<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Yves Chandon, Ceinture noire Six Sigma, Freescale Semiconductor
Chaque circuit intégré analogique automobile est mesuré selon 100 à 5 000 tests avant livraison par le client. L'analyse en composantes principales a été utilisée comme technique de réduction de dimension variable pour analyser ces fichiers de données assez volumineux. Toutefois, pour l’expert en la matière, l’interprétation des principales composantes n’est pas toujours simple. La procédure de clustering variable est un outil pratique. Chaque cluster peut être analysé et la variable la plus représentative de chaque cluster est affichée. Pour l’expert en la matière, il est assez pratique d’adapter toutes les variables d’une grappe aux plus représentatifs des ajustements à deux variables en utilisant des ellipses de confiance. Ces informations peuvent être utiles pour améliorer le rendement, améliorer la qualité ou réduire le temps de test et réduire les coûts. Il est également possible d'améliorer les corrélations entre l'ensemble des variables les plus représentatives et les autres variables en utilisant une régression pas à pas ou la plate-forme Partition. Les moindres carrés partiels peuvent également être utilisés pour modéliser toutes les variables en fonction des plus représentatives de chaque grappe qui ne sont pas orthogonales comme les composantes principales. La compréhension globale de la structure de variabilité du produit est considérablement améliorée par ces techniques. Ces informations sont utilisées pour optimiser les rendements et les coûts, ainsi que pour améliorer la qualité.
