在半導體製造業務中，由於其昂貴且複雜的工藝，保持產品產量、週期時間和品質至關重要。合格設備的單位探針 (UP) 箱沉降物的增加引起了交付問題並需要緩解風險。管理層經常要求評估低於最低產量和/或超過統計倉限制的潛在報廢風險。對良率的影響。作為設備所有者，我使用資料探勘技術來識別與 UP 輻射相對應的參數探針參數的變化，並根據預測模型做出高級決策。
在此示範中，從生產資料庫中提取並清理了單元探針和類別探針資料。收集的資料分為訓練、驗證和測試資料集。在晶圓級評估和分析了四種模型。選擇分類決策樹模型和引導森林分類模型進行分類反應分析（是否廢棄），同時比較線性迴歸模型和導引森林迴歸模型進行連續反應分析（UP bin 下降百分比）。模型篩選有助於將參數從數百個減少到幾個。最終的決定是根據所建構的預測模型對晶圓的處置做出的。
當從測試資料集中獲得 UP 響應時，對預測和探測的垃圾箱沉降物之間的兩個預測模型的準確性進行比較。
