CN117688352A - 一种能力验证的数据处理系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，公开了一种能力验证的数据处理系统，包括以下模块：实验室信息获取模块、预处理模块、数据处理模块、处理结果输出模块；所述数据处理模块包括多个数学模型，所述数学模型与预处理模块连接，用于嵌入统计算法对预处理后的所述实验室信息进行处理；采用稳健统计迭代算法和稳健统计标准化四分位距法对大量数据统计分析，具有大量数据的处理能力和较强的稳健性，在处理异常值和离群值更为稳健，采用经典统计算法对中等数量的数据进行统计分析，更适用于实验室环境，使得整体的计算精度和计算效率达到平衡，采用经典模型法对少量数据统计分析，具有较强的适用性，减小异常值影响的同时还能提高计算精度。

Description

一种能力验证的数据处理系统

技术领域

本发明涉及数据处理技术领域，尤其涉及一种能力验证的数据处理系统。

背景技术

众所周知，能力验证系统中数据处理是至关重要的环节。实验室能力验证根据参与对象的不同，分别设置有实验室能力验证计划和测量审核计划，实验室能力验证计划中实验室作为参与对象，需要多家实验室同时参加同一个计划进行测试，测量审核计划仅对一家实验室公开，现有技术的系统大都采用内嵌有数据处理算法的数据模板进行数据统计并分析，但是算法本身存在数据规模和处理需求的限制，对少量数据处理可以达到精度要求但会出现效率低下的问题，对大量数据处理时虽然能使得计算效率达到要求，但由于异常值对数据分析的影响较大，会降低计算精度，综上所述仍采用现有技术对数据进行处理，在处理精度和处理效率两方面无法同时达到平衡，因此，亟需一种能力验证的数据处理系统，以实现实验室能力验证的数据处理。

发明内容

为了解决上述技术问题，本发明提供了一种能力验证的数据处理系统，以实现能力验证的数据处理。

本发明提供了一种能力验证的数据处理系统，包括以下模块：

实验室信息获取模块：用于获取参加能力验证的实验室信息；

预处理模块：与所述实验室信息获取模块连接，用于对所述实验室信息进行预处理；

数据处理模块：包括多个数学模型，所述数学模型与预处理模块连接，用于嵌入统计算法对预处理后的所述实验室信息进行处理；

所述统计算法包括经典模型法、经典统计算法、稳健统计算法，所述稳健统计算法包括稳健统计标准化四分位距法和稳健统计迭代算法，所述经典模型法，用于对所述实验室数量为6-11家的所述实验室信息进行统计分析，所述经典统计算法，用于对所述实验室数量为12-16家的所述实验室信息进行统计分析，所述稳健统计标准化四分位距法或所述稳健统计迭代算法，用于对所述实验室数量为17家及以上的所述实验室信息进行统计分析；

处理结果输出模块：与数据处理模块连接，用于将实验室信息的处理结果输出。

进一步地，所述能力验证包括实验室能力验证计划、测量审核计划，所述实验室信息获取模块中的所述实验室信息，包括：参加实验室能力验证计划的多家所述实验室信息、参加测量审核计划的所述实验室信息。

进一步地，预处理后的所述实验室信息包括实验室数量以及实验室测试数据，所述实验室测试数据为：同一家实验室测试所获取的所有所述实验室测试数据的平均值。

进一步地，所述预处理模块对所述实验室信息中的实验室测试数据进行预处理包括：缺失值处理、异常值处理、离群值处理。

进一步地，所述数据处理模块通过所述实验室数量选择所述统计算法对所述实验室信息获取模块的实验室信息进行处理。

进一步地，所述数据处理模块通过所述实验室数量选择所述统计算法对所述实验室信息获取模块的实验室信息进行处理，包括：根据所述统计算法对所述实验室测试数据进行计算获得指定值，根据所述实验室信息以及所述数学模型计算能力评定标准差；

根据所述数学模型的不同，所述指定值和所述能力测定标准差采用不同的计算方式进行计算。

进一步地，所述经典模型法和稳健统计标准化四分位距法的指定值为所述实验室测试数据的中位值，所述经典统计算法的指定值为所述实验室测试数据的平均值，所述稳健统计迭代算法的指定值为利用稳健算法迭代计算的总体均值。

进一步地，所述经典模型法对产品中化学特性进行测试，采用霍沃兹公式计算能力评定标准差。

进一步地，所述经典模型法对产品中非化学特性进行测试，其相应测试方法的再现性偏差作为计算过程中的能力评定标准差。

进一步地，所述处理结果输出模块根据所述指定值以及能力评定标准差计算z比分值，用以提供实验室参与能力验证的评价结果。

本发明实施例具有以下技术效果：

本发明的数据处理模块中根据不同实验室数量选择不同的统计算法，对不同的数据量进行统计分析，采用经典模型法对少量数据统计分析，具有较强的适用性，减小异常值影响的同时还能提高计算精度，采用稳健统计迭代算法和稳健统计标准化四分位距法对大量数据统计分析，具有大量数据的处理能力和较强的稳健性，在处理异常值和利群值时更为稳健，计算效率高，采用经典统计算法对中等数量的数据进行统计分析，适用性高、普及程度高，更适用于实验室环境，相较于现有技术，本发明根据实验室数量的不同选择不同的统计算法，使得整体的计算精度和计算效率达到平衡，提高了计算精度和效率。

本发明在数据处理模块根据不同的数据量选择相应的数学模型，将不同数据量所选择的统计算法嵌入到数学模型中，其中数学模型的统计算法内的指定值和能力评定标准差是相对独立的，是根据经验、检测方法的不同进行自由搭配的，通过数学模型分别计算不同能力验证计划中参试实验室测试数据集的指定值、能力评定标准差。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例1提供的一种能力验证的数据处理系统的结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

实施例1，

图1是本发明实施例1提供的一种能力验证的数据处理系统的结构图。参照图1，具体包括以下模块：

实验室信息获取模块：用于获取参加能力验证的实验室信息。

能力验证是指实验室或检验机构作为计划参与者参与计划提供者发布的计划，对样品进行测试得出测试结果，根据实验室之间的测试结果的比对来评价计划参与者的能力，广义的能力验证包括一对多和一对一的能力验证，主要包括：实验室能力验证计划、测量审核计划，实验室能力验证计划是指至少六家以上的实验室对同一件样品进行检测，测量审核计划是指一家实验室针对已确定指定值和能力评定标准差的样品进行实际测量；进一步地，实验室测量审核计划在参加样品的实际测量前本实施会预设本次计划的指定值和标准差，实验室对样品进行实际测量获得当前测量的指定值和标准差，根据已确定的指定值和标准差计算z比分值，本实施例会将此次的测量的结果是否满意的评价发送给实验室，若实验室不满足当前测量的结果，还可以继续复测，每次复测前本实施需重新设置指定值和标准差的预设值，直到实验室测量结果满意为止；

本实施例针对于食品进行检测，主要对于食品的化学特性进行测定，具体对食品中化学成分进行测定、食品中添加剂进行测定、食品中营养成分进行测定等等，如：醋中的不挥发酸的测定、婴幼儿配方乳粉中维生素B6、牛磺酸、胆碱的测定、大米中铬、砷的测定等等；本实施例还包括对食品非化学特性进行少量测定，例如食品水分含量的测定、食品旋光度测定等等；

基于上述描述，获取参加能力验证的实验室信息，包括：参加实验室能力验证计划的多家所述实验室信息、参加测试审核计划的所述实验室信息；所述实验室信息包括实验室数量和实验室测试数据；所述实验室测试数据为同一家实验室测试所获取的所有所述实验室测试数据的平均值。

预处理模块：与所述实验室信息获取模块连接，用于对所述实验室信息中的实验室测试数据进行预处理。

考虑到缺失值、异常值以及离群值的存在，为了保证数据统计计算的精度，本实施例将缺失值、异常值、离群值剔除，剔除的缺失值、异常值、离群值不参与统计计算，所述实验室测试数据为剔除缺失值、异常值、离群值后的实验室测试数据。

数据处理模块：包括多个数学模型，所述数学模型与预处理模块连接，用于嵌入统计算法对预处理后的所述实验室信息进行处理；

首先，能力验证中实验室能力验证计划中的实验室测试数据集由一家或多家所述实验室测试数据组成；根据参加能力验证的所述实验室数量将所述实验室测试数据集划分为少量数据、中等数据和大量数据，具体地，将所述实验室测试数据集中所述实验室数量为6-11家的所述实验室测试数据定义为少量数据，将所述实验室测试数据集中所述实验室数量为12-16家的所述实验室测试数据定义为中等数据，将所述实验室测试数据集中所述实验室数量为17家及以上的所述实验室测试数据定义为大量数据；

所述统计算法包括经典模型法、经典统计算法、稳健统计算法，对于少量数据的情况下异常值对数据统计分析的影响更为显著，少量数据本身存在较大的随机波动性和不确定性，经典模型法对少量数据进行统计分析上具有较强的适用性，可以减小异常值对数据处理的影响，提高精度，为此，本实施例采用经典模型法对所述实验室测试数据集中所述实验室数量为6-11家的所述实验室测试数据进行统计分析；值得注意的是，本实施例通过预处理模块剔除异常值后，数据集中还会存在一些隐藏的异常值或数据质量问题，这些异常值会对数据处理产生不利影响，为此，本实施例采用经典模型法进行处理可以最大程度解决这个缺陷；

其中，本实施例针对1-5家的所述实验室测试数据直接放弃不再进行统计分析，由于数据量极少，采用算法进行统计分析容易出现崩溃的现象；

经典统计算法具有较强的稳健性、高适用性、普及程度高，更适用于实验室环境，本实施例采用经典统计算法对所述实验室测试数据集中所述实验室数量为12-16家的所述实验室测试数据进行统计分析；

稳健统计算法包括稳健统计迭代算法和稳健统计标准化四分位距法，随着实验室数量的增加，数据量显著增加，异常值和离群值也显著增多，数据处理分析过程中增加了一些不确定性，稳健统计迭代算法和稳健统计标准化四分位距法具有大量数据的处理能力和较强的稳健性，在处理异常值和离群值时更为稳健，计算效率高，而且通过迭代过程或简易分距计算获取结果，使其能够逐渐改进和优化分析结果，减少异常值或离群值对整体数据的影响，为此，本实施例采用稳健统计迭代算法或稳健统计标准化四分位距法对所述实验室测试数据集中所述实验室数量为17家及以上的所述实验室测试数据进行统计分析。

所述数据处理模块通过所述实验室测试数据集中所述实验室数量选择所述统计算法对所述实验室信息获取模块的实验室信息进行处理，包括：根据所述统计算法对所述实验室测试数据集中所述实验室测试数据进行计算获得指定值，根据所述实验室信息以及所述数学模型计算能力评定标准差；本实施例在所述数据处理模块根据不同的数据量选择相应的数学模型，将不同数据量所选择的统计算法嵌入到数学模型中，其中数学模型的统计算法内的指定值和能力评定标准差是相对独立的，是根据经验、检测方法的不同进行自由搭配的，通过数学模型分别计算不同实验室测试数据集的指定值、能力评定标准差；根据所述数学模型的不同，所述指定值和所述能力测定标准差采用不同的计算方式进行计算；

具体地，用于对所述实验室测试数据集中所述实验室数量为6-11家的所述实验室测试数据进行统计分析的经典模型法的指定值为固定搭配，即所述实验室测试数据集的中位值，本实施例采用实验室全部测试数据按照由大到小的顺序排列，选取中位值作为经典模型法的指定值，进一步地，将其中的所述实验室测试数据的数量记为，若/>为奇数，选取所述实验室测试数据集中所述实验室测试数据的中间值作为中位值，即；若/>为偶数，选取所述实验室测试数据集中所述实验室测试数据中两个中间值的平均值作为中位值，即/>，/>为实验室测试数据集，/>为经典模型法的指定值即所述实验室测试数据集中所述实验室测试数据的中位值；所述实验室测试数据进行统计分析的经典模型法的能力评定标准差是可选性搭配的，当对产品中化学特性进行测试时，本实施例采用霍沃兹公式计算其能力评定标准差，当对产品中非化学特性进行测试时，根据参与能力验证任意计划中所选择的标准方法的再现性偏差作为计算过程中的能力评定标准差；示例1，醋中的不挥发酸的测定是基于产品化学特性的测试，其适用于霍沃兹公式。

其中，霍沃兹公式为：

；

式中，为采用霍沃兹公式计算经典模型法的能力评定标准差，/>是以百分数表示的待测产品中化学成分的浓度；

其中，本实施例针对食品的化学特性进行测定时采用霍沃兹公式计算经典模型法的能力评定标准差，是以百分数表示的待测产品中化学成分的浓度即经典模型法计算得到的指定值，本实施例根据计算得到的指定值判断其属于霍沃兹公式的数值区间，从而根据其所属于的数值区间得到对应的能力评定标准差；

示例2：

食品中水分含量的测定，其测试的是食品中重量这个物理参数，属于非化学特性数据集，其不适用于霍沃兹公式计算其能力评定标准差。根据其依据的测试方法——GB5009.3-2016 《食品安全国家标准 食品中水分的测定》中第一法直接干燥法中7精密度描述：在重复性条件下获得的两次独立测定结果的绝对差值不得超过算术平均值的10%，设置该偏差为本次能力验证的方法再现性偏差，即为本次能力验证计划的能力评定标准差。

用于对所述实验室测试数据集中所述实验室数量为12-16家的所述实验室测试数据进行统计分析的经典统计算法的指定值为固定搭配，所述实验室测试数据集中所有所述实验室测试数据集的平均值；经典统计算法计算的能力评定标准差的计算公式为：

；

式中，为经典统计算法计算的能力评定标准差，/>为实验室测试数据集中的任意一家实验室的实验室测试数据，/>为实验室测试数据集中参加能力验证中任一计划中实验室数量，/>为经典统计算法对所述实验室测试数据集中所述实验室测试数据计算的指定值；

用于对所述实验室测试数据集中所述实验室数量为17家及以上的所述实验室测试数据进行统计分析的稳健统计迭代算法的指定值为可选性搭配，所述实验室测试数据集中所有所述实验室测试数据的稳健平均值，稳健平均值为利用稳健算法所述实验室测试数据集中所有所述实验室测试数据计算的总体均值，具体地，本实施例采用稳健统计迭代算法进行统计分析的实验室测试数据集包含P个实验室测试数据，将实验室测试数据集中的实验室测试数据按照递增顺序排列，表示为：，将实验室测试数据集中所述实验室测试数据的中位值作为稳健平均值，具体地，将计算得到的所述实验室测试数据集中所有所述实验室测试数据的稳健平均值记为/>，；稳健统计迭代算法计算的能力评定标准差为稳健标准差，利用稳健算法计算的总体标准差的均值估计，计算过程为：

将实验室测试数据集中所有实验室测试数据的稳健标准差记为，稳健标准差的计算公式为：

；

其中为采用稳健统计迭代算法统计分析的第i个实验室测试数据；

根据以下步骤更新和/>的值：

更新的计算公式为：/>，/>为更新后/>的数值；

对每个的值进行更新，/>更新后的/>的计算公式为：

；

由下式计算和/>的新的取值：

；

；

当稳健标准差的第三位有效数字和稳健平均值相对应的数字在连续两次迭代中不再变化时，则认为此过程是收敛的，停止迭代，获得最终的未见标准差和稳健平均值；

用于对所述实验室测试数据集中所述实验室数量为大于17家的所述实验室测试数据进行统计分析也可以采用稳健统计标准化四分位距法的指定值为可选性搭配，所述实验室测试数据集中所述实验室测试数据的中位值，本实施例采用实验室全部测试数据按照由大到小的顺序排列，选取中位值作为稳健统计标准化四分位距法的指定值，进一步地，将其中所述实验室测试数据的数量记为，若/>为奇数，选取所述实验室测试数据集中所述实验室测试数据的中间值作为中位值，即/>；若/>为偶数，选取所述实验室测试数据集中所述实验室测试数据中两个中间值的平均值作为中位值，即，/>为实验室测试数据集，/>为稳健统计标准化四分位距法计算的指定值；将所述实验室测试数据集中所述实验室数量为大于17家的所述实验室测试数据按顺序排列，居于下四分之一位置的数据为下四分位数或低四分位数/>，该组数据的四分之一低于/>，四分之三高于/>；居于上四分之一位置的数据为上四分位数或高四分位数，该组数据的四分之一高于/>，四分之三低于/>，即/>，稳健统计标准化四分位距法计算的稳健标准差为/>；

本实施例对所述实验室测试数据集中所述实验室数量为大于17家的所述实验室测试数据进行统计分析，在稳健统计迭代算法和稳健统计标准化四分位距法这两个算法之间作选择上具备以下优势：

1.稳健性：这两种算法都比较稳健，不易受到异常值或离群值的影响，能够提供更稳定和可靠的分析结果；

2.灵活性：这两种算法比较灵活，可以适用于不同的数据分布和场景，用于可以根据实际需求选择合适的算法；

3.高效性：这两种算法都相对比较高效，可以在较短时间内处理大量数据，提高数据处理和分析的效率；

4.可解释性：这两种算法都比较容易解释和理解，用户可以根据算法输出的结果进行数据分析和挖掘；

本实施例设置这两种算法可以满足不同用户的要求和偏好，对于简单数据用户会更偏向于使用稳健统计标准化四分位距法，因为它可以提供更为直观和易于理解的结果，而对于复杂的数据用户则更加偏向于使用稳健统计迭代算法，因为它通过迭代计算来接近近似值，适用于复杂数据处理，提供两种算法供用户选择使用，可以更好地满足不同用户的需求和偏好，提高用户体验和满意度。

处理结果输出模块：与数据处理模块连接，用于将实验室信息的处理结果输出。

此处的结果输出即为对各实验室数据的评价，以及进一步地对该实验室整体检测能力的评价。评价规则基于z比分值的原则。

根据所述指定值以及能力评定标准差计算z比分值， z比分值由指定值和能力评定标准差计算的实验室偏移的标准化量度，用以提供实验室参与能力验证的评价结果，z比分值的计算公式为：

；

式中：为Z比分值，/>为实验室测试数据集中的任意一家实验室的实验室测试数据，/>为数学模型计算的指定值，/>为数学模型计算的能力评定标准差；

z比分值可为正负值，其中正值表明该实验室数据相对于指定值的正方向，负值表明该实验室数据相对于指定值的负方向。

所述处理结果输出模块包括简单模式和复杂模式；

所述简单模式具体为：根据统计算法对所述实验室测试数据集中所述实验室测试数据进行统计分析得到z比分值作为处理结果，处理结果包括三个评价等级，评价等级包括满意或可疑或不满意，通过评价等级可以直接了解实验室的能力验证能力；具体地，本实施例将所述实验室测试数据得到的z比分值作为实验室参加能力验证的评价标准，根据z比分值的不同数值设置评价等级，当时，将评价等级设置为“满意”，无需采取进一步措施；当/>时，将评价等级设置为“可疑”，需要对当前的实验室产生警戒信号；当时，将评价等级设置为“不满意”，需要当前的实验室产生措施信号。

所述复杂模式：除以上功能的描述外，本实施例在处理结果输出模块还设计了共存性数据评判处理模块，所述共存性数据评判处理模块嵌入了逻辑为“OR”的方法评价标准，用于根据预设的方法评价标准自动对数据进行评价，得出评价等级，所述共存性数据评判处理模块得出的评价等级包括满意或不满意；具体地：即当时，而不是简单的发出“不满意”信号，而是采用条件式的选择模式，嵌入逻辑为“OR”的方法评价标准，即当满足方法评价标准的条件时，数据处理系统将自动采用逻辑为“OR”的方式给出“满意”的评价等级，相反即给出“不满意”的评价等级。

综上所述，本发明针对实验室的不同数量选择不同的统计算法进行统计分析，在计算精度和计算效率两方面得到平衡，同时，对实验室的评价规则中除考虑统计算法在处理数据中的客观性外，还增加了共存性数据评判规则，兼顾了各行业内实验室采用的检测方法的评价标准，更贴近于组织者的实际应用。

实施例2

本发明还提供一种电子设备，包括一个或多个处理器和存储器。

处理器可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。

存储器可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器可以运行所述程序指令，以实现上文所说明的本申请任意实施例的一种能力验证的数据处理系统以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。

在一个示例中，电子设备还可以包括：输入装置和输出装置，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。该输入装置可以包括例如键盘、鼠标等等。该输出装置可以向外部输出各种信息，包括预警提示信息、制动力度等。该输出装置可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器实现本申请任意实施例所提供的一种能力验证的数据处理系统的功能。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器实现本申请任意实施例所提供的一种能力验证的数据处理系统的功能。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本申请范围。如本发明说明书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。

还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。

Claims (10)

1.一种能力验证的数据处理系统，其特征在于，包括以下模块：

实验室信息获取模块：用于获取参加能力验证的实验室信息；

预处理模块：与所述实验室信息获取模块连接，用于对所述实验室信息进行预处理；

数据处理模块：包括多个数学模型，所述数学模型与预处理模块连接，用于嵌入统计算法对预处理后的所述实验室信息进行处理；

所述统计算法包括经典模型法、经典统计算法、稳健统计算法，所述稳健统计算法包括稳健统计标准化四分位距法和稳健统计迭代算法，所述经典模型法，用于对所述实验室数量为6-11家的所述实验室信息进行统计分析，所述经典统计算法，用于对所述实验室数量为12-16家的所述实验室信息进行统计分析，所述稳健统计标准化四分位距法或所述稳健统计迭代算法，用于对所述实验室数量为17家及以上的所述实验室信息进行统计分析；

处理结果输出模块：与数据处理模块连接，用于将实验室信息的处理结果输出。

2.根据权利要求1所述的一种能力验证的数据处理系统，所述能力验证包括实验室实验室能力验证计划、测量审核计划，其特征在于，所述实验室信息获取模块中的所述实验室信息，包括：参加实验室能力验证计划的多家所述实验室信息、参加测量审核计划的所述实验室信息。

3.根据权利要求1所述的一种能力验证的数据处理系统，其特征在于，预处理后的所述实验室信息包括实验室数量以及实验室测试数据，所述实验室测试数据为：同一家实验室测试所获取的所有所述实验室测试数据的平均值。

4.根据权利要求1所述的一种能力验证的数据处理系统，其特征在于，所述预处理模块对所述实验室信息中的实验室测试数据进行预处理包括：缺失值处理、异常值处理、离群值处理。

5.根据权利要求3所述的一种能力验证的数据处理系统，其特征在于，所述数据处理模块通过所述实验室数量选择所述统计算法对所述实验室信息获取模块的实验室信息进行处理。

6.根据权利要求5所述的一种能力验证的数据处理系统，其特征在于，所述数据处理模块通过所述实验室数量选择所述统计算法对所述实验室信息获取模块的实验室信息进行处理，包括：根据所述统计算法对所述实验室测试数据进行计算获得指定值，根据所述实验室信息以及所述数学模型计算能力评定标准差；

根据所述数学模型的不同，所述指定值和所述能力测定标准差采用不同的计算方式进行计算。

7.根据权利要求6所述的一种能力验证的数据处理系统，其特征在于，所述经典模型法和稳健统计标准化四分位距法的指定值为所述实验室测试数据的中位值，所述经典统计算法的指定值为所述实验室测试数据的平均值，所述稳健统计迭代算法的指定值为利用稳健算法迭代计算的总体均值。

8.根据权利要求7所述的一种能力验证的数据处理系统，其特征在于，所述经典模型法对产品中化学特性进行测试，采用霍沃兹公式计算能力评定标准差。

9.根据权利要求8所述的一种能力验证的数据处理系统，其特征在于，所述经典模型法对产品中非化学特性进行测试，其相应测试方法的再现性偏差作为计算过程中的能力评定标准差。

10.根据权利要求1所述的一种能力验证的数据处理系统，其特征在于，所述处理结果输出模块根据所述指定值以及能力评定标准差计算z比分值，用以提供实验室参与能力验证的评价结果。