說起大數據，人們很容易想起電商、銀行、電信等行業。殊不知，傳統的制造業也正在(甚至更早地)面臨著大數據的沖擊，在產品研發、工藝設計、質量管理、生產運營等各方面都迫切期待著有創新方法的誕生，來應對工業背景下的大數據挑戰。

　　例如在半導體行業，芯片在生產過程中會經歷許多次摻雜、增層、光刻和熱處理等復雜的工藝制程，每一步都必須達到極其苛刻的物理特性要求，高度自動化的設備在加工產品的同時，也同步生成了龐大的檢測結果。這些海量數據究竟是企業的包袱，還是企業的金礦呢?如果說是后者的話，那么又該如何快速地撥云見日，從“金礦”中準確地發現產品良率波動的關鍵原因呢?這是一個已經困擾半導體工程師們多年的技術難題。

　　再比如在電子行業，隨著智能手機、平板電腦、高精度相機等新產品的層出不窮與升級換代，消費者的要求日益苛刻，企業運營成本壓力的持續增加，衡量產品質量的技術維度早已從以前的一兩個上升到幾十個、乃至上百個的數量級。比較典型的應用有手機不同頻點的電子信號收發測試，電腦結構中各個機械尺寸的精密度測量等等。傳統的統計質量管理方法在面對這種新場景下往往會束手無策，即使有個別牛人級的工程師生搬硬套地開發了一些應用程序，但分析的效率依然很低，效果也遠遠達不到預期的要求。

　　其實，稍微深入地了解一下當前國外最熱門的幾家高科技公司的經營實踐，就不難發現：充分發揮大數據優勢的現代化質量管理對策已在近幾年中逐漸嶄露頭角。下面通過一個實際案例來進一步說明：

　　某半導體科技公司生產的晶圓在經過測試環節后，每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的數據集。按照質量管理的基本要求，一個必不可少的工作就是需要針對這些技術規格要求各異的一百多個測試項目分別進行一次過程能力分析。如果按照傳統的工作模式，我們需要按部就班地分別計算一百多個過程能力指數(如下圖所示)，對各項質量特性一一考核。這里暫且不論工作量的龐大與繁瑣，哪怕有人能夠解決了計算量的問題，但也很難從這一百多個過程能力指數中看出它們之間的關聯性，更難對產品的總體質量性能有一個全面的認識與總結。

　　然而，如果我們利用高級統計分析軟件工具JMP提供的大數據質量管理分析平臺，除了可以快速地得到一個長長的傳統單一指標的過程能力分析報表之外，更重要的是，還可以從同樣的大數據集中得到很多嶄新的分析結果。

　　無論面對多么復雜的工藝流程，技術管理人員都具備了一雙火眼金睛，能夠從紛繁龐雜的工程數據中一目了然地看清質量現狀，識別出哪里的工藝情況最穩定，哪里存在著改進機會。

　　在幫助技術管理人員建立工藝流程大局觀的同時，大數據質量管理分析平臺還能迅速地切換分析主題，進行由面到點的深入分析，不會遺漏每一個技術細節。下圖就是一張按照

　　總之，在大數據的沖擊下，傳統的質量管理方法無論是在概念宣傳與培訓的層面上，還是在實際應用與推廣的層面上都面臨著巨大的挑戰。所幸，在以JMP軟件為代表的現代工業質量管理解決方案的協助下，制造型企業同樣可以化被動為主動，充分享受到“大數據”分析帶來的成果與樂趣。