← Terug naar de kennisbank

AI leest testrapporten van onderaannemers

Een concrete toepassing van kunstmatige intelligentie in het laboratorium: het model leest de resultaten uit het testrapport van een extern laboratorium en zet ze bij de regels van de opdracht. Een mens bevestigt alleen nog.

AI leest de resultaten uit een testrapport van een analyse die is uitbesteed aan een extern laboratorium

In het kort

  • Uitbesteding eindigt met andermans pdf. Iemand typt er een tiental getallen met de hand uit over — en precies daar ontstaan de duurste fouten in het hele proces.
  • Het model leest de kop, de resultatentabel en de voetnoten, koppelt de rijen aan de regels van de opdracht en bereidt een voorstel voor. Zelf keurt het niets goed.
  • Het normaliseert wat tussen laboratoria verschilt: het decimaalteken, eenheden, de notatie “< 0,5”, de uitgebreide meetonzekerheid, het uitgavejaar van de norm.
  • Het resultaat houdt een blijvende markering “uitbestede analyse” en het gekoppelde originele rapport — dat eist paragraaf 7.8.2.1 onder p van ISO/IEC 17025.
  • De autorisatie blijft bij een mens. AI verkort de afhandeling van één rapport van een kwartier tot een minuut controle, maar neemt de verantwoordelijkheid niet over.

Waarom juist uitbestede testrapporten

Bijna geen enkel laboratorium heeft alles in zijn accreditatiescope waar klanten om vragen. Zware metalen, PAK’s, Legionella, bepalingen volgens een andere norm, seizoensanalyses die één keer per kwartaal worden uitgevoerd — dat gaat naar een onderaannemer. De klant krijgt één testrapport, en u bent verantwoordelijk voor alles wat erin staat.

En hier begint een probleem dat in geen enkel efficiëntierapport te zien is: de onderaannemer stuurt een pdf terug, en iemand bij u typt de getallen eruit over. Meestal is dat dezelfde persoon die al het meeste ander werk heeft — de technisch manager of degene die de testrapporten autoriseert. Overtypen kost per document enkele tot vijftien minuten, is saai en vraagt honderd procent aandacht. De ideale combinatie om fouten te maken.

Dit artikel beschrijft één nauw afgebakende toepassing van AI: het uitlezen van resultaten uit het rapport van een onderaannemer en ze bij de regels van de opdracht zetten. Zonder visioenen van een autonoom laboratorium, zonder beloften van een “revolutie”. Eén taak die een machine sneller en zorgvuldiger uitvoert dan een vermoeide mens — op voorwaarde dat de beslissing over de goedkeuring bij de mens blijft.

Vijf fouten die het vaakst terugkomen

  • Komma tegenover punt. Het rapport van een buitenlands laboratorium vermeldt 0.05, het systeem verwacht 0,05 — bij onoplettend plakken kan het resultaat duizendvoudig groeien.
  • mg/l in plaats van µg/l. De duurste fout bij milieuanalyses. De onderaannemer rapporteert microgrammen, uw scope werkt met milligrammen — zonder omrekening wordt een conform resultaat een overschrijding.
  • Verschoven rij. Een tabel met vijftien bepalingen, de blik schiet één regel op en het resultaat voor chroom komt bij nikkel terecht.
  • Vergeten kleiner-dan-teken. < 0,5 overgetypt als 0,5 is niet langer “onder de bepaalbaarheidsgrens”, maar een concrete gemeten waarde. Dat verandert de interpretatie en de conformiteitsbeoordeling.
  • Overgeslagen voetnoot. Een opmerking over een afwijking van de methode, over monsterneming door de klant of over het feit dat een bepaling buiten de accreditatiescope van de onderaannemer valt — meestal kleine letters onderaan de pagina, maar het moet in het eindrapport terechtkomen.

Waarom de auditor hier als eerste naar vraagt

Bij uitbesteding van analyses moet het laboratorium aantonen dat het toezicht houdt op de externe leverancier (paragraaf 6.6 van ISO/IEC 17025) en in het testrapport de resultaten van die leverancier duidelijk markeren (paragraaf 7.8.2.1 onder p). Handmatig getallen overtypen uit andermans pdf laat meestal allebei verloren gaan: de herkomstmarkering verdwijnt, en de koppeling met het origineel bestaat alleen nog in het geheugen van degene die het deed.

De toepassing stap voor stap

Hieronder de volledige weg van één document — van binnenkomst tot het moment waarop het resultaat klaar is voor het eindrapport. De hele reeks duurt zo lang als het lezen van deze alinea; de laatste stap is de enige plek waar een mens nodig is.

STAP 1
Het rapport komt binnen en wordt aan de opdracht gekoppeld
Per e-mail, via het portaal van de onderaannemer of als scan van het secretariaat. Het document wordt meteen als bijlage aan een specifieke opdracht gekoppeld en blijft daar voorgoed — dat document, en niet het overgetypte getal, is het bewijs.
STAP 2
Uitlezen van de structuur van het document
Het model herkent drie lagen: de kop (wie heeft geanalyseerd, rapportnummer, data), de identificatie van het monster en de resultatentabel met voetnoten. Het zoekt niet naar trefwoorden — het leest de opmaak van de pagina en kan er daarom mee omgaan dat elk laboratorium een ander rapportsjabloon heeft.
STAP 3
Rijen koppelen aan de regels van de opdracht
Elke rij van de tabel wordt gekoppeld aan de regel die u hebt uitbesteed — tegelijk op naam van de bepaling, methode en identificatie van het monster. Rijen die niet eenduidig te koppelen zijn, worden gemarkeerd in plaats van geraden.
STAP 4
Normalisatie van de notatie
Het decimaalteken, de eenheid omgerekend naar die van uw scope, het kleiner-dan-teken en de waarde van de bepaalbaarheidsgrens behouden, de uitgebreide meetonzekerheid met de vermelde dekkingsfactor. Dit is de stap waarin de betekenis van een getal het vaakst verloren gaat — en daarom wordt hij apart beschreven en niet verstopt in het uitlezen.
STAP 5
Voorstel ter controle
Op het scherm verschijnt een overzicht: links de voorgestelde invoer, rechts het fragment van het originele rapport waar die vandaan komt. U hoeft niet in het document te zoeken — de bronplaats is bij elk getal gemarkeerd.
STAP 6
Goedkeuring door een mens
Pas na bevestiging door een bevoegde persoon worden de resultaten in de opdracht opgeslagen. Elk resultaat krijgt een blijvende markering van de uitbestede analyse, met de naam van de onderaannemer en het nummer van zijn rapport.

Wat het model moet uitlezen om het resultaat compleet te maken

Het getal alleen is niet genoeg. Het eindrapport voor de klant moet veel meer informatie bevatten, en die staat allemaal in het document van de onderaannemer — alleen verspreid over drie verschillende plekken. De minimale set, zonder welke de invoer geen zin heeft:

  • Wie heeft geanalyseerd — de volledige naam en het adres van het laboratorium van de onderaannemer en het nummer van zijn accreditatie.
  • Nummer en datum van het rapport van de onderaannemer — de identificatie waarmee de auditor de koppeling reconstrueert.
  • Identificatie van het monster aan beide kanten — uw monstercode en de code die de onderaannemer eraan heeft gegeven.
  • Data van ontvangst van het monster en uitvoering van de analyse — zonder die data kunt u niet beoordelen of de bewaartermijn van het monster is gehaald.
  • Bepaling, resultaat en eenheid — samen, nooit los van elkaar.
  • Analysemethode met het uitgavejaar van de norm — “PN-EN ISO 17294-2” zonder jaar is een andere methode dan met jaar.
  • Uitgebreide meetonzekerheid en dekkingsfactor — als de onderaannemer die heeft vermeld.
  • Bepaalbaarheidsgrens en de manier waarop resultaten daaronder worden genoteerd.
  • Opmerkingen, afwijkingen en conformiteitsverklaringen — inclusief de informatie welke bepalingen buiten de accreditatiescope vielen.

Een regel zonder uitzondering

Als een van deze gegevens niet in het document staat, mag het model het niet aanvullen — het moet het ontbreken melden. Het jaar van de norm raden of een eenheid toevoegen “omdat het meestal zo is”, is precies het soort hulp waardoor een hulpmiddel ongeschikt wordt voor een geaccrediteerd laboratorium.

Waar het misgaat

Een eerlijke beschrijving van een toepassing moet ook de situaties bevatten waarin de automaat het niet redt. Het zijn er een paar, en ze zijn allemaal voorspelbaar:

  • Scan van slechte kwaliteit. Een gefaxt document, schuin gefotografeerd of met een pen dwars over de tabel ondertekend. Het uitlezen is dan onzeker en moet worden gemarkeerd als iets dat volledige controle vraagt.
  • Tabel verdeeld over twee pagina’s. De kolomkoppen staan op de eerste pagina, een deel van de rijen belandt op de tweede — zonder herkenning van het vervolg worden waarden gemakkelijk aan de verkeerde kolommen toegekend.
  • Herhalingen en verdunningen. Dezelfde bepaling staat twee keer in het rapport, omdat de analyse is herhaald. Welk resultaat het juiste is, weet alleen een mens — en die moet het aanwijzen.
  • Verzamelrapport voor veel monsters. Eén document, tien monsters in kolommen. Het risico dat een resultaat aan het verkeerde monster wordt toegekend, is hier het grootst.
  • Namen die op elkaar lijken. “Chroom” en “chroom(VI)” zijn twee verschillende bepalingen met verschillende grenswaarden. Koppelen op naam alleen is hier ontoelaatbaar — de koppeling moet ook op de methode gebeuren.

De hoofdregel: AI stelt voor, een mens autoriseert. Een hulpmiddel dat resultaten opslaat zonder bevestiging, schuift de verantwoordelijkheid voor het testrapport door naar de softwareleverancier — en dat voorziet geen enkele norm en accepteert geen enkele auditor. De waarde van deze toepassing ligt niet in het weghalen van de mens uit het proces, maar in het veranderen van zijn werk: van overtypen naar controleren.

Audittrail

Automatisch uitlezen heeft alleen zin als achteraf te reconstrueren is waar elk getal vandaan kwam. Daarom wordt bij elk goedgekeurd resultaat de volledige informatie over het uitlezen zelf opgeslagen — ook al hangt het originele document al bij de opdracht.

Wat wordt opgeslagen Waarom
Brondocument Het originele rapport van de onderaannemer in de vorm waarin het binnenkwam — zonder conversie en zonder bewerking.
Datum en tijd van het uitlezen Plaatst het uitlezen in de volgorde van de gebeurtenissen ten opzichte van de ontvangst van het document en de autorisatie van het rapport.
Versie van het model Als het hulpmiddel zich anders gaat gedragen, is bekend welke eerdere uitlezingen met de oude versie zijn gemaakt.
Voorgestelde waarde Opgeslagen naast de goedgekeurde waarde — zo is te zien of een mens iets heeft gecorrigeerd en wat precies.
Goedkeurende persoon Persoonlijke verantwoordelijkheid voor het invoeren van het resultaat in de opdracht.
Markering van uitbesteding Blijvend verbonden met het resultaat, gaat mee naar het eindrapport en vervult de eis van paragraaf 7.8.2.1 onder p.
Het testrapport moet de resultaten van externe leveranciers eenduidig aanwijzen — dat is een eis van de norm, geen goede praktijk. Als de herkomstmarkering van een resultaat met de hand ontstaat, wordt ze vroeg of laat vergeten.

De laatste rij van de tabel is hier de belangrijkste. Een markering van uitbesteding die automatisch wordt toegekend bij het uitlezen, kan niet worden vergeten, want niemand voert haar in — ze volgt uit de herkomst van het document. Het is de enige verandering in het hele proces die de conformiteit met de norm verbetert door haar opzet zelf, en niet door de discipline van het team.

Wat het werkelijk oplevert

De onderstaande cijfers zijn een rekenvoorbeeld, geen meetresultaat bij een specifieke klant. Neem een middelgroot laboratorium dat regelmatig, maar niet massaal uitbesteedt:

40
rapporten van onderaannemers per maand
6
bepalingen gemiddeld per rapport
8 → 1,5
minuten per document: overtypen tegenover controle van het voorstel
4 u 20 min
teruggewonnen tijd per maand bij deze aannames

Vier uur per maand is geen getal om als doorbraak te verkopen. Het echte voordeel ligt elders: het zijn vier uur werk van de duurste persoon in het laboratorium, verricht onder tijdsdruk, bij een taak waarin één onoplettende rij een klacht, een herhaalde analyse of een afwijking in de audit kost. Van overtypen naar controleren verandert niet zozeer het aantal uren als wel de verdeling van het risico.

Een bijeffect dat niemand plant

Als alle rapporten van onderaannemers via één plek gaan, hebt u na een paar maanden kant-en-klare gegevens voor de leveranciersbeoordeling die paragraaf 6.6 vereist: wie termijnen haalt, wie documenten stuurt die correcties nodig hebben, bij wie gebreken in de methodebeschrijving terugkeren. Zonder een apart register bij te houden.

Hoe u het bij uzelf invoert

De invoering van deze toepassing vraagt niet om een verbouwing van het laboratorium. Wel om een volgorde — wie alles tegelijk wil inschakelen, eindigt met een team dat het hulpmiddel wantrouwt:

  1. Kies één onderaannemer — die van wie u de meeste rapporten met een herhaalbare opmaak krijgt. Daar ziet u het effect het snelst.
  2. Verzamel enkele tientallen van zijn rapporten van het afgelopen jaar en test het uitlezen op documenten waarvan u de resultaten al kent. Dat is de enige eerlijke test: vergelijken met wat er echt met de hand is ingevoerd.
  3. Werk een maand parallel — automatisch uitlezen naast het gebruikelijke overtypen. De verschillen die naar boven komen, zijn waardevoller dan de overeenkomsten.
  4. Beschrijf het in de documentatie van het managementsysteem — wie goedkeurt, wat er gebeurt bij een dubbelzinnige uitlezing, hoe uitbestede resultaten worden gemarkeerd. De auditor vraagt naar de procedure, niet naar de technologie.
  5. Voeg pas daarna andere onderaannemers toe — één voor één, en test elk nieuw rapportsjabloon afzonderlijk.

Betekent dit dat AI de resultaten goedkeurt?

Nee. En dat is het enige antwoord waarmee deze toepassing geschikt is voor een geaccrediteerd laboratorium. Het model voert een technische handeling uit — het brengt informatie van het ene document naar het andere, nauwkeuriger dan een mens, omdat het niet moe wordt bij de vijftiende rij van een tabel. De conformiteitsbeoordeling, de beslissing om een analyse te herhalen en de autorisatie van het testrapport blijven handelingen van een bevoegde persoon, precies zoals vóór de invoering.

Het is ook goed te zeggen wat dit hulpmiddel niet doet: het beoordeelt niet of de onderaannemer de analyse correct heeft uitgevoerd, het vervangt het toezicht op de leverancier niet en het ontslaat u niet van de plicht te controleren of de bepaling binnen zijn accreditatiescope viel. Een document uitlezen en toezicht houden op een leverancier zijn twee verschillende zaken — wie het eerste automatiseert, heeft het tweede nog niet geregeld.

Samenvatting

Resultaten overtypen uit andermans rapporten is een taak met alle kenmerken van een goede kandidaat voor automatisering: ze is repetitief, tijdrovend, wordt uitgevoerd door de zwaarst belaste mensen en is gevoelig voor fouten met ernstige gevolgen. Tegelijk is ze zo afgebakend dat ze kan worden beschreven, getest en gedocumenteerd — en dus verdedigd tegenover een auditor.

Een zinvolle invoering van AI in het laboratorium ziet er precies zo uit: één concrete taak, een duidelijke grens van verantwoordelijkheid, een volledige audittrail. Geen “intelligent laboratorium”, maar minder getallen overtypen uit een pdf om twee uur ’s middags.

Wilt u zien hoe dit uitlezen werkt op de rapporten van uw onderaannemers? Schrijf ons — de beste test is een tiental van uw eigen documenten.

Laten we het testen op uw rapporten

Wij laten het uitlezen zien op documenten van uw onderaannemers en bespreken hoe u deze verandering in de documentatie van het managementsysteem beschrijft — zodat ze door de audit komt.

Grondslag en bronnen

  1. PN-EN ISO/IEC 17025:2018-02 Algemene eisen voor de competentie van test- en kalibratielaboratoria — paragraaf 6.6 (extern geleverde producten en diensten) en paragraaf 7.8.2.1 onder p (duidelijke aanduiding in het testrapport van resultaten van externe leveranciers): iso.org/standard/66912.html.
  2. Pools Centrum voor Accreditatie (PCA) — documenten en eisen voor testlaboratoria, waaronder de regels voor het gebruik van externe diensten: pca.gov.pl.
  3. European co-operation for Accreditation — interpretatiedocumenten over het rapporteren van resultaten volgens paragraaf 7.8 van de norm: european-accreditation.org.
  4. LabCoda.pl — zoekmachine voor geaccrediteerde laboratoria op analysescope: labcoda.pl.

Over het artikel

De beschreven toepassing betreft het uitlezen van testrapporten van onderaannemers. De genoemde tijden en aantallen rapporten zijn een rekenvoorbeeld voor een middelgroot laboratorium — ze tonen de orde van grootte en zijn geen meetresultaat bij een specifieke klant.

Het CleverLAB-team ontwikkelt LIMS-software voor laboratoria die geaccrediteerd zijn volgens ISO/IEC 17025. Tot onze klanten behoren onder meer laboratoria voor water, afvalwater en microbiologie, fysisch-chemische laboratoria en laboratoria voor technische reinheid.