1. 实验自动化条码追踪工程导论

在自动化实验平台上，一次看似简单的“取样—加样—检测—归档”动作，背后往往同时存在四类对象在流动：样本、耗材、设备与数据。样本是实验的生物学或化学主体，例如一管血浆、一份细胞悬液、一块组织切片；耗材是承载样本或参与反应的一次性物料，例如冻存管、96孔板、吸头盒、试剂槽；设备是执行动作的自动化单元，例如机械臂、移液工作站、扫码器、离心机、PCR仪；数据则是贯穿全流程的记录，包括样本ID、板位坐标、体积、时间戳、设备状态与结果值。条码追踪工程要解决的，正是让这四类对象在自动化流程中始终“对得上号”。

如果没有条码追踪，自动化实验会退化为“盲跑”：机械臂知道自己在第几号板位加样，却不知道那个孔里是谁的样本；LIMS里记录着样本A已检测，但现场可能因为人工换板导致样本A与样本B的孔位发生错位。条码追踪的目标可以概括为三句话：身份可识别、位置可定位、过程可追溯。身份可识别，指每个样本管、每块板、每个试剂盒都有唯一编码；位置可定位，指编码与设备坐标系、板位坐标、孔位坐标建立映射；过程可追溯，指从样本接收、分装、检测到归档的每一次状态变化都留下带时间戳的事件记录。

但条码追踪并非“贴个码就完事”。它有明确的工程边界。第一，条码只解决“这是谁”和“它在哪里”，不直接解决“它是否合格”；样本质量、试剂效期、设备校准状态需要由其他系统或规则判断。第二，条码追踪依赖物理载体的可读性：管壁结霜、标签翘边、试剂污染、扫码角度偏差都会导致读取失败，因此必须设计容错与人工兜底路径。第三，条码编码规则一旦确定，就要在样本管、板架、设备、LIMS、中间件之间保持一致，否则会出现“同一管样本在不同系统里叫不同名字”的映射灾难。

为了把上述对象、目标与边界讲清楚，可以用一张关系图来观察样本、耗材、设备与数据流之间的连接方式。下图以“样本管—板架—工作站—LIMS”为主线，标出了条码在哪些节点被读取、在哪些节点被写入，以及数据流如何反向约束设备动作。

从图中可以看到，条码追踪不是单点技术，而是一条“物理对象—读取点—数据记录—反向约束”的链路。样本管上的条码在读取点1被采集，板架条码在读取点2被采集，工作站内的扫码器在读取点3再次确认孔位与样本的对应关系。每一次读取都会生成一条事件，写入LIMS或中间件。反过来，LIMS中的样本主数据又会约束工作站的移液路径：如果系统发现样本A应位于B2孔，而扫码结果显示B2孔是样本C，设备应暂停并触发告警，而不是继续加样。

本课程的项目与交付物也围绕这条链路展开。课程项目设定为一个“自动化样本分装与检测追踪”场景：假设有一个含24管样本的批次，需要经过扫码接收、板架装载、工作站分装到96孔板、检测读取、结果归档五个阶段。每个阶段都要求记录条码、时间、设备、操作员（或自动化任务ID）和状态。最终交付物包括：一份编码规则表，定义样本管、板架、试剂盒的编码格式与校验位；一份设备读取点清单，标明每台设备在什么动作前后读取哪个条码；一份事件日志字段定义，规定日志中必须包含的字段与数据类型；一份异常处理SOP，覆盖扫码失败、孔位错配、重复条码、标签破损四类常见异常；以及一组端到端测试用例，用于验证从样本接收到结果归档的追踪完整性。