制造業(yè)面對多品種小批量的生產模式，數據的精細化自動及時方便的采集（MES/DCS）及多變性導致數據劇烈增大，再加上十幾年的信息化的歷史數據，對于需要快速響應的APS來說，是一個巨大的挑戰(zhàn)。
大數據可以給予我們更詳細的數據信息，發(fā)現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優(yōu)化算法，制定預計劃排產，并監(jiān)控計劃與現場實際的偏差，動態(tài)的調整計劃排產，幫我們規(guī)避“畫像”的缺陷，直接將群體特征直接強加給個體（工作中心數據直接改變?yōu)榫唧w一個設備、人員、模具等數據）。通過數據的關聯分析并監(jiān)控它，我們就能計劃未來。
雖然，大數據略有瑕疵，只要得到合理的應用，大數據會變成我們強大的武器。當年，福特問大數據的客戶需求是什么？而回答是“一匹更快的馬”，而不是現在已經普及的汽車。所以，在大數據的世界里，創(chuàng)意、直覺、冒險精神和知識野心尤為重要。
7、產品質量管理與分析
傳統的制造業(yè)正面臨著大數據的沖擊，在產品研發(fā)、工藝設計、質量管理、生產運營等各方面都迫切期待著有創(chuàng)新方法的誕生，來應對工業(yè)背景下的大數據挑戰(zhàn)。
例如在半導體行業(yè)，芯片在生產過程中會經歷許多次摻雜、增層、光刻和熱處理等復雜的工藝制程，每一步都必須達到極其苛刻的物理特性要求，高度自動化的設備在加工產品的同時，也同步生成了龐大的檢測結果。這些海量數據究竟是企業(yè)的包袱，還是企業(yè)的金礦呢？如果說是后者的話，那么又該如何快速地撥云見日，從“金礦”中準確地發(fā)現產品良率波動的關鍵原因呢？這是一個已經困擾半導體工程師們多年的技術難題。
某半導體科技公司生產的晶圓在經過測試環(huán)節(jié)后，每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的數據集。按照質量管理的基本要求，一個必不可少的工作就是需要針對這些技術規(guī)格要求各異的一百多個測試項目分別進行一次過程能力分析。如果按照傳統的工作模式，我們需要按部就班地分別計算一百多個過程能力指數，對各項質量特性一一考核。這里暫且不論工作量的龐大與繁瑣，哪怕有人能夠解決了計算量的問題，但也很難從這一百多個過程能力指數中看出它們之間的關聯性，更難對產品的總體質量性能有一個全面的認識與總結。然而，如果我們利用大數據質量管理分析平臺，除了可以快速地得到一個長長的傳統單一指標的過程能力分析報表之外，更重要的是，還可以從同樣的大數據集中得到很多嶄新的分析結果。
