半导体失效分析最常见的误区，是把所有数据汇总到一个平均值后再寻找相关性。失效可能集中在特定 Lot、Wafer、Die 区域、机台、腔体、测试 Site 或时间窗口。层级被压平后，真正的异常群体反而会消失。
先建立可追溯的数据层级
建议保留 Lot、Wafer、Die、测试项和失效模式等层级字段，并通过设备、工序、时间与产品版本关联上游数据。不同系统的粒度不一致时，不要直接做多对多拼接，应先定义每张表的主键、时间窗口和聚合规则。
| 数据层级 | 常见问题 | 可关联信息 |
|---|---|---|
| Lot | 是否集中在特定批次或来料 | 产品、材料、工艺路线与时间 |
| Wafer | 是否存在边缘、中心、条带或局部空间模式 | 设备、腔体、工序与缺陷检测 |
| Die | 哪些位置和测试项共同失效 | 坐标、Bin、电性参数和测试 Site |
| 失效模式 | 不同模式是否来自同一来源 | FA 结论、缺陷类别和后续可靠性结果 |
从异常群体出发，而不是先猜原因
- 按失效模式、Bin 或关键测试指标筛出异常群体。
- 使用标记让 Wafer Map、分布图、趋势图和明细表同步联动。
- 比较异常与正常群体在设备、工艺、批次、Site 和时间上的差异。
- 检查差异是否只出现在某一层级，避免总体平均掩盖局部异常。
- 形成需要回到实验室、设备或工艺现场验证的假设清单。
哪些图适合回答哪些问题？
- Wafer Map：判断失效是否具有空间结构。
- 箱线图或分布图：比较批次、设备、腔体或 Site 的参数差异。
- 趋势图：判断异常是突发、漂移还是周期性出现。
- Pareto 与明细表：确定主要失效模式并保留记录级证据。
相关性不能直接等同于根因
Spotfire 可以帮助工程团队快速缩小范围、比较群体并保存分析路径，但统计关联只是排查线索。最终根因仍需结合物理失效分析、工艺机理、设备检查或受控试验验证。
实施边界：数据权限、字段含义、测试程序版本和时间对齐规则必须先由业务与 IT 共同确认。若不同系统使用不同 Lot、Wafer 或设备编码，应先建立映射表，不能依赖模糊匹配生成结论。
结论
有效的失效分析不是把更多数据塞进一张图，而是保留正确层级，从异常群体逐步追溯到可验证的设备、工艺和物理机制。
官方参考
本文基于元同数联既有行业内容重新组织，并结合 Spotfire 官方资料核对。具体功能、许可和数据接入方式以当前版本及实际部署环境为准。