良率爬坡 · 数据驱动决策
📚 30章完整版
v2.0
01
良率爬坡概述
半导体良率概念
爬坡阶段重要性
数据驱动核心理念
02
数据采集与清洗
FDC/SPC/EES数据源
数据清洗方法论
缺失值/异常值检测
03
关键工艺参数识别
相关性分析
主成分分析(PCA)
特征重要性排序
04
缺陷空间分布分析
晶圆图(Wafer Map)
缺陷聚类算法
空间相关性建模
05
良率预测模型构建
线性回归
随机森林
XGBoost应用
06
根因分析(RCA)方法论
鱼骨图
5-Why分析法
数据根因定位
07
DOE实验设计与优化
全因子设计
部分因子设计
响应曲面法
08
统计过程控制(SPC)
控制图原理
Western Electric规则
Cp/Cpk计算解读
09
多变量分析(MVA)
PLS回归
偏最小二乘判别
变量投影VIP
10
时间序列分析
ARIMA模型
趋势分解
异常事件检测
11
机器学习在良率中的应用
分类模型(良/不良)
回归模型(良率值)
集成方法
12
深度学习探索
CNN晶圆图缺陷识别
Autoencoder异常检测
13
数据可视化与报告
Tableau/PowerBI集成
自动化报告生成
KPI看板设计
14
良率爬坡路径规划
工艺窗口优化
渐进式参数调整
15
良率损失归因分析
Bin级别分析
测试项相关性
FMEA
16
实时监控与预警系统
规则引擎
机器学习预警
多级告警机制
17
良率爬坡团队协作
数据共享机制
跨部门沟通
问题升级流程
18
案例研究
逻辑芯片良率爬坡
存储芯片良率优化
19
良率爬坡常见陷阱
过拟合
数据泄露
幸存者偏差
20
自动化决策系统
规则自动化
模型参数推荐
闭环控制
21
良率与成本权衡
成本效益分析
最优工艺点选择
22
先进工艺节点挑战
FinFET/GAA良率特点
EUV光刻良率控制
23
良率爬坡大数据架构
数据湖
实时流处理
数据治理
24
良率爬坡中的AIops
智能运维
自动根因分析
知识图谱构建
25
数字孪生
虚拟制造
工艺仿真
良率预测
26
联邦学习
数据隐私保护
跨厂协作
模型聚合
27
因果推断
因果图
反事实推理
干预策略优化
28
强化学习
工艺参数优化
自适应控制
探索与利用
29
可解释AI
SHAP值
LIME
特征重要性可视化
30
良率爬坡未来趋势
AI自主制造
自优化工艺
零缺陷愿景