Top 10 problemen met Excel in het laboratorium

De afgelopen jaren ben ik vele tientallen zelfgemaakte Excel en Access systemen tegengekomen in laboratoria. Eigenlijk geven deze zelfbouwsystemen allemaal dezelfde problemen. Gelukkig is er één oplossing voor al deze problemen!

In volstrekt willekeurige volgorde beschrijf ik hieronder 10 van de meest ervaren problemen met zelfbouw LIMS systemen.

​​​​#1 Te weinig autorisatie, structuur en datavalidatie

Mag iedereen bij alle data? Of wil je lees- en bewerkrecht uitsplitsen? En dan het liefst op groepsniveau? Ga er maar aan staan met Excel.

Voor ons lijken "Product A" en "Produkt A" wellicht identiek, maar voor een Excel bestand hebben de twee niets met elkaar te maken. Probeer hier vervolgens maar eens een gemiddelde te berekenen van alle gegevens van Product A, je zou er zo maar een paar kunnen missen...

#2 Beheer van (historische) specificaties

Toetsing van meetgegevens tegen (productspecifieke) specificaties is een van de belangrijkste functies van QC-systemen. Maar hoe ga je om met wijzigingen in de specs. Wordt dan ook de hele historie getoetst tegen de nieuwe specs? Of moeten de specs naast alle meetwaarden gedupliceerd worden, en hoe zie je dan wanneer (en waarom!) de spec gewijzigd is. Geen eenvoudige zaak in Excel.

#3 Beperkte rapportages

De ingebouwde rapportages waren misschien afdoende op het moment dat het systeem gemaakt werd, maar zijn ze dat nog? Hoe vaak moet je gegevens kopiëren naar een nieuw Excel bestand voor verdere analyse? En hoe vaak ben je dan dezelfde grafieken opnieuw aan het maken.

#4 Vindbaarheid van informatie

Je kunt stellen dat een verzameling van 100 Excelbestanden samen één QC-systeem vormt. Dan heb je inderdaad alle informatie in één systeem zitten. Maar als je dan handmatig de bestanden door moet lopen om alle gegevens van een batch te verzamelen zal het toch niet echt aanvoelen als één systeem.

#5 Geen wijzigingshistorie

Vaak moeten analisten of operators handmatig hun initialen invullen om aan te geven wie een bepaalde meting heeft gedaan. Een onnodige handeling die voor de strengere normsystemen ook nog eens onvoldoende geborgd is. En als er wijzigingen zijn, wil je eigenlijk kunnen zien wie wat wanneer en waarom gewijzigd heeft. Probeer dat maar eens te registreren met Excel...

#6 Dode links

De uitgebreidere zelfgemaakte systemen die ik tegenkom hebben koppelingen met voorschriften, procedures en formulieren uit de handboeken. Mooie principes, maar zie dat maar eens werkbaar te houden. Hoe zit het met veranderde bestandsnamen van de documenten, of het verplaatsen van bestanden naar een andere map?

#7 Zelf het wiel uitvinden

Het leuke van een zelfbouwsysteem is dat je het zelf mag bouwen. Het nadeel van een zelfbouwsysteem is dat je het zelf moet bouwen. En dan moet je nogal wat details uitzoeken.

Wat is ook alweer het verschil tussen Cp en Cpk? En hoe zit het als ik enkel een onderspec heb en geen bovenspec? Niet iets waar je je al te vaak mee bezig wilt houden lijkt me. Ik profiteer liever van de kennis van anderen, zodat ik me op mijn eigen werk kan concentreren.

#8 Gegevens niet toegankelijk voor de rest van de organisatie

De zelfbouwsystemen blinken over het algemeen niet uit in gebruiksvriendelijkheid. Al zouden de bestanden technisch toegankelijk zijn voor collega's buiten het lab, is het niet evident om er iets uit wijs te kunnen worden.

Hierdoor is het lab vaak veel tijd kwijt met het maken van allerhande rapportages voor deze of gene. Zouden ze dat zelf ook niet veel liever zelf uit het systeem trekken?

#9 Databeheer is arbeidsintensief

Het beheer van zelfgebouwde systemen blijkt in de praktijk nogal arbeidsintensief. Elke periode nieuwe bestanden maken, jaartallen veranderen, resultaten verwijderen en links bijwerken. En daarnaast het opschonen van gegevens, kopiëren van grafieken voor nieuwe producten. Allemaal verborgen kosten.

#10 Handmatige invoer door gebrek aan koppelingen

Al is het niet onmogelijk, het is nogal complex om een robuuste en schaalbare koppeling met bijvoorbeeld een ERP of MES systeem te maken. Zeker als er dataconversie plaats moet vinden. Vaak is het resultaat dat allerlei logistieke gegevens (product, batchnummer, tank, klant, ..) handmatig worden overgetypt.

#11 tot #20

Dit waren slechts de eerste 10, uit een veel langere lijst. Wat dacht je bijvoorbeeld over generen van uniforme CoA's, Communicatie over individuele resultaten tussen lab en productie, Koppeling met klachtenregistraties, back-ups, upgrade naar nieuwe versie van MS Office, enz, enz. Ik ben er nog vele andere tegengekomen.

Eén oplossing: Alis!

Gelukkig zijn deze problemen, en vele anderen, eenvoudig op te lossen.

Met Alis vervangen we veel Excel en Access systemen in het laboratorium, juist om bovenstaande problemen op te lossen. Mail info@www.alis.nl of bel (0570-714215) voor een demo of gratis & vrijblijvende pilot.