開發基於 ML 的 CTQ Define 外掛程式 (2022-KR-30MP-1361)測試過程產生了公司最多的數據，但由於缺乏能夠順利處理數據的工具，數據的利用受到了限制。特別是，晶圓測試過程產生的數據反映了晶圓廠的品質水平，但僅被工程師部分利用。為了透過提高測試數據的利用率來提高良率/質量，我們開發了一個用戶友好的 CTQ Define Add-in，它透過應用 JMP 支援的 ML 演算法來導出晶圓測試的 CTQ。在本次示範中，我們將介紹一系列基於插件定義每個目標的 CTQ 的分析過程，並導出 CTQ 專案現場應用的最佳係數條件。
進階統計建模基礎資料分析與建模品質和工藝工程分享和交流成果
