<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Yves Chandon, Six Sigma Black Belt, Freescale Semiconductor
Cada circuito integrado analógico automotriz se mide entre 100 y 5,000 pruebas antes de la entrega al cliente. El análisis de componentes principales se ha utilizado como una técnica de reducción de dimensión variable para analizar esos archivos de datos bastante grandes. Sin embargo, para el experto en la materia, la interpretación de los componentes principales no siempre es sencilla. El procedimiento de agrupamiento de variables es una herramienta práctica. Se puede analizar cada grupo y se muestra la variable más representativa de cada grupo. Para el experto en la materia, es bastante conveniente ajustar todas las variables en un grupo por el más representativo con ajustes bivariados utilizando elipsis de confianza. Esta información puede ser útil para mejorar el rendimiento, mejorar la calidad o reducir el tiempo de prueba para ahorrar costos. También es posible mejorar las correlaciones entre el conjunto de variables más representativas y las otras variables mediante el uso de la regresión por pasos o la plataforma de partición. Los mínimos cuadrados parciales también se pueden usar para modelar todas las variables por el más representativo de cada grupo que no sea ortogonal como componentes principales. La comprensión global de la estructura de variabilidad del producto se ve significativamente mejorada por esas técnicas. Esta información se utiliza para optimizar el rendimiento y los costos, así como para mejorar la calidad.
