Mehul Shroff
NXP 輻射與本質可靠性技術總監

以下節錄自影片內容:

NXP 是一家全球半導體公司，產品種類豐富，並高度重視品質與成果。我們所處的產業對品質的要求極為嚴格。與此同時，我們又不能過度測試產品，以至於測試要求變得過於繁重且不具實際意義，因為這當中牽涉到市場競爭力。

因此，我們必須取得平衡：如何在不增加現場風險的情況下，適度調整測試規模，同時不讓產品難以製造與銷售？資料科學與分析技術正是我們達成這一目標的重要因素。

為了提升數據素養與分析能力，NXP 推出了 公民數據科學家計畫 ( Citizen Data Scientist Program)。這個計畫的構想是將來自不同專業領域的人員集合起來，對他們進行訓練，並讓他們執行一個專案，這個專案要能運用大數據、進階分析工具與平台的力量來解決一個問題，或找出更好的做法。這不僅僅是訓練，因為每個人都必須帶著一個實際的應用案例進來，並在最後完成這個案例。

我參與的專案與我的本職工作毫無關聯，這裡面包含了兩層學習。第一層是數據科學，這是每個人都在做的。第二層對我而言，是對我們工程工作中某一特定面向的深入了解。專案最初是由我們某個產品團隊定義的，他們說：「這是我們想看到的解決方案。」

我們需要做很多測試，但測試並不是免費的。它有硬體成本、時間成本等等。隨著產品逐漸成熟與穩定，為了提升營運效率與降低成本，就有必要減少測試項目

過去的做法比較主觀，因為每位工程師做法都不同，導致分析上存在很多主觀判斷。所以我們開始思考：能不能以數學與統計上更嚴謹的方法來進行？這不是為了取代工程知識，而是提供一套流程化工具，幫助產品與測試工程師簡化他們的工作流程。

原本他們可能需要幾週的工作，如果我們能用一個下午的計算時間完成，給他們一張表格，列出「哪些測試可以移除，以及移除這些測試的統計依據」，那他們仍然可以運用他們的專業知識做出最終決策。

JMP 是我們進行數據分析的主要工具之一。它非常適合協作，讓你可以在他人的分析基礎上進行擴展與重複使用。

JMP 有一個很棒的功能，就是可以將分析結果輸出為腳本，或使用 Workflow Builder 建立分析流程，讓其他人可以對不同的資料集進行相同類型的分析。其動態連結功能，還可以將報告結果移入資料表中，方便進一步分析與計算。JMP 的這些整合功能大幅簡化了整個分析流程。

以我參與的專案為例，當時可選的替代方案是一些很久以前人們在 Excel 中寫的巨集，或者在我們某個資料庫中用 Python 撰寫的工具。

我們在調查時發現，這些方法都缺乏我們透過 JMP 所能實現的統計嚴謹性。我們必須基於JMP 輸出的結果，再次調整以符合我們的需求。這樣的架構，在我們評估過的其他方法中都不存在。所以從質化角度來看，效果幾乎是天壤之別。

以我們的測試案例為例，我們的方法成功證明，可以在不犧牲任何可靠度覆蓋率，也不增加品質風險的情況下，移除超過 100 項測試。

另一個量化方式是：我們在很多應用場景中，當我們更改測試程序時，需要通知客戶並提出合理說明，客戶可能會提出質疑。有了這些統計指標與嚴謹的分析方法，將更容易說服客戶，這是非常有力的工具。

第三個未來發展方向是將分析延伸至上游，回到測試的架構與設計階段。未來是否能藉由這些分析結果，設計出更高效的測試流程？目前我們尚未開始這一部分，但這將是這項工作的自然延伸。