4. 实验机器人调度问题分类与性能指标
实验机器人调度并不是一个单一问题。同样是“把实验任务分配给机器人”，在单台移液机器人与多台协作机器人之间、在任务集合提前确定与任务随时到达之间、在操作时间稳定与存在失败重试之间，调度模型和解法差异极大。因此，在动手写调度器之前，必须先回答两个问题：这个问题属于哪一类，以及用什么指标衡量调度结果的好坏。分类决定了建模方式，指标决定了优化目标，二者共同决定了后续算法的选择。
一、按机器人数量分类：单机器人与多机器人
单机器人调度指只有一台执行机构（如一台移液工作站、一台机械臂）承担全部实验操作。此时不存在任务争抢同一台设备的问题，调度退化为“任务排序 + 时间窗约束”问题：给定一批实验任务，每个任务有释放时间、截止时间和操作时长，机器人一次只能做一个任务，目标是让总完工时间最短或让超期任务最少。单机器人调度的核心矛盾是顺序——先做哪个、后做哪个，以及是否允许插队处理紧急样本。
多机器人调度则引入资源竞争与协同。多台机器人可能共享同一台检测仪器、同一个样本存放区或同一条物料传送通道，于是出现三类新约束：互斥资源（同一时刻只能一台机器人使用某设备）、空间冲突（两台机器人路径交叉需要避让）、任务依赖（任务 B 必须等任务 A 完成后才能开始）。多机器人调度的目标不再只是缩短时间，还要平衡各机器人的负载，避免一台忙死、一台空闲。
二、按任务信息确定性分类：静态与动态
静态调度假设所有任务在调度开始前已知，任务集合、操作时长、依赖关系都不再变化。它适合批量固定的实验，例如一次性排好 96 孔板的整板处理流程。静态调度的优点是可以用全局优化方法（如整数规划、遗传算法）离线求解，得到质量较高的排程。
动态调度则面对任务陆续到达、设备临时故障、样本需要复检等变化。此时调度器必须在运行中不断重排，常用策略包括事件驱动重调度（新任务到达即触发）、周期性重调度（每隔固定时间重算一次）和混合策略。动态调度的评价重点从“最优”转向“稳定”——重调度后原有任务的开始时间不应被大幅打乱，否则会引发样本超时或试剂浪费。
三、按不确定性来源分类：确定性与不确定性调度
确定性调度假设操作时长、成功率、设备状态都是已知常数。不确定性调度则要处理三类随机性：时间不确定性（移液、孵育、检测耗时存在波动）、结果不确定性（实验可能失败需要重试）、资源不确定性（设备可能故障、试剂可能不足）。处理方式通常有两种：一是鲁棒调度，在排程中预留缓冲时间，使计划对扰动不敏感；二是反应式调度，实时监测状态并动态调整。实验场景中，孵育和检测环节的时间波动往往最大，是预留缓冲的重点对象。
四、四类核心性能指标及其计算
分类确定后，需要把“调度好不好”量化。实验机器人调度最常用的四个指标如下。
完工时间（Cmax）指从第一个任务开始到最后一个任务结束的总时长。设任务 i 的完成时刻为 Ci，则 Cmax = max(Ci)。它直接反映一批实验需要占用机器人多久，是单机器人和多机器人调度都关注的指标。例如一批 8 个任务，若最后一个任务在 14:35 完成、第一个在 13:00 开始，则 Cmax = 95 分钟。
吞吐量指单位时间内完成的任务数，吞吐量 = 完成任务数 / 总时间。它与 Cmax 相关但不完全等价：如果任务可以并行或机器人有空闲等待，缩短 Cmax 不一定提升吞吐量。批量筛选实验常以“每小时处理多少块板”作为吞吐量指标。
设备利用率指设备实际忙碌时间占总可用时间的比例，利用率 = 忙碌时间 / 总时间。多机器人系统中，若一台机器人利用率 95%、另一台只有 30%，说明任务分配不均，应通过负载均衡调整。利用率过高（接近 100%）也意味着没有缓冲，一旦出现波动就容易全线延误。
实验成功率指成功完成的任务数占总任务数的比例。在存在重试和失败的不确定性场景中，它是比时间更重要的指标。例如 100 个样本中有 6 个因移液误差需要重做，最终 94 个成功，则成功率为 94%。调度时若把易失败任务安排在设备状态最稳定的时段，可提升该指标。
五、指标之间的权衡
四个指标往往互相冲突。压缩 Cmax 可能让机器人满负荷运转，利用率升高但缓冲减少，一旦某步超时就导致后续任务连锁延误，成功率下降；反之，为提升成功率预留大量缓冲，Cmax 和吞吐量都会变差。因此实际调度中通常采用加权目标：
目标函数示例（权重可按实验优先级调整）：
Score = w1 · (Cmax / Cmax_ref)
+ w2 · (1 / 吞吐量)
+ w3 · (1 - 设备利用率)
+ w4 · (1 - 实验成功率)
其中 w1 + w2 + w3 + w4 = 1
若该批次以“按时交付”为主，取 w1 = 0.5；
若以“结果可靠”为主，取 w4 = 0.5。