NXPの構造化された問題解決アプローチ：自動車の半導体テストと設計における2つのケーススタディ（2020-EU-EPO-384）レベル：中級
CorinneBergès、シックスシグマブラックベルト、NXPセミコンダクターズ
NXPセミコンダクターズ、アナログ設計エンジニア、Kurt Neugebauer
NXPセミコンダクターズ、デザインオートメーションエンジニア、Da Dai
Martin Kunstmann、R＆D-SUP-NXPセミコンダクターズの現役学生
NXPセミコンダクターズ、製品およびテストエンジニア、Alain Beaudet
構造化問題解決（SPS）は、NXPシックスシグマシステムの3つの柱の1つであり、品質文化と継続的改善を備えており、NXP品質システムの成熟度をさらに高めています。NXP SPSのいくつかの重要なアプローチは、DMAIC / DMADV、8D、または5-Whyフレームワークに適合しています。彼らは統計を広く使用して、実際の欠陥の根本原因を排除するために必要な仮定を証拠に変更します。モデリング、DOE、多変量解析、…2つの特定の統計分析について説明します。自動車の設計では、パラメトリック、ハード、またはソフトの欠陥のシミュレーションについて、テストカバレッジや故障率の推定精度に影響を与えることなく、シミュレーションの数を減らすための最良のアルゴリズムを実装することが目的です。このため、JMPはクラスタリングで興味深いオプションを提供します。NXPの実験により、アルゴリズムと、欠陥カバレッジアカウンティング方法に関する研究に関する新しいIEEE標準のいくつかの推奨事項が得られます。現在、製造の下流で工程能力指数の計算と正規性検定を扱う場合、わずかな異常に対してこれらの検定の高感度をバイパスするために、Shash分布とその分布を使用して、正規性からのシフトを定量化する方法がJMPで設計されました。尖度と歪度のパラメーター。自動車製品の3000を超えるテストで自動化するスクリプトが実装されました。
データ探索ePoster品質と信頼性ビデオ
