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.

Télécharger le livre blanc

Pour confirmer votre inscription, TIBCO Software Inc. et   toutes les entités TIBCO (désignées par “TIBCO”) ont besoin de collecter les données personnelles ci-dessous. En vous inscrivant à cette opération une ressource TIBCO, vous consentez à ce que TIBCO traite ces données et vous contacte par courriel, téléphone ou médias sociaux avec des informations relatives à l'opération.

TIBCO aimerait également vous contacter par courriel, téléphone ou sur les médias sociaux au sujet de ses produits et services susceptibles de vous intéresser. Veuillez consentir à cette utilisation de vos données personnelles ci-dessous.

J'autorise TIBCO à me contacter à propos de ses produits et services.