2. 批次偏移的数学基础：均值、方差、标准差、正态分布与3σ原则
在半导体制造中，批次偏移诊断的核心在于量化“当前批次”与“历史基准”之间的差异。要理解这种差异，首先需要掌握描述数据分布的基本统计量以及经典的统计分布模型。本节将系统梳理均值、方差、标准差、正态分布与3σ原则，为后续PSI（群体稳定性指数）的计算奠定数学基础。
2.1 描述数据集中趋势：均值
均值（Mean）是衡量一组数据集中趋势最常用的指标。在半导体工艺监控中，均值通常代表某个关键参数（如膜厚、线宽、电阻率）在正常生产条件下的“目标值”或“中心值”。
对于包含 n 个测量值的样本 x₁, x₂, …, xₙ，样本均值的计算公式为：
μ = (x₁ + x₂ + ... + xₙ) / n其中，μ 表示总体均值；若使用样本数据估计，则常用 x̄ 表示样本均值。
2.2 描述数据离散程度：方差与标准差
均值只能反映数据的中心位置，无法描述数据的波动范围。在半导体制造中，即使两个批次的均值相同，其离散程度也可能截然不同——一个批次可能非常稳定，另一个则波动剧烈。衡量离散程度的两个核心指标是方差和标准差。
2.2.1 方差
方差（Variance）是每个数据点与均值之差的平方的平均值。它反映了数据围绕均值的波动幅度。总体方差 σ² 的计算公式为：
σ² = Σ(xᵢ - μ)² / n其中，xᵢ 为第 i 个测量值，μ 为总体均值，n 为数据总数。
2.2.2 标准差
标准差（Standard Deviation）是方差的平方根，记为 σ。它与原始数据具有相同的量纲，因此更直观地反映了数据的实际波动范围。
σ = √σ² = √[Σ(xᵢ - μ)² / n]2.3 正态分布：工艺数据的理想模型
在半导体制造中，大量工艺参数（如CMP后的膜厚、光刻后的关键尺寸）在稳定受控状态下近似服从正态分布（Normal Distribution），也称为高斯分布。正态分布的概率密度函数为：
f(x) = (1 / (σ√(2π))) * e^(-(x - μ)² / (2σ²))其中，μ 决定分布的中心位置，σ 决定分布的宽度（离散程度）。
正态分布具有以下重要性质：
- 对称性： 以均值 μ 为中心，左右完全对称。
- 单峰性： 在均值处达到最大值，向两侧逐渐下降。
- 渐近性： 曲线两端无限延伸，但概率密度趋近于零。
2.4 3σ原则：统计过程控制的基石
3σ原则（Three-Sigma Rule）是正态分布最实用的工程应用之一。它描述了数据在均值周围不同标准差范围内的概率分布：
| 区间 | 包含数据比例 | 超出范围概率 | 工程含义 |
|---|---|---|---|
| μ ± 1σ | 68.27% | 31.73% | 正常波动范围，无需关注 |
| μ ± 2σ | 95.45% | 4.55% | 需关注，可能为异常信号 |
| μ ± 3σ | 99.73% | 0.27% | 超出此范围视为小概率事件，触发告警 |
在半导体制造中，3σ原则被广泛应用于统计过程控制（SPC）：
- 控制上限（UCL）： μ + 3σ
- 控制下限（LCL）： μ - 3σ
- 中心线（CL）： μ
当批次测量值超出 μ ± 3σ 范围时，意味着该事件发生的概率不足0.27%，通常被视为工艺异常，需要立即触发告警并进行偏移诊断。
2.5 正态分布与3σ原则可视化
下图展示了标准正态分布曲线（μ=0, σ=1）以及1σ、2σ、3σ区间所覆盖的概率区域，直观呈现3σ原则的统计含义。
2.6 从统计量到批次偏移诊断
在批次偏移诊断中，上述统计量构成了判断基准：
- 建立参考分布： 收集历史正常批次数据，计算其均值 μ_ref 和标准差 σ_ref，作为工艺基准。
- 计算当前批次统计量： 对当前批次数据，计算其均值 μ_cur 和标准差 σ_cur。
- 偏移判断：
- 若 |μ_cur - μ_ref| > 3σ_ref，则均值发生显著偏移，需告警。
- 若 σ_cur > 1.5σ_ref，则离散度增大，工艺稳定性下降，需排查原因。
- PSI计算准备： PSI通过比较两个分布（参考分布与当前分布）在各分箱中的概率差异来量化整体偏移程度，其计算过程依赖于均值和标准差来定义正态分布的概率密度函数。