4. 数据源识别：设备日志(SECS/GEM协议)、在线检测设备(OCD/CD-SEM)、良率测试机台(Teradyne/Advantest)数据格式
在半导体Fab的良率数据采集流程中，第一步也是最关键的一步是准确识别数据源。不同设备、不同协议产生的数据格式差异巨大，直接决定了后续清洗与集成的策略。本章节将深入剖析三大核心数据源：基于SECS/GEM协议的设备日志、在线检测设备（OCD/CD-SEM）的测量数据，以及最终良率测试机台（Teradyne/Advantest）的测试结果。
4.1 SECS/GEM协议设备日志数据格式
SECS（SEMI Equipment Communications Standard）和GEM（Generic Equipment Model）是半导体设备通信的事实标准。几乎所有工艺设备（刻蚀、薄膜、光刻、CMP等）都通过该协议上报实时状态与工艺参数。
4.1.1 协议层级与数据流
SECS/GEM定义了从物理层到应用层的完整通信栈。数据以SECS-II消息的形式传输，消息体由SML（SECS Message Language）编码，包含设备ID、状态变量（SV）、数据变量（DV）和事件ID。
Timestamp、EquipmentID、ProcessModule、RecipeID 以及 SV/DV 数值。这些是后续关联分析的基础。
4.1.2 日志文件典型格式
设备日志通常以文本文件或二进制Trace文件形式存储。以下是常见的CSV格式日志片段：
Timestamp, EquipmentID, Module, RecipeID, SV_Name, SV_Value, Unit
2025-03-15 14:23:01.123, ETCH_01, PM_1, RECIPE_A, ChamberPressure, 25.3, mTorr
2025-03-15 14:23:01.456, ETCH_01, PM_1, RECIPE_A, RF_Power, 1500.0, W
2025-03-15 14:23:01.789, ETCH_01, PM_1, RECIPE_A, GasFlow_CF4, 100.0, sccm4.2 在线检测设备数据格式 (OCD / CD-SEM)
在线检测设备用于测量晶圆在工艺过程中的物理参数，如膜厚、线宽、侧壁角度等。OCD（光学关键尺寸）和CD-SEM（扫描电子显微镜）是两种主流技术。
4.2.1 OCD数据格式
OCD设备通过光谱拟合得到结构参数，输出通常为结构化文本或二进制文件。核心数据包括测量点坐标、拟合参数、残差等。
| 字段名 | 数据类型 | 说明 | 示例 |
|---|---|---|---|
| WaferID | String | 晶圆ID | W25-03-15-001 |
| SiteX / SiteY | Float | 测量点坐标 (mm) | 100.5 / 75.2 |
| LayerName | String | 膜层名称 | OXIDE_1 |
| Thickness | Float | 膜厚 (Å) | 1500.3 |
| CD_Top | Float | 顶部关键尺寸 (nm) | 45.2 |
| SWA | Float | 侧壁角度 (度) | 88.5 |
| GoodnessOfFit | Float | 拟合优度 (0~1) | 0.995 |
4.2.2 CD-SEM数据格式
CD-SEM直接拍摄晶圆表面图像，通过图像处理算法提取线宽。数据通常以GDSII或OASIS格式存储设计版图参考，测量结果以SEMI P10标准格式输出。
# SEMI P10 格式示例
WAFER_ID: W25-03-15-001
SITE_ID: SITE_01
MEASUREMENT_TYPE: CD
VALUE: 45.2 nm
3SIGMA: 0.8 nm
IMAGE_FILE: /data/images/W25-03-15-001_SITE_01.tif4.3 良率测试机台数据格式 (Teradyne / Advantest)
最终良率测试（Final Test）是芯片出厂前的最后一道关卡。Teradyne和Advantest是两大主流测试机台供应商，其数据格式直接决定了良率分析的颗粒度。
4.3.1 Teradyne 测试数据格式
Teradyne 机台通常输出STDF（Standard Test Data Format） 或 ATDF（ASCII Test Data Format） 文件。STDF是二进制格式，解析效率高；ATDF是文本格式，便于人工查看。
# ATDF 格式示例 (Teradyne)
PART_ID: CHIP_A01
TESTER_ID: TERADYNE_J750
TEST_DATE: 2025-03-15 14:30:00
TEST_SUITE: FINAL_TEST_V1
RESULT: PASS
BIN: 1
SITE: 1
# 测试项列表
TEST_NAME: VDD_MIN, RESULT: 1.2V, LIMIT_LOW: 1.1V, LIMIT_HIGH: 1.3V
TEST_NAME: IDDQ, RESULT: 0.5uA, LIMIT_HIGH: 1.0uA
TEST_NAME: SPEED_GRADE, RESULT: 500MHz, LIMIT_LOW: 400MHz4.3.2 Advantest 测试数据格式
Advantest 机台主要使用V93K平台，数据输出格式为XML或CSV，并支持OpenSTDF标准。其数据包含更丰富的Datalog信息，如每个测试项的波形参数。
| 特性 | Teradyne (J750/UltraFLEX) | Advantest (V93K) |
|---|---|---|
| 主要数据格式 | STDF (二进制) / ATDF (文本) | XML / CSV / OpenSTDF |
| 测试项粒度 | 按测试套件分组 | 支持单个测试项级Datalog |
| Bin分类 | Hard Bin / Soft Bin | Multi-Bin 策略 |
| 数据量级 | 中等 (每颗芯片约1-5KB) | 较大 (每颗芯片约5-20KB) |
| 解析工具 | STDF解析器 (Python/C++) | XML解析器 / OpenSTDF库 |
4.3.3 良率数据的关键字段
无论哪种机台，以下字段是良率分析的核心：
- PART_ID / WaferID：唯一标识芯片或晶圆。
- TEST_SUITE / RecipeID：测试程序版本，用于追溯测试条件变化。
- BIN：分Bin结果（1=Pass, 2-9=Fail分类, 10+=特殊Bin）。
- SITE：并行测试站点，用于分析站点偏差。
- TEST_NAME / RESULT：每个测试项的测量值，用于良率损失分析。
4.4 数据源识别总结与对比
下表总结了三种数据源的核心差异，帮助数据工程师快速制定采集策略：
| 维度 | 设备日志 (SECS/GEM) | 在线检测 (OCD/CD-SEM) | 良率测试 (Teradyne/Advantest) |
|---|---|---|---|
| 数据频率 | 高 (秒级/事件触发) | 中 (每片晶圆/每站点) | 低 (每颗芯片) |
| 数据量级 | 大 (GB/天/设备) | 中 (MB/天/设备) | 大 (GB/天/机台) |
| 主要格式 | CSV / SML / Trace | CSV / SEMI P10 / GDSII | STDF / ATDF / XML |
| 关键字段 | SV/DV, RecipeID, Timestamp | WaferID, Site, Thickness, CD | PART_ID, BIN, TEST_NAME |
| 清洗难点 | SV命名不统一、时间戳抖动 | 拟合异常、坐标对齐 | 重测记录、异常Bin值 |