برای اطمینان از درستی کارکرد فرآیند های صنعتی، نیاز به ابزارهایی است که وضعیت های نامطلوب عملکرد فرآیند را با دقت و سرعت بالا به راهبر فرآیند نشان دهد. کاربرد یک روش موثر برای تشخیص و شناسایی عیوب، به کاهش اثر این عیوب، تأمین ایمنی عملیات، کم کردن زمان مرده و کاهش هزینه های ساخت کمک می کند .در حال حاضر شبکه های bayesian belief، از جمله روش های مورد توجه جهت تعیین و تشخیص عیوب فرآیندها به شمار می آید. هدف اصلی از این تحقیق، بررسی نحوه ی کارایی شبکه های hierarchical bayesian belief به عنوان ابزاری برای عیب یابی فرآیندهای صنعتی می باشد که این تحقیق بر روی فرآیند معیار tennessee eastman (te) اعمال شده است. 21 عیب موجود در فرآیند te در نظر گرفته شده، به شش گروه تقسیم بندی شده اند. نتایج بررسی شده در قالب نرخ عدم تشخیص عیوب (missed detection rate) و نرخ عدم شناسایی عیوب (misclassification rate) ارائه گردیده شده است. کارایی این روش با دیگر روش های عیب یابی مقایسه شده است. مقایسه نتایج معیار نرخ عدم تشخیص و عدم شناسایی عیوب با دیگر روش های آماری، حاکی از این است که شبکه های hierarchical bayesian belief از توانایی نسبتاً بالایی در مرحله تشخیص و شناسایی عیوب در مقایسه با دیگر روش ها ، برخوردار می باشد.