利用多元分析和建模方法來找出汽車產業產量損失的根本原因（2024-EU-PO-1551）在汽車半導體製造業中，晶圓級良率被作為成本的關鍵績效指標進行監控，同時也作為品質的關鍵績效指標進行監控，因為品質與良率之間的連結已被證明。
此處觀察到，在高溫下的電學晶片測試步驟中，尤其是在與特定組件功能測試組相匹配的特定批次中，良率有所下降。如果觀察到良率下降的單元探測 (UP) 測試能夠識別出不合格的晶片，則類別探測 (CP) 測試會在晶片功能完成並可進行測試之前，對晶片間構建的用於監控製造步驟的光罩進行測試。因此，尋找根本原因的關鍵在於將 UP 測試中觀察到的良率下降與 CP 測試結果進行關聯，以確定哪個製造步驟出現了問題。
使用 JMP Pro 對故障批次的 UP 和 CP 資料進行相關性分析、多元分析和建模；結果提供了一些很好的線索，以便設備工程師可以設計糾正措施。
進階統計建模數據探索與視覺化
