北方伟业计量集团有限公司
环境监测数据是客观评价环境质量状况、反映污染治理成效、实施环境管理与决策的基本依据。确保监测数据的“真、准、全”也是当前环境监测工作的重中之重,使用传统的铁皮柜子、档案盒和白纸黑字,已不能够满足行业规范性、高集成、高效率的现实要求。《检验检测机构资质认定生态环境监测机构评审补充要求》(国市监检测〔2018〕245号)提出,建立覆盖布点、采样、现场测试、样品制备、分析测试、数据传输、评价和综合分析报告编制等全过程的质量管理体系。《生态环境监测规划纲要(2020-2035)》(环监测〔2019〕86号)提出,监测机构按照统一要求建设实验室信息管理系统,实现全流程可追溯。《关于推进生态环境监测体系与监测能力现代化的若干意见》(环办监测〔2020〕9号)提出,推动建立分级管理、全国联网的实验室信息管理系统,实现监测活动全流程可追溯,健全生态环境监测量值溯源体系,提高质量监管能力。因此,加强物联网、大数据、人工智能等新技术在环境监测质量管理中的应用,加强全过程质控已成为当前环境监测质量管理的发展趋势。
生态环境现场采样一般为野外作业,地域和时间跨度大,污染源采样复杂,技术要求高,受企业污染源排放工况、天气等外部因素影响,相对于较为成熟的实验室质量管理体系,质量管理手段薄弱,仅依靠监测技术人员的自我约束和内部监督手段,较难保证监测过程的真实性和可追溯性。同时,由于采样工作的不可复制性,个别机构通过不测、少测、篡改数据等不当手段,出具虚假的环境监测数据,严重影响了生态环境监测数据的客观公正性。
通过现场采样活动涉及的人、机、料、法、环要素的流程自动化和数字化,能够减少业务开展的偶然性和随机性,实现全过程质量管理,实现监测人员和设备的有效互联,现场采样活动的信息互联,监测要素与数据的有效互联等。
现场采样仪器是数据产生的源头,也是质量控制的源头。对采样仪器从购买到使用期间的外部校准、日常核查及使用维修保养等关键环节进行全生命周期信息化管理。针对仪器的外部校准和日常核查,从数字化应用角度出发,形成仪器的计量特征,记录仪器自身的计量画像参数,将仪器计量能力形成可数字化、定量化分析的云端匹配库。把仪器的计量、校准过程由单纯的出厂时完成、年检时定点完成转化为在远端通过数据集匹配快速灵活完成,实现仪器计量的可追溯化,提升对数据源头的质量控制。
部分现场采样仪器具备打印报表功能,但限于仪器功能的限制和不同环境要素采样的差异性,大部分现场采样记录还需要依赖手工抄录。针对这些问题,通过以下环节实现数字化记录。
将管理系统中的监测任务下载至移动终端上。
维护各级别现场监测人员信息,根据采样任务特点,在系统内指派采样人员,并根据任务数据考核采样人员工作量。
由采样人员使用移动终端对现场采样点位进行设置。
采样人员在移动终端上进行仪器数据自动采集或者原始数据记录,包括现场环境参数、采样参数、仪器设备、采样人员等信息。
通过移动终端手写电子签名确认现场原始记录单、监测点位示意图及现场监测工况记录单。
采样完毕后,采样人员对样品保存情况进行拍照,并在样品交接单上记录样品保存措施。
采样完毕后,采样人员在移动终端上生成样品交接单,流转至样品管理部门。
通过上述流程环节中相应的数字化采集手段,将采集过程中的仪器状态数据、测量数据、过程数据等全部形成相应的质控点,构建对应的质控数据集,完成整个采集过程的数字化重构,形成数据采集协议、质控方法的有效统一和分析应用。
在现场采样过程中获得仪器、各质控要素的监测数据并进行汇集,在各类质控数据的基础上完成业务记录到实验室分析信息系统的流转,在流转的过程中要能够实施质量保证和质量控制行为,发现可能存在的质量问题。同时,根据各阶段检查的要求按照检查需求进行历史数据回溯分析,发现在工作环节中和日常活动中可能存在的问题与不足,使管理模式从被动拥有数据到基于数据进行精准决策。
在采集数字化的基础上通过各类不断增长的规则库进行自动化、智能化判别,建设行业特定的规则引擎。能够根据各类采样活动本身的规范凝聚评判规则,通过现场采样数据的不断积累和专家的经验,借助人工智能的学习方法来优化规则,完善操作简捷灵活与自动化程度合理之间的良好统一,实现质控的规则化,从而实现从人防走向技防。
随着“十四五”期间国家对于各行业数字化转型的要求,环境监测领域将迎来更快速的发展,物联网、人工智能、大数据分析等技术将发挥更加显著的作用。围绕现场采样质量管理数字化呈现以下内容。
1.智能化采样(辅助)的完善和实现,借助各种逐步涌现的智能化辅助手段,采样数据的获取将会更加自动化、精确化、全面化,采样现场的数字化塑造与重建能力将更强,用户将逐步具备与实验室内部同等水平的数字化管理能力。
2.关键质控信息的预警预测,随着现场采样质量管理信息的数字化建设发展,现场采样质控管理数据库将逐步丰富完善,在此基础上结合质控规则库的建设,将逐步形成采样过程的自动化质控预警能力,并提供多样化的分析预测手段。
3.不同业务场景的应用,随着现场采样的数字化建设,不同业务场景的管理能力也将逐步完善,同类样品在不同业务应用条件下、不同采样场景环境下的分类质控能力也将大为增强,真正形成灵活的场景化业务管理能力。
声明:本文所用图片、文字来源《质量与认证》,版权归原作者所有。如涉及作品内容、版权等问题,请与本网联系删除。
本研究采用阳性样品研磨混匀的方式制备出了大米粉中镉标准物质。然后采用微波消解-电感耦合等离子体-质谱法对样品中镉含量进行检测,并评价其均匀性和稳定性。结果样品的均匀性和稳定性满足标准物质制备的要求。经8家实验室协作定值和定值的不确定度评估,最终确定该样品中镉含量结果为(0.241±0.044)mg/kg。
了解更多> >数据挖掘是指利用算法将隐藏在大量、真实数据中的信息提取出来的过程,其属于一种深层次的数据分析方法,表现形式多种多样。例如,统计类数据挖掘包括回归分析、多变量分析等;知识发现类的数据挖掘包括支持向量机、规则发现、决策树等。
了解更多> >评价指标权重。可通过信息增益获取各个评价指标的重要程度,各指标的重要级别需要通过构建映射函数对其实行信息增益而量化处理完成,以此实现评价指标的决策属性和评价指标关系的最佳描述。设定两个评价指标Y和X,其分别表示评价指标权重和各评价指标的信息增益
了解更多> >聚类性能测试采用三种模型,对表2中4项指标数据进行测试。测试三种模型发现数据集的样本数量、类簇数量和聚类所需时间,其结果如表5所示。将表5的测试结果与表2进行对比可得:本文模型数据样本数量和类簇数量的聚类结果均与表2最接近;聚类平均耗时仅为0.003 4 s;另外两种对比模型的数据样本数量和类簇数量的聚类结果均存在误差。说明本文模型具备较好的数据聚类性能。
了解更多> >制造业一般在一段时期的产品类型固定;而实验室检测工作因为样品来源不同,客户对检测目的的需求不同,一般规模的第三方实验室的检测参数都会有几百至上千种,且相关检测能力需要得到认可,即使是同一领域,样品基质也相对繁杂,如环境领域就可区分为水、土、气、声、固废等,食品领域,可能有面包、海鲜、速食、水、包装、奶制品等,此外,在每个领域还有不同的分支。
了解更多> >通话对您免费,请放心接听
温馨提示:
1.手机直接输入,座机前请加区号 如13803766220,010-58103678
2.我们将根据您提供的电话号码,立即回电,请注意接听
3.因为您是被叫方,通话对您免费,请放心接听
登录后才可以评论