Varför just rapporter från underleverantörer
Nästan inget laboratorium har allt som kunderna frågar efter inom sin ackrediteringsomfattning. Tungmetaller, PAH, Legionella, bestämningar enligt en annan standard, säsongsanalyser som görs en gång i kvartalet — det går till ett underleverantörslaboratorium. Kunden får en enda provningsrapport, och du ansvarar för allt som står i den.
Och här börjar ett problem som inte syns i någon effektivitetsrapport: underleverantören skickar tillbaka en PDF, och någon hos dig skriver av siffrorna. Oftast är det samma person som har mest annat att göra — den tekniska chefen eller den som godkänner provningsrapporterna. Avskrivningen tar allt från några minuter till en kvart per dokument, är tråkig och kräver hundraprocentig uppmärksamhet. En perfekt kombination för att begå fel.
Den här artikeln beskriver ett enda, snävt avgränsat användningsfall för AI: att läsa resultaten i underleverantörens provningsrapport och föra in dem på uppdragets rader. Ingen vision om ett autonomt laboratorium, inga löften om en ”revolution”. En uppgift som maskinen utför snabbare och noggrannare än en trött människa — förutsatt att beslutet om godkännande stannar hos människan.
Fem fel som återkommer oftast
- Komma kontra punkt. En rapport från ett utländskt laboratorium anger 0.05, systemet väntar sig 0,05 — vid en slarvig inklistring kan resultatet växa tusenfalt.
- mg/l i stället för µg/l. Det dyraste felet i miljöanalyser. Underleverantören rapporterar mikrogram, din omfattning arbetar i milligram — utan omräkning blir ett godkänt resultat en överskridelse.
- Förskjuten rad. En tabell med femton bestämningar, blicken halkar en rad och resultatet för krom hamnar vid nickel.
- Bortglömt mindre än-tecken. < 0,5 avskrivet som 0,5 betyder inte längre ”under kvantifieringsgränsen”, utan ett konkret uppmätt värde. Det ändrar tolkningen och bedömningen av överensstämmelse.
- Missad fotnot. En anmärkning om avvikelse från metoden, om att kunden själv tagit provet eller om att en viss bestämning ligger utanför underleverantörens ackrediteringsomfattning — det är oftast finstilt längst ned på sidan, men det måste med i slutrapporten.
Varför bedömaren frågar om detta först
När analyser läggs ut på underleverantör måste laboratoriet visa att det har kontroll över den externa leverantören (punkt 6.6 i ISO/IEC 17025) och tydligt märka de resultat i provningsrapporten som kommer från denna leverantör (punkt 7.8.2.1 p). Manuell avskrivning av siffror från någon annans PDF tappar oftast bort båda: ursprungsmärkningen försvinner, och kopplingen till originalet finns bara i minnet hos den som gjorde jobbet.
Användningsfallet steg för steg
Nedan följer hela vägen för ett dokument — från att det kommer in till att resultatet är klart för slutrapporten. Hela sekvensen tar ungefär så lång tid som det tar att läsa det här stycket; det sista steget är det enda där en människa behövs.
Vad modellen måste läsa för att resultatet ska vara komplett
Siffran ensam räcker inte. Slutrapporten till kunden måste bära betydligt mer information, och allt finns i underleverantörens dokument — bara utspritt på tre olika ställen. Minimiuppsättningen, utan vilken inmatningen saknar mening:
- Vem som analyserade — underleverantörslaboratoriets fullständiga namn och adress samt dess ackrediteringsnummer.
- Underleverantörens rapportnummer och datum — den identifierare som bedömaren använder för att återskapa kopplingen.
- Provets identifiering på båda sidor — din provbeteckning och den beteckning som underleverantören gav provet.
- Datum för provets mottagning och för analysen — utan dem kan du inte bedöma om provets hållbarhetstid hölls.
- Bestämning, resultat och enhet — tillsammans, aldrig var för sig.
- Analysmetod med standardens utgivningsår — ”PN-EN ISO 17294-2” utan år är en annan metod än med år.
- Utvidgad mätosäkerhet och täckningsfaktor — om underleverantören har angett dem.
- Kvantifieringsgräns och hur resultat under den skrivs.
- Anmärkningar, avvikelser och uttalanden om överensstämmelse — inklusive uppgiften om vilka bestämningar som låg utanför ackrediteringsomfattningen.
En regel utan undantag
Om någon av dessa uppgifter saknas i dokumentet får modellen inte fylla i den — den ska rapportera bristen. Att gissa standardens år eller lägga till en enhet ”för att det brukar vara så” är precis den sortens hjälp som gör att ett verktyg inte längre duger för ett ackrediterat laboratorium.
Var det går fel
En ärlig beskrivning av ett användningsfall måste innehålla de situationer där automatiken inte klarar sig. De är få, och alla är förutsägbara:
- Skanning av dålig kvalitet. Ett faxat dokument, fotograferat snett eller signerat med kulspetspenna tvärs över tabellen. Läsningen är då osäker och måste markeras som att den kräver fullständig kontroll.
- Tabell som delas mellan sidor. Kolumnrubrikerna står kvar på första sidan, en del av raderna hamnar på andra — utan att fortsättningen känns igen är det lätt att föra värden till fel kolumner.
- Upprepningar och spädningar. Samma bestämning förekommer två gånger i rapporten, eftersom analysen upprepades. Vilket resultat som är det rätta vet bara en människa — och det är hon som måste peka ut det.
- Samlingsrapport för många prover. Ett dokument, tio prover i kolumner. Risken att föra ett resultat till fel prov är störst här.
- Namn som ser likadana ut. ”Krom” och ”Krom(VI)” är två olika bestämningar med olika gränsvärden. Att para ihop enbart efter namn är oacceptabelt här — matchningen måste göras tillsammans med metoden.
Överordnad regel: AI föreslår, människan godkänner. Ett verktyg som sparar resultat utan bekräftelse flyttar ansvaret för provningsrapporten till programvaruleverantören — och det förutser ingen standard och accepterar ingen bedömare. Värdet i det här användningsfallet är inte att ta bort människan ur processen, utan att byta hennes arbete från avskrivning till kontroll.
Ändringshistorik
Automatisk läsning är meningsfull bara om det i efterhand går att återskapa var varje siffra kom ifrån. Därför sparas vid varje godkänt resultat en fullständig uppsättning uppgifter om själva läsningen — oberoende av att originaldokumentet redan ligger i uppdraget.
| Vad som sparas | Varför |
|---|---|
| Källdokument | Underleverantörens originalrapport i den form den kom in — utan konvertering och utan bearbetning. |
| Datum och klockslag för läsningen | Gör det möjligt att placera läsningen i händelseförloppet i förhållande till mottagningen av dokumentet och godkännandet av rapporten. |
| Modellversion | När verktyget ändrar beteende vet man vilka tidigare läsningar som gjordes med den gamla versionen. |
| Föreslaget värde | Sparas bredvid det godkända värdet — man ser om människan rättade något och exakt vad. |
| Person som godkände | Personligt ansvar för att resultatet fördes in i uppdraget. |
| Märkning av underleverans | Permanent kopplad till resultatet, följer med till slutrapporten och uppfyller kravet i punkt 7.8.2.1 p. |
Tabellens sista rad är den viktigaste här. En märkning av underleverans som sätts automatiskt i samma stund som dokumentet läses kan inte glömmas bort, eftersom ingen skriver in den — den följer av var dokumentet kom ifrån. Det är den enda förändringen i hela processen som förbättrar överensstämmelsen med standarden genom själva konstruktionen, och inte genom teamets disciplin.
Vad det ger i praktiken
Siffrorna nedan är en beräkning på ett exempel, inte ett mätresultat hos en viss kund. Anta ett medelstort laboratorium som lägger ut analyser regelbundet, men inte i stor skala:
Fyra timmar i månaden är ingen siffra som är värd att sälja som ett genombrott. Den verkliga nyttan ligger någon annanstans: det är fyra timmars arbete för laboratoriets dyraste person, utfört under tidspress, med en uppgift där en slarvig rad kostar en reklamation, en omanalys eller en avvikelse vid revisionen. Att byta avskrivning mot kontroll ändrar inte så mycket antalet timmar som fördelningen av risken.
En bieffekt som ingen planerar
När alla underleverantörers rapporter passerar genom ett och samma ställe har du efter några månader färdiga data för den leverantörsbedömning som krävs i punkt 6.6: vem som håller tidsfristerna, vem som skickar dokument som behöver rättas, hos vem bristerna i metodbeskrivningen återkommer. Utan att föra ett separat register.
Så kommer du i gång hos dig
Att införa det här användningsfallet kräver ingen ombyggnad av laboratoriet. Däremot kräver det en ordningsföljd — att försöka slå på allt på en gång slutar med att teamet misstror verktyget:
- Välj en underleverantör — den som du får flest rapporter med återkommande layout ifrån. Där ser du effekten snabbast.
- Samla några dussin av dess rapporter från det senaste året och kontrollera läsningen på dokument vars resultat du redan känner till. Det är det enda ärliga testet: en jämförelse med det som faktiskt matades in för hand.
- Kör parallellt under en månad — automatisk läsning vid sidan av den hittillsvarande avskrivningen. De skillnader som dyker upp är mer värda än överensstämmelserna.
- Beskriv det i ledningssystemets dokumentation — vem som godkänner, vad som händer vid en tvetydig läsning, hur resultat från underleverantörer märks. Bedömaren kommer att fråga efter rutinen, inte efter tekniken.
- Lägg först därefter till fler underleverantörer — en i taget, och kontrollera varje ny rapportmall separat.
Betyder det att AI godkänner resultaten?
Nej. Och det är det enda svar med vilket det här användningsfallet passar ett ackrediterat laboratorium. Modellen utför en teknisk handling — den flyttar information från ett dokument till ett annat, noggrannare än en människa, eftersom den inte blir trött vid tabellens femtonde rad. Bedömningen av överensstämmelse, beslutet om omanalys och godkännandet av provningsrapporten förblir uppgifter för en behörig person, precis som före införandet.
Det är också värt att säga vad verktyget inte gör: det bedömer inte om underleverantören utförde analysen korrekt, det ersätter inte kontrollen över leverantören och det befriar inte från skyldigheten att kontrollera om bestämningen låg inom dess ackrediteringsomfattning. Läsning av ett dokument och kontroll över en leverantör är två olika saker — att automatisera det första löser inte det andra.
Sammanfattning
Att skriva av resultat från andras provningsrapporter är en uppgift som har alla egenskaper hos en bra kandidat för automatisering: den är repetitiv, tidskrävande, utförs av de mest belastade personerna och är känslig för fel med allvarliga följder. Samtidigt är den så snäv att den går att beskriva, testa och dokumentera — och alltså försvara inför en bedömare.
Ett meningsfullt införande av AI i laboratoriet ser ut precis så här: en konkret uppgift, en tydlig gräns för ansvaret, fullständig ändringshistorik. Inget ”intelligent laboratorium”, bara mindre avskrivning av siffror från en PDF klockan två på eftermiddagen.
Om du vill se hur den här läsningen fungerar på dina underleverantörers rapporter, skriv till oss — det bästa testet är ett dussin av era egna dokument.
Låt oss testa det på dina rapporter
Vi visar läsningen på dokument från dina underleverantörer och går igenom hur ändringen kan beskrivas i ledningssystemets dokumentation — så att den klarar revisionen.
Relaterade artiklar
AI-assistenten i laboratoriet
En bredare bild av artificiell intelligens i laboratoriets arbete — från dataanalys till mönsterigenkänning.
LabCoda.pl — så hittar du en underleverantör
En sökmotor för ackrediterade laboratorier efter analysomfattning — utgångspunkten när du letar efter någon att lägga ut analyser på.
LIMS och överensstämmelse med ISO/IEC 17025
Standardens krav på systemet — bland annat kontrollen över externa leverantörer och provningsrapportens innehåll.
Grund och källor
- PN-EN ISO/IEC 17025:2018-02 (polsk utgåva av ISO/IEC 17025:2017) Allmänna kompetenskrav för provnings- och kalibreringslaboratorier — punkt 6.6 (externt tillhandahållna produkter och tjänster) och punkt 7.8.2.1 p (tydlig märkning i rapporten av resultat från externa leverantörer): iso.org/standard/66912.html.
- Polskie Centrum Akredytacji (det polska ackrediteringsorganet) — dokument och krav för provningslaboratorier, bland annat regler för anlitande av externa tjänster: pca.gov.pl.
- European co-operation for Accreditation — tolkningsdokument om rapportering av resultat enligt punkt 7.8 i standarden: european-accreditation.org.
- LabCoda.pl — sökmotor för ackrediterade laboratorier efter analysomfattning: labcoda.pl.
Om artikeln
Det beskrivna användningsfallet gäller läsning av provningsrapporter från underleverantörslaboratorier. De angivna tiderna och antalet rapporter är en beräkning på exemplet med ett medelstort laboratorium — de visar storleksordningen och är inte ett mätresultat hos en viss kund.
CleverLAB-teamet utvecklar LIMS-programvara för laboratorier som är ackrediterade enligt ISO/IEC 17025. Bland våra kunder finns laboratorier för vatten, avloppsvatten och mikrobiologi, fysikalisk-kemiska laboratorier och laboratorier för teknisk renhet.