恩智浦结构化问题解决方法：汽车半导体测试和设计中的两个案例研究（2020-EU-EPO-384）级别：中级
CorinneBergès，六西格玛黑带，恩智浦半导体
恩智浦半导体公司模拟设计工程师Kurt Neugebauer
戴大，恩智浦半导体设计自动化工程师
马丁·昆斯特曼（Martin Kunstmann），恩智浦半导体公司在职研发学生
恩智浦半导体产品和测试工程师Alain Beaudet
结构化问题解决（SPS）是恩智浦6 Sigma系统的三大支柱之一，具有质量文化和持续改进的精神，它展示了恩智浦质量体系的进一步成熟。恩智浦SPS中的一些关键方法适合DMAIC / DMADV，8D或5-Why框架。他们广泛地使用统计数据将假设变为真正消除根本缺陷所必需的证据：建模，DOE，多元分析，…描述了两种特定的统计分析。在汽车设计中，关于参数，硬或软缺陷的仿真，目的是实施最佳算法以减少仿真次数，而又不影响测试覆盖率或故障率估计精度：为此，JMP提供了有趣的集群选项。恩智浦（NXP）实验将得出一种算法，并为有关缺陷覆盖范围计费方法研究的新IEEE标准提供一些建议。现在，在制造业的下游，当处理能力指数计算和正态性检验时，为了避开这些检验的高灵敏度而出现轻微异常，JMP设计了一种方法，通过使用Shash分布及其分布来量化偏离正态性的方法。峰度和偏度参数。实施了一个脚本，以对汽车产品进行的3000多次测试实现自动化。
数据探索电子海报质量与可靠性视频
