在高精度光學元件製造中，雙組分模組組裝面臨巨大的良率挑戰，這是由於組件公差與最終性能之間存在複雜的相互作用。目前效率低下的原因在於組件配對不佳和規格限制不確定，導致資源密集的「混搭」式生產模式，造成大量的人工和材料損失。
本文提出了一種基於多元迴歸（MVR）模型的資料驅動解決方案，用於建立傳遞函數。該模型透過將模組關鍵性能輸出變數（KPOV）定義為組件關鍵性能輸入變數（KPIV）的函數，識別出關鍵品質特性（CTQ）驅動因素及其具體敏感性，從而能夠在實際組裝之前進行精確的性能預測。
虛擬組件選擇的實施有助於實現策略性的數位化配對，從而確保達到效能目標。此方法成功解決了實體「混搭」的瓶頸問題，每周可節省30個工時，並降低11,000美元的成本。此外，該模型直接提高了組件和模組的良率，同時提升了模組的整體性能。它也使得基於經驗敏感度分析而非理論估算來優化規格限值成為可能。
透過從被動測試轉向主動虛擬篩選，這個可擴展的框架提供了一種穩健的方法，用於提高組裝良率和效能。該方法有效降低了營運成本，並為優化複雜的多組件製程以模組化產品跨多個技術領域提供了模板。
