📚 课程目录第3章良率数据采集体系

3. 良率数据采集体系：MES系统、EAP系统、数据采集频率与清洗规则

良率改善的基础是高质量、高频率、高一致性的数据。在半导体与高端制造业中，数据采集体系通常由MES（制造执行系统）与EAP（设备自动化程序）协同构成。本章将深入剖析这两大系统的数据流架构、采集频率设计原则以及数据清洗的实战规则。

MES系统负责记录产品在每一道工序的批次信息、工艺参数、设备状态与质量结果。它是良率分析的“主数据源”。

  核心数据实体： Lot ID（批次号）、Operation（工序）、Equipment（设备）、Recipe（配方）、Measure Value（量测值）、Yield（良率）、Timestamp（时间戳）。

数据类别	典型字段	采集方式	用途
批次追踪	Lot ID, Product, Qty, Route	RFID / Barcode 扫描	追溯与WIP管理
工艺参数	Recipe ID, Temperature, Pressure, Time	EAP 自动上报	工艺窗口监控
量测数据	CD, Film Thickness, Defect Count	量测设备自动上传	SPC与良率分析
设备状态	Equipment ID, Status, Alarm Code	EAP 心跳信号	OEE与故障分析
质量判定	Pass/Fail, Bin Code, Rework Flag	人工或自动判定	良率计算与分Bin

EAP系统是连接工厂主机（Host）与生产设备的中间件。它负责将设备产生的实时数据（如传感器读数、报警信号、运行状态）标准化后，推送给MES或数据仓库。

关键区别： MES关注“批次”与“订单”，EAP关注“设备”与“信号”。EAP的数据频率通常远高于MES，是高频数据采集的核心。

下图展示了从设备传感器到MES/数据库的完整数据链路：

采集频率直接影响数据量、存储成本与分析精度。不同数据类型需要不同的采集策略。

常见陷阱： 盲目提高所有信号的采集频率会导致存储爆炸。建议对关键工艺参数（如刻蚀速率、膜厚均匀性）采用高频采集，对辅助参数（如冷却水温度）采用低频采集。

原始数据通常包含缺失值、异常值、重复记录与格式不一致等问题。清洗规则是数据质量的最后一道防线。

缺失值处理：
- 连续型参数（如温度）：使用前向填充（Last Observation Carried Forward, LOCF）或线性插值。
- 离散型参数（如Recipe ID）：标记为“Unknown”或使用众数填充。
- 关键量测缺失：整条记录标记为“Invalid”，不参与建模。
异常值过滤：
- 基于物理限值：如温度 > 1000°C 或 < -50°C 直接剔除。
- 基于统计方法：使用IQR（四分位距）或Z-score（|Z| > 3）识别离群点。
- 基于工艺知识：如刻蚀速率超出规格限的20%以上，标记为设备报警。
重复数据去重：
- 基于时间戳+设备ID+批次ID的唯一索引，保留第一条或最后一条记录。
- 对于EAP心跳数据，若时间戳完全一致，则合并为一条。
格式标准化：
- 时间戳统一为UTC或工厂本地时间，精度到毫秒。
- 单位统一：如压力统一为Torr或Pa，长度统一为nm或μm。
- 文本字段去除前后空格、统一大小写。

案例背景： 某12英寸晶圆厂在导入先进刻蚀工艺时，发现良率波动与刻蚀速率的高频波动强相关。原有MES系统仅记录每批次的平均速率，无法捕捉秒级波动。

解决方案：

效果： 成功识别出RF功率的周期性抖动是导致刻蚀不均匀的根因，通过调整匹配网络参数，良率提升3.2%。