工艺参数完全相同，为什么结果反而更差

某半导体厂的CMP（Chemical Mechanical Planarization，化学机械平坦化）工序，工程师把Head（承载头）转速和Platen（抛光盘）转速都设成60 RPM，心想“完全同步，均匀性应该最好“。结果晶圆边缘厚度变化反而比59/60 RPM时更大。

直觉上，两个转速完全相同，晶圆各位置的相对速度应该最均匀。但在实际工况中，完全相同反而可能导致接触轨迹不断重复——某个区域长期接触相似的抛光垫状态，局部差异以系统性误差的形式累积下来。

理想模型和实际工况的差距

CMP中材料去除遵循简化的Preston关系：MRR（Material Removal Rate，材料去除速率）=K×P×V，其中K是经验系数，P是抛光压力，V是相对速度。相对速度不同，局部去除量也不同——所以转速设计首先要影响的不是“设备转得快不快“，而是晶圆每个位置实际经历了多大的相对滑动速度。

理想模型中，当两个转速完全相同时，晶圆中心到边缘的相对速度恒定，均匀性最优。但真实抛光垫不是数学平面——它有沟槽、孔隙、微观凸起、局部磨损和温度差。如果转速严格同速，晶圆相对于抛光垫的轨迹可能不断重复为相同圆弧，局部Pad（抛光垫）状态差异就以系统性误差保留下来。

参数优化不是找“最优单点“

保留一个较小的转速差后，Head与Platen之间产生缓慢的相位漂移，晶圆相对于抛光垫的轨迹不再每圈重合，而是逐渐铺开，形成更密集的螺旋状覆盖。这种“空间平均“效应让局部Pad差异被分散到整个晶圆上，而不是集中在某个区域。

但转速差也不能太大——差得越多，晶圆中心和边缘的相对速度差就越大，面内均匀性会恶化。真正的工程问题是在“瞬时速度均匀“和“长时间轨迹平均“之间找平衡——不是追求某个“最优单点“，而是找到一个可操作的参数窗口。

这个逻辑适用于所有多参数工艺：注塑的保压压力和时间、焊接的电流和速度、CNC（Computer Numerical Control，计算机数控）加工的进给和转速。单独看每个参数都有“最优值“，但组合在一起可能互相矛盾——只有通过实验设计才能找到真正的最优窗口。

DOE怎么帮你找窗口

传统做法是调一个参数试一次，看到结果好就锁定——但这个“好“可能只在那一次条件下成立，换个批次就不灵了。DOE（Design of Experiments，实验设计）的做法是同时考虑多个参数，用统计方法识别哪些参数显著、参数间有没有交互效应、最优组合在哪。

图：OFAT串行试错与DOE系统实验设计对比

用SPSSPRO QM这款质量管理统计工具做DOE，输入因素和水平后自动生成实验矩阵，实验数据录入后一键输出响应曲面和等值线图——参数窗口的边界在哪里、哪个区域是“安全区“、哪个区域是“悬崖边“，图形化展示一目了然。不用反复试产，用最少的实验次数拿到最有价值的信息。找到窗口后，SPSSPRO QM的SPC控制图还能持续监控关键参数是否稳定在窗口内，一旦偏移立即预警——从“找到最优“到“守住最优“，一个平台全搞定。

即刻联系，开启你的数智化质量管理统计之路吧！