Die zu analysierenden Daten lassen sich grob in zwei Kategorien einteilen: Daten, die speziell für die Analyse erhoben wurden, und Daten, die unabhängig von der Analyse erhoben wurden. Die Analyse der letzteren Daten erfordert verschiedene Vorverarbeitungsschritte, deren Qualität die Analyse maßgeblich beeinflusst. Diese Studie befasst sich nicht mit der zweiten Datenkategorie.
Werden die für die Analyse gesammelten Daten weiter klassifiziert, so lassen sich zwei Kategorien unterscheiden: Daten aus „Experimenten“ in Fabriken und Laboren und Daten aus dem Alltag, die keine Experimente darstellen. Die statistische Auswertung experimenteller Daten wird als „Versuchsplanung“ bezeichnet. Durch die Integration verschiedener ausgeklügelter Methoden in der Planungsphase ist es möglich, mit einer geringen Anzahl von Experimenten – also einer kleinen Datenmenge – präzise Analysen durchzuführen. Eine gängige Methode zur Analyse von Daten aus dem Alltag, die keine Experimente darstellen, ist die „multivariate Datenanalyse“. Hierfür existieren verschiedene Verfahren.
Diese Präsentation stellt eine Fallstudie vor, in der Ingenieure, insbesondere junge Ingenieure in einer Fabrik, anhand verschiedener Daten aus unterschiedlichen Perspektiven mit JMP evaluiert wurden. Da die Daten während der täglichen Arbeitsabläufe erhoben wurden, kamen hauptsächlich multivariate Datenanalysemethoden zum Einsatz, wobei auch die leistungsstarken explorativen Methoden von JMP genutzt wurden.
