Corinne Bergès, Six Sigma Black Belt, NXP Semiconductors
Kurt Neugebauer, Analogdesign-Ingenieur, NXP Semiconductors
Da Dai, Design Automation Engineer, NXP Semiconductors
Martin Kunstmann, R&D-SUP-Werkstudent, NXP Semiconductors
Alain Beaudet, Produkt- und Testingenieur, NXP Semiconductors
Strukturierte Problemlösung (SPS) ist neben Qualitätskultur und kontinuierlicher Verbesserung eine der drei Säulen des Six Sigma-Systems von NXP und demonstriert noch mehr die Reife des Qualitätssystems von NXP. Einige wichtige Ansätze in NXP SPS passen zu den Frameworks DMAIC/DMADV, 8D oder 5-Why. Sie nutzen in großem Umfang Statistiken, um Annahmen in Beweise umzuwandeln, die für die Beseitigung der tatsächlichen Grundursache eines Defekts notwendig sind: Modellierung, DOE, multivariate Analyse, … Es werden zwei spezielle statistische Analysen beschrieben. Beim Design für die Automobilindustrie, bei der Simulation parametrischer, harter oder weicher Defekte, besteht das Ziel darin, den besten Algorithmus zu implementieren, um die Anzahl der Simulationen zu verringern, ohne die Test-Abdeckung oder die Genauigkeit der Ausfallratenschätzung zu beeinträchtigen: Dafür bietet JMP interessante Clustering-Optionen. Aus den Experimenten von NXP werden ein Algorithmus und einige Empfehlungen für den neuen IEEE-Standard zur Untersuchung von Methoden zur Bilanzierung der Defektabdeckung resultieren. Um die hohe Sensibilität dieser Tests gegenüber leichten Abweichungen zu umgehen, wurde in JMP eine Methodik entwickelt, um Abweichungen von der Normalität zu quantifizieren. Dabei kommen die Shash-Verteilung und ihre Kurtosis- und Schiefe-Parameter zum Einsatz. Um dies bei den über 3000 Tests für ein Automobilprodukt zu automatisieren, wurde ein Skript implementiert.
