深耕制造業(yè)多年的IBM，在大數據分析上提供的不只是產品，還有結合產業(yè)知識與豐富經驗的顧問服務，幫助制造業(yè)者做出正確有效率的大數據分析。
IBM商業(yè)分析部資深業(yè)務劉君彥指出，目前市面上有很多大數據分析的解決方案，但大多只能做到資料視覺化，也就是以圖表呈現分析結果，而IBMMAO可以根據制造業(yè)所面臨的問題，決定要做哪一種分析，例如預測或模擬，甚至整合財務或產銷端資訊，找出解決問題的方法，這在智能制造過程中是非常重要的事，因為企業(yè)往往擁有大數據，卻不知道該如何分析。
IBM全球企業(yè)咨詢服務事業(yè)群資深顧問李藝鋒進一步指出，目前，高科技制造業(yè)者面臨到的問題主要有三種，第一、未預期的物料問題或設備故障直接沖擊產能，以致耗損大量成本；第二、因制程穩(wěn)定性問題造成產品良率下降，不但影響獲利更影響客戶滿意度；第三、制程世代轉換越來越快，如何加快量產速度，成為獲利的關鍵因素。因此，IBM根據制造業(yè)所面臨到的問題與產品生命周期，歸納出制造業(yè)大數據分析五大應用模式。
第一、物料品質監(jiān)控。原物料品質不穩(wěn)定其實有跡可循，然而傳統(tǒng)SPC監(jiān)控要等到發(fā)生問題時才會做出警示，此時不僅己經影響產品品質，更不容易找出原因，而MAO則是主動分析趨勢變化，發(fā)現潛在問題即早做出預警，以便能及早解決（如：更換物料）維持產品品質。
第二、設備異常監(jiān)控與預測。傳統(tǒng)SPC監(jiān)控雖然也涵蓋設備參數，但有時設備仍然會發(fā)生問題，工程師也不知道設備發(fā)生問題該怎么處理最有效，MAO運用設備感測資料及維修日志，找出發(fā)生設備異常的模式，監(jiān)控并預測未來故障機率，好讓工程師可以即時執(zhí)行最適決策。
第三、零件生命周期預測。零件或耗材有其生命周期，制造業(yè)者多半根據供應商建議進行定期更換，卻忽略了生產及環(huán)境條件對耗損速度的影響，導致以下兩種情況經常發(fā)生，一是在太早更換零件，造成不必要的開銷，二是太晚更換零件，導致品質受影響。MAO根據生產及設備狀態(tài)資料、零件資訊，精準預測零件生命周期，在需要更換的最佳時機提出建議，幫助制造業(yè)者達到品質成本雙贏。
第四、制程監(jiān)控提前警報。制造業(yè)的制程參數相當多且彼此會互相影響，若是因為制程參數偏移而影響產品品質，工程師只能單一站點逐步追查，相當耗費時間，而MAO的做法是建立產品品質預測模型，找到最佳的制程黃金區(qū)間，一旦發(fā)現制程參數偏移到區(qū)間外，便即時發(fā)出警報，讓工程師可以即時進行調整或其他決策。
第五、良率保固分析。對制造業(yè)者來說，產品良率過低或是出售后于保固期間內發(fā)生問題，不僅會增加成本，更直接影響企業(yè)形象與客戶滿意度。因此MAO結合生產設備、產品良率及維修保固相關資料，建立預測模型，以預測良率并降低保固成本。
