宫秀武：数字技术推动实验室管理和服务模式创新

10月30-31日，2024汽车技术与装备发展论坛在苏州召开，政府领导，院士专家，装备、汽车及产业链企业高层齐聚，围绕“共筑汽车产业新质生产力”年度主题，聚焦新技术、新装备、新生态展开深入研讨，探索装备制造与汽车产业的融合发展路径。论坛由1场闭门会、1场开幕大会、2场特色活动和4场分论坛构成，搭建起国内首个聚焦“汽车技术与装备发展”领域的高端对接平台。其中，在2024汽车技术与装备发展论坛之检测认证高质量发展论坛上，中国检验检测学会信息智能化工作委员会专家宫秀武发表了演讲。以下内容为现场发言实录：

尊敬的各位来宾，感谢主办方给这样一次给各位领导汇报的机会，其实我汇报的内容是完全站在实验室或者检测中心这样一个角度，谈下数字技术在实验室管理和服务上到底有哪些应用或者创新。今天给各位领导汇报的应用都是选了一些有些检测机构在用的应用场景，所以是一个可以拿过来应用的一种技术。

刚才介绍我身份我的时候我一个人是两个身份，首先是在学会的信息与智能化工作委员会，另外是在北京三维公司。北京三维公司为什么说这个公司检验检测行业做信息化、数字化做了三十年，这三十年跟数字技术在实验室应用是有一点关系的。我们知道实验室一个业务我们随便谈一个实验，其实各位领导都应该很熟，或者随便拿一个简单的数字技术比如说大模型或者是其他的深度学习技术也好理解。但是两方面应用难在哪里，难在哪样东西的结合，也就是实验室的业务跟数字技术相结合，这其实是有难度的。这样的话如果没有在这两方面都有一定深度积累的话想把数字技术，想把实验室应用好的话还是有一定难度的。

为什么从行业现状开始分析，这也是我一直在这个行业总结出来的一些规律，在我的理解国有实验室跟民营企业其实对信息化和数字化的应用差距是很大的，国有企业其实是偏重管理，比如说一个实验室的质量管理和业务管理包括集团化的管理国有企业在这方面整个信息化、数字化做得是很深的。但是有一样跟民营企业相比的话差距是比较大的。一是体现在客户的服务水平上，在这一点上民营企业普遍的服务水平是高于国有企业的，二是成本，成本的话我们在成本方面研究很多的模型，其实在国有企业应用是比较偏少的，大部分是在民营企业，会去挖我们每个检测项目的成本到底是出在哪，这个成本当然我们好好理解包括人的成本还有设备折旧的成本，还有一些耗材等等的成本。

其实第三方或者民营企业研究这个成本是好理解的，因为要挣钱，要把他的成本每年迭代的方式去分析研究，而且研究这种成本数据得出来之后不是说我拿这个数据就没用，要得到我的成本哪些地方是可以优化的，或者是改进的。我们知道这种成本持续迭代优化才会让我们的成本具有竞争力，其实在这一点上民营企业研究的其实是比较深入的。

不管是民营企业还是国有企业，目前的阶段都是差不多的，已经进入到数字化时代，进入到数字化时代这不是我们随便定义的，跟两个标准有关系，第一个标准其实是团标，就是我们协会在去年发布的团标，这个团标是两个，一是数字化实验室建设的指南还有数字化实验室本地评价的规范。他把数字化实验室定义了五个级别，一星级一直到五星级，今年其实是认监委发了一个文，要把团标转成行标。这两个标准也意味着我们可以采用一些数字技术，而且从国家的角度来说目前也在推进这些事情。目前我们可以把一些数字技术或者是智能化技术应用到实验室，这也是我们开了很多会定义的这个行业目前整个水平是在哪条线上，其实是跨越数字化进入智能化的一条线上。

其实谈到我们实验室尤其是汽车行业，不管是企业实验室还是第三方的检测机构，其实跑不了三个三，三个三的第一个其实是流程，当然这个流程其实是第三方实验室的流程，对于我们生产企业来说，实验室的流程其实是这样的。这两个流程整体上差异是比较大的，而且我们说做这两个流程其实也是不难的，但是一个流程要想做好的话其实有两个点是必须要解决的，这两个点如果不解决的话至少我定义就是咱们的实验室业务流程做得其实是不完美的，第一个其实是质量控制手段，这是比较好做的，还有就是效率提升。

效率提升说50%这个是有一定难度的，尤其是针对汽车行业的实验室有很多技术应用在汽车行业的实验室还是有一定难度的。这是一个流程。

三个一第二个是一条线，我相信在座各位领导所在的实验室系统可能都上了，除了评估一条流程还有评估这条线，其实这条线是数据线，也就是说从委托信息到实验室数据到数据处理应用，再到检验报告、报告智能风控识别审核以及到数据的应用，这条线到底有多强。这是我们评估一个数字化实验室的时候一个很重要的点，而且为什么说这一条线还有下面一个点重要，这也是我后面给各位领导汇报数字技术应用的时候，这其实是基础，没有数字基础的话做后面的事情是很难的。

一条线的基础上其实是一个点，这一个点在汽车行业还真的是有一定难度，一些管理数据其实是很好获得的，但是原始记录的话其实是很难的。这一点如果做不好的话后面的事情都不用谈了，这里面包括一些常规的数据，包括很多实验其实还是有些图的。

这三个一我们认为是基础，在信息化阶段我们到底是夯实基础到什么水平，可以从一个流程一条线是一条数据线，包括一个点其实原始记录去评估信息化的工作阶段，目标是否是达成的。

这个做完之后我们就可以谈我今天主要汇报的内容就是进入数字化的阶段，当然很多人都说实验室是数字化实验室，这和我们学会定义上还是有一定不同的，在我们看来数字化的标志是数字资源管理体系的建设。这个标志其实是咱们国家数字中国来定义的，数字中国的2522的框架明确说了，数字资源体系是基础，这也是我们定义实验室到底是不是数字化很重要的标志。这样的话我们往下就谈数据有了，而且积累了很多年，我们做哪些方面的应用。在这块其实我把数字技术应用分成了五大类，针对我们实验室的五大块工作，一是服务，二是财务，三是资源。当然调度和审核一会儿我会详细给说。

这里给各位专家简单说下财务中心，财务中心刚刚我们说第三方的时候已经明确在说，其实他的应用点是在对成本的处理上，成本处理上在算法上尤其是用数字技术做算法是三个层面，一个是定价前的成本，这个其实倒还好理解，是通过我们的方法，一个是执行中的成本分析，执行中的成本分析解决的是我前期梳理的成本跟我实际执行成本之间的差距到底有多大。这个很好理解，如果是差距特别大的话意味着一定是两个原因造成的，第一个就是成本分析，前期成本分析其实是不合格的，另外是日常工作管理是不到位的，在我们已知的成本上产生了很多我们不可控的成本，这直接是可以分析我们管理上到底出了哪些问题。

成本核算我们评估三个算法，其实最后一个算法是最准的，就是年底的分摊。天地的分摊其实给各位举个例子，为什么年底是准的。平常的时候我们用的一些材料，这些材料在实验室是一定不会按时登记的，时间登记的时候也不是很准。但是到年底的时候，比如说我们哪些工装夹制具、耗材用量是多少，这个数据是准的，由年底数据总量分摊到每一个实验上，这个时候其实成本核算就没什么问题了。

下面我重点说一下调度中心和审评中心，调度中心是两大层面，我们实验室所有工作是围绕着调度来进行的，一个委托单来了我要调度哪个实验室做，单子在执行过程中也需要调度中心去做，你要交钱或者是开发票、核算成本，还要调度我要用哪些资源，所谓的资源就是人、仪器这些资源，都是靠调度中心来进行的。

而调度中心解决的是两个层面的问题：

第一个层面，面向领导层，就是上面的三层是面向领导层的。领导层基于上面的三层信息来做一些日常的决策。

第二个层面，面向执行层，就是我们实验室平常做实验的执行层。

上面三层是从需求预测开始的，也就是我把我能获得的一些数据，不仅仅是我们实验室的历史数据，包括我们外面可获得的数据，比如说政策和一些指标，这些数据拿过来做什么呢？其实是做预测。

我为什么要预测下一年或者是下两年、三年我的检测需求？我相信在座的各位领导会想到很多这种应用场景。第一个就是优化我们的资源配置，就是我有哪些预测到实验量很大，但是我资源不足，这包括人的不足、仪器的不足。还有预测后几年有些实验量是很少的，这个时候我们有很多仪器可能会产生空闲，如果空闲的话在座的各位领导要考虑这些资源怎么利用一下，所以这就是需求预测对于我们在座各位领导来说是有很多的好处。

我们跑这个模型的时候选了很多数据，最重要的数据是实验室的历史数据，还包括其他的一些经济的，还有跟客户有关的，跟市场有关的。但是这些数据我们拿过来之后，我们通过模型跑了一下，我们发现有哪些方面的数据对我们预测的结果影响最大呢？

第一个，实验室的历史数据。

第二个，政策法规。

政策法规对我们实验室预测检验检测量影响是最大的，政策法规的数据我们目前跑的是怎么来的呢？我们可以拿工信部或者是市场局发布的政策，其实它主要要的是政策名和政策发布的时间。名字跟政策变化时间跟我们的减量之间建立关联这样来做预测，所以这个指标变量是排在第二位的。

有了这个之后，这个三个计划就可以做出来，这三个计划不需要数字技术，有了上面的需求预测，下面这三个计划是很容易得出来的。而这三个计划在我看来对于在座的各位领导来说，最有价值的是右下角能力需求这个计划。它通过我们已知的一些数据做完预测得到的能力计划，它得到两个极端的数据分类。

第一个，我们有一些能力中心是严重超载的。

第二个，我们有一些能力中心，包括仪器和人是未充分利用的。

其实有了这两类数据，我们很好理解，很有价值，严重超载的我们想办法买一些仪器，未充分利用的，其实可以考虑是不是把仪器共享等等。

以上这三个其实是面向我们领导层的一个应用，下面这个其实是面向我们执行层的，而这个算法已经有很多实验室在采用了。我上个月的时候有人在兰州问过我，这个算法里面到底应用了哪些技术，这一块可以简单给各位领导说一下，它包括三个：

第一个，EDD和SPT。其实SPT是我们最想采用的启发式算法，但是对于我们实验室来说没有办法，肯定EDD是排在第一个的。

初排程之后因为它只考虑我们的实验，我们的委托单，安排到具体的仪器和人上，但是它至少不是最优的解，这时候往下要做优化排程。

目前我从广东他们看来，其实它是两个算法结合的：

第一个，遗传。

第二个，粒子群。

这两个算法是什么意思呢？我排完程之后，它只是把任务安排到具体的仪器和人上了，就像我们试车场的试车道，任务安排下去了，但是这些实验合理是需要通过第二层遗传和粒子群算法解决。

它的适应度指标其实我们最想要的是第二个，就是最大化资源利用率，它不断的优化我们实验的排程，让我们的仪器和人的利用率最大化，那适应度函数其实是采的这一个。

上面介绍的是调度中心，这个是审评中心。审评中心我至少在很多地方给别人汇报的时候，他们可能是最感兴趣的。

其实我们对核心的五个点写算法来做自动评审：

第一个，委托单来了由算法去评。

第二个、第三个，抽样和做实验这两个工作环节我们写算法去评。

第四个、第五个，我们实验室的原始记录检验报告出来之后由算法去评。

这五个算法目前在我来看是效果最好的，这个其实跟实验室的领导或者是管理者是有关系的，因为原始记录和报告最终的审核和批准都是我们的领导和管理者，他们是没有时间的，其实他们很希望有这样一个算法，就是你计算机算法先给我审一下，有异常的原始记录和报告给我标出来，然后我再去看一看，算法认为都没有问题，我们做一个批量审核可能就过了，目前这个算法的应用是最好的。我这里标红的，算法认为这个报告其实在这两点上是有问题的。

以上这些应用有一个最基础的根叫数据指标，这也是把我们实验室历史的数据，包括外部的数据进行整合，整合之后它变成两级指标：

第一个，基础指标。

第二个，复核指标。

这个指标是一个不断优化的过程，比如说我标红的这个。

这个刚开始我们是不用这个指标的，用的是正确率，我们发现用正确率指标评价一个实验是不合理的，所以后来我们把这个指标又改动，改成首次正确率，这个时候其实一个指标就可以代替一项工作了。但是这里头有很多的数据指标，我们就翻过去看一下。

指标有了以后我们怎么做应用呢？第一个是质量管理的创新，比如说我们在座可能有质量负责人，实验室质量体系运营的好不好，在我们来看你初级可以用两个指标，这两个指标都是及时率指标。这两个指标我们可以达到95%以上的时候，这两个指标的历史使命就过去了，你就可以换另外一个或两个指标，来评估我们实验室的质量体系运行，这是质量管理。

对于人员管理其实它是解决了哪些事呢？我写一个算法，我们实验室有很多人，首先定位一下关于人的问题出现在哪儿。比如说某个人干活的熟练度不行，经常出错，还有他的效率不高。由算法定位管理上的问题之后，这个其实不是结束，还要推荐一个解决问题的办法，后面标红那个就是我找到问题了，发现者几个人熟练度不够。计算机推荐的算法是什么呢？告诉这些人参加哪些培训，而且完成在线考试，这是管理上的典型创新，由算法找问题、定位问题，由算法推荐一个解决方案。

这个是对于实验室来说最想做的，就是对外服务的创新。这个其实在我们事业单位做的是不太好的，但是在民营机构这个其实应用效果是很不错的。因为对于实验室对于来说可能是客户，对于企业来说有可能是生产部门、研发部门，对于中国汽研这种可能是整车的企业。其实客户对于实验室来说，我们聊过他是很需要实验室数据的，比如说他想知道整个行业的平均水平，行业的平均水平这个数据在哪儿？其实是在我们实验室的。比如说有哪些关键指标它的变化趋势是什么样子，前几年是什么样子，现在是什么样子，而这些数据其实对于我们实验室客户来说都是很需要的。

这个完成的创新是什么呢？原先对于我们客户来说可能只提供一个检验报告，现在不仅仅给客户一个检验报告，还有一些增值服务，这个可以理解成数据分析报告等等一些报告，都是可以的，而这个其实是我认为对于实验室来说最应该做的一件事。

我们谈创新的话，其实最大的创新是我们实验室组织形式的创新。我们开过很多会，中国的实验室是偏劳动密集型的，通过这个创新我们想达到知识密集型这样组织的转型。要评价一个组织是不是数智组织，其实我们定义的是两条线，一条蓝色线，一条红色线，它取决于我们的研究人员、开发人员，在整个企业中他所起到的作用，是不是能让我们生产人员，比如说做实验人员人数逐渐减少，这也是我们常说的一个组织是不是应用了新质生产力典型的代表或者典型的两条曲线。

这就是我今天汇报的内容，谢谢大家！

（注：本文根据现场速记整理，未经演讲嘉宾审阅）