统计工具在质量控制和质量分析中有广泛的用途。通过统计工具，能深入分析质量现象，得到很多有用的信息。图表有着很直观的表达能力，能简洁直观的表达意思，也容易得到共识。
本文将为大家演示SPC统计工具，在制造业质量分析中的重要应用：
一、质量异常追溯分析
在对不良品的生产质量分析中，要找到质量异常产品在生产过程中各工序的生产时间、工序的工艺参数，机台记录的备注（生产异常说明）、交接班的备注（生产异常说明）、各工序的评审记录、品检信息、工器具信息、辅材信息、停机记录、班厂量、设备运维状况等信息，并判断是否出现异常。
二、质量缺陷关键因子及根因分析
分析产线上的工艺参数和传感器数据（一共大约400个左右）与产出产品质量的关联影响关系，找出关键影响参数（特征选取），然后结合相应的标签数据作为数据集，通过多种模型训练（包括LDA+Knn分类器、人工神经网络ANN、SVM等），最后使用“留一法交叉验证”评估验证集上的准确率，最终构建相应产品的质量缺陷及优化模型。
三、SPC与大数据质量分析–相关性分析
系统具备分析因子间关联关系的重要统计方法，相关性分析，它通过相关系数来度量各因素间的关联关系方向及强度，主要实现如下功能：
1、找出对过程输出（因变量y）有影响的因子（自变量x）；
2、分析对的影响重要程度及影响方向；
3、相关系数r及其解释。
四、SPC与质量大数据分析–方差分析
具有强大方差分析能力，并能生成专业化的、易于解读的方差分析报告。支持的方差分析模型有：单因子方差分析、多因素方差分析设计、混合效应模型、分级嵌套模型、失衡数据。
五、SPC与质量大数据分析–假设检验
假设检验在质量可靠性数据分析中的主要作用如下：
1、改善效果的验证；
2、潜在原因的确认；
3、不同过程的对比；
4、不同供应商的质量可靠性水平的对比等。
系统支持常用的统计假设检验方法，包括参数方法与非参数方法，如：单样本均值检验、双样本均值检验、配对样本均值检验、方差检验、比例检验等等。
