Ich habe gerade ein Gespräch mit einem Kunden (Nvidia) geführt, und während des Gesprächs kam mir diese Idee.Der Kunde fragte, wie man mit JMP Tests mit ähnlichen Testergebnissen (bestanden/nicht bestanden) identifizieren könne.Die Datentabelle besteht aus vielen Tests als Spalten und verschiedenen getesteten 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 ihn sehr begeisterte, da sie genau das tat, was er wollte, d. h. Identifizieren Sie Tests mit ähnlichen Ergebnissen, um redundante Tests zu entfernen und die Testzeit zu verkürzen, ohne die Qualität zu beeinträchtigen.Es gab jedoch einige wichtige Funktionen, 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 Bericht „Clustermitglieder“ zu klicken.Sie sollten dies für Spalten tun, die innerhalb ihres zugewiesenen Clusters schwache Korrelationen aufweisen.Für die obige Anwendung würde dies bedeuten, dass Tests mit schwachen Korrelationen in ihrem Cluster im Testablauf für Halbleiterchips bleiben.
2. Sie sollten in der Lage sein, einen Zielwert für die Metrik „Proportion der durch Clustering erklärten Variation“ zu definieren. JMP berechnet dann die erforderliche Mindestanzahl an Clustern, um dies zu erreichen, und erstellt Ihnen ein Diagramm von POVEBC im Vergleich zur Clusteranzahl.Dadurch kann der Testingenieur ermitteln, wie viele Tests erforderlich sind, um einen bestimmten Prozentsatz aller Fehler zu erfassen.
@mzwald ,
Ich mag diese Idee. Das Gleiche könnte auch auf PCA angewendet werden.
Ich denke, zum einen könnten Sie „exclude“ für dieses Mitglied oder diese Mitglieder verwenden und sehen, ob das hilft.
