CN101556460A

CN101556460A - 一种工艺控制方法及控制系统

Info

Publication number: CN101556460A
Application number: CNA2009100841364A
Authority: CN
Inventors: 张善贵
Original assignee: Beijing North Microelectronics Co Ltd
Current assignee: Beijing North Microelectronics Co Ltd
Priority date: 2009-05-20
Filing date: 2009-05-20
Publication date: 2009-10-14
Anticipated expiration: 2029-05-20
Also published as: CN101556460B

Abstract

本发明提供了一种工艺控制方法及控制系统，能够精确地实现工艺调节和控制，以提高工艺数据的利用效率。所述方法包括：预先建立工艺输入变量与输出变量之间的函数关系式，并确定所述函数关系式的系数；预置工艺基准输入变量值；利用所述函数关系式的系数对所述基准输入变量值进行调节，每次调节之后，进行如下控制步骤：利用调节后的基准输入变量值测量真实输出变量值；判断所述真实输出变量值与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则继续对基准输入变量值进行调节，直到达到控制精度。本发明能定量的分析出工艺输入变量对输出变量的影响权重的大小，从而实现精确的工艺定量调节和反馈控制。

Description

一种工艺控制方法及控制系统

技术领域

本发明涉及半导体工艺技术领域，特别是涉及一种工艺控制方法及控制系统。

背景技术

工艺控制是指通过分析工艺输入变量和输出变量之间的变化关系，利用工艺输出值来反馈调节工艺输入变量的方法。工艺的灵敏度分析，是指对工艺输入变量和输出变量之间的变化关系进行分析。工艺的灵敏度分析是工艺研发中非常关键的一项技术。近几年来，随着工艺制造技术的快速发展，工艺灵敏度分析的工作也开始变得愈加重要。针对具体的工艺过程，对输入变量和输出变量合理有效的进行灵敏度分析，不仅可以实现工艺调节的定量分析，还能大幅提高数据的利用效率，从而降低工艺研发的成本。

现有的工艺灵敏度分析技术主要采用定性分析的方法，这类方法的基本思想是：对于两组工艺对比试验，只增加(或减少)输入变量x_i，若此时工艺输出变量y_j相应地增加(或减少)，则表示工艺输出变量y_j与输入变量x_i成正比；反之，当增加(或减少)输入变量x_i时，如果工艺输出变量y_j相应地减少(或增加)，则表示工艺输出变量y_j与输入变量x_i成反比。

上述工艺灵敏度分析方法可以定性地分析出输入变量和输出变量之间的变化关系，因此对于一般的工艺趋势分析，上述方法基本能准确地分析出这种变化关系。然而，在进行工艺调节的实际过程中，除了要求知道工艺输入变量与输出变量的变化趋势，有时还必须知道输入变量与输出变量之间的定量的变化关系，即定量地给出输入变量x_i对输出变量y_j的影响程度：x_i每增加(或减少)一个单位，y_j会相应的变化多少。如果不能定量地分析出这种变化关系，就无法进行精确的工艺调节和控制。

因此，目前需要解决的问题是：如何能够精确地实现工艺调节和控制，从而提高工艺数据的利用效率，降低工艺研发成本。

发明内容

本发明所要解决的技术问题是提供一种工艺控制方法及控制系统，能够精确地实现工艺调节和控制，以提高工艺数据的利用效率，降低工艺研发成本。

一种工艺控制方法，包括：

预先建立工艺输入变量与输出变量之间的函数关系式，并确定所述函数关系式的系数；

预置工艺基准输入变量值；利用所述函数关系式的系数对所述基准输入变量值进行调节，每次调节之后，进行如下控制步骤：

利用调节后的基准输入变量值测量真实输出变量值；判断所述真实输出变量值与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则继续对基准输入变量值进行调节，直到达到控制精度。

优选的，所述利用函数关系式的系数对所述基准输入变量值进行调节，具体包括：按照预置的输入变量调节次序，利用函数关系式的系数逐个对所述基准输入变量值进行调节；

则对其中一个基准输入变量值进行调节，具体包括：设定该基准输入变量值为β_i，调节后的基准输入变量值为

对应该基准输入变量的关系式系数为a_i，上一次调节得到的真实输出变量值为Y₀，工艺控制目标为T，则：

{\hat{β}}_{i} = β_{i} + Δ β_{i} = β_{i} + \frac{T - Y_{0}}{a_{i}} .

优选的，所述对其中一个基准输入变量值进行调节之后，还包括：

判断所述调节后的基准输入变量值

是否在预置的该基准输入变量对应的调节窗口[L_i，U_i]中；如果

在调节窗口[L_i，U_i]中，则所述控制步骤具体包括：利用所述测量真实输出变量值Y₀；判断所述真实输出变量值Y₀与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则继续在该基准输入变量对应的调节窗口[L_i，U_i]中对该基准输入变量值进行调节，直到达到控制精度；

如果

不在调节窗口[L_i，U_i]中，则当

{\hat{β}}_{i} < L_{i}

时，令

{\hat{β}}_{i} = L_{i};

当

{\hat{β}}_{i} > U_{i}

时，令

{\hat{β}}_{i} = U_{i},

然后继续对下一个基准输入变量值进行调节，直到达到控制精度。

优选的，所述方法还包括：对所述函数关系式中的系数进行调节；则利用所述函数关系式的系数对所述基准输入变量值进行调节，具体为：利用所述调节后的系数对所述基准输入变量值进行调节。

其中，所述预先建立工艺输入变量与输出变量之间的函数关系式，并确定所述函数关系式的系数，具体包括：预先建立工艺输入变量与输出变量之间的多元线性回归关系式；将历史输入变量值和输出变量值带入所述关系式，求解出所述关系式的回归系数。

优选的，所述将历史输入变量值和输出变量值带入所述关系式之前，还包括：通过工艺正交实验确定所述历史输入变量值与历史输出变量值。

本发明还提供了一种工艺控制系统，包括：

函数关系式建立模块，用于预先建立工艺输入变量与输出变量之间的函数关系式，并确定所述函数关系式的系数；

基准变量值设置模块，用于预置工艺基准输入变量值；；

变量调节模块，用于利用所述函数关系式的系数对所述基准输入变量值进行调节，每次调节之后，得到调节后的基准输入变量值；

控制模块，用于利用所述调节后的基准输入变量值测量真实输出变量值；判断所述真实输出变量值与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则调用所述变量调节模块继续对基准输入变量值进行调节，直到达到控制精度。

优选的，所述变量调节模块具体包括：

输入变量调节子单元，用于按照预置的输入变量调节次序，利用函数关系式的系数逐个对所述基准输入变量值进行调节；

对其中一个基准输入变量值进行调节，具体包括：

设定该基准输入变量值为β_i，调节后的基准输入变量值为

{\hat{β}}_{i} = β_{i} + Δ β_{i} = β_{i} + \frac{T - Y_{0}}{a_{i}} .

优选的，所述变量调节模块还包括：

判断子单元，用于判断所述调节后的基准输入变量值是否在预置的该基准输入变量对应的调节窗口[L_i，U_i]中；

如果

在调节窗口[L_i，U_i]中，则将所述

送入所述控制模块；所述控制模块利用所述测量真实输出变量值Y₀；判断所述真实输出变量值Y₀与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则继续调用所述输入变量调节子单元，在该基准输入变量对应的调节窗口[L_i，U_i]中对该基准输入变量值进行调节，直到达到控制精度；

如果

不在调节窗口[L_i，U_i]中，则当

{\hat{β}}_{i} < L_{i}

时，令

{\hat{β}}_{i} = L_{i};

当

{\hat{β}}_{i} > U_{i}

时，令

{\hat{β}}_{i} = U_{i},

然后调用输入变量调节子单元，对下一个基准输入变量值进行调节，直到达到控制精度。

优选的，所述系统还包括：

系数调节模块，用于对所述函数关系式中的系数进行调节；

则所述变量调节模块利用所述函数关系式的系数对所述基准输入变量值进行调节，具体为：利用所述调节后的系数对所述基准输入变量值进行调节。

其中，所述函数关系式建立模块具体包括：

关系式建立子单元，用于预先建立工艺输入变量与输出变量之间的多元线性回归关系式；

系数求解子单元，用于将历史输入变量值和输出变量值带入所述关系式，求解出所述关系式的回归系数。

优选的，所述函数关系式建立模块还包括：

变量确定子单元，用于通过工艺正交实验确定所述历史输入变量值与历史输出变量值，然后将所述历史输入变量值与历史输出变量值送入系数求解子单元。

与现有技术相比，本发明具有以下优点：

首先，本发明所提供的一种工艺控制方法及控制系统，通过定量分析工艺灵敏度，能准确的判断出工艺输入变量与输出变量之间的变化趋势，而且能定量的分析出工艺输入变量对输出变量的影响权重的大小，从而实现精确的工艺定量调节和反馈控制，提高了工艺数据的利用效率，降低了工艺研发的成本。

其次，本发明先进行工艺灵敏度的定量分析，得到输入变量与输出变量之间的函数关系式；然后调节基准输入变量值；再利用调节后的输入变量值进行工艺实验，测量真实输出变量值；最后判断所述真实输出变量值与工艺的控制目标之间的误差是否达到工艺的控制精度，如果达到则结束调节，如果未达到则继续所述调节过程。因此，本发明能够充分利用工艺数据，进行精确调节和控制，是一种通过工艺输出值来反馈控制工艺输入变量的效率高、成本低的方法和系统。

附图说明

图1是本发明实施例一所述一种工艺控制方法流程图；

图2是本发明实施例二中一种工艺灵敏度分析方法流程图；

图3是本发明实施例二中一种基于所述工艺灵敏度分析方法的工艺控制方法流程图；

图4是本发明实施例中工艺灵敏度分析结果1的图解；

图5是本发明实施例中工艺灵敏度分析结果2的图解；

图6是本发明实施例三所述一种工艺控制系统的结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

工艺先进控制技术是近几年才发展起来的一项关键技术，基本上所有的控制技术还都处在研发和验证阶段，现阶段还没有比较成型的技术，但从原理上讲，所有的控制系统都包含以下几个方面：

(1)输入输出变量之间函数方程的确定；

(2)工艺反馈控制；

(3)输入输出预测模型的修正，即输入变量与输出变量之间的函数方程的修正。

进行工艺反馈控制，关键在于先准确的找出工艺输入变量与工艺输出变量的函数方程。本发明实施例的核心构思之一在于：基于定量的工艺灵敏度分析方法，进行工艺调节和反馈控制。下面将通过实施例进行详细说明。

实施例一：

参照图1，是本实施例所述一种工艺控制方法流程图。

S101，预先建立工艺输入变量与输出变量之间的函数关系式，并确定所述函数关系式的系数；

一方面，由于工艺输入变量的取值范围比较小，而在输入变量变化较小的情况下，工艺输入变量与输出变量的线性拟合与非线性拟合的差距较小；考虑到线性拟合比非线性拟合的计算量小，而且更容易找到工艺输入变量与输出变量之间的变化关系，本实施例将采用线性拟合的方法。另一方面，由于工艺输入变量与输出变量可能包含多个变量，要拟和输入变量与输出变量之间的关系，需要采用多元拟合的方法。

可以使用的方法有多元线性回归、神经网络、主元回归等。对于所述各种方法，最终拟合的方程式都是一样的，为：

y＝a₀+a₁x₁+a₂x₂+…+a_kx_k；

式中，a₀、a₁、...、a_k为回归系数，可表示输入变量与输出变量之间的灵敏度大小，其值可以通过多元线性回归的方法确定；y为所述输出变量；x₁、x₂、...、x_k为所述输入变量。

S102，预置工艺基准输入变量值；

本实施例将对历史的工艺输入变量数据进行选取和处理，得到工艺基准输入变量值为B＝[β₁、β₂、...、β_k]。

例如，某一Ploy Gate工艺的历史研发试验中，工艺的输入变量为压力(PRE)、上电极功率(SRFP)、下电极功率(BRFP)、氯气(CL2)、溴化氢(HBr)、氦氧(HeO)以及ADI(After Development Inspection，刻蚀前值)，对于所述各个输入变量，有相应的多个实验数据。可以根据经验对上述工艺的输入变量对应的历史数据进行选取或处理，作为所述基准输入变量值。

S103，利用所述函数关系式的系数对所述基准输入变量值进行调节，每次调节之后，得到调节后的基准输入变量值；

调节方法有多种，可同时调节多个基准输入变量值，也可以逐个调节基准输入变量值。本实施例采用以下方法进行基准输入变量值调节：

步骤一，优选的，在对所有基准输入变量值进行调节之前，先确定工艺基准输入变量值调节的顺序；具体为：

按照每个变量的权重进行工艺灵敏度大小的排序，函数关系式的系数是能反映变量权重的参数之一。因此，一种实施方式为，根据函数关系式的系数进行工艺灵敏度大小的排序，即对S101中得到的关系式的系数，按照绝对值大小进行从大到小的排序，根据排序结果，确定工艺基准输入变量值调节的顺序。设|a_i1|＞|a_i2|＞…＞|a_ik|，其中i1、i2以及ik为1、2、...、k的一个排列，根据排列结果，确定工艺输入变量调节的顺序为：x_i1＞x_i2＞…＞x_ik。所述系数的绝对值的排序结果不一定对应上述关系式中的系数a₀、a₁、...、a_k，输入变量值的调节顺序也不一定对应上述关系式中的变量顺序。例如，如果排序的结果为|a₅|＞|a_k|＞…＞|a₁|，则输入变量值的调节顺序为x₅＞x_k＞…＞x₁。

步骤二，按照所述工艺输入变量值调节的顺序，对基准输入变量值进行调节；

对所述其中一个基准输入变量值进行调节包括：

设定所述其中一个基准输入变量值为β_i，调节后的基准输入变量值为对应该基准输入变量的关系式系数为a_i，上一次调节后，进行实验得到的真实输出变量值为Y₀，工艺控制目标为T，则：

{\hat{β}}_{i} = β_{i} + Δ β_{i} = β_{i} + \frac{T - Y_{0}}{a_{i}};

式中，Y₀随调节过程而变化，在每次进行调节时都不一样

S104，利用调节后的基准输入变量值，进行工艺实验，测量真实输出变量值；判断所述真实输出变量值与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则返回S103继续对基准输入变量值进行调节，直到达到控制精度。

工艺试验的目的是通过调节工艺输入变量值从而使工艺结果的真实值接近工艺输出的控制目标。工艺反馈控制可用线性控制系统、非线性控制系统或模型预测控制方法等来实现。本实施例采用的是线性控制系统，所述线性控制系统实现简单，且控制速度快。

与基于工艺对比实验的定性分析方法相比，本实施例所述工艺控制方法通过定量分析工艺灵敏度，然后以所述工艺灵敏度为依据进行工艺定量调节和反馈控制，能使工艺控制准确可靠，能提高工艺数据的利用效率，降低工艺研发成本。

实施例二：

本实施例将以工艺Recipe调节及控制为例对本发明所述工艺控制方法作进一步具体说明。

进行工艺控制，关键在于先准确的找出工艺输入变量与工艺输出变量的函数方程。为了实现工艺输入变量与输出变量之间变化关系的定量分析，本实施例提出了一种基于多元线性回归的工艺灵敏度分析方法，所述方法计算简单，而且准确性高。

参照图2，示出了本实施例所述基于多元线性回归的工艺灵敏度分析方法流程图。

本实施例将根据历史的工艺输入输出变量值，采用多元线性回归的方法拟合出输入变量与输出变量之间的函数关系式，进而通过回归系数来进行工艺的灵敏度分析。所述工艺灵敏度分析方法的基本原理与操作步骤如下：

S201，对于给定的工艺Recipe，进行工艺正交实验，从而确定输入变量值与输出变量值；

此步骤为优选步骤，对于给定的工艺Recipe，也可以不进行工艺正交试验，直接根据给定的数据来进行工艺灵敏度分析。

设计工艺正交实验是为了保证工艺输入变量矩阵与转置矩阵的乘积X^TX是非奇异矩阵，其中X表示输入变量矩阵，X^T表示该输入变量矩阵的转置矩阵。非奇异矩阵的定义为：对一个n行n列的非零矩阵A，即|A|≠0，如果存在一个矩阵B使AB＝BA＝I(I是单位矩阵)，则称A是可逆的，也称A为非奇异矩阵。保证X^TX是非奇异矩阵，不仅可以提高数据回归分析的准确度，还能提高数据的利用效率。假设工艺Recipe共有k个工艺变量，每个工艺变量取两个工艺水平，则共需(k+1)次正交实验。

所述正交试验，是一种高效率、快速、经济的实验方法。

如果有很多的因素变化制约着一个事件的变化，那么为了弄明白哪些因素重要，哪些不重要，需要通过做实验来验证。如果因素很多，而且每种因素又有多种变化(即多种水平)，若每一个试验都去做，试验量将会非常大。正交试验是研究多因素多水平事件的一种方法，能减少实验量，提高工作效率。正交试验的基本原理是：根据正交性，从全面试验中挑选出部分有代表性的点进行试验，所述有代表性的点具备了“均匀分散，齐整可比”的特点。

例如，对于一个三因素三水平的实验，按全面实验要求，须进行3³即27种组合的实验，且尚未考虑每一组合的重复数；但是，如果进行正交试验，即按L9(3)4正交表安排实验，只需做7次实验，显然大大减少了实验量。

S202，建立工艺输入变量与输出变量之间函数关系式，并确定所述函数关系式的系数；

经过正交实验后的输入矩阵最终是一个n*k的矩阵，n为正交实验的次数，k为工艺输出变量的个数；输出变量为一个n列向量，这里假设工艺实验只有一个输出变量，即工艺实验模式是k个输入变量对应一个输出变量；这样n组正交实验就有n个输出变量。输出变量与输入变量之间的关系为：

Y＝AX；

其中Y为输出变量，X为输入变量，A为回归系数。根据线性代数的相关原理可知：

A＝inv(X^TX)*X^TY；

式中，inv表示矩阵逆变换，T表示矩阵转置。

上述内容为建立所述关系式和求解系数的基本原理。

基于所述基本原理，本实施例将利用S201确定的输入变量值与输出变量值，采用多元线性回归的方法来拟合出工艺输入变量与输出变量之间的函数关系式，具体的拟合方法如下：

步骤一，建立工艺输入变量与输出变量之间函数关系式；

设工艺Recipe输入变量组合为X＝[x₁，x₂，…，x_k]，工艺输出变量为Y，则工艺输入输出变量之间的函数关系可用下列关系式来表示：

Y＝a₀+a₁x₁+a₂x₂+…+a_kx_k；

式中，a₀、a₁、...、a_k为回归系数，其值可以通过多元线性回归的方法确定。按照S201所述，如果对Recipe进行工艺正交实验的次数为n(n≥k+1)，则工艺的输入变量矩阵为：

InputMatrix = [\begin{matrix} x_{11} & x_{12} & \cdot \cdot \cdot & x_{1 k} & 1 \\ x_{21} & x_{22} & \cdot \cdot \cdot & x_{2 k} & 1 \\ \cdot & \cdot & \cdot \cdot \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \cdot \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \cdot \cdot & \cdot & \cdot \\ x_{n 1} & x_{n 2} & \cdot \cdot \cdot & x_{nk} & 1 \end{matrix}];

步骤二，根据多元线性回归方法求解出工艺输出变量对输入变量的回归系数；

设n次工艺正交试验的输出变量(工艺试验指标的测量值，如刻蚀速率、刻蚀偏差等)为：

OutputValue＝[y₁ y₂…y_n]^T；

式中，OutputValue为一列向量。

则所述回归系数为：

A＝inv(InputMatrix′*InputMatrix)*InputMatrix′*OutputValue

S203，根据所述函数关系式进行工艺的灵敏度分析；

工艺输入输出函数关系式确定以后，即可根据工艺回归系数的符号与大小来进行工艺的灵敏度分析。如果回归系数a_i(1≤i≤k)为正，则工艺输入变量与输出变量成正比，并且工艺输入变量x_i每增加(或减少)一个单位，工艺输出变量Y就会增加(或减少)a_i个单位；如果回归系数a_i(1≤i≤k)为负，表示工艺输入变量与输出变量成反比，并且工艺输入变量x_i每增加(或减少)一个单位，工艺输出变量Y就会减少(或增加)|a_i|个单位。

采用多元线性回归的方法来进行工艺的灵敏度分析，能准确的判断工艺输入变量与输出变量之间的变化趋势，为工艺试验的设计、工艺Recipe的定量调节和反馈控制提供准确的依据。下面对基于上述工艺灵敏度分析方法的工艺控制方法进行详细说明。

本实施例优选的，在逐个调节每个工艺输入变量的过程中，还对每个工艺输入变量在其调节窗口(即调节范围)中进行微调，如果微调后不能达到控制精度，则再对下一个工艺输入变量进行调节。

参照图3，示出了本实施例一种基于所述工艺灵敏度分析方法的工艺控制方法流程图。

设某一工艺的输入变量为R＝[x₁、x₂、...、x_k]，该工艺的Baseline Recipe为B＝[β₁、β₂、...、β_k]，各工艺变量对应的调节窗口分别为x_i∈[L_i，U_i]，式中i＝1、2、...、k，工艺输出变量Y的控制目标是Y＝T，则具体的工艺Recipe调节和反馈控制的流程如下：

S301，采用所述基于多元线性回归的工艺灵敏度分析方法进行工艺的灵敏度分析，得到工艺输入变量与输出变量之间的函数关系式；所述函数关系式为：

Y＝a₀+a₁x₁+…+a_kx_k；

S302，预置工艺基准输入变量值；

根据历史工艺数据，确定所述基准输入变量值为B＝[β₁、β₂、...、β_k]。

S303，按照预置输入变量调节次序，利用所述函数关系式的系数逐个对所述基准输入变量值进行调节，得到调节后的基准输入变量值；具体为：

设定将要进行调节的基准输入变量值为β_i，调节后的基准输入变量值为

对应该基准输入变量的关系式系数为a_i，上一次调节后，进行实验得到的真实输出变量值为Y₀，工艺控制目标为T，则：

{\hat{β}}_{i} = β_{i} + Δ β_{i} = β_{i} + \frac{T - Y_{0}}{a_{i}};

S304，判断所述调节后的基准输入变量值是否在预置的该基准输入变量对应的调节窗口[L_i，U_i]中；

如果

在调节窗口[L_i，U_i]中，则执行步骤S305；

如果

不在调节窗口[L_i，U_i]中，则执行步骤S307；

S305，利用所述调节后的基准输入变量值

进行工艺实验，测量真实输出变量值Y₀；然后执行步骤S306；

S306，判断所述真实输出变量值Y₀与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则调用S303继续在该基准输入变量对应的调节窗口[L_i，U_i]中对该基准输入变量值进行调节，直到达到控制精度；

在未达到控制精度的情况下，由于

在调节窗口[L_i，U_i]中，所以继续利用下述公式仍对该基准输入变量值进行调节。

{\hat{β}}_{i} = β_{i} + Δ β_{i} = β_{i} + \frac{T - Y_{0}}{a_{i}};

式中，对于同一个基准输入变量的微调，β_i为上一次调节后的

Y₀为上一次调节后进行实验得到的真实输出变量值。如果调节变量更换为其他输入变量，则β_i为更换后的输入变量对应的基准输入变量值，此时Y₀仍为上一次调节后进行实验得到的真实输出变量值。

S307，对所述调节后的基准输入变量值

进行赋值，当

{\hat{β}}_{i} < L_{i}

时，令

{\hat{β}}_{i} = L_{i};

当

{\hat{β}}_{i} > U_{i}

时，令

{\hat{β}}_{i} = U_{i},

然后执行步骤S303，继续对下一个基准输入变量值进行调节，直到达到控制精度。

对于上述实施例，优选的，每次将调节后的基准输入变量值带入所述函数关系式之前，还可以对所述函数关系式中的系数进行调节。

在进行工艺输入变量与输出变量之间多元线性回归时，可能由于数据的问题而导致输入变量与输出变量之间的函数方程不准确，因此会在应用的过程中对系数进行微调。一般主要是对常数项a₀(a₀又称为干扰估计项)进行微调。系数微调的方法有多种，本实施例将采用指数加权移动平均方法，具体为：

设工艺输出变量与工艺输入变量之间的函数方程为：

y＝a₀+a₁x₁+a₂x₂+…+a_kx_k；

并且，设工艺输入变量为X＝[x₁ x₂，…，x_k]时，工艺控制目标为y^p，工艺真实输出变量为y^c，则工艺回归系数的微调方法为：

a_t+1＝λ*a_t+(1-λ)*(y^c-y^p)；

式中，a_t是指工艺输入变量x_t的系数，λ为权重，λ∈(0，1)。对系数进行调节之后，函数方程中相对应的输入变量的系数将变为调节后的系数。

为了更加直观形象的说明上述实施例基于工艺灵敏度定量分析的工艺控制方法，下面将给出一具体的应用实例来说明所述工艺灵敏度分析的有效性和准确性。表一为某Ploy Gate工艺的数据表。

表一某Ploy Gate工艺的数据表

试验次数	PRE	SRFP	BRFP	CL2	HBr	HeO	ADI	AEI	CDB
试验次数	PRE	SRFP	BRFP	CL2	HBr	HeO	ADI	AEI	CDB	EXP01	15	350	35	15	170	10	180.9	181.9	1
EXP02	17	385	35	15	170	15	180.9	195.6	14.7	EXP01	15	350	35	15	170	10	180.9	181.9	1
EXP02	17	385	35	15	170	15	180.9	195.6	14.7	EXP03	15	370	35	15	170	15	180.2	192.8	12.6
EXP04	15	350	35	11	170	10	180.4	187.3	6.9	EXP03	15	370	35	15	170	15	180.2	192.8	12.6
EXP04	15	350	35	11	170	10	180.4	187.3	6.9	EXP05	15	350	35	20	170	12.5	179.7	182.9	3.2
EXP06	15	350	40	15	170	10	180.1	183.3	3.2	EXP05	15	350	35	20	170	12.5	179.7	182.9	3.2
EXP06	15	350	40	15	170	10	180.1	183.3	3.2	EXP07	15	350	55	15	170	10	176.1	200.1	24
EXP08	15	370	40	15	170	10	182.9	186.9	4	EXP07	15	350	55	15	170	10	176.1	200.1	24
EXP08	15	370	40	15	170	10	182.9	186.9	4	EXP09	15	350	40	12	136	8	181.5	190.4	8.9
EXP10	15	350	40	22.5	255	15	181.2	183.4	2.2	EXP09	15	350	40	12	136	8	181.5	190.4	8.9
EXP10	15	350	40	22.5	255	15	181.2	183.4	2.2	EXP11	15	360	40	15	170	10	180.3	184.6	4.3
EXP12	15	350	40	15	170	10	180.6	186.5	5.9	EXP11	15	360	40	15	170	10	180.3	184.6	4.3
EXP12	15	350	40	15	170	10	180.6	186.5	5.9	EXP13	20	350	40	15	170	10	181.4	185.5	4.1
EXP14	15	350	40	15	220	10	181.3	181.5	0.2	EXP13	20	350	40	15	170	10	181.4	185.5	4.1
EXP14	15	350	40	15	220	10	181.3	181.5	0.2	EXP15	15	350	40	15	190	10	179.8	184.4	4.6
EXP16	20	350	30	15	170	10	183.2	182.1	-1.1	EXP15	15	350	40	15	190	10	179.8	184.4	4.6
EXP16	20	350	30	15	170	10	183.2	182.1	-1.1	EXP17	15	350	30	15	170	15	180.7	192.9	12.2
EXP18	15	350	40	20	190	12	181	184.6	3.6	EXP17	15	350	30	15	170	15	180.7	192.9	12.2
EXP18	15	350	40	20	190	12	181	184.6	3.6	EXP19	20	350	30	15	170	10	179.8	172.5	-7.3
EXP20	20	350	40	15	170	10	180	186.8	6.8	EXP19	20	350	30	15	170	10	179.8	172.5	-7.3

上表中的数据为某一Ploy Gate工艺的试验数据，其中工艺的输入变量(工艺Recipe)为压力(PRE)、上电极功率(SRFP)、下电极功率(BRFP)、氯气(CL2)、溴化氢(HBr)、氦氧(HeO)以及ADI(After DevelopmentInspection，刻蚀前值)，工艺输出变量为AEI(After Etch Inspection，刻蚀后值)和CDB(CDB＝AEI-ADI，刻蚀偏差)。采用多元线性回归的方法对上述实验数据进行灵敏度分析可以得到：

AEI＝0.009x₁-0.1384x₂+1.1634x₃-1.388x₄-0.1304x₅+3.4324x₆+1.346x₇-45.639

CDB＝-0.0017x₁-0.1116x₂+1.0936x₃-1.3397x₄-0.1226x₅+3.2665x₆+9.8570

函数方程式中，x₁、x₂、...、x₇分别代表PRE、SRFP、BRFP、CL2、HBr、HeO以及ADI。

参照图4，示出了工艺灵敏度分析结果1，即针对工艺输出变量刻蚀后值AEI的工艺灵敏度分析结果。如图4所示，工艺输出变量AEI与PRE、BRFP、HeO以及ADI成正比，与SRFP、CL2以及HBr成反比，并且各输出变量对AEI的影响权重大小排序为：HeO＞CL2＞ADI＞BRFP＞SRFP＞HBr＞PRE。所述工艺灵敏度分析结果1如图4所示。

参照图5，示出了工艺灵敏度分析结果2，即针对工艺输出变量刻蚀偏差CDB的工艺灵敏度分析结果。如图5所示，工艺输出变量CDB与PRE、SRFP、CL2以及HBr成反比，与BRFP、HeO成正比，并且各输出变量对CDB的影响权重大小排序为：HeO＞CL2＞BRFP＞HBr＞SRFP＞PRE。

实施例三：

针对上述方法实施例，本发明还提供了工艺控制系统实施例。

参照图6，为本实施例所述工艺控制系统的结构图。

所述工艺控制系统包括：

函数关系式建立模块601，用于预先建立工艺输入变量与输出变量之间的函数关系式，并确定所述函数关系式的系数；

基准变量值设置模块602，用于预置工艺基准输入变量值；

变量调节模块603，用于利用所述函数关系式的系数对所述基准输入变量值进行调节，每次调节之后，得到调节后的基准输入变量值；

控制模块604，用于利用调节后的基准输入变量值，进行工艺实验，测量真实输出变量值；判断所述真实输出变量值与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则调用所述变量调节模块继续对基准输入变量值进行调节，直到达到控制精度。

本实施例所述控制系统中，通过函数关系式建立模块601得到工艺输入变量与输出变量之间的函数关系式，能定量分析工艺灵敏度，为变量调节模块603和控制模块604提供准确依据，从而实现精确的工艺定量调节和反馈控制，能提高工艺数据的利用效率，降低工艺研发的成本。

本实施例优选的，所述函数关系式建立模块601包括：

系数求解子单元，用于将历史输入变量值和输出变量值带入所述关系式，求解出所述关系式的回归系数。所述关系式建立模块601采用多元线性回归的方法建立函数关系式，能提高准确性，并且计算简单。

为了进一步提高准确性，减小误差，优选的，所述函数关系式建立模块601还包括：

优选的，所述变量调节模块603包括：

输入变量调节子单元6031，用于按照预置的输入变量调节次序，利用函数关系式的系数逐个对所述基准输入变量值进行调节；

对其中一个基准输入变量值进行调节，具体包括：

设定该基准输入变量值为β_i，调节后的基准输入变量值为

{\hat{β}}_{i} = β_{i} + Δ β_{i} = β_{i} + \frac{T - Y_{0}}{a_{i}} .

优选的，所述变量调节模块603还包括：

判断子单元6032，用于判断所述调节后的基准输入变量值

是否在预置的该基准输入变量对应的调节窗口[L_i，U_i]中；

如果在调节窗口[L_i，U_i]中，则将所述

送入所述控制模块604；所述控制模块利用所述

进行工艺实验，测量真实输出变量值Y₀；判断所述真实输出变量值Y₀与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则继续调用所述输入变量调节子单元6031在该基准输入变量对应的调节窗口[L_i，U_i]中对该基准输入变量值进行调节，直到达到控制精度；

如果

不在调节窗口[L_i，U_i]中，则当

{\hat{β}}_{i} < L_{i}

时，令

{\hat{β}}_{i} = L_{i};

当

{\hat{β}}_{i} > U_{i}

时，令

{\hat{β}}_{i} = U_{i},

然后继续调用所述输入变量调节子单元6031对下一个基准输入变量值进行调节，直到达到控制精度。

所述变量调节模块603，在逐个调节每个工艺输入变量的过程中，还对每个工艺输入变量在其调节窗口(即调节范围)中进行微调，如果微调后不能达到控制精度，再对下一个工艺输入变量进行调节，这样的调节能较快地达到控制精度，减少需要调节的工艺输入变量的数量，加快调节和控制的速度。

工艺控制系统在进行工艺输入变量与输出变量之间多元线性回归时，可能由于数据的问题而导致输入变量与输出变量之间的函数方程不准确，为了解决所述问题，优选的，所述工艺控制系统还包括：

系数调节模块，用于对所述函数关系式中的系数进行调节；

则所述变量调节模块603利用所述函数关系式的系数对所述基准输入变量值进行调节，具体为：利用所述调节后的系数对所述基准输入变量值进行调节。

本实施例所述工艺控制系统中，函数关系式建立模块601预先建立工艺输入变量与输出变量之间的函数关系式，并确定所述函数关系式的系数，得到工艺输入变量与输出变量之间的定量变化关系；基准变量值设置模块602根据所述函数关系式，设置需要进行调节的工艺基准输入变量值；所述变量调节模块603，利用所述函数关系式的系数对所述基准输入变量值进行定量调节后，控制模块604利用所述调节后的基准输入变量值，进行工艺实验，测量真实输出变量值；判断所述真实输出变量值与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则调用所述变量调节模块继续对基准输入变量值进行调节，直到达到控制精度。从而，准确而且快速地实现了工艺定量调节和反馈控制。

综上所述，本发明提供的一种工艺控制方法及控制系统能够精确地实现工艺调节和控制，从而提高工艺数据的利用效率，降低工艺研发成本。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本发明所提供的一种工艺控制方法及控制系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1、一种工艺控制方法，其特征在于，包括：

2、根据权利要求1所述的方法，其特征在于，所述利用函数关系式的系数对所述基准输入变量值进行调节，具体包括：

按照预置的输入变量调节次序，利用函数关系式的系数逐个对所述基准输入变量值进行调节；

则对其中一个基准输入变量值进行调节，具体包括：

设定该基准输入变量值为β_i，调节后的基准输入变量值

{\hat{β}}_{i} = β_{i} + Δ β_{i} = β_{i} + \frac{T - Y_{0}}{a_{i}} .

3、根据权利要求2所述的方法，其特征在于，所述对其中一个基准输入变量值进行调节之后，还包括：

判断所述调节后的基准输入变量值

是否在预置的该基准输入变量对应的调节窗口[L_i，U_i]中；

如果

在调节窗口[L_i，U_i]中，则所述控制步骤具体包括：利用所述

测量真实输出变量值Y₀；判断所述真实输出变量值Y₀与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则继续在该基准输入变量对应的调节窗口[L_i，U_i]中对该基准输入变量值进行调节，直到达到控制精度；

如果

不在调节窗口[L_i，U_i]中，则当

{\hat{β}}_{i} < L_{i}

时，令

{\hat{β}}_{i} = L_{i};

当

{\hat{β}}_{i} > U_{i}

时，令

{\hat{β}}_{i} = U_{i},

4、根据权利要求1至3任一所述的方法，其特征在于，还包括：

对所述函数关系式中的系数进行调节；

则利用所述函数关系式的系数对所述基准输入变量值进行调节，具体为：利用所述调节后的系数对所述基准输入变量值进行调节。

5、根据权利要求1所述的方法，其特征在于，所述预先建立工艺输入变量与输出变量之间的函数关系式，并确定所述函数关系式的系数，具体包括：

预先建立工艺输入变量与输出变量之间的多元线性回归关系式；

将历史输入变量值和输出变量值带入所述关系式，求解出所述关系式的回归系数。

6、根据权利要求5所述的方法，其特征在于，所述将历史输入变量值和输出变量值带入所述关系式之前，还包括：

通过工艺正交实验确定所述历史输入变量值与历史输出变量值。

7、一种工艺控制系统，其特征在于，包括：

基准变量值设置模块，用于预置工艺基准输入变量值；；

8、根据权利要求7所述的系统，其特征在于，所述变量调节模块具体包括：

对其中一个基准输入变量值进行调节，具体包括：

设定该基准输入变量值为β_i，调节后的基准输入变量值为

{\hat{β}}_{i} = β_{i} + Δ β_{i} = β_{i} + \frac{T - Y_{0}}{a_{i}} .

9、根据权利要求8所述的系统，其特征在于，所述变量调节模块还包括：

如果

在调节窗口[L_i，U_i]中，则将所述

送入所述控制模块；所述控制模块利用所述

测量真实输出变量值Y₀；判断所述真实输出变量值Y₀与工艺控制目标之间的误差是否达到控制精度，如果达到，则结束所述调节；如果未达到，则继续调用所述输入变量调节子单元，在该基准输入变量对应的调节窗口[L_i，U_i]中对该基准输入变量值进行调节，直到达到控制精度；

如果不在调节窗口[L_i，U_i]中，则当

{\hat{β}}_{i} < L_{i}

时，令

{\hat{β}}_{i} = L_{i};

当

{\hat{β}}_{i} > U_{i}

时，令

{\hat{β}}_{i} = U_{i},

10、根据权利要求7至9任一所述的系统，其特征在于，还包括：

系数调节模块，用于对所述函数关系式中的系数进行调节；

11、根据权利要求7所述的系统，其特征在于，所述函数关系式建立模块具体包括：

12、根据权利要求7或11所述的系统，其特征在于，所述函数关系式建立模块还包括：