叶志辉个人技术
当前位置：首页 > 未命名 > 正文内容

半导体工艺参数分析工具包（64款）｜WAT·APC·Recipe 实战工具

叶志辉2天前未命名17

工艺工程师的日常是在一堆参数里找那一个不对劲的。麻烦在于参数之间高度相关，单看每一项都在规格内，合起来就是不正常——这类问题靠肉眼看表格基本发现不了。这个分类把工艺侧常用的推算与筛查做成脚本：模型反解、允收判定、漂移回归、再把结果按「影响大小」排出来，先看哪一项一眼就知道。

这类问题，工具是怎么解决的

  • WAT 全线在规格内，但良率掉了：单参数合格掩盖了参数间的相关性异常
  • 工艺模型靠查表或凭经验：目标厚度要跑几次试片才凑出来，时间成本高
  • Recipe 漂移靠事后发现：等参数出规格才处理，中间已经流了若干批
  • 温度、压力、时间各自最优，组合起来不是最优：缺少敏感度定量分析

工具清单（共 64 款）

每款工具为一个 zip 包，内含可运行的 Python 脚本、示例数据与说明文档，基于标准库实现，无需安装额外依赖。点击名称可直接取用。

光刻与图形转移（11 款）

刻蚀·CMP·清洗（16 款）

薄膜沉积与外延（15 款）

扩散·注入与热处理（12 款）

参数监控与Recipe（9 款）

其他（1 款）

怎么选：三条建议

  1. 模型类工具要能「正算 + 反解 + 敏感度」三件事一起做。只会正算的工具，现场还得自己反推目标值，一来一回就把效率优势抵消了。
  2. 参数筛查类工具优先选带「逐片 + 批次」两层判定的。只看单片会漏掉整批的系统偏移，只看批次均值会漏掉片内离散。
  3. 涉及电性参数的工具，确认它输出的 Cp/Cpk 用的是组内标准差，并且明确标注样本量——WAT 样本量小，不做标注容易被当成强结论用。

配套阅读

下面这些文章讲的是同一批问题的现场做法，工具怎么用、结论怎么读，先看文章再动手更快。

常见问题

Deal-Grove 模型在实际炉管里准吗？

在氧化工艺的常见区间内足够指导排程，误差主要来自炉管实际温度分布与气流。工具会同时给出线性区/抛物线区的判定，处于反应控制区时温度敏感度极高，这时候更要看温度均匀性而不是模型本身。

WAT 允收判定和 SPC 控制图有什么区别？

允收判定看的是「在不在规格内」，是横向的合格与否；控制图看的是「和过去比有没有变」，是纵向的趋势。两者缺一不可：全部合格但持续向上漂移，是最危险的组合。

为什么我的参数之间看起来没关系，工具却报了异常？

多数是多变量相关：单独看 A 正常、B 也正常，但 A 偏高时 B 本该也偏高，实际却偏低。这类偏离只有把参数放在一起看才暴露得出来。

脚本能直接读机台导出的原始文件吗？

多数机台导出的 CSV 可以直接读；列名不一致时改脚本顶部的字段映射即可。

工具包导航

全部工具按方向分成 7 个分类，可按需直达：

本类工具详解页

每款工具的输入格式、输出解读、算式口径与常见坑都有独立说明页：

以上工具均基于公开的行业方法论（GB/T 2828.1、ISO 2859-1、SEMI 相关规范等）实现，用于工艺与运营侧的核算分析；结果请结合实际现场条件复核后使用。

返回列表

上一篇：MES与生产管理工具包（53款）｜排产·工单·追溯·物料实战工具

下一篇：工业AI与智能分析工具包（36款）｜良率预测·异常检测·大模型落地

版权声明：© yezhihui.cn 版权所有，源码受著作权保护
叶志辉 · 15 年半导体 Fab 工程师｜半导体智能制造 / MES·CIM / 工业 AI 数字化实战笔记

Powered By Z-BlogPHP. Theme by TOYEAN.