数字智能仪

引言实验室工作流程正在快速变化，以跟上当今快节奏的世界。因此，产品和人员也必须适应，不仅要提高生产力，还要消除人为错误和工艺变化引起的异常或不一致。主要挑战包括要求越来越复杂的质量控制来抑制错误，结合先进的分析来获得有意义的信息或可靠的诊断。数据再现性也至关重要，因为在再现和验证结果方面的失败威胁到科学研究的完整性和声誉。自动化必须与人类的专业知识相结合。仪器智能可以在许多方面提供帮助。例如，取决于数据的性质以及获取和存储数据的过程。关键资源是实施基于机器学习和统计数据分析的工具，该工具可用于突出显示异常值或可疑值序列，识别不同数据源和数据模式的不一致性，并通过自动填写缺失值或指出应收集更多数据的位置来减少测试次数。本电子书概述了仪器智能解决方案，并展示了如何修改几个实验室部门，以实现更快、无错误的生产。这尤其可以通过数字化和数字化转型来实现。本电子书的内容包括威利的著作《实验室的数字化转型》的摘要，该书讨论了与人工智能（AI）在实验室转型中的作用相关的机遇、需求和挑战，生物医学研究中“工业”革命的一篇文章的摘要，以及安捷伦智能反射工作流工具的信息图。一、生物医学研究的“工业”革命——数据爆炸和再现性危机促使实验室工作流程发生变化有几个因素正在推动生命科学实验室组织工作流程的方式发生深刻变化，无论是医学诊断还是基础研究。这些变化的一个常见原因是生成的数据量激增，同时数据生产成本快速下降。这需要越来越复杂的质量控制来抑制错误，并结合先进的分析来获得有意义的信息或可靠的诊断。对实验室工作流程造成变化的另一个挑战是再现性，这一点至关重要，因为重要结果的再现和验证失败威胁到生物医学研究的完整性和声誉。深度学习和自动化深度学习（DL）的兴起越来越要求产生准确的数据集，以避免偏见和错误结论。反过来，这需要更多地使用自动化来消除由人为错误和过程变化引起的异常或不一致。例如，批量效应——这会破坏DL工作——在没有自动化的情况下会变得更糟。可以减轻批量效应的算法通常使用某种形式的贝叶斯推理，该推理比较不同条件下的实验结果，以过滤与过程相关的不一致性。然而，这些算法也可以消除生物学上显著的变化。不断增长的自动化从一开始就消除了批量效应的许多原因，从而为DL的强大应用奠定了基础。链接不同的专业知识‍尽管如此，工作流的挑战并不局限于自动化和数据分析。更大的问题在于协调自动化与人类专业知识，特别是在诊断实验室。随着全基因组测序（WGS）和全外显子组测序（WES）的出现，对帮助临床医生有效利用计算能力的新技术的需求变得更加迫切。为了克服诊断瓶颈，已经开发了能够识别数百种与罕见遗传病相关的突变的扩大的携带者筛查小组。这些小组可以发现否则无法检测到的突变，这就是机器和人类之间的整合变得重要的地方。工作流和人工变化实验室的工作方式将发生根本性的变化，正如安捷伦科技公司（Agilent Technologies）最近的一项举措所表明的那样。安捷伦技术公司是实验室工作流程分析工具和软件的专业开发商，于1999年由惠普公司（Hewlett-Packard）分拆而成。Frost&Sullivan开展的一项研究中，根据来自中国、德国、印度、韩国、瑞士、奥地利和美国的650名实验室经理、主任和主管的回答，他们的第一次制药实验室领导者调查结果于2019年6月公布。安捷伦高级副总裁兼首席技术官达琳所罗门（Darlene Solomon）表示，研究结果已经导致实验室设备发生了变化。她说：“85%的受访者告诉我们，他们正在购买更精密、更具特异性的仪器。”。所罗门补充道，工作流程的压力，以及实验室技术人员技能水平的变化，都推动了更易于使用和培训需求的减少。所罗门说：“我们有一些例子表明，一个看似微小的改变，例如使用带有触摸屏的仪器，确实有助于提高使用和训练的便利性。”。“这一点很重要，因为一些地区的实验室技术人员的形象已经发生了变化。虽然几年前，实验室技术人员可能是具有质谱或气相色谱专业教育的理科毕业生，但如今，他们很可能是具有人文学科学位的多面手，这意味着实验室管理人员希望仪器易于使用、易于培训，以及不需要由专家操作。”另一个主要趋势是人工智能（尤其是DL）的日益融合，以适应实验室中复杂或重复的任务。所罗门说：“基于深度神经网络的现代人工智能方法在基于组织染色的数字病理学领域尤其有前景，可以提高癌症诊断和治疗决策中病理切片解释的准确性并降低其复杂性。”。“例如，人工智能可以提高效率，提高计算细胞等耗时任务的准确性，或者识别高级细胞染色产生的复杂模式的准确性，这些模式可能会让人工解释感到困惑。”所罗门强调，需要可靠的数据来为DL算法提供数据，并强调了整个工作流程一致性的重要性。“样本分析总是从样本准备开始。良好和一致的样本准备是迈向自信和高质量结果的一大步，这将在后端产生有意义的理解，”她解释道。解决治理和道德问题安捷伦调查范围之外的工作流程还有另一个维度，即激励和道德考量的作用，以确保一致和公平的结果。马拉维大学公共卫生和流行病学教授亚当森穆拉强调了这一点。他解释说：“如果没有适当的系统，即使是最好的设备也无法发挥最佳作用。”。“也许我们也可以采用约瑟夫姆富索本戈（Joseph Mfutso Bengo）的LEGS（领导力、道德、治理和系统）模型。”穆拉指的是马拉维为加强卫生系统而开发的名为LEGS的框架，特别是在治理和法治相对薄弱的发展中国家[1]。根据LEGS研究的作者，道德规范会在各个层面，如采购、临床工作和研究，加强内部社会控制。提高再现性虽然临床需要一致性和准确性，但再现性已成为基础研究和转化研究的一大挑战。无法再现结果的主要原因之一是当正面结果比负面结果更受青睐时，发表偏见。还有一种被称为HARKing（结果已知后假设）的现象，研究人员呈现出意想不到的结果，就好像他们从一开始就被假设了一样[2]。虽然并非所有研究人员都同意HARking完全不利于科学进步，但这其中存在不诚实的因素，更重要的是，它可能会带来偏见，因为该假设可能只是从结果中推断出的几种假设中的一种。一种解决方案是再次改变工作流程，在进行实验之前预先注册工作计划和假设，以避免选择性报告或HARking。英国布里斯托大学生物心理学教授马库斯穆纳夫（Marcus Munafò）是感兴趣的研究者之一，他研究与酒精和药物滥用相关的神经通路。Munafò博士毕业后，在进行了系统回顾和荟萃分析后，发现许多发现不如看起来可靠时，他对工作流程和再现性之间的联系产生了兴趣。他解释道：“我对我们的激励结构和工作方式有何贡献感兴趣。”。“现在，我有兴趣思考如何改进我们的激励结构和更广泛的研究文化，以关注质量，至少与创新、新颖性和发现一样多。在过去几年中，我们朝着开放的研究工作流程迈进。我们从预注册研究协议开始，现在我们定期归档数据，我们开始归档用这些分析脚本，我们发布所有手稿的预印本。最初，这仅用于赠款资助的活动；现在是我们所有的活动，包括学生项目。”Munafò补充道，在这一正在进行的过程中，还有更多的工作要做，比如分享更多的研究材料。他说：“这有几个好处——它允许对我们的工作进行更严格的审查，并为内部检查提供了激励。”。根据Munafò的说法，最大的挑战是在研究人员中灌输长期观点，并清楚地阐明其益处，以便团队成员认同所需的努力。这与马拉维LEGS项目传达的信息一致，其基本主题是，研究的动机需要围绕科学和数据而不是希望和愿望引导的一致性和透明度进行重新调整。这几乎是对人性本身的挑战。References[1] Mfutso-Bengo, J., Kalanga, N., and Mfutso-Bengo, E.M. (2018) Proposing the LEGS framework to complement the WHO building blocks for strengthening health systems: One needs a LEG to run an ethical, resilient system for implementing health rights. Malawi Med. J., 29 (4), 317.[2] Kerr, N.L. (1998) HARKing: Hypothesizing After the Results are Known. Personal. Soc. Psychol. Rev., 2 (3), 196–217.[3] Hunter, P. (2020) The “industrial” revolution in biomedical research. EMBO Reports 21, e50003.二、人工智能（AI）改造实验室数字化正在我们的工作和日常生活中蔓延，从纸张到数字不仅仅是改变存储数据的媒介。本文讨论了与人工智能（AI）在改造实验室中的作用相关的机遇、需求和挑战。实验室的数字化在某些领域比其他领域更快，这取决于从纸面向数字化转变的需求和机会。Al可以作为过程中的催化剂，提供一系列附加服务，包括健全性检查、异常值检测、数据融合和数据预处理阶段的其他方法、数据分析和建模的不同方法、数据消耗监测和实验室中的其他动态过程，以及对领域专家的决策支持（图1）。图1。从数据预处理和来自不同来源的数据融合到数据分析和不同过程的监控，AI可以在不同方面支持实验室。资料来源：Dunja Mladinic提供。数据预处理和数据分析根据数据的性质、获取和存储数据的过程或其他一些数据属性，Al方法可以以不同的方式帮助数据预处理。例如，我们可以有一个基于机器学习和统计数据分析的工具来突出显示异常值或可疑值序列，识别不同数据源和数据模式的不一致性，并通过自动填写缺失值或指出应收集更多数据的位置来减少测试数量。如今，Al方法能够高效组织大量异构数据，支持高效搜索和检索。除此之外，根据数据形态，可以为用户提供强大的数据探索工具，包括丰富的数据可视化、自动异常值检测、数据建模和预测。此外，数据分析可以应用于实验室工作的不同阶段，从监测和指导数据收集、数据预处理、存储和建模到搜索历史实验室数据（例如，测试结果和笔记本），并使科学家能够跨问题和实验室共享数据和模型。过程监控实验室中的过程涉及可能从监控和建模中受益的活动和数据。我们讨论的是一个过程或一组可能相互关联的过程的动态和结果建模。历史数据可用于建立一个参考模型，该模型可根据监控过程的当前背景和趋势进行调整。由于Al方法用于构建机器、物流流程或生产工厂的数字孪生，因此它们也可用于构建实验室中某些流程的数字孪生。这将有助于监控相互依赖性、可能的异常检测以及对流程未来发展的模拟，使专业人员能够提出假设问题。通过对输入数据进行实时建模和监控的能力，我们可以在同一实验室内或不同实验室内分析数字实验室笔记本。以类似的方式，由于机器学习方法已被用于数十年的研究出版物中，以预测科学中的下一件大事，[1]人们可以分析和监控实验室中的过程和数据流。人类在回路中无论我们在实验室中使用了多少以及在哪些过程中使用了人工智能，我们都应该记住，人工智能可以涵盖一些智能，但人工智能无法涵盖人类给过程带来的其他维度，在采取行动之前预测行动的后果，并制定实现目标的策略。智力与清晰、专注和有选择的思维有关，需要我们的指导，以避免迷失在细节或幻想中。根据瑜伽哲学，智慧是实现人生成功所需的三种创造力之一：意识、智慧和能量。[2] 例如，为了知道我们想要表现什么以及如何表现，我们需要资源/能量来真正做到这一点；要知道要展示什么和拥有资源，我们需要一个策略。人类通过有意识地决定某些工作或实验室实验的目标，智能地制定实现目标的策略，并利用资源来实施策略和实现目标，在这一过程中发挥着至关重要的作用。References[1] Lawton, G. The next big thing in chipmaking. Computer (Long. Beach. Calif). 40, 18–20 (2007).[2] Mladenic, D. Artificial Intelligence (Al) Transforming Laboratories. in Digital Transformation of the Laboratory 289–295 (Wiley, 2021). doi:10.1002/9783527825042.ch21.原文：Advances in Instrument Intelligence——Using AI to Achieve Digital Transformation供稿：符 斌，北京中实国金国际实验室能力验证研究有限公司

智能数字式漏水检测仪/数字式漏水检测仪/漏水检测仪/测漏仪/查漏仪 型号：ZRX-7663ZRX-7663智能数字式漏水检测仪应用了的数字信号处理术和数字滤波电路，步提了仪器的抗干扰性能，其重要特点之是能够克服环境噪声的干扰行确探测，在大屏幕液晶显示屏上准确地显示出测量参数，自动区分环境噪声和漏水噪声信号，让操作人员直观地判断漏水疑点。 ●常用频率范围的频谱分析，实时显示出噪声信号在各频率上的相对分布。 ●自动记录（时间—信号噪声）曲线，连续监测噪声信号，为漏水点的确定提供可靠的分析依据。 ●拾振传感器内置有信号放大电路，拾振机构采用缓冲隔离，使得拾振的方向性更强，且有效降低了环境风和导线抖动对拾振传感器引起的噪声干扰。 ●采用品质传感器材料和电路，听音清晰度大大提。 ●可选配不型的拾振传感器，供操作人员选择使用。 ●频率覆盖漏水噪声范围，多达31个带通滤波器的选频范围，满足检漏人员在各种场合中选频使用。 ●可适时保存多段录音资料，能真实记录现场声音，随时重现探测现场实况。 ●操作手柄采用可靠性光电式无触点静音开关，杜了开关接触不良故障的发生。 ●手柄前端聚光照明，液晶显示屏和按键均具有背光照明。 ●采用性能、大容量可充电锂离子电池，无记忆效应；联机充电和脱机充电两种方式均可采用，充电方便快捷。 ●大屏幕液晶显示屏，信息量大，光条显示度，操作界面直观明晰，操作流程简单方便。 ●益求的电路板设计，消除了仪器中难以克服的由数字电路产生的脉动干扰噪声。

仪器信息网讯 2023 年 12 月 23 日，仪器仪表与“数字+智能”双向赋能学术沙龙在上海理工大学先进制造技术大楼会议厅圆满召开。本次沙龙由上海理工大学光电信息与计算机工程学院、中国仪器仪表学会分析仪器分会仪器智能互联和云数据服务学术委员会、上海环境生物安全仪器及装备工程技术研究中心、全国卫生产业企业管理协会精准医疗分会医疗智能装备学组和卫生健康仪器设备技术产业分会共同主办，由上海科源电子科技有限公司、昆山上理工光电信息应用技术研究院有限公司共同承办。沙龙聚焦仪器仪表行业的数字化和智能化转型，定向邀请了来自工业界和高校的顶尖专家，共同探讨新时代下仪器仪表行业的发展路径。沙龙现场中国工程院院士、上海理工大学光电信息及计算机工程学院院长庄松林发表开场讲话。庄院士讲到：1）人工智能正在我国如火如荼地开展起来，现有工作主要集中于利用机器去替代那些需要人的智力才能完成的工作。将来人工智能的目标是探究智能形成的机理，最终实现机器模拟人的思维；2）世界各国早已意识到，人工智能是开启未来世界的密钥，是未来科技发展的战略制高点；谁掌握人工智能，谁就将成为未来核心技术的掌控者。美国、日本、韩国、中国分别于2013年至2016年将人工智能上升为国家战略；3）人工智能所需要的物质条件已经前所未有地具备了，也就是：强大的算力和互联网、物联网基础，并在此基础上同时形成的各种大数据；4）仪器仪表作为物理世界与数字虚拟世界的重要桥梁，与计算机一样，是实现人工智能重要、关键的环节；5）我们于2019年在许多专家、同仁们的支持下成立了中国仪器仪表学会分析仪器分会智能互联和云数据服务学术委员会，每年有一次活动。就是希望通过专委会各位专家的努力，通过各个行业、各个领域的专家的交流、合作，共同将我国的仪器仪表与人工智能快速、有效地融合，为国家战略出一份力，为我国的仪器仪表发展贡献一份力量。最后庄院士预祝本次活动圆满成功！庄松林 中国工程院院士、上海理工大学光电信息及计算机工程学院院长随后，上海市科委基地处处级调研员张露璐、上海环境生物安全仪器及装备工程技术研究中心副主任袁旭军、中国仪器仪表学学会分析仪器分会秘书长吴爱华、中国仪器仪表学学会分析仪器分会副理事长马兰凤、全国卫生企业行业管理协会精准医疗分会会长陈万涛、全国卫生企业行业管理协会卫生健康仪器设备技术产业分会执行副会长陈大华等嘉宾分别进行了发言致辞。报告环节由上海环境生物安全仪器及装备工程技术研究中心副主任袁旭军担任主持人，专家们围绕数字化和智能化技术在各自领域中的应用案例进行了深入分享，旨在激发行业创新活力，推动“数字+智能”与仪器仪表的深度融合。张露璐 上海市科委基地处处级调研员袁旭军 上海环境生物安全仪器及装备工程技术研究中心副主任/高级工程师吴爱华 中国仪器仪表学学会分析仪器分会秘书长/高级工程师马兰凤 中国仪器仪表学学会分析仪器分会副理事长/高级工程师陈万涛 全国卫生企业行业管理协会精准医疗分会会长、上海交通大学附属第九人民医院教授陈大华 全国卫生企业行业管理协会卫生健康仪器设备技术产业分会执行副会长、上海美谱达仪器有限公司总经理人工智能的发展必将形成一个虚拟的数字世界，数字孪生是构建该数字世界的关键手段之一，也是联接现实与虚拟世界之间的重要桥梁。未来世界是虚实共元的世界。报告全面展示了湃睿科技在数字技术方面的探索和实践，分享了数字孪生技术助力企业在研发、生产、仓储物流、运维等全产品生命周期内实现数字化、可视化，最终实现产品智能化。报告具体展示了湃睿科技在数字化方面的研发、部署和应用规划，为我们呈现了企业在积极拥抱和投入数字化方面的努力，通过智慧园区、智能制造、智能运维、仓储物流、能源能效、应急指挥6大实际应用场景的分享，展示了研发团队在产品线的研发进展，为数字技术在仪器仪表行业中的应用提供了丰富的案例。何真元 上海湃睿信息科技有限公司研发总监上海交通大学机械与动力工程学院助理教授夏裕俊分享了题为《汽车车身焊装质量智能检测技术现状与发展》的报告。报告结合人工智能在汽车大批量生产制造方面的应用案例，介绍了他们团队针对当前电阻点焊质量智能检测技术无法满足产业应用需求的现状，先后建立了板材接触尺寸、表面、深度的物理解析模型，研发了创新产品——多传感焊接质量在线监测仪和控制器。该产品将点焊熔核机理和大数据相结合，形成了新型的泛化能力很强的人工智能算法模型。该产品现已在汽车、航空航天、轨道交通等重要领域应用，替代了人工逐一对焊点进行凿检的质量检测方式，真正实现现场实时点焊质量管控。此项成果获得省部级一等奖2项。报告的最后，夏裕俊对现场测量、数据集成、算法和应用层面进行了技术展望。夏裕俊 上海交通大学机械与动力工程学院助理教授华为诺亚实验室语音语义实验室（伦敦）高级工程师张顾春分享了题为《生成式大语言模型概述》的报告，报告从底层的深度学习模型算法出发，与在场听众共同分享生成式大语言模型背后的原理和机制，并对比点评了ChatGPT、文心一言等人工智能模型的特点。张顾春 华为诺亚实验室语音语义实验室（伦敦）高级研究工程师苏州大学能源学院副教授陶永明作了题为《人工智能在燃煤电厂节能减排中的应用》的报告。报告先从我国煤电现状展开，演讲者根据一系列统计数据说明了煤电在当前和今后一段时间内仍是我国电力供应的主体；同时煤电产业也面临降煤耗难度越来越大、排放标准越来越严的严峻形势；加上传统节能与控排手段受到材料、成本、炉型以及非线性严重等约束使得效果有限。针对以上煤电行业困境，陶永明利用人工神经网络+大数据为锅炉的非线性问题提供解决方案。第一步先将DCS系统所采集的数据进行缺失、去重、离群等处理，第二步基于以上处理的数据进行特征选择、归一化以及数据集分类；第三步将训练数据输入建立的人工神经网络进行训练，随后将测试数据对模型进行评估。该方法可用于对烟气含氧量、温度等重要参数进行预测，作为soft sensor更好地对锅炉的运行情况进行监测；同时利用训练好的模型可以对一些运行参数进行全局寻优，让锅炉在更为合理的水平上运行。人工智能技术为传统燃煤电站锅炉的节能减排提供了一条新的途径。陶永明 苏州大学副教授浙江清捷智能科技有限公司创始人、总经理魏东作了题为《关于“智慧制造”与“智能制造”的思考》的报告分享。报告分为三大部分。第一部分首先分析了美国、德国与中国的智能制造战略制订的背景，然后三个国家根据其各自不同的制造业基础制订了各自的智能制造发展战略和实现路径；第二部分主要阐述了演讲者本人对智能制造和智慧制造的认识和观点；第三部分演讲者从其本人所实施的一个案例为与会者分享了人工智能在烟草行业中烟叶松散回潮工艺中的应用。该应用的成功实施证明了演讲者的观点：“在工业智能制造里，可以通过人工智能将老师傅的经验写进控制系统，实现‘暗’知识显性化。”魏东 国智清创雄安机器人研究院院长复旦大学张江国际脑影像中心主任王鹤教授作了题为《人工智能在医学影像中的应用》的报告。报告提示，人工智能对核磁共振成像的帮助巨大。报告分享了他和团队在图像采集、快速成像、病灶诊断、图像分割、提升影像质量以及影像预测等各方面的研究工作和应用案例，生动的展示了人工智能对医疗设备的赋能作用，极大地提高了核磁共振仪器的性能和功能。王鹤 复旦大学张江国际脑影像中心主任会议现场，专家们就数字化和智能化技术如何赋能仪器仪表行业展开了热烈讨论。讨论环节由中国仪器仪表学学会分析仪器分会副理事长/高级工程师马兰凤、海军军医大学教授陆峰共同主持。陆峰 海军军医大学教授李永兵 上海交通大学汽车工程研究院教授吴轶 上海市食品研究所主任/高级工程师张荣福 上海理工大学光电信息与计算机工程学院教授肖儿良 上海理工大学光电信息与计算机工程学院教授吴凤霞 上海赛印信息技术股份有限公司总经理/高级工程师李钧 上海舜宇恒平科学仪器有限公司副总经理/高级工程师陈凡 上海北裕分析仪器股份有限公司总经理黄晓晶 上海通微分析技术公司教授级高工张锋铭 微软（中国）有限公司凌小峰 华东理工大学电子信息学院副教授李启腾 上海之江生物股份有限公司研发经理此次沙龙的成功举办，为仪器仪表行业的创新发展注入了新的动力。与会专家纷纷表示，将继续关注行业动态，加强交流合作，共同推动仪器仪表行业的数字化和智能化进程，为“数”造未来、“智”创天下贡献智慧和力量。