利用多元分析和建模方法查找汽车行业产量损失的根本原因（2024-EU-PO-1551）在汽车半导体制造行业中，晶圆级良率被作为成本的关键绩效指标进行监控，同时也作为质量的关键绩效指标进行监控，因为质量与良率之间的联系已被证明。
此处观察到，在高温下的电学芯片测试步骤中，尤其是在与特定组件功能测试组相匹配的特定批次中，良率有所下降。如果观察到良率下降的单元探测 (UP) 测试能够识别出不合格的芯片，则类别探测 (CP) 测试会在芯片功能完成并可进行测试之前，对芯片间构建的用于监控制造步骤的光罩进行测试。因此，寻找根本原因的关键在于将 UP 测试中观察到的良率下降与 CP 测试结果进行关联，以确定是哪个制造步骤出现了问题。
使用 JMP Pro 对故障批次的 UP 和 CP 数据进行相关性分析、多元分析和建模；结果提供了一些很好的线索，以便设备工程师可以设计纠正措施。
高级统计建模数据探索与可视化
