2. KLA检测数据采集与预处理
在KLA检测与量测体系中，数据采集与预处理是后续缺陷分类、趋势分析和制程异常诊断的“地基”。如果采集口径不统一、时间戳错位或坐标系统不一致，再高级的算法也会得出错误结论。本节围绕三类核心数据——缺陷数据、量测数据、图像数据——说明它们的采集方式，以及清洗、对齐与标准化的具体做法。
一、三类数据的采集方式
缺陷数据主要来自KLA明场/暗场缺陷检测设备（如28xx、29xx系列）以及电子束复检设备。检测设备在扫描晶圆时，会输出每一颗缺陷的坐标（Die坐标、晶圆坐标）、缺陷尺寸、极性（亮/暗）、信号强度、检测通道和扫描条件。这些数据通常以KLARF（KLA Results File）格式落盘，再通过工厂自动化接口上传到缺陷数据管理系统。采集时最关键的是保留检测配方（Recipe）标识和扫描时间戳，否则不同批次的缺陷无法归因到同一制程条件。
量测数据来自CD-SEM、膜厚仪、套刻量测（Overlay）等设备，通常以点测或线扫方式获取。例如CD-SEM在晶圆上选取若干量测点，输出关键尺寸（CD）、线宽粗糙度（LWR）等数值。量测数据的采集强调量测点位图（Measurement Map）与量测配方的绑定，同一片晶圆在不同站点量测时，点位必须可映射到统一的晶圆坐标系。
图像数据包括缺陷复检图像（Review Image）和量测图像。KLA的复检设备（如eDR系列）会在缺陷坐标处拍摄高倍图像，输出灰度图或彩色图，并附带缺陷的SEM图像。图像采集的核心是图像与缺陷ID的一一对应，以及图像元数据（放大倍数、像素尺寸、拍摄角度）的完整记录。图像数据体量大，通常以文件服务器或对象存储方式管理，数据库中只保存索引路径。
二、数据清洗：从“脏数据”到可用记录
采集到的原始数据往往存在重复、缺失、噪声和异常值。清洗的目标是让每条记录都具备可追溯、可比较的质量。
去重是第一步。同一颗缺陷可能被相邻扫描通道重复捕获，判断依据是缺陷坐标距离小于设定阈值（例如0.5μm）且尺寸差异在允许范围内，则合并为一条记录，保留信号最强的那条。KLARF文件中常出现同一缺陷ID对应多条记录的情况，需要按缺陷ID去重。
去噪主要针对伪缺陷。检测机台会输出大量低信号强度的“噪声点”，通常设定信号强度阈值（如低于背景噪声3倍标准差）进行过滤。但阈值不能一刀切，需按检测配方和晶圆区域分别设定，避免把真实微小缺陷误删。
缺失值处理要区分“设备未采集”和“采集失败”。前者可标记为NULL并记录原因，后者需要触发复检或从原始KLARF重新解析。量测数据中若某个量测点缺失，不应简单用均值填充，而应标记为缺失并评估对后续分析的影响。
异常值处理常用3σ准则或IQR方法。例如CD量测值若超出该批次均值的3倍标准差，先标记为疑似异常，再结合设备日志判断是真实制程偏移还是量测误差。异常值不应直接删除，而应保留标记供后续诊断。
三、数据对齐：让三类数据“说同一件事”
缺陷、量测和图像数据来自不同设备、不同时间、不同坐标系，对齐是打通分析链路的关键。
坐标对齐是基础。缺陷数据通常以Die坐标和Die内坐标表示，量测数据以晶圆坐标系表示，图像数据以像素坐标表示。需要建立统一的晶圆坐标系：先将Die坐标转换为晶圆坐标（考虑Die行列偏移和晶圆原点），再将图像像素坐标按像素尺寸和拍摄位置映射到晶圆坐标。对齐后，同一位置上的缺陷、量测值和图像才能关联。
时间对齐用于制程异常诊断。同一片晶圆可能经历多道检测和量测，时间戳必须统一到同一时区（建议UTC+8），并保留原始时区信息。按Lot、Wafer、Step三个层级对齐时间窗口，才能判断“缺陷是在哪道工序后出现的”。
图像与缺陷对齐依赖缺陷ID。复检图像元数据中必须包含缺陷ID，若缺失则需通过坐标反查。图像拍摄时的放大倍数和像素尺寸决定了实际物理尺寸，对齐时要统一换算为纳米或微米。
四、标准化：统一量纲与分布
标准化让不同来源、不同量纲的数据可以放在同一张表里比较。常用方法包括：
- 单位统一：缺陷尺寸统一为μm，量测CD统一为nm，膜厚统一为Å，套刻误差统一为nm。换算关系在数据字典中固化。
- Z-score归一化：对量测值按批次或晶圆计算均值和标准差，转换为标准分数，消除批次间基线差异。公式为 z = (x - μ) / σ。
- Min-Max归一化：将数值缩放到[0,1]区间，适用于图像像素值或信号强度。但需注意异常值对极值的影响，建议先做异常值处理。
- 分类字段编码：缺陷类型、极性、检测通道等分类字段统一编码，例如极性“亮”编码为1，“暗”编码为0，避免中英文混用。
完成采集、清洗、对齐和标准化后，三类数据才能进入统一的缺陷数据库和分析平台。下一阶段的分析——无论是缺陷分类、趋势监控还是制程异常诊断——都依赖这一层数据质量。建议在预处理阶段就保留完整的处理日志，记录每条数据经过了哪些清洗和对齐操作，以便追溯和复现。