CN102201324B - 半导体制造方法与系统 - Google Patents
半导体制造方法与系统 Download PDFInfo
- Publication number
- CN102201324B CN102201324B CN2010105180591A CN201010518059A CN102201324B CN 102201324 B CN102201324 B CN 102201324B CN 2010105180591 A CN2010105180591 A CN 2010105180591A CN 201010518059 A CN201010518059 A CN 201010518059A CN 102201324 B CN102201324 B CN 102201324B
- Authority
- CN
- China
- Prior art keywords
- mentioned
- data
- manufacturing data
- data group
- manufacturing
- 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.)
- Active
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- General Factory Administration (AREA)
Abstract
本说明书提供一种半导体制造方法与系统。该方法包括从多个半导体工艺分别收集多个制造数据组。上述方法包括以一方法标准化每个上述制造数据组使上述制造数据组统计上的差异减少。上述方法包括建立一数据库包括上述标准化后的制造数据组。上述方法包括以一方法标准化上述数据库使标准化后数据库中的制造数据组统计上可相容于一选定的上述制造数据组。上述方法包括利用上述标准化后数据库预测一选定的半导体工艺之一的效能。上述选定的半导体工艺对应于上述选定的制造数据组。上述方法包括控制一半导体工艺机器以对预测的效能作效应。本发明应用至关于不同产品或相同产品的不同片层的数据共用以及纯化。
Description
技术领域
本说明书所揭示主要涉及一种测量模型,尤其涉及应用于半导体工艺的虚拟测量系统与方法。
背景技术
在一晶片制造工厂(fab)借由多道程序以生产半导体集成电路。这些程序以及相关制造工具,可包括热氧化(thermal oxidation),扩散(diffusion),离子注入(ion implantation),快速热制造(RTP),化学气相沉积(CVD),物理气相沉积(PVD),外延(epitaxy),蚀刻(etch),以及光蚀刻(photolithography)。在上述制造阶段期间,半导体晶片的品质保证以及良率利用虚拟测量工具监控。
虚拟测量为根据模型化以及预搜集数据(或称测试数据(training data))以预测半导体程序结果的技术。随着半导体制造方法的进步(例如,从90nm到65nm到45nm到32nm等),虚拟测量的实际应用变得更受线上生产需求所限制(例如,改变处方,不同的程序目标,以及有限的可用测试数据)。现有的虚拟测量方法与系统一般着重于虚拟测量的预测结果精确度,而非虚拟测量于半导体制造设施的实际应用。
因此,虽现有的虚拟测量技术已可满足原本的目的,但并非适用于各方面。
发明内容
为了解决现有技术的问题,根据本发明一实施例提供一种半导体制造方法,适用于一半导体装置。该半导体制造方法包括,收集多个制造数据组,上述制造数据组分别从多个半导体工艺收集;以一第一方法标准化各上述制造数据组,以减少上述制造数据组统计上的差异;建立一数据库,上述数据库包括以上述第一方法标准化的上述数据组;以一第二方法标准化上述数据库,以上述第二方法标准化后的上述数据库统计上相容于选自上述制造数据组之一;借由标准化后的上述数据库预测选自上述半导体工艺之一的一效能,所选择的上述半导体工艺对应于所选择的上述制造数据组;以及根据所预测的上述效能控制一半导体工艺机器。
根据本发明另一实施例提供一种半导体制造方法,适用于一半导体装置。该半导体制造方法包括,提供对应一第一半导体工艺的一第一制造数据;利用一第一方法转换上述第一制造数据以使上述第一制造数据统计上相容于对应一第二半导体工艺的一第二制造数据,其中上述第二半导体工艺与上述第一半导体工艺不同;根据转换后的上述第一制造数据预测上述第二半导体工艺的一效能;以及根据所预测的上述效能控制一半导体工艺工具。
根据本发明另一实施例还提供一种半导体制造系统,用于预测晶片结果。该半导体制造系统包括,一数据收集器,用以从多个半导体工艺分别收集多个制造数据组;以及一虚拟测量模块,包括:一第一标准化模块,以一第一方法标准化每个上述制造数据组,用以减少上述制造数据组统计上的差异,标准化后的上述制造数据组组成一数据库;一第二标准化模块,以一第二方法标准化上述数据库,标准化后的上述数据库统计上相容于选自上述制造数据组其中之一;其中上述虚拟测量模块用以预测选自上述半导体工艺其中之一的一效能,所选择的上述半导体工艺对应于所选择的上述制造数据组;以及根据所预测的上述效能控制一半导体工艺机器。
本发明应用至关于不同产品或相同产品的不同片层的数据共用以及纯化。
附图说明
由阅读以下详细说明及配合所附附图可更完整地了解本发明。并强调,依照于企业的标准作法,多种特性并未绘出。事实上,该多种特性的范围可任意地增加或减少以使讨论清楚。
图1显示根据本发明各方面模型化一半导体工艺的一方法的一流程图;
图2~图4以图形观点表示二不同半导体工艺的数据组于各种阶段的数据转换;
图5为一流程图表示进行图1中一反映抵消程序的一方法;
图6显示一工作流程图为依序数据共用以及移除的一实施例;以及
图7显示用于图1的方法的一制造工具,一测量工具,以及一虚拟测量系统的方框图。
其中,附图标记说明如下:
11、110~方法;
13、15、17、19、21、23、25、120、125、130~方框;
50、55~平均值;
60~参考值;
70~补偿量;
140~流程图;
150、151、152、153、154~列;
157、158、159~行;
160~174~单元;
200~虚拟测量系统;
201~虚拟测量模块;
202~效应抵消模块;
203~效应回复模块;
204~数据收集模块;
210~沟通介面模块;
212~测量工具;
214~制造工具;
216~工程师。
具体实施方式
应了解下文所述为提供各种不同实施例或例子以实现本说明书不同特征。以下特殊的元件以及排列方式的例子用于简化本说明书。这些实施例当然仅作为例子并非用以限制。此外,本说明书叙述中可能于不同的实施例使用重复的数字或字母。这些重复是为了用以简化以及厘清并非用以制定不同实施例以及/或结构之间的关系。
图1显示根据本发明的一实施例于半导体制造利用虚拟测量的一方法11的一流程图。上述方法于方框13开始进行半导体制造程序。上述半导体制造程序相关联于一或多个制造工具,且该程序可包括热氧化,扩散,离子注入,快速热制造,化学气相沉积,物理气相沉积,外延,蚀刻,以及光蚀刻。各制造程序包括一或多个制造输入程序参数,用以控制一或多个制造输出程序参数。上述制造输入程序参数相关联于制造工具设定,且可提供输入至一制造工具。上述制造输出程序参数包括可观察的制造程序的成果或结果。例如,用于蚀刻程序中,其制造输入程序参数包括蚀刻时间和/或蚀刻率。而蚀刻程序的制造输出程序参数包括蚀刻深度。借由调整蚀刻率或蚀刻时间可控制该蚀刻程序的蚀刻深度,此可经由改变蚀刻工具的设定完成。应可了解于任意给定的制造程序,均有多种制造输入程序参数也有多种制造输出程序参数。此外,制造输入程序参数也可包括进阶程序控制(advanced process control或APC)数据,错误检测和分类(fault detection and classification或FDC)数据,以及品质控制(quality control或QC)数据。
以数学方式来说,制造输入程序参数以及制造输出程序参数间的关系可表示为Y=f(X),其中该变数Y表示制造输出程序参数(例如,蚀刻深度),而其中该变数X表示制造输入程序参数(例如,蚀刻率或蚀刻时间)。换句话说,一制造输出程序参数为一或多个制造输入程序参数的函数。
制造输出程序参数(例如,变数Y)利用上述方法11的方框15中的测量工具(并未绘出)测量。接着输出上述测量出的制造输出程序参数数值至上述方法11的方框17中。制造输入程序参数(例如,变数X)也由方框13输出至方框17。于方框17中,针对制造输出程序参数或制造输入程序参数或是以上两者执行一效应抵消(effect-canceling)程序。效应抵消程序进行数据转换或数据标准化于制造输出程序参数或制造输入程序参数。在本发明一实施例中,该数据转换包括一个平均调整(mean-shifting)程序,将于下文详细讨论。
上述效应抵消程序执行于方框17之后,上述方法11进一步于方框19累积更多制造数据。上述方法11接着于方框21将上述累积的数据执行一效应回复(effect-retrieving)程序。在本发明一实施例中,上述效应回复程序利用一方法对该累积的数据进行数据转换以停止或撤销上述效应抵消程序。上述效应回复程序,将于下文详细讨论。
上述方法11接着于方框23测定是否已累积充足数据。若累积的数据仍不足,上述方法11将回到方框19。若累积的数据已充足,上述方法11继续于方框25利用虚拟测量以预测或估计方框13中该半导体工艺的效能。
图2-图4以图形观点表示相关于图1中效应抵消程序以及效应回复程序二不同半导体制造数据组于各种阶段的数据转换。参考图2,一数据组1包括显示为椭圆的多个数据点,以及一数据组2包括显示为三角形的多个数据点。上述数据组1的每个数据点对应于在第一程序处理室已测量的一晶片的蚀刻深度。上述数据组2的每个数据点对应于在第二程序处理室已测量的一晶片的蚀刻深度。因此,数据组1以及2均为制造输出程序参数的举例。应了解到在此所使用的蚀刻深度仅为了帮助接下来的讨论,且上述数据组1以及2可替代地表示为其他程序参数。例如,数据组1可替代地表示利用一蚀刻方法下已测量的晶片蚀刻深度,且数据组2可替代地表示利用另一不同蚀刻方法下已测量的晶片蚀刻深度。此外,虽在此为了简化仅显示二数据组,但应了解可使用更多数据组。
于图2,上述数据组1的所有数据点的一平均值以标示为50的虚线表示。于图2,上述数据组2的所有数据点的一平均值以标示为55的虚线表示。于图2,一参考值(或一基准线)以标示为60的虚线表示。在本发明一实施例,上述参考值60为上述数据组1以及2的效果目标(理想蚀刻深度目标)。在另一实施例,上述参考值60可为一总体或所有数据组1以及2的所有数据点的平均值。
一补偿量70存在介于平均值50以及参考值60间,且一补偿量75存在介于平均值55以及参考值60间。上述补偿量70以及75也可称作“效应”。来自(或相关于)不同的程序处理室的数据组50以及55造成上述效应70以及75。在一替代的实施例,上述效应可能为不同的程序处方(recipe),不同片层(layer)或不同的产品(product)所造成。这些效应的存在限制每个虚拟测量模型可用的测试数据的数量。更详细地说,一虚拟测量模型可根据先前收集的数据对于特定半导体制造程序将来的效果做一预测。换句话说,利用从适当的程序工具预先收集的数据(测试数据),可以预测晶片的电子以及物理参数,而不需要实际做这些测量。于上述方法下,虚拟测量可用以减少甚至淘汰直接测量。
然而,精确的虚拟测量模型经常需要大测量试数据。每个制造程序具有各自相关的测试数据。例如,于不同处理室中处理晶片会需要分开的虚拟测量模型,即使该产品,片层,以及处理方法都相同。或者是,相同产品,相同片层,以及处理于相同程序处理室的晶片,若程序处方不相同,仍需要不同的虚拟测量模型。例如,根据数字排序于不同产品,不同片层,不同处理方法以及不同程序处理室,需建立大量的虚拟测量模型以精确地预测所有制造程序的效果。这是因为每个制造需要其自身虚拟测量模型用以精确地预测该制造程序的效果。为了建立一精确的虚拟测量模型,必须提供大测量试数据。
然而,通常需要一较少数量的可用测试数据以预测一制造程序的效果。此外,用于预测的计算需要更快,若收集数据仍在进行则无法完成。例如,由于缺乏可用测试数据以及执行计算所需要的时间(由于搜集大量数据需要花费更多时间),局限了现有虚拟测量技术。相比较于先前技术,本发明实施例借由共用相似数据组间的数据以解决上述提及的问题,于下文详细讨论。
参考图3,执行一效应抵消程序以转换数据组1以及2的各数据点。上述效应抵消程序“往下”调整上述数据组1直到其平均值50(图2)调整至参考值60,而效应抵消程序“往上”调整上述数据组2直到其平均值55(图2)也调整至参考值60。于效应中调整的数据组1以及2转换或标准化上述数据组1以及2的每个数据点在某种程度上抵消了上述效应。因此,上述数据组1以及2互相有统计上的相容且可互相共用以建立一单一虚拟测量模型。换句话说,从一较大的数据组转换(或标准化)的数据组1以及2无论比起数据组1或是2均包含较多统计上可相容的测试数据。此较大的数据组也可被称作一数据库。如上述的讨论,图2以及图3显示二数据组1以及2仅用以简化,因此多个数据组也可以同样方式做数据转换或标准化。当更多数据组结合于该总合数据库,可快速地累积可使用测试数据。
参考图4,执行一效应回复程序于由数据组1以及2组成的上述总合数据库的所有数据点。上述效应回复程序“往上”调整上述所有数据点直到该数据库总平均值调整至数据组1的平均值50(图2)。此时,该关联于数据组1的虚拟测量模型除了具有从数据组1的数据点还有从数据组2的数据点作为可用测试数据。换句话说,执行上述效应回复程序后,足以使被调整的数据组2在统计上可相容于数据组1。因此,一虚拟测量可更快速地产生预测。例如,假使用于相关数据组1的制造程序的虚拟测量模型需要60个晶片的数据作为充分的测试数据。数据组1以及2各包括30个晶片的数据。若使用传统虚拟测量技术,该相关数据组1的制造程序在可以产生精确的虚拟测量预测之前将必须继续累积更多数据。
于本发明中,由于该数据组2的30个晶片的数据也可作为有效的测试数据用于相关数据组1的制造程序,于是该测试数据包括60个晶片的数据,此足够大量用以产生精确的虚拟测量预测于相关数据组1的制造程序将来的效果。应可了解当共用更多数据组,可更快产生一虚拟测量预测。例如,在本发明一实施例其中10个不同数据组分享一相同数据库,而每个数据组仅具有6个晶片的数据能组成60个晶片的总合可用测试数据,且任何上述10个数据组相关的10个制造程序均可产生虚拟测量预测。也可了解,虽效应回复程序于图4显示“往上”调整该数据库直到调整至具有数据组1的平均值50的参考值60,但若需要产生虚拟测量预测于相关数据组2的制造程序将来的效果,上述效应回复程序可“往下”调整所有数据点直到数据库的参考值调整至数据组2的平均值55(图2)。
图5为一流程图显示图1中对一制造输入程序参数进行效应抵消程序的方法110的一实施例。为了简化接下来的讨论,于下文利用进阶程序控制的蚀刻程序来讨论。上述方法110开始于方框120,其用以估算一平均蚀刻率。在蚀刻程序,进阶程序控制下蚀刻时间可用以进行蚀刻深度调整。于此,执行多个蚀刻程序可能具有多个蚀刻深度以及蚀刻率目标。蚀刻率通常被定义为每单位时间的蚀刻深度。以多个蚀刻程序来说,该平均蚀刻率表示为下列算式:
其中,参数ER表示蚀刻率,参数depth表示蚀刻深度,参数APC表示蚀刻时间,以及参数n表示蚀刻程序的数量。
上述方法110继续至方框125,其用以计算用于目标移转的一进阶程序控制修改项目。上述进阶程序控制修改项目表示为ΔAPCi且应用下列算式计算:
换句话说,相关于一新晶片批的一新蚀刻程序具有一目标蚀刻深度。该进阶程序控制修改项目借由取得新晶片批的目标蚀刻深度与现有晶片批的目标蚀刻深度的差,并接着再除以平均蚀刻率以计算。该进阶程序控制修改项目表示使新晶片批达成目标蚀刻深度所需调整的一蚀刻时间。
上述方法110继续至方框130,其用于根据于方框125的计算以调整上述进阶程序控制的程序。用于计算调整的进阶程序控制项目的等式如下:
调整的进阶程序控制项目表示目前需要的上述蚀刻时间以确保新晶片批的蚀刻深度可达到新的目标深度。应了解上述蚀刻深度并非在制造程序中实际调整。确切地说,上述方法110导出一估算值而蚀刻时间将必须调整,以使制造程序参数(像是来自不同晶片批的蚀刻时间以及蚀刻深度)变得统计上的相容足以共用。
于共用来自多个来源的数据组情况下(例如,不同处理室以及不同方法),本发明实施例也提供一方法排定优先顺序以决定应先共用哪个数据组以及一旦已累积足够数据共用的数据需要如何移除。图6显示一方法如工作流程图140的一实施例。上述工作流程图包括列150~154以及行157~159。该列150~154表示不同阶段的数据共用,分别为初始化,传递,移除阶段一,移除阶段二,以及一般。该行157~159表示三种不同程序处理室,分别为处理室1,处理室2,以及处理室3。
上述列150~154以及行157~159来自单元160~174。其每个单元中,「IMKT」表示为相关于一处方的数据,而“IMST”表示为相关另一处方的数据。IMKT接着的一个数字指出所收集相关于该IMKT处方的制造数据的晶片数量。IMST之后具有二个数字。其中第一个数字指出所收集相关于该IMST处方的制造数据的晶片数量。其中第二个数字(斜体)也指出所收集相关于该IMST处方的制造数据的晶片数量,然而该制造数据来自不同的处理室。举例来说,上述初始化阶段150,于单元160中,IMKT=20,而IMST=0+0。这表示于处理室1,该IMKT处方中具有可用的20个晶片的数据,但是该数据(实际数据或共用数据)并非可用于该IMST处方。尽管如此,仍可利用该IMKT处方的基准线(或初始化)数据对该IMST处方产生一虚拟测量预测。换句话说,由于两者处方相似,当没有具体的数据可用于IMST程序时,上述20个晶片的IMKT数据可用以替代地作为IMST数据。应了解到,上述IMKT数据此时已完成效应抵消以及效应回复。
于初始化阶段150之后为传递阶段151。在第一排上的单元163,IMKT=20,其表示仍共用20个晶片的IMKT数据。IMST=1+0,其表示IMST数据的一晶片实际收集于处理室1中该晶片,然而并未具有来自处理室2以及3的共用IMST数据。同时,由处理室1的晶片收集的该IMST数据与单元161以及单元162共用。同样地,在第一排上的单元164以及165均显示IMST=0+1,其中该1表示相关于处理室1的IMST数据的一晶片,与单元164以及165共用。
上述单元164的第二排显示IMST=1+1,表示已收集相关于处理室2的IMST数据的一晶片。该数据接着与单元163以及165共用,反映如单元163的第二排显示IMST=1+1,以及该单元165的第二排显示IMST=0+2。虽然于图中并未显示,但仍接着收集用于处理室3的IMST数据,并接着与单元163以及164共用。如上述讨论的流程持续直到单元163~165的最后一排,此时单元163包括20个晶片的共用IMKT数据,相关于处理室1的14个晶片的实际IMST数据,以及相关于处理室2以及3的26个晶片的共用IMST数据。单元164包括共用IMKT数据的20个晶片,相关于处理室2实际IMST数据的13个晶片,以及相关于处理室1及3共用IMST数据的27个晶片。单元165包括共用IMKT数据的20个晶片,相关于处理室3实际IMST数据的13个晶片,以及相关于处理室2及3共用IMST数据的27个晶片。
此时,于相关于各单元的特定制造程序可产生一相对精确的虚拟测量预测,因此各单元已具有总共60个晶片的数据。例如,于处理室1处理且使用该IMST处方的晶片可建立一虚拟测量模型,既使实际仅收集14个晶片的该类型的数据。来自IMKT数据的60个晶片中的20个,其共用于单元163且提供统计上相容于IMST数据的数据。60个晶片中的26个的数据为IMST数据,但其来自其他的程序处理室2以及3。因此,如上述讨论,可以了解上述数据共用方法使虚拟测量预测可以比起传统的更快。此外,为了共用相关于其他处理室的IMKT数据以及IMST数据,参考图1到图4,其效应抵消以及效应回复程序于一开始执行,因为该效应抵消程序以及该效应回复程序使共用数据统计上可相容于实际数据。
该传递阶段151后接着是移除阶段一152,随着收集到更多的IMST数据,逐步清除或移除该共用IMKT数据。上述移除IMKT数据的理由为,共用IMKT数据以及共用IMST数据之间相关于不同处理室,在产生一虚拟测量预测上,该IMKT数据比起实际的IMST数据具有较少统计上的关联。或者说,该相关于处理室2以及3的IMST数据比起IMKT数据较能精确表示相关于处理室1的IMST数据。因此,观察至单元166,IMKT=19,表示移除一晶片的IMKT数据。同时,IMST=15+26,表示已多收集相关于处理室1一晶片的IMST数据。该数据的晶片总数仍为60,且利用该批60个晶片的数据所建立的虚拟测量模型比起于单元163利用60个晶片的数据所建立的模型,可更精确地产生虚拟测量预测。该IMKT数据的纯化持续到移除阶段一152结束,此时将不再具有共用IMKT数据。
移除阶段二153在上述移除阶段一152之后执行。在这个阶段,移除该相关于其他处理室的共用IMST数据。举例来说,于单元169,IMKT=0(表示没有共用IMKT数据),且IMST=35+25。比较单元166的最后一线,其中IMST=34+26,可以发现当IMST之后的第二个数字减少,IMST之后的第一个数字增加。这表示,当多收集到相关于处理室1一晶片的IMST数据,将从单元169移除相关于处理室2以及3的一个晶片的数据。该相关于其他处理室的IMST数据的移除持续直到阶段一般154,此时唯一于单元172~174留下的数据为相关于其自身处理室的IMST数据。在此阶段,当各虚拟测量模型存在足够的实际数据,将不需共用数据,然而在本发明其他实施例中仍可视情况需要而共用数据。
应可了解上述工作流程图140并非用以限定关于不同程序处理室以及不同处方的数据共用以及纯化,更可替代地应用至关于不同产品或相同产品的不同片层的数据共用以及纯化。
图7为一高位方框图显示一制造工具,一测量工具,以及一虚拟测量系统(VM系统)用于实现图1的处方。一虚拟测量系统200包括一虚拟测量模块201(VM模块)可操作执行动作,该执行动作包括信息操控,信息接收,信息存储,以及信息传送。举例来说,该信息可包括命令,程序参数(例如,用于程序处方的参数),数据操控,进阶程序控制参数,以及制造工具状态。该虚拟测量模块201包括一效应抵消模块202以及一效应回复模块203。该效应抵消模块202执行数据转换必须进行上述讨论的效应抵消程序(参考图1~图3)。举例来说,可操控该效应抵消模块于其输入数据执行一平均值调整程序。该效应回复模块203执行数据转换必须进行上述讨论的效应回复程序(参考图1以及图4)。也可操控该效应回复模块于其输入数据执行一平均值调整程序。该虚拟测量系统200还包括一数据收集模块204以及一沟通介面模块210。
一测量工具212以及一制造工具214耦接至上述虚拟测量系统200。上述测量工具212可包括电子式,光学式,以及/或解析式工具,例如,显微镜(microscopes),微解析工具(micro-analytical tools),线宽测量工具(line-widthmeasurement tools),掩模以及标线缺陷工具(mask and reticle defects tools),粒子分布工具(particle distribution tools),表面分析工具(surface analysis tools),压力分析工具(stress analysis tools),电阻以及接触阻抗测量工具(resistivityand contact resistance measurement tools),流动性以及载流子浓度测量工具(mobility and carrier concentration measurement tools),深度测量工具(depthmeasurement tools),膜厚度测量工具(film thickness measurement tools),栅极氧化完整性测试工具(gates oxide integrity test tools),电容电压测量工具(C-Vmeasurement tools),聚焦离子束(focused ion beam),以及其他测试以及测量工具。
上述制造工具214可包括,蚀刻工具,化学气相沉积工具,物理气相沉积工具,原子层工具(atomic layer deposition tools或ALD),热氧化工具,离子注入工具,化学机械抛光工具(chemical mechanical polishing tools或CMP),快速热退火(rapid thermal annealing或RTA),以及光蚀刻工具,或其他适当的半导体制造工具。
上述测量工具212以及上述制造工具214分别输出晶片数据以及工具数据至上述数据收集模块204,接着送出该晶片数据以及工具数据至虚拟测量模块201以分析和模型化。该晶片数据以及工具数据可统称为制造数据。该晶片数据包括前述讨论(参考图1)的制造输出程序参数(例如变数Y)。上述制造输出程序参数可为晶片参数,例如,沟槽深度(trench depth),薄片电阻(sheetresistance),折射率(reflectivity),压力(stress),粒子密度(particle density),关键维度(critical dimension),漏电流(leakage current),临界电压(thresholdvoltage),仅作为几例。晶片数据可进一步包括其他数据如晶片ID和产品类型。
上述工具数据包括前述讨论(参考图1)的制造输入程序参数(例如,变数X)。制造输入程序参数可包括程序参数的设定数值,其可借由调整制造工具214的设定来改变。例如在一化学机械抛光工具程序,该制造输入程序参数可包括抛光压力(polishing pressure),压盘转速(platen rotational speed),研磨浆分布率(slurry distribution rate),研磨浆温度(slurry temperature)和晶片温度(wafer temperature)。另外一例在物理气相沉积中,该制造输入程序参数可包括加热气温度(heater temperature),晶片温度(wafer temperature),射频偏压反射功率(radio frequency bias reflected power或RF bias reflected power),射频侧面反射功率(RF side reflected power),射频顶部反射功率(RF top reflectedpower),处理室压力(chamber pressure),气体分压(gas partial pressures),以及晶片座电压(chuck voltage)。该制造输入程序参数也可包括其他未被包含于一程序处方的参数,例如用于物理气相沉积工具的溅射目标厚度(sputteringtarget thickness)以及隔开目标和晶片之间。上述工具数据还可包括其他数据,如工具ID,工具维护历史,以及材料规格(例如化学机械抛光中的研磨浆组成以及物理气相沉积中的溅射目标)。
一半导体晶片,无论单独或成批,均经由多个制造程序步骤处理。一程序步骤可执行于上述制造工具214。其他程序步骤可执行于其他制造工具。当上述晶片于上述制造工具214中可根据一程序处方程式化,设定,以及设置(例如,借由调整用于制造工具的制造输入程序参数)。上述制造处方可定义为多个子步骤。例如,一物理气相沉积工具处方可定义下列子程序:排气(gas),倾斜(ramp),稳定(stabilization),沉积(deposition),以及泵下(pump-down)。各子定义可预设一明确的时间周期以及设定多种硬件参数以确定层级。在晶片于制造工具214根据该程序处方完成该程序步骤后,可利用一或多个测量工具212以测试或计算该晶片以获得晶片数据或结果。接着由数据收集204分别从该测量工具212以及制造工具214收集该晶片数据以及工具数据,并存储至虚拟测量系统200的存储器。之后虚拟测量模块201回存该存储于存储器的数据,并借由效应抵消模块202以及效应回复模块203处理。
借由利用虚拟测量模块201预测一半导体工艺的效能。例如,可借由制造工具214以及根据特定处方设定于该程序的参数以处理晶片。此外,可即时收集现有工具数据以及晶片且排程至虚拟测量系统中适当的模块以分析。该虚拟测量模块201根据上述现有数据结合先前存储于存储器的数据以预测该半导体工艺的一程序结果(或晶片结果)。
该预测的晶片结果可传送至该晶片制造设施内适合的工程师或客户。此外,该预测的晶片结果可往后提供以控制之后的半导体工艺或往回提供以调整现有的半导体工艺。此外,该预测的晶片结果可用以调整之后的晶片的程序处方。于是,该虚拟测量系统200可用以取代物理测量操作,而一工程师可利用测量工具(例如,测量工具212)以计算实际晶片结果。因此,该虚拟测量系统200可应用于电脑整合制造(Computer Integrated Manufacturing或CIM)以使预测的结果可用以决定该晶片于虚拟验收测试下(virtual waferacceptance testing或WAT)是否符合设计规格。
例如,沟通介面210在半导体制造环境下可传送该预测晶片结果。例如,该预测半导体结果可传送至工程师216以评估,监控产品,以及/或改进程序。该工程师216可经由该沟通介面210与该虚拟测量系统200沟通。当预测晶片结果超出预定的范围,明显偏移,或其他严重的变化,该沟通介面210更可对该工程师216提出一警告。该预测晶片结果可传送至一数据控制中央(例如,一制造执行系统(Manufacturing execution system或MES)),其中该预测晶片结果更可处理,排列,分布用以对数据监控,评估,分析,以及/或控制(例如,统计程序控制(statistical process control或SPC))。该预测晶片结果可传送至下一个半导体工艺的一制造工具,其中可调整该程序处方以及程序参数可调整以相容于任何来自现有半导体工艺的漂移或偏移使晶片的品质,效能,以及良率最佳化。
图2的该虚拟测量系统200如上文所揭示的实施例。每个模块可包括软件以及/或硬件以执行其功能。例如,该虚拟测量模块201可包括硬件(如,电脑或存储器)以操作以及存储。虚拟测量模块201也可包括提供一操作环境的软件。该虚拟测量系统200还可包括一数据库以存储程序参数,制造数据,函数转换槽(pool of functional transformations),以及最佳化演算法。各模块可更佳地设置,连结至其他模块以及该半导体制造环境中的其他元件。在不离开本发明的精神下,该虚拟测量系统200可设置以及排列以不同方式,(例如,较少的模块或较多的模块)。
上述概括的描述数个实施例以使本领域普通技术人员可更了解本发明。本领域普通技术人员应可了解并简单地利用本发明作为一基础以设计或修改其他程序以及结构以完成相同的目的以及/或达成上述介绍的实施例中相同的优点。本领域普通技术人员应也了解等效的结构并未背离本发明的精神以及范围,本领域普通技术人员可于本发明的精神以及范围做各种变化,替代以及修改。
Claims (10)
1.一种半导体制造方法,适用于一半导体装置,包括:
收集多个制造数据组,上述制造数据组分别从多个半导体工艺收集;
以一第一方法标准化各上述制造数据组,以减少上述制造数据组统计上的差异,其中以上述第一方法标准化的各上述制造数据组具有相近的平均值;
建立一数据库,上述数据库包括以上述第一方法标准化的上述数据组;
以一第二方法标准化上述数据库,以上述第二方法标准化后的上述数据库统计上相容于选自上述制造数据组之一,其中以上述第二方法标准化的上述数据库的平均值与所选择的上述制造数据组的平均值相近;
借由标准化后的上述数据库预测选自上述半导体工艺之一的一效能,所选择的上述半导体工艺对应于所选择的上述制造数据组;以及
根据所预测的上述效能控制一半导体工艺机器。
2.如权利要求1所述的半导体制造方法,其中预测上述效能的步骤包括对应于所选择的上述半导体工艺建立一虚拟测量模型,且其中上述虚拟测量模型利用标准化后的上述数据库作为测试数据。
3.如权利要求1所述的半导体制造方法,其中上述制造数据组分别对应于上述半导体工艺的制造输入程序参数,且上述制造输入程序参数选自包括抛光压力,压盘转速,研磨浆分布率,研磨浆温度和晶片温度,加热气温度,晶片温度,射频偏压反射功率,射频侧面反射功率,射频顶部反射功率,处理室压力,气体分压,以及晶片座电压,蚀刻时间,蚀刻率,进阶程序控制数据,错误检测和分类数据,品质控制数据,以及上述的组合的群组。
4.如权利要求1所述的半导体制造方法,其中上述制造数据组分别对应于上述半导体工艺的多个制造输出程序参数,且上述制造输出程序参数选自包括蚀刻深度,薄片电阻,折射率,压力,粒子密度,关键维度,漏电流,临界电压,以及上述的组合的群组。
5.如权利要求1所述的半导体制造方法,还包括更新数据库,包括:
根据上述制造数据组各自的统计数据与所选择的上述制造数据组的相容性以对上述制造数据组进行分级;
加入多个第一数据点至上述制造数据组中的一第一制造数据组;以及
从上述制造数据组中的一第二制造数据组移除多个第二数据点;
其中上述第一制造数据组相较于上述第二制造数据组,对于所选择的上述制造数据组,在统计上具有较大的相容性。
6.一种半导体制造方法,适用于一半导体装置,包括:
提供对应一第一半导体工艺的一第一制造数据;
利用一第一方法转换上述第一制造数据以使上述第一制造数据统计上相容于对应一第二半导体工艺的一第二制造数据,其中上述第二半导体工艺与上述第一半导体工艺不同,且上述利用上述第一方法转换用以使转换后的上述第一制造数据的平均值与上述第二制造数据的平均值相近;
根据转换后的上述第一制造数据预测上述第二半导体工艺的一效能;以及
根据所预测的上述效能控制一半导体工艺工具。
7.如权利要求6所述的半导体制造方法,其中上述利用上述第一方法转换包括:
设定一参考目标,其中上述参考目标为上述第一制造数据的平均值以及上述第二制造数据的平均值的平均数;
执行一效应抵消程序于上述第一制造数据,其中上述效应抵消程序包括,调整上述第一制造数据直到调整后的上述第一制造数据的平均值与上述参考目标相近,其中上述调整后的上述第一制造数据成为执行效应抵消程序后的上述第一制造数据;以及
执行一效应回复程序于上述效应抵消程序执行后的上述第一制造数据,其中上述效应回复程序包括,调整上述执行效应抵消程序后的上述第一制造数据直到调整后的上述执行效应抵消程序后的上述第一制造数据与上述第二制造数据的平均值相近。
8.如权利要求6所述的半导体制造方法,其中预测上述效能的步骤包括于上述第二半导体工艺建立一虚拟测量模型,上述虚拟测量模型用以将上述转换后的上述第一制造数据作为一测试数据。
9.一种半导体制造系统,包括:
一数据收集器,用以从多个半导体工艺分别收集多个制造数据组;以及
一虚拟测量模块,包括:
一第一标准化模块,以一第一方法标准化每个上述制造数据组,用以减少上述制造数据组统计上的差异,标准化后的上述制造数据组组成一数据库,其中上述第一标准化模块以一第三方法使上述标准化后的制造数据组各互相具有相近的平均值;
一第二标准化模块,以一第二方法标准化上述数据库,标准化后的上述数据库统计上相容于选自上述制造数据组其中之一,其中上述第二标准化模块以一第四方法标准化上述数据库用以使标准化后的上述数据库的平均值与所选择的上述制造数据组的平均值相近;
其中上述虚拟测量模块用以预测选自上述半导体工艺其中之一的一效能,所选择的上述半导体工艺对应于所选择的上述制造数据组;以及
根据所预测的上述效能控制一半导体工艺机器。
10.如权利要求9所述的半导体制造系统,其中:
上述第一标准化模块对上述制造数据组标准化,借由设定一参考数据以及调整上述制造数据组直到调整后的上述制造数据组各别的平均值与上述参考数据相近;以及
上述第二标准化模块对上述数据库标准化,借由调整各上述调整后的上述制造数据组直到调整后的上述调整后制造数据平均值与所选择的上述制造数据组相近。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/731,407 | 2010-03-25 | ||
US12/731,407 US8396583B2 (en) | 2010-03-25 | 2010-03-25 | Method and system for implementing virtual metrology in semiconductor fabrication |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102201324A CN102201324A (zh) | 2011-09-28 |
CN102201324B true CN102201324B (zh) | 2013-05-29 |
Family
ID=44657296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105180591A Active CN102201324B (zh) | 2010-03-25 | 2010-10-20 | 半导体制造方法与系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8396583B2 (zh) |
CN (1) | CN102201324B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9349660B2 (en) * | 2011-12-01 | 2016-05-24 | Taiwan Semiconductor Manufacturing Company, Ltd. | Integrated circuit manufacturing tool condition monitoring system and method |
US10228685B2 (en) | 2015-10-22 | 2019-03-12 | Globalfoundries Inc. | Use of multivariate models to control manufacturing operations |
CN105652837B (zh) * | 2016-01-28 | 2018-06-05 | 京东方科技集团股份有限公司 | 一种产品的生产系统及方法 |
US10310490B2 (en) | 2016-02-01 | 2019-06-04 | Qoniac Gmbh | Method and apparatus of evaluating a semiconductor manufacturing process |
US20170337482A1 (en) * | 2016-05-20 | 2017-11-23 | Suraj Sindia | Predictive system for industrial internet of things |
TWI614699B (zh) * | 2016-12-30 | 2018-02-11 | 國立成功大學 | 大量客製化產品的品質預測方法 |
CN108268987B (zh) * | 2016-12-30 | 2021-08-06 | 郑芳田 | 多样式产品的品质推估方法 |
CN111832123A (zh) * | 2019-03-29 | 2020-10-27 | 晶乔科技股份有限公司 | 半导体元件的工艺开发方法以及系统 |
CN113496887B (zh) * | 2020-04-03 | 2023-06-02 | 重庆超硅半导体有限公司 | 一种集成电路用硅片的均匀腐蚀方法 |
JP2022102821A (ja) * | 2020-12-25 | 2022-07-07 | 東京エレクトロン株式会社 | 情報処理装置、情報処理システム及び部品発注方法 |
CN113435050B (zh) * | 2021-06-30 | 2022-11-18 | 同济大学 | 一种水下介质面位置补偿的多介质成像解析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6185472B1 (en) * | 1995-12-28 | 2001-02-06 | Kabushiki Kaisha Toshiba | Semiconductor device manufacturing method, manufacturing apparatus, simulation method and simulator |
CN1294410A (zh) * | 1999-10-26 | 2001-05-09 | 日本电气株式会社 | 半导体制造设备 |
US6584371B1 (en) * | 1999-03-02 | 2003-06-24 | Nec Electronics Corporation | Method and apparatus for process control of semiconductor device fabrication line |
CN1199237C (zh) * | 2001-08-31 | 2005-04-27 | 株式会社东芝 | 半导体器件的制造方法 |
JP2009147015A (ja) * | 2007-12-12 | 2009-07-02 | Hitachi Ulsi Systems Co Ltd | 半導体装置の検査方法、検査システム及び製造方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10229110A (ja) * | 1997-02-17 | 1998-08-25 | Hitachi Ltd | 半導体装置製造方法及びその半導体装置製造方法で製造された半導体装置 |
US6786420B1 (en) * | 1997-07-15 | 2004-09-07 | Silverbrook Research Pty. Ltd. | Data distribution mechanism in the form of ink dots on cards |
US6853920B2 (en) * | 2000-03-10 | 2005-02-08 | Smiths Detection-Pasadena, Inc. | Control for an industrial process using one or more multidimensional variables |
JP3873943B2 (ja) * | 2003-07-16 | 2007-01-31 | ソニー株式会社 | プラズマモニタ方法、プラズマ処理方法、半導体装置の製造方法、およびプラズマ処理装置 |
US7467064B2 (en) * | 2006-02-07 | 2008-12-16 | Timbre Technologies, Inc. | Transforming metrology data from a semiconductor treatment system using multivariate analysis |
US7904845B2 (en) * | 2006-12-06 | 2011-03-08 | Kla-Tencor Corp. | Determining locations on a wafer to be reviewed during defect review |
US7622308B2 (en) * | 2008-03-07 | 2009-11-24 | Mks Instruments, Inc. | Process control using process data and yield data |
US8396582B2 (en) * | 2008-03-08 | 2013-03-12 | Tokyo Electron Limited | Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool |
-
2010
- 2010-03-25 US US12/731,407 patent/US8396583B2/en active Active
- 2010-10-20 CN CN2010105180591A patent/CN102201324B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6185472B1 (en) * | 1995-12-28 | 2001-02-06 | Kabushiki Kaisha Toshiba | Semiconductor device manufacturing method, manufacturing apparatus, simulation method and simulator |
US6584371B1 (en) * | 1999-03-02 | 2003-06-24 | Nec Electronics Corporation | Method and apparatus for process control of semiconductor device fabrication line |
CN1294410A (zh) * | 1999-10-26 | 2001-05-09 | 日本电气株式会社 | 半导体制造设备 |
CN1199237C (zh) * | 2001-08-31 | 2005-04-27 | 株式会社东芝 | 半导体器件的制造方法 |
JP2009147015A (ja) * | 2007-12-12 | 2009-07-02 | Hitachi Ulsi Systems Co Ltd | 半導体装置の検査方法、検査システム及び製造方法 |
Also Published As
Publication number | Publication date |
---|---|
US8396583B2 (en) | 2013-03-12 |
US20110238198A1 (en) | 2011-09-29 |
CN102201324A (zh) | 2011-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102201324B (zh) | 半导体制造方法与系统 | |
US7144297B2 (en) | Method and apparatus to enable accurate wafer prediction | |
KR100734534B1 (ko) | 반도체 공정을 위한 자동화된 공정 모니터링 및 분석 시스템 | |
KR100727049B1 (ko) | 마이크로전자 디바이스들의 제조시 최적의 공정 목표들을결정하는 방법 | |
US8145337B2 (en) | Methodology to enable wafer result prediction of semiconductor wafer batch processing equipment | |
US6368884B1 (en) | Die-based in-fab process monitoring and analysis system for semiconductor processing | |
US8682466B2 (en) | Automatic virtual metrology for semiconductor wafer result prediction | |
KR100824443B1 (ko) | 반도체 제조의 개선된 제어를 위한 적응성 샘플링 방법 및 장치 | |
CN103247518B (zh) | 改进半导体制造中的fab工艺的工具功能的新型设计 | |
TW200403784A (en) | Method and apparatus for predicting device electrical parameters during fabrication | |
WO2006041543A1 (en) | Method and system for dynamically adjusting metrology sampling based upon available metrology capacity | |
US8489218B2 (en) | Chamber match using important variables filtered by dynamic multivariate analysis | |
WO2022010497A1 (en) | Apparatus and methods for wafer to wafer bonding | |
CN102063063A (zh) | 半导体制造方法及系统 | |
CN102299044A (zh) | 工艺控制系统及其实现方法 | |
Tin et al. | A realizable overlay virtual metrology system in semiconductor manufacturing: Proposal, challenges and future perspective | |
US7236848B2 (en) | Data representation relating to a non-sampled workpiece | |
CN1333312C (zh) | 依据批量与工具可用状态计划生产批次的方法与装置 | |
US8805630B2 (en) | Method and system for modeling in semiconductor fabrication | |
KR20050065663A (ko) | 첫 번째-원칙 피드-포워드 제조 제어를 제공하기 위한 방법및 장치 | |
Davis et al. | Automatic synthesis of equipment recipes from specified wafer-state transitions | |
US7200459B1 (en) | Method for determining optimal photolithography overlay targets based on process performance and yield in microelectronic fabrication | |
CN105895563A (zh) | 一种制造过程中预测半导体装置的电气参数的方法及系统 | |
CN117059506A (zh) | 利用动态采样以供测量的ic制造流程 | |
CN100355053C (zh) | 电气制造控制的概率约束优化 |
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 |