분포란? 평균 뒤에 숨은 공정 데이터

정규분포·이상치·꼬리·혼합 집단을 이해하고 반도체 공정 데이터를 정규분포로 성급하게 가정하지 않는 방법을 배웁니다.

기초 · 직무 연결 · 업데이트 2026-10-06

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

쉬운 설명: 숫자의 전체 모양 보기

한 반의 평균 점수만으로 모든 학생의 점수를 알 수 없듯, 평균 두께 하나만으로 공정 상태를 알 수 없습니다. 분포는 어떤 값이 많이 나오고 드물게 나오는지 보여줍니다. 데이터를 구간으로 나누어 개수를 표시하는 Histogram은 분포를 처음 살펴볼 때 유용합니다.

핵심 원리: 중심·산포·모양을 함께 읽기

가로축은 측정값, 세로축은 빈도인 히스토그램에서 중심 위치와 폭, 좌우 비대칭, 여러 봉우리를 살펴봅니다. 구간 폭을 너무 크게 잡으면 작은 집단 차이를 숨기고, 너무 작게 잡으면 적은 표본의 흔들림이 큰 특징처럼 보입니다. 표본 수와 구간 설정을 함께 표시하세요.

정규분포는 좌우 대칭인 종 모양의 모델입니다. 평균과 표준편차로 그 모양을 표현하지만, 실제 데이터가 이 모델에 적합한지는 별도로 확인해야 합니다. 불량 개수처럼 정수인 데이터, 0 이하가 될 수 없는 시간 데이터, 서로 다른 제품을 합친 데이터는 다른 모양을 가질 수 있습니다.

Tail과 Outlier는 무엇이 다를까?

Tail은 분포의 드문 값이 있는 꼬리 영역입니다. Outlier는 다른 값들과 유난히 떨어져 보이는 관측값입니다. 꼬리 쪽 값이 모두 잘못된 데이터인 것은 아닙니다. 실제 드문 공정 이상일 수도, 측정 오류일 수도, 다른 제품 집단일 수도 있습니다. 제거하기 전에 이력과 원본을 확인합니다.

왜 중요한가: 평균은 같아도 불량 위험은 다르다

평균 CD가 같은 두 조건에서 한쪽 꼬리가 더 길다면 일부 패턴이 규격을 벗어날 위험이 다를 수 있습니다. 제품 A/B를 섞어 두 봉우리가 생겼다면 한 공정의 산포가 큰 것인지, 서로 다른 목표 중심의 집단을 합친 것인지 구분해야 합니다. 제품·장비·시간별로 나누어 분포를 다시 그리는 것이 좋은 출발점입니다.

현업 연결: 공간과 시간을 다시 붙이기

히스토그램은 시간 순서와 웨이퍼 위치를 보통 지웁니다. 어떤 값이 많다는 사실을 본 뒤 그 값이 언제·어디서 나왔는지 Trend와 Wafer Map으로 돌아가야 합니다. 분포는 SPC와 공정 능력 계산의 가정을 검토하는 기초이며, 원인 확정 도구는 아닙니다.

자주 하는 오해

• 종 모양이면 정규분포가 확인됐다: 표본 수·혼합 집단·적합성 검토가 더 필요합니다.
• 이상치는 모두 제거해야 한다: 실제 공정 변화의 중요한 단서일 수 있습니다.
• 히스토그램만 보면 변화 시점을 알 수 있다: 시간 축을 잃으므로 별도 추세를 봅니다.

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 · Histogram