Actuellement, divers composants des usines intelligentes sont activement appliqués dans l’industrie manufacturière. Dans cette tendance, de nombreux excellents exemples d’application de diverses données de processus à des modèles d’analyse Big Data sont publiés. Cependant, les modèles d’analyse du Big Data ont du mal à se populariser en raison de contraintes telles que l’allocation d’une énorme quantité de ressources, un temps d’apprentissage relativement long et un réglage précis par les experts. Dans cette étude, nous aimerions proposer un explorateur de données fonctionnelles capable d'analyser les données de trace de divers processus et équipements. Cette technique peut modéliser les données collectées sur la base d'une fonction de base et renvoie ainsi une valeur fonctionnelle. L'analyse a été réalisée sur la base d'un capteur à chambre semi-conductrice et il a été confirmé qu'il était plus efficace pour détecter les anomalies sur la base de statistiques de base telles que la moyenne et l'écart. On s'attend à ce que la commodité de l'analyse des données en temps réel soit améliorée grâce à la technique d'analyse de cette étude.
