Prozessdaten, die während Fertigungsprozessen erfasst werden, sind Zeitreihendaten, wie z. B. Kennwerte und Prozessparameter, die von Sensoren und Messgeräten gewonnen werden. Das Verständnis zeitlicher Trends ist wichtig, um Einflussfaktoren auf diese Kennwerte zu identifizieren. In dieser Präsentation stellen wir Beispiele für explorative Datenanalysen mit JMP für Eingangsdaten und Kennwerte (Ausgangsdaten) vor, die sekündlich in einem kontinuierlichen Fertigungsprozess erfasst werden, wie z. B. Umgebungsbedingungen, Material in der Maschine, Temperatur und Druck. Konkret visualisierten wir Zeittrends mit dem Graph Builder, reduzierten die Dimensionalität multivariater Daten mittels Hauptkomponentenanalyse und identifizierten Prozessänderungspunkte durch Partitionierung (Regressionsbaumanalyse). Diese Analysen demonstrierten das Potenzial für ein tieferes Verständnis von Prozesszuständen und deren Nutzen für die Identifizierung von Einflussfaktoren anhand zeitlicher Trends. Darüber hinaus erörtern wir die Bedeutung der Einbeziehung zeitlicher Informationen beim Aufbau prädiktiver Modelle wie der Regression.
