시간 의존 요인을 다루는 방법시간 의존 요인을 다루는 방법
나는 반도체 환경에서 실험을 설계하고있다. 간단히 말해서 실리콘 웨이퍼 제조에 사용되는 공구 (CMP - 화학 기계적 연마)의 성능 (즉, 에칭 된 재료)은 특정 소모 부품 (예 : 캐리어 및 패드)의 수명에 크게 좌우됩니다. 이 부품들은 서로 독립적으로 소비되며 목표 수명에 도달하면 교체됩니다. 불행히도 우리는 평생뿐만 아니라 이들 부품의 각 샘플 제작과 관련된 몇 가지 다른 요소가 CMP의 성능에 영향을 미칠 수 있으므로 동일한 수명을 가진 물리적으로 다른 두 개의 캐리어가 응답에 다른 영향을 미칠 수 있다고 생각합니다.
이 연구의 목적은 CMP의 성능을 이들 부품의 수명과 연계시키는 것 (매우 쉽다)이지만 부품 간 부품 차이로 인한 무작위적인 변화를 고려하는 것이다. 주된 도전 과제는 주어진 부분의 수명이 시간에 따라 증가 할 수 있기 때문에 완전 무작위 화가 불가능하다는 것입니다. 설명 : 나는 신선한 캐리어로 초기 실행을 수행 할 수 없으며 평생 엔드 근처에서 동일한 캐리어로 다른 실행을 수행하고 신선한 캐리어로 실험을 마칩니다. 반면에 내가 물리적으로 부분을 변경하면, 파트 - 투 - 파트 (part-to-part) 변형으로 인한 다른 요인들과 응답을 혼동 할까봐 두려워합니다.
처음에는 스 플리트 플롯 디자인이 도움이 될 것이라고 생각했지만이 프레임에서 위의 문제를 해결할 수는 없습니다. 이 부분을 변경하는 것은 시간이 많이 걸리고 비용이 많이 들기 때문에 변경을 최소화하는 것이 과제의 일부라고 덧붙입니다.
나는 또한 흥미로운 조언을 브래들리 존스 2012 년 12 월 JMP 블로그 공변량으로 시간을 사용하는 것에 대해,하지만 위의 사례는 그 게시물에 제시된 것보다 조금 복잡하게 보인다.
JMP가 위에 설명 된 제약 조건을 고려할 수 있다면 정말 좋을 것입니다.
내 설명이 충분히 명확하고, 모든 제안을 주시면 감사하겠습니다.
감사
마테오
제목 : Re : 시간 의존 요인을 다루는 방법마테오,
설계된 실험보다 수동 데이터 수집과 비슷합니다. 캐리어 및 패드의 나이를 거의 제어 할 수 없습니다 (데이터를 수집 할 수있는 경우에만 시간 방향으로 전달). 나는 표본 크기의 질문에 약간의 생각을해야 할 것입니다. 당신이 혼합 모델을 가지고 있고 패드 대 패드와 캐리어 대 캐리어의 변동성에 대한 추측을 포함한다면 그것은 어려운 질문입니다. 바라건대,이 지역에서보다 광범위한 배경을 가진 누군가가 차임 할 수 있습니다.
님
제목 : Re : 시간 의존 요인을 다루는 방법현재 우리는이 두 연령대에만 관심이 있습니다.
br
마테오
제목 : Re : 시간 의존 요인을 다루는 방법마테오,
패드와 캐리어의 나이 옆에 다른 연령대가 있습니까?
님
제목 : Re : 시간 의존 요인을 다루는 방법감사합니다 돈, 나는 당신의 제안을 이해한다고 생각하지만, 나는 더 많은 정보를 필요로 할 것입니다 :
1) 혼란을 피하기 위해 나이 요인이 서로 그리고 패드 / 캐리어에 대해 "충분히 직각"이 될 수 있도록 어떻게해야합니까? -이 개념이 어떻게 임의의 요소에 적용되는지 확실하지 않습니다.
2) 규칙의 엄지 손가락으로 몇 개의 패드 / 캐리어를 사용해야합니까 (이는 여러 가지에 달려 있지만, 전체 분산의 절반 이상을 설명 할 수 있는지 알고 싶습니다).
3) 당신이 제안한 설계에서 JMP로 얻은 다음과 같이 패드 / 캐리어에 대한 분할 플롯 접근 방식을 사용해야하며, 패드를 하드 및 캐리어 헤드로 쉽게 설정해야합니까?
Whole_plot 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 L3 L2
4 L2 L2
5 L1 L3
5 L3 L3
5 L2 L3
제목 : Re : 시간 의존 요인을 다루는 방법마테오,
나는에 응답했다. 일반적인 LinkedIn DOE 토론 그룹에서의 귀하의 문의 . 나이를 제어 할 수는 없지만 나이 효과에 관심이있는 경우 실험 디자인에 포함 할 수는 없지만 모델을 만들 때 사용할 수는 있습니다. 실험 데이터. 단순하게 변하는 것은 캐리어, 캐리어 패드 및 나이 (패드 및 캐리어) 뿐이라고 가정 해 봅시다. 지금은 필요한 패드와 이동 통신사의 수를 놓치지 마십시오. 실험 과정에서 주어진 관찰에 대해 관심있는 반응과 패드의 나이, 패드 ID (다른 패드를 구별 할 수있는 모든 값), 이동 통신사의 나이를 기록 할 것입니다 (당신이 중요하다고 생각한다고 가정 할 때), 그리고 운송 회사 ID. 작업이 끝나면 단순 모델 (유일한 모델은 아님)은 두 가지 연령 변수를 고정 효과로 취급하고 패드 [Carrier] - 이동 통신사에 중첩 된 패드 - 및 Carrier를 임의 효과로 처리하는 것입니다. 여기, 나는 주어진 운반 대를위한 다수 패드 변경이일지도 모르다는 것을 추측하고있다.
님
