恩智浦結構化問題解決方法：汽車半導體測試和設計中的兩個案例研究（2020-EU-EPO-384）級別：中級
CorinneBergès，六西格瑪黑帶，恩智浦半導體
恩智浦半導體公司模擬設計工程師Kurt Neugebauer
戴大，恩智浦半導體設計自動化工程師
馬丁·昆斯特曼（Martin Kunstmann），恩智浦半導體公司在職研發學生
恩智浦半導體產品和測試工程師Alain Beaudet
結構化問題解決（SPS）是恩智浦6 Sigma系統的三大支柱之一，具有質量文化和持續改進的精神，它展示了恩智浦質量體系的進一步成熟。恩智浦SPS中的一些關鍵方法適合DMAIC / DMADV，8D或5-Why框架。他們廣泛地使用統計數據將假設變為真正消除根本缺陷所必需的證據：建模，DOE，多元分析，…描述了兩種特定的統計分析。在汽車設計中，關於參數，硬或軟缺陷的仿真，目的是實施最佳算法以減少仿真次數，而又不影響測試覆蓋率或故障率估計精度：為此，JMP提供了有趣的集群選項。恩智浦（NXP）實驗將得出一種算法，並為有關缺陷覆蓋範圍計費方法研究的新IEEE標準提供一些建議。現在，在製造業的下游，當處理能力指標計算和正態性檢驗時，為了避開這些檢驗的高靈敏度而出現輕微異常，JMP設計了一種方法，通過使用Shash分佈及其分佈來量化偏離正態性峰度和偏度參數。實施了一個腳本，以對汽車產品進行的3000多次測試實現自動化。
數據探索電子海報質量與可靠性視頻
