對於一款新的 WLAN 產品（第六代 Wi-Fi），在晶片封裝準備發貨給客戶的最終測試中，發現了良率損失問題。我們啟動了一個專案來尋找問題的根本原因。主要使用的品質工具是故障樹分析，以深入挖掘每種潛在的故障模式，而不是排除某些故障可能性或直接得出先驗結論。
恩智浦多年來一直在使用機器學習方法和演算法，因此在這種產量損失案例中，機器學習與典型的數據分析或單變量分析同時實施。
最終產品由兩顆晶片組成，安裝在一個層壓板上。在晶片製造後、封裝前的晶片測試步驟中，沒有觀察到任何問題。此外，僅在一種層壓板上製造的產品模型上觀察到了良率損失問題，這引發了對層壓板類型影響的假設。
建構了資料分析和機器學習分析（分區模型、提升樹模型或引導模型）。分析主要針對單元測試和最終產品測試之間的差異以及層壓模型之間的差異。
