Niveau: intermédiaire
Corinne Bergès, ceinture noire Six Sigma, NXP Semiconductors
Kurt Neugebauer, ingénieur en conception analogique, NXP Semiconductors
Da Dai, ingénieur en automatisation de la conception, NXP Semiconductors
Martin Kunstmann, étudiant R & D-SUP-Working, NXP Semiconductors
Alain Beaudet, ingénieur produit et test, NXP Semiconductors
La résolution de problèmes structurés (SPS) est l'un des trois piliers du système NXP Six Sigma, avec une culture de la qualité et une amélioration continue, et démontre encore plus de maturité du système de qualité NXP. Certaines approches clés de NXP SPS sont compatibles avec les cadres DMAIC / DMADV, 8D ou 5-Why. Ils utilisent largement les statistiques pour transformer les hypothèses en preuves, nécessaires à l'élimination des causes profondes d'un défaut réel: modélisation, DOE, analyse multivariée,… Deux analyses statistiques spécifiques sont décrites. Dans la conception pour l'automobile, sur la simulation de défauts paramétriques, durs ou mous, l'objectif est de mettre en œuvre le meilleur algorithme pour réduire le nombre de simulations, sans impact sur la couverture des tests ou la précision de l'estimation du taux de défaillance: pour cela, JMP propose des options intéressantes en clustering. Les expériences NXP aboutiront à un algorithme et à quelques recommandations pour la nouvelle norme IEEE sur l'étude de la méthode de comptabilisation de la couverture des défauts. Désormais, en aval de la fabrication, lorsqu'il s'agit du calcul de l'indice de capabilité, et du test de normalité, pour contourner la haute sensibilité de ces tests pour une légère anomalie, une méthodologie a été conçue dans JMP pour quantifier le décalage par rapport à la normalité, en utilisant la distribution Shash et son Paramètres de Kurtosis et Skewness. Un script a été implémenté pour l'automatiser sur les plus de 3000 tests d'un produit automobile.
