ABSTRAK
Penelitian yang muncul menggarisbawahi potensi teknik pembelajaran mesin untuk meningkatkan metodologi pengendalian proses statistik (SPC). Akan tetapi, sebagian besar bagan berbasis pembelajaran mesin yang ada mengasumsikan bahwa pengamatan proses yang terkendali bersifat independen dan terdistribusi secara identik, suatu kondisi yang jarang terpenuhi dalam praktik, yang membatasi penerapannya di dunia nyata. Makalah ini menyarankan suatu kerangka kerja yang mengintegrasikan prosedur dekorelasi spasiotemporal berurutan dengan skema pembuatan bagan pembelajaran mesin yang representatif, yang memungkinkan pemantauan aliran data spasiotemporal yang efektif. Studi numerik menunjukkan bahwa bagan kendali yang diusulkan secara signifikan mengungguli metode tradisional, yang menyediakan kemampuan pemantauan yang unggul untuk data spasiotemporal dengan struktur yang kompleks.