CN101231508A - 采用时间序列分析预测-校正集成电路制造工艺控制方法 - Google Patents

Abstract

本发明公开了属于集成电路制造技术范围的一种采用时间序列分析预测－校正集成电路制造工艺控制方法。将与集成电路制造工艺结果有关的数据，通过建立工艺模型的方式进行分离，剥离出其中与工艺结果有关且易于进行调控的工艺参数；其他参数的影响值按时间顺序排列，形成时间序列；采用时间序列分析的算法处理，例如应用ARMA自回归移动平均模型的建模方法，对该时间序列的总的变化趋势(因而工艺结果的可能的变化趋势)进行预测；通过调整易于调控的工艺参数，补偿所预测到的工艺波动，使工艺结果达到平稳，从而实现工艺条件的动态化处理。在无需硬件投入，不明显增加制造成本的前提下，取得更好的工艺控制效果，从而大大提高工艺结果的稳定性。

Description

采用时间序列分析预测-校正集成电路制造工艺控制方法

技术领域

本发明属于集成电路制造技术范围，特别涉及一种采用时间序列分析预测-校正集成电路制造工艺控制方法。

背景技术

本发明的背景有两个方面，一是在数学领域，对于宽平稳随机时间序列已经进行了多年的研究，形成了很多时间序列预测的算法；二是在集成电路制造领域，各步骤的工艺结果客观上是波动的，工艺的效果构成随时间而波动起伏变化的时间序列。将时间序列的分析技术引入集成电路制造的工艺控制，将有可能针对工艺的波动进行预测，从而可以在实际的波动发生之前，预先对工艺条件进行校正，最终达到压缩工艺波动，稳定产品制造质量的目标。

一，时间序列预测，这里以常见的ARMA模型时间序列预测为例来进行说明。

ARMA(Auto-Regressive Moving-Average)即自回归移动平均模型，是一类常用的时间序列模型，这种建模方法由美国统计学家博克斯(Gergeo Box)和英国统计学家詹金斯(Gwilym Jenkins)在1968年提出来，亦称B-J方法。它强调“让数据自己说话”，是一种精度较高的时序短期预测方法，被广泛应用于工业、商业预测和经济分析。其基本思想是：某些时间序列是依赖于时间t的一族随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律性，变量可由其自身的过去值或滞后值以及随机误差项来解释，并可以由建立的模型来进行预测。ARMA(p，q)模型可由数学表达式描述为：x_t＝φ₁x_t-1+φ₂x_t-2+...+φ_px_t-p+ε_t+θ₁ε_t-1+θ₂ε_t-2+...+θ_qε_t-q

式中x_t为t时刻的观察值，x_t-i为t-i时刻的观察值，即滞后项，φ_i，θ_i分别为滞后项和随机误差项的系数。该式表达了x_t对滞后项x_t-i以及随机误差项的依赖关系。式中的p，q分别表示用滞后项和随机误差项各多少项，来得到对于t时刻观察值的预测。

若q＝0，则ARAM模型变为自回归模型AR(p)；若p＝0，则ARAM模型变为移动平均模型MA(q)。

图1所示为ARMA自回归移动平均模型的建模过程，可以表示如下：

(1)建立ARMA自回归移动平均模型的前提条件是：所要分析的序列必须是一个平稳时间序列，所以在建立ARMA模型之前必须对时间序列平稳性进行检验，如果原序列不平稳，则要采取一定的数学处理将其平稳化。现实中许多随机时间序列不具备平稳过程的特征，如果硬用非平稳的时间序列来套用ARMA算法建立模型，就会出现虚假回归的问题。

判断一个序列是否稳定有很多方法，例如利用自相关值来判断，若自相关值长期在置信区间之外且不趋近于0，则序列不稳定；或者用单根检验，有单根则不平稳，有几个单根则几阶差分平稳。

(2)建立ARMA自回归移动平均模型的第二步是模型的识别及参数估计，也就是根据平稳化后的时序的自相关函数图与偏自相关函数图的形式，来对时序模型作最初的判断。定出其阶数(ARMA(p，q)自回归移动平均模型中的p值和q值)，计算出各滞后项和随机误差项的系数。

(3)ARMA自回归移动平均模型的检验。为了检验所建立的模型是否准确，利用残差相关性Q检验以及观察残差的自相关系数和偏自相关系数，判断被估模型的残差序列e_t是否为白噪声序列。若是白噪声，则接受所建立的模型。否则，还要重新进行模型的识别、定阶、估计、检验等各步骤。

二，常见的预测应用，例如预测太阳黑子活动周期，都隐含有一个前提，就是不人为地去扰动数据序列，否则数据序列就不会是宽平稳随机的，预测算法也就无法正确和准确地应用了。又如以集成电路制造工艺中外延工艺为例，如果既预测所生长的外延层的厚度，同时又通过对工艺条件的调整去调控外延层的最终生长厚度，这样的做法在逻辑上就是不自洽的，因而应用也就无法成功。这是处理预测算法在实践应用中的一个难题，以往的集成电路制造工艺，采用的是固定的工艺条件，对于大规模的生产制造，工艺条件是不允许变动的，主要靠不断地提高制造系统、半导体设备的性能来提高和保证产品参数的重复性，均匀性。本发明提出根据时间序列预测的结果来动态地校正、改变工艺条件，意味着提出了与当前的集成制造截然不同的制造控制模式，是在技术方法上的重大创新。

尽管将比较成熟的时间序列预测算法应用于集成电路制造的先进工艺控制领域，这样的想法很简单，但具体实现起来，却必须处理算法与应用之间逻辑上自洽的问题。

发明内容

本发明的目的是提供一种采用时间序列分析预测-校正集成电路制造工艺控制方法，其特征在于，将与集成电路制造工艺结果有关的数据，通过建立工艺模型的方式进行分离，分离出易于进行调控的工艺参数和对工艺结果有影响的参数，然后将对工艺结果有影响的参数的影响值按时间顺序排列，形成时间序列；采用时间序列分析的算法处理，应用ARMA自回归移动平均模型的建模方法，对该时间序列的总的变化趋势-工艺结果的可能的变化趋势进行预测；通过调整易于调控的工艺参数，对工艺条件的动态化校正，补偿所预测到的工艺波动，使工艺结果达到平稳，从而实现工艺条件的动态化处理。在无需硬件投入，不明显增加制造成本的前提下，取得更好的工艺控制效果。

所述工艺步骤建模，是将集成电路制造工艺所包含的热生长方法生长热氧化层的工艺，外延技术生长各类外延层材料的工艺，通过LPCVD低压化学气相淀积生长氧化层、多晶硅层、氮化硅层的工艺，通过PECVD等离子增强化学气相淀积生长氧化层、氮化硅层的工艺，通过蒸发或溅射技术淀积各类金属层的工艺，通过离子注入形成不同的半导体材料掺杂层的工艺，以及热扩散、退火、合金在内的各类热处理工艺，通过高密度等离子体，反应离子刻蚀等技术刻蚀各类材料层的工艺，通过MBE分子束外延、ALD原子层淀积、SOG旋涂法玻璃生长技术生长薄膜层的工艺，各类清洗和湿法腐蚀工艺，这些工艺的工艺效果与影响工艺效果的各类因素之间的关系，建立唯像的模型，典型的工艺模型具有“工艺结果参数＝达到工艺结果的速率项×工艺时间项”的形式。

所述工艺建模可以不取前述“工艺结果参数＝达到工艺结果的速率项×工艺时间项”的典型形式，而一般化为“工艺结果参数＝f(P，adj.)”的形式，这里f是工艺结果随工艺因素变化的函数式，函数式的自变量为可调工艺因素adj.和其他工艺因素P。此时“工艺建模-时间序列分析预测-工艺条件动态化校正”的三阶段处理步骤仍然不变，仅在具体的计算过程中，根据具体的工艺模型的函数形式来进行预测和校正的处理。

所述时间序列分析算法处理，是使用成熟的数学工具，针对工艺步骤建模过程中得到的，由“达到工艺结果的速率项”按时间排列的而构成的时间序列，进行时间序列模型分析与预测。这一步不考虑影响工艺结果的工艺时间项，因此工艺时间因素是与所有其他可能影响最终工艺结果的因素相分离的。经过时间序列建模与预测，就得到“达到工艺结果的速率项”在下一次工艺时的可能值。所述的工艺条件的动态化校正，是依据上述预测值，又根据已经建立的工艺模型：工艺结果参数＝达到工艺结果的速率项×工艺时间项，通过调整工艺时间项取值的方式，去补偿速率项可能的变化，达到最终稳定工艺结果参数的目的。本发明的有益效果是，可以在不进行硬件投入，不明显增加制造成本的前提下，对于变化率的波动进行补偿，从而可以大大提高工艺结果的稳定性，取得更好的工艺稳定性的控制效果

附图说明

图1为ARMA自回归移动平均模型的建模过程图。

图2“工艺建模-时间序列分析预测-工艺条件校正”的控制方法流程图。

具体实施方式

本发明提供一种采用时间序列分析预测-校正的，集成电路制造工艺控制方法。图2“工艺建模-时间序列分析预测-工艺条件校正”的控制方法流程图。以下以集成电路制造中的外延工艺的实施例，结合图2所示的“工艺建模-时间序列分析预测-工艺条件校正”的控制方法流程图来说明时间序列预测如何应用到集成电路制造中，进行先进的工艺控制。

对于外延工艺，外延的厚度和生长时间成正比，因此可以建立以下的工艺模型：

厚度＝生长时间×外延层生长速率

外延工艺中可控的工艺参量，有气流量，通气时间，气体掺杂比，温度，及反应腔压强等。通常这些工艺条件是固定的，但设备在执行设定条件下的工艺菜单时往往因为各种各样的原因而存在着波动，工艺参量上的这些波动直接反映为，外延层生长速率并不能保持恒定，而是要发生随机的变化。这样通过工艺模型，我们就将“生长时间”变量与其他各变量(这些变量综合为“外延层生长速率”单一变量)进行了合理的分离。预测只针对外延层生长速率进行；而对工艺的调整，只针对生长时间进行。这样既不会产生自洽的问题，在另一方面，如果对于生长速率的预测是准确的，则通过调整生长时间，确实可以实现将生长厚度牢牢地固定在设定厚度上的最终目标。

综上所述，通过对工艺建模，可以将工艺变量进行适当的分离；采用时间序列分析的算法处理，对于工艺中可能的参数，主要是反映外延生长速率的参数，对其波动进行预测；通过调整另外的工艺参数，主要是工艺处理的时间，可以补偿所预测的工艺波动，从而实现了工艺条件的动态化处理。在无需硬件投入，不明显增加制造成本的前提下，取得更好的工艺控制效果。

以外延工艺为例，具体的实施过程为：

1)在每次外延工艺后，测量外延层的厚度，一般来说，所测量到的外延层厚度，相对于要求的厚度总是存在或多或少的偏差的。收集各次外延的外延层厚度数据，将这些工艺结果的测试数据按时间顺序排列，形成时间序列；

2)根据“厚度＝生长时间×外延层生长速率”这样的工艺模型，用每一次的外延层厚度值除以各次的实际生长时间，得到外延层生长速率按时间顺序排列的时间序列；

3)应用时间序列分析预测算法，例如ARMA自回归移动平均模型算法，对于上面的外延层生长速率的时间序列建模，也就是建立时间序列的预测模型，计算模型参数；

4)根据所建立的时间序列预测模型，预测下一次工艺中外延层生长速率的可能的变化趋势；

5)根据预测，外延层生长速率可能会变快或者变慢，这时由“厚度＝生长时间×外延层生长速率”这样的工艺模型，有针对性地调整“生长时间”，去补偿“外延层生长速率”的波动，就能够实现对外延层厚度，也就是最终工艺结果，的相对稳定的控制。

采用时间序列分析进行工艺结果预测，进而校正工艺条件的集成电路制造工艺控制方法，根据工艺对于工艺因素的依赖关系不同，也可采用其他方式的工艺模型。例如对于涉及到较多工艺气体的工艺，可以将某种工艺气体的气流量单独独立出来，认为最终的工艺结果，在设定值附近的变化随气流量的微调是线性的，也就是一般所说的一阶近似，其他所有因素的综合效果只影响这个线性变化的变化率，因而可以针对线性变化的变化率进行时间序列预测，通过校正该气体的流量，达到稳定工艺结果的最终目的。

Claims (5)

1.一种采用时间序列分析预测-校正集成电路制造工艺控制方法，其特征在于，将与集成电路制造工艺结果有关的数据，通过建立工艺模型的方式进行分离，分离出易于进行调控的工艺参数和对工艺结果有影响的参数，然后将对工艺结果有影响的参数的影响值按时间顺序排列，形成时间序列；采用时间序列分析的算法处理，应用ARMA自回归移动平均模型的建模方法，对该时间序列的总的变化趋势-工艺结果的可能的变化趋势进行预测；通过调整易于调控的工艺参数，对工艺条件的动态化校正，补偿所预测到的工艺波动，使工艺结果达到平稳，从而实现工艺条件的动态化处理，在无需硬件投入，不明显增加制造成本的前提下，取得更好的工艺控制效果。

2.根据权利要求1所述采用时间序列分析预测-校正集成电路制造工艺控制方法，其特征在于，所述工艺步骤建模，是将集成电路制造工艺，包括热生长方法生长热氧化层的工艺，外延技术生长各类外延层材料的工艺，通过LPCVD低压化学气相淀积生长氧化层、多晶硅层、氮化硅层的工艺，通过PECVD等离子增强化学气相淀积生长氧化层、氮化硅层的工艺，通过蒸发或溅射技术淀积各类金属层的工艺，通过离子注入形成不同的半导体材料掺杂层的工艺，以及热扩散、退火、合金在内的各类热处理工艺，通过高密度等离子体，反应离子刻蚀等技术刻蚀各类材料层的工艺，通过MBE分子束外延、ALD原子层淀积、SOG旋涂法玻璃生长技术生长薄膜层的工艺，各类清洗和湿法腐蚀工艺等，这些工艺的工艺效果与影响工艺效果的各类因素之间的关系，建立唯像的模型，典型的工艺模型具有“工艺结果参数＝达到工艺结果的速率项×工艺时间项”的形式。

3.根据权利要求2所述采用时间序列分析预测-校正集成电路制造工艺控制方法，其特征在于，所述工艺建模也可以不取“工艺结果参数＝达到工艺结果的速率项×工艺时间项”典型形式，而一般化为“工艺结果参数＝f(P，adj.)”的形式，这里f是工艺结果随工艺因素变化的函数式，函数式的自变量为可调工艺因素adj.和其他工艺因素P，此时“工艺建模-时间序列分析预测-工艺条件动态化校正”的三阶段处理步骤仍然不变，仅在具体的计算过程中，须根据具体的工艺模型的函数形式来进行预测和校正的处理。通过预测某些量的波动的总效果，有针对性地、动态地调整另外的工艺参数，来补偿波动量，稳定工艺。

4.根据权利要求1所述采用时间序列分析预测-校正集成电路制造工艺控制方法，其特征在于，所述时间序列分析算法处理，是使用成熟的数学工具，针对工艺步骤建模过程中得到的，由“达到工艺结果的速率项”按时间排列的而构成的时间序列，进行时间序列模型分析与预测。这一步不考虑影响工艺结果的工艺时间项，因此工艺时间因素是与所有其他可能影响最终工艺结果的因素相分离的，经过时间序列建模与预测，就得到“达到工艺结果的速率项”在下一次工艺时的可能值。

5.根据权利要求1所述采用时间序列分析预测-校正集成电路制造工艺控制方法，其特征在于，所述的工艺条件的动态化校正，是依据上述预测值，又根据已经建立的工艺模型：工艺结果参数＝达到工艺结果的速率项×工艺时间项，通过调整工艺时间项取值的方式，去补偿速率项可能的变化，达到最终稳定工艺结果参数的目的。

Images