传感器的大规模应用和机器学习的发展让集中测试在一些影响力较大的领域成为了可能。

机器学习和集成电路制造设备中结合了更多的传感器，这为晶圆厂和封测代工厂对于针对性测试和更快吞吐量创造了新的可能性。

这种做法的目的是为了提高质量，降低制造复杂芯片的成本。在最先进的节点上，制造复杂芯片所需的时间正在增加。随着晶体管数量的增加，更多的芯片被添加到电路板或封装中，这导致了需要更多的时间去测试这些器件，也增加了总体成本，如果测试时间保持不变，就会降低被测设备在其生命周期内的可靠性。

所以，我们有必要区分哪些设备确实需要彻底测试，哪些设备已经在硅材料中得到了充分的验证。这相当于对一个测试套件进行修剪，但是这个需要收集足够有用的数据来进行调用。在过去这很难做到，但是随着更多传感器的参与，生成了更多的数据，我们就可以更细致的查看数据并从中进行有效识别模式