作者：國工智能數據大腦項目組—白興婭

實驗室管理系統（LIMS）是實現先進實驗室管理的一項重要工具，但目前市面上的實驗室管理系統更傾向于作為一個信息化工具，且這種基礎信息系統內信息處理的邏輯相對簡單，并不能主動發現問題。而國工智能實驗室管理系統融合了國工智能數據大腦平臺，平臺內提供上百種統計學相關算法及機器學習算法；通過這些算法對企業數據進行分類分析、聚類分析、關聯分析、預測分析，挖掘數據潛在價值，探索人力無法探知的規律，提高企業產品附加值及行業競爭力，助力企業快速發展。本次案例就單因素方差與實驗室LIMS系統相融合進行探討及應用舉例。
 實驗室系統中的單因素方差分析（one-way ANOVA）指對單因素試驗結果進行分析，是檢驗單個因素對試驗結果有無顯著性影響的方法，通過對兩個樣本平均數比較的引伸，檢驗多個平均數之間的差異，從而確定因素對試驗結果有無顯著性影響。也稱為F檢驗，通過對數據變異的分析來推斷兩個或多個樣本均數所代表的總體均數是否有差別的一種統計推斷方法。簡單的來說，就是用來檢驗同一個影響因素的不同水平對因量是否有影響的一種方法。

案例與數據
某企業質檢實驗室需要檢驗A、B、C三種催化劑的催化活性是否有顯著性差異，在相同的溫度，壓力等條件下分別用A、B、C三種催化劑催化反應的進行，得到6次試驗產物D的收率的結果如表1所示，試分析在相同樣品情況下，A、B、C三種催化劑的催化活性是否存在顯著性差異。

表1  三種催化劑所得產物D產量（kg）

要檢驗三種催化劑的催化活性是否存在顯著差異，等同于檢驗三者產量的均值是否相等。

給定原假設H0：三者產量均值相等，備擇假設H1：三者的產量均不相等；對于影響產量的因素僅催化劑種類一項，因此可以采用單因素方差分析進行多總體樣本均值檢驗。

國工數據大腦分析過程

圖1  RDBMS讀取組件

圖2 單因素方差分析組件及參數配置

圖3 分析結果

國工數據大腦平臺可直接獲取實驗室LIMS系統中的實驗數據，直接將實驗數據對接到創建好的單因素方差分析模型中，根據得出的分析結果自動對報告進行判定，代替人工判定；并將存在顯著性差異的報告重點推送給相關領導引起重視。根據領導對存在顯著性差異報告的處理，可自動觸發二次檢驗流程等操作。

 圖4   算法自動觸發LIMS系統報告判定

參數說明：

①因素：影響研究對象的某一指標、變量。

②單因素試驗：考慮的因素只有一個的試驗叫單因素試驗。

③顯著性水平：估計總體參數落在某一區間內，可能犯錯誤的概率為顯著性水平。

適用范圍：