改革開放以來，中國的制造業(yè)飛速發(fā)展，中國制造的產(chǎn)品遠銷世界各個角落將加工制造業(yè)發(fā)展到了極致，成為了世界的加工工廠。

現(xiàn)如今面臨第四次工業(yè)革命，德國等發(fā)達國家已經(jīng)提出相應的政策，德國利用技術(shù)的趨勢提出 4.0 政策，開始實施未來的工業(yè)發(fā)展戰(zhàn)略。為了趕超發(fā)達國家中國也提出了自己的理念—“中國制造2025”。雖然“中國制造2025”的內(nèi)容和其他國家的工業(yè)4．0有相互重疊的地方。但也有屬于中國的獨特之處。創(chuàng)新驅(qū)動、質(zhì)量為先、綠色發(fā)展、結(jié)構(gòu)優(yōu)化、人才為本……其中把質(zhì)量放在最前面，這就與其他國家的理念都不一樣。由此可見質(zhì)量是一個非常重要的因素。

提到產(chǎn)品質(zhì)量管控，大部分企業(yè)都會去設立品質(zhì)、生產(chǎn)等部門對產(chǎn)品質(zhì)量進行把控。但事實上，如果固守傳統(tǒng)的質(zhì)量管理模式，很難百分百杜絕不合格產(chǎn)品流通到市場上。那么企業(yè)如何才能有效地提高產(chǎn)品質(zhì)量？

傳統(tǒng)的質(zhì)量統(tǒng)計方法很重要，但確實也有不足的地方。需要不斷更新、增添。它們大多基于采樣，得到的是部分產(chǎn)品的信息，只能反映局部生產(chǎn)過程，缺少的數(shù)據(jù)與信息平臺、質(zhì)量數(shù)據(jù)難以共享與追蹤、工具自動化程度低、依賴質(zhì)量人員的大量參與與主觀判斷，所以必須做出變革。

工業(yè)大數(shù)據(jù)和機器學習的結(jié)合。對我們來說就是難得的機遇。雖然現(xiàn)在傳感器便宜了，信息系統(tǒng)技術(shù)到位了，工業(yè)大數(shù)據(jù)的收集的技術(shù)也已經(jīng)到位了。還有以前看不到的東西，現(xiàn)在也看的到了，像分析方面的描述、診斷、預測等，現(xiàn)在也可以做到不同的高度。比如進廠加工等每個過程都有進行數(shù)據(jù)收集，根據(jù)自己的行業(yè)進行了不同層次的描述、分析、整合，這些都是工業(yè)大數(shù)據(jù)要做的事。但我要說的是，就算軟件、硬件做得比較超前到位,但還是需要專業(yè)分析工具、專業(yè)分析人員，才能讓數(shù)據(jù)分析應用更徹底、質(zhì)量管理更全面。

國工智能的數(shù)據(jù)大腦產(chǎn)品就完全可以滿足客戶對質(zhì)量管理的需求，平臺中融合了大量數(shù)據(jù)分析算法包含了SPC,CPK,DOE等質(zhì)量分析方法，可以實現(xiàn)服務化數(shù)據(jù)監(jiān)控，一旦出現(xiàn)問題，會主動推送報告到關(guān)聯(lián)人員和生產(chǎn)管理系統(tǒng)，提出建議處理措施，從而來預測企業(yè)的質(zhì)量是否可控，從而能使產(chǎn)品質(zhì)量保持在良好一致性和穩(wěn)定性的范圍內(nèi)。

在本篇，我們通過一個完整的案例來演示國工智能數(shù)據(jù)大腦平臺的數(shù)據(jù)分析能力。案例中我們主要用到的算法組件是雙樣本率檢驗。

含義：

雙樣本率檢驗：

使用雙樣本率檢驗組件可執(zhí)行確定兩個組的總體比率是否不同和計算可能包括總體比率之間差值的值范圍。

案例：

現(xiàn)有一個實際案例，某企業(yè)有兩臺相同的設備每天都要生產(chǎn)幾萬個零件，1號設備和2號設備生產(chǎn)相同產(chǎn)品質(zhì)量幾乎無差，工程師在1號設備換上新設備的刀具，由于新刀具是用價格較為昂貴的合金材料；希望使用新刀具能使廢品率有所下降。

使用原來刀具的2號設備生產(chǎn)的零件中和換上新道具的1號設備生產(chǎn)的零件中各分別隨機抽取多個進行檢驗，1號設備收取102個樣品，99個樣品合格；2號設備抽取77個樣品，55個樣品合格。現(xiàn)對該組數(shù)據(jù)進行分析。

分析過程：

國工智能數(shù)據(jù)大腦平臺會自動、定時從質(zhì)量分析系統(tǒng)中讀取數(shù)據(jù)，直接訪問數(shù)據(jù)庫獲取數(shù)據(jù)集。

采用拖取的形式從數(shù)據(jù)大腦中的組件面板查找雙樣本率檢驗組件，拖到到工作面板。

單擊該組件，右側(cè)會出現(xiàn)【組件配置】操作面板，進行一系列參數(shù)配置。點擊運行，生成分析結(jié)果。

分析結(jié)果：

原假設聲明H0：p1-p2=0 ，即1號設備生產(chǎn)合格率所占的比率與2號設備生產(chǎn)合格率所占的比率之差為0 ，由于 p 值為 0.000（小于顯著性水平 0.05），因此可否定原假設，所以結(jié)果表明，1號設備生產(chǎn)合格率所占的比率與2號設備生產(chǎn)合格率所占的比率之間存在差異。且兩個組的總體比率之間差值為0.2563025，企業(yè)通過該分析結(jié)果可得出1號設備的生產(chǎn)合格率高于2號設備的生產(chǎn)合格率。

與質(zhì)量分析系統(tǒng)相融合：

數(shù)據(jù)大腦具備的強大數(shù)據(jù)整合功能，可以完成任意類型數(shù)據(jù)庫、EXCEL、文本文檔、數(shù)據(jù)接口等多種類型數(shù)據(jù)的對接整合，從而可將生產(chǎn)中質(zhì)量分析系統(tǒng)、MES系統(tǒng)等，底層系統(tǒng)中的海量生產(chǎn)數(shù)據(jù)整合到平臺中進行數(shù)據(jù)的清洗、分析及深度挖掘。

參數(shù)說明：

1、試驗數(shù)A——輸入樣本A的試驗數(shù)；

2、事件數(shù)A——輸入樣本A的事件數(shù)；

3、試驗數(shù)B——輸入樣本B的試驗數(shù)；

4、事件數(shù)B——輸入樣本B的事件數(shù)；

5、置信水平——選擇0.05；