NMath应用教程：质量管理与决策支持应用

NMath是.Net框架下唯一一款高性能的数学与统计学的商业算法库，能够帮助开发者摆脱复杂的数学算法，面向对象的创建财务，工程和科学相关的Microsoft.NET平台的应用程序。NMath中包含许多通用的计算工具包，在多个行业具有广泛的应用。接下来为大家介绍几个有代表性的应用。

质量管理应用——统计过程控制（SPC）

　　所有制造业、工业肯定都会用到统计质量控制图或Shewart图表，用监控生产，以维持和提高产品质量。这些过程控制图是完全独立于实际过程中的决策引擎的，而是基于过程本身的统计特性。这说起来也许很复杂，简单来说就是，在生产过程中，例如产品的尺寸等，会由于某些原因会发生一定的波动，这种波动对产品的质量影响很多，但是完全可以通过采取措施来避免和消除这种波动所造成的影响，这种措施就是过程控制，而统计过程控制就是一种借助数理统计方法的过程控制工具。在制造业的质量管理、工业监控等领域有广泛应用。

实例：某世界前500强服装企业

　　该服装企业在其质量过程控制中，运用NMath的描述性统计和概率分布功能绘制出质量U型图，用于展示该公司某一个分组中不符合质量标准的比率。一旦印染数量超过历史的变化率时，要么进行需求分析，要么直接进行干预，以纠正可能已经失控的印染生产过程。

决策支持应用——数据平滑

　　企业中任何统计报告都是完整的记录运营产生的原始数据，而真正对企业决策有意义的数据，其实把信号噪声或者成为意外数据过滤处理过的数据。这种数据过滤有个很重要的前提就是，不是单纯的将数据平滑，而是要保留重要的的峰值，以提供最具有决策支持意义的数据。大多数提供数据平滑功能的算法库，大型企业其实是不敢使用来进行预处理其数据的，因为这里面需要一整套十分复杂的算法机制，稍有失误将会造成不可挽回的后果。

　　而NMath的Savitzky-Golay平滑的功能经过长时间反复优化，能够有效地除去本地信号噪声，同时保留的信号的形状与有效峰值。特别是对于质谱数据的预处理上，表现十分优异，能够有效地消除随机变化，同时最低限度地降低信号的信息内容。

实例：某咨询公司

　　某知名咨询公司转为大型企业提供管理决策方面的咨询服务。他需要面对大量的原始数据，并将数据转化为可视化的图表，并在图表上得出对企业发展有效的结论。该公司原有的系统也支持数据平滑，不过采用的方式是较为普遍的平均过滤法，将图上的原始数据平滑为图中。不过结果表明这将某些重要的有效峰值过滤掉了，采用NMath的Savitzky-Golay后，如图下，过滤结果明显要贴近现实一些。