입자 수는 과학자들을 오도: 모델링을 조사하는 JMP® 및 SAS® 통합 사례 연구
Kathleen Kiernan, MS, 기술 지원 통계학자; Diane Michelson, PhD, 통계 트레이너; Annie Zangi, MS, 연구 통계학자 – SAS
이 백서에서는 실제 응용 프로그램에서 데이터 모델링의 결과를 설명하고 JMP와 SAS의 통합 기능을 사용하여 비정규 데이터를 모델링하는 방법과 기술을 보여줍니다. 가장 일반적으로 사용되는 통계 테스트 및 모델링 기술은 특정 가정을 기반으로 합니다. 분석 중인 데이터가 비정규 또는 이분산이면 어떻게 됩니까? JMP는 비정규 또는 이분산 데이터를 모델링하기 위한 몇 가지 방법과 기술을 제공하는 반면 SAS는 사용할 수 있는 전체 범위의 절차를 제공합니다. Box-Cox 거듭제곱 변환은 종종 비정규 또는 이분산 데이터를 변환하는 데 사용됩니다. 또 다른 접근 방식은 비정규 분포를 모델링하는 것입니다. 이 백서에서는 두 가지 반도체 사례 연구를 제시합니다. 반도체 공정 중에 웨이퍼는 가능한 한 깨끗하게 유지됩니다. 회로의 활성 영역에 있는 입자는 궁극적으로 칩에 결함을 일으킬 수 있습니다. 첫 번째 예는 과학자들이 웨이퍼에서 발생하는 입자 수를 줄이려고 시도했지만 모델이 원래 생각했던 것보다 문제의 원인을 식별하는 데 덜 효과적이라는 것을 발견한 경우를 탐구합니다. 반도체 칩은 각각 수백 개의 칩을 포함할 수 있는 대형 웨이퍼에서 제조되며 웨이퍼는 일괄 처리됩니다. 두 번째 예에서는 기존 선형 모델 설정에서 프로세스의 분산 구성 요소에서 중요한 요소를 찾으려고 할 때 발생할 수 있는 잘못된 결과를 조사합니다. 다른 시나리오에도 적용할 수 있는 JMP 및 SAS 통합을 사용하여 이러한 두 가지 예에 대한 솔루션을 제시합니다.
