다변량 · 세그먼트 분석 - Databricks 가이드

Part I: 다변량 · 세그먼트 분석

여러 변수를 동시에 봅니다. 개별 상관을 넘어 전체 구조와 세그먼트 차이를 파악합니다.

공정 파라미터 상관 히트맵

💡 상관행렬(correlation matrix)은 변수 쌍이 함께 움직이는 정도를 -1~1로 요약합니다. 히트맵으로 그리면 어떤 공정 지표가 화질 결과와 강하게 얽히는지 한눈에 보입니다 — 상관은 인과가 아니라는 점만 유의합니다.

@ccm_factory.bronze.active_alignment 와 @ccm_factory.bronze.final_image_test 를 serial 기준으로 조인해서
주요 수치형 파라미터(mtf_center/corner, tilt_x/y, focus_z, snr_db, distortion_pct) 간 상관행렬을 구하고
히트맵으로 보여줘. 강하게 상관된 쌍을 알려줘.

모델·고객 세그먼트 & 필드 리턴

1단계 — 세그먼트별 수율.

모델(model_code)·고객(customer)·module_type(AF/OIS/ToF) 세그먼트별로 최종 수율과 주요 불량 유형을 비교해줘.

2단계 — 공장 품질 ↔ 필드 리턴 연결.

@ccm_factory.bronze.field_returns 의 모델별 리턴율과, 같은 모델의 공장 내 불량률/수율을 나란히 비교해줘.
공장 검사에서 걸러지지 않고 필드로 유출된 것으로 의심되는 모델이 있는지 봐줘.

💡 AI 결과에 도전하기: 세그먼트 차이가 보이면 표본 수 차이로 인한 착시가 아닌지 되물어보세요 —
방금 세그먼트별 수율 차이가 표본 수가 적은 모델의 노이즈는 아닌지, 신뢰구간이나 최소 표본 기준으로 다시 검증해줘.