壹、制造業質量數據分析遇到的難點：
1、產品質量缺陷追溯周期長，找尋規律較慢。
2、數據跨工廠/跨車間/跨業務系統，只做數據展示，無法關聯分析。
3、數據不全，數據準確性不穩定，數據分析決策支持功能弱。
4、很難發現經驗已知之外的影響產品質量的因素。
二、生產質量分析方案設計特點
將當代計算機科學、工業統計與大數據技術、行業質量管理及持續改進最佳實踐完美融合、洞察質量與流程數據，從而提高效率、降低成本、預測未知、科學決策，提高持續盈利能力。可以實時質量風險預警平臺、質量大數據分析平臺、智能質量報告平臺、自動化分析程序及報告。
三、方案實施收益
1、建立統壹的數據采集和管理平臺，極大降低數據分析中數據收集和整理的時間。
2、打破多個業務系統（SAP、MES、手工臺賬等）的數據孤島，將數據集中到壹個平臺，完善數據采集機制、建立數據標準、提升數據質量。
3、創建產品質量的主題分析應用，找到產品質量問題的根因。包括：產品全生命周期的分析、質量和缺陷走勢分析、生產過程（人、設備、工藝等）分析、客訴與訂單交付分析、設備故障和備件分析、質量預測分析等。
4、分析報表通過大屏、PC端和移動端進行展示，並以壹系列標準格式自動分發報表。
5、為客戶提供企業BI項目整體規劃的咨詢方案：質量分析及預測、運營分析及預測、高層管理駕駛艙。
四、方案是如何落地實施的
1、工序質量分析-指標分析
實現合格率、成品率、成功率、產出合格重量、產出量、投入量、缺陷重量、單缺陷率等品管核心關註指標跨工序的全局聯動分析。
2、工序質量分析-SPC過程能力分析
系統界面及報告系統提供多種圖形，包括：單值圖（運行圖）、以及直方圖、帕累托圖、控制圖（均值極差圖、均值標準差圖、單值移動極差圖）、箱形圖、C值評估圖、質控圖、皮爾森圖等滿足日常統計分析。
3、工序質量分析-假設檢驗
改善效果的驗證；潛在原因的確認；不同供應商的質量可靠性水平的對比等。
4、SPC與質量大數據分析 -方差分析
具有強大方差分析能力，並能生成專業化的、易於解讀的方差分析報告。支持的方差分析模型有：單因子方差分析、多因素方差分析設計、混合效應模型、分級嵌套模型、失衡數據。
5、工序質量-SPC與質量大數據分析
6、異常質量追溯
找到質量異常產品在生產過程中各工序的生產時間、工序的工藝參數，機臺記錄的備註（生產異常說明）、交接班的備註（生產異常說明）、各工序的評審記錄、品檢信息、工器具信息、輔材信息、停機記錄、班廠量、設備運維狀況等信息，並判斷是否出現異常。
7、制造過程質量分析與控制-質量預測與預警
五、生產質量分析方案架構：