利用 JMP Pro 对半导体工艺开发中的异常值分布进行建模 (2024-EU-PO-1662)建模时通常会剔除异常值。然而，检测异常值是统计过程控制的核心。了解异常值的产生机制是改进质量的契机。
异常值被定义为“不寻常”的观测值，需要采用某种约定俗成的方法，例如三西格玛规则或其他更为主观的标准。本次报告将展示三种用于半导体工艺开发中实验设计（DOE）建模的方法，其目标是理解异常值的产生机制：
- 第一种方法是获取实验数据，使用规则将观测值归类为异常值，然后使用逻辑/泊松回归来模拟异常值的生成率。
- 第二种方法是使用 JMP Pro 中的函数数据浏览器来模拟逆经验累积密度函数，以便了解哪些因素组合会导致或阻止半导体制造过程中异常值的产生。
- 第三种方法利用非线性平台，以 t 分布对数据进行建模，从而可以看到异常值分布，并检测过程均值的偏移。
我们将探讨这三种方法在所提供的信息质量和分析难度方面的差异。
高级统计建模实验设计
