Corinne Bergès, Six Sigma Black Belt, NXP Semiconductors
Kurt Neugebauer, NXP Semiconductors 아날로그 설계 엔지니어
Da Dai, 설계 자동화 엔지니어, NXP Semiconductors
Martin Kunstmann, R&D-SUP-Working student, NXP Semiconductors
Alain Beaudet, 제품 및 테스트 엔지니어, NXP Semiconductors
구조화된 문제 해결(SPS)은 품질 문화와 지속적인 개선과 함께 NXP Six Sigma 시스템의 세 가지 기둥 중 하나이며, NXP 품질 시스템의 성숙도를 더욱 잘 보여줍니다. NXP SPS의 몇 가지 주요 접근 방식은 DMAIC/DMADV, 8D 또는 5-Why 프레임워크와 적합합니다. 이들은 통계를 널리 사용하여 가정을 실제 결함 근본 원인 제거에 필요한 증거로 변경합니다. 모델링, DOE, 다변량 분석, ... 두 가지 특정 통계 분석이 설명되어 있습니다. 자동차 설계에서 매개 변수, 하드 또는 소프트 결함의 시뮬레이션에 대한 목적은 테스트 범위 또는 실패율 추정 정밀도에 영향을 미치지 않으면서 시뮬레이션 횟수를 줄이는 최상의 알고리즘을 구현하는 것입니다. 이를 위해 JMP는 클러스터링에서 흥미로운 옵션을 제공합니다. NXP 실험은 알고리즘과 결함 범위 회계 방법에 대한 연구에 대한 새로운 IEEE 표준에 대한 몇 가지 권장 사항을 도출합니다. 이제 제조업의 하류에서, 역량 지수 계산과 정규성 검정을 다룰 때, 약간의 비정상에 대한 이러한 검정의 높은 민감도를 우회하기 위해, Shash 분포와 그 첨도 및 왜도 매개변수를 사용하여 정규성에서의 변화를 정량화하는 방법론이 JMP에서 설계되었습니다. 자동차 제품에 대한 3000개 이상의 검정에서 이를 자동화하기 위한 스크립트가 구현되었습니다.
