那天 CPK 報告出來，全場沉默了三秒
還記得嗎？幾年前那次，我們新導入一個先進製程，大家信心滿滿。結果呢，第一次週報 CPK 報告出來，當場所有人都傻眼。Target 要 1.33，結果跑出個 1.08，DPMO 直接飆到 6210！老闆的臉瞬間比冰庫還冷。我那時候也被嚇到，想說是不是哪邊參數沒調好。結果去機台拉數據，一看，哇塞，數據波動根本像心電圖，忽高忽低，完全沒有規律可言。
問題出在哪？
說實話，我們半導體工程師最常做的，就是看數據嘛。但很多時候，我們只看當下的 Cpk、良率這些「點」的數據，或是比較這週跟上週的「平均值」。但製程數據，它其實是有「生命」的。它會隨著時間演進，有自己的脾氣跟節奏。你以為只是隨機波動，但說穿了，很多時候那根本不是隨機，而是有跡可循的趨勢跟季節性。就像你每天上下班的交通，早上七點一定塞，下午五點半也塞，這就是季節性。如果這條路突然蓋了新橋，那車流量可能就會有結構性的改變，這就是趨勢。我們看數據，常常沒把時間這個維度考慮進去，結果就是把趨勢當雜訊，把季節性當異常，當然會誤判。
實際上怎麼做？
要理解數據的脾氣，最簡單的方式就是做「時間序列分析」。坦白講，這不是什麼高深莫測的東西，你用 Excel 就能做到一個基礎版。
- 畫折線圖，把時間軸拉出來： 不要只看平均值，把數據點按照時間順序連起來。你就能很直觀地看到數據是往上走、往下走，還是繞著某個值震盪。
- 找「趨勢」： 如果折線圖看起來，數據整體是緩慢上升或下降，那可能就有趨勢。例如，你的蝕刻速率從開機到現在，好像每個月都比上個月稍微慢一點點，這就可能是設備耗損的趨勢。
- 找「季節性」： 製程數據常常會有些週期性的波動。例如，每隔 8 小時（一個班別）良率就稍微掉一點，然後又回復，這可能跟換班操作習慣有關。或者，每週一早上第一個批次的良率就是比較差，這就可能是週末機台閒置的影響。如果你發現你的 Wafer 表面 Particle 數量，每隔 24 小時就有一個高峰，那可能跟無塵室的人員進出或換氣循環有關。
所以重點是，先用視覺化把數據的「性格」摸清楚，再決定你要用什麼方法來改善。
最常見的坑
我踩過最大的坑，就是把季節性當成異常來處理。有一次，我們一個新製程的膜厚，每天中午十二點跟半夜十二點都會稍微偏離 Spec 一點點。那時候我年輕氣盛，一看數據就覺得是機台有問題，搞了半天，工程師、設備商，大家東拆西裝，把機台翻了個底朝天。結果呢？後來才發現，是廠務系統在每天中午跟半夜會調整空調溫度，導致機台內部環境溫度稍微變化，影響了製程穩定性。這就是典型的「季節性」變動，根本不是機台壞掉，我白白浪費了多少時間跟人力。
今天能做的一件事
把你手邊的製程數據，畫成帶有時間軸的折線圖，先觀察看看。