实验室检测避不开的业务复杂性问题,看我用smardaten这么解决!

简介: 实验室检测避不开的业务复杂性问题,看我用smardaten这么解决!

c4d0f1811f4316d7b8bf6ad0b0a00db3_e8b0feedd0d440cd8d9047b367036bce.png

一、项目背景

Hello,友友们,这些天我一个在南京读研的同学找到了我,他说他们某材料研究院旗下的实验室正面临着一个紧迫的任务,这个任务是这样的:实验室现在需要人员高度紧密协作,同时在产出结果时必须最大限度地减少误差的可能性。在这个过程中,涉及到单据串联的连贯性、样品的流程控制、设备数据的输入输出以及实验结果的准确记录等,这使得实验室材料检测系统的业务复杂性大幅增加。

并且随着时间的推移,检测人员和检测设备数量也持续增加,导致实验室以及隶属的材料工厂的管理变得愈发困难。这种局势下,实验检测与工厂生产数据的真实性和可靠性反而出现下滑的趋势。而且由于数据量的激增,对数据的直观分析变得愈加棘手,构建复杂的算法模型变得异常困难,而这正是推进和改善实验检测工艺所必需的。

听完同学给我的描述,我直接给他推荐了smardaten,因为这类业务十分复杂繁琐的性质的问题其实我也在我们实验室遇到过,我通过smardaten搭建的系统很轻松的解决了,那么smardaten在这类问题前如何大展身手呢?一起来跟洲洲看看吧!

二、复杂场景需求

通过上述相关描述,咱们一起来沉浸式体验一下如何用smardaten解决业务复杂性的问题吧,首先我们明确一下场景需求。

构建实验室样品检测系统,需要完成从下单、任务分配、样品登记、接收、试样制备、实验检测等全过程信息管理,同时包含合同管理、报告编制和签章管理等功能。

例如下列实例化的业务需求:
1.支持一个委托单下多样品并行检测,样品信息全流程自动填充;
2.支持新增基于委托单的全景图状态查看,快速全局查看整体进度;
3.支持所有审批、回退操作均进行日志记录,供后期审计或进行统计分析;
4.支持不同角色,不同用户的权限配置,查看统计分析信息和快速处理业务。
c8b8d5dc9b36ff9808c672393e3dadce_77f337da5ab7419290cc7aaf334e91d7.png

三、业务框架搭建

因为实验室的业务除了底层数据的接入、监测,更加涉及到如样品检验管理、资源管管理、运维管理、质量体系管理等一级、二级嵌套层级的业务架构。所以在设计业务框架时,可以进行如下设计:
2750945f30f52641a3b7b554cd6d0eb8_b967b305aa4544be8a1c8ee6a847cfff.png

通过设计出的最终系统,如下图样例系统所示,可以看到整体架构是多层级嵌套,是十分复杂的。
a0a7b2e32d69ddc142463628970c4b66_196c1d5a45734e5c8180ac5ca683fa82.png

四、复杂场景实现

4.1 实验室工作台搭建

虽然实验室工作台比较复杂,但是可以通过smardaten管理导航菜单和页面的关系绑定:支持多层级嵌套,多种导航布局展示。

b9c7ccb02217157895aa635c8913ff29_71714b2d360548288e92e31e67007100.png
导航顶栏支持不同的组件嵌入、自定义设计以及二次开发集成。
c9eb55f48d02de10124910ce27583513_63a365ad21aa492db51a2910729d4e2b.png

4.2 实验室流程权限管理

整个实验检测管理的一般业务流程对应的角色类型,以及相应的业务职能如下图。所有角色与权限涉及到所有功能页面的分配、业务流程配置、功能逻辑配置等,入眼可见的流程复杂度。
3bfed41801a997c1ac60ff98a6d961ad_2a4830bec9bd418d943bb9da7de2f0ad.png

4.2.1 多组织角色管理

为了控制用户或角色对系统中各个组件的访问和操作权限,以及不同的流程审批,提供了统一管理组织人员和角色的入口。
d65e435ba95aff88db83bccd5cbd94c2_f2189164c1e14bc6b2353a85a8a7d9df.png
24b05a6ab6aa798f8504e23ba12cc230_34ab990435664b1da75f0955860981c8.png

4.2.2 角色赋权

每种角色的权限是不同的。通过定义不同的角色(应用&系统角色)并分配相应的权限(应用&菜单),可以确保只有授权用户才能访问特定页面。
d60a1aa32132f16ed8d7fddf006612eb_6285ed81dd074710b8798156fe2bac60.png
143c6dd9cc2c8a5c1b0cbbcaa00f085c_931f5577d6e0468f8afac8fb582a1d7a.png

4.2.3 数据赋权

如样品负责人仅可查看其负责的样品,样品管理员可查看所有的样品。通过规则组的条件判断组合,实现对满足不同条件的人员查看对应的数据。
ae7826193344ec7b26b0f66eff9b28c9_a071f2bb8e9044fb89ba490fb53b48d4.png
49949e5fa4f27a5eb55d03c35b6e991c_bcb284b42e8d4268a03c9fe1c358fb55.png

4.2.4 检测流程审批

如样品在检测流程中,需要样品管理员进行样品分发后,样品负责人进行检测的逻辑。根据定义组织用户、角色可选择不同业务流程的处理角色。
f70b62cf6b7c8ccfe3eac5ecf54776b4_5c0ec37338e74b51a8d1451d89ad871f.png

4.3 设备检测数据统一管理

实验室管理中涉及到设备数据接入,检测人员填报数据,审批流转流转数据,数据流向是复杂且难以管理的。

通过smardaten可以很好的解决这个问题,因为smardaten提供目录式管理数据资产,底层统一管理,便于回溯,监管。

9f67b4f08fd80d82ff0d0f7199c5774a_1bc8452d79834b24942b25cc54356c15.png
如下图所示,smardaten实现了可视化多维度管理数据,分析数据血缘管理,提供元数据管理,以及内置AI质量检测辅助用户决策,数据层面的按组织/角色条件组合控制权限。
ee51f251912e07befa596adeda84b05a_52d6726ba9f646f09dfa09cc72075db3.png

4.4 实验室多维协作看板

面对实验室团队协作中多角色,不同角色关注的数据维度也是各不一样,统一看板多视图的重要性不言而喻。管理层关注人员和能力,执行层关注业务分布和环境信息。

例如管理员看板,主要展示实验室整体运行情况。
0c8ba9e141433cbc89b479e9e578a082_3a39fcb7b8cf4ff2bef74d6b3e481499.png
经过底层统一的数据管理后,上层提供60+图表组件,通过函数计算、内置排序、过滤等分析算子供二次分析展示
76c5bd4a3449e46be0d0f01ee6cd2809_8e95f02a30d94527a5a694dbc8690046.png
9a88897ecae6be41138ff3419f98d0aa_e3ff908a25414effa6fb8c4682c2476c.png
例如,检测工程师看板,主要是个人检测项目、待检测项目等更细致的信息。
5fd6f84dd8f20cc37b14b5771cf60917_7166efb946854ccd9e88d1e51339fa0f.png
smardaten提供多种可视化组件,在画板式大屏上自由布局,进行可视化大屏设计。组件层支持细粒度的样式配置满足统一视觉风格要求,图表支持数据定时/订阅刷新,各组件支持配置交互联动,让大屏数据交互更加丰富。
347a5351445a6f7457f0fbe9e7086b03_93b940fa894646f2a139a4b2c5a0cc7a.png

五、项目总结

通过smardaten,我们实现了将实验室数字化管理流程标准化,实现全过程实验流程记录、检测数据跟踪、人员与设备统一管理。作为相对标准的LIMS系统,基于smardaten无代码组装优势,通过多功能模块的组装与调整,可以满足第三方检测、生产检测和科研检测等不同实验室检测场景下的数字化管理需求。

其实,smardaten作为数据驱动的企业级无代码软件开发平台,跟轻量级低代码平台还是有很大区别的。它内置了全域数据资产管理平台,包括数据资产管理、集成交换、计算,并基于这些数据来进行表单业务流程构建,以及可视化应用的的搭建。这也得得益于smardaten最早做大数据出生,有浓厚的大数据基因存在。当然对一些GIS空间分析、数字孪生的分析、交互式大屏,目前也有比较好的支撑。

欢迎友友们去体验一下!~
56653b672e885f76e88bc2dae9684e25_4e266724537047929dc75cdde5a2541c.png

相关文章
|
6月前
|
机器学习/深度学习 传感器 数据采集
机器学习赋能制造业:预测性维护、质量控制和智能物流优化
制造业借助机器学习和深度学习提升效率,通过预测性维护避免设备故障,利用质量控制模型检测产品缺陷,及运用智能物流优化降低运输成本。示例代码包括基于LSTM的设备故障预测和随机森林分类器的质量控制模型。这些技术革新生产流程,提高效率,降低成本,增强企业竞争力。
|
1月前
|
机器学习/深度学习 人工智能 安全
AI在灾害管理中的作用:提高防灾减灾能力
【10月更文挑战第8天】AI技术在灾害管理中的应用正在逐步改变我们对灾害的应对方式。通过发挥AI的优势,我们可以更有效地预防、减轻和应对自然灾害带来的挑战,为构建安全、弹性的社会做出更大贡献。
|
4月前
|
传感器 数据采集 存储
在环境治理领域,污染治理系统工程旨在通过系统的方法来解决环境污染问题。这通常包括污染源的识别、污染物的监测、治理技术的选择、治理效果的评估等多个环节。
在环境治理领域,污染治理系统工程旨在通过系统的方法来解决环境污染问题。这通常包括污染源的识别、污染物的监测、治理技术的选择、治理效果的评估等多个环节。
|
4月前
|
监控 算法 数据挖掘
可持续发展的背景下,系统工程可以帮助我们构建、分析和实施那些旨在平衡经济、社会和环境目标的系统。
可持续发展的背景下,系统工程可以帮助我们构建、分析和实施那些旨在平衡经济、社会和环境目标的系统。
|
6月前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第29天】 随着网络攻击手段的不断演变和升级,传统的基于特征的安全防御机制已不再能够有效地应对日益复杂的安全威胁。本文探讨了如何通过集成人工智能(AI)技术来构建一个自适应的网络安全防御系统,该系统能够在不断变化的网络环境中学习、预测并主动防御未知威胁。通过深度学习算法、实时数据分析和自动化响应策略,这种新型系统旨在提高企业级网络安全的智能化水平,减少人为干预,同时提升防御效率和准确性。
|
6月前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统云端守卫:云计算环境下的网络安全与信息保护策略
【5月更文挑战第27天】 在数字化时代,网络安全威胁持续进化,传统的安全措施逐渐显得力不从心。本文探讨了人工智能(AI)技术如何革新现代网络安全防御系统,提出一个基于AI的自适应网络安全模型。该模型结合实时数据分析、模式识别和自我学习机制,能够动态调整防御策略以应对未知攻击。文章不仅分析了此模型的核心组件,还讨论了实施过程中的挑战与潜在效益。通过引入AI,我们展望一个更加智能且具有弹性的网络安全环境,旨在为未来的网络防护提供一种创新思路。
|
6月前
|
机器学习/深度学习 人工智能 安全
PyRIT:主动发现生成式 AI 系统潜在风险的开放式自动化框架
【2月更文挑战第9天】PyRIT:主动发现生成式 AI 系统潜在风险的开放式自动化框架
108 3
PyRIT:主动发现生成式 AI 系统潜在风险的开放式自动化框架
|
安全 算法 数据可视化
投顾系统在程序化交易中的作用和重要性 及投顾系统的功能特点
投顾系统在量化交易系统中起到了重要的作用,可以辅助私募机构、操盘团队、mom团队、资金方、期货公司、投顾公司等营销主体提高投资决策的准确性和效率,降低投资风险,提高投资收益。
211 0
|
传感器 人工智能 供应链
预测性维护:利用人工智能确保业务连续性
在当今“永远在生产”的世界中,工厂和生产设备全天候运转,任何故障都会导致生产严重中断,有时甚至会对其他下游业务产生连锁效应。为了确保运营的可靠性,进行足够的维护是关键。
306 0
预测性维护:利用人工智能确保业务连续性
|
人工智能 供应链 安全
评估人工智能对业务影响
评估 AI 投资回报率虽具有挑战性,但至关重要。IT 领导者和行业观察家就如何清晰了解 AI 工作是否取得成效提出了以下见解。