本技術能夠將從設備感測器所收集來的巨量資料結合品質狀態標記，透過集成式學習與機器學習技術，以數據驅動的角度進行自動化特徵擷取與定義，提供工程師挑選關鍵特徵統計量的優先順序，縮短摸索提升良率的過程，有效加速產品進入量產階段的時程。本技術突破過往在利用設備感測資料進行錯誤偵測與分類時，需仰賴專家領域知識事先定義合適的關鍵區間與統計量才能進行分析與監控，而是在品質狀態標記給定之後，直接基於數據驅動方式精準定義的關鍵區間及特徵統計量，並提供決策指標以作為該模型的信心度，減少工程師的時間花費與彌平經驗落差，加速產品量產。本技術是以製程錯誤偵測與分類為主要應用，因基於數據驅動特性不需仰賴產業的領域知識，故可快速應用至各個具類別分析需求的產業，如半導體產業、電子產業或航空製造產業等。模型對分析結果具對應的決策指標，更可導入應用時的評估表，確保模型導入的有效性及信心度。