使用主成分提高模擬產品知識<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Yves Chandon，六西格瑪黑帶，飛思卡爾半導體
每個汽車模擬集成電路在客戶交付之前通過100到5,000個測試進行測量。主成分分析已被用作可變維數減少技術來分析那些相當大的數據文件。但是，對於主題專家而言，主要組成部分的解釋並不總是直截了當的。變量聚類過程是一種實用工具。可以分析每個群集，並顯示每個群集的最具代表性的變量。對於主題專家，使用置信橢圓以最具代表性的雙變量擬合擬合群集中的所有變量是相當方便的。該信息可用於提高產量，改善質量或節省成本的測試時間。通過使用逐步回歸或分區平台，還可以增強最具代表性的變量集與其他變量之間的相關性。偏最小二乘也可以用於通過最像代表每個非正交的集群（如主成分）對所有變量進行建模。這些技術顯著增強了對產品可變性結構的全球理解。此信息用於產量和成本優化以及質量改進。
預測建模
