4. 统计过程控制（SPC）基础：控制图原理、均值-极差图、均值-标准差图、判异准则
统计过程控制（Statistical Process Control, SPC）是半导体良率提升的核心工具。它利用数理统计方法监控生产过程，区分普通原因变异（系统固有）与特殊原因变异（可归属），从而在缺陷发生前预警，维持工艺稳定。本章将深入讲解控制图的核心原理、最常用的计量型控制图（均值-极差图、均值-标准差图）以及八大判异准则。
核心概念：控制图的核心在于“3σ原则”。当过程仅受普通原因影响时，样本统计量（如均值、极差）落在控制界限（±3σ）内的概率为99.73%。任何超出此范围的点或非随机模式，都暗示存在特殊原因，需要工程干预。
4.1 控制图原理
控制图由Walter Shewhart于20世纪20年代提出，其基本形式是一条中心线（CL, Central Line）和上下两条控制界限（UCL/LCL, Upper/Lower Control Limit）。
- 中心线（CL）：代表过程的平均水平，通常为历史数据的均值。
- 上控制界限（UCL）：CL + 3σ，其中σ为过程标准差。
- 下控制界限（LCL）：CL - 3σ。
控制界限与规格界限（Specification Limit）有本质区别：规格界限由客户或设计要求决定，而控制界限由过程自身变异决定。控制图只关心过程是否“受控”，而非产品是否“合格”。
工程师避坑指南：切勿将控制界限与规格界限混为一谈。一个过程可能所有点都在规格界限内（产品合格），但控制图却显示失控（如连续上升趋势），此时必须立即排查工艺偏移，否则很快会产出不合格品。
4.2 均值-极差图（X̄-R Chart）
均值-极差图是半导体行业最经典的计量型控制图组合，适用于子组大小（样本量n）较小且恒定（通常n=2~9）的场景。它由两张图组成：
- X̄图（均值图）：监控过程中心（均值）的偏移。
- R图（极差图）：监控过程离散度（变异）的变化。
控制界限计算公式：
X̄图：
CL = X̄̄（总均值）
UCL = X̄̄ + A₂ * R̄
LCL = X̄̄ - A₂ * R̄
R图：
CL = R̄（平均极差）
UCL = D₄ * R̄
LCL = D₃ * R̄
其中，A₂、D₃、D₄ 为取决于子组大小 n 的常数。| 子组大小 n | A₂ | D₃ | D₄ |
|---|---|---|---|
| 2 | 1.880 | 0 | 3.267 |
| 3 | 1.023 | 0 | 2.575 |
| 4 | 0.729 | 0 | 2.282 |
| 5 | 0.577 | 0 | 2.115 |
| 6 | 0.483 | 0 | 2.004 |
使用限制：当 n < 7 时，D₃ = 0，R图的下控制界限为0。这并不意味着极差不能为0，而是因为当子组很小时，极差的下界在数学上无法为负。此时R图仅能检测离散度的增大，无法检测离散度的减小。
4.3 均值-标准差图（X̄-s Chart）
当子组大小n较大（通常n≥10）或子组大小不恒定时，极差R对离群值敏感且效率降低，此时应使用标准差s代替极差R。均值-标准差图（X̄-s Chart）是更精确的监控组合。
控制界限计算公式：
X̄图：
CL = X̄̄
UCL = X̄̄ + A₃ * s̄
LCL = X̄̄ - A₃ * s̄
s图：
CL = s̄（平均标准差）
UCL = B₄ * s̄
LCL = B₃ * s̄
其中，A₃、B₃、B₄ 为取决于子组大小 n 的常数。| 子组大小 n | A₃ | B₃ | B₄ |
|---|---|---|---|
| 10 | 0.975 | 0.284 | 1.716 |
| 15 | 0.789 | 0.428 | 1.572 |
| 20 | 0.680 | 0.510 | 1.490 |
| 25 | 0.606 | 0.565 | 1.435 |
工程建议：在半导体光刻、刻蚀等关键工艺中，由于采样成本高且数据量有限，常采用n=5的X̄-R图。但对于CMP（化学机械抛光）等需要高精度监控离散度的工艺，建议使用n≥10的X̄-s图，以更灵敏地捕捉晶圆间均匀性的微小劣化。
4.4 判异准则（八大准则）
判异准则是判断过程是否失控的“法律条文”。以下为国际通用的八大判异准则，适用于X̄图、R图、s图及单值图。任何一条准则被触发，都应视为过程存在特殊原因。
| 编号 | 准则描述 | 图示说明 |
|---|---|---|
| 1 | 1个点落在A区以外（超出UCL/LCL） | 点超出±3σ界限 |
| 2 | 连续9个点落在中心线同一侧 | 9点链（Run） |
| 3 | 连续6个点持续上升或下降 | 6点趋势（Trend） |
| 4 | 连续14个点上下交替 | 14点振荡（Oscillation） |
| 5 | 连续3个点中有2个落在A区（±2σ~±3σ） | 2/3点靠近控制限 |
| 6 | 连续5个点中有4个落在B区（±1σ~±2σ） | 4/5点偏离中心 |
| 7 | 连续15个点落在C区（±1σ以内） | 15点聚集中心（可能伪受控） |
| 8 | 连续8个点落在C区以外（±1σ以外） | 8点偏离中心 |
重要提醒：准则7（15点落在C区）看似“完美”，但往往意味着过程变异被人为缩小（如数据分组不当、测量系统分辨率不足或数据被篡改）。遇到此情况，必须检查数据采集过程，而非盲目庆祝。
4.5 控制图实施流程
在半导体制造中，实施SPC控制图需遵循以下标准化流程：
- 选择关键质量特性（CTQ）：如膜厚、线宽、刻蚀速率、颗粒数等。
- 确定子组大小与抽样频率：通常每批（Lot）或每片（Wafer）抽样，子组大小n=3~5。
- 收集基线数据：在过程稳定时收集至少20~25个子组数据。
- 计算控制界限：使用基线数据计算CL、UCL、LCL。
- 绘制控制图并判读：将新数据点绘入图中，应用八大准则判异。
- 失控响应：一旦触发判异准则，立即停止生产、查找特殊原因、实施纠正措施。
- 更新控制界限：当过程经过改进并重新稳定后，需重新计算控制界限。
半导体行业最佳实践：在FAB（晶圆厂）中，SPC系统通常与EAP（设备自动化程序）集成。当控制图触发判异准则时，系统可自动暂停机台（Auto-Hold），并发送报警给工艺工程师和设备工程师，实现快速响应。
掌握SPC控制图是良率工程师的必备技能。通过正确选择控制图类型、准确计算控制界限、熟练应用判异准则，工程师能够从海量数据中快速识别工艺异常，将良率损失扼杀在萌芽状态。