一、背景故事：三个项目，两个烂尾2024年我所在的良率工程部一共立了三个良率提升项目。到年底复盘的时候，只有一个走完了全流程并通过效益确认，另外两个的状态可以用「烂尾」来形容：一个做到实验阶段就停了，因为负责人调岗，接手的人看不懂之前的实验记录；另一个更尴尬，参数改了、良率也确实上去了，但三个月后再看，良率悄悄回到了改善前的水平，没有人知道是什么时候退回去的。当时部门的判断是「技术能力不足」，于是安排了一系列统计学和DOE的培训。培训确实有用，但第二年的项目成功率并没有明显改善。我们后来做了一次深度复盘，把过去两年八个项目的全部文档翻出来逐个分析，发现真正的失败原因几乎都不在技术层面。八个项目里，有三个的失败点在立项阶段：目标定义模糊（写的是「提升良率」，没写提升到多少、什么时候、用什么口径衡量），导致后期无法判断到底算不算成功。有两个的失败点在基线阶段：改善前的数据没有锁定，等到要汇报成果时，才发现基线期和改善期的产品组合、设备配置都变了，良率的变化到底是改善带来的还是产品结构变化带来的，说不清楚。还有两个失败点在收尾阶段：技术方案有效，但没有固化到SOP和控制系统里，项目组一解散，参数就慢慢漂回去了。真正因为技术方案本身无效而失败的，八个里只有一个。这个复盘结论让我们意识到：良率提升是一个项目管理问题，技术只是其中一个环节，而且往往不是最薄弱的那个环节。本文要分享的就是我们在这次复盘之后重建的一套项目管理方法，以及用这套方法执行的一个完整案例。这个案例把某个产品族的综合良率从88.6%提升到94.2%，并且在90天保持期内没有回落。二、技术原理：门径管理与统计化验证的结合我们采用的框架是门径管理（Stage-Gate）与统计化验证相结合。门径管理来自产品开发领域，核心思想是把项目切成若干阶段，每个阶段结束时设置一个「门」（Gate），只有满足预设标准才能进入下一阶段，否则必须返工或终止。2.1为什么良率项目需要门径管理良率提升项目有三个特点，使得它特别适合门径管理。第一是不确定性高：立项时往往并不知道根因在哪，需要边做边收敛，如果一开始就投入全部资源，方向错了损失很大。门径管理允许在早期用小投入验证方向，方向对了再加码。第二是跨部门依赖强：良率问题的解决几乎必然涉及工艺、设备、品质、生产多个部门，每个阶段门都是一次跨部门对齐的机会，避免出现工艺组改了参数、设备组不知道、品质组没更新检验标准的脱节。第三是容易半途而废：良率项目周期长（通常三到六个月），中间必然遇到量产插单、设备故障、人员变动等干扰。阶段门形成了一个个明确的检查点，让项目进展变得可见，不容易在无声无息中停摆。2.2统计化验证：什么叫做「确认有效」良率项目最容易出问题的地方，是把随机波动当成改善效果。假设某产品良率的批次间标准差是1.2个百分点，你改了个参数，之后连续跑了5个批次，平均良率高了0.8个点，这能说明改善有效吗？答案是不能。5个批次的样本量下，0.8个点的差异完全在正常波动范围内。我们的内部规定是：任何声称有效的改善，必须满足三个条件。第一，样本量满足功效分析要求。以检出0.5个百分点的差异、标准差1.2、检验功效80%、显著性水平0.05计算，每组需要约36个批次，因此我们把「连续30批次」定为最低门槛，并在功效不足时明确标注结论的局限性。第二，通过假设检验。两组数据用双样本t检验（若正态性不成立则用Mann-Whitney检验），p值小于0.05才认可差异显著。第三，排除混杂因素。要确认改善期和基线期在产品组合、设备配置、原材料批号、操作班组这几个维度上没有系统性差异，否则要用分层分析或协方差分析来剥离影响。2.3基线锁定：项目管理里最被低估的一步基线锁定的意思是，在项目开始前，把「改善前的状态是什么」用数据固定下来，并且书面确认，各方签字。这一步之所以重要，是因为项目结束时的效益核算完全依赖它。如果基线不清，最后的成果就成了各说各话。基线锁定至少要包含五项内容：一是时间窗（明确取哪一段时间的数据，一般不少于连续三个月或30个批次）；二是数据口径（良率怎么算、含不含工程片、按投料还是出站归属）；三是范围界定（哪些产品、哪些设备、哪些工艺段在范围内）；四是量测系统状态（MSA结果，确认量测本身可信）；五是环境条件记录（当期的设备配置、原材料供应商、班组安排等，作为后续对比的参照）。三、现状分析：立项前的损失归因现在进入具体案例。这个项目针对的是某40nm逻辑产品族，该产品族月投片量约8000片，立项前六个月的综合良率在87%到90%之间波动，平均88.6%，而同类产品的行业参考水平在93%以上，差距明显。图2：立项时的损失归因帕累托图。前三项占累计损失的68%，本项目最终锁定薄膜厚度不均与光刻套刻偏移两个方向，覆盖约55%的可改善空间。3.1归因方法与数据准备我们做的第一件事是损失归因，也就是把损失的晶圆分配到具体的失效模式上。数据来源是六个月的全部电性测试（CP）失效数据和缺陷检查（ADC）分类结果，通过批次号关联到工艺历史，再由工艺工程师逐一判定主责工序。这个过程花了三周，其中大部分时间用在处理归因不明确的批次上。归因过程有两个技术要点。第一是多重归因的处理：一片晶圆可能同时存在两种缺陷，我们的规则是按主导失效模式单一归属，如果无法判断主导，则该批次进入「待定」池，不参与帕累托计算但单独统计数量。本案例中待定批次占比7.3%，在可接受范围内。第二是损失口径的统一：我们用「损失晶圆数」而不是「良率百分点」作为帕累托的纵轴，因为不同批次的投片量不同，用百分点会失真。损失晶圆数可以直接换算成金额，也便于后续和财务口径对齐。3.2归因结果如图2所示，六个月累计损失1261片晶圆，前三项失效模式（薄膜厚度不均412片、光刻套刻偏移287片、刻蚀关键尺寸超差196片）合计占68%。按照帕累托原则，改善资源应该集中在这三项上。但我们在立项时只选了前两项，把刻蚀关键尺寸超差排除在外。原因是刻蚀设备正在进行一次原厂主导的硬件升级，升级期间参数会大幅调整，此时做DOE的结论无法沿用。这个决定体现了一个原则：帕累托只是筛选的起点，还要结合技术可行性和资源约束做最终判断，不能机械照搬。四、瓶颈问题：良率项目最常见的五种失控方式4.1目标模糊：没有可判定的成功标准典型表现是项目章程里写着「显著提升产品良率」。什么叫显著？提升多少算达标？用什么口径衡量？什么时候验收？这些不明确，项目就永远无法宣告成功或失败，最后变成一个持续消耗资源却没有结论的黑洞。我们的要求是目标必须写成可判定的形式：「在2026年3月31日前，将XX产品族按出站口径计算的月度综合良率从基线88.6%提升至93.0%以上，并在随后90天内保持不低于92.5%」。