<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Yves Chandon, Six Sigma Black Belt, Freescale Semiconductor
Jeder analoge integrierte Schaltkreis in der Automobilindustrie wird vor der Auslieferung an den Kunden bei 100 bis 5.000 Tests gemessen. Die Analyse der Hauptkomponenten wurde als Methode zur Reduzierung der Dimensionsgröße verwendet, um diese ziemlich großen Dateien zu analysieren. Für den Fachexperten ist die Interpretation der Hauptkomponenten jedoch nicht immer unkompliziert. Das variable Clustering-Verfahren ist ein praktisches Werkzeug. Jeder Cluster kann analysiert werden und die repräsentativste Variable für jeden Cluster wird angezeigt. Für den Fachexperten ist es ziemlich bequem, alle Variablen in einem Cluster von den repräsentativsten mit bivariaten Anpassungen unter Verwendung von Vertrauensellipsen anzupassen. Diese Informationen können zur Verbesserung der Ausbeute, zur Qualitätsverbesserung oder zur Reduzierung der Testzeit von Kosten beitragen. Es ist auch möglich, die Korrelationen zwischen dem Satz der repräsentativsten Variablen und den anderen Variablen durch Verwendung der schrittweisen Regression oder der Partitionsplattform zu verbessern. Partielle kleinste Quadrate können auch verwendet werden, um alle Variablen zu modellieren, die von jedem Cluster repräsentativ sind und nicht wie die Hauptkomponenten orthogonal sind. Das globale Verständnis der Produktvariabilitätsstruktur wird durch diese Techniken wesentlich verbessert. Diese Informationen werden zur Ertrags- und Kostenoptimierung sowie zur Qualitätsverbesserung verwendet.
