時間依存要因をどう処理するか時間依存要因をどう処理するか
私は半導体の文脈で実験を計画しています。簡単に言うと：シリコンウェハの製造に使用されるツール（ＣＭＰ - 化学機械研磨）の性能（すなわちエッチングされた材料）は、特定の消耗部品、すなわちキャリアおよびパッドの寿命に強く依存する。これらの部品は互いにまったく独立して消費され、目標寿命に達すると交換されます。残念ながら、寿命だけでなくこれらの部品の各サンプルの製造に関連するいくつかの他の要因もCMPの性能に影響を与える可能性があり、同じ寿命を持つ2つの物理的に異なるキャリアは応答に異なる影響を与える可能性があります。
この調査の目的は、CMPの性能をこれらの部品の寿命（非常に簡単です）に結び付けることですが、部品間の構造の違いによるランダムな変動を考慮に入れることです。主な課題は、与えられた部品の寿命は時間とともに増加するだけなので、完全なランダム化は不可能であるということです。説明すると、次のとおりです。フレッシュキャリアを使用して最初の実行を実行することはできません。生涯の終わり近くに同じキャリアで他の実行を実行して、フレッシュキャリアを使用して実験を終了します。一方、私が部品を物理的に変更した場合、部品間のばらつきから生じる他の要因と応答を混同するのは怖いです。
私は当初、分割プロット設計が役立つと感じましたが、この枠内で上記の問題に対処することはできません。これらの部分を変更するのは非常に時間と費用がかかるので、変更を最小限に抑えることが課題の一部であることも付け加えておきます。
私もいくつかの興味深いアドバイスを読んでブラッドリージョーンズ 2012年の JMPブログ共変量として時間を使うことについてですが、上の私のケースはその記事で提示されたものより少し複雑です。
JMPが私が上で説明した種類の制約を考慮に入れることができればそれは本当に素晴らしいでしょう。
私は私の説明が十分に明確であることを願っています、どんな提案でも評価されるでしょう！
ありがとう
マッテオ
日時：どのように時間に依存する要因に対処するマッテオ、
設計された実験よりも受動的なデータ収集のように思えます。キャリアとパッドの年齢を制御することはほとんどできません（データを収集できる場合に限り、時間方向の前方にのみ）。サンプルサイズの質問に少し考えてみる必要があります。モデルが混在していて、パッド間およびキャリア間のばらつきについて推測するのは難しい質問です。うまくいけば、この分野でより広範なバックグラウンドを持つ誰かが参加することができます。
ドン
日時：どのように時間に依存する要因に対処する現時点では、これら2つの年齢要因にのみ関心があります。
br
マッテオ
日時：どのように時間に依存する要因に対処するマッテオ、
パッドとキャリアの年齢以外に他にどのような年齢要因がありますか？
ドン
日時：どのように時間に依存する要因に対処するありがとうドン、私はあなたの提案を理解していると思いますが、私はいくつかのさらなる入力が必要になるでしょう：
1）混乱を避けるために年齢要素が相互に「直交する」ようにしてパッド/キャリアになるようにするにはどうすればよいですか - ところで、この概念がランダム要素にどのように適用されるのかわかりません。
2）ルールの親指として何個のパッド/キャリアを使うべきか（これは多くのことに左右されると思いますが、それらが分散の少なくとも半分を説明できるかどうか見てみたいと思います）。
3）あなたが提案するデザインでは、JMPで得られた以下のようにパッド/キャリアに分割プロットアプローチを使用するべきです、パッドをハードに、キャリアヘッドをイージーに設定しますか？
全体プロットCARRIER_HEAD PAD
1 L2 L1
1 L3 L1
1 L1 L1
2 L1 L2
2 L3 L2
2 L2 L2
3 L3 L3
3 L1 L3
3 L2 L3
4 L1 L2
4 L 3 L2
4 L2 L2
5 L1 L3
5 L3 L3
5 L2 L3
日時：どのように時間に依存する要因に対処するマッテオ、
私は答えた一般的なLinkedIn DOEディスカッショングループでのお問い合わせ 。年齢を制御することはできませんが、それでも年齢の影響にアクセスすることに関心があるので、それを実験計画に含めることはできませんが、確かにそれをモデル化に使用することは可能です。実験データ 簡単に言うと、変化するのは、キャリア、キャリアパッド、および（パッドとキャリアの）年齢だけであるとしましょう。今のところ、あなたが必要とするパッドとキャリアの数を無視しましょう。実験の過程で、与えられた観測について、あなたの興味のある回答に加えて、パッドの年齢、パッドID（あなたが異なるパッドを識別できるようにする任意の値）、キャリアの年齢を記録するでしょう（あなたがそれが重要だと思うと仮定して）そしてキャリアID。終了したら、2つの年齢変数を固定効果として扱い、Pad [Carrier] - キャリアを入れ子にしたパッド - とCarrierをランダム効果として扱う単純なモデル（ただし、唯一可能なモデルではありません）。ここで、私は与えられたキャリアのために複数のパッド変更があるかもしれないと仮定しています。
ドン
