<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Yves Chandon, Six Sigma Black Belt, Freescale Semiconductor
Ogni circuito integrato analogico automobilistico viene misurato da 100 a 5.000 test prima della consegna al cliente. L'analisi delle componenti principali è stata utilizzata come tecnica di riduzione delle dimensioni variabili per analizzare quei file di dati abbastanza grandi. Tuttavia, per l'esperto in materia, l'interpretazione delle componenti principali non è sempre semplice. La procedura di clustering variabile è uno strumento pratico. Ogni cluster può essere analizzato e viene visualizzata la variabile più rappresentativa per ciascun cluster. Per l'esperto in materia, è abbastanza conveniente adattare tutte le variabili in un cluster dal più rappresentativo con attacchi bivariati usando le ellissi di confidenza. Questa informazione può essere utile per migliorare la resa, migliorare la qualità o ridurre i tempi di prova. È anche possibile migliorare le correlazioni tra l'insieme delle variabili più rappresentative e le altre variabili utilizzando la regressione stepwise o la piattaforma Partition. I minimi quadrati parziali possono anche essere usati per modellare tutte le variabili dal più rappresentativo di ciascun cluster che non sia ortogonale come i componenti principali. La comprensione globale della struttura di variabilità del prodotto è notevolmente migliorata da tali tecniche. Queste informazioni vengono utilizzate per l'ottimizzazione della resa e dei costi, nonché per il miglioramento della qualità.
