Corinne Bergès, Cintura Nera Six Sigma, NXP Semiconductors
Kurt Neugebauer, Ingegnere di progettazione analogica, NXP Semiconductors
Da Dai, ingegnere di automazione della progettazione, NXP Semiconductors
Martin Kunstmann, R&D-SUP-Studente lavoratore, NXP Semiconductors
Alain Beaudet, ingegnere di prodotto e collaudo, NXP Semiconductors
Structured Problem Solving (SPS) è uno dei tre pilastri del sistema NXP Six Sigma, con Quality Culture e Continuous Improvement, e dimostra ancora di più la maturità del sistema di qualità NXP. Alcuni approcci chiave in NXP SPS sono adatti ai framework DMAIC/DMADV, 8D o 5-Why. Utilizzano ampiamente le statistiche per trasformare le ipotesi in prove, necessarie per una reale eliminazione della causa principale del difetto: modellazione, DOE, analisi multivariata, ... Vengono descritte due analisi statistiche specifiche. Nella progettazione per l'automotive, sulla simulazione di difetti parametrici, hard o soft, lo scopo è implementare il miglior algoritmo per ridurre il numero di simulazioni, senza influire sulla copertura del test o sulla precisione della stima del tasso di guasto: per questo, JMP fornisce interessanti opzioni nel clustering. Gli esperimenti NXP daranno luogo a un algoritmo e ad alcune raccomandazioni per il nuovo standard IEEE sullo studio del metodo di contabilizzazione della copertura dei difetti. Ora, a valle nella produzione, quando si tratta di calcolo dell'indice di capacità e di test di normalità, per bypassare l'elevata sensibilità di questi test per una leggera anomalia, è stata progettata una metodologia in JMP per quantificare lo spostamento dalla normalità, utilizzando la distribuzione Shash e i suoi parametri Kurtosis e Skewness. È stato implementato uno script per automatizzarlo su oltre 3000 test per un prodotto automobilistico.
