良率突然掉了怎么查：一条从数据到根因的排查链路
良率从 92.1% 掉到 86.4% 的那个早晨，最容易发生的场景是：全组围着「最可疑」的假设开会猜原因。这篇文章给一条经过验证的排查链路——真实案例里，一台设备吃掉了 74% 的掉点，而找到它花了不到半天，因为顺序对了。
一、链路总览：先信数据，再分层，最后才谈根因
五个环节，跳过任何一步都会付出时间代价。常见弯路按浪费程度排序：跳过 ①（数据没验证就找工艺原因）、跳过 ③（不分层直接猜）、跳过 ④（改了参数良率回来就收工，因果说不清，下个月换个批次又掉）。
二、第一步：数据可信吗
掉点当天先回答三个问题：量测系统最近有没有动（探针卡、校准片、程序版本）？数据管道有没有断流（EAP 采集缺数会造成假掉点）？不良分类有没有变化（判废标准收紧会伪装成工艺异常）？
真实教训：某次排查三天无果，最后发现是探针台接触电阻漂移让测试值整体下偏——异常是假的，工艺是好的。量测系统分析（GR&R）不该只在验收时做，异常排查时先复查一遍。工具见GR&R 计算器。
三、第二步：找到时间断点
把日良率画出来，找断点：本案例掉点从某周三开始，而那天恰好有两个变更同时生效——夜班换班次、新批次光刻胶上线。变更日历是良率排查最重要的交叉证据，没有它，分层是盲的。
四、第三步：分层，直到一台设备浮出来
总掉点 5.7 个百分点，按机台分解：
| 机台 | 掉点贡献（pt） | 占比 |
|---|---|---|
| K装-A | 4.2 | 74% |
| K装-B | 0.6 | 11% |
| 显影-1 | 0.4 | 7% |
| 刻蚀-2 | 0.3 | 5% |
| 其他合计 | 0.2 | 3% |
分层顺序按信息增益排：Lot → 机台 → Zone（Wafer 内位置）→ 失效模式 Pareto。Lot 分层能区分「来料问题」和「设备问题」；机台分层直接指向目标；Zone 分层区分边缘/中心失效（指向温场、气流）与随机失效（指向颗粒）；失效模式 Pareto 告诉你该看哪张失效图。工具链：BinMap 汇总 + 柏拉图。
五、第四步：对照验证，唯一变量
假设是「K装-A 的热板温场偏了」，验证设计：同一批来的 20 片，10 片走 K装-A、10 片借道 K装-C，其余工序完全相同。结果 K装-A 组良率低 8 个点——一次交叉验证顶得上十次争论。注意样本量：按 AQL 思路算最小抽样（抽样计算器），别拿 3 片下结论。
六、时间分配的参考值
这条链路的经验分配：60% 花在 ①–③ 的数据定位，20% 花在 ④ 验证，20% 花在 ⑤ 对策与固化。多数团队反过来——80% 的时间在猜原因，10% 在验证，最后 10% 匆忙固化，于是同一个问题三个月后换件马甲再回来。
根因确认后必须走的三个动作：PFMEA 补条目、控制计划加检查项、横向展开到同平台机台——这正是8D 的 D7 在做的事，两条流程在这里汇合。
