用于对咖啡机的物理和操作性质进行实时自动评分的系统和方法

背景技术

出于每日咖啡消费目的而制作浓缩咖啡，通常以咖啡杯提供的主流方法使用浓缩咖啡机。这种机器是通过用加压热水蒸馏咖啡研磨颗粒以离散的萃取制作浓缩咖啡的机械设备或系统。所述设备通常至少包括图1所示的部件，即供水装置1，所述供水装置1可包括水容器或通过主要供水管道实现的直接供给。典型的浓缩咖啡机还包括：用于水净化/纯化的滤水器2、用于对水加压的泵3以及控制设备4，所述控制设备4用于调整单个咖啡蒸馏事件，或通常作用于机器泵的单次咖啡萃取制作事件的时间和水量。传感器在泵3之后测量水压力，蒸煮器5加热水，并且传感器7在蒸煮器之后测量水温度。流量阀8确保在到达冲煮头9之前存在特定的水流量，所述冲煮头9与容纳待蒸馏的粒状咖啡的过滤手柄10联接。粒状咖啡来自研磨机，所述研磨机包括咖啡豆容器11和研磨机设备12。

通常，这些类型的咖啡机经由控制设备4来校准，所述控制设备4是作用于咖啡机的泵3的PLC。咖啡机的操作状态的其他指标来自水压力传感器5和水温度传感器7上读取的指示信息。

发明内容

本文描述的方法可应用在单一咖啡机上和咖啡机网络上。本发明根据对以下项的自动监测提供了在任何给定时间对咖啡机的物理和操作性质的监测、评分和标注：a)物理和操作变量，以及b)来自最终用户的手动输入，诸如最终用户的标准。本发明还说明了用于特定咖啡机的最佳咖啡机校准设置目的，以及其他最终用户目的的评分结果，所述其他最终用户目的诸如为针对特定咖啡机以及还有针对特定咖啡机网络的咖啡制作和电力消耗评估。

附图说明

通过具体参考以下附图的若干视图将更好地理解本发明。

图1是示出自动浓缩咖啡机的典型部件的图；

图2是示出自动浓缩咖啡机的典型部件以及本发明装置的实施方案的部件的图；

图3是图2中提供的本发明装置的计算设备的图；

图4是使用标准偏差评分或正态分布的钟形曲线的图；并且

图5是本发明装置的用于提供评分方案的计量器的图。

具体实施方式

本发明是一种出于机械和最终用户最佳使用标准两者而对自动浓缩咖啡机或咖啡机102的物理和操作性质进行实时自动评分的新颖方法。所述方法利用传感读取装置170(在下文称为“装置”)，所述传感读取装置170能够通过标准和专有网络协议与传感器通信，并且通过直接、对等或标准网络，或者经由图2所示的部件实现的互联网连接来与相同类型的其他装置通信。装置170是咖啡制作系统100，或浓缩咖啡系统的部件，所述系统包括浓缩咖啡机102和研磨机104。

装置170的主要目的是计算影响咖啡机的咖啡制作的物理和机器操作性质的所有读数(无论是自动实现还是手动实现)是否在最佳操作限制或最佳使用标准内，并且出于人机交互目的而经由界面部件传达结果。所述装置能够经由其计算设备136计算并存储信息。计算设备136示出于图3中并且包括通信部件150，所述通信部件150是负责从浓缩咖啡机102的装置/传感器收集数据并还将设置或固件传送到所述装置的计算子系统。消息队列部件152是负责对数据管道进行排队并帮助设备136的其他部件之间的通信以便将高可用性和高性能架构进行归档的计算子系统。处理部件154是处理推荐算法，验证数据，转换数据，并向数据存储区156发送数据的计算子系统。数据存储区156是存储由处理部件154和界面部件158产生的任何种类的数据的计算子系统。界面部件158是显示界面(API、Web应用程序、移动应用程序)以与人类交换信息的计算子系统、外部计算机硬件、软件等。通知部件160是产生通知和系统事件的计算子系统。

装置170是连接到数字传感器和模拟传感器两者的印刷电路板。传感器测量影响咖啡制作和其他咖啡机操作量度的物理性质。具体地，传感器通过促成单次咖啡萃取的制作的物理变量，诸如研磨、剂量和水性质来度量咖啡制作，所述水性质包括压力、温度、数量和品质。水性质按以下单位进行测量：以PSI计的压力、以度(摄氏度或华氏度)计的温度、以每个时间单位的体积(每秒的立方米)计的数量、以百万分之几(ppm)计的硬度的品质、以毫伏计的ORP(氧化还原电位)以及以PH对数标度计的酸度或碱度。在研磨机切割器设置(切割咖啡的角度)和以咖啡克数计的剂量方面对研磨进行测量。

可通过由机器产生的声音的级别和分布特性以及由机器产生的振动的级别和随时间分布特性来线性地推断整体机器卫生度(正常操作)。声音通过分贝来测量，并且振动被测量为加速度的统计峰值。

为了测量水压力，装置170连接到位于机器泵110与蒸煮器116之间的压力传感器138。装置170连接到位于蒸煮器116与流量阀120之间的测量水温度的温度传感器。对于水硬度而言，装置170连接到供水装置106中放置在任何过滤设备108之后的浊度传感器130。对于水酸度或碱度而言，装置170连接到供水装置106中放置在任何过滤设备108之后的PH传感器132。对于水ORP而言，装置170连接到供水装置106中放置在任何过滤设备108之后的ORP传感器134。咖啡供应商为每种咖啡类型指派了确切的咖啡研磨量度，并且湿度是用于微调由供应商给出的研磨变量的主要贡献变量。无线传感器146存放在研磨机设备128中以实时地流式传输湿度数据。系统170可经由关于咖啡制作时间的校准值“咖啡萃取时间”直接测量每一特定时间内每一特定数量的咖啡萃取制作的总咖啡量，或者在每个冲煮头122中每次咖啡萃取所需的水量。实际上，系统100直接测量加压和加热的水在冲煮头122中蒸馏咖啡的时间。以此方式，系统100针对特定持续时间内制作的特定咖啡量产生每次咖啡萃取的咖啡克数的间接中值剂量。作为指示性提取的实例，约1流体盎司通常在30秒内提取，并且针对浓缩咖啡量的%校准超浓缩咖啡提取(约20秒提取时间)。

系统100经由先前描述的传感器直接测量多个机器使用变量。装置100基于如上所述的关于剂量的时间和量校准量度，根据所述机器是处于咖啡制作模式还是净化模式而以编程方式记录事件。基于相同的计算，装置100在处于制作模式时将事件标注为“超浓缩咖啡”、“单份咖啡”或“加长咖啡”事件。装置100经由放置在机器102的外壳148的非移动部分中的加速度计传感器142而直接记录振动。装置100经由放置在机器102的外壳148的非移动部分中的声级传声器传感器144而直接记录噪声。

重要的是应注意，所有装置170传感器130、132、134、138、140、142、144和146都连接到如上所述的机器102和104部件，所述机器102和104部件根本没有附接咖啡机出于任何操作监测考虑而可能包括的任何控制设备(数字或机械)，诸如通常安装在此类机器中以用于过程控制或任何其他目的的PLC设备。

装置170经由运营商最终用户的手动输入将机器类型记录为对机器ID的语义标注。装置170经由运营商最终用户的手动输入将机器群组记录为对机器ID的语义标注。装置170还以编程方式将特定机器ID记录/指派到经由所述装置的PCB板上的所连接的GPS传感器自动地读取的GPS位置。所述装置经由运营商最终用户的手动输入将咖啡变种记录为特定时间段内对机器ID的语义标注。所述装置经由运营商最终用户的手动输入将咖啡供应商记录为特定时间段内对机器ID的语义标注。装置170经由维护最终用户的手动输入记录每个冲煮头122操作来制作三种咖啡类型，即超浓缩咖啡、单份咖啡和加长咖啡中的每一者的咖啡萃取的时间。例如，维护最终用户将装置170设置为校准模式，并且在咖啡机102上按压超浓缩咖啡按钮。然后，装置170上的校准算法自动地设置咖啡制作/净化模式所需的时间和量。维护最终用户需要针对每种类型咖啡(超浓缩咖啡、单份咖啡和加长咖啡)重复这一操作。

系统100的管区包括本地管区和网络管区。本地管区包括咖啡机102、对应的研磨机104以及对应的物理、技术和语义环境的位置。网络管区包括根据物理、技术和语义分类器进行的对咖啡机(网络)，即机器群组[1 ... n]的聚合。

所述系统的最终用户包括咖啡机所有者(企业所有者和维护工作人员)、网络所有者和咖啡供应商。允许人员的分类超过一种用户类别。

方法的主要目的是计算并呈现影响咖啡机的咖啡制作的物理和机器操作性质的所有读数(自动或手动)是否在最佳操作限制或最佳使用标准内。为了列举系统的读数与最佳使用标准的相关性，提出了基于事件的评分方案。每个装置事件连同所有装置读数(自动或手动)一起被记录为离散的系统发生事件，并且用特定的时间起点和时间终点框住。每个机器ID(唯一的咖啡机)的所有事件实质上是在同类物理和技术环境设置下通过相同的部件和物理性质表征的类似的物理过程或测试的重复，其中每个事件与其他事件不具有丝毫依赖关系。因此，在一系列事件发生之后，事件连同事件读数遵循具有针对这些事件发生的事件读数中的任一者的特定方差和标准偏差的正态分布。

因此，针对读数中的任一者的评分是针对单一咖啡机在特定时间段内的一个或多个读数的Z评分。Z评分表示原始读数与总体均值之间的以标准偏差为单位的差距。Z在原始读数低于均值时为负，并且在高于所述均值时为正。所述装置计算并呈现在记录并存储读数的任何给定时间段内针对本文描述的读数中的任一者的Z评分。以此方式，最终用户可即时查看某一时间段内的读数的Z评分中的每一者，所述Z评分是对该读数的物理和/或操作性质是否落入期望的操作范围内的清楚的量度。被接受的操作范围经由计算接口以操作阈值的形式作为最终用户输入记录在所述装置中。装置170在任何给定时间将Z评分与阈值进行比较，从而相应地将结果自动地标注为“正常操作”、“警告操作”或“非正常操作”。另外，每个事件系列或可由最终用户通过如本文所述的任何手动输入来进一步在语义上进行标注，以使最终用户语义与事件系列/发生自动评分相关联。此外，由于装置可利用互联网连接彼此通信，因此对任何选择的机器群组进行相同的评分方法并且在数学上提取事件读数的可靠的统计汇总和结果在技术上是可行的，前提是这些机器群组的分类落入同类物理和技术环境设置标准，例如像同一个机器类型的机器群组内。

因此，系统100具有针对以下性质中的任一者自动地产生Z评分的操作能力：水压力、水温度、水品质(硬度、PH、ORP)、研磨机湿度(用于研磨机设置目的)、机器噪声以及机器振动。

另外，由于在一系列事件发生之后，对一组咖啡机的读数的任何汇总都遵循具有特定方差和标准偏差的正态分布，正如这也适用于单一咖啡机一样，可在针对任何类型的聚合和分组，诸如遵循手动输入，包括机器类型、机器群组、咖啡变种或咖啡供应商的聚合和分组的所有读数中指派Z评分，其中异常值可统计地记录在所述系统中并且输出可统计地归一化。以此方式，最小化了任何手动输入的人为误差，尤其是影响有关咖啡制作量度，诸如制作效率的计算的咖啡萃取时间手动输入的人为误差。

因此，针对所有自动读数和归一化的非自动读数的Z评分适用于以下对应的但非限制性的列表：

• 咖啡机操作效率；

• 针对诸如咖啡类型、变种、供应商等的语义的咖啡制作效率；

• 机器间接操作指标，诸如咖啡机内部声级和振动；

• 影响评估的机器环境物理性质，诸如供水品质、用于研磨机校准设置的湿度；以及

• 用于咖啡机网络的评分量度，诸如对特定数量咖啡机的所有读数评分的汇总和统计结果，所述咖啡机在最终用户语义，诸如咖啡类型、咖啡变种、咖啡供应商、地理区域、市场商业环境以及天气(针对湿度)等下进行分类。