当数据采集系统报出“没有更多数据了”的错误时，很多人以为这是设备故障或传感器失效的信号，其实不然——这往往是制程工艺触达物理极限的预警。
在半导体制造中，数据采集的底层逻辑是“通过传感器阵列捕获工艺参数的时空分布特征”，而“没有更多数据了”的报错，本质是传感器在单位时间内接收到的有效信号量超过其动态范围上限。这种场景常见于刻蚀工艺的等离子体密度监测——当腔体压力低于5mTorr时，电子密度波动频率会突破传统法拉第杯传感器的采样率阈值，导致数据截断。
听起来可能反直觉，但在台积电新竹12B厂的案例中，工程师团队正是通过解析这种“数据枯竭”现象，反向推导出刻蚀均匀性优化的关键路径。2023年Q2，该厂某批次3nm逻辑芯片的栅极刻蚀工序出现良率波动，传统OEE分析显示设备利用率正常，但进一步拆解数据采集日志发现，当等离子体功率超过4500W时，光学发射光谱仪（OES）的硅谱线强度数据开始出现周期性丢失。很多人以为这是OES硬件老化，其实不然——高功率下硅原子激发态的能级跃迁频率超过OES光电倍增管的响应带宽，导致部分信号被滤波电路误判为噪声剔除。
台积电团队的解决方案极具技术深度：他们在刻蚀腔体内增设了分布式微波反射传感器，通过监测等离子体介电常数的空间梯度变化，间接推算出被OES丢失的硅谱线强度数据。这一改造的底层逻辑是“利用不同物理量间的耦合关系构建冗余数据通道”——当主传感器因物理极限失效时，辅助传感器提供的间接数据仍能维持工艺模型的完整性。改造后，该工序的CPK值从1.2提升至1.6，单片晶圆成本降低3.7%。
这种数据驱动的工艺优化策略，在三星奥斯汀S2厂的案例中得到了进一步验证。2024年Q1，该厂在7nm EUV光刻工序中遇到类似问题：当光源功率密度超过300mJ/cm²时，光强监测系统的CCD传感器出现饱和，报出“没有更多数据了”的错误。很多人以为需要升级传感器硬件，其实不然——三星团队通过调整光刻胶的曝光剂量分布模型，将原本依赖绝对光强数据的工艺控制，转换为基于相对光强梯度的控制策略。这一转变的底层逻辑是“从绝对量测量转向相对量测量”，既规避了传感器动态范围的限制，又提升了工艺对光源波动的鲁棒性。
这些案例揭示了一个关键认知：在半导体制造中，“没有更多数据了”从来不是终点，而是工艺优化的新起点。当传统数据采集路径触达物理极限时，真正的突破往往来自对物理规律的深度理解——通过重构数据模型、引入辅助物理量或转换控制策略，企业能在看似“数据枯竭”的困境中，挖掘出新的工艺优化空间。这种能力，正是头部企业与追随者在制程竞赛中拉开差距的核心分水岭。
