摘要：由于半导体制造工艺过程的复杂性，一般很难建立其制造模型，不能对工艺过程状态有效地监控，所以迫切需要先进的半导体过程控制技术来严格监控工艺过程状态，而SPC就是其中重要的一种技术。本文针对SPC做了简要概述，着重论述了根据半导体生产工艺的特点来实现其在半导体晶圆厂的实际应用。
    1前言
    近年来，半导体制造技术经历了快速的改变,技术的提升也相对地增加了工艺过程的复杂性,而大多数半导体制造过程包含许多非线性且复杂的化学与物理反应，难以建立其制造模型,加上检测技术的缺乏,造成无法及时得知工艺过程状态而难以对其进行有效监控。因此,当半导体制造进入8英寸、12英寸晶圆生产的主流,面临更小线宽、工艺日趋复杂的挑战时,严格的工艺过程监控已成为基本且重要的要求。国内外各相关研究单位与半导体厂都在努力寻求如何减少制造成本、降低废片、改善总体设备效能(OverallEquipmentEffectiveness,OEE)、提高产品良率及产品效能的方法。先进的半导体过程控制技术（AdvancedProcessControl，APC）研究的目的就是有效的监控工艺过程与机台，以提高良率和总体设备效能。而统计过程控制(StatisticalProcessControl，SPC)是目前国内外发展APC常用的一种技术，本文将主要论述SPC在半导体晶圆制造厂的应用。
    2SPC技术概述
    早期的半导体制造企业为保证产品质量，基本上以工艺检测和产品检验为主要手段进行产品的质量监控，很明显这是一种事后检测的方法，随着各类使用半导体元器件的电子产品的质量需求的提高，对半导体元器件产品质量和可靠性的提高成了该行业质量管理人员需要研究的重要课题，从80年代中期开始，以摩托罗拉为首的美国一些大型微电子企业的研究人员发现，如果使工艺过程始终处于统计受控状态，将会更有效地提高产品质量和可靠性，SPC技术正是适合了这样一种需求。
    SPC即统计过程控制是基于统计理论的技术和方法，通过对生产过程中的工艺参数质量数据进行统计分析和描图，实现对工艺过程稳定性的实时监控和预测，从而达到发现异常、及时改进、减少波动、保证工艺过程稳定、产品总体质量稳定可靠之目的。
    对异常波动的及时预警是SPC的特点，预警原理为：应用SPC对检测数据进行统计分析能够区分生产过程中产品质量的正常波动和异常波动，从而对生产过程的异常趋势及时提出预警。即：SPC能够在异常因素刚一露出苗头，尚未造成不合格产品之前就能及时发现，指导管理人员采取措施消除异常，从而极大的减少了不合格产品的产生，保证了生产的顺畅进行，终提高生产效率。
    采用SPC技术可以：
    （1）保证工艺过程的统计受控状态。当检测出工艺中异常原因引起波动时，立即发出警报，以便及时查找原因，采取相关纠正措施，使工艺一直处于统计受控状态；
    （2）定量评定生产线、单道工序或单个工艺参数是否处于受控状态，因此特别适用于生产线的；
    （3）减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作；
    （4）成为表征产品内在质量的重要依据之一。在半导体行业界，有很多客户要求半导体制造企业在提高产品质量的同时还要提供一份SPC数据，以证明产品是在受控工艺条件下生产的，而不是仅靠筛选检测得到的，表明产品具有较高的内在质量和可靠性。
    3半导体晶圆制造厂的SPC实际应用
    3.1半导体生产的特点
    半导体制造是一个极其复杂的过程，从氧化扩散，光刻，刻蚀，洗涤，淀积等大约有不少于三四百个工序；特别是现在各类专用集成电路的需求猛增，大多数半导体企业又从面向库存的生产方式转向了面向订单的生产方式，使晶圆车间的生产模式也由以前大批量的单一品种的生产转为批量的多品种的生产模式，极大的增加了生产过程的复杂性。由于生产过程的复杂性带来了大量的质量数据以及对这些数据及时分析的需要，仅依靠手工控制的方法是根本无法体现SPC技术的及时预警性。因此在实际的半导体晶圆制造厂中是利用计算机辅助SPC技术来实现质量控制的。
    3.2计算机辅助SPC系统
    SPC系统主要通过对生产过程中的产品质量数据进行在线、离线的采集，实现对生产质量有关的数据进行及时、准确、有效的处理和统计分析，使质量人员能在生产过程中及时掌握产品质量的动态，及时反馈控制，终达到企业保证生产质量、降低生产成本的目的。
    整个计算机辅助SPC系统包括SPC数据采集网络系统和数据分析系统两个部分：
    3.2.1数据采集网络系统
    以客户/服务器结构(C/S结构)为基本模型，包括数据库服务器，数据采集/监控站点，SPC监控分析站点,SPC监控查询站点，SPC异常报警装置，基于B/S(Browser/Server)结构的远程质量查询站点（选配）,SPC控制图异常回馈装置等几大组成部分。
    从模型可以看出，数据采集是以设备自动采集为主和人工键盘输入为辅两种可并发的数据采集方式，极大的加强了采集数据的及时性。这些采集到的数据将存储在SPC数据库服务器中并由SPC监控和分析点对这些数据进行分析，同时把结果反馈到SPC回馈调整装置或报警装置来监控生产工艺过程。
    3.2.2数据分析系统模型
    SPC分析系统（如图2）可提供十几种控制或监视图表，计量型图表有均值－级差图（X－R图），均值－标准差图（X－S图），单值－移动极差图（X－MR图），运行图，指数加权移动均值图（EWMA图）等等，计数型图表包括不合格品率图（P图），不合格品数图（Pn图），单位缺陷图（u图）等，还有排列图，直方图等，同时可提供大量统计参数值：总体均值，总体标准差，样本均值，样本标准差，Cp，Cpk，Cpl，Cpu，直方图偏斜指数（Skewness），陡度指数（Kurtosis）等。数据查询、总体监控、现场监控、异常都可通过控制图表和各统计参数来表达，通过这些可以帮助用户从不同的视角去监控过程状态，及时发现问题，解决问题。
    3.3SPC技术流程
    SPC技术主要是应用数理统计分析手段，解决与质量管理相关的技术问题，基本技术流程。
    在SPC技术流程应注意：
    （1）关键工艺过程节点及关键工艺参数的确定，即确定氧化，淀积，刻蚀，扩散，离子注入，光刻等。
    （2）工艺参数数据采集，即采集材料参数，
    握生产工艺运行情况，我们还须往意几个问题：
    （1）一般情况下，需要积累多于25组数据才能进行SPC分析，每组数据不少于5个，在日常生产中，应保持数据采集的连续性，并对每组数据进行SPC分析，控制图反映的过程可能有好的的异常，也可能有坏的异常，而这些异常都说明工艺过程发生了变化，均应进行质量分析，采取措施，直到确认工艺过程又处于统计受控状态。
    （2）输人计算机的数据必须及时真实可靠，不得进行人为筛选；
    （3）在数据波动比较大时，注意分析原材料、设备和环境等因素，避免盲目改变工艺条件，以免出现浪费。