Nivel: intermedio
Corinne BERGES, Six Sigma Black Belt, NXP Semiconductors
Un cliente de la industria automotriz informó un problema con algunas piezas y el análisis de fallas destacó varias pruebas fallidas en las funciones de gestión de válvulas. Nuevas pruebas en los productos revelaron un área en el borde de la matriz en la que las piezas tenían más probabilidades de fallar. Los análisis se diseñaron para comprender la diferencia entre esta área débil y el resto del dado. Estos análisis utilizaron datos de sonda de unidad y de clase: el primero permite la investigación a nivel de dado; el último apoya el estudio de las retículas de la oblea. Las retículas son estructuras específicas incrustadas en las obleas entre las matrices e ilustran cada paso de fabricación individual; su prueba permite la identificación del paso que falla.
El análisis de datos en JMP consistió en un análisis univariado con trazado de distribución de prueba, análisis multivariado y también algoritmos de predicción utilizando la comparación entre las dos áreas del dado en siete lotes de obleas. Los análisis se realizaron a nivel de matriz y retícula para poder resaltar los pasos de fabricación defectuosos.
Este estudio de caso se utilizó en materiales de formación para promover el aprendizaje automático. En el contexto de la industria automotriz, donde el objetivo es cero defectos, todos deben estar capacitados en dichos análisis para lograr el mayor nivel de calidad posible.
