En un nuevo producto WLAN (Wi-Fi de sexta generación), se observa un problema de pérdida de rendimiento en la prueba final, cuando las matrices se empaquetan para su envío a los clientes. Se inicia un proyecto para identificar las causas del problema. La principal herramienta de calidad utilizada es un análisis del árbol de fallos para profundizar en cada posible modo de fallo, sin descartar ninguna posibilidad ni llegar a conclusiones a priori.
NXP ha estado utilizando metodología y algoritmos de aprendizaje automático desde hace algunos años, por lo que el aprendizaje automático se implementó en este caso de pérdida de rendimiento en paralelo con el análisis de datos típico o el análisis univariado.
El producto final consta de dos matrices montadas sobre un laminado. No se observó ningún problema en la prueba de la matriz, ni después de su fabricación ni antes de su embalaje. Además, se observó un problema de pérdida de rendimiento en el modelo de producto fabricado únicamente con un tipo de laminado, lo que dio lugar a hipótesis sobre el impacto del tipo de laminado.
Se desarrollaron análisis de datos y de aprendizaje automático (partición, árboles potenciados o modelos bootstrap). El análisis se centró principalmente en la diferencia entre la prueba unitaria y la prueba del producto final, así como en la diferencia entre los modelos laminados.
