2. SPC基础
统计过程控制（Statistical Process Control, SPC）是现代制造业良率提升的基石。它并非简单的图表绘制，而是一套基于统计学原理的过程监控与改进哲学。本章将深入剖析SPC的核心思想，并追溯其从军工到半导体行业的历史演进脉络。
2.1 核心思想：变差、控制与预防
SPC的底层逻辑建立在三个核心概念之上：变差无处不在、区分偶然与异常、预防优于检验。
核心公式： 过程能力 = 规格公差 / 过程自然变差（6σ）。SPC的目标是让过程变差远小于规格公差，并保持稳定。
2.1.1 变差的两种类型
任何生产过程都存在变差，但变差的来源性质截然不同。理解这一区别是SPC应用的起点。
| 特征 | 偶然原因（Common Cause） | 异常原因（Special Cause） |
|---|---|---|
| 定义 | 过程固有的、随机的、不可避免的变差 | 可指明的、非随机的、偶发的变差 |
| 来源 | 设备微振动、环境温湿度波动、材料微观差异 | 刀具断裂、操作员失误、批次混料、设备故障 |
| 影响 | 稳定且可预测，形成过程基线 | 导致过程失控，产生大量缺陷 |
| 处理方式 | 需要系统性的过程改进（如DOE） | 需要立即现场排查与纠正 |
| 控制图表现 | 点随机分布在控制限内 | 点超出控制限或呈现异常链/趋势 |
2.1.2 预防性思维
传统质量管理依赖检验（Inspection），即生产完成后筛选不良品。SPC则强调预防（Prevention），通过实时监控过程参数，在缺陷产生之前就发出预警。这种思维转变将质量责任从质检部门转移到生产一线，实现了“第一次就把事情做对”。
实战提示： 在半导体光刻工艺中，SPC监控关键尺寸（CD）的均值与极差。当CD均值出现连续6点上升趋势时，即使所有点仍在控制限内，也应立即检查光刻胶涂布均匀性或曝光剂量，而非等到晶圆测试失败。
2.2 历史背景：从军工到半导体
SPC的发展史是一部质量理念从“事后把关”到“事前预防”的进化史。
- 1920s – 萌芽期（贝尔实验室）：物理学家Walter A. Shewhart 在贝尔实验室发明了第一张控制图（p-chart），并提出了“偶然原因与异常原因”的划分。他出版了《产品制造质量的经济控制》，奠定了SPC的理论基础。
- 1940s – 推广期（二战军工）：美国军方在二战期间强制要求军火供应商使用SPC控制图，大幅降低了武器系统的故障率。此时SPC主要应用于机械加工和弹药制造。
- 1950s – 东渐期（日本工业复兴）：W. Edwards Deming 和 Joseph Juran 将SPC引入日本。日本企业（如丰田、松下）将SPC融入全面质量管理（TQM），创造了“精益生产”和“零缺陷”运动。
- 1980s – 复兴期（美国制造业反击）：面对日本产品的质量优势，美国半导体和汽车行业重新拥抱SPC。摩托罗拉公司提出了六西格玛（Six Sigma）方法论，将SPC作为核心工具，目标是将过程缺陷率降至3.4 ppm。
- 2000s至今 – 智能化期（半导体与大数据）：在半导体FAB厂，SPC已从单变量控制图发展为多变量统计过程监控（MSPC），并与FDC（故障检测与分类）、APC（先进过程控制）系统集成，实现实时反馈与自动调整。
避坑指南： 很多工程师误以为“只要点都在控制限内，过程就是好的”。实际上，SPC还要求点随机分布。如果点全部集中在中心线附近（如Cpk很高但过程能力指数虚高），或呈现周期性波动，都暗示过程存在未被发现的异常原因。
2.3 SPC核心框架：控制图逻辑
控制图是SPC的视觉化载体。其核心逻辑是将样本统计量（如均值、极差、不合格品率）按时间顺序绘制，并与计算出的控制限进行比较。
2.4 控制图的分类与选择
根据数据类型（计量型 vs. 计数型）和样本大小，SPC提供了多种控制图。选择错误的控制图会导致误判率上升。
| 数据类型 | 控制图名称 | 适用场景 | 样本量要求 |
|---|---|---|---|
| 计量型（连续数据） | X̄-R 图（均值-极差图） | 监控过程中心与离散度，最常用 | 子组大小 2~10 |
| X̄-S 图（均值-标准差图） | 子组较大时更精确 | 子组大小 > 10 | |
| 计数型（离散数据） | p 图（不合格品率图） | 样本量不固定，监控缺陷率 | 子组大小可变 |
| u 图（单位缺陷数图） | 样本量不固定，监控缺陷密度 | 子组大小可变 |
半导体实战案例： 在CMP（化学机械抛光）工艺中，通常使用X̄-R图监控去除速率（RR）和片内均匀性（WIWU）。当R图显示极差突然增大时，往往意味着抛光垫需要修整或浆料流量异常，此时应暂停生产并检查，而非等待最终电性测试结果。
2.5 判异准则：何时采取行动
SPC不仅看单个点是否出界，还通过链、趋势、周期等模式识别潜在异常。以下是经典的Western Electric 判异准则（8条中的核心4条）：
- 准则1： 1个点落在A区以外（超出控制限）。
- 准则2： 连续9个点落在中心线同一侧（C区或B区）。
- 准则3： 连续6个点持续递增或递减（趋势）。
- 准则4： 连续14个点交替上下（周期性振荡）。
实战提示： 在半导体FAB中，建议同时使用准则1和准则2。准则1用于捕捉突发性异常（如设备宕机），准则2用于捕捉渐进性漂移（如光刻胶老化）。仅依赖准则1会漏掉大量早期预警信号。