1. 课程导入与全景认知
在材料、化学、生物、半导体等实验密集型研发场景中，数据往往分散在LIMS、电子实验记录本（ELN）、各类分析仪器工作站、Excel台账以及自研脚本里。单点工具能解决"某一台仪器数据怎么采"的问题，却很难回答"这批实验数据能不能直接用于建模、放行或对外交付"。实验数据质量平台集成工程要解决的正是后者：把分散的数据源、质量规则、校验流程与质量结果，通过标准化接口和统一元数据组织成一个可持续运行的系统，让"数据是否可信"成为可查询、可追溯、可自动判定的工程能力。
一、定义与目标
可以把这门工程理解为三层含义的叠加：集成是手段，负责把异构数据源接入并统一表达；数据质量是核心对象，指完整性、准确性、一致性、及时性、唯一性、有效性这六个维度在实验数据上的具体落地；平台是载体，提供规则配置、任务调度、质量评分、问题闭环与质量报告等能力。
其目标不是"把所有数据都收上来"，而是建立一条从数据产生到质量结论的可信链路。典型可量化目标包括：关键实验批次的数据完整率≥99%，仪器原始文件与解析结果的一致率100%，质量异常从发现到定位的平均时间从人工的半天缩短到分钟级，以及每个交付数据集都能附带一份可复现的质量报告。
二、边界：做什么，不做什么
边界不清是集成项目最常见的失败原因。本平台负责：数据接入适配、元数据登记、质量规则执行、质量评分与分级、异常工单流转、质量报告生成与版本留痕。不负责：替代LIMS/ELN的业务流程、替代仪器厂商软件做原始信号处理、替代统计建模工具做算法训练、以及承担业务系统的权限主数据管理。换句话说，平台是"质量裁判与质检流水线"，不是"运动员"。
三、典型场景
- 多仪器数据汇聚：同一批次样品在XRD、SEM、电化学工作站上产生不同格式文件，需要统一登记到同一实验批次下并校验样品编号一致性。
- 建模前数据准入：算法团队提交数据集前，平台自动执行缺失值、量纲、异常值、重复记录检查，输出准入结论。
- 对外交付质量背书：向客户或监管方交付数据时，附带质量评分、规则版本与执行时间戳。
- 历史数据治理：对存量Excel台账做批量质量扫描，生成问题清单并分派整改。
四、整体集成架构
下图给出本节的核心全景：左侧是数据源层，中间是集成与质量处理层，右侧是消费与反馈层。数据自左向右流动，质量结论与整改结果反向回流，形成闭环。
五、集成工程的关键判断依据
架构落地时，有三个参数最值得先确定，它们直接决定后续工作量与质量结论的可信度。
| 关键参数 | 含义 | 示例取值 | 影响 |
|---|---|---|---|
| 接入时效 | 数据产生到平台可见的时间 | 实时≤5min / 批量T+1 | 决定及时性规则阈值 |
| 质量评分权重 | 六维度加权系数 | 完整性0.3、准确性0.25、一致性0.2、其余各0.083 | 决定等级判定结果 |
| 准入等级线 | 允许进入建模/交付的最低等级 | B级（≥80分） | 决定数据能否放行 |
以一批XRD数据为例：若10个样品中2个缺失原始文件，完整性得分按"已登记文件数/应登记文件数"计算为80%；若其中1个样品编号与LIMS不一致，一致性扣分。假设六维度加权后总分为76分，则判定为C级，低于B级准入线，平台自动生成异常工单并阻断该批次进入建模数据集。这一判断过程完全由规则引擎执行，人工只需处理工单，而非逐条核对。