3.3 缺陷与一致性：边界上的验收

3.3 缺陷与一致性：边界上的验收

本节摘要：单件做到极限是实验，批量守住极限才是制造。本节讲验收的两种语言：缺陷的语言——一颗颗粒多大会致命、良率随缺陷密度如何塌方；一致性的语言——过程能力指数怎么算、控制图怎么在事故之前报警。两个演算都可直接复算。

「半宽规则」是洁净室里最要命的标尺

判断一颗颗粒严不严重，行业里有一把简陋却有效的尺子：颗粒尺寸超过特征尺寸的一半，大概率致命。特征尺寸十纳米的器件，五纳米的颗粒就能切断一条导线；同样的颗粒落在一微米图形的老产品上，连一点痕迹都留不下。这把尺子解释了尺度边界的隐藏代价——线宽每缩小一代，洁净度的要求跟着提高一代：昨天还算干净的空气，今天就足以致命。先进产线的洁净室把每立方米超过规定粒径的颗粒数压到个位数，不是洁癖，是半宽规则逼出来的生死线。

缺陷按形貌分三类：颗粒（外来的尘埃、碎屑）、划伤（机械接触的痕迹，常来自搬运与夹持）、图形缺陷（光刻与刻蚀环节产生的断线、桥连、缩颈）。验收时关心的不是"有没有缺陷"——没有缺陷的工艺不存在——而是"致命缺陷的密度"以及"下一件会不会更糟"。前者决定这批货的良率，后者决定这条线还能不能继续开。

良率对缺陷密度：一条指数塌方线

良率与缺陷密度之间的关系，行业用最简化的泊松模型描述：一片面积为 A 的产品，若单位面积致命缺陷密度为 D，良率约为以自然底数、负指数 A 乘 D 为幂的值。公式简单，塌方得触目惊心：

# 良率演算：Y 约等于 e 的负 A·D 次幂（泊松简化模型）
import math
A = 1.0    # 单片面积，归一化
for D in [0.05, 0.1, 0.3, 0.5, 1.0]:
    y = math.exp(-A * D)
    print(f"缺陷密度 {D:.2f} → 良率 {y * 100:.1f}%")
# 输出：
# 缺陷密度 0.05 → 良率 95.1%
# 缺陷密度 0.10 → 良率 90.5%
# 缺陷密度 0.30 → 良率 74.1%
# 缺陷密度 0.50 → 良率 60.7%
# 缺陷密度 1.00 → 良率 36.8%
​

从每片零点一到零点五，缺陷密度涨四倍，良率掉三成——而良率是制造经济学里最刚性的数字：先进产线的折旧按天计提，良率差十个百分点就足以把利润率翻成负数。所以边界产线上的缺陷工作从来不是"质检挑出坏的"，而是逐颗归因：每颗致命缺陷都要定位、成像、判成分、追溯到具体设备或工序。缺陷地图上每个聚集点，都是一条产线的病灶。

加工环节自己也会制造缺陷，而且最阴险的一类藏在表面之下。磨削与抛光引入的亚表面损伤——微裂纹、残余拉应力、位错层——表面看不出来，用腐蚀液一显影或截面一拍才现形。它的厚度与磨粒尺寸、磨削力相关，能延伸到表面以下几个微米。对精密结构件这是定时炸弹：第 4 章会算给你看，这层损伤如何让疲劳寿命断崖式下跌。所以验收标准里"表面完整性"四个字，指的就是要连皮下层一起管。

一致性：过程能力与控制图

一致性回答另一个问题：目标值做到了，散布有多大？统计语言叫过程能力。算一笔典型的账：某薄膜工序要求厚度五十纳米、公差上下各两纳米，实测均值五十点一、标准差零点五：

# 过程能力指数演算：Cpk = min（上限-均值， 均值-下限）除以（3 倍标准差）
usl, lsl = 52.0, 48.0     # 规格上下限，单位纳米
mu, sigma = 50.1, 0.5     # 实测均值与标准差
cpk = min(usl - mu, mu - lsl) / (3 * sigma)
cp = (usl - lsl) / (6 * sigma)   # 不看偏心的理想能力
print(f"过程能力 C 约 {cp:.2f}，考虑偏心的 Cpk 约 {cpk:.2f}")
# 均值再向上限漂 0.6 纳米试试
mu2 = 50.7
print(f"均值漂到 {mu2} 后：Cpk = {min(usl - mu2, mu2 - lsl) / (3 * sigma):.2f}")
# 输出：
# 过程能力 C 约 1.33，考虑偏心的 Cpk 约 1.27
# 均值漂到 50.7 后：Cpk = 0.87
​

两个数字读出两层信息。其一，Cpk 与 C 的差距就是"偏心税"：均值只偏离中心零点一纳米，能力指数就从一点三三掉到一点二七——一致性问题常常不是散布太大，而是中心漂了。其二，均值再漂零点六纳米，Cpk 跌破一，意味着按九成五置信去交付，已经注定要出一批超差品。行业标准里 Cpk 一点三三算合格、一点六七算优秀，依据正在于此。

Cpk 是"体检报告"，告诉你过程此刻的健康度；控制图则是"心电监护"，盯的是过程随时间的走势。把每批的均值点在图上，画出上下控制限——注意控制限来自过程自身数据的统计，不是规格限——点在限内随机游走，过程稳定；出现出界点，或者虽在限内却出现连续单边爬升、连续七点同侧这类"非随机模式"，就是过程在告诉你：我正在变化，趁现在还查不出坏品，赶紧来查原因。这就是统计过程控制的精髓——在坏品出现之前发现过程失控，把质量从事后挑拣变成事前干预。

图 3-3：均值控制图与失控前兆

把三道关卡串起来看，验收其实是一条证据链而不是一道终审。来料检验把供应商的缺陷谱系挡在门外；过程巡检（首件、抽检、控制图）在证据链中段持续作证；终检与抽样的破坏性分析收尾归档。链条真正的价值在追溯：任何一颗失效件都能顺着批次号、工艺参数、环境记录倒查回它出事的那道工序——没有这条链，良率数据只是数字，有了这条链，每一颗缺陷都在为工艺改进作证。航空与汽车行业把"批次可追溯"写进强制规范，理由不是官僚，而是一致性事故的账单从来是整批开的，追溯链的长度决定召回的半径。

本节要点回顾

• 半宽规则：颗粒超过特征尺寸一半即致命，线宽每缩一代，洁净标准跟着收紧一代。
• 指数塌方：良率随致命缺陷密度按负指数下滑，缺陷工作重在逐颗归因而不是事后挑拣。
• 皮下暗伤：亚表面损伤表面不可见，却直接吃掉疲劳寿命，表面完整性验收必须连皮下层一起管。
• 偏心税：一致性问题常不在散布而在中心漂移，Cpk 与 C 的差值就是偏心的价格。
• 控制图哲学：控制限来自过程自身，非随机模式是最早的警报——质量干预应发生在坏品出现之前。
• 位置衔接：精度边界的造、测、验至此闭环；下一章转向被加工对象本身——多硬啃多韧的材料边界。

边界上的质量语言到此讲完。接下来换一个方向：材料边界，去看看那些"啃不动"的对手。