این پژوهش به دنبال شناسایی روش‌های الگوریتم‌های مبتنی بر داده جهت عیب یابی فرآیند تولید پلی پروپلین بوده است. محقق با استفاده از رویکرد مرور نظام‌مند و فراترکیب، به تحلیل نتایج و یافتههای محققین قبلی پرداخت و با انجام گام‌های 7 گانه روش ساندلوسکی و باروسو، به شناسایی عوامل مؤثر پرداخته است. از بین 500 مقاله، 34 مقاله بر اساس روش CASP انتخاب شد. در این زمینه به‌منظور سنجش پایایی و کنترل کیفیت، از شاخص کاپا برای ارزیابی شاخصهای شناسایی‌شده استفاده شد که مقدار آن برای شاخص‌های شناسایی‌شده در سطح توافق عالی تشخیص داده شد. نتایج حاصل از تحلیل داده‌های گرداوری شده در نرم‌افزار ATLAS TI تحلیل شدند. بر اساس کدگذاری انجام‌شده، 9 الگوریتم و تکنیک‌های مرتبط آنها شناسایی شدند. الگوریتم‌های شناسایی‌شده عبارت‌اند از: مدل‌های ARIMA، الگوریتم‌های مبتنی بر دسته بندی، درختان تصمیم، شبکه‌های پویا بیز، مدل‌های هیبرید، الگوریتم‌های مبتنی بر نمونه، مدل‌های متغیر پنهان، شبکه‌های هوش مصنوعی و مدل‌های مبتنی بر قانون. حدود 84 درصد از مطالعات انتخاب شده از تکنیک‌های یادگیری ماشین متعلق به یکی از چهار دسته استفاده کردند: درخت‌های تصمیم، شبکه‌های عصبی مصنوعی، مدل‌های ترکیبی و مدل‌های متغیر پنهان. راندمان محاسباتی نیز به عنوان یک مزیت مهم برای الگوریتم‌های یادگیری ماشین دیده می‌شود.