JMP深度文章：在大数据冲击下的工业质量管理对策

小颖

说起大数据，人们很容易想起电商、银行、电信等行业。殊不知，传统的制造业也正在（甚至更早地）面临着大数据的冲击，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着有创新方法的诞生，来应对工业背景下的大数据挑战。

例如在半导体行业，芯片在生产过程中会经历许多次掺杂、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？如果说是后者的话，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波动的关键原因呢？这是一个已经困扰半导体工程师们多年的技术难题。

    再比如在电子行业，随着智能手机、平板电脑、高精度相机等新产品的层出不穷与升级换代，消费者的要求日益苛刻，企业运营成本压力的持续增加，衡量产品质量的技术维度早已从以前的一两个上升到几十个、乃至上百个的数量级。比较典型的应用有手机不同频点的电子信号收发测试，电脑结构中各个机械尺寸的精密度测量等等。传统的统计质量管理方法在面对这种新场景下往往会束手无策，即使有个别牛人级的工程师生搬硬套地开发了一些应用程序，但分析的效率依然很低，效果也远远达不到预期的要求。

   

游客，如果您要查看本帖隐藏内容请回复