生产缺陷调查与设备匹配诊断：
两种比较，两种目标

两种场景，都需要比较

看到晶圆上的缺陷分布变化，第一件事是明确要回答的问题：是在追查异常从哪里引入，还是在验证一台设备是否与合格参考匹配？一组晶圆的加工经历提供线索，合适的对照才能帮助判断哪些差异值得继续查。

生产缺陷调查：从异常组找共同差异

先定义异常对象与现象：哪些晶圆、哪一种缺陷、哪个区域、从什么时候开始变化。异常组内部的共同加工经历是起点，还要与没有出现同类异常的可比对象对照。

1. 确认变化真实存在。核对检测 Recipe、灵敏度、分类、检视范围与图像对齐。比较计数时同时核对检视面积；必要时比较密度和形貌，避免把检测变化当成工艺变化。
2. 选择能够回答问题的对照。例如同产品与层别的正常组、异常发生前的稳定批次、同期其他腔室，或具备可比检测条件的同片前后图像。不同对照回答不同问题。
3. 对比加工经历。沿工步顺序核查 Tool / Chamber、Recipe 版本、实际过程信号、时间与维护记录。关注异常组与正常组之间的共同差异，而不只列出异常组使用过哪些设备。
4. 验证候选解释。选择能够支持或削弱某种解释的检查，更新证据与缺口；需要现场动作时，由工程团队评审并按现有流程执行。

“跨工步比较”也需要保留批次、晶圆和先后顺序。针对 good–bad wafer 诊断的研究讨论了这些数据结构及参考选择的重要性；这为比较框架提供背景，不代表 WaferPilot 已实现该论文算法。参见 ASMC 2025 研究。

例子：一批晶圆的外圈缺陷增加

如果异常组多数经过 Chamber B，还不能直接归因于 B。它们可能同时使用了不同的上游工艺、来料或检测条件。可以先比较 B 异常前的批次、同期可比的其他腔室，再核对关键工步前后的检测与设备履历。

合适的交付是“当前哪些证据支持优先核查 B，哪些替代解释尚未排除，以及用什么检查区分它们”。参考对象可以随新证据调整，但应记录选择原因；不能为了得到预期答案而随意更换对照。

设备匹配诊断：先明确合格参考

在这里，工程团队通常已知道要与什么匹配：一台合格的 golden 设备、一组参考腔室，或经确认的工艺结果分布。新设备导入是其中一种使用情形，维修后复机、腔室间匹配和工艺转移也可能需要这类比较。新设备工艺验证的范围更广：除匹配任务，还要按约定指标核查稳定性及与现有工艺流程的兼容性，结合跨批次结果、量测与加工记录评价，不能仅由一组图像差异判断。

1. 约定参考与判据。明确产品、层别、输入条件、参考版本，以及要比较的缺陷、膜厚、均匀性、CD 或其他相关指标。合格由适用的工程标准决定。
2. 在可比条件下比较。对照测片与参考片的空间分布、形貌、相关量测和实际过程信号。Recipe 名称相同，不意味着实际设备状态或过程轨迹相同。
3. 定位偏离的维度。是整体偏移、边缘差异、局部模式、波动变大，还是某个过程阶段的信号不同？先量化差异，再关联设备与工艺背景。
4. 提出核查与回验方案。把偏离位置、候选解释、支持依据及验证方法交给工程团队；调整后仍按约定标准回验。

设备匹配研究常将这一问题称为 tool-to-tool matching 或 chamber matching，并讨论 golden 参考难以获得时的其他方法。因此，“明确参考”是本文选用的场景，并非所有匹配方法的必要前提。参见设备匹配研究。

例子：新腔室的测片偏离 golden 分布

先确认测片与参考的输入、工艺和检测条件可比，再检查差异集中在哪个区域、是否同时出现在相关量测与过程信号中。交付应说明哪些指标偏离了允许范围、优先检查哪些条件，以及如何回验。图像上某类缺陷较少，并不单独证明设备整体通过验收。

设备漂移：把时间加入比较

设备匹配看“这台设备相对参考是否一致”；设备漂移更关注“同一设备的表现，是否随时间离开已经建立的稳定基线”。基线可来自这台设备的合格历史，也可结合可比参考腔室。

调查时需要把缺陷与量测变化，和 Recipe、实际过程信号、维护、耗材及检测条件的时间线对齐。先区分渐变、突变和输入或检测条件变化，再决定下一步核查。现有 FDC 平台也提供过程偏移、参数漂移与维护事件分析，Agent 应利用这些材料与已有工具协作。参见 PDF Solutions Process Control。

因此，设备漂移可以触发生产缺陷调查，也可以触发重新匹配。新设备导入、设备匹配与设备漂移彼此相关，但含义不同。

先建立比较口径，再选择算法

两种调查共享一个基础：把对象、来源和比较条件说清楚。每次比较至少需要记录以下信息。

• 对象与经历：晶圆与批次身份、产品与层别、工步顺序、设备与腔室，以及对应时间。
• 工艺与检测条件：加工 Recipe 和版本、实际过程信号、检测 Recipe 与版本、灵敏度、分类规则及检视面积。
• 参考与判据：为什么选这一组作对照，哪些条件一致，哪些不同；异常或匹配的评价标准是什么。
• 不确定性：样本是否足够，批次或腔室分组是否影响统计判断，有哪些混杂因素和未取得的记录。

统计比较、空间分析、时间序列、关联分析和模型可以按问题选用。发现可重复的差异、建立关联与确认因果，是不同程度的判断；算法结果需要放回工程条件中解释。物理排查、受控对照、DOE 或回验，可能是后续验证的不同选择。

不必每次都先训练 CNN，也不能只靠一张图或一项相关系数定位某个参数。选择方法的依据，是它能否回答当前问题、区分候选解释，以及输入是否支持这种判断。

同一条调查流程，不同的交付重点

两者可以共享“发现与核查 → 候选解释 → 区分性检查 → 证据评审 → 验证建议”的流程。Agent 的目标是整理已有图像和记录，保留参考选择、方法与结果，把新证据带回同一次调查。

当前已验证演示从固定单片巡查及已有分析解读开始；跨组比较、持续假设检验与工程验证回流，需要按具体场景接入数据和工具并完成验证。可以先选一个已有案例，约定参考、可用输入和评审标准，再判断哪些环节值得自动化。