利用主成分提高模拟产品知识Yves Chandon，飞思卡尔半导体公司六西格玛黑带
在交付给客户之前，每个汽车模拟集成电路都要经过 100 到 5,000 次测试。主成分分析已被用作一种变量降维技术，用于分析这些相当大的数据文件。然而，对于主题专家来说，对主成分的解释并不总是那么简单。变量聚类程序是一种实用的工具。可以分析每个聚类，并显示每个聚类中最具代表性的变量。对于主题专家来说，使用置信椭圆，用双变量拟合法将一个聚类中的所有变量拟合为最具代表性的变量是相当方便的。这些信息可用于提高产量、改善质量或节省成本，缩短测试时间。还可以使用逐步回归或分区平台来增强最具代表性的变量集与其他变量之间的相关性。偏最小二乘法也可用于通过每个聚类中最具代表性的变量来建模所有变量，这些变量不像主成分那样正交。这些技术大大增强了对产品可变性结构的整体理解。这些信息用于优化产量和成本，以及提高质量。
