検量線承認処理の流れ）
図１２を用いて、実施形態に係る検量線承認処理の流れについて説明する。図１２は、実施形態に係る検量線承認処理の流れの一例を示すフローチャートである。なお、下記のステップＳ３０１～Ｓ３０４の処理は、異なる順序で実行することもできる。また、下記のステップＳ３０１～Ｓ３０４の処理のうち、省略される処理があってもよい。
図１２を用いて、実施形態に係る検量線承認処理の流れについて説明する。図１２は、実施形態に係る検量線承認処理の流れの一例を示すフローチャートである。なお、下記のステップＳ３０１～Ｓ３０４の処理は、異なる順序で実行することもできる。また、下記のステップＳ３０１～Ｓ３０４の処理のうち、省略される処理があってもよい。
（３－３－１．検量線表示処理）
第１に、検量線出力装置１０の承認部１５ｅは、検量線表示処理を実行する（ステップＳ３０１）。例えば、承認部１５ｅは、検量線ＣＣおよび検量線ＣＣに対するバリデーション結果を表示部１２に表示する。
第１に、検量線出力装置１０の承認部１５ｅは、検量線表示処理を実行する（ステップＳ３０１）。例えば、承認部１５ｅは、検量線ＣＣおよび検量線ＣＣに対するバリデーション結果を表示部１２に表示する。
（３－３－２．承認受付処理）
第２に、検量線出力装置１０の承認部１５ｅは、表示した検量線ＣＣを利用者Ｕが承認した場合（ステップＳ３０２：Ｙｅｓ）、ステップＳ３０３の処理に移行する。このとき、利用者Ｕは、検量線ＣＣのバリデーション結果を確認し、測定装置３０に適用が可能であれば、表示部１２上に表示されている承認ボタンを押す。一方、承認部１５ｅは、表示した検量線ＣＣを利用者Ｕが承認しない場合（ステップＳ３０２：Ｎｏ）、処理を終了する。
第２に、検量線出力装置１０の承認部１５ｅは、表示した検量線ＣＣを利用者Ｕが承認した場合（ステップＳ３０２：Ｙｅｓ）、ステップＳ３０３の処理に移行する。このとき、利用者Ｕは、検量線ＣＣのバリデーション結果を確認し、測定装置３０に適用が可能であれば、表示部１２上に表示されている承認ボタンを押す。一方、承認部１５ｅは、表示した検量線ＣＣを利用者Ｕが承認しない場合（ステップＳ３０２：Ｎｏ）、処理を終了する。
（３－３－３．監査証跡記録処理）
第３に、検量線出力装置１０の承認部１５ｅは、監査証跡記録処理を実行する（ステップＳ３０３）。このとき、承認部１５ｅは、承認した日時、承認した利用者Ｕ、承認した検量線ＣＣを記録する。
第３に、検量線出力装置１０の承認部１５ｅは、監査証跡記録処理を実行する（ステップＳ３０３）。このとき、承認部１５ｅは、承認した日時、承認した利用者Ｕ、承認した検量線ＣＣを記録する。
（３－３－４．検量線データ送信処理）
第４に、検量線出力装置１０の承認部１５ｅは、検量線データ送信処理を実行し（ステップＳ３０４）、処理を終了する。このとき、利用者Ｕは、測定装置３０に適用できる検量線データを取得する。なお、利用者Ｕは、測定装置３０に適用できる検量線データを、検量線出力装置１０にアクセスすることで取得してもよい。また、承認部１５ｅは、利用者Ｕが検量線データを取得した場合には、取得した日時、取得した測定装置３０を記録する。
第４に、検量線出力装置１０の承認部１５ｅは、検量線データ送信処理を実行し（ステップＳ３０４）、処理を終了する。このとき、利用者Ｕは、測定装置３０に適用できる検量線データを取得する。なお、利用者Ｕは、測定装置３０に適用できる検量線データを、検量線出力装置１０にアクセスすることで取得してもよい。また、承認部１５ｅは、利用者Ｕが検量線データを取得した場合には、取得した日時、取得した測定装置３０を記録する。
〔４．実施形態の効果〕
最後に、実施形態の効果について説明する。以下では、実施形態に係る処理に対応する効果１～６について説明する。
最後に、実施形態の効果について説明する。以下では、実施形態に係る処理に対応する効果１～６について説明する。
（４－１．効果１）
第１に、上述した実施形態に係る処理では、検量線出力装置１０は、試料Ｓの測定値Ｍを収集し、試料Ｓから採取された採取試料ＳＳに含まれる成分の含有量によって決定される目的変量Ａを取得し、採取試料ＳＳが採取された採取時刻ＴＳごとに、測定値Ｍと目的変量Ａとの組合せを生成し、複数の組合せを用いて試料Ｓにおける測定値Ｍと目的変量Ａとの対応関係を示す検量線データを生成し、当該検量線データを出力する。このため、実施形態に係る処理では、効果的に高精度な検量線ＣＣを作成することができる。
第１に、上述した実施形態に係る処理では、検量線出力装置１０は、試料Ｓの測定値Ｍを収集し、試料Ｓから採取された採取試料ＳＳに含まれる成分の含有量によって決定される目的変量Ａを取得し、採取試料ＳＳが採取された採取時刻ＴＳごとに、測定値Ｍと目的変量Ａとの組合せを生成し、複数の組合せを用いて試料Ｓにおける測定値Ｍと目的変量Ａとの対応関係を示す検量線データを生成し、当該検量線データを出力する。このため、実施形態に係る処理では、効果的に高精度な検量線ＣＣを作成することができる。
（４－２．効果２）
第２に、上述した実施形態に係る処理では、検量線出力装置１０は、収集した測定値Ｍと測定値Ｍを測定した測定時刻ＴＭとを対応付けて記憶部１４に格納し、目的変量Ａを取得した場合には、記憶部１４に記憶した測定値Ｍのうち、採取時刻ＴＳから所定の時間内の測定時刻ＴＭに対応する測定値Ｍを抽出し、抽出した測定値Ｍを対応する採取時刻ＴＳの目的変量Ａと併合することによって、測定値Ｍと目的変量Ａとの組合せを生成する。このため、実施形態に係る処理では、オフラインデータの入力を契機として、効果的に高精度な検量線ＣＣを作成することができる。
第２に、上述した実施形態に係る処理では、検量線出力装置１０は、収集した測定値Ｍと測定値Ｍを測定した測定時刻ＴＭとを対応付けて記憶部１４に格納し、目的変量Ａを取得した場合には、記憶部１４に記憶した測定値Ｍのうち、採取時刻ＴＳから所定の時間内の測定時刻ＴＭに対応する測定値Ｍを抽出し、抽出した測定値Ｍを対応する採取時刻ＴＳの目的変量Ａと併合することによって、測定値Ｍと目的変量Ａとの組合せを生成する。このため、実施形態に係る処理では、オフラインデータの入力を契機として、効果的に高精度な検量線ＣＣを作成することができる。
（４－３．効果３）
第３に、上述した実施形態に係る処理では、検量線出力装置１０は、複数の組合せに含まれる測定値Ｍに対してサビツキーゴーレイ法を含む前処理を実行するとともに多変量統計解析を実行することによって検量線データを生成し、生成した検量線データを用いて算出した目的変量Ａの予測値と、目的変量Ａの実測値とを比較することによって検量線データの検量線ＣＣを評価する。このため、実施形態に係る処理では、データセットが更新されたタイミングで検量線ＣＣの作成とバリデーションを実行することによって、効果的に高精度な検量線ＣＣを作成することができる。
第３に、上述した実施形態に係る処理では、検量線出力装置１０は、複数の組合せに含まれる測定値Ｍに対してサビツキーゴーレイ法を含む前処理を実行するとともに多変量統計解析を実行することによって検量線データを生成し、生成した検量線データを用いて算出した目的変量Ａの予測値と、目的変量Ａの実測値とを比較することによって検量線データの検量線ＣＣを評価する。このため、実施形態に係る処理では、データセットが更新されたタイミングで検量線ＣＣの作成とバリデーションを実行することによって、効果的に高精度な検量線ＣＣを作成することができる。
（４－４．効果４）
第４に、上述した実施形態に係る処理では、検量線出力装置１０は、検量線ＣＣおよび検量線ＣＣに対する評価結果を画面に表示し、表示した検量線ＣＣのうち、利用者Ｕによって選択された検量線ＣＣの検量線データを利用者Ｕに送信する。このため、実施形態に係る処理では、利用者Ｕが目視で検量線ＣＣを確認し、新たな検量線ＣＣについて承認することができるので、効果的に高精度な検量線ＣＣを作成することができる。
第４に、上述した実施形態に係る処理では、検量線出力装置１０は、検量線ＣＣおよび検量線ＣＣに対する評価結果を画面に表示し、表示した検量線ＣＣのうち、利用者Ｕによって選択された検量線ＣＣの検量線データを利用者Ｕに送信する。このため、実施形態に係る処理では、利用者Ｕが目視で検量線ＣＣを確認し、新たな検量線ＣＣについて承認することができるので、効果的に高精度な検量線ＣＣを作成することができる。
（４－５．効果５）
第５に、上述した実施形態に係る処理では、検量線出力装置１０は、試料Ｓは、細胞を培養する細胞培養液ＣＳであって、細胞培養液ＣＳの測定値Ｍを所定の時間ごとに収集し、細胞培養液ＣＳから採取された採取培養液ＳＣＳに含まれる成分の含有量によって決定される目的変量Ａを取得する。このため、実施形態に係る処理では、時間変化が起こりやすい細胞培養液ＣＳ中の測定対象であっても、効果的に高精度な検量線ＣＣを作成することができる。
第５に、上述した実施形態に係る処理では、検量線出力装置１０は、試料Ｓは、細胞を培養する細胞培養液ＣＳであって、細胞培養液ＣＳの測定値Ｍを所定の時間ごとに収集し、細胞培養液ＣＳから採取された採取培養液ＳＣＳに含まれる成分の含有量によって決定される目的変量Ａを取得する。このため、実施形態に係る処理では、時間変化が起こりやすい細胞培養液ＣＳ中の測定対象であっても、効果的に高精度な検量線ＣＣを作成することができる。
（４－６．効果６）
第６に、上述した実施形態に係る処理では、検量線出力装置１０は、細胞培養液ＣＳを測定する測定装置３０から、スペクトル値またはキャパシタンス値を収集し、採取培養液ＳＣＳを分析する分析装置４０から、採取培養液ＳＣＳに含まれる成分濃度または生細胞密度を取得する。このため、実施形態に係る処理では、バイオプラントにおける時間変化が起こりやすい細胞培養液ＣＳ中の測定対象であっても、効果的に高精度な検量線ＣＣを作成することができる。
第６に、上述した実施形態に係る処理では、検量線出力装置１０は、細胞培養液ＣＳを測定する測定装置３０から、スペクトル値またはキャパシタンス値を収集し、採取培養液ＳＣＳを分析する分析装置４０から、採取培養液ＳＣＳに含まれる成分濃度または生細胞密度を取得する。このため、実施形態に係る処理では、バイオプラントにおける時間変化が起こりやすい細胞培養液ＣＳ中の測定対象であっても、効果的に高精度な検量線ＣＣを作成することができる。
〔システム〕
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散や統合の具体的形態は図示のものに限られない。つまり、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
〔ハードウェア〕
次に、検量線出力装置１０のハードウェア構成例を説明する。図１３は、ハードウェア構成例を説明する図である。図１３に示すように、検量線出力装置１０は、通信装置１０ａ、ＨＤＤ（Hard Disk Drive）１０ｂ、メモリ１０ｃ、プロセッサ１０ｄを有する。また、図１３に示した各部は、バス等で相互に接続される。
次に、検量線出力装置１０のハードウェア構成例を説明する。図１３は、ハードウェア構成例を説明する図である。図１３に示すように、検量線出力装置１０は、通信装置１０ａ、ＨＤＤ（Hard Disk Drive）１０ｂ、メモリ１０ｃ、プロセッサ１０ｄを有する。また、図１３に示した各部は、バス等で相互に接続される。
通信装置１０ａは、ネットワークインタフェースカードなどであり、他のサーバとの通信を行う。ＨＤＤ１０ｂは、図２に示した機能を動作させるプログラムやＤＢを記憶する。
プロセッサ１０ｄは、図２に示した各処理部と同様の処理を実行するプログラムをＨＤＤ１０ｂ等から読み出してメモリ１０ｃに展開することで、図２等で説明した各機能を実行するプロセスを動作させる。例えば、このプロセスは、検量線出力装置１０が有する各処理部と同様の機能を実行する。具体的には、プロセッサ１０ｄは、収集部１５ａ、取得部１５ｂ、生成部１５ｃ、出力部１５ｄ、承認部１５ｅ等と同様の機能を有するプログラムをＨＤＤ１０ｂ等から読み出す。そして、プロセッサ１０ｄは、収集部１５ａ、取得部１５ｂ、生成部１５ｃ、出力部１５ｄ、承認部１５ｅ等と同様の処理を実行するプロセスを実行する。
このように、検量線出力装置１０は、プログラムを読み出して実行することで各種処理方法を実行する装置として動作する。また、検量線出力装置１０は、媒体読取装置によって記録媒体から上記プログラムを読み出し、読み出された上記プログラムを実行することで上記した実施形態と同様の機能を実現することもできる。なお、この他の実施形態でいうプログラムは、検量線出力装置１０によって実行されることに限定されるものではない。例えば、他のコンピュータまたはサーバがプログラムを実行する場合や、これらが協働してプログラムを実行するような場合にも、本発明を同様に適用することができる。
このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ（Magneto－Optical disk）、ＤＶＤ（Digital Versatile Disc）などのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することができる。
〔その他〕
開示される技術特徴の組合せのいくつかの例を以下に記載する。
開示される技術特徴の組合せのいくつかの例を以下に記載する。
（１）試料の測定値を収集する収集部と、前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得する取得部と、前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せ（データセット）を生成する生成部と、前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する出力部と、を備える検量線出力装置。
（２）前記収集部は、収集された前記測定値と前記測定値を測定した測定時刻とを対応付けて記憶部に格納し、前記生成部は、前記目的変量が取得された場合には、前記記憶部に記憶される前記測定値のうち、前記採取時刻から所定の時間内の前記測定時刻に対応する前記測定値を抽出し、抽出した前記測定値を対応する前記採取時刻の前記目的変量と併合することによって、前記測定値と前記目的変量との組合せを生成する、（１）に記載の検量線出力装置。
（３）前記出力部は、前記複数の組合せに含まれる前記測定値に対してサビツキーゴーレイ法を含む前処理を実行するとともに多変量統計解析を実行することによって前記検量線データを生成し、生成した前記検量線データを用いて算出した前記目的変量の予測値と、前記目的変量の実測値とを比較することによって前記検量線データの検量線を評価する、（１）または（２）に記載の検量線出力装置。
（４）前記検量線および前記検量線に対する評価結果を画面に表示し、表示した前記検量線のうち、利用者によって選択された前記検量線の前記検量線データを前記利用者に送信する承認部、をさらに備える（３）に記載の検量線出力装置。
（５）前記試料は、細胞を培養する細胞培養液であって、前記収集部は、前記細胞培養液の測定値を所定の時間ごとに収集し、前記取得部は、前記細胞培養液から採取された採取培養液に含まれる成分の含有量によって決定される目的変量を取得する、（１）から（４）のいずれか１つに記載の検量線出力装置。
（６）前記収集部は、前記細胞培養液を測定する測定装置から、スペクトル値またはキャパシタンス値を収集し、前記取得部は、前記採取培養液を分析する分析装置から、前記採取培養液に含まれる成分濃度または生細胞密度を取得する、（５）に記載の検量線出力装置。
（７）コンピュータが、試料の測定値を収集し、前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得し、前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せを生成し、前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する、処理を実行する検量線出力方法。
（８）コンピュータに、試料の測定値を収集し、前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得し、前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せを生成し、前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する、処理を実行させる検量線出力プログラム。
１０ 検量線出力装置
１１ 入力部
１２ 表示部
１３ 通信部
１４ 記憶部
１４ａ オンラインデータ記憶部
１４ｂ オフラインデータ記憶部
１４ｃ データセット記憶部
１４ｄ 検量線データ記憶部
１５ 制御部
１５ａ 収集部
１５ｂ 取得部
１５ｃ 生成部
１５ｄ 出力部
１５ｅ 承認部
２０ 細胞培養装置
３０ 測定装置
３１ 測定部
３２ 送受信部
４０ 分析装置
４１ 分析部
４２ 送受信部
４３ 出力部
１００ 検量線出力システム
１１ 入力部
１２ 表示部
１３ 通信部
１４ 記憶部
１４ａ オンラインデータ記憶部
１４ｂ オフラインデータ記憶部
１４ｃ データセット記憶部
１４ｄ 検量線データ記憶部
１５ 制御部
１５ａ 収集部
１５ｂ 取得部
１５ｃ 生成部
１５ｄ 出力部
１５ｅ 承認部
２０ 細胞培養装置
３０ 測定装置
３１ 測定部
３２ 送受信部
４０ 分析装置
４１ 分析部
４２ 送受信部
４３ 出力部
１００ 検量線出力システム
Claims (8)
- 試料の測定値を収集する収集部と、
前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得する取得部と、
前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せを生成する生成部と、
前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する出力部と、
を備える検量線出力装置。 - 前記収集部は、
収集された前記測定値と前記測定値を測定した測定時刻とを対応付けて記憶部に格納し、
前記生成部は、
前記目的変量が取得された場合には、前記記憶部に記憶される前記測定値のうち、前記採取時刻から所定の時間内の前記測定時刻に対応する前記測定値を抽出し、
抽出した前記測定値を対応する前記採取時刻の前記目的変量と併合することによって、前記測定値と前記目的変量との組合せを生成する、
請求項１に記載の検量線出力装置。 - 前記出力部は、
前記複数の組合せに含まれる前記測定値に対してサビツキーゴーレイ法を含む前処理を実行するとともに多変量統計解析を実行することによって前記検量線データを生成し、
生成した前記検量線データを用いて算出した前記目的変量の予測値と、前記目的変量の実測値とを比較することによって前記検量線データの検量線を評価する、
請求項１に記載の検量線出力装置。 - 前記検量線および前記検量線に対する評価結果を画面に表示し、
表示した前記検量線のうち、利用者によって選択された前記検量線の前記検量線データを前記利用者に送信する承認部、
をさらに備える請求項３に記載の検量線出力装置。 - 前記試料は、
細胞を培養する細胞培養液であって、
前記収集部は、
前記細胞培養液の測定値を所定の時間ごとに収集し、
前記取得部は、
前記細胞培養液から採取された採取培養液に含まれる成分の含有量によって決定される目的変量を取得する、
請求項１から４のいずれか１項に記載の検量線出力装置。 - 前記収集部は、
前記細胞培養液を測定する測定装置から、スペクトル値またはキャパシタンス値を収集し、
前記取得部は、
前記採取培養液を分析する分析装置から、前記採取培養液に含まれる成分濃度または生細胞密度を取得する、
請求項５に記載の検量線出力装置。 - コンピュータが、
試料の測定値を収集し、
前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得し、
前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せを生成し、
前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する、
処理を実行する検量線出力方法。 - コンピュータに、
試料の測定値を収集し、
前記試料から採取された採取試料に含まれる成分の含有量によって決定される目的変量を取得し、
前記採取試料が採取された採取時刻ごとに、前記測定値と前記目的変量との組合せを生成し、
前記複数の組合せを用いて前記試料における前記測定値と前記目的変量との対応関係を示す検量線データを生成し、前記検量線データを出力する、
処理を実行させる検量線出力プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022169341A JP2024061408A (ja) | 2022-10-21 | 2022-10-21 | 検量線出力装置、検量線出力方法および検量線出力プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022169341A JP2024061408A (ja) | 2022-10-21 | 2022-10-21 | 検量線出力装置、検量線出力方法および検量線出力プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2024061408A true JP2024061408A (ja) | 2024-05-07 |
Family
ID=90925691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022169341A Pending JP2024061408A (ja) | 2022-10-21 | 2022-10-21 | 検量線出力装置、検量線出力方法および検量線出力プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2024061408A (ja) |
-
2022
- 2022-10-21 JP JP2022169341A patent/JP2024061408A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ferreira et al. | Multivariate analysis in the pharmaceutical industry: enabling process understanding and improvement in the PAT and QbD era | |
| Basile et al. | Use of artificial neural networks and NIR spectroscopy for non-destructive grape texture prediction | |
| CN105593864B (zh) | 用于维护设备的分析设备退化 | |
| CN101436057A (zh) | 数控机床热误差贝叶斯网络补偿方法 | |
| CN109840671B (zh) | 运行改进效果计算设备、运行改进效果计算方法和记录介质 | |
| CN111611294B (zh) | 星敏感器数据异常检测方法 | |
| CN117217419B (zh) | 工业生产全生命周期碳排放监测方法及系统 | |
| CN114265001B (zh) | 一种智能电表计量误差评估方法 | |
| CN116985183A (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
| CN101446828A (zh) | 一种非线性过程质量预报方法 | |
| CN113095579B (zh) | 一种耦合伯努利-伽马-高斯分布的日尺度降水预报校正方法 | |
| Zhao et al. | Short and medium-term prediction of winter wheat NDVI based on the DTW–LSTM combination method and MODIS time series data | |
| JP2024061408A (ja) | 検量線出力装置、検量線出力方法および検量線出力プログラム | |
| CN106529680B (zh) | 一种基于经验模态分解的多尺度极限学习机集成建模方法 | |
| CN112198299B (zh) | 一种基于贝叶斯理论的土壤有机碳矿化能力的测定方法 | |
| Benková et al. | Use of statistical process control for coking time monitoring | |
| CN102292706B (zh) | 软件改造评估方法和软件改造评估系统 | |
| de Santis et al. | A data-driven framework for small hydroelectric plant prognosis using Tsfresh and machine learning survival models | |
| Bender | A multi-model-particle filtering-based prognostic approach to consider uncertainties in RUL predictions | |
| CN109858699B (zh) | 水质定量模拟方法、装置、电子设备及存储介质 | |
| CN114004138A (zh) | 基于大数据人工智能的建筑监测方法、系统及存储介质 | |
| JP7168118B1 (ja) | 検量装置、検量方法および検量プログラム | |
| Klimchenko et al. | Feedback in a predictive model of a reactive distillation process | |
| Tran et al. | Predicting high-frequency nutrient dynamics in the Danube River with surrogate models using sensors and Random Forest | |
| Dumollard | Exploring the Potential of Machine Learning for Modeling Growth Dynamics in an Uneven-Aged Forest at the Level of Diameter Classes: A Comparative Analysis of Two Modeling Approaches |