芯片制造中，一旦出现良率问题，部门间互相“甩锅”几乎是常态。面对刻蚀后“满天星”般的缺陷，如何跳出罗生门，快速锁定真凶？这篇内容通过一个真实的Fab案例，展示了如何运用共性分析，在繁杂的流程中精准定位问题根源，让数据说话，有效提升良率。
智能速览
芯片制造中刻蚀后出现“满天星”缺陷，引发部门责任争议。
利用共性分析法，通过对比好坏产品来快速锁定问题来源。
该方法无需切片或进厂，高效排查数十台设备与上千步操作。
案例最终发现，真凶并非昂贵的设备，而是一个被忽略的小零件。
精华内容
在复杂的半导体制造流程中，如何从上千个步骤和几十台设备里揪出导致良率下降的“元凶”？共性分析法提供了一种高效且精准的解题思路，它将看似混乱的问题变得有迹可循。
罗生门现场
Fab里出现“满天星”缺陷，刻蚀（Etch）工程师归咎于来料，光刻工程师则确认自己的显影环节没有问题。这种下游出问题、上游被怀疑的“甩锅”场景，是良率工程师日常工作中非常棘手的开端，尤其是在涉及高昂设备停机风险时。
共性分析法
问题的突破口在于采用共性分析法。该方法的核心是“好坏对比”，即同时分析良品与不良品。通过对比两种晶圆在经过不同机台、不同工艺步骤后的数据差异，可以快速缩小问题范围。这种方法的优势在于它不依赖于物理切片，也不需要大规模停机检查，就能在30多台核心设备和数千步操作中，快速定位到最可疑的环节。
锁定真凶
经过数据分析，矛头最初指向了价值数千万的光刻机。但进一步的共性分析结果显示，问题并非出在光刻机本身，而是其一个不起眼的小零件上。这个结论反转了最初的猜测，避免了代价高昂的设备误判。通过数据层层剥离，最终精准地将责任归结到这个具体零件上，问题得以高效解决。
实战价值
共性分析法的价值在于其系统性和效率。它将良率问题从“互相猜疑”转变为“数据说话”的科学流程。尤其对于一些难以探测的缺陷或由多因素共同导致的问题，该方法能提供清晰的排查路径。不过，专家也指出，此方法更适用于特定机台导致的问题，若缺陷本身就难以探测，或是工艺本身的设计缺陷，排查难度会显著增加。
面对日益复杂的芯片制造工艺，传统凭经验排查问题的方式已难以为继。共性分析这类数据驱动的方法，为提升良率、降低成本提供了新思路。它让工程师从“救火队员”变成了“侦探”，但最终，如何将这些方法论融入日常流程，构建更稳健的质量体系，或许是更值得深思的议题。
关键评论
有从业者指出，用共性分析定位机台问题并通知停机，只是最基础的操作，真正的难点在于探测不到的缺陷和工艺本身的问题。
许多Fab工程师感叹，文中理想化的排查流程在现实中能遇到百分之一都算幸运，反映出理论与实际的差距。
面对紧急的良率问题，评论区也有人调侃，难道非要等到开完会才想起来用共性分析方法吗？
