Comment gérer les facteurs dépendant du tempsComment gérer les facteurs dépendant du temps
Je conçois une expérience dans un contexte de semi-conducteur. En bref: la performance (c.-à-d. Le matériau gravé) d'un outil (CMP - polissage mécano-chimique) utilisée dans la fabrication de plaquettes de silicium dépend fortement de la durée de vie de certains consommables, à savoir le support et le patin. Ces pièces sont consommées indépendamment les unes des autres et, lorsqu'elles atteignent une durée de vie cible, elles sont remplacées. Malheureusement, nous pensons que certains autres facteurs liés à la fabrication de chaque échantillon de ces pièces, et pas seulement à la durée de vie, peuvent affecter les performances du CMP, de sorte que deux transporteurs physiquement différents ayant la même durée de vie peuvent avoir un impact différent sur la réponse.
L’objet de l’étude serait de lier les performances du CMP à la durée de vie de ces pièces (ce qui serait assez facile), mais en tenant compte de la variation aléatoire découlant des différences de construction entre parties. Le principal défi est que la durée de vie d’une pièce donnée ne peut qu’augmenter avec le temps; une randomisation complète n’est donc pas possible. Pour expliquer: je ne peux pas effectuer les analyses initiales avec un nouveau support, effectuer d’autres analyses avec le même support presque en fin de vie et terminer l’expérience avec le nouveau support! D'un autre côté, si je change physiquement la partie, j'ai peur de confondre la réponse avec d'autres facteurs provenant d'une variation entre parties.
Je pensais au départ que la conception en parcelles divisées aiderait, mais je ne peux pas aborder le problème ci-dessus dans ce cadre. Permettez-moi également d'ajouter que le changement de ces pièces prend beaucoup de temps et coûte cher. Par conséquent, la minimisation des modifications fait partie du défi.
J'ai aussi lu des conseils intéressants de Bradley Jones daté de 2012 dans le Blog JMP utiliser le temps comme covariable, mais mon cas ci-dessus semble être un peu plus compliqué que celui présenté dans cet article.
Ce serait vraiment bien si JMP pouvait prendre en compte le type de contraintes que j'ai décrites ci-dessus.
J'espère que ma description est suffisamment claire, toute suggestion serait appréciée!
Merci
Matteo
Re: Comment gérer les facteurs dépendant du tempsMatteo,
Cela ressemble plus à une collecte de données passive qu’à une expérience conçue. Vous avez peu de contrôle sur l'âge des opérateurs et des tablettes (uniquement lorsque vous pouvez collecter des données et uniquement dans le sens aller dans le temps). Je vais devoir réfléchir un peu à la question de la taille de l'échantillon. C'est une question difficile, étant donné que vous avez un modèle mixte et que vous devez deviner la variabilité pad-to-pad et support à support. J'espère que quelqu'un avec une expérience plus étendue dans ce domaine peut intervenir.
Don
Re: Comment gérer les facteurs dépendant du tempsPour le moment, nous ne nous intéressons qu’à ces deux facteurs d’âge.
br
Matteo
Re: Comment gérer les facteurs dépendant du tempsMatteo,
Quels autres facteurs d'âge y a-t-il à côté de l'âge du support et du support?
Don
Re: Comment gérer les facteurs dépendant du tempsMerci Don, je pense comprendre votre suggestion, mais j'aurais besoin de plus d'informations:
1) Comment dois-je m'assurer que les facteurs d'âge seront "suffisamment orthogonaux" les uns avec les autres et avec un tampon / support pour éviter toute confusion - je ne suis pas sûr de savoir comment ce concept s'applique aux facteurs aléatoires en passant.
2) combien de pads / transporteurs dois-je utiliser comme règle de base (je suppose que cela dépend de beaucoup de choses, mais supposons que je voudrais voir s'ils peuvent expliquer au moins la moitié de la variance totale).
3) dans la conception que vous proposez, devrais-je toujours utiliser l'approche en parcelles divisées pour le pavé / support, comme celle obtenue ci-dessous avec JMP, le réglage du pad sur dur et le support à tête?
Whole_plot PAD CARRIER_HEAD
1 L2 L1
1 L3 L1
1 L1 L1
2 N1 N2
2 L3 L2
2 L2 L2
3 L3 L3
3 N1 N3
3 L2 L3
4 N1 N2
4 L3 L2
4 L2 L2
5 N1 N3
5 L3 L3
5 L2 L3
Re: Comment gérer les facteurs dépendant du tempsMatteo,
J'ai répondu à votre demande dans le groupe de discussion général LinkedIn DOE . Parce que vous ne pourrez pas contrôler l'âge, mais que vous êtes toujours intéressé par les effets de l'âge, vous ne pourrez pas l'inclure dans la conception de l'expérience, mais vous pourrez certainement l'utiliser dans la modélisation de l'expérience. les données expérimentales. Supposons, de manière simpliste, que les seules choses qui changent sont le support, les supports de support et l'âge (du support et du support). Pour l’instant, ignorons le nombre de pads et d’opérateurs dont vous aurez besoin. Au cours de l'expérience, pour une observation donnée, vous enregistrerez vos réponses qui vous intéressent, ainsi que l'âge du pad, son ID (toute valeur permettant de distinguer les différents pads), l'âge du support. (en supposant que vous pensez que c'est important), et l'identifiant du transporteur. Une fois que vous avez terminé, un modèle simple (mais pas le seul modèle possible) consisterait à traiter les deux variables d’âge comme des effets fixes, et Pad [Carrier] - un tampon imbriqué dans le support - et le transporteur comme des effets aléatoires. Ici, je suppose qu’il peut y avoir plusieurs changements de pad pour un transporteur donné.
Don
