阅读说明：本技术 测序系统中试剂冷却液不稳定性和流动池加热器故障的预测 (Prediction of reagent coolant instability and flow cell heater failure in sequencing systems ) 是由 G·艾克 于 2019-01-03 设计创作，主要内容包括：所公开的技术检测冷却液系统的不稳定性,从而减少假警报。在低于预定阈值的稳定操作周期的预定时间窗内测试冷却液温度传感器数据的平滑时间序列。如果稳定温度操作周期小于预定的稳定性测量值,或者如果稳定的试剂冷却液温度已经超过阈值,则所公开的技术预测试剂冷却液是不稳定的。所公开的技术在系统中在多个循环中检测流动池加热器故障。测试流动池加热器温度传感器数据的时间序列,以确定最近处理循环中的点的计数是否记录为在阈值以上。如果在两个连续循环中超过阈值的点的计数小于预定计数,则所公开的技术确定流动池加热器发生故障。(The disclosed technique detects instability of the coolant system, thereby reducing false alarms. The smoothed time series of coolant temperature sensor data is tested within a predetermined time window of a stable operating cycle below a predetermined threshold. The disclosed technique predicts that the reagent coolant is unstable if the stable temperature operating period is less than a predetermined stability measurement, or if the stable reagent coolant temperature has exceeded a threshold. The disclosed technology detects flow cell heater faults in multiple cycles in a system. The time series of flow cell heater temperature sensor data is tested to determine if the count of points in the most recent processing cycle is recorded to be above the threshold. The disclosed technique determines that the flow cell heater is malfunctioning if the count of points exceeding the threshold in two consecutive cycles is less than a predetermined count.)

具体实施方式

下面参照附图进行详细描述。描述示例实施方式是为了说明所公开的技术，而不是限制其由权利要求定义的范围。本领域普通技术人员将认识到对以下描述的各种等同变化。

介绍

合成测序(SBS)是几种常用的对DNA或RAN分子中核苷酸进行测序的技术之一。执行测序的机器是复杂的系统，包括在测序过程步骤中在特定温度下操作的复杂子系统。获取和操作测序机的成本很高。在测序过程中，测序机的子系统可能会受到内部和外部不稳定性的影响。

在SBS处理循环中，将互补核苷酸一次一个地添加到待测序DNA的核苷酸序列片段(也称为分子或插入物)中。分子中核苷酸的测序在数百个循环中进行。在测序循环开始之前，在载玻片或流动池上制备待测序的分子文库。分子排列在流动池上的多条通道内的小区中。一个循环包括化学、图像捕捉和图像处理操作。子系统(包括光学、机械和化学子系统)在每个循环中操作，以识别附着于分子上的互补核苷酸。鉴定添加的核苷酸是大规模并行的，因为流动池上有数百万或数十亿个分子簇。测序运行包括数百个测序过程周期，可能需要几天才能完成。有时，整个测序运行的结果会被丢弃，因为它们不符合下游分析的最低质量要求。因此，如果子系统故障影响测序结果的质量，则需要尽早预测。

所公开的技术涉及修改测序器，以暴露来自内部控制回路所使用的传感器的选定数据，这些数据先前没有被收集或分析。选择暴露和收集传感器数据需要对控制回路中使用的子系统和传感器进行仔细分析。

这项技术的发展包括分析新收集的传感器数据和识别可用于预测故障的时间序列数据中的特征。

实现从具有不同类别用户的不同环境中的许多机器收集选定的传感器数据将支持预测方法的细化。对各种数据进行分析应该使得开发团队减少破坏预测置信度的假警报，而不遗漏重大事件。

测序运行期间的传感器数据收集和分析将使操作人员能够中止可能失败的测序运行，或在运行之间安排预防性维护。

值得注意的是，预定检测参数和滤波器旨在区分错误条件和由外部因素引起的暂时及瞬时波动，以便假警报不会导致应该成功的运行被取消。例如，试剂冷却液子系统保持用于测序运行的试剂精确温度。如果在夏季打开测序机操作的房间的门，则来自外部的温暖空气会提高房间温度。当空气进入试剂冷却液室时，传感器记录的温度读数高于平时。这种瞬时波动不应产生错误状态警报。在本示例中，不稳定或性能不佳的试剂冷却液系统在滤掉由外部因素引起的瞬时温度波动后会发出警报。在另一个示例中，所公开的技术使用来自多个测序循环的温度数据，警告操作人员流动池加热器发生故障。考虑到循环设置点或导出的阈值，可以从温度传感器数据中检测到加热过慢的流动池加热器。流动池加热器未能按预期加热可能表明加热器故障和/或导致潜在的运行不成功。

在测序过程中对新收集的传感器数据进行分析，可针对子系统的预测故障和可能发生故障的测序运行生成告警和警报。这将减少停机时间，提高客户满意度。

环境

我们描述了一种用于测序系统中试剂冷却液故障和流动池加热器故障的早期预测系统，该系统应用于扩展的光学碱基识别过程。DNA分子中的四种核苷酸是腺嘌呤(A)、胞嘧啶(C)、鸟嘌呤(G)和胸腺嘧啶(T)。碱基识别是指在测序运行的一个循环中，确定每个簇添加到分子中的核苷酸碱基(A、C、G、T)。参考图1描述了该系统，图1示出了根据实施方式的系统的架构层次示意图。因为图1是架构图，为了提高描述的清晰度，有意省略某些细节。图1的讨论如下组织。首先，描述附图的元件，然后描述它们的互连。然后，将更详细地描述系统中元件的使用。

图1包括系统100。本段命名系统100的标记部分。该图示出了测序系统(或测序器)185、测序系统的操作人员113、技术人员119、客户关系管理(CRM)系统167、服务警报数据库141、警报状态数据库114和服务解决方案数据库143。系统100还包括测序硬件传感器读数和Q值数据库151、配置引擎117和报警服务121。这些组件有助于试剂冷却液不稳定性预测系统131和流动池加热器故障预测系统141。数据库151、报警服务121、试剂冷却液不稳定性预测系统131、流动池加热器故障预测系统141可以实现为基于云的主动维护分析器111。

所公开的技术适用于各种测序系统185，也称为测序器和测序平台。网络155使测序系统185、操作人员113、CRM系统167、技术人员119、配置引擎117、警报状态数据库114、报警服务121、试剂冷却液不稳定性预测系统131、流动池加热器故障预测系统141和数据库151相互通信。CRM系统167与服务警报数据库141和服务解决方案数据库143通信，以向操作人员113和技术人员119发送警报。技术人员服务后警报的解决方案存储在服务解决方案数据库143中。CRM系统167也可以打包在客户关系模块中。

测序系统185可以使用Illumina的合成测序(SBS)技术或另一种测序技术。Illumina Inc.是测序系统185的制造商，提供各种测序系统，包括但不限于HISEQX^TM、HISEQ2500^TM、HISEQ3000^TM、HISEQ4000^TM、NOVASEQ6000^TM和MISEQDX^TM。这些测序机包括控制计算机、监视器和一些包含流动池、射流和试剂、光学器件和图像采集及处理模块的主要子系统。这些测序系统将SBS技术应用于测序运行中的碱基识别循环。测序系统185用于各种各样的物理环境，从大型研究设施中的实验室到高中教室。许多信号噪声源影响在不同环境下运行的测序机。测序机操作人员的技能水平各种各样，从研究实验室训练有素的研究人员到使用租借设备的高中教师和学生。一些型号的测序机不是高度绝缘的，因此可能会受到天气条件和门窗打开的影响。

测序运行进行数百个处理循环，例如200到600个循环或300到1000个循环。根据平台的不同，300个循环的测序运行可能需要三天才能完成。有时，一次运行分为两次读取，也称为双端运行。一个循环包括化学、图像采集和图像处理步骤。在化学加工过程中，在流动池的通道中排列的分子簇中，每个分子都添加一个互补核苷酸。一些子系统将在以下段落中描述。

射流子系统包含射流泵，射流泵将试剂输送到流动池，然后输送到废物容器。试剂是在化学处理中添加到流动池中的化合物或物质。试剂子系统中的试管架为整个测序运行保存足够数量的试剂。试剂冷却液容纳试剂架并将内部温度保持在4℃左右。可以理解，在其他测序系统中，试剂冷却液可以保持不同的温度范围。

流动池子系统可以包括流动池载台，其在测序运行期间将流动池保持就位。一些载台保持两个流动池。加热器在测序循环中将流动池升温至合适的反应温度。

光学子系统包括光学组件，该光学组件能够对流动池成像，以使用荧光标记的互补核苷酸来识别A、C、G和T碱基。激发激光束激发荧光标签。使用相机来采集图像，对这些图像进行处理以识别碱基。在测序器的其他实施例中，被纳米孔覆盖的CMOS半导体传感器已用作流动池的基底，取代了悬吊式相机。

测序系统和子系统在控制回路中使用许多传感器。系统软件已经更新，以记录以前仅用于内部控制回路的选定传感器读数。可例如通过部署软件补丁来改装(或初始配置)测序系统，以便收集和/或记录以前仅用于内部控制的传感器读数。收集的传感器读数可以被发送到基于云的数据主动维护分析器111，或者被本地存储到测序器或企业网络中。

在一个实施方式中，基于云的主动维护分析器111聚集收集的传感器读数。该平台直接与提供的测序机集成。仪器操作数据可以通过网络155从测序系统185发送到基于云的主动维护分析器111。在另一实施方式中，基于云的主动维护分析器111的本地版本能够通过安装的本地服务器在现场进行数据存储和分析。测序机的特定测序运行的操作数据被存储为时间序列数据的数据集。操作数据可以存储为质量数据的时间序列，例如循环的Q值和其他度量，包括强度和定相/预定相。质量数据可用作独立传感器读数分析的因变量。

收集的数据可用于建立或更新预定检测参数和滤波器。例如，基于云的主动维护分析器收集并分析时间序列和质量数据，以设置或更新预定检测参数。主动维护分析器还可以定期更新预定检测参数，将收集的时间序列数据与服务解决方案数据相结合，以区分正确和假警报，并指示警报是如何解决的。当更新预定检测参数时，也可以考虑来自没有警告就发生故障的设备的时间序列数据。可以使用来自CRM系统的服务解决方案数据来识别遗漏的故障和假警报，并用于细化预定检测参数和相应的时间序列滤波。

测序系统185在测序过程期间或之后报告传感器读数。测序系统还报告与质量相关的数据。传感器和/或质量读数的集合可以称为日志。所收集的传感器读数和质量数据存储在数据库151、测序硬件传感器读数和Q值数据库151中。数据库151可以存储根据每个测序系统的碱基识别循环组织的传感器读数的时间序列。数据库151还可以存储每个测序系统的碱基识别循环的质量值作为因变量。Q值是一种常用的质量值，用于预测碱基识别出错的概率。Q值的详细信息见技术说明Quality Scores for Next Generation Sequen cing(2011)<链接为https://www.illumina.com/documents/products/technotes/technote_Q-Scores.pdf，2018年12月6日>。高Q值表示碱基识别更可靠，不太可能不正确。在一个实施方式中，数据库151存储由传感器报告的试剂冷却液温度和流动池加热器温度。

除了Q值之外，质量度量的几个示例如下。例如，化学处理子系统生成定相和预定相度量。术语“定相”描述了在测序过程中，分子簇中的一个分子比同一簇中的其他分子落后至少一个碱基的情况。这一结果可能是由于化学反应不完全造成的。术语“预定相”描述了一个分子比同一分子簇中的其他分子往前跳跃至少一个碱基的情况。预定相的一个原因是加入了一个未终止的核苷酸，随后在同一测序循环中加入第二个核苷酸。增加定相或预定相会混淆簇中的发光信号，从而降低识别的准确性。因此，定相和预定相测量值可以与传感器时间序列数据一起使用，以设置或更新预定检测参数。

光学子系统产生可用作质量数据的强度测量值。一些测序器使用相机在测序循环中采集流动池上的簇的图像。图像采集包括测序运行中循环的强度测量。确定测序图像中簇的强度值的过程称为强度提取。为了提取强度，使用包含分子簇的图像的一部分来计算分子簇的背景。从簇信号中减去背景信号以确定强度。测序硬件传感器读数和Q值数据库151可以存储一个或多个成像性能度量作为因变量。

配置引擎117可用于传送软件补丁，该软件补丁对测序系统进行改装，并暴露传感器读数以供收集和记录。分析新收集的传感器读数数据，以确定不同测序系统组件或子系统的传感器读数的预定检测参数。在预定检测参数被确定之后，针对这些预定检测参数测试来自测序系统的传感器读数，以预测相应的子系统故障。配置引擎117和报警服务121的进一步细节在图2所示的子系统组件的描述中呈现。试剂冷却液子系统和流动池加热器子系统是测序系统的两个示例子系统，它们已经通过所公开的技术进行了改装以收集传感器读数。

试剂冷却液系统将储存在外壳内的试管架中的试剂冷却到冷温度，例如对于一种化学处理，大约为4摄氏度。测序系统中使用的试剂被冷却，直到用于化学处理。试剂冷却液无法补偿环境温度的波动，这可能会使储存的试剂长时间暴露在高于所需温度的环境中，从而损坏试剂。试剂冷却液不稳定性预测系统131使用试剂冷却液中的温度传感器报告的试剂冷却液温度数据来识别试剂冷却液操作中的不稳定性。在一种实施方式中，软件每隔五分钟报告一次试剂冷却液中传感器的读数。应当理解，在其他实施方式中，可以以大于或小于5分钟的时间间隔报告温度传感器数据，例如在1至30分钟或30秒至1小时的范围内。试剂冷却液中温度传感器报告的数据可能会因冷却液子系统运行中使用的机械系统而产生噪声。冷却液子系统的温度受外部因素的影响，例如测序机运行的环境，以及试剂冷却液子系统的运行。试剂冷却液不稳定性预测系统131分析冷却液温度传感器数据的时间序列，以确定试剂冷却液系统是否不稳定。更多细节在图2中子系统组件的描述中给出。

流动池加热器和冷却液分别将流动池和试剂加热和冷却到附着和移除荧光标签的化学处理所需的温度，荧光标签被成像并转换成碱基识别。化学处理在不同的温度下进行。在一个测序循环实施方式中，流动池温度从初始值20℃上升到55℃一小段时间，然后再上升到60℃一小段时间。成像前，流动池的温度降至20℃。在下一个测序循环中重复升温和降温。流动池加热器故障预测系统141分析流动池加热器温度传感器数据的时间序列，以确定流动池加热器是否发生故障。试剂冷却液不稳定性预测系统131和流动池加热器故障预测系统141的细节在图2中的子系统组件的描述中给出。

当故障预测系统，例如试剂冷却液不稳定性预测系统131和流动池加热器故障预测系统141，指示接近硬件故障时，报警服务121生成服务警报。CRM系统167转发警报，该警报使操作人员113和/或技术人员119能够建立服务于测序系统185的服务呼叫。警报存储在服务警报数据库141中。警报的状态保持在警报状态数据库114中，以便例如根据服务级别协议以计划的方式管理服务请求的升级。服务解决方案数据库143包括由技术人员执行的设备服务的细节。遗漏故障和假警报可以用于调节预定检测参数。遗漏故障可以用作假阴性，而假警报可以用作假阳性。例如，在流动池加热器故障预测中，假阳性可以指示可能需要增加高于环境温度的阈值。对于假阴性，可能需要降低阈值。

完成对图1的描述，如上所述，系统100的组件都与网络123通信耦合。实际的通信路径可以是公共和/或专用网络上的点对点路径。通信可以在各种网络上进行，例如专用网络、VPN、MPLS电路或互联网，并且可以使用适当的应用编程接口(API)和数据交换格式，例如表示状态传输(REST)、JavaScript对象表示(JSON)、可扩展标记语言(XML)、简单对象访问协议(SOAP)、Java消息服务(JMS)和/或Java平台模块系统。所有的通信都可以加密。通信通常通过诸如LAN(局域网)、WAN(广域网)、电话网(公共交换电话网(PSTN))、会话发起协议(SIP)、无线网络、点对点网络、星形网络、令牌环网、集线器网络、互联网(包括移动互联网)之类的网络，经由诸如EDGE、3G、4G LTE、Wi-Fi和WiMAX之类的协议进行。图1的引擎或系统组件由运行在不同类型的计算设备上的软件实现。示例设备是工作站、服务器、计算集群、刀片服务器和服务器群。此外，多种授权和验证技术，如用户名/密码、开放授权(OAuth)、Kerberos、安全密钥、数字证书等，可用于保护通信安全。

系统组件

图2是组件配置引擎117、报警服务121、试剂冷却液不稳定性预测系统131和流动池加热器故障预测系统141的高级框图。这些系统是使用各种不同的计算机系统实现的计算机，如下文在图8的描述中所示。当实现时，图示的组件可以合并或进一步分离。

配置引擎

负责所谓的主动警报生成平台的开发团队调查了来自测序机控制回路中使用的传感器的哪些数据可以被记录并用于产生故障即将发生的主要指示符。测序系统包括许多传感器和软件，可以更新这些传感器和软件以记录适度数量的读数。可以识别来自闭环的新信号并进行分析，以产生故障的主要指示符。

例如，开发团队从试剂冷却液确定的温度时间序列数据可以产生冷却液即将发生故障和试剂即将损坏的主要指示符。开发团队研究了埋在测序机中的传感器要暴露出哪些信号。待采集的信号被识别后，改装(并且可以配置)测序机以暴露信号。通常，可以使用配置引擎117向测序机提供补丁。

配置引擎117包括补丁应用引擎211，以将软件程序部署为在控制测序机操作的计算机上运行的现有软件程序的补丁或更新。子系统由计算机控制。测序系统的子系统包含产生传感器读数的传感器，这些读数在测序机运行期间用于控制回路。新系统可以用等效的编程来构建。

新部署的软件补丁支持传感器数据的收集和记录。例如，补丁应用引擎211可以安装软件补丁，以收集来自试剂冷却液的温度传感器读数，用于不稳定性预测系统131。类似地，可以应用软件补丁来收集故障预测系统141的流动池加热器传感器读数。这部分技术也可以打包在传感器暴露模块中。配置引擎117能够改装测序机，使得来自测序机中传感器的先前未记录的数据可以被暴露，以进行主动维护。

配置引擎117包括检测参数预先确定和更新引擎212。对即将发生的硬件故障的可靠预测包括对收集和/或记录的传感器读数进行信号分析。更新引擎212处理从闭环控制中暴露的至少选定的日志数据。可以从多个地理上分散的测序机中收集以前没有记录的数据。数据可以有时间标记或排序，以便于关联，也可以在收集时关联。独立操作中来自多台机器的数据提高了仪器故障主要指示符的可靠性。

检测参数预先确定和更新引擎212实现由开发团队原型化的分析，以在测序之前预先确定检测参数和滤波器，以应用于时间序列数据。可以使用的分析示例包括回归分析、逻辑回归、最小化成本函数的阈值拟合和机器学习(如果有足够的故障样本)。平滑的变化率是可以分析的信号特征之一。对主要指示符执行了分析，以确定主要指示符的变化趋势，从而预测即将发生的故障。检测参数预先确定和更新引擎212可以重复分析发生故障的组件实例中的传感器读数以预先确定检测参数。这种分析的一个示例是确定冷却液系统即将发生相应故障的设备实例中的预定温度变化率。

为了提高维护预测警报的质量并减少假警报的数量，检测参数预先确定和更新引擎212可以在技术人员119的服务呼叫之后使用服务解决方案数据来更新预定的检测参数。服务解决方案数据可以包括诸如故障或失效组件的更换或警报的假阳性指示等信息。现有的优化技术，例如梯度下降或上述分析的重新应用，可以用于更新预定的检测参数，以减少遗漏的故障和假警报的数量。

在一段时间内(例如一个月、三个月或一至十二个月)收集服务呼叫记录后，可以定期跟新预定检测参数。当检测参数预确定和更新引擎处理来自测序系统中试剂冷却液的温度数据时，该引擎的更新部分也可以打包在阈值调节模块中。当检测参数预先确定和更新引擎处理来自测序系统中流动池的温度数据时，该引擎的更新部分也可以打包在温度裕量调节模块中。

报警服务

当故障预测系统例如试剂冷却液不稳定性预测系统131和流动池加热器故障预测系统141预测到即将发生故障时，可以生成可操作的警报。警报被传递给报警服务121。报警服务121包括警报生成器组件213，其实现例如服务警报订阅和发布功能。警报被发送给操作人员113和/或技术人员119。客户关系管理(CRM)系统可以实施警报并通过解决方案跟踪后续情况。

滤波可以应用于在单次运行的多个循环和多个测序运行中重复出现的警报，特别是对于测序系统185利用率高的实验室。警报滤波引擎214滤波重复警报。在一个实施方式中，系统维护警报状态数据库114，以有计划的方式升级服务警报。CRM系统167通过连续的状态更新警报的状态，例如服务票据的创建、服务访问的调度和设备服务的完成。如果服务操作没有在所需的服务时间内完成，则报警服务121可以升级服务警报。

报警服务121可以生成多于一种类型的警报，例如仪器警报和运行警报。仪器警报是长期存在的，通常跨越多次运行，一旦生成警报，其将一直保持活动状态，直到得到解决。仪器警报可能需要更换或维修零件。仪器警报的示例包括试剂冷却液不稳定、流动池加热器故障或激光电源故障。另一方面，运行警报可以是测序运行特有的。在一些情况下，操作人员113能够对这种警报采取行动。例如，操作人员可以在接收到识别测序器流动池支架上流动池未对准的警报时终止测序运行。这可以节省失败运行的处理时间和测序操作成本。

试剂冷却液不稳定性预测系统组件

该框图呈现了两个故障预测系统131和141的示例组件，其预测试剂冷却液的不稳定性和发生故障的流动池加热器和/或冷却液。时间序列准备器组件221对于系统131和141都是公共的。组件221根据测序硬件度量准备时间序列。时序数据是从测序系统子系统中的传感器收集的。时间序列准备器221也可以打包在日志收集模块中。在一个实施方式中，收集的数据被上传到基于云的主动维护分析器111，并存储在测序硬件传感器读数和Q值数据库151中。试剂冷却液和流动池加热器的温度传感器时间序列数据的示例如图3和图5所示。试剂冷却液不稳定性预测系统131和流动池加热器故障预测系统141特有的组件的细节在以下段落中给出。

试剂冷却液不稳定性预测系统131还包括数据平滑器231、时间序列测试器241、严重级别识别器251和试剂冷却液系统稳定性预测器261。如有必要，试剂冷却液温度传感器数据按升序按时间顺序测序，以准备时间序列。时间序列被作为输入提供给数据平滑器组件231。如上所述，试剂冷却液的温度数据有噪声。数据平滑器组件231滤除冷却液温度传感器数据时间序列中的瞬时振荡。所公开的这部分技术也可以打包在时间序列平滑模块中。在一个实施方式中，数据平滑器组件231应用截止值为每分钟0.125℃的导数滤波器来滤波瞬时振荡并产生冷却液温度传感器数据的平滑时间序列。替代地，可以应用滤波器来消除产生每分钟0.250摄氏度或更高温度变化率的瞬时振荡。或者，平滑函数可以基于大于或等于每分钟0.0625摄氏度的预定温度变化率来消除瞬时振荡。滤波器可以内置一个上限，例如每分钟5.0摄氏度，但不是必须的。

试剂冷却液预测系统131可以实现为基于云的主动维护分析器111的一部分。如上所述，来自试剂冷却液的温度传感器数据的日志由配置引擎117分析以预先确定检测参数。时间序列组件241使用预定的检测参数来预测冷却液系统的不稳定性。时间序列测试器组件241在稳定温度操作周期的预定义的时间窗内测试冷却液温度传感器数据的平滑时间序列。时间序列测试器组件也可以封装在温度不稳定性检测模块中。稳定温度操作的周期定义为平滑时间序列中的温度读数使用变化率的绝对值变化小于预定温度变化率的时间段。在一种实施方式中，稳定操作的绝对温度变化率小于每分钟0.05℃。在另一种实施方式中，可以使用更高的值，例如每分钟0.25℃，或者可以使用更低的值，例如每分钟0.01℃。如果在预定时间窗内稳定温度操作的总周期数小于预定稳定性测量值，则试剂冷却液系统稳定性预测器组件261确定冷却液系统不稳定，并报告温度是否快速上升(即，比上述阈值更快)。稳定操作的周期数可以表示为预定的百分比。组件261通知报警服务121试剂冷却液系统不稳定。试剂冷却液系统稳定性预测器组件261和报警服务121也可以一起封装在温度不稳定性警报模块中。

严重级别识别器组件251将稳定冷却液系统的平均和中值温度与两个阈值进行比较，以确定严重级别1和严重级别2的错误。在一个实施方式中，配置引擎117分析从测序系统中的试剂冷却液收集的温度传感器读数，以设置阈值。例如，对HISEQX^TM、HISEQ3000^TM和HISEQ4000^TM测序系统的这种分析结果是为严重级别1的问题设置了9℃的阈值，为严重级别2的问题设置了7.5℃的阈值。应当理解，可以为严重级别1和2设置不同的阈值。当严重级别识别器251确定冷却液系统具有严重级别1或严重级别2的问题时，它通知报警服务121，然后报警服务121可以生成警报。

流动池加热器故障预测系统组件

图2还示出了流动池加热器和/或冷却液预测系统141的组件，包括设置点数据分离器233、没有设置点数据组件的数据分析器243、具有设置点数据组件的数据分析器253以及流动池加热器故障预测器263。时间序列准备器组件221从测序硬件传感器读数和Q值数据库151中检索流动池加热器的温度传感器数据。在一个实施方式中，时间序列准备器组件221分离流动池子系统的A侧和B侧的温度数据。在这种实现方式中，对每一侧的时间序列分别进行测试。

流动池加热器的温度传感器数据按时间顺序被视为时间序列。流动池加热器温度传感器数据可以在测序处理循环中界定。处理循环，也称为碱基识别循环，包括多个化学处理子周期。在一个实施方式中，碱基识别循环的持续时间大约为15分钟，化学处理子循环的持续时间大约为5分钟。

在一个实施方式中，在碱基识别循环期间的化学子循环期间，大约每分钟从流动池报告温度。应当理解，在其他实施方式中，可以以更高或更低的采样率报告样本，例如在15秒至3分钟的范围内。

在化学处理子循环期间，在一个测序器上，温度从初始温度(例如，大约20℃)上升到更高的温度(例如，大约55℃)，在该温度下停留一小段时间，然后再上升到更高的温度(例如，大约60℃)另一小段时间，然后回落到初始温度。这三个温度水平称为设置点。

在一个实施方式中，在化学子循环期间，温度传感器读数的采样间隔比特定温度点的保持持续时间更长。在这种实施方式中，对于一小部分化学子循环，在较高温度(55℃和60℃)下不获取温度读数。因此，在组件243或253测试处理循环的温度传感器数据之前，检查是否有足够数量的温度传感器数据读数可用。在一种实施方式中，在测试数据之前，在一个处理循环中需要至少5个读数。替代地，根据化学持续时间和传感器报告频率，可能需要至少3个读数或3到10个读数。

流动池加热器故障预测系统141可以实现为基于云的主动维护分析器111的一部分。传感器数据可以在有或没有报告设置点数据的情况下进行分析。如果设置点数据可用于流动池加热器温度传感器，那么组件253使用设置点数据分析温度传感器数据。可能有不止一个温度设置点。设置点数据分离器模块233将设置点数据时间序列与流动池加热器温度传感器数据时间序列分离。否则，如果设置点数据不可用，则被称为没有设置点数据的数据分析器的组件243使用操作加热器阈值来分析温度传感器数据。该组件测试流动池加热器温度传感器数据的时间序列，以对在最近的处理循环中记录的高于操作加热器阈值的测量温度传感器数据点进行计数。基于在特定温度间隔期间进行传感器测量的可能性来确定阈值。在一种实施方式中，阈值为31℃，相当高于环境点，尽管该阈值可以被设置为高达54℃，刚好低于第二设置点，而操作没有显著变化。可以使用从环境温度以上10℃到第三设置点的阈值。可以使用多个阈值来代替跟踪朝第二设置点加热的一个阈值。

该阈值可以通过数据分析建立，无需访问系统的设计参数。当温度传感器数据不包括设置点数据时，用于预测流动池加热器故障的预定阈值分析器是由配置设定的检测参数之一。配置分析器可以使用来自位于多个位置并由多个独立操作人员操作的测序器的流动池加热器传感器数据的日志来确定高于和/或低于环境温度的阈值和/或裕量。在一个实施方式中，配置分析器确定比环境温度高的第一预定裕量，也称为阈值。测试来自流动池加热器中的温度传感器的时间序列，以确定时间序列中的样本是否比环境温度高出第一预定裕量。如果温度时间序列中的数据没有比环境温度超过第一预定裕量，则流动池加热器可能发生故障。可以测试不止一个对应于测序循环的连续时间序列，以预测流动池加热器故障。

在测序循环中，流动池也可以冷却到低于环境温度。为了预测流动池冷却到低于环境温度的故障，配置分析器可以确定比环境温度低的第二预定裕量，也称为阈值。配置分析器可以使用来自位于多个位置并由多个独立操作人员操作的测序器的流动池加热器传感器数据的日志来确定该第二裕量和/或阈值。测试流动池加热器中温度传感器的时间序列，以确定时间序列中的样本是否比环境温度低了第二预定裕量。如果在循环开始时冷却，该测试可以在碱基识别循环的早期，在循环期间的预定计数的传感器测量之前进行。如果一个或多个连续测序循环中的数据没有下降到不低于环境温度第二预定裕量，低于第二阈值，则可以预测流动池加热器冷却失败。

在一个循环中，可以对满足一个或多个阈值的传感器测量值的数量进行计数。如果被评估的处理循环中令人满意的温度传感器数据点的计数小于预定的计数阈值，则还应用测试来获得紧邻最近处理循环之前(或之后)的先前(或后续)处理循环的流动池加热器温度数据点的计数。如果先前处理循环中令人满意的温度数据点的第二计数小于预定计数阈值，则除了不满意的第一计数之外，流动池加热器故障预测器263确定流动池加热器发生故障并且需要维修。在一个实施方式中，预定计数阈值的值被设置为5。根据化学持续时间和传感器报告频率，预定计数阈值可以在1至1000或更高的范围内。组件263通知报警服务121，报警服务121将警报发送给技术人员。报警服务121也可以封装在温度裕量故障警报模块中。没有设置点数据组件243的数据分析器和流动池加热器故障预测器组件263可以一起封装为温度裕量检测模块。

具有设置点数据的数据分析器253将最近处理循环中的流动池加热器温度数据与设置点数据进行比较。像阈值分析一样，如果温度数据在最近处理循环的设置点数据的预定允许范围之外，则测试紧接在最近处理循环之前的前一循环的温度数据。如果连续两个循环的流动池加热器温度数据点在设置点数据的预定允许范围之外，则流动池加热器被确定为故障。在一种实施方式中，允许范围定义为设置点数据的2℃以内。如上文针对阈值所述，可以使用不满意温度数据点的预定计数。

试剂冷却液不稳定性预测数据和流程图

图3示出了从M1至M8的八个测序机收集的冷却液温度传感器数据的时间序列。横轴标签表示报告了六天的数据。曲线图311右上角的图例显示了报告传感器数据的八台机器的序列号(Sn1至Sn8)。如上所述，数据有噪声。有几个因素会导致数据中产生噪声，例如机械系统用于冷却的操作和滴在温度传感器上的试剂冷却液的冷凝。外部因素也可能导致温度变化，例如测序系统正在操作的房间的门，当外部温度高于室温时，门保持打开。温度的瞬时振荡，有时被称为高频，通过应用滤波器从冷却液系统温度传感器数据的时间序列中去除。即使信号的幅度很低，高频信号也具有较高的导数，因此会在信号处理中引起问题。可以应用具有频率截止阈值的导数或其他滤波器来消除冷却液温度传感器数据中的高频或瞬时振荡。导数滤波器还去除频率高于截止阈值的噪声信号。序列号为Sn1的测序器M1的清洁温度曲线如图351所示。在一个实施方式中，使用截止值为每分钟0.125℃的导数滤波器在平滑时间序列361中滤除噪声。在另一种实施方式中，使用更高的截止值，例如每分钟0.5℃。更一般地，平滑滤波器可以平滑去掉具有大于或等于每分钟0.0625摄氏度且小于或等于每分钟0.50摄氏度的预定温度变化率的振荡。

冷却液系统的稳定状态周期由曲线图上平滑线的相对平坦的水平部分表示。配置引擎117分析冷却液系统发生故障的测序系统中的温度传感器读数的时间序列日志，以确定预定的温度变化率，从而预测不稳定的冷却液系统。可以使用多台机器的服务日志定期更新预定的检测参数。稳定温度操作的周期定义为平滑时间序列中的温度读数使用变化率的绝对值变化小于预定温度变化率的时间段。在一种实施方式中，稳定操作的绝对温度变化率小于每分钟0.05℃。在另一种实施方式中，可以使用更高的值，例如每分钟0.25℃，或者可以使用更低的值，例如每分钟0.01℃，或者在每分钟0.01℃到0.25℃的范围内。稳定性标准不应与平滑滤波器参数重叠，否则滤波器将稳定所有数据分析。

所公开的技术可以分析冷却液系统在时间窗内稳定操作的周期数，以预测不稳定的冷却液系统。在一种实施方式中，如果稳态周期的总时间在24小时时间窗内至少为14小时，则认为冷却液系统处于稳定操作状态。在其他实施方式中，可以分析较短时间窗的冷却液温度传感器数据的时间序列，以识别稳定状态的周期，例如1至20小时。在这种实施方式中，通过测试多个较短的时间序列来预测冷却液系统的稳定性。配置引擎117分析冷却液系统发生故障的测序系统中的温度传感器读数的时间序列日志，以确定某个时间窗中的稳态周期的预定数量，从而预测不稳定的冷却液系统。

曲线图361示出了在第二天(9月2日)的前半部分，温度正在上升并越过9℃的上限。如果温度升高是由外部因素引起的，则不应发出冷却液系统不稳定的警报。假设温度的上升是由于外部因素，例如门开着，温暖的空气进入房间。当外部因素消除时，例如门关闭时，温度会下降。如果这发生在相对较短的时间内，试剂不太可能被破坏。

所公开的技术区分了外部因素对冷却液系统不稳定性的影响，从而减少了假警报。在一种实施方式中，所公开的技术包括预定的检测参数，该检测参数定义了在警报发出之前允许冷却液系统在上限温度(9℃)以上操作多长时间。在这样的实施方式中，所公开的技术观察到温度曲线图361中趋势的反转。如果对曲线图中数据的分析表明温度正在向上限(9℃)下降，则所公开的技术确定了冷却液系统温度将回落到正常操作温度范围的预期时间。冷却液系统预计保持在上限(9℃)以上的总时间与允许在试剂冷却液上限以上操作的时间进行比较。如果超过上限的总预期时间小于超过上限的允许时间，则不会发出警报。试剂冷却液不稳定性预测系统131使用由配置引擎117设置的检测参数来测试从冷却液系统中的温度传感器收集的时间序列数据。过程步骤也可以由流程图400示出。

图4是示出试剂冷却液系统稳定性预测过程400的一种实施方式的示例流程图。该过程开始于步骤401，来自测序硬件传感器读数和Q值数据库151的温度传感器数据在步骤411作为输入给出。如上所述，数据包括冷却液温度传感器数据的时间序列。在步骤421，按时间顺序排列时间序列数据。在步骤431应用导数滤波器来去除噪声数据。在步骤341识别冷却液系统在预定时间窗内的稳定操作周期。在步骤451，将稳定操作周期的计数与阈值进行比较。如果计数小于阈值，则向报警服务121发送冷却液系统需要服务的警报(步骤450)。如果稳定操作的周期数大于阈值，则在步骤361，使用相应的阈值测试冷却液温度传感器数据的严重级别1和严重级别2的错误。在步骤371报告严重级别测试的结果。该过程在步骤381结束。

流动池加热器故障预测数据和流程图

图5包括三天内完成的测序运行的流动池加热器温度传感器数据的示例时间序列的曲线图511，以及伴随的设置点时间序列。在处理循环开始时，流动池的温度约为20℃。随着循环中化学处理的进行，流动池的温度在短时间内上升至55℃，在另一个短时间内上升至60℃。在循环结束时，流动池的温度回落到20℃，并停留在20℃，直到下一个循环的化学处理。流动池的这种温度上升和冷却模式在每个处理循环中重复出现。如曲线图511所示，有三个设置点数据时间序列。设置点1数据时间序列523对应于20℃的温度水平，设置点2数据时间序列615对应于55℃，设置点3数据时间序列513对应于60℃。

曲线图511示出了流动池加热器在测序运行开始时正常工作。随着处理循环的进行，流动池温度遵循根据设置点数据上升和下降的正常操作(517)。当前设置点数据旨在作为一个时间序列，在整个过程中随着时间的推移而上下浮动。在图中，三个设置点看起来像连续的线，因为三天的数据绘制在短的水平轴上，但是当前的设置点实际上上下浮动。然而，流动池加热器在操作第一天的中间发生故障，如曲线图上的标签519所示。在流动池加热器故障后，流动池的温度保持在环境水平(521)，并且不跟随斜坡上升和冷却到三个设置点。如曲线图551所示，流动池加热器的故障导致A、G、T和C碱基的后续碱基识别失败。与四个碱基相对应的四个通道的强度在流动池加热器发生故障的同时急剧下降。注意，如曲线图511所示的温度传感器数据时间序列517和521代表来自A侧和B侧的两个流动池的数据。两个流动池同时发生故障可能是由于上游错误(例如，电源故障、控制板故障等)。对于不包括设置点数据的流动池加热器时间序列数据，由配置引擎117确定的预定检测参数用于确定流动池加热器故障。这种预定检测参数的两个示例包括第一预定裕量和第二预定裕量，如上文在流动池加热器故障预测系统的系统描述中所解释的(图2)。使用设置点数据或预定检测参数测试流动池加热器温度时间序列数据的过程在下面的流程图中给出。

图6是示出流动池加热器和/或冷却液故障预测过程的一种实施方式的示例流程图。该过程开始于步骤601。在步骤613，给出硬件度量数据作为输入。如上所述，硬件度量包括流动池加热器温度传感器数据时间序列和设置点数据时间序列。在步骤623，将设置点数据时间序列与温度传感器数据时间序列分离。在步骤633，识别最近处理循环的流动池加热器温度传感器数据。如果在最近的处理循环中有足够的数据点(步骤643)，则流动池加热器故障预测过程在步骤653继续，否则在紧接最近的处理循环之前的先前处理循环中重复步骤633和643。在一个实施方式中，在步骤543，需要一个处理循环的至少五个流动池加热器温度传感器数据点来满足足够数据点的条件。

在步骤653，确定设置点数据是否可用。如果设置点数据可用，则在步骤655测试最近循环的流动池加热器温度传感器数据的时间序列。在步骤663，测试温度数据以检查其是否在设置点数据的预定允许范围内。如果数据值在预定义的允许范围内，则控制移动到步骤662，指示流动池加热器正常操作并且不需要任何服务。否则，控制移动到步骤673。如果设置点数据不可用，则使用阈值测试流动池加热器温度传感器数据的时间序列，该阈值使用高于环境温度的第一预定裕量，如图2中所定义的。如果数据点的计数高于阈值，则流动池加热器不需要任何服务(步骤662)。否则，对于紧接在最近的处理循环之前(或之后)的前一处理循环，重复上述测试处理循环的温度数据点的过程。如果测试在两个连续的处理循环中失败，则确定流动池加热器需要维修(步骤683)。该过程在步骤685完成。

图7是可用于为测序系统呈现服务警报的示例用户界面(721)。结果还可以指示导致硬件更换的警报的数量(725)和为其生成警报的唯一测序工具的数量(729)。警报的按月分布也可以图形方式呈现(763)。这些警报有望减少测序系统的计划外停机时间。

计算机系统

图8是计算机系统800的简化框图，计算机系统800可用于实现图1的试剂冷却液故障预测系统131，以检测冷却液系统不稳定性。类似的计算机系统900可用于实现图1的流动池加热器故障预测系统141，以在多个循环中检测流动池加热器故障。计算机系统800包括至少一个中央处理单元(CPU)872，其通过总线子系统855与多个外围设备通信。这些外围设备可以包括存储子系统810，包括例如存储器设备和文件存储子系统836、用户界面输入设备838、用户界面输出设备876和网络接口子系统874。输入和输出设备允许用户与计算机系统800交互。网络接口子系统874提供到外部网络的接口，包括到其他计算机系统中相应接口设备的接口。

在一个实施方式中，图1的试剂冷却液故障预测系统131可通信地链接到存储子系统810和用户界面输入设备838。在另一实施方式中，图1的流动池加热器故障预测系统141可通信地链接到存储子系统810和用户界面输入设备838。

用户界面输入设备838可以包括键盘；定点设备，如鼠标、轨迹球、触摸板或图形输入板；扫描仪；结合到显示器中的触摸屏；音频输入设备，例如语音识别系统和麦克风；和其他类型的输入设备。通常，术语“输入设备”的使用旨在包括将信息输入计算机系统800的所有可能类型的设备和方式。

用户界面输出设备876可以包括显示子系统、打印机、传真机或诸如音频输出设备的非视觉显示器。显示子系统可以包括LED显示器、阴极射线管(CRT)、诸如液晶显示器(LCD)之类的平板设备、投影设备或用于创建可视图像的一些其他机构。显示子系统还可以提供非视觉显示，例如音频输出设备。通常，术语“输出设备”的使用旨在包括从计算机系统800向用户或另一机器或计算机系统输出信息的所有可能类型的设备和方式。

存储子系统810存储提供这里描述的一些或所有模块和方法的功能的编程和数据结构。这些软件模块通常由深度学习处理器878执行。

深度学习处理器878可以是图形处理单元(GPU)或现场可编程门阵列(FPGA)。深度学习处理器878可以由深度学习云平台托管，例如Google Cloud Platform^TM、Xilinx^TM和Cirrascale^TM。深度学习处理器878的示例包括谷歌的张量处理单元(TPU)^TM、GX4机架式系列^TM、GX8机架式系列^TM等机架式解决方案、英伟达DGX-1^TM、微软的Stratix V FPGA^TM、Graphcore的智能处理器单元(IPU)^TM、高通的带Snapdragon处理器^TM的Zeroth平台^TM、英伟达的Volta^TM、英伟达的DRIVE PX^TM、NVIDIA的JETSON TX1/TX2 MODULE^TM、因特尔的Nirvana^TM、Movidius的VPU^TM、富士通的DPI^TM、ARM的DynamicIQ^TM、IBM TrueNorth^TM等等。

存储子系统810中使用的存储器子系统822可以包括多个存储器，包括用于在程序执行期间存储指令和数据的主随机存取存储器(RAM)832和存储固定指令的只读存储器(ROM)834。文件存储子系统836可以为程序和数据文件提供持久存储，并且可以包括硬盘驱动器、软盘驱动器以及相关联的可移动介质、CD-ROM驱动器、光驱或可移动介质盒。实现某些实施方式的功能的模块可以由文件存储子系统836存储在存储子系统910中，或者存储在处理器可访问的其他机器中。

总线子系统855提供了一种机制，用于让计算机系统800的各种组件和子系统按照预期相互通信。尽管总线子系统855示意性地示出为单个总线，但是总线子系统的替代实施方式可以使用多个总线。

计算机系统800本身可以是各种类型的，包括个人计算机、便携式计算机、工作站、计算机终端、网络计算机、电视、大型机、服务器群、广泛分布的一组松散联网的计算机或任何其他数据处理系统或用户设备。由于计算机和网络的不断变化的性质，图8中描绘的计算机系统800的描述仅仅是为了说明所公开的技术的特定实施方式的目的的特定示例。计算机系统800的许多其他配置可能具有比图8所示的计算机系统更多或更少的组件。

呈现前面的描述是为了能够制造和使用所公开的技术。对所公开的实施方式的各种修改将是显而易见的，并且在不脱离所公开的技术的精神和范围的情况下，这里定义的一般原理可以应用于其他实施方式和应用。因此，所公开的技术不限于所示的实施方式，而是被赋予与本文公开的原理和特征一致的最宽范围。所公开技术的范围由所附权利要求限定。

特定实施方式

试剂冷却液不稳定性预测系统

所公开的技术涉及冷却液系统不稳定性的检测，其减少了假警报。

所公开的技术可以作为系统、方法或制品来实践。实施方式的一个或多个特征可以与基本实施方式相结合。非互斥的实现被教导为可组合的。实施方式的一个或多个特征可以与其他实施方式相结合。本公开定期提醒用户这些选项。重复这些选项的叙述的一些实施方式的省略不应被视为限制前面章节中教导的组合——这些叙述因此通过引用结合到下面的每个实施方式中。

所公开技术的第一系统实施方式包括一个或多个处理器和耦合到处理器的存储器。存储器装载有计算机指令，用于检测冷却液系统的不稳定性，该计算机指令配置为产生比简单阈值警报更少的假警报。当在处理器上执行时，计算机指令将平滑函数应用于冷却液温度传感器数据的时间序列，以减少瞬时振荡。温度的瞬时振荡有时被称为高频振荡。该函数的应用产生了冷却液温度传感器数据的平滑时间序列。系统在稳定温度操作周期的预定义的时间窗内测试冷却液温度传感器数据的平滑时间序列。平滑时间序列中的温度读数变化小于预定的温度变化率。当少于50％的时间窗是稳定的时，系统确定冷却液系统是不稳定的，并且当稳定温度操作的周期总数少于预定的稳定性测量值时，系统报告服务需求。

该系统实施方式和公开的其他系统可选地包括一个或多个以下特征。系统还可以包括结合公开的方法描述的特征。为了简明起见，没有单独列举系统特征的替代组合。适用于系统、方法和制品的特征不针对每个法定类别的基础特征集重复。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

该系统基于位于多个位置并由多个独立操作人员操作的设备来确定预定的温度变化率。该系统包括使设备配置记录和报告温度传感器读数并存储温度传感器读数的收集日志的逻辑。该系统包括分析冷却液系统发生故障的设备实例中的温度传感器读数的时间序列，并确定预定的温度变化率。存储预定的温度变化率，用于确定冷却液系统不稳定。

该系统包括基于位于多个位置并由多个独立操作人员操作的设备来更新预定的温度变化率。该系统包括使设备配置记录和报告温度传感器读数的逻辑。系统收集并存储温度传感器读数的日志和不稳定通知后的服务日志。该系统包括分析冷却液系统生成了通知的设备实例中的温度传感器读数的时间序列和在通知之后的服务。系统基于对温度传感器读数的时间序列和通知之后的服务记录数据的分析来确定对预定温度变化率的更新。系统存储更新后的预定温度变化率，用于确定冷却液系统不稳定。

该系统包括基于云的主动维护分析器，用于访问特定冷却液系统的温度传感器读数日志。基于云的主动维护分析器应用平滑函数、确定在预定义时间窗中冷却液温度传感器数据的平滑时间序列不符合稳定温度操作标准以及生成通知。

系统滤掉重复通知，并将滤波后的通知提交给客户关系系统进行跟踪。系统滤掉重复通知，并将滤波后的通知提交给包括冷却液系统在内的测序器的操作人员。

测序系统可以位于至少50个多个位置。测序系统可由至少20名独立操作人员操作。

该系统可能需要更高的稳定性，应用75％或90％时间窗的预定稳定性测量值。时间窗可以在4到48小时之间。时间窗的一个选择可以是大约24小时。另一个选择是6到36小时。

该系统可以使用导数滤波器对时间序列数据应用平滑函数。可以调谐平滑函数以消除产生每分钟0.125或0.25摄氏度或更高的温度变化率的瞬时振荡。或者可以调谐平滑函数以消除瞬时振荡，该瞬时振荡产生大于或等于每分钟0.625摄氏度和小于或等于每分钟0.50摄氏度的温度变化率。

该系统可以使用小于每分钟0.010、0.05或0.25摄氏度的温度变化标准作为预定稳定性测量值，或者在这些标准中的任何一个标准之间的范围内。

该系统可以在曲线图或表格中自动附上系统不稳定性确定的报告以及平滑冷却液系统温度传感器数据，供用户查看。

该系统包括比较稳定操作期间的平均温度和中值温度，并报告高于第一阈值的严重级别1的错误。该系统还包括，如果稳定操作期间的平均和中值温度高于第二阈值，则报告严重级别2的错误。

该系统包括应用导数滤波器，该导数滤波器以每分钟至少0.125摄氏度的绝对温度变化率去除瞬时振荡。该系统包括在稳定温度操作周期的预定时间窗内测试冷却液温度传感器数据的平滑时间序列，在该周期内，平滑时间序列中的温度读数变化小于每分钟0.05摄氏度的预定绝对温度变化率。

其他实施方式可以包括存储可由处理器执行以执行上述系统功能的指令的非暂时性计算机可读存储介质。又一实施方式可以包括执行上述系统功能的方法。

所公开技术的第二系统实施方式包括一个或多个处理器和耦合到处理器的存储器。存储器中装有计算机指令，用于检测并提醒技术人员测序器的冷却系统不稳定。报警系统包括时间序列平滑模块，该模块从暴露在测序器的冷却液系统中的传感器接收温度传感器数据，并产生平滑的温度时间序列。温度不稳定性检测模块接收平滑的温度时间序列。温度不稳定性检测模块将平滑温度时间序列中超过预定温度变化的平滑连续数据之间的变化报告为不稳定的，并确定不稳定程度。该系统包括温度不稳定性警报模块，其接收不稳定程度的报告，并且当不稳定程度超过预定阈值时，向技术人员产生警报。

该系统实施方式和公开的其他系统可选地包括一个或多个以下特征。系统还可以包括结合公开的方法描述的特征。为了简明起见，没有单独列举系统特征的替代组合。适用于系统、方法和制品的特征不针对每个法定类别的基础特征集重复。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

该系统包括测序器上的传感器暴露模块，该模块暴露冷却液系统中的温度传感器，并报告来自暴露的温度传感器的温度传感器数据。该系统包括日志收集模块，该模块从包括测序器的多个设备接收温度传感器数据。收集模块使来自测序器的冷却液系统的温度传感器数据可供时间序列平滑模块使用。

该系统可以更新供报警系统使用的各种预定检测参数。预定检测参数更新的三个示例如下。

该系统包括修改预定阈值的阈值更新组件。阈值更新组件还包括日志收集模块和阈值调节模块。日志收集模块从包括测序器的多个设备接收温度传感器数据。日志收集模块使来自测序器的冷却液系统的温度传感器数据可供阈值调节模块使用。阈值调节模块接收新的温度传感器数据，基于新的温度传感器数据修改预定阈值，并存储修改后的预定阈值以供温度不稳定性警报模块使用。

该系统包括修改预定温度变化的阈值更新组件。阈值更新组件还包括日志收集模块和阈值调节模块。日志收集模块从包括测序器的多个设备接收温度传感器数据。日志收集模块使来自测序器的冷却液系统的温度传感器数据可供阈值调节模块使用。阈值调节模块接收新的温度传感器数据，基于新的温度传感器数据修改预定温度变化，并存储修改后的预定温度变化以供温度不稳定性检测模块使用。

该系统包括修改平滑模块参数的阈值更新组件。阈值更新组件还包括日志收集模块和阈值调节模块。日志收集模块从包括测序器的多个设备接收温度传感器数据。日志收集模块使来自测序器的冷却液系统的温度传感器数据可供阈值调节模块使用。阈值调节模块接收新的温度传感器数据，基于新的温度传感器数据修改平滑模块的参数，并存储用于平滑的修改后的参数，以供时间序列平滑模块使用。

阈值更新组件和系统还包括客户关系模块和阈值调节模块。客户关系模块跟踪包括测序器在内的多个设备的警报、故障和解决方案。阈值调节模块还从客户关系模块接收故障和解决方案数据。当修改时间序列平滑模块、温度不稳定性检测模块或温度不稳定性警报模块中的任何一个所使用的参数时，它区分遗漏故障和假警报。

其他实施方式可以包括存储可由处理器执行以执行上述系统功能的指令的非暂时性计算机可读存储介质。又一实施方式可以包括执行上述系统功能的方法。

所公开技术的第一种方法实施方式包括检测冷却液系统的不稳定性，这减少了假警报。该方法包括将平滑函数应用于冷却液温度传感器数据的时间序列，以减少瞬时振荡。滤波器的应用产生了冷却液温度传感器数据的平滑时间序列。该方法包括在稳定温度操作周期的预定时间窗内测试冷却液温度传感器数据的平滑时间序列。平滑时间序列中的温度读数变化小于预定的温度变化率。最后，该方法确定冷却液系统是不稳定的，并且当稳定温度操作的周期总数小于预定稳定性测量值时，报告服务需求。

该方法实施方式和公开的其他方法可选地包括一个或多个以下特征。方法还可以包括结合公开的系统描述的特征。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

该方法包括基于位于多个位置并由多个独立操作人员操作的设备来确定预定的温度变化率。该方法包括使设备的配置记录和报告温度传感器读数，并存储温度传感器读数的收集日志。该方法包括分析冷却液系统发生故障的设备实例中的温度传感器读数的时间序列，并确定预定的温度变化率。存储预定的温度变化率，用于确定冷却液系统不稳定。

该方法包括基于位于多个位置并由多个独立操作人员操作的设备来更新预定的温度变化率。该方法包括使设备的配置记录和报告温度传感器读数。该方法包括收集和存储温度传感器读数和在不稳定通知之后的服务日志。该方法包括分析冷却液系统生成了通知的设备实例中的温度传感器读数的时间序列和在通知之后的服务。该方法包括基于对温度传感器读数的时间序列和通知之后的服务记录数据的分析来确定预定温度变化率的更新。存储更新后的预定温度变化率，用于确定冷却液系统不稳定。

该方法包括访问来自特定冷却液系统的温度传感器读数的日志。该方法包括应用平滑函数来确定预定义时间窗中的冷却液温度传感器数据的平滑时间序列不符合稳定温度操作标准，并生成通知。

该方法包括滤掉重复通知，并将滤波后的通知提交给客户关系管理系统进行跟踪。该方法包括滤掉重复通知，并将滤波后的通知提交给包括冷却液系统的测序器的操作人员。

测序系统可以位于至少50个多个位置。测序系统可由至少20位独立操作人员操作。

使用这种方法可能需要更高的稳定性，应用75％或90％时间窗的预定稳定性测量值。时间窗可以在4到48小时之间。时间窗的一个选择可以是大约24小时。另一个选择是6到36小时。

该方法可以包括使用导数滤波器将平滑函数应用于时间序列数据。平滑函数可以被调谐以消除产生每分钟0.125或0.25摄氏度或更高的温度变化率的瞬时振荡。或者它可以被调谐以消除产生大于或等于每分钟0.625摄氏度和小于或等于每分钟0.50摄氏度的温度变化率的瞬时振荡。

该方法可以包括使用小于每分钟0.010、0.05或0.25摄氏度的温度变化标准作为预定的稳定性测量值，或者在这些标准中的任何一个标准之间的范围内。

该方法可以包括以曲线图或表格的形式，将系统不稳定性确定的报告与平滑的冷却液系统温度传感器数据一起自动附上，以供用户查看。

该方法包括比较稳定操作周期的平均温度和中值温度，并报告高于第一阈值的严重级别1的错误。该方法还包括如果稳定操作周期的平均和中值温度高于第二阈值，则报告严重级别2的错误。

该方法包括应用导数滤波器，该导数滤波器去除每分钟至少0.125摄氏度的绝对温度变化率的瞬时振荡。该系统包括在稳定温度操作周期的预定时间窗内测试冷却液温度传感器数据的平滑时间序列，在该周期内，平滑时间序列中的温度读数变化小于每分钟0.05摄氏度的预定绝对温度变化率。

系统实施方式的这个特定实施方式部分中讨论的每个特性同样适用于这个方法实施方式。如上所述，这里不重复所有的系统特征，并且应该被认为通过参考而重复。

其他实施方式可以包括一组一个或多个非暂时性计算机可读存储介质，其共同存储可由一个或多个处理器执行的计算机程序指令，以检测冷却液系统的不稳定性。当在一个或多个处理器上执行时，计算机程序指令实现该方法，包括检测冷却液系统的不稳定性以减少假警报。该方法包括将平滑函数应用于冷却液温度传感器数据的时间序列，以减少瞬时振荡。滤波器的应用产生了冷却液温度传感器数据的平滑时间序列。该方法包括在稳定温度操作周期的预定时间窗内测试冷却液温度传感器数据的平滑时间序列。平滑时间序列中的温度读数变化小于预定的温度变化率。最后，该方法确定冷却液系统是不稳定的，并且当稳定温度操作的周期总数小于预定的稳定性测量值时，报告服务需求。又一实施方式可以包括一种系统，该系统包括存储器和一个或多个处理器，该处理器可操作来执行存储在存储器中的指令，以执行上述第一方法。

所公开技术的计算机可读介质(CRM)实施方式包括一个或多个非暂时性计算机可读存储介质，当在一个或多个处理器上执行时，该存储介质被施加有计算机程序指令，实现上述方法。

此CRM实施方式包括以下一个或多个功能。CRM实施方式还可以包括结合上面公开的系统和方法描述的特征。该方法包括基于位于多个位置并由多个独立操作人员操作的设备来确定预定的温度变化率。该方法包括使设备的配置记录和报告温度传感器读数，并存储温度传感器读数的收集日志。该方法包括分析冷却液系统发生故障的设备实例中的温度传感器读数的时间序列，并确定预定的温度变化率。存储预定的温度变化率，用于确定冷却液系统不稳定。

CRM实施的方法包括基于位于多个位置并由多个独立操作人员操作的设备来更新预定的温度变化率。该方法包括使设备的配置记录和报告温度传感器读数。该方法包括收集和存储温度传感器读数和在不稳定通知之后的服务日志。该方法包括分析冷却液系统生成了通知的设备实例中的温度传感器读数的时间序列和通知之后的服务。该方法包括基于对温度传感器读数的时间序列和通知之后的服务记录数据的分析来确定预定温度变化率的更新。存储更新后的预定温度变化率，用于确定冷却液系统不稳定。

CRM实施的方法包括访问来自特定冷却液系统的温度传感器读数的日志。该方法包括应用平滑函数来确定预定义时间窗中的冷却液温度传感器数据的平滑时间序列不符合稳定温度操作标准，并生成通知。

CRM实施的方法包括滤掉重复通知，并将滤波后的通知提交给客户关系管理系统进行跟踪。该方法包括滤掉重复通知，并将滤波后的通知提交给包括冷却液系统的测序器的操作人员。

测序系统可以位于至少50个多个位置。测序系统可由至少20位独立操作人员操作。

使用这种方法可能需要更高的稳定性，应用75％或90％时间窗的预定稳定性测量值。时间窗可以在4到48小时之间。时间窗的一个选择可以是大约24小时。另一个选择是6到36小时。

这种CRM实现的方法可以包括使用导数滤波器将平滑函数应用于时间序列数据。平滑函数可以被调谐以消除产生每分钟0.125或0.25摄氏度或更高的温度变化率的瞬时振荡。或者它可以被调谐以消除产生大于或等于每分钟0.625摄氏度和小于或等于每分钟0.50摄氏度的温度变化率的瞬时振荡。

CRM实施的方法可以包括使用小于每分钟0.010、0.05或0.25摄氏度的温度变化标准作为预定的稳定性测量值，或者在这些标准中的任何一个标准之间的范围内。

CRM实施的方法可以包括以曲线图或表格的形式，将系统不稳定性确定的报告与平滑的冷却液系统温度传感器数据一起自动附上，以供用户查看。

CRM实施的方法包括比较稳定操作周期的平均和中值温度，并报告高于第一阈值的严重级别1的错误。该方法还包括如果稳定操作周期的平均和中值温度高于第二阈值，则报告严重级别2的错误。

CRM实施的方法包括应用导数滤波器，该导数滤波器去除温度绝对变化率至少为每分钟0.125摄氏度的瞬时振荡。该系统包括在稳定温度操作的周期的预定时间窗内测试冷却液温度传感器数据的平滑时间序列，在该周期内，平滑时间序列中的温度读数变化小于每分钟0.05摄氏度的预定绝对温度变化率。

所公开技术的第二种方法实施方式包括检测测序器具有不稳定的冷却液系统。该方法包括接收从暴露在测序器的冷却液系统中的传感器获得的温度传感器数据。该方法包括对温度传感器数据应用平滑函数以产生平滑的温度时间序列。该方法包括确定平滑温度时间序列中超过预定温度变化的平滑连续数据之间的变化。该方法包括基于所确定的变化来确定不稳定程度。该方法包括当不稳定程度超过预定阈值时，产生指示该序列具有不稳定冷却液系统的警报。

该方法实现和公开的其他方法可选地包括一个或多个以下特征。方法还可以包括结合公开的系统描述的特征。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

温度传感器数据基于位于多个位置并由多个独立操作人员操作的传感器来确定。该方法包括使设备配置记录和报告温度传感器读数。该方法包括收集温度传感器读数的日志。该方法包括分析冷却液系统发生故障的设备实例中的温度传感器读数的时间序列，并确定预定的温度变化。该方法包括存储预定的温度变化，用于确定不稳定程度。

该方法还包括从包括测序器的多个设备接收温度传感器数据。该方法包括从多个设备接收新的温度传感器数据。该方法包括基于新的温度传感器数据修改预定阈值，并存储修改后的预定阈值以生成警报。

该方法还包括从包括测序器的多个设备接收温度传感器数据。该方法包括从多个设备接收新的温度传感器数据。该方法包括基于新的温度传感器数据修改预定的温度变化。该方法包括存储修改后的预定温度变化，用于确定超过预定温度变化的变化。

该方法包括阈值更新，包括从包括测序器的多个设备接收温度传感器数据。该方法包括从多个设备接收新的温度传感器数据。该方法包括基于新的温度传感器数据修改平滑函数的参数，并存储平滑函数的修改后的参数。

该方法包括跟踪包括测序器的多个设备的警报、故障和解决方案。该方法包括从客户关系模块接收故障和解决方案数据。该方法包括当修改平滑函数的参数、确定不稳定程度或生成警报时，区分遗漏的故障和假警报。

平滑函数由导数滤波器应用。应用平滑函数可消除产生每分钟0.125摄氏度或更高温度变化率的瞬时振荡。

该方法包括比较稳定操作周期的平均温度和中值温度，并且当平均温度和中值温度变化超过第一阈值时报告第一不稳定程度。

该方法包括比较稳定操作周期的平均温度和中值温度，并且当平均温度和中值温度变化超过第二阈值时报告第二不稳定程度。

该技术的系统实施方式包括耦合到存储器的一个或多个处理器，该存储器加载有计算机指令，当该计算机指令被一个或多个处理器执行时，使得该系统执行根据上述任何一种方法的方法。第二种方法实施方式的上述特定实施方式部分中讨论的每个特征同样适用于该系统实施方式。

该技术的CRM实施方式包括用计算机程序指令压印的非暂时性计算机可读存储介质。当在一个或多个处理器上执行时，指令实现根据上述任何方法的方法。

在系统实施方式的这个特定实施方式部分中讨论的每个特征同样适用于CRM实施方式。如上所述，这里不重复所有的系统特征，并且应该被认为通过参考而重复。

流动池加热器故障预测系统

所公开的技术涉及在没有设置点的系统中在多个循环中检测流动池加热器故障。

所公开技术的第一系统实施方式包括一个或多个处理器和耦合到处理器的存储器。存储器装载有计算机指令，用于在没有设置点的系统中在多个循环中检测流动池加热器故障。当在处理器上执行时，计算机指令在碱基识别循环中测试流动池加热器温度传感器数据的时间序列，以确定最近或紧接最近的碱基识别循环是否具有足够的流动池加热器温度传感器数据点来进行评估。在一些实施方式中，足以被评估的池加热器温度传感器数据点的计数对应于碱基识别循环中的特定时间，在该时间，流动池加热器温度被认为比环境操作温度超过第一预定裕量。指令还执行确定评估循环中的最新流动池加热器温度传感器数据是否比环境操作温度超过第一预定裕量。当评估的循环流动池加热器温度传感器数据未比操作温度超过第一预定裕量时，确定紧接评估的循环之后的连续循环中的流动池加热器温度传感器数据是否比环境操作温度超过第一预定裕量。然后，在评估的循环和连续循环中，当评估的循环流动池加热器温度传感器数据未比操作温度超过第一预定裕量时，确定流动池加热器发生故障并报告服务需求。

该系统实施方式和公开的其他系统可选地包括一个或多个以下特征。系统还可以包括结合公开的方法描述的特征。为了简明起见，没有单独列举系统特征的替代组合。适用于系统、方法和制品的特征不会针对每个法定类别的基础特征集重复。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

该系统基于位于多个位置并由多个独立操作人员操作的设备来确定第一预定裕量。该系统包括使设备配置记录和报告温度传感器读数并存储温度传感器读数的收集日志的逻辑。该系统包括用于分析流动池加热器发生故障的设备实例中的温度传感器读数的时间序列并确定第一预定裕量的逻辑。存储第一预定温度裕量，用于确定流动池加热器是否发生故障。

该系统基于位于多个位置并由多个独立操作人员操作的设备来更新第一预定裕量。该系统包括使设备的配置记录和报告温度传感器读数以及报告服务需求后的服务日志的逻辑。系统存储收集的日志。该系统包括分析流动池加热器健康和发生故障的设备实例中的温度传感器读数的时间序列，以及服务需求报告后的服务日志。系统基于分析确定对第一预定裕量的更新。

该系统包括基于云的主动维护分析器，以访问来自特定流动池加热器的温度传感器读数的日志。基于云的主动维护分析器执行对基于云的主动维护分析器的服务需求的测试、确定和报告的应用。

系统滤掉重复通知，并将滤波后的通知提交给客户关系管理系统进行跟踪。系统滤掉重复通知，并将滤波后的通知提交给包括流动池加热器系统的测序器操作人员。

该系统确定对应于碱基识别循环中流动池加热器温度应该超过环境操作温度的时间的池加热器温度传感器数据点的计数是否足以被评估超过第一预定裕量。

在温度较低的一侧，当流动池被假定冷却到环境温度以下时，指令可以进一步执行确定在计数之前获得的被评估的一个或多个池加热器温度传感器数据点是否低于环境操作温度减去第二预定裕量。当所评估的循环流动池加热器温度传感器数据比操作温度低第二预定裕量时，确定在紧接所评估的循环之后的连续循环中计数之前获取的流动池加热器温度传感器数据是否比环境操作温度低第二预定裕量。然后，在评估的循环和连续循环中，当评估的循环流动池加热器温度传感器数据比操作温度低第二预定裕量时，确定流动池冷却失败并报告服务需求。

该系统基于位于多个位置并由多个独立操作人员操作的设备来确定第二预定裕量。该系统包括使设备配置记录和报告温度传感器读数并存储温度传感器读数的收集日志的逻辑。该系统包括分析流动池加热器发生故障的设备实例中的温度传感器读数的时间序列，并确定第二预定裕量。存储第二预定温度裕量，用于确定流动池加热器是否发生故障。

该系统基于位于多个位置并由多个独立操作人员操作的设备来更新第二预定裕量。该系统包括使设备配置记录和报告温度传感器读数以及报告服务需求后的服务日志的逻辑。系统存储收集的日志。该系统包括分析流动池加热器健康和发生故障的设备实例中的温度传感器读数的时间序列，以及服务需求报告后的服务日志。系统基于分析确定对第二预定裕量的更新。

其他实施方式可以包括存储可由处理器执行以执行上述系统功能的指令的非暂时性计算机可读存储介质。又一实施方式可以包括执行上述系统功能的方法。

第二系统实施方式包括用于检测和警告技术人员测序器的流动池温度控制系统发生故障的报警系统。温度检测模块分析跨越碱基识别循环的流动池温度传感器数据的时间序列。温度裕量检测模块确定最近的或紧接着最近的碱基识别循环是否有足够的流动池温度传感器数据点要评估。它还确定评估循环中的温度传感器数据是否比环境操作温度超过第一预定裕量。一旦所评估的循环流动池温度传感器数据未能比环境操作温度超过第一预定裕量，就确定紧接在所评估的循环之前或之后的连续循环中的流动池温度传感器数据。如果连续循环中的流动池温度传感器数据未比环境操作温度超过第一预定裕量，则温度裕量检测模块设置第一故障条件。该系统还包括温度裕量故障警报模块，该模块接收第一故障条件的确定，并向技术人员产生流动池加热器警报。

该系统实施方式和公开的其他系统可选地包括一个或多个以下特征。系统还可以包括结合公开的方法描述的特征。为了简明起见，没有单独列举系统特征的替代组合。适用于系统、方法和制品的特征不会针对每个法定类别的基础特征集重复。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

温度裕量检测模块还配置为通过分析跨碱基识别循环的流动池加热器温度传感器数据的时间序列来确定流动池冷却液故障。该系统确定最近的或紧接着最近的碱基识别循环是否具有要在流动池冷却子循环期间评估的流动池温度传感器数据点。系统确定评估循环中的温度传感器数据是否被冷却到比环境操作温度低第二预定裕量。当所评估的循环流动池温度传感器数据未能下降到比环境操作温度低第二预定裕量时，系统在紧接所评估的循环之前或之后的连续循环中确定流动池加热器温度传感器数据。如果连续循环温度传感器数据未能下降到比环境操作温度低第二预定裕量，则系统设置第二故障条件。温度裕量故障警报模块接收第二故障条件的确定，并向技术人员生成流动池冷却液警报。

该系统包括测序器上的传感器暴露模块，该模块暴露流动池温度控制系统中的温度传感器。传感器暴露模块还报告来自暴露的温度传感器的温度传感器数据。日志收集模块从包括测序器的多个设备接收温度传感器数据。日志收集模块使得来自测序器的流动池温度控制系统的温度传感器数据可供温度裕量检测模块使用。

该系统包括更新温度裕量。日志收集模块从包括测序器的多个设备接收温度传感器数据。日志收集模块使得来自测序器的流动池温度控制系统的温度传感器数据可供温度裕量调节模块使用。温度裕量调节模块从多个设备接收新的温度传感器数据。它基于新的温度传感器数据修改第一预定裕量，并存储修改后的第一预定阈值以供温度裕量故障警报模块使用。

该系统包括更新温度裕量。日志收集模块从包括测序器的多个设备接收温度传感器数据。日志收集模块使得来自测序器的流动池温度控制系统的温度传感器数据可供温度裕量调节模块使用。温度裕量调节模块从多个设备接收新的温度传感器数据。它基于新的温度传感器数据修改第二预定裕量，并存储修改后的第二预定阈值以供温度裕量故障警报模块使用。

该系统利用CRM数据进行温度裕量更新。客户关系模块跟踪包括测序器的多个设备的警报、故障和解决方案。温度裕量调节模块从客户关系模块接收故障和解决方案数据。当修改由温度裕量调节模块实现的参数时，它区分遗漏故障和假警报。

其他实施方式可以包括存储可由处理器执行以执行上述系统功能的指令的非暂时性计算机可读存储介质。又一实施方式可以包括执行上述系统功能的方法。

所公开技术的第一种方法实施方式包括在没有设置点的系统中检测多个循环中的流动池加热器故障。该方法包括测试在处理循环中界定的流动池加热器温度传感器数据的时间序列，以确定在最近的处理循环中有多少点被记录在阈值以上。阈值是基于在特定温度间隔期间进行测量的可能性来确定的。当在最近的处理循环中记录的第一点计数小于预定的计数阈值时，该方法对紧接在最近的处理循环之前的前一个处理循环重复测试，并确定在前一个处理循环中有多少点被记录在阈值以上。阈值是基于在特定温度间隔期间进行测量的可能性来确定的。除了在先前处理循环中记录的点的第一计数小于预定计数阈值之外，当在先前处理循环中记录的点的第二计数小于预定计数阈值时，该方法确定流动池加热器发生故障并报告服务需求。

该方法实施方式和公开的其他方法可选地包括一个或多个以下特征。方法还可以包括结合公开的系统描述的特征。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

该方法包括基于位于多个位置并由多个独立操作人员操作的设备来确定第一预定裕量。该方法包括使设备的配置记录和报告温度传感器读数，并存储温度传感器读数的收集日志。该方法包括在流动池加热器发生故障的设备的实例中分析温度传感器读数的时间序列，并确定第一预定裕量。存储第一预定温度裕量，用于确定流动池加热器是否发生故障。

该方法包括基于位于多个位置并由多个独立操作人员操作的设备来更新第一预定裕量。该方法包括使设备配置记录和报告温度传感器读数和在报告服务需求之后的服务日志。该方法包括存储收集的日志。该方法包括分析流动池加热器健康和发生故障的设备实例中的温度传感器读数的时间序列以及在报告服务需求之后的服务日志。该方法包括基于分析确定对第一预定裕量的更新。

该方法包括访问来自特定流动池加热器的温度传感器读数的日志。该方法包括从基于云的主动维护分析器执行测试、确定和报告服务需求的应用。

该方法包括滤掉重复通知，并将滤波后的通知提交给客户关系管理系统进行跟踪。该方法包括滤掉重复通知，并将滤波后的通知提交给包括流动池加热器系统的测序器的操作人员。

该方法包括确定对应于碱基识别循环中流动池加热器温度被认为超过环境操作温度的时间的池加热器温度传感器数据点的计数是否足以被评估超过第一预定裕量。

在温度较低的一侧，当流动池被认为冷却到环境温度以下时，指令可以进一步执行确定在计数之前获得的评估中的一个或多个池加热器温度传感器数据点是否低于环境操作温度减去第二预定裕量。当所评估的循环流动池加热器温度传感器数据未能比操作温度低第二预定裕量时，确定在紧接所评估的循环之后的连续循环中计数之前获得的流动池加热器温度传感器数据是否比环境操作温度低第二预定裕量。然后，在评估的循环和连续循环中，当评估的循环流动池加热器温度传感器数据未能比操作温度低第二预定裕量时，确定流动池冷却失败并报告服务需求。

该方法包括基于位于多个位置并由多个独立操作人员操作的设备来确定第二预定裕量。该方法包括使设备配置记录和报告温度传感器读数并存储温度传感器读数的收集日志的逻辑。该方法包括在流动池加热器发生故障的设备实例中分析温度传感器读数的时间序列，并确定第二预定裕量。存储第二预定温度裕量，用于确定流动池加热器是否发生故障。

该方法包括基于位于多个位置并由多个独立操作人员操作的设备来更新第二预定裕量。该方法包括使设备配置记录和报告温度传感器读数和在报告服务需求之后的服务日志。该方法包括存储收集的日志。该方法包括分析流动池加热器健康和发生故障的设备实例中的温度传感器读数的时间序列，以及报告服务需求后的服务日志。该方法包括基于分析确定对第二预定裕量的更新。

其他实施方式可以包括一组一个或多个非暂时性计算机可读存储介质，其共同存储可由一个或多个处理器执行的计算机程序指令。当在一个或多个处理器上执行时，计算机程序指令实现该方法，包括在碱基识别系统中在多个循环中检测流动池加热器发生故障。该方法包括测试在处理循环中界定的流动池加热器温度传感器数据的时间序列，以确定在最近的处理循环中有多少点被记录在阈值以上。阈值是基于在特定温度间隔期间进行测量的可能性来确定的。当在最近的处理循环中记录的第一点计数小于预定的计数阈值时，该方法对紧接在最近的处理循环之前的前一个处理循环重复测试，并确定在前一个处理循环中有多少点被记录在阈值以上。阈值是基于在特定温度间隔期间进行测量的可能性来确定的。除了在先前处理循环中记录的点的第一计数小于预定计数阈值之外，当在先前处理循环中记录的点的第二计数小于预定计数阈值时，该方法确定流动池加热器发生故障并报告服务需求。

该方法实施方式和公开的其他方法可选地包括一个或多个以下特征。方法还可以包括结合公开的系统描述的特征。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

CRM实现的方法包括基于位于多个位置并由多个独立操作人员操作的设备来确定第一预定裕量。该方法包括使设备配置记录和报告温度传感器读数，并存储温度传感器读数的收集日志。该方法包括分析流动池加热器发生故障的设备实例中的温度传感器读数的时间序列，并确定第一预定裕量。存储第一预定温度裕量，用于确定流动池加热器是否发生故障。

CRM实现的方法包括基于位于多个位置并由多个独立操作人员操作的设备更新第一预定裕量。该方法包括使设备配置记录和报告温度传感器读数和在报告服务需求之后的服务日志。该方法包括存储收集的日志。该方法包括分析流动池加热器健康和发生故障的设备实例中的温度传感器读数的时间序列，以及报告服务需求之后的服务日志。该方法包括基于分析确定对第一预定裕量的更新。

CRM实现的方法包括访问来自特定流动池加热器的温度传感器读数的日志。该方法包括从基于云的主动维护分析器执行测试、确定和报告服务需求的应用。

CRM实现的方法包括滤掉重复通知，并将滤波后的通知提交给客户关系管理系统进行跟踪。该方法包括滤掉重复通知，并将滤波后的通知提交给包括流动池加热器系统的测序器的操作人员。

CRM实现的方法包括确定对应于碱基识别循环中流动池加热器温度被认为超过环境操作温度的时间的池加热器温度传感器数据点的计数是否足以被评估超过第一预定裕量。

在温度较低的一侧，当认为流动池冷却到环境温度以下时，指令可以进一步执行确定在计数之前获得的被评估的一个或多个池加热器温度传感器数据点是否低于环境操作温度减去第二预定裕量。当所评估的循环流动池加热器温度传感器数据比操作温度低第二预定裕量时，确定在紧接所评估的循环之后的连续循环中计数之前获取的流动池加热器温度传感器数据是否比环境操作温度低第二预定裕量。然后，在评估的循环和连续循环中，当评估的循环流动池加热器温度传感器数据未能比操作温度低第二预定裕量时，确定流动池冷却失败并报告服务需求。

CRM实现的方法包括基于位于多个位置并由多个独立操作人员操作的设备来确定第二预定裕量。该方法包括使设备配置记录和报告温度传感器读数并存储温度传感器读数的收集日志的逻辑。该方法包括分析流动池加热器发生故障的设备实例中的温度传感器读数的时间序列，并确定第二预定裕量。存储第二预定温度裕量，用于确定流动池加热器是否发生故障。

CRM实现的方法包括基于位于多个位置并由多个独立操作人员操作的设备更新第二预定裕量。该方法包括使设备配置记录和报告温度传感器读数和在报告服务需求之后的服务日志。该方法包括存储收集的日志。该方法包括分析流动池加热器健康和发生故障的设备实例中的温度传感器读数的时间序列，以及报告服务需求之后的服务日志。该方法包括基于分析确定对第二预定裕量的更新。

所公开技术的第二种方法实施方式包括检测测序器具有发生故障的流动池温度控制系统。该方法包括跨碱基识别循环分析流动池温度传感器数据的时间序列。这还包括确定第一碱基识别循环是否具有足够的流动池温度传感器数据点来满足计数阈值。该方法包括确定第一循环中的温度传感器数据是否比环境操作温度超过第一预定裕量。在第一循环中的流动池温度传感器数据未能比环境操作温度超过第一预定裕量时，该方法包括确定在紧接第一循环之前或之后的第二连续循环中的流动池温度传感器数据具有足够的流动池温度传感器数据点以满足计数阈值。该方法还包括确定第二连续循环中的流动池温度传感器数据未比环境操作温度超过第一预定裕量。该方法然后响应性地设置第一故障条件。该方法包括响应于第一故障条件产生流动池加热器警报。

该方法实施方式和公开的其他方法可选地包括一个或多个以下特征。方法还可以包括结合公开的系统描述的特征。读者将理解本节中确定的特征如何容易地与其他法定类别中的基本特征相结合。

该方法包括通过跨碱基识别循环分析流动池加热器温度传感器数据的时间序列来确定流动池冷却液故障。这还包括确定第一碱基识别循环具有要在流动池冷却子循环期间评估的流动池温度传感器数据点。该方法包括确定第一循环中的温度传感器数据是否被冷却到比环境操作温度低第二预定裕量。当流动池温度传感器数据在第一循环中未能冷却到比环境操作温度低第二预定裕量时，该方法包括确定在紧接第一循环之前或之后的第二连续循环中的流动池加热器温度传感器数据未能冷却到比环境操作温度低第二预定裕量。此后，该方法包括设置第二故障条件。该方法包括响应于第二故障条件产生流动池冷却液警报。

该方法包括暴露流动池温度控制系统中的温度传感器，并从暴露的温度传感器报告温度传感器数据。该方法包括从包括测序器的多个设备接收温度传感器数据。该方法包括对来自多个设备的温度传感器数据应用跨多个碱基识别循环的流动池温度传感器数据的时间序列的分析。

该方法包括温度裕量更新，包括从包括测序器的多个设备接收温度传感器数据。该方法还包括从多个设备接收新的温度传感器数据。该方法还包括基于新的温度传感器数据修改第一预定裕量，并存储修改后的第一预定裕量。

该方法包括温度裕量更新，包括从包括测序器的多个设备接收温度传感器数据。该方法还包括从多个设备接收新的温度传感器数据。该方法包括基于新的温度传感器数据修改第二预定裕量，并存储修改后的第二预定裕量。

该方法在温度裕量更新中利用CRM数据，包括跟踪包括测序器的多个设备的警报、故障和解决方案。该方法还包括，从客户关系模块接收故障和解决方案数据，并且当修改由温度裕量调节模块实现的参数时，区分遗漏的故障和假警报。

该技术的系统实施方式包括耦合到存储器的一个或多个处理器，该存储器加载有计算机指令，当该计算机指令被一个或多个处理器执行时，使得该系统执行根据上述任何一种方法的方法。第二种方法实施方式的上述具体实施方式部分中讨论的每个特征同样适用于该系统实施方式。

该技术的CRM实施方式包括用计算机程序指令压印的非暂时性计算机可读存储介质。指令当在一个或多个处理器上执行时，实现根据上述任何方法的方法。

在系统实施方式的这个具体实施方式部分中讨论的每个特征同样适用于CRM实施方式。如上所述，这里不重复所有的系统特征，并且应该被认为通过参考而重复。