입자 계수가 과학자들을 오도한다: 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
본 논문에서는 실제 응용 프로그램에서 데이터 모델링의 결과를 다루고, JMP와 SAS의 통합 기능을 사용하여 비정규 분포 데이터를 모델링하는 방법과 기법을 제시합니다. 가장 일반적으로 사용되는 통계 검정 및 모델링 기법은 특정 가정에 기반합니다. 분석하려는 데이터가 비정규 분포이거나 이분산성이라면 어떻게 될까요? JMP는 비정규 분포 또는 이분산성 데이터를 모델링하는 몇 가지 방법과 기법을 제공하는 반면, SAS는 사용 가능한 다양한 절차를 제공합니다. 박스-콕스 거듭제곱 변환은 비정규 분포 또는 이분산성 데이터를 변환하는 데 자주 사용됩니다. 또 다른 접근법은 비정규 분포를 모델링하는 것입니다. 본 논문에서는 두 가지 반도체 사례 연구를 제시합니다. 반도체 공정 중 웨이퍼는 최대한 깨끗하게 유지됩니다. 회로 활성 영역의 입자는 궁극적으로 칩 결함을 유발할 수 있습니다. 첫 번째 사례는 과학자들이 웨이퍼에서 발생하는 입자 수를 줄이려고 시도했지만, 문제의 원인을 파악하는 데 있어 해당 모델이 예상보다 효과적이지 않다는 것을 발견한 사례를 살펴봅니다. 반도체 칩은 각각 수백 개의 칩을 포함할 수 있는 대형 웨이퍼에서 제조되며, 웨이퍼는 배치 단위로 처리됩니다. 두 번째 예시에서는 기존 선형 모델 설정에서 공정의 분산 구성 요소에서 중요한 요인을 찾을 때 발생할 수 있는 잘못된 결과를 살펴보겠습니다. JMP와 SAS 통합을 사용하여 두 예시에 대한 솔루션을 제시하며, 이는 다른 시나리오에도 적용될 수 있습니다.
