统一历史实验记录与批次信息

这个场景能帮你做什么

历史实验分散在表格和笔记里，样品、原料批次与工艺条件容易断开。WorkBuddy 可以把可读记录整理成可追溯实验表，为后续比较和专业建模准备材料。

开始前需要准备什么

提供原始记录、原料与样品编号、批次、工艺条件、测量方法、单位和结果。说明企业标准字段与换算规则；原件只读，原始值不能被清洗覆盖。

具体怎么做

第一步：盘点记录与身份

列文件、实验、样品和批次对应，区分重复导出与重复实验。样品编号不明确时保留候选关系，不仅凭日期合并。

第二步：统一字段与单位

保留原字段、原值和标准列，按已确认规则转换。质量、体积或摩尔比例不能混为一类，温度、压力和强度单位逐项核对。

第三步：标记数据状态

分别列缺失、无效测量、异常值和真实负结果。不能默认填均值或删除不利结果；异常是否可剔除由实验人员确认。

第四步：输出可追溯台账

每条结果关联原料、批次、过程、样品、方法和出处，附未关联记录及转换说明。用于模型的数据版本应单独明确，不把整理完成当适合训练。

可以直接交给 WorkBuddy 的完整要求

整理附件历史实验记录，保留原件与原值，建立实验—原料批次—工艺—样品—方法—结果关联。
按提供规则统一字段单位，给原值、换算和出处。缺失/无效/异常/负结果分开，不自行填补或删除。
输出统一台账、未关联与冲突清单、输入记录去向核对，不编实验编号或未记录条件。

完成后会得到什么

一份可回到原记录的实验台账，以及批次、字段和数据质量问题清单。

结果应该怎么检查

抽查原料与样品对应、单位、小数点及转换，核对输入数量与输出去向。重点检查失败实验有没有被遗漏。

遇到这些情况怎么处理

单位不清保留原值。编号重复但条件不同则分开。实验有缺项时找原实验人员核实，不事后补造数据。

哪些必须人工决定

实验与数据负责人确认记录关系、换算和有效性。AI 整理信息，不确认实验真实性或代替专业数据治理。