什么是WRA

在半导体制造中，晶圆缺陷排查与良率问题溯源是保障生产的关键环节。传统模式下，工程师需从多个系统拉取数据，通过Excel或PPT手动整合分析，最终依赖经验形成溯因报告。这种方式不仅耗时费力，且受限于个人经验，难以应对海量数据与复杂异常。

而WRA晶圆履历分析（Wafer Resume Analysis）则实现了突破性升级：运用“大模型+小模型+知识中台”多维诊断引擎，智能调用RCA数据相关性分析、Map相关性分析、Sensitivity分析、以图搜图、知识库等多种溯因工具，为工程师精准生成异常可疑因子排行榜，让千头万绪的溯因工作变得快捷、方便、准确。

此外，针对新型异常，WRA能自主提供分析思路、溯因结论与处置方案，溯因准确率超过90%。全过程实现智能化与自动化。

WRA的使用场景包括：履历查询对比、wafer缺陷溯因、良率波动根因定位、Golden Path（黄金路径）等。

接下来，以缺陷/良率波动溯因为例，小智将WRA类比为“产线问题的智能会诊专家”，帮助大家理解WRA的完整工作流程。

WRA精准定位缺陷/良率“病灶”，总结根因“共性”

系统融合了大语言模型技术，工程师用对话查询的方式，便可在45秒内得到履历数据查询结果。如“查询#01片wafer在XX时间段经过的机台、Recipe及运行时间”，WRA能迅速调出该批次晶圆在对应工序的详细履历，包括站点、机台、Chamber、Recipe、Run time、Qtime等详细信息。

Step2. 初步“诊断”：履历比对找差异

晶圆（Wafer）在后续进行在制品（WIP）测试、良率测试后，便可得出wafer合格与不良的分型。

接着，工程师使用WRA（晶圆履历分析）的自然语言对话功能，快速调用Good wafer/Bad wafer两类晶圆的全流程履历数据，对机台、Chamber、Recipe、Run time等关键数据进行差异比对，为后续深入“问诊”找准方向。

Step3. 深入“探查”：履历溯因揪根源

WRA智能调用多种溯因工具展开深入分析，包含RCA数据相关性、Map相关性、以图搜图溯因，同时引用Library经验库、知识中台等手段进行溯因，找出引发缺陷或者良率问题的根本原因。其中：

以图搜图：通过计算机视觉、向量化数据分析和大语言模型等融合技术手段，进行以图搜图检索，得到相似的问题Map图形。整体用时约6秒。

Map相关性分析：借助大语言模型与小模型协同技术，对map进行同源或跨源相关性分析，生成可疑问题排行榜，为工程师提供问题排查方向。系统默认显示Top1工序及其对应的map数量；还可以查看最高风险的“根因分析排行榜”及详细的根因佐证信息。

经验库检索分析：针对当前wafer的缺陷问题，借助知识中台或者调用缺陷、Inline 等数据的Library经验库检索所有历史上的相似案例，结合大语言模型自身推理能力进行溯因分析，直接报告到对应模块的Owner。整个过程用时约24秒。

Step4. 出具 “诊断报告”：溯因报告全面又详细

分析完成后，3秒内自动生成Wafer履历、缺陷溯因报告、良率溯因报告、Lot Report等各类报告，报告内包含Data、Chart、Map、溯因结论、推理说明等丰富内容。

用户确认后，相关报告及信息存入知识库，持续优化迭代，助力WRA后续提升溯因准确率。

Step5. 总结“共性”，指引生产

WRA 不仅能够精准追溯晶圆缺陷及良率异常的根因，还能对其展开根因共性分析，提炼问题产生的共同特征。基于这些共性特征，明确机台、Chamber、Recipe 等生产环境要素的Good/Bad状态，WRA 即可据此规划并指引最优生产路径，从而实现产品良率的提升。

WRA特色用途：基于履历比对&履历溯因生成Golden Path

什么是Golden Path（黄金路径）？

整个Wafer制造过程会按照Process Flow(工艺流程)每个工艺步骤顺序进行。一条完整的Process Flow涵盖多个站点、设备集群、Chamber及差异化Recipe。即便是同一产品，在相同站点采用不同Chamber与Recipe组合，其良率与缺陷率也存在显著差异。Golden Path就是那条最低缺陷率、最高生产效率和最佳产品质量的生产路径组合。

获得Golden Path的方法有多种，而基于履历比对&履历溯因生成Golden Path是其中一种有效方式。

WRA依托履历比对&履历溯因，能够准确分析机台/Chamber/Recipe等晶圆生产状态的好坏，进而科学确立最佳生产路径Golden Path。同时，还可依据根因分析结果，优化偏离基准的环节，推动其向黄金路径Golden Path趋近看齐。

PS：后续，我们也会重点围绕 Golden Path（黄金路径）展开详细讲解，请继续关注。

WRA到底能给工厂带来什么？

以前工程师花2-3天才能定位的wafer缺陷及良率波动根因，现在1-5分钟搞定；以前依赖经验积累形成的主观性溯因结论，现在依托大数据、算法和大语言模型推理能力，就能得到可靠的结论支撑；以前散落各处的工艺经验，现在已结构化为FAB的“知识资产”。WRA就像给半导体制造装上了“智能诊断与优化系统”，不管是遇到突发的缺陷问题，还是想优化长期良率和产能，都能提供最佳指引。