在数字化转型的浪潮中，传统本地存储模式逐渐暴露出显著不足。传统方式，当生产机台产生相关数据后，这些数据通常被直接存储在与机台对应的本地硬盘上。
这种孤立的存储模式在数据整合、灵活访问及长期管理等方面存在明显局限，无法有效满足企业数字化转型对数据高效利用和管理的需求。
以工业生产中的质检环节为例，传统质检大量依赖人工，人工存在个体差异，不利于保证质量一致性。在泛半导体AOI光学检测等领域，机器视觉替代人工已经得到了成熟应用。基于AI算法的视觉缺陷检测，实现了对随机缺陷的识别和检测，拓展了传统机器视觉的应用范围。
随着AI及数据技术与制造行业深度融合，也促使生产质检数据极速增长，在面对海量数据的存储、管理及使用时呈现出一些使用痛点及新的存储诉求：
三、主要涉及行业
秒级全局数据检索，支持多维度灵活查询，如产区、产线、机台号、日期、产品批次等。统一查询，降低检索复杂度，大幅提升质检数据查询效率。
2.机台数据，定时备份
当发生软件程序导致的数据丢失或数据损坏、病毒破坏、意外删除及其它人为误操作引起的数据丢失或错误时，可以迅速通过对合适的时间点标记进行“回滚”来快速恢复数据。
提供定时备份功能，可以设定自定义备份策略，定时执行自动化备份任务，在大量节省人工备份时间的同时还充分保障了生产数据的完整性和安全性。
3.生产系统联动定制化数据标签管理
提供定制化标签分类功能，可对生产数据进行标签分类。也可选择自动标签功能，根据数据文件目录路径解析路径关键词，对数据的标签方式（如产区-日期-产线-机台号-产品批次）进行多维度打标签，从而大幅提升数据管理的效率和准确性。
4.全方位的数据保护机制，确保万无一失
可提供高效且安全的raid机制、以及分布式存储作为数据的安全性保障。
