haku: @keyword LIMS / yhteensä: 7
viite: 4 / 7
Tekijä: | Kauhanen, Antti |
Työn nimi: | Statistical quality control module in a laboratory information management system |
Statistinen laadunvarmistusmoduuli laboratorion tiedonhallintajärjestelmässä | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2010 |
Sivut: | xii + 107 Kieli: eng |
Koulu/Laitos/Osasto: | Biotekniikan ja kemian tekniikan laitos |
Oppiaine: | Prosessien ohjaus ja hallinta (Kem-90) |
Valvoja: | Jämsä-Jounela, Sirkka-Liisa |
Ohjaaja: | Oinas, Raimo |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark Aalto 2039 | Arkisto |
Avainsanat: | LIMS SPC multivariate monitoring software module monimuuttuja monitorointi ohjelmistomoduuli |
Tiivistelmä (fin): | Laboratorioiden tiedonhallinnan perustyökalun, LIMS:n, tärkeys on jatkuvasti kasvanut sen liki kolmen vuosikymmenen olemassaolon aikana. Nykyaikaisten analysaattoreiden ja järjestelmäliitäntöjen myötä myös järjestelmissä olevan datan määrä, ohjelmistojen älykkyys ja monipuolisuus on kasvanut merkittävästi. LIMS sisältää usein pienen määrän statistiseen monitorointiin perustuvia laskennallisia menetelmiä, joilla pyritään valvomaan laboratorion analyysien laatua. Yleensä tämä toiminnallisuus on toteutettu SPC-korteilla. Viimeisten vuosien aikana LIMS-datan määrä ja kompleksisuus on kuitenkin kasvanut. Samaan aikaan modernit statistiset monimuuttuja-analyysit ovat saavuttaneet tilan, jossa niiden ymmärrys ja käyttö ovat vakiintuneet osaksi virheentunnistuksen, -ennustuksen ja monitoroinnin repertuaaria. Näitä menetelmiä ei kuitenkaan ole juurikaan käytetty LIMS-järjestelmien kanssa. Monitorointimenetelmien ohella myös ohjelmistokehityksen menetelmät ja mahdollisuudet ovat kasvaneet. Nykyaikaisten internet-pohjaisten ohjelmistoalustojen, vapaan lähdekoodin kirjastojen ja lisääntyneen laskentatehon myötä kompleksisten laskentaohjelmistojen kehittäminen on muuttunut helpommaksi ja halvemmaksi. Tämän diplomityön tavoitteena oli kehittää moderni, laajennettava ja online-kelpoinen monitorointimoduuli laboratorion informaatiojärjestelmien käyttöön. Työn kirjallisuusosiossa esitellään erilaisia yksi- ja monimuuttuja menetelmiä. Lisäksi luodaan katsaus LIMS järjestelmien historiaan, laboratorion laadunvalvontaan ja käydään läpi kolmannen osapuolen monitorointijärjestelmiä, jotka ovat tavalla tai toisella liitettävissä LIMS dataan. Kokeellinen osio keskittyy monitoriointimoduulin kehittämiseen. Tässä osiossa kuvataan kehitysprojektin eri vaiheet ja lisäksi keskustellaan moduulin arkkitehtuurista, käytetyistä kehitysmetodeista ja ohjelmistoteknisistä valinnoista. Ohjelmistoprojektin tuloksena kehitettiin uusi ohjelmistomoduuli. Moduulia voidaan käyttää toteuttamaan LIMS:iin erityyppisiä kehittyneitä monitorointi ja laadunvarmistus metodeita. |
Tiivistelmä (eng): | The importance of laboratory information management systems (LIMS), the basic tools of laboratory data handling, has grown continuously during their almost three-decade lifespan. As a result of the automation and complexity of modern measurement devices and interfacing with external systems, the amount of data available in LIMS has increased and the systems have become more intelligent and feature rich. A LIMS commonly includes some statistical monitoring functionality for ensuring laboratory analysis quality. This functionality is usually implemented with basic SPC-charting. However, during the last few years, the amount and complexity of LIMS data have increased. At the same time, modern multivariate statistical analysis methods have reached a point where they are commonly applied for fault detection, prediction and monitoring. However, these methods are still rarely applied in conjunction with LIMS programs. In addition to the evolution of monitoring methods, the possibilities provided by software development have increased. With new internet based platforms, open source frameworks and increased computational power, the creation of complex calculation modules has become easier and more cost effective. The aim of this Masters Thesis was to develop a state-of-the-art, extendable, online supportive monitoring module for LIMS use. In the literature part of this master's thesis, multiple univariate and multivariate monitoring methods are presented. In addition, a brief look is also taken into LIMS history, laboratory QC and different commercial, third party monitoring applications. The experimental part of the thesis consists of development of the monitoring module. Different development phases, and the chosen technologies, architecture and development methods are discussed. |
ED: | 2010-02-19 |
INSSI tietueen numero: 39031
+ lisää koriin
INSSI