生产稼动分析
对同个工序单元多台设备间进行稼动维度分析，找出稼动异常或者不足的设备，基于设备本身，物料原因，环境原因快速定位稼动与正常偏离的设备，进而快速采取处理行动
HF-DAS
智能大数据分析系统(Big data analysis system)
我们基于多年的项目经验，通过吸取不同合作伙伴的需求和先验知识，为我们MES定制开发了基于产线标准数据的
大数据分析DAS系统；该系统模块针对产线能力；品质缺陷原因，设备能力和潜在事故可能性进行快速的分析和督正；
1
2
3
1
通过时间、原料批次，工艺参数、设备参数、环境参数等维度，对现场出现品质异常的成品数据进行分析，快速定位品质异常原因，大大缩短工艺人员的工作难度
2
以时间，设备，批次维度，对产线进行总括OEE稼动能力分析，并细化OEE稼动细项，快速定位产线瓶颈和原因，为制造部门提供现场改进的方向指导
3
通过时间、人员、设备、能力、异常报警等维度，对现场设备进行全方位的分析，快速定位设备缺陷，风险，帮助MK快速提高现场生产能力，阻断设备制造过程风险
系统功能特性
生产瓶颈分析
对产线上所有工作站，包括设备，人员，物流，仓储，投料等环节进行闭环分析，找出环节中所在的瓶颈，并进而分析是由于设备原因，原来原因，人员原因还是环境原因造成，迅速定位问题，快速解决瓶颈。
设备异常分析
以设备、工作站为单位，以累计时长与累计次数为维度，针对时间段内工作站各项异常进行对比分析，从而定位与工作站其他设备异常比例不一致的设备，进而深度优化单一设备的异常原因。
品质异常分析
以工序为单位，针对不同工序段对该工序产出的品质不良电池进行细节分析，进而细化哪个工序产出不良居多，哪种不良占绝对比例最高，进而快速发现和定位工序和生产钟存在的问题，进而对工序进行优化。
品质质量控制SPC
提供动态实时的产线SPC控制工具，帮助现场工艺人员和品质人员高效的对现场生产品质进行判定和控制，我们涵盖了SPC中所有需要用到的图表，包括X-Bar R, X-Bar Sigma, Individual Range, Median Range, EWMA, MA, MAMR, MAMS and CuSum charts，以及计量型p-, np-, c-, u-, and DPMO charts,
工艺综合相关性分析
工艺相关性分析工具，通过使用多种维度的人工智能分析方法，和数据升维降维方法，将生产中品质出现问题的原因，如产品缺陷的原因，是由于人员造成的，原料造成的，还是生产过程工艺的原因造成的，快速得到归因输出，省去了大量的工艺和生产人员逐一排查的工作量，减低了排查难度，提高排查效率。
系统功能页面
OEE三维分析
通过OEE的可用率，有效率，合格率三个维度，对生产过程中存在的问题和缺陷迅速定位到问题点，找到并分析出是基于设备、原料、制作过程，人为事件还是其他的原因，能帮助生产快速提高产能和有效率。
工作站生产统计
以工作站为单位，了解单一工作站在时间能生产稼动情况，直观水平对比工作站中那台独立设备生产延误，进而通过时间区间，排查设备、投料、排产、维护等异常的问题。
设备异常分析
以设备为单位，了解时间段内设备异常情况以及推移情况，以累计次数以及累计时长分别进行细分列出，从而定位设备在单位时间内，哪个异常细项影响了生产稼动，从而对设备进行优化。
工作站异常分析
以工作站为单位，以累计时长与累计次数为维度，针对时间段内工作站各项异常进行对比分析，从而定位与工作站其他设备异常比例不一致的设备，进而深度优化单一设备的异常原因。
XBar-S XBar-R SPC图表
通过SPC XBar-S XBar-R图表，对生产过程数据进行品质判定，同时获取产线实时制程能力 process capability ratios (Cp, Cpl, Cpu, Cpk and Cpm) and process performance indices (Pp, Ppl, Ppu and Ppk) 等值。
p- np- c- u- 等SPC智能图表
对现场生产数据进行计数型数据分析，可以统一使用p- np- c- u-等计数图表，对现场缺产品缺陷，进行精准实时的SPC控制。
