用于实验室设备的自动排程器的制作方法

本发明涉及用于为自动化实验室设备提供操作程序的方法和系统。

背景技术：

在当今的实验室环境中，可以部署用于执行各种任务的自动化实验室设备。自动化实验室设备可以接收样品和命令。这些命令描述了在每个样本上执行哪些规程。可能会发生并行处理多个样本，例如用以增加处理量或缩短获取结果的时间。为了执行规程，会需要多个资源，诸如仪器资源(例如，样品架和反应容器的运输系统，带有移液管以转移和配量样品和/或试剂液体的机械臂，流体混合器，培育器位置，光电检测器位置等)，和消耗性资源(例如，试剂，一次性流体载体，诸如试管、反应容器、多孔板，或者样品流体和试剂的其它流体载体，一次性移液管吸头，等等)。使用这些资源处理命令的顺序称为过程。由于多个过程(每个过程处理一个规程)完全或部分地并行运行，并且共享一些资源，所以实验室设备的资源活动模式可能相当复杂。这种复杂性可能因苛刻的配时窗口(例如为了在分析仪中进行化学反应)以及因避免例如结转而定义的规则或所请求命令的优先级而变得更大。因此，开发和运行自动化实验室设备的操作程序非常具有挑战性。

技术实现要素：

在第一总的方面，一种用于提供自动化实验室设备的操作程序的由计算机实现的方法，包括：接收至少一个命令，每个命令要求在所述自动化实验室设备上执行一个以上规程；使用所述自动化实验室设备的一个以上资源描述、所述自动化实验室设备的一个以上规程描述、目标函数以及所述至少一个命令，生成一个以上优化问题实例，所述一个以上资源描述描述存在于所述自动化实验室设备中的资源以及所述资源的性能和约束，每个规程描述描述所述自动化实验室设备能够执行的规程，每个规程描述包括由所述自动化实验室设备执行的一个以上规程步骤的定义，每个规程描述包括在所述实验室设备上执行所述规程步骤时要遵守的一个以上约束，所述目标函数定义所述自动化实验室设备的操作程序的优化目标，所述方法进一步包括：将所述一个以上优化问题实例作为输入提供到约束优化解算器；所述约束优化解算器处理所述一个以上优化问题实例，生成在所述自动化实验室设备上执行所述至少一个命令的操作程序。

在第二总的方面，实验室网络包括自动化实验室设备和被构造成执行第一总的方面的步骤的计算机系统。

第一和第二总的方面的主题的具体实施例能够实施，以实现以下优点中的一个以上优点。

首先，在某些例子中，本发明的技术能够允许快速且灵活地生成用于自动化实验室设备的操作程序。

例如，通过使用对自动化实验室设备建模的优化问题实例和(可能是通用的)约束优化解算器，可以在没有或几乎没有关于要生成的程序结构的现有知识(即，排定问题的解)的情况下生成所述程序。

在一些现有技术的排程器中，使用预定的操作模板(例如限定何时可以执行特定操作的模板)。这些规程定义为使得它们可以安装到预定的模板中。在运行时间(例如，在一个以上命令到达时)，所述程序将执行命令所需的相应规程安装到预定模板中。这些排程器的程序质量可能强烈依赖于预定模板。此外，不可以直接地修改排程器，以例如包括新的规程，在不同的自动化实验室设备上操作，或者改变自动化实验室设备的参数(例如，移液时间或者培育持续时间)。这样的过程可能要求有经验的用户参与，他们对于相应的自动化实验室设备或者用以制备新模板的大量试错工作有深入了解。

在一些示例中，本发明的技术可以改善或甚至克服这些问题。资源和规程描述可以以相对直截了当的方式进行修改，而适应于不同的实验室设备、自动化实验室设备的改变的设计，或者改变的规程。可以不需要提供有关排定过程潜在解的信息。另外，约束优化解算器可以在发生上述变化之一发生之后重新运行，而不需要(大量)修改解算器。

例如，解算器的第一次运行(或多次运行)可以生成经过优化以产生高处理量的程序。在后面时间点，高优先级的命令可能会到达实验室。在这种情况下，可以触发约束优化解算器的重新运行，使程序适应这种新情况。更新后的程序可以尽快处理高优先级的样品。

如在该示例中一样，在一些示例中，本发明的技术可以允许适应多种其他情况。优化问题实例生成过程的基础结构可以保持(基本上)不变。此外，设计者可以在不考虑优化过程的解的结构的情况下，改变或补充资源描述、规程描述和目标函数。

以相同的方式，可以考虑多个装置或包含多个自动化装置的实验室环境。当像现有技术的排程器中针对排定过程使用预定模板时，可能就不是这种情况了。下面将讨论本发明技术的灵活性如何允许实验室设备改进操作的其它示例。

其次，本发明的技术在一些示例中可以用于生成使得自动化实验室设备运行更快、实现更高的处理量或者有效地运行更多资源(或这些优点中两个以上的组合)的程序。

第三，本发明的技术可以用于模拟自动化实验室设备的排定操作。以这种方式，本发明的技术可以有助于开发自动化实验室设备。例如，可以基于利用本发明技术的模拟结果，来选择或改变自动化设备的组件的布置和布局。以相同的方式，可以通过使用本发明的技术，来开发自动化实验室设备操作的规程、工作流程或模板。此外，可以通过使用根据本发明的模拟，来测试自动化实验室设备和规程和工作流程的设计。

在本发明中，诸多术语以特定方式使用：

本文所用的术语“自动化实验室设备”可以指在实验室工作中，例如在临床、化学、生物、免疫学或药物领域等中使用的任何种类的自动化或半自动化技术装置。这种实验室装置可以包括用于执行流体转移和配量、流体均化(混合)、温度控制以及化学或物理参数测量的部件。例如，这些装置可以包括流体分配部件(例如，移液管或阀)、搅拌器、调温装置、振动器或搅拌器。

在其他示例中，自动化实验室设备可以包括分析系统，或者分析系统或分析仪的工作单元。例如，自动化实验室设备可以是用于分析样品的机械特性、光学特性、化学特性或生物学特性的分析仪。

“自动化实验室设备”不一定位于专门的实验室。相反，该术语还包括用于进行分析过程的独立实验室设备，例如在临床、化学、生物学，免疫学或制药领域。例如，在诸如医师诊所或药房的护理点设施中的台式装置或者用于家庭使用的装置也可以是根据本发明的自动化实验室设备。

本文所用的“自动化实验室设备”包括控制单元或控制器，所述控制单元或控器在操作上可联接到到一个以上分析工作单元、分析前工作单元和分析后工作单元，所述控制单元可操作以控制工作单元。此外，控制单元可以操作用以评估和/或处理收集的分析数据，用以控制样品针对任何一种分析仪的加载、存储和/或卸载，用以初始化为进行所述分析等制备样品、样品管或试剂等所用的分析系统的分析或硬件或软件操作。

在一个示例中，自动化实验室设备可以是被构造成在实验室环境中运输样品的运输系统。

本文所用的术语“分析仪”/“分析工作单元”涵盖可以测量样品的物理或化学特性的任何设备或设备部件。在一些实例中，该装置可以被构造为引起生物样品与试剂的反应，用于获得测量值。

分析仪能够操作以通过各种化学、生物、物理、光学或其他技术步骤来确定样品或其组分的参数值。分析仪可以操作以测量样品或至少一种分析物的所述参数，并返回所获得的测量值。分析仪返回的可能分析结果的列表包括但不限于：样品中分析物的浓度，表明分析物在样品中的存在的数字(是或否)结果(对应于高于检测水平的浓度)，光学参数，图像，细胞或粒子数，dna或rna序列，从蛋白质或代谢物的质谱学结果获得的数据，以及各类型的物理、机械、光学、电气或化学参数。分析工作单元可以包括有助于样品和/或试剂的移液、配量和混合的单元。分析仪可以包括用于保持试剂进行测定的试剂保持单元。试剂可以例如以包含单个试剂或一组试剂的容器或盒的形式布置，其被放置在适当的储器中或放置在储存室或传送器内的适当位置。它可以包括消耗品进料单元。分析仪可以包括其工作流程针对某些类型的分析进行优化的处理和检测系统。这种分析仪的实例是临床化学分析仪、凝血化学分析仪、免疫化学分析仪、尿液分析仪、核酸分析仪，其用以检测化学或生物反应的结果，或用以监测化学或生物反应的进展。

本文所用的术语“工作流程”涵盖任何包括多个步骤的任务，例如用于系统或其系统部件之一的维护或操作。

本文所使用的术语“工作流程的步骤”或“工作流程的任务”涵盖属于工作流程的任何活动。该活动可以具有基本特性或复杂特性，并且通常在单一的自动化实验室设备处执行，或借助于单一的自动化实验室设备执行。“工作流程”可以包括在自动化实验室设备中进行的所有处理步骤，或仅包括任务的一部分(例如，在某些情况下，与排定相关的那些任务)。

本文所用的术语“通信网络”涵盖任何类型的无线网络，诸如wifi、gsm、umts，或者其它的无线数字网络，或诸如以太网等基于有线的网络。特别是，通信网络可以实现因特网协议(ip)。例如，通信网络包括基于有线的网络和无线网络的组合。

“控制单元”或“控制器”以自动化系统进行处理规程的必要步骤的方式来控制自动化或半自动化系统。这意味着控制单元可以例如指令自动化系统进行某些移液步骤，将液体生物样品与试剂混合，或者控制单元控制自动化系统，将样品混合物温育一定时间等。控制单元可以从数据管理单元接收关于与特定样本一起需要执行哪些步骤的信息。在一些实施例中，控制单元可以与数据管理单元集成在一起，或者可以由公共硬件实现。控制单元可以例如被实施为可编程逻辑控制器，该可编程逻辑控制器运行具有根据处理操作计划执行操作的指令的计算机可读程序。控制单元可以被设置为控制例如以下操作中的任何一个以上：加载和/或消耗和/或洗涤比色皿和/或移液管吸头，移动和/或打开样品管和试剂盒，移取样品和/或试剂，混合样品和/或试剂，洗涤移液针或吸头，洗涤混合桨，控制光源(例如，选择波长)，等等。特别是，控制单元可以包括排程器，用于在预定义的周期时间内执行步骤序列。控制单元还可以根据测定类型、紧急程度等来确定待处理样品的顺序。

术语“样品”是指可能含有感兴趣分析物的材料。样品可以获自生物源，例如生理液体、组织、培养细胞等，生理液体包括血液、唾液、眼晶状体液、脑脊液、汗液、尿液、粪便、精液、牛奶、腹水、粘液、滑液、腹膜液、羊膜流体。生物样品可以在使用前进行预处理，例如从血液制备血浆。处理方法可以包括对含有感兴趣分析物的样品组分进行离心、过滤、蒸馏、稀释、浓缩和/或分离，使干扰成分失活，以及添加试剂。样品可以按从所述源获得时的原样直接使用，或者在预处理改变样品性质后使用。在一些实施例中，初始固体或半固体的生物材料可以通过用合适的液体介质溶解或悬浮而变成液体。在一些示例中，样品可能怀疑含有某种抗原或核酸。

术语“命令”包括使自动化实验室设备以自动化或半自动化方式执行特定任务的任何请求。例如，命令可以是要求对一个以上生物样品进行一个以上测定的请求。

附图说明

图1示出了根据本发明的排程器结构示意图。

图2示意性地示出了根据本发明的自动化实验室设备的操作程序。

图3示意性地示出了根据本发明的自动化实验室设备的操作程序的动态适应情况。

图4示出了根据本发明的规程的示例建模。

图5示出了根据本发明的优化问题实例生成过程的一部分。

图6a至图6c示出了根据本发明改变目标函数时获得的示例操作程序。

图7是根据本发明的示例自动化实验室装置的示意图。

具体实施方式

随后将更详细地讨论为自动化实验室设备提供操作程序的方法和系统。

首先，将结合图1给出关于排程器结构的概述。随后，将结合图2和图3讨论使用本发明技术的不同方面。接下来，结合图4至图6，将给出本发明排程器结构的其他细节。最后，将结合图7更详细地讨论示例性的自动化实验室装置及其建模。

图1示出了根据本发明的排程器结构示意图，其包括自动化实验室设备1的模型。该模型包括一个以上资源描述4和一个以上规程描述3。所述排程器还包括目标函数6和约束优化解算器2(此处也称为约束优化解算器模块)。约束优化解算器2或约束优化解算器模块可以是优化模块的一部分，如图1所示。此外，排程器还接收包括至少一个命令的命令列表7，作为程序生成过程的一部分。

数学模型1包括资源描述4和规程描述3以及命令列表7和目标函数6，被用于生成一个以上优化问题实例。所述一个以上优化问题实例被提供给约束优化解算器2，约束优化解算器2为所述一个以上优化问题实例生成操作程序8。

排程器的不同组成部分具有以下功能：命令列表7包括要由自动化实验室设备执行的至少一个命令(例如，多个命令)，每个命令涉及执行一个以上规程。例如，命令列表可以定义要由自动分析仪对一个样品或一批样品进行的多个测定。

每个规程描述3描述了自动化实验室设备可以执行的规程。规程描述3包括对要由自动化实验室设备执行的一个以上规程步骤以及在自动化实验室设备上执行规程步骤时要遵守的一个以上约束进行的定义。

例如，规程可以是一个特定的测定法，其涉及下面多个步骤：向样品中加入试剂，使混合物均质化，输送混合物，培育所述混合物，对混合物进行光学测量。

约束可以例如定义步骤的顺序、步骤的最短和最长持续时间，以及两个步骤之间的最短和最长时间。规程描述3可以与诸命令在程序中如何排程无关地描述自动化实验室设备执行的规程。换句话说，对规程描述3的定义不需要有关解算器生成的(潜在)程序解的信息。

每个资源描述4描述了自动化实验室设备中存在的一个以上资源以及所述一个以上资源的能力和约束。例如，一个资源描述4可以描述分配装置(例如，移液管)。该分配装置的约束可能是它仅能够处理某一部分的流体，例如仅能处理(某些)样品试剂，以及/或者仅能够处理某一部分的体积范围(例如，仅能处理50至100μl，或仅能处理110至200μl)。

在一些示例中，资源描述4专用于特定的自动化实验室设备。资源描述4可以与诸命令在程序中如何排定无关。换一种说法，对资源描述4定义不需要有关解算器生成的(潜在)程序解的信息。

目标函数6定义了要通过自动化实验室设备的操作程序实现的优化目标。

在一些例子中，本发明的技术还包括获得一个以上特殊规则和例外5(在本文中也简称为“例外”)，其定义了自动化实验室设备如何处理一个以上特定情况。在一些示例中，所述特殊规则和例外5也可以被定义为资源描述4的一部分。例如，所述一个以上特定情况包括与第一命令关联的物质(例如，样品或试剂)被结转到另一命令过程的情况。在一个实例中，特定过程可能对于特定试剂的污染是非常敏感的。

在其他例子中，所述一个以上特定情况包括：某资源在执行完特定任务后处于可能影响其他后续任务处理的某一状态的情况。例如，某个特定传感器在执行完第一类测量之后，可能不会立即处于执行第二类测量的状态。

下面将讨论关于图1所示组成部分及其实现的进一步细节。

在收到了用上述基本部分生成的一个以上优化问题实例之后，约束优化解算器2处理所述一个以上优化问题实例，生成在自动化实验室设备上执行多个命令的操作程序8。如图1所示，约束优化解算器2可以是通用约束优化解算器模块。

例如，约束优化解算器模块可以使用包含优化算法和启发式方法的程序包中的一种或其组合。解算器程序包的示例是cplexcpoptimizer(ibm)，cplexoptimizer(ibm)，gurobioptimizer(gurobi)，eclipse和cbc。优化算法和启发式方法的示例是分支和绑定、分支和价格以及穷举搜索算法，本地搜索，建构性算法，进化算法，蚁群优化和机器学习算法。

换一种说法，约束优化解算器模块2可以不包括关于所建特定自动化实验室设备模型的信息。此外，约束优化解算器模块2可以不接收与操作程序的解或部分解相关的任何模板。

在其他示例中，模型1包括强制约束优化解算器搜索具有重复模式的解的一个以上约束。在这种情况下，不对资源活动发生的确切时间进行规定，该确切时间可以通过解算器优化，但要限定的是程序应匹配重复模式。因此，可以在设计时间期间计算出模式。这种模式可以固定地上传，不需要运行时间资源约束求解。在运行时间，所指令的规程可以根据重复模式组配(例如，通过自动分析仪)。根据重复模式组配所指令的规程可以是(简化的)优化问题。在一些示例中，可以使用通用优化器模块。在其他示例中，可以编写根据重复模式组配命令的专用软件例程。

可以以多种方式进一步处理操作程序8。在一个示例中，自动化实验室设备可以接收操作程序8，并根据所述程序执行操作。例如，上述过程可以在程序生成之后或者在用户输入时(例如，在操作者已经发布程序之后)自动发生。在一些示例中，自动化实验室设备可以严格地根据操作程序8执行操作。然而，在其他情况下，自动化实验室设备进一步处理操作程序8。例如，自动化实验室设备可能不一定严格遵循操作程序8，而是改变操作程序8(有意或无意)。例如，自动化实验室设备可以被配置为只是大致在时间上遵循限定的程序，为偏差留有一些余地。

作为补充或作为替代，可以将操作程序8处理成可以在用户界面上输出以供用户检查的图形表示。例如，操作程序8可以表示为图2或图3所示的甘特图。

简要介绍了本发明排程器的诸组成部分之后，将结合图2和图3讨论使用本发明技术的不同技术。

一般来说，本发明的技术可以用于模拟自动化实验室设备的行为以及为实际的自动化实验室设备生成程序。后一种情况包括在自动化实验室设备的设计时间或配置时间期间(例如，在样品处理开始之前)或在自动化实验室设备的运行时间期间生成程序。

在一个例子中，操作程序是在自动化实验室设备的仪器软件开发或设计时间期间生成的。在其他例子中，操作程序是在自动化实验室设备的操作程序开发或设计时间期间生成的。例如，在开发或设计时间期间生成的程序可以作为要在自动化实验室设备的运行时间期间使用的预定义程序应用在自动化实验室设备上。

从图2能够看出，由约束优化解算器确定的程序8可以在特定时间将自动化实验室设备的资源9分配给特定任务。在图2中，示例性的自动化实验室设备包括八个不同的资源。属于不同命令的步骤以具有不同阴影线的条示出。例如，资源#1被排定为执行属于四个不同命令的任务。在一个例子中，资源#8可以是培育器。在预定的时间点，作为特定命令的一部分，培育器被排定对要处理的样品进行培育操作10。从图2能够看出，该程序限定了自动化实验室设备的资源9的操作顺序和定时。

如上所述，本发明的方法可以包括向用户显示程序8(例如，显示在图形用户界面上)。为了这样做，本发明的技术可以包括将程序中的信息变换成图形表示(例如，图2或图3所示的甘特图或3d动画)。然而，可以以限定操作序列的不同的其他形式来表示程序。

在一些例子中，程序可能仅传送到自动化实验室设备的控制器或其模拟器中，允许根据程序来控制操作。在这些示例中，可以不生成程序信息的图形表示。程序可以仅包括与执行自动化实验室设备上机器可读格式的多个命令的操作序列有关的信息。例如，程序可以是定义自动化实验室设备资源的一系列操作的表格或列表。

在一些示例中，本发明的技术可以包括在程序中为特定资源留下空白。这可以便于在新的命令到达后填充在现有程序中。

在讨论了程序结构之后，下面将提供本发明技术应用的几个示例。

从图3可以看出，本发明的技术可以包括多次运行约束优化解算器以更新程序。例如，在接收到了多个命令之后(例如，预定数量的命令—这种技术也称为批处理)，或者在一段时间间隔过去之后，约束优化解算器运行第一时间，并且生成用于自动化实验室设备的操作程序8a。

自动化实验室设备可以根据所述程序开始处理命令。然后，在后面的时间点，收到一个或多个另外的命令。响应于接收到该另外的命令，约束优化解算器运行第二时间，并且生成用于自动化实验室设备的更新的操作程序8b。从图3可以看出，在一些示例中，该更新的程序不仅增加了新接收的命令，而且还重新排定了之前已经排定但其处理尚未启动的一些命令的操作。以这种方式，本发明的技术既允许对分批式命令接收进行排定，也允许对连续接收的命令进行排定。

在自动化实验室设备的后续操作过程中，其他命令可能会到达。通过响应于这些其他命令中的一个以上来重新运行约束优化解算，可以更新程序。在一个示例中，通过响应于每个命令的接收而重新运行约束优化解算器，程序被连续地更新。在其它示例中，仅在已经接收到预定数量的命令(例如，1至5000个之间或6到2000个之间的命令)之后，才重新运行约束优化解算器。

在批处理的一个例子中，约束优化解算器运行第一次优化，之后，计算出的程序的一部分或整个程序是固定的(或者程序的任何部分均不固定)，。其余部分的程序被发布。然后，所发布部分的程序中全部或部分的相应命令被包括在下一次优化或没有相应命令被包括在下一次优化中，由此从第一次优化生成的固定部分作为不可利用的资源置于下一次优化中。

对于下一批次来说固定的或可再次发布的命令数量以及批量大小，可以是恒定的，或对于各批次运行来说是变化的。在某些情况下，例如由于非常早的触发，所有的命令都可以被重新排定(例如，在发生错误的情况下，或者在排定的处理开始之前到达了非常紧急的命令时)。

并不是程序中没被固定的部分中的所有命令均需要被吸收到新程序中。例如，当一组新的高优先级命令可能到达并且解算器可能仅以有限数量的命令(例如，10个命令)重新运行时。在这种情况下，可能首先包含新的高优先级命令，并且可以用旧的命令填充该组新命令。

在图3的示例中，约束优化解算器的第二次运行(或任何另外的运行)由接收到一个以上新命令而被触发。作为补充或作为替代，其它事件能够触发约束优化解算器的重新运行，以生成更新的程序。

在一个示例中，约束优化解算器在经过了预定时间之后重新运行。

在其它示例中，能够通过检测到自动化实验室设备的一个以上外部状态或内部状态而触发重新运行。例如，操作者或者系统可以接通或切断某些资源，或者某些资源能够在系统的保养、改变或者更换期间进行更换。在这些示例中，约束优化解算器能够重新运行，以生成资源减少、增加或者改变了的新程序。在其它示例中，如果发生错误(例如，自动化实验室设备的特定资源出现故障)，则这种情况的信号可以自动地被发送到排程器，并且作为响应，可以生成新的程序。在其它示例中，内部状态可以是自动化实验室设备的一个以上工作不正常。

外部状态可以包括另一自动化实验室设备或者本自动化实验室设备所处的实验室环境的工作负载或者状态(例如，在预定时间上所存在的实验室人员的数目)。

响应于这些触发状态，可以改变资源描述(或者模型的其它部分)和/或目标函数。例如，可以改变自动化实验室设备的资源描述，以说明出现故障的资源(例如，移液头)。另外，可以改变目标函数，并且可以改变“最大化”处理量的最初目标，以“节省尽可能多的命令”。

在一些示例中，例如，如果发生错误，则可以不按顺序处理所有命令。在本示例中，一些命令可以牺牲(终止)，以释放资源来处理其它的、可能更重要的命令。

在另外的一些示例中，约束优化解算器在目标函数被改变了之后重新运行。在用户输入时或者响应于检测到自动化实验室设备或者实验室环境的特定状态，可能发生这种情况。

列举的这些示例表明，本发明的技术能够允许自动化实验室设备可以灵活地适应于不同情况。这可以改善自动化实验室设备操作的诸多方面(例如，处理量、出结果所用时间、自行处置时间，以及资源消耗)。总体上，重新运行的触发能够自动地发生(即，无需自动化实验室设备操作者的参与)。

在前面部分中，讨论了在运行时间执行本发明技术的若干示例。在其它示例中，程序的生成可以发生在自动化实验室设备的设计或配置时间期间。

在其它的一些示例中，在模拟自动化实验室设备时生成操作程序。这一情况将随后讨论。

如上述已经解释的那样，本发明的技术可以包括使用模型，该模型包括自动化实验室设备的资源描述和能够独立于(预期或期望的)操作程序的规程。在这种方式中，用户可以修改模型的特征(例如，资源描述和规程描述)，并且运行约束优化解算器，以模拟自动化实验室设备的行为。由此，可以针对新设计的仪器以及现有的仪器开发和测试自动化设备的新规程或者实验室工作流程(例如，用另外的或者改变的规程更新仪器之后)。

作为补充或作为替代，可以模拟新的和/或修改的自动化实验室设备。例如，用户能够将部件(例如，另外的移液管)添加到现有的自动化实验室设备模型。使用修改的模型作为约束优化解算器的输入，可以研究实验室设备的行为。

在其它的一些示例中，可以通过模拟研究现有实验室设备的特征。例如，在由本发明技术生成的程序中，可以发现现有实验室设备的性能瓶颈。作为补充或作为替代，基于本发明技术所生成的程序，可以估计现有实验室设备的资源消耗(例如，试剂或者其它消耗品)。

在先前部分中，给出了根据本发明的许多使用情形。接着，将结合图4至图7讨论模型的方面。

为了举例说明的缘故，这些部分中还包括代码示例。这些代码是以能够用ibmilogcplexoptimizer处理的形式编写的。ibmilogcplexoptimizer解算了整数规划问题，使用单纯形法或障碍内点法的原始或对偶变体解算了大型线性规划问题，解算了凸和非凸二次规划问题，以及凸二次约束问题(通过二阶锥规划或socp求解)。然而，本发明的技术不限于该特定(通用)约束优化解算器。相反，模型和目标函数也可以被实现为通过其他(通用)约束优化解算器(如上所列)来处理。

首先讨论规程描述。图4描绘了根据本发明的一个示例性的规程描述。通过规程描述所描述的规程可以涉及自动化实验室设备可以对样品执行的任何测定或其他测试。在其他示例中，规程可以涉及样品的制备或操作。在其他示例中，规程可以涉及自动化实验室设备的清洁、测试或维护操作。

在图4中能够看到，规程描述包括对规程中所包括的多个规程步骤31a-31d以及在自动化实验室设备上执行所述规程步骤时要遵守的一个以上约束32a-32g的描述。

规程步骤31a-31d可以包括自动化实验室设备可以执行的所有操作。这些操作包括：传输样品、试剂或消耗品(例如，反应容器或仪器头)，操纵样品或试剂(例如，预定量试剂或样品的取样)，均质化流体混合物，培育液体，测量样品参数，对反应容器或仪器部件进行清洁操作，对不可重新使用的资源(例如，流体和消耗品)进行丢弃操作。

规程步骤的一个例子在图5中给出。步骤#231e涉及将10μl试剂a移液到反应容器中。在其他示例中，规程步骤的描述可以包括其他和/或进一步的信息(例如，一个以上规程步骤的持续时间，或指示可以跳过特定规程步骤的可选性标志)。

规程步骤31a-31d可以将自动实验室设备的多个操作组合起来。例如，步骤#1可以包括在反应容器中加入预定量的样品和试剂。

包括在规程描述中的约束32a-32g可以包括以下限定中的一个以上：限定规程步骤32e-32g的顺序，限定规程步骤32c，32d的最短和/或最长持续时间，或者限定两个前后规程步骤31a-31d之间的最短和/或最长时间。这些前后规程步骤可以但不一定必须布置成一个紧跟在另一个之后。例如，在图5的示例中，步骤#2必须在步骤#1完成之后最多一分钟时开始。

在下表1的左栏中给出了用于凝血酶原时间测定的规程描述的代码示例。右栏列出了对该规程描述中各种特征的说明。可以看出，该规程描述包括规程标识符(即，示例中的“pt”)。此外，该规程描述限定了步骤的顺序和要遵守的各种约束。

表1

下面讨论资源描述。一般来说，资源描述描述了自动化实验室设备中存在的资源以及这些资源的性能和约束。实验室设备的资源可以包括例如下述资源中的一个以上：样品和试剂的的取样器和分配器(例如移液管)，用于操纵容器的夹具或其他移动器，培育器，测量单元，清洁站，消耗品的进料装置(例如，反应容器、样品容器或仪器的部件)。

资源描述的一个例子如图5所示。为了举例说明的目的，示出了四个资源描述41～44。一方面，实验室设备的实例包括三个移液管。对于这些移液管中的每一个，资源描述41-43都定义了相应移液管可以摄取的体积范围、移液管的精度以及移液管可以处理的一组试剂。以相同的方式，试剂a的资源描述限定了一个约束：如果在试剂a之前，另一预定试剂已被使用了预定数量的次数，则需要专用的洗涤步骤。

另外，在一些例子中，资源描述可以定义：资源可能所处状态的一个以上状态，导致从一个状态(水平)转换到下一个状态的过程，资源诸状态之间转换最终所需的转换时间，执行预定规程步骤所要求的资源状态，不同资源状态之间的不兼容性。在一个示例中，资源描述包括不同的组成部分。例如，资源描述可以包括：对相应资源的性能进行定义的资源定义组成部分；描述如何通过预定的规程步骤来占用和释放资源的组成部分；对相应资源的动态行为进行定义的资源状态组成部分；对某些情况下要遵守的规则进行定义的组成部分。

在一个例子中，资源定义组成部分定义了资源标识符和资源的性能。例如，可以限定仪器中可用的某种类型的资源的数量。资源可以单独地限定(例如，图5中的移液管)为一个资源的性能，或者作为一个单元形式的资源联合集合(例如，性能为具有多个比色皿位置的培育器)。如图5所示，资源定义组成部分可以指出相应资源的其他特征。下表2中示出了用于资源定义组成部分的代码示例：

表2

描述如何通过预定规程步骤来占用和释放资源的组成部分，可以对下述内容中的一个以上项目进行定义：特定规程步骤所需的相应资源，资源在特定规程步骤中使用之后释放所需的动作，关于可以使用的资源最大数目的约束。下表3中示出了用于该组成部分的代码示例：

表3

资源状态组成部分可以定义：相应资源可能所处状态的一个以上状态，不同状态之间所需的转换时间，执行特定规程步骤所需要的状态，关于不同状态之间的不兼容性的信息。下表4中示出了该组成部分的代码示例：

表4

最后，定义在某些情况下遵守的规则的组成部分，可以定义在特定情况下应用的各种例外。例如，该组成部分能够定义在自动化实验室设备操作期间避免结转(例如，一种样品或试剂会被另一样品、试剂或测定物污染)的规则。

在一个示例中，可以通过实施以下各项中一个以上来避免结转：在可能发生结转的两个步骤之间，将一个以上专用清洁步骤添加到程序(例如，使用专用清洁剂)；在可能发生结转的两个以上任务之间，改变处理顺序(敏感任务在前，污染任务在后)；在导致结转的两个任务之间，执行预定数量的步骤(例如，执行普通冲洗，而不是专用清洁步骤)。

下表5中示出了该组成部分的代码示例：

表5

在讨论了模型中资源描述的诸多方面之后，以下部分将更详细地处理命令列表和目标函数。

命令列表包括关于要由自动化实验室设备执行的至少一个命令(例如，多个命令)的信息，每个命令涉及到一个以上规程的执行。例如，每个命令可以指出要在一个样品或一批样品上进行的某一测定。在其他实施例中，每个命令可以指出要在一个样品或一批样品上进行的多个测定。

在一个示例中，对于每个命令，命令列表包括以下各项中的一项以上：用以标识某一样品或一批样品的样本标识符(例如，附接到样品容器的条形码)，标识要应用于该样品或该批样品的一个以上规程的规程标识符，表示命令进入系统的时间的进入时间。

作为补充或作为替代，对于每个命令，命令列表可以包括指示必须处理该样品或该批样品的时间或持续时间的到期时间。作为替代或作为补充，针对每个命令，命令列表可以包括指示某一样品或一批样品的优先级值的优先级指示符。后两条信息可以形成解算器的约束，并可用于优先处理某些样品或某些批样品。下表6中示出了用于包含三个命令的命令列表的代码示例：

表6

在后面的部分中，将更详细地讨论目标函数。一般来说，目标函数对自动化实验室设备操作程序的优化目标进行定义。

目标函数定义了一个目标，然后可以根据所生成的程序实现该目标的程度，判断该程序的质量。目标函数对目标进行量化，于是在某些情况下，约束优化解算器要找到目标函数的最小值或最大值。某个程序可能不是目标函数的绝对最大值或最小值，但仍然是有用的结果。此外，约束优化解算器可以执行多次，以改善所找到的解。

可以调整目标函数，以实现不同的优化目标。优化目标可以包括：最小化处理一个或多个命令(例如，一批命令或多批命令)的总时间或持续时间中的一个以上；最大化自动化实验室设备的处理量；最小化自动化实验室设备的资源消耗(例如，试剂、清洁剂或其他消耗品，能量或可重新使用的资源(仪器资源))；将工作负载均匀分布在该自动化实验室设备的不同部件上或不同的自动化实验室设备上；在自动化实验室设备发生错误的情况下，最小化减少丢失的(高优先级)命令的数目。

在这种方式中，程序可以灵活地适应于不同的优化目标(如上所述)。图6a至图6c中示出了使用不同目标函数生成的程序示例。在所有例子中，应该对一批三个或四个命令71-74进行排定。其中示出了每个命令的处理总持续时间。图6a的第一示例可以提供最佳的长期处理量，但图6b的程序的处理量在短期运行内更高。图6c的程序可能导致每个命令的处理时间都最短，但短期处理量低。

在一个例子中，目标函数包括两个或多个因子的加权和，其中每个因子对优化目标进行量化。例如，加权后的函数可以包括对自动化实验室设备的总处理量进行量化的第一项，以及对资源消耗进行量化的第二项。在这个例子中，第一项可以用大的权重因子加权，以确保处理量首先得到优化。第二项可以用小的负权重因子加权，以确保避免资源消耗非常高。可以通过约束优化解算器来最大化整体目标函数，以生成程序。

下表7中示出了目标函数的代码示例：

表7

作为生成程序的过程的一部分，可以链接模型的资源描述和规程描述。这种链接可以自动发生，或通过用户干预发生。如前面部分所述，模型的不同部分和命令列表可以包括自动实验室设备可以执行的不同步骤的标识符(例如，上面出现的“washneedle”步骤)。在一些例子中，这些标识符可以用于链接模型的相应部分，作为程序生成过程的一部分。

图5例示了这种链接处理。规程描述3a可以定义三个步骤。这些步骤之一(步骤#2)31e涉及以预定精度移取一定数量的试剂。现在，可以在模型的资源描述中发现，三只移液管41中只有一个能够执行所需的移液步骤，并且只有一例必要试剂。因此，规程的步骤自动地在程序生成过程中或通过用户链接到资源。在其他示例中，多于一个资源可以被应用于执行规程步骤。在这种情况下，解算器将找到这组可用资源组中哪一个最适于最大化或最小化目标函数。

在前面的部分中，已经讨论了根据本发明在程序生成过程中使用的基本组成部分。在以下部分中，将结合图7讨论一种示例性自动化实验室设备，可以为该自动化实验室设备生成程序。

从图7可以看出，示例性的自动化实验室设备是自动分析仪101。自动分析仪包括：试剂库102，其包括多个试剂104(例如，封装在具有多个储存器的标准测试专用盒中)；样品库103，其包括多个样品105(例如，样品收集管)。自动分析仪101还包括能够在所有三个空间方向上移动的一组多个移液管106(例如，三个移液管)。此外，自动分析仪101包括多个培育器位置109和多个测量通道110。培育操作和测量操作在一次性反应容器(称为“比色皿”)中进行，这些容器通过比色皿供应部111供应，然后丢弃在比色皿废料部113中。对比色皿的操纵可以通过两个夹具112、114进行，一个夹具112通过摇动比色皿还具有混合器功能。最后，自动分析仪101包括被构造成洗涤移液管106的一个或两个洗涤站107、108。

一批样品管根据相关命令到达自动分析仪，每一个都可以包括：在测量位置110处提供比色皿，用于测量比色皿质量和/或进行空白测量(规程的第一步)；将一定量的样品105移入比色皿中(规程的第二步)；添加预定的试剂104(规程的第三步)，之后用混合器-夹具使混合物均质化。然后，将比色皿放置在培养器109中，将样品/试剂混合物培育预定的时间段(规程的第四步)。接着，传送比色皿以移取开始试剂，并将其置于测量位置110(规程的第五步)，在该位置进行测量(规程的第六和第七步)。最后，丢弃比色皿(规程的最后一步)。能够看出，这里描述的相对简单的规程已经需要对自动分析仪的多个资源的操作进行排定。这可以通过使用根据本发明的技术来完成。

虽然在图7中示出了特定的自动分析仪，但本发明的技术绝不限于该特定分析仪。相反，上面讨论的诸方面基本组成部分(例如，模型、命令列表和目标函数以及应用示例)也可用于其他的自动化实验室设备(例如在发明内容部分中讨论的自动化实验室设备)。

此外，本发明的技术不限于单个自动化实验室设备。相反，也可以按照与本文针对单个自动化实验室设备描述的方式相似的方式，为多个自动化装置生成程序。例如，在这种情况下，模型可以包括针对该多个自动化实验室装置中每一个装置的资源的资源描述。

在其他例子中，也可以按照与本文针对单个自动化实验室设备描述的方式相似的方式，为包括自动实验室设备在内的实验室环境生成程序。例如，在这种情况下，模型可以包括针对实验室环境的资源的资源描述和描述实验室环境中的工作流程的规程描述。

在以下部分中，将讨论生成根据本发明程序的硬件的几个方面。一般来说，可以在每个合适的计算机系统(例如，包括单个或多个计算机)上或在由通信网络链接的多个计算机系统上执行用于生成程序的操作。

在一个示例中，计算机系统可以集成在自动化实验室设备中(例如，作为自动化实验室装置的控制器的一部分)。在这个例子中，程序可以在自动化实验室设备本地生成。

在其他示例中，计算机系统可以相对于使用所生成程序的自动化实验室设备以远程方式布置。例如，计算机系统可以是实验室环境的一部分，并通过实验室网络与自动分析仪联网。

在其他示例中，计算机系统可以远离实验室环境。例如，约束优化解算器可以在通过因特网连接到包括使用所生成程序的自动化实验室设备的自动化实验室设备或实验室环境的计算机系统上运行。

作为补充或作为替代，约束优化解算器能够在分布式计算机系统上运行(例如，基于云的计算机系统)。

如果模拟用于自动化实验室设备的程序的生成，则不需要该自动化实验室设备与进行模拟的计算机系统实际联网。实际上，如上面的讨论，本发明的技术能够在自动化实验室设备的设计阶段中使用，从而这一设备可以甚至不存在。

在先前的详细说明中，已经论述了本发明的为自动化实验室设备提供操作程序的方法和系统的多个示例。但是，本发明的为自动化实验室设备提供操作程序的方法和系统也可以按照以下方面阐述的那样进行构造：

1.一种用于为自动化实验室设备提供操作程序的由计算机实现的方法，所述方法包括：

接收至少一个命令，

其中每个命令要求在所述自动化实验室设备上执行一个以上规程；

使用所述自动化实验室设备的一个以上资源描述、所述自动化实验室设备的一个以上规程描述、目标函数以及所述至少一个命令，生成一个以上优化问题实例，

其中所述一个以上资源描述描述存在于所述自动化实验室设备中的资源以及所述资源的性能和约束；

其中每个规程描述描述所述自动化实验室设备能够执行的规程，

其中每个规程描述包括由所述自动化实验室设备执行的一个以上规程步骤的定义，

其中每个规程描述包括在所述实验室设备上执行所述规程步骤时要遵守的一个以上约束，

其中所述目标函数定义所述自动化实验室设备的操作程序的优化目标；

所述方法进一步包括：

将所述一个以上优化问题实例作为输入提供给约束优化解算器；

所述约束优化解算器处理所述一个以上优化问题实例，生成在所述自动化实验室设备上执行所述至少一个命令的操作程序。

2.根据方面1的方法，其中，所述约束优化解算器对所述一个以上优化问题实例的处理发生在所述自动化实验室设备的运行时间期间。

3.根据方面2的方法，其中，所述约束优化解算器对所述一个以上优化问题实例的处理响应于触发事件发生在所述自动化实验室设备的运行时间期间。

4.根据方面3的方法，其中，所述触发事件是下列事件中的一个：

一个以上新命令到达，所述自动化实验室设备的资源改变，用户输入，命令预测修改，经过预定时段，错误，例外情况，或者这些事件中的两个以上事件的组合。

5.根据方面4的方法，其中，所述触发事件是具有高优先级的命令到达。

6.根据方面4的方法，其中，所述用户输入是：例如关断某些资源等用户定义的操作改变；用户定义的命令优先化；用户定义的对使用某些资源进行某些规程或命令的分配或者阻断；应用用户定义的一个或多个规程；或者用户对规程或者资源参数的改变。

7.根据方面3至6中任一项所述的方法，其中，所述约束优化解算器对所述一个以上优化问题实例的处理响应于相应触发事件的发生自动地重复进行。

8.根据前述方面中任一项所述的方法，还包括在所述自动化实验室设备的运行时间期间，重新运行所述约束优化解算器，以生成更新的操作程序。

9.根据前述方面中任一项所述的方法，还包括：

收集用于所述自动化实验室设备的一批多个命令；以及

所述约束优化解算器处理所述优化问题实例，同时为所述一批多个命令生成操作程序。

10.根据方面9的方法，其中，所述批命令中的命令数目在1和5000之间，可选的是在6和2000之间。

11.根据方面1的方法，其中，所述约束优化解算器对所述一个以上优化问题实例的处理发生在所述自动化实验室设备的仪器软件的开发或设计时间期间。

12.根据方面1的方法，其中，所述约束优化解算器对所述一个以上优化问题实例的处理发生在所述自动化实验室设备的操作程序的开发或设计时间期间。

13.根据前述方面11或12中任一项所述的方法，进一步包括将在开发或设计时间期间生成的程序应用在所述自动化实验室设备上，作为要在所述自动化实验室设备的运行时间期间使用的预定程序。

14.根据前述方面中任一项所述的方法，其中，所述方法被执行以模拟所述自动化实验室设备的行为，其中所述至少一个命令是针对所述自动化实验室设备的至少一个假想命令，所述操作程序是针对所述至少一个假想命令的程序。

15.根据前述方面中任一项所述的方法，其中，执行所述方法以预测下述情形中的一个以上：执行至少一个命令所需时间，达成结果的预期时间，包括错误情况的实验室性能。

16.根据前述方面中任一项所述的方法，进一步包括所述自动化实验室设备在操作期间自动地改变所述一个以上资源描述、所述一个以上规程描述和/或所述目标函数。

17.根据方面16的方法，其中，响应于检测到资源不可用、所述自动化实验室设备的错误模式或者状态改变，发生所述自动改变。

18.根据前述权利要求中任一项所述的方法，其中，连续到达的命令通过顺序分批优化进行排定。

19.根据方面18的方法，包括：

运行第一次优化，其中所计算的程序或者完整的程序的一部分是固定的，或者所计算的程序或者完整的程序均不是固定的，发布所述程序中的其余部分，将所程序中被发布部分中的相应命令的全部、一部分或没有命令被包括在下一次优化中，由此，将从所述第一次优化得到的固定部分作为资源不可用性带入到所述下一次优化中。

20.根据方面19的方法，其中，针对下一批次又被固定或者发布的命令的数目以及批量大小对于各批次运行可以是恒定的或者变化的。

21.根据前述方面中任一项所述的方法，还包括：

将所述操作程序提供到所述自动化实验室设备的控制器；以及

所述控制器指令所述自动化实验室设备根据所述程序执行操作。

22.根据方面21的方法，其中，所述提供步骤和所述指令步骤自动地发生。

23.根据前述方面中任一项所述的方法，还包括提供用于在图形用户界面上显示的程序。

24.根据前述方面中任一项所述的方法，其中，所述优化目标是以下列表中的一项：优化所述自动化实验室设备的处理量，尽可能快地处理一个以上特别命令，尽可能少地使用预定资源，平衡两个以上资源的工作负载，或者这些目标的组合。

25.根据方面24的方法，其中，所述目标函数包括不同优化目标的经加权或按优先级排列后的组合。

26.根据前述方面中任一项所述的方法，其中，所述自动化实验室设备包括多个自动化实验室装置，

其中所述命令是要由所述多个自动化实验室装置执行的命令，

其中所述约束优化解算器处理所述一个以上优化问题实例，为所述多个自动化实验室装置生成操作程序。

27.根据方面26的方法，其中，所述多个自动化实验室装置包括同一类型的两个以上自动化实验室装置。

28.根据前述方面中任一项所述的方法，其中，所述自动化实验室设备是实验室环境的一部分，

其中所述命令是要在所述实验室环境中执行的命令，

其中所述通用约束优化解算器处理所述一个以上优化问题实例，以生成所述实验室环境中的工作流程的程序。

29.根据前述方面中任一项所述的方法，其中，所述自动化实验室设备包括样品自动分析仪。

30.根据方面29的方法，其中，所述样品自动分析仪是体外分析仪。

31.根据方面30的方法，其中，所述体外分析仪是下述分析仪之一：临床化学分析仪，免疫化学分析仪，用于离子选择性分析的分析仪，血液分析仪，凝血分析仪，核酸分析仪，测序仪，血气分析仪，质谱仪，血细胞计数器，或这些分析仪中两种以上的组合。

32.根据前述方面1至31中任一项所述的方法，其中，所述自动化实验室设备包括运输系统中被构造为运输诸如样品、试剂、反应容器、多孔板、移液头、载玻片、消耗品、废物等不可再生资源的组成部分、或运输诸如传感器或者分析模块或者能够在实验室环境中处理不可再生资源的模块等可再生资源的组成部分中的一个以上。

33.根据前述方面1至32中任一项所述的方法，其中，所述自动化实验室设备包括一个以上预分析系统，例如等分系统、管封盖和去封盖系统、管或孔板密封器和去密封器、样品分选系统或者样品重设格式系统。

34.根据前述方面1至33中任一项所述的方法，其中，所述自动化实验室设备包括一个以上样品后分析系统，例如样品/标本归档系统、用于制备样品/标本进行存储的系统、废物处理系统或者清洁系统。

35.根据前述方面中任一项所述的方法，其中，生成一个以上优化问题实例包括使用自动化实验室设备的模型，所述模型是由所述自动化实验室设备的所述一个以上资源描述和所述自动化实验室设备的所述一个以上规程描述指定。

36.根据前述方面中任一项所述的方法，其中，所述资源描述限定了哪些规程步骤所述自动化实验室设备的某一特定资源或者一组资源执行。

37.根据前述方面中任一项所述的方法，

其中所述资源描述包括对具有特定特征的资源组的描述；以及

其中所述规程描述定义能够由规程步骤请求的资源的一个以上特征。

38.根据前述方面中任一项所述的方法，其中，所述资源描述定义以下事项中的一项或多项：

所述资源能够处于的状态，资源状态之间转换所需的转换时间，执行预定规程步骤对资源状态的要求，资源不同状态之间的不兼容性。

39.根据前述方面中任一项所述的方法，其中，所述命令定义以下事项中的一项或多项：

特定样品的样品id，标识要对样品执行的测定的规程标识符，命令的进入时间，命令的截止时间。

40.根据前述方面中任一项所述的方法，其中，所述规程描述包括以下事项中的一个以上项：

规程标识符，规程中的任务的持续时间，规程中的任务的顺序，针对任务持续时间的配时窗口，针对两个任务之间的时间的配时窗口。

41.根据前述方面中任一项所述的方法，其中，生成一个以上优化问题还包括使用一个以上例外的定义，所述例外定义所述自动化实验室设备应如何处理一个以上特定情况。

42.根据方面41的方法，其中，所述一个以上特定情况包括关联于第一命令的物质被结转到另一命令的处理。

43.根据方面41的方法，其中，所述一个以上特定情况包括资源在结转后处于可能影响其他随后任务处理的特定状态的情况。

44.根据方面41至43中任一项所述的方法，其中，所述一个以上例外定义以下事项中的一个以上项：

应该将一个以上清洁或者其它资源调理步骤添加到所述程序，应该改变两个以上任务的处理命令，应该在对结转敏感的两个任务之间执行预定数目的任务。

45.根据前述方面中任一项所述的方法，其中，所述方法包括在所述程序中留下能够在以后新命令到达时被填充的空白。

46.根据前述方面中任一项所述的方法，生成一个以上优化问题实例包括使用预期命令的预测。

47.根据前述方面中任一项所述的方法，其中，所述约束优化解算器是通用约束优化解算器。

48.根据前述方面中任一项所述的方法，其中，所述规程描述是独立于所述操作程序的可能解定义的。

49.根据前述方面中任一项所述的方法，其中，所述资源描述是独立于所述操作程序的可能解定义的。

50.根据前述方面中任一项所述的方法，其中，作为所述约束优化解算器的开始程序解，使用预定模式，可选的是使用在设计时间限定的用于常规测试的优化程序，或者使用先前已经计算出的程序解的模式。

51.根据前述方面中任一项所述的方法，还包括：

定义一个以上约束，迫使所述约束优化解算器搜索具有重复模式的解，

其中处理所述一个以上优化问题实例包括迫使所述程序适配重复模式。

52.根据权利要求51所述的方法，进一步包括将所述重复模式上传到所述自动分析仪，以及在运行时间使用所述重复模式使被命令的规程自动地适配所述重复模式。

53.一种实验室网络，所述实验室网络包括：

自动化实验室设备；和

计算机系统，所述计算机系统被构造成执行方面1至52所述方法中的任一方法的步骤，生成用于所述自动化实验室设备的操作程序。

54.根据方面53的实验室网络，其中，所述计算机系统是所述自动化实验室设备的一部分。

55.根据方面53的实验室网络，其中，所述计算机系统远离所述自动化实验室设备。

56.根据方面53到55中任一项所述的实验室网络，其中，方面1至50所述方法中的任一方法的步骤至少部分地在远程计算机装置上执行，或者通过基于云的应用程序执行。

57.根据方面53到56中任一项所述的实验室网络，其中，所述实验室网络包括多个自动化实验仪器，并且其中所述操作程序包括用于所述多个自动化实验仪器的命令。

58.根据方面53到57中任一项所述的实验室网络，其中，所述自动化实验仪器包括样品自动分析仪。

59.根据方面58的方法，其中，所述样品自动分析仪是体外分析仪。

60.根据方面59的方法，其中，所述体外分析仪是下述分析仪之一：临床化学分析仪，免疫化学分析仪，用于离子选择性分析的分析仪，血液分析仪，凝血分析仪，核酸分析仪，测序仪，血气分析仪，质谱仪，血细胞计数器，或这些分析仪中的两种以上的组合。

61.根据方面53到60中任一项所述的实验室网络，其中，所述自动化实验仪器包括控制器，所述控制器构被造成根据所述程序执行操作。

62.一种包括有指令的计算机可读介质，所述指令在由计算机系统执行时，使得所述计算机系统执行方法1至52中任一方法的步骤。

进一步公开并且提出了一种计算机程序，其包括计算机可执行指令，所述计算机可执行指令用于当所述程序在计算机或计算机网络上被执行时，执行本申请所包含的一个以上实施例中根据本发明的方法。具体地说，计算机程序可以存储在计算机可读数据载体上。因此，具体地说，可以通过使用计算机或计算机网络，优选地通过使用计算机程序，来执行本申请公开的方法步骤中的一个、多于一个或甚至所有的方法步骤。

进一步公开和提出的是具有程序代码装置的计算机程序产品，以便当所述程序在计算机或计算机网络上被执行时，执行本申请所包含的一个以上实施例中根据本发明的方法。具体地说，程序代码装置可以存储在计算机可读数据载体上。

进一步公开和提出的是上面存储有数据结构的数据载体，该数据结构在被加载到计算机或计算机网络中之后，诸如加载到计算机或计算机网络的工作存储器或主存储器中之后，可以执行根据本申请公开的一个以上实施例的方法。

进一步公开和提出的是具有存储在机器可读载体上的程序代码装置的计算机程序产品，以便当在计算机或计算机网络上执行程序时，执行根据本申请公开的一个以上实施例的方法。本申请使用的“计算机程序产品”指的是作为可交易产品的程序。该产品一般来说可以以任意格式存在，例如纸张格式，或在计算机可读数据载体上。具体来说，计算机程序产品可以在数据网络上进行分发。

进一步公开和提出了的是一种调制过的数据信号，其包括可由计算机系统或计算机网络读取的指令，用于执行根据本申请公开的一个以上实施例的方法。

说到本发明的计算机实施的方面，可以通过使用计算机或计算机网络来执行根据申请公开的一个以上实施例的方法中一个以上方法步骤或甚至全部方法步骤。因此，一般来说，可以通过使用计算机或计算机网络来执行包括提供和/或操纵数据的任何方法步骤。一般来说，这些方法步骤可以包括任何的方法步骤，通常除了需要手动工作的方法步骤之外，例如提供样品和/或执行测量的某些方面。

进一步公开和提出的是包括至少一个处理器的计算机或计算机网络，其中处理器适于执行根据本说明书中描述的实施例之一的方法。

进一步公开并且提出的是一种计算机可加载数据结构，其适于在计算机上执行数据结构时执行根据本说明书中描述的实施例之一的方法。

进一步公开并且提出的是一种存储介质，其中，数据结构被存储在存储介质上，并且其中，数据结构适于在被加载到计算机的或计算机网络的主存储器和/或工作存储器之后，执行根据本说明书中描述的实施例之一的方法。