半导体业务数仓建模： Lot、Wafer、Die、Recipe、OEE、YMS 建模要点

半导体数仓的核心不是把 MES、EAP、YMS 的数据搬到 Hive 里，而是把制造过程中的实体关系、工艺上下文、质量判定口径准确地表达成数据模型。Lot、Wafer、Die、Recipe、OEE、YMS 这六个概念，分别对应六条建模主线：生产批次、物理载体、最小质量单元、工艺上下文、设备产能、质量结果。下面逐一拆解，并给出对应的建模设计。

一、六个概念在数仓中承担什么职责

概念	业务含义	典型数据粒度	主要来源系统	建模中的核心职责
Lot	生产批次，一起流转的一组晶圆	批次 × 工序 × 作业	MES	生产进度、WIP、Cycle Time、批次追溯
Wafer	晶圆，物理载体，通常一片 300mm / 200mm 晶圆	单片晶圆	MES / EAP / 物料系统	晶圆级质量、加工履历、位置与状态
Die	裸晶，晶圆上的最小功能单元	晶圆 + X/Y 坐标	CP/FP 测试、Tester	良率计算、失效分析、封装追溯
Recipe	机台执行某道工序的参数集合及版本	设备 × 腔体 × 配方版本 × 生效时间	EAP / RMS / 机台日志	工艺归因、参数漂移分析
OEE	设备综合效率，由时间、性能、质量三部分构成	设备/腔体 × 时间窗口	EAP / MES / 状态采集	产能分析、停机归因、瓶颈识别
YMS	良率管理系统，聚合测试与缺陷数据	晶圆 / Die / 批次 / 产品	YMS、CP、FT、缺陷检测	良率分析、Bin 分布、失效定位

这六个概念不能混在同一张表里表达。Lot 是流转单位，Wafer 是物理单位，Die 是质量单位，Recipe 是工艺上下文，OEE 是设备指标，YMS 是质量分析域。 把它们的粒度分清，模型设计就已经完成了一半。

二、Lot、Wafer、Die：先解决实体关系，再谈指标

2.1 三者不是简单的三层外键关系

最直觉的理解是：一个 Lot 包含多片 Wafer，一片 Wafer 包含多个 Die。这个关系在生产初期成立，但在整个生命周期里不成立。

实际制造过程中会发生以下情况：

Lot Split（批次拆分）：一个 Lot 拆成多个 Sub-lot，分别在不同机台加工。
Lot Merge（批次合并）：多个 Sub-lot 合并后继续流转。
Rework（返工）：部分 Wafer 从某道工序退回前道工序重做。
Scrap / Hold：部分 Wafer 报废或被扣留，批次内数量发生变化。
Dummy / Monitor 片：批次中包含挡片、监控片，不参与产品良率计算。

因此，Lot 与 Wafer 是多对多关系，且带有时间有效性 。如果在 Wafer 维表上直接放一个 lot_id 字段，就只能记录最后一次归属，历史追溯必然出错。

正确做法是建立批次---晶圆关系桥表：

sql 复制代码

-- dwd_lot_wafer_relation：批次与晶圆的时变关系
CREATE TABLE dwd_lot_wafer_relation (
    relation_id      STRING,
    lot_id           STRING,
    sub_lot_id       STRING,
    wafer_id         STRING,
    wafer_seq        INT,       -- 在载具中的槽位
    wafer_type       STRING,    -- PRODUCT / DUMMY / MONITOR / ENGINEERING
    effective_start  TIMESTAMP,
    effective_end    TIMESTAMP,
    event_type       STRING     -- CREATE / SPLIT / MERGE / REWORK / SCRAP
);

关键点：

关系必须带生效时间，支持"某片晶圆在某个时刻属于哪个批次"的时点查询。
wafer_type 必须参与所有良率与产能指标的计算条件，不能默认批次内所有片都是产品片。
拆分与合并要保留事件链，否则 WIP 数量和投入产出数量无法对账。

2.2 Die 的主键是坐标，不是自增 ID

Die 在物理上由晶圆上的位置决定，标准标识是：

复制代码

die_key = wafer_id + die_x + die_y

这里还需要补充三个工程细节：

坐标系必须统一：不同测试机、不同 YMS 供应商的坐标原点、 notch 方向、行列编号规则可能不同。入仓时必须统一到产品版图定义的坐标系。
需要区分 Reticle / Shot 与 Die：一次曝光覆盖的是一个 Shot，里面包含多个 Die。做工艺归因时，问题可能出在 Shot 级而不是 Die 级。
Gross Die 与 Tested Die 不同：Gross Die 是版图设计上的总裸晶数，Tested Die 是实际测试到的数量。边缘失效、探针接触不良会导致两者不一致。

Die 级测试明细建议采用如下粒度：

sql 复制代码

-- dwd_cp_test_detail：CP 测试明细，一次测试一条
CREATE TABLE dwd_cp_test_detail (
    test_run_id     STRING,
    wafer_id        STRING,
    die_x           INT,
    die_y           INT,
    lot_id          STRING,
    product_id      STRING,
    test_program    STRING,
    tester_id       STRING,
    test_start_time TIMESTAMP,
    test_end_time   TIMESTAMP,
    is_retest       INT,
    hard_bin        STRING,
    soft_bin        STRING,
    test_result     STRING
);

is_retest 与测试时间必须保留。只有保留测试次序，才能区分一次通过良率 和复测后良率。

2.3 封装之后，Die 与成品芯片需要桥接

晶圆切割、封装、测试之后，业务标识从 wafer_id + x + y 变成封装体的 chip_uid / unit_code。车规芯片客诉追溯要求能从 chip_uid 一路反查到硅片批次、机台、腔体、配方版本。

这里必须建桥表，而不是在成品表上塞一堆冗余字段：

sql 复制代码

-- dwd_die_unit_mapping：裸晶与封装成品映射
CREATE TABLE dwd_die_unit_mapping (
    chip_uid       STRING,
    wafer_id       STRING,
    die_x          INT,
    die_y          INT,
    package_lot_id STRING,
    assemble_lot_id STRING,
    ft_test_run_id STRING,
    mapping_time   TIMESTAMP
);

这张表是全链路追溯的主干。有了它，正查（原材料影响了哪些出货芯片）和反查（退货芯片来自哪一批、哪台设备）才有统一的实现路径。

三、Recipe：工艺归因的关键在于"当时用的是哪一版"

工艺工程师排查良率问题时，最常见的一个问题是：

"昨天下午那批货，用的是哪台机台、哪个腔体、哪一版 Recipe？"

如果数仓里只存了 recipe_name，这个问题答不了。因为同名配方会有多个版本，同一配方在不同腔体上的表现也不同。

3.1 Recipe 维度的正确粒度

Recipe 上下文的最小粒度应当是：

复制代码

设备（tool_id） + 腔体（chamber_id） + 配方标识（recipe_id） + 版本（version） + 生效时间区间

建模建议：

sql 复制代码

-- dim_recipe_version：配方版本维表
CREATE TABLE dim_recipe_version (
    recipe_sk        BIGINT,
    tool_id          STRING,
    chamber_id       STRING,
    recipe_id        STRING,
    recipe_version   STRING,
    route_id         STRING,
    operation_id     STRING,
    effective_start  TIMESTAMP,
    effective_end    TIMESTAMP,
    is_current       INT
);

这是一个典型的带生效区间的版本维表。加工事实表时，必须用加工时间落在生效区间内进行关联，不能用当前版本直接关联历史事实。否则会发生"配方上周才改版，但上个月的数据全被打上新版本"的错误。

3.2 加工事实表要同时保留设备与工艺上下文

sql 复制代码

-- dwd_process_run：工序加工执行明细
CREATE TABLE dwd_process_run (
    run_id           STRING,
    lot_id           STRING,
    wafer_id         STRING,
    route_id         STRING,
    operation_id     STRING,
    step_no          INT,
    tool_id          STRING,
    chamber_id       STRING,
    recipe_sk        BIGINT,
    recipe_version   STRING,
    track_in_time    TIMESTAMP,
    process_start    TIMESTAMP,
    process_end      TIMESTAMP,
    track_out_time   TIMESTAMP,
    run_qty          INT
);

保留 track_in / process_start / process_end / track_out 四个时间点非常重要。这四个时间点把一次加工拆成了三种等待与执行状态：

进站到开始加工：Queue Time，排队等待
开始加工到加工结束：Process Time，实际加工
加工结束到出站：Wait Time，出站等待

Cycle Time 分析如果只用 track_out - track_in，就只能得到一个总时长，无法定位瓶颈。把四段拆开，才能判断问题是产能不足（排队久）、机台效率低（加工久），还是物流与作业流转慢（出站久）。

3.3 重入流必须在模型中显式表达

半导体制造是典型的重入流：同一批晶圆会在光刻、刻蚀等工序反复进出。这意味着：

lot_id + operation_id 不唯一，同一个批次会多次经过同一工序。
事实表主键必须是 run_id 或 lot_id + operation_id + step_no + seq_no。
返工会产生同一工序的多次执行记录，不能简单去重。

如果按 lot_id + operation_id 做 Group By 去重，会直接丢掉返工记录，导致产能、良率、Cycle Time 全部失真。

四、OEE：真正难的不是公式，是分母和状态口径

OEE 的标准公式很简单：

复制代码

OEE = Availability × Performance × Quality

但在 Fab 里落地，争议全部集中在三个输入项上。

4.1 Availability：计划时间的边界必须先定下来

复制代码

Availability = (计划生产时间 - 停机时间) / 计划生产时间

需要明确的口径问题：

计划生产时间是否包含计划保养（PM）？ 不同企业口径不同，包含与不包含会直接改变Availability结果。建模时必须把计划时间作为独立事实，而不是用 24 小时直接代替。
停机是否区分计划停机与非计划停机？ 建议分开统计，否则"设备很忙"和"设备很健康"会被混为一谈。
统计对象是 Tool 还是 Chamber？ 多腔体设备的一个腔体 Down、另一个腔体继续 Run 是常态。按 Tool 统计会掩盖腔体级问题。

参考状态事实表：

sql 复制代码

-- dwd_tool_state_duration：设备状态时长明细
CREATE TABLE dwd_tool_state_duration (
    state_record_id STRING,
    tool_id         STRING,
    chamber_id      STRING,
    state_code      STRING,   -- 对齐 SEMI E10 状态定义
    state_group     STRING,   -- PRODUCTIVE / STANDBY / ENGINEERING / DOWN
    reason_code     STRING,
    start_time      TIMESTAMP,
    end_time        TIMESTAMP,
    duration_sec    BIGINT,
    source_system   STRING
);

工程上必须处理两件事：

状态区间重叠：MES 与 EAP 可能对同一时段都上报状态，直接 SUM 会重复累计，需要先做区间去重与优先级仲裁。
状态区间缺口：采集断链时不能默认填成 Run。缺口应当单独标记为 Unknown，并作为数据质量问题告警。

4.2 Performance：标准节拍必须绑定产品与工艺

复制代码

Performance = (理论标准节拍 × 实际产出) / 实际运行时间

标准节拍不是设备的一个固定属性，它随产品、Recipe、层别变化。因此标准节拍应当建成产品 × 工序 × 配方版本的维表，不能用一个全厂统一的 CT 值。

4.3 Quality：设备口径与产品口径不能混用

设备产出中的 Quality 通常指该设备当次加工的一次通过率，与 YMS 中的最终产品良率不是同一指标。混用会导致 OEE 被其他工序的问题污染。

另外，Fab 中大量使用 设备利用率（Utilization） 来衡量产能。它与 OEE 不是同一个指标：Utilization 只看设备有没有在跑，OEE 还要看跑得快不快、产出好不好。看板上必须分开命名与定义，不能把 Utilization 标成 OEE。

五、YMS：良率不是一个字段，而是一组带口径的指标体系

5.1 先区分测试阶段

阶段	测试对象	业务用途	常见问题
WAT	晶圆上的工艺测试结构	判断工艺参数是否达标	不能直接代表芯片功能良率
CP	晶圆上的每颗 Die	打 Bin、筛除坏 Die、指导封装	复测、探针接触异常影响结果
FT	封装后的成品芯片	出货判定	已混批，不能直接归因到某片晶圆
SLT / Burn-in	系统级或老化测试	筛除早期失效	与 CP/FT 的失效模式不同

把 CP 良率当作出货良率，是半导体数仓最常见的口径错误。 CP 通过只代表晶圆测试通过，封装与 FT 还会产生损失。

5.2 良率指标必须显式定义分子与分母

指标	分子	分母	使用注意
测试良率	通过 Die 数	实际测试 Die 数	分母不含未测到的位置
一次通过良率 FPY	首次测试通过 Die 数	首次测试 Die 数	必须排除复测记录
投入产出良率	合格出货 Die 数	投入的 Gross Die 数	需产品版图提供 Gross Die
累积良率	各工序连续通过的产出	对应投入	需处理返工与跳步
Bin 损失占比	某 Bin 的 Die 数	测试 Die 总数	Hard Bin 与 Soft Bin 不可混用

Hard Bin 通常是测试机与分选机使用的粗分类，Soft Bin 是更细的失效原因分类。做 Pareto 分析时，两者要分别建维度，不能用 Soft Bin 的数量去对 Hard Bin 的账。

5.3 一段带口径控制的良率计算

下面的示例计算首次 CP 测试良率，注意三个控制点：排除非产品片、按 Die 取首次测试、分母只用实际测试过的 Die。

sql 复制代码

WITH first_cp AS (
    SELECT
        t.wafer_id,
        t.die_x,
        t.die_y,
        t.hard_bin,
        ROW_NUMBER() OVER (
            PARTITION BY t.wafer_id, t.die_x, t.die_y
            ORDER BY t.test_start_time ASC, t.test_run_id ASC
        ) AS rn
    FROM dwd_cp_test_detail t
    JOIN dwd_lot_wafer_relation r
      ON t.wafer_id = r.wafer_id
     AND t.test_start_time >= r.effective_start
     AND t.test_start_time <  r.effective_end
    WHERE r.wafer_type = 'PRODUCT'
      AND r.lot_id IS NOT NULL
)
SELECT
    COUNT(1)                                          AS tested_die_cnt,
    SUM(CASE WHEN hard_bin = '1' THEN 1 ELSE 0 END)    AS pass_die_cnt,
    SUM(CASE WHEN hard_bin = '1' THEN 1 ELSE 0 END)
        / COUNT(1)                                    AS first_pass_yield
FROM first_cp
WHERE rn = 1;

如果计算的是最终良率，ORDER BY 应改为按测试时间倒序取最后一次有效测试。FPY 与最终良率必须是两个字段，不能共用一段逻辑。

5.4 Wafer Map 的价值在于空间特征，不在于图片

YMS 分析中，单纯的良率数字定位不了问题，必须结合 Wafer Map 的空间分布。数仓不需要存图片，但需要存空间特征：

sql 复制代码

-- dws_wafer_map_feature：晶圆级空间失效特征
CREATE TABLE dws_wafer_map_feature (
    wafer_id          STRING,
    test_stage        STRING,
    center_fail_cnt   INT,
    edge_fail_cnt     INT,
    ring_fail_flag    INT,
    scratch_fail_flag INT,
    cluster_cnt       INT,
    max_cluster_size  INT,
    bin1_rate         DECIMAL(10,4),
    feature_version   STRING
);

这些特征才能与工艺维度做关联分析。例如：

边缘失效集中 → 优先关联刻蚀、薄膜均匀性、腔体状态
同一 Shot 位置重复失效 → 优先关联 Reticle、曝光套刻
同一批次在多片晶圆上出现相同空间特征 → 优先关联共同经过的设备与配方版本

需要注意：这类关联分析产出的是排查方向，不是因果结论。归因还需要结合 DOE 实验与工艺验证。

六、把业务语义落成数仓分层

6.1 分层职责

层级	主要内容	关键设计动作
ODS	MES / EAP / YMS / Tester 原始数据	保留原始报文与源系统主键，不做业务清洗
DWD	批次流转、晶圆关系、加工执行、测试明细、设备状态、Die---Unit 映射	统一坐标、统一状态码、建立时变关系
DWS	批次/晶圆/产品级良率、设备 OEE、WIP 与 Cycle Time、工艺特征汇总	固化指标口径，排除非产品片与无效记录
ADS	良率 Pareto、OEE 看板、瓶颈分析、客诉追溯、工艺归因	面向具体分析场景组装
DIM	产品与版图、工艺路线、工序、设备与腔体、配方版本、Bin 字典	版本化管理，保留生效区间

6.2 DWS 层最值得沉淀的四类模型

结合前面讨论的 DWS 建模原则，半导体场景下高复用模型主要是：

晶圆全景宽表 ：以 wafer_id 为主键，融合当前批次归属、累计经过工序、CP 良率、缺陷特征、报废状态。
批次流转汇总表 ：以 lot_id + operation_id + dt 为粒度，输出投入、产出、Hold、Scrap、Rework 数量与各段耗时。
设备腔体效率表 ：以 tool_id + chamber_id + dt 为粒度，输出状态时长分布、OEE 三因子、停机 Pareto。
产品良率汇总表 ：以 product_id + test_stage + dt 为粒度，输出 FPY、最终良率、Top Bin 损失，统一对外口径。

这四类模型覆盖了 Fab 的绝大多数分析需求，且都是多下游复用，适合下沉到 DWS，而不是在各 ADS 任务里重复实现。

七、领域专属的 DQC 规则设计

半导体数仓的数据质量问题具有很强的领域特征，通用 DQC 规则远远不够。以下是几条必须落地的领域规则：

校验对象	规则	建议强度
批次---晶圆关系	同一 `wafer_id` 的归属区间不得重叠	强规则
数量守恒	批次拆分前后 Wafer 总数一致（扣除 Scrap）	强规则
Die 坐标	`(die_x, die_y)` 必须落在产品版图有效范围内	强规则
测试记录	同一 `test_run_id + wafer_id + x + y` 不重复	强规则
Bin 编码	Hard Bin / Soft Bin 必须在字典范围内	强规则
设备状态	状态时长之和不超过窗口时长，无 Unknown 缺口	强规则
良率值域	良率必须在 $0, 1$ 区间	强规则
CP → FT 数量	封装投入 Die 数与 CP Pass Die 数可解释对账	弱规则（存在混批与库存）
Recipe 版本	加工时间必须能匹配到生效版本	强规则
FDC 特征	关键工艺特征缺失率超阈值告警	弱规则