管理人员应该问但不经常问的问题： 1. ; 当你有这个数据时你会做什么决定？
2. ; 标准是针对原始数据还是统计汇总设置的？
3. ; 基于决定你将采取哪些措施？
4. ; 我们为什么需要收集这些数据？
5. ; 什么时候我们回顾抽样计划，看我们对数据的需求是否已经发生了变化？
在不完美的世界里试图发展完美的抽样策略是不容易的，尤其是在监控成本越来越被怀疑是没有附加价值的情况下。然而，这恰恰是原因所在，对于今天的晶圆厂（fab）来说，获得实用可操作的并且随着产品生命周期而调整的抽样策略非常关键。Hewlett-Packard公司研发部门的Kathy Hall调查了确定样本大小的问题，她在由Sematech主办，于奥斯汀召开的第一届ISMI（国际Sematech制造联盟）半导体生产效率年会上报告了她的发现。
采用教科书上的抽样方法的主要问题在于，这些方法与策略一般建立在缺陷的标准正态分布基础上。不幸的是，缺陷通常是随时间、地点和起因随机分布。它们可以聚集成团，也可以相互独立。针对于这种特点，按照Hall的观点，目标就是估计具有最小偏差的母体参数。然而，商业现实中是会有时间相关或者互相关联的事件。它们具有空间的、嵌套效应。因此，快速地做出结论比估计参数更重要。
因此测量专家或者统计学家必须承担一些管理责任，在数据的基础上，对于要采取的行动问一些重要的问题。比如：为什么要收集这些数据，什么时候对抽样方案进行回顾或者修改（见方框）。换句话说，分析提炼数据的重要性是整个过程中最重要的步骤。
数据分析量的变化会贯穿产品的整个生命周期，从设想到研发、原型、投产以及量产，最后到成熟阶段。在设想阶段，要收集大量的数据以便观察其特点，理解需要什么样的数据，决定如何收集这些数据。在研发阶段，测量方法经常会与产品和工艺一起开发。有时“测量一切”的想法会占据上风，这通常是因为不清楚哪个因素重要。进入到原型阶段后，工程师聚焦于数据以便完善测量方法，检测并去除空间问题，表征并优化工艺。
一旦产品进入量产阶段，数据量经常会急剧下降。这时，优先级会从工艺优化与表征转移到以需要为基础的抽样中去。实施抽样是为了工艺控制和维持工艺的稳定。这样做是为了获得自适应控制和满足调整需要。这时，就不需要测试的阶段和探索新的参数了。
当然，在生产运行中还是需要测量设备处于最佳性能。因此，该设备的测量偏差必须被量化，并且要让所有的使用者了解这种偏差。整个测量系统中，也要了解设备与设备间的偏差。鉴别和排除来自于操作台、晶圆位置的空间测量效应也是非常关键的。
在工艺的研发和特性表征中，要进行基本设备的特性描述，工艺菜单的研发和优化。我们必须改进晶圆和设备特定区域的问题，能够确定成份的变动，同时也应该确定控制方案（自适应控制，过程控制）。因为产能始终是个问题，所以确定产量的时间和利用方面也很重要。
抽样的随机性也不应该忽视。随着工艺的成熟，需要更少的测量，并且是针对稳定性进行监测，而不是为了获得理解。在成熟量产阶段，工艺很少发生变化，因此需要控制的东西很少，很多变量不会影响产品性能。基于这些原因，Hall建议对于基线监测实行低频率的、泛泛的审查。她告诫大家不要以为失效随机地发生于单个部件。她指出，失效经常与设备寿命相关联，随之而来的便是维护保养的过程。
最后，抽样策略一定要考虑失效模式、抽样的动机、可能的后续措施以及空间模式。核实单个芯片的规范而不是一个统计汇总的规范，这一点很重要。Hall强调测试人员应该知道测量误差的影响。她也认同企业管理文化的重要性，同时强调要问正确的问题。“你想知道需要多少样本能满足固定的标准吗？或者，你想使有用的信息数量最大化，得到测量设备的产能和具有竞争力的商业的需求吗？” ;
;
来源:半导体国际 作者:Laura Peters，Semiconductor International高级编辑 时间:2005/5/14 0:00:00
