Yves Chandon, Cintura Nera Six Sigma, Freescale Semiconductor
Ogni circuito integrato analogico per autoveicoli viene misurato da 100 a 5.000 test prima della consegna al cliente. L'analisi dei componenti principali è stata utilizzata come tecnica di riduzione delle dimensioni variabili per analizzare quei file di dati piuttosto grandi. Tuttavia, per l'esperto in materia, l'interpretazione dei componenti principali non è sempre semplice. La procedura di clustering delle variabili è uno strumento pratico. Ogni cluster può essere analizzato e viene visualizzata la variabile più rappresentativa per ogni cluster. Per l'esperto in materia, è abbastanza comodo adattare tutte le variabili in un cluster tramite la più rappresentativa con adattamenti bivariati utilizzando ellissi di confidenza. Queste informazioni possono essere utili per migliorare la resa, migliorare la qualità o ridurre i tempi di test con risparmio sui costi. È anche possibile migliorare le correlazioni tra l'insieme delle variabili più rappresentative e le altre variabili utilizzando la regressione graduale o la piattaforma di partizione. I minimi quadrati parziali possono anche essere utilizzati per modellare tutte le variabili tramite la più rappresentativa di ogni cluster che non sono ortogonali come i componenti principali. La comprensione globale della struttura della variabilità del prodotto è notevolmente migliorata da tali tecniche. Queste informazioni vengono utilizzate per l'ottimizzazione della resa e dei costi, nonché per il miglioramento della qualità.
