半导体控制计划CP工具v2｜SPC实战工具
这个工具解决什么问题
CP（Circuit Probing）晶圆测试数据综合分析工具，专为半导体FAB工程师设计。 支持Die良率图、Fail Bin统计、Pearson相关性分析、批量晶圆对比等核心功能。
🔧 功能列表
1. Die良率图 - 10×10 Die网格可视化，支持Pass/Fail着色、热力图、Fail Bin分层三种模式 2. Fail Bin统计 - 柱状图展示各Bin失效数量，20片晶圆良率对比 3. Pearson相关性分析 - 识别哪些测试项对良率影响最显著（Vth/漏电流/电容/电阻等） 4. 批量晶圆对比 - 最多同时对比20片晶圆的良率、Fail Bin分布、测试项趋势 5. 测试项配置 - 支持添加/管理测试项（Vth_NMOS/P MOS/Id饱和/漏电流/Ron/BVdss/Cgs/Cgd等） 6. 数据导入 - 支持CSV批量导入 7. 导出功能 - 导出Excel汇总报告 + PNG图片
📦 内置数据
· 20条CP测试数据（W001~W020） · Die网格：10×10 · 测试项：10项（Vth/Id/漏电流/Ron/BVdss/Cgs/Cgd等） · 产品类型：PMIC-65nm / LOGIC-28nm / NVM-40nm / RF-65nm / CMOS-55nm · 数据周期：2025-07-01 ~ 2025-07-20
🖥️ 运行要求
· Python 3.8+ · tkinter（Python内置） · matplotlib · numpy · pandas · scipy · openpyxl（Excel导出）
🚀 快速启动
pip install matplotlib numpy pandas scipy openpyxl python cp_tool.py
📊 界面预览
· 深色主题（#1e1e2e配色） · 中文界面，SimHei字体 · 标签页结构：良率图 | Fail Bin | 统计表 | Pearson相关性 | 批量对比 | 配置
🎯 使用场景
· 工艺工程师分析CP良率异常 · 设备工程师关联测试参数与良率 · 质量工程师评估晶圆批次稳定性 · 研发工程师优化测试项规格
可调参数与计算口径
脚本顶部集中了主要阈值与常量：FONT_NAME="SimHei"、FONT_SIZE=10。改完直接重跑即可，不必改动计算逻辑。
脚本里的主要处理步骤
generate_cp_wafer_data()：生成模拟CP晶圆测试数据generate_all_cp_data()：生成所有内置CP测试数据
以上步骤在脚本中是分开的函数，可以单独调用或按需替换其中一段，不必整体重写。
工具中出现的字段与提示
- 生成模拟CP晶圆测试数据
- Id饱和_NMOS
- Id饱和_PMOS
- 漏电流_Ioff
- 击穿电压
- 生成所有内置CP测试数据
- CP晶圆测试分析工具 | Circuit Probing Analyzer
- 🔬 CP晶圆测试分析工具 | Circuit Probing Analyzer
- 📂 加载CSV数据
- 📊 良率概览
- 📈 Pearson相关性分析
- 🔄 批量晶圆对比
- 💾 导出Excel
- 🖼️ 导出PNG
- ⚙️ 测试项配置
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：vip13_cp_tool.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
示例数据能直接跑吗？
可以。示例数据与主程序在同一压缩包内，解压后直接运行即可看到完整输出，确认无误再替换成自己的台账。
同一工具的其它收录名称
本站早期还以以下名称收录过同一款工具，下载内容完全一致：
- 晶圆测试CP分析工具
同分类的其它工具
分类归属：SPC与质量分析工具包；完整清单在 工具资源包下载页。
