当前位置:首页 > 半导体工具包 > 正文内容

晶圆良率分析Excel模板|BinMap汇总 失效分布

(复制到编辑器,段落间距保持一致)

平均良率会骗人

只看批均良率是晶圆分析最常见的误区:两批 92% 的晶圆,一批是「每片都 92%」,另一批是「一半 98% 一半 86%」——后者藏着严重的批内均匀性问题(边环、Mura、炉管位置效应)。分析晶圆批,至少要看四个数:批均、标准差、最优片、最差片。

这套《晶圆 BinMap 良率汇总》把批分析做成录入即出结论:

工具结构(3 个工作表)

  1. ①晶圆Bin数据:每行一片晶圆,总 DIE 数 + Bin1~Bin8 数量(Bin1=良品);
  2. ②汇总分析:单片良率自动计算并着色(<90% 红 / ≥95% 绿)、批均良率、单片良率标准差、最优/最差片、良率极差;失效 Bin2~Bin8 分布与累计占比自动汇总;右侧两张原生图(各片良率柱状图 + 失效 Bin 分布图);
  3. ③使用说明:Bin 定义、判读方法。

判读逻辑(工具说明页内置)

  • 散布大(标准差/极差大)→ 优先查批内均匀性:边环分布、炉管位置、装片方向;
  • 批均低 + 某 Bin 集中→ 优先查该 Bin 对应工艺站(如 Bin4 漏电超标 → 钝化/侧壁工艺);
  • 失效 Bin 的累计占比就是你的改善优先级清单。

FAQ

Q1:Bin 的数量能超过 8 个吗? A:可以插列扩展,汇总页同步加列即可;常见测试机 8~16 个 Bin。

Q2:良品一定在 Bin1 吗? A:示例按行业惯例 Bin1=良品;如果你的机台定义不同,把良品列调到 Bin1 位置或改公式引用即可。

Q3:能接自动化数据吗? A:测试机导出的 CSV 可直接复制粘贴到录入页,格式对齐即可。

Q4:和柏拉图工具的区别? A:柏拉图按「缺陷类型」跨批分析,BinMap 按「晶圆批」看片间与 Bin 分布,一个纵向一个横向。

相关工具

  • 良率分析与柏拉图工具(缺陷类型维度分析)
  • MSA 测量系统分析 GR&R(测试机本身的测量能力确认)
  • SPC 自动分析模板(关键参数的过程能力)

相关文章

SPC控制图与Cpk计算Python工具免费下载|Xbar-R+判异

SPC控制图与Cpk计算Python工具免费下载|Xbar-R+判异

工具简介自动绘制Xbar-R控制图、计算Cp/Cpk/Ppk,内置Nelson判异规则1~5,输出异常清单与控制图。资料包内容· 主程序 spc_auto.py(Python 3.8+,核心功能零第三...

MES生产报表自动化Python工具免费下载|OEE+停机损失周报

MES生产报表自动化Python工具免费下载|OEE+停机损失周报

工具简介读取工单与停机记录,自动计算OEE三大指标、统计停机损失TOP,输出Excel周报。资料包内容· 主程序 mes_report.py(Python 3.8+,核心功能零第三方依赖)· 自动生成...