2. 良率基础概念：良率定义、直通率与最终良率、关键性能指标(KPI)介绍
在半导体与电子制造的量产初期，良率管理是衡量工艺成熟度与产品质量的核心活动。本章将系统定义良率的基本概念，区分直通率与最终良率的应用场景，并介绍量产初期必须监控的关键性能指标（KPI）。
2.1 良率定义与分类
良率（Yield）是指在制造过程中，符合规格要求的产品数量占投入生产总数的百分比。根据统计阶段的不同，良率可分为以下三类：
| 良率类型 | 定义 | 应用阶段 | 典型范围（量产初期） |
|---|---|---|---|
| 晶圆良率（Wafer Yield） | 晶圆上通过电性测试的芯片数 / 晶圆总芯片数 | 晶圆制造（Fab） | 70% – 95% |
| 封装良率（Assembly Yield） | 封装后通过外观与电性测试的器件数 / 投入封装数 | 封装测试（OSAT） | 85% – 98% |
| 最终测试良率（Final Test Yield） | 通过最终功能测试的成品数 / 送测总数 | 成品出货前 | 90% – 99% |
量产初期提示： 晶圆良率通常最先暴露工艺缺陷，是量产爬坡阶段最敏感的指标。建议按批次（Lot）每日追踪，一旦低于基线值 3% 立即启动排查。
2.2 直通率（FPY）与最终良率（FY）
在量产初期，仅关注最终良率容易掩盖中间工序的损失。直通率（First Pass Yield, FPY）与最终良率（Final Yield, FY）是两种互补的度量方式：
- 直通率（FPY）：产品一次性通过所有工序、无需返工或重测的比例。FPY = 各工序良率的乘积。
- 最终良率（FY）：经过所有工序（含返工、重测）后，最终合格品占投入总数的比例。
对比示例：
| 指标 | 工序A良率 | 工序B良率 | 工序C良率 | 综合结果 |
|---|---|---|---|---|
| FPY | 95% | 90% | 95% | 81.2% (0.95×0.90×0.95) |
| FY | 98% | 97% | 99% | 94.1% (含返工后) |
常见误区： 只报告 FY 而忽略 FPY，会掩盖工序中的返工浪费。量产初期应同时追踪 FPY 与 FY，若两者差距超过 5%，说明返工成本过高，需优先优化瓶颈工序。
2.3 关键性能指标（KPI）介绍
量产初期的良率管理需要一套多维度的 KPI 体系。以下为最核心的 6 项指标：
- 综合良率（Overall Yield, OY）：从投片到出货的全流程良率，OY = Wafer Yield × Assembly Yield × Final Test Yield。
- 缺陷密度（Defect Density, DD）：单位面积（cm²）上的平均缺陷数，用于评估工艺洁净度与设备稳定性。
- 关键尺寸均匀性（CD Uniformity）：光刻或刻蚀后关键尺寸的晶圆内/晶圆间变异系数（σ/μ），反映工艺重复性。
- 参数测试良率（Parametric Yield）：电性参数（如阈值电压、饱和电流）落在规格窗口内的比例。
- 平均故障间隔时间（MTBF）：设备连续无故障运行的平均时间，影响产能与良率稳定性。
- 返工率（Rework Rate）：需要返工或重测的产品数量占总投入的比例，直接反映工序一次通过能力。
KPI 优先级建议： 量产前两周以 综合良率 和 缺陷密度 为北极星指标；第三周起加入 返工率 与 参数测试良率，用于定位具体工艺偏移。
2.4 良率 KPI 关系图
下图展示了量产初期各 KPI 之间的层级与驱动关系：
2.5 量产初期 KPI 监控清单
以下为量产首月建议的 KPI 监控频率与阈值：
| KPI 名称 | 监控频率 | 预警阈值 | 停线阈值 |
|---|---|---|---|
| 综合良率 (OY) | 每日 | 低于目标值 2% | 低于目标值 5% |
| 缺陷密度 (DD) | 每批次 | 高于基线 20% | 高于基线 50% |
| CD 均匀性 | 每班次 | σ/μ > 5% | σ/μ > 10% |
| 参数测试良率 | 每批次 | 低于 95% | 低于 90% |
| 返工率 | 每日 | 高于 3% | 高于 8% |
| MTBF | 每周 | 低于 72 小时 | 低于 24 小时 |
实战建议： 将上述 KPI 集成到每日良率看板（Dashboard）中，使用红/黄/绿三色灯标识状态。红色（停线阈值）需在 2 小时内启动跨部门会议，黄色（预警阈值）需在 4 小时内完成初步根因分析。
2.6 良率数据流与系统架构
良率管理依赖从设备到分析系统的数据链路。以下为典型的良率数据流架构：
架构要点： 设备层数据通过 SECS/GEM 协议实时上传至数据湖；良率看板与 SPC 监控系统从数据湖中拉取数据，实现分钟级 KPI 刷新。缺陷分类引擎结合图像识别与电性数据，自动标注缺陷类型与根因概率。