改革開放以來，中國的制造業飛速發展，中國制造的產品遠銷世界各個角落將加工制造業發展到了極致，成為了世界的加工工廠。

現如今面臨第四次工業革命，德國等發達國家已經提出相應的政策，德國利用技術的趨勢提出 4.0 政策，開始實施未來的工業發展戰略。為了趕超發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”的內容和其他國家的工業4．0有相互重疊的地方。但也有屬于中國的獨特之處。創新驅動、質量為先、綠色發展、結構優化、人才為本……其中把質量放在最前面，這就與其他國家的理念都不一樣。由此可見質量是一個非常重要的因素。

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

傳統的質量統計方法很重要，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，得到的是部分產品的信息，只能反映局部生產過程，缺少的數據與信息平臺、質量數據難以共享與追蹤、工具自動化程度低、依賴質量人員的大量參與與主觀判斷，所以必須做出變革。

工業大數據和機器學習的結合。對我們來說就是難得的機遇。雖然現在傳感器便宜了，信息系統技術到位了，工業大數據的收集的技術也已經到位了。還有以前看不到的東西，現在也看的到了，像分析方面的描述、診斷、預測等，現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據收集，根據自己的行業進行了不同層次的描述、分析、整合，這些都是工業大數據要做的事。但我要說的是，就算軟件、硬件做得比較超前到位,但還是需要專業分析工具、專業分析人員，才能讓數據分析應用更徹底、質量管理更全面。

國工智能的數據大腦產品就完全可以滿足客戶對質量管理的需求，平臺中融合了大量數據分析算法包含了SPC,CPK,DOE等質量分析方法，可以實現服務化數據監控，一旦出現問題，會主動推送報告到關聯人員和生產管理系統，提出建議處理措施，從而來預測企業的質量是否可控，從而能使產品質量保持在良好一致性和穩定性的范圍內。

在本篇，我們通過一個完整的案例來演示國工智能數據大腦平臺的數據分析能力。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：

現有一個實際案例，某企業有兩臺相同的設備每天都要生產幾萬個零件，1號設備和2號設備生產相同產品質量幾乎無差，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號設備生產的零件中和換上新道具的1號設備生產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。現對該組數據進行分析。

分析過程：

國工智能數據大腦平臺會自動、定時從質量分析系統中讀取數據，直接訪問數據庫獲取數據集。

采用拖取的形式從數據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，右側會出現【組件配置】操作面板，進行一系列參數配置。點擊運行，生成分析結果。

分析結果：

原假設聲明H0：p1-p2=0 ，即1號設備生產合格率所占的比率與2號設備生產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，所以結果表明，1號設備生產合格率所占的比率與2號設備生產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，企業通過該分析結果可得出1號設備的生產合格率高于2號設備的生產合格率。

與質量分析系統相融合：

數據大腦具備的強大數據整合功能，可以完成任意類型數據庫、EXCEL、文本文檔、數據接口等多種類型數據的對接整合，從而可將生產中質量分析系統、MES系統等，底層系統中的海量生產數據整合到平臺中進行數據的清洗、分析及深度挖掘。

參數說明：

1、試驗數A——輸入樣本A的試驗數；

2、事件數A——輸入樣本A的事件數；

3、試驗數B——輸入樣本B的試驗數；

4、事件數B——輸入樣本B的事件數；

5、置信水平——選擇0.05；