Level: Mittelstufe
Corinne Bergès, Six Sigma Black Belt, NXP-Halbleiter
Kurt Neugebauer, Ingenieur für analoges Design, NXP Semiconductors
Da Dai, Konstruktionsautomatisierungsingenieur, NXP Semiconductors
Martin Kunstmann, F & E-SUP-Student, NXP Semiconductors
Alain Beaudet, Produkt- und Testingenieur, NXP Semiconductors
Die strukturierte Problemlösung (SPS) ist eine der drei Säulen des NXP Six Sigma-Systems mit Qualitätskultur und kontinuierlicher Verbesserung und zeigt noch mehr Reife des NXP-Qualitätssystems. Einige wichtige Ansätze in NXP SPS passen zu den DMAIC / DMADV-, 8D- oder 5-Why-Frameworks. Sie verwenden häufig Statistiken, um Annahmen in Beweise umzuwandeln, die für eine echte Beseitigung der Fehlerursachen erforderlich sind: Modellierung, DOE, multivariate Analyse, ... Zwei spezifische statistische Analysen werden beschrieben. Beim Entwurf für die Automobilindustrie zur Simulation parametrischer, harter oder weicher Defekte besteht der Zweck darin, den besten Algorithmus zur Reduzierung der Anzahl von Simulationen zu implementieren, ohne die Testabdeckung oder die Genauigkeit der Fehlerratenschätzung zu beeinträchtigen. Hierfür bietet JMP interessante Optionen für das Clustering. NXP-Experimente werden zu einem Algorithmus und einigen Empfehlungen für den neuen IEEE-Standard zur Untersuchung der Methode zur Erfassung der Fehlerabdeckung führen. In der Fertigung wurde nun, wenn es um die Berechnung des Fähigkeitsindex und den Normalitätstest geht, um die hohe Empfindlichkeit dieser Tests für eine leichte Abnormalität zu umgehen, eine Methode in JMP entwickelt, um die Verschiebung von der Normalität unter Verwendung der Shash-Verteilung und ihrer zu quantifizieren Kurtosis- und Skewness-Parameter. Ein Skript wurde implementiert, um es bei den mehr als 3000 Tests für ein Automobilprodukt zu automatisieren.
