：Gage RR没做好SPC全白搭)
一、背景故事追了三周的幽灵异常那是一次典型的SPC追查。某关键层的CD控制图连续两周频繁触发规则单点超限三次连续七点同侧两次。按OCAP流程工艺工程师停机检查、重跑Recipe、换了光罩、重新做了曝光聚焦矩阵前后折腾了三周什么问题都没找到。期间累计停机约42小时影响批次一百二十多个。转机来自一个偶然。一位工程师注意到所有报警的数据点都集中在夜班。他把三个月的CD数据按班次分层重新画图发现夜班的测量均值系统性地比白班高1.6nm而这1.6nm恰好接近控制限的宽度。换句话说控制图上跳出来的不是工艺是人。后续排查确认夜班的一位操作员在量测前的对焦步骤上养成了一套自己的习惯做法与白班同事不同导致系统性偏差。而这个量测项从来没有做过Gage RR所以没有人知道量测系统本身能贡献多大的变异。事后补做了一次结果是%GRR等于37.4%也就是说控制图上看到的波动里有超过三分之一根本不是工艺变异。这件事之后我们做了一次全厂关键量测项的MSA普查结果相当难看本文表2列出的七个项目里有五个的%GRR超过15%。这篇文章就是把普查和后续治理的完整过程写下来量测变异到底怎么污染SPC、半导体场景下Gage RR该怎么做才对、判定准则要做哪些修正、以及治理的具体手段和效果。二、技术原理变异是怎么叠加的MSA的全部理论基础可以浓缩成一个等式观测到的总变异的方差等于真实过程变异的方差加上量测系统变异的方差。注意相加的是方差不是标准差这个细节决定了很多反直觉的结论。举个例子。假设真实过程标准差是1.0量测系统标准差是0.5那么观测到的标准差是根号下1.0平方加0.5平方等于1.118。量测变异是过程变异的一半但观测变异只被推高了11.8%。这就是为什么量测问题极难被察觉它对总变异的贡献是被平方根压缩过的。反过来说当你发现观测变异明显偏大时量测系统的问题往往已经相当严重了。表1Gage RR判定准则与半导体场景的修正建议评估指标通用判定准则半导体场景修正判定要点说明%GRR相对总变异小于10%可接受10至30%有条件关键层建议小于10%一般层小于20%总变异应取近期真实生产数据不可用人为拉开的样品%GRR相对公差小于10%可接受大于30%不可用CD与套刻类建议小于15%公差口径适合能力评估总变异口径适合SPC应用区分类别数ndc不小于5关键量测建议不小于8ndc约等于1.41乘以零件变异除以GRR反映分辨能力重复性EV占比通常应低于再现性半导体常见EV主导晶圆量测机台自动化程度高人员影响相对小再现性AV占比通常反映人员差异需额外拆分机台间差异多台同型量测机时必须做机台间比对不能只看人量测分辨力不粗于公差的十分之一建议不粗于二十分之一分辨力不足会导致数据分层控制图出现台阶状长期稳定性定期用标准件监控标准片月度趋势加季度校准短期GRR合格不代表三个月后仍合格Gage RR把量测变异进一步拆成两部分。重复性Repeatability记作EV指同一个操作员用同一台仪器对同一个样品重复测量的变异反映的是设备本身的稳定性所以也叫设备变异。再现性Reproducibility记作AV指不同操作员测同一样品的差异反映的是人员或方法的差异也叫评价人变异。两者的方差相加得到GRR的方差。判定用的核心指标是%GRR即GRR标准差除以总变异标准差。通用准则是小于10%可接受10%到30%视情况有条件接受大于30%不可接受。这里有一个非常重要但常被忽略的点分母用什么。如果分母用总变异衡量的是量测系统能不能区分不同的零件这个口径适合SPC应用如果分母用公差范围衡量的是量测系统能不能判定合格与否这个口径适合能力评估和判定放行。两个口径算出来的数可能差很多报告里必须写明用的是哪一个。另一个有用的指标是区分类别数ndc约等于1.41乘以零件变异标准差再除以GRR标准差。它的物理含义是量测系统能把零件区分成几个不重叠的等级。ndc小于2意味着量测系统只能区分好和坏ndc等于5是通用的最低要求对于要用来做SPC趋势分析的量测我建议至少做到8否则数据会呈现明显的分层台阶控制图上看起来像是过程在跳档。量测变异对SPC的污染体现在三个方面。第一是控制限被撑宽。控制限是由观测变异算出来的量测变异越大控制限越宽真实的工艺异常越不容易被检出这是漏报。第二是虚假报警。量测系统的随机波动或系统性偏移会在控制图上表现为看似真实的异常点这是误报前面那个追了三周的案例就是这一类。第三是能力指数被低估。观测Cpk等于真实Cpk乘以根号下一减%GRR的平方这就是本文图2中那条曲线。三、现状分析多数工厂的MSA做成了什么样第一种情况是完全没做。这在国内中小规模Fab和封测厂里相当普遍。理由通常是量测机是原厂来的有出厂精度报告还定期校准应该没问题。这个理由的问题在于混淆了准确度和精密度校准解决的是准确度即测量值与真值的偏离Gage RR评估的是精密度即重复测量的一致性。一台校准合格的仪器完全可能有很差的重复性。第二种情况是为了应付审核而做。客户或体系审核要求提供MSA报告于是做一次存档三年不动。这类报告有几个共同特征样品是特意挑的、故意拉开差距的极端件这样零件变异大%GRR的分母被撑大数字自然好看操作员是最熟练的两位测量在设备刚保养完的最佳状态下进行。这样的报告数字漂亮但毫无参考价值。第三种情况是做了但方法有问题。最常见的错误是样品选取。AIAG手册建议选取的样品应覆盖过程的实际变异范围很多人理解成要选差异大的于是从合格品和不合格品里各挑几个。正确做法是从近期正常生产的批次里随机抽取让样品的变异分布与实际生产一致。因为%GRR是相对量分母失真整个结论就失真。半导体场景还有一些特殊问题。首先是量测的位置依赖性同一片晶圆不同位置的CD本来就不同所以重复测量必须精确回到同一个位置定位误差会被计入重复性。其次是装载重复性晶圆装卸一次再测与不卸载连续测结果差异可能很大而后者会严重低估真实的量测变异。正确的做法是每次重复都要完整地装载卸载一遍。第三是多台同型量测机的问题生产上通常有好几台同型号量测机轮流用机台间差异必须作为独立的变异源纳入分析不能只做人员的再现性。四、瓶颈问题卡在哪里第一个瓶颈是产能占用。一次标准的Gage RR要10个样品、3名操作员、每人每样品重复3次共90次测量。半导体的量测节拍慢一片CD量测49点要几分钟90次就是好几个小时的机台时间。在产能紧张时这个占用很难批。而且这还只是一个量测项全厂关键量测项有几十个。第二个瓶颈是样品的代表性与稳定性。MSA要求样品在整个试验期间保持不变但半导体的很多量测对样品有影响接触式的方块电阻测量会在晶圆上留下探针痕电性测试会有轻微的应力累积有些光学量测的长时间照射会导致光刻胶轻微变化。这些都会让后测的数据与先测的不同而这部分差异会被错误地计入重复性。应对方法是用专门的标准片而不是产品片标准片通常是经过特殊处理、结构稳定的样片。第三个瓶颈是结果不好看之后怎么办。这是最现实的阻力。做出来%GRR是37%意味着过去所有基于这个量测的SPC结论、能力指数、甚至给客户的报告都要打问号。这个后果太严重于是很多团队的选择是不去做或者做出来不好看就找理由重做一次换熟练操作员、换刚保养的机台直到数字合格为止。我见过一份报告重做了四次最后那次%GRR是9.6%刚好压在10%以下。第四个瓶颈是没有闭环。就算做出来了、也承认结果不好接下来改什么Gage RR只告诉你变异有多大、是重复性还是再现性主导不告诉你具体哪个环节出了问题。从%GRR等于37%到找到对焦操作未标准化这个根因中间需要额外的分析工作而这部分往往没有方法论指导全靠工程师的经验。五、解决方案一套可执行的MSA治理方法我们最终形成的方法分四步分级排序、规范执行、根因下钻、常态监控。下面逐步说明。第一步是分级排序解决产能占用的矛盾。不可能给所有量测项都做完整的Gage RR必须排优先级。我们用三个维度打分该量测是否用于放行判定是则高权重、该量测是否用于SPC控制是则高权重、该参数的公差是否紧Cpk越接近1权重越高。按总分排序前十五项做完整的Gage RR中间二十项做简化版2名操作员、5个样品、重复2次其余的只做重复性检查。这样把总的机台占用控制在可批的范围内。第二步是规范执行这是保证结果可信的关键。我们写了一份半导体场景的MSA作业规范重点约束五件事样品必须从近期正常生产批次中随机抽取抽取过程要有第三方见证并记录每次重复测量必须完整装载卸载操作员必须包含新手至少一名入职一年以内的因为实际生产中就是这些人在操作测量顺序必须随机化不能按样品顺序连着测否则时间漂移会与样品效应混淆试验期间不允许对机台做任何调整或保养。图1三名操作员测同一组标准片箱体几乎不重叠。操作员B系统性偏高约1.6nm操作员C偏低约1.3nm这是典型的再现性问题根因是量测前的对焦操作没有标准化。治理后合并数据的箱体宽度收窄到原来的三分之一。分析方法上我们统一用ANOVA法而不是均值极差法。均值极差法计算简单手算就能做这是它在手册时代流行的原因。但它无法估计操作员与样品的交互作用而这个交互作用在半导体量测里经常显著比如某位操作员在测薄片时特别不稳测厚片时正常。ANOVA法能把交互项单独拆出来信息量大得多而且现在有软件计算不再是障碍。第三步是根因下钻这是Gage RR之外的补充工作。我们总结了一套下钻套路。如果是重复性主导往设备方向查光源稳定性、载台定位精度、环境振动、温度波动、探针或镜头的污染状态。如果是再现性主导往人和方法方向查作业指导书是否有模糊步骤、是否存在需要主观判断的环节、不同班组的培训来源是否一致。如果交互作用显著通常指向作业指导书对不同类型样品缺少差异化说明。第四步是常态监控。一次性的Gage RR只是快照量测系统会随时间劣化。我们建立的机制是三层日层面每班次开机用标准片测一次结果画在控制图上这叫量测稳定性监控月层面对每台量测机做一次多点标准片比对监控机台间偏差年层面重做完整的Gage RR或在设备大修、更换关键部件、量测程序版本变更后立即重做。这三层监控的成本远低于每次都做完整试验。六、实战案例把光刻CD量测的%GRR从37.4%压到8.9%接着开头那个案例往下讲。补做的Gage RR结果是%GRR等于37.4%其中重复性EV贡献的方差占比31%再现性AV占比58%交互作用占比11%。再现性主导按前面的下钻套路往人和方法方向查。第一件事是三位操作员分别演示一遍完整的量测操作全程录像。对比录像发现了三处差异。最大的一处是对焦作业指导书上写的是调整焦距至图像清晰这是一句典型的模糊指令。操作员A的做法是从下往上调到刚清晰就停操作员B习惯调过头再回来一点操作员C则会来回微调找主观最清晰点。三种做法对应的焦平面位置不同而CD量测对焦平面高度相当敏感。第二处差异是量测点位。指导书要求测晶圆中心区域五个点但没有给出精确坐标三人各自记了一套习惯位置。第三处是标准片的清洁B操作员每次测前会用氮气枪吹一下另外两人不吹。这一步看似无关但吹气会短暂改变样品表面温度。改善措施针对性很强。对焦改为使用设备自带的自动对焦功能取消人工找焦并把自动对焦的搜索范围和判据参数写进量测配方固化在程序里不允许现场修改。量测点位改用固定的坐标模板由程序自动定位操作员不再手动移动载台。清洁步骤统一规定为不吹气若发现颗粒则整片重新清洗后重测。同时把作业指导书里所有形容词式的表述全部改成可量化的指令这一项我们后来推广到了所有量测作业指导书。改善后重做Gage RR%GRR降到8.9%ndc从2.9提升到9.4。本文图1右侧那个箱体就是治理后的合并数据宽度收窄到治理前单个操作员的三分之一左右而且三名操作员的数据已经无法区分。整个改善过程从Gage RR完成到验证通过用了三周主要投入是工程师工时硬件成本为零——所有改善都是流程和参数层面的。这个案例最值得记住的一点是导致37.4%的原因不是设备不行而是作业指导书上一句调整焦距至图像清晰。我们后来把全厂所有量测类作业指导书过了一遍统计出类似的模糊表述共有八十七处逐条改成了可量化指令。这项工作的成本极低但它是后续几个量测项GRR改善的共同基础。七、实施效果数据说话MSA治理项目覆盖了七个关键量测项历时五个月结果见本文表2。所有项目的%GRR都有显著改善其中五项进入10%以下的可接受区间两项颗粒计数和方块电阻因为受量测原理本身限制改善到19.6%和13.8%后进入平台期这两项我们的处理方式是接受现状但在SPC规则上做补偿增加子组样本量以降低量测噪声的影响。SPC层面的效果最直接。治理完成后的连续六个月全厂SPC虚假报警率下降了61%。虚假报警的判定标准是报警后经完整OCAP排查未发现任何工艺或设备异常。按治理前的数据虚假报警占全部报警的43%治理后降到17%。每一次虚假报警平均消耗工程师4.2小时和不等的停机时间按年度报警总量折算仅工程师工时一项每年节省约1400小时。能力指数的变化很有意思。治理后大部分量测项对应的Cpk值不降反升平均提升0.09。这不是过程变好了而是原先被量测噪声掩盖的真实能力显现出来了。有一项参数的Cpk从1.21升到1.38刚好越过了客户要求的1.33门槛省掉了原本计划的一轮工艺优化投入。控制限也做了重算。量测变异降下来之后观测变异随之减小控制限相应收窄。关键层CD的控制限宽度平均收窄了18%这意味着对真实工艺异常的检出灵敏度提升了。治理后的第二个月我们就抓到一次真实的工艺漂移按旧控制限那次漂移是检不出来的。还有一个组织层面的变化。过去SPC报警时工艺工程师和量测工程师之间经常互相推一方说是你的工艺问题一方说是你的量测不准谁也说服不了谁。现在每个量测项都有明确的%GRR数字和更新日期争论有了共同的事实基础。而且我们在SPC看板上直接显示了每个控制图对应量测项的%GRR工程师看图时能立刻知道这张图有多可信。这个小设计的反馈非常好。最后说一句心得。MSA在很多工厂被当成质量体系的文书要求做完存档就完事。但它其实是SPC体系的地基。地基没打好上面的控制图画得再漂亮、规则设得再精细也都是在噪声上做文章。如果一个工厂只能做一件质量改善的事我会建议先把关键量测项的Gage RR做一遍——因为在知道量测有多准之前你不知道自己看到的任何数据意味着什么。图2%GRR每上升一档观测Cpk被低估的幅度呈加速趋势而虚假报警率上升得更快。%GRR从10%升到30%时Cpk只低估约4%但虚假报警率已经涨了近三倍这是量测变异最隐蔽的代价。表2某Fab关键量测项的Gage RR治理前后对照量测项目治理前%GRR治理后%GRR主要改善措施光刻CD量测37.4%8.9%对焦流程标准化取消人工找焦改用自动对焦加位置固化套刻精度Overlay24.6%11.2%统一量测点位模板装载对位重复性从12微米改善至3微米薄膜厚度18.3%7.4%标准片月度趋势监控发现光源老化并更换方块电阻Rs29.1%13.8%探针压力与接触时间参数固化探针清洗周期从周改为班次颗粒计数41.2%19.6%扫描配方统一剔除边缘排除区口径不一致问题刻蚀深度15.7%6.2%增加标准片交叉验证量测机台间偏差纳入日常点检电性参数WAT11.4%5.8%测试程序版本纳入变更管控禁止现场临时修改配套资料与实战工具包本文涉及的脚本、参数模板、检查清单已整理成配套资料包可直接用于工厂落地实施内容随实践持续更新。点击文章上方「VIP资源」下载区免费获取Gage RR试验设计与执行规范半导体场景版含样品抽取与随机化要求ANOVA法GRR计算脚本与报告模板含交互项判定与两种口径百分比输出量测项分级排序打分表三维度权重与完整版简化版分配规则量测系统根因下钻套路手册重复性、再现性、交互作用三条排查路径标准片管理台账与三层稳定性监控配置说明日班次、月比对、年复评────────────────────────────────────────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项目里遇到过类似情况吗是怎么处理的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Fab | MES系统| SPC |良率提升|智能制造
一、背景故事追了三周的幽灵异常那是一次典型的SPC追查。某关键层的CD控制图连续两周频繁触发规则单点超限三次连续七点同侧两次。按OCAP流程工艺工程师停机检查、重跑Recipe、换了光罩、重新做了曝光聚焦矩阵前后折腾了三周什么问题都没找到。期间累计停机约42小时影响批次一百二十多个。转机来自一个偶然。一位工程师注意到所有报警的数据点都集中在夜班。他把三个月的CD数据按班次分层重新画图发现夜班的测量均值系统性地比白班高1.6nm而这1.6nm恰好接近控制限的宽度。换句话说控制图上跳出来的不是工艺是人。后续排查确认夜班的一位操作员在量测前的对焦步骤上养成了一套自己的习惯做法与白班同事不同导致系统性偏差。而这个量测项从来没有做过Gage RR所以没有人知道量测系统本身能贡献多大的变异。事后补做了一次结果是%GRR等于37.4%也就是说控制图上看到的波动里有超过三分之一根本不是工艺变异。这件事之后我们做了一次全厂关键量测项的MSA普查结果相当难看本文表2列出的七个项目里有五个的%GRR超过15%。这篇文章就是把普查和后续治理的完整过程写下来量测变异到底怎么污染SPC、半导体场景下Gage RR该怎么做才对、判定准则要做哪些修正、以及治理的具体手段和效果。二、技术原理变异是怎么叠加的MSA的全部理论基础可以浓缩成一个等式观测到的总变异的方差等于真实过程变异的方差加上量测系统变异的方差。注意相加的是方差不是标准差这个细节决定了很多反直觉的结论。举个例子。假设真实过程标准差是1.0量测系统标准差是0.5那么观测到的标准差是根号下1.0平方加0.5平方等于1.118。量测变异是过程变异的一半但观测变异只被推高了11.8%。这就是为什么量测问题极难被察觉它对总变异的贡献是被平方根压缩过的。反过来说当你发现观测变异明显偏大时量测系统的问题往往已经相当严重了。表1Gage RR判定准则与半导体场景的修正建议评估指标通用判定准则半导体场景修正判定要点说明%GRR相对总变异小于10%可接受10至30%有条件关键层建议小于10%一般层小于20%总变异应取近期真实生产数据不可用人为拉开的样品%GRR相对公差小于10%可接受大于30%不可用CD与套刻类建议小于15%公差口径适合能力评估总变异口径适合SPC应用区分类别数ndc不小于5关键量测建议不小于8ndc约等于1.41乘以零件变异除以GRR反映分辨能力重复性EV占比通常应低于再现性半导体常见EV主导晶圆量测机台自动化程度高人员影响相对小再现性AV占比通常反映人员差异需额外拆分机台间差异多台同型量测机时必须做机台间比对不能只看人量测分辨力不粗于公差的十分之一建议不粗于二十分之一分辨力不足会导致数据分层控制图出现台阶状长期稳定性定期用标准件监控标准片月度趋势加季度校准短期GRR合格不代表三个月后仍合格Gage RR把量测变异进一步拆成两部分。重复性Repeatability记作EV指同一个操作员用同一台仪器对同一个样品重复测量的变异反映的是设备本身的稳定性所以也叫设备变异。再现性Reproducibility记作AV指不同操作员测同一样品的差异反映的是人员或方法的差异也叫评价人变异。两者的方差相加得到GRR的方差。判定用的核心指标是%GRR即GRR标准差除以总变异标准差。通用准则是小于10%可接受10%到30%视情况有条件接受大于30%不可接受。这里有一个非常重要但常被忽略的点分母用什么。如果分母用总变异衡量的是量测系统能不能区分不同的零件这个口径适合SPC应用如果分母用公差范围衡量的是量测系统能不能判定合格与否这个口径适合能力评估和判定放行。两个口径算出来的数可能差很多报告里必须写明用的是哪一个。另一个有用的指标是区分类别数ndc约等于1.41乘以零件变异标准差再除以GRR标准差。它的物理含义是量测系统能把零件区分成几个不重叠的等级。ndc小于2意味着量测系统只能区分好和坏ndc等于5是通用的最低要求对于要用来做SPC趋势分析的量测我建议至少做到8否则数据会呈现明显的分层台阶控制图上看起来像是过程在跳档。量测变异对SPC的污染体现在三个方面。第一是控制限被撑宽。控制限是由观测变异算出来的量测变异越大控制限越宽真实的工艺异常越不容易被检出这是漏报。第二是虚假报警。量测系统的随机波动或系统性偏移会在控制图上表现为看似真实的异常点这是误报前面那个追了三周的案例就是这一类。第三是能力指数被低估。观测Cpk等于真实Cpk乘以根号下一减%GRR的平方这就是本文图2中那条曲线。三、现状分析多数工厂的MSA做成了什么样第一种情况是完全没做。这在国内中小规模Fab和封测厂里相当普遍。理由通常是量测机是原厂来的有出厂精度报告还定期校准应该没问题。这个理由的问题在于混淆了准确度和精密度校准解决的是准确度即测量值与真值的偏离Gage RR评估的是精密度即重复测量的一致性。一台校准合格的仪器完全可能有很差的重复性。第二种情况是为了应付审核而做。客户或体系审核要求提供MSA报告于是做一次存档三年不动。这类报告有几个共同特征样品是特意挑的、故意拉开差距的极端件这样零件变异大%GRR的分母被撑大数字自然好看操作员是最熟练的两位测量在设备刚保养完的最佳状态下进行。这样的报告数字漂亮但毫无参考价值。第三种情况是做了但方法有问题。最常见的错误是样品选取。AIAG手册建议选取的样品应覆盖过程的实际变异范围很多人理解成要选差异大的于是从合格品和不合格品里各挑几个。正确做法是从近期正常生产的批次里随机抽取让样品的变异分布与实际生产一致。因为%GRR是相对量分母失真整个结论就失真。半导体场景还有一些特殊问题。首先是量测的位置依赖性同一片晶圆不同位置的CD本来就不同所以重复测量必须精确回到同一个位置定位误差会被计入重复性。其次是装载重复性晶圆装卸一次再测与不卸载连续测结果差异可能很大而后者会严重低估真实的量测变异。正确的做法是每次重复都要完整地装载卸载一遍。第三是多台同型量测机的问题生产上通常有好几台同型号量测机轮流用机台间差异必须作为独立的变异源纳入分析不能只做人员的再现性。四、瓶颈问题卡在哪里第一个瓶颈是产能占用。一次标准的Gage RR要10个样品、3名操作员、每人每样品重复3次共90次测量。半导体的量测节拍慢一片CD量测49点要几分钟90次就是好几个小时的机台时间。在产能紧张时这个占用很难批。而且这还只是一个量测项全厂关键量测项有几十个。第二个瓶颈是样品的代表性与稳定性。MSA要求样品在整个试验期间保持不变但半导体的很多量测对样品有影响接触式的方块电阻测量会在晶圆上留下探针痕电性测试会有轻微的应力累积有些光学量测的长时间照射会导致光刻胶轻微变化。这些都会让后测的数据与先测的不同而这部分差异会被错误地计入重复性。应对方法是用专门的标准片而不是产品片标准片通常是经过特殊处理、结构稳定的样片。第三个瓶颈是结果不好看之后怎么办。这是最现实的阻力。做出来%GRR是37%意味着过去所有基于这个量测的SPC结论、能力指数、甚至给客户的报告都要打问号。这个后果太严重于是很多团队的选择是不去做或者做出来不好看就找理由重做一次换熟练操作员、换刚保养的机台直到数字合格为止。我见过一份报告重做了四次最后那次%GRR是9.6%刚好压在10%以下。第四个瓶颈是没有闭环。就算做出来了、也承认结果不好接下来改什么Gage RR只告诉你变异有多大、是重复性还是再现性主导不告诉你具体哪个环节出了问题。从%GRR等于37%到找到对焦操作未标准化这个根因中间需要额外的分析工作而这部分往往没有方法论指导全靠工程师的经验。五、解决方案一套可执行的MSA治理方法我们最终形成的方法分四步分级排序、规范执行、根因下钻、常态监控。下面逐步说明。第一步是分级排序解决产能占用的矛盾。不可能给所有量测项都做完整的Gage RR必须排优先级。我们用三个维度打分该量测是否用于放行判定是则高权重、该量测是否用于SPC控制是则高权重、该参数的公差是否紧Cpk越接近1权重越高。按总分排序前十五项做完整的Gage RR中间二十项做简化版2名操作员、5个样品、重复2次其余的只做重复性检查。这样把总的机台占用控制在可批的范围内。第二步是规范执行这是保证结果可信的关键。我们写了一份半导体场景的MSA作业规范重点约束五件事样品必须从近期正常生产批次中随机抽取抽取过程要有第三方见证并记录每次重复测量必须完整装载卸载操作员必须包含新手至少一名入职一年以内的因为实际生产中就是这些人在操作测量顺序必须随机化不能按样品顺序连着测否则时间漂移会与样品效应混淆试验期间不允许对机台做任何调整或保养。图1三名操作员测同一组标准片箱体几乎不重叠。操作员B系统性偏高约1.6nm操作员C偏低约1.3nm这是典型的再现性问题根因是量测前的对焦操作没有标准化。治理后合并数据的箱体宽度收窄到原来的三分之一。分析方法上我们统一用ANOVA法而不是均值极差法。均值极差法计算简单手算就能做这是它在手册时代流行的原因。但它无法估计操作员与样品的交互作用而这个交互作用在半导体量测里经常显著比如某位操作员在测薄片时特别不稳测厚片时正常。ANOVA法能把交互项单独拆出来信息量大得多而且现在有软件计算不再是障碍。第三步是根因下钻这是Gage RR之外的补充工作。我们总结了一套下钻套路。如果是重复性主导往设备方向查光源稳定性、载台定位精度、环境振动、温度波动、探针或镜头的污染状态。如果是再现性主导往人和方法方向查作业指导书是否有模糊步骤、是否存在需要主观判断的环节、不同班组的培训来源是否一致。如果交互作用显著通常指向作业指导书对不同类型样品缺少差异化说明。第四步是常态监控。一次性的Gage RR只是快照量测系统会随时间劣化。我们建立的机制是三层日层面每班次开机用标准片测一次结果画在控制图上这叫量测稳定性监控月层面对每台量测机做一次多点标准片比对监控机台间偏差年层面重做完整的Gage RR或在设备大修、更换关键部件、量测程序版本变更后立即重做。这三层监控的成本远低于每次都做完整试验。六、实战案例把光刻CD量测的%GRR从37.4%压到8.9%接着开头那个案例往下讲。补做的Gage RR结果是%GRR等于37.4%其中重复性EV贡献的方差占比31%再现性AV占比58%交互作用占比11%。再现性主导按前面的下钻套路往人和方法方向查。第一件事是三位操作员分别演示一遍完整的量测操作全程录像。对比录像发现了三处差异。最大的一处是对焦作业指导书上写的是调整焦距至图像清晰这是一句典型的模糊指令。操作员A的做法是从下往上调到刚清晰就停操作员B习惯调过头再回来一点操作员C则会来回微调找主观最清晰点。三种做法对应的焦平面位置不同而CD量测对焦平面高度相当敏感。第二处差异是量测点位。指导书要求测晶圆中心区域五个点但没有给出精确坐标三人各自记了一套习惯位置。第三处是标准片的清洁B操作员每次测前会用氮气枪吹一下另外两人不吹。这一步看似无关但吹气会短暂改变样品表面温度。改善措施针对性很强。对焦改为使用设备自带的自动对焦功能取消人工找焦并把自动对焦的搜索范围和判据参数写进量测配方固化在程序里不允许现场修改。量测点位改用固定的坐标模板由程序自动定位操作员不再手动移动载台。清洁步骤统一规定为不吹气若发现颗粒则整片重新清洗后重测。同时把作业指导书里所有形容词式的表述全部改成可量化的指令这一项我们后来推广到了所有量测作业指导书。改善后重做Gage RR%GRR降到8.9%ndc从2.9提升到9.4。本文图1右侧那个箱体就是治理后的合并数据宽度收窄到治理前单个操作员的三分之一左右而且三名操作员的数据已经无法区分。整个改善过程从Gage RR完成到验证通过用了三周主要投入是工程师工时硬件成本为零——所有改善都是流程和参数层面的。这个案例最值得记住的一点是导致37.4%的原因不是设备不行而是作业指导书上一句调整焦距至图像清晰。我们后来把全厂所有量测类作业指导书过了一遍统计出类似的模糊表述共有八十七处逐条改成了可量化指令。这项工作的成本极低但它是后续几个量测项GRR改善的共同基础。七、实施效果数据说话MSA治理项目覆盖了七个关键量测项历时五个月结果见本文表2。所有项目的%GRR都有显著改善其中五项进入10%以下的可接受区间两项颗粒计数和方块电阻因为受量测原理本身限制改善到19.6%和13.8%后进入平台期这两项我们的处理方式是接受现状但在SPC规则上做补偿增加子组样本量以降低量测噪声的影响。SPC层面的效果最直接。治理完成后的连续六个月全厂SPC虚假报警率下降了61%。虚假报警的判定标准是报警后经完整OCAP排查未发现任何工艺或设备异常。按治理前的数据虚假报警占全部报警的43%治理后降到17%。每一次虚假报警平均消耗工程师4.2小时和不等的停机时间按年度报警总量折算仅工程师工时一项每年节省约1400小时。能力指数的变化很有意思。治理后大部分量测项对应的Cpk值不降反升平均提升0.09。这不是过程变好了而是原先被量测噪声掩盖的真实能力显现出来了。有一项参数的Cpk从1.21升到1.38刚好越过了客户要求的1.33门槛省掉了原本计划的一轮工艺优化投入。控制限也做了重算。量测变异降下来之后观测变异随之减小控制限相应收窄。关键层CD的控制限宽度平均收窄了18%这意味着对真实工艺异常的检出灵敏度提升了。治理后的第二个月我们就抓到一次真实的工艺漂移按旧控制限那次漂移是检不出来的。还有一个组织层面的变化。过去SPC报警时工艺工程师和量测工程师之间经常互相推一方说是你的工艺问题一方说是你的量测不准谁也说服不了谁。现在每个量测项都有明确的%GRR数字和更新日期争论有了共同的事实基础。而且我们在SPC看板上直接显示了每个控制图对应量测项的%GRR工程师看图时能立刻知道这张图有多可信。这个小设计的反馈非常好。最后说一句心得。MSA在很多工厂被当成质量体系的文书要求做完存档就完事。但它其实是SPC体系的地基。地基没打好上面的控制图画得再漂亮、规则设得再精细也都是在噪声上做文章。如果一个工厂只能做一件质量改善的事我会建议先把关键量测项的Gage RR做一遍——因为在知道量测有多准之前你不知道自己看到的任何数据意味着什么。图2%GRR每上升一档观测Cpk被低估的幅度呈加速趋势而虚假报警率上升得更快。%GRR从10%升到30%时Cpk只低估约4%但虚假报警率已经涨了近三倍这是量测变异最隐蔽的代价。表2某Fab关键量测项的Gage RR治理前后对照量测项目治理前%GRR治理后%GRR主要改善措施光刻CD量测37.4%8.9%对焦流程标准化取消人工找焦改用自动对焦加位置固化套刻精度Overlay24.6%11.2%统一量测点位模板装载对位重复性从12微米改善至3微米薄膜厚度18.3%7.4%标准片月度趋势监控发现光源老化并更换方块电阻Rs29.1%13.8%探针压力与接触时间参数固化探针清洗周期从周改为班次颗粒计数41.2%19.6%扫描配方统一剔除边缘排除区口径不一致问题刻蚀深度15.7%6.2%增加标准片交叉验证量测机台间偏差纳入日常点检电性参数WAT11.4%5.8%测试程序版本纳入变更管控禁止现场临时修改配套资料与实战工具包本文涉及的脚本、参数模板、检查清单已整理成配套资料包可直接用于工厂落地实施内容随实践持续更新。点击文章上方「VIP资源」下载区免费获取Gage RR试验设计与执行规范半导体场景版含样品抽取与随机化要求ANOVA法GRR计算脚本与报告模板含交互项判定与两种口径百分比输出量测项分级排序打分表三维度权重与完整版简化版分配规则量测系统根因下钻套路手册重复性、再现性、交互作用三条排查路径标准片管理台账与三层稳定性监控配置说明日班次、月比对、年复评────────────────────────────────────────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项目里遇到过类似情况吗是怎么处理的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Fab | MES系统| SPC |良率提升|智能制造
