支持多种数据库
-
为了解决SPC数据整合困难，复杂性增加，数据分散等问题，Hi SPC支持多种数据类型接入，包括结构数据库和时序型数据库，如ORACLE、DB2、MySQL、PostgreSQL、mongoDB和redis等
-
对于各种数据库，在Hi SPC上进行简单配置、选择即可实现数据的SPC分析，无需进行代码开发，即可实现数据的接入和分析。并依据数据的采集时间，即可自动生成实时动态的SPC各项控制图；
在线SPC
-
Hi SPC支持离线分析，也支持在线实时分析；
-
SPC离线分析，适用于对长周期的、大量的历史数据进行分析；通过对不同统计维度的过程历史性能的分析，可以在不同维度下识别过程中的潜在问题和趋势，比如特定时间维度或者特定的批次维度进行分析。
-
SPC在线分析，适用于对正在运行的过程进行实时监控和反馈，其使用正在运行的过程的实时数据来构建控制图，及时检测和识别过程中的异常情况或不符合规范的情况，可以快速了解过程的变化，并采取即时干预措施以维持过程的稳定性。
判异规则
判异规则，是SPC控制图的裁判，我们常用的8大判异规则，是来自统计学中的正态分布而得到的一个判断小概率事件是否发生规则。但因为产业不同，很多时候，常用的8大判异规则无法满足需求，我们需要一些更敏感的判异规则，就需要对判异规则进行配置和修改。
-
Hi SPC支持自定义不同的异常规则，或者在现有的判异规则上进行修改，结合趋势判定规则和区域判定规则进行修改
-
Hi SPC还支持多种判异规则的组合判定，当数据同时满足多种判异规则时，以不同的颜色来提醒。