CN100428142C

CN100428142C - 使用实时分区处理能力分析优化制造过程的系统和方法

Info

Publication number: CN100428142C
Application number: CNB2005100667637A
Authority: CN
Inventors: 丹尼尔·B·苏利万; 艾德华·W·康拉德; 约翰·S·斯密斯; 克莱格·E·施内德
Original assignee: International Business Machines Corp
Current assignee: International Business Machines Corp
Priority date: 2004-04-28
Filing date: 2005-04-27
Publication date: 2008-10-22
Anticipated expiration: 2025-04-27
Also published as: US6922600B1; CN1690949A

Abstract

本发明公开一种用于优化制造过程的系统和方法，该系统包括：从先前执行的制造过程中收集的操作数据的数据库；用于将数据库过滤成多个数据子集的过滤系统；用于为所选数据子集计算评价准则的计算系统；用于确定评价准则是否满足一组预先确定需求的分析系统；以及如果所选数据子集不能提供满足该组预先确定需求的评价准则，则选择新的数据子集的迭代系统。

Description

使用实时分区处理能力分析优化制造过程的系统和方法

技术领域

本发明一般地涉及制造过程，尤其涉及一种使用分区处理能力分析优化制造过程的系统和方法。

背景技术

在复杂的制造环境例如半导体处理中，经常难以实时地量化制造过程或工具的真实能力。这样，经常难以预期地评价以给定方法使用过程或工具的效力。例如，在半导体制造过程中，经常期望当测量镀层等时从“一批”圆片中进行样本测量(也就是计量采样)以保证高性能。典型批量包括大约20个硅圆片。但是，计量给全过程增加显著的成本。因此，到“跳过批量采样”可以实现以消除计量采样的程度，总的制造过程的成本可以降低。圆片处理的其他方面包括需要选择工具以使用产品进行特定操作。确定哪个工具将提供性能和成本有效性的最佳平衡在实现总的生产效率方面是关键性的。

分析能力的现有技术通常包括查看从先前制造操作中收集的数据。统计过程控制(SPC)经常用作监控能力变化的机制。但是，技术例如SPC产生非常大量的数据。数据量导致对变化的慢反应，从而难以用于故障诊断。经常，SPC图表不提供过程控制中固有的交互作用的详细理解。

例如，跳过批量采样计划，其指示何时计量步骤可以对特定批量跳过，经常基于非常广泛的广义数据集例如技术和级别组合的处理能力分析(Cpk)计算来确定。不幸地，这种计算典型地很少进行，并且典型地很长时间不再次访问。因此，能力分析对性能改进或退化反应非常慢，或者根本不反应。能力分析系统例如在Newmark于2002年2月28日发表的名称为“装配线生产的能力分析”的美国专利申请US2002/0026257A1中描述，在此引用作为参考。

而且，因为简化SPC制图的需求，与许多技术和级别相关的数据经常组合在同一分析中。组合数据的能力分析隐藏特定工具各自的能力，标线，零件号等，从而导致错过的优化。例如，数据的目标子集可能指示在给定一组环境下对一批圆片跳过计量的低风险机会，其可能因为数据可能仅在非常高级别分析而错过。类似的误导结果也可能影响历史地基于工具能力分析的工具使用。

发明内容

本发明通过提供一种用于优化制造过程的系统和方法来解决上述问题以及其他问题。在第一方面，本发明提供一种处理工件的方法，包括：提供可以过滤成从先前处理工件中收集的操作数据的子组的数据库；为操作数据的所选子组计算评价准则；确定评价准则是否满足预先确定的需求；如果评价准则满足预先确定的需求，使用由操作数据所选子组确定的处理条件来处理工件；以及如果评价准则不满足预先确定的需求，使用操作数据的不同所选子组重复该方法。

在第二方面，本发明提供一种用于优化制造过程的系统，包括：从先前执行的制造过程中收集的操作数据的数据库；用于将数据库过滤成数据子集的过滤系统；用于为数据子集计算评价准则的计算系统；使得过滤和计算系统对不同数据子集重新运行的迭代系统；以及基于计算的评价准则确定制造过程的操作条件的系统。

在第三方面，本发明提供一种存储在可记录介质上、用于优化制造过程的程序产品，包括：用于将从先前执行的制造过程中收集的操作数据的数据库过滤成多个数据子集的单元；用于为所选数据子集计算评价准则的单元；用于确定评价准则是否满足一组预先确定的需求的单元；以及如果所选数据子集不能提供满足该组预先确定需求的评价标准，对新的数据子集重复计算和确定过程的单元。

在第四方面，本发明提供一种优化制造过程的方法，包括：提供从先前执行的半导体制造过程中收集的操作数据的数据库；提供包括当前计量过程的操作参数的一组过滤器；使用所选过滤器过滤数据库以产生数据子集；为所选数据子集计算评价准则；对不同数据子集重复过滤和计算步骤；以及基于计算的评价准则确定制造过程的操作条件。

附图说明

本发明的这些和其他特征将从下面结合附随附图进行的本发明各个方面详细描述中更容易理解，其中：

图1描绘根据本发明的过程优化系统。

图2描绘包括跳过批量采样的优化过程的流程图。

图3描绘对于图2的跳过批量采样过程使用四个不同过滤器产生的四个数据子集。

图4描绘根据本发明基于能力的工具使用系统的流程图。

具体实施方式

现在参考附图，图1描绘过程优化系统10，其接收一组过程参数30作为输入并且实时地输出过程设置26以在过程28中使用。在这里描述的实例实施方案的两个中，过程28包括半导体处理操作，包括：(1)跳过批量采样计划，也就是确定一批圆片是否应当经受昂贵的计量过程；以及(2)工具使用，也就是确定哪个工具应当用于特定的过程步骤。但是，应当理解，本发明可以适用于必需做出处理决定的任何制造过程，包括例如故障检查，电测试等。

过程参数30可以包括描述待执行制造过程特性的任何参数或操作条件。例如，参数30可以包括：半导体技术，待执行的操作，待使用的工具，工具设置，批量大小，零件号等。过程设置26可以包括过程28可以使用来优化过程28的操作的任何设置或操作条件。例如，过程设置26可以包括跳过批量处理应当被实现，或者使用低效率工具有意义的判定。

过程优化系统10通过分析历史数据16来操作，其包括来自先前处理操作的操作数据的数据库，以确定优化是否对给定一组输入参数30而批准。历史数据16可以包括描述操作和结果特性的任何类型的相关操作数据。例如，历史数据可以包括使用不同操作参数和条件的给定操作的性能数据。数据可以任何方式存储，例如在一个或多个数据库中，分布在网络上，在平面文件中，在RAM或ROM中等。

过程优化系统10包括利用一组过滤器15从历史数据16中识别匹配一个或多个输入过程参数30的数据子集的数据过滤系统12。例如，如果输入的过程参数30指示过程28包括技术A，零件号B，使用工具C，那么数据过滤系统12将搜索历史数据16来从过去的操作中识别具有相同(或类似)过程参数的数据。例如，可能的数据子集可以通过在A，AB，ABC，AC，BC或仅C上过滤来产生。

过滤器选择系统14也提供用于管理和选择过滤器15的机制。可用过滤器15的集合可以预先确定，或者可以基于输入过程参数30动态地产生。注意，在过滤器15的数量或类型上没有任何限制，例如它们可以是分层或不分层的。过滤器选择系统14一次一个地选择并实现过滤器15，以产生唯一的数据子集。任何机制可以用来实现过滤器例如关系数据库等。每当新的数据子集18产生时，它使用下面描述的过程来评价。过滤器选择过程可以任何方式实现，例如从宽到窄，窄到宽等。

在初始过滤器选择之后，数据子集18将产生，其包括存储在历史数据16中满足过滤准则的所有先前过程的操作数据。通常，过滤器越宽，数据子集18中的结果越多。在数据子集18产生之后，它传递到计算一个或多个评价准则21的计算系统20，其中评价准则21测量在给定条件下提出的优化的效率(例如，对于技术A使用工具B跳过批量采样应当实现吗)。说明性的评价准则包括处理能力比率(Cpk)，正态曲线或假设，以及指示样本大小的值N。显然，使用的特定类型的评价准则可以改变并且可以依赖于正在优化的特定过程28。

在一种可能的实施方案中，一旦各种评价准则21被计算，它们可以传递到需求分析系统22以确定准则21是否满足最小阈值。特别地，每个准则相对于预先确定的需求比较或评价以确定计算的评价准则21是否可接受。例如，如果处理能力比率Cpk满足预先确定的阈值“并且”正态曲线满足假设需求“并且”N大于最小样本大小，那么评价准则21将由需求分析系统22认为可接受。

如果评价准则21是可接受的，那么优化可以使用从所选过滤器和/或数据子集18中确定的条件或设置来实现。作为选择，迭代系统23可以实现以重复过滤12/计算20/需求分析22过程，来评价其他可能的过滤器选择和数据子集18。在这种情况下，满足必要需求的多个不同的可能优化配置可以收集并传递到过程设置系统24或过程28以进一步的评价。当可接受的评价准则21确定时，过程设置系统24用来将相关评价准则，过滤器参数，历史数据等转换成可以由过程28使用的设定点或其他值。

在任何一种情况下，如果评价准则21不可接受，那么(以与刚才描述的类似的方式)迭代系统23将控制传递返回到过滤器选择系统14，其将确定是否存在还没有被选择的任何其他过滤器。如果其他过滤器存在，那么：(1)数据过滤系统12选择新的过滤器并且使用新的过滤器产生更新的数据子集18；(2)计算系统20重新计算评价准则21；以及(3)分析系统22重新检查看重新计算的评价准则21是否可接受。

在第一可用优化被寻找的实施方案中，过滤12/计算20/需求分析22过程将继续重复直到所有可能的过滤器已经用尽或者直到一组评价准则21由需求分析系统22认为可接受。在该实施方案中，如果任何过滤器选择的评价准则21被发现可接受，那么优化可以实现。但是，如果评价准则对每个可能的过滤器15而失败，那么过程设置系统24可以使用默认的或未优化的输出过程设置。

在多个可能优化被寻找的情况下，过滤12/计算20/需求分析22过程将继续重复直到所有可能的过滤器已经用尽。在对该实施方案的一种变化形式中，需求分析系统22可能完全地消除，允许所有可能的优化配置被收集，不管它们是否满足最小标准。

现在参考图2，包括跳过批量采样的优化过程的流程图被显示。在第一步骤S1中，过滤器被选择，其适用于历史计量数据的数据库。在这种情况下，四个可能的过滤器可用，(1)技术/级别，(2)零件号(PN)/级别，(3)技术/级别/工具，以及(4)PN/级别/工具。依赖于哪个过滤器被选择，唯一的计量数据子集产生。

在步骤S2，一组评价准则从数据子集中计算。在这种情况下，能力比率，正态曲线，和最小样本大小(N)被计算。

在步骤S3，第一测试发生以确定N是否大于最小必需的样本大小。最小必需样本大小可以任何方式选择，例如，它可以基于用户的经验预先设置。如果N大于最小样本大小，第二测试在步骤S4发生，其确定正态曲线(或假设)是否可接受。与标准正态分布的背离容易以任何方式检测。依赖于什么标准用来确定历史数据集，可能找到给出足够能力比值，但是具有位于正态分布曲线外部的显著尾部也就是峰值的双峰和非正态分布。在这些情况下，如果分布尾部中的批量共享共同因素(例如损坏的工具，退化的过程等)，可用于跳过的批量的小样本可能经受巨大的风险。如果样本集中所有批量都使用该样本跳过规则，尾部中的子集具有被装配“不合规格”而没有测量的显著可能性。

如果正态假设被满足，那么第三测试在步骤S5发生，其确定能力比率是否大于最小必需值。能力比率可以包括任何类型的能力分析，如本领域中已知的。可能的能力比率可以例如包括经典处理能力比率Cpk，采样能力比率等。在一种实例实施方案中，能力比率包括如下计算的置信区间(C_sk，l)：

C_{sk, l} = C_{sk} \cdot [1 - Z_{a / 1} \cdot \sqrt{\frac{1}{9 \cdot n \cdot C_{sk}^{2}} + \frac{1}{2 \cdot (n - 1)}}

其中Z是得分，并且采样能力比率C_sk由下面给出：

C_{sk} = \frac{USL - \overset{&OverBar;}{X}}{3.0 \cdot S}

并且USL是规定上限并且其中S是由下面给出的样本标准偏差：

S = \sqrt{\frac{Σ_{i = 1}^{n} {(X_{i} - \overset{&OverBar;}{X})}^{2}}{n}}

并且其中样本平均值通过平均数据点X_i来确定，如下：

\overset{&OverBar;}{X} = \frac{Σ_{i = 1}^{n} X_{i}}{n}

如果能力比率大于必需的最小值，那么跳过批量采样在步骤S6执行。

如果测试中任何一个在步骤S3-S5失败，那么过程传递到步骤S8，其确定是否所有过滤器已经用尽。如果所有过滤器还没有用尽，那么控制传递返回到步骤S1。在这一点，新的过滤器被选择，并且步骤S2-S5被重复以确定是否对新的过滤器重新计算的评价准则是可接受的。过程重复直到(1)可接受的评价准则获得；或者(2)所有过滤器在步骤S8用尽(也就是没有过滤器产生可接受的评价准则)。如果所有过滤器用尽，那么计量在步骤S7执行。

图3描绘对于图2中描述的四个说明性过滤器计算的评价准则。也就是，左上象限描绘技术/级别的评价准则，右上象限描绘零件号(WPN)/级别的评价准则，左下象限描绘技术/级别/工具的评价准则，以及右下象限描绘WPN/级别/工具的评价准则。在该实例中，“csk，l”表示能力比率，“正常”表示在每个象限中显示为条形图的正态假设，以及“n”表示为特定过滤器定位的记录或样本的数目。对于该实例，对于可接受的准则，csk，l必须大于1.0，正常必须为“是”，并且n必须大于12。

左上象限显示技术CSO19S2和级别NR的第一过滤器结果。如可以看到的，n＝204，csk，l＝0.81并且正常＝否。因此，对于该技术/级别过滤器选择，计算的评价准则将是不可接受的，因为csk，l小于1.0并且正常＝否。因此，下一个过滤器将被选择。

右上象限显示零件号0000070P8959和级别NR的第二过滤器结果，其是在左上象限中产生的数据子集。如可以看到的，n＝81，csk，l＝0.77并且正常＝是。因此，对于该WPN/级别过滤器选择，计算的评价准则也将是不可接受的，因为csk，l小于1.0。因此，下一个过滤器将被选择。

左下象限显示技术CSO19S2，级别NR和工具X52V的第三过滤器结果，其是在左上象限中产生的另一个数据子集。如可以看到的，n＝109，csk，l＝1.13并且正常＝否。因此，对于该技术/级别/工具过滤器选择，计算的评价准则也将是不可接受的，因为正常＝否。因此，下一个过滤器将被选择。

右下象限显示零件号0000070P8959，级别NR和工具X52V的第四过滤器结果，其是在其他三个象限的每个中产生的数据子集。如可以看到的，n＝45，csk，l＝1.05并且正常＝是。因此，对于该WPN/级别/工具过滤器选择，计算的评价准则将是可接受的，因为csk，l大于1.0并且正常＝是。

因此，使用这些结果，优化可以任何期望方式实现。例如，跳过批量采样可以基于能力比值，例如1∶2，1∶4，1∶6，1∶8使用标准统计技术来实现，其中较高的Cpk值导致较少的测量。

现在参考图4，描绘基于能力的工具使用系统的流程图被显示。在该实施方案中，过程优化系统10用来帮助从多个候选工具中选择最有效的工具来执行特定的功能。在该实施方案中，当产品40可用于处理时，实时能力分析42被运行以确定处理产品40的最佳工具。过程优化系统10用来为每个候选工具计算一组评价准则值44(例如Cpk和/或正态)。在这种实施方案中，图1中描述的数据过滤系统12将基于工业标准工具资格需求为批量的使用识别所有候选组合。然后，每个评价准则值计算为候选工具历史数据过滤子集的函数，如上所述。例如，假设工具A可能具有过滤的子集“工具A/技术A/零件A”以及“工具A/零件B”，其分别具有0.95和0.80的Cpk值，并且假设工具B可能具有过滤的子集“工具B/技术A/零件C”和“工具B/零件B”其分别具有1.2和0.60的Cpk值。

然后，排列系统52将根据评价准则值44排序候选工具。由排列系统52使用的其他因素可以包括各个工具资格需求46，所有工具的当前WIP(工作在进行中)装载48，工具可用性50等。实时能力分析然后可以查询54排列系统52以确定最佳工具来使用，其又将使用最佳的工具56。

因此，如可以看到的，通过使用本发明来以不同的粒度和/或基于不同的输入参数来划分历史数据，相关操作数据可以实时地从不同观察中检查以优化制造过程。

应当理解，在这里描述的系统、功能、机制、方法、引擎和模块可以硬件、软件或硬件和软件的组合来实现。它们可以由任何类型的计算机系统或适合于执行在这里描述的方法的其他装置来实现。硬件和软件的典型组合可以是具有计算机程序的通用计算机系统，该计算机程序当被装载并执行时，控制计算机系统，使得它执行在这里描述的方法。作为选择，包含用于执行本发明功能任务中一个或多个的专用硬件的专用计算机可以使用。本发明也可以嵌入在计算机程序产品中，其包括能够实现在这里描述的方法和功能的全部特征，并且其-当装载到计算机系统中时-能够执行这些方法和功能。计算机程序，软件程序，程序，程序产品，或软件，在本上下文中，意思是目的在于使具有信息处理能力的系统能够直接地或者在下面二者中任何一个或两者之后执行特定功能的一组指令的任何表示，以任何语言、代码或符号：(a)到另一种语言、代码或符号的转换；和/或(b)以不同材料形式的复制。

本发明的前述描述已经为说明和描述的目的而给出。它目的不在于穷举或者将本发明局限于公开的确切形式，并且显然地，许多修改和改变是可能的。对本领域技术人员可能显然的这种修改和改变打算包括在由附加权利要求定义的本发明的范围内。

Claims

1.一种处理工件的方法，包括：

提供可以过滤成从先前处理工件中收集的操作数据的子组的数据库；

为操作数据的所选子组计算评价准则，其中评价准则测量在给定条件下提出的优化的效率；

确定评价准则是否满足预先确定的需求；

如果评价准则满足预先确定的需求，使用由操作数据所选子组确定的处理条件来处理工件；以及

如果评价准则不满足预先确定的需求，使用操作数据的不同所选子组重复该方法。

2.根据权利要求1的方法，其中处理工件的步骤包括测量所述工件的镀层。

3.根据权利要求1的方法，其中处理工件的步骤包括不测量所述工件的镀层。

4.根据权利要求1的方法，其中处理工件的步骤包括在具有预先确定工件处理能力的处理工具上处理工件。

5.根据权利要求1的方法，还包括如果操作数据的所有子组已经用尽，则使用默认处理条件的步骤。

6.根据权利要求1的方法，其中评价准则包括正态曲线和能力比率。

7.一种用于优化制造过程的系统，包括：

从先前执行的制造过程中收集的操作数据的数据库；

用于将数据库过滤成数据子集的过滤系统；

用于为数据子集计算评价准则的计算系统，其中评价准则测量在给定条件下提出的优化的效率；

使得过滤和计算系统对不同数据子集重新运行的迭代系统；以及

基于计算的评价准则确定制造过程的操作条件的系统。

8.根据权利要求7的系统，还包括用于确定评价准则是否满足一组预先确定的需求的分析系统。

9.根据权利要求8的系统，其中如果所选数据子集不能提供满足该组预先确定需求的评价准则，则迭代系统重新运行。

10.根据权利要求7的系统，其中评价准则包括能力比率和正态曲线。

11.根据权利要求10的系统，其中评价准则还包括样本数量大小。

12.根据权利要求8的系统，其中制造过程包括进行半导体测量的计量操作。

13.根据权利要求12的系统，其中如果评价准则满足所述分析系统的该组预先确定的需求，则所述分析系统实现跳过批量采样优化。

14.根据权利要求7的系统，其中操作条件包括选择工具集以用于制造过程。

15.根据权利要求7的系统，其中过滤系统包括在参数上过滤的一组过滤器，参数包括：半导体技术和级别；半导体零件号和级别；半导体技术、工具和级别；以及半导体零件号、工具和级别。

16.一种处理工件的系统，包括：

用于将从先前执行的制造过程中收集的操作数据的数据库过滤成多个数据子集的单元；

用于为所选数据子集计算评价准则的单元，其中评价准则测量在给定条件下提出的优化的效率；

用于确定评价准则是否满足一组预先确定的需求的单元；

如果所选数据子集能提供满足该组预先确定的需求的评价准则，则使用根据所选数据子集确定的处理条件来处理工件的单元；以及

如果所选数据子集不能提供满足该组预先确定需求的评价准则，对新的数据子集重复计算和确定过程的单元。

17.根据权利要求16的系统，其中评价准则包括能力比率和正态曲线。

18.根据权利要求17的系统，其中评价准则还包括样本数量大小。

19.根据权利要求16的系统，其中制造过程包括进行半导体测量的计量操作。

20.根据权利要求19的系统，其中如果评价准则满足该组预先确定的需求，确定单元实现跳过批量采样优化。

21.根据权利要求16的系统，其中制造过程包括选择使用的工具。

22.根据权利要求20的系统，其中重复单元对多个数据子集的每个、对多个候选工具的每个而重复。

23.根据权利要求16的系统，其中用于过滤的单元包括在参数上过滤的一组过滤器，参数包括：半导体技术和级别；半导体零件号和级别；半导体技术、工具和级别；以及半导体零件号、工具和级别。

24.一种优化制造过程的方法，包括：

提供从先前执行的半导体制造过程中收集的操作数据的数据库；

提供包括当前计量过程的操作参数的一组过滤器；

使用所选过滤器过滤数据库以产生数据子集；

为所选数据子集计算评价准则，其中评价准则测量在给定条件下提出的优化的效率；

对不同数据子集迭代过滤和计算步骤；以及

基于计算的评价准则确定制造过程的操作条件。

25.根据权利要求24的方法，还包括在计算步骤之后，确定评价准则是否满足一组预先确定的需求的步骤。

26.根据权利要求25的方法，其中还包括如果评价准则不能满足该组预先确定的需求，则从过滤器集合中选择新的过滤器。

27.根据权利要求25的方法，还包括如果评价准则满足该组预先确定的需求，则使用跳过批量采样的步骤。

28.根据权利要求25的方法，还包括如果过滤器集合中没有一个提供满足该组预先确定需求的评价准则，则实现计量过程的步骤。

29.根据权利要求24的方法，其中评价准则包括能力比率和正态曲线。