Addressing Process Control Challenges in Big and Wide Data Environments

A number of unique issues must be solved when analyzing big and very high-dimensional data and/or big data with discrete variables of very high cardinality:

  • You must satisfy performance requirements for effective process monitoring and anomaly detection, predictive analytics and fault classification, and root-cause analysis.
  • Discrete predictor variables of high cardinality (for example, codes identifying thousands of tools) must be pre-processed and converted to fewer or to single-column continuous derived variables.
  • Initial feature selection methods must then be applied to derive from the very large numbers of predictor variables a smaller subset of “important” predictors. These are then related to important process outcomes using machine learning algorithms.
  • Results must be delivered to an interactive visualization platform that enables actionable insights for engineers and process stakeholders.

Download the whitepaper to learn about an architecture developed by TIBCO for a large semiconductor manufacturer for efficiently implementing these steps, in addition to real-world analytics use cases typically encountered in this industry.

Laden Sie sich das Whitepaper herunter

Um Ihre Registrierung zu bearbeiten, müssen TIBCO Software Inc. und  verbundene Unternehmen (im Weiteren als "TIBCO" bezeichnet) die folgenden persönlichen Daten von Ihnen erheben. Mit der Anmeldung für dieses TIBCO Ressource, erklären Sie sich damit einverstanden, dass TIBCO diese Daten verarbeitet und Sie per E-Mai, Telefon und/oder Social Media mit Informationen zu diesem Ressource kontaktiert.

TIBCO möchte Sie per E-Mail, Telefon und/oder Social Media bezüglich seiner Produkte und Dienstleistungen, die für Sie interessant sein könnten, kontaktieren. Bitte geben Sie unten Ihre Zustimmung zu dieser Verwendung Ihrer persönlichen Daten.

TIBCO darf mich bezüglich seiner Produkte und Dienstleistungen kontaktieren.