實用SPC-批次控制圖的研究

北京京東方顯示技術有限公司 黨亮英 徐習亮 包遠福 王 丹 邱錦堂 谷洪垚

液晶產品的質量會受到關鍵質量特性的影響，穩定的過程質量特性能提升產品品質。監控過程質量特性是否穩定，要以過程特性的生產特點、過程本身的能力，構建合適的過程監控體系，過程監控以報警準確為第一要義，既不能操之過急，采用過于嚴格的方式導致報警太多，影響正常生產；又不能過松，過程已發生偏移，卻未及時報警。本文針對TFT-LCD生產過程的特定應用場景，提出適用的計算控制限的方法：批次控制圖法。以趨勢化的理念，數據驅動，內循環更新，用歷史數據識別未來批次差異，預防批次性不良，提升過程穩定性。

SPC是統計過程控制，統計（Statistical）：利用統計方法幫助我們分析和改進過程；過程（Process）：SPC適用于有計劃的、且重復批量生產的過程；控制（Control）：觀察產生的變異和過程的變化，尋求根本原因，避免今后產生類似的現象。SPC的原理是應用統計技術對過程中的各個階段進行評估和監控，從而達到改進和保證產品質量的目的。SPC的組成包括①控制圖：分析過程的穩定性，對過程存在的異常因素進行預警，從根本上預防和減少不合格品的產生；②過程能力分析：分析穩定的過程能力滿足技術要求的程度，對過程質量進行評價。控制圖是對過程質量特性值進行測定、記錄、評估，從而觀察過程是否處于控制狀態的一種用統計方法設計的圖。它能夠直觀的看到產品質量特性的變化。經驗和理論分析表明（中心極限定理），當生產過程僅存在偶波時，質量特性形成某種典型分布（正態分布），正態分布中重要事實：不論μ、σ如何取值，落在【μ-3σ，μ+3σ】范圍的概率為99.73%；統計過程控制理論（SPC）奠基人休哈特正是利用此特性，提出了控制圖。并把只有偶然波動，沒有異常波動的狀態，稱為統計控制狀態。導致產品質量變異的因素中，根據對產品質量影響的大小和性質，可劃分為兩大類：隨機因素和異常因素。常規控制圖是區分偶然因素與異常因素的圖。

1 TFT質量特性的特點及應用傳統控制圖的難點

TFT行業關鍵質量特性有如下特點：TFT基板為2200mm×2500mm大玻璃，需在玻璃基板上進行涂覆曝光顯影等工序，從而形成有用的圖形、圖案、電路等關鍵溝道，這些圖案對液晶屏的顯示至關重要。為了確保良好的產品品質，我們需對關鍵工序的膜層涂覆厚度、寬度、電阻值、透過率等重要特性實施過程控制圖管控。以某關鍵膜層厚度的監控為例：數據采集方式為：通過密集點測試，選擇有代表性的42個點為測量點位，以一定的周期比如80張基板抽一張的頻率進行數據采集，可以構建Xbar-S控制圖，副圖S圖識別組內差異，即一張Glass內的均一性，主圖Xbar圖識別組間差異，Glass均值的波動。理論上這樣的方法沒有問題，但是當實際應用時，發現一個重大問題，控制限窄、報警率高，而過程能力也可達到Cpk≥1.33的理論標準。基于這樣的狀況，過程較為穩定，但算出來的控制限在實踐應用中報警過多，給工廠生產造成諸多困擾。應運而生的解決方法為人為設置控制限，比如以1/2或者1/3的規格限作為控制圖的控制限，屬于經驗值。但是這違背了SPC控制圖中以數據計算控制限的基礎理論，這種管理方式為一種內控管理。內控管理是傳統控制圖在TFT質量特性中的特殊應用。

2 內控管理的痛點及批次控制圖的提出

內控管理的痛點主要有三點：第一點是現有SPC系統管控為同一型號同時展現，未合理拆分，未考慮設備別等影響，無法精準體現變化趨勢。第二點是控制限為固定值，不以過程實際數據為依據，不利于合理有效管控。第三點是標準差管控圖未設置控制限。核心痛點為內控管理控制限是經驗值設定，無法根據過程表現做到精準報警，對于有的過程特性可能過于嚴苛，對于有的特性又過于寬松。基于這樣的背景，綜合TFT生產特點，依據市場及生產需要，1個型號生產一段時間就會切換其他型號，過段時間又會再切換回來，循環往復。TFT是自動化生產，每次切線需要按照型號對設備參數等一系列進行調整，通過對大量質量特性的數據調研發現，每次切線后的同一批生產是相對穩定的一個過程，對批次內數據采用傳統控制圖制圖，僅有極個別點出界。但是當把各個批放在一起繪制控制圖所形成的控制限則有很多的報警點，但是所收集的數據時間段，經過反復探討過程無異常。那么回到應用控制圖的初心：識別異常波動；TFT的生產特點也決定了要么整批異常，要么整批無問題，為了預防批次性異常，我們提出了批次控制圖的概念，旨在通過批次控制圖的方法計算出合理控制限，從而應用于過程監控。

3 批次控制圖的算法

批次控制圖的提出意在形成科學合理的控制限，旨在解決內控限是經驗值——未考慮特性數據的實際波動情況，不是按照數據算出來的；采用傳統控制圖則控制限過窄，報警過多。

批次控制圖的算法如下：以某型號的PSHT特性為例，收集過程無異常的6個月數據，首先了解六個月數據的過程能力Cpk=2.12＞1.67，數據整體近似正態，如圖1所示，主圖是每張基板32個測試點位的均值的變化趨勢，副圖是每張基板標準差的變化趨勢。主圖中藍色線為產品規格限。

圖1 原始數據波動圖

其次對6個月數據劃分批次，劃分原則為：數據采集間隔≥12h為一個新的批次。按照傳統休哈特控制圖方法計算每批次內數據的上、下控制限、均值，如圖2中每批次內的紅色線為批次UCL和LCL，綠色線為批次均值。可看出較為明顯的批次差異，批次內數據較為穩定。若對六個月數據采用傳統控制圖計算上下控制限如圖2所示藍色線，則整體報警數多達95個。比如1月第4批有超一半的數據會出界，這與實際相結合就有些不合理。

圖2 傳統控制圖

接下來選定控制限：以3個月為周期，CL選Target；LCL選各批次最小值；UCL選各批次最大值；如圖3所示。

圖3 選定控制限

至此，我們可以獲得此特性以歷史數據計算出來的控制限如表1所示，導入系統用于過程監控。

4 批次控制圖的應用場景

采用批次控制圖法計算控制限在應用時需考慮以下方面：一、特性生產過程產品型號不連續，切換線頻繁，切換線后需進行設備參數、材料等調整和確認。二、以型號別應用統計工具進行差異源分析，包括線別、設備別、單元別、批次別等進行分析，若能找到顯著的批次差異，比如分線體的批次差異，分設備的批次差異，或者型號別批次差異，依據抽樣方式可構建批次I-MR，批次Xbar-S等類別的控制圖；三、評估歷史各批次生產有無特別異常，比如采用Cpk≥1.33的方式去評估，單批次過程能力不達到1.33的批次棄用；四、基于以上三點運用批次控制圖法計算出控制用控制限，用在過程監控中。

5 批次控制圖的應用及效果

5.1 案例1：批次控制圖精準識別差異，預防批次性差異

3月批次某型號CT高發AD，分析為Channel Bridge，存在設備別，2S03（4.5%）＞2S02（0.9%），影響4月某方面良率下降0.6%；確認2S03設備某特性值較2S02略高；應用批次控制圖的方法針對上述型號和特性的3月以前歷史數據計算科學合理控制限，如圖4所示，所形成的控制限，可以有效防止3月批次性高發。

圖4 批次控制圖

5.2 案例2：針對某型號BM CD特性采用批次控制圖法形成控制限（如圖5所示）

圖5 改善前的批次控制圖

較原內控限略有收嚴，詳細數據見表1中的改善前數據。以此數據應用于實際監控。數據驅動構建的控制限拉動了過程改進。經過幾個月對過程的改善。我們收集同線體各措施導入后3個月數據，再次構建批次控制圖，如圖6所示，可以明顯看到批次內數據較改善前更穩定，批次間差異較改善前大幅縮小。通過表2所示的表格數據可以看到改善后控制限較改善前大幅降低。

圖6 改善后的批次控制圖

表2 改善前后控制限變化

綜上所述，批次控制圖在特定的應用場景下，構建的控制限更適合于生產過程監控，以趨勢理念判定過程是否穩定。以數據驅動，識別新批次與原生產條件差異性，以優秀的歷史數據約束未來的生產過程，減少批次波動。穩定的過程是批量重復生產過程執著的追求。