תקציר בתהליך הייצור של מעגלים מודפסים יש אחוז משמעותי של מנות שנפסלות, ולכן החלטתי לנתח ולחקור את הנושא.
למטרת ניתוח מהיר ויעיל של בסיס נתונים הכולל אלפי רשימות פותחו שיטות סטטיסטיות מתקדמות הנקראות שיטות לכריית נתונים (Data Mining Methods), או בשמן הנוסף: Knowledge Discovery in Database.השיטות לכריית נתונים מתחלקות לשלושה סוגים עיקריים:
שיטות למיון נתונים (Classification Methods).
שיטות רגרסיה (Regression Methods).
שיטות לקיבוץ נתונים (Clustering Methods).
לצורך ביצוע תחזיות בחרתי להשתמש בשלב הראשון בבדיקת הקורלציה בין מכלול הגורמים השונים המשפיעים על אחוזי הפסילה. הקורלציה מחשבת את מקדם המתאם בין שני משתני מדידה כאשר המידות בכל משתנה מובחנות עבור אחד מ-N הנושאים. מקדם המתאם, בדומה לשונות המשותפת, הוא השיעור שבו שני משתנים "משתנים יחדיו". שלא כמו השונות המשותפת, מקדם המתאם בנוי כך שהערך שלו אינו תלוי ביחידות המבטאות את שני משתני המדידה. (לדוגמה, אם שני משתני המדידה הם משקל וגובה, הערך של מקדם המתאם אינו משתנה אם המשקל עובר המרה מליטרה לקילוגרם.) הערך של כל מקדם מתאם חייב להיות בטווח שבין 1- ו-1+, כולל.
 בשלב השני אשתמש ברגרסיה מרובה על-מנת לנסות ולחזות את אחוזי הפסילה הצפויים בתהליך הייצור. תחזית זו (בתנאי שתהיה לה מובהקות סטטיסטית מספקת) עשויה לספק למנהל מחלקת ההנדסה מקדם ייצור אופטימאלי עבור כל מנה אשר מתקבלת במפעל.
רגרסיה רבת משתנים הינה חישוב הסטטיסטיקה של קו מסוים בשיטת "הריבועים הפחותים", לחישוב לקו הישר המתאים ביותר לנתונים, והחזרת מערך המתאר את הקו. תוכן מבוא                                                                          
3 בדיקת הקורלציה ורגרסיה רבת משתנים                             4
סיכום ומסקנות                                                              7
נספח 1                                                                      
8 -13