晶圆边缘排除区良率分析器｜SPC实战工具
这个工具解决什么问题
良率报告必须声明「边缘排除尺寸 EE」——同一个批次，EE=0mm 报 78%、EE=3mm 可能报 88%， 差 10 个点全在边缘。不同 EE 下的良率本来就没法比。 本工具解决两件事：① 量化边缘对良率的贡献，给出不同 EE 下的良率曲线与「被排除环带良率」； ② 按径向分段给出各环带良率，直接指向是哪一圈出的问题。
输入数据格式
数据文件 edge_exclusion.csv，列顺序为：ee_mm、die_count、die_per_wafer、yield_pct、good_die_total、good_die_per_wafer。
示例首行：0,33735,11245.0,90.4609,30517,10172.333
示例输出（真实运行结果节选）
====================================================================================
晶圆边缘排除区（EE）良率影响分析报告
晶圆数：3 半径：150 mm die 步距：2.5 mm die 总数：33735 平均每片 11245 die
====================================================================================
【一、不同 EE 下的良率与良品数（核心表）】
EE(mm) die数 平均/片 良率 良品(平均/片) 良率变化 本档被排除环带良率
0 33735 11245.0 90.46% 10172.33 - -
1 33495 11165.0 90.85% 10143.33 +0.39 pt 36.25%
2 33027 11009.0 91.55% 10079.00 +0.70 pt 41.24%
3 32559 10853.0 92.21% 10007.67 +0.66 pt 45.73%
4 32151 10717.0 92.73% 9938.33 +0.52 pt 50.98%
5 31671 10557.0 93.29% 9849.00 +0.56 pt 55.83%
6 31287 10429.0 93.74% 9776.00 +0.45 pt 57.03%
7 30783 10261.0 94.27% 9673.33 +0.53 pt 61.11%
8 30387 10129.0 9
晶圆边缘排除区（EE）良率影响分析器
> 半导体良率工程师 Python 实战工具 · 核心功能零第三方依赖
文件内容
· edge_exclusion_analyzer.py：主程序（Python 3.8+，零第三方依赖） · wafer_edge.csv：示例 wafer map（3 片、约 3.4 万个 die，径向良率剖面含边缘劣化） · edge_exclusion_report.txt / edge_exclusion.csv：中文报告与 EE 曲线数据（可直接绘图） · 附赠提示词.txt：同主题 AI 提示词 1 套
运行方法
python edge_exclusion_analyzer.py python edge_exclusion_analyzer.py 我的数据.csv
输入数据格式
wafer_edge.csv：wafer_id, die_x, die_y, bin · die_x / die_y 为以晶圆中心为原点的 die 序号（工具按 DIE_PITCH_MM 换算成 mm） · bin = 1 判定为良品，其它值判定为不良
输出说明
1. 不同 EE 下的良率与良品数（核心表）：EE 从 0 到 20mm，每档的 die 数、良率、 良品数（平均/片）、良率变化，以及「本档被排除环带良率」 2. 边缘损失量化：EE=1/2/3/5mm 各能提升多少良率、占总不良的比例 3. 径向环带良率：中心/内环/中环/外环/边缘 五段的良率与相对中心差 4. 结论与行动建议：边缘问题严重度判定、立项前三件事、EE 口径说明、EE 取多大的权衡
可调参数（文件顶部）
· WAFER_R_MM：晶圆半径（默认 150） · DIE_PITCH_MM：die 步距（默认 2.5） · EE_LIST：要分析的 EE 档位列表 · BANDS：径向环带划分
结果怎么读
· 「本档被排除环带良率」是最关键一列：这一列越低，说明排除该环带越划算 （牺牲的良品少，换来报表良率明显提升）。若接近 0%，说明该环带基本全灭，排除它不损失任何良品 · 边缘损失若集中在某一环带（如 90%~100% 只有 60% 良率），是典型的边缘工艺问题，建议立项 · 关于 EE 取多大：数学上 EE 越大报表良率越高，但每片良品数一定减少（除非该环带良率为 0）。 实务上 EE 主要由搬运破损风险、测试/量测能否覆盖边缘 die、边缘 die 是否完整 decide， 不能只看良率数字
可调参数与计算口径
脚本顶部集中了主要阈值与常量：DATA_CSV=os.path.join(BASE, "wafer_edge.csv")、OUT_CSV=os.path.join(BASE, "edge_exclusion.csv")。改完直接重跑即可，不必改动计算逻辑。
会生成哪些文件
运行后除控制台输出外，还会生成：wafer_edge.csv、edge_exclusion_report.txt、edge_exclusion.csv。
脚本里的主要处理步骤
gen_demo()：生成示例 wafer map：中心/内环良率正常，越靠边缘良率越低，另含少量随机不良。
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
- 良率好看、产量下降
- 中心 0~25%
- 内环 25~50%
- 中环 50~75%
- 外环 75~90%
- 边缘 90~100%
- 生成示例 wafer map：中心/内环良率正常，越靠边缘良率越低，另含少量随机不良。
- 未提供数据文件，已生成示例数据：%s（%d 片 / %d 个 die）
- 晶圆边缘排除区（EE）良率影响分析报告
- 【一、不同 EE 下的良率与良品数（核心表）】
- die数
- 平均/片
- 良品(平均/片)
- 良率变化
- 本档被排除环带良率
- 读法：最后一列是「从上一档放宽到本档时，被排除掉的那一圈 die 的良率」。
- 这一列越低，说明排除它越「划算」——牺牲的良品少，换来报表良率明显提升。
- 若这一列接近 0%，说明该环带基本全灭，排除它不损失任何良品（纯赚）。
其余字段以界面与示例报告为准。
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，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：edge_exclusion_analyzer.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
输入数据要准备成什么样？
按 示例首行中的列顺序准备即可，共 6 列：ee_mm、die_count、die_per_wafer、yield_pct、good_die_total、good_die_per_wafer。列为空或格式不符时结果会失真，建议先用示例数据试跑一遍。
跑完最该关注哪几项？
报告按 一、不同 EE 下的良率与良品数（核心表）、二、边缘损失量化、三、径向环带良率（定位是哪一圈出的问题）、四、结论与行动建议 等部分组织，其中判定结论与建议部分直接对应下一步动作。
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。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
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。
