那天 CPK 報告出來，全場沉默了三秒，然後就炸了
還記得十年前吧，那時候我還在當 PE。有次量測報告出來，一批新製程的晶圓，某個關鍵尺寸的 CPK 只有 1.08，DPMO 算起來是 6210。會議室裡，大家的臉都綠了，空氣凝結三秒後，就有人開始吼了：「搞什麼鬼？參數明明都調到最佳了啊！」那時候年輕，我也搞不懂，明明實驗設計（DOE）跑過好幾輪了，每一項參數的最適值都找出來了，怎麼合起來就變這樣？
問題出在哪？不是參數不對，是它「不夠強壯」！
說穿了就是，我們以前的思維，常常只專注在怎麼把平均值拉到目標值，或把變異數壓到最小。但製程哪有這麼理想？環境溫度飄個一度，機台震動大一點，甚至操作員心情不好手抖一下，都可能讓你的完美參數瞬間GG。所以重點是，你的設計，能不能「扛得住」這些外部干擾？這就是「強健性設計（Robust Design）」的核心精神。
換句話說，強健性設計不是要你去消除所有噪音（那是不可能的），而是要讓你的產品或製程，即使在有噪音的環境下，表現依然能穩定。田口玄一（Taguchi）參數設計就是其中一種很棒的工具，它教你怎麼找出那些「不怕吵」的參數組合。
實際上怎麼做？用「信噪比」找出不怕吵的因子
田口方法最屌的地方，就是引入了「信噪比（Signal-to-Noise Ratio, SN Ratio）」。這個信噪比跟我們以前聽的通訊信噪比有點像，但概念不太一樣。它其實是衡量你的製程或產品，對於「雜訊」的抵抗能力有多強。信噪比越高，代表你的設計越穩定，越不怕外部干擾。
- 定義問題與目標： 你要解決什麼問題？目標是什麼？比如要把某個膜厚穩定在 1000 Å。
- 找出控制因子與噪音因子： 控制因子就是你能調整的參數，例如反應時間、溫度、壓力。噪音因子就是你無法控制或很難控制，但會影響結果的因素，例如環境溫度波動、原物料批次差異。
- 設計實驗矩陣： 田口通常會用直交表 (Orthogonal Array) 來設計實驗，用最少的實驗次數，找出控制因子對信噪比的影響。同時，要把噪音因子也納入實驗設計，故意去放大這些干擾，看看你的設計能不能扛住。
- 計算信噪比： 針對每個實驗組合，計算出它的信噪比。信噪比有幾種算法，像是「望目特性」（目標值最好）、「望小特性」（越小越好）、「望大特性」（越大越好），選一個符合你目標的。
- 分析信噪比與平均值： 找出哪些控制因子對信噪比影響最大，然後再看對平均值的影響。我們的策略是，先選擇能最大化信噪比的參數組合，讓製程穩定，然後再用其他對信噪比影響小但對平均值影響大的參數，把平均值調到目標值。
舉個例，你發現反應時間對信噪比影響很大，時間越長信噪比越高。那你就選長一點的反應時間。然後，如果你發現壓力對信噪比影響不大，但對膜厚平均值影響很大，那你就可以用壓力來微調膜厚，把它拉到 1000 Å。
最常見的坑：只看平均值，不看信噪比
我以前就犯過這種錯。跑完 DOE，拿到數據，第一時間就是去看哪個參數能把膜厚拉到 1000 Å，哪個能讓變異最小。結果參數設定好了，小量產沒問題，但一上線量產，哇靠，每天的膜厚都像雲霄飛車，飄到你懷疑人生。
坦白講，這就是典型的「只看平均值，不看穩定性」。我們習慣把參數調到「最適點」，但這個「最適點」可能像刀鋒一樣窄，稍微一偏就掉下去了。田口設計就是要幫你找到一個「高原」，一個參數範圍比較寬鬆，即使有點小波動，結果還是穩定的地方。
所以，別再傻傻地只盯著平均值跟標準差了，想想你的製程夠不夠「強壯」？
今天能做的一件事
下次做 DOE，試著把「噪音因子」也納入考量，想想你的製程會被什麼干擾。