Panduan Lengkap Keupayaan Proses & Analisis Mendalam DLOG (PAT+ · MVA · Gauge R&R · Cpk/Cp · ANOVA)

Analysis Overview

1. Gambaran Keseluruhan Analisis

Log data pengeluaran besar-besaran semikonduktor STDF V4 merekodkan ribuan ujian parametrik (PTR, MPR) dan beratus-ratus ribu cip (PRR). Mengetahui bahawa cip berada dalam had spesifikasi (LL/HL) sahaja tidak mencukupi untuk menentukan sama ada proses pembuatan adalah stabil, sama ada ukuran itu sendiri boleh dipercayai, atau sama ada bahagian berisiko tinggi tersembunyi dalam kalangan cip yang lulus.

DLOG menyediakan skrin analisis khusus untuk menjawab persoalan penting ini. Anda boleh mengaksesnya daripada menu pemilihan paparan di bahagian atas antara muka. Panduan ini menerangkan skrin yang digunakan untuk analisis keupayaan proses, penyaringan pencilan dan kebolehpercayaan pengukuran.

Skrin Carta DLOG dengan histogram, Cpk, Est ppm dan statistik kenormalan

Klik untuk besarkan

Rajah 1. Skrin Carta — Nilai min, garis ±σ, keluk taburan normal Gauss dan had tinggi (HL) ditindih pada histogram. Di sebelah kanan, panel Test Item Statistics memaparkan Sigma, Cpk, Cp, Est ppm dan Kenormalan (AD). Di bahagian bawah, senarai Tests (Cpk) meringkaskan keupayaan Cpk semua ujian mengikut kod warna.

Analisis	Skrin DLOG	Metrik Utama	Bila Digunakan
Penyaringan Pencilan PAT+	Wafer (PAT Data / PAT+), Chart (jalur DPAT)	Jalur DPAT, sisa kejiranan SPAT, PAT+ Flips	Menyaring "cip mencurigakan dalam kalangan cip lulus" yang memenuhi spesifikasi tetapi menyimpang secara statistik
Pencilan Pelbagai Pembolehubah	MVA Explorer, Wafer (MVA-PAT)	Mahalanobis MD², PCA SPE, Isolation Forest	Mengesan bahagian yang ujian individunya dalam spesifikasi, tetapi gabungan nilainya tidak normal
Gauge R&R	Gauge R&R	EV, AV, PV, %GRR, %P/T, ndc	Menilai kebolehulangan dan kebolehulangan semula sistem pengukuran menggunakan ujian ulangan wafer yang sama
Sisihan Tapak (Site Delta)	SITE, Group Analysis (Group by: Site)	Yield mengikut tapak, BIN, min, η², ANOVA	Mengesahkan sama ada satu jarum kad prob atau saluran soket mengalami sisihan sistematik
Keupayaan Proses	Chart, Dashboard, Group Analysis	Cpk, Cp, Est ppm, Kenormalan (Anderson-Darling)	Menilai margin spesifikasi, menganggar kadar kecacatan ppm, dan mengesahkan andaian taburan normal
Korelasi & TTO	Correlation, TTO Engine	Pearson r, Spearman ρ, calon ujian bertindih/lewah (redundant tests)	Mengenal pasti ujian bertindih yang mengukur ciri yang sama untuk memendekkan masa ujian

Min dan sisihan piawai dikira dalam satu laluan menggunakan algoritma dalam talian Welford. Formula stabil berangka ini mengelakkan pembatalan bencana (catastrophic cancellation) yang berlaku apabila mengumpul hasil tambah kuasa dua secara naif:

$$M_1 = x_1, \quad M_k = M_{k-1} + \frac{x_k - M_{k-1}}{k}$$ $$S_1 = 0, \quad S_k = S_{k-1} + (x_k - M_{k-1})(x_k - M_k)$$ $$\mu = M_N, \quad \sigma^2 = \frac{S_N}{N - 1} \quad (N \ge 2)$$

100% Pemprosesan Tempatan Pada PC: Semua pengiraan statistik dijalankan sepenuhnya pada PC tempatan anda. Fail STDF dan hasil analisis tidak pernah dimuat naik ke mana-mana pelayan luaran.

Part Average Testing

2. Penyaringan Pencilan PAT+ (DPAT · SPAT)

PAT (Part Average Testing) ditakrifkan dalam garis panduan kualiti semikonduktor automotif AEC-Q001. Tujuannya adalah untuk menapis keluar cip yang melepasi had spesifikasi piawai tetapi terkeluar daripada taburan normal populasi, sekali gus mengurangkan kegagalan awal di lapangan (kematian bayi).

Dalam mod PAT Data pada skrin Wafer, DLOG mengira dan memaparkan had dinamik PAT (PAT LL / HL) untuk ujian yang dipilih. Apabila anda mendayakan PAT+ dalam tetapan paparan, cip yang lulus ujian tetapi ditandakan sebagai mencurigakan oleh peraturan DPAT atau SPAT diserlahkan sebagai tindanan pada peta wafer (keputusan asal lulus/gagal tidak diubah).

Cip mencurigakan PAT+ diserlahkan pada peta wafer

Klik untuk besarkan

Rajah 2-1. Skrin Wafer mod PAT Data + PAT+ — Kad kiri PAT Data memaparkan Median, PAT LL dan PAT HL. Kad PAT+ Reject menunjukkan julat DPAT, tetapan SPAT (3x3 ×6.0) dan kiraan PAT+ Flips. Cip yang mencurigakan dibulatkan pada peta.

Klik untuk besarkan

Rajah 2-2. Tools > Studies > Yield Loss vs Quality Risk — Sapu pekali sigma dari 3 hingga 15 untuk membandingkan kehilangan kadar yield (Yield Loss) dengan risiko kualiti berasaskan margin spesifikasi (DPPM) bagi mencari pemotongan sigma yang disyorkan.

DPAT: Had Dinamik Teguh Dikira Semula daripada Data

Untuk mengelakkan pencilan melampau daripada memesongkan min dan sisihan piawai, DLOG menggunakan median dan bukannya min, serta sigma teguh yang dianggar daripada julat antara kuartil (IQR):

$$\sigma_{\text{robust}} = \frac{Q_3 - Q_1}{1.35}$$ $$\text{PAT LL} = \tilde{x} - k_L \cdot \sigma_{\text{robust}}, \qquad \text{PAT HL} = \tilde{x} + k_H \cdot \sigma_{\text{robust}}$$

Cip di luar julat ini ditandakan sebagai calon pencilan. Nilai lalai pengganda sigma k ialah 6. Anda boleh mengkonfigurasi pengganda atas dan bawah secara berasingan melalui View settings > Wafer View Options > Lower Sigma (L) / Upper Sigma (H). Nilai k yang lebih kecil akan menangkap lebih banyak calon.

DPAT (Dynamic PAT) menilai semula had ini secara dinamik mengikut wafer, mengikut tapak, atau mengikut garis dasar lot dan bukannya menggunakan had statik. DPAT khusus tapak menghapuskan ofset perkakasan tester, manakala DPAT garis dasar lot menjejak hanyutan proses antara wafer. Dalam paparan Trend skrin Chart, anda boleh menindih had dinamik yang sama menggunakan pilihan DPAT (trend).

SPAT: Sisa Kejiranan Ruang

Anomali setempat—seperti gugusan tepi, calar, atau kelompok kecacatan kecil—mungkin bercampur ke dalam taburan wafer yang lebih luas dan tidak disedari tanpa konteks ruang. SPAT (Spatial PAT) menilai perbezaan (sisa) antara cip sasaran $(i, j)$ dengan median cip PASS jiran berbanding sigma teguh kejiranan:

$$\Delta_{\text{spatial}}(i, j) = \left| x_{i, j} - \operatorname{median}\left(\mathcal{N}(i, j)\right) \right| > k_{\text{spat}} \cdot \sigma_{\text{robust}}\left(\mathcal{N}(i, j)\right)$$

Kernel ruang lalai ialah $3 \times 3$ dengan pengganda 6.0. Berhampiran sempadan wafer atau kawasan kecacatan padat di mana jiran PASS yang sah berkurangan, DLOG meluaskan kernel secara automatik sehingga 2 cincin sepusat ke luar sehingga ambang jiran minimum dipenuhi.

Memilih Sigma PAT: Kehilangan Yield vs Risiko Kualiti (Yield Loss vs Quality Risk)

Mengetatkan k menangkap lebih banyak cip yang dipersoalkan, tetapi meningkatkan kehilangan hasil berlebihan (Overkill) dengan mengorbankan cip yang baik. Tools > Studies > Yield Loss vs Quality Risk mengimbas nilai sigma merentas ujian untuk memaparkan jadual dan lengkung bagi Reject Candidates, Yield Loss dan DPPM, seterusnya mencadangkan keseimbangan sigma optimum untuk mencapai sasaran DPPM anda. Klik Apply Sigma untuk menerapkannya serta-merta.

Nota mengenai DPPM: DPPM di sini bukan kadar pelepasan medan yang disahkan secara empirikal; ia adalah proksi risiko yang dikira daripada margin antara had PAT dan had spesifikasi. Jangan gunakannya sebagai jaminan kontraktual bagi kebolehpercayaan medan. Anda juga boleh mengeksport laporan PDF 1 halaman bagi setiap ujian melalui PAT (PDF).

GDBN (Good Die in Bad Neighborhood): Peraturan yang menurunkan taraf die/peranti lulus (good die) yang terletak bersebelahan dengan kelompok kecacatan utama. Didayakan di bawah Convert > Pengelasan Semula BIN (PAT / GDBN / CD), ia mencari kelompok kecacatan (bersambung 8 arah) yang melebihi saiz ambang dan menetapkan semula die PASS berdekatan dalam radius yang ditentukan kepada BIN kecacatan sebelum menulis fail STDF ditukar yang baharu.

Multivariate Outlier Detection

3. Peneroka MVA (Pencilan Pelbagai Pembolehubah)

Ujian parametrik yang berkaitan biasanya berubah secara bersama. Satu cip mungkin kelihatan normal apabila menilai Ujian A dan Ujian B secara berasingan, tetapi jika Ujian A luar biasa tinggi manakala Ujian B luar biasa rendah, gandingan tersebut memecahkan korelasi fizikal biasa. Walaupun ia melepasi had skalar individu, ia merupakan pencilan pelbagai pembolehubah yang jelas. MVA Explorer mengesan anomali multi-dimensi ini.

Peneroka MVA: Jadual keputusan pencilan dan pecahan sumbangan

Klik untuk besarkan

Rajah 3. Peneroka MVA — Contoh menggunakan 15 ujian dengan Jarak Mahalanobis (MD²) pada ambang 3.0σ. Kad ringkasan memaparkan bilangan bahagian Scored, Outliers, Threshold dan PASS. Memilih bahagian (#0160) memaparkan Outlier Contribution Breakdown, menyerlahkan ujian yang memacu anomali bersama skor-z teguh mereka.

Tiga Algoritma Pengesanan Pencilan

Algoritma	Cara Ia Mengesan Pencilan	Paling Baik Digunakan Apabila
Mahalanobis (MD²)	Jarak statistik dengan mengambil kira kovarians penuh. Menandakan bahagian yang melebihi ambang taburan khi-kuasa dua.	Pilihan lalai tujuan am yang disyorkan
PCA reconstruction (SPE)	Menandakan bahagian dengan ralat pembinaan semula yang tinggi (statistik-Q) apabila diunjurkan pada komponen utama. Menangkap pecahan korelasi normal.	Disyorkan untuk set ujian yang besar
Isolation Forest	Algoritma pemetakan berasaskan pokok tanpa andaian taburan parametrik. Mengenal pasti bahagian yang mudah diasingkan, meletakkan ~1% teratas bahagian PASS sebagai pencilan.	Menangkap anomali bukan linear dan multimod yang kompleks

Jarak Mahalanobis (MD²)

Jarak Euclidean gagal mengambil kira perbezaan skala dan korelasi antara parameter. Jarak Mahalanobis menyelesaikannya dengan menimbang sisihan menggunakan songsangan matriks kovarians ($\mathbf{\Sigma}$). DLOG mengira sentroid teguh dan matriks kovarians pengecutan (shrinkage covariance), menguraikan sumbangan setiap ujian sebagai $z_i \cdot (\mathbf{\Sigma}^{-1}\mathbf{z})_i$ supaya jumlahnya sama dengan $MD^2$:

$$MD^2(\mathbf{x}) = (\mathbf{x} - \boldsymbol{\mu})^T \mathbf{\Sigma}^{-1} (\mathbf{x} - \boldsymbol{\mu})$$ $$\text{Peraturan Pencilan}: MD^2(\mathbf{x}) > \chi^2_{r}(1 - \alpha), \qquad \alpha = 2\,(1 - \Phi(\sigma_{\text{setting}}))$$

Tetapan Threshold (Sigma) (3.0 / 4.0 / 5.0 / 6.0σ, lalai 6.0σ) ditukar kepada kebarangkalian normal dua sisi $\alpha$, yang menetapkan ambang khi-kuasa dua kritikal untuk $r$ darjah kebebasan (bilangan ujian yang dipilih). Tetapan sigma yang lebih tinggi menghasilkan pencilan yang lebih sedikit tetapi lebih teruk. Bagi PCA, SPE (Squared Prediction Error, statistik-Q) memberi skor berdasarkan varians sisa yang tidak dapat diterangkan oleh komponen utama.

Membaca Jadual Keputusan

Lajur	Maksud
Status	`OUTLIER` · `NORMAL` · `NOT SCORED` (nilai ujian hilang antara ujian yang dipilih) · `EXCLUDED` (bahagian bukan PASS)
Score	Skor pencilan daripada algoritma yang dipilih (skor MD², SPE, atau Isolation Forest)
Risk	Score ÷ Threshold. Melebihi 1.0x mengklasifikasikan bahagian sebagai OUTLIER
Top contributor	Ujian parametrik yang memacu skor paling tinggi, bersama skor-z teguhnya (berdasarkan median dan MAD)

Keperluan Latihan: Model garis dasar dilatih secara eksklusif pada bahagian PASS yang lengkap yang mengandungi nilai sah untuk semua ujian yang dipilih. Saiz sampel mestilah sekurang-kurangnya max(50, 5 × bilangan ujian) (contohnya dalam Rajah 3, 15 ujian memerlukan sekurang-kurangnya 75 bahagian). Pilih ujian parametrik yang berkaitan secara fizikal; memasukkan ujian yang tidak berkaitan akan mencairkan skor anomali. Dalam mod MVA-PAT skrin Wafer, anda boleh memeriksa skor mengikut koordinat cip dan mengeksport cip yang bertukar daripada PASS kepada MVA Outlier (MVA Flips) ke CSV.

Measurement System Analysis

4. Analisis Sistem Pengukuran Gauge R&R

Varians pengukuran yang diperhatikan terdiri daripada variasi produk sebenar yang digabungkan dengan turun naik yang diperkenalkan oleh sistem ujian (perkakasan tester, kad prob, sentuhan soket ujian, perkakasan antara muka):

$$\sigma_{\text{Total}}^2 = \sigma_{\text{PV}}^2 + \sigma_{\text{GRR}}^2 = \sigma_{\text{PV}}^2 + \sigma_{\text{EV}}^2 + \sigma_{\text{AV}}^2$$

Hingar pengukuran yang berlebihan berisiko menolak produk yang baik secara salah atau menghantar unit yang rosak kepada pelanggan. Skrin Gauge R&R menguraikan jumlah varians ini menggunakan larian ujian berulang bagi wafer yang sama. Dengan memadankan cip pada koordinat (X, Y), DLOG menganggap larian berulang sebagai percubaan yang sah walaupun ID Lot atau Wafer berbeza antara fail.

Klik untuk besarkan

Rajah 4. Ringkasan Gauge R&R — Contoh dengan 3 larian berulang wafer yang sama. Kad ringkasan memaparkan item yang dikaji, median %repeat, median %P/T, dan kiraan good / marginal / poor. Di bawah, jadual menyenaraikan PARTS, TRIALS, %REPEAT, %P/T, ndc, dan RESULT untuk setiap ujian. Klik dua kali pada baris membuka paparan Detail yang menunjukkan komponen varians EV, AV, dan PV.

Prasyarat: Memerlukan sekurang-kurangnya 2 fail STDF yang mengukur wafer yang sama 2 kali atau lebih (muat fail ulangan menggunakan Append...). Log data tanpa koordinat cip (seperti data ujian akhir pakej) tidak dapat diselaraskan.

Komponen Varians dan Kaedah

Komponen	Penerangan
EV (Kebolehulangan) Equipment Variation	Turun naik apabila mengukur bahagian yang sama berulang kali di bawah keadaan yang sama (hingar peralatan tester).
AV (Kebolehulangan semula) Appraiser Variation	Variasi merentas fail, larian atau tapak ujian yang berbeza (sentuhan soket, peralihan terma).
GRR	$\sqrt{EV^2 + AV^2}$ — Jumlah variasi yang diperkenalkan oleh sistem pengukuran.
PV	Variasi pembuatan bahagian ke bahagian yang sebenar merentasi wafer.

DLOG menyokong dua kaedah pengiraan: ANOVA (lalai, menganggar komponen varians daripada Min Kuasa Dua) dan Average-Range (kaedah lembaran kerja AIAG klasik yang menggunakan julat dan faktor $d_2$). ANOVA memberikan kestabilan yang unggul untuk saiz sampel yang besar. Dua mod analisis tersedia: Kebolehulangan Sahaja (tapak tunggal, AV ditiadakan) dan Cross-Site (menilai tapak ujian sebagai penilai apabila semua tapak mengukur setiap cip).

Kriteria %GRR dan ndc

$$\%GRR = \frac{GRR}{TV} \times 100\%, \qquad \%P/T = \frac{6 \cdot GRR}{\text{USL} - \text{LSL}} \times 100\%, \qquad ndc = 1.41 \times \frac{PV}{GRR}$$

%GRR	Keputusan	Tafsiran
< 10%	good	Sistem pengukuran adalah cemerlang. Jika ndc ≥ 5, resolusi juga mencukupi.
10% hingga 30%	marginal	Boleh diterima secara bersyarat berdasarkan kepentingan aplikasi, kos komponen, atau kos pembaikan.
> 30%	poor	Ralat pengukuran mendominasi keputusan. Periksa sentuhan prob, haus soket dan hingar DIB.

Keputusan automatik (RESULT) ditentukan oleh %GRR (berbanding jumlah variasi); semak juga %P/T (berbanding lebar toleransi) (dilaporkan sebagai N/A jika spesifikasi adalah satu sisi). ndc mestilah ≥ 5 untuk diskriminasi yang mencukupi; ndc < 2 tidak dapat membezakan bahagian produk. Ujian dengan nilai yang sama merentas semua bahagian tidak dapat dinilai. Simpan jadual lengkap melalui Export CSV.

Multi-Site Variation

5. Analisis Sisihan Perkakasan Multi-Site

Dalam ujian selari pelbagai tapak, perbezaan tekanan jarum prob, rintangan sentuhan soket, atau haus pin geganti sering menyebabkan satu tapak tertentu mengalami hanyutan sistematik. Skrin SITE membandingkan hasil, komposisi BIN, dan purata parameter merentas tapak untuk mengenal pasti pencilan perkakasan dengan serta-merta.

Klik untuk besarkan

Rajah 5. Tab PASS / FAIL skrin SITE — Kad ringkasan (OVERALL YIELD, BEST SITE, WORST SITE, SITE SPREAD) dan bar hasil mengikut tapak. Tanda tanda pada setiap bar menunjukkan hasil purata lot, dengan nombor di sebelah kanan menunjukkan sisihan (contohnya, Tapak 3 ialah -1.6%p berbanding purata keseluruhan).

Item Semakan	Skrin	Cara Memeriksa
Tapak yield rendah	SITE > PASS / FAIL	Bar terpendek; diserlahkan dalam kad WORST SITE.
Kepekatan kecacatan	SITE > BIN	Periksa sama ada BIN Gagal tertentu tertumpu pada satu tapak.
Anjakan parametrik	SITE > TEST DATA	Semak sisihan min cip PASS khusus tapak berbanding min keseluruhan (Δ vs overall).
Ujian dominan tapak	SITE > TEST MATRIX	η² (bahagian jumlah varians yang diterangkan oleh perbezaan tapak). Di bawah 5% menunjukkan kesan tapak minimum, dipaparkan sebagai `-`.
Kepentingan statistik	Group Analysis (Group by: Site)	Nilai-p One-way ANOVA dan perbandingan berpasangan Tukey HSD.
Kebolehulangan tapak	Gauge R&R (Cross-Site)	Anggap tapak sebagai penilai semasa mengukur cip yang sama untuk menilai AV.

Nombor tapak 255 dalam konvensyen STDF biasanya mewakili ringkasan agregat "ALL SITES". Pilih cara mengendalikan rekod Tapak 255 di bawah Main Option > SITE 255 on part records (Auto / All Site / Physical site).

Process Capability

6. Cpk · Cp · Est ppm · Kenormalan

Indeks keupayaan proses mengukur sejauh mana taburan parameter menepati had spesifikasi (LL/HL). DLOG memaparkan Cpk dan Cp dalam Test Item Statistics skrin Chart, senarai bar sisi Tests (Cpk), dan ringkasan keupayaan Dashboard.

$$C_p = \frac{\text{USL} - \text{LSL}}{6\sigma}, \qquad C_{pk} = \min\left(\frac{\text{USL} - \mu}{3\sigma}, \; \frac{\mu - \text{LSL}}{3\sigma}\right)$$ $$\text{Est ppm} = \left[\Phi\!\left(\frac{\text{LSL} - \mu}{\sigma}\right) + 1 - \Phi\!\left(\frac{\text{USL} - \mu}{\sigma}\right)\right] \times 10^6$$

Di sini, $\mu$ dan $\sigma$ mewakili min sampel dan sisihan piawai sampel dalam skop yang dipilih pada masa ini. Est ppm mewakili kebarangkalian ekor dua sisi secara teori dengan andaian taburan normal. Untuk had satu sisi, hanya ekor yang berkenaan dinilai. Dalam penggredan keupayaan Dashboard, Cpk dikategorikan secara lalai sebagai Kritikal (< 1.00), Marginal (1.00 hingga 1.33), dan Baik (≥ 1.33), boleh dikonfigurasi dalam tetapan.

Cpk	Tahap Sigma	Kadar Kecacatan Ekor Normal	Konteks Industri
`1.00`	$3\sigma$	Kira-kira 2,700 ppm	Min berpusat, margin 3σ ke had spesifikasi
`1.33`	$4\sigma$	Kira-kira 63 ppm	Tanda aras penerimaan pembuatan industri standard
`1.50`	$4.5\sigma$	Kira-kira 6.8 ppm	Sasaran untuk barisan kawalan yield tinggi
`1.67`	$5\sigma$	Kira-kira 0.57 ppm	Dituntut dalam semikonduktor automotif dan misi kritikal
`2.00`	$6\sigma$	Kira-kira 0.002 ppm	Objektif kecacatan sifar Six Sigma

Nilai dalam jadual adalah angka teori dengan mengandaikan data berpusat dan kenormalan Gaussian yang sempurna. Ikuti kontrak pelanggan dan spesifikasi produk formal untuk kriteria penerimaan yang mengikat.

Ujian Kenormalan dan Plot CDF / Kebarangkalian

Cpk dan Est ppm hanya boleh dipercayai apabila data benar-benar mengikut taburan normal Gauss. DLOG mengira nilai-p ujian Anderson-Darling yang sensitif terhadap anomali pada bahagian ekor, yang dibentangkan sebagai Normality (AD). Nilai p < 0.05 menunjukkan penyimpangan ketara daripada taburan normal.

CDF / Kebarangkalian: Taburan kumulatif empirikal berbanding keluk normal teori

Klik untuk besarkan

Rajah 6. CDF / Kebarangkalian — Perbezaan ketara antara taburan kumulatif empirikal (garis biru) dan keluk normal teori (garis putus-putus kelabu) memberi amaran terhadap pergantungan tanpa kritik pada Cpk. Ekor kanan yang panjang menandakan bahawa bahagian luar spesifikasi sebenar jauh melebihi ramalan Gaussian.

Contoh daripada Rajah 1 (IDDQ_STANDBY): Cpk memaparkan 0.749 dengan Est ppm 12,602 (~1.3%), tetapi kiraan sebenar di luar spesifikasi ialah 18 daripada 591 bahagian (~3.0%), dan nilai-p Normality (AD) hampir 0. Disebabkan kepencongan kanan yang ketara, andaian Gaussian memandang rendah kadar kecacatan sebenar. Untuk parameter yang pencong, rujuk carta berasaskan kuantil (Plot Kotak, CDF / Kebarangkalian) dan semak Group Analysis > Distribution Fit (yang memadankan taburan Normal, Lognormal, dan Weibull mengikut skor Anderson-Darling) untuk menyemak amaran bukan normal.

Correlation, ANOVA & Test Time

7. Analisis Korelasi · ANOVA · TTO

Punca utama dalam ujian semikonduktor sering kali muncul bukan dalam satu parameter, tetapi melalui interaksi antara pelbagai ujian atau merentas kumpulan operasi yang berbeza (tapak, suhu, lot, fail ujian). Skrin Correlation menilai cara parameter bergerak bersama, manakala Group Analysis mengesahkan sama ada perbezaan antara kumpulan adalah signifikan secara statistik.

Klik untuk besarkan

Rajah 7-1. Korelasi — Peta haba matriks (merah/merah jambu = korelasi positif, biru = korelasi negatif), plot serakan untuk dua ujian yang dipilih (dengan garis regresi, r, dan R²), dan kedudukan Top correlations.

Plot kotak Analisis Kumpulan dan keputusan ANOVA

Klik untuk besarkan

Rajah 7-2. Analisis Kumpulan — Plot kotak merentas tapak dan bar ringkasan One-way ANOVA di bahagian bawah (Groups, N, Eta², F, Tukey HSD, p-value).

Korelasi Pearson dan Spearman

$$r_{xy} = \frac{\sum_{i=1}^N (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^N (x_i - \bar{x})^2} \sqrt{\sum_{i=1}^N (y_i - \bar{y})^2}}$$

Korelasi Pearson mengukur kekuatan hubungan linear, manakala korelasi Spearman berasaskan kedudukan adalah teguh terhadap pencilan dan menangkap hubungan monotonik bukan linear. Isihan Cluster menyusun ujian yang berkorelasi tinggi bersebelahan antara satu sama lain untuk mendedahkan blok struktur. Menetapkan Parameter kepada Auto mengasingkan ujian yang menunjukkan korelasi kuat (|r| ≥ 0.70) secara automatik.

Ujian Bertindih/Lewah (Duplicate Tests) dan TTO: Pasangan ujian dengan |r| ≥ 0.95 sering mengukur sifat fizikal yang sama dan diserlahkan sebagai Calon Ujian Lewah (Duplicate Candidates). TTO Engine (Pengoptimuman Masa Ujian) mengumpulkan ujian kolinear (|r| ≥ 0.95), memilih satu ujian yang menangkap paling banyak unit kecacatan bagi setiap kumpulan, dan mencadangkan Calon Pengguguran untuk memendekkan masa ujian. Jika metrik Only Drop Fails lebih besar daripada 0, menggugurkan ujian tersebut akan membolehkan bahagian yang rosak terlepas; semak spesifikasi reka bentuk dan keperluan pelanggan sebelum membuat keputusan akhir.

One-way ANOVA (Analisis Varians Satu Hala)

Group Analysis membahagikan keputusan ujian mengikut Site, File, Corner, Temp, Process, Node, Program-Rev, atau Product untuk menentukan sama ada min kumpulan berbeza secara signifikan:

$$F = \frac{MS_{\text{Between}}}{MS_{\text{Within}}} = \frac{\sum_{j=1}^k n_j (\bar{x}_j - \bar{x})^2 / (k - 1)}{\sum_{j=1}^k \sum_{i=1}^{n_j} (x_{ij} - \bar{x}_j)^2 / (N - k)}, \qquad \eta^2 = \frac{SS_{\text{Between}}}{SS_{\text{Total}}}$$

p-value < 0.05: Dengan mengandaikan min kumpulan adalah sama, kebarangkalian untuk memerhatikan perbezaan semasa secara kebetulan adalah kurang daripada 5%. Simpulkan bahawa sekurang-kurangnya satu min kumpulan berbeza secara signifikan.
Eta² (η²): Perkadaran jumlah varians yang diterangkan oleh pengelasan kumpulan. Nilai hampir 0 menunjukkan kesan kumpulan yang boleh diabaikan; 0.40 bermakna 40% daripada variasi parameter berpunca daripada perbezaan kumpulan.
Tukey HSD: Menilai perbezaan kumpulan berpasangan untuk melaporkan bilangan tepat pasangan yang berbeza (contohnya, "0 of 6 pairs differ").

Contoh dalam Rajah 7-2 memaparkan Eta² 0.001 dan nilai-p 0.6772, mengesahkan tiada variasi tapak yang signifikan. Lencana status hijau No difference memberikan pengesahan segera.

Practical Field Guide

8. Membezakan Hanyutan Proses vs. Hingar Pengukuran

Apabila Cpk menurun atau kadar yield berkurangan, pasukan fab cenderung mengesyaki perkakasan tester, manakala pasukan ujian mengesyaki pembuatan wafer front-end. Dengan menggabungkan skrin analisis DLOG, anda boleh membezakan punca dengan data empirikal yang kukuh.

Kawasan Pemeriksaan	Punca Fab / Proses	Punca Tester / Pengukuran
Corak Ruang (Wafer > Signature)	Cincin sepusat, kejatuhan tepi wafer, bintik panas pusat, gugusan setempat	Kadar yield rendah dengan skor gugusan hampir sifar (rawak), keberkalaan pic tangkapan atau tapak
Sisihan Tapak (SITE, Group Analysis)	Taburan seragam merentas semua tapak ujian	Ofset tapak tunggal, nilai-p One-way ANOVA yang signifikan
Sistem Pengukuran (Gauge R&R)	%GRR rendah, Variasi Bahagian (PV) mendominasi	%GRR tinggi, variasi Peralatan (EV) atau Penilai (AV) mendominasi
Trend Siri Masa (Chart > Trend)	Peralihan langkah demi langkah sejajar dengan sempadan wafer atau lot	Hanyutan berterusan merentasi susunan ujian, peralihan mendadak selepas penyelenggaraan kad prob/soket
Tindakan Pembetulan	Periksa peralatan fab dan resipi (litografi, punaran, CMP, pemendapan)	Bersihkan atau ganti kad prob / soket, sahkan penjajaran dok, periksa pembumian DIB

Menetapkan Sigma PAT: Semasa peningkatan pengeluaran awal dengan saiz sampel yang terhad, mulakan dengan pengganda k yang longgar. Gunakan Yield Loss vs Quality Risk untuk mengimbangi kehilangan hasil berlebihan terhadap metrik risiko, mengetatkan had secara beransur-ansur apabila volum bertambah. Sebaik sahaja data garis dasar yang mencukupi dikumpul, bandingkan DPAT vs lot baseline bersama-sama DPAT setiap wafer.

FAQ & Report Export

9. Soalan Lazim (FAQ) & Eksport Laporan

Soalan Lazim (FAQ)

Q1. Mengapakah pelanggan melaporkan pemulangan medan (RMA) walaupun Cpk adalah tinggi?
Cpk menilai satu parameter dengan mengandaikan taburan Gaussian standard. Taburan bukan normal (taburan bimodal, ekor berat) atau gabungan berbilang ujian yang melepasi had skalar tetapi memecahkan korelasi fizikal tidak dapat dikesan oleh Cpk sahaja. Gabungkan PAT+ (DPAT · SPAT) dan MVA (MVA Explorer, Wafer MVA-PAT) untuk menangkap anomali halus yang terlepas.

Q2. Gauge R&R saya melaporkan %GRR pada 35%. Patutkah saya menyiasat EV atau AV dahulu?
Periksa komponen varians di bawah Gauge R&R Detail. Jika EV mendominasi, fokus pada hingar tester, pembumian, riak bekalan kuasa, dan perisai. Jika AV mendominasi, siasat perbezaan fail atau tapak (haus soket, penjajaran dok, penentukuran).

Q3. Apakah fail log data yang diperlukan untuk menjalankan Gauge R&R?
Anda memerlukan sekurang-kurangnya 2 fail STDF daripada larian ujian berulang bagi wafer yang sama, yang mengandungi koordinat cip (X, Y). Muat fail ujian semula menggunakan Append.... Data ujian akhir (Final Test / FT) bagi peranti yang telah dipakejkan (packaged parts) tanpa rekod koordinat tidak dapat diselaraskan.

Q4. Bolehkah saya mengeksport jadual analisis ke Excel atau laporan kejuruteraan formal?
Ya. Klik Export CSV dalam mana-mana skrin untuk menyimpan data jadual. Gunakan Export > Save Report untuk menjana laporan formal dalam format PDF, Excel (.xlsx), Word (.docx), atau imej. Eksport carta had PAT 1 halaman bagi setiap ujian melalui PAT (PDF).

Ciri Laporan: Untuk mengetahui cara menjana dokumentasi sedia pelanggan dengan carta statistik, jadual ringkasan, dan peta wafer, lawati Halaman Panduan Laporan kami →.

Sahkan Keupayaan Proses dan Kebolehpercayaan Pengukuran dengan DLOG

Penyaringan pencilan PAT+, peneroka MVA, Gauge R&R, analisis tapak, dan statistik keupayaan Cpk.
Alami analisis mendalam STDF dalam persekitaran luar talian 100% secara percuma selama 6 bulan.

Muat Turun Percubaan Percuma 6 Bulan (Windows 64-bit)