I valori anomali vengono spesso rimossi durante la modellazione. Tuttavia, individuarli è l'essenza del controllo statistico di processo. Comprendere come vengono creati rappresenta un'opportunità per migliorare la qualità.
I valori anomali sono definiti come osservazioni "insolite" e richiedono una convenzione, come la regola dei tre sigma o un altro criterio più soggettivo. In questa presentazione, illustriamo tre approcci alla modellazione del DOE nello sviluppo di processi per semiconduttori, il cui obiettivo era comprendere il meccanismo che genera i valori anomali:
- Il primo approccio prende i dati sperimentali, utilizza una regola per classificare le osservazioni come valori anomali e poi utilizza la regressione logistica/di Poisson per modellare la velocità con cui vengono generate.
- Il secondo utilizza Functional Data Explorer in JMP Pro per modellare la funzione di densità cumulativa empirica inversa, in modo da poter vedere quali combinazioni di fattori causano o impediscono la generazione di valori anomali in un processo di produzione di semiconduttori.
- Il terzo approccio utilizza la piattaforma non lineare per modellare i dati con una distribuzione t, in modo da poter vedere la distribuzione dei valori anomali e rilevare gli spostamenti nella media del processo.
Discutiamo in che modo i tre approcci differiscono in termini di qualità delle informazioni fornite e difficoltà delle analisi.
