Corinne BERGES、シックスシグママスターブラックベルト、NXPセミコンダクターズ
D。 マーティンノッター、シックスシグママスターブラックベルト、テクニカルディレクター、製品診断センター（PDC）、NXPセミコンダクターズ
Maresa Labellarte、製品エンジニアリング、NXPセミコンダクターズ
新しいWLAN製品（第6世代Wi-Fi）の場合、顧客に出荷するためにダイがパッケージ化される最終テストで、歩留まりの低下の問題が観察されます。 問題の根本原因を見つけるためにプロジェクトが開始されます。 使用される主な品質ツールは、フォールトツリー分析であり、障害の可能性を排除したり、事前の結論に直接飛び込んだりすることなく、潜在的な各障害モードを深く掘り下げます。
NXPはここ数年から機械学習の方法論とアルゴリズムを使用しているため、機械学習は、一般的なデータ分析または単変量分析と並行して、この歩留まり損失のケースで実装されました。
最終製品は、ラミネートに取り付けられた2つのダイで構成されます。 ダイ製造後およびパッケージング前のダイテストステップでは問題は観察されませんでした。 さらに、1種類のラミネートのみで製造された製品モデルで歩留まり低下の問題が観察され、ラミネートタイプの影響に関する仮説が立てられました。
データ分析と機械学習分析（パーティション、ブーストされたツリー、またはブートストラップモデル）が構築されました。 分析では、主に単体テストと最終製品テストの違い、およびラミネートモデルの違いを扱いました。
