面对市场竞争的日益激烈，制造企业想要得到客户的认可，不得不从价格优势转向高质量的产品优势。产品质量的高低已经关系到企业核心竞争力的重要一环。如何有效地管理和利用这些从企业生产和经营中产生的庞杂的质量数据，是企业迫切需要解决的问题。

将数据挖掘技术应用于生产过程质量管理中，挖掘出生产过程中影响质量的关键因素及其内在联系，有针对性地采取预防措施，从而提高产品质量，为企业持续改善质量提供决策支持。

聚类分析将个体或对象分类，使得同一类中对象之间的相似性比其他类的对象的相似性更强。其目的在于使类内对象的同质性最大化和类与类之间对象的异质性最大化。观测值聚类就是把相似的样品归成类，处理起来就简单很多。

含义：

1. 观测值聚类是通过分析数据，把值最接近的数据分配到同一个组，直到最后只剩一个组，每个组也都会计算出距离值，测算的距离值越小说明数据越接近，距离值越大，说明数据的相似度越低。

2. 图中画圈的值表示的是数据之间的距离值。 

2.观测值聚类检测的数据不能使用字符串类型，需要转换为数字类型。比如性别，可以使用1表示男和2表示女。

案例：

现有7种饮品，可口可乐，百事可乐，七喜,芬达，咖啡，雪碧，橙汁。测试人员对其营养成分进行观测值聚类分析。

分析过程：

   用到数据大脑观测值聚类插件，使营养成分相近的分为同一聚类。

 分析结果：

    通过国工数据大脑分析平台分析的聚类结果可以看出，如果想看聚2类找倒数第二行，0到5都是1分为一类，6为0作为另一类。如果想看聚3类找倒数第三行，0、1、3都是1，分为一类，2、4、5都是2作为第二类，6为0作为第三类。依次类推。

    最终推荐聚成几类主要看距离这一列，从3到422距离依次增大，观察到从11增加到44.5增幅比3到8.5及8.5到11都要大的多，因此说明44.5这行聚为3类是不合适的，最好聚成11这行的4类(可口可乐、百事可乐、芬达聚为一类，咖啡、雪碧聚成一类，七喜单独聚成一类，橙汁单独聚成一类)。

与国工智能MES系统相融合：

    1. 数据大脑之观测值聚类与国工智能MES系统相结合，客户在生产电极糊时，因为每个批次的产品配方都不相同，人工无法将产品进行有效分类。

    2. 使用国工智能数据大脑,对电极糊产品的每个仓的投料信息进行分析，从而将投料实际值，喂料值，提前量值，慢喂值，以及误差值相近聚类结果的电极糊分为同一个聚类。

    3. 下图是生产电极糊的部分配方数据。

    4. 我们将此数据放进国工数据大脑进行测试。

分析结果：

如果想聚2类，看上表中距离一列中315435.9722对应的这一行（分别是碳粉单独聚为一类，其余聚为一类），依次类推，可以看到从1429这行到7504距离值突然变大，因此说明距离值为7054这一行对应的聚6类是不合适的，所以推荐距离值为1429这一行对应的聚7类的这种聚类方式。

适用范围：

观测值聚类主要是适用对样本进行聚类，特别是事先不明确聚成多少类的情况下。