Les données de processus acquises lors des procédés de fabrication sont des séries temporelles, telles que les valeurs caractéristiques et les paramètres de processus obtenus à partir de capteurs et d'instruments de mesure. La compréhension des tendances temporelles est essentielle pour identifier les facteurs influençant ces caractéristiques. Dans cette présentation, nous illustrerons des exemples d'analyse exploratoire réalisée avec JMP sur les informations d'entrée et les valeurs caractéristiques (sortie) obtenues chaque seconde dans un processus de fabrication en flux continu, notamment les conditions environnementales, les matériaux présents dans la machine, la température et la pression. Plus précisément, nous avons visualisé les tendances temporelles à l'aide de Graph Builder, réduit la dimensionnalité des données multivariées par analyse en composantes principales et identifié les points de rupture du processus par partitionnement (analyse par arbre de régression). Ces analyses ont démontré le potentiel d'une compréhension plus approfondie des états du processus et leur utilité pour identifier les facteurs à partir des tendances temporelles. Enfin, nous aborderons l'importance d'intégrer l'information temporelle lors de la construction de modèles prédictifs tels que la régression.
