CN101908495A

CN101908495A - 虚拟测量先进工艺控制系统和设置方法

Info

Publication number: CN101908495A
Application number: CN2010101166627A
Authority: CN
Inventors: 蔡柏沣; 曾衍迪; 宋金宁
Original assignee: Taiwan Semiconductor Manufacturing Co TSMC Ltd
Current assignee: Taiwan Semiconductor Manufacturing Co TSMC Ltd
Priority date: 2009-06-05
Filing date: 2010-02-10
Publication date: 2010-12-08
Anticipated expiration: 2030-02-10
Also published as: US8437870B2; US20100312374A1; CN101908495B

Abstract

本发明提供一种虚拟测量先进工艺控制系统。在一实施例中，虚拟测量先进工艺控制系统包括工艺设备、测量设备与虚拟测量模块。工艺设备根据所接收的多个工艺输入，处理多个晶片；测量设备，用以测量至少一个晶片的特性，并且产生真实测量数据，其中晶片包括至少一个品管样品晶片；虚拟测量模块，用以为每一个晶片产生预估测量数据；以及先进工艺控制器，用以接受预估测量数据与真实测量数据，并且根据预估测量数据与真实测量数据，产生工艺设备的工艺输入。本发明的虚拟测量先进工艺控制系统在逐片晶片控制的基础上，更新或调整后的工艺参数毋需执行个别的测量步骤。本发明还提供一种虚拟测量先进工艺控制平台的设置方法。

Description

虚拟测量先进工艺控制系统和设置方法

技术领域

本发明涉及一种集成电路制造的先进工艺控制(Advanced ProcessControl，APC)，尤其涉及一种设置虚拟测量(virtual metrology，VM)先进工艺控制平台的系统和方法。

背景技术

先进工艺控制已经成为半导体制造时不可或缺的技术，用以在低成本的情况下改善元件合格率与可靠度。先进工艺控制的重要基础包括整合式测量(integrated metrology)、故障检测和分类(fault detection and classification)，以及批次控制(run-to-run control)。先进工艺控制有助于降低工艺的变动和生产成本。有效的先进工艺控制的关键为测量仪器必须在可接受的时段(acceptable time frame)内测量到关键的参数。此外，必须提供方法(用于先进工艺控制)用以分析与解释由测量设备所测量到的数据。实际上，因为工艺经常各种来源造成的干扰(disturbance)与偏移(drift)的损害，所以先进工艺非常需要生产线上即时(in-line)的测量。在过去，先进工艺控制的主要限制之一是无法取得逐片晶片(wafer-to-wafer，W2W)的即时测量数据。虚拟测量技术已经相当程度地解决此问题。

虚拟测量的操作基本原理为：在经验预测模型(empirical prediction model)的发展流程中，使用一系列的生产批次用以发展经验预测模型，并且经验预测模型与取得自测量设备的实际测量数据相关，其中测量设备具有制造时产生的工艺历史数据(process trace data)。经验预测模型不断地被修正，直至经验预测模型的预估测量值与实际测量数据之间有合理的关联为止。一旦经验预测模型建立后，虚拟测量系统便可应用于生产流程中的工艺批次，用以估计制造中的晶片的预估测量值。如同公知的批次控制，期望目标(desiredtargets)的变动(variations)用以更新工艺参数(recipe parameters)。在逐片晶片控制的基础上，更新或调整后的工艺参数毋需执行个别的测量步骤。应了解的是，在制造流程中，虽然仍需执行实际测量；然而，实际测量的角色主要用以校正与更新经验预测模型，而非作为工艺的主要的控制检查点。

发明内容

为克服现有技术的缺陷，本发明的一实施例提供一种虚拟测量先进工艺控制系统，包括工艺设备、测量设备与虚拟测量模块。虚拟测量先进工艺控制系统包括工艺设备、测量设备与虚拟测量模块。工艺设备根据所接收的多个工艺输入，处理多个晶片；测量设备，用以测量至少一个晶片的特性，并且产生真实测量数据，其中晶片包括至少一个品管样品晶片；虚拟测量模块，用以为每一个晶片产生预估测量数据；以及先进工艺控制器，用以接受预估测量数据与真实测量数据，并且根据预估测量数据与真实测量数据，产生工艺设备的工艺输入，其中品管样品晶片的真实测量数据用以更新虚拟测量模块；虚拟测量模块的多个关键变数仅在判断出虚拟测量模块所产生的预估测量数据不精确时被更新；以及虚拟测量模块的多个参数根据品管样品晶片的实际测量数据而被更新，其中参数择自于由权重(weights)、斜率(slopes)与偏差(biases)所组成的群组。

本发明的虚拟测量先进工艺控制系统在逐片晶片控制的基础上，更新或调整后的工艺参数毋需执行个别的测量步骤。

附图说明

当搭配附图阅读本发明时，本发明可被最佳地了解。要强调的是，根据产业界的标准实际状况，本发明的多种特征并没有依照实际比例被显示。事实上，多种特征的大小尺寸可为了讨论的需要而任意放大或缩小。

图1A根据公知技术描述关于虚拟测量原理的产业应用；

图1B根据本发明的一实施例描述关于虚拟测量原理的产业应用；

图2根据本发明的一实施例描述一种方法的流程图，该方法用以设置虚拟测量先进工艺控制平台；

图3根据本发明的一实施例描述一流程，该流程用以执行以晶片批次为单位的适应性更新。

其中，附图标记说明如下：

100～模块；

102、152～工艺设备；

104、154～故障检测及分类模块；

155～数据库；

110～虚拟测量模型建构模块；

114、116、166～虚拟测量模型；

112、162～测量设备；

168～测量数据调整单元；

118、150～虚拟测量先进工艺控制系统；

120、170～逐片晶片先进工艺控制器；

300～晶片；

304～目前晶片批次；

302～品管样品晶片。

具体实施方式

本发明涉及集成电路制造的先进工艺控制，尤其涉及关于设置虚拟测量先进工艺控制平台的系统和方法。在本发明中，特定实施例仅作为例子并用以教示更广泛的发明概念，而且本领域普通技术人员能轻易地将本发明所揭示的技术应用至其他方法和系统。并且，本发明所讨论的系统与方法包括些许公知的结构与/或步骤，因其为公知，故其仅作为用于详尽讨论的一般程度探讨之用。再者，为了说明方便，图示中的重复的元件标记仅作为例子，并且所述多个元件标记重复并不意指任何特征或步骤的必须组合。

图1A为公知用于个别工艺的虚拟测量原理。模块100为利用实验设计法(design of experiments，DOE)所建立的工艺模型架构。本领域普通技术人员均知悉实验设计法为用以决定工艺影响因子(x)和工艺输出(y)的关系的系统化研究方法。如图1A所示的模块100，对于每一工艺批次，工艺设备102根据工艺输入u(n)(例如工艺参数设定)，处理以批次为单位的晶片。在一实施例中，工艺设备102为蚀刻(etch)设备、溅镀(deposition)设备、化学机械抛光(chemical mechanical polishing，CMP)设备、镀膜(coating)设备、显影(developing)设备、或热处理(thermal treatment)设备之一。当每一个晶片批次被处理时，品质变因x_k(t)被提供至故障检测及分类模块(fault detection andclassification module，FDC)104。本领域普通技术人员均知悉故障检测及分类模块104监控并分析设备与/或工艺数据的变动，用以检测设备的异常情况，并决定异常情况的成因。接着，故障检测及分类数据被存储至故障检测及分类模块104的数据库。在一实施例中，故障检测及分类模块104每秒取得一次工艺输出数据，并且可以使用不同的取样频率。故障检测及分类模块104输出故障检测及分类数据v(n)(或V)，并且将故障检测及分类数据V输入虚拟测量模型建构模块(VM Model Building module)110，其目的将于稍后说明。接续于工艺之后，一个或多个测量设备112测量每一工艺批次的一个或多个的品管样品晶片((quality control，QC)sample wafer)。测量设备112用以产生测量数据y(k)(或Y)。测量数据Y也被输入虚拟测量模型建构模块110，其目的也将于稍后说明。

实验设计法完成之后，将工艺输入U、故障检测及分类数据V、历史测量数据Y_prev和目前测量数据Y输入虚拟测量模型建构模块110的虚拟测量模型114，其中如同公知技术一般，虚拟测量模型建构模块110使用工艺输入U、故障检测及分类数据V、历史测量数据Y_prev和测量数据Y，用以架构虚拟测量模型116。虚拟测量模型116被应用于虚拟测量先进工艺控制系统118，其中虚拟测量先进工艺控制系统118包括具有逐片晶片控制能力(wafer-to-wafer，W2W)的虚拟测量模型的线上装置(online implementation)。如同公知的批次控制，在一个工艺批次的执行期间，虚拟测量先进工艺控制系统118使用虚拟测量模型116为处理中的晶片估计出(预估)测量值和期望目标的变动，其中期望目标的变动用以更新工艺参数。然而，举例而言，使用虚拟测量技术，在逐片晶片控制的基础上，由逐片晶片先进工艺控制器120所完成的调整，不论是在工艺设备的内或在工艺设备的外，均毋需执行个别的测量步骤。值得注意的是，虽然仍需执行实际测量，但是实际测量数据用以校正与更新虚拟测量模型116，而非作为虚拟测量先进工艺控制系统118的主要的控制检查点。

图1B描述虚拟测量先进工艺控制系统150，根据此处所述实施例，虚拟测量先进工艺控制系统150包括具有逐片晶片控制能力W2W的虚拟测量模型的线上装置。虚拟测量先进工艺控制系统150在许多方面类似于图1A的虚拟测量先进工艺控制系统118，虚拟测量先进工艺控制系统150包括工艺设备152，用以处理晶片，如同前述的工艺设备102(图1A)；由工艺设备152提供的品质变因(quality variables)被输入故障检测及分类模块154，故障检测及分类模块154监控并分析设备与/或工艺数据的变动，用以检测设备的异常情况，并决定异常情况的成因，并且故障检测及分类数据被存储至故障检测及分类模块154的数据库155。如前述，举例而言，故障检测及分类模块154由工艺设备152每秒取得一次工艺输出数据，并且可以使用不同的取样频率。也如前述，对于每一工艺批次，接续于工艺之后，一个或多个测量设备，例如测量设备162，测量(每一工艺批次的)一个或多个的品管样品晶片。测量设备162用以产生目前测量数据y(k)，或Y。如前述，(实际的)测量数据用以校正与更新虚拟测量模型166；在工艺批次的执行期间，如同公知的批次控制，虚拟测量模型166为处理中的晶片估计出(预估)测量值和期望目标的变动，其中期望目标的变动用以更新工艺参数。根据此处所述实施例的特征，虚拟测量模型166与116在许多方面有所不同，不同之处包括虚拟测量模型166包括测量数据调整单元168，测量数据调整单元168的用途将于稍后详述。虚拟测量模型166产生调整后的预估测量值，并将预估测量值输入逐片晶片先进工艺控制器170，而逐片晶片先进工艺控制器170根据预估测量值调整工艺设备的运行。

图2描述本发明的一实施例中，设置虚拟测量先进控制器平台的方法。根据一优选实施例与其稍后的详述，在该型态中，虚拟测量模型(例如虚拟测量模型166)的“关键变数”相对于虚拟测量模型的“参数”，是以较低频率被更新的。此处所指的“关键变数”是指由多种来源所提取的虚拟测量模型建构模块的重要输入，例如，其来源为故障检测及分类模块、先进工艺控制模块或统计工艺控制(statistical processing control，SPC)。相较之下，“参数”意指在虚拟测量模型的演算法中，所使用的权重、常数或任何其他用于调整的变数。举例而言，假设虚拟测量模型可以下式表示：

Y＝C₁X₁+C₂X₂+...+C_nX_n

如稍后所述，虚拟测量模型的关键变数X₁～X_n依照需求被更新；当取得新的测量数据时，虚拟测量模型的参数C₁～C_n以晶片批次为基础而被更新。在步骤200，移动视窗为历史的数据记录(historical data records)，以产生历史训练数据集合(historical training data set)，以便建构并训练虚拟测量模型166，其中历史数据记录包括品管样品晶片的已测量的输入与输出数据，并且品管样品晶片随着时间被测量。举例而言，在一实施例中，历史训练数据集合包括最近六十个晶片的数据记录；并且，每一晶片批次包括二十五个晶片且每一晶片批次有两个晶片被测量设备(例如测量设备162)取样做测量。在取样过每一晶片批次且取得两个品管样品晶片的测量数据之后，历史训练数据集合即被更新，用以涵括两笔新的数据记录并删除两笔旧的数据记录。此外，在步骤200，故障检测及分类数据是可被预处理的(pre-processed)。在本生产批次中，若虚拟测量模型166是第一次被设置(initial setup)，则流程直接前进至步骤202，而步骤202使用在步骤200产生的历史训练数据集合(例如温度和工艺时间)，用以选择关键变数的最初的集合。一般而言，关键变数的选择由熟悉其负责的工艺的工程师或技术员所负责。

此外，在步骤200，故障检测及分类数据是可被预处理的。根据一实施例，故障检测及分类数据的预处理使用对时间平均的技巧，用以处理故障检测及分类数据的时间序列。举例而言，假设每秒有十个关键变数(例如状态变数识别码(status variable ID，SVID))由工艺设备被回报至故障检测及分类模块而被记录存储(于数据库)，并且假设该工艺持续执行三分钟，则对被回报至故障检测及分类模块的每十个关键变数而言，就有一百八十笔数据记录，而对单一晶片而言，总共就有一千八百笔数据记录。因为这些数据记录通常被视为一千八百个变数，所以使用一个数据矩阵的行与列分别表示不同的晶片与不同的变数。若不将(预处理产生的)数据矩阵重新排序，则对十个关键变数的选择而言，就将有一千八百个输入。这将造成两个问题。第一，对于数据矩阵而言，一千八百个输入如此地多，以至于无法执行后述的逐步回归分析(stepwise regression)，这是因为对如此多的输入执行逐步回归分析将耗费很多时间。第二，每个单一变数实际上是以秒为记数单位的状态变数识别码(second-based SVID)，由于过高的数据解析度(取样频率过高)，导致取得较低的系统信息与具有较高的噪声敏感度(noise susceptibility)。因此，上述变数本质上并不适合作为虚拟测量模型的输入。改善之道在于将数据作下述两种方式的预处理。首先第一种方式，给定固定的平均时间(例如十秒钟)，数据便以十秒钟为单位被平均，用以片段地分割(piecewise)时间序列数据。对于每一个状态变数识别码而言，即有十八笔数据(180(笔数据记录)/10(杪)＝18)；而对每一个晶片而言，即有一百八十笔数据片段(18*10＝180)。或者第二种方式，给定固定的步骤分割数(step-piece number)(例如步骤分割数为三)，则每一步骤即被等分为三个片段步骤。因此，若有一道工艺包括十个步骤，对于每一个关键变数而言，即有三十个片段步骤(10*3＝30)；而对每一个晶片而言，即有300笔数据片段。片段步骤的“片段”被视为相应于关键变数选择的变数。应该了解的是，数据的预处理可在故障检测及分类模块154或虚拟测量模型166被执行。

在步骤202，使用在步骤200产生的历史训练数据集合，用以选择关键变数的最初的集合，例如，温度和工艺时间，作为关键变数。一般而言，关键变数的选择由熟悉其负责的工艺的工程师或技术员所负责。

在步骤204，使用在步骤200产生的历史训练数据集合以及在步骤202决定的关键变数，执行虚拟测量模型166的线上的建立与训练。在步骤204，任一已知方法均可用以执行虚拟测量模型166的生产线的积累与训练；因此，此过程不再赘述。在步骤205，使用虚拟测量模型166处理下一晶片批次。

在步骤205之后，若虚拟测量模型166是在本次生产批次中第一次被设置(initial setup)，或者紧跟在步骤200之后，虚拟测量模型166不是在本生产批次中第一次被设置，则流程前进至步骤206。在步骤206，虚拟测量模型166被验证其精确性。验证虚拟测量模型166的精确性通常借由执行统计测试的方式完成，例如，为最近二十个或六十个晶片执行虚拟测量模型的Z-测试或T-测试。特别的是，因为通常使用最近二十个晶片更新参数，故必然有些方法，用以确定二十个晶片更新参数的结果与六十个晶片更新参数的结果一致，其中最近六十个晶片用以选择关键变数的输入。特别的是，统计测试通常用来判断系统或设备是否发生任何有意义的变化。若有，则虚拟测量模型必须重新选择其输入，用以确保其忠实地反映系统。若虚拟测量模型166并未通过统计测试，则该模型被判定为不精确的，且流程前进至步骤210。在步骤210，借由使用六十笔历史数据记录，步骤210为虚拟测量模型选择新的关键变数。在一实施例中，步骤210使用逐步回归分析以选择新的关键变数。接着，流程前进至步骤212。若在步骤206，虚拟测量模型166通过统计测试，则该模型被判定为精确的，且流程直接前进至步骤212。

在步骤212中，借由使用二十笔最近的历史数据记录，更新虚拟测量模型166的参数。根据本文所述实施例，本领域普通技术人员应能了解应可在步骤212中使用多种方法，用以更新虚拟测量模型166的参数，故于此不再赘述。应该注意的是，根据本文所述实施例，相对于虚拟测量模型的关键变数，虚拟测量模型的参数是以较高频率(例如每一晶片批次为单位)而被更新，用以确保虚拟测量模型能随时与虚拟测量先进工艺控制系统150保持同步。相较之下，关键变数是以较低频率(例如根据需求地)而被更新，这是因为关键变数代表的是工艺的本质，而工艺的本质并非经常性地改变。关键变数的较低的更新频率可使计算机具有较少的负担。

在步骤214中，对于目前晶片批次的每一个晶片，执行虚拟测量模型预测(VM model predictions)的批次趋势适应性更新(lot trend adaptive update)，或测量数据更新(Y2Y update)。特别的是，如上所述，虚拟测量模型166包括测量数据调整单元168，其中测量数据调整单元168使用i笔历史测量数据Y_{historical，i}，以加权方式为目前晶片批次的j个非取样晶片(non-sampled wafer)的每一个调整由虚拟测量模型输出的预估测量值Y_{predicted，j}。测量数据调整单元168使用历史测量数据，调整由虚拟测量模型166输出的预估测量值，用以得知批次的变动趋势并减少变动、过滤噪声，并且使预估测量值接近于真正的测量数据。图3详尽地描述此过程。如图3所示，由测量设备162输出并由虚拟测量模型166维护的历史测量数据Y_{historical，i}是为了最近i个晶片300的每一个而被取得。在一实施例中，以最近i(＝20)个晶片为例，然而并非以此为限。此外，使用测量设备162测量目前晶片批次304的品管样品晶片302，用以取得测量数据Y_metrology。在一实施例中，对历史测量数据Y_{historical，i}与测量数据Y_metrology使用指数加权移动平均(Exponentially Weighted MovingAveraging，EWMA)，用以为目前晶片批次304的晶片决定测量数据的调整。下式用以描述指数加权移动平均关于历史测量数据的应用：

Y_EWMA，i＝(1-ω)*Y_EWMA，(i-1)+ω*Y_{historical，(i-1)}，其中i＝1～20

应注意的是，初始值Y_EWMA，0等于Y_EWMA，1，并且ω为介于0至1的权重，举例而言，ω＝0.5。

接着，目前晶片批次的测量数据的加权值为：

Y_{EWMA_current_lot}＝(1-ω)*Y_EWMA，20+ω*Y_metrology

最后，目前晶片批次304的j个晶片的测量数据的调整输出值为：

Y2Y_adjusted，j＝(1-ω)*Y_{EWMA_current_lot}+ω*Y_{predicted，j}

其中Y_{predicted，j}为虚拟测量模块为第j个晶片预估的输出值。

再次参考图2，在步骤216，如公知技术一般，逐片晶片先进工艺控制器170使用由虚拟测量模型166产生的(测量数据的)调整输出值执行逐片晶片控制。

虽然本发明一些具体实施例已详尽揭示如上，但本领域普通技术人员应了解在不脱离本发明的精神与范畴的前提下，当作些许更动。尤其应当了解的是历史训练数据集合与历史更新数据集合可分别包括多于六十笔数据记录，或少于二十笔数据记录。再者，指数加权移动平均可使用多于或少于二十个晶片的历史数据记录而被执行。此外，故障检测及分类模块154、虚拟测量模型166与逐片晶片先进工艺控制器170的每一个都可安置于个别的计算机装置，或安置于单一计算机装置中的一个或多个元件。每一个所述多个计算机包括一个或多个处理单元、记忆或存储单元、输出或输入单元，以及显示单元。测量数据调整单元168可以虚拟测量模型166或逐片晶片先进工艺控制器170的部分而被设置。

应当了解的是上述实施例或步骤的多种不同组合可以多种顺序或同时地被使用，并无必须或关键的特定步骤。此外，关于一些实施例的特性可与其他实施例的特性相结合。因此，对本发明的所有的更动包括于本发明的范畴内。

Claims

1.一种虚拟测量先进工艺控制系统，包括：

一工艺设备，根据所接收的多个工艺输入，处理多个晶片；

一测量设备，用以测量至少一个上述晶片的一特性，并且产生一真实测量数据，其中上述晶片包括至少一个品管样品晶片；

一虚拟测量模块，用以为每一个上述晶片产生一预估测量数据；以及

一先进工艺控制器，用以接受上述预估测量数据与上述真实测量数据，并且根据上述预估测量数据与上述真实测量数据，产生上述工艺设备的上述工艺输入，其中

上述品管样品晶片的上述真实测量数据用以更新上述虚拟测量模块；

上述虚拟测量模块的多个关键变数仅在判断出上述虚拟测量模块所产生的上述预估测量数据不精确时被更新；以及

上述虚拟测量模块的多个参数根据上述品管样品晶片的上述实际测量数据而被更新，其中上述参数择自于由权重、斜率与偏差所组成的群组。

2.如权利要求1所述的虚拟测量先进工艺控制系统，还包括：

一故障检测及分类模块，用以接收并存储来自于上述工艺设备的多个工艺数据，上述工艺数据代表上述工艺设备的生产操作。

3.如权利要求2所述的虚拟测量先进工艺控制系统，其中上述故障检测及分类模块预处理已被接收的上述工艺数据，用以将上述工艺数据对时间作平均并产生多个故障检测及分类数据，而上述故障检测及分类模块提供上述故障检测及分类数据至上述虚拟测量模块，以便更新上述虚拟测量模块。

4.如权利要求1所述的虚拟测量先进工艺控制系统，还包括一测量数据调整单元，用以在由上述虚拟测量模块产生的上述预估测量数据被提供至上述先进工艺控制器之前，过滤与平滑化上述预估测量数据。

5.如权利要求4所述的虚拟测量先进工艺控制系统，其中上述测量数据调整单元使用一指数加权移动平均过滤单元过滤上述预估测量数据，上述预估测量数据使用历史上述实际测量数据与目前的上述实际测量数据。

6.如权利要求1所述的虚拟测量先进工艺控制系统，其中上述晶片包括一批次晶片，并且至少一个上述品管样品晶片包括两个品管样品晶片。

7.一种虚拟测量先进工艺控制平台的设置方法，适用于多个工艺，上述方法包括：

根据来自于一先进工艺控制器的多个工艺输入，处理具有上述工艺之一的一晶片批次；

测量上述晶片批次的至少一个的一特性，并且产生一真实测量数据，上述至少一个晶片批次包括一品管样品晶片；

仅于上述虚拟测量模型被判断为不精确时，测试一虚拟测量模型的一精确性；

使用上述真实测量数据，为目前的上述晶片批次的上述品管样品晶片更新上述虚拟测量模块的多个参数，并且为先前的上述晶片批次的多个品管样品晶片更新历史测量数据，其中上述参数择自于由权重、斜率与偏差所组成的群组；以及

自上述虚拟测量模块，提供上述晶片的上述真实测量数据至上述先进工艺控制模块而致能上述先进工艺控制模块，为了下一批次的晶片批次的工艺处理调整上述工艺输入。

8.如权利要求7所述的虚拟测量先进工艺控制平台的设置方法，还包括在由上述虚拟测量模块产生的上述预估测量数据被提供至上述先进工艺控制器之前，过滤与平滑化上述预估测量数据。

9.如权利要求8所述的虚拟测量先进工艺控制平台的设置方法，其中上述过滤与平滑化上述预估测量数据的步骤包括将一指数加权移动平均过滤单元用于过滤上述预估测量数据，上述预估测量数据使用历史上述实际测量数据与目前的上述实际测量数据。

10.如权利要求7所述的虚拟测量先进工艺控制平台的设置方法，其中上述晶片批次之前一个的上述品管样品晶片包括上述品管样品晶片的最近X个，而X为大于或等于二十的正整数。

11.一种虚拟测量先进工艺控制系统，包括：

一第一装置，用以处理多个晶片；

一第二装置，用以测量上述晶片的一样品晶片，并于上述第二装置产生一真实测量数据；

一第三装置，用以为每一个上述晶片产生一预估测量数据，其中上述真实测量数据被上述第二装置接收并用以更新一虚拟测量模块，且上述虚拟测量模块的多个关键变数仅在判断出上述虚拟测量模块不精确时被更新，且上述虚拟测量模块的多个参数根据上述样品晶片的上述实际测量数据而被更新，其中上述参数择自于由权重、斜率与偏差所组成的群组；

一第四装置，用以接收上述预估测量数据与上述真实测量数据，并根据所接收的上述预估测量数据与上述真实测量数据控制上述工艺设备的生产行动。

12.如权利要求11所述的虚拟测量先进工艺控制系统，还包括：

故障检测及分类模块，用以接收并存储来自于上述工艺设备的多个工艺数据，上述工艺数据代表上述工艺设备的生产行动。

13.如权利要求12所述的虚拟测量先进工艺控制系统，其中上述故障检测及分类模块预处理已被接收的上述工艺数据，用以将上述工艺数据对时间作平均并产生多个故障检测及分类数据，而上述故障检测及分类模块提供上述故障检测及分类数据以更新上述第三装置。

14.如权利要求11所述的虚拟测量先进工艺控制系统，还包括一第五装置与一第六装置，其中在上述预估测量数据被提供至上述第六装置之前，上述第五装置用以过滤由上述第三装置产生的上述预估测量数据。

15.如权利要求14所述的虚拟测量先进工艺控制系统，其中用以过滤上述预估测量数据的上述第五装置将使用一指数加权移动平均过滤单元用于过滤上述预估测量数据，上述预估测量数据使用历史上述实际测量数据与目前的上述实际测量数据。