什麼是 IPQC?過程比結果更重要

在半導體產業中,如果把品質這項工作放到最後一關再進行,會發生什麼事?在閱讀這篇文章前,我們可以先把這個問題放在心中。我先賣個關子,我認為品管機制必須如影隨形地整合到每一個製造環節,讓 IPQC 在產線上扮演核心角色。

一、IPQC 在半導體製造中的核心定義

IPQC 的全名是 In-Process Quality Control,在業界通常被稱為製程品管。工廠生產線像是一場接力賽,進料品管(IQC)負責檢查起跑前的準備,出貨品管(OQC)負責在終點線核對結果,那麼 IPQC 就是負責過程中的巡視。

在半導體製造的過程中,一片晶圓往往需要經過數百道甚至上千道的複雜工序,包含微影、蝕刻、薄膜沉積等。如果在第 50 道製程發生了微小的瑕疵,卻直到第 500 道製程結束後才被發現,這中間耗費的特用化學品、機台產能與時間成本將是難以估計的損失。因此,IPQC 的核心價值就在於防患於未然,透過在生產過程中持續對半成品(WIP)與機台參數進行監控、抽驗與核對,第一時間攔截異常,防止不良品流入下一站,確保最終產出的良率能完美符合科技產業的標準。

然而,IPQC 看起來像是一直在「抽樣」,但是如果你將它進行拆解,可以根據不同的實務維度,梳理出以下幾種截然不同的執行面貌:

  • 依「用途」區分
    • 防呆與防錯(Error Proofing):確保正確的 Lot 跑到正確的機台、使用了正確的 Recipe,防止邏輯 IC 的參數被誤用到記憶體晶圓上。
    • 參數與規格監控(Parameter Monitoring):量測關鍵尺寸(CD)、薄膜厚度、曝光對準度(Overlay)等是否落在管制界限(Control Limit)內。
  • 依「環境」區分:
    • 無塵室內/線上量測(In-line Inspection):在 Class 10 甚至更高潔淨度的無塵室內,透過與生產機台整合的量測設備(IM)直接進行檢測,避免晶圓暴露於外部環境增加微塵污染風險。
    • 非潔淨區/離線檢驗(Off-line Inspection):晶圓完成封裝或特定製程段落後,移至站外的檢驗室進行更耗時、更破壞性的深度材料分析。
  • 依「時機」區分:
    • 首件檢查(First Article Inspection, FAI):在機台剛完成歲修(PM)、更換光罩或切換產品線時,必須先試跑並確認第一片/批半成品品質沒有瑕疵,才能放行後續的量產。
    • 常態性抽檢(Routine Sampling):依據系統設定的跳批邏輯(例如. 每 5 批抽 1 批,或每隔 4 小時抽檢一次),監控製程的長期穩定性。
  • 依「使用者」區分:
    • 機台全自動化檢測:由自動光學檢測(AOI)設備或感測器自動採集數據,並即時回饋給 APC/FDC 系統,全程無人工介入。
    • 品保與製程工程師(QA/PE)判片:當機台偵測到難以歸類的 Defect 時,由經驗豐富的工程師介入,透過電子顯微鏡(SEM)影像進行人工瑕疵分類(Defect Classification)與肇因研判。
  • 依「市場/終端應用」區分:
    • 消費性電子標準:在成本與良率間取得平衡,容許符合特定 PPM(百萬分率)標準的合理公差。
    • 車用/航太/醫療標準:追求「零缺陷(Zero Defect)」,IPQC 必須執行最緊縮的抽樣計畫(甚至 100% 全檢),並要求準確的生產履歷與品質溯源能力(例如. 符合 IATF 16949 規範)。

理解 IPQC 在半導體製造中的多維度樣貌,是初步協助你建立準確的品管體系。然而,理論上,我們在實際導入產線運作時,仍然會遇到各種現實環境的阻礙,這些執行面上的落差,正是導致良率瓶頸的關鍵所在。

二、 半導體製造對焦 IPQC 的痛點

半導體製程以「奈米級」的精密度為主,搭配複雜度與動輒數百道的工序,在生產過程管控時會有許多品管的盲區。以無塵室為例,我們發現有幾像執行 IPQC 時常面臨的痛點:

  1. 檢驗數據易生斷層:機台自動收集的設備參數與各檢驗站的量測數據,經常散落在機台端、獨立量測軟體、紙本或電子檔案中,其資訊是「孤島」無「關聯」的,導致製程變異無法被即時關聯。當 IPQC 缺乏連續性與系統性的數據支撐時,品管人員只能做到單一「點」的攔截,完全無法進行跨站點的趨勢預警,失去防患未然的先機。
  2. 頻繁換線標準易亂:隨著車用或特規晶片需求大增,少量多樣的生產模式讓 Recipe 與製程參數變更更為頻繁。若系統未連動更新,容易發生誤用舊版標準檢驗新批次的重大疏失。所以,如果 IPQC 未能與生產工單自動綁定並載入正確的檢驗規範(SOP),容易引發誤判或漏檢,甚至導致整批高價晶圓(Wafer)報廢。
  3. 異常追溯耗時費力:當晶圓進入晶圓針測(CP)或終測(FT)發現系統性缺陷時,若缺乏完整的單顆晶圓或批次生產紀錄,工程師往往需耗費數天翻找各站點的報表來定位其原因。 缺乏數位化串接的 IPQC 紀錄,會讓品質溯源像是大海撈針,管理者無法快速隔離受影響的在製品(WIP),導致不良範圍持續擴大。
  4. 人工判讀標準不一:儘管有 AOI 輔助,但部分高階或難以歸類的微小瑕疵仍仰賴工程師的人工判片(Defect Classification)。疲勞或經驗落差往往導致評估結果大相徑庭。你想想看, IPQC 若過度依賴人治,且缺乏標準化的影像比對輔助或系統防呆機制,那就會讓不穩定性將直接造成良率的劇烈波動與客訴風險。
  5. 跨站溝通嚴重延遲:當製程發生異常,設備、製程與品保部門常因資訊傳遞的時間差而無法同步應對。此時機台若未即刻停機,將會持續產出大量不良品。 IPQC 警報若無法即時且自動地推播給負責人,並連動系統進行機台 Hold 帳,抽檢就失去了即時止損的意義。

綜合上述,這些隱藏在產線日常中的痛點,無形中影響著半導體廠的良率與利潤。要解決這些痛點,增加 IPQC 檢驗頻率是無法「完全」解決的,必須仰賴更強大的數位化大腦來接管這些繁雜的互動。

三、你有聽過 iMES 嗎?

根據鼎華智能對於半導體的分析,iMES(智慧製造執行系統,Intelligent Manufacturing Execution System)正是解決痛點的關鍵工器,為工廠的底層管理做根本上的數位轉型。

iMES 可以說是建立智慧工廠的核心基礎,能消除廠內的資訊孤島,並透過標準通訊協定(例如. 半導體業必備的 SECS/GEM)與底層機台進行雙向整合,實現無紙化精準派工、即時在製品(WIP)動態追蹤,以及全自動化的生產歷程卡控。

當 iMES 落地於半導體無塵室中,其串聯能力能精準對接並擊破上述的五大痛點:

 針對「數據斷層」與「追溯耗時」,iMES 構建了完整的數位晶圓履歷,將機台參數與檢驗數據緊密綁定,讓異常追溯從過往的數天翻找縮短至幾分鐘內完成。

面對「換線頻繁」與「人工標準不一」,iMES 的配方(Recipe)管理與系統防呆機制能自動下發正確且唯一的檢驗 SOP 至指定機台,從源頭解決人為選錯標準的失誤。

而針對最棘手的「溝通延遲」,系統能賦予防護機制,一旦品質數據超出管制界限,iMES 即可觸發自動警報,並瞬間啟動 Hold(扣留)異常批次或連動機台停機,實現零時差的跨部門止血。

可以說,有了 iMES 的導入,品質管理才能在生產過程中不斷地防止問題產生,而這樣的基礎我們認為是半導體廠邁向下一個智慧化世代的必備能力。

四、IPQC 與 iMES 協同作戰

當 IPQC 的抽檢機制遇上 iMES 的系統運算,不只是記錄工具疊加,而是從組織的層面重塑了半導體製造的預警體系,為企業帶來肉眼可見的降本增效成果。在這個協同作戰的架構下,即時品檢成為了產線上的標準配備。當晶圓在數百道製程站點間流轉時,iMES 會與 IPQC 設備形成緊密的互動迴圈。

首先,系統會針對當下批次自動下發唯一的檢驗 Recipe 與量測標準,啟動嚴密的防呆防錯機制,確保對的批次做對的測試。接著,一旦 IPQC 量測到諸如線寬、曝光對準度或膜厚超出了 OOC 或 OOS,數據會即時通知 iMES。系統不需等待人工登打與回報,便能依據預設邏輯自動觸發警報,並連動設備端立刻將該異常批次扣留,甚至遠端令機台停機。同時,廠內中控室的即時看板(Dashboard)會標示異常點,指引工程師直擊問題核心。

為什麼我們會推薦用 iMES 來做策略上的整合,除了它是為半導體行業所規劃的產品以爲,更重要的是他確實為半導體產業做到降本增效的成果。在降本方面,由於 iMES 能透過數位履歷鎖定異常發生的起訖時間點與關聯機台,工程師在進行品質隔離與追溯時,可將隔離範圍大幅縮小 70% 以上;這表示過往因資訊落差而預防性陪葬的數十批良品得以保全,直接促使整體報廢率降低 30% 至 45%。

在增效方面,全自動的即時品檢與系統卡控,減少了人工報表登錄與跨部門電話溝通,將異常事件的平均回應與處理時間大幅縮短了 50% 以上。更重要的是,透過 IPQC 累積的大量數據,工廠能提早發現機台微小的異常趨勢並進行預測性維護,進而將整體產線良率穩定提升 1.5% 到 3%。對於一片動輒數千至上萬美元的先進製程晶圓而言,這1.5%的良率提升,等於每個月為企業挽回數百萬甚至千萬台幣的潛在營收流失。

總結來說,IPQC 與 iMES 的整合,我不能否定它是導入一套軟體工具,但更重要的是,它的導入是讓整個工廠的管理思維轉變,現實的層面來說,這樣的轉變讓你能夠主動預測並引導產線穩定前行。

五、  IPQC 實現智慧製造的 4 個步驟

然而,對於任何一家半導體廠而言,要將系統概念與產線現實中的 IPQC 對焦並落地,其實一點也不容易,你必須要面對三個層面,傳統的品質管理方法、半導體的製程複雜度和智慧製造的目標,因此,我們為您梳理了IPQC 實現智慧製造的 4 個關鍵步驟,只要循序漸進,你可以在數位轉型的過程,降低許多風險:

  1. 檢驗標準盤點與標準化 清查廠內現有各站點的抽檢頻率、管制界限(OOC/OOS)與異常處置邏輯,將模糊的人工判斷轉化為系統可讀的明確數值標準。
  2. 設備連線與自動數據採集 打破設備孤島,確保 IPQC 相關的檢測機台(例如. AOI、量測儀器)皆能透過通訊協定(例如.如 SECS/GEM)直接輸出客觀數據,減少人工抄寫與登打的失誤。
  3. iMES 系統串接與卡控部署 將採集到的數據即時上傳至 iMES 核心,並在系統中設定警報(Alarm)與處置邏輯(例如.自動 Hold 帳、機台 Interlock),建立起防護網的第一道防線。
  4. 數據可視化與持續優化 透過戰情室與即時看板,讓品質數據一目了然,並藉由長期的歷史數據分析,反向優化檢驗頻率與管制範圍,形成正向循環。

要做到真正無縫接軌的智慧製造目標,光有步驟是不夠的,隨著半導體產業更細微的不同,你需要了解產業特性的系統夥伴一路陪跑。若您也正在尋找突破良率瓶頸、實現工廠數位轉型的最佳解方,歡迎與鼎華智能的顧問團隊進一步聯繫。我們將以深耕製造業多年的系統導入經驗,為您的半導體廠量身打造最具效益的智慧品管藍圖。

返回頂端