现在，Minitab 图形生成器中已提供该功能。
当每一个芯片都至关重要时，了解缺陷发生的位置和原因对于保障良率至关重要。在半导体制造中，由于在一片晶圆上制造数百个芯片，微小的工艺偏差可能导致数百万美元的损失，包括报废、返工或产量下降。
现代制造工厂会生成海量数据，但如果没有空间背景信息，缺陷模式可能会被忽视。仅通过批次良率等汇总统计指标进行分析时，往往假设缺陷在晶圆上随机分布。而实际上，这一假设很少成立。缺陷通常会呈现空间模式，如环形、簇状、棋盘状或条纹状，这些模式可能揭示制造过程中更深层次的系统性问题。
晶圆图：更清晰地洞察制造质量
汇总统计数据告诉你发生了什么，而晶圆图则帮助你理解为什么会发生。为了帮助工程师发现这些隐藏的模式，Minitab 的图形生成器现在新增了一个强大的可视化工具 —— 晶圆图。该工具将芯片级缺陷数据直接映射到晶圆布局上，使工程师能够准确查看缺陷发生的位置。每个芯片按物理坐标绘制，缺陷通过颜色编码来表示严重程度或发生频率。这种空间背景将原始数据转化为可采取行动的信息。
让我们看一个例子，下面的晶圆图展示了五个不同批次的缺陷分布。注意到批次 5 中晶圆边缘附近形成的红色环了吗？这种看似简单的视觉模式实际上是环形缺陷，通常表明快速热退火过程中温度分布不均。如果没有这种可视化工具，你可能只会看到良率下降，却无从判断原因只能猜测。而有了晶圆图，问题会直观地呈现出来。
从可视化到根源分析
晶圆图的诊断能力还体现在另一个引人注目的例子中，如下方批次 1 的可视化结果。乍一看，该图显示缺陷分布不均匀，颜色较浅的区域表示缺陷密度更高。这种集中分布并非随机，可能暗示工艺中存在系统性问题。假设你是一名良率工程师，在常规测试后查看此图：你注意到这一模式，并意识到它可能指向局部污染事件，例如机器边缘的灰尘颗粒或生产步骤中工具未对齐。如果没有图形生成器中晶圆图的直观呈现，这个问题可能会被淹没在数据中。但通过可视化，根本原因变得清晰可见，从而可以在问题蔓延到更多批次之前，进行有针对性的调查和采取纠正措施。
晶圆图不仅仅是一种可视化工具，更是一种诊断工具，能够支持：
· 通过揭示汇总统计数据中无法察觉的空间模式，加快根本原因分析。
· 通过可视化监控各批次的缺陷趋势，实现统计过程控制。
· 通过识别重复出现的模式，在它们升级之前进行主动的质量改进。。
在半导体制造中，每个芯片都至关重要。有了晶圆图，工程师如今能够更敏锐地在缺陷演变成高成本问题之前发现、诊断并解决它们。无论你是在排查单个批次的问题，还是监控整个制造工厂的趋势，该工具都能帮助你从被动的过程控制转向主动控制。因为在良率问题上，你不能错过那些显而易见却被忽视的模式。
立即在 Minitab Solution Center试用晶圆图！