在複雜的半導體製造領域中，資料視覺化對於識別問題、分析規律以及提升良率至關重要。該產業中最強大的視覺化工具之一便是晶圓圖，它能以直觀的形式呈現各測試階段的資料。讓我帶您了解晶圓圖的主要類型及其在半導體製造中的應用。
分箱圖：了解骰子表現
二進位圖可將整片晶圓上各晶粒的性能以分類形式視覺化呈現。在晶圓測試過程中，每個晶粒都會經過數百或數千項測試，並根據測試結果將晶粒分類為：
- 合格模具（通常為第 1 類）：成功通過所有測試的模具
- 故障晶片（編號非 1 的分類）：在特定測試中出現故障的晶片，不同的分類編號代表不同的故障機制
該分類圖透過顏色編碼來呈現這些類別——例如，合格晶粒以白色標示，而各種失效機制則以不同顏色標示。這種視覺化呈現方式讓工程師能夠快速辨識整片晶圓上晶粒性能的規律。
區間圖可透過新增功能來強化：
- 晶圓盒帕累托分析：識別出各晶圓中故障率最高的晶圓盒
- 區域分析：將晶圓劃分為多個區域（圓形、象限、柱狀），以計算各區域的良率
- 自訂區域：工程師可定義特定區域，以追蹤特定區域的效能
參數地圖：測試數值的視覺化呈現
雖然分箱圖提供分類資訊，但參數圖則會顯示晶圓上各處的連續測試數值。這些圖透過色彩漸變，呈現特定電學參數在晶圓表面上的變化情況。
舉例來說，參數地圖可能會使用藍色至黃色的漸層來呈現各晶粒上的電流值。這種視覺化呈現有助於辨識空間模式——例如晶圓某個角落的電流值較高，而中央區域的電流值較低——這可能暗示著製程問題。
這些模式對於識別影響晶圓特定區域的設備問題或製程變異至關重要。
缺陷地圖：追蹤製造缺陷
缺陷圖會顯示在晶圓製造過程中偵測到的物理缺陷位置。正如史蒂夫·扎梅克（Steve Zamek）在簡報中所指出的，缺陷資料通常是代工廠產生的「線上資料」，對於代工廠和 IDM（整合式裝置製造商）而言特別具有價值。
缺陷圖的主要特點包括：
- 層級特定可視化：跨不同製造層追蹤缺陷
- 缺陷分類：不同的形狀或顏色可代表各種缺陷類型
- 缺陷影像：對於已有顯微鏡影像的缺陷，這些影像可直接顯示在地圖上
- 原始層分析：確定缺陷最初出現在哪一層製造工序中
其中一項特別有用的分析是「缺陷晶片圖」，它將所有晶片疊放在一起，以辨別缺陷是否會持續出現在晶片的特定位置。正如簡報中所提到的，這有助於找出特定矽 IP 模組的問題，因為晶片的不同區域通常對應於不同的功能模組。
綜合垃圾桶與缺陷疊加圖
或許最具說服力的分析，是將缺陷資料疊加在分箱圖上。這種結合讓工程師能夠將物理缺陷與電氣測試失敗相互關聯，從而可能找出哪些具體缺陷導致晶粒失效。
為何這種疊加分析特別有價值？正如簡報中所說明的，半導體製造製程從開始到結束大約需要三個月的時間。在此期間，無法進行任何電氣測試（PCM 或分級數據），僅能取得缺陷檢測數據。疊加分析有助於工程師了解，其檢測流程在多大程度上能夠偵測到那些最終會導致電氣故障的問題。
疊加地圖可計算出有價值的統計數據：
- 無瑕疵通過模具（通過且無瑕疵）
- 帶缺陷的通過（儘管存在缺陷仍被認定為通過）
- 「無可見缺陷但仍不合格」的模具
- 帶缺陷的失效晶片（存在缺陷時發生失效）
這些統計數據有助於計算諸如擊殺率、擒獲率及產出影響等指標，這些指標對於優化檢查策略至關重要。
自訂區域以進行針對性分析
「區域編輯」功能可讓工程師在晶圓上建立自訂區域，以進行專項分析。這可能包括：
- 選擇預設區域模式（象限、圓形區域）
- 調整區域邊界
- 建立完全自訂的區域定義
這些自訂區域隨後可用於計算特定區域的指標，並找出可能影響晶圓特定區域的問題。
超越空間模式
雖然空間分布模式往往是設備問題的明顯徵兆，但半導體製造分析遠不止於目視檢查。正如問答環節中所提到的，晶圓廠和代工廠通常採用全面的製程控制方法，其中包括：
- 依類別或類別追蹤缺陷
- 繪製顯示按缺陷來源層分類之趨勢圖
- 彙整跨產品、晶圓、設備及模組的數據
- 針對超出預設閾值的偏離情況設定自動化警示
這些方法使製造商即使在沒有明顯空間模式的情況下，也能偵測到問題。
結論
晶圓圖為半導體工程師提供了強大的視覺化工具，有助於理解複雜的製造與測試數據。透過運用分級圖、參數圖、缺陷圖及疊加分析，製造商能夠更早發現問題、改善製程，並最終提高良率。藉由區域分析及其他技術來客製化這些視覺化呈現的能力，進一步提升了其在專項故障排除與製程改善方面的實用性。
在半導體製造的大數據分析時代，這些可視化技術僅是全面品質控制與良率提升策略中的一環。當結合統計分析、自動化監測及專家知識後，晶圓圖便成為半導體製造工具箱中不可或缺的工具。