2. 良率基线建立流程：数据收集、数据清洗、基线计算、基线验证、基线发布

良率基线的建立是Fab实现可量化、可追溯、可复现良率管理的第一步。一套严谨的基线建立流程能够确保基线数据真实反映产线能力，避免因数据污染或统计偏差导致的决策失误。本章节将按照标准五步法展开：数据收集 → 数据清洗 → 基线计算 → 基线验证 → 基线发布。

2.1 数据收集

数据收集是基线建立的基石。收集范围需覆盖产品、工艺、设备、量测四大维度，确保样本量足以支撑统计显著性。

数据收集的典型数据源包括：

• MES（制造执行系统）：批次流动记录、Hold/Release日志
• EES（设备工程系统）：设备参数、报警记录、PM历史
• YMS（良率管理系统）：CP/FT测试结果、Bin分布、缺陷地图
• SPC（统计过程控制系统）：关键工艺参数趋势、Cp/Cpk

2.2 数据清洗

原始数据中通常包含工程实验批、设备故障批、量测异常点、Hold/Scrap批等噪声数据。数据清洗的目标是剔除这些“非稳态”数据，保留能够代表产线稳态能力的数据子集。

清洗规则通常包括以下五类：

1. 工程批过滤：剔除DOE、SPLIT、Qualification等非量产批次
2. 异常批过滤：剔除设备报警、腔体异常、PM前后各5片的数据
3. 统计离群点剔除：基于IQR（四分位距）或3σ原则剔除极端值
4. 数据完整性校验：剔除关键字段缺失、量测值超出量程的记录
5. 时间窗口对齐：确保所有数据在同一个PM周期或工艺稳定期内

数据清洗的典型代码实现（Python伪代码）：

import pandas as pd
import numpy as np

def data_cleaning(df):
    # Step 1: 过滤工程批
    df = df[df['lot_type'] == 'Production']
    
    # Step 2: 剔除PM前后各5片
    pm_window = 5
    df = df[df['wafer_index'] > pm_window]
    
    # Step 3: 3σ离群点剔除
    mean = df['yield_value'].mean()
    std = df['yield_value'].std()
    df = df[(df['yield_value'] >= mean - 3*std) & 
            (df['yield_value'] <= mean + 3*std)]
    
    # Step 4: 完整性校验
    df = df.dropna(subset=['yield_value', 'device_id', 'process_step'])
    
    return df

2.3 基线计算

基线计算的核心是确定统计分布模型并计算基线值。根据数据分布特征，选择不同的计算方法：

2.4 基线验证

基线计算完成后，必须经过验证才能发布。验证的目的是确认基线是否真实反映了产线的稳态能力，以及是否具备可重复性。

验证方法包括：

• 回代验证：将基线应用于历史数据，检查历史批次落在基线范围内的比例是否≥95%
• 交叉验证：将数据随机分为训练集（70%）和验证集（30%），检查两组基线的一致性
• 时间稳定性验证：将数据按月分组，检查各月基线是否存在显著漂移（t检验或ANOVA）
• 专家评审：由工艺工程师、设备工程师、良率工程师共同评审基线的合理性

2.5 基线发布

基线发布是流程的终点，也是良率管理应用的起点。发布环节需要完成以下工作：

1. 基线文档化：编写基线报告，包含数据来源、清洗规则、计算方法、验证结果
2. 基线入库：将基线值写入YMS系统的基线数据库，关联产品ID和工艺步骤
3. 基线可视化：在良率看板中展示基线范围，叠加实时数据点
4. 基线版本管理：记录基线版本号、发布日期、发布人，支持历史基线回溯
5. 基线培训：向相关工程师宣贯基线的含义和使用方法

本章小结

良率基线建立的五步流程——数据收集、数据清洗、基线计算、基线验证、基线发布——构成了Fab良率管理的“度量基准”。每一步都有明确的输入、输出和验收标准，缺一不可。在实际操作中，建议建立标准作业程序（SOP），将每一步的操作规范、工具脚本、评审模板固化下来，确保不同工程师、不同时间段建立的基线具有一致性和可比性。