WO2024053328A1 - 分析システム、及び、分析方法 - Google Patents

分析システム、及び、分析方法 Download PDF

Info

Publication number
WO2024053328A1
WO2024053328A1 PCT/JP2023/029084 JP2023029084W WO2024053328A1 WO 2024053328 A1 WO2024053328 A1 WO 2024053328A1 JP 2023029084 W JP2023029084 W JP 2023029084W WO 2024053328 A1 WO2024053328 A1 WO 2024053328A1
Authority
WO
WIPO (PCT)
Prior art keywords
particulate matter
data
analysis
regarding
data regarding
Prior art date
Application number
PCT/JP2023/029084
Other languages
English (en)
French (fr)
Inventor
絵里佳 松本
翔太 山渡
潤 廣瀬
Original Assignee
株式会社堀場製作所
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 株式会社堀場製作所 filed Critical 株式会社堀場製作所
Publication of WO2024053328A1 publication Critical patent/WO2024053328A1/ja

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
    • G01N1/02—Devices for withdrawing samples
    • 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/2206—Combination of two or more measurements, at least one measurement being that of secondary emission, e.g. combination of secondary electron [SE] measurement and back-scattered electron [BSE] measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence

Definitions

  • the present invention relates to an analysis system that performs analysis regarding the environment within a predetermined facility, and an analysis method regarding the environment within the predetermined facility.
  • Obtain data on particulate matter such as information on elements contained in particulate matter that exists in the atmosphere (e.g. elements contained in particulate matter, content of the element), and based on the obtained data.
  • a system for analyzing particulate matter is known (for example, see Patent Document 1).
  • An object of the present invention is to monitor the environment within a predetermined facility in chronological order at short time intervals.
  • An analysis system is a system that performs analysis regarding the environment within a predetermined facility.
  • the analysis system includes a data acquisition section and an analysis section.
  • the data acquisition unit collects particulate matter existing within a predetermined facility at a predetermined period, and calculates time-series data regarding the collected particulate matter.
  • the analysis unit acquires environmental information regarding the environment within a predetermined facility based on the data regarding particulate matter calculated by the data acquisition unit.
  • the data regarding particulate matter includes elemental data regarding elements contained in particulate matter.
  • the above-mentioned analysis system collects particulate matter existing within a given facility in a short time period and calculates data related to the particulate matter in a short time period. Calculating time series data. Additionally, environmental information regarding the environment within a given facility is acquired based on time-series data regarding particulate matter. Thereby, the environment within a predetermined facility can be monitored in chronological order at short time intervals. Furthermore, by including elemental data regarding elements contained in particulate matter, it is possible to predict the nature of particulate matter existing within a given facility, so the environment within a given facility can be predicted. Can be monitored in detail.
  • the data acquisition unit may collect particulate matter at multiple locations within a predetermined facility, and calculate data regarding particulate matter at each of the multiple locations.
  • the above analysis system may further include an output section.
  • the output unit simultaneously outputs data regarding particulate matter at each of the plurality of locations. This makes it possible to visually confirm temporal changes in particulate matter at multiple locations within a given facility. Further, based on temporal changes in particulate matter, changes in the environment within a predetermined facility can be monitored in detail over time.
  • the environmental information may include a correlation between data regarding the plurality of particulate matter.
  • the data acquisition unit may include a collection unit that collects particulate matter within a predetermined facility.
  • the collection section may have a plurality of ends that extend to a plurality of locations within a given facility and collect particulate matter from the plurality of locations.
  • one data acquisition section can collect particulate matter at a plurality of locations within a predetermined facility.
  • the above analysis system may further include an output unit that outputs a scatter diagram of a plurality of elemental data. This makes it possible to visually confirm the correlation between multiple elements contained in the particulate matter.
  • the data regarding particulate matter may include data regarding the mass concentration of particulate matter. This makes it possible to obtain information regarding the amount (concentration) of particulate matter contained within a given facility. As a result, the environment within a given facility can be monitored in detail.
  • the data acquisition unit may include a particle sizer that separates the particulate matter by particle size. Thereby, data regarding particulate matter having a specific particle size can be obtained. As a result, the environment within a given facility can be monitored in detail.
  • An analysis method is an analysis method for analyzing the environment within a predetermined facility.
  • the analysis method includes the following steps. ⁇ Step of collecting particulate matter existing within a predetermined facility at a predetermined period. ⁇ Step of calculating time-series data regarding collected particulate matter. ⁇ A step of acquiring environmental information regarding the environment within a predetermined facility based on the calculated data regarding particulate matter.
  • particulate matter present in a given facility is collected in a short time period, and data regarding the particulate matter is calculated in a short time period, thereby calculating time-series data regarding particulate matter. are doing. Additionally, environmental information regarding the environment within a given facility is acquired based on time-series data regarding particulate matter. Thereby, the environment within a predetermined facility can be monitored in chronological order at short time intervals.
  • the environment within the predetermined facility can be monitored chronologically in short time cycles.
  • a diagram showing the configuration of an analysis system The figure which shows the example of a structure of an analyzer. The figure which shows an example of the collection part which has several other ends. The figure which shows the functional block structure of the analysis server. The figure which shows an example which displayed the graph of several data simultaneously. Flowchart showing peak search operation. Flowchart showing automatic correlation calculation operation. The figure which shows the example of the scatter diagram when multiple correlations are seen between two data. The figure which shows an example when only the scatter diagram with a large correlation is displayed. The figure which shows an example when the scatter diagram with large correlation is displayed highlighted. The figure which shows an example of the state where the change over time of the value of two data with a large correlation is displayed graphically. The figure which shows the example of a graph display of data.
  • FIG. 1 is a diagram showing the configuration of an analysis system.
  • the analysis system 100 is a system that mainly includes a data acquisition section 1 and an analysis server 3.
  • the data acquisition unit 1 has an analysis device 11.
  • the analyzer 11 collects particulate matter present in a plurality of locations within a predetermined facility at a predetermined period, and calculates data regarding the collected particulate matter at the predetermined period. Calculate series data. Note that data regarding particulate matter is calculated for each of a plurality of locations where particulate matter is collected.
  • the analysis server 3 is a computer system composed of a CPU, a storage device (RAM, ROM, SSD, HDD, etc.), various interfaces, and the like.
  • the analysis server 3 is connected to the data acquisition unit 1 and acquires information regarding the environment within a predetermined facility (environmental information) based on data regarding particulate matter acquired by the data acquisition unit 1. This time, we have discovered that the environment within a given facility can be monitored by analyzing the particulate matter present within the facility.
  • the analysis server 3 is connected to the client terminal 5.
  • the client terminal 5 is an information terminal used by a user, such as a personal computer, a tablet terminal, or a smartphone. The user can access the analysis server 3 using the client terminal 5 and view the environmental information acquired by the analysis server 3.
  • FIG. 1 shows an example of an analysis system 100 in which one data acquisition unit 1, one analysis server 3, and one client terminal 5 are provided, the data acquisition unit 1, analysis server 3 in the analysis system 100 , and the number of client terminals 5 are arbitrary.
  • the predetermined facilities targeted for analysis by the above analysis system 100 include, for example, indoor factories where various products are manufactured, clean rooms, indoor inspection sites for various products (for example, vehicles), and the like.
  • indoor factories where various products are manufactured
  • clean rooms indoor inspection sites for various products (for example, vehicles), and the like.
  • particulate matter of gold (Au) and chromium (Cr) alone or alloys of these metals used for wiring may be generated from sputtering equipment, etc. be.
  • particulate matter containing iodine (I) may be generated. Such particulate matter can affect the environment in indoor factories and clean rooms.
  • particulate matter containing titanium (Ti) and tire components may be generated from the vehicle.
  • particulate matter containing solder components (tin (Sn) and other metals) may be generated.
  • solder components tin (Sn) and other metals
  • the data acquisition unit 1 includes a plurality of analysis devices 11 and a data collection device 17.
  • the analyzer 11 collects gas (air) within a predetermined facility at predetermined time intervals (for example, every hour), collects particulate matter contained in the gas in a collection filter, and collects the particulate matter contained in the gas.
  • the mass concentration of the particulate matter and information regarding the elements contained in the particulate matter are calculated as data RD regarding the particulate matter.
  • the analyzer 11 calculates the data RD regarding the particulate matter each time particulate matter is collected. “Mass concentration” is defined as the mass of particulate matter contained in the total volume of gas collected, expressed as a value per unit volume of gas collected (units are e.g. ⁇ g/m 3 ).
  • element content has the following two types of definitions.
  • “element content” is defined as the mass of the target element (or substance) contained in the total mass of the collected particulate matter. Defined as a percentage of the contained mass of an element (substance) (unit: mg/mg, for example).
  • the second definition defines "element content” as the amount of a specific element contained in particulate matter in the total volume of gas collected, expressed as the value per unit volume of gas. (Units are, for example, ng/m 3 ).
  • the information regarding the elements contained in the particulate matter may include information regarding the elements contained in the particulate matter (for example, element ratio). Since the data acquisition unit 1 includes the analyzer 11, the analysis system 100 analyzes the particulate matter based on the mass concentration of the particulate matter and/or the characteristics extracted from the information regarding the elements contained in the particulate matter. can perform analysis on
  • Particulate matter may vary depending on the source, but examples include gold (Au), chromium (Cr), titanium (Ti), iodine (I), tin (Sn), copper (Cu), and iron (Fe). , aluminum (Al), silicon (Si), lead (Pb), zinc (Zn), mercury (Hg), vanadium (V), calcium (Ca), potassium (K), arsenic (As), selenium (Se) , sulfur (S), and elements that cause a flame reaction (for example, strontium (Sr)).
  • the analyzer 11 can acquire at least information regarding these elements and other elements (elements included, content of the elements).
  • the data collection device 17 is a data logger that acquires data RD regarding particulate matter acquired by the plurality of analysis devices 11 and sends it to the analysis server 3.
  • the data collection device 17 determines the timing for acquiring data RD regarding particulate matter from each analysis device, taking into account the time lag between each analysis device and the data collection device 17. Thereby, the data collection device 17 does not miss the data RD obtained by each analysis device.
  • the data collection device 17 associates the data RD obtained from each analysis device with the time (time stamp) at which the data RD was obtained.
  • the data collection device 17 also transmits a time stamp associated with the data RD to the analysis server 3.
  • the data acquisition unit 1 can acquire information regarding the mass concentration of particulate matter and the elements contained in the particulate matter as data RD related to particulate matter, and provide it to the analysis server 3. . Furthermore, since the analyzer 11 calculates the data RD at every predetermined time when particulate matter is collected, the data RD is data whose results change over time. That is, the data RD is time-series data in which results (values, etc.) acquired at each time are arranged in chronological order.
  • an analysis device other than the above analysis device 11 may be connected to the data collection device 17.
  • devices that measure wind direction and wind speed within a predetermined facility, gas components contained within a predetermined facility e.g., hydrocarbons, carbon monoxide (CO), carbon dioxide (CO 2 ), nitrogen oxides (NO x ), ozone (O 3 ), sulfur oxides (SO x ), hydrogen sulfide (H 2 S), and/or volatile organic compounds (Volatile Organic
  • the data collection device 17 includes a device that analyzes chemical compounds, VOC, etc.), a device that measures temperature, humidity, pressure, etc. in a predetermined facility, and a device that measures the flow rate of gas and liquid used in a predetermined facility. may be connected to.
  • FIG. 2 is a diagram showing an example of the configuration of the analyzer.
  • the analysis device 11 includes a collection filter 111 , a collection section 113 , a first analysis section 115 , a second analysis section 117 , and a control section 119 .
  • the collection filter 111 is made of, for example, a porous fluororesin material having pores capable of collecting particulate matter on a reinforcing layer made of a nonwoven fabric of a polymeric material (such as polyethylene). It is a tape-shaped member formed by laminating collection layers (sometimes called collection regions). As the collection filter 111, other filters such as a single layer glass filter or a single layer filter made of a fluororesin material can also be used.
  • the collection filter 111 is moved in the length direction (in the direction indicated by the thick arrow in FIG. 2) by winding up the collection filter 111 sent out from the delivery reel 111a by the rotation of the take-up reel 111b. Can be moved.
  • One end of the collection section 113 is provided so as to correspond to the first position P1 in the length direction of the collection filter 111.
  • the other end of the collection unit 113 is installed at a predetermined position within a predetermined facility to be analyzed.
  • the other end of the collection unit 113 is installed within a predetermined facility, for example, upstream and downstream of a source of particulate matter and a location where particulate matter moves with the atmosphere.
  • the portion from the collection part 113 to a particle sizer 113a which will be described later, is formed of, for example, a pipe.
  • a heater or the like is provided on the particle sizer 113a side to move the gas containing particulate matter to the analyzer 11. In the meantime, moisture contained in the gas may be removed.
  • a filter may be provided at the other end of the collection unit 113 to remove particles that are not to be analyzed.
  • each of the plurality of other ends 113b of the collection section 113 is extended to a desired location of a predetermined facility to be analyzed via a valve 113c, thereby Particulate matter can be collected from any of these locations.
  • the location from which particulate matter is collected can be selected by opening one of the plurality of valves 113c and closing the others.
  • FIG. 3 is a diagram showing an example of a collecting section having a plurality of other ends.
  • clean gas is supplied to the part from the other end of the collection section 113 to the particle sizer 113a to clean the part. You may also do so.
  • the collection unit 113 sucks the air through the pipe or the like by the suction force of the suction port 135 connected to the suction pump 131, and sends the air from the exhaust port 133 to the first position P1 of the collection filter 111. Particulate matter contained in the atmosphere is collected in the collection area by spraying it onto the collection area.
  • a particle sizer 113a is provided in the collection section 113 between the other end of the collection section 113 and the discharge port 133.
  • the particle sizer 113a separates the particulate matter sucked by the collection unit 113 into particles according to particle size.
  • the particle sizer 113a is, for example, an impactor type particle sizer.
  • the particle sizer 113a separates particulate matter having a particle size of about 2.5 ⁇ m or about 10 ⁇ m, for example, and causes the collection filter 111 to collect the particulate matter. Thereby, data RD regarding particulate matter having a specific particle size can be obtained. As a result, the environment within a given facility can be monitored in detail.
  • the first analysis unit 115 measures the amount of particulate matter collected by the collection filter 111.
  • the first analysis unit 115 includes a ⁇ -ray source 51 and a ⁇ -ray detector 53.
  • the ⁇ -ray source 51 is provided at the discharge port 133 of the collection unit 113 and emits ⁇ -rays to the collection area of the collection filter 111 arranged at the first position P1.
  • the ⁇ -ray source 51 is, for example, a ⁇ -ray source using carbon-14 (14C).
  • the ⁇ -ray detector 53 is provided to face the ⁇ -ray source 51 at the suction port 135 of the collection unit 113, and the ⁇ -ray detector 53 has an intensity of ⁇ -rays transmitted through the particulate matter collected in the collection area at the first position P1. Measure.
  • the ⁇ -ray detector 53 is, for example, a photomultiplier tube equipped with a scintillator. The amount of trapped particulate matter (mass concentration) is calculated based on the intensity of ⁇ -rays measured by the ⁇ -ray detector 53.
  • the second analysis unit 117 is provided to correspond to a second position P2 in the length direction of the collection filter 111, and measures data regarding fluorescent X-rays generated from particulate matter present at the second position P2.
  • the second analysis section 117 includes an X-ray source 71 and a detector 73.
  • the X-ray source 71 irradiates the particulate matter present at the second position P2 with X-rays.
  • the X-ray source 71 is, for example, a device that irradiates metal such as palladium with an electron beam to generate X-rays.
  • the detector 73 detects fluorescent X-rays generated from particulate matter.
  • the detector 73 is, for example, a silicon semiconductor detector or a silicon drift detector.
  • the control unit 119 calculates data for calculating the mass concentration of particulate matter using the first analysis unit 115 provided at the first position P1. Further, the control unit 119 controls the take-up reel 111b to move the collection filter 111 in order to calculate the elemental analysis result using the second analysis unit 117 provided at the second position P2. Specifically, the control unit 119 controls the collection area ( (area in which particulate matter has been collected) is moved from the first position P1 where the first analysis section 115 is provided toward the second position P2 where the second analysis section 117 is provided.
  • the control unit 119 irradiates X-rays from the X-ray source 71 toward the second position P2, and the irradiation of the X-rays removes particulate matter generated from the collection area.
  • the fluorescent X-rays obtained are obtained as data for elemental analysis.
  • the control unit 119 calculates the mass concentration of particulate matter as data RD regarding particulate matter. Further, the control unit 119 acquires fluorescent X-ray data (for example, a fluorescent X-ray spectrum) obtained by the second analysis unit 117, and determines the elements contained in the particulate matter based on the fluorescent X-ray data. The content is calculated as data RD regarding particulate matter. The above calculated data RD is transmitted to the data collection device 17.
  • fluorescent X-ray data for example, a fluorescent X-ray spectrum
  • FIG. 4 is a diagram showing the functional block configuration of the analysis server.
  • the functional blocks of the analysis server 3 described below may be stored in the storage device of the analysis server 3 and realized by a program executable by the analysis server 3. Furthermore, some of the functional blocks may be realized by hardware that constitutes the analysis server 3.
  • the analysis server 3 includes a storage section 31, a data reception section 33, an analysis section 35, and an output section 37 as functional blocks.
  • the storage unit 31 stores various data, programs, setting values, etc. used in the analysis server 3. Specifically, the storage unit 31 stores the data RD acquired by the data acquisition unit 1. By having the storage unit 31, the analysis server 3 functions as a database of data RD.
  • the data reception unit 33 receives the data RD from the data collection device 17 of the data acquisition unit 1 and stores it in the storage unit 31.
  • the data receiving unit 33 receives the data RD accumulated in the data collecting device 17 at a predetermined timing. Note that the data reception unit 33 may receive the data RD via the data collection device 17 immediately after each analysis device 11 outputs the data RD (that is, it may not accumulate the data RD in the data collection device 17). , the data RD may be received at a timing when the data RD has been accumulated in the data collection device 17 to some extent.
  • the analysis unit 35 extracts features included in the data RD by executing a predetermined feature extraction process using the data RD stored in the storage unit 31 as input. Specifically, the analysis unit 35 has a function to search for peak values (instantaneous values) included in the data RD (peak search function), a function to calculate the average value or median value of the values included in the data RD (average value calculation function) and a function that automatically calculates the correlation between a plurality of data RD (automatic correlation calculation function), and obtain the results calculated by these functions as environmental information regarding the environment within a predetermined facility.
  • peak search function peak search function
  • a function to calculate the average value or median value of the values included in the data RD average value calculation function
  • a function that automatically calculates the correlation between a plurality of data RD automatic correlation calculation function
  • the analysis unit 35 may perform the peak search function, the average value calculation function, and the automatic correlation calculation function based on instructions from the client terminal 5, or may perform them automatically at predetermined timing. Further, when executing the automatic correlation calculation function, a plurality of data RDs for which correlations are to be calculated may be selectable by the user using the client terminal 5, or the analysis unit 35 may calculate the correlations. A plurality of data RDs to be calculated may be automatically extracted.
  • the output unit 37 outputs the environmental information acquired by the analysis unit 35 to the client terminal 5.
  • the output section 37 displays the time at which the peak value occurs on the client terminal 5.
  • the output unit 37 displays information regarding the calculated average value or median value on the client terminal 5. Note that when outputting the peak value occurrence time and/or average value, a link related to the data RD where the peak value occurred and/or the data RD where the average value or median value was calculated may be attached. . When this link is selected, the output unit 37 may display the data value of the corresponding data RD and/or the graph of the corresponding data RD on the client terminal 5.
  • the output unit 37 causes the client terminal 5 to display a scatter diagram of the plurality of data RD used to calculate the correlation.
  • the output unit 37 can generate and display a scatter diagram of values (contents) included in the element data for a combination of data RD (element data) regarding the content of two elements for which the correlation has been calculated.
  • the output unit 37 can display a scatter diagram for a plurality of data RD specified by the user using the client terminal 5. For example, for a plurality of elements selected by the user using the client terminal 5, the output unit 37 can generate and display a content scatter diagram for a combination of two elements among the plurality of elements. For example, if three elements are selected by the user, a scatter diagram of the content of the two elements is displayed for each combination (three combinations) of two elements further selected from the three elements. can be displayed on the client terminal 5. Thereby, the user can visually confirm the correlation among the data RD regarding a plurality of particulate substances.
  • the output unit 37 outputs scatter diagrams for combinations of data RD with high correlation. Scatterplots may be highlighted.
  • the output unit 37 collects particulate matter at each of the plurality of locations.
  • a graph of data RD regarding particulate matter may be displayed on the client terminal 5 at the same time. For example, when data RD regarding particulate matter is calculated for locations A, B, and C within a predetermined facility, three graphs as shown in FIG. 5 can be displayed simultaneously.
  • FIG. 5 is a diagram showing an example in which graphs of a plurality of data are displayed simultaneously.
  • FIG. 6 is a flowchart showing the peak search operation.
  • the peak search operation shown in the flowchart of FIG. 6 is executed by the analysis server 3.
  • the peak search operation may be performed on all data RD (including values that change over time) stored in the storage unit 31, or may be performed on a plurality of data RD specified in advance. It may also be executed. For example, it can be performed on data RD (for example, data RD regarding the content of a specific element) acquired during a period in which a specific wind direction is indicated. For example, the state of particulate matter from a specific source can be monitored by peak searching the data RD obtained during a specific wind direction.
  • the analysis unit 35 searches for a peak value included in the data RD that is the target of the peak search. For example, when the data RD is data on the content of an element contained in particulate matter, the peak value of the content is searched. For example, the analysis unit 35 scans the values included in the data RD one by one, and if the currently scanned value is larger than the values before and after it, the analyzer 35 determines the currently scanned value as the sub-peak value, The maximum value among all sub-peak values included in the data RD is determined as the peak value.
  • Step S12 the analysis unit 35 notifies the output unit 37 of the time at which this peak value occurred and information identifying the data RD including this peak value.
  • the output unit 37 which has received the above-mentioned time and identification information of the data RD, causes the client terminal 5 to display the time at which the peak value occurred in step S13. Furthermore, the output unit 37 causes the client terminal 5 to display a graph showing changes over time in the values in the data RD, based on the information identifying the data RD determined in step S12.
  • the analysis server 3 can automatically extract peak values included in the data RD efficiently and accurately. Furthermore, by displaying the data RD including peak values in a graph as shown in FIG. 12 on the client terminal 5, the user can visually confirm, for example, changes over time in the data RD including abnormalities.
  • FIG. 12 is a diagram showing an example of a graph display of data.
  • FIG. 7 is a flowchart showing the automatic correlation calculation operation.
  • the automatic correlation calculation operation shown in the flowchart of FIG. 7 is executed by the analysis server 3.
  • step S31 the analysis unit 35 selects a plurality of data RD (two data RD) for which a correlation is to be calculated.
  • the user uses the client terminal 5 to select a plurality of data RD of which the correlation is to be investigated (a plurality of data items of which the correlation is to be investigated).
  • the analysis unit 35 which has received the selection result by the user, selects two data RDs for which a correlation is to be calculated from the plurality of data RDs selected by the user.
  • the analysis unit 35 may automatically select two data RD whose correlation is desired to be examined from all the data RD stored in the storage unit 31.
  • step S32 the analysis unit 35 calculates the correlation between the two data RD selected by executing step S31. Specifically, the analysis unit 35 uses the value included in one of the two data RD as the first element (x) and the value included in the other as the second element (y), and calculates the value of the two data RD. The coefficient of determination (square of the correlation coefficient) representing the degree of correlation is calculated.
  • the value of the data RD is acquired at every predetermined time, so the data RD includes a plurality of values that change over time.
  • the data RD contains many values, that is, when the data RD is obtained as a result of long-term measurements, multiple large correlations can be found between the two data RD, as shown in Figure 8.
  • FIG. 8 shows an example of a scatter diagram when a plurality of correlations are found between two data.
  • Multiple large correlations between multiple data RDs may indicate, for example, that the characteristics of particulate matter collected at a specific location within a given facility have changed during the acquisition period of the data RDs. There is. In other words, this indicates the possibility that the environment at a specific location within a predetermined facility has changed. In analyzing particulate matter, it is important to understand at what timing during the data RD acquisition period the characteristics of particulate matter change.
  • the analysis unit 35 not only calculates the coefficient of determination using the values of the entire period for which the data RD was acquired, but also divides the period into a plurality of sub-periods and calculates the coefficient of determination using the values within the sub-periods. calculate. For example, if the data RD to be examined for correlation is data acquired over a period of one year, the coefficient of determination is calculated using the values of the first month included in the data RD, and the values of the next month are calculated. By repeatedly calculating the coefficient of determination using the method, a total of 12 coefficients of determination can be calculated for the data RD acquired over one year.
  • the above short period may be variable.
  • the coefficient of determination can be calculated using the values for the first month included in the data RD, and then the coefficient of determination can be calculated using the values for the first two months included in the data RD.
  • the coefficient of determination can be set flexibly, it is possible to specify in which period there is a change in the data correlation. For example, while there is no significant correlation between the data RD for the first month (the coefficient of determination is small), there is a relatively large correlation between the data RD for the first two months (the coefficient of determination is relatively small). (large), it can be identified that there has been a change in the correlation of data RD during at least the latter month of the two months. In other words, it can be determined that the characteristics of the particulate matter have changed during at least the second half of the month.
  • the above-mentioned small period may be divided into smaller sections, and the coefficient of determination may be calculated for each small section.
  • data RD acquired over one year can be divided into one-month sub-periods, and the one-month sub-periods can be further divided into one-week sub-sections. In this case, it is possible to obtain more detailed information regarding the event that occurred in the small section.
  • the above-mentioned small section may be variable like the small period.
  • the analysis unit 35 may notify the output unit 37 of information identifying the two data RD for which the large coefficient of determination was calculated. At this time, the analysis unit 35 may notify the output unit 37 of information identifying the two data RD as well as information regarding the period during which the coefficient of determination is large. Furthermore, the output unit 37 may display this information on the client terminal 5 as environmental information.
  • the output unit 37 causes the client terminal 5 to display a scatter diagram for the combinations of data RD for which correlations have been calculated.
  • the output unit 37 may generate a scatter diagram of the values of the two highly correlated data RD within the notified period and output it to the client terminal 5, as shown in FIG.
  • FIG. 9 is a diagram illustrating an example of displaying only scatter diagrams with large correlations.
  • FIG. 10 is a diagram illustrating an example of a case where a scatter diagram with a large correlation is highlighted.
  • the output unit 37 outputs the data RD with high correlation over time based on the information identifying the two data RD notified from the analysis unit 35 and the period during which the correlation between the two data RD was high. Changes can be displayed graphically. It can be arbitrarily determined whether to display a scatter diagram, a graph of changes over time, or both.
  • the analysis server 3 can automatically and efficiently extract features related to the correlation of the plurality of data RD. For example, if there is a large correlation between the contents of multiple elements, it is assumed that particulate matter with the same content (element ratio) of the multiple elements was measured during the period in which the correlation was observed. I can guess.
  • the data RD is data representing the content of elements contained in particulate matter
  • a high correlation between the contents of a plurality of elements means that the particulate matter contains a plurality of highly correlated elements at a constant composition ratio.
  • the types and composition ratios of elements contained in particulate matter largely depend on the characteristics of particulate matter, such as the source and/or generation conditions of particulate matter.
  • the user can, for example, visually check the temporal changes in the correlations and understand the changes in the characteristics of particulate matter. It is possible to estimate at what timing and from which source particulate matter is being generated, and/or how the conditions for generating particulate matter have changed at what timing.
  • FIG. 11 is a diagram illustrating an example of a state in which changes over time in the values of two highly correlated data are displayed graphically.
  • Figure 11 shows the changes over time in the content of element C and the content of element D by specifying a scatter diagram between the content of element C and the content of element D, which have a large correlation as shown in Figure 9. This is an example in which changes in content over time are displayed side by side in a graph.
  • period the correlation between the two data RD becomes large using only a scatter diagram as shown in Fig. 9, but by displaying the changes over time in a graph as shown in Fig. 11, it is unclear in which period the correlation becomes large. It can be estimated whether the In the example shown in FIG. 11, between time T1 and time T2, the tendency of increase/decrease in the content of element C and the tendency of increase/decrease in the content of element D are the same, and during this period, the tendency of increase/decrease in the content of element C is the same. It can be estimated that the correlation between the content and the content of element D is large.
  • the output unit 37 may color-code the points of the data RD during the period in which the correlation was high and output them to the client terminal 5.
  • the plurality of correlations between the two data RDs that have high correlations can be identified by the colors of the points on the scatter diagram. For example, if two data RDs are data regarding particulate matter generated from the same source, it can be visually shown that the properties of the particulate matter (e.g., elemental composition ratios, etc.) change over time. Can be confirmed.
  • the above peak search function and average value calculation function may be provided in the data collection device 17 of the data acquisition unit 1.
  • the data collection device 17, which has a peak search function and an average value calculation function checks whether the data RD accumulated in the data collection device 17 includes a peak value that is equal to or higher than a first threshold value, and/or whether the data RD stored in the data collection device 17 contains a peak value equal to or higher than a second threshold value. If an average value is included, a notification to that effect and/or a warning may be sent to the outside via e-mail.
  • the data collection device 17 can issue a warning email.
  • the analysis system 100 is a so-called "client-server system” having the analysis server 3, but the present invention is not limited to this.
  • the data acquisition unit 1 each analysis device thereof, or the data collection device 17
  • the data acquisition unit 1 may be provided with the functions of the analysis unit 35 and/or the output unit 37 to create an analysis system as so-called “edge computing”. You can also do it.
  • the data acquisition unit 1 may transmit the features extracted from the data RD to the analysis server in addition to the data RD.
  • the analysis unit 35 may implement the feature extraction process using a machine learning algorithm such as a neural network, for example. Specifically, for example, a trained model of a neural network is generated using data RD having a feature to be extracted and the features of this data RD as teacher data, and this can be used as the analysis unit 35 . By inputting the data RD to be analyzed into the analysis unit 35, which is a learning model, features included in the data RD can be extracted.
  • a machine learning algorithm such as a neural network
  • the analysis unit 35 can extract features included in the data RD using other statistical analysis methods such as data mining on the data RD.
  • the analysis unit 35 extracts the features included in the data RD by setting a predetermined threshold and executing a number of algorithms to determine whether the data value included in the data RD exceeds the threshold. Good too.
  • the present invention can be widely applied to analysis systems for analysis regarding particulate matter.
  • Analysis system 1 Data acquisition part 11 : Analyzer 111 : Collection filter 111a : Delivery reel 111b : Take-up reel 113 : Collection part 113a : Particle sizer 113b : Other end 113c : Valve 115 : First analysis part 117: Second analysis section 119: Control section 131: Suction pump 133: Discharge port 135: Suction port 51: ⁇ -ray source 53: ⁇ -ray detector 71: X-ray source 73: Detector 17: Data collection device 3: Analysis Server 31: Storage section 33: Data receiving section 35: Analysis section 37: Output section 5: Client terminal

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Sampling And Sample Adjustment (AREA)

Abstract

所定の施設内の環境を短い時間周期で時系列に監視する。分析システム（１００）は、データ取得部（１）と、分析部（３５）と、を備える。データ取得部（１）は、所定の施設内に存在する粒子状物質を所定の周期で収集し、収集した粒子状物質に関する時系列のデータ（ＲＤ）を算出する。分析部（３５）は、データ取得部（１）で算出した粒子状物質に関するデータ（ＲＤ）に基づいて、所定の施設内の環境に関する環境情報を取得する。粒子状物質に関するデータ（ＲＤ）は、粒子状物質に含まれる元素に関する元素データを含む。

Description

分析システム、及び、分析方法
　本発明は、所定の設備内の環境に関する分析を行う分析システム、及び、所定の設備内の環境に関する分析方法に関する。
　大気中などに存在する粒子状物質に含まれる元素に関する情報（例えば、粒子状物質に含まれる元素、当該元素の含有量）などの粒子状物質に関するデータを取得し、得られたデータに基づいて粒子状物質に関する分析を行うシステムが知られている（例えば、特許文献１を参照）。
国際公開第２０１８／１１７１４６号
　近年、製品の品質の高精度化・高純度化に伴って、製品を生産する施設（例えば、工場など）内の環境を監視したいとの要望がある。このような場合、従来は、分析対象の収集とその分析とが別の場所で行われていた。分析対象が無機物の場合であれば、例えば、監視対象である施設内に捕集液を数日間放置して無機物を捕集し、その後、捕集液を別の分析機関に送付し、当該機関において無機物が分析されていた。このように、従来は、短い時間周期で分析対象を収集し分析することができなかったので、施設内の時系列の環境を監視することが難しかった。
　本発明の課題は、所定の施設内の環境を短い時間周期で時系列に監視することにある。
　以下に、課題を解決するための手段として複数の態様を説明する。これら態様は、必要に応じて任意に組み合せることができる。
　本発明の一見地に係る分析システムは、所定の施設内の環境に関する分析を行うシステムである。分析システムは、データ取得部と、分析部と、を備える。データ取得部は、所定の施設内に存在する粒子状物質を所定の周期で収集し、収集した粒子状物質に関する時系列のデータを算出する。分析部は、データ取得部で算出した粒子状物質に関するデータに基づいて、所定の施設内の環境に関する環境情報を取得する。粒子状物質に関するデータは、粒子状物質に含まれる元素に関する元素データを含む。
　今回、環境の監視対象である所定の施設内に存在する粒子状物質に関する分析を行い、この分析結果に基づいて当該施設内の環境の監視ができることが分かった。この知見に基づいて、上記の分析システムでは、所定の施設内に存在する粒子状物質を短い時間周期で収集し、当該粒子状物質に関するデータを短い時間周期で算出することで、粒子状物質に関する時系列のデータを算出している。また、粒子状物質に関する時系列のデータに基づいて、所定の施設内の環境に関する環境情報を取得している。これにより、所定の施設内の環境を短い時間周期で時系列に監視することができる。また、粒子状物質に関するデータが、粒子状物質に含まれる元素に関する元素データを含むことにより、例えば、所定の施設内に存在する粒子状物質の性質を予測できるので、所定の施設内の環境を詳細に監視できる。
　上記の分析システムにおいて、データ取得部は、所定の施設内の複数の箇所において粒子状物質を収集し、複数の箇所のそれぞれにおける粒子状物質に関するデータを算出してもよい。この場合、上記の分析システムは、出力部をさらに備えてもよい。出力部は、複数の箇所のそれぞれにおける粒子状物質に関するデータを同時に出力する。これにより、所定の施設内の複数箇所における粒子状物質の時間的な変化を視覚的に確認できる。また、粒子状物質の時間的な変化に基づいて、所定の施設内の環境の変化を時系列により詳細に監視できる。
　上記の分析システムにおいて、環境情報は、複数の前記粒子状物質に関するデータ間の相関を含んでもよい。これにより、例えば、粒子状物質に含まれる複数の元素の含有量の増減傾向などを得られるので、所定の施設内の環境を詳細に監視できる。
　上記の分析システムにおいて、データ取得部は、所定の施設内の粒子状物質を捕集する捕集部を有してもよい。この場合、捕集部は、所定の施設内の複数の箇所に延び、複数の箇所から粒子状物質を捕集する複数の端部を有してもよい。これにより、１つのデータ取得部（捕集部）により、所定の施設内の複数の箇所の粒子状物質を捕集できる。
　上記の分析システムは、複数の元素データの散布図を出力する出力部をさらに備えてもよい。これにより、粒子状物質に含まれる複数の元素間の相関関係を視覚的に確認できる。
　上記の分析システムにおいて、粒子状物質に関するデータは、粒子状物質の質量濃度に関するデータを含んでもよい。これにより、所定の施設内に含まれる粒子状物質の量（濃度）に関する情報を得られる。この結果、所定の施設内の環境を詳細に監視できる。
　データ取得部は、粒子状物質を粒径で分粒する分粒器を有してもよい。これにより、特定の粒径を有する粒子状物質に関するデータを取得できる。この結果、所定の施設内の環境を詳細に監視できる。
　本発明の他の見地に係る分析方法は、所定の施設内の環境に関する分析を行う分析方法である。分析方法は、以下のステップを備える。
　◎所定の施設内に存在する粒子状物質を所定の周期で収集するステップ。
　◎収集した粒子状物質に関する時系列のデータを算出するステップ。
　◎算出した粒子状物質に関するデータに基づいて、所定の施設内の環境に関する環境情報を取得するステップ。
　上記の分析方法では、所定の施設内に存在する粒子状物質を短い時間周期で収集し、当該粒子状物質に関するデータを短い時間周期で算出することで、粒子状物質に関する時系列のデータを算出している。また、粒子状物質に関する時系列のデータに基づいて、所定の施設内の環境に関する環境情報を取得している。これにより、所定の施設内の環境を短い時間周期で時系列に監視することができる。
　所定の施設内の粒子状物質に関する時系列のデータを取得することで、所定の施設内の環境を短い時間周期で時系列に監視できる。
分析システムの構成を示す図。 分析装置の構成例を示す図。 複数の他端を有する捕集部の一例を示す図。 分析サーバの機能ブロック構成を示す図。 複数のデータのグラフを同時表示させた一例を示す図。 ピークサーチ動作を示すフローチャート。 自動相関算出動作を示すフローチャート。 ２つのデータの間に複数の相関が見られる場合の散布図の例を示す図。 相関が大きい散布図のみを表示したときの一例を示す図。 相関が大きい散布図を強調表示したときの一例を示す図。 相関が大きい２つのデータの値の経時的な変化をグラフ表示した状態の一例を示す図。 データのグラフ表示例を示す図。
１．第１実施形態
（１）分析システム
　以下、図１を用いて、分析システム１００を説明する。図１は、分析システムの構成を示す図である。分析システム１００は、データ取得部１と、分析サーバ３と、を主に備えるシステムである。
　データ取得部１は、分析装置１１を有している。分析装置１１は、所定の施設内の複数の箇所に存在する粒子状物質を所定の周期で収集し、収集した粒子状物質に関するデータを当該所定の周期で算出することで、粒子状物質に関する時系列のデータを算出する。なお、粒子状物質に関するデータは、粒子状物質を収集した複数の箇所のそれぞれに対して算出される。
　分析サーバ３は、ＣＰＵ、記憶装置（ＲＡＭ、ＲＯＭ、ＳＳＤ、ＨＤＤなど）、各種インタフェースなどにて構成されるコンピュータシステムである。分析サーバ３は、データ取得部１に接続され、データ取得部１にて取得された粒子状物質に関するデータに基づいて、所定の施設内の環境に関する情報（環境情報）を取得する。今回、分析対象である所定の施設内に存在する粒子状物質を分析することで、所定の施設内の環境を監視できるとの知見が得られた。
　分析サーバ３は、クライアント端末５に接続される。クライアント端末５は、ユーザが用いるパーソナルコンピュータ、タブレット端末、スマートフォンなどの情報端末である。ユーザは、クライアント端末５を用いて分析サーバ３にアクセスし、分析サーバ３において取得された環境情報の閲覧等できる。
　なお、図１においては、データ取得部１、分析サーバ３、及びクライアント端末５がそれぞれ１つ設けられる分析システム１００の例が示されているが、分析システム１００におけるデータ取得部１、分析サーバ３、及びクライアント端末５の数は任意である。
　上記の分析システム１００が分析の対象とする所定の施設は、例えば、各種の製品の製造を行う屋内の工場、クリーンルーム、各種製品（例えば、車両）の屋内の検査場、などである。例えば、半導体プロセスを行う施設（工場、クリーンルーム）内では、配線に用いる金（Ａｕ）とクロム（Ｃｒ）の単体又はこれら金属の合金の粒子状物質が、例えば、スパッタ装置などから発生することがある。また、ヨウ素（Ｉ）を含む粒子状物質が発生することがある。このような粒子状物質は、屋内の工場、クリーンルームにおいて環境に影響を与えうる。
　また、例えば、車両のブレーキ試験を行う屋内の検査場であれば、チタン（Ｔｉ）やタイヤの成分（例えば、ゴム成分）を含む粒子状物質が車両から発生しうる。また、例えば、電子機器の半田付けを行う工場内では、半田の成分（スズ（Ｓｎ）と他の金属）を有する粒子状物質が発生しうる。このような粒子状物質も、屋内の試験場や工場において環境に影響を与えうる。
（２）データ取得部
（２－１）全体構成
　以下、図１を用いて、分析システム１００に備わるデータ取得部１の具体的な構成を説明する。データ取得部１は、複数の分析装置１１と、データ収集装置１７と、を有する。
　分析装置１１は、所定の時刻毎（例えば、１時間毎）に、所定の施設内の気体（空気）を収集し、当該気体に含まれる粒子状物質を捕集フィルタに捕集し、捕集した粒子状物質の質量濃度と、粒子状物質に含まれる元素に関する情報と、を粒子状物質に関するデータＲＤとして算出する。分析装置１１は、１回の粒子状物質の収集毎に、上記の粒子状物質に関するデータＲＤを算出する。「質量濃度」は、収集した気体の総体積中に含まれる粒子状物質の質量を、収集した気体の単位体積当たりの値として表したものと定義される（単位は、例えば、μｇ／ｍ３）。
　ここで、「粒子状物質に含まれる元素に関する情報」とは、粒子状物質に含まれる元素と当該元素の含有量をいう。「元素の含有量」は、以下の二種類の定義を有する。１つ目の定義では、「元素の含有量」を、収集した粒子状物質の総質量に目的の元素（又は物質）がどのくらいの質量含まれているかを、粒子状物質の総重量に対する目的の元素（物質）の含有質量の割合として表したものとして定義する（単位は、例えば、ｍｇ／ｍｇ）。２つ目の定義では、「元素の含有量」を、収集した気体の総体積中の粒子状物質内に含まれる特定の元素の元素量を、気体の単位体積当たりの値として表したものとして定義する（単位は、例えば、ｎｇ／ｍ３）。
　また、粒子状物質に含まれる元素に関する情報には、粒子状物質に含まれる元素に関する情報（例えば、元素比）が含まれていてもよい。データ取得部１が分析装置１１を有することにより、分析システム１００において、粒子状物質の質量濃度、及び／又は、粒子状物質に含まれる元素に関する情報から抽出される特徴に基づいて、粒子状物質に関する分析を実行できる。
　粒子状物質は、発生源等により変化しうるが、例えば、金（Ａｕ）、クロム（Ｃｒ）、チタン（Ｔｉ）、ヨウ素（Ｉ）、スズ（Ｓｎ）、銅（Ｃｕ）、鉄（Ｆｅ）、アルミニウム（Ａｌ）、シリコン（Ｓｉ）、鉛（Ｐｂ）、亜鉛（Ｚｎ）、水銀（Ｈｇ）、バナジウム（Ｖ）、カルシウム（Ｃａ）、カリウム（Ｋ）、ヒ素（Ａｓ）、セレン（Ｓｅ）、硫黄（Ｓ）、炎色反応を起こす元素（例えば、ストロンチウム（Ｓｒ））などを含む。分析装置１１は、少なくともこれら元素とその他の元素に関する情報（含まれる元素、当該元素の含有量）を取得できる。
　粒子状物質の質量濃度と、粒子状物質に含まれる元素に関する情報と、を取得可能な分析装置１１の具体的な構成例については、後ほど説明する。
　データ収集装置１７は、複数の分析装置１１にて取得された粒子状物質に関するデータＲＤを取得し、分析サーバ３に送信するデータロガーである。データ収集装置１７は、各分析装置とデータ収集装置１７との間の時間ずれを考慮して、各分析装置から粒子状物質に関するデータＲＤを取得するタイミングを決定する。これにより、データ収集装置１７は、各分析装置にて得られたデータＲＤを取りこぼすことがない。また、データ収集装置１７は、各分析装置から取得したデータＲＤに、当該データＲＤが取得された時刻（タイムスタンプ）を関連付ける。データ収集装置１７は、分析サーバ３にデータＲＤを送信する際に、当該データＲＤに関連付けられたタイムスタンプも分析サーバ３に送信する。
　上記の構成を有することにより、データ取得部１は、粒子状物質の質量濃度、粒子状物質に含まれる元素に関する情報を、粒子状物質に関連するデータＲＤとして取得し、分析サーバ３に提供できる。また、分析装置１１は、粒子状物質を収集する所定の時間毎にデータＲＤを算出するので、データＲＤは、結果が経時的に変化するデータである。すなわち、データＲＤは、各時刻に取得された結果（値等）が時系列に配置された時系列のデータである。
　データ取得部１において、上記の分析装置１１以外の分析装置がデータ収集装置１７に接続されていてもよい。例えば、所定の施設内の風向と風速とを測定する装置、所定の施設内に含まれるガス成分（例えば、炭化水素、一酸化炭素（ＣＯ）、二酸化炭素（ＣＯ２）、窒素酸化物（ＮＯｘ）、オゾン（Ｏ３）、硫黄酸化物（ＳＯｘ）、硫化水素（Ｈ２Ｓ）などのガス、及び／又は、アセトン、エタノール、トルエン、ベンゼン、フロンなどの揮発性有機化合物（Ｖｏｌａｔｉｌｅ　Ｏｒｇａｎｉｃ　Ｃｏｍｐｏｕｎｄｓ、ＶＯＣ）など）を分析する装置、所定の施設内の温度、湿度、圧力などを測定する装置、所定の施設内で用いられるガスや液体の流量を測定する装置、などがデータ収集装置１７に接続されていてもよい。
　これにより、所定の施設内に存在する粒子状物質だけでなく、当該施設内に存在するガス成分、当該施設内における大気の流れ、当該施設内の温度、湿度、圧力、当該施設内で用いられるガスや液体の流量などのデータを取得し、これらに基づいて、所定の施設内の環境に関するより詳細な環境情報を得ることができる。
（２－２）分析装置の構成
　図２を用いて、分析装置１１の具体的構成例を説明する。図２は、分析装置の構成例を示す図である。分析装置１１は、捕集フィルタ１１１と、捕集部１１３と、第１分析部１１５と、第２分析部１１７と、制御部１１９と、を有する。
　捕集フィルタ１１１は、例えば、高分子材料（ポリエチレンなど）の不織布にて形成された補強層上に、粒子状物質を捕集可能な孔を有する多孔質のフッ素樹脂系材料にて形成された捕集層（捕集領域と呼ぶこともある）を積層して形成された、テープ状の部材である。捕集フィルタ１１１としては、例えば、１層のガラスフィルタ、１層のフッ素樹脂系材料のフィルタなどの他のフィルタを用いることもできる。
　本実施形態において、捕集フィルタ１１１は、送り出しリール１１１ａから送り出された捕集フィルタ１１１を巻き取りリール１１１ｂの回転により巻き取ることで、長さ方向（図２の太矢印にて示す方向）に移動できる。
　捕集部１１３の一端は、捕集フィルタ１１１の長さ方向の第１位置Ｐ１に対応するように設けられる。一方、捕集部１１３の他端は、分析対象である所定の施設内の所定の位置に設置される。具体的には、捕集部１１３の他端は、所定の施設内において、例えば、粒子状物質等の発生源、粒子状物質が大気とともに移動する箇所の上流と下流などに設置される。捕集部１１３の他から後述する分粒器１１３ａまでの部分は、例えば、パイプで形成される。
　捕集部１１３の他端から分粒器１１３ａまでの部分をパイプで形成する場合には、分粒器１１３ａ側にヒーターなどを設けて、粒子状物質を含む気体を分析装置１１までに移動させる間に当該気体に含まれる水分を除去するようにしてもよい。捕集部１１３の他端には、分析対象とならない粒子などを除去するフィルタが設けられてもよい。
　なお、捕集部１１３の他端は複数あってもよい。すなわち、１つの分析装置１１にて複数箇所の粒子状物質を収集可能となっていてもよい。具体的には、図３に示すように、捕集部１１３の複数の他端１１３ｂのそれぞれを、バルブ１１３ｃを介して、分析対象である所定の施設の所望の箇所に延ばすことで、当該複数の箇所のいずれかから粒子状物質を捕集できる。いずれの箇所から粒子状物質を収集するかは、複数のバルブ１１３ｃのいずれかを開き、他を閉じることにより選択できる。図３は、複数の他端を有する捕集部の一例を示す図である。この場合、異なる箇所の粒子状物質同士が混合しないように、粒子状物質の捕集毎に捕集部１１３の他端から分粒器１１３ａまでの部分にクリーンな気体を流して当該部分をクリーニングするようにしてもよい。
　捕集部１１３は、例えば、吸引ポンプ１３１に接続された吸引口１３５の吸引力により、上記のパイプ等を介して吸引した大気を、排出口１３３から捕集フィルタ１１１の第１位置Ｐ１に存在する捕集領域に吹き付けることで、大気に含まれる粒子状物質を捕集領域に捕集させる。
　捕集部１１３には、捕集部１１３の他端と排出口１３３との間に、分粒器１１３ａが設けられる。分粒器１１３ａは、捕集部１１３により吸引された粒子状物質を粒径で分粒する。分粒器１１３ａは、例えば、インパクタ方式による分粒器である。分粒器１１３ａは、例えば、粒径が２．５μｍ程度又は１０μｍ程度の粒子状物質を分粒して捕集フィルタ１１１に捕集させる。これにより、特定の粒径を有する粒子状物質に関するデータＲＤを取得できる。この結果、所定の施設内の環境を詳細に監視できる。
　第１分析部１１５は、捕集フィルタ１１１に捕集された粒子状物質の捕集量を測定する。具体的には、第１分析部１１５は、β線源５１と、β線検出器５３と、を有する。β線源５１は、捕集部１１３の排出口１３３に設けられ、第１位置Ｐ１に配置された捕集フィルタ１１１の捕集領域にβ線を出射する。β線源５１は、例えば、炭素１４（１４Ｃ）を用いたβ線源である。
　β線検出器５３は、捕集部１１３の吸引口１３５においてβ線源５１に対向するよう設けられ、第１位置Ｐ１の捕集領域に捕集された粒子状物質を透過したβ線の強度を測定する。β線検出器５３は、例えば、シンチレータを備えた光電子増倍管である。粒子状物質の捕集量（質量濃度）は、β線検出器５３にて測定されたβ線の強度に基づいて算出される。
　第２分析部１１７は、捕集フィルタ１１１の長さ方向の第２位置Ｐ２に対応するよう設けられ、第２位置Ｐ２に存在する粒子状物質から発生する蛍光Ｘ線に関するデータを測定する。具体的には、第２分析部１１７は、Ｘ線源７１と、検出器７３と、を有する。
　Ｘ線源７１は、第２位置Ｐ２に存在する粒子状物質にＸ線を照射する。Ｘ線源７１は、例えば、パラジウムなどの金属に電子線を照射してＸ線を発生させる装置である。検出器７３は、粒子状物質から発生する蛍光Ｘ線を検出する。検出器７３は、例えば、シリコン半導体検出器やシリコンドリフト検出器である。
　制御部１１９は、第１位置Ｐ１に設けられた第１分析部１１５を用いて粒子状物質の質量濃度を算出するためのデータを算出する。また、制御部１１９は、第２位置Ｐ２に設けられた第２分析部１１７を用いて元素分析結果を算出するため、巻き取りリール１１１ｂを制御して捕集フィルタ１１１を移動させる。具体的には、制御部１１９は、捕集部１１３による粒子状物質の捕集が終了し捕集量の測定を完了する毎（所定の周期毎）に、捕集フィルタ１１１の捕集領域（粒子状物質が捕集された領域）を、第１分析部１１５が設けられた第１位置Ｐ１から、第２分析部１１７が設けられた第２位置Ｐ２に向けて移動させる。
　捕集領域が第２位置Ｐ２に到達後、制御部１１９は、Ｘ線源７１から第２位置Ｐ２に向けてＸ線を照射し、当該Ｘ線の照射により捕集領域の粒子状物質から発生した蛍光Ｘ線を、元素分析のためのデータとして取得する。
　制御部１１９は、第１分析部１１５にて測定されたβ線の強度に基づいて、粒子状物質の質量濃度を、粒子状物質に関するデータＲＤとして算出する。また、制御部１１９は、第２分析部１１７にて得られた蛍光Ｘ線データ（例えば、蛍光Ｘ線スペクトル）を取得し、当該蛍光Ｘ線データに基づいて、粒子状物質に含まれる元素とその含有量を、粒子状物質に関するデータＲＤとして算出する。算出された上記のデータＲＤは、データ収集装置１７に送信される。
（３）分析サーバの機能ブロック構成
　以下、図４を用いて、分析サーバ３の機能ブロック構成を説明する。図４は、分析サーバの機能ブロック構成を示す図である。以下に説明する分析サーバ３の機能ブロックは、分析サーバ３の記憶装置に記憶され、分析サーバ３で実行可能なプログラムにより実現されてもよい。また、機能ブロックの一部は、分析サーバ３を構成するハードウェアにより実現されてもよい。分析サーバ３は、記憶部３１と、データ受信部３３と、分析部３５と、出力部３７と、を機能ブロックとして有する。
　記憶部３１は、分析サーバ３にて用いられる各種データ、プログラム、設定値等を保存する。具体的には、記憶部３１は、データ取得部１にて取得されたデータＲＤを記憶する。記憶部３１を有することで、分析サーバ３は、データＲＤのデータベースとして機能する。
　データ受信部３３は、データＲＤをデータ取得部１のデータ収集装置１７から受信し、記憶部３１に記憶する。データ受信部３３は、所定のタイミングでデータ収集装置１７に蓄積されたデータＲＤを受信する。なお、データ受信部３３は、各分析装置１１がデータＲＤを出力した直後にデータ収集装置１７を介してデータＲＤを受信してもよいし（すなわち、データ収集装置１７にデータＲＤを蓄積しない）、データＲＤがデータ収集装置１７にある程度蓄積されたタイミングでデータＲＤを受信してもよい。
　分析部３５は、記憶部３１に記憶されたデータＲＤを入力とする所定の特徴抽出処理を実行することで、データＲＤに含まれる特徴を抽出する。具体的には、分析部３５は、データＲＤに含まれるピーク値（瞬時値）を探索する機能（ピークサーチ機能）、データＲＤに含まれる値の平均値又は中央値を算出する機能（平均値算出機能）、複数のデータＲＤの相関を自動的に算出する機能（自動相関算出機能）、を実行して、これら機能により算出された結果を所定の施設内の環境に関する環境情報として取得する。
　分析部３５は、ピークサーチ機能、平均値算出機能、自動相関算出機能を、クライアント端末５からの指令により実行してもよいし、予め決められたタイミングで自動的に実行してもよい。また、自動相関算出機能を実行するときに、相関を算出する対象となる複数のデータＲＤは、クライアント端末５を使用してユーザが選択可能となっていてもよいし、分析部３５が相関を算出する対象の複数のデータＲＤを自動的に抽出してもよい。
　出力部３７は、分析部３５により取得された環境情報を、クライアント端末５に出力する。分析部３５においてピークサーチ機能が実行されたときに、出力部３７は、ピーク値が発生した時刻をクライアント端末５に表示する。また、平均値算出機能が実行されたときに、出力部３７は、算出された平均値又は中央値に関する情報を、クライアント端末５に表示する。なお、ピーク値の発生時刻及び／又は平均値を出力する際には、このピーク値が発生したデータＲＤ及び／又は平均値又は中央値を算出したデータＲＤに関連するリンクが付されてもよい。このリンクが選択されたときに、出力部３７は、対応するデータＲＤのデータ値、及び／又は、対応するデータＲＤのグラフをクライアント端末５に表示してもよい。
　分析部３５において自動相関算出機能が実行されたときに、出力部３７は、相関の算出に用いた複数のデータＲＤの散布図をクライアント端末５に表示させる。例えば、出力部３７は、相関関係を算出した２つの元素の含有量に関するデータＲＤ（元素データ）の組み合わせについて、当該元素データに含まれる値（含有量）の散布図を生成して表示できる。
　その他、出力部３７は、ユーザがクライアント端末５を用いて指定した複数のデータＲＤについて散布図を表示できる。例えば、出力部３７は、クライアント端末５を用いてユーザが選択した複数の元素について、当該複数の元素のうち２つの元素の組み合わせについて含有量の散布図を生成して表示できる。また、例えば、ユーザにより３つの元素が選択された場合には、当該３つの元素からさらに選択された２つの元素の組み合わせ（３通りの組み合わせ）のそれぞれについて、２つの元素の含有量の散布図をクライアント端末５に表示できる。これにより、ユーザは、複数の粒子状物質に関するデータＲＤについて、これらの相関関係を視覚的に確認できる。
　その他、分析部３５において自動相関算出機能が実行され、データＲＤの複数の組み合わせについての散布図がクライアント端末５に出力されるときに、出力部３７は、相関が高かったデータＲＤの組み合わせについての散布図を強調表示してもよい。
　また、分析装置１１により所定の施設内の複数の箇所において粒子状物質を収集し、複数の箇所のそれぞれにおける粒子状物質に関するデータが算出された場合、出力部３７は、複数の箇所のそれぞれにおける粒子状物質に関するデータＲＤのグラフを同時にクライアント端末５に表示させてもよい。例えば、所定の施設内の箇所Ａ、箇所Ｂ、箇所Ｃについて粒子状物質に関するデータＲＤが算出された場合には、図５に示すような、３つのグラフを同時に表示できる。図５は、複数のデータのグラフを同時表示させた一例を示す図である。
　図５に示すグラフにおいて、例えば、元素Ａの含有量に関するデータＲＤについて、箇所Ａで特定の時刻に特定のピーク値が発生した後に、箇所Ｂでは当該特定の時刻より後に対応するピーク値が発生するといった傾向を視覚的に確認できる。このことから、元素Ａを含む粒子状物質が、箇所Ａから箇所Ｂに流れており、箇所Ａの近辺に発生源があると推測できる。このように、複数の箇所のそれぞれにおける粒子状物質に関するデータＲＤのグラフを同時に表示することにより、所定の施設内の複数箇所における粒子状物質の時間的な変化を視覚的に確認できる。また、粒子状物質の時間的な変化に基づいて、所定の施設内の環境の変化を時系列により詳細に監視できる。
（４）分析システムにおけるデータの分析動作
（４－１）ピークサーチ動作
　以下、分析システム１００におけるデータＲＤの分析動作を説明する。まず、図６を用いて、ピークサーチ機能の動作（ピークサーチ動作）を説明する。図６は、ピークサーチ動作を示すフローチャートである。図６のフローチャートに示すピークサーチ動作は、分析サーバ３にて実行される。
　なお、ピークサーチ動作は、記憶部３１に記憶されている全てのデータＲＤ（経時的に変化する値を含むもの）に対して実行されてもよいし、予め指定された複数のデータＲＤに対して実行されてもよい。例えば、特定の風向が示されている期間に取得されたデータＲＤ（例えば、特定の元素の含有量に関するデータＲＤ）に対して実行できる。特定の風向のときに得られたデータＲＤのピークサーチにより、例えば、特定の発生源からの粒子状物質の状態を監視できる。
　例えば、粒子状物質に含まれる元素の含有量を表すデータＲＤをピークサーチの対象とした場合には、特定の風向が観測されたときに、粒子状物質に含まれる元素の含有量のピーク値が所定の閾値を超えたデータＲＤを抽出できる。これにより、特定の方角から飛来した粒子状物質、すなわち、特定の発生源から飛来した粒子状物質に関して異常を示すデータを抽出できる。
　まず、ステップＳ１１で、分析部３５は、ピークサーチの対象であるデータＲＤに含まれるピーク値を探索する。例えば、データＲＤが粒子状物質に含まれる元素の含有量のデータである場合、含有量のピーク値を探索する。例えば、分析部３５は、データＲＤに含まれる値を１つずつ走査し、現在走査している値がその前後にある値よりも大きければ、現在走査している値をサブピーク値として決定し、データＲＤに含まれる全てのサブピーク値のうち最大のものをピーク値として決定する。
　次に、分析部３５は、ステップＳ１１を実行することで見つかったピーク値について、このピーク値が発生した時刻と、このピーク値を含むデータＲＤを識別する情報と、を出力部３７に通知する（ステップＳ１２）。
　上記の時刻とデータＲＤの識別情報を受信した出力部３７は、ステップＳ１３で、ピーク値が発生した時刻をクライアント端末５に表示させる。また、出力部３７は、ステップＳ１２で決定したデータＲＤを識別する情報に基づいて、当該データＲＤ中の値の経時的な変化を示すグラフをクライアント端末５に表示させる。
　上記のピークサーチ動作により、分析サーバ３は、データＲＤに含まれるピーク値を自動的に効率よくかつ正確に抽出できる。また、ピーク値を含むデータＲＤをクライアント端末５に図１２のようにグラフ表示することで、ユーザは、例えば、異常を含むデータＲＤの経時的な変動を視覚的に確認できる。図１２は、データのグラフ表示例を示す図である。
（４－２）自動相関算出動作
　図７を用いて、自動相関算出機能の動作を説明する。図７は、自動相関算出動作を示すフローチャートである。図７のフローチャートに示す自動相関算出動作は、分析サーバ３にて実行される。
　まず、分析部３５は、ステップＳ３１で、相関を算出する対象の複数のデータＲＤ（２つのデータＲＤ）を選択する。例えば、ステップＳ３１の実行前に、ユーザが、クライアント端末５を用いて、相関を調べたい対象の複数のデータＲＤ（相関を調べたい対象の複数のデータ項目）を選択する。その後、ステップＳ３１で、ユーザにより選択結果を受信した分析部３５が、ユーザが選択した複数のデータＲＤから、相関を算出する２つのデータＲＤを選択する。または、分析部３５は、記憶部３１に記憶されている全てのデータＲＤから相関を調べたい２つのデータＲＤを自動的に選択してもよい。
　次に、分析部３５は、ステップＳ３２で、ステップＳ３１を実行することで選択された２つのデータＲＤの相関を算出する。具体的には、分析部３５は、２つのデータＲＤの一方に含まれる値を第１要素（ｘ）とし他方に含まれる値を第２要素（ｙ）として用いて、当該２つのデータＲＤの相関の程度を表す決定係数（相関係数の二乗）を算出する。
　データ取得部１においては、所定の時間毎にデータＲＤの値が取得されているので、データＲＤには経時的に変化する複数の値が含まれている。データＲＤに含まれる値が多くなる、つまり、データＲＤが長期間に亘る測定の結果得られたものである場合、図８に示すように、２つのデータＲＤの間に複数の大きな相関が見られる場合がある。図８に示す例では、楕円で囲んだ領域において、２つの大きな相関が見られている。なお、複数の大きな相関を含むデータＲＤの値に対して算出される決定係数は、小さくなる傾向にある。つまり、長期間のデータＲＤから算出される決定係数は、複数の大きな相関があることを示すことをできない場合がある。図８は、２つのデータの間に複数の相関が見られる場合の散布図の例を示す図である。
　複数のデータＲＤの間に複数の大きな相関が見られることは、例えば、所定の施設内の特定の箇所で収集した粒子状物質の特性が、データＲＤの取得期間中に変化したことを示している。つまり、所定の施設内の特定の箇所の環境が変化した可能性を示している。データＲＤの取得期間中のどのタイミングで粒子状物質の特性が変化したかを把握することは、粒子状物質を分析する上では重要である。
　従って、分析部３５は、データＲＤを取得した全期間の値を用いて決定係数を算出するのみでなく、当該期間を複数の小期間に区切り、当該小期間内の値を用いて決定係数を算出する。例えば、相関を調べる対象のデータＲＤが１年かけて取得されたデータである場合、当該データＲＤに含まれる最初の１ヶ月の値を用いて決定係数を算出し、次の１ヶ月の値を用いて決定係数を算出することを繰り返し実行し、１年掛けて取得されたデータＲＤに対して合計１２個の決定係数を算出できる。
　上記のように、長期間掛けて得られたデータＲＤに対して、当該長期間に含まれる複数の小期間毎に決定係数を算出することで、当該小期間に発生した事象に関する情報を得られる。例えば、特定の小期間での決定係数が小さい（データＲＤ間の相関が小さい）一方で、他の小期間での決定係数が大きい（データＲＤ間の相関が大きい）場合には、これら２つの小期間の間で、粒子状物質の発生に関して特別な事象が生じたと推測できる。つまり、これら２つの小期間の間で、所定の施設内の特定の箇所の環境が変化した可能性があると推測できる。
　上記の小期間は可変であってもよい。例えば、データＲＤに含まれる最初の１ヶ月の値を用いて決定係数を算出し、次に、データＲＤに含まれる最初の２ヶ月の値を用いて決定係数を算出することができる。このように、上記の期間を柔軟に設定可能とすることで、どの期間でデータの相関に変化があったかを特定できる。例えば、最初の１ヶ月間のデータＲＤには大きな相関が見られない（決定係数が小さい）一方で、最初の２ヶ月間のデータＲＤに比較的大きな相関が見られた（決定係数が比較的大きい）ときに、２ヶ月間のうち少なくとも後半の１ヶ月間にデータＲＤの相関に変化があったと特定できる。すなわち、少なくとも後半の１ヶ月間に粒子状物質の特性が変化したことを特定できる。
　また、上記の小期間をさらに細かい小区間に区切り、小区間毎に決定係数を算出してもよい。例えば、１年掛けて取得したデータＲＤについて１ヶ月の小期間に区切り、さらに、当該１ヶ月の小期間を１週間の小区間毎に区切ることができる。この場合、当該小区間に発生した事象に関する情報をより細かく得られる。さらに、上記の小区間は、小期間と同様に可変であってもよい。
　以上のように、２つのデータＲＤの相関（決定係数）を算出する際に、データＲＤを短い期間毎に区切って決定係数を算出することで、粒子状物質の特性変化が発生したタイミング等をより細かく分析でき、粒子状物質の発生源等で特定の事象が発生しているタイミング等を細かく分析できる。この結果、所定の施設内の環境の変化を詳細に分析できる。
　上記の処理により特に大きな決定係数が算出された場合には、分析部３５は、大きな決定係数が算出された２つのデータＲＤを識別する情報を出力部３７に通知してもよい。このとき、分析部３５は、２つのデータＲＤを識別する情報とともに、決定係数が大きくなっている期間に関する情報を出力部３７に通知してもよい。さらに、出力部３７は、これら情報を環境情報としてクライアント端末５に表示してもよい。
　次に、出力部３７は、相関を算出したデータＲＤの組み合わせについての散布図をクライアント端末５に表示させる。このとき、出力部３７は、図９に示すように、相関が高かった２つのデータＲＤの通知された期間内の値の散布図を生成し、クライアント端末５に出力してもよい。または、図１０に示すように、２つのデータＲＤの全てに組み合わせについての散布図を複数表示させておき、相関（決定係数）が高かった散布図を枠で囲むなどして強調表示してもよい。図９は、相関が大きい散布図のみを表示したときの一例を示す図である。図１０は、相関が大きい散布図を強調表示したときの一例を示す図である。
　また、出力部３７は、分析部３５から通知された２つのデータＲＤを識別する情報と当該２つのデータＲＤの相関が高かった期間と、に基づいて、相関が高い複数のデータＲＤの経時的な変化をグラフ表示できる。散布図か経時的な変化のグラフのいずれ又は両方を表示するかは、任意に決定できる。
　上記の自動相関算出動作により、分析サーバ３は、複数のデータＲＤの相関に関する特徴を自動的に効率よくかつ正確に抽出できる。例えば、複数の元素の含有量に大きな相関がある場合には、当該相関が見られる期間においては、当該複数の元素の含有量（元素比）が同じである粒子状物質が測定されていると推測できる。
　また、相関が大きい２つのデータＲＤの散布図を表示することにより、２つのデータＲＤの相関の大きさを視覚的に確認できる。また、相関の大小にかかわらず複数の散布図を表示しておき、表示された複数の散布図のうち相関が大きい散布図を強調表示することにより、全データＲＤのうち、相関が大きいデータＲＤがいずれであるかを視覚的に確認できる。
　さらに、相関が高かった複数のデータＲＤについて相関の時間変化をグラフ表示することにより、複数のデータＲＤの相関がどのような時間的な変化をするかを視覚的に確認できる。
　例えば、データＲＤが粒子状物質に含まれる元素の含有量を表すデータである場合には、複数の元素の含有量の相関がどのような時間的な変化をするかを視覚的に確認できる。複数の元素の含有量の間の相関が高いということは、粒子状物質に相関が高い複数の元素が一定の組成比で含まれていることを意味している。粒子状物質に含まれる元素の種類と組成比は、粒子状物質の発生源及び／又は生成条件等の粒子状物質の特性に大きく依存する。
　従って、相関が高かった複数の元素の含有量について相関の時間変化をグラフ表示することにより、例えば、ユーザは、相関の時間変化を視覚的に確認して、粒子状物質の特性の変化、つまり、どのタイミングでどの発生源から粒子状物質が発生しているか、及び／又は、どのタイミングで粒子状物質の生成条件がどのように変化したかなどを推測できる。
　なお、出力部３７は、相関が大きい２つのデータＲＤの散布図を表示中にこの散布図が指定されたときには、図１１に示すように、この散布図を生成した２つのデータＲＤのそれぞれの値の経時的な変化をグラフ表示してもよい。図１１は、相関が大きい２つのデータの値の経時的な変化をグラフ表示した状態の一例を示す図である。図１１は、図９に示すような相関が大きい元素Ｃの含有量と元素Ｄの含有量との散布図が指定されることで、元素Ｃの含有量の経時的な変化と、元素Ｄの含有量の経時的な変化と、を並べてグラフ表示した例である。
　図９のような散布図のみでは、２つのデータＲＤの相関がどの期間で大きくなっているかが不明であるが、図１１のような経時的な変化をグラフ表示することにより、どの期間で相関が大きくなっているかを推定できる。図１１に示す例では、時刻Ｔ１と時刻Ｔ２との間で、元素Ｃの含有量の増減の傾向と元素Ｄの含有量の増減の傾向とが同じになっており、この期間において元素Ｃの含有量と元素Ｄの含有量の相関が大きくなっていると推定できる。
　出力部３７は、図８に示すような２つのデータＲＤの散布図を生成する際に、相関が高かった期間のデータＲＤの点を色分けしてクライアント端末５に出力してもよい。これにより、２つのデータＲＤに相関が高い期間が複数含まれていても、散布図の点の色により、相関が高い２つのデータＲＤの複数の相関関係を識別できる。例えば、２つのデータＲＤが同じ発生源から発生する粒子状物質に関するデータである場合に、粒子状物質の性質（例えば、元素の組成比など）が時間毎に変化していることを視覚的に確認できる。
３．他の実施形態
　以上、本発明の複数の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、発明の要旨を逸脱しない範囲で種々の変更が可能である。特に、本明細書に書かれた複数の実施形態及び変形例は必要に応じて任意に組み合せ可能である。
　（Ａ）図６及び図７のフローチャートに示す各ステップの順番及び／又は処理内容は、発明の要旨を逸脱しない範囲で変更してもよい。
　（Ｂ）上記のピークサーチ機能、平均値算出機能は、データ取得部１のデータ収集装置１７に備わっていてもよい。ピークサーチ機能、平均値算出機能を有するデータ収集装置１７は、データ収集装置１７に蓄積されたデータＲＤに、第１閾値以上のピーク値が含まれているか、及び／又は、第２閾値以上の平均値が含まれている場合に、その旨及び／又は警報を電子メールにて外部に送信してもよい。
　より具体的には、例えば、データ収集装置１７に蓄積されたデータＲＤのうち、特定の方位の風向きで検出される特定成分の濃度が一定値を超えている状態が一定時間経過しているデータＲＤが存在するときに、データ収集装置１７は、警報メールを発報できる。
（Ｃ）自動相関算出動作において、粒子状物質に含まれる元素の元素比を用いて相関を算出する場合には、元素比が極端に小さいか又は大きくなるデータを取り除いて相関（決定係数）の算出を実行してもよい。
（Ｄ）上記の第１実施形態において、分析システム１００は、分析サーバ３を有するいわゆる「クライアント－サーバシステム」であったが、これに限られない。例えば、データ取得部１（の各分析装置、又は、データ収集装置１７）に、分析部３５及び／又は出力部３７の機能を持たせて、いわゆる「エッジコンピューティング」としての分析システムとすることもできる。この場合、データ取得部１は、データＲＤに加えて、データＲＤから抽出された特徴を分析サーバに送信してもよい。
（Ｅ）分析部３５は、例えば、ニューラルネットワークなどの機械学習アルゴリズムにより特徴抽出処理を実現してもよい。具体的には、例えば、抽出したい特徴を有するデータＲＤとこのデータＲＤが有する特徴とを教師データとしてニューラルネットワークの学習済みモデルを生成し、これを分析部３５とできる。学習モデルである分析部３５に、分析対象のデータＲＤを入力することで、当該データＲＤに含まれる特徴を抽出できる。
　（Ｆ）分析部３５は、上記の第１実施形態にて説明した統計分析手法以外にも、データＲＤに対するデータマイニングなど他の統計分析手法によっても、データＲＤに含まれる特徴を抽出できる。
　（Ｇ）分析部３５は、所定の閾値を設け、データＲＤに含まれるデータ値が当該閾値を超えるか否かを判定するアルゴリズムを多数実行することで、データＲＤに含まれる特徴を抽出してもよい。
　本発明は、粒子状物質に関する分析を分析システムに広く適用できる。
１００　　：分析システム
１　　　　：データ取得部
１１　　　：分析装置
１１１　　：捕集フィルタ
１１１ａ　：送り出しリール
１１１ｂ　：巻き取りリール
１１３　　：捕集部
１１３ａ　：分粒器
１１３ｂ　：他端
１１３ｃ　：バルブ
１１５　　：第１分析部
１１７　　：第２分析部
１１９　　：制御部
１３１　　：吸引ポンプ
１３３　　：排出口
１３５　　：吸引口
５１　　　：β線源
５３　　　：β線検出器
７１　　　：Ｘ線源
７３　　　：検出器
１７　　　：データ収集装置
３　　　　：分析サーバ
３１　　　：記憶部
３３　　　：データ受信部
３５　　　：分析部
３７　　　：出力部
５　　　　：クライアント端末
 

Claims (9)

  1. 　所定の施設内の環境に関する分析を行う分析システムであって、
    　前記所定の施設内に存在する粒子状物質を所定の周期で収集し、収集した前記粒子状物質に関する時系列のデータを算出するデータ取得部と、
    　前記データ取得部で算出した前記粒子状物質に関するデータに基づいて、前記所定の施設内の環境に関する環境情報を取得する分析部と、
    　を備え、
    　前記粒子状物質に関するデータは、前記粒子状物質に含まれる元素に関する元素データを含む、
    　分析システム。
  2. 　前記データ取得部は、前記所定の施設内の複数の箇所において前記粒子状物質を収集し、複数の箇所のそれぞれにおける前記粒子状物質に関するデータを算出し、
    　複数の箇所のそれぞれにおける前記粒子状物質に関するデータを同時に出力する出力部をさらに備える、請求項１に記載の分析システム。
  3. 　前記環境情報は、複数の前記粒子状物質に関するデータ間の相関を含む、請求項１又は２に記載の分析システム。
  4. 　前記データ取得部は、前記所定の施設内の粒子状物質を捕集する捕集部を有し、
    　前記捕集部は、前記所定の施設内の複数の箇所に延び、前記複数の箇所から前記粒子状物質を捕集する複数の端部を有する、請求項１～３のいずれかに記載の分析システム。
  5. 　複数の元素データの散布図を出力する出力部をさらに備える、請求項１～４のいずれかに記載の分析システム。
  6. 　前記粒子状物質に関するデータは、前記粒子状物質の質量濃度に関するデータを含む、請求項１～５のいずれかに記載の分析システム。
  7. 　前記データ取得部は、前記粒子状物質を粒径で分粒する分粒器を有する、請求項１～４のいずれかに記載の分析システム。
  8. 　所定の施設内の環境に関する分析を行う分析方法であって、
    　前記所定の施設内に存在する粒子状物質を所定の周期で収集するステップと、
    　収集した前記粒子状物質に関する時系列のデータを算出するステップと、
    　算出した前記粒子状物質に関するデータに基づいて、前記所定の施設内の環境に関する環境情報を取得するステップと、
    　を備え、
    　前記粒子状物質に関するデータは、前記粒子状物質に含まれる元素に関する元素データを含む、分析方法。
  9. 　前記環境情報は、複数の前記粒子状物質に関するデータ間の相関を含む、請求項８に記載の分析方法。
     
PCT/JP2023/029084 2022-09-08 2023-08-09 分析システム、及び、分析方法 WO2024053328A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022143233 2022-09-08
JP2022-143233 2022-09-08

Publications (1)

Publication Number Publication Date
WO2024053328A1 true WO2024053328A1 (ja) 2024-03-14

Family

ID=90190945

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/029084 WO2024053328A1 (ja) 2022-09-08 2023-08-09 分析システム、及び、分析方法

Country Status (1)

Country Link
WO (1) WO2024053328A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016161359A (ja) * 2015-02-27 2016-09-05 紀本電子工業株式会社 光学的手法による浮遊粒子状物質測定装置
JP2017532538A (ja) * 2014-08-28 2017-11-02 ベルテック アソシエイツ インコーポレイテッドＶｅｌｔｅｋ Ａｓｓｏｃｉａｔｅｓ， Ｉｎｃ． 制御された環境において空気をサンプリングするためのプログラマブルロジックコントローラに基づくシステムおよびユーザーインタフェース
JP2019020411A (ja) * 2017-07-14 2019-02-07 株式会社堀場製作所 分析装置、システム、分析方法、及びプログラム
JP2019184249A (ja) * 2018-04-02 2019-10-24 日本製鉄株式会社 粒子発生源解析システム、粒子発生源解析方法、及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017532538A (ja) * 2014-08-28 2017-11-02 ベルテック アソシエイツ インコーポレイテッドＶｅｌｔｅｋ Ａｓｓｏｃｉａｔｅｓ， Ｉｎｃ． 制御された環境において空気をサンプリングするためのプログラマブルロジックコントローラに基づくシステムおよびユーザーインタフェース
JP2016161359A (ja) * 2015-02-27 2016-09-05 紀本電子工業株式会社 光学的手法による浮遊粒子状物質測定装置
JP2019020411A (ja) * 2017-07-14 2019-02-07 株式会社堀場製作所 分析装置、システム、分析方法、及びプログラム
JP2019184249A (ja) * 2018-04-02 2019-10-24 日本製鉄株式会社 粒子発生源解析システム、粒子発生源解析方法、及びプログラム

Similar Documents

Publication Publication Date Title
Hyslop et al. Estimating precision using duplicate measurements
DE69826094T2 (de) Bestimmung von Metallverunreinigungen in einem Gas mittels Röntgenfluoreszenz
Zhang et al. A synthesis of research needs for improving the understanding of atmospheric mercury cycling
US20200102851A1 (en) Method and system for diagnosing a condition of an engine using lubricating fluid analysis
EP3844475B1 (de) Messsystem zum untersuchen von konzentrierten aerosolpartikeln in der gasphase
US7184515B2 (en) Component specific machine wear determination with x-ray fluorescence spectrometry
WO2024053328A1 (ja) 分析システム、及び、分析方法
Jahn et al. Single-particle elemental analysis of vacuum bag dust samples collected from the International Space Station by SEM/EDX and sp-ICP-ToF-MS
KR101721606B1 (ko) 릴형 미세먼지 성분 분석 장치 및 그를 이용한 분석 방법
WO2023100854A1 (ja) 分析システム、サーバ、分析方法、及びプログラム
Puscasu et al. Comparison between the ASSET EZ4 NCO and impinger sampling devices for aerosol sampling of 4, 4′-methylene diphenyl diisocyanate in spray foam application
KR20200000662A (ko) 기체 내부의 미세먼지의 중화도 평가 방법
Vilhunen et al. Total reflection X-ray fluorescence analyses of samples from oil refining and chemical industries
DE4444224A1 (de) Verfahren und Vorrichtung zum Erkennen des Vorhandenseins von korrosivem Gas
RU2285907C1 (ru) Способ оценки технического состояния двигателей, машин и механизмов
Newton et al. Personal and area exposure assessment at a stainless steel fabrication facility: an evaluation of inhalable, time-resolved PM10, and bioavailable airborne metals
Je et al. Development and application of a multi-channel monitoring system for near real-time VOC measurement in a hazardous waste management facility
Harper et al. A comparison of X-ray fluorescence and wet chemical analysis for lead on air filters from different personal samplers used in a bronze foundry
WO2021198147A1 (de) Verfahren und aerosol-messgerät zum bestimmen einer quellenabhängigen partikelgrössenverteilung eines aerosols
Page et al. A revised conversion factor relating respirable dust concentrations measured by 10 mm Dorr-Oliver nylon cyclones operated at 1.7 and 2.0 L min− 1
CN114730184A (zh) 用于估算逃逸性排放上的变化的计算机系统及方法
Smith Intra-workday fluctuations of airborne contaminant concentration and the time-weighted average
EP4318424A1 (en) Filter life prediction for an aspirating smoke detector
DE10030134B4 (de) Vorrichtung und Verfahren zur Bestimmung einer Konzentration von Mikroorganismen in einem Gas
DE19860997C2 (de) Verfahren nach Missel zur Keimzahlbestimmung in der Luft an Arbeitsplätzen

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23862870

Country of ref document: EP

Kind code of ref document: A1