粒子计数误导科学家：JMP® 和 SAS® 集成案例研究
Kathleen Kiernan，硕士，技术支持统计员；Diane Michelson，博士，统计培训师；Annie Zangi，硕士，研究统计员 – SAS
本文将讨论在实际应用中建模数据的结果，并演示使用 JMP 和 SAS 的集成功能对非正态数据进行建模的方法和技术。最常用的统计测试和建模技术都基于某些假设。如果我们分析的数据是非正态或异方差的，该怎么办？JMP 提供了一些对非正态或异方差数据进行建模的方法和技术，而 SAS 提供了一系列可用的程序。Box-Cox 幂变换通常用于转换非正态或异方差数据。另一种方法是对非正态分布进行建模。本文将介绍两个半导体案例研究。在半导体加工过程中，晶圆要尽可能保持清洁。电路有源区域中的颗粒最终会导致芯片出现缺陷。第一个示例探讨了科学家试图减少晶圆上出现的颗粒数量，但发现该模型在识别问题根源方面不如最初想象的那么有效的情况。半导体芯片是在大型晶圆上制造的，每个晶圆可以包含数百个芯片，并且晶圆是分批加工的。在第二个示例中，我们将研究在传统线性模型设置中尝试查找过程方差分量中的重要因素时可能出现的误导性结果。我们将使用 JMP 和 SAS 集成为这两个示例提供解决方案，这些解决方案也可以应用于其他场景。
