具体实施方式

首先，将结合图1给出对本公开文本的监测技术的概述。在以下部分中，将结合图2a至图5来讨论监测技术的其他方面。

总体概述

图1是本公开文本的监测技术的流程图。

所述方法包括：自动监测101液相色谱流的注射组件的系统压力以生成系统压力的时间序列；将所述时间序列分类103为指示所述LC流的不同状态的两个或更多个预定类别中的一者；以及基于分类结果来触发105响应。

将在以下部分中详细讨论监测和分类步骤。

在一些例子中，监测发生在样品注射过程期间。例如，注射过程可以包括将样品注射到LC流的LC柱中。系统压力可以通过连接到注射组件的泵(例如，用于将样品注射到LC流柱中的自动化分析仪的洗脱泵)生成。下文将结合图2a-c讨论用于监测系统压力的部件和注射组件的部件的其他方面。

时间序列可以跨越样品进入LC流柱的注射过程的至少一部分(例如，注射过程的持续时间的20％以上或50％以上，或注射过程的持续时间的最多20％或最多50％的窗口)。在一些例子中，时间序列可以跨越样品进入LC流柱中的完整注射过程。在所有情况下，发生注射的时间段可以是本公开文本的监测技术的焦点。如本文所讨论的，在该时间段期间获得的压力曲线对于导出LC流的不同状态可能是令人感兴趣的。

在一些情况下，具有特定压力特性的LC梯度会随样品注射过程而变化。对于本公开文本的技术，压力时间序列的这一部分可能不那么令人感兴趣。因此，在一些例子中，在LC梯度的持续时间内没有对压力值进行采样。另外，在一些例子中，时间序列不包括在注射过程之前采样的压力值。然而，在一些例子中，时间序列可以跨越样品的注射过程的至少一部分以及样品的注射过程之前和/或之后的时间段。例如，时间序列可以包括注射过程之前的时间段以及进入LC流的LC柱中的注射过程的一部分(或整个持续时间)。

接下来将讨论分类步骤。作为分类步骤的一部分，可以自动处理时间序列以帮助确定两个或更多个类别中的哪一个是当前时间序列的适当类别。在一些例子中，对时间序列进行分类包括对时间序列的特征分析(例如，对时间序列的多个预定特征的特征分析)。然后，类别确定可以包括基于时间序列的所确定的特征来选择适当的类别。可以在自动化分析仪的操作期间动态地调整或更新所述特征。

在一些例子中，对时间序列进行分类包括使用通过机器学习算法训练的分类器。在本背景中，术语“训练的”意味着在训练周期内对多个训练样品执行分类器，在所述训练周期期间，分类器的属性适于产生或改善分类结果。可以在交付自动化分析仪或其控制软件之前和/或在部署自动化分析仪或其控制软件(例如，部署在客户处)之后进行训练。如之前所讨论的，可以周期性地或连续地更新分类器。

在一些例子中，可以在历史压力时间序列或模拟压力时间序列方面训练分类器。在一些例子中，可以基于自动化分析仪和/或不同的自动化分析仪的压力时间序列来更新分类器(例如，可以收集不同的自动化分析仪的数据并对其进行处理以训练分类器，并且可以将经过训练的分类器提供给自动化分析仪)。

在一些例子中，可以在通过处理时间序列(例如，如本公开文本中所描述的特征分析)生成的元数据方面训练分类器。在该例子中，分类步骤可以包括时间序列的初始处理步骤以生成元数据，并且可以包括应用分类器的后续步骤。然而，在其他例子中，可以通过直接处理时间序列来训练和使用分类器。下文将结合图3和图4来讨论处理时间序列的其他方面。

在一些例子中，分类器可以是基于模型的或无模型的。

在一些例子中，分类器可以采用人工神经网络。如上文所讨论的，可以在样品数据方面训练人工神经网络。

在其他例子中，分类器可以采用通过机器学习技术训练的其他算法。例如，可以在本公开文本的监测技术的分类步骤中采用数字模式识别技术。在其他例子中，分类可以包括使用决策树算法、概率分类器(例如，使用朴素贝叶斯类型算法的分类器)、支持向量机、相关分类器、最近邻型分类器或通过机器学习技术训练的其他合适的数值分类技术。

在其他例子中，可以使用未通过机器学习技术训练的其他数字分类技术。例如，一些算法可以被配置有显式指令以将时间序列分类为两个或更多个预定类别中的一者。例如，基于规则的分类技术可以被配置有显式指令以对时间序列进行分类。然而，在一些情况下，机器学习技术可能优于需要显式指令针用于一些分类技术的技术。

通过上述方式，本公开文本的监测技术可以用于自动检索关于分析仪的不同状态的信息。注射组件的系统压力曲线包含可以通过使用本公开文本的技术来自动检索的信息，以改善自动化分析仪的操作(例如，减少停机时间)。

自动化分析仪

在以下部分中将结合图2a、2b和2c讨论自动化分析仪和注射组件的部件的附加方面。图2a、图2b和图2c示出了这些部件以及LC流的注射过程。

图2a示出了注射组件10和与注射组件10连接的LC流的LC柱5。此外，质谱仪6连接到LC柱5。注射组件10被配置为将样品注射到LC柱5中。在LC柱5中，样品(按时间)被分离成其成分。将样品中分离出的成分引入质谱仪中以解析成分(或其片段)的质荷比。

注射组件包括：注射端口3，所述注射端口用于将样品输入到注射组件10；以及转移系统4、7，所述转移系统用于将样品从注射端口转移到LC流柱的LC柱5的端口。注射组件10连接到泵1和废物容器8。转移系统4、7被配置为在以不同配置连接两个或更多个泵1、废物容器8、注射端口以及LC柱5的端口的不同状态之间切换。在图2a的例子中，转移系统4、7包括旋转阀4和样品环环7。另外，注射系统10包括样品分配部件2(例如，自动化注射筒)。

样品注射过程可以如下进行：

在如图2a所示的第一步骤中，可以将样品从小瓶或其他样品容器中抽吸到样品分配部件2中。在该操作期间，注射端口3连接到废物容器8。在图2b所描绘的另一步骤中，注射阀3切换到装载位置，在所述装置位置中，样品环7将注射端口3和废物容器8连接。样品分配部件2(例如，自动化注射筒)将样品通过注射端口3转移到样品环7中。在一些例子中，所转移的样品量可以是几微升(例如，小于10微升)。

在图2c所示的另一步骤中，注射阀3将样品环7切换到注射位置。在注射位置中，泵1在样品环7的一端连接到样品环7。样品环7的另一端连接到LC柱5。在该位置中，泵对包括样品环7的流体路径加压以将样品注射到LC柱5(样品可以在所述LC柱中进行如上文所讨论的进一步处理)。可以监测在该注射过程期间(在整个注射过程或其一部分期间)注射组件10的系统压力，以生成在本公开文本的技术中进一步处理的时间序列。图3示出了可以获得的时间序列的示例性集合。

例如，系统压力可以由布置在注射组件10中的压力传感器或附接到注射组件的部件来监测。例如，泵1的压力传感器可以用于监测系统压力。该压力传感器可以已经被提供，例如以检测泵1的故障或用于监测由泵1执行的加压操作。在其他例子中，压力传感器可以布置在注射组件10中的其他位置，或布置在与注射组件10连接的LC流的部件中，以监测注射组件10的系统压力。

在一些例子中，可以直接(通过压力传感器)或通过使用能够监测与系统压力直接相关的参数的任何传感器间接地监测系统压力。

应当指出的是，图2a、2b和2c的布局仅是示范性的。如果自动化分析仪的一个或多个LC流被不同地设置，则也可以应用本公开文本的监测技术。例如，注射组件10可以包括与旋转阀不同的部件。

此外，(替代地或另外)LC流的LC柱5可以与质谱仪6以外的其他检测器耦接。例如，检测器可以是被配置为分析由LC柱5提供的样品的光学或磁性检测器。

另外或替代地，将注射组件10和LC柱5连接的流体路径可以被不同地布置。例如，流体路径可以包括附加部件(例如，附加的阀或毛细管)。在一些例子中，注射组件10可以(例如，通过提供流选择阀)耦接到多个LC流的多个LC柱。另外，自动化分析仪可以包括如上文所讨论的多个注射组件(例如，用于多个LC流)。在这种情况下，可以采用本公开文本的监测技术(并行地或在不同时间)自动监测多个或每个注射组件的系统压力。

不管自动化分析仪的一个或多个LC流的布局如何，都可以应用本公开文本的监测技术。

处理时间序列的细节

在后续部分中，将结合图3更详细地讨论处理本公开文本的监测技术的系统压力的时间序列的不同方面。图3描绘了多个注射过程的系统压力时间序列的示例性集合31。

可以看出，压力在注射过程开始时下降并且随后(例如，在小于3分钟或小于2分钟的时间段内)再次升高。通常，压力曲线的形状可以解释如下：当样品和附加液体以及附加的气隙驻留在(例如，如上面讨论的注射组件的)样品环中时，它们不会受到加压。在切换注射阀的时刻，加压系统通向所述环(未加压)并且发生平衡。这可能会导致初始压力降。在后续时间段内，将样品环的内容物加压至系统压力。当将样品环的内容物加压至系统压力时，会在注射阀的切换事件之前获得压力。

在一些例子中，可以对系统压力的时间序列进行预处理。例如，可以将系统压力的单个时间序列平滑化或者可以消除异常值。另外或替代地，可以将多个时间序列(例如，每个时间序列跨越单个注射过程的至少一部分)平均化。然后可以对平均的时间序列进行进一步处理。在其他例子中，可以消除时间序列的一个或多个部分。

在一些例子中，从时间序列中提取一个或多个特征(例如，多个特征)。这些特征可能涉及以下一者或多者：预定位置处的压力值(例如，时间序列中的最大值或最小值处的压力值)、压力变化的大小(例如，压力上升或压力下降)、压力变化的速度。

另外或替代地，所述特征可能涉及时间序列的全局特性。例如，特征可以量化时间序列的最大值和最小值的数量或振荡次数。另外或替代地，特征可以是时间序列的频谱特征。例如，特征可能涉及特定频率处的大小(即，傅立叶系数的大小)，或者涉及特定频率处的频谱能量。在其他例子中，特征可能涉及时间序列的全局或局部极值(例如，全局最大值、局部最大值、全局最小值或局部最小值)。其他特征可以在元特征中组合上述特征中的不同特征。

经过提取的特征可以任何合适的形式(例如，作为特征向量)进行组织并输入到分类器中。如上文所讨论的，分类器可以是适合于将提取的特征(例如，特征向量)分类为指示LC流的不同状态的两个或更多个类别的任何类型的分类器。在一个例子中，分类器是通过机器学习算法训练的分类器。

在其他例子中，时间序列可以直接用作分类器的输入。在这些例子中，没有发生先前的特征提取步骤。然而，可能存在信号处理步骤以使时间序列成为适用于将其输入到分类器中(例如，上文所讨论的预处理步骤中的一者或多者)的形式。例如，时间序列可以直接用作人工神经网络或通过机器学习训练的另一个分类器的输入。

类别和响应

在后续部分中，将结合图4和图5更详细地讨论不同的可能类别和示例性响应。

图4示出了当LC流的不同错误状态中的一者发生时注射过程的系统压力时间序列40的四个不同集合。在一个例子中，错误状态中的每一者可以属于LC流的不同类别的状态。

在一些例子中，两个或更多个预定类别包括指示将气体注射到注射组件中的至少一个类别。例如，两个或更多个类别可以包括指示注射不同的气体量的至少两个类别(或三个或更多个类别或者四个或更多个类别)。在自动化分析仪的周围环境中，气体可以是空气或其他气体。

图4右侧的曲线是当注射较低空气量(例如，1μL-右上曲线40b)和较高空气量(例如，5μL-右下曲线40d)时监测的示例性曲线。可以看出，与在如图3所示的注射组件的规格的正常操作期间测量的曲线相比，所述曲线在注射过程开始时具有通常更明显的下降(即，在注射过程开始时的压力最小值处于在注射气体时的较低压力值)。这可能是由于空气或其他气体与样品相比具有更高的可压缩性而发生的。通过这种方式，与不存在气体的情况相比，对包括样品以及例如一定量的空气的注射组件的体积进行加压导致对所述体积的更大压缩并且因此导致更低压力。

另外或替代地，两个或更多个预定类别包括指示在注射过程中所注射的样品的低于标称量的注射的至少一个类别(例如，指示两个不同水平的低于标称样品量的两个或更多个指示等)。例如，类别可以指示样品量低于标称样品量的阈值百分比(例如，小于标称量的90％或小于标称量的50％)。在其他例子中，第一类别可以指示样品量在低于标称样品量的第一范围内，并且第二类别可以指示样品量在低于第一范围的低于标称样品量的第二范围内。图4左下侧的曲线40c的集合是在样品量为低于正常(例如，1μL而不是5μL的标称量)时测量的监测曲线。该状态与正常状态下的曲线之间的差异并不明显可见。然而，本公开文本的自动分类器可以基于时间序列来区分两个类别。

另外或替代地，两个或更多个预定类别包括指示在注射过程中所注射的样品的高于正常量的注射的至少一个类别(例如，指示两个不同水平的高于正常样品量的两个或更多个指示等)。

另外或替代地，两个或更多个预定类别包括指示异常样品组成的至少一个类别。例如，异常样品组成是包括至少一种非预期物质(例如，非预期有机物质)的组成。在其他例子中，异常样品组成是其中缺少预期物质的组成。图4左上侧的曲线40a的集合是在水的注射而不是水与有机组成的混合物的注射期间测量的监测曲线。可以看出，在这种情况下，时间序列可以具有带几个最小值和最大值的振荡特性。

另外或替代地，两个或更多个预定包括指示缺陷注射阀的至少一个类别。这可能意味着时间序列是(基本上)平坦曲线(图4中未示出)。其他类别可以指示注射组件的部件中的其他缺陷。

另外或替代地，两个或更多个预定包括指示所注射的样品中存在颗粒(图4中未示出)的至少一个类别。

在一些例子中，两个或更多个类别包括指示注射组件的正常操作的至少一个类别和指示注射组件的错误状态的至少一个类别。在一个例子中，分类器仅具有两个类别：指示正常行为的一个类别和指示异常行为(例如，组合上文讨论的两个或多个或所有异常行为)的第二类别。在这种情况下，分类器执行二进制分类。在其他例子中，分类器仅具有三个或更多个类别：指示正常行为的一个类别以及指示不同的异常行为(例如，包括上文讨论的两个或更多个或所有异常行为)的两个或更多个类别。在这种情况下，分类器执行多标签分类。

基于压力值的时间序列的分类可以高精度地发生。然而，应当理解，分类可能无法最佳地工作(例如，并非每次LC流都处于某个状态-例如，注射了一定量的空气-分类器将会获得对应的分类结果)。在一些例子中，如果多个注射过程被分类为特定类别，则仅假设特定状态和/或仅触发特定响应。

在所有情况下，本公开文本的监测技术可以包括自动触发响应。以下部分将讨论可以通过分类触发的示例性响应。在检测到指示LC流状态的特定类别的情况下，下面列出的不同示例性响应可以被组合为响应。

在一些例子中，所述响应包括记录分类结果。例如，如果对时间序列的分类产生注射组件的正常操作，则可以触发对记录分类结果的响应。在其他例子中，对于每个分类操作发生对记录分类结果的响应。

另外或可替代地，所述响应可以包括开始或安排自动维护操作。例如，所述维护操作可以是检查注射组件中是否有气泡或检查样品稀释过程中的一项或多项。如果时间序列的分类产生异常样品组成，则可以触发对开始或安排自动维护操作的响应。

另外地或替代地，所述响应可以包括生成错误消息。每当分类产生注射组件不在规格内的结果时，都可以触发该响应。

另外地或替代地，所述响应可以包括要求操作员执行预定检查或维护操作。这可以包括在操作员的界面(例如，图形用户界面)上输出消息。所述消息可以包括关于预定检查或维护操作的信息(例如，如何执行预定检查或维护操作的指令。

例如，所述维护操作是检查注射组件中是否有气泡或检查样品稀释过程中的一项或多项。如果对时间序列的分类产生将气体注射到喷射组件中的指示，则可以触发对要求操作员执行预定检查或维护操作的响应。

另外或替代地，所述响应可以包括通知服务提供商。

在一些例子中，所述响应可以包括标记使用LC流对一个或多个样品执行的一个或多个测量可能是错误的。另外或替代地，响应可以是停止自动化分析仪或自动化分析仪的模块(例如，特定的LC流或LC流柱)的操作。

如果分类结果是LC流处于特定状态，则可以触发上文所讨论的两个或更多个响应。例如，可以为LC流的特定异常状态触发记录分类结果并生成错误消息。

示例性监测技术

图5是本公开文本的示例性监测技术的流程图50。在一个步骤52中，开始LC流的注射组件中的样品注射过程。监测53注射过程以获得系统压力时间序列(或跨越多个注射过程的多个时间序列)。可以对获得的时间序列进行预处理以进行分类。在另一步骤中，对时间序列进行分类。在图5的例子中，分类器可以区分五个不同的类别，并且为每个类别触发特定响应。

第一类别(1类)指示注射组件的正常操作。换句话说，注射组件根据规格进行操作。触发的响应包括在日志中(例如，自动化分析仪的控制软件的日志中)生成条目。日志中的条目可以包括分类结果已产生注射组件的正常操作的信息。另外或替代地，日志中的条目可以包括与系统压力的时间序列(例如，系统压力的时间序列)有关的信息。

第二类别(2类)指示已注射有机物含量错误的样品。这是指示如上文所讨论的异常样品组成的类别。对此类别的检测的触发响应可以触发注射组件的注射器对气泡的检查过程。这可能涉及向自动化分析仪的操作员或服务人员发送一条消息(例如，包括有关如何进行检查过程的指令)。在其他例子中，检查过程可以由自动化分析仪自动(至少部分地)执行。

第三类别(3类)指示部分空气注射。如上文所讨论的，此类别可能包括其中标称样品量的特定部分(而不是全部样品量)被空气占据的情况。确定LC流处于这种状态可以触发响应，所述响应包括向操作员发送一条消息以检查是否提供了最小样品量并遵循有关此情况的指令(“检查IF准备情况”)。

第四类别(4类)指示部分样品注射。这是指示上面讨论的注射样品的低于正常量的类别的例子。对此类别的检测的触发响应可以触发样品稀释过程的检查过程。这可能涉及向自动化分析仪的操作员或服务人员发送一条消息(例如，包括有关如何进行检查过程的指令)。在其他例子中，检查过程可以由自动化分析仪自动(至少部分地)执行。

第五类别(5类)指示完全空气注射。确定LC流处于此状态可以触发响应，所述响应包括自动安排维护访问(例如，外部服务人员的访问)。在一些例子中，自动安排过程可以包括向服务人员发送消息。

图5中描绘的五个不同类别的集合仅是示范性的。如上文所讨论的，当使用本公开文本的技术时，可以区分指示LC流的不同状态的多种不同类别。

计算机实现

本公开文本还涉及一种计算机系统，其被配置为执行监测自动化分析仪的液相色谱(LC)流的状态的技术。

在一些例子中，计算机系统可以是分析仪(或其一部分)的控制器。然而，在其他例子中，计算机系统只能通过网络连接到分析仪，而不能成为分析仪的控制器的一部分。例如，计算机系统可以是医院或实验室管理系统，或者是分析仪的供应商或服务提供商的计算机系统。

仅要求计算机系统获得液相色谱流的注射组件的系统压力的时间序列。这可能意味着计算系统通过网络接收此信息。然而，在其他例子中，如上文所讨论的，计算系统还控制分析仪的功能(例如，测量压力或触发响应)，这意味着它是分析仪的控制器。

本公开文本的计算系统不限于特定的软件或硬件配置。只要软件或硬件配置能够执行根据本公开文本的用于监测自动化分析仪的液相色谱(LC)流的状态的技术的步骤，计算系统就可以具有此软件或硬件配置。

本公开文本还涉及一种其上存储有指令的计算机可读介质，所述指令在由计算机系统执行时提示计算机系统执行根据本公开文本的用于监测自动化分析仪的液相色谱(LC)流的状态的技术的步骤。

进一步公开并提出了一种计算机程序，所述计算机程序包括当在计算机或计算机网络上执行所述程序时用于执行在本文中所附的一个或多个实施方案中的根据本公开文本的方法的计算机可执行指令。具体地，所述计算机程序可存储在计算机可读数据载体上。因此，具体地，可通过使用计算机或计算机网络、优选地通过使用计算机程序来进行本文中公开的一个、一个以上或者甚至全部方法步骤。

进一步公开并提出了一种计算机程序产品，所述计算机程序产品具有程序代码，以便当在计算机或计算机网络上执行所述程序时在本文中所附的一个或多个实施方案中进行根据本公开文本的方法。具体地，所述程序代码可存储在计算机可读数据载体上。

进一步公开和提出了上面存储有数据结构的数据载体，所述数据结构在加载到计算机或计算机网络中之后，诸如在加载到计算机或计算机网络的工作存储器或主存储器中之后，可执行根据本文中公开的一个或多个实施方案的方法。

进一步公开并提出了一种计算机程序产品，所述计算机程序产品具有存储在机器可读载体上的程序代码以便当在计算机或计算机网络上执行所述程序时进行根据本文中公开的一个或多个实施方案的方法。如本文所使用的，计算机程序产品将所述程序称为可交易产品。所述产品通常可以任意格式(诸如纸质格式)存在，或存在于计算机可读数据载体上。具体地，所述计算机程序产品可分布在数据网络上。

进一步公开和提出了一种调制数据信号，所述调制数据信号包含可由计算机系统或计算机网络读取的指令以用于进行根据本文中公开的一个或多个实施方案的方法。

参考本发明的计算机实施方面，可通过使用计算机或计算机网络来进行根据本文中公开的一个或多个实施方案的方法的一个或多个方法步骤或者甚至是所有方法步骤。因此，通常，可通过使用计算机或计算机网络来进行包括提供和/或操纵数据的任何方法步骤。一般来说，这些方法步骤可包括通常除了需要人工工作的方法步骤(诸如提供样本和/或进行测量的某些方面)之外的任何方法步骤。

进一步公开和提出了一种包括至少一个处理器的计算机或计算机网络，其中所述处理器适于进行根据本说明书中描述的一个实施方案的方法。

进一步公开和提出了一种计算机可加载数据结构，所述计算机可加载数据结构适于在所述数据结构在计算机上执行的同时进行根据本说明中描述的一个实施方案的方法。

进一步公开和提出了一种存储介质，其中数据结构被存储在所述存储介质上，并且其中所述数据结构适于在已经被加载到计算机或计算机网络的主存储装置和/或工作存储装置中之后进行根据本说明中描述的一个实施方案的方法。

其他方面

在前述部分中已经讨论了用于监测本公开文本的自动化分析仪的液相色谱(LC)流的状态的技术的多个方面。另外，还可以根据以下方面来执行用于监测本公开文本的自动化分析仪的液相色谱(LC)流的状态的技术：

1.一种监测自动化分析仪的液相色谱(LC)流的状态的方法，所述方法包括自动地进行以下步骤：

监测所述液相色谱流的注射组件的系统压力以生成系统压力的时间序列；

将所述时间序列分类为指示所述LC流的不同状态的两个或更多个预定类别中的一者；以及

基于分类结果来触发响应。

2.根据方面1所述的方法，其中所述监测发生在样品注射过程期间。

3.根据方面1或2所述的方法，其中所述系统压力由连接到所述注射组件的泵生成。

4.根据方面2或3中任一项所述的方法，其中所述时间序列跨越所述样品进入所述LC流的LC柱的注射过程的至少一部分。

5.根据方面1至4中任一项所述的方法，其中对所述时间序列进行分类包括使用通过机器学习算法训练的分类器。

6.根据方面5所述的方法，其中在历史压力时间序列或模拟压力时间序列方面对所述分类器进行训练。

7.根据方面1至6中任一项所述的方法，其中对所述时间序列进行分类包括对所述时间序列的一个或多个预定特征的特征分析。

8.根据方面7所述的方法，其中所述一个或多个特征包括以下一者或多者：预定位置处的压力值、压力变化的大小、压力变化的速度、时间序列的最大值和最小值、所述时间序列的振荡次数或所述时间序列的频谱特征。

9.根据前述方面1至8中任一项所述的方法，其中所述两个或更多个预定类别包括指示将气体注射到所述注射组件中的至少一个类别。

10.根据方面9所述的方法，其中所述两个或更多个类别包括指示不同气体量的注射的至少两个类别。

11.根据前述方面1至10中任一项所述的方法，其中所述两个或更多个类别包括至少一个类别，所述至少一个类别指示低于标称样品量的注射和/或指示高于正常样品量的注射。

12.根据前述方面1至11中任一项所述的方法，其中所述两个或更多个类别包括指示异常样品组成的至少一个类别。

13.根据方面12所述的方法，其中所述异常样品组成是包括至少一种非预期物质、任选地非预期有机物质的组成，或其中缺少预期物质的组成。

14.根据前述方面1至13中任一项所述的方法，其中所述两个或更多个类别包括指示所述注射组件的正常操作的至少一个类别。

15.根据前述方面1至14中任一项所述的方法，其中所述响应包括记录所述分类结果。

16.根据方面15所述的方法，其中如果对所述时间序列的所述分类产生所述注射组件的正常操作，则触发对记录所述分类结果的所述响应。

17.根据前述方面1至16中任一项所述的方法，其中所述响应包括开始或安排自动维护操作。

18.根据方面17所述的方法，其中所述维护操作是检查所述注射组件中是否有气泡或检查样品稀释过程中的一项或多项。

19.根据方面17或18所述的方法，其中如果所述时间序列的所述分类产生异常样品组成，则触发对开始或安排自动维护操作的所述响应。

20.根据前述方面1至19中任一项所述的方法，其中所述响应包括生成错误消息。

21.根据前述方面1至20中任一项所述的方法，其中所述响应包括要求操作员执行预定检查或维护操作，任选地包括提供关于所述相应的检查或维护操作的指令。

22.根据方面21所述的方法，其中所述检查或维护操作是检查所述注射组件中是否有气泡或检查样品稀释过程中的一项或多项。

23.根据方面21或22所述的方法，其中如果对所述时间序列的所述分类产生将气体注射到所述喷射组件中的指示，则触发对要求操作员执行预定检查或维护操作的所述响应。

24.根据前述方面1至23中任一项所述的方法，其中所述响应包括通知服务提供商。

25.根据前述方面1至24中任一项所述的方法，其中所述注射组件包括：注射端口，所述注射端口用于将样品输入到所述注射组件；以及转移系统，所述转移系统用于将样品从所述注射端口转移到所述LC流柱的端口。

26.根据方面25所述的方法，其中所述注射组件连接到泵和废物容器，并且其中所述转移系统被配置为在以不同的配置连接所述泵、所述废物容器、所述注射端口以及所述LC柱的所述端口中的两者或更多者的不同状态之间切换。

27.一种计算机系统，其被配置为执行根据方面1至26所述的方法中的任一者的步骤。

28.根据方面27所述的计算机系统，其中所述计算机系统是所述自动化分析仪的控制器。

29.一种具有存储在其上的指令的计算机可读介质，所述指令在由计算机系统执行时提示所述计算机系统执行方面1至26所述的方法中的任一者的步骤。