维权声明:本文为yue_qiu原创作品,本作者与仪器信息网是该作品合法使用者,该作品暂不对外授权转载。其他任何网站、组织、单位或个人等将该作品在本站以外的任何媒体任何形式出现均属侵权违法行为,我们将追究法律责任。
题目是我编造的,这样看起来比较international和professional,是的,我就是这么一个naughty boy。
XRF是我工作之后接触的新原理和新仪器,既无参考书可以借鉴,也没有人员可以垂询(带我的师傅在我入职三个月后离职了),通过不断的比对检测数据和实际值,不断的拆机装机、不断的尝试各种制样方法,终于积攒起粗粝、粗暴的认识,对XRF的感情也非常深。
但是,对于XRF的相关知识,我并没有系统的知识储备,也不知道XRF发展历史中有哪些阶段性的变革,所以“下一个增长点”的说法其实是我杜撰的。
先说几句题外话。
大约十六、七年前,当时的卓越网(现亚马逊中国)搞了一个征文活动,我写了一篇《卓越,请你听我说》获得了征文二等奖(一等奖一个,所以可以理解我排名第二),讲述的其实是营销模式的问题,卓越网奖励我1000礼品卡,并许诺终生免运费。很可惜的是,后来的亚马逊中国不认账了。
大概十三年前,我活跃在bbs.imp3.net,热衷于参加各种数码产品的内测、试用活动,要是全部算起来,迄今试用过的数码产品估计近百。
其实我想说的是,跨界或许是门外汉的一种先天的优势,不至于桎梏于我们现有的认知。
我接触的样品很杂,所以使用过、相对较为了解的分析方法和分析仪器种类很多,这些都对我的思路有帮助,我要是借助仪器信息网这个平台以及原创大赛这个机会“胡说八道”几句,估计专家们应该能海涵。
从2015年的BCEIA开始,我就发现仪器小型化、傻瓜化的趋势非常明显,在设计上会更贴近消费者的需求,注意,我这里不再使用“使用者”或“分析测试人员”的称谓,而使用的是“消费者”。
对于任何类型的分析仪器,检测数据的准确是最基本的要求,也是我们最为看重的要求,但是对于客户的真正诉求和痛点,他们感兴趣的难道真的只是几个干巴巴的数据么?
不一定!
他们很可能想知道的是,我的产品或我购买的商品是否符合要求,我买到的商品到底是什么?我有没有可能找到更好的供货渠道。
你给我看数据?我只能尴尬地笑笑,其实我就想要一个结论。买了你的仪器我还要招人,他会不会骗我其实我也不知道,有没有可能样品进去,结论出来,所有的事情仪器帮我搞定。
以前很难,现在呢?
以前经验跟着人走,不管是检测人员还是销售工程师、还是应用工程师,现在呢?
互联网环境变了,翻天覆地!
计算机的运算能力变了,地覆天翻!
我到汉堡王吃汉堡,居然手机都不用带了,刷脸就行了!
十几年前,我看到帕纳科的衍射能远程操作都觉得是黑科技,现在呢?
我觉得对“云”的运用,各类分析仪器好像都差那么些意思,有些落后于这个外部大环境的发展变化。
最有可能在“云”的运用上有所突破的,是各类基于算法生存和谱图匹配的分析仪器领域,我基于自己的认知想了一下,主要包括:
XRF、SEM-XRF、拉曼、红外光谱(含近红外)、XRD。
对于XRF和SEM-XRF主要体现在云计算和云匹配上;对于拉曼、红外光谱、XRD主要体现在云匹配上。
先说下云计算,XRF的优点在于算法,可以不借助标准样品,对于较宽的元素范围(通常F-U)和较大的动态响应区间(从ppm到%)使用以基本参数法为基础的拟合算法得出半定量的检测结果。缺点也在于算法,集体效应、矿物效应、颗粒效应以及仪器自身硬件特性都会影响最终的结果。要搞一个考虑周全、生命力长且可靠的算法不容易,用起来也可能有诸多的局限性。
可现在情况不一样了,消费者可以在客户端提交原始数据,厂商在云端进行更多变量的拟合,再返回数据,算法越来越快、越来越准(大家想想现在头条的各种推送吧,有时候是不是倒吸一口冷气)。硬件到时候不是核心卖点,而算法以及样品库是最大的卖点。消费者也完全可以按次缴费,降低自己的检测成本或者提高仪器的共享利用率。
除了返回检测数值以外,厂商还可以通过与消费者共同建库的模式,通过数据比对、匹配返回更明确的信息。
例如:
消费者通过检测一个白色粉末的样品(注意,检测时色度、粒度及粒度分布信息都有可能同时被采集上传),数据在云端计算出氧化铝含量46%,二氧化硅含量49%,二氧化钛含量2%,氧化铁1%,进而给出高岭土匹配度99的结论。
一旦算法足够精准、样品库足够大,甚至可以给出原产地信息。
例如:
样品氧化铁含量和二氧化硅含量与澳大利亚XX矿区铁矿吻合度较高;
样品氧化铁含量与澳大利亚XX矿区铁矿含量吻合,但是二氧化硅、氧化铝含量与典型值差距很大,与XX矿区铁矿(低品位)一致,要考虑掺入高铁含量物质造假的可能性。
样品的微量元素与波尔图地区土壤的微量元素含量吻合,你买到的是真酒。
SEM-XRF做面扫描的时候,可以通过准确的云端计算得出夹杂物的成分,并进而匹配出夹杂物可能的物相(目前物相还是靠经验以及XRD佐证)。
云匹配不说了,匹配是更加纯粹的数学计算方法,已经非常成熟了,很多物相识别仪(拉曼光谱)已经在使用这种方式,避免单机数据库不全、更新不及时对检测准确性造成影响。
对于单机版表现已经非常强悍的XRF,我们有理由相信云端的算法会更强悍,到时候只要各家厂商能通力协作开放共享硬件参数(不但因厂商而异、而且因各个仪器而异),实现原始数据的标准化(Normalize),共同打造、完善云端的算法,XRF很有可能会有更加广泛的应用前景。
(附图为此次BCEIA上我到访的安科慧生展位,样机展示了高度开放以及参数高度细化的算法,它的表现让我进一步坚定了我文中所述观点)
P.S.
全文完,感谢仪器信息网和各位坛友的支持,CrazyAnalyst战队第12届原创大赛收官了!希望来年有更多的坛友、同行加入我的战队,为分析测试的科普以及做一个更省事、更强势的消费者而努力奋斗。