모델링 과정에서 이상치는 흔히 제거되지만, 이상치 탐지는 통계적 공정 관리의 핵심입니다. 이상치가 어떻게 발생하는지 이해하는 것은 품질 개선의 기회입니다.
이상치는 "비정상적인" 관측값으로 정의되며, 3시그마 규칙이나 다른 주관적인 기준과 같은 관례가 필요합니다. 본 발표에서는 반도체 공정 개발에서 실험 설계(DOE)를 모델링하는 세 가지 접근 방식을 제시하며, 그 목표는 이상치를 생성하는 메커니즘을 이해하는 것입니다.
- 첫 번째 접근 방식은 실험 데이터를 가져와서 규칙을 사용하여 관측값을 이상치로 분류한 다음, 로지스틱/포아송 회귀를 사용하여 이상치가 생성되는 비율을 모델링합니다.
- 두 번째 방법은 JMP Pro의 기능 데이터 탐색기를 사용하여 역 경험적 누적 밀도 함수를 모델링함으로써 반도체 제조 공정에서 이상치 생성을 유발하거나 방지하는 요인 조합을 확인하는 것입니다.
- 세 번째 접근 방식은 비선형 플랫폼을 사용하여 데이터를 t 분포로 모델링함으로써 이상치 분포를 확인하고 프로세스 평균의 변화를 감지할 수 있도록 합니다.
본 논문에서는 세 가지 접근 방식이 제공하는 정보의 질과 분석의 난이도 측면에서 어떻게 다른지 논의합니다.
