Resumo As redes de detecção fornecem hoje em dia grandes quantidades de dados que em muitas aplicações fornecem informações sobre curvas, superfícies e variam em um continuo, geralmente o tempo, e, portanto, podem ser modelados adequadamente como dados funcionais. Sua modelagem adequada por meio de abordagens de análise de dados funcionais naturalmente aborda novos desafios que surgem também no monitoramento estatístico de processos (SPM). Motivado por uma aplicação industrial, o objetivo do presente artigo é fornecer ao leitor um conjunto muito transparente de etapas para o SPM de dados funcionais em estudos de caso do mundo real: i) identificar um modelo dimensional finito para os dados funcionais, com base na análise de componentes principais funcionais; ii) estimar os parâmetros desconhecidos; iii) desenhar cartas de controle sobre os parâmetros estimados, em uma estrutura não paramétrica. O procedimento SPM proposto é aplicado a um estudo de caso real do campo marítimo no monitoramento das emissões de CO2 de dados de navegação reais de um navio de cruzeiro roll-on / roll-off de passageiros, ou seja, um navio projetado para transportar passageiros e veículos com rodas que são levados para dentro e para fora do navio em suas próprias rodas. Mostramos diferentes cenários destacando indicações claras e interpretáveis que podem ser extraídas do conjunto de dados e apoiar a detecção de viagens anômalas.

Abstract Sensing networks provide nowadays massive amounts of data that in many applications provide information about curves, surfaces and vary over a continuum, usually time, and thus, can be suitably modelled as functional data. Their proper modelling by means of functional data analysis approaches naturally addresses new challenges also arising in the statistical process monitoring (SPM). Motivated by an industrial application, the objective of the present paper is to provide the reader with a very transparent set of steps for the SPM of functional data in real-world case studies: i) identifying a finite dimensional model for the functional data, based on functional principal component analysis; ii) estimating the unknown parameters; iii) designing control charts on the estimated parameters, in a nonparametric framework. The proposed SPM procedure is applied to a real-case study from the maritime field in monitoring CO2 emissions from real navigation data of a roll-on/roll-off passenger cruise ship, i.e., a ship designed to carry both passengers and wheeled vehicles that are driven on and off the ship on their own wheels. We show different scenarios highlighting clear and interpretable indications that can be extracted from the data set and support the detection of anomalous voyages.