业务中台促进集团企业数字化化转型

企业系统推广现状

目前，检验检测管理系统（LIMS）在提升企业实验室业务的规范管理、信息化和自动化水平做出了一定贡献，但集团企业在系统推广到整个集团的实验室时普遍遇到了一些困难，主要表现在系统重复建设、硬件资源浪费严重、存在数据孤岛、数据无法有效集聚、数据质量不高和不能产生有效的数据价值等。

解决方案--一体化实验室信息管理系统平台

在此背景下，北京三维天地 科技 股份有限公司，在传统单体架构实验室信息管理系统（“LIMS”）的基础上，打造了业务中台架构的集团型一体化的LIMS系统平台。将各地域、各业务条线实验室的共性需求进行整合，形成业务中台，如检测任务管理中心、校准业务管理中心、样品管理中心、原始记录管理中心、报告证书生成中心、人员管理中心、仪器管理中心等。

各地域和各业务条线前台访问的系统是由业务中台提供的各个服务中心进行组合，并根据各地域和业务条线的个性化需求进行简单配置，形成该业务条线的前台访问应用。将来如果扩展新的实验室，则调用业务中台的服务，再根据个性需求进行简单配置，即可形成新实验室的LIMS系统。并且如果有新能功能需要扩展，只需要更新扩展业务中台，则所有的实验室都可进行使用。

一体化LIMS系统平台还有助于各实验室间的数据进行有效贯通，形成各个业务条线的检验检测数据的有效积累，提升数据质量，实现构建并积累企业“全”“统”“通”的数据资产，包含针对研发的研发数据中心数据库、针对供应链的质保数据中心数据库和针对整个集团的数据库。

只有基于高质量的数据资产，企业才可能实现数据业务化，利用高质量的数据资产为企业进行赋能。

如统一各个实验室检测资源管控，提升检测资源利用水平，推进检测设备、人员等资源开放共享，提倡协同检测；为生产部门提供“一站式”服务，为开展质量监测分析，找差距、补短板，解决制约质量瓶颈问题提供数据支撑；方便业务人员和部门快速精确查找他们想要的数据，帮助他们了解数据，为企业提供研发方案数据分析、产品质量数据监控和产品质量数据分析等服务，推动产业高质量发展；利用大数据分析引擎，强化业务场景数据建模，加深数据与业务线的融合，催生数据场景化，深入挖掘数据价值，提升数据洞察能力，提升数据服务水平，实现数据赋能业务发展，驱动业务创新，实现集团数据智能决策，推动企业精细化管理变革等。

图：系统功能架构

应用效果

业务中台架构突破了集成和互联的概念限制，通过灵活的服务组合方式构建适应按专业、按地域、按组织架构等不同需求的应用系统，实现在一个系统框架下系统功能和构成的弹性收缩，在降低系统复杂性、降低系统建设成本、提升系统水平扩展能力、提升系统访问效率等方面具有显著成效。并且所有业务条线和地域的实验室都在一个系统平台中，可以应用该系统平台，实现统一委托和所有实验室资源的统一调度，提升实验室服务客户质量和资源的利用率。

图: 系统逻辑架构

第一部分，针对委托方，统一委托登记入口。内外部的委托方都通过客户服务管理系统进行委托，委托方只需登记样品信息、检测需求、检测时限要求等信息即可，由系统进行业务调度，分配满足要求的实验室。委托方还通过该系统，进行查看进度、查看检测数据、查看检测能力、下载报告、缴费等。

第二部分，针对管理委员会，由实验检测事业部人员负责，建议由各个实验室管理人员和业务专家组成管理委员会，主要负责业务调度、数据标准管理和监管监控。委托方填写委托后，由系统通过检测能力、时限要求、就近原则和各实验室人员、设备等资源排期情况等算法，自动分配实验室，管理委员会负责审核和手工调配任务，并负责各实验室运行情况的监管监控。要达到这一目的，各个实验室的数据标准必须统一，所以管理委员会还负责统一各实验室数据标准。

第三部分，针对各个实验室和业务条线，搭建实验室信息管理系统群（该系统群使用上文中的微服务架构进行搭建），管理各个地域和业务条线的业务活动，积累大量各实验室检验检测的数据，不断提升实验室管理水平和工作效率。

第四部分，统一各个实验室的数据标准，是实现统一委托、统一调度的基础。需以相关检验检测信息化标准体系为基础，统一数据库标准，搭建检验检测信息标准数据库字典；规范公司各实验室检验检测标准编码规则，做到检验项目分类、检验项目、检品类型、业务类型等各类编码规则的标准化管理；将按国家标准、地方标准等类别进行模板化、结构化，形成检验标准库；统一原始记录与检测报告格式，实现原始记录与检测报告的模板标准化。

结束语

基于业务中台的实验室信息管理系统架构设计通过“化整为零”的思路，将构成复杂的大型分布式系统划分为以服务为单元的基础单元，实现灵活可靠的系统管控。

该架构很好的解决了当前综合性实验室和集团化企业下属的所有实验室建设LIMS系统所面临的问题，在提升实验室资源利用率、服务客户质量等方面具备显著的应用效果，并且形成了各个业务条线的检验检测数据的有效积累，提升了数据质量，实现了构建并积累企业“全”“统”“通”的数据资产。