Klassifizierung von Testdaten mittels PCA-Verfahren am Beispiel analoger Schaltungen

Abstract:
Es wird ein neues Klassifizierungsverfahren für Testdaten nach passed und failed eingeführt und am Beispiel des Produktionstest analoger Schaltungen erläutert. Das Verfahren nutzt PCA (Principal Component Analysis) um mehr-dimensionale Vektorräume in passed und failed Bereiche zu zerlegen, welche durch eine Menge von Hyperebenen voneinander trennbar sind. Ausgangspunkt ist ein Datensatz, die sogenannte Trainingsmenge, von Vektoren im zu klassifizierenden Raum zusammen mit der jeweiligen Klassifizierung nach passed / failed . Im vorgestellten Beispiel wird dies eine gewisse Menge von DUTs (Device Under Test) der gewünschten analogen Schaltung sein, welche man im endlich dimensionalen Impulsantwortraum betrachtet, den man erhält, indem man die analoge Schaltung zwischen einem DAC und ADC schaltet und so als digitalisiertes, diskretes System ansieht. Damit ist es eine Weiterführung des Verfahrens von [1], da es die trennenden Hyperebenen automatisch wählt und man nicht mehr darauf angewiesen ist, alle failed Instanzen in verschiedenen Clustern einzuteilen.