恩智浦結構化問題解決方法：汽車半導體測試和設計的兩個案例研究 (2020-EU-EPO-384)Corinne Bergès，恩智浦半導體六西格瑪黑帶
Kurt Neugebauer，NXP Semiconductors 模擬設計工程師
Da Dai，恩智浦半導體設計自動化工程師
Martin Kunstmann，NXP Semiconductors 研發-SUP-在職學生
Alain Beaudet，NXP Semiconductors 產品和測試工程師
結構化問題解決（SPS）是恩智浦六西格瑪體系的三大支柱之一，具有品質文化和持續改進，更體現了恩智浦品質體系的成熟度。 NXP SPS 中的一些關鍵方法適合 DMAIC/DMADV、8D 或 5-Why 框架。他們廣泛使用統計數據將假設轉變為證據，這是消除真正的缺陷根本原因所必需的：建模、DOE、多變量分析……描述了兩種具體的統計分析。在汽車設計中，關於參數、硬或軟缺陷的仿真，目的是實施最佳演算法來減少仿真次數，而不影響測試覆蓋率或故障率估計精度：為此，JMP 提供了有趣的聚類選項。恩智浦實驗將為缺陷覆蓋率核算方法研究的新 IEEE 標準提供演算法和一些建議。現在，在製造業的下游，當處理能力指數計算和正態性測試時，為了繞過這些測試對輕微異常的高敏感性，JMP 中設計了一種方法，透過使用 Shash 分佈及其峰度和偏度參數。實作了一個腳本來自動執行汽車產品的 3000 多項測試。
進階統計建模自動化和腳本編寫基礎資料分析與建模消費者與市場研究數據探索和視覺化實驗設計預測建模和機器學習品質和工藝工程可靠度分析分享和交流成果
