通常以典型方式测试“典型值”

理解6σ²

6σ的概念最早由摩托罗拉的比尔˙史密斯在1986年提出，是一套设计用于改善制造工艺和避免缺陷的标准。西格玛(小写希腊字母σ)用于表示统计群体的标准偏差(即表示变化的参数)。术语“6σ流程”是指，如果在过程均值与最接近规格限值之间有6倍标准偏差，那么就几近完美地满足规格要求。这一结论基于过程能力分析中采用的计算方法。

在能力分析中，过程均值与最近规格限值之间的标准偏差数量以σ单位给出。随着过程标准偏差增大，或者过程均值远离容限中心值，均值与最近规格限值之间的标准偏差数量将减小，这就降低了σ数量。

1.5σ偏移的角色

经验表明，过程的长期性能往往不如短期性能。所以，过程均值与最近规格限之间的σ数量很可能随时间推移而下降。通过对初始短期分析证明确实如此。考虑到随时间推移发生的过程偏移实际增大，在计算中引入了基于经验的1.5σ偏移。根据这一前提，某个过程在短期分析中过程均值与最近规格限值之间为6σ时，长期则对应4.5σ。发生这一现象的原因是过程均值将随时间发生移动，或过程的长期标准偏差将大于短期观察到的标准偏差，或者两者皆然。

所以，被广泛接受的6σ过程的定义为在每一百万个机会中有3.4个瑕疵(DPMO)。该定义基于的事实是，对于呈正态分布的过程，比均值高或低4.5倍标准偏差的点为百万分之3.4。(为单边能力分析)。所以，6σ的3.4 DPMO实际对应4.5σ，名义上为6σ，减去1.5σ偏移，以考虑长期变异。设计该理论的目的是防止实际工作中很可能发生的低估瑕疵率现象。

考虑1.5σ偏移时，短期σ水平对应以下的长期DPMO值(单边)。

●1 σ = 690,000 DPMO = 31%效率

●2 σ = 308,000 DPMO = 69.2%效率

●3 σ = 66,800 DPMO = 93.32%效率

●4 σ = 6,210 DPMO = 99.379%效率

●5 σ = 230 DPMO = 99.977%效率

●6 σ = 3.4 DPMO = 99.9997%效率

结论

相信以上讨论有助于解释晶圆测试背后的原因，以及典型值到底有多典型(即多正常)。

现在，我们再深入一步。假如我们要设计一种用于测试实验室环境的测量仪器。为设定仪器指标，我们需要理解和控制元件制造变化。如果知道所用IC的精度为6σ，将有助于增强我们对最终仪器指标的信心。这里，我们限定仪器的工作环境为室温。您可能已经忽略了，但上文中我们规定了“测试实验室环境”。这是一项关键指标。如果仪器供现场使用，则必须明确限定特定工作现场的温度、湿度和大气压。对于医疗用途，我们必须说明那些患者相关的部分，例如需要进行消毒或者是一次性的。如果仪器可用于太空或火箭，需要什么样的振动、大气压力、耐辐射性、耐温性？

简而言之，如果确信我们开始使用的就是6σ IC，IC数据资料提供的典型指导将使我们具备“典型的信心”。

作者：Bill Laumeister

战略应用工程师，Maxim Integrated