国工数据大脑之单因素方差分析与实验室系统(LIMS)的融合应用
实验室管理系统（LIMS）是实现先进实验室管理的一项重要工具，但目前市面上的实验室管理系统更倾向于作为一个信息化工具，且这种基础信息系统内信息处理的逻辑相对简单，并不能主动发现问题。而国工智能实验室管理系统融合了国工智能数据大脑平台，平台内提供上百种统计学相关算法及机器学习算法；通过这些算法对企业数据进行分类分析、聚类分析、关联分析、预测分析，挖掘数据潜在价值，探索人力无法探知的规律，提高企业产品附加值及行业竞争力，助力企业快速发展。本次案例就单因素方差与实验室LIMS系统相融合进行探讨及应用举例。
实验室系统中的单因素方差分析（one-way ANOVA）指对单因素试验结果进行分析，是检验单个因素对试验结果有无显著性影响的方法，通过对两个样本平均数比较的引伸，检验多个平均数之间的差异，从而确定因素对试验结果有无显著性影响。也称为F检验，通过对数据变异的分析来推断两个或多个样本均数所代表的总体均数是否有差别的一种统计推断方法。简单的来说，就是用来检验同一个影响因素的不同水平对因量是否有影响的一种方法。某企业质检实验室需要检验A、B、C三种催化剂的催化活性是否有显著性差异，在相同的温度，压力等条件下分别用A、B、C三种催化剂催化反应的进行，得到6次试验产物D的收率的结果如表1所示，试分析在相同样品情况下，A、B、C三种催化剂的催化活性是否存在显著性差异。
表1 三种催化剂所得产物D产量（kg）
要检验三种催化剂的催化活性是否存在显著差异，等同于检验三者产量的均值是否相等。
给定原假设H0：三者产量均值相等，备择假设H1：三者的产量均不相等；对于影响产量的因素仅催化剂种类一项，因此可以采用单因素方差分析进行多总体样本均值检验。使用国工数据大脑组件会定时对国工实验室系统数据进行读取，直接访问数据库获取数据集。图1 RDBMS读取组件
使用集成好算法的单因素方差分析组件进行数据的单因素分析处理，对组件参数进行设置，因素字段配置为factor，结果值配置为检验结果result，显著性水平设置为0.05，单击运行，从调试面板中查看分析结果。
图2 单因素方差分析组件及参数配置
图3 分析结果
从图3的分析结果中可以看出，运用单因素方差分析得出的F值小于临界值F；F值是两个均方的比值[效应项/误差项]，不可能出现负值，F值越大（与给定显著水平的临界值F值相比较），说明数据之间效果（差异）越明显，误差项越小说明（效果）差异越小。
因此在0.05的显著性水平下可以得出，F值=1.26小于临界值F=3.63，即三种催化剂催化活性无显著性差异。根据模型分析得出的三种催化剂催化活性无显著性差异的结论，在生产过程中产品出现质量问题时，可优先排除催化剂的影响因素，从其他方面查找产品缺陷原因；或在采购催化剂时以催化剂市场价格为主要选择指标，购买价格较低的催化剂，以节省企业采购成本。
国工数据大脑平台可直接获取实验室LIMS系统中的实验数据，直接将实验数据对接到创建好的单因素方差分析模型中，根据得出的分析结果自动对报告进行判定，代替人工判定；并将存在显著性差异的报告重点推送给相关领导引起重视。根据领导对存在显著性差异报告的处理，可自动触发二次检验流程等操作。图4 算法自动触发LIMS系统报告判定
参数说明：
①因素：影响研究对象的某一指标、变量。
②单因素试验：考虑的因素只有一个的试验叫单因素试验。
③显著性水平：估计总体参数落在某一区间内，可能犯错误的概率为显著性水平。
适用范围：
有一个类别因子和一个连续响应并且想要确定两个或多个组的总体均值是否存在差异时。
