检验检测作为国家质量基础设施的重要组成部分，其数字化转型备受关注。本文研究标准T/CCAA 88-2024《检验检测机构数字化应用指南》，从数字化转型技术路线、数字化典型应用场景、智能化典型应用场景、数字化水平测评等方面介绍检验检测机构数字化应用，以期为检验检测机构数字化转型提供参考。
检验检测作为国家质量基础设施的重要组成部分，被视为国家质量提升、助力实体经济转型升级的重要支撑。同时，检验检测作为高技术服务业、科技服务业和生产性服务业，也得到了各级政府部门的大力支持。近年来，随着数字经济在全球范围内的普及和发展，各行各业都在积极探索数字化转型发展。检验检测机构如何实现数字化转型[1]也备受业界关注。为此，中国合格评定国家认可中心组织业界专家，总结相关机构数字化转型成功经验，制定了T/CCAA 88-2024《检验检测机构数字化应用指南》团体标准[2]，助力检验检测机构数字化转型发展。 一 检验检测机构数字化转型技术路线 考虑到现阶段检验检测机构信息化水平普遍较低，盲目推动数字化转型容易产生揠苗助长的负面效果。因此，在标准中明确提出：T/CCAA 88-2024适用于“已具备信息化基础的检验检测机构数字化应用及转型升级活动”，建议检验检测机构脚踏实地，沿着信息化、数字化、智能化的技术路线，不断提高应用水平，最终实现高水平数字化转型和智能化应用的目标。 T/CCAA 88-2024建议在策划数字化转型时，先制定数字化发展战略，明确数字化转型的方向、目标和绩效指标，并制定数字化转型蓝图、规划和实施方案。在此基础上，按照GB/T 27020《合格评定 各类检验机构的运作要求》、GB/T 27025《检测和校准实验室能力的通用要求》、GB/T 40343《智能实验室 信息管理系统 功能要求》等标准建立规范的、基于数据资源的管理体系[3-5]，并就此完成数字化管理体系的构建，实现业务数字化。 二 检验检测机构数字化典型应用场景 检验检测机构数字化应用的核心是检验检测业务数字化。为此，建议数字化管理系统应覆盖管理、技术运作及支持服务等业务范围，并配置适宜的信息基础设施。在确保网络安全、数据安全和个人信息保护的前提下，建立与完善数据资源体系，逐步实现检验检测数字化。考虑到检验检测机构在实现业务数字化过程中需将检验检测及其管理各环节的各种信息以数据的形式进行采集、处理、存储等操作，特别是目前阶段，对于物理参数的采集还缺乏统一的工具，化学类参数还可借助于大型分析仪器自带的服务器对数据进行自动采集及处理，T/CCAA 88-2024提供了典型的数字化工具，供检验检测机构参考。 在此基础上，总结现有检验检测机构业务数字化转型所取得的经验和成果，T/CCAA 88-2024以附录的形式提供了检验检测机构数字化典型应用场景，包括数字化服务场景、数据服务和数据产品等，为检验检测机构提升基于数据驱动的管理效能、改进服务提供指导。 2.1 辅助检验检测报告分析和审核 在此应用场景中，主要包括“结论判定”和“数据稽查”类应用。“结论判定”场景是指系统自动将实验检测结果数据与预设的实验检测结论依据、判定标准进行分析和比对，并根据判定规则，自动输出预设的判定结论。系统可以将判定结论自动生成报告，也可以为报告编制人提供辅助判定。“数据稽查”场景是指对分散在多个业务系统中的同一类数据进行数据检查的过程，以期解决数据准确性和一致性问题。通过对所采集的各个业务系统的数据进行分析和比对，得出最终的检查结果和报表，然后触发问题修改和修正，持续迭代和闭环。其中，还可以包括“自动/辅助审核”场景，该场景是指根据分析前数据（委托信息）、分析中数据（样品信息、仪器状态和检测结果等）、分析后数据（同一检测项目的历史结果、同一样品其他检测项目结果、同一委托方/制造方其他样品历史结果等），依照设定的审核规则进行自动审核，来保证检测结果的准确性、有效性和及时性。自动审核规则输出的内容可以是立即自动签发报告或其他决策行为，如输出预警，可为后续人工审核提供辅助。 2.2 基于数据可视化的决策支持 该决策支持可应用于实时监控、监测、调度、指挥等场景，选用动态可视化组件、可视编程技术、数据孪生技术等对实时检验检测场景、进程进行可视化展现，支持权限可控的远程访问。 通过建立基于数据驱动的决策机制，在确保数据准确性和统一性基础上，为检验检测活动的过程管理、运营管理、客户服务等提供决策支持。 2.3 数据服务 基于积累的检测大数据，通过数据处理、数据挖掘和可视化分析，为政府监管部门、电商监管部门、协会、企业、社会公众等提供全方位的数据服务。例如：产品质量分析、生产企业产品质控分析、供应链管理分析、准入报告、质量信用报告等，逐步实现数据业务化，扩充检验检测业务范围，实现行业转型升级目标。 2.4 沉浸式用户体验 在目击试验、数字展厅等场景中，配合全息投影、AR、VR等科技手段，给予客户沉浸式用户体验。例如，通过现代信息技术，将试验过程中的实时数据、试验现场信息、设备信息等内容实时整合处理，客户可以在自己的电脑、平板或手机上通过用户端系统远程观看、查询自己项目的实时试验信息、试验数据、试验进度状态等内容。 2.5 提供基于客户画像的差异化服务 通过客户画像（经授权），以客户ID作为唯一识别，从各个系统中聚合相关数据，利用数学统计和挖掘算法，进行各种标识和分类；建立数据分析模型、客户档案，为客户提供差异化增值服务。 2.6 数字化生态系统 检验检测机构宜积极推动构建数字化生态圈，考虑产业链、供应链、服务对象等利益相关方和监管方的需求。为此，建议与检验检测供应链数字化生态系统协同，促进计量、标准、认证认可、检验检测等国家质量基础设施数字化共性技术的创新与应用；联合专业的服务供应商、数字化提供商保障数字化应用的成效。助力产业数字化生态圈发展，研究产业数字化转型共性技术标准，服务和应用产业数字化平台，加强产业集群网络化协作，提升面向产业的检验检测数字化水平，并在确保数据安全的基础上，促进数字生态内的数据交互、共享和使用。 三 检验检测机构智能化典型应用场景 伴随着数字化转型和应用的逐步深入，检验检测智能化应用呈快速发展的态势，T/CCAA 88-2024同样以附件形式提供了三个典型应用场景。 3.1 智能客服 该应用场景通过智能对话框或客服机器人提供客户服务，结合客户画像和知识库处理日益增长的网络信息咨询、电话交易咨询和售前售后服务咨询需求。 智能客服需要通过海量训练数据，搭建智能语音模型，研发智能文字或语音对话算法，来应对复杂的文字或语言环境，依据检验检测大数据构建用户的“画像”，提前判断客户的意图，自动理解用户的文字或自然语言中包含的准确业务需求。 3.2 智能物流 智能物流主要包括“智能分拣”和“智能仓储”两个应用场景。其中，智能分拣是指通过检验检测样品智能分拣系统，实现实验室样品分拣、搬运环节的全流程自动化。在此应用场景中，通过各类拣选机器人、自动导引运输车（AGV）、智能仓库等组合，实现自动扫码获取样品信息，匹配预设目的地、实现自动投递样品；样品通过周转箱送达目的地，自动判断样品周转箱和送达目的地的容器是否盛满，自动变更容器目的地。智能仓储是指实现样品、物料自动存取和管控的应用场景。在此场景中，将人工智能、射频识别、智能传感等技术与立体库、AGV等仓储设备以及仓库管理系统相融合，实现样品和物料自动出入库和信息记录、库存可视化管理，以及库位和存储空间自适应优化。还可实现样品和物料存取作业和库房管理的少人化，提升库存管理效率和质量，降低库存成本，满足高效、精准和低成本库存管理及测试协同优化的需求。 3.3 智能测试 该应用核心场景主要包括机器人/人机协同智能检测、数字孪生实验室、智能化培训考核及智能化分析等。 机器人/人机协同智能检测是指智能传感、人工智能、深度学习等数字技术与传统检验检测手段深度融合，通过深度学习加强对检验检测数据的挖掘、分析和利用，形成智能、可持续、自我学习完善的检验检测业务神经网络系统和知识管理系统，实现从辅助分析到算法创新、从批量检测到个性化定制、柔性检测服务的人机协同生产模式。例如：采用智能识别技术自动识别被检测样品，快速获得大量信息，通过智能信息处理、智能信息反馈和智能控制处理的方式完成云端智能控制，调用检验检测知识库对检测结果进行处理，自动生成判定结果等场景。 数字孪生实验室是指利用物联网、人工智能、虚拟仿真等技术，通过传感器等从物理实体、实验环境等收集数据并进行数字化，为现实物体创建高度仿真的虚拟模型，通过处理感知系统的实时数据与历史运行数据，对实验室的检验检测活动进行分析、预测、控制和管理。数字孪生技术可应用在无损检测、虚拟仿真测试、缺陷检测与验证、结构优化与性能预测等场景。例如：可以远程进行试验控制和操作，或者在虚拟世界模拟客观事物在真实世界的测试结果。 智能化培训考核是指通过元宇宙的扩展现实（XR）技术，特别是虚拟现实（VR）技术等新技术的应用，检验检测机构可以重新构建和定义现代检验检测人员的培训和考核体系，充分发挥数字新技术的作用，模拟现实世界中的场景（如高危场景），使得培养出来的学员能真正适应复杂、多样的检验检测场景需要。 智能化分析是指利用人工智能和机器学习技术对大量数据进行自动化分析和解释的过程。包括分析预测、人工智能与机器学习等。分析预测（预警、结论预测）是指基于大数据引擎，对数据进行处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，并通过建立模型寻求现有问题的解决方案以及实现预测等。结合物联网技术在实验室中的广泛应用，通过治理、分析和挖掘实验室产生的大量数据，为实验室在客户服务、差异化深度服务、内部质量控制、耗材试剂管理等方面提供数据支撑。人工智能与机器学习是指通过融入自然语言处理（NLP）、人工智能自动生成内容（AIGC）等技术到检验检测的客户交互服务过程中，理解客户的业务和感性诉求，为客户提供更智能、个性化的服务体验。通过将机器视觉、数字传感、边缘计算等人工智能技术融入检验检测的业务流、质量流、数据流，与检测人员、装备、物料、环境等要素相互融合、对接，应用构建的分析模型；通过机器学习，实时识别、判断和定位实验室的检验检测活动现状与缺陷；实现提升检测效率、降低人工成本、减少人为干扰、全面提升检验检测机构的运营效率等效果。 四 检验检测机构数字化水平测评 T/CCAA 88-2024在借鉴相关领域数字化水平测评方法和经验的基础上，结合检验检测行业特点和数字化应用需求，建立了检验检测机构数字化水平测评指标体系和测评方法，并给出测评实例，检验检测机构可以明确其所处的数字化应用水平，从而实现持续改进的目标。 五 结语 检验检测机构数字化转型是一个长期的过程，建议机构研究制订契合自身发展需求和实际情况的数字化应用顶层设计，借鉴T/CCAA 88-2024提供的技术路线和方法，逐步提升数字化应用水平，并在积极探索应用场景的同时，积极扩大服务领域，不断提升服务能力和市场竞争力，最终实现产业升级、更好地服务经济和社会发展的目标。 [参考文献] [1] 全国信息化和工业化融合管理标准化技术委员会. 信息化和工业化融合 数字化转型 价值效益参考模型GB/T 23011-2022[S]. 北京∶中国标准出版社，2022∶1. [2] 中国认证认可协会. 检验检测机构数字化应用指南：T/CCAA 88-2024 [S]. 北京∶中国标准出版社，2024. [3] 全国认证认可标准化技术委员会. 合格评定 各类检验机构的运作要求∶GB/T 27020-2016 [S]. 北京∶中国标准出版社，2016. [4] 全国认证认可标准化技术委员会. 检测和校准实验室能力的通用要求∶GB/T 27025-2008[S]. 北京∶中国标准出版社，2008. [5] 全国实验室仪器及设备标准化技术委员会.智能实验室 信息管理系统 功能要求∶GB/T 40343-2021[S]. 北京∶中国标准出版社，2021.
