NXP 结构化问题解决方法：汽车半导体测试与设计的两个案例研究 (2020-EU-EPO-384)Corinne Bergès，恩智浦半导体公司六西格玛黑带
Kurt Neugebauer，NXP Semiconductors 模拟设计工程师
戴大，恩智浦半导体设计自动化工程师
Martin Kunstmann，恩智浦半导体研发部学生
Alain Beaudet，恩智浦半导体产品和测试工程师
结构化问题解决 (SPS) 是 NXP 六西格玛系统的三大支柱之一，与质量文化和持续改进一起，并进一步展示了 NXP 质量系统的成熟度。NXP SPS 中的一些关键方法与 DMAIC/DMADV、8D 或 5-Why 框架相匹配。他们广泛使用统计数据将假设转化为证据，这对于消除真正的缺陷根本原因必不可少：建模、DOE、多元分析……描述了两种特定的统计分析。在汽车设计中，关于参数、硬或软缺陷的模拟，目的是实施最佳算法以减少模拟次数，而不会影响测试覆盖率或故障率估计精度：为此，JMP 在聚类中提供了有趣的选项。NXP 实验将产生一种算法，并为新 IEEE 标准提供一些关于缺陷覆盖率核算方法的研究建议。现在，在制造的下游，当它处理能力指数计算和正态性检验时，为了避免这些测试对轻微异常的高敏感性，在 JMP 中设计了一种方法来量化偏离正态性的偏差，方法是使用 Shash 分布及其峰度和偏度参数。实施了一个脚本，使其在汽车产品的 3000 多个测试中自动执行。
高级统计建模自动化和脚本基础数据分析与建模消费者和市场研究数据探索与可视化实验设计预测模型和机器学习质量与工艺工程可靠性分析分享和交流结果
