第2章良率定义与分类

第2章：良率定义与分类

大家好，我是你们的老朋友。今天咱们聊聊良率的定义和分类。说实话，我刚入行那会儿，觉得良率不就是合格品除以总数嘛，有啥好讲的？后来在产线上摔了几个跟头，才明白这里面的门道深着呢。

良率，说白了就是衡量你造出来的东西有多少是能用的。但半导体制造是个长链条，从硅棒拉出来到芯片装到手机上，每个环节都有良率的概念。你想想看，如果每个环节都丢一点，最后能剩多少？

2.1 晶圆良率（Wafer Yield）

晶圆良率，也叫晶圆级良率。它指的是从一片晶圆上，最终能产出多少颗合格的芯片。嗯，这里要注意，不是所有芯片都能活下来。

公式很简单：

晶圆良率 = 合格芯片数 / 晶圆上总芯片数 × 100%

我在项目中遇到过一件事。有一次，我们做一款28nm的芯片，晶圆良率突然从85%掉到了60%。排查了三天，最后发现是光刻机的聚焦参数漂了。你想想看，就零点几微米的偏差，良率直接掉了25个点。

关键影响因素：

晶圆缺陷密度（D0值）
芯片面积大小
工艺窗口大小
光刻对准精度

晶圆良率是半导体制造中最基础的良率指标。它直接反映了晶圆厂（Fab）的工艺控制水平。我个人习惯，每次看晶圆良率报告，先看边缘区域的良率。为什么？因为边缘区域最容易受工艺均匀性影响。

2.2 芯片良率（Chip Yield / Die Yield）

芯片良率，有时候也叫裸片良率。它和晶圆良率有点像，但更细。芯片良率关注的是单个芯片在晶圆上的存活情况。

这里有个经典模型——泊松模型：

Y = e^(-A × D0)

其中：

Y：芯片良率
A：芯片面积
D0：缺陷密度

举个例子：

假设芯片面积 A = 100 mm²，缺陷密度 D0 = 0.5 defects/cm²
Y = e^(-100 × 0.5 / 100) = e^(-0.5) ≈ 0.607 = 60.7%

我曾经犯过一个错误。当时觉得这个模型太理想化，就自己搞了个修正模型。结果算出来的良率比实际高了15%。后来才明白，泊松模型虽然简单，但它是经过无数产线验证的。别小看它。

我的经验：芯片良率受芯片形状影响很大。长方形芯片比正方形芯片更容易出现边缘失效。设计时尽量让芯片长宽比接近1:1。

2.3 封装良率（Assembly Yield / Package Yield）

封装良率，指的是从裸片到封装成品的良率。这一步很多人会忽略，但它的重要性不亚于晶圆制造。

封装良率主要受以下因素影响：

贴片精度（Die Attach）
焊线质量（Wire Bonding）
塑封工艺（Molding）
引脚成型（Trim & Form）

我记得有一次，封装良率突然从98%掉到了85%。查来查去，发现是焊线机的劈刀磨损了。换了一把新的，良率立马回到97%。你看，有时候问题就这么简单。

避坑指南：我曾经因为封装良率低，把责任全推给封装厂。后来发现，其实是晶圆上的焊盘氧化了。所以，封装良率低，不一定是封装的问题，也可能是前道工序的锅。

封装良率的计算公式：

封装良率 = 封装后合格数 / 投入封装的总裸片数 × 100%

2.4 最终测试良率（Final Test Yield / FT Yield）

最终测试良率，也叫FT良率。这是芯片出厂前的最后一道关卡。所有芯片都要经过功能测试、性能测试、可靠性测试。

FT良率通常分为两类：

功能良率：芯片能不能正常工作
性能良率：芯片能不能达到设计规格

举个例子：

某款芯片设计频率是2GHz
功能良率：95%（95%的芯片能工作）
性能良率：80%（80%的芯片能跑到2GHz）
最终测试良率 = 95% × 80% = 76%

你想想看，如果功能良率是95%，性能良率是80%，那最终能出货的只有76%。这就是为什么芯片设计时要留余量。

重要提醒：FT良率是客户最关心的指标。它直接决定了你的芯片能不能卖出去。我见过一个项目，晶圆良率90%，封装良率98%，但FT良率只有60%。最后查出来是测试程序写错了。嗯，测试程序也是代码，代码就会出bug。

2.5 四种良率的关系

这四种良率不是孤立的，它们是一条链上的各个环节。我习惯用一个表格来展示它们的关系：

良率类型	关注点	典型范围	主要影响因素
晶圆良率	晶圆级合格芯片比例	70% - 95%	缺陷密度、工艺窗口
芯片良率	单个芯片存活概率	60% - 90%	芯片面积、缺陷分布
封装良率	封装过程合格率	95% - 99.5%	封装工艺、材料质量
最终测试良率	功能与性能合格率	70% - 95%	设计余量、测试覆盖

总良率的计算公式：

总良率 = 晶圆良率 × 芯片良率 × 封装良率 × 最终测试良率

举个例子：

晶圆良率：85%
芯片良率：80%
封装良率：98%
最终测试良率：90%

总良率 = 85% × 80% × 98% × 90% = 0.85 × 0.80 × 0.98 × 0.90 ≈ 0.60 = 60%

你看，每个环节看起来都不错，但乘起来就只剩60%了。这就是为什么半导体制造要精益求精。每个环节丢一点，最后就丢光了。

我的建议：做良率分析时，不要只看总良率。要拆开看每个环节的良率。哪个环节最低，就优先解决哪个。这叫「瓶颈优先」原则。

2.6 实战中的良率管理

说了这么多理论，咱们聊聊实战。我在产线上摸爬滚打这么多年，总结了几条经验：

数据要实时：良率数据必须实时监控。等一周再看报告，黄花菜都凉了。
分层分析：不要只看整体良率。按设备、按班次、按操作员分层分析。我见过一个案例，某台设备的良率比其他设备低5%，就是因为它的真空泵漏气了。
良率不是越高越好：这话听起来反直觉。但你想，如果为了提升1%的良率，要花100万的成本，那就不划算。良率管理要讲性价比。
良率模型要迭代：不要一个模型用到底。工艺在变，产品在变，模型也要跟着变。我每季度都会重新校准一次良率模型。

避坑指南：我曾经迷信一个良率模型，用了两年都没更新。结果产品换代后，模型预测的良率和实际差了20%。从那以后，我养成了定期验证模型的习惯。

好了，这一章的内容就到这里。良率定义和分类是基础中的基础，但也是最容易被忽视的。记住，良率不是数字游戏，它背后是实实在在的工艺控制和质量保证。下一章，咱们聊聊良率建模的数学基础，到时候见。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录