Yves Chandon, Six Sigma Black Belt, Freescale Semiconductor
Jeder analoge integrierte Schaltkreis im Automobilbereich wird vor der Auslieferung an den Kunden in 100 bis 5.000 Tests gemessen. Die Hauptkomponentenanalyse wurde als Methode zur variablen Dimensionsreduktion zur Analyse dieser relativ großen Datenmengen eingesetzt. Für den Fachexperten ist die Interpretation der Hauptkomponenten jedoch nicht immer einfach. Das Verfahren der Variablenclusterung ist ein praktisches Werkzeug. Jeder Cluster kann analysiert werden, und die repräsentativste Variable für jeden Cluster wird angezeigt. Für den Fachexperten ist es relativ einfach, alle Variablen eines Clusters mithilfe von bivariaten Anpassungen unter Verwendung von Konfidenzellipsen an die repräsentativste Variable anzupassen. Diese Informationen können zur Steigerung der Ausbeute, Qualitätsverbesserung oder zur Kostenreduzierung der Testzeit nützlich sein. Es ist auch möglich, die Korrelationen zwischen den repräsentativsten Variablen und den anderen Variablen durch schrittweise Regression oder die Partitionsplattform zu verbessern. Partielle kleinste Quadrate können auch verwendet werden, um alle Variablen jedes Clusters, die nicht orthogonal wie Hauptkomponenten sind, anhand der repräsentativsten Variablen zu modellieren. Das allgemeine Verständnis der Produktvariabilitätsstruktur wird durch diese Techniken erheblich verbessert. Diese Informationen dienen der Ausbeute- und Kostenoptimierung sowie der Qualitätsverbesserung.
