El objetivo del Análisis de Componentes Principales (PCA) es reducir la dimensionalidad de un conjunto de variables al tratar de preservar la mayor cantidad de información contenida en los datos como sea posible.

Estas características de diagnóstico de Statistica PCA son particularmente útiles para el control de procesos y control de calidad, ya que nos proporcionan herramientas analíticas y gráficas efectivas y convenientes para la detección de anomalías que pueden aumentar durante la fase de desarrollo de un producto.Igualmente importantes aplicaciones de la ACP incluyen los datos de diagnóstico, tanto en los niveles de observación y variable. El ámbito de la observación nos ayuda a detectar los valores extremos, mientras que el nivel variable nos proporciona una visión de cómo las variables que contribuyen a las observaciones y se refieren (correlacionar) el uno al otro.

Los datos de diagnóstico de PCA también juegan un papel importante en el procesamiento por lotes, donde la calidad del producto final sólo puede garantizarse mediante la vigilancia constante durante su fase de producción.

Aunque el método PLS es muy útil para abordar los problemas CEPM, es estrictamente aplicable a los problemas de dos dimensiones. Por lo tanto, antes de analizar los datos del lote de 3 dimensiones que deben ser transformados.

Procesos por lotes son por el tiempo basado en la naturaleza. No es sólo la trayectoria de las variables de proceso por lotes que varían en el tiempo, sino también la correlación entre ellos.Esto puede lograrse mediante el método de despliegue por lotes. La matriz de 3 dimensiones se desdobla en la dirección de los lotes.

Por lo tanto, cualquier sistema de monitoreo debe incluir implícitamente esta dependencia dinámica en tiempo.

Es por eso que el tiempo sabio despliegue es particularmente adecuado para el seguimiento de lotes en línea, ya que preserva la dimensión temporal que es inherente en el conjunto de datos.