传统的制造业正面临大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待创新方法的诞生，来应对工业背景下的大数据挑战。如在半导体行业，芯片在生产过程中会经历许多掺杂、增层、光刻和热处理等复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱，还是企业的金矿呢？如果说是后者，那么又该如何快速地拨云见日，从“金矿”中准确地发现产品良率拨动的关键原因？
按照传统的工作模式，需要按部就班地分别计算每个过程能力指数，对各项质量特性一一考核。这里暂且不论工作量的庞大与烦琐，哪怕有人能够解决计算量的问题，但也很难从这些指数中看出它们之间的关联，更难对产品的总体质量性能有一个全面的认识与总结。然而利用大数据质量管理分析平台，除了可以快速地得到一个长长的传统单一指标的过程能力分析报表外，更重要的是还可以从同样的大数据集中得到很多崭新的分析结果。
1）质量监控仪表盘
质量监控仪表盘的布局能够随着现场布局的调整动态变化，通过鼠标点击获取更多的信息，比如双击可查看异常数据细节和控制图。
2）控制图监控与质量对比
系统提供多种控制图，并可定制各种判异准则；可以在同一控制图中实时显示多个序列，以帮助实时比较不同机台的质量表现；此外，还可以按属性组动态地进行监控；支持自动计算控制限。(www.xing528.com)
3）质量风险预警
系统可以通过多种方式对实现发现的质量风险进行及时预警，以显著减少缺陷、返工、报废和客户投诉的发生。可选预警方式包括但不限于电子邮件、工控灯、自动打印质量问题通知单、虚拟红绿灯。
4）质量报告
导出的报告中不仅包含数据，还可以包含诸多分析结果，如过程能力指数、中位数、分位数、最大值、最小值、抽样方法、各条判异准则的违反数量、质检结果等；支持导入报告模板。汇总跨部门甚至跨数据库的数据，并进行分析，生成各种形式的质量报告。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
