Yves Chandon, ceinture noire Six Sigma, Freescale Semiconductor
Chaque circuit intégré analogique automobile est mesuré par 100 à 5 000 tests avant livraison au client. L'analyse en composantes principales est utilisée comme technique de réduction des dimensions variables pour analyser ces fichiers de données volumineux. Cependant, pour l'expert, l'interprétation des composantes principales n'est pas toujours simple. La procédure de clustering de variables est un outil pratique. Chaque cluster peut être analysé et la variable la plus représentative de chaque cluster est affichée. Pour l'expert, il est relativement pratique d'ajuster toutes les variables d'un cluster par la plus représentative grâce à des ajustements bivariés utilisant des ellipses de confiance. Ces informations peuvent être utiles pour améliorer le rendement, la qualité ou réduire les temps de test. Il est également possible d'améliorer les corrélations entre l'ensemble des variables les plus représentatives et les autres variables en utilisant la régression pas à pas ou la plateforme de partitionnement. Les moindres carrés partiels peuvent également être utilisés pour modéliser toutes les variables par la plus représentative de chaque cluster qui ne sont pas orthogonales comme les composantes principales. La compréhension globale de la structure de variabilité du produit est considérablement améliorée par ces techniques. Ces informations sont utilisées pour l'optimisation du rendement et des coûts, ainsi que pour l'amélioration de la qualité.
