面对市场竞争的日益激烈，制造企业想要得到客户的认可，不得不从价格优势转向高质量的产品优势。产品质量的高低已经成为企业核心竞争力的重要一环。只要挖掘出生产过程中影响产品质量的关键因素及其内在联系，就能有针对性地采取预防措施，从而提高产品质量，为企业持续改善质量提供决策支持。那么在时间序列处理领域，如何高效地发现影响产品质量或成本的多维因素？国工智能MAI平台提供了基于挖掘产品质量或成本影响因素的格兰杰因果关系检验算法。
Granger因果检验只能检验两两变量之间的因果关系，并且只能适用于具有平稳性的时间序列数据模型的检验,无法检验只有横截面数据时变量间的关系。
原始的格兰杰因果性定义并没有规定变量必须是平稳的。在格兰杰重新回顾他的因果性定义的时候，对变量平稳性也没有再深入分析。但是目前有一点学术界是有定论的，就是如果变量是非平稳的，那么应用F统计量来做推断会产生问题。计量经济学资深专家周建、李子奈运用蒙特卡洛模拟也得出当变量为非平稳时间序列时任何无关的两个的变量间都很容易得出有因果性的结论。因此，在实证研究时，一般认为只有平稳变量才能应用F统计量进行推断，否则结论可能是不可靠的。
对于啤酒生产企业，控制能源消耗是生产管理的重要部分。制冷耗电量是啤酒生产最大的能源消耗之一，占啤酒企业耗电量的43%左右。怎样降低能源消耗， 加大成本控制力度是啤酒企业搞好生产管理的首要问题。为此本案例将验证冷麦汁的产量和制冷耗电量是否存在因果关系。从而为减少能源消耗提供决策方向。
下表是某啤酒企业2005-2009年各个季度冷麦汁的产量和制冷耗电量的数据，该时间序列数据经过差分处理是平稳的，符合格兰杰因果检验的前提。利用AIC信息准则确定最优阶数是1，接下来将使用国工数据大脑已经集成好的格兰杰因果关系检验算法对数据进行双向因果关系检验，即检验冷麦汁的产量是否为制冷耗电量的格兰杰原因及制冷耗电量是否为冷麦汁产量的格兰杰原因。
首先，从数据大脑中的组件面板搜索格兰杰因果关系检验组件，拖到到工作面板，配置数据及组件参数：滞后期数选择1，显著性水平选择0.1，点击运行。过程如图1：
图 2
检验结果如图2显示，当滞后期数为1时，在耗电量是否为冷麦汁产量原因的格兰杰检验中，查F分布表可知，显著性水平为0.1所对应的F临界值是3.01，F检验统计量的值为0.0257，故F统计量的值<临界值,接受原假设，认为耗电量不是冷麦汁产量的格兰杰原因；在冷麦汁产量是否为耗电量原因的格兰杰检验中，，F检验统计量的值为4.0191，故F统计量的值>临界值,拒绝原假设，认为冷麦汁产量是耗电量的格兰杰原因。所以，冷麦汁产量和耗电量之间存在单向因果关系，与实际相符。也就是说这个季度的耗电量出现变化是因为上个季度的冷麦汁产量出现变化。
