随着MEMS(Micro Electro-Mechanical System),即微电子机械系统的技术发展与商用化的进程,其制造中的良品率问题日益严峻,可制造性设计(DFM)的必要性凸显。在MEMS器件的制造工艺中,多种物理、化学、设备等因素引起的几何尺寸的随机偏差,将最终反映在器件性能与标称值的偏差上。在设计阶段就对最终器件成品的性能与良率做出预测,能够极大地缩短器件的研发周期,节约大量制造成本。现有对于MEMS器件工艺偏差的研究,大多局限于很简化的系统模型与理想化的独立正态参数分布,且研究方法以蒙特卡罗仿真(MCS)为主,其计算成本过于高昂。因此,研究制造工艺偏差不确定性的量化,以及它对性能与良率的影响,并利用其优化器件结构、提高良率,对MEMS技术的发展颇具意义。在MEMS研究领域中,材料的热效应在所有器件中起着至关重要的作用。首先,热学参数会直接影响器件性能,其次,现今电子器件高度集成,热量无法有效散失很容易引发可靠性问题。本文研究了多晶硅热导率的在线测试模型和测试方法,将测试结构测得的热导率计算值作为本文的研究对象。利用有限元仿真工具COMSOL Multiphysics的参数化扫描,仿真了在几何尺寸参数不确定性条件下测试结构的热导率计算值分布,对理论模型进行了验证。根据工艺流程进行了版图设计,测试流片结果得到了结构的几何参数与热导率计算值的统计分布结果,与有限元仿真所得结果进行了对比,证实了该测试结构模型作为不确定性分析对象的正确性。本文采用主元分析(PCA)方法对几何尺寸与电学量数据进行了去相关性,得到了新的降维数据集和表达式。随机谱方法中衍生出的随机配点算法用数值拟合导出多项式混沌展开(PCE)系数,具有适用范围广,计算量与精度平衡,同时有利于后续优化设计的优势。本文采用随机配点法和稀疏网格采样技术对测试结构进行数值分析,预测了工艺偏差影响下热导率计算值的分布情况与良品率,并与蒙特卡罗模拟结果和实验测量结果进行比较。此外,在参数敏感度分析的基础上,本文确定了测试结构的关键参数——热沉引线宽度,并针对其进行了优化设计,设立参照组,实验结果证明了优化设计的良率相较原设计有显著提升。本文提出的方法对复杂的隐式系统函数同样适用,可以在设计阶段对MEMS器件性能与良率实现预测,指导研究者优化结构设计、选择最合适的工艺线,显著缩减研发周期与成本。