情境
晶圓廠的良率會議上，你盯著報表上每天的 Particle 總數，發現 C 管制圖偶爾會超出管制界線。主管問你是不是製程又飄了，但你明明記得機台稼動率、晶圓批次數都沒變，怎麼會這樣？你心裡嘀咕，難道是量測機台的清潔度不穩定？還是有其他因素沒考慮到？
白話翻譯
在製程監控中，我們經常需要追蹤產品上的缺陷數，例如晶圓上的 Particle、電路板上的焊點不良，或是面板上的刮傷。這時候，很多人會直覺想到用 C 管制圖。但 C 管制圖並非萬靈丹，它和 U 管制圖的選擇，關鍵在於你「檢查的單位」是否每次都一樣大。
想像一下，你是一位品管工程師，每天的工作是檢查產品上的瑕疵。
- C 管制圖：就像你每天檢查固定尺寸的 100 片晶圓，然後記錄這 100 片晶圓上的總 Particle 數。
* 前提假設：每次檢查的「機會」是完全相同的。
* 適用情境：例如，每天固定檢查 50 片相同尺寸的 PCB 板，記錄其上的焊點缺陷總數。
- U 管制圖：則是你每天檢查的晶圓數量可能不同（例如今天 80 片，明天 120 片），或是晶圓尺寸大小不同。這時候，你不能只看總 Particle 數，因為檢查的「機會」變了。你需要計算每片晶圓的平均 Particle 數（總數除以晶圓數），然後監控這個單位缺陷數。
* 前提假設：缺陷發生的機率是均勻的，但檢查的「機會」不固定。
* 適用情境：例如，每天檢查不同批次、數量不一的晶圓，記錄每片晶圓的 Particle 平均數。
簡單來說，C 管制圖是看「總分」，U 管制圖是看「平均分」，而什麼時候看總分、什麼時候看平均分，就取決於你的「分母」——也就是樣本大小——是不是固定的。
實戰判斷
選擇 C 管制圖還是 U 管制圖，最核心的判斷準則就是你的「樣本大小」是否固定。
| 特性/圖表 | C 管制圖 (Number of Defects) | U 管制圖 (Defects Per Unit) |
|---|---|---|
| 適用情境 | 樣本大小固定，監控總缺陷數 | 樣本大小可變，監控單位缺陷數 |
| 樣本大小 | 必須固定 (e.g., 每次檢查 100 片晶圓、固定尺寸的 50 個產品) | 可以變動 (e.g., 每次檢查的晶圓數不同、產品尺寸不同、檢查面積不同) |
| 監控指標 | 每個樣本的總缺陷數 | 每個樣本的單位缺陷數 (總缺陷數 / 樣本大小) |
| 管制界線 | 基於總缺陷數計算 | 基於單位缺陷數計算，且會隨樣本大小變動而調整 |
| 常見範例 | 固定尺寸電路板上的焊點總數、固定批次大小的晶圓 Particle 總數 | 不同批次大小的晶圓 Particle 平均數、不同尺寸面板的刮傷密度 (每平方公分刮傷數) |
實際操作建議：
- 先釐清「樣本」的定義：你的「一個樣本」到底是什麼？是 100 片晶圓？還是一片晶圓？一個批次？
- 判斷樣本大小是否固定：如果每次監控時，你檢查的產品數量、面積、體積、時間等「缺陷發生機會」是完全固定不變的，那就用 C 管制圖。
- 若樣本大小會變動：如果這些「缺陷發生機會」會隨時間或批次而改變，例如今天檢查 100 片晶圓，明天檢查 80 片，或者產品尺寸、面積不同，那就務必使用 U 管制圖。否則，C 管制圖的管制界線會因為樣本大小的變動而產生虛假的超界警報，導致工程師誤判製程狀態。
- 提供正確的數據：使用 U 管制圖時，除了缺陷數，一定要提供每個樣本的實際大小，讓系統能正確計算單位缺陷數並動態調整管制界線。
InsightFab 怎麼做
InsightFab 內建智慧判斷模組，能根據您上傳的缺陷數據與樣本大小資訊，推薦最適合的管制圖類型，並自動計算管制界線，省去人工判斷與複雜計算的麻煩。
金句
「管制缺陷，不只看數量，更要看背後的「機會」是否一致，才能避免誤判製程的真實狀態。」