Bán dẫn ô tô yêu cầu độ tin cậy cao do liên quan trực tiếp đến an toàn xe và người dùng.

• Các phương pháp truyền thống như kiểm tra độ bền và tiêu chuẩn AEC có giới hạn trong việc dự đoán lỗi thực tế.
• - Tác giả đề xuất mô hình sử dụng dữ liệu từ quy trình lắp ráp và kiểm tra gói sản phẩm để dự đoán lỗi tiềm ẩn.
• - Áp dụng các thuật toán cây quyết định như Random Forest, AdaBoost, ExtraTrees để xây dựng mô hình phân loại.
• - Kết quả cho thấy độ chính xác dự đoán đạt 92.8%, với các biến quan trọng liên quan đến tỷ lệ lỗi trong kiểm tra gói và lắp ráp.
• - Mô hình giúp loại bỏ sản phẩm lỗi tiềm ẩn trước khi xuất xưởng, giảm chi phí chất lượng và tăng độ tin cậy khách hàng.