📚 课程目录第4章实验计划自动生成的需求分析与输入规范

4. 实验计划自动生成的需求分析与输入规范

实验计划自动生成系统的本质，是把“人脑中的实验安排意图”翻译成“机器可解析、可校验、可排程的结构化输入”。如果输入只是一段自然语言描述，例如“下周把三组样品都测一下，优先做加急的”，排程引擎既无法判断“下周”对应哪个时间窗口，也无法知道“三组样品”各自需要哪些仪器、耗材和人员资质。因此，需求分析的核心任务不是写需求文档，而是定义一套输入规范：把实验目标、资源清单、时间窗口、优先级与合规性要求，拆解为字段明确、取值受控、彼此可校验的数据结构。

本节围绕这套输入规范展开，先说明五类输入各自承担什么职责，再给出可落地的字段设计、示例数据与校验规则，最后说明它们如何共同构成排程引擎的输入契约。

一、五类输入的分工与依赖关系

实验计划的输入可以归纳为五个维度，它们不是并列的清单，而是存在明确的依赖与约束关系：

实验目标：回答“要得到什么结果”，决定实验任务集合与验收标准，是排程的起点。
资源清单：回答“用什么做”，包括仪器、工位、耗材、人员及其可用量与资质，是排程的容量约束。
时间窗口：回答“什么时候能做”，包括任务可执行区间、资源开放时段与不可用时段，是排程的时间约束。
优先级：回答“先做谁”，在资源冲突时决定取舍顺序，是排程的优化目标权重。
合规性要求：回答“必须满足什么”，包括安全、资质、环境、审批等硬约束，是排程的可行性边界。

其中，实验目标派生任务，任务引用资源与时间窗口，优先级在冲突时生效，合规性要求则对前三者同时施加过滤。任何一类输入缺失或格式错误，都会导致排程结果不可信。下图给出五类输入与排程引擎之间的结构化关系。

二、实验目标的结构化描述

实验目标不能停留在“完成某实验”这种模糊表述，而应拆解为可排程的任务单元。每个任务单元至少需要以下字段：任务标识、所属实验项目、样品数量、单次测量时长、重复次数、前置任务、验收指标。例如，一个材料性能测试实验的目标可以结构化为：

{
  "task_id": "T-2024-017",
  "project": "铝合金疲劳性能测试",
  "samples": 6,
  "duration_per_run_min": 45,
  "repeats": 3,
  "predecessors": ["T-2024-015"],
  "acceptance": {"metric": "疲劳寿命", "unit": "cycles", "threshold": 1e6}
}

其中 samples 与 repeats 共同决定总执行次数（6×3=18 次），duration_per_run_min 决定单次占用资源时长，predecessors 决定任务间的先后依赖。这些字段是排程引擎计算任务总时长和资源占用量的直接依据。若缺少 repeats，引擎只能按单次排程，导致计划严重偏短。

三、资源清单的字段设计

资源清单需要区分“资源类型”与“资源实例”。类型描述能力，实例描述具体可用对象。以疲劳试验机为例，类型字段包括：资源类别、所需资质等级、单次最大可用时长、是否可并行；实例字段包括：设备编号、当前状态、校准有效期、所在位置。人员资源同样需要资质字段，例如“疲劳试验操作资质”分为 A/B 两级，A 级可独立操作，B 级需 A 级人员在场。

资源清单中一个容易被忽略但影响排程可行性的字段是校准有效期。若某台设备的校准在计划执行期内过期，该设备在过期后自动不可用，排程引擎必须将其从可用资源池中剔除。因此资源清单应包含 calibration_valid_until 字段，并与时间窗口做交叉校验。

四、时间窗口与优先级的表达

时间窗口需要区分三个层次：任务可执行区间（最早开始、最晚结束）、资源开放时段（如设备仅在 8:00–18:00 开放）、资源不可用时段（维护、校准、已被占用）。三者取交集才是任务真正可排的时间范围。例如某任务可执行区间为 3 月 4 日至 3 月 8 日，设备开放时段为工作日 8:00–18:00，而 3 月 6 日设备维护，则实际可排窗口为 3 月 4、5、7、8 日的工作时段。

优先级建议采用“等级 + 权重”双字段设计。等级用于粗粒度排序（如 P0 加急、P1 常规、P2 可延后），权重用于同等级内的细粒度取舍（如 0.0–1.0 的连续值）。仅用等级会导致同等级任务无法区分先后，仅用权重则难以表达“加急”这类语义明确的硬性优先。两者结合，排程引擎可以先按等级分层，再在层内按权重排序。

五、合规性要求的硬约束表达

合规性要求与优先级不同，它是硬约束：不满足则任务不可排，而不是“尽量满足”。常见的合规字段包括：所需人员资质等级、所需设备认证状态、环境条件（温湿度、洁净度）、安全审批编号、样品处置要求。例如某实验要求洁净度达到 ISO 7 级，则排程引擎必须检查候选工位的洁净度字段是否满足，不满足的工位直接排除，而不是降低优先级。

合规性字段必须与资源清单、时间窗口做交叉校验。例如“人员资质 A 级”是合规要求，但资源清单中 A 级人员当天是否在岗、是否已被其他任务占用，属于时间窗口与资源可用量的联合约束。只检查资质字段而不检查可用量，会导致计划在逻辑上合规、在执行上冲突。

六、输入校验与最小可用输入集

在把输入交给排程引擎之前，应先做一轮输入校验。校验分为三类：完整性校验（必填字段是否缺失）、一致性校验（时间窗口是否与资源开放时段有交集、前置任务是否存在）、合规性预检（资质、认证、环境是否满足）。任何一类校验失败，都应返回明确的错误码和字段定位，而不是让引擎输出一个看似可行但实际不可执行的计划。

对于快速原型或教学场景，可以定义一套“最小可用输入集”：任务标识、样品数、单次时长、重复次数、所需资源类型、可执行区间、优先级等级、合规资质要求。这八个字段足以支撑一个基础排程引擎跑通端到端流程。随着场景复杂化，再逐步补充前置任务、校准有效期、环境条件等字段。

输入规范的设计原则是：字段可校验、取值可枚举、关系可推导。凡是排程引擎需要用来做判断的信息，都应以独立字段出现，而不是藏在自由文本里。例如“加急”不应写在备注中，而应体现为优先级等级 P0；否则引擎无法在冲突时自动取舍。

综上，实验计划自动生成的需求分析，实质是设计一份排程引擎能直接消费的输入契约。实验目标提供任务与验收标准，资源清单提供容量与资质约束，时间窗口提供可执行区间，优先级提供冲突取舍依据，合规性要求提供硬性过滤边界。五类输入通过字段级校验和交叉校验形成闭环，才能让自动生成的计划既可行又可解释。