2. 硅光制造数据版图

硅光制造的良率分析，本质上是一场“数据拼图”工作。晶圆从裸硅到最终光模块，会经过数百道工艺、几十次量测、若干次光电测试和封装耦合，每一环都在产生数据，但这些数据分散在不同系统、不同格式、不同时间尺度上。如果对数据版图没有整体认知，后续的良率建模、根因定位和异常追溯都会变成盲人摸象。本节先把硅光晶圆厂的数据源梳理成一张可操作的地图，再讨论采集频率、粒度以及数据字典与元数据管理。

一、数据源分类：从工艺到封装的五条主线

硅光制造的数据可以按“产生环节”划分为五类：工艺设备数据、量测数据、光电测试数据、封装数据，以及贯穿全程的批次与物流数据。它们不是并列关系，而是沿着晶圆流片顺序依次叠加，最终在封装端汇合。

• 工艺设备数据：来自刻蚀、沉积、光刻、离子注入、退火、键合等设备。典型字段包括设备ID、腔体ID、配方号（Recipe）、设定值（Setpoint）、实际值、报警码、时间戳。例如刻蚀机的RF功率、腔压、气体流量，光刻机的曝光剂量、焦距、套刻误差。
• 量测数据：来自膜厚仪、CD-SEM、椭偏仪、AFM、表面缺陷检测等。关注的是“几何与材料参数”，如波导宽度、刻蚀深度、侧壁角、膜厚、缺陷密度。
• 光电测试数据：来自晶圆级或芯片级的光电测试，如插入损耗、消光比、响应度、暗电流、波长漂移、耦合效率。这类数据通常带有波长、偏压、温度等扫描条件。
• 封装数据：来自光纤耦合、贴片、引线键合、密封、老化等环节。典型字段包括耦合损耗、耦合位置偏移、固化温度曲线、老化前后功率变化。
• 批次与物流数据：Lot ID、Wafer ID、Die 坐标、设备履历、操作员、时间戳，是连接上述所有数据的“主键”。

这五类数据在时间上并不同步：工艺设备数据是秒级到毫秒级，量测数据是分钟级，光电测试是分钟到小时级，封装数据则可能跨越数天。因此，数据版图必须同时表达“来源”和“时间尺度”两个维度。

二、工艺设备数据：高频、高维、强时序

工艺设备数据是硅光制造中体量最大、采集频率最高的一类。以等离子刻蚀为例，一台设备在单次工艺中可能每100 ms记录一次RF功率、反射功率、腔压、气体流量、静电吸盘温度等十几个通道，一次刻蚀持续3~5分钟，单次工艺就能产生数万条记录。这些数据的特点是：高频、多通道、强时序、与配方强绑定。

实际处理时，通常不会把原始时序全部塞进良率模型，而是先做“特征提取”：对每个通道计算均值、标准差、斜率、峰值、积分面积等统计量，再与配方设定值做偏差比较。例如，某次刻蚀的RF功率均值偏离设定值超过3%，就可能与波导侧壁角异常相关。这种“设备时序→统计特征→良率标签”的链路，是硅光数据工程中最常见的处理模式。

三、量测与测试数据：空间分布与条件扫描

量测数据的关键在于“空间坐标”。同一片晶圆上，中心与边缘的波导宽度可能相差几纳米，这直接影响到后续的耦合效率。因此，量测数据必须携带 Wafer ID 和 Die 坐标，才能绘制出晶圆图（Wafer Map）。常见的量测点包括：膜厚、CD、刻蚀深度、侧壁角、表面粗糙度、缺陷密度。

光电测试数据则多了“条件维度”。同一个器件在不同波长、不同偏压、不同温度下的插损和响应度都不同。例如，一个硅光调制器在-2 V偏压下的消光比可能比0 V时高3 dB，但暗电流也会上升。因此，测试数据表通常包含：器件ID、波长、偏压、温度、插损、消光比、响应度、暗电流等字段。分析时，需要先固定条件维度，再比较器件间的差异。

四、封装数据：跨工序的“最后一公里”

封装环节的数据往往被忽视，但它对良率的影响极大。光纤耦合损耗、贴片位置偏移、固化温度曲线、老化前后功率变化，都是决定模块最终性能的关键。封装数据的特点是：跨工序、跨天、以模块SN为主键。一个模块可能经历耦合、固化、老化、测试四个工位，每个工位产生独立数据，最后需要按模块SN拼接成完整履历。

例如，某模块在耦合工位记录耦合损耗为1.2 dB，在老化后测试记录功率下降0.5 dB，这两个数据分别来自不同系统，只有通过模块SN才能关联。如果SN在某个工位被重复或缺失，追溯就会断裂。因此，封装数据的治理重点是主键一致性和时间戳对齐。

五、采集频率与粒度：不是越细越好

采集频率和粒度需要与用途匹配。设备时序数据用于实时监控和故障诊断，频率可以到毫秒级；量测数据用于SPC和良率分析，通常每片晶圆抽测几个点，粒度是“点级”；光电测试数据用于器件筛选，粒度是“Die级”；封装数据用于模块追溯，粒度是“模块级”。

如果盲目提高采集频率，会带来存储和计算压力，也会引入大量噪声。实际做法是：原始数据保留高频，分析层按需降采样或提取特征。例如，设备时序原始数据保留7天，之后只保留统计特征；量测和测试数据长期保留，因为它们是良率分析的核心输入。

六、数据字典与元数据管理：让数据可被理解

数据字典是“字段的说明书”，元数据是“数据的背景信息”。在硅光制造中，一个字段可能有多种命名：设备端叫“RF_PWR”，MES里叫“rf_power”，分析表里叫“rf_power_avg”。如果没有统一字典，跨系统关联就会出错。

一个可用的数据字典至少应包含：字段名、中文含义、单位、数据类型、取值范围、缺失值规则、来源系统、更新频率、责任人。元数据则进一步记录：数据血缘（从哪台设备、哪道工艺、哪个配方产生）、采集频率、粒度、版本号。例如，字段“waveguide_width”的元数据应说明：来源为CD-SEM，单位为nm，采集频率为每片晶圆5点，版本为v2.1，责任人为量测科。

七、一张可落地的数据源清单示例

下面给出一个硅光产线数据源清单的示例结构，可作为数据字典的起点。字段和数值为教学示例，实际使用时需按产线情况调整。

这张表的价值在于：它把“数据源、主键、字段、频率、粒度”五个维度放在一起，让数据工程师、工艺工程师和良率分析师能快速对齐。后续无论是建数据仓库、做SPC监控，还是训练良率模型，都可以从这张表出发，逐步补充字段定义和血缘关系。

硅光制造的数据版图不是静态的，它会随着新工艺、新设备、新测试项不断扩展。但核心逻辑不变：先分清数据来源，再统一主键，最后用字典和元数据把数据变成可理解、可追溯、可分析的资产。只有这张地图清晰了，良率提升才有坚实的数据基础。