某新材料企业进行某种新材料生产时，需要对材料的克数，厚度，均匀性，强度，老化缺陷等指标进行检验，通过控制图来判断质量是否可控。一直手动在Excel中录入检验数据后导入MINITAB来做手动分析，但是工作量巨大，又因为没有管控，人员操作水平不同，导致分析的一致性差。现有数据大脑的C控制图分析组件，能同时监控上万个监控点，定时采集数据库中的检验数据，自动调用C控制图分析组件进行质量分析，并能将有失控趋势的原材料和供应商自动通知到相关人员进行跟踪处理。
上述数据是演示数据无任何代表意义
使用数据大脑的C控制图组件，从数据大脑中的组件面板查找C控制图组件及相关数据查询及数据清理组件，拖到到工作面板，配置相应参数。点击运行，从调试面板中查看结果。
由分析结果可知，7和8位于中心线连续第7，8个点，超出连续K点在中心线同一侧的7个点设置，为异常点；12和13超出了控制上限为异常点。质量某些指标处于失控状态。Q1四分位：在统计学中把所有数值由小到大排列并分成四等份，处于第一个分割点位置的数值Q3四分位：在统计学中把所有数值由小到大排列并分成四等份，处于第三个分割点位置的数值5%分位：在统计学中把所有数值由小到大排列处于5%位置的数值95%分位：在统计学中把所有数值由小到大排列处于95%位置的数值标准差：也称均方差，是各数据偏离平均数的距离的平均数，是方差的算术平方根。标准差能反映一个数据集的离散程度，用来衡量一批数据的波动大小，标准差越大，数据的离散程度越大；标准差越小，数据的离散程度越小方差： 是指一组数据中的各个数减这组数据的平均数的平方和的平均数。它反映了一组数据与其平均值的偏离程度。概率论中方差用来度量随机变量和其数学期望(即均值)之间的偏离程度。平均绝对偏差：平均绝对偏差是指单项测定值与平均值的偏差(取绝对值)之和，除以测定次数。它是代表一组测量值中任意数值的偏差。由于平均值反映了测定数据的集中趋势，因此各测定值域与平均值之间之差也就体现了精密度的高低。精密度的高低取决于随机误差的大小，通常用偏差量度。偏度：是统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度的数字特征。当分布完全对称时，偏度=0，正态分布对称；当偏度>0时，分布为正偏，也称为右偏，它的分布中高于均值的尾部有向右延伸严重的情形；当偏度<0时，分布为负偏，也称左偏，它的分布中低于均值的尾部向左延伸严重。峰度：表征概率密度分布曲线在平均值处峰值高低的特征数，当数据为正态分布时，其峰度为0，峰度为正数表示数据分布比正态分布中间顶峰更峭，两尾更重；负峰度表示数据分布中间比正态分布顶峰更平，两尾更轻。变异系数：是衡量资料中各观测值变异程度的另一个统计量。当进行两个或多个资料变异程度的比较时，如果度量单位与平均数相同，可以直接利用标准差来比较。如果单位和(或)平均数不同时，比较其变异程度就不能采用标准差，而需采用标准差与平均数的比值(相对值)来比较。标准差与平均数的比值称为变异系数，记为C·V。变异系数可以消除单位和(或)平均数不同对两个或多个资料变异程度比较的影响。用于控制一部机器，一个部件一定的长度，一定的面积或任一定的单位中所出现的缺陷数目。C图是一种计数型控制图，它绘制的是每个样本中的缺陷数(不符合性)。当所有样本具有相同的样本量时，C图便是一种很实用的选择。国工数据大脑系统（MAI-CLI）是一个集数据调度，数据清洗，数据计算、数据可视化的数据分析平台。系统以简单易用拖动操作方式进行人机交互，屏蔽了数据分析预测业务的复杂性，大大降低了数据分析工作的技术门槛。
以计算流的方式构建整个数据分析业务。平台实现了对分散的数据进行统一调度，实现实验室设备、工业传感器、信息化系统接口多源数据整合。
平台提供上百个功能组件，包含方差、回归、聚类、分类、时间序列等算法组件，支持SPC、DOE、CPK、MSA等分析理念，平台拥有定时分析功能，可以同时监控上万的质量监控点。能实现自动化六西格玛实施落地。
（数据大脑部分组件列表）
应用场景
计划经理可以用来预测未来销售情况，并自动跟踪执行。
质量经理可以用来做SPC分析、取样差异、方差分析。
研发经理可以做配方优化预测、实验辅助设计、工艺分析、数据仿真。
设备经理可以用来做设备预测性维护、报警。
平台已经完成边缘计算封装，可以与设备进行互动。
同时所有算法对软件开发商开放调用，可以用来做底层算法平台。
（数据大脑同时提供算法商城服务，任何伙伴都可以使用多编程语言开发算法，由国工智能进行测试回购。）
数据大脑人工智能计算平台背后拥有强大的数据分析团队，您提需求我们解决。
