生产质量大数据分析中心：

    现代的制造业一般已经具备全自动化的生产线，甚至通过物联网实时采集用户端的智能设备上的运行监测数据。如何将这些过程数据充分地分析利用起来，来进一步提升质量管理水平、控制不合格品率、降低生产成本，成为许多企业面临的严峻问题。
    第一，生产线上的质量分析，一般都是使用统计的方法监控关键指标，即统计过程控制（Statistical Process Control），建立并保持过程处于可接受的并且稳定的水平，从而保证产品与服务符合保证质量的目的。但SPC不知道影响指标高低的因素变化，这就需要将前后工艺过程的因果关联指标监测采集起来，并集中存储管理和关联起来进行统计分析和数据挖掘建模分析，才能对产品的质量特性和生产过程分析达到更高的管理控制水平；
    第二，需要利用可视化技术对设备故障数据进行分析展现，实现生产故障智能统计分析报告；
    第三，需要利用机器学习和人工智能模型，对生产设备进行故障的智能诊断，建立故障特征模型，实现快速和自动定位故障原因，诊断设备和关键零部件的工况特性，为智能推荐调优方案、维修方案与故障预测奠定基础；
    第四，开发建立故障预测模型，并根据关键因子的临界值控制故障的发生，从而达到稳定生产的目的；
    为此，我们提供如下主题的数据挖掘服务，并帮助企业建立起相应功能的生产质量优化智能分析系统：

      故障智能诊断预测：

      在数据挖掘建模预测过程中，针对历史数据，在建模分析平台使用有关的统计分析工具和数据挖掘算法，建立主负荷/业务量/故障预测模型，深入分析诊断节日、时段、产品类型/产品规格等主机系统数据的数量趋势、来寻找最优预测模型应用。

        对于故障的分析，系统故障分析能够根据精准定位检测做到精准定位展现，并能够根据故障紧急程度对不同类别故障进行分级，在图形界面醒目程度、处理优先级、处理流程等不同维度进行分析。
        建立了生产大数据中心后，还能够进一步开发故障库，对历史故障和解决方案数据进行智能化分析，遇到故障时系统应能自动生成智能解决方案。

      智能维保管理：

      对于主机维保管理的分析，通过人工设定和智能生产两种方式产生设备维保模板，面向分拣设备日常维护保养，并能够根据生产运行效率智能生成设备调整优化建议（如停机时长、供包台数量、半圈多端供件、格口归并等）。对于偶发故障通过运行情况的检测生成动态维保计划。对于高频次小故障，可智能化的发现问题，提出检测和维修建议。