在所有出现的SPC判异规则中,可以自主选择你关注的判异规则才在SPC控制图上显示异常点。
可以自定义控制台模版,配置关注的项目进行多个SPC控制图实时分析,在需要的地方授权显示。
可以根据产品、项目,开始和结束时间、选取点数选择数据进行SPC控制图分析。
在SPC控制图上的各类数据,你可以选择性的显示它。各类标记随意增减,可以选择是否显示观测值、标准值、异常点、UCL和LCL
在SPC控制图一个数据点可能同时满足多个SPC判异规则,我们在SPC控制图的X轴上堆叠不同的颜色点表示各类SPC判异规则
手动录入一个新的数据,自动对过去30个点(可定义)进行SPC控制图分析,以观察新的数据点的进入对过去SPC的影响,也能知道新的数据点是否是异常。
可以通过一个接口在LIMS等业务系统录入新的检测数据时,在录入的附近显示新数据加入后的SPC控制图,以判定录入的数据是否有问题,是否需要进行质量改善活动
整合多种机器学习异常检测算法(孤立森林算法、K均值算法、DBSCAN算法等),同时可以选择是否在SPC控制图上显示。
统计各类数据指标(平均值、标准差、分位值、偏度、峰度等)并生成分布图。
SPC分布图可以精确的自由放大缩小,特别当你进行SPC分析数据点非常多的时候非常实用。
简易的系统架构,让再少的IT团队也能应付自如。
通过一个URL提交自变量和因变量,进行多种方法的回归分析,包括普通最小二乘法回归、广义最小二乘与自相关AR误差回归、异方差误差回归、稳建回归、分位数回归等。业务系统只有按照指定格式提供参数,通过json返回回归结果,再在业务系统前端或者后端使用。
默认显示最新的25个子组的分布,方便直观的在图表上观测数据的分布。