3. 自动化检测量测的核心概念

在KLA检测与量测自动化的语境里，设备动作并不是由操作员临时决定的，而是由一组预先定义好的数据对象驱动。理解这些对象的含义、层级和相互关系，是后续做自动化集成、数据采集和MES/EAP对接的基础。本节围绕六个最核心的术语展开：Recipe、Job、Wafer Map、Lot、Reticle、Sampling Plan。它们不是孤立名词，而是一套从“怎么测”到“测哪片、测哪里、测多少”的完整描述体系。

一、Recipe：工艺配方，定义“怎么测”

Recipe（配方）是检测量测设备上最基础的可执行配置单元，它规定了设备用什么样的光学条件、算法参数和判定阈值去完成一次检测或量测。可以把它理解为设备的“操作说明书”：同一台设备换一个Recipe，就相当于换了一套检测逻辑。

一个典型的检测Recipe通常包含以下内容：

• 光学与硬件参数：光源波长、照明模式（明场/暗场）、像素尺寸、扫描速度、焦距设定。
• 算法与阈值：缺陷检测灵敏度、噪声过滤等级、缺陷分类规则、量测的拟合模型。
• 判定标准：缺陷尺寸阈值、关键尺寸（CD）规格上下限、良品/不良品判据。
• 输出定义：输出哪些缺陷属性、量测结果字段、图像或KLARF文件的保存策略。

Recipe具有版本属性。工程上常见的做法是：Recipe以“名称+版本号”唯一标识，例如 DET_LAYER1_V3.2。当工艺条件变化时，不能直接覆盖旧Recipe，而应新建版本并记录变更原因，否则历史数据的可追溯性会被破坏。这一点在自动化集成中尤其重要——EAP下发Job时必须明确引用哪个Recipe版本，否则同一片Wafer在不同时间可能得到不可比的结果。

二、Job：一次具体的执行任务

如果说Recipe是“模板”，Job就是“一次实际执行”。Job把Recipe与具体的被检对象绑定起来，形成一条可被设备调度和追踪的任务记录。一个Job至少需要回答四个问题：用哪个Recipe、测哪个Lot/Wafer、从哪个起点开始、结果存到哪里。

在自动化场景中，Job通常由EAP或调度系统根据生产计划自动创建并下发。Job带有唯一Job ID，设备执行完成后回传状态（Completed/Aborted/Error）和结果文件路径。Job是连接“配置世界”和“生产世界”的桥梁：Recipe是静态的，Job是动态的；Recipe可复用，Job是一次性的。做数据集成时，通常以Job ID作为关联检测结果与生产批次的主键。

三、Lot 与 Wafer Map：批次与片内空间信息

Lot（批次）是晶圆厂生产管理的基本单位，一个Lot通常包含25片Wafer（也可能因产品而异）。Lot有唯一的Lot ID，是MES追踪、派工、良率统计的核心对象。检测量测任务往往以Lot为单位组织：一个Lot进来，按Sampling Plan决定测哪几片，每片生成对应的Job。

Wafer Map（晶圆图）则描述单片晶圆上的空间信息。它至少包含两层含义：一是Die布局，即晶圆上每个芯片的坐标、行列号和有效性（边缘不完整Die通常标记为无效）；二是数据映射，即把检测或量测结果按Die坐标回填到图上，形成缺陷分布图、良率图或参数分布图。Wafer Map的坐标系必须明确定义：通常以晶圆缺口（Notch）为基准，规定X/Y方向、Die原点位置和步进间距。坐标系一旦约定，全文和图示必须保持一致，否则Die坐标会整体错位。

四、Reticle：光罩，连接曝光与检测的坐标基准

Reticle（光罩/掩模）是光刻曝光的母版，一个Reticle包含一个或多个Die的图形。在检测量测中，Reticle的意义在于它提供了重复曝光单元的概念：晶圆是由同一个Reticle多次步进曝光形成的，因此晶圆上存在周期性重复的Reticle区域。检测Recipe常利用这种周期性做Die-to-Die或Cell-to-Cell比对，从而发现缺陷。

Reticle ID也是数据追溯的重要维度。当某类缺陷在多个Lot、多个Wafer上呈现相同的Reticle内位置分布时，往往指向光罩本身的问题，而不是工艺漂移。因此，把检测结果按Reticle坐标聚合分析，是良率工程中的常见手段。

五、Sampling Plan：决定“测哪片、测哪里、测多少”

Sampling Plan（抽样计划）是检测量测资源与产能之间的平衡器。全检成本高、耗时长，实际生产中通常按规则抽样。Sampling Plan要回答三个层次的问题：

• Lot级抽样：一个Lot中测几片Wafer？例如每Lot测首片、中间片、末片共3片。
• Wafer级抽样：一片Wafer上测哪些Die或哪些区域？例如固定测中心Die加边缘若干点，或按Reticle周期抽测。
• 量测点级抽样：每个Die上测几个点、测什么结构？例如CD量测在Die内固定5个位置。

Sampling Plan通常与产品、层别、工艺阶段绑定，并可根据良率状态动态调整：良率稳定时放宽抽样，异常时加严甚至全检。在自动化系统中，Sampling Plan的规则引擎需要与MES的派工逻辑协同，确保被抽中的Wafer确实被送到对应设备。

六、对象之间的关系：一张图看清数据流

这六个对象不是并列的，而是有明确的层级和依赖关系。下面的SVG以数据流的方式展示：Lot如何通过Sampling Plan决定被检Wafer，Wafer如何结合Recipe和Reticle信息生成Job，Job执行后如何回填Wafer Map并输出结果。

七、实际集成中的关键注意点

把这六个对象落到自动化系统里，有几个容易出错的细节值得强调。

第一，ID的层级关系要理清。Lot ID、Wafer ID、Job ID、Recipe名称+版本、Reticle ID，这五类标识在数据库里应各有字段，不能混用。常见错误是用Wafer ID当Job ID，导致同一片Wafer多次检测时结果无法区分。

第二，Sampling Plan的变更要留痕。抽样规则一旦调整，必须记录生效时间和适用产品，否则历史良率数据会出现口径不一致。建议在数据表中增加 sampling_plan_version 字段。

第三，Wafer Map坐标系要统一。设备端、EAP端、MES端对Notch方向、Die原点、行列起始值的定义可能不同。集成时必须做一次坐标对齐验证：取一片已知缺陷位置的Wafer，确认三端解析出的Die坐标一致。

第四，Recipe版本与Job的绑定关系要可查。当出现批量异常时，第一件事往往是确认“这批Job用的是哪个Recipe版本”。如果Job记录里只存了Recipe名称没存版本，追溯就会断链。

总结来看，Lot和Wafer是“测什么”的对象，Sampling Plan是“测多少”的规则，Recipe是“怎么测”的配置，Reticle是“按什么基准比对”的参照，Job是“这一次执行”的载体，Wafer Map是“结果落在哪里”的空间容器。六者环环相扣，构成了KLA检测量测自动化的数据骨架。后续做EAP对接、数据采集或良率分析时，都可以回到这张关系图来定位问题出在哪一层。