Habe gerade ein Gespräch mit einem Kunden (Nvidia) hinter mir und diese Idee kam während des Gesprächs auf.Der Kunde fragte, wie JMP verwendet werden könne, um Tests mit ähnlichen Testergebnissen (bestanden/nicht bestanden) zu identifizieren.Die Datentabelle enthält viele Tests als Spalten und verschiedene getestete GPU-Chips als Zeilen mit einem 0/1-Indikator für Bestanden/Nicht bestanden für einen bestimmten Test.
Zeigte dem Kunden die Cluster-Variablen-Plattform, die sie sehr begeisterte, da sie genau das tat, was sie wollten, dh. Identifizieren Sie Tests mit ähnlichen Ergebnissen, um redundante Tests zu entfernen und die Testzeit zu verkürzen, ohne die Qualität zu beeinträchtigen.Es gab jedoch ein paar Schlüsselfunktionen, die diese Plattform für diese Art von Anwendung viel besser nutzbar gemacht hätten.
1. Die Plattform muss es Ihnen ermöglichen, die Gruppierung eines Mitglieds aus einem Cluster aufzuheben und die Metrik „Anteil der durch Clustering erklärten Variation“ neu zu berechnen.Beispiel: Sie sollten dazu in der Lage sein, mit der rechten Maustaste auf den Cluster Members-Bericht zu klicken.Sie sollten dies für Spalten tun, die innerhalb ihres zugewiesenen Clusters schwache Korrelationen aufweisen.Für die obige Anwendung würde dies bedeuten, Tests mit schwachen Korrelationen in ihrem Cluster im Halbleiterchip-Testfluss zu halten.
2. Sie sollten in der Lage sein, einen Zielwert für die Metrik „Anteil der durch Clustering erklärten Variation“ zu definieren, und JMP würde die Mindestanzahl an Clustern berechnen, die erforderlich ist, um dies zu erreichen, und Ihnen ein Diagramm von POVEBC im Vergleich zur Clusteranzahl liefern.Dies würde dem Testingenieur dabei helfen, festzustellen, wie viele Tests erforderlich sind, um einen bestimmten Prozentsatz aller Fehler zu erfassen.
@mzwald ,
Ich mag diese Idee. Dasselbe könnte auch auf PCA angewendet werden.
Ich denke, für 1 könnten Sie für dieses Mitglied oder diese Mitglieder den Ausschluss verwenden und sehen, ob das hilft.
