입자 수가 과학자들을 오도하다: 모델링을 조사하는 JMP® 및 SAS® 통합 사례 연구
Kathleen Kiernan, MS, 기술 지원 통계학자; Diane Michelson, PhD, 통계 트레이너; Annie Zangi, MS, 연구 통계학자 – SAS
이 논문에서는 실제 응용 프로그램에서 데이터를 모델링하는 결과를 다루고 JMP와 SAS의 통합 기능을 사용하여 비정상 데이터를 모델링하는 방법과 기술을 보여줍니다. 가장 일반적으로 사용되는 통계적 테스트와 모델링 기술은 특정 가정에 기반합니다. 분석하는 데이터가 비정상적이거나 이분산적이라면 어떨까요? JMP는 비정상적이거나 이분산적 데이터를 모델링하는 몇 가지 방법과 기술을 제공하는 반면 SAS는 사용할 수 있는 전체 범위의 절차를 제공합니다. Box-Cox 거듭제곱 변환은 종종 비정상적이거나 이분산적 데이터를 변환하는 데 사용됩니다. 또 다른 접근 방식은 비정상 분포를 모델링하는 것입니다. 이 논문에서는 두 가지 반도체 사례 연구를 제시합니다. 반도체 처리 중에 웨이퍼는 가능한 한 깨끗하게 유지됩니다. 회로의 활성 영역에 있는 입자는 궁극적으로 칩에 결함이 생길 수 있습니다. 첫 번째 예는 과학자들이 웨이퍼에서 발생하는 입자 수를 줄이려고 시도했지만 원래 생각했던 것보다 문제의 근원을 식별하는 데 모델이 덜 효과적이라는 것을 발견한 사례를 살펴봅니다. 반도체 칩은 각각 수백 개의 칩을 포함할 수 있는 대형 웨이퍼에서 제조되며 웨이퍼는 배치로 처리됩니다. 두 번째 예에서는 전통적인 선형 모델 설정에서 프로세스의 분산 구성 요소에서 중요한 요인을 찾으려고 할 때 발생할 수 있는 오해의 소지가 있는 결과를 조사합니다. JMP와 SAS 통합을 사용하여 이 두 예에 대한 솔루션을 제시할 것이며, 이는 다른 시나리오에도 적용할 수 있습니다.
