상관관계란? Correlation과 Causation 구분

Pressure와 Defect가 함께 변할 때 산점도·교란 요인·시간 추세를 확인하고 인과 가설을 검증하는 방법을 배웁니다.

기초 · 직무 연결 · 업데이트 2026-10-06

추천 읽기 순서 · 용어사전 · 어디까지 알아야 하나요? · 관련 직무

쉬운 설명: 함께 움직이는 두 숫자

압력이 높은 웨이퍼에서 Defect가 많아 보이면 압력과 결함이 관련돼 있을 가능성을 조사할 수 있습니다. 하지만 이것만으로 압력이 결함의 원인이라고 말할 수 없습니다. 제품 변경으로 압력 조건과 결함 수준이 함께 달라졌거나, 다른 공정 조건이 둘에 영향을 주었을 수도 있습니다.

핵심 원리: 산점도로 형태부터 확인하기

산점도는 각 관측의 두 값을 가로·세로축에 찍습니다. 먼저 단위·동일 웨이퍼/공정 구간의 짝이 맞는지 확인합니다. Pearson 상관계수는 선형 관계의 방향과 정도를 요약하지만, 곡선 관계나 일부 이상치·혼합 집단을 한 숫자로 충분히 설명하지 못합니다.

상관계수가 0에 가깝다고 모든 관계가 없다는 뜻은 아닙니다. U자 모양 관계처럼 선형 요약이 놓치는 형태가 있습니다. 계수가 높아도 작은 표본이나 몇 개의 극단값이 결과를 이끌 수 있으므로 그래프와 표본 수를 함께 봅니다.

Correlation ≠ Causation

압력과 Defect가 함께 늘어났다는 관찰에서 세 가지 질문을 나누어 봅니다. 압력 변화가 먼저였는가? 제품·시간·챔버 등 다른 조건이 같았는가? 압력만 달랐다는 가설이 맞다면 어떤 결과가 반복돼야 하는가? 시간의 앞뒤만 맞아도 인과가 입증되는 것은 아닙니다.

가상의 장비 A가 어려운 제품을 더 많이 처리했다면 A의 평균 압력과 Defect가 모두 높을 수 있습니다. 같은 제품·기간으로 나눠 보면 장비 간 차이가 줄 수도 있습니다. 이런 제3의 요인이 교란 변수입니다.

왜 중요한가: 잘못된 원인에 조치하지 않기

상관만 보고 조건을 바꾸면 실제 원인을 놓치거나 다른 특성을 악화시킬 수 있습니다. 공정의 물리적 설명, 비교 가능한 정상/영향 집단, 변경 이력과 승인된 실험을 함께 사용합니다. 관찰 데이터는 후보를 좁히고 DOE는 비교 조건을 체계적으로 설계하는 데 도움을 줍니다.

현업 연결: 데이터를 정확하게 연결하기

압력 Trace 평균을 결함 데이터와 붙일 때 Lot/Wafer ID와 공정 구간을 맞춥니다. 누락·다른 시각·다른 단계의 데이터를 잘못 연결하면 관계 자체가 왜곡됩니다. 시간 추세가 둘 다 증가하는 경우에는 제품별·기간별 분석과 변화점을 검토합니다.

자주 하는 오해

• 상관이 높으면 원인이다: 관찰된 관계와 인과 검증은 다릅니다.
• AI가 관계를 찾았으면 검증이 필요 없다: 모델의 후보도 물리·데이터 검증이 필요합니다.
• 상관이 낮으면 관계가 없다: 비선형·집단별 관계를 놓칠 수 있습니다.

공개 참고 자료

개념 확인: 2026-10-06. 아래 공개 1차 자료를 참고해 FlashMemory가 학생용 설명·가상 예·학습 질문을 작성했습니다. 특정 기업의 내부 Recipe·Spec을 사용하지 않습니다.

• NIST · Scatter Plot