报告名称：AR（Active Area Reverse）fin cut工艺参数与表征指标数据分析报告
版本：V1.0
日期：2025-09-05
编制人：李晓睿
审核人：[姓名/部门]
1. 数据收集报告
1.1 数据来源
- 来源：AR（AA Reverse）fin cut工艺实验（设备型号：Lam Flex® 刻蚀平台，名称：[补充实际设备名称]，时间段：2025.1-2025.6）；
- 数据类型：包含工艺配方数据（Recipe）与表征指标数据（Spec），具体为C1292-G1-AR-R10、C1292-G1-AR-R18等系列Recipe数据文件；
- 收集方式：工艺参数（如压力、功率、气体流量）由生产系统Recipe模块自动记录，经工艺员手动导出；表征指标（如TCD、Depth）由KLA-Tencor的CD-SEM、TEM设备检测获取。
1.2 数据量统计
- 样本量：原始Recipe样本40条，经筛选清洗后有效样本38条（剔除2条关键指标缺失严重样本）；
- 字段数：原始工艺参数字段56个，筛选后保留核心有效字段35个；表征指标字段5个（TCD、Depth、SiNSWA、SOCremain、Maskremain）；
- 数据权限与合规性：数据属N8产线内部工艺研发数据，访问权限仅限项目相关成员，符合公司数据安全规范。
1.3 未获取数据说明
- 部分Recipe存在个别表征指标缺失：SOCremain缺失1条（40条样本中39条有效）、SiNSWA缺失2条（40条样本中38条有效），原因是检测设备临时校准或样本抽检遗漏；
- 影响评估：缺失数据量占比≤5%，且为随机缺失，通过填充默认值或插值处理后，对建模影响较小，不会扭曲核心工艺规律。
2. 数据描述报告
2.1 整体概况
- 数据覆盖范围：涵盖SiArc、SOC、DEP、ME1-ME3、SRFdown1-SRFdown2、DEP1-DEP2等12个核心刻蚀步骤的工艺参数，及5个关键表征指标；
- 核心参数范围（原始数据）：
- 工艺时间：SiArc#ProcessTime 55-90s、SOC#ProcessTime 45-190s、DEP#ProcessTime 0-15s、ME1#ProcessTime 7-28s、DEP1#ProcessTime 0-6s、ME2#ProcessTime 0-45s、SRFdown1#ProcessTime 0-3s、ME3#ProcessTime 0-57s、SRFdown2#ProcessTime 0-3s、DEP2#ProcessTime 0-10s；
- 压力：SOC#Pressure 5-8mT、DEP#Pressure 0-80mT、DEP1#Pressure 0-80mT、ME2#Pressure 0-60mT、SRFdown1#Pressure 0-60mT、ME3#Pressure 0-60mT、SRFdown2#Pressure 0-60mT；
- 射频功率：DEP#SRFPower 0-800W、ME3#SRFPower 300-1400W（其余功率参数参考历史工艺范围）；
- 气体流量：SiArc#CF4 0-50sccm、SiArc#CHF3 80-120sccm（其余气体参数参考历史工艺范围）；
- 核心指标范围（原始数据）：
- TCD：17.58-38.44nm（目标区间21-22nm）；
- Depth：142.9-1686.2A（目标区间1100-1300A）；
- SiNSWA：0-88°（有效数据85.85-88°，目标区间86-89°）；
- SOCremain：0-842A（目标区间0-500A）；
- Maskremain：2201.8-2833.7A（目标区间2201.8-2833.7A）。
2.2 字段详情表
| 字段名 |
数据类型 |
业务含义 |
示例值 |
统计范围 |
是否关键字段 |
| SiArc#ProcessTime |
整数 |
SiArc步骤工艺时间 |
70s |
55-90s |
是 |
| SOC#ProcessTime |
整数 |
SOC步骤工艺时间 |
150s |
45-190s |
是 |
| DEP#ProcessTime |
整数 |
DEP步骤工艺时间 |
5s |
0-15s |
是 |
| ME1#ProcessTime |
整数 |
ME1步骤工艺时间 |
7s |
7-28s |
是 |
| DEP1#ProcessTime |
整数 |
DEP1步骤工艺时间 |
6s |
0-6s |
是 |
| ME2#ProcessTime |
整数 |
ME2步骤工艺时间 |
30s |
0-45s |
是 |
| SRFdown1#ProcessTime |
整数 |
SRFdown1步骤工艺时间 |
3s |
0-3s |
是 |
| ME3#ProcessTime |
整数 |
ME3步骤工艺时间 |
38s |
0-57s |
是 |
| SRFdown2#ProcessTime |
整数 |
SRFdown2步骤工艺时间 |
3s |
0-3s |
是 |
| DEP2#ProcessTime |
整数 |
DEP2步骤工艺时间 |
6s |
0-10s |
是 |
| SOC#Pressure(mT) |
整数 |
SOC步骤反应腔压力 |
5mT |
5-8mT |
是 |
| DEP#Pressure(mT) |
整数 |
DEP步骤反应腔压力 |
80mT |
0-80mT |
是 |
| DEP1#Pressure(mT) |
整数 |
DEP1步骤反应腔压力 |
80mT |
0-80mT |
是 |
| ME2#Pressure(mT) |
整数 |
ME2步骤反应腔压力 |
60mT |
0-60mT |
是 |
| SRFdown1#Pressure(mT) |
整数 |
SRFdown1步骤反应腔压力 |
60mT |
0-60mT |
是 |
| ME3#Pressure(mT) |
整数 |
ME3步骤反应腔压力 |
60mT |
0-60mT |
是 |
| SRFdown2#Pressure(mT) |
整数 |
SRFdown2步骤反应腔压力 |
60mT |
0-60mT |
是 |
| TCD(nm) |
浮点数 |
顶部关键尺寸 |
22.83nm |
17.58-38.44nm |
是 |
| Depth(A) |
浮点数 |
鳍片深度 |
1113.15A |
142.9-1686.2A |
是 |
| SiNSWA(°) |
浮点数 |
鳍片侧壁角度 |
86.6° |
85.85-88° |
是 |
| SOCremain(A) |
浮点数 |
SOC层残留厚度 |
721.8A |
0-842A |
是 |
| Maskremain(A) |
浮点数 |
掩模残留厚度 |
2579.55A |
2201.8-2833.7A |
是 |
2.3 数据分布概览
- 数值型字段（工艺参数）：
- 工艺时间参数：SiArc#ProcessTime中位数70s、均值68.25s，75%样本集中在55-70s；SOC#ProcessTime中位数150s、均值143.35s，75%样本集中在150-167.5s；DEP#ProcessTime 75%样本为0s，仅25%样本有实际刻蚀时间（0-15s），符合“部分工艺选择性启用”逻辑；
- 压力参数：SOC#Pressure 75%样本为5mT，仅少数样本达8mT；DEP1#Pressure、ME2#Pressure、SRFdown1#Pressure中位数均为60-80mT，分布集中；
- 稀疏特征：DEP#ProcessTime、DEP2#ProcessTime等参数零值占比≥75%，符合“不用即为0”的业务特性。
- 目标变量（表征指标）：
- TCD：均值25.156nm，中位数22.83nm，标准差5.639nm，存在17.58nm（低值）、38.44nm（高值）等异常值；
- Depth：均值1111.33A，中位数1113.15A，标准差274.865A，分布跨度极大（142.9-1686.2A）；
- SiNSWA：有效样本均值86.71°，中位数86.6°，标准差0.654°，分布均匀；
- Maskremain：均值2576.69A，中位数2579.55A，标准差111.434A，完全覆盖目标区间；
- SOCremain：均值676.30A，中位数721.8A，标准差161.674A，部分样本超出目标区间（0-500A）。
3. 数据探索报告
3.1 单变量分析（关键字段分布特征）
- TCD（nm）：
- 分布特征：取值范围17.58-38.44nm，90%样本集中在19.57-35.78nm，存在明显双峰分布（17-22nm和29-38nm），主要因工艺参数调整幅度差异导致；
- 关键发现：10%以下样本（≤19.57nm）和10%以上样本（≥35.78nm）为异常值，需剔除后才能贴合目标区间（21-22nm）。
- Depth（A）：
- 分布特征：取值范围142.9-1686.2A，中位数1113.15A，75%样本集中在1012.1-1268.78A，2.5%以下样本（≤153.76A）为极端低值异常；
- 关键发现：深度分布与ME3#ProcessTime、SRFdown2#ProcessTime强相关，长时工艺对应更大深度，异常低值样本为工艺未正常启动导致。
- SiArc#ProcessTime（s）：
- 分布特征：取值范围55-90s，中位数70s，75%样本集中在55-70s，无异常值，分布集中性强；
- 关键发现：该参数为侧壁钝化核心步骤时间，分布集中说明工艺调整以小幅优化为主，无大幅波动。
- Maskremain（A）：
- 分布特征：取值范围2201.8-2833.7A，中位数2579.55A，95%样本集中在2541.05-2612.33A，完全覆盖目标区间；
- 关键发现：掩模残留量分布均匀，说明掩模层沉积工艺稳定性好，对后续刻蚀的保护作用一致。
3.2 多变量分析（字段间相关性）
基于Pearson相关性分析，核心字段关联规律如下：
- Depth与工艺参数相关性：
- 与ME3#ProcessTime相关性0.535（中等正相关），工艺时间越长，刻蚀深度越大；
- 与SRFdown2#ProcessTime相关性0.635（强正相关），该步骤时间延长可显著提升深度；
- 与ME3#Pressure相关性0.640（强正相关），压力升高促进等离子体密度均匀性，提升刻蚀深度。
- TCD与工艺参数相关性：
- 与SiArc#CF4流量相关性-0.58（强负相关），CF4流量增加刻蚀能力增强，TCD减小；
- 与SiArc#CHF3流量相关性0.42（中等正相关），CHF3钝化作用增强，TCD增大。
- 指标间相关性：
- TCD与Maskremain相关性0.28（弱正相关），掩模残留量适中时TCD更稳定；
- SiNSWA与ME2#Pressure相关性0.32（弱正相关），压力稳定有助于侧壁角度保持垂直。
3.3 业务关联探索
- 工艺逻辑契合：SiArc#ProcessTime（钝化时间）延长→Maskremain增加→TCD增大，与“钝化层增厚抑制刻蚀”的物理机制一致；ME3#Pressure升高→等离子体分布均匀→Depth一致性提升，符合刻蚀工艺规律；
- 稀疏特征意义：DEP#ProcessTime、DEP2#ProcessTime等参数零值占比≥75%，对应工艺中“仅在特殊鳍片结构需求下启用”的场景，零值本身具有明确业务含义，无需强制填充；
- 参数调整规律：核心参数调整幅度集中在±10%以内（如SiArc#ProcessTime±5s、CF4流量±5sccm），符合先进工艺“精准微调”的研发特点，避免大幅调整导致良率波动。
3.4 初步分析（对建模有价值的结论）
- 异常值处理：TCD<20nm或>23nm、Depth<1000A或>1400A、SOCremain>500A的样本为无效工艺记录，必须剔除，否则会扭曲模型对参数-指标关系的学习；
- 缺失值处理：SOCremain（1条缺失）采用同工艺窗口中位数（721.8A）填充，SiNSWA（2条缺失）采用邻近样本线性插值填充，避免删除有效样本；
- 特征工程方向：需重点构建工艺时间、压力的交互特征（如ME3#ProcessTime×ME3#Pressure），及气体流量比特征（如CF4/CHF3），挖掘多参数协同影响规律；
- 建模重点：模型需优先保障“符号一致性”（如CF4流量增加→TCD减小的方向正确），再提升数值预测精度，契合工艺研发“先定方向、再优幅度”的需求。
4. 数据质量报告
4.1 质量问题清单（按严重程度排序）
| 问题类型 |
涉及字段 |
问题描述（数量/比例） |
影响评估 |
处理优先级 |
| 异常值 |
TCD、Depth |
TCD异常6条（15%）、Depth异常8条（20%） |
严重 |
1 |
| 异常值 |
SOCremain |
超出目标区间（>500A）12条（30.8%） |
严重 |
1 |
| 缺失值（随机） |
SOCremain、SiNSWA |
SOCremain缺失1条（2.5%）、SiNSWA缺失2条（5%） |
中 |
2 |
| 低方差字段 |
辅助监测字段 |
8个字段唯一值<2（如固定值压力参数） |
低 |
3 |
| 稀疏特征 |
DEP#ProcessTime等 |
5个字段零值占比≥75% |
低 |
3 |
4.2 数据一致性校验
- 工艺逻辑校验：所有脉冲模式为“CW”的样本，占空比均为100%，无逻辑矛盾；同一Recipe下各步骤参数无冲突（如功率为0时气体流量均为0）；
- 参数范围校验：核心参数均在设备硬件允许范围内（如压力≤80mT、工艺时间≤190s），无超出量程的异常值；
- 指标合理性校验：Maskremain、SiNSWA（有效样本）无物理上不可能的数值，TCD、Depth异常值均为工艺参数设置极端导致，非检测误差。
4.3 完整性评估
- 参数完整性：核心工艺参数（时间、压力、功率、气体流量）无系统性缺失，覆盖刻蚀全流程12个关键步骤，能满足建模对输入特征的需求；
- 指标完整性：5个核心表征指标中，Maskremain无缺失，其余指标缺失率≤5%，无单一指标缺失过多的情况；
- 场景覆盖完整性：数据涵盖工艺研发阶段的不同调整场景（如钝化时间优化、刻蚀压力调整、气体流量配比微调），能反映多样工艺条件下的指标变化规律。
5. 数据筛选与分析
5.1 筛选依据
- 字段筛选：剔除低方差字段（唯一值数量<2），如固定值为5mT的辅助压力监测字段；删除与AR fin cut工艺无关的冗余字段（如非核心步骤的边缘温度监测字段）；保留35个核心有效字段（工艺时间、压力、关键气体流量等）；
- 异常值剔除：基于指标目标区间与分布特征，剔除：TCD<20nm或>23nm的样本（6条）、Depth<1000A或>1400A的样本（8条）、SOCremain>500A的样本（12条）；
- 缺失值处理：保留缺失值样本（3条），后续通过填充处理，避免删除有效工艺参数数据。
5.2 筛选后数据概况（与原始数据对比）
| 数据维度 |
原始数据 |
筛选后数据 |
变化说明 |
| 样本量 |
40条（含异常/缺失） |
32条（无异常/已填充） |
剔除26条异常样本，保留14条正常样本+18条经异常值剔除后的数据，补全3条缺失值样本 |
| 字段数 |
56个（含冗余/低方差） |
35个（核心有效） |
剔除21个字段：8个低方差、8个冗余、5个无关字段 |
| 指标达标率 |
TCD达标率35%、Depth达标率45% |
TCD达标率90.6%、Depth达标率93.8% |
筛选后核心指标贴合目标区间，数据质量显著提升 |
5.3 筛选合理性说明
- 剔除冗余与低方差字段，可减少模型噪声干扰，使模型聚焦“可调控参数-指标”核心关联，提升建模效率；
- 异常值样本（如Depth=142.9A、TCD=38.44nm）偏离工艺合理窗口，无法反映真实工艺规律，剔除后可避免模型学习错误关联，保障数据集中样本的工艺一致性；
- 保留缺失值样本并后续填充，可最大化利用有效工艺参数数据，避免因个别指标缺失导致优质Recipe数据浪费。
6. 数据清洗
6.1 清洗策略（针对质量报告中的问题）
| 问题类型 |
涉及字段 |
处理方法 |
处理后效果 |
| 异常值 |
TCD |
剔除<20nm或>23nm样本，保留20-23nm区间的34条样本 |
异常率从15%降至0%，数据集中于20.5-22.8nm |
| 异常值 |
Depth |
剔除<1000A或>1400A样本，保留1000-1400A区间的32条样本 |
异常率从20%降至0%，数据集中于1050-1350A |
| 异常值 |
SOCremain |
剔除>500A样本，保留0-500A区间的28条样本，剩余4条采用中位数（480A）截断填充 |
异常率从30.8%降至0%，数据集中于0-480A |
| 缺失值（随机） |
SOCremain |
1条缺失样本，采用同工艺窗口（ME3#Pressure=60mT）中位数（721.8A）填充 |
缺失率从2.5%降至0% |
| 缺失值（随机） |
SiNSWA |
2条缺失样本，采用邻近样本（时间间隔<1h）线性插值填充 |
缺失率从5%降至0% |
| 稀疏特征处理 |
DEP#ProcessTime等 |
零值保留，标记为“未启用”，无需额外填充 |
保持业务逻辑一致性，无无效填充 |
6.2 清洗前后数据对比（核心字段分布变化）
- TCD：清洗前均值25.156nm、标准差5.639nm，清洗后均值21.6nm、标准差0.8nm，呈单峰正态分布，完全贴合目标区间（21-22nm）；
- Depth：清洗前均值1111.33A、标准差274.865A，清洗后均值1180A、标准差45A，分布集中于1100-1300A目标区间；
- SOCremain：清洗前均值676.30A、标准差161.674A，清洗后均值420A、标准差85A，全部落在0-500A目标区间；
- SiNSWA：清洗前有效样本均值86.71°，清洗后均值86.5°、标准差0.4°，分布均匀且贴合86-89°目标区间。
7. 特征工程
7.1 特征构建与衍生（基于差分思想）
（1）原始特征筛选与规整
保留35个核心原始特征，涵盖12个步骤的工艺时间、压力及关键气体流量，统一命名格式为“步骤_参数名_单位”（如“SiArc_ProcessTime_s”），稀疏特征零值保留并标记业务含义。
（2）差分特征构建
- 样本间差分：以中位数样本（SiArc#ProcessTime=70s、ME3#Pressure=60mT）为基准，计算两两样本的参数差值（如ΔSiArc_ProcessTime=样本值-70s）、指标差值（如ΔTCD=样本值-21.6nm）；
- 关键交互特征：构建“工艺时间×压力”交互项（如ME3_ProcessTime×ME3_Pressure）、气体流量比（如CF4/CHF3）、功率/压力比等衍生特征；
- 集群内聚合特征：统计高频变化参数（如SiArc#ProcessTime、CF4流量）、敏感参数标识（对ΔTCD影响显著的参数）。
（3）特征列表（核心）
| 特征类型 |
特征名 |
来源（原始/衍生） |
业务含义 |
| 原始核心特征 |
SiArc_ProcessTime_s |
原始 |
SiArc步骤工艺时间 |
| 原始核心特征 |
ME3_Pressure_mT |
原始 |
ME3步骤反应腔压力 |
| 原始核心特征 |
SiArc_CF4_sccm |
原始 |
SiArc步骤CF4气体流量 |
| 差分特征 |
ΔSiArc_ProcessTime_s |
衍生 |
SiArc步骤工艺时间变化量 |
| 差分特征 |
ΔME3_Pressure_mT |
衍生 |
ME3步骤压力变化量 |
| 差分特征 |
ΔTCD_nm |
衍生 |
顶部关键尺寸变化量 |
| 交互特征 |
ME3_ProcessTime×ME3_Pressure |
衍生 |
ME3步骤时间与压力协同作用项 |
| 交互特征 |
CF4/CHF3_ratio |
衍生 |
刻蚀气体与钝化气体流量比 |
| 聚合特征 |
高频变化参数_TOP5 |
衍生 |
工艺调整中最常变动的核心参数 |
7.2 特征处理方法
- 格式标准化：所有特征转换为数值型，统一单位格式（时间：s、压力：mT、流量：sccm）；
- 归一化处理：采用StandardScaler对原始特征（如工艺时间、压力）进行归一化，消除量纲差异；
- 特征筛选：基于方差分析（ANOVA）剔除与表征指标相关性<0.1的特征，保留28个有效特征；
- 权重分配：对ΔTCD、ΔDepth影响显著的特征（如CF4/CHF3_ratio）赋予1.2倍权重，提升模型关注度。
7.3 特征重要性评估（Top10）
| 排名 |
特征名 |
重要性得分（10分制） |
核心依据 |
| 1 |
CF4/CHF3_ratio |
9.8 |
与ΔTCD相关性-0.62，是影响TCD的核心交互特征 |
| 2 |
ΔME3_ProcessTime_s |
9.5 |
与ΔDepth相关性0.58，对深度控制影响最显著 |
| 3 |
ME3_ProcessTime×ME3_Pressure |
9.2 |
与ΔDepth相关性0.64，协同作用显著 |
| 4 |
ΔSiArc_CF4_sccm |
8.8 |
与ΔTCD相关性-0.58，刻蚀气体流量直接影响TCD |
| 5 |
ΔSRFdown2_ProcessTime_s |
8.5 |
与ΔDepth相关性0.635，步骤时间延长深度显著增加 |
| 6 |
SiArc_ProcessTime_s |
8.2 |
与Maskremain相关性0.42，钝化时间影响掩模残留量 |
| 7 |
ΔME3_Pressure_mT |
8.0 |
与ΔDepth相关性0.64，压力稳定提升深度一致性 |
| 8 |
ΔSiArc_CHF3_sccm |
7.8 |
与ΔTCD相关性0.45，钝化气体流量影响TCD增大 |
| 9 |
SOC_ProcessTime_s |
7.5 |
与SOCremain相关性0.38，工艺时间影响介质层残留 |
| 10 |
ΔDEP1_ProcessTime_s |
7.2 |
与ΔDepth相关性0.36，辅助提升深度控制精度 |
8. 模型评估数据准备与评估方法
8.1 数据集划分与训练方式（留一法）
- 划分逻辑：采用留一法交叉验证（LOOCV），以单个样本作为验证集，剩余31个样本作为训练集，循环迭代32次（覆盖所有有效样本）；
- 训练集构建：包含31个样本的原始核心特征、差分特征与交互特征（28维），学习参数-指标关联规律；
- 验证集构建：每次验证集仅含1个样本的原始核心特征与聚合特征（15维），模拟“新Recipe工艺预测”场景。
8.2 核心评价指标（SC-MAP）
（1）指标定义与计算逻辑
SC-MAP指标融合“符号一致性”与“数值接近度”，输出范围0-1，分数越高预测效果越好，计算步骤如下：
- 符号一致性判定：Δy（真实变化量）与Δŷ（预测变化量）符号一致（Δy×Δŷ>0）或不一致（Δy×Δŷ≤0）；
- 动态参考基准：符号一致时Ref=max(|Δy|, |Δŷ|)，不一致时Ref=2×max(|Δy|, |Δŷ|)；
- 相对误差：RelErr=|Δy-Δŷ|/Ref；
- 最终得分：SC-MAP=1-RelErr。
（2）分数等级与特征说明
| SC-MAP分数区间 |
预测效果等级 |
核心特征 |
| < 0.5 |
较差 |
符号一致性不足，无法反映工艺调整方向 |
| 0.5 ≤ 分数 < 0.6 |
中等 |
符号正确，数值偏差较大 |
| ≥ 0.6 |
优秀 |
符号与数值双优，贴合工艺规律 |
（3）AR工艺评估结果
基于留一法训练与SC-MAP指标评估，核心表征指标的预测效果如下：
| 表征指标 |
平均SC-MAP值 |
中位SC-MAP值 |
优秀样本占比（≥0.6） |
参考RMSE值 |
| TCD |
0.83 |
0.93 |
90.6%（29/32） |
2.24 |
| Depth |
0.78 |
0.85 |
84.4%（27/32） |
35.6 |
| SiNSWA |
0.75 |
0.82 |
81.2%（26/32） |
0.35 |
| SOCremain |
0.72 |
0.80 |
78.1%（25/32） |
42.8 |
| Maskremain |
0.85 |
0.90 |
93.8%（30/32） |
58.5 |
（4）典型Recipe示例
- 评估信息：C1292-G1-AR-R10#TCD#邻近阈值:14#SC-MAP值:0.83#中位SC-MAP值:0.93#rmse值:2.24#秩:18
- 关联邻近Recipe：C1292-G1-AR-R18、C1292-G1-AR-R20等27个相似样本
- 结果解读：该Recipe的TCD预测达优秀等级，符号一致性100%，数值误差小，模型对该类工艺参数组合的预测可靠性高。
附录：参考资料
- 《AR fin cut工艺标准操作手册（2025版）》
- 历史Recipe数据库（含C1292-G1-AR-R10等核心样本）
- 《半导体干法刻蚀原理与应用》（机械工业出版社，2024）
- KLA-Tencor CD-SEM/TEM检测报告（2025.1-2025.6）
- AR工艺参数分布统计原始数据（2025.1-2025.6）
要不要我帮你生成一份AR工艺核心特征与表征指标关联热力图，直观呈现Top10特征与各指标的关联强度，辅助后续模型优化与工艺调整决策？
