3、缺陷分类与编码：标准缺陷分类体系（ADC）、手动分类技巧、编码规范与数据库管理
各位工程师，咱们今天聊聊缺陷分类与编码。说实话，这活儿看着不起眼，但做不好，后面所有分析都是空中楼阁。我见过太多团队，数据一塌糊涂，最后查来查去，发现是分类标准没统一。嗯，咱们今天就把这事儿掰扯清楚。
3.1 标准缺陷分类体系（ADC）
ADC，全称是 Automatic Defect Classification。说白了，就是让机器帮咱们把缺陷分好类。但机器不是万能的，它需要一套标准体系来支撑。
我个人习惯把ADC体系分成三个层级：
- 一级分类（大类）：比如颗粒、划伤、污染、图案异常。这是最粗的粒度，一眼就能看出来。
- 二级分类（中类）：比如颗粒再细分成「金属颗粒」和「有机颗粒」。这需要一点经验判断。
- 三级分类（细类）：比如「金属颗粒」再细分成「铜颗粒」和「铝颗粒」。这通常需要结合成分分析。
我在项目中遇到过一个问题：ADC把一个大颗粒误判成了「污染」。为什么？因为颗粒表面有氧化层，光学特征变了。后来我们加了一个「表面粗糙度」的特征参数，准确率才提上来。
核心要点：ADC不是万能的。它的准确率取决于你喂给它的训练数据。数据脏，结果就脏。数据偏，结果就偏。
3.2 手动分类技巧
机器搞不定的，还得靠人。手动分类，说白了就是「用眼睛看，用脑子想」。但这里头有门道。
技巧一：先看轮廓，再看细节。
我建议你拿到一张缺陷图，先退一步看整体。是圆的？是长的？是散开的？轮廓决定了它大概率是什么类型。然后再放大看细节，比如边缘是否光滑、内部是否有纹理。
技巧二：对比参考图。
每个fab都应该有一套「缺陷图鉴」。我习惯把常见缺陷的典型图打印出来，贴在工位上。新工程师来了，先看图鉴，再上手。你想想看，连标准长什么样都不知道，怎么分得准？
技巧三：交叉验证。
一个人分，容易有偏见。我建议同一个lot，至少两个人独立分类。不一致的，拿出来讨论。我曾经因为一个「疑似划伤」的缺陷，跟同事争论了半小时。最后发现是清洗工艺留下的水痕。嗯，从那以后，我们建立了「争议缺陷会诊制度」。
避坑指南：我曾经犯过一个低级错误——把「静电击穿」分成了「颗粒」。为什么？因为击穿点周围有一圈溅射物，看起来像颗粒。后来我养成了一个习惯：凡是带「晕圈」的缺陷，先怀疑静电，再考虑其他。
3.3 编码规范
编码这事儿，看着简单，但坑最多。我见过最离谱的编码：有人用「A1」「B2」这种，结果半年后自己都忘了A1代表什么。
我推荐一套编码规则：
| 字段 | 位数 | 说明 | 示例 |
|---|---|---|---|
| 大类 | 2位字母 | PT=颗粒, SC=划伤, CT=污染 | PT |
| 中类 | 2位数字 | 01=金属, 02=有机, 03=未知 | 01 |
| 细类 | 2位数字 | 01=铜, 02=铝, 99=其他 | 01 |
| 置信度 | 1位字母 | H=高, M=中, L=低 | H |
举个例子：一个「高置信度的铜颗粒」，编码就是 PT-01-01-H。你看，一目了然。
注意：编码里不要用特殊符号，比如斜杠、反斜杠、冒号。这些符号在数据库里容易出问题。我吃过这个亏，一个批次的数据因为编码里带了「/」，导入数据库时全乱了。
3.4 数据库管理
数据存进去，不是终点。怎么查、怎么用，才是关键。
第一，建索引。
我建议按「批次号+晶圆号+缺陷ID」建主键。这样查一个缺陷，秒出。别小看这个，我见过有人全表扫描，查一次要五分钟。
第二，做版本控制。
缺陷分类标准会变。比如去年「小颗粒」是<0.5μm，今年改成<0.3μm。怎么办？我习惯在数据库里加一个「版本号」字段。每次改标准，旧数据不删，只是标记为旧版本。这样回溯分析时，不会乱。
第三，定期清洗。
数据库里总会有一些「孤儿数据」——比如缺陷坐标超出晶圆范围的。我建议每个月跑一次清洗脚本，把这些垃圾数据清理掉。不然时间长了，查询会越来越慢。
这里给一个简单的清洗脚本示例：
-- 清洗缺陷坐标超出晶圆范围的数据
DELETE FROM defect_table
WHERE x_coord < 0 OR x_coord > 300
OR y_coord < 0 OR y_coord > 300;
嗯，代码很简单，但很实用。我每次跑这个脚本前，都会先备份。你懂的，手滑是工程师的天敌。
总结一下：缺陷分类与编码，不是「分完就完」的事。它是一个闭环——分对了，编码规范了，数据库管理好了，后面的良率分析才有根。否则，你就是在沙子上盖楼。
好了，这一章就到这儿。下一章咱们聊聊「缺陷空间分布分析」，那是我个人觉得最有意思的部分。到时候见。