Corinne BERGES, cinturón negro Six Sigma, NXP Semiconductors
Un cliente de la industria automotriz informó un problema con algunas piezas y el análisis de fallas destacó varias pruebas fallidas en las funciones de gestión de válvulas. Nuevas pruebas en los productos revelaron un área en el borde de la matriz en la que las piezas tenían más probabilidades de fallar. Los análisis se diseñaron para comprender la diferencia entre esta área débil y el resto de la matriz. Estos análisis utilizaron datos de sondas de unidad y de clase: la primera permite la investigación a nivel de matriz; la segunda respalda el estudio de las retículas en la oblea. Las retículas son estructuras específicas incrustadas en las obleas entre las matrices y representan cada paso de fabricación individual; su prueba permite la identificación del paso fallido.
El análisis de datos en JMP consistió en un análisis univariado con trazado de distribución de pruebas, un análisis multivariado y también algoritmos de predicción utilizando la comparación entre las dos áreas del chip en siete lotes de obleas. Los análisis se realizaron a nivel de chip y retícula para poder destacar los pasos de fabricación fallidos.
Este estudio de caso se utilizó en materiales de capacitación para promover el aprendizaje automático. En el contexto de la industria automotriz, donde el objetivo es cero defectos, todos deben recibir capacitación en este tipo de análisis para lograr el mayor nivel de calidad posible.
