[公开] 过程漂移的早期信号：均值和方差谁先动

【摘要】同样是过程劣化，有的先表现为方差扩大，有的先表现为均值偏移。用错了监控图，就会晚发现几十个批次。本文用ARL理论量化不同控制图对不同漂移模式的检出能力，给出「谁先动」的物理判据，并提供均值方差双通道监控＋EWMA/CUSUM的组合方案，附CMP去除速率的实测数据。

分类：SPC过程控制 | 文章类型：P | 发布日期：2026-08-11

一、背景故事：Xbar图一片平静，S图早就在报警

某Fab的CMP（化学机械抛光）工序，去除速率（Removal Rate）是核心监控参数，规格中心是2450埃/分钟，规格范围正负150埃/分钟。产线上一直用Xbar-R控制图监控，每批次取5片测量，控制限按正负3西格玛设定。

连续三个月，Xbar图一片平静，所有点都在控制限内，没有触发任何判异规则。但到了第四个月的月度回顾会上，良率工程师提出了一个问题：这三个月CMP后的膜厚均匀性（Within-Wafer Non-Uniformity）指标一直在缓慢恶化，从2.8%涨到4.6%，而下游的CP良率也有0.9个百分点的无解释下降。

团队回过头去翻数据，才发现问题：R图（极差图）其实在第二个月中旬就出现了连续9点位于中心线上方的判异信号，只是当时值班工程师认为「R图超一点没关系，均值没问题就行」，没有触发OCAP。等到第三个月，R图开始出现单点超UCL，也被当作偶发处理。方差的信号早就发出来了，只是没人当回事。

进一步分析原因：抛光垫（Pad）的沟槽在使用过程中逐渐磨损，导致浆料（Slurry）在垫面的分布均匀性下降。这个劣化过程首先表现为片间和片内去除速率的离散度增大——也就是方差扩大——而均值因为设备的闭环控制（通过压力自动补偿）反而保持稳定。等到磨损严重到闭环控制补偿不过来时，均值才开始掉，那已经是几十个批次之后了。

这件事引出了一个SPC实践中被严重低估的问题：过程漂移时，均值和方差谁先动？答案不是固定的，取决于劣化机理。而监控方案如果不匹配劣化机理，就会系统性地漏检。本文就把这个问题讲透。

二、技术原理：ARL视角下的检出能力

衡量控制图检出能力的标准指标是ARL（Average Run Length，平均运行长度）。ARL0是过程受控时的平均误报间隔，ARL1是过程发生特定偏移后平均需要多少个子组才能检出。ARL0越大越好（误报少），ARL1越小越好（检出快）。标准的3西格玛Shewhart Xbar图，ARL0约为370。

关键数据在这里。对于子组容量n等于1的Xbar图（也就是单值图I-Chart），检出1个西格玛的均值偏移，ARL1约为43.9；检出1.5个西格玛偏移，ARL1约为14.9；检出2个西格玛偏移，ARL1约为6.3；检出3个西格玛偏移，ARL1约为2.0。也就是说，小幅漂移（1西格玛以内）Shewhart图几乎是检不出来的——平均要等44个批次，等你发现时损失已经造成了。

子组容量能显著改善这个情况。n等于5时，标准误缩小到原来的1/根号5（约0.447倍），同样的1西格玛过程偏移相当于2.24倍标准误，ARL1降到约4.5。这就是为什么SPC强烈建议用子组而不是单值——不是为了好看，是检出能力的数量级差异。

对于方差监控，S图（标准差图）和R图（极差图）的行为不同。当过程标准差增大到原来的1.5倍时，n等于5的S图ARL1约为6.3，R图约为7.9，S图略优；标准差增大到2倍时，S图ARL1约为2.4，R图约为2.9。当n大于等于6时，S图的效率优势更明显，因为极差只用了最大最小两个点的信息，浪费了中间数据。所以n大于5时应该优先用S图。

再看时间加权类控制图。EWMA（指数加权移动平均）用λ参数控制历史数据的权重衰减，典型配置λ等于0.2、控制限系数L等于2.7时，ARL0约370，而1西格玛偏移的ARL1只有约10.3——相比Shewhart单值图的43.9，提升了4倍以上。CUSUM（累积和）在参考值k等于0.5、决策区间h等于4.77时，1西格玛偏移的ARL1约为8.4，表现更优。

但EWMA和CUSUM有个代价：对大幅突变的响应反而慢于Shewhart。3西格玛突变时，Shewhart的ARL1是2.0，而EWMA（λ=0.2）约为3.1。这就是为什么工程实践中推荐组合使用——Shewhart抓突变，EWMA或CUSUM抓缓漂，两者并联，任一触发即报警。这种组合的ARL0会略有下降（约250到300），可以通过适当放宽单图控制限来补偿。

最后是方差的时间加权监控。这一块在实践中被严重忽略。可以对子组标准差做对数变换后应用EWMA（因为对数变换后近似正态），或者直接用EWMS（指数加权均方）。实测经验是，对1.3倍标准差增大这种小幅方差劣化，普通S图的ARL1约为23，而对数EWMA约为7.5，改善显著。CMP案例中如果当时用了这类方法，方差信号会在第2个月初就明确触发，比实际发现早了近两个月。

三、现状分析：谁先动的物理判据

判据一：均值先动的典型机理是「单调消耗型」劣化。这类机理的特点是某个物理量随时间单调变化，且这个变化直接线性地影响输出。典型例子包括：溅射靶材消耗导致沉积速率单调下降；离子源灯丝老化导致束流缓慢衰减；刻蚀腔体壁沉积增厚改变阻抗从而影响功率耦合；光刻机灯泡老化导致曝光剂量下降。这类劣化的方差通常保持稳定，因为影响是全局一致的。

判据二：方差先动的典型机理是「均匀性破坏型」劣化。这类机理的特点是某个物理量的空间或时间分布变得不均匀，而平均效应可能被闭环控制补偿。典型例子包括：抛光垫沟槽磨损导致浆料分布不均；喷淋头部分堵塞导致气流分布改变；静电吸盘局部接触不良导致温度分布不均；机械手重复定位精度下降导致晶圆位置随机偏移。这类劣化的均值往往在早期看不出来。

判据三：两者同时动的典型机理是「突发性故障」。比如MFC（质量流量控制器）故障、传感器漂移、阀门泄漏。这类问题往往均值和方差同时跳变，Shewhart图能很快抓到，反而是最不容易漏检的类型。

判据四：闭环控制的存在会系统性地掩盖均值信号。现代半导体设备普遍带有Run-to-Run（R2R）控制，它会根据上一批的量测结果自动调整下一批的工艺参数以维持均值在目标值。这意味着当底层出现劣化时，R2R会主动补偿，均值看起来很稳，但补偿量（Controller Offset）在持续增大。所以在有R2R的工序上，监控R2R的补偿量本身，比监控输出均值更早发现问题。这是一个非常实用但常被忽视的技巧。

判据五：从数据形态上做经验判别。如果你手上有一段历史数据但不确定劣化机理，可以做一个简单的滚动窗口分析：用20个批次的滚动窗口分别计算均值和标准差，画出两条趋势线，看哪条先偏离基线。这个方法虽然粗糙但很有效，我们在多个工序上验证过，结论与物理机理分析的一致性约在八成以上。

判据六：分层看方差。方差要拆成片内（Within-Wafer）、片间（Wafer-to-Wafer）、批间（Lot-to-Lot）三个层次。不同的劣化机理会体现在不同层次上：抛光垫磨损主要体现在片内；机台匹配问题主要体现在批间；载具或搬运问题主要体现在片间。用方差分量分析（Variance Component Analysis）把总方差拆开，能直接指向问题所在的层次，这比看一个总的标准差有效得多。

四、瓶颈问题：为什么实践中总是漏检

瓶颈一：只看均值图的思维惯性。很多工程师潜意识里认为均值图才是主图，方差图是辅助。OCAP流程的设计也往往对均值超限规定了严格的动作，对方差超限只写「加强观察」。这种设计直接导致方差信号被系统性忽略，开头的CMP案例就是典型。

瓶颈二：子组构造不合理。SPC的理论前提是子组内只包含随机波动（Common Cause），子组间才反映系统性变化。但实际取样时，很多产线是「一批取5片，随便挑」，这5片可能来自不同的Chamber或不同的时段，子组内混入了系统性差异，导致控制限被撑大，检出能力下降。正确做法是按理性子组（Rational Subgroup）原则构造，同一子组内的样本应该来自尽可能一致的条件。

瓶颈三：控制限长期不更新。控制限应该基于过程稳定期的数据计算，并在过程发生已知的、被接受的变更后重新计算。实践中很多产线的控制限是三年前设的，中间经历了设备升级、配方优化，但限值没动，导致要么过于宽松（漏检）要么过于严格（误报泛滥进而被忽视）。

瓶颈四：数据自相关被忽略。半导体的很多参数具有强自相关性（相邻批次的值相关），特别是有R2R控制的工序。自相关会让常规控制图的实际ARL0远低于理论值（误报暴增），工程师被误报淹没后就会调宽控制限，最终变成什么都检不出。正确做法是先做残差建模（如ARIMA），对残差应用控制图。

瓶颈五：报警疲劳。一个Fab可能有上万个SPC监控点，每天产生数百条报警。工程师无法逐条深究，只能优先处理明显的、影响大的。方差类的、小幅的、缓慢的信号自然排在最后，往往就被拖过去了。这不是态度问题，是资源约束下的必然结果，只能通过报警分级和智能聚合来缓解。

五、解决方案：双通道监控组合方案

第一步：分层建模，明确监控目标。对每个关键参数，先做一次方差分量分析，确定片内、片间、批间三个层次各占总方差的比例。占比高的层次就是监控重点。举例：如果片内方差占65%，那么片内均匀性指标应该单独设立控制图，而不是只监控批次均值。

第二步：均值通道用Shewhart＋EWMA并联。Shewhart Xbar图用标准3西格玛限抓突变，EWMA（λ=0.2、L=2.7）抓缓漂，两者任一触发即报警。这个组合对0.5到3西格玛全范围偏移都有良好的检出能力，综合ARL1相比单用Shewhart改善约60%。如果参数有明显自相关，先做残差建模再应用控制图。

第三步：方差通道用S图＋对数EWMA并联。S图（n大于等于5时优于R图）抓方差突变，对子组标准差做对数变换后的EWMA抓方差缓漂。方差通道必须与均值通道享有同等的OCAP待遇——这是最重要的一条流程改变，方差报警必须有明确的处置动作和责任人，不能只写「观察」。

第四步：R2R补偿量作为第三通道。对有Run-to-Run控制的工序，把控制器的累积补偿量（Controller Offset）也纳入监控。补偿量的趋势直接反映底层过程的漂移，且不受闭环掩盖。实测经验：在有R2R的沉积工序上，补偿量趋势比输出均值平均早12到20个批次发出信号。

第五步：变点检测作为补充。用CUSUM或贝叶斯变点检测（Bayesian Change Point Detection）在历史数据上定位漂移起始点。这个能力在事后复盘时特别有用——当你发现问题时，变点检测能告诉你「这个漂移实际上从第几批就开始了」，从而准确圈定受影响批次范围，避免过度或不足的追溯。

第六步：报警分级与聚合。把报警分成三级：一级（均值或方差单点超限、影响规格）立即处置；二级（趋势类判异、EWMA/CUSUM触发）当班内响应；三级（弱信号、多参数联合异常）纳入日报由工程师批量review。同时做跨参数聚合，把同一设备同一时段的多个参数报警合并成一条，减少报警条数。实施后我们的日均报警条数从340条降到78条，工程师的实际响应率从31%提升到86%。

六、实战案例：CMP去除速率的双通道改造

回到开头的CMP案例，团队用两个月做了完整改造，过程如下。

第一步是方差分量分析。用三个月的历史数据（共412个批次、2060片测量）做嵌套方差分析，结果是：片内方差占总方差的58%、片间占27%、批间占15%。这个结果明确指向片内均匀性是主要变异来源，而原来的监控方案只监控批次均值和批内极差，完全没有独立监控片内均匀性——这是漏检的结构性原因。

第二步是历史数据回溯验证。团队用改造后的方案在历史数据上做回测：对片内非均匀性指标（NU%）应用对数EWMA（λ=0.2），结果显示该指标在第2个月第6天就触发了报警，而实际发现问题是在第4个月初，提前了整整54天。按该工序日均处理18个批次计算，54天意味着约970个批次的暴露差异。

第三步是监控方案落地。新方案包含四条控制图：Xbar图（批次均值，3西格玛）、EWMA图（批次均值，λ=0.2、L=2.7）、S图（批内标准差）、NU% 对数EWMA图（片内均匀性）。同时把抛光垫的使用片数、修整器（Conditioner）的累计使用时长作为辅助变量一并展示，方便工程师做关联判断。

第四步是OCAP流程改造。这是阻力最大的一步。原来的OCAP只对均值超限规定了动作，新版OCAP为方差类报警定义了独立的处置流程：NU%的EWMA触发时，操作员立即执行一次修整器修整并做一片监控片验证；若验证后仍未恢复，则Hold后续批次并通知设备工程师检查抛光垫状态。为了推动这个流程被真正执行，团队做了两件事：一是在MES里把方差报警设为强制签核项（不处置无法放行），二是在班组的KPI里加入方差报警的按时处置率。

第五步是抛光垫寿命模型。有了连续的NU%趋势数据后，团队进一步建立了抛光垫的剩余寿命预测模型：用NU%的EWMA值和垫使用片数做回归，预测距离触发阈值还有多少片。这把原来的「定片数更换」（固定每1200片换垫）改成了「按状态更换」，实际更换点在950到1560片之间浮动，既避免了提前更换的浪费，也避免了超期使用的质量风险。

七、实施效果：提前54天的价值

效果一：检出提前量。在后续6个月的实际运行中，共发生3次抛光垫相关的过程劣化，新方案的平均检出提前量为31个批次（对比历史基线的事后发现），最长一次提前了47个批次。按每批次25片、单片损失风险折算，仅这一项的风险规避价值就相当可观。

效果二：均匀性指标改善。片内非均匀性NU%的月度均值从改造前的4.1%降到2.6%，波动范围（P95减P5）从3.8个百分点收窄到1.4个百分点。这直接反映到下游的膜厚控制上，后续CVD工序的厚度CPK从1.24提升到1.58。

效果三：良率恢复与提升。该产品的CP良率从改造前的91.3%提升到93.1%，其中约0.9个百分点是恢复此前无解释的下降，另外0.9个百分点是新增改善。团队用同期未改造的对照产品线做了对比验证，排除了其他因素的干扰。

效果四：耗材成本优化。按状态更换抛光垫后，平均更换周期从固定1200片延长到实际平均1340片，垫的年消耗量下降约10.4%。同时因为超期使用导致的质量事故降为零，两方面综合的年度收益超过了整个改造项目的投入。

效果五：报警治理。全厂推广报警分级与聚合后，日均报警从340条降到78条，工程师实际处置率从31%提升到86%。更重要的是方差类报警的处置率——从改造前的不足10%提升到79%，这是流程强制签核和KPI考核共同作用的结果。

效果六：方法论推广。团队把「方差分量分析－双通道监控－OCAP配套」的方法论推广到了另外7个关键工序，其中在离子注入的束流稳定性监控和薄膜沉积的片间均匀性监控上同样取得了明确效果。方法论文档和控制图配置模板成了部门的标准资产。

最后总结三条核心认知。第一，均值和方差谁先动取决于劣化机理，单调消耗型看均值、均匀性破坏型看方差，必须先理解物理机理再设计监控方案。第二，方差图必须有和均值图同等的OCAP地位，没有配套处置流程的控制图等于没有。第三，在有闭环控制的工序上，监控控制器的补偿量往往比监控输出本身更早、更灵敏——这是被大量忽视但极其实用的一条经验。

八、配图说明

图1：三类控制图对均值偏移与方差劣化的ARL1对比，EWMA/CUSUM在小幅漂移上优势明显

图2：CMP工序改造前后片内均匀性趋势，改造后稳定在阈值以下且波动收窄

九、附表：关键数据对照

附表1：劣化机理类型等关键维度对照

附表2：控制图配置等关键维度对照

十、配套资料与VIP资源

本文配套了完整的实战资料包。关注博客「VIP资源」区，可免费获取以下5项配套资料（持续更新MES/SPC/EAP/良率实战资料）：

控制图ARL速查表（Shewhart/EWMA/CUSUM/S图在各偏移量下的ARL1完整对照）

方差分量分析Python脚本（嵌套ANOVA拆解片内/片间/批间方差占比，含示例数据）

双通道监控方案配置模板（均值通道＋方差通道＋R2R补偿量通道的参数设定表）

方差类报警OCAP流程模板（含处置动作、责任人、签核卡点与KPI考核设计）

贝叶斯变点检测实现脚本（用于事后精确定位漂移起始批次，圈定追溯范围）

────────────────────────────────────────

本文首发于博客：半导体智能制造 | MES工程师实战笔记

你在实际工作中遇到过类似情况吗？欢迎在评论区分享你的实战经验，一起交流进步。

标签：SPC过程控制 | 半导体 | 智能制造 | Fab实战 | 工程师笔记