KR20080014735A - 분산형 분석 시스템 - Google Patents

분산형 분석 시스템 Download PDF

Info

Publication number
KR20080014735A
KR20080014735A KR1020077021432A KR20077021432A KR20080014735A KR 20080014735 A KR20080014735 A KR 20080014735A KR 1020077021432 A KR1020077021432 A KR 1020077021432A KR 20077021432 A KR20077021432 A KR 20077021432A KR 20080014735 A KR20080014735 A KR 20080014735A
Authority
KR
South Korea
Prior art keywords
data processor
model
data
sample
site
Prior art date
Application number
KR1020077021432A
Other languages
English (en)
Inventor
라이보 루스미
Original Assignee
포스 아날리티칼 아베
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 포스 아날리티칼 아베 filed Critical 포스 아날리티칼 아베
Publication of KR20080014735A publication Critical patent/KR20080014735A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • 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
    • G01N35/00871—Communications between instruments or with remote terminals
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light

Landscapes

  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

분산형 분석 시스템은, 로컬 사이트(A, B, C)에서 샘플로부터 샘플 데이터를 생성하기 위한 적어도 하나의 분석 기구(2, 4); 로컬 사이트(A, B, C)에서 떨어진 사이트에서 조정 라이브러리(20)를 보유하는 저장 수단(8); 및 분석 기구(2, 4)와 통합되거나 또는 분리되어 있으며, 라이브러리(20)로부터 선택된 조정 모델과 샘플 데이터를 사용하여 샘플의 형질을 판정하도록 적응된 데이터 프로세서를 포함한다. 데이터 프로세서는 로컬 사이트(A, B, C)에 배치되어, 원격 통신 링크(6)를 통해 저장 수단(8)과 연결될 수 있으며, 이 데이터 프로세서는 원격 통신 링크(6)을 통해 수신된 선택된 조정 모델을 일시적으로 기억하도록 더 적응된다.

Description

분산형 분석 시스템{DISTRIBUTED ANALYSIS SYSTEM}
본 발명은 분산형 분석 시스템 및 상기 시스템을 이용하여 물질을 분석하는 방법에 관한 것이다. 구체적으로, 본 시스템과 방법은 물질들의 특성을 경정하기 위한 이들의 광학적 분석(optical analysis)에 관한 것이다.
광학적, 전형적으로는 근적외선(NIR), 분광 광도계(spectrophotometers)와 같은 분석 기구들이 다양한 물질 샘플들을 분석하기 위해 매우 다양한 산업에서 사용되며, 물질의 성분 농도 및 물리적 성질과 같은, 이들의 다양한 특성에 대한 양적인 또는 질적인 판정을 한다. 농업 및 식료 산업에서, 예를 들어, 곡식 및 기타 작물의 기름, 단백질 및 수분 함유량; 고기의 지방 함유량; 우유의 지방, 단백질, 락토오스 및 요소 함유량; 곡식의 품질; 및 와인 및 기타 포도주 양조 생산품의 품질이 NIR 분석을 사용하여 판정될 것이다. 실제로 의학, 약학, 화학 및 석유 화학 산업에 유사한 NIR 분석을 적용하는 것은 공지되어 있다.
광학적 측정은 판정될 특성의 간접적 지시(indication)일 뿐이므로, 샘플들의 이와 같은 광학적 분석은 소위 '간접적' 판정이다. 결과는 통상적으로 약 수분에 얻어지지만, 대조적으로 전통적인 '직접적', 흔히 화학적, 분석 방법은 수행하는데 수 시간 또는 수 일이 걸릴 수 있으며, 때로는 샘플이 입수된 곳에서 멀리 떨 어진 중앙 연구소에서 수행된다.
광학적 분석이 간접적 판정이기 때문에, 연결 고리가 광학적 측정과 관심 있는 특성 또는 성질(앞으로는 '형질(trait)라고 언급됨) 간에 확립되어야만 한다. 본 기술분야에 알려져 있다시피, 형질은 분석 기구에 의해 얻어진 광학적 흡수(absorbance) 또는 투과(transmission) 스펙트럼의 도함수(derivative) 값과 가중 계수의 곱들의 합인 방정식으로 표현될 수 있다. 통상적으로, 흡수 스펙트럼의 1차 도함수가 사용되지만, 더 높은 차수의 도함수도 사용될 수 있으며, 또는 대안적으로 사용될 수 있다. 획일적인(undifferentiated) 흡수(또는 일부의 경우에는 전송) 스펙트럼 및 이들의 임의의 또는 모든 도함수들은, 공동으로 또는 개별적으로 정황 요구(context demands), '샘플 스펙트럼' 또는 더 일반적으로는 '샘플 데이터'라고 언급될 것이다. 알려지지 않은 샘플의 목적하는 형질을 측정하기 위해서, 알려지지 않은 샘플과 유사한 다수의 알려진 샘플 물질들로부터 스펙트럼들이 수집되는 것이 필요하다. 판정될 형질(들) - 물리적 특성 또는 성분 농도 - 은 알려진 샘플들을 통해 알려진다. 알려진 샘플들과 관련 형질의 지식으로부터 얻어진 수집된 샘플 스펙트럼들을 사용하여, 알려진 형질과 수집된 스펙트럼들에 관한 방정식의 가중 계수들은 다중회귀, 부분 최소 제곱 회귀, 또는 인공 신경망들을 사용하는 것들을 포함하는 다른 통계학적 기술을 사용하여 결정된다. 가중 계수 값들을 결정하는 이러한 과정은 일반적으로 '교정(Calibration)'이라고 알려져 있다. 교정 계수가 결정된 후에, 알려지지 않은 샘플은 알려진 샘플 물질들로부터 산출되었던 조정 계수와 함께 분석 기구(또는 동일한 조정 계수들이 적용될 수 있도록 성 능에 있어서 실질적으로 동일하도록 의도된 것)를 사용하여 분석될 수 있다. 통상적으로, 알려진 또는 형질과 상관된다고 가정된 선택된 특정 파장에서의 스펙트럼 응답을 측정하는 대신에 알려진 기구들에서, 샘플 스펙트럼들은 형질에 적절한 스펙트럼 영역(가장 일반적으로는 NIR 스펙트럼 영역) 전체에 걸쳐 분배된 파장들에서 수집되고, 형질을 이러한 스펙트럼 영역 전체에 걸친 스펙트럼 측정과 관계시키는 계수들 및 방정식들이 발전된다. 조정 계수들은 판정될 각각의 형질과 샘플 물질의 각각의 유형에 대해 필요하고, 목적하는 형질의 판정을 수행하기 위해 프로그램된 데이터 프로세서에 의한 접근과 사용을 위해 '조정 라이브러리(calibration library)'에 자주 수집된다. 이러한 조정 라이브러리는, 추가적으로 또는 대안적으로, 데이터 프로세서에 의한 사용을 위해, 조정 계수를 포함하는, 완전 조정 방정식을 포함할 수 있다. '조정 모델'이란 용어는, 본원에서 사용되는 정황에 의해 요구되는 것과 같이, 특정 형질과 관련된 조정 계수 및 조정 방정식을 공동으로 또는 개별적으로 언급하는데 사용된다. 유사한 방법(methodology)이 다른 유형의 분석 기구에 의해 사용된 다른 간접적인 측정 방식을 사용하여 생성된 다른 유형의 샘플 데이터에 적용될 수 있다는 것을 이해되어야만 한다.
NIR 분광 광도계를 사용하는 분석 시스템은, 예를 들어, Hall 등의 US 6,751,576 및 Burling-Claridge 등의 US 2003/0122080에 의해 공지되며, 여기서 데이터 프로세서는 분석 기구로부터 떨어진 곳에 위치되며, 이 시스템에서 통신 링크가 분석 기구와 데이터 프로세서 사이에 데이터 전송을 할 수 있도록 제공된다.
또한 이러한 공지된 분산형 분석 시스템은 저장 수단을 구비하고 있으며, 저 장 수단도 역시 분석 기구로부터 떨어진 곳에 위치되며, 통상적으로는 데이터 프로세서와 나란히 배치되고, 데이터 프로세서에 의한 접근 및 데이터 프로세서에서 사용되기 위한 조정 라이브러리를 보유한다. 데이터 프로세서는 링크를 통해서 특정 원격 분석 기구로부터 수신된 데이터에 따라서 라이브러리로부터 적절한 조정 모델을 선택하고, 이 선택된 모델을 샘플 데이터 - 이 역시 링크를 통해 제공됨 - 에 적용하도록 적응된다. 동일한 원격 통신을 사용하여, 선택된 조정 모델의 적용의 결과로서 판정되는 형질은 다시 로컬 사이트로 제공되며, 바람직하게는 샘플 데이터를 생성하였던 분석 기구의 근처에 있는 출력 장치로 제공된다. 이러한 방법에서, 조정 모델의 라이브러리는 중앙에 집중하여 보존될 수 있으며, 예를 들어 새로운 알려진 샘플이 추가된다거나 또는 통계학적 분석 방법이 개발됨에 따라서 이들의 업그레이드를 용이하게 할 수 있다. 더구나, 조정 라이브러리의 개발이 비용과 시간이 많이 소요되지만, 분석 기구의 사용자로부터 떨어져 중앙 집중식으로 라이브러리를 유지시킴으로써, 라이브러리 모델에 대한 접근과 이의 사용에 관한 더 많은 제어가 가능해진다.
그러나 광학 스펙트럼과 같은 샘플 데이터는, 심지어 압축된 경우에도, 데이터의 상대적으로 많은 양을 나타내며, 이들은 원격 통신 링크를 통해서 전송돼야만 한다. 링크가 상기 데이터를 전송하는데 요구되는 상대적으로 긴 시간 이상 안정하게 유지되고, 그렇게 전송된 데이터가 중앙 프로세서에서 정확하게 표현되는 것을 보장할 수 있는 경우 측정이 취해져야만 한다. 게다가, 때로는 공중에 의해 접근 가능한 원격 통신 링크를 통해서 전송된 분석 결과는 기밀을 요하는 정보이며, 이것이 악용되는 경우 목적된 수령인에 상업적인 불이익으로 사용될 수도 있다.
본 발명의 제 1 측면에 따라서, 본 청구항 1에서 기술되고 특징 지워진 것과 같은, 분산형 분석 시스템이 제공된다.
본 발명의 제 2 측면에 따라서, 제 1 측면에 따른 시스템을 사용하여 수행될 수 있도록 물질을 분석하는 방법이 제공되며, 따라서 이에 관련하여 기술된 모든 이점들을 갖는다.
상술하였듯이, 본 발명이 물질의 형질에 대한 간접적인 판정에 사용되는, 많은 다양한 유형의 분석 기구에 유용하게 적용될 것으로 예견된다. 그러나 본 발명은 NIR 분광 광도 분석 기구에 관해 특히 유용한 어플리케이션을 가지며, 따라서 다음의 예시적인 설명에서, 특히 농업 및 식료 제품의 분석이라는 관점에서, 참조 부호(reference)들은 NIR 분광 광도계와 같은 기구에 대해 만들어질 것이다.
본 발명에 따른 시스템과 방법과 관련된 이점은 본원의 예시적인 실시예에 대한 다음의 설명을 이해함으로써 명백할 것이며, 첨부한 도면의 도면들을 참조로 이루어질 것이다.
도 1은 본 발명에 따른 분산형 분석 시스템의 개념적인 표현을 도시한다.
도 2는 본 발명에 따른 발명을 도시하는 흐름도이다.
이제 도 1의 분산형 분석 시스템을 고려하며, 도시된 NIR 분광 사진 기구(2, 4)가 다수의 독립적인 로컬 사이트(A, B, C)에 제공되며, 이 사이트들은 필수적인 원격 통신 링크 - 여기서는 인터넷(6)으로 도시됨 - 에 접근할 수 있는 전 세계의 어떠한 지리적 장소일 수 있다. 물론 지리적으로 분리된 사이트들 간에 데이터를 전송할 수 있는 전통적인 전화선 또는 무선 트랜시버와 같은 다른 원격 통신 링크들로 인터넷을 대체할 수 있다.
본 발명에 따른 분산형 분석 시스템의 융통성을, 적어도 부분적으로라도, 예시하기 위해서, 도 1의 예시는 다수의(여기서는 3개) 개별 기구(2)들 - 각각은 인터넷(6)에 개별적으로 연결될 수 있음 - 을 포함하는 사이트(A); 사이트(A)의 것들과 동일한 하나의 기구(2)만을 포함하는 사이트(B); 및 샘플 데이터를 생성하고 모두 하나의 데이터 프로세서(4B)에 연결된, 다수의 개별 센서 유닛(4a)과 디스플레이 또는 프린터와 같은 출력 장치(4c)에 연결되고 원격 통신 링크(6)에도 연결된 데이터 프로세서(4b)로 구성진 네트워크로 이루어진 기구(4)를 포함하는 사이트(C)로 도시된다. 기구(2, 4)는 여기에 기술된 기능(functionality)을 제공하기 위해서 여러 가지 상이한 방식으로 구성될 수 있으며, 청구되다시피 여전히 본 발명의 범위 내에 존속한다. 따라서 데이터 프로세서(4b)는, 예를 들어, 센서(4a) 또는 출력 장치(4c)의 근처에서 중앙 데이터 프로세서와 연결된 로컬 사이트에서 서버를 포함한다.
또한 중앙 저장 수단(8)은 분산형 분석 시스템의 일부로서 제공되며, 로컬 사이트(A, B, C)에서 지리적으로 떨어진 사이트에 위치된다. 중앙 저장 수단(8)은 원격 통신 링크(6)를 통한 분석 기구(2, 4)와의 양방향 통신을 위해 구성된다. 이 실시예에서, 저장 수단(8)은 중앙 집중화된 조정 라이브러리를 저장하고 이를 조작하는데 사용되는 컴퓨터이다. 물론, 저장 수단은, (아래에 기술되겠지만)통신 기능, 라이브러리 업데이트 기능 및 조정 모델 선택 기능과 같은 여러 기능을 아마도 수행할, 다수의 컴퓨터를 포함할 수도 있다. 그러나 실제로 위의 조합은 하나의 실체와 같이 동작하도록 구성될 것이다.
이제 도 2를 고려하며, 여기서 도 1에 개시된 시스템을 사용함으로써 샘플 물질의 형질을 판정하기 위해 샘플 물질들을 분석하는 방법을 도시하는 흐름 프로세스를 나타낸다. 모든 단계들이 도시된 순서대로 수행되어야만 하는 것은 아니며, 흐름 프로세스는 도 1에 따른 시스템의 실시예와 관련하여 이해를 목적으로 한 단계들의 일반적인 예시일 뿐이라고 인식될 것이다.
우선, 10에서, 개별 센서 유닛들(4a) 또는 분석 기구(2) 내의 이들의 총체(integral)는 형질을 판정하는데 사용될 샘플 데이터를 취득한다. 본 실시예에서, 기구(2, 4)는 NIR 분광 광도 기구이며, 따라서 여기서 언급되는 샘플 데이터는 전통적인 방법으로 기록된 샘플 스펙트럼일 것이다. 12에서 도시된 것과 같이, 이 샘플 데이터는 데이터 프로세서(4b) 또는 분석 기구(2) 내의 상기 데이터 프로세서(도시되지 않음) 총체로 전송되며, 여기서 영구적으로 또는 일시적으로 저장된다.
본 예시적인 실시예에서, 정보 수집 단계(14)가 수행된다. 일부 실시예에서 정보 수집 단계(14)가, 예를 들어 오직 하나의 분석 기구가 오직 하나의 형질 또는 고정되고 알려진 형질들의 세트만을 판정하는데 사용되는 경우에, 생략될 수 있 다는 것은, 하기에 기술될 것들로부터 명백할 것이다.
정보는 자동적으로 수집될 수도 있고, 사용자에 의해 수동으로 입력될 수도 있으며, 가장 광범위한 어플리케이션에서는, 분석될 물질의 유형 및 분석을 수행할 개별 기구 모두를 식별한다. 오직 예시의 목적으로, 도 2의 방법에 대한 앞으로의 설명에서, 각각의 기구(2)와 센서(4a)는 전기적인 신호로 자동적으로 판독되고 제공될 수 있는, 범용 단일 식별자(GUID) 또는 바코드 식별자와 같은 전용 식별자와 관련되며, 분석될 샘플에 관한 상기 정보는 터치스크린, 키보드, 포인팅 장치 또는 이들의 임의의 조합과 같은 사용자 인터페이스를 사용하여 사용자에 의해 수동으로 입력된다고 가정될 것이다. 이러한 사용자 입력 샘플 정보는, 예를 들어 분석될 특정한 종류의 곡식 및 판정될 형질 또는 형질들을 나타낼 수 있다.
본 예시에서, 전용 식별자 및 사용자 입력 정보는 다음 단계(16)에서 인터넷(6)을 통해 원격 사이트에 있는 중앙 저장 수단(8)으로 모두 전송될 수 있다.
본 실시예에서, 중앙 저장 수단(8)은 조정 라이브러리(20)뿐만 아니라, 분석 기구(2,4) 및, 가능하다면, 개별 센서들(4a)의 아이덴티티(identity)들을 인덱싱하는 데이터베이스도 보유하며, 전송된 전자 식별자로부터 저장 수단(8)에 의해 획득됨에 따라, 상기와 같이 식별된 실체(entity)에 적용 가능하도록 생성될 수 있는 라이브러리(20) 내로부터 (예를 들어 전체 라이브러리(20)를 포함하는 그룹을 포함하는) 조정 모델들의 그룹 또는 그룹들과 함께 분석 기구(4)를 포함한다. 다음 단계(18)에서, 조정 모델 또는 모델들은, 인덱싱된 그룹으로부터 이용 가능하다면, 사용자 입력, 그 중에서도 판정될 형질을 식별하는 입력에 따라서 선택된다. 이렇 게 선택된 조정 모델 또는 모델들의 암호화된 표현은, 다음 단계(22)에서, 적절한 사이트(A, B, C)의 관련 데이터 프로세서에 거꾸로 전송된다. 적절한 사이트와 데이터 프로세서는 관련 인덱싱된 데이터베이스에서 기구 ID로부터 쉽게 식별될 수 있다.
본 발명의 분산형 분석 시스템의 다목적성에 대한 또 다른 예로서, 도 1에 도시된 것과 같이, 저장 수단(8)은 라이브러리(20)의 일부로서 다수의 조정 모델들을 보유하도록 구성되며, 각각은 알려진 샘플들의 여러 가지 수집품들을 사용하여 상술된 것과 같이 알려진 방법으로 동일하지만 생성된 형질을 결정하는데 유용하다. 따라서 예를 들어 사이트 A와 사이트 B 각각은 반드시 동일한 형질의 판정을 수행하기 위해서 반드시 동일한 분석 기구(2)가 구비되어야한다. 그러나 각각의 사이트(A, b)는 상이한 실체에 의해 소유되고, 분석 기구(2)도 사이트 A 및 사이트 B의 네트워크가 서로 독립적으로 속하는 것으로 생각될 수 있다. 사이트(A)의 소유자는 조정 라이브러리(20) 내의 일반적으로 접근 가능한 그룹의 생성에 사용되는 것들을 증대시키거나 대체시키기 위해 추가적으로 알려진 샘플들을 제공하였으며, 따라서 라이브러리(20) 내의 조정 모델에 대한 특정 그룹을 생성하였다. 사이트(A)의 소유자는 이러한 특정 그룹에 대한 접근이 사이트(A)에 속하는 것으로 인덱싱된 기구들로만 제한되기를 희망하며, 반면에 사이트(B)의 소유자는 동일한 저장 수단(8)에 접근할 수는 있지만 일반적으로 접근 가능한 그룹에 속하는 것으로 인덱싱된 조정 모델만을 이용 가능하도록 생성하였다.
사이트(C)의 소유자는 곡식을 밀가루로 가공하는 처리 설비를 동작하며, 실 시간으로 프로세스를 모니터링하기 위해서 로컬 사이트(C)의 여러 부분들에 위치된 센서(4a)들을 구비한다. 이 예에서, 데이터 프로세서(4b)는 센서(4a)의 각각을 개별적으로 식별하는 전자 식별자를 수신하고, 사이트(B)를 식려하기 위한 전자 식별자를 포함한다. 이 사이트 식별자는 16에서 저장 수단(8)로 전송된다. 또한 본 실시예의 라이브러리(20)는 사이트(C)에 단독으로 접근 가능한 조정 모델을 포함하며, 여기서 곡식의 형질뿐만 아니라 중간 처리 물질의 형질 및 최종 생산물 - 여기서는 가공된 밀가루 - 의 품질을 판정하는데 사용된다. 이 실시예의 이후 버전에서는, 사이트(C)가 본 발명에 따른 시스템과 함께 동작하도록 연결된 자동화된 프로세스 제어 시스템을 포함할 것으로 예견된다. 프로세스 제어 시스템은 데이터 프로세서(4b)에 명령을 하여 센서들(4a) 중 특정 하나가 샘플 데이터를 생성하도록 구성될 수 있다고 쉽게 생각할 수 있다. 그리고 데이터 프로세서(4b)는 처리 설비의 동작을 모니터링하고 변경시키는데 사용되기 위해 판정된 형질을 프로세스 제어 시스템에 제공하도록 구성될 수 있다.
저장 수단(8)은 중앙 저장 수단(8)의 조작자(통상적으로는 로컬 사이트(A, B, C)의 소유자와는 독립적임)가 상기 여러 소유자들 모두의 요구조건을 만족시키는 서비스를 제공할 수 있도록 적절한 컴퓨터 코딩 및 인덱싱된 데이터베이스를 쉽게 구비할 수 있다고 생각될 수 있다.
22에서 도시된 단계에 따라서 인터넷(6)을 통해서 암호화된 전송을 수신할 때, 데이터 프로세서는 다음 단계(24)에서 수신된 복호화된 모델을 복호화하려고 한다. 예를 들어 오류가 있는 전송, 전송 단절 또는 사이트에 의도되지 않은 조정 모델의 잘못된 수신으로 인해 복호화가 실패하면, 단계(26)에서 정보는 원격 통신 링크(여기서는 인터넷(6))을 통해 저장 수단(8)로 재 전송되고, 단계(16) 및 단계(18-22)들이 반복된다.
단계(24)에 따라서, 일단 수신된 암호화 조정 모델이 성공적으로 복호화되면, 이들은 일시적으로 데이터 프로세서에 보존되며, 이 프로세서는, 통상적으로 알려진 방법으로, 단계 10에서 수집되어 단계 12에서 저장되었던 샘플 데이터로부터 희망하는 형질 또는 형질들의 판정을 수행하도록 적절한 판정 소프트웨어를 실행하게 된다.
예를 들어, 분석 기구(2, 4)의 데이터 프로세서(4b)는 하드 디스크와 같은 영구적인 데이터 저장 장치 및 어드레스 가능한 휘발성 메모리와 같은 일시적인 데이터 저장 장치를 구비할 수 있다. 여기서 영구적인 및 일시적인 이란 용어는 본 발명의 문맥에서 서로 상대적으로 해석되어야 할 것이다. 데이터 프로세서는 영구적인 메모리 내에 취득된 샘플 데이터를 저장하고 일시적인 메모리에 복호화된 조정 모델을 보존하도록 프로그램된다. 판정 소프트웨어는 데이터 프로세서가 취득된 샘플 데이터 - 여기에서는 샘플 스펙트럼의 형태임 - 를 동작하는 메모리 내로 복구(retrieve)하고, 조정 모델에 접근하도록 한다.
일단 형질 또는 형질들의 판정이 완성되면, 단계(28)에서 결과는 출력 장치에 이들을 디스플레이 함으로써 사용자에게 제공되고, 출력 장치는 분석 기구(2) 또는 기구(4)의 개별 컴포넌트(4c)와 통합될 수도 있다(도시되지 않음). 또한, 결과는 영구적인 메모리에 기억될 수도 있다.
본 발명의 현 단계(28)에서, 데이터 프로세서(4b)는 수신된 조정 모델이 어드레스 가능한 휘발성 메모리로부터 제거함으로써 데이터 프로세서에 의한 접근으로부터 제거될 것인지를 결정한다.
데이터 프로세서가 다른 미리 결정된 조건이 만족됨에 따라서 조정 모델을 제거하도록 적응될 수 있다고 예상된다. 따라서 예를 들어 데이터 프로세서는 소요 시간 카운터 또는 사용량 카운터일 수도 있는 카운터와 함께 구성될 수 있으며, 단계(24)에 따라서 수행되었던 판정의 횟수를 카운팅하고, 미리 정해진 횟수에 가장 빨리 도달하거나 또는 분석 세션을 끝내기 위해 초기화 소프트웨어 '셧 다운(shutdown)'이 수행될 때 그 모델을 제거하도록 적응될 수 있다.
단계(30)에서 저장 수단(8)의 컨텐츠를 업데이트 하는 것이 본 발명에 따른 방법에 포함될 수 있다는 것도 예견될 수 있다. 이러한 업데이트는, 개시되다시피, 조정 라이브러리(20)의 변경을 포함하며, 따라서 조정 모델은 업데이트 될 수 있으며, 새로운 모델이 추가되어 분석 시스템의 형질 판정 능력을 확장시키거나, 또는 전체 라이브러리의 대체를 포함할 수도 있다. 이제 사용자들은 인덱싱된 데이터베이스에 추가될 수 있거나, 또는 사용자에게 존재하는 조정 모델에 대한 접근 권한이 변경될 수 있다.

Claims (7)

  1. 로컬 사이트(A, B, C)에서 샘플로부터 샘플 데이터를 생성하기 위한 적어도 하나의 분석 기구(2, 4);
    상기 로컬 사이트에서 떨어진 사이트에서 조정 라이브러리(20)를 보유하는 저장 수단(8); 및
    상기 라이브러리(20)으로부터 선택된 조정 모델및 상기 샘플 데이터를 사용하여 상기 샘플의 형질을 판정하도록 적응된 데이터 프로세서(4b)를 포함하며,
    상기 데이터 프로세서(4b)는 상기 로컬 사이트(A, B, C)에 배치되고, 원격 통신 링크(6)를 통해 상기 저장 수단(8)에 연결 가능하며, 상기 데이터 프로세서(4b)는 상기 원격 통신 링크(6)를 통해 수신된 상기 선택된 조정 모델을 일시적으로 기억하도록 더 적응된 것을 특징으로 하는, 분산형 분석 시스템.
  2. 제1항에 있어서,
    상기 데이터 프로세서(4b)는 상기 조정 모델을 선택하기 위해서 사용 가능한 상기 원격 통신 링크(6)을 통해 데이터를 상기 저장 수단(8)에 전송하도록 구성된 것을 특징으로 하는, 분산형 분석 시스템.
  3. 제1항 또는 제2항에 있어서,
    상기 데이터 프로세서(4b)는 어드레스 가능한 휘발성 메모리에 상기 선택된 조정 모델을 일시적으로 기억하고, 미리 정해지 조건이 완성됨에 따라서 상기 모델을 제거하도록 적응된 것을 특징으로 하는, 분산형 분석 시스템.
  4. 로컬 사이트에서 샘플 물질을 분석하는 방법으로서,
    상기 로컬 사이트에서 샘플 데이터를 생성하는 단계;
    상기 로컬 사이트에서 떨어진 사이트에 보유된 조정 모델들의 라이브러리로부터 조정 모델을 선택하는 단계; 및
    상기 생성된 샘플 데이터를 사용하여 상기 샘플 물질의 목적하는 형질을 판정하기 위해서 데이터 프로세서에서 상기 선택된 조정 모델을 사용하는 단계를 포함하며,
    상기 목적하는 형질을 결정하는 단계는 상기 로컬 사이트에서 수행되고, 상기 선택된 조정 모델은 상기 데이터 프로세서에 의한 접근을 위해 상기 로컬 사이트에 일시적으로 기록되기 위해서 원격 통신 링크를 통해 상기 원격 사이트로부터 전송되는 것을 특징으로 하는, 샘플 물질 분석 방법.
  5. 제4항에 있어서,
    상기 방법은 상기 원격 통신 링크를 통해 상기 로컬 사이트로부터 데이터를 전송하는 단계를 더 포함하고, 상기 데이터는 상기 조정 모델들의 라이브러리로부터 상기 조정 모델을 선택함에 있어서 상기 원격 사이트에서 사용가능한 것을 특징으로 하는, 샘플 물질 분석 방법.
  6. 제4항 또는 제5항에 있어서,
    미리 정해진 조건이 수행되면 상기 데이터 프로세서에 의한 접근으로부터 상기 선택된 조정 모델을 제거하는 단계가 제공되고, 상기 데이터 프로세서에 의한 상기 모델로의 일시적인 접근을 생성하기 위해 선택되는 것을 특징으로 하는, 샘플 물질 분석 방법.
  7. 제6항에 있어서,
    상기 미리 정해진 조건은 목적하는 형질에 대한 단일(single) 판정의 완성인 것을 특징으로 하는, 샘플 물질 분석 방법.
KR1020077021432A 2005-05-25 2006-05-24 분산형 분석 시스템 KR20080014735A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
SE0501194 2005-05-25
SE0501194-5 2005-05-25

Publications (1)

Publication Number Publication Date
KR20080014735A true KR20080014735A (ko) 2008-02-14

Family

ID=37452283

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020077021432A KR20080014735A (ko) 2005-05-25 2006-05-24 분산형 분석 시스템

Country Status (9)

Country Link
US (1) US7630848B2 (ko)
EP (1) EP1891563A4 (ko)
JP (1) JP5161073B2 (ko)
KR (1) KR20080014735A (ko)
CN (1) CN101180628B (ko)
AU (1) AU2006250020B2 (ko)
CA (1) CA2599725A1 (ko)
RU (1) RU2427872C2 (ko)
WO (1) WO2006126950A1 (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2464734A (en) * 2008-10-24 2010-04-28 Transense Technologies Plc Providing sensor device specific calibration coefficients for sensor based measurements
US9842252B2 (en) 2009-05-29 2017-12-12 Monsanto Technology Llc Systems and methods for use in characterizing agricultural products
CN103605310A (zh) * 2013-12-02 2014-02-26 天津光电通信技术有限公司 仪器仪表智能管控单元
US11093869B2 (en) 2014-02-13 2021-08-17 Brewmetrix Inc. Analytical system with iterative method of analyzing data in web-based data processor with results display designed for non-experts
RU2622880C2 (ru) * 2014-08-22 2017-06-20 Нокиа Текнолоджиз Ой Обработка информации датчика
EP3611479B1 (en) * 2015-10-28 2021-03-24 Nokia Technologies Oy Sensor array comprising a plurality of apparatus and method for forming such a sensor array
EP4241680A3 (en) * 2016-10-18 2023-11-15 DexCom, Inc. System and method for communication of analyte data
DE102018103509B3 (de) * 2017-10-11 2018-12-13 Carl Zeiss Spectroscopy Gmbh Mobiles Inhaltsstoffanalysesystem sowie Verfahren zur probenrichtigen Messung und Nutzerführung mit diesem
WO2024046603A1 (en) 2022-08-29 2024-03-07 Büchi Labortechnik AG Methods for providing a predictive model for spectroscopy and calibrating a spectroscopic device

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5537336A (en) * 1994-03-30 1996-07-16 On-Site Analysis, Inc. On-site oil analyzer
US6161028A (en) * 1999-03-10 2000-12-12 Optiscan Biomedical Corporation Method for determining analyte concentration using periodic temperature modulation and phase detection
US6830731B1 (en) * 1998-01-05 2004-12-14 Biosite, Inc. Immunoassay fluorometer
US20020049694A1 (en) * 1998-07-27 2002-04-25 J. Wallace Parce Distributed database for analytical instruments
US6837095B2 (en) * 1999-03-03 2005-01-04 Smiths Detection - Pasadena, Inc. Apparatus, systems and methods for detecting and transmitting sensory data over a computer network
WO2000052444A2 (en) * 1999-03-03 2000-09-08 Cyrano Sciences, Inc. Apparatus, systems and methods for detecting and transmitting sensory data over a computer network
US6751576B2 (en) * 2000-03-10 2004-06-15 Cognis Corporation On-site agricultural product analysis system and method of analyzing
US6413213B1 (en) * 2000-04-18 2002-07-02 Roche Diagnostics Corporation Subscription based monitoring system and method
NZ504536A (en) * 2000-05-12 2001-11-30 Agres Ltd Remote analysis and calibration of near infra-red spectrophotometer data
US6560546B1 (en) * 2000-08-07 2003-05-06 Infrasoft Llc Remote analysis system
US7194369B2 (en) * 2001-07-23 2007-03-20 Cognis Corporation On-site analysis system with central processor and method of analyzing

Also Published As

Publication number Publication date
US20060271319A1 (en) 2006-11-30
US7630848B2 (en) 2009-12-08
JP2008542711A (ja) 2008-11-27
CN101180628B (zh) 2011-04-13
AU2006250020B2 (en) 2010-12-09
CN101180628A (zh) 2008-05-14
EP1891563A1 (en) 2008-02-27
WO2006126950A1 (en) 2006-11-30
RU2427872C2 (ru) 2011-08-27
CA2599725A1 (en) 2006-11-30
EP1891563A4 (en) 2014-03-05
JP5161073B2 (ja) 2013-03-13
AU2006250020A1 (en) 2006-11-30
RU2007142395A (ru) 2009-06-27

Similar Documents

Publication Publication Date Title
KR20080014735A (ko) 분산형 분석 시스템
de la Roza-Delgado et al. Matching portable NIRS instruments for in situ monitoring indicators of milk composition
Mooers et al. Using phylogenies to test macroevolutionary hypotheses of trait evolution in cranes (Gruinae)
Tardaguila et al. Non‐destructive assessment of grapevine water status in the field using a portable NIR spectrophotometer
Fritsche‐Neto et al. Phenomics
US6958479B2 (en) Method of processing data from a spectrophotometer
McGrath et al. The potential of handheld near infrared spectroscopy to detect food adulteration: Results of a global, multi-instrument inter-laboratory study
WO2000071993A1 (en) Near infrared spectroscopy system and method for the identification of genetically modified grain
Westerhaus et al. Quantitative analysis
Chopin et al. Land-based crop phenotyping by image analysis: consistent canopy characterization from inconsistent field illumination
Borraz-Martínez et al. Multivariate classification of prunus dulcis varieties using leaves of nursery plants and near-infrared spectroscopy
US11093869B2 (en) Analytical system with iterative method of analyzing data in web-based data processor with results display designed for non-experts
Wachendorf et al. Prediction of the clover content of red clover‐and white clover‐grass mixtures by near‐infrared reflectance spectroscopy
Diaz-Garcia et al. GiNA, an efficient and high-throughput software for horticultural phenotyping
JP6807319B2 (ja) 自動定量的回帰
JP4880734B2 (ja) 測定器具の標準化のための方法および装置
Hershberger et al. Low‐cost, handheld near‐infrared spectroscopy for root dry matter content prediction in cassava
Jørgensen et al. Spectral reflectance at sub‐leaf scale including the spatial distribution discriminating NPK stress characteristics in barley using multiway partial least squares regression
Clohessy et al. A Low‐Cost Automated System for High‐Throughput Phenotyping of Single Oat Seeds
US10515316B2 (en) System and method for using data obtained from a group of geographically dispersed magnetic resonance systems to optimize customer-specific clinical, operational and/or financial performance
Montes et al. Quality assessment of rapeseed accessions by means of near‐infrared spectroscopy on combine harvesters
EP4280171A1 (en) Analysing biomaterials
Sørensen et al. Mass spectrometry and partial least‐squares regression: a tool for identification of wheat variety and end‐use quality
Rinnan et al. Significance of the structure of data in partial least squares regression predictions involving both natural and human experimental design
Westerhaus Eastern analytical symposium award for outstanding achievements in near infrared spectroscopy: my contributions to near infrared spectroscopy

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application