芯片生產中的“過程能力指數”分析報告

在芯片的生產過程中，會經歷許多次的摻雜、增層、光刻和熱處理等工藝制程，每一步都必須達到極其苛刻的物理特性要求。但是，即使是最成熟的工藝制程也存在不同位置之間、不同晶圓之間、不同工藝運行之間以及不同時段之間的變異。有時，這種變異會使工藝制程超出它的制程界限，生產出不符合工藝標準的晶圓，從而嚴重地影響成品率（Yield）。而任何對半導體工業有過些許了解的人都知道：整個工業對其良品率都極其關注。因此，正確地評估和控制芯片生產過程中的變異顯得尤為重要，而研究過程變異的常用方法之一就是過程能力分析。

一般來說，過程能力分析通常是指通過顧客質量要求的范圍與實際產品質量變異范圍之間的比較數值來衡量實際生產過程滿足規格要求的能力。具體來說，就是計算出過程能力指數Cp和Cpk值，確定其過程能力等級，判斷過程能力是不足、尚可還是充分，進而采取相應的改進和維護措施。這個簡單易行的質量管理工具已經在各行各業中都有了廣泛的應用，頗受好評。

由于半導體制造工藝的復雜性，生產一個完整器件所需涉及的龐大工藝制程數量，以及檢測內容的多樣化等等原因，必然要求芯片生產中的“過程能力指數”分析必須在遵循原先質量統計理論的基礎上有所發展，創造出一套適合半導體工業的“過程能力指數”分析方法。

縱觀國內的常規質量管理咨詢和軟件市場，長期以來都無法提出一個理想的解決方案。幸運的是，被英特爾Intel、國家半導體National Semiconductor，中芯國際等全球芯片巨頭普遍采用的高端六西格瑪質量管理統計分析軟件JMP已經在這方面作出了很多卓有成效的工作，業已成為半導體行業的一種應用標準。接下來，本文將結合一個案例與大家一起在JMP軟件最新的JMP7平臺上分享這個研究成果。

圖1：晶圓測試的數據表。

如上圖所示，圖一是某晶圓工廠在最終的電子測試階段獲取的數據表格，共有1455條記錄（限于篇幅，圖1僅顯示了其中的前30條記錄），考察的質量特性有16個（實際情況會更多，此處僅取其中的一部分做演示，并且限于篇幅，圖一僅顯示了其中的前7個質量特性）。如果按照傳統的分析方法，我們需要按部就班地計算16組過程能力指數，對各項質量特性一一考核，但對它們之間的相互關聯以及產品的總體質量性能卻缺少一個全面的認識總結。而且單純用數字說明，也顯得有些枯燥抽象。

JMP軟件巧妙地通過一系列生動形象的統計圖形，使我們得到一個全新的分析展示結果。先看圖2所示的“過程能力指數的目標圖Goal Plot”。圖中等腰三角形的兩條紅邊表示所有Cpk恰巧等于1的情況，等腰三角形以內的部分表示所有Cpk大于1的情況，等腰三角形以外的部分表示所有Cpk小于1的情況，一般越遠離三角形的點所代表的Cpk值越小。顯然，目標圖用一個等腰三角形將過程能力充足和不足的兩部分質量特性區分得一目了然。在此案例中，給我們印象最深的是INM2、IVP2、IVP1等特性的過程能力很差，因為相對其他點而言，它們離這個等腰三角形最遠。

圖2：過程能力指數的目標圖Goal Plot。