JP7230196B2 - 分析機器の画面上での分析機器のステータスの表示 - Google Patents
分析機器の画面上での分析機器のステータスの表示 Download PDFInfo
- Publication number
- JP7230196B2 JP7230196B2 JP2021525259A JP2021525259A JP7230196B2 JP 7230196 B2 JP7230196 B2 JP 7230196B2 JP 2021525259 A JP2021525259 A JP 2021525259A JP 2021525259 A JP2021525259 A JP 2021525259A JP 7230196 B2 JP7230196 B2 JP 7230196B2
- Authority
- JP
- Japan
- Prior art keywords
- status
- computer system
- data
- computer
- instrument
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 55
- 230000004044 response Effects 0.000 claims description 53
- 238000010926 purge Methods 0.000 claims description 50
- 238000000569 multi-angle light scattering Methods 0.000 claims description 48
- 238000004458 analytical method Methods 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 20
- 230000003213 activating effect Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 15
- 238000004140 cleaning Methods 0.000 claims description 13
- 239000007788 liquid Substances 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 230000001339 gustatory effect Effects 0.000 claims description 2
- 239000000523 sample Substances 0.000 description 76
- 238000012545 processing Methods 0.000 description 45
- 238000004422 calculation algorithm Methods 0.000 description 30
- 238000010801 machine learning Methods 0.000 description 17
- 239000002245 particle Substances 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 239000002904 solvent Substances 0.000 description 10
- 238000000149 argon plasma sintering Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 238000002296 dynamic light scattering Methods 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 238000001370 static light scattering Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 230000000051 modifying effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001747 exhibiting effect Effects 0.000 description 3
- 238000004811 liquid chromatography Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 229920002521 macromolecule Polymers 0.000 description 3
- 229920000642 polymer Polymers 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000004847 absorption spectroscopy Methods 0.000 description 2
- 239000012491 analyte Substances 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004128 high performance liquid chromatography Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000001374 small-angle light scattering Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 238000001195 ultra high performance liquid chromatography Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000011993 High Performance Size Exclusion Chromatography Methods 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005274 electronic transitions Effects 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 238000011067 equilibration Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 238000001825 field-flow fractionation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000002502 liposome Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 238000001055 reflectance spectroscopy Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001542 size-exclusion chromatography Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000003981 vehicle Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0211—Investigating a scatter or diffraction pattern
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00594—Quality control, including calibration or testing of components of the analyser
- G01N35/00613—Quality control
- G01N35/00623—Quality control of instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00594—Quality control, including calibration or testing of components of the analyser
- G01N35/00712—Automatic status testing, e.g. at start-up or periodic
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N2011/0006—Calibrating, controlling or cleaning viscometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1026—Recognising analyser failures, e.g. bubbles; Quality control for particle analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N2035/00891—Displaying information to the operator
- G01N2035/009—Displaying information to the operator alarms, e.g. audible
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N2035/00891—Displaying information to the operator
- G01N2035/0091—GUI [graphical user interfaces]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
- G01N2201/12723—Self check capacity; automatic, periodic step of checking
Landscapes
- Quality & Reliability (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Dispersion Chemistry (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
本出願は、2018年11月9日に出願された米国特許出願第16/186,449号の優先権を主張する。
本開示は、分析機器に関し、より具体的には、分析機器の画面上に分析機器のステータスを示すことに関する。
本開示は、分析機器の画面上で分析機器のステータスを示すコンピュータ実装方法、システム、およびコンピュータプログラム製品を記載する。例示的な実施形態では、コンピュータ実装方法、システム、およびコンピュータプログラム製品は、(1)コンピュータシステムによって、少なくとも1つの液体サンプルを監視する少なくとも1つの分析機器からデータを受信することと、(2)コンピュータシステムによって、受信データを、少なくとも1つの機器、少なくとも1つのサンプル、および少なくとも1つの機器の少なくとも1つの動作環境のうちの少なくとも1つの少なくとも2つの特性についてのデータセグメントにセグメント化する論理演算のセットを実行することと、(3)コンピュータシステムによって、少なくとも2つの特性についてのデータセグメントの各々を分析する論理演算のセットを実行し、分析されたデータセグメントをもたらすことと、(4)コンピュータシステムによって、少なくとも2つの特性についての閾値をコンピュータデータソースから取り出すことと、(5)コンピュータシステムによって、分析されたデータセグメントおよび閾値に関連して、少なくとも1つの機器、少なくとも1つのサンプル、および少なくとも1つの動作環境のうちの少なくとも1つの、少なくとも1つのステータスを計算することと、(6)コンピュータシステムによって、少なくとも1つの機器の少なくとも1つのディスプレイ上に少なくとも1つのステータスを表示することとを含む。
本開示は、分析機器の画面上で分析機器のステータスを示すコンピュータ実装方法、システム、およびコンピュータプログラム製品を記載する。例示的な実施形態では、コンピュータ実装方法、システム、およびコンピュータプログラム製品は、(1)コンピュータシステムによって、少なくとも1つの液体サンプルを監視する少なくとも1つの分析機器からデータを受信することと、(2)コンピュータシステムによって、受信データを、少なくとも1つの機器、少なくとも1つのサンプル、および少なくとも1つの機器の少なくとも1つの動作環境のうちの少なくとも1つの少なくとも2つの特性についてのデータセグメントにセグメント化する論理演算のセットを実行することと、(3)コンピュータシステムによって、少なくとも2つの特性についてのデータセグメントの各々を分析する論理演算のセットを実行し、分析されたデータセグメントをもたらすことと、(4)コンピュータシステムによって、少なくとも2つの特性についての閾値をコンピュータデータソースから取り出すことと、(5)コンピュータシステムによって、分析されたデータセグメントおよび閾値に関連して、少なくとも1つの機器、少なくとも1つのサンプル、および少なくとも1つの動作環境のうちの少なくとも1つの、少なくとも1つのステータスを計算することと、(6)コンピュータシステムによって、少なくとも1つの機器の少なくとも1つのディスプレイ上に少なくとも1つのステータスを表示することとを含む。代替的な実施形態では、コンピュータ実装方法、システム、およびコンピュータプログラム製品は、(1)コンピュータシステムによって、少なくとも1つの液体サンプルを監視する少なくとも1つの分析機器からデータを受信することと、(2)コンピュータシステムによって、受信データを、少なくとも1つの機器、少なくとも1つのサンプル、および少なくとも1つの機器の少なくとも1つの動作環境のうちの少なくとも1つの少なくとも1つの特性についてのデータセグメントにセグメント化する論理演算のセットを実行することと、(3)コンピュータシステムによって、少なくとも1つの特性についてのデータセグメントの各々を分析する論理演算のセットを実行し、分析されたデータセグメントをもたらすことと、(4)コンピュータシステムによって、少なくとも1つの特性についての閾値をコンピュータデータソースから取り出すことと、(5)コンピュータシステムによって、分析されたデータセグメントおよび閾値に関連して、少なくとも1つの機器、少なくとも1つのサンプル、および少なくとも1つの動作環境のうちの少なくとも1つの、少なくとも1つのステータスを計算することと、(6)コンピュータシステムによって、少なくとも1つの機器の少なくとも1つのディスプレイ上に少なくとも1つのステータスを表示することとを含む。一実施形態では、コンピュータデータソースはコンピュータ記憶デバイスである。一実施形態では、コンピュータデータソースはコンピュータキーボードである。一実施形態では、コンピュータデータソースは、少なくとも1つの機器上のキーパッドである。
粒子
粒子は、液体サンプルアリコートの構成要素であり得る。そのような粒子は、様々なタイプおよびサイズの分子、ナノ粒子、ウイルス様粒子、リポソーム、エマルジョン、細菌、およびコロイドであってもよい。これらの粒子は、ナノメートル~ミクロン程度のサイズに及んでもよい。
溶液中の高分子または粒子種の分析は、適切な溶媒中でサンプルを調製し、次いで、そのアリコートを液体クロマトグラフィ(LC)カラムまたはフィールドフローフラクショネーション(FFF)チャネルなどの分離システムに注入することによって達成され得、分離システムにおいて、サンプル中に含まれる異なる種の粒子が、それらの様々な構成要素に分離される。一般にサイズ、質量、またはカラム親和性に基づいて分離されると、サンプルは、光散乱、屈折率、紫外線吸収、電気泳動移動度、および粘度応答による分析に供され得る。
光散乱(LS)は、溶液中の高分子および広範囲の粒子を特徴付けるための非侵襲的技法である。高分子の特性評価に頻繁に使用される2種類の光散乱検出は、静的光散乱および動的光散乱である。
動的光散乱は、準弾性光散乱(QELS)および光子相関分光法(PCS)としても知られている。DLS実験では、高速光検出器を使用して散乱光信号の時間依存変動が測定される。DLS測定は、分子または粒子の拡散係数を決定し、これを次にそれらの流体力学的半径を計算するために使用することができる。
静的光散乱(SLS)は、単角度光散乱(SALS)、二重角度光散乱(DALS)、低角度光散乱(LALS)、および多角度光散乱(MALS)などの様々な技法を含む。SLS実験は、一般に、微細な光ビームによって照射される溶液中のサンプルから散乱される光の絶対強度の測定を含む。そのような測定は、適切なクラスの粒子/分子について、サンプル分子または粒子のサイズおよび構造を決定するために、およびサンプル濃度の知識と組み合わさったときに、重量平均モル質量の決定のために使用されることが多い。さらに、サンプル濃度の関数としての散乱光の強度の非線形性を使用して、粒子間相互作用および会合を測定することができる。
多角度光散乱(MALS)は、サンプルによって複数の角度に散乱される光を測定するためのSLS技術である。これは、それらがどのように光を散乱するかを検出することによって、溶液中の分子の絶対モル質量および平均サイズの両方を決定するために使用される。レーザ源からのコリメート光が最も頻繁に使用され、その場合、この技法は多角度レーザ光散乱(MALLS)と呼ぶことができる。「多角度」という用語は、例えば、選択された特定の角度を含む範囲にわたって移動する単一の検出器、または特定の角度位置に固定された検出器のアレイによって測定される複数の異なる離散的な角度での散乱光の検出を指す。
毛細管ブリッジ粘度計(VIS)は、適切な溶媒中の溶質の比粘度を測定するために使用される機器である。比粘度は、ηsp=η/ηo-1として定義され、ここで、ηはサンプルの粘度であり、ηoは溶媒の粘度である。サンプルがブリッジ粘度計に導入されると、圧力変換器が圧力差を示す信号を生成する。この圧力差は、システムの所定の内圧と組み合わされて、サンプルの比粘度を計算するために使用される。比粘度は、モル質量および流体力学的半径を含むポリマーの分子パラメータを決定するのに有用である。
示差屈折計(DRI)または屈折率検出器(RIまたはRID)は、溶媒に対する被分析物の屈折率を測定する検出器である。それらは、高性能液体クロマトグラフィおよびサイズ排除クロマトグラフィの検出器として使用されることが多い。DRIは、溶媒とは異なる屈折率を有するものを検出することができるため、万能検出器であると考えられるが、感度が低い。光が1つの材料を出て別の材料に入ると、それは屈曲するか、または屈折する。材料の屈折率は、光が入射したときにどれだけ曲がるかの測度である。
紫外可視分光法または紫外可視分光測光法(UV-VisまたはUV/Vis)は、紫外可視スペクトル領域における吸収分光法または反射率分光法を指す。紫外可視検出器/紫外可視分光光度計は、可視範囲および隣接範囲の光を使用し、可視範囲内の吸収または反射率は、含まれる化学物質の知覚される色に直接影響し、電磁スペクトルのこの領域では、原子および分子は電子遷移を受ける。このような吸収分光法は、基底状態から励起状態への遷移を測定する。紫外可視検出器/紫外可視分光光度計は、サンプルを通過した光の強度(I)を測定し、この強度を、サンプルを通過する前の光の強度(Io)と比較し、比I/Ioは透過率と呼ばれ、通常、百分率(%T)として表される。吸光度Aは、以下に従って、透過率に基づく。
UV可視分光光度計は、反射率を測定するように構成することもでき、分光光度計は、サンプルから反射される光の強度(I)を測定し、それを基準材料から反射された光の強度(Io)と比較し、比I/Ioは反射率と呼ばれ、通常、百分率(%R)として表される。
ノイズ、ワンダ、およびドリフトは、異なる時間スケールにわたる測定信号における望ましくないランダムな外乱/誤差である。例えば、光強度を測定するセンサを考える。固定強度の完全な光源が完全な検出器を照射する場合、測定される電圧は一定で変化しない。しかしながら、システム内のランダムノイズは、測定電圧の変動を引き起こす可能性がある。ノイズは、0秒~30秒の時間スケールで発生するランダムな変動を指し、一方、ワンダは、30秒~5分の時間スケールで発生する変動を表す。ドリフトは、数分の時間スケールにわたる長期変動を表す。電気的ノイズは、温度変動に起因するノイズ、または近くのデバイス(例えば、MALS機器に関する)からの周囲の電磁信号からのピックアップノイズを含み得る。
前方モニタ/前方モニタセンサは、機器の光源からの非散乱信号を直接測定するセンサであり、レーザビーム/光源の方向(例えば、MALS機器の場合)に対して0度の角度に配置される。前方モニタの測定された応答は、フローセル内のサンプルのステータスに敏感である。
機械学習は、データから学習し、データに対して予測を行うことができるコンピュータソフトウェア/コンピュータアルゴリズムであり、そのようなソフトウェアは、サンプル入力からモデルを構築することによって、データ駆動の予測または決定を行うことによって厳密に静的なプログラム命令に従うことを克服する。機械学習ソフトウェア/アルゴリズムは、予測分析などの予測に役立つ複雑なモデルおよびアルゴリズムを考案し、そのような分析モデルは、研究者、データサイエンティスト、エンジニア、およびアナリストが信頼性のある再現可能な決定および結果を生成し、データの履歴関係および傾向からの学習を通じて隠れた洞察を明らかにすることを可能にする。形式的には、機械学習コンピュータソフトウェア/コンピュータアルゴリズム/コンピュータプログラムは、Pによって測定されるTにおけるタスクの性能が経験Eによって改善される場合、あるクラスのタスクTおよび性能測度Pに関して経験Eから学習すると言われる。
機械学習タスクは、典型的には、機械学習ソフトウェア/アルゴリズム/プログラムに利用可能な学習信号またはフィードバックの性質に応じて、3つの広範なカテゴリに分類される。第1のカテゴリは教師あり学習であり、コンピュータは、入力を出力にマッピングする一般規則をコンピュータが学習するという目的で、教師によって与えられる例示的な入力およびそれらの所望の出力を提示される。第2のカテゴリは教師なし学習であり、特徴学習の教師なし学習(データ内の隠れパターンを発見する)を目的として、機械学習アルゴリズムにラベルが与えられず、アルゴリズム自身に入力内の構造を見つけさせる。第3のカテゴリは強化学習であり、機械学習コンピュータプログラムが特定の目標(車両を運転すること、または対戦相手とゲームをすることなど)を実行しなければならない動的環境と対話し、機械学習プログラムは、その問題空間をナビゲートするときに報酬およびペナルティに関してフィードバックを提供される。第4のカテゴリは、教師あり学習と教師なし学習との間の半教師あり学習であり、教師は不完全な訓練信号(すなわち、目標出力の一部(多くの場合は多数)が欠落している訓練セット)を与え、変換は、ターゲットの一部が欠けていることを除いて、問題インスタンスのセット全体が学習時に知られているこの原理の特殊な場合である。
機械学習ソフトウェア/アルゴリズム/プログラムは、複数の異なるアプローチを介して動作する。例えば、決定木学習は、項目に関する観測値を項目の目標値に関する結論にマッピングする決定木を予測モデルとして使用する。また、相関則学習は、大規模なデータベースにおける変数間の興味深い関係性を発見するための方法である。別の例として、サポートベクタマシン(SVM)は、分類および回帰に使用される関連する教師あり学習方法のセットであり、各々が2つのカテゴリのうちの1つに属するものとしてマークされた訓練例のセットが与えられると、SVM訓練アルゴリズムが、新しい例が一方のカテゴリに入るかまたは他方のカテゴリに入るかを予測するモデルを構築する。クラスタ分析(教師なし学習)は、同じクラスタ内の観測値が何らかの予め指定された1つまたは複数の基準に従って類似する一方で、異なるクラスタから引き出された観測値が異なるように、観測値のセットをサブセット(クラスタと呼ばれる)に割り当てることであり、異なるクラスタリング技術が、データの構造に対して異なる仮定を行い、これは多くの場合、何らかの類似性メトリックによって定義され、例えば、内部のコンパクトさ(同じクラスタの成員間の類似性)および異なるクラスタ間の分離によって評価され、他の方法は推定密度およびグラフ接続性に基づく。
現在の分析機器は、MALS、DRI、VIS、またはMALS前方モニタインジケータのステータス情報を表示しない。また、現在の機器は、機器のステータスに基づいて動作を行わない。さらに、現在の機器は、そのようなステータスについてユーザと遠隔通信しない。
現在の分析機器には、そのデータ品質およびデータ処理に影響を及ぼす問題がある。例えば、現在の機器は、システム平衡時間が限られている。さらに、現在の機器は、系統的ノイズおよびドリフトする検出器ベースラインに起因する機器ベースラインノイズを経験する。また、現在の機器は、フローセル障害(例えば、気泡)に悩まされている。したがって、(a)分析測定システム内の1つまたは複数の分析機器がいつ高品質のデータ結果を得る準備ができるかを示す必要があり、(b)分析測定システム全体の健全性およびシステム内の機器の健全性を改善するためのステップ解を提供する必要がある。
一実施形態では、少なくとも1つの機器は、多角度光散乱(MALS)機器を含み、受信データは、散乱光の時変光レベルを示し、光レベルは、多角度光散乱機器による少なくとも1つのサンプルの少なくとも1つの測定値から導出される。一実施形態では、少なくとも1つの機器は、多角度光散乱機器であり、受信データは、散乱光の時変光レベルを示し、光レベルは、多角度光散乱機器による少なくとも1つのサンプルの少なくとも1つの測定値から導出される。特定の実施形態では、受信データは、多角度光散乱機器の少なくとも90度フォトダイオードからの時変光レベル読み値を含む。特定的な実施形態では、受信データは、多角度光散乱機器の少なくとも90度フォトダイオードからの時変光レベル読み値である。例えば、時変光レベル読み値は、多角度光散乱機器の少なくとも90度フォトダイオードからの電圧読み値であり得る。特定の例では、図2A、図2B、および図2Cは、多角度光散乱機器の90度フォトダイオードからの時変光レベル読み値/電圧読み値を示すことができる。
一実施形態では、少なくとも2つの特性のうちの1つは、ノイズ、ワンダ、およびドリフトからなる群から選択される現象を表し、データセグメントは、現象がノイズであることに応答した0秒~30秒のデータセグメント、現象がワンダであることに応答した30秒~5分のデータセグメント、および現象がドリフトであることに応答した5分~n分のデータセグメントを含み、nは10以下の数である。代替的な実施形態では、少なくとも1つの特性は、ノイズ、ワンダ、およびドリフトからなる群から選択される現象を表し、データセグメントは、現象がノイズ(すなわち、短期的ノイズ)であることに応答した0秒~30秒のデータセグメント、現象がワンダ(すなわち、長期的ノイズ)であることに応答した30秒~5分のデータセグメント、および現象がドリフトであることに応答した5分~n分のデータセグメントを含み、nは10以下の数である。例えば、図2A、図3A、および図4Aは、ノイズ現象を示すことができる。別の例では、図2B、図3B、および図4Bは、ワンダ現象を示すことができる。また、例えば、図2C、図3C、および図4Cは、ドリフト現象を示すことができる。さらなる実施形態では、少なくとも2つの特性のうちの1つは、少なくとも1つの機器の前方モニタ(FMON)インジケータ/ライトによって示されるものとしての、可能性のあるフローセル閉塞またはサンプル吸収を表す。
例示的な実施形態では、分析は、(a)コンピュータシステムによって、データセグメントをノイズ振幅値およびノイズ勾配値のうちの少なくとも一方と比較することであって、ノイズを示す分析されたデータセグメントをもたらす、比較すること、(b)コンピュータシステムによって、データセグメントをワンダ振幅値およびワンダ勾配値のうちの少なくとも一方と比較することであって、ワンダを示す分析されたデータセグメントをもたらす、比較すること、および、(c)コンピュータシステムによって、データセグメントをドリフト振幅値およびドリフト勾配値のうちの少なくとも一方と比較することであって、ドリフトを示す分析されたデータセグメントをもたらす、比較することのうちの少なくとも1つを含む。例示的な実施形態では、分析動作114は、(a)コンピュータシステムによって、データセグメントをノイズ振幅値およびノイズ勾配値のうちの少なくとも一方と比較する動作であって、ノイズを示す分析されたデータセグメントをもたらす、比較する動作、(b)コンピュータシステムによって、データセグメントをワンダ振幅値およびワンダ勾配値のうちの少なくとも一方と比較する動作であって、ワンダを示す分析されたデータセグメントをもたらす、比較する動作、および、(c)コンピュータシステムによって、データセグメントをドリフト振幅値およびドリフト勾配値のうちの少なくとも一方と比較する動作であって、ドリフトを示す分析されたデータセグメントをもたらす、比較する動作のうちの少なくとも1つを含む。一実施形態では、分析手段136は、(a)データセグメント160をノイズ振幅値およびノイズ勾配値のうちの少なくとも一方と比較することであって、ノイズを示す分析されたデータセグメント162(すなわち、ノイズデータセグメント)をもたらす、比較すること、(b)データセグメント160をワンダ振幅値およびワンダ勾配値のうちの少なくとも一方と比較することであって、ワンダを示す分析されたデータセグメント162(すなわち、ワンダデータセグメント)をもたらす、比較すること、および、(c)データセグメント160をドリフト振幅値およびドリフト勾配値のうちの少なくとも一方と比較することであって、ドリフトを示す分析されたデータセグメント162(すなわち、ドリフトデータセグメント)をもたらす、比較することのうちの少なくとも1つを実施するように構成されている。
例示的な実施形態では、表示することは、(a)少なくとも1つのステータスが良好ステータスであることに応答して第1のグラフィカルユーザインターフェースオブジェクトを表示することと、(b)少なくとも1つのステータスが中間ステータスであることに応答して第2のグラフィカルユーザインターフェースオブジェクトを表示することと、(c)少なくとも1つのステータスが不良ステータスであることに応答して第3のグラフィカルユーザインターフェースオブジェクトを表示することとを含む。図5Aを参照すると、例示的な実施形態では、表示動作120は、少なくとも1つのステータスが良好ステータスであることに応答して第1のグラフィカルユーザインターフェースオブジェクトを表示する動作510と、少なくとも1つのステータスが中間ステータスであることに応答して第2のグラフィカルユーザインターフェースオブジェクトを表示する動作512と、少なくとも1つのステータスが不良ステータスであることに応答して第3のグラフィカルユーザインターフェースオブジェクトを表示する動作514とを含む。特定の実施形態では、第1のグラフィカルユーザインターフェースオブジェクトは、緑色のグラフィカルユーザインターフェースオブジェクトを含む。例えば、第1のグラフィカルユーザインターフェースオブジェクトは、緑色の円などの緑色のグラフィカルユーザインターフェースオブジェクトとすることができる。特定の実施形態では、第2のグラフィカルユーザインターフェースオブジェクトは、黄色のグラフィカルユーザインターフェースオブジェクトを含む。例えば、第2のグラフィカルユーザインターフェースオブジェクトは、黄色の円などの黄色のグラフィカルユーザインターフェースオブジェクトとすることができる。特定の実施形態では、第3のグラフィカルユーザインターフェースオブジェクトは、赤色のグラフィカルユーザインターフェースオブジェクトを含む。例えば、第3のグラフィカルユーザインターフェースオブジェクトは、赤色の円などの赤色のグラフィカルユーザインターフェースオブジェクトとすることができる。
一実施形態では、表示することは、少なくとも1つのステータスが良好ステータスであることに応答して、少なくとも1つの機器の少なくとも1つのディスプレイのある領域内のグラフィカルユーザインターフェースオブジェクトとして、第1のグラフィカルユーザインターフェースオブジェクトを表示することを含む。図5Bを参照すると、一実施形態では表示動作510は、少なくとも1つのステータス164が良好ステータスであることに応答して、少なくとも1つの機器190の少なくとも1つのディスプレイの領域520内のグラフィカルユーザインターフェースオブジェクト525として、第1のグラフィカルユーザインターフェースオブジェクト(例えば、緑色のグラフィカルユーザインターフェースオブジェクト)を表示することを含む。一実施形態では、表示することは、少なくとも1つのステータスが中間ステータスであることに応答して、少なくとも1つの機器の少なくとも1つのディスプレイのある領域内のグラフィカルユーザインターフェースオブジェクトとして、第2のグラフィカルユーザインターフェースオブジェクトを表示することを含む。図5Bを参照すると、一実施形態では表示動作512は、少なくとも1つのステータス164が中間ステータスであることに応答して、少なくとも1つの機器190の少なくとも1つのディスプレイの領域520内のグラフィカルユーザインターフェースオブジェクト525として、第2のグラフィカルユーザインターフェースオブジェクト(例えば、黄色のグラフィカルユーザインターフェースオブジェクト)を表示することを含む。一実施形態では、表示することは、少なくとも1つのステータスが不良ステータスであることに応答して、少なくとも1つの機器の少なくとも1つのディスプレイのある領域内のグラフィカルユーザインターフェースオブジェクトとして、第3のグラフィカルユーザインターフェースオブジェクトを表示することを含む。図5Bを参照すると、一実施形態では表示動作514は、少なくとも1つのステータス164が不良ステータスであることに応答して、少なくとも1つの機器190の少なくとも1つのディスプレイの領域520内のグラフィカルユーザインターフェースオブジェクト525として、第3のグラフィカルユーザインターフェースオブジェクト(例えば、赤色のグラフィカルユーザインターフェースオブジェクト)を表示することを含む。
さらなる実施形態では、コンピュータ実装方法、システム、およびコンピュータプログラム製品は、コンピュータシステムによって、少なくとも1つのステータスに関連して少なくとも1つの機器の少なくとも1つの状態を変更する論理演算のセットを実行することをさらに含む。さらなる実施形態では、コンピュータ実装方法、システム、およびコンピュータプログラム製品は、コンピュータシステムによって、少なくとも1つのステータスに関連して少なくとも1つの機器の少なくとも1つの状態を変更する論理演算のセットを実行するさらなる動作を実施するように構成されている。一実施形態では、コンピュータシステムは、少なくとも1つのステータス164に関連して少なくとも1つの機器190の少なくとも1つの状態を変更する論理演算のセットを実行するように構成される。
ノイズおよびワンダに関する状態の変化
一実施形態では、変更することは、少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであることに応答して、少なくとも1つの機器を洗浄するために洗浄システムを作動させることを含み、少なくとも2つの特性はノイズおよびワンダを表す。一実施形態では、変更動作は、少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであることに応答して、少なくとも1つの機器を洗浄するために洗浄システムを作動させる動作を含み、少なくとも2つの特性はノイズおよびワンダを表す。一実施形態では、コンピュータシステムは、少なくとも1つのステータス164が中間ステータスおよび不良ステータスのうちの少なくとも1つであり、少なくとも2つの特性152、154がノイズおよびワンダを表すことに応答して、少なくとも1つの機器190を洗浄するために洗浄システムを作動させるように構成されている。特定の実施形態では、洗浄システムはトランスデューサを含む。特定の実施形態では、洗浄システムは超音波トランスデューサを含む。
一実施形態では、変更することは、少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであり、少なくとも2つの特性のうちの1つがドリフトを表すことに応答して、少なくとも1つの機器から少なくとも1つのサンプルをパージするためにパージシステムを作動させることを含む。一実施形態では、変更動作は、少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであり、少なくとも2つの特性のうちの1つがドリフトを表すことに応答して、少なくとも1つの機器から少なくとも1つのサンプルをパージするためにパージシステムを作動させる動作を含む。一実施形態では、コンピュータシステムは、少なくとも1つのステータス164が中間ステータスおよび不良ステータスのうちの少なくとも1つであり、少なくとも2つの特性152、154のうちの1つがドリフトを表すことに応答して、少なくとも1つの機器190から少なくとも1つのサンプル193をパージするためにパージシステムを作動させるように構成されている。
一実施形態では、変更することは、少なくとも1つのステータスが不良ステータスであり、少なくとも2つの特性のうちの1つが前方モニタセンサからの信号を表すことに応答して、少なくとも1つの機器から少なくとも1つのサンプルをパージするためにパージシステムを作動させることを含む。一実施形態では、変更動作は、少なくとも1つのステータスが不良ステータスであり、少なくとも2つの特性のうちの1つが前方モニタを表すことに応答して、少なくとも1つの機器から少なくとも1つのサンプルをパージするためにパージシステムを作動させる動作を含む。一実施形態では、コンピュータシステムは、少なくとも1つのステータス164が不良ステータスであり、少なくとも2つの特性152、154のうちの1つが前方モニタを表すことに応答して、少なくとも1つの機器190から少なくとも1つのサンプル193をパージするためにパージシステムを作動させるように構成されている。特定の実施形態では、少なくとも1つの機器190は、多角度光散乱機器を含む。特定の実施形態では、少なくとも1つの機器190は、粘度計を含む。
さらなる実施形態では、コンピュータ実装方法、システム、およびコンピュータプログラム製品は、ステータスデータを少なくとも1つのデータシンクに送信することをさらに含み、ステータスデータは少なくとも1つのステータスを示し、少なくとも1つのデータシンクは、電話、コンピュータシステム、コンピュータデータベース、コンピュータディスプレイ、および論理回路からなる群から選択される。さらなる実施形態では、コンピュータ実装方法、システム、およびコンピュータプログラム製品は、ステータスデータを少なくとも1つのデータシンクに送信するさらなる動作を実施するように構成されており、ステータスデータは少なくとも1つのステータスを示し、少なくとも1つのデータシンクは、電話、コンピュータシステム、コンピュータデータベース、コンピュータディスプレイ、および論理回路からなる群から選択される。一実施形態において、コンピュータシステムは、ステータスデータを少なくとも1つのデータシンクに送信するように構成されており、ステータスデータは少なくとも1つのステータス164を示し、少なくとも1つのデータシンクは、電話、コンピュータシステム、コンピュータデータベース、コンピュータディスプレイ、および論理回路からなる群から選択される。
一実施形態では、ステータスデータは、視覚データ、テキストデータ、音響データ、触覚データ、嗅覚データ、および味覚データのうちの少なくとも1つを含む。特定の実施形態では、視覚データは、少なくとも1つのステータスが良好ステータスであることに応答した第1のグラフィカルユーザインターフェースオブジェクト、少なくとも1つのステータスが中間ステータスであることに応答した第2のグラフィカルユーザインターフェースオブジェクト、および少なくとも1つのステータスが不良ステータスであることに応答した第3のグラフィカルユーザインターフェースオブジェクトを別のディスプレイ上にレンダリングするための情報を含み、テキストデータは、少なくとも1つの電子メールメッセージおよび少なくとも1つの電子テキストメッセージのうちの少なくとも1つを含む。
ノイズインジケータ
例えば、表示手段146は、分析機器190のディスプレイ上に、それぞれMALS機器、示差屈折計、および粘度計について図6A、図7A、および図8Aに示されるように、分析されたデータセグメント162(すなわち、ノイズデータセグメント)および対応する閾値156(ノイズ閾値)についての計算されたステータス164に対応する色を有するグラフィカルユーザインターフェースオブジェクト525を表示することによってノイズの現象を示すことができる。図6Aを参照すると、例えば、ノイズ現象に対するMALS機器の場合、Th1閾値/閾/ノイズ閾値は、2.00 E-05V(すなわち、狭いTh1)~3.00 E-05V(すなわち、広いTh1)に及び得、一方、Th2閾値/閾/ノイズ閾値は、1.00 E-04V(すなわち、狭いTh2)~1.50 E-04V(すなわち、広いTh2)に及び得る。したがって、ノイズ現象に対するMALS機器について、図6Aに示すように、(a)ノイズデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の振幅がTh1閾値/閾範囲610内にある場合、計算手段143は、ステータス164を良好ステータスであると計算することができ、表示手段146は、良好ステータスに対応する第1のグラフィカルユーザインターフェースオブジェクト(例えば、緑色のグラフィカルユーザインターフェースオブジェクト)を表示することができ、(b)ノイズデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の振幅がTh1閾値/閾範囲610を超えており、Th2閾値/閾範囲615内にある場合、計算手段143は、ステータス164を中間ステータスであると計算することができ、表示手段146は、中間ステータスに対応する第2のグラフィカルユーザインターフェースオブジェクト(例えば、黄色のグラフィカルユーザインターフェースオブジェクト)を表示することができ、(c)ノイズデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の振幅がTh2閾値/閾範囲615を超えている/その外側にある場合、計算手段143は、ステータス164を不良ステータスであると計算することができ、表示手段146は、不良ステータスに対応する第3のグラフィカルユーザインターフェースオブジェクト(例えば、赤色のグラフィカルユーザインターフェースオブジェクト)を表示することができる。
例えば、表示手段146は、分析機器190のディスプレイ上に、それぞれMALS機器、示差屈折計、および粘度計について図6B、図7B、および図8Bに示されるように、分析されたデータセグメント162(すなわち、ワンダデータセグメント)および対応する閾値156(ワンダ閾値)についての計算されたステータス164に対応する色を有するグラフィカルユーザインターフェースオブジェクト525を表示することによってワンダの現象を示すことができる。図6Bを参照すると、例えば、ワンダ現象に対するMALS機器の場合、Th1閾値/閾/ワンダ閾値は、2.00 E-05V(すなわち、狭いTh1)~3.00 E-05V(すなわち、広いTh1)に及び得、一方、Th2閾値/閾/ワンダ閾値は、1.00 E-04V(すなわち、狭いTh2)~1.50 E-04V(すなわち、広いTh2)に及び得る。したがって、ワンダ現象に対するMALS機器について、図6Bに示すように、(a)ノイズデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の振幅がTh1閾値/閾範囲620内にある場合、計算手段143は、ステータス164を良好ステータスであると計算することができ、表示手段146は、良好ステータスに対応する第1のグラフィカルユーザインターフェースオブジェクト(例えば、緑色のグラフィカルユーザインターフェースオブジェクト)を表示することができ、(b)ノイズデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の振幅がTh1閾値/閾範囲620を超えており、Th2閾値/閾範囲625内にある場合、計算手段143は、ステータス164を中間ステータスであると計算することができ、表示手段146は、中間ステータスに対応する第2のグラフィカルユーザインターフェースオブジェクト(例えば、黄色のグラフィカルユーザインターフェースオブジェクト)を表示することができ、(c)ノイズデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の振幅がTh2閾値/閾範囲625を超えている/その外側にある場合、計算手段143は、ステータス164を不良ステータスであると計算することができ、表示手段146は、不良ステータスに対応する第3のグラフィカルユーザインターフェースオブジェクト(例えば、赤色のグラフィカルユーザインターフェースオブジェクト)を表示することができる。
例えば、表示手段146は、分析機器190のディスプレイ上に、それぞれMALS機器、示差屈折計、および粘度計について図6C、図7C、および図8Cに示されるように、分析されたデータセグメント162(すなわち、ドリフトデータセグメント)および対応する閾値156(ドリフト閾値)についての計算されたステータス164に対応する色を有するグラフィカルユーザインターフェースオブジェクト525を表示することによってドリフトの現象を示すことができる。図6Cを参照すると、例えば、ドリフト現象に対するMALS機器の場合、Th1閾値/閾勾配/ドリフト閾値は、8.00E-06V/分(すなわち、狭いTh1)~1.20E-05V/分(すなわち、広いTh1)に及び得、一方、Th2閾値/閾勾配/ドリフト閾値は、4.00E-05V/分(すなわち、狭いTh2)~6.00E-05V/分(すなわち、広いTh2)に及び得る。したがって、ドリフト現象に対するMALS機器について、図6Cに示すように、(a)ドリフトデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の勾配がTh1閾値/閾勾配630以下である場合、計算手段143は、ステータス164を良好ステータスであると計算することができ、表示手段146は、良好ステータスに対応する第1のグラフィカルユーザインターフェースオブジェクト(例えば、緑色のグラフィカルユーザインターフェースオブジェクト)を表示することができ、(b)ドリフトデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の勾配がTh1閾値/閾勾配630を超えており、Th2閾値/閾勾配635以下である場合、計算手段143は、ステータス164を中間ステータスであると計算することができ、表示手段146は、中間ステータスに対応する第2のグラフィカルユーザインターフェースオブジェクト(例えば、黄色のグラフィカルユーザインターフェースオブジェクト)を表示することができ、(c)ドリフトデータセグメント(すなわち、分析されたデータセグメント162)についての受信データ151の1つまたは複数の勾配がTh2閾値/閾勾配635を超えている場合、計算手段143は、ステータス164を不良ステータスであると計算することができ、表示手段146は、不良ステータスに対応する第3のグラフィカルユーザインターフェースオブジェクト(例えば、赤色のグラフィカルユーザインターフェースオブジェクト)を表示することができる。
例えば、表示手段146は、図9に示すように、以下の比率に関して、グラフィカルユーザインターフェースオブジェクト525を分析機器190のディスプレイ上に表示することによって、分析機器190の前方モニタ(FMON)インジケータによって示される、可能性のあるフローセル閉塞またはサンプル吸収の現象を示すことができる。
例示的な実施形態では、コンピュータシステムは、図10に示すコンピュータシステム1000である。コンピュータシステム1000は、コンピュータシステムの一例にすぎず、本発明の実施形態の使用または機能の範囲に関するいかなる限定も示唆することを意図するものではない。それにもかかわらず、コンピュータシステム1000は、本発明の機能/動作のいずれかを実行するように実装されることおよび/または実行することが可能である。
本発明は、システム、方法、および/またはコンピュータプログラム製品であってもよい。コンピュータプログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読記憶媒体(複数可)を含むことができる。
Claims (16)
- コンピュータ実装方法であって、
コンピュータシステムによって、少なくとも1つの液体サンプルを監視する少なくとも1つの分析機器からデータを受信することと、
前記コンピュータシステムによって、前記受信データを、前記少なくとも1つの機器、前記少なくとも1つのサンプル、および前記少なくとも1つの機器の少なくとも1つの動作環境のうちの少なくとも1つの少なくとも2つの特性についてのデータセグメントにセグメント化する論理演算のセットを実行することと、
前記コンピュータシステムによって、少なくとも2つの特性についての前記データセグメントの各々を分析する論理演算のセットを実行し、分析されたデータセグメントをもたらすことと、
前記コンピュータシステムによって、前記少なくとも2つの特性についての閾値をコンピュータデータソースから取り出すことと、
前記コンピュータシステムによって、前記分析されたデータセグメントおよび前記閾値に関連して、前記少なくとも1つの機器、前記少なくとも1つのサンプル、および前記少なくとも1つの動作環境のうちの少なくとも1つの、少なくとも1つのステータスを計算することと、
前記コンピュータシステムによって、前記少なくとも1つの機器の少なくとも1つのディスプレイ上に前記少なくとも1つのステータスを表示することと、
前記少なくとも1つのステータスに関連して前記少なくとも1つの機器の少なくとも1つの状態を変更する論理演算のセットを実行することとを含み、
前記変更することは、
前記少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであることに応答して、前記少なくとも1つの機器を洗浄するために洗浄システムを作動させることを含み、前記少なくとも2つの特性はノイズおよびワンダを表す、
または、
前記少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであることに応答して、前記少なくとも1つの機器から前記少なくとも1つのサンプルをパージするためにパージシステムを作動させることを含み、前記少なくとも2つの特性のうちの1つがドリフトを表す、
または、
前記少なくとも1つのステータスが不良ステータスであることに応答して、前記少なくとも1つの機器から前記少なくとも1つのサンプルをパージするためにパージシステムを作動させることを含み、前記少なくとも2つの特性のうちの1つが前方モニタセンサからの信号を表す、コンピュータ実装方法。 - 前記少なくとも1つの機器は、多角度光散乱機器を含み、
前記受信データは、散乱光の時変光レベルを示し、
前記光レベルは、前記多角度光散乱機器による前記少なくとも1つのサンプルの少なくとも1つの測定値から導出される、請求項1に記載の方法。 - 前記受信データは、前記多角度光散乱機器の少なくとも90度フォトダイオードからの時変光レベル読み値を含む、請求項2に記載の方法。
- 前記受信データは、前記多角度光散乱機器の少なくとも0度フォトダイオードからの時変光レベル読み値を含む、請求項2に記載の方法。
- 前記少なくとも1つの機器は、多角度光散乱機器を含み、
前記受信データは、前記多角度光散乱機器からの電気的ノイズを示す、請求項1に記載の方法。 - 前記少なくとも1つの機器は、示差屈折計を含み、
前記受信データは時変示差屈折率値を示し、
前記示差屈折率値は、前記示差屈折計による前記少なくとも1つのサンプルの少なくとも1つの測定値から導出される、請求項1に記載の方法。 - 前記少なくとも1つの機器は、粘度計を含み、
前記受信データは時変差圧値を示し、
前記差圧値は、前記粘度計による前記少なくとも1つのサンプルの少なくとも1つの測定値から導出される、請求項1に記載の方法。 - 前記少なくとも2つの特性のうちの1つは、ノイズ、ワンダ、およびドリフトからなる群から選択される現象を表し、
前記データセグメントは、
前記現象がノイズであることに応答した0秒~30秒のデータセグメント、
前記現象がワンダであることに応答した30秒~5分のデータセグメント、および
前記現象がドリフトであることに応答した5分~n分のデータセグメントを含み、
nは10以下の数である、請求項1に記載の方法。 - 前記分析は、
前記コンピュータシステムによって、前記データセグメントをノイズ振幅値およびノイズ勾配値のうちの少なくとも一方と比較することであって、ノイズを示す前記分析されたデータセグメントをもたらす、比較すること、
前記コンピュータシステムによって、前記データセグメントをワンダ振幅値およびワンダ勾配値のうちの少なくとも一方と比較することであって、ワンダを示す前記分析されたデータセグメントをもたらす、比較すること、および
前記コンピュータシステムによって、前記データセグメントをドリフト振幅値およびドリフト勾配値のうちの少なくとも一方と比較することであって、ドリフトを示す前記分析されたデータセグメントをもたらす、比較すること
のうちの少なくとも1つを含む、請求項1に記載の方法。 - 前記表示することは、
前記少なくとも1つのステータスが良好ステータスであることに応答して第1のグラフィカルユーザインターフェースオブジェクトを表示することと、
前記少なくとも1つのステータスが中間ステータスであることに応答して第2のグラフィカルユーザインターフェースオブジェクトを表示することと、
前記少なくとも1つのステータスが不良ステータスであることに応答して第3のグラフィカルユーザインターフェースオブジェクトを表示することと
を含む、請求項1に記載の方法。 - ステータスデータを少なくとも1つのデータシンクに送信することをさらに含み、
前記ステータスデータは前記少なくとも1つのステータスを示し、
前記少なくとも1つのデータシンクは、電話、コンピュータシステム、コンピュータデータベース、コンピュータディスプレイ、および論理回路からなる群から選択される、請求項1に記載の方法。 - 前記ステータスデータは、視覚データ、テキストデータ、音響データ、触覚データ、嗅覚データ、および味覚データのうちの少なくとも1つを含む、請求項11に記載の方法。
- 前記視覚データは、
前記少なくとも1つのステータスが良好ステータスであることに応答した第1のグラフィカルユーザインターフェースオブジェクト、
前記少なくとも1つのステータスが中間ステータスであることに応答した第2のグラフィカルユーザインターフェースオブジェクト、および
前記少なくとも1つのステータスが不良ステータスであることに応答した第3のグラフィカルユーザインターフェースオブジェクト
を別のディスプレイ上にレンダリングするための情報を含み、
前記テキストデータは、少なくとも1つの電子メールメッセージおよび少なくとも1つの電子テキストメッセージのうちの少なくとも1つを含む、請求項12に記載の方法。 - 前記受信データは、前記少なくとも1つの機器からの少なくとも1つの警報状態を示す、請求項1に記載の方法。
- システムであって、
メモリと、
前記メモリと通信するプロセッサであって、前記プロセッサは方法を実施するように構成されたプロセッサとを備え、前記方法は、
少なくとも1つの液体サンプルを監視する少なくとも1つの分析機器からデータを受信することと、
前記受信データを、前記少なくとも1つの機器、前記少なくとも1つのサンプル、および前記少なくとも1つの機器の少なくとも1つの動作環境のうちの少なくとも1つの少なくとも2つの特性についてのデータセグメントにセグメント化する論理演算のセットを実行することと、
前記少なくとも2つの特性についての前記データセグメントの各々を分析する論理演算のセットを実行し、分析されたデータセグメントをもたらすことと、
前記少なくとも2つの特性についての閾値をコンピュータデータソースから取り出すことと、
前記分析されたデータセグメントおよび前記閾値に関連して、前記少なくとも1つの機器、前記少なくとも1つのサンプル、および前記少なくとも1つの動作環境のうちの少なくとも1つの、少なくとも1つのステータスを計算することと、
前記少なくとも1つの機器の少なくとも1つのディスプレイ上に前記少なくとも1つのステータスを表示することと、
前記少なくとも1つのステータスに関連して前記少なくとも1つの機器の少なくとも1つの状態を変更する論理演算のセットを実行することとを含み、
前記変更することは、
前記少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであることに応答して、前記少なくとも1つの機器を洗浄するために洗浄システムを作動させることを含み、前記少なくとも2つの特性はノイズおよびワンダを表す、
または、
前記少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであることに応答して、前記少なくとも1つの機器から前記少なくとも1つのサンプルをパージするためにパージシステムを作動させることを含み、前記少なくとも2つの特性のうちの1つがドリフトを表す、
または、
前記少なくとも1つのステータスが不良ステータスであることに応答して、前記少なくとも1つの機器から前記少なくとも1つのサンプルをパージするためにパージシステムを作動させることを含み、前記少なくとも2つの特性のうちの1つが前方モニタセンサからの信号を表す、システム。 - プログラム命令を具現化するコンピュータ可読記憶媒体を含むコンピュータプログラム製品であって、前記プログラム命令は、プロセッサによって、前記プロセッサに方法を実施させるために実行可能であり、前記方法は
少なくとも1つの液体サンプルを監視する少なくとも1つの分析機器からデータを受信することと、
前記受信データを、前記少なくとも1つの機器、前記少なくとも1つのサンプル、および前記少なくとも1つの機器の少なくとも1つの動作環境のうちの少なくとも1つの少なくとも2つの特性についてのデータセグメントにセグメント化する論理演算のセットを実行することと、
前記少なくとも2つの特性についての前記データセグメントの各々を分析する論理演算のセットを実行し、分析されたデータセグメントをもたらすことと、
前記少なくとも2つの特性についての閾値をコンピュータデータソースから取り出すことと、
前記分析されたデータセグメントおよび前記閾値に関連して、前記少なくとも1つの機器、前記少なくとも1つのサンプル、および前記少なくとも1つの動作環境のうちの少なくとも1つの、少なくとも1つのステータスを計算することと、
前記少なくとも1つの機器の少なくとも1つのディスプレイ上に前記少なくとも1つのステータスを表示することと、
前記少なくとも1つのステータスに関連して前記少なくとも1つの機器の少なくとも1つの状態を変更する論理演算のセットを実行することとを含み、
前記変更することは、
前記少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであることに応答して、前記少なくとも1つの機器を洗浄するために洗浄システムを作動させることを含み、前記少なくとも2つの特性はノイズおよびワンダを表す、
または、
前記少なくとも1つのステータスが中間ステータスおよび不良ステータスのうちの少なくとも1つであることに応答して、前記少なくとも1つの機器から前記少なくとも1つのサンプルをパージするためにパージシステムを作動させることを含み、前記少なくとも2つの特性のうちの1つがドリフトを表す、
または、
前記少なくとも1つのステータスが不良ステータスであることに応答して、前記少なくとも1つの機器から前記少なくとも1つのサンプルをパージするためにパージシステムを作動させることを含み、前記少なくとも2つの特性のうちの1つが前方モニタセンサからの信号を表す、コンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/186,449 US11965900B2 (en) | 2018-11-09 | 2018-11-09 | Indicating a status of an analytical instrument on a screen of the analytical instrument |
US16/186,449 | 2018-11-09 | ||
PCT/US2019/060651 WO2020097587A1 (en) | 2018-11-09 | 2019-11-09 | Indicating a status of an analytical instrument on a screen of the analytical instrument |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022507084A JP2022507084A (ja) | 2022-01-18 |
JP7230196B2 true JP7230196B2 (ja) | 2023-02-28 |
Family
ID=70551197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021525259A Active JP7230196B2 (ja) | 2018-11-09 | 2019-11-09 | 分析機器の画面上での分析機器のステータスの表示 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11965900B2 (ja) |
EP (1) | EP3877760A4 (ja) |
JP (1) | JP7230196B2 (ja) |
CN (1) | CN113287008A (ja) |
WO (1) | WO2020097587A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11719631B2 (en) * | 2020-09-16 | 2023-08-08 | Wyatt Technology Corporation | Measuring light scattering of a sample |
CN116882822B (zh) * | 2023-07-11 | 2024-05-07 | 安徽中科维德数字科技有限公司 | 一种pvb产品质量关联规则分析方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012149903A (ja) | 2011-01-17 | 2012-08-09 | Hitachi High-Technologies Corp | 自動分析装置 |
JP2016040528A (ja) | 2014-08-12 | 2016-03-24 | 株式会社日立ハイテクノロジーズ | 自動分析装置 |
WO2017033648A1 (ja) | 2015-08-25 | 2017-03-02 | 株式会社 日立ハイテクノロジーズ | 自動分析装置及び自動分析システム |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4463598A (en) | 1982-12-10 | 1984-08-07 | Haney Max A | Capillary bridge viscometer |
JP2570804Y2 (ja) | 1987-05-01 | 1998-05-13 | 日機装株式会社 | 濁度測定装置 |
US5269937A (en) | 1990-10-23 | 1993-12-14 | Cetus Corporation | HPLC light scattering detector for biopolymers |
US5416580A (en) * | 1993-07-07 | 1995-05-16 | General Signal Corporation | Methods and apparatus for determining small particle size distribution utilizing multiple light beams |
US5528366A (en) * | 1994-01-27 | 1996-06-18 | Wyatt Technology Corporation | Precision determination for molecular weights |
WO1996034291A1 (en) | 1995-04-28 | 1996-10-31 | Coulter International Corp. | Quality control method of hematology instruments |
JP3234751B2 (ja) | 1995-07-01 | 2001-12-04 | 株式会社堀場製作所 | 分析装置における校正不能警告方法 |
US6982431B2 (en) | 1998-08-31 | 2006-01-03 | Molecular Devices Corporation | Sample analysis systems |
US6175409B1 (en) * | 1999-04-02 | 2001-01-16 | Symyx Technologies, Inc. | Flow-injection analysis and variable-flow light-scattering methods and apparatus for characterizing polymers |
US6377341B1 (en) * | 1999-08-03 | 2002-04-23 | University Technology Corporation | Refractive index based detector system for liquid chromatography |
US6519033B1 (en) * | 2001-11-19 | 2003-02-11 | Point Source Technologies, Llc | Identification of particles in fluid |
JP3822840B2 (ja) | 2002-05-10 | 2006-09-20 | 株式会社堀場製作所 | 粒子径分布測定装置 |
US7324203B2 (en) * | 2005-02-08 | 2008-01-29 | General Electric Company | Method and apparatus for optical detection for multi-phase combustion systems |
US7594428B2 (en) * | 2005-10-12 | 2009-09-29 | Viscotek Corporation | Apparatus and method for eliminating the breakthrough peak in differential detectors |
TWI423986B (zh) * | 2005-12-20 | 2014-01-21 | 必治妥美雅史谷比公司 | 組合物及製造組合物之方法 |
JP4871618B2 (ja) | 2006-03-14 | 2012-02-08 | 株式会社日立ハイテクノロジーズ | 精度管理システム |
JP4994920B2 (ja) | 2007-02-01 | 2012-08-08 | シスメックス株式会社 | 検体分析装置 |
US8758245B2 (en) | 2007-03-20 | 2014-06-24 | Lifescan, Inc. | Systems and methods for pattern recognition in diabetes management |
US20120042214A1 (en) | 2009-02-27 | 2012-02-16 | Jacobs Merrit N | Method for detecting the impending analytical failure of networked diagnostic clinical analyzers |
US9665956B2 (en) | 2011-05-27 | 2017-05-30 | Abbott Informatics Corporation | Graphically based method for displaying information generated by an instrument |
WO2013002719A1 (en) * | 2011-06-30 | 2013-01-03 | Ge Healthcare Bio-Sciences Corp | Microscopy system and method for biological imaging |
US9459196B2 (en) | 2011-07-22 | 2016-10-04 | Roche Diagnostics Hematology, Inc. | Blood analyzer calibration and assessment |
EP2734827B1 (en) | 2011-07-22 | 2022-05-04 | Roche Diagnostics Hematology, Inc. | Blood analyzer calibration and assessment |
JP5939833B2 (ja) | 2012-02-24 | 2016-06-22 | 株式会社日立ハイテクノロジーズ | 自動分析装置 |
US9442098B2 (en) * | 2012-08-02 | 2016-09-13 | Waters Technologies Corporation | Chromatographic system quality control reference materials |
US9949674B2 (en) | 2012-12-17 | 2018-04-24 | Abbott Point Of Care Inc. | Portable clinical analysis system for hematocrit measurement |
US20140207017A1 (en) * | 2013-01-23 | 2014-07-24 | Altec, Inc. | Signal quality monitor for electromyographic sensors |
US10024789B2 (en) | 2014-02-07 | 2018-07-17 | Shimadzu Corporation | Measurement method using differential refractometer, differential refractometer using the measurement method, and liquid chromatograph |
US9629564B2 (en) | 2014-09-26 | 2017-04-25 | Intel Corporation | Electrocardiograph (ECG) signal processing |
US10338085B2 (en) * | 2015-06-18 | 2019-07-02 | Ccqcc Corp. | Devices and methods to determine whether to calibrate a laboratory analyzer |
WO2017052506A1 (en) | 2015-09-22 | 2017-03-30 | Halliburton Energy Services, Inc. | Optical device window cleaning system |
US10627396B2 (en) | 2016-01-29 | 2020-04-21 | Vanderbilt University | Free-solution response function interferometry |
CN109843085A (zh) | 2016-08-19 | 2019-06-04 | 普瑞斯莫克有限公司 | 一种熏制液体的方法及用于该方法的装置 |
BR112019004775A2 (pt) | 2016-09-13 | 2019-05-28 | Basf Coatings Gmbh | sensor e processo para a medição, e, uso do sensor |
WO2018169738A1 (en) | 2017-03-17 | 2018-09-20 | Dow Global Technologies Llc | Polymers for use in fibers and nonwoven fabrics, articles thereof, and composites thereof |
-
2018
- 2018-11-09 US US16/186,449 patent/US11965900B2/en active Active
-
2019
- 2019-11-09 WO PCT/US2019/060651 patent/WO2020097587A1/en unknown
- 2019-11-09 JP JP2021525259A patent/JP7230196B2/ja active Active
- 2019-11-09 CN CN201980087074.4A patent/CN113287008A/zh active Pending
- 2019-11-09 EP EP19881516.9A patent/EP3877760A4/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012149903A (ja) | 2011-01-17 | 2012-08-09 | Hitachi High-Technologies Corp | 自動分析装置 |
JP2016040528A (ja) | 2014-08-12 | 2016-03-24 | 株式会社日立ハイテクノロジーズ | 自動分析装置 |
WO2017033648A1 (ja) | 2015-08-25 | 2017-03-02 | 株式会社 日立ハイテクノロジーズ | 自動分析装置及び自動分析システム |
Also Published As
Publication number | Publication date |
---|---|
JP2022507084A (ja) | 2022-01-18 |
EP3877760A1 (en) | 2021-09-15 |
US11965900B2 (en) | 2024-04-23 |
EP3877760A4 (en) | 2022-08-10 |
WO2020097587A1 (en) | 2020-05-14 |
US20200150137A1 (en) | 2020-05-14 |
CN113287008A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Granik et al. | Single-particle diffusion characterization by deep learning | |
JP7230196B2 (ja) | 分析機器の画面上での分析機器のステータスの表示 | |
Wishard et al. | Dynamic light scattering–an all-purpose guide for the supramolecular chemist | |
US8149401B2 (en) | System and method for distinguishing particles in a transient fluid | |
Lugnan et al. | Machine learning issues and opportunities in ultrafast particle classification for label-free microflow cytometry | |
Altman et al. | Holographic characterization and tracking of colloidal dimers in the effective-sphere approximation | |
JP2023539813A (ja) | 分離によるウイルス遺伝子デリバリビークル試料の属性の測定 | |
US11435209B2 (en) | Regulating a detector flow of a field flow fractionator | |
WO2022266521A1 (en) | Calculating molar mass values of components of and molar mass concentration values of conjugate molecules/particles | |
JP2012194165A (ja) | 走査型顕微光散乱測定解析装置および光散乱解析方法 | |
CN117813498A (zh) | 经由实时多角度光散射来纯化样品溶液 | |
US11719631B2 (en) | Measuring light scattering of a sample | |
US20220412927A1 (en) | Regulating a detector flow of a field flow fractionator | |
Xiong et al. | A method for tracking the Brownian motion to estimate the size distribution of submicron particles in seawater | |
WO2022217544A1 (en) | Method and system for sample quality control | |
US20210310921A1 (en) | Determining intrinsic viscosity and huggins constant of an unknown sample | |
US20230386010A1 (en) | Detecting bubbles in images of a sample in wells of a well plate | |
WO2024054313A1 (en) | Measuring quality attributes of a virus sample | |
US20230115994A1 (en) | Identifying a cuvette for measuring light scattering of a sample | |
US20230022034A1 (en) | Controlling the purification of a macromolecule solution via real-time multi-angle light scattering | |
WO2021022239A1 (en) | Analyzing data collected by analytical instruments | |
WO2024081057A1 (en) | Identifying a cuvette for measuring light scattering of a sample | |
WO2024006121A1 (en) | Controlling the purification of a macromolecule solution via real-time multi-angle light scattering | |
JP2016176724A (ja) | 情報処理システム | |
JP2018017729A (ja) | 分析物を特徴付ける方法及びデバイス |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210708 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220624 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220712 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221005 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7230196 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |