利用 JMP Pro 對半導體製程開發中的異常值分佈進行建模 (2024-EU-PO-1662)建模時通常會剔除異常值。然而，檢測異常值是統計製程控制的核心。了解異常值的產生機制是改良品質的契機。
異常值被定義為「不尋常」的觀測值，需要採用某種約定俗成的方法，例如三西格瑪規則或其他較為主觀的標準。本次報告將展示三種用於半導體製程開發中實驗設計（DOE）建模的方法，其目標是理解異常值的產生機制：
- 第一種方法是取得實驗數據，使用規則將觀測值歸類為異常值，然後使用邏輯/泊松迴歸來模擬異常值的生成率。
- 第二種方法是使用 JMP Pro 中的函數資料瀏覽器來模擬逆經驗累積密度函數，以便查看哪些因素組合會導致或阻止半導體製造過程中異常值的產生。
- 第三種方法利用非線性平台，以 t 分佈對資料進行建模，從而可以看到異常值分佈，並偵測製程平均值的偏移。
我們將探討這三種方法在所提供的資訊品質和分析難度上的差異。
進階統計建模實驗設計
