← 返回知识库

AI 读取分包检测报告

人工智能在实验室中的一个具体应用案例:模型读取外部实验室检测报告中的结果,并把它们填入委托单的对应项目。人只需确认。

AI 读取委托给外部实验室的分包检测报告中的结果

要点速览

  • 分包的终点是一份别人的 PDF。有人要手工从中转录十几个数字 — 而整个流程中代价最高的错误,正是在这里产生的。
  • 模型读取表头、结果表格和脚注,把各行与委托单的项目对应起来,并准备一份录入建议。它自己不批准任何东西。
  • 统一各实验室之间不同的写法:小数分隔符、单位、“< 0.5”的写法、扩展不确定度、标准的发布年份。
  • 结果带有永久的“分包检测”标记,并附上报告原件 — 这是 ISO/IEC 17025 第 7.8.2.1 条 p) 项的要求。
  • 授权仍然由人来完成。AI 把处理一份报告的时间从十几分钟缩短到一分钟的核对,但并不免除责任。

为什么偏偏是分包检测报告

几乎没有哪家实验室的认可范围能覆盖客户要求的所有项目。重金属、多环芳烃、军团菌、按其他标准进行的测定、每季度一次的季节性检测 — 这些都会交给分包实验室。客户拿到的是一份报告,而您要对其中的所有内容负责。

问题就从这里开始,而它不会出现在任何效率报告里:分包方发回一份 PDF,而您这边有人要从中转录数字。做这件事的通常是手头其他工作最多的人 — 技术负责人或授权签字人。每份文件的转录要花几分钟到十几分钟,枯燥,却要求百分之百的专注。这正是最容易出错的组合。

本文介绍一个范围很窄、定义清晰的 AI 应用案例:读取分包方报告中的结果,并把它们填入委托单的对应项目。不谈自主实验室的愿景,也不许诺什么“革命”。只有一项任务:机器能比疲惫的人做得更快、更仔细 — 前提是批准的决定仍然由人做出。

最常见的五种错误

  • 逗号还是小数点。外国实验室的报告写的是 0,05,而系统需要 0.05 — 粘贴时一不留神,结果就可能放大上千倍。
  • 把 µg/l 当成 mg/l。这是环境检测中代价最高的错误。分包方报告的是微克,而您的范围用的是毫克 — 不换算的话,合格的结果就会变成超标。
  • 错行。一张有十五个测定项目的表格,视线一跑偏就差一行,铬的结果就落到了镍那一行。
  • 丢了小于号。把 < 0.5 抄成 0.5,就不再是“低于定量限”,而是一个实际测得的数值。这会改变解读和符合性判定。
  • 漏掉脚注。关于偏离方法、样品由客户自行采集,或某个测定项目不在分包方认可范围内的说明 — 通常是页面底部的小字,却必须写进最终报告。

为什么评审员首先会问这个

分包检测时,实验室必须证明对外部供方进行了监督(ISO/IEC 17025 第 6.6 条),并且在报告中清楚地标明从该供方获得的结果(第 7.8.2.1 条 p) 项)。手工从别人的 PDF 中转录数字,往往两样都会丢:来源标记消失了,与原件的关联只存在于转录者的记忆里。

应用案例逐步说明

下面是一份文件的完整路径 — 从收到文件到结果可以写入最终报告。整个过程所需的时间,大约就是读完这一段的时间;最后一步是唯一需要人参与的地方。

第 1 步
收到报告并归入委托单
通过电子邮件、分包方的门户,或由前台扫描。文件立即作为附件挂到具体的委托单上,并永久保留在那里 — 证据是这份文件,而不是转录下来的数字。
第 2 步
读取文件结构
模型识别三个层次:表头(谁做的检测、报告编号、日期)、样品标识,以及结果表格和脚注。它不是在找关键词,而是在读页面的版式,所以能应对每家实验室报告模板各不相同的情况。
第 3 步
把各行与委托单项目对应
表格的每一行都会与您分包出去的项目配对 — 同时依据测定项目名称、方法和样品标识。无法明确对应的行会被突出显示,而不是靠猜。
第 4 步
统一写法
小数分隔符、换算成您范围所用单位的单位、保留的小于号和定量限数值、注明包含因子的扩展不确定度。数字的含义最常在这一步丢失 — 所以它被单独描述,而不是藏在读取步骤里。
第 5 步
供核对的建议
屏幕上会出现对照视图:左边是建议的录入内容,右边是它所来自的原始报告片段。不必在文件里到处找 — 每个数字的出处都会被高亮显示。
第 6 步
由人确认
只有经授权人员确认后,结果才会保存到委托单中。每个结果都会获得永久的分包检测标记,并附上分包方名称及其报告编号。

为使结果完整,模型必须读取哪些信息

只有数字是不够的。给客户的最终报告必须承载多得多的信息,而这些信息全都在分包方的文件里 — 只是分散在三个不同的地方。以下是最少必需的信息,缺了它们,录入就没有意义:

  • 谁做的检测 — 分包实验室的全称、地址及其认可证书编号。
  • 分包方报告的编号和日期 — 评审员正是靠这个标识来重建关联。
  • 双方的样品标识 — 您的样品编号,以及分包方给样品的编号。
  • 样品接收日期和检测日期 — 没有它们,就无法判断样品保存期限是否得到遵守。
  • 测定项目、结果和单位 — 必须放在一起,绝不能分开。
  • 检测方法及标准的发布年份 — 不带年份的“PN-EN ISO 17294-2”与带年份的是不同的方法。
  • 扩展不确定度和包含因子 — 如果分包方提供了的话。
  • 定量限,以及低于定量限的结果的写法。
  • 备注、偏离和符合性声明 — 包括哪些测定项目不在认可范围内的信息。

没有例外的原则

如果文件中缺少上述任何一项信息,模型不能自行补全 — 它必须报告缺失。猜测标准的年份,或者“因为通常如此”就补上单位,恰恰是会让工具不再适用于获认可实验室的那种“帮忙”。

哪些情况会出问题

诚实地描述一个应用案例,就必须包括自动化应付不了的情况。这样的情况有几种,而且都可以预见:

  • 扫描质量差。文件经过传真、拍照角度歪斜,或签字笔迹横穿表格。这时读取结果不可靠,必须标记为需要完整核对。
  • 表格跨页断开。列标题留在第一页,部分行落在第二页 — 如果识别不出表格的延续,就很容易把数值对应到错误的列。
  • 重复测定和稀释。同一测定项目在报告中出现两次,因为检测重做了。哪个结果才是正确的,只有人知道 — 必须由人来指定。
  • 多样品汇总报告。一份文件,十个样品分列在各列中。在这里,把结果对应到错误样品的风险最大。
  • 名称相似。“铬”和“铬(VI)”是两个不同的测定项目,限值也不同。仅凭名称配对是不可接受的 — 必须连同方法一起匹配。

首要原则:AI 提出建议,人进行授权。不经确认就保存结果的工具,会把对报告的责任转嫁给软件供应商 — 而没有任何标准规定这种情况,也没有任何评审员会接受。这个应用案例的价值不在于把人从流程中去掉,而在于把人的工作从转录变为核对。

审计追踪

只有事后能够重建每个数字的来源,自动读取才有意义。因此,每个被接受的结果都会保存关于这次读取本身的完整信息 — 尽管委托单里已经挂着原始文件。

保存的内容 用途
源文件 分包方报告的原件,保持收到时的样子 — 不经转换,不经处理。
读取时间 把读取放到事件的时间顺序中,与接收文件和授权签发报告的时间对照。
模型版本 当工具的行为发生变化时,可以知道哪些较早的读取是在旧版本上完成的。
建议的数值 与批准的数值并列保存 — 可以看出人是否做了修改,以及具体改了什么。
确认人 对把结果录入委托单负有具名的责任。
分包标记 与结果永久绑定,会带到最终报告中,满足第 7.8.2.1 条 p) 项的要求。
报告必须明确标示从外部供方获得的结果 — 这是标准的要求,而不只是良好实践。如果结果的来源标记靠手工添加,迟早会被漏掉。

表格的最后一行在这里最重要。在读取时自动加上的分包标记不会被遗忘,因为没有人需要手工填写它 — 它来自文件本身的来源。这是整个流程中唯一一项靠自身设计、而不是靠团队纪律来提高标准符合性的改变。

实际能带来多少收益

以下数字是举例计算,而不是在某个客户处实测的结果。假设一家中等规模的实验室,经常分包,但不是大量分包:

40
份分包方报告 / 月
6
个测定项目 / 每份报告(平均)
8 → 1,5
分钟 / 每份文件:转录 对比 核对建议
4 小时 20 分钟
在上述假设下每月节省的时间

每月四个小时,并不是一个值得当作突破来宣传的数字。真正的好处在别处:这是实验室里最昂贵的那个人的四个小时,是在期限压力下完成的工作,而在这项工作中,看错一行就可能引来投诉、重新检测或审核中的不符合项。把转录变成核对,改变的与其说是工时,不如说是风险的分布。

一个谁也没有计划的副作用

当所有分包方的报告都经过同一个地方时,几个月后您就拥有了第 6.6 条所要求的供方评价所需的现成数据:谁能按时交付,谁发来的文件需要修改,谁的方法描述反复出现缺失。无需另外建立一套登记。

如何在您的实验室中启用

实施这个应用案例并不需要改造实验室。但它需要按顺序进行 — 想一下子全部启用,结果往往是团队对工具失去信任:

  1. 选择一家分包方 — 选您收到报告最多、报告格式最固定的那一家。在它身上能最快看到效果。
  2. 收集它过去一年的几十份报告,在您已经知道结果的文件上检验读取效果。这是唯一诚实的测试:与实际手工录入的内容进行比较。
  3. 并行运行一个月 — 自动读取与原有的转录同时进行。发现的差异,比一致之处更有价值。
  4. 把它写进管理体系文件 — 谁来确认、读取结果不明确时怎么办、分包结果如何标记。评审员会问的是程序,而不是技术。
  5. 之后再逐步增加其他分包方 — 每次一家,每种新的报告模板都要单独检验。

这是否意味着由 AI 批准结果?

不是。也只有这个答案,才能让这个应用案例适用于获认可实验室。模型执行的是一项技术性操作 — 把信息从一份文件转到另一份文件,比人更仔细,因为它在表格的第十五行时不会疲倦。符合性判定、是否重新检测的决定以及报告的授权签发,仍然是授权人员的工作,与实施前完全一样。

也有必要说明这个工具不做什么:它不评价分包方的检测是否正确,不替代对供方的监督,也不免除核实该测定项目是否在其认可范围内的义务。读取文件和监督供方是两回事 — 第一件事自动化了,并不等于第二件事也解决了。

总结

从别人的报告中转录结果,具备成为自动化理想对象的全部特征:重复、耗时、由最忙的人来做,而且容易出现后果严重的错误。同时,它的范围足够窄,可以描述、测试和记录 — 因此也能在评审员面前站得住脚。

在实验室中合理地应用 AI,看起来就是这样:一项具体的任务、清晰的责任边界、完整的审计追踪。不是什么“智能实验室”,而只是下午两点时少从 PDF 里抄一些数字。

如果您想看看这种读取在您的分包方报告上表现如何,请联系我们 — 最好的测试就是用您自己的十几份文件。

用您的报告来检验一下

我们会在您分包方的文件上演示读取效果,并讨论如何在管理体系文件中描述这一变化 — 让它顺利通过审核。

依据与来源

  1. PN-EN ISO/IEC 17025:2018-02 检测和校准实验室能力的通用要求 — 第 6.6 条(外部提供的产品和服务)和第 7.8.2.1 条 p) 项(在报告中明确标示从外部供方获得的结果):iso.org/standard/66912.html。
  2. 波兰认可中心(PCA)— 面向检测实验室的文件和要求,包括使用外部服务的规则:pca.gov.pl。
  3. 欧洲认可合作组织(EA)— 关于按标准第 7.8 条报告结果的解释性材料:european-accreditation.org。
  4. LabCoda.pl — 按检测范围搜索获认可实验室:labcoda.pl。

关于本文

本文描述的应用案例涉及读取分包实验室的报告。文中的时间和报告数量是以一家中等规模实验室为例的计算 — 用于说明数量级,并非在某个客户处实测的结果。

CleverLAB 团队为按 ISO/IEC 17025 获认可的实验室开发 LIMS 软件。我们的客户包括水、废水和微生物实验室、理化实验室以及清洁度实验室。