CN103247518B - 改进半导体制造中的fab工艺的工具功能的新型设计 - Google Patents
改进半导体制造中的fab工艺的工具功能的新型设计 Download PDFInfo
- Publication number
- CN103247518B CN103247518B CN201310034630.6A CN201310034630A CN103247518B CN 103247518 B CN103247518 B CN 103247518B CN 201310034630 A CN201310034630 A CN 201310034630A CN 103247518 B CN103247518 B CN 103247518B
- Authority
- CN
- China
- Prior art keywords
- tool
- model
- output
- data
- instrument
- 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 120
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 67
- 239000004065 semiconductor Substances 0.000 title claims abstract description 63
- 238000013461 design Methods 0.000 title claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 88
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000005530 etching Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 238000011017 operating method Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000000151 deposition Methods 0.000 description 10
- 230000008021 deposition Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000000059 patterning Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000002019 doping agent Substances 0.000 description 3
- 238000000137 annealing Methods 0.000 description 2
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 238000001259 photo etching Methods 0.000 description 2
- 238000004151 rapid thermal annealing Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001139376 Allas Species 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 101150053888 allA gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001451 molecular beam epitaxy Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45031—Manufacturing 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Chemical Vapour Deposition (AREA)
Abstract
本公开内容涉及一种利用工具传感器数据和内嵌或内置工具模型促进半导体制造的工艺工具系统。工艺工具系统包括传感器数据组件、工具模型和执行系统。传感器数据组件被配置成提供工具传感器数据。工具模型被内置在工艺工具中并且被配置成基于模型输入生成模型输出。制造执行系统被配置成向传感器数据组件提供包括实际计量数据和先前的工艺数据的工具工艺数据。此外，执行系统向工具模型提供模型输入并且接收来自工具模型的模型输出。执行系统基于传感器数据和模型输出提供一个或多个执行系统输出。传感器数据可以包括测量的半导体器件特征。本发明还提供了改进半导体制造中的FAB工艺的工具功能的新型设计。
Description
技术领域
本发明一般地涉及半导体技术领域，更具体地来说，涉及工艺工具系统。
背景技术
半导体器件制造是用于制造日常电气和电子器件中具有的集成电路的工艺。制造工艺是光刻工艺和化学工艺步骤的多步骤过程，在这些步骤期间，在由半导体材料组成的晶圆上逐渐制造电子电路。硅是用于制造工艺的典型半导体材料的例子，然而，也可以利用其他类型的半导体材料。
各个工艺步骤在包括沉积、去除、图案化和改变电气性能(例如，掺杂)的许多种类的范围内。用选定的输入参数实施制造工艺的每一个步骤以生成该步骤的期望器件特征。当输入参数不同、工艺工具不同等产生偏离期望特征的特征时，可能会出现问题。这些偏离可能导致性能降低、过早失效和/或器件不合格。
发明内容
为了解决现有技术中所存在的缺陷，根据本发明的一方面，提供了一种工艺工具系统，包括：传感器数据组件，被配置成提供工具传感器数据；内置工具模型，被配置成基于模型输入生成模型输出；以及执行系统，被配置成向所述传感器数据组件提供工具工艺数据，向所述工具模型提供所述模型输入，接收来自所述内置工具模型的所述模型输出，以及提供一个或多个执行系统输出。
在该系统中，所述工具工艺数据包括实际计量数据和先前的工艺数据。
在该系统中，所述传感器数据包括测量的工具运行状态数据。
在该系统中，所述模型输出包括预测制造特征。
在该系统中，所述模型输出包括置信等级。
在该系统中，所述工具模型结合工具具体运行状态来生成所述模型输出。
在该系统中，所述工具具体运行状态包括对温度和压力中的一个或两个的灵敏度。
在该系统中，所述工具具体运行状态包括所有可用数据，并不限于只有温度和压力。
在该系统中，所述模型输出包括蚀刻时间和蚀刻材料浓度，并且所述模型输入包括针对制造步骤选定的蚀刻量。
在该系统中，所述模型输出不限于蚀刻，也包括各种半导体制造应用。
在该系统中，所述工具模型基于所述传感器数据进行更新。
在该系统中，所述执行系统输出包括模型精度报告，所述模型精度报告表示至少部分基于来自所述工具模型的模型输出的所述工具模型的精度。
在该系统中，所述执行系统输出包括产出质量数据预测值输出，所述产出质量数据预测值输出表示基于所述传感器数据和所述模型输出的预测产量。
在该系统中，所述执行系统输出包括工具匹配输出，所述工具匹配输出表示至少部分基于所述模型输出和所述传感器数据与所选择的半导体器件特征匹配的多个工具中的一个或多个。
在该系统中，所述执行系统包括测量半导体器件的半导体器件特征的工具传感器。
根据本发明的另一方面，提供了一种工艺工具系统，包括：一个或多个内置工具模型，被配置成基于模型输入生成模型输出，一个或多个工具模型与一个或多个半导体工艺步骤相关；工具传感器，获得用于半导体器件特征的传感器测量结果；以及执行系统，被配置成基于所述传感器测量结果和工具运行状态生成所述一个或多个工具模型。
在该系统中，所述执行系统被进一步配置成基于所述传感器测量结果改进所述一个或多个工具模型。
在该系统中，所述执行系统被进一步配置成识别不可靠的一个或多个工具模型。
根据本发明的又一方面，提供了一种操作工艺工具系统的方法，所述方法包括：基于布局、设计规则和工具运行状态生成用于半导体制造步骤的内置工具模型；向所述工具模型提供模型输入；通过所述工具模型生成模型输出，所述模型输出包括预测器件特征和预测晶圆工艺性能数据；利用所述模型输出实施所述半导体制造步骤；获得用于所述半导体制造步骤的传感器测量结果；以及根据所述传感器测量结果和所述模型输出生成系统输出。
在该方法中，生成所述系统输出进一步包括根据所述传感器测量结果和所述模型输出实施故障检测和分类。
在该方法中，所述预测特征包括掺杂剂浓度分布。
在该方法中，在执行所述半导体制造步骤之前、期间和之后，获得所述传感器测量结果。
附图说明
图1是根据本公开内容的实施例示出的工艺工具系统的结构图。
图2是示例性半导体器件的截面图以示出本公开内容的各个方面。
图3是根据本公开内容的实施例的工艺工具系统的结构图。
图4是示出操作工艺工具系统的方法的流程图。
具体实施方式
本文结合附图进行描述，在整个说明和全部附图中，相同的参考标号通常指的是相同的元件，并且其中各个结构不一定按照比例绘制。在以下描述中，为了说明的目的，列举了大量的具体细节以帮助理解。然而，显然，对本领域的一个技术人员来说，可以通过较少程度的这些具体细节来实践本文所描述的一个或多个方面。在其它情况下，以结构图的形式示出公知的结构和器件以帮助理解。
通常，半导体制造涉及对晶圆或半导体材料实施相对来说大量的步骤或工艺步骤以制造期望的半导体集成电路。制造工艺是光刻工艺和化学工艺步骤的多步骤序列，在这些步骤过程中，在由半导体材料组成的晶圆上逐渐制造电子电路。
工艺步骤可以分成前道工序(FEOL)处理和后道工序(BEOL)处理。在一个实例中，需要300多个有序工艺步骤以在半导体晶圆上方形成集成电路。
各个工艺步骤在包括沉积、去除、图案化和改变电气性能(例如，掺杂)的许多种类的范围内。沉积是在晶圆上方生长、涂覆或转印材料的工艺。一些沉积工艺或技术的实例包括：物理汽相沉积(PVD)、化学汽相沉积(CVD)、电化学沉积(ECD)、分子束外延(MBE)、原子层沉积(ALD)等。去除是从晶圆大量或选择地去除材料的工艺，并且包括蚀刻工艺。例如，化学机械抛光(CMP)是在器件层之间使用的典型去除工艺。图案化工艺是将沉积材料成型或稍后成型的那些工艺。图案化也可以称为光刻。典型的图案化工艺包括使用光刻胶选择地遮蔽半导体器件的部分，将器件曝露在特定波长的光下，然后用显影液冲洗掉没有曝光的区域。通过扩散和/或离子注入掺杂选择的区域来改变电气特性。通常在这些工艺之后进行退火工艺，诸如，炉内退火或快速热退火(RTA)以便激活注入的掺杂剂。
在制造过程中，使用各种方法来识别错误。通常在生产结束时在晶圆验收测试期间测试半导体器件或晶圆。然而，晶圆生成产周期很长，例如，6周到8周或者更长，并且工艺步骤可能会遇到影响产品产量的失控(OOC)制造事件或错误。因此，可能发生OOC事件并且直到实施很多工艺步骤之后才被发现。
一些半导体制造工艺已经引进了在线和离线监控以促进工艺控制和产品产量。然而，典型的监控仅包括少数的参数和制造工艺步骤，因此仍存在产品产量的风险。
通过半导体制造工具或工艺工具来实施制造工艺。一些工艺工具包括故障检测与分类(FDC)软件和控制识别在工艺过程中的前期故障。然而，使用的传感器数量和类型是有限的并且FDC可能会丢失数据并且不能识别故障。
半导体制造设备(也称为FABS)也可以包括基于制造的建模，也称为虚拟测量(VM)，以便模拟制造工艺并且预测制造工艺的结果。然而，这些模型不能解决工艺工具、工具运行状态和其他参数的变化。因此，模型不能充分预测工艺结果。
本公开内容利用工具内置传感器和内置预测模型来预测和/或识别所有或可选制造步骤之后的故障或事件。基于工具的传感器和模型嵌入或内置到半导体制造工具中。内嵌或内置的工具传感器提供可以用来更新和/或调整工具内嵌或内置模型的工具传感器数据。内嵌或内置的模型可以根据具体工具运行状态变化，因此在预测结果时更精确。工具具体运行状态包括所有可用数据，并不限于只有温度和压力。因此，可以更准确、更容易地识别故障和事件。而且，可以调整工艺的输入数据来减少故障或事件的发生。因此，内嵌工具模型提供更加准确的晶圆工艺性能数据预测。
图1是根据本公开内容实施例示出的工艺工具系统100的结构图。系统100利用工具传感器数据和内嵌工具预测模型来帮助半导体制造和预测并减少故障或事件的发生。而且，工具传感器数据和内置工具预测模型也帮助预测晶圆工艺性能数据。
系统100包括工艺工具控制或执行系统102、工具传感器104、工具模型106，并且对半导体器件108执行操作。工艺工具控制系统102实施半导体制造工艺步骤。步骤可以包括(但并不限于)包含沉积、去除、图案化和修改电气特性的工艺。工艺工具控制系统102控制各种输入参数，选择各种输入参数来生成用于半导体器件的期望器件特征和特性。例如，蚀刻率和蚀刻时间是产生选定数量的蚀刻材料或剩余厚度的蚀刻工艺的输入参数。作为另一个实例，平坦化工艺具有化学溶液和时间作为厚度输入参数来产生剩余的厚度和均匀性。
工具传感器104在包括实施步骤之前、期间和之后的制造工艺步骤的各个时间获得传感器测量结果。传感器测量结果包括初始厚度，温度等。将传感器测量结果提供给工艺工具控制系统102。
工具模型106基于输入或输入参数预测半导体器件特性。工具模型106是虚拟模型，因为它们不需要物理表现形式并且可以由电脑生成。工具模型106可以用于特定的步骤和/或整个制造工艺。例如，预测的特征包括：掺杂剂分布、应力分布、器件几何尺寸等。例如，模型的输入包括：工艺流程、外观、期望运行状态、期望特征、工具具体运行状态/特征等。应该理解工具具体特性在各个工具中因各种原因而不同，这些原因包括工具生成、不同的制造商、物理尺寸要求等。例如，工具具体特性包括对温度的灵敏度，对压力的灵敏度、流速等。
工具模型106的输出包括工艺步骤参数、预测特征、预测故障或事件(包括OOC)等。此外，输出也可以包括置信等级，置信等级表示假设正使用的工具和当前的工艺条件获得的预测特征的置信度。
工具模型106也被配置成基于工具传感器数据进行更新。利用工具传感器数据来识别预测特征和传感器数据之间的差异，因此，来提高工具模型106的精度和可预测性。
工艺工具控制系统102向工具模型106提供工具输入值并且确定预测特征和工艺参数。工艺工具控制系统102也利用从工具传感器104获得的传感器测量结果以更新工具模型106。工艺工具控制系统102利用工具模型106和工具传感器104在半导体器件上实施工艺流程的步骤。
图2是半导体器件200的实例的截面图以说明本公开内容的多个方面。提供器件200是为了示例性目的并且应该理解本公开内容的实施例可应用于制造其它类型的半导体器件。
器件200被示出具有半导体主体202或衬底、主体202上的第一层204、层204的一部分上的栅极氧化物层206和形成在栅极氧化物层206上的栅极金属208。
在该实例中，工艺工具执行图案化操作或步骤以生成具有高度210的栅叠层或结构206或208。如以上参考图1所示或所描述的，利用工具模型和工具传感器实施该步骤。通过向工具模型提供输入或从其中获得工艺参数来实施图案化工艺。利用工具传感器测量高度210。工艺工具或控制器将测量高度210与预测高度进行比较。利用这种比较来识别置信等级和/或更新工具模型。
图3是根据本公开内容的实施例的工艺工具系统300的结构图。系统300使用内置工具模型和工具传感器数据以便于半导体制造并预测和减少故障和事件的发生。可以结合或代替上面示出的图1的系统100利用系统300。
系统300包括工具性能预测模型302、工具传感器数据304、制造执行系统(MES)306，并且提供了模型精确输出308、产出质量数据预测值输出(yieldpredictionoutput，产量预测输出)310和腔室匹配输出312。
工具模型302基于输入或输入参数预测半导体器件特征和工艺性能特征。工具模型是虚拟模型(VM)。模型302包括预测半导体制造的一个或多个步骤并且包括预测特征。例如，预测特征包括：掺杂剂分布、应力分布、器件几何尺寸等。例如，模型的输入包括：工艺流程、布局，期望运行状态、期望特性、工具具体运行状态/特性等。应该理解，工具特定特性可能由于多种原因(包括工具生成，不同的制造商、物理尺寸要求等)在各个工具中变化。例如，工具具体特性包括：对温度的灵敏度，对压力的灵敏度、流速等。
应该理解，工具模型302是为特定的工具或一类工艺工具开发的。因此，工具模型302是内置的工艺工具，该工具模型促进对工具具体运行状态进行建模并且通过把工具具体运行状态作为因素计入来促进预测。通过考虑其他工具的具体运行状态(包括用于生成工具模型302的初始或基础工艺工具的运行状态变化)，可以将该工具模型用于其他工具。
工具模型302的输出包括输出数据322和置信等级320。置信等级320表示基于输入参数的给定的工艺步骤的预测特征或特性的置信度。输出数据322包括工艺步骤参数、预测特征、预测故障或事件(包括OOC)等。
工具模型302被配置成可以基于工具传感器数据304进行更新。利用工具传感器数据304识别预测特征和传感器数据之间的差异，因此，来提高工具模型302的精度和可预测性。
工具模型302还可以包括有限元(FE)分析和/或有限体积(FV)法。例如，使用适当的技术通过训练神经网络、遗传编程和其他适合的方法来开发工具模型302。也可以通过二维或三维特征开发工具模型302。工具模型302包括制造设备不能感测的工具具体运行状态。
将传感器数据304提供给工具模型302以便生成置信等级322和输出数据320。传感器数据304包括包含正在制造的半导体器件实际计量数据328(样本)和先前的工艺数据330的一个或多个参数的数据。传感器数据304可以储存在适当的存储器件或结构中并且随时更新。
在一个实例中，在步骤是沉积工艺并且工具是沉积工具的情况下，传感器数据304可以包括厚度和均匀性。在另一个实例中，在步骤是蚀刻工艺并且工具是蚀刻工具的情况下，传感器数据304可以包括起始厚度，特征宽度和结束厚度。在另一个实例中，在步骤是平坦化工艺并且工具是平坦化工具的情况下，传感器数据304可以包括剩余厚度和层均匀性。
制造执行系统(MES)306在半导体器件或多个器件上实施一个或多个半导体制造步骤。MES306通过传感器数据304向模型302提供实际计量数据328和先前的工艺数据330。作为输入，MES306接收如上所述的置信等级322和输出数据320。
MES基于置信等级322和输出数据320、实际计量数据328和先前的工艺数据330生成一个或多个输出。在一个实例中，输出包括：模型精度报告308、产出质量数据预测值输出310和腔室匹配输出312。应该理解本公开内容的可选实施例可以省略以上一些或全部输出并且可以包括其他的输出。
模型精度报告308基于预测特征(通过模型302)和传感器数据304的比较。可以利用模型精度报告308来指示有缺陷或不精确的模型，指示需要更新模型、指示该精度可接受等。产出质量数据预测值输出310是预测器件或正在制造的器件的产量输出的报告。可以利用产出质量数据预测值输出310来识别影响产量的故障或事件。可以利用腔室匹配输出312来识别工艺步骤的腔室或工具。腔室或工具可以具有不同的运行状态并且腔室匹配输出312便于基于模型302和传感器数据304选择或匹配器件或多个器件的腔室或工具。
图4是示出操作工艺工具系统的方法400的流程图。方法400使用工具模型和传感器数据以促进故障识别和器件制造。
该方法从框402开始，其中，生成用于半导体制造步骤的工具模型。使用各个输入(包括但不局限于：布局规则、设计规则、特定工具特征、环境条件等)生成工具模型。工具模型被配置成提供包括器件特征和置信等级的输出。制造步骤是制造特定半导体器件的工艺或步骤。例如，制造步骤可以包括沉积材料层、化学机械平坦化、图案化等。
工具模型结合特定工艺工具的运行状态。应该理解，可以将该工具模型用于其它工艺工艺，但是可能需要基于最初或基础工艺工具(用于生成工具模型)的具体运行状态或变化的修改。
在框404中，将模型输入提供给工具模型。例如，模型输入包括：期望器件特征、工艺步骤、工艺类型、操作条件限制等。
在框406中，通过工具模型生成模型输出。所述模型输出不限于蚀刻，也包括各种半导体制造应用。例如，模型输出包括：预测器件特征或特性、工艺参数、工艺持续时间、置信等级等。
在框408中，实施半导体制造步骤并且获得传感器测量结果。至少部分根据模型输出实施制造步骤。在制造步骤之前、期间和/或之后获得传感器测量结果。
在框410中，生成一个或多个系统输出。例如，系统输出包括：模型精度报告、产量预测报告、故障识别报告和腔室匹配报告。根据传感器测量结果、模型输入、模型输出、先前的工艺数据等中的一个或多个生成系统输出。
模型精度报告至少根据传感器测量结果和工具模型提供工具模型的精度。产量预测报告基于工具模型和工具传感器数据预测正在制造的器件的产量。故障识别报告识别对产量或器件运行特征产生负面影响的故障或事件。故障识别报告还可以划分故障或事件的严重性种类。腔室匹配报告识别进一步与工艺要求或步骤匹配的工具、器件或腔室。
传感器测量结果包括器件制造特征，诸如(但不限于)特征尺寸、掺杂剂浓度、掺杂剂分布等。传感器测量结果也可以包括制造工艺条件，诸如温度、压力、流速等。传感器测量结果可以识别和包括工具具体运行状态。
在一个实例中，其中，步骤是沉积工艺并且工具是沉积工具，传感器测量结果可以包括流速、温度和沉积时间。在另一个实例中，其中，步骤是蚀刻工艺并且工具是蚀刻工具，传感器测量结果可以包括初始厚度、温度和RF(射频)功率。在另一个实例中，其中，步骤是平坦化工艺并且工具是平坦化工具，传感器测量结果可以包括温度和垫使用寿命。
可以基于置信等级和确定的模型精度定期或根据需要更新工具模型。例如，偏离预测特征超出临界值(thresholdamount)的器件特征可以启动工具模型更新。
在一个实施例中，本公开内容包括利用工具传感器数据和工具模型促进半导体制造的工艺工具系统。工艺工具系统包括传感器数据部件、工具模型和执行系统。传感器数据部件被配置成提供工具传感器数据。工具模型被配置成基于模型输入生成模型输出。制造执行系统被配置成向传感器数据部件提供工具工艺数据(包括实际计量数据和先前的工艺数据)。此外，执行系统向工具模型提供模型输入并接收来自工具模型的模型输出。执行系统基于传感器数据和模型输出提供一个或多个执行系统输出。在一个实例中，传感器数据包括测量的半导体器件特征。
在另一个实施例中，本公开内容包括利用工具传感器数据和工具模型促进半导体制造的工艺工具系统。该系统包括一个或多个工具模型、工具传感器和执行系统。工具模型与一个或多个半导体工艺步骤相关。而且，工具模型被配置成基于模型输入生成模型输出。工具传感器获得用于半导体器件特征的传感器测量结果。执行系统被配置成基于传感器测量结果和工具运行状态生成一个或多个工具模型。
在又一个实施例中，本公开内容包括操作工艺工具的方法。基于布局规则和设计规则以及工具运行状态生成半导体制造步骤的工具模型。向工具模型提供模型输入。从工具模型生成模型输出。工具模型输出包括预测器件特性。利用模型输出实施半导体制造步骤。获得半导体制造步骤的传感器测量结果。
应该理解，尽管在讨论本文所述的方法的各个方面时在整个说明书中参考示例性结构(例如，在讨论图4说明的方法同时参考图1到图3所示出的结构)，但是这些方法并不局限于所公开的相应的结构。相反，这些方法(和结构)被视为彼此独立，能够独立存在并且可以不考虑附图中描述的任何特定方面来实施。
此外，本领域的技术人员根据阅读和/或理解说明书和附图可以进行等效替换和/或修改。本文的公开内容包括所有这样的更改和改变，因此本公开内容通常不仅限于此。例如，尽管本文所提供的附图被示出并且描述为具有特定的掺杂类型，但是应该理解，也可以利用本领域普通技术人员可以理解的可选掺杂类型。
此外，虽然相对于几个实施例中的仅仅一个实施例公开了特定特征或方面，但是这种特征或方面可以根据需要与其它实施例的一个或多个其它特征和/或方面结合。而且，就本文使用的术语“包括”、“具有”、“有”、“带有”及其变化形式来说，这些术语类似于“包括”具有包含的意思。此外，术语“示例性”仅仅是示例，而不是最佳实施例。此外，应该理解，为了简单和容易理解的目的，以相对于彼此的特定尺寸和/或定向示出本文所描述的特征、层和/或元件，并且实际的尺寸和/或方向可以完全不同于本文所示出的尺寸和/或定向。
Claims (20)
1.一种工艺工具系统，包括：
传感器数据组件，被配置成提供工具传感器数据，所述传感器数据组件内置于工艺工具中；
工具模型，被配置成基于模型输入生成模型输出，所述工具模型内置于所述工艺工具中；以及
执行系统，被配置成向所述工具模型提供工具工艺数据，并且基于所述模型输出和所述工具传感器数据提供一个或多个执行系统输出。
2.根据权利要求1所述的系统，其中，所述工具工艺数据包括实际计量数据和先前的工艺数据。
3.根据权利要求1所述的系统，其中，所述传感器数据包括测量的工具运行状态数据。
4.根据权利要求1所述的系统，其中，所述模型输出包括预测制造特征。
5.根据权利要求1所述的系统，其中，所述模型输出包括置信等级。
6.根据权利要求1所述的系统，其中，所述工具模型结合工具具体运行状态来生成所述模型输出。
7.根据权利要求6所述的系统，其中，所述工具具体运行状态包括对温度和压力中的一个或两个的灵敏度。
8.根据权利要求1所述的系统，其中，所述模型输出包括蚀刻时间和蚀刻材料浓度，并且所述模型输入包括针对制造步骤选定的蚀刻量。
9.根据权利要求1所述的系统，其中，所述工具模型基于所述传感器数据进行更新。
10.根据权利要求1所述的系统，其中，所述执行系统输出包括模型精度报告，所述模型精度报告表示至少部分基于来自所述工具模型的模型输出的所述工具模型的精度。
11.根据权利要求1所述的系统，其中，所述执行系统输出包括产出质量数据预测值输出，所述产出质量数据预测值输出表示基于所述传感器数据和所述模型输出的预测产量。
12.根据权利要求1所述的系统，其中，所述执行系统输出包括工具匹配输出，所述工具匹配输出表示至少部分基于所述模型输出和所述传感器数据与所选择的半导体器件特征匹配的多个工具中的一个或多个。
13.根据权利要求1所述的系统，其中，所述执行系统包括测量半导体器件的半导体器件特征的工具传感器。
14.一种工艺工具系统，包括：
一个或多个内置工具模型，被配置成基于模型输入生成模型输出，一个或多个工具模型与一个或多个半导体工艺步骤相关，所述工具模型内置于工艺工具中；
工具传感器，获得用于半导体器件特征的传感器测量结果，所述工具传感器内置于所述工艺工具中；以及
执行系统，被配置成基于所述传感器测量结果和工具运行状态生成所述一个或多个工具模型。
15.根据权利要求14所述的系统，其中，所述执行系统被进一步配置成基于所述传感器测量结果改进所述一个或多个工具模型。
16.根据权利要求14所述的系统，其中，所述执行系统被进一步配置成识别不可靠的一个或多个工具模型。
17.一种操作工艺工具系统的方法，所述方法包括：
基于布局、设计规则和工具运行状态生成用于半导体制造步骤的工具模型，所述工具模型内置于所述工艺工具内；
向所述工具模型提供模型输入；
通过所述工具模型生成模型输出，所述模型输出包括预测器件特征和预测晶圆工艺性能数据；
利用所述模型输出实施所述半导体制造步骤；
从内置于工艺工具中的传感器获得用于所述半导体制造步骤的传感器测量结果；以及
根据所述传感器测量结果和所述模型输出生成系统输出。
18.根据权利要求17所述的方法，其中，生成所述系统输出进一步包括根据所述传感器测量结果和所述模型输出实施故障检测和分类。
19.根据权利要求17所述的方法，其中，所述预测特征包括掺杂剂浓度分布。
20.根据权利要求17所述的方法，其中，在执行所述半导体制造步骤之前、期间和之后，获得所述传感器测量结果。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/364,503 US9002498B2 (en) | 2012-02-02 | 2012-02-02 | Tool function to improve fab process in semiconductor manufacturing |
| US13/364,503 | 2012-02-02 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103247518A CN103247518A (zh) | 2013-08-14 |
| CN103247518B true CN103247518B (zh) | 2016-05-25 |
Family
ID=48903604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310034630.6A Expired - Fee Related CN103247518B (zh) | 2012-02-02 | 2013-01-29 | 改进半导体制造中的fab工艺的工具功能的新型设计 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9002498B2 (zh) |
| KR (1) | KR101380515B1 (zh) |
| CN (1) | CN103247518B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102124111B1 (ko) | 2013-10-02 | 2020-06-18 | 에이에스엠엘 네델란즈 비.브이. | 산업 공정과 관련된 진단 정보를 얻는 방법 및 장치 |
| US10430719B2 (en) | 2014-11-25 | 2019-10-01 | Stream Mosaic, Inc. | Process control techniques for semiconductor manufacturing processes |
| WO2016086138A1 (en) | 2014-11-25 | 2016-06-02 | Stream Mosaic, Inc. | Improved process control techniques for semiconductor manufacturing processes |
| EP3045992B1 (en) * | 2015-01-14 | 2020-10-14 | Hexagon Technology Center GmbH | Compensating for errors occurring in a production process |
| US11029673B2 (en) | 2017-06-13 | 2021-06-08 | Pdf Solutions, Inc. | Generating robust machine learning predictions for semiconductor manufacturing processes |
| EP3415988A1 (en) * | 2017-06-14 | 2018-12-19 | ASML Netherlands B.V. | Device manufacturing methods |
| US11022642B2 (en) | 2017-08-25 | 2021-06-01 | Pdf Solutions, Inc. | Semiconductor yield prediction |
| US10783290B2 (en) | 2017-09-28 | 2020-09-22 | Taiwan Semiconductor Manufacturing Company, Ltd. | IC manufacturing recipe similarity evaluation methods and systems |
| US10481592B2 (en) * | 2017-10-27 | 2019-11-19 | Globalfoundries Inc. | Selecting manufacturing settings based on historical data from manufacturing tools |
| US11775714B2 (en) | 2018-03-09 | 2023-10-03 | Pdf Solutions, Inc. | Rational decision-making tool for semiconductor processes |
| US11029359B2 (en) | 2018-03-09 | 2021-06-08 | Pdf Solutions, Inc. | Failure detection and classsification using sensor data and/or measurement data |
| US10777470B2 (en) | 2018-03-27 | 2020-09-15 | Pdf Solutions, Inc. | Selective inclusion/exclusion of semiconductor chips in accelerated failure tests |
| WO2020156769A1 (en) | 2019-01-29 | 2020-08-06 | Asml Netherlands B.V. | Method for decision making in a semiconductor manufacturing process |
| CN112863620A (zh) * | 2020-12-31 | 2021-05-28 | 杭州富加镓业科技有限公司 | 一种基于深度学习和提拉法的导电型氧化镓的质量预测方法、制备方法及系统 |
| US11860591B2 (en) * | 2021-09-13 | 2024-01-02 | Applied Materials, Inc. | Process recipe creation and matching using feature models |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6751519B1 (en) * | 2001-10-25 | 2004-06-15 | Kla-Tencor Technologies Corporation | Methods and systems for predicting IC chip yield |
| 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 |
| CN100451888C (zh) * | 2005-05-03 | 2009-01-14 | 台湾积体电路制造股份有限公司 | 用以监控半导体生产设备中的处理工具的方法与系统 |
| CN100578747C (zh) * | 2002-12-18 | 2010-01-06 | 先进微装置公司 | 用于模型预测的动态适应性取样率 |
| CN102016737A (zh) * | 2008-03-07 | 2011-04-13 | Mks仪器有限公司 | 使用过程数据和产量数据的过程控制 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6055460A (en) * | 1997-08-06 | 2000-04-25 | Advanced Micro Devices, Inc. | Semiconductor process compensation utilizing non-uniform ion implantation methodology |
| KR100649387B1 (ko) * | 1999-06-22 | 2006-11-27 | 브룩스 오토메이션 인코퍼레이티드 | 초소형전자 제조에 사용하기 위한 공정수행 간 제어기 |
| EP1317694B1 (en) * | 2000-09-15 | 2004-08-04 | Advanced Micro Devices, Inc. | Adaptive sampling method for improved control in semiconductor manufacturing |
| US6594589B1 (en) * | 2001-05-23 | 2003-07-15 | Advanced Micro Devices, Inc. | Method and apparatus for monitoring tool health |
| US6950716B2 (en) * | 2001-08-13 | 2005-09-27 | Applied Materials, Inc. | Dynamic control of wafer processing paths in semiconductor manufacturing processes |
| US6616759B2 (en) * | 2001-09-06 | 2003-09-09 | Hitachi, Ltd. | Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor |
| US6698009B1 (en) * | 2002-02-28 | 2004-02-24 | Advanced Micro Devices, Inc. | Method and apparatus for modeling of batch dynamics based upon integrated metrology |
| US6895295B1 (en) * | 2002-05-06 | 2005-05-17 | Advanced Micro Devices, Inc. | Method and apparatus for controlling a multi-chamber processing tool |
| EP1532670A4 (en) * | 2002-06-07 | 2007-09-12 | Praesagus Inc | CHARACTERIZATION AND REDUCTION OF VARIATION FOR INTEGRATED CIRCUITS |
| WO2004003822A1 (en) * | 2002-06-28 | 2004-01-08 | Tokyo Electron Limited | Controlling a material processing tool and performance data |
| US6947803B1 (en) * | 2002-09-27 | 2005-09-20 | Advanced Micro Devices, Inc. | Dispatch and/or disposition of material based upon an expected parameter result |
| JP3799314B2 (ja) | 2002-09-27 | 2006-07-19 | 株式会社日立ハイテクノロジーズ | エッチング処理装置およびエッチング処理方法 |
| US7050879B1 (en) * | 2003-04-03 | 2006-05-23 | Advanced Micro Devices, Inc. | Adjusting a sampling protocol in an adaptive control process |
| US8036869B2 (en) | 2003-09-30 | 2011-10-11 | Tokyo Electron Limited | System and method for using first-principles simulation to control a semiconductor manufacturing process via a simulation result or a derived empirical model |
| US8050900B2 (en) * | 2003-09-30 | 2011-11-01 | Tokyo Electron Limited | System and method for using first-principles simulation to provide virtual sensors that facilitate a semiconductor manufacturing process |
| US8073667B2 (en) | 2003-09-30 | 2011-12-06 | Tokyo Electron Limited | System and method for using first-principles simulation to control a semiconductor manufacturing process |
| US7198964B1 (en) * | 2004-02-03 | 2007-04-03 | Advanced Micro Devices, Inc. | Method and apparatus for detecting faults using principal component analysis parameter groupings |
| JP2005342841A (ja) * | 2004-06-03 | 2005-12-15 | Renesas Technology Corp | 研磨装置 |
| US8437870B2 (en) * | 2009-06-05 | 2013-05-07 | Taiwan Semiconductor Manufacturing Company, Ltd. | System and method for implementing a virtual metrology advanced process control platform |
| JP5397215B2 (ja) * | 2009-12-25 | 2014-01-22 | ソニー株式会社 | 半導体製造装置、半導体装置の製造方法、シミュレーション装置及びシミュレーションプログラム |
-
2012
- 2012-02-02 US US13/364,503 patent/US9002498B2/en not_active Expired - Fee Related
- 2012-06-25 KR KR1020120067951A patent/KR101380515B1/ko active IP Right Grant
-
2013
- 2013-01-29 CN CN201310034630.6A patent/CN103247518B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6751519B1 (en) * | 2001-10-25 | 2004-06-15 | Kla-Tencor Technologies Corporation | Methods and systems for predicting IC chip yield |
| 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 |
| CN100578747C (zh) * | 2002-12-18 | 2010-01-06 | 先进微装置公司 | 用于模型预测的动态适应性取样率 |
| CN100451888C (zh) * | 2005-05-03 | 2009-01-14 | 台湾积体电路制造股份有限公司 | 用以监控半导体生产设备中的处理工具的方法与系统 |
| CN102016737A (zh) * | 2008-03-07 | 2011-04-13 | Mks仪器有限公司 | 使用过程数据和产量数据的过程控制 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101380515B1 (ko) | 2014-04-01 |
| US9002498B2 (en) | 2015-04-07 |
| US20130204418A1 (en) | 2013-08-08 |
| KR20130089562A (ko) | 2013-08-12 |
| CN103247518A (zh) | 2013-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103247518B (zh) | 改进半导体制造中的fab工艺的工具功能的新型设计 | |
| CN102737960B (zh) | 用于前馈先进工艺控制的方法和系统 | |
| US7363099B2 (en) | Integrated circuit metrology | |
| Chien et al. | Manufacturing intelligence to forecast and reduce semiconductor cycle time | |
| KR101287169B1 (ko) | 프로세스 제어를 위한 제품 관련 피드백 | |
| CN102201324B (zh) | 半导体制造方法与系统 | |
| US8108060B2 (en) | System and method for implementing a wafer acceptance test (“WAT”) advanced process control (“APC”) with novel sampling policy and architecture | |
| 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 | |
| CN102063063B (zh) | 半导体制造方法及系统 | |
| US7272460B2 (en) | Method for designing a manufacturing process, method for providing manufacturing process design and technology computer-aided design system | |
| CN111190393B (zh) | 半导体制程自动化控制方法及装置 | |
| CN102299044A (zh) | 工艺控制系统及其实现方法 | |
| KR101275838B1 (ko) | 샘플링되지 않은 워크피스에 관한 데이터 표시 | |
| US8464192B2 (en) | Lithography verification apparatus and lithography simulation program | |
| US6895295B1 (en) | Method and apparatus for controlling a multi-chamber processing tool | |
| TW200407687A (en) | Method and apparatus for providing first-principles feed-forward manufacturing control | |
| CN100385644C (zh) | 集成电路制造中捕捉与使用设计企图的方法与装置 | |
| Miwa et al. | Automated stepper load balance allocation system | |
| US11747774B2 (en) | Search device, search program, and plasma processing apparatus | |
| Shinde | Modeling and Simulation of a Semiconductor Manufcaturing Fab for Cycle Time Analysis | |
| CN100355053C (zh) | 电气制造控制的概率约束优化 | |
| Subramany et al. | CPE run-to-run overlay control for high volume manufacturing | |
| TWI668517B (zh) | 用於預測度量衡系統之效能之方法與裝置 | |
| Bobinac | Process Simulation and Model Development in ViennaPS |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160525 |