CN101299150B - 监控和预测晶片平整度的方法及半导体晶片的制造方法 - Google Patents
监控和预测晶片平整度的方法及半导体晶片的制造方法 Download PDFInfo
- Publication number
- CN101299150B CN101299150B CN2007101632032A CN200710163203A CN101299150B CN 101299150 B CN101299150 B CN 101299150B CN 2007101632032 A CN2007101632032 A CN 2007101632032A CN 200710163203 A CN200710163203 A CN 200710163203A CN 101299150 B CN101299150 B CN 101299150B
- Authority
- CN
- China
- Prior art keywords
- wafer
- parameter
- crystal sheets
- variable curve
- mean
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 41
- 239000004065 semiconductor Substances 0.000 title claims description 19
- 238000012544 monitoring process Methods 0.000 title abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 239000013078 crystal Substances 0.000 claims description 119
- 238000003754 machining Methods 0.000 claims description 22
- 239000000463 material Substances 0.000 claims description 21
- 235000012431 wafers Nutrition 0.000 description 235
- 230000008569 process Effects 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 9
- 238000005229 chemical vapour deposition Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005240 physical vapour deposition Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000000151 deposition Methods 0.000 description 3
- 230000008021 deposition Effects 0.000 description 3
- 101150039239 LOC1 gene Proteins 0.000 description 2
- 101100006925 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) YCS4 gene Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000005468 ion implantation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004151 rapid thermal annealing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明涉及一种监控和预测晶片平整度的方法及应用该方法的半导体晶片的制造方法，该包括下述步骤：选择一晶片参数。收集包括有第一晶片与第二晶片的晶片参数测量结果的制造数据，其中第一晶片与该第二晶片均与一产品型态匹配，并且均经由同一加工工具进行处理。使用制造数据决定第一晶片和第二晶片的晶片参数的平均偏差值变量曲线。使用平均偏差值变量曲线来预测第三晶片的预测偏差值变量曲线，其中第三晶片与上述产品型态匹配，并且经由同一加工工具进行处理。
Description
技术领域
本发明涉及一种半导体制作，特别是涉及一种监控和预测晶片平整度的方法及应用该方法的半导体晶片的制造方法。
背景技术
半导体集成电路基材，例如晶片，是通过多个晶片制作工艺(fabricationprocesses)来制作。这些制作工艺，包括实施这些制作工艺所需要的加工工具(processing tools)，都会受到监测与控制，以维持集成电路的质量和产量。当集成电路尺寸下降时，其复杂度也会跟着上升，对晶片的不同面向进行监控的必要性也随之增加。然而，增加监控会耗费制作工艺循环的时间和人工成本，并且需要采用额外的测量工具(measuring tools)。上述耗费成本的潜在监控需求之一，包括在晶片的不同位置决定晶片参数，以决定晶片的平整度。当晶片参数变化时，晶片平整度，例如从晶片中央到晶片边缘，由晶片的一个片段到另一个片段，也跟着制作工艺之中的参数变化而改变。了解晶片平整度对维持晶片的质量、可靠度以及产量标准而言相当重要。因此有需要提供一种晶片平整度的监控和预测方法。
发明内容
本发明的所要解决的技术问题在于提供一种监控和预测晶片平整度的方法及应用该方法的半导体晶片的制造方法，克服现有技术的缺陷。
为了实现上述目的，本发明的一个实施例提供一种监控和预测晶片平整度的方法。首先选择晶片参数，并收集制造数据。其中制造数据包括所选定的晶片参数的测量值。使用制造数据决定第一晶片和第二晶片的晶片参数的平均偏差值变量曲线，其中该平均偏差值变量曲线包括多个平均偏差值，该些平均偏差值偏离被选定的该晶片参数的一平均值，且该些平均偏差值分别用以表示该第一晶片的多个位置上被选定的该晶片参数与该第二晶片的多个位置上被选定的该晶片参数从该晶片参数的该平均值偏离的变量。其中第一晶片与第二晶片均与一个产品型态匹配，并且均经由同一个加工工具进行处理。使用上述平均偏差值变量曲线来预测第三晶片的偏差值变量曲线。其中第三晶片与同一个产品型态匹配，并且经由同一个加工工具进行处理，其中该预测偏差值变量曲线包括该第三晶片的多个位置上被选定的该晶片参数的多个预测偏差值，该些预测偏差值偏离被选定的该晶片参数的该平均值。
为了实现上述目的，本发明的另一个实施例提供一种半导体晶片的制造方法。首先提供与一种产品型态匹配的第一晶片，其中第一晶片在第一反应槽中进行处理。接着决定第一晶片的一个晶片参数平均值。然后决定第二晶片的该晶片参数的一偏差值变量曲线与第三晶片的此晶片参数的另一偏差值变量曲线。其中第二晶片与第三晶片均与上述的产品型态匹配，且均在第一反应槽中进行处理，该一偏差值变量曲线与该另一偏差值变量曲线平均后得到该晶片参数的一平均偏差值变量曲线，该平均偏差值变量曲线包括有多个平均偏差值，该第二晶片与该第三晶片包括相对应的多个位置，该些平均偏差值系用以表示在该些的位置上的该晶片参数从该晶片参数的该平均值偏离的变量。以及位于第一晶片的某一位置的晶片参数的一数值，即可通过采用该平均偏差值变量曲线及第一晶片的晶片参数平均值来加以预测。
为了实现上述目的，在本发明的一个实施例中，提供一种具有可纪录媒体(Record-able Medium)的计算机。执行至少一种程序的指令则储存于纪录媒体中。可操作该程序来接收制造数据。可操作该程序，使用制造数据来决定一个晶片参数的平均偏差变量曲线。可操作该程序，根据平均偏差变量曲线来预测位于一晶片的某一位置的同一晶片参数的数值。
根据本发明的一方面，通过监控和预测晶片上某一个位置的晶片参数，可用来协助决定晶片平整度，并且可以应用这种监控和预测晶片平整度的方法来生产和制作半导体晶片，以节约成本。
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
附图说明
为了让本发明的上述和其它目的、特征、优点与实施例能更明显易懂，所附附图的详细说明如下。必须强调的是，根据本领域的标准案例，许多特征并未依照比例绘示。事实上，为了清楚说明起见，许多特征可能会任意地放大或缩小。
图1为根据本发明的一实施例所绘示的一种晶片结构示意图；
图2为根据本发明的一实施例所绘示的一种预测晶片平整度的系统示意图；
图3a为根据本发明的一实施例所绘示的一种预测晶片平整度的方法流程图；
图3b为根据图3a的方法实施例所绘示的曲线；
图3c为根据图3a的方法实施例所绘示的得分图；
图3d为根据图3a的方法实施例所绘示的曲线；
图3e为根据图3a的方法实施例所绘示的曲线；
图3f为根据图3a的方法实施例所绘示的曲线；以及
图4为根据本发明的一实施例所绘示的另一种预测晶片平整度的方法流程图。
【主要组件符号说明】
100：晶片 100a：位置
100b：位置 100c：位置
100d：位置 100e：位置
200：系统 202：计算机
204：测量工具 206：制作工具
208a：计算机 208：制作工具
300：预测晶片平整度的方法
302：提供一个用来进行晶片平整度预测的晶片。
304：选择一个用来预测晶片平整度的晶片参数。
306：收集制造数据。
308：决定晶片参数的平均值。
310：决定多个晶片的晶片参数的平均偏差值变量曲线。
312：预测晶片的晶片参数的偏差值变量曲线。
314：曲线 316：得分图
316a：区域 316b：区域
316c：区域 318偏差值量变曲线
320：曲线 322：窗口
324：曲线 326：条型图
400：预测晶片平整度的方法
402：提供一个用来进行晶片平整度预测的晶片。
404：收集制造数据。
406：决定关键工艺参数。
408：预测晶片一位置的晶片参数值。
1W：晶片 2W：晶片
3W：晶片 LOC1：位置
LOC2：位置 LOC3：位置
LOC4：位置 LOC5：位置
LOC6：位置 LOC7：位置
LOC8：位置 LOC9：位置
具体实施方式
本发明的实施例是有关于一种半导体组件的制作，特别是有关预测晶片上某一个位置的晶片参数，用来协助决定晶片平整度。值得注意的是，下述的实施例只是用来描述本发明的技术概念，任何相关领域的技术人员都可以轻易的将本发明所揭示的技术概念，运用于其它方法与机构之中。另外本发明所揭示的方法与机构包括有传统的结构与工艺。由于这些结构与工艺一般都已公知，因此仅作简单描述而不加以详细介绍。还有，为了方便起见，不同附图之间可能出现重复的组件符号。然而，这些重复的符号并不代表附图标记之间的特征与步骤需要相互结合。
请参照图1，晶片100是一个可通过一个或多个本发明的实施例得到好处的案例。在本实施例中，晶片100是一种仍在工艺之中或已经完成工艺的半导体晶片。晶片100是使用，例如化学气相沉积、物理气相沉积、蚀刻工艺、热氧化、离子掺杂、化学机械研磨、快速热退火、微影以及/或相关技术领域所熟知的其它工艺，来进行制作。晶片100配合其产品型态，例如晶片配合其产品型态，根据其工艺步骤，形成该产品型态的集成电路。在制作过程中，采用电子、光学以及/或其它分析工具来监控晶片100，以决定晶片的平整度。晶片100表面示有多个位置，分别为位置100a、100b、100c、100d和100e。晶片100的平整度包含在位置100a、100b、100c、100d和100e上所测量到的晶片参数值。晶片参数包括不同特征，例如每一层的关键尺寸或厚度、反射比、阻抗值以及或片电阻，的数值。在本发明的一些实施例中，晶片100平整度的决定，包括在以上所示的位置更多、更少以及/或不同的位置上进行晶片参数数值的测量。在本发明的一个实施例中，在位置100a所测量到的晶片参数与位置100b所测得的参数不同，其中在位置100c所测得的数值也有相同的状况。在本发明的一个实施例中，晶片包含于一组晶片或一批晶片中。而这一整批晶片包含多个配合相同产品型态的晶片，并且实质在同一时间进行工艺处理。
请参照图2，图2是根据本发明的一实施例所示的一种用来决定晶片，例如图1所示的晶片100，平整度的系统200。系统200包括测量工具204、第一制作工具206、计算机202以及与接收计算机208a匹配的接收制作工具208。在本发明的一个实施例中，接收计算机208a是接收制作工具208的一部分，用来执行或协助接收制作工具208所进行的工艺。在本发明的另一个实施例中，接收计算机208a可通过一个链路(Link)和/或网络连接到接收制作工具208。
在本发明的一个实施例中，测量工具204包括显微镜、微小化分析工具(Microanalytical Analytical Tool)、线宽测量工具、粒径分布分析工具、表面分析工具、阻抗值及接触电阻测量工具、移动率(Mobility)和载子浓度(CarrierConcentration)测量工具、接合深度(Junction Depth)测量工具、膜厚度测量工具以及/或相关技术领域所熟知的其它度量衡工具。在本发明的一个实施例中，制作工具206可以是化学气相沉积工具、物理气相沉积工具、蚀刻工具、热氧化工具、离子掺杂工具、微影工具以及/或相关技术领域所熟知的其它加工工具。
计算机202是用来操作以执行包括操控信息、接收信息、储存信息以及/或传送信息的工作。计算机202包括：用以实施及/或储存计算机指令的处理器以及/或内存。其中，这些计算机指令是用来实施以下所要详述的步骤与方法。在本发明的一个实施例中，计算机202包括多台计算机。在本发明的另一个实施例中，计算机202包括内建于一加工工具，例如制作工具206，之中的设备或程序代码。在本实施例中，计算机202与测量工具204连接，并接收测量工具204所输出的信息。在本实施例中，计算机202更与制作工具206连接，并接收制作工具206所输出的信息。在本发明的一个实施例中，计算机202更与其它资源连接，并接收这些资源所输出的信息。在本发明的一个实施例中，计算机202由测量工具204与制作工具(fabrication tool)206中所接收的信息包括制造数据(manufacturing data)。而制造数据又包括工具数据与晶片数据。工具数据包括由制作工具206所输出的工艺参数(process parameter)。在本发明的一个实施例中，工具数据包括一个晶片工艺参数，用来定义制作晶片的加工工具(processing tool)，例如在具有多槽的加工工具中定义(选定)一反应槽。工具数据同时也包括其它工艺参数，例如应用于加工工具的硬件参数，加工工具的维护历史(纪录)以及/或用来处理晶片的材料配方。在本发明的一个实施例中，晶片数据由测量工具204所输出，且晶片数据包括决定晶片参数的数值。制造数据又包括晶片认证(IDs)以及/或配合晶片的产品型态。计算机202可以接收来自于制作工艺中的其它系统，例如配合产品型态的设计数据库、工艺控制系统以及/或其它用来预测晶片参数的系统，所输出的信息。
在本实施例的系统200中，计算机202连接并且传输信息到接收计算机208a和接收制作工具(receiving fabrication tool)208。在本发明的一个实施例中，计算机202连接并且传输信息到其它用于半导体晶片或数据分析的额外及/或不同工具或系统。在本发明.
0的一个实施例中，接收计算机208a包含于工艺控制系统200中。在本发明的一个实施例中，接收计算机208a是操作来执行工程分析。接收制作工具208可以是化学气相沉积工具、物理气相沉积工具、蚀刻工具、热氧化处理工具、离子植入工具(ion implantation tool)、微影工具以及/或本技术领域所熟知的其它加工工具。
请参照图3a，图3a是根据本发明的一实施例所示的一种预测晶片平整度的方法300的流程图。晶片平整度的预测，可通过预测晶片的偏差值变量曲线(Offset Profile)来进行。晶片的偏差值变量曲线包括，在晶片的某一个位置，针对一个被选定的晶片参数进行测量，所得的偏离平均值的偏差量。晶片的偏差值变量曲线包括，在晶片的单一或多个位置上，针对被选定的晶片参数进行测量，所得的偏离平均值的偏差量。方法300是由步骤302开始，首先提供一个用来进行晶片平整度预测的晶片。该晶片可以是如图1所示的晶片100。其中晶片100可配合产品的型态。接着进行步骤304，选择一个晶片参数。其中所选择的晶片参数，是一种可以用来得到晶片偏差值变量曲线的晶片参数。这些被选定的晶片参数，包括一特征尺寸，例如线宽、沟渠的深度与宽度、接触窗的宽度、材质层的厚度、关键尺寸以及/或本技术领域已熟知的其它晶片参数，以及在制作过程中能够被测量工具所测量到的数值。然而这些被选定的参数，并不是在工艺中通过测量工具在所提供的晶片的某一个位置进行测量而得到的。相反地，这些被选定的参数是通过方法300进行预测而得到的。在本发明的另一个实施例中，这些被选定的参数的数值是在制作过程中，通过测量工具在晶片的至少一个位置上所测量而得。而此方法300则是在晶片的至少一个位置上，预测这些被选定的参数的数值。在本发明的一个实施例中，被选定的参数是材质层的厚度。在本发明的另一个实施例中，被选定的参数是内层介电层的厚度。在本发明的一个实施例中，被选定的参数是特征宽度。
再进行步骤306，收集制造数据。其中制造数据是通过计算机，例如图2所示的系统200中的计算机202，来进行收集。收集到的制造数据包括由步骤302所提供的晶片的数据。收集到的制造数据也包括多个不是由步骤302所提供的晶片的数据。在本发明的一个实施例中，这些晶片目前已经完成处理。在本发明的一个实施例中，这些晶片在由步骤302提供之后不久，即已经完成处理。而制造数据包括晶片数据和工具数据。这些多个晶片的晶片数据包括，选定的参数在一个晶片的单一或多个位置上所测得的数值。而这些位置包括图1所示的位置100a、100b、100c、100d以及/或100e。在本发明的一个实施例中，选定的参数其数值包括偏离此选定参数于这些位置上所测得数值的平均数的偏差值。这些多个晶片以及步骤302所提供的晶片的工具数据包括，其所使用的加工工具的命名。在本发明的一个实施例中，加工工具的命名包括，对一个具有多反应槽的加工工具中的一特定反应槽进行命名。
方法300接下来进行步骤308，决定步骤302所提供的晶片其选定的晶片参数的平均值。在本发明的一个实施例中，选定的晶片参数为材质层的厚度，且晶片的材质层厚度的平均值通过测量而得。在本发明的一个实施例中，其选定的晶片参数的平均值通过预测而得。在本发明的一个实施例中，其选定的晶片参数的平均值通过回归法以及步骤306所收集的制造数据来预测。在本发明的另一个实施例中，其选定的晶片参数的平均值通过测量工具所测量而得。在本发明的一个实施例的方法300中，并未进行步骤308，也未决定选定的晶片参数的平均值。在本发明的一个实施例中，方法300通过决定晶片的某一位置上，偏离晶片参数的平均值的偏差值来预测晶片的平整度，而不是预测晶片参数位于该位置的真正数值。
方法300继续进行至步骤310，决定被选定的晶片参数的平均偏差值变量曲线。平均偏差值变量曲线包括，被选定的晶片参数的偏差值变量曲线的平均值，其中被选定的晶片参数的偏差值变量曲线的平均值，是通过多个受到与步骤302所提供的晶片实质相同的工艺参数处理过后的多个晶片所决定。在本发明的一个实施例中，步骤308是通过图2所示的计算机202来加以实施。工艺参数可能与晶片的某一位置，其偏离被选定的晶片参数的平均值的偏差值相关联。在本发明的一个实施例中，工艺参数与被选定的晶片参数相关联，其中在晶片某一位置上，偏离被选定晶片参数的平均值的偏差值，实质与采用相似工艺参数数值进行处理的其它晶片的偏差值相同。在本发明的一些实施例中，工艺参数与被选定的晶片参数相关联，其中在晶片某一位置上，偏离被选定的晶片参数平均值的偏差值，与采用不同工艺参数数值进行处理的其它晶片的偏差值不同。相关联的工艺参数，是使用由步骤306所收集的多个晶片的制造数据来进行决定。相关联的工艺参数采用不同统计分析工具，例如得分图(ScorePlot)，来进行选择。在本发明的一些实施例中，相关联的工艺参数是具有多个反应槽的加工工具(processing tool)中的一个反应槽。在本发明的一些实施例中，偏离选定晶片参数的平均值的偏差值，实质与采用相同反应槽进行处理的其它晶片的偏差值相同。在本发明的一些实施例中，偏离被选定的晶片参数平均值的偏差值，实质与采用不同反应槽进行处理的其它晶片的偏差值不同。在本发明的一些实施例中，相关联的工艺参数是具有多个反应槽的沉积工具，例如化学气相沉积工具，中的一个反应槽。
接着，使用数值与步骤302所提供的晶片实质相同的相关工艺参数的多个晶片，其偏差值变量曲线则是通过采用步骤306所收集的制造数据来加以决定。在本发明的一些实施例中，确定了使用数值实质相同的相关工艺参数并配合相同产品型态的多个晶片的偏差值变量曲线。其中这些多个晶片的偏差值变量曲线包括，位于个别晶片上一个或多个位置，偏离被选定的晶片参数平均值的偏差值。而平均偏差值变量曲线则根据这些多个晶片的偏差值变量曲线来加以计算。为了决定平均偏差值变量曲线，需决定包含于计算偏差值变量曲线的每一个位置，偏离被选定的晶片参数平均值的平均偏差值。可通过使用统计工具来决定晶片某一位置上的平均偏差值。在本发明的一个实施例中，多个晶片同一位置的平均偏差值，可通过测量其中一个晶片同一位置上被选定的参数的移动平均数来决定。在本发明的另一个实施例中，多个晶片位于同一位置的平均偏差值，可通过测量位于晶片上同一位置被选定的晶片参数的指数加权移动平均值(Exponentially Weighted Moving Average；EWMA)来决定。
方法300继续进行至步骤312，预测步骤302所提供的晶片的偏差值变量曲线。在本发明的一个实施例中，偏差值变量曲线是通过图2所示的计算机202来进行预测。该预测的偏差值变量曲线包括，在晶片的一个或多个位置上，偏离所选定的晶片参数平均值的预测偏差值。偏差值变量曲线是采用晶片的平均偏差值变量曲线来进行预测。在本发明的一个实施例中，在使用步骤310所决定的平均偏差值变量曲线来预测偏离平均值的偏差值之后，即可采用晶片参数的平均值和偏离被选定的晶片参数平均值的偏差值，来预测位于晶片的一个位置上被选定的晶片参数的实际值。偏差值和平均值的总合可用来预测实际值。在本发明的一些实施例之中，步骤302所提供的晶片的至少一个位置，其偏离被选定的晶片参数平均值的偏差值可通过测量工具来进行测量。
在本发明的一个实施例中，方法300还可以继续实施，将晶片的预测偏差值变量曲线进一步前馈(Fed Forward)用来决定未来的晶片工艺。例如系统200的计算机202所决定的预测偏差值变量曲线可进一步前馈至图2所示的接收制作工具208。在本发明的一个实施例中，方法300还可以继续实施，将晶片的偏差值变量曲线进一步反馈给工艺控制。例如偏差值变量曲线可以反馈来控制加工工具，例如图2所示的接收制作工具208。在本发明的一个实施例中，偏差值变量曲线可以反馈来控制沉积工具。在本发明的一个实施例中，方法300还可以继续实施，将晶片的预测偏差值变量曲线用来作为监控晶片的统计工艺控制监视器。在本发明的一个实施例中，晶片的预测偏差值变量曲线可用来决定晶片重工(Rework)的需求。在本发明的一个实施例中，可将偏差值变量曲线传送至计算机，例如图2所示的接收计算机208a。在本发明的一个实施例中，偏差值变量曲线可被计算机使用来降低工艺变异性。在本发明的一个实施例中，方法300可降低工艺中对晶片监控的需求。在本发明的一个实施例中，方法300可预测一批次晶片中至少一个晶片，其被选定的晶片参数的偏差值变量曲线，以及可预测晶片参数以被测量过的一批次晶片中至少一个晶片，其被选定的晶片参数的偏差值变量曲线。
请参照图3a至图3f，图3a至图3f分别示出方法300的一实施例。在这些实施例中，如步骤302所示提供配合产品型态的晶片。接着进行步骤304，选择一个可以用来决定晶片平整度的晶片参数。在本实施例中，被选定的晶片参数是一种内层介电层的厚度。在步骤306中，收集步骤302所提供的晶片以及多个其它晶片上的工艺参数。这些多个晶片是配合步骤302所提供的晶片的产品型态，但并不包含在步骤302所提供的晶片之中。图3b示出了针对多个晶片收集晶片数据。曲线314包括在多个晶片，例如晶片1W、2W和3W，的多个位置上偏离材质层平均厚度的偏差值。值得注意的是，为了说明起见，本实施例仅示出了三个晶片，但在其它实施例中，更多的晶片可通过相同的方式进行分析并作成曲线。其中曲线314的X轴包括晶片上的多个位置，例如位置LOC1、LOC2、LOC3、LOC4、LOC5、LOC6、LOC7、LOC8和LOC9；Y轴则包括偏离材质层平均厚度的偏差值。在本发明的一个实施例中，偏差值的单位是
在本实施例中，在每一个基材的9个位置进行材质层厚度的测量。在本发明的一个实施例中，包含在曲线314中的多个晶片是来自于多个批次，而每一批次都来自于一个或两个晶片所收集的数据。
在本实施例中，步骤308可由方法300中省略，而直接进行步骤310，以决定多个晶片的材质层厚度的平均偏差值变量曲线。在本实施例中，是通过图3c所示的得分图来决定具有关联性的工艺参数。其中得分图316通过测定偏离多个晶片材质层的平均厚度的偏差值来绘示而成。得分图316中分别绘示在三个区域，分别命名为区域316a、316b和316c，所发现的厚度值的数据点。重新检视这些制造数据可发现每一区域内具有上述数据点的晶片有着实质相似的工艺参数，而位于不同区域内的晶片的工艺参数彼此不同。在本发明的一个实施例中，具有关联性的工艺参数是一个工艺反应槽。在本实施例中，经过不同工艺反应槽的晶片，在晶片的某一个位置上，其偏离平均材质层厚度的偏差值彼此不同；而经过相同工艺反应槽的晶片，其偏离平均材质层厚度的偏差值则彼此相同。区域316a中的数据点所代表的晶片，是使用反应槽A进行处理。区域316b中的数据点所代表的晶片，是使用反应槽B进行处理。区域316c中的数据点所代表的晶片，是使用反应槽C进行处理。在本发明的一个实施例中，反应槽A、B和C为一沉积工具中的反应槽。在本发明的一个实施例中，反应槽A、B和C为一化学气相沉积工具中的反应槽。在本发明的一个实施例中，步骤302所提供的晶片是经由反应槽A进行处理。图3d示出了多个晶片的材质层厚度的偏差值量变曲线。其中，这些多个晶片与上述提供来在反应槽A进行处理的晶片的产品型态相匹配。
在本实施例中，多个和产品型态匹配且在反应槽A中进行处理的晶片的材质层厚度的平均偏差值量变曲线是通过多条偏差值量变曲线318来决定。在本发明的一个实施例中，材质层厚度的平均偏差值量变曲线是通过图3e所示的移动平均数来决定。曲线320是通过制造数据所产生。其中制造数据包括，上述已确定的位于多个晶片的某一个位置，偏移材质层平均厚度的偏差值。因此窗口322中所示的数据点的平均值可以确定。而窗口322的尺寸则由方法的使用者来加以决定。可以移动窗口322借以将相近的数据点纳入窗口中，并将距离较远的数据点排除在外，以决定后续提供的晶片的平均值。在本发明的一个实施例中，在某一个位置上的晶片参数的平均偏差值可通过图3f所示的指数加权移动平均值来决定。曲线324是通过制造数据来产生。其中制造数据包括，上述已确定的位于多个晶片的某一个位置，偏移材质层平均厚度的偏差值。在使用指数加权移动平均值的方法中，至少有一个数据点会被给予较大的权重以决定其平均值(如条型图326所示)。其中本实施例所示的衰减比(DecayRatio)为0.5。继续实施本实施例可决定在9个由制造数据所决定的位置上的平均值。其中平均偏差值量变曲线包括这9个位置中已经确定的平均值。在确定平均偏差值量变曲线以后，方法300可以继续实施来预测被提供的晶片的偏差值量变曲线。而此预测的偏差值量变曲线包括，位于被提供的晶片的9个位置上的预测偏差值。
请参照图4，图4是根据本发明的一实施例所示的另一种预测晶片平整度的方法400的流程图。方法400由步骤402开始，首先提供一个用来进行晶片平整度预测的晶片。此晶片可以是如图1所示的晶片100。方法400是用来预测在一个晶片的多个位置上，例如图1所示的位置100a、100b、100c、100d以及/或100e，的晶片参数。在本发明的一个实施例中，该被预测的晶片参数为材质层，例如内层介电层，的厚度。在本发明的一个实施例中，该被预测的晶片参数为特征宽度。方法400进一步进行步骤404以收集制造数据。其中制造数据可通过如图2所示的系统200中的计算机202来收集。制造数据包括晶片数据和工具数据。所收集到的制造数据包括由步骤402所提供的晶片的数据。所收集到的制造数据也包括多个不是由步骤402所提供的晶片的数据。通过这些多个晶片，步骤402所提供的晶片所欲预测的晶片参数，可采用测量工具加以决定。
方法400进行步骤406以决定一个或多个关键工艺参数。被决定的关键工艺参数与所欲预测的晶片参数有关。在本发明的一个实施例中，被决定的关键工艺参数与位于晶片的特定位置上，其所欲预测的晶片参数有关。被决定的关键工艺参数，会根据用来预测晶片参数的晶片位置的不同而有所不同。例如用来在位置100a上决定晶片参数的关键工艺参数，会与用来在位置100b上决定晶片参数的关键工艺参数不同。其中位置100a和100b请参照图1。关键工艺参数可以使用回归法来决定。已确定的关键工艺参数可以形成回归等式的基础，使回归等式与所欲预测的晶片参数产生关系。该回归等式包括线性与非线性关系。在本发明的一个实施例中，已确定的关键工艺参数包括，从一个具有多个反应槽的工具中被指定的反应槽。
方法400接下来进行步骤408，用以决定位于步骤402所提供的晶片一个或多个位置上的晶片参数值。在本发明的一个实施例中，晶片参数值是采用步骤406所发展出来的回归等式，以及步骤404所收集到有关步骤402提供的晶片的制造数据来进行预测。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何相关领域的技术人员，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视后附的申请专利范围所界定者为准。
本发明的一个实施例是提供一种监控晶片平整度的方法。首先选择晶片参数，并收集制造数据。其中制造数据包括所选定的晶片参数的测量值。使用制造数据决定第一晶片和第二晶片的晶片参数的平均偏差值变量曲线。其中第一晶片与第二晶片均与一个产品型态匹配，并且均经由同一个加工工具进行处理。使用上述平均偏差值变量曲线来预测第三晶片的偏差值变量曲线。其中第三晶片与同一个产品型态匹配，并且经由同一个加工工具进行处理。
本发明的另一个实施例是提供一种半导体晶片工艺。首先提供与一种产品型态匹配的第一晶片，其中第一晶片是在第一反应槽中进行处理。接着决定第一晶片的一个晶片参数平均值。然后决定第二晶片与第三晶片相对于该晶片参数的平均偏差值变量曲线。其中第二晶片与第三晶片均与上述的产品型态匹配，且都是在第一反应槽中进行处理。位于第一晶片的某一位置的晶片参数值，即可通过平均偏差值变量曲线以及第一晶片的晶片参数平均值来加以决定。
在本发明的一个实施例中，提供一种具有可纪录媒体(Record-ableMedium)的计算机。执行至少一种程序的指令则储存于纪录媒体中。可操作该程序来接收制造数据。可操作该程序，使用制造数据来决定一个晶片参数的平均偏差变量曲线。可操作该程序，根据平均偏差变量曲线来预测位于一晶片某一位置的同一晶片参数的数值。
本发明的另一个实施例是提供另外一种监控晶片平整度的方法。首先收集制造数据，其中制造数据包括第一晶片与第二晶片的晶片参数的测量结果。使用制造数据来决定与晶片参数相关的工艺参数。利用已决定的工艺参数来预测第三晶片的晶片参数。该预测方法包括预测位于第三晶片多个位置上的该第三晶片的晶片参数。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变型，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (13)
1.一种监控和预测晶片平整度的方法，其特征在于，包括：
选择一晶片参数；
收集一包括有一第一晶片与一第二晶片的该晶片参数的一测量结果的一制造数据，其中该第一晶片与该第二晶片均与一产品型态匹配，并且均经由一加工工具进行处理；
使用该制造数据决定该第一晶片和该第二晶片的该晶片参数的一平均偏差值变量曲线，其中该平均偏差值变量曲线包括多个平均偏差值，该些平均偏差值偏离被选定的该晶片参数的一平均值，且该些平均偏差值分别用以表示该第一晶片的多个位置上被选定的该晶片参数与该第二晶片的多个位置上被选定的该晶片参数从该晶片参数的该平均值偏离的变量；以及
使用该平均偏差值变量曲线来预测一第三晶片的一预测偏差值变量曲线，其中该第三晶片与该产品型态匹配，并且经由该加工工具进行处理，其中该预测偏差值变量曲线包括该第三晶片的多个位置上被选定的该晶片参数的多个预测偏差值，该些预测偏差值偏离被选定的该晶片参数的该平均值。
2.根据权利要求1所述的监控和预测晶片平整度的方法，其特征在于，该加工工具与该晶片参数相关。
3.根据权利要求1所述的监控和预测晶片平整度的方法，其特征在于，该晶片参数为一特征尺寸。
4.根据权利要求1所述的监控和预测晶片平整度的方法，其特征在于，该加工工具为一制作工具中的一反应槽。
5.根据权利要求1所述的监控和预测晶片平整度的方法，其特征在于，该第一晶片与该第二晶片具有实质相同的该偏差值变量曲线。
6.根据权利要求1所述的监控和预测晶片平整度的方法，其特征在于，还包括：
使用该预测偏差值变量曲线来决定该第三晶片的后续工艺；以及
使用该预测偏差值变量曲线来监控该加工工具。
7.一种半导体晶片的制造方法，其特征在于，包括：
提供与一产品型态匹配的一第一晶片，其中该第一晶片是在一反应槽中进行处理；
决定该第一晶片的一晶片参数的一平均值；
决定一第二晶片的该晶片参数的一偏差值变量曲线与一第三晶片的该晶片参数的另一偏差值变量曲线，其中该第二晶片与该第三晶片均与该产品型态匹配，且均是在该反应槽中进行处理，该一偏差值变量曲线与该另一偏差值变量曲线平均后得到该晶片参数的一平均偏差值变量曲线，该平均偏差值变量曲线包括有多个平均偏差值，该第二晶片与该第三晶片包括相对应的多个位置，该些平均偏差值系用以表示在该些位置上的该晶片参数从该晶片参数的该平均值偏离的变量；以及
采用该平均偏差值变量曲线及该第一晶片的该晶片参数的该平均值来预测位于该第一晶片的一位置的该晶片参数的一数值。
8.根据权利要求7所述的半导体晶片的制造方法，其特征在于，该第二晶片与该第三晶片的处理时间与该第一晶片的处理时间相近。
9.根据权利要求7所述的半导体晶片的制造方法，其特征在于，该晶片参数包括一材质层的一厚度。
10.根据权利要求7所述的半导体晶片的制造方法，其特征在于，其中该平均偏差值变量曲线是采用至少一指数加权移动平均值来决定。
11.根据权利要求7所述的半导体晶片的制造方法，其特征在于，决定该晶片参数的该平均值，包括预测该晶片参数的该平均值。
12.根据权利要求7所述的半导体晶片的制造方法，其特征在于，还包括预测位于第一晶片多个位置的该晶片参数的多个数值。
13.根据权利要求7所述的半导体晶片的制造方法，其特征在于，该第一晶片包含于一晶片批次中，且该晶片批次中包括有一第四晶片，其具有在至少一个位置所测量的该晶片参数。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US11/744,107 US7634325B2 (en) | 2007-05-03 | 2007-05-03 | Prediction of uniformity of a wafer |
| US11/744,107 | 2007-05-03 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101299150A CN101299150A (zh) | 2008-11-05 |
| CN101299150B true CN101299150B (zh) | 2011-04-06 |
Family
ID=39940169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2007101632032A Expired - Fee Related CN101299150B (zh) | 2007-05-03 | 2007-10-17 | 监控和预测晶片平整度的方法及半导体晶片的制造方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7634325B2 (zh) |
| CN (1) | CN101299150B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070194239A1 (en) | 2006-01-31 | 2007-08-23 | Mcallister Abraham | Apparatus and method providing a hand-held spectrometer |
| US8206996B2 (en) * | 2006-03-28 | 2012-06-26 | Lam Research Corporation | Etch tool process indicator method and apparatus |
| US7974728B2 (en) * | 2007-05-04 | 2011-07-05 | Taiwan Semiconductor Manufacturing Company, Ltd. | System for extraction of key process parameters from fault detection classification to enable wafer prediction |
| TWI407325B (zh) * | 2010-05-17 | 2013-09-01 | Nat Univ Tsing Hua | 製程品質預測系統及其方法 |
| US8406912B2 (en) | 2010-06-25 | 2013-03-26 | Taiwan Semiconductor Manufacturing Company, Ltd. | System and method for data mining and feature tracking for fab-wide prediction and control |
| CN102800564B (zh) * | 2011-05-26 | 2015-04-08 | 中国科学院微电子研究所 | 避免半导体制程菜单调试过程中出错的方法及系统 |
| CN103165490B (zh) * | 2011-12-15 | 2016-03-30 | 无锡华润上华科技有限公司 | 一种检测晶片是否异常的方法 |
| US10642255B2 (en) | 2013-08-30 | 2020-05-05 | Taiwan Semiconductor Manufacturing Company, Ltd. | Component control in semiconductor performance processing with stable product offsets |
| US9575415B2 (en) * | 2014-05-22 | 2017-02-21 | Taiwan Semiconductor Manufacturing Company, Ltd. | Wafer stage temperature control |
| TWI571908B (zh) * | 2014-08-15 | 2017-02-21 | 力晶科技股份有限公司 | 製程控制方法與製程控制系統 |
| CN106024664B (zh) * | 2016-05-25 | 2019-04-12 | 上海华力微电子有限公司 | 一种金属层膜厚堆叠模型校准的方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6211094B1 (en) * | 1998-09-15 | 2001-04-03 | Samsung Electronics Co., Ltd. | Thickness control method in fabrication of thin-film layers in semiconductor devices |
| US6917849B1 (en) * | 2002-12-18 | 2005-07-12 | Advanced Micro Devices, Inc. | Method and apparatus for predicting electrical parameters using measured and predicted fabrication parameters |
| US6961621B2 (en) * | 2001-12-04 | 2005-11-01 | Cardiac Pacemakers, Inc. | Apparatus and method for stabilizing an implantable lead |
| CN1799045A (zh) * | 2003-06-27 | 2006-07-05 | 音质技术公司 | 使用机器学习系统的对在半导体晶片上形成的结构的光学计量 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4493745A (en) | 1984-01-31 | 1985-01-15 | International Business Machines Corporation | Optical emission spectroscopy end point detection in plasma etching |
| JPH0566805A (ja) | 1990-03-09 | 1993-03-19 | Internatl Business Mach Corp <Ibm> | コンピユータ統合化製造システム |
| US5402367A (en) | 1993-07-19 | 1995-03-28 | Texas Instruments, Incorporated | Apparatus and method for model based process control |
| US5503707A (en) | 1993-09-22 | 1996-04-02 | Texas Instruments Incorporated | Method and apparatus for process endpoint prediction based on actual thickness measurements |
| US5526293A (en) * | 1993-12-17 | 1996-06-11 | Texas Instruments Inc. | System and method for controlling semiconductor wafer processing |
| FR2780552B1 (fr) | 1998-06-26 | 2000-08-25 | St Microelectronics Sa | Procede de polissage de plaquettes de circuits integres |
| US6623333B1 (en) | 1999-12-14 | 2003-09-23 | Texas Instruments Incorporated | System and method for controlling a wafer polishing process |
| JP3757143B2 (ja) | 2001-10-11 | 2006-03-22 | 富士通株式会社 | 半導体装置の製造方法及び半導体装置 |
| US6645781B1 (en) | 2002-04-29 | 2003-11-11 | Texas Instruments Incorporated | Method to determine a complete etch in integrated devices |
| US6961626B1 (en) * | 2004-05-28 | 2005-11-01 | Applied Materials, Inc | Dynamic offset and feedback threshold |
| US7144297B2 (en) | 2005-05-03 | 2006-12-05 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method and apparatus to enable accurate wafer prediction |
| US7534627B2 (en) * | 2006-08-07 | 2009-05-19 | Sokudo Co., Ltd. | Methods and systems for controlling critical dimensions in track lithography tools |
-
2007
- 2007-05-03 US US11/744,107 patent/US7634325B2/en not_active Expired - Fee Related
- 2007-10-17 CN CN2007101632032A patent/CN101299150B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6211094B1 (en) * | 1998-09-15 | 2001-04-03 | Samsung Electronics Co., Ltd. | Thickness control method in fabrication of thin-film layers in semiconductor devices |
| US6961621B2 (en) * | 2001-12-04 | 2005-11-01 | Cardiac Pacemakers, Inc. | Apparatus and method for stabilizing an implantable lead |
| US6917849B1 (en) * | 2002-12-18 | 2005-07-12 | Advanced Micro Devices, Inc. | Method and apparatus for predicting electrical parameters using measured and predicted fabrication parameters |
| CN1799045A (zh) * | 2003-06-27 | 2006-07-05 | 音质技术公司 | 使用机器学习系统的对在半导体晶片上形成的结构的光学计量 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20080275588A1 (en) | 2008-11-06 |
| CN101299150A (zh) | 2008-11-05 |
| US7634325B2 (en) | 2009-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101299150B (zh) | 监控和预测晶片平整度的方法及半导体晶片的制造方法 | |
| US7144297B2 (en) | Method and apparatus to enable accurate wafer prediction | |
| US8849615B2 (en) | Method and system for semiconductor process control and monitoring by using a data quality metric | |
| KR100734534B1 (ko) | 반도체 공정을 위한 자동화된 공정 모니터링 및 분석 시스템 | |
| US7531368B2 (en) | In-line lithography and etch system | |
| US7373216B1 (en) | Method and apparatus for verifying a site-dependent wafer | |
| US8452441B2 (en) | Process quality predicting system and method thereof | |
| US7596423B2 (en) | Method and apparatus for verifying a site-dependent procedure | |
| CN110503288B (zh) | 考虑机台交互作用的辨识良率损失原因的系统与方法 | |
| US7650200B2 (en) | Method and apparatus for creating a site-dependent evaluation library | |
| US8239056B2 (en) | Advanced process control for new tapeout product | |
| CN101118422A (zh) | 半导体制造的虚拟量测预估与建立预估模型的方法与系统 | |
| US8489218B2 (en) | Chamber match using important variables filtered by dynamic multivariate analysis | |
| KR101475967B1 (ko) | 인라인 리소그래피 및 에칭 시스템에서의 복수의 웨이퍼 처리 방법 및 웨이퍼 처리 플랫폼 | |
| Tin et al. | A realizable overlay virtual metrology system in semiconductor manufacturing: Proposal, challenges and future perspective | |
| US11244873B2 (en) | Systems and methods for manufacturing microelectronic devices | |
| US8805630B2 (en) | Method and system for modeling in semiconductor fabrication | |
| US7783374B2 (en) | Method and apparatus for performing a site-dependent dual damascene procedure | |
| US7935545B2 (en) | Method and apparatus for performing a site-dependent dual patterning procedure | |
| US11868119B2 (en) | Method and process using fingerprint based semiconductor manufacturing process fault detection | |
| CN118092322A (zh) | 预测最佳工艺条件模型方法和控制半导体制造工艺方法 | |
| CN116151407A (zh) | 制造程序的最佳良率路径的搜寻方法及其系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110406 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |