Yves Chandon, Six Sigma Black Belt, Freescale Semiconductor
모든 자동차 아날로그 집적 회로는 고객에게 인도되기 전에 100~5,000회의 테스트를 통해 측정됩니다. 주성분 분석은 이러한 상당히 큰 데이터 파일을 분석하기 위한 변수 차원 감소 기술로 사용되었습니다. 그러나 해당 주제 전문가에게 주성분의 해석은 항상 간단한 것은 아닙니다. 변수 클러스터링 절차는 실용적인 도구입니다. 각 클러스터를 분석하고 각 클러스터의 가장 대표적인 변수를 표시합니다. 해당 주제 전문가에게 신뢰 타원을 사용하여 이변량 적합을 통해 클러스터의 모든 변수를 가장 대표적인 변수로 맞추는 것이 매우 편리합니다. 이 정보는 수율 향상, 품질 개선 또는 비용 절감 테스트 시간 단축에 유용할 수 있습니다. 또한 단계적 회귀 또는 분할 플랫폼을 사용하여 가장 대표적인 변수 집합과 다른 변수 간의 상관 관계를 향상시킬 수도 있습니다. 부분 최소 제곱법을 사용하여 주성분과 같이 직교하지 않는 각 클러스터의 가장 대표적인 변수로 모든 변수를 모델링할 수도 있습니다. 이러한 기술을 통해 제품 변동 구조에 대한 전반적인 이해가 크게 향상됩니다. 이 정보는 수확량과 비용 최적화, 품질 개선에 사용됩니다.
