国工数据大脑之单样本方差分析与化工行业MES系统的融合应用
生产制造执行系统（MES）能通过信息传递对从订单下达到产品完成的整个生产过程进行优化管理，当工厂发生实时事件时，MES系统能对此及时做出反应、报告，并用当前的准确数据对其进行指导和处理。这种对状态变化的迅速响应使MES系统能够减少企业内部没有附加值的活动，有效地指导工厂的生产运作过程，从而使其既能提高工厂及时交货的能力，改善物料的流通性能，又能提高生产回报率。MES系统还通过双向的直接通讯在企业内部和整个产品供应链中提供有关产品行为的关键任务信息。 国工MES 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以及机器学习算法；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。本次案例就单样本方差检验与MES系统相融合进行探讨及应用举例。单样本方差检验可计算总体标准差和方差的置信区间，并进行假设检验确定总体方差是否等于指定值（目标值）。该检验常用以下三对假设：
单样本方差检验常用于产品的质量控制，如：
4） 零件的加工等变异是否控制在指定的标准差(方差)范围内等。某化工企业要控制自动包装机的包装效果，要求包装标准单袋重量25kg，包装重量的标准差不超过0.2kg，管理人员从车间随机选取了60袋产品作为样本，并分别测量了它们的重量。试检验该批产品包装的总体标准差是否超过0.2kg。我们使用了一张重量判定EXCEL表来进行分析，表中描述了每一袋产品重量的称重结果，数据如下图。
使用国工数据大脑Excel读取组件，获取数据信息。
图1 Excel读取组件
使用集成好算法的单样本方差检验组件进行数据的分析处理，对组件参数进行设置，样本字段配置为Single variance.factor，假定的标准差写为0.2，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。
根据正态性检验得出产品重量数据符合正态分布，所以采用卡方方法来进行相关分析，从图3的分析结果中可以看出，原假设：标准差=0.2，备择假设：标准差<0.2，卡方方法下P值=0< 0.05,按α=0.05水准，拒绝原假设H0，接受备择假设H1。另外从使用卡方方法95%的置信区间也可以得出，其总体标准差有95%把握小于0.16，因此可以认为产品重量的总体标准差是足够小的，满足企业质量控制要求。置信水平（1-α）：指特定个体对待特定命题真实性相信的程度，也就是概率，是对个人信念合理性的量度。置信区间：由样本统计量所构造的总体参数的估计区间。国工数据大脑平台可直接获取生产制造MES 系统中的生产数据，直接将生产数据对接到创建好的单样本方差模型中，根据得出的分析结果，代替人工对报告进行自动判定；并将存在异常的报告重点推送给相关领导引起重视。为了确保结果有效，请在收集数据、执行分析和解释结果时考虑以下准则：
1. 样本数据应该是随机选择的。
2. 样本数量大于25个。
3. 数据不必是正态分布的。
4. 每个观测值都应当独立于其他所有观测值。
