CN103681395A - 用于工具状态监控的定性故障检测和分类系统及相关方法 - Google Patents

Abstract

本发明提供了用于工具状态监控的各种方法，本发明还包括用于实现这种监控的系统。一种示例性方法包括接收与由集成电路制造工艺工具对晶圆实施工艺相关联的数据；以及使用数据监控集成电路制造工艺工具的状态。监控包括：基于异常识别标准、异常过滤标准以及异常阈值评估数据以确定数据是否满足警报阈值。方法进一步包括当数据满足警报阈值时发布警报。本发明还提供了用于工具状态监控的定性故障检测和分类系统及相关方法。

Description

用于工具状态监控的定性故障检测和分类系统及相关方法

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，涉及工具状态监控方法及其系统。

背景技术

通过用一系列晶圆制造工具(称为工艺工具)加工晶圆来制造集成电路。通常，每个工艺工具根据指定各种工艺参数的预定义(或预定)工艺方法对晶圆实施晶圆制造任务(称为工艺)。例如，IC制造通常使用需要很多与生产和支持相关的工艺工具的多个工艺步骤，使得IC制造商通常关注于监控工艺工具的硬件和相关工艺以确保和维持IC制造的稳定性、可重复性和产量。可以通过故障检测和分类(FDC)系统实现这种工具监控，故障检测和分类(FDC)系统在加工期间监控工具并识别导致处理偏离期望的工具故障。尽管现有的工艺工具监控方法和系统一般都能够满足它们的目的，但是它们不能在所有方面完全满足要求。

背景技术

为了解决现有技术中所存在的缺陷，根据本发明的一方面，提供了一种方法，包括：接收与集成电路制造工艺工具对晶圆实施的工艺相关联的数据；以及使用所述数据监控所述集成电路制造工艺工具的状态，其中，监控包括：基于异常识别标准、异常过滤标准以及异常阈值来评估所述数据，以确定所述数据是否满足警报阈值。

该方法进一步包括：当所述数据满足所述警报阈值时发布警报。

在该方法中，所述异常识别标准限定指示所述集成电路制造工艺工具的异常行为的第一数据行为；以及基于所述异常识别标准评估所述数据包括：识别表现出所述第一数据行为的所述数据的行为。

在该方法中，所述异常识别标准统计限定指示所述集成电路制造工艺工具的异常行为的显著性水平。

在该方法中，所述异常过滤标准限定指示所述集成电路制造工艺工具的真正异常行为的第二数据行为；以及基于所述异常过滤标准评估所述数据包括确定所识别的表现出所述第一数据行为的数据行为是否还表现出所述第二数据行为。

在该方法中，所述异常过滤标准为西方电气规则。

在该方法中，当所识别行为的八个连续数据点落在所评估数据的中心线的相同侧时，所述第二数据行为指示所述真正异常行为。

在该方法中，所述异常阈值基于历史数据限定指示所述集成电路制造工艺工具的真正异常行为的第三数据行为；以及基于所述异常阈值评估所述数据包括确定所识别的表现出所述第一数据行为和所述第二数据行为的数据行为是否表现出所述第三数据行为。

在该方法中，所述警报阈值基于所述数据的行为限定何时发布警报。

在该方法中，当所述数据的行为表现出所述第一数据行为、所述第二数据行为以及所述第三数据行为时，满足所述警报阈值。

在该方法中，基于所述集成电路制造工艺工具的类型、所述集成电路制造工艺工具制造的晶圆的技术时代或者它们的组合限定所述异常识别标准、所述异常过滤标准、所述异常阈值以及所述警报阈值。

根据本发明的另一方面，提供了一种工具状态监控方法，包括：限定异常识别标准、异常过滤标准、异常阈值以及警报阈值；基于所述异常识别标准识别与工艺工具相关联的数据的异常；基于所述异常过滤标准过滤所识别的异常，以识别真正异常；以及当识别的所述真正异常满足所述异常阈值和所述警报阈值时发布警报。

在该工具状态监控方法中，基于所述集成电路制造工艺工具的类型、工艺工具加工的晶圆的技术时代或者它们的组合限定所述异常识别标准、所述异常过滤标准、所述异常阈值以及所述警报阈值。

在该工具状态监控方法中，限定所述异常识别标准包括统计限定指示所述工艺工具的异常行为的第一数据行为；限定所述异常过滤标准包括统计限定指示所述工艺工具的真正异常行为的第二数据行为；限定所述异常阈值包括限定指示所述工艺工具的真正异常行为的第三数据行为，其中，所述第三数据行为基于与所述工艺工具相关联的历史数据；并且限定所述警报阈值包括限定在发布警报之前需要识别的真正异常的数量。

在该工具状态监控方法中，统计限定所述第一数据行为包括指定指示所述工艺工具的异常行为的显著性水平。

在该工具状态监控方法中，基于所述异常识别标准识别与所述工艺工具相关联的数据的异常包括识别表现出所述第一数据行为的数据；以及基于所述异常过滤标准过滤所识别的异常以识别真正异常包括确定所识别的表现出所述第一数据行为的数据是否还表现出所述第二数据行为。

在该工具状态监控方法中，当识别出至少两个真正异常并且所述至少两个真正异常中的至少一个超过所述异常阈值时，所识别的真正异常满足所述异常阈值和所述警报阈值。

根据本发明的又一方面，提供了一种集成电路制造系统，包括：工艺工具，被配置成对晶圆实施工艺；以及故障检测和分类系统，被配置成监控所述工艺工具的状态，并且所述故障检测和分类系统被配置成：接收与所述工艺工具对所述晶圆实施的所述工艺相关联的数据；以及基于异常识别标准、异常过滤标准以及异常阈值评估所述数据以确定所述数据是否满足警报阈值。

在该集成电路制造系统中，所述故障检测和分类系统进一步被配置成当所述数据满足所述警报阈值时发布警报。

在该集成电路制造系统中，所述异常分类标准限定指示所述工艺工具的异常行为的第一数据行为；所述异常过滤标准限定指示所述工艺工具的真正异常行为的第二数据行为；所述异常阈值基于指示所述工艺工具的真正异常行为的历史参数数据限定第三数据行为；基于所述异常识别标准评估所述数据包括：识别表现出所述第一数据行为的数据的行为；基于所述异常过滤标准评估所述数据包括：确定所识别的表现出所述第一数据行为的数据行为是否还表现出所述第二数据行为；基于所述异常阈值评估所述数据包括：确定所识别的表现出所述第一数据行为和所述第二数据行为的数据行为是否表现出所述第三数据行为；以及其中，当所述数据的行为表现出所述第一数据行为、所述第二数据行为以及所述第三数据行为时满足所述警报阈值。

附图说明

当结合附图进行阅读时，根据下面详细的描述可以更好地理解本发明。应该强调的是，根据工业中的标准实践，各种部件没有按比例绘制并且仅仅用于说明的目的。实际上，为了清楚的讨论，各种部件的尺寸可以被任意增加或减少。

图1是根据本发明的各个方面的集成电路器件制造系统的框图；

图2是根据本发明的各个方面的可以通过集成电路制造系统(诸如，图1的集成电路制造系统)实施的工具监控工艺流程的结构图；

图3是根据本发明的各个方面的生成用于监控工艺工具(例如，图1的集成电路制造系统的工艺工具)的状态的曲线图；以及

图4是根据本发明的各个方面的用于评估工艺工具(例如，图1的集成电路制造系统的工艺工具)状态的方法流程图。

具体实施方式

以下发明内容提供了用于实施本发明的不同特征的许多不同的实施例或实例。下面描述了部件和布置的具体实例以简化本发明。当然，这些仅是实例并且不旨在限制本发明。例如，在下面说明书中第一部件形成在第二部件上方或者上可以包括以直接接触的方式形成第一部件和第二部件的实施例，并且还可以包括附加部件形成在第一部件和第二部件之间使得第一部件和第二部件不直接接触的实施例。另外，本发明可以在不同实例中重复参考标号和/或字母。这种重复用于简化和清楚的目的且本身并没有规定阐述的各种实施例和/或结构之间的关系。

图1是根据本发明的各个方面的集成电路制造系统10的结构图。集成电路制造系统10可以为虚拟集成电路制造系统(“虚拟晶圆厂”)。集成电路制造系统10实施集成电路制造工艺以制造集成电路器件。例如，集成电路制造系统10可以实施制造衬底(或者晶圆)的半导体制造工艺。衬底包括半导体衬底、掩模(光掩模或者中间掩模，统称为掩模)，或者在其上实施加工工艺以制造材料层、图案部件和/或集成电路的任何基底材料。在图1中，为了清楚，已经简化了集成电路制造系统10，以更好理解本发明的发明概念。其他部件可以添加在集成电路制造系统10中，并且在集成电路制造系统10的其他实施例中可以替换或者去除下文所述的一些部件。

集成电路制造系统10包括启用相互通信的各种实体(数据库25、工艺工具30、测量工具40、高级工艺控制(APC)系统50、故障检测和分类(FDC)系统60以及其他实体70)的网络20。集成电路制造系统10可以包括在所述实施例中的一个以上的实体，并且可以进一步包括在所述实施例中未示出的其他实体。在本实例中，集成电路制造系统10中的每个实体都通过网络20与其他实体交互以对其他实体提供服务和/或从其他实体接收服务。网络20可以为单一网络或者各种不同的网络，诸如，内联网、互联网、其他网络或者它们的组合。网络20包括有线通信信道、无线通信信道或者它们的组合。

数据库25存储与集成电路制造系统10相关联的数据，尤其与集成电路制造工艺相关联的数据。在所述的实施例中，数据库25存储从工艺工具30、测量工具40、APC系统50、FDC系统60、其他实体70或者它们的组合收集的数据。例如，数据库25存储与由工艺工具30(例如，如下文中进一步描述的由测量工具40收集的)加工的晶圆的晶圆特性相关联的数据、与由加工这些晶圆的工艺工具30实施的参数相关联的数据、与由APC系统50和FDC系统60分析晶圆特性和/或参数相关联的数据以及与集成电路制造系统10相关联的其他数据。在一个实例中，工艺工具30、测量工具40、APC系统50、FDC系统60、其他实体70中的每个都可以具有相关数据库。

工艺工具30实施集成电路制造工艺。在本实例中，工艺工具30是用于外延生长的化学汽相沉积(CVD)工具。因此，工艺工具30可以称为CVD外延工具。晶圆可以置于CVD外延工具中并且经受外延工艺(例如，汽相外延)以形成晶圆的外延部件。CVD外延工具可以包括腔室、气源、排气系统、热源、冷却系统以及其他硬件。腔室用作用于实施外延工艺的控制环境。气源在外延工艺期间提供反应物和净化气体，并且排气系统在外延工艺期间维持腔室内的压力。热源包括灯模块，例如，底内灯模块、底外灯模块、顶内灯模块以及顶外灯模块。每个灯模块都包括在外延工艺期间将能量传输至CVD外延工具的腔室的红外灯阵列，从而在外延工艺期间将腔室加热至期望的腔室温度和/或将晶圆加热至期望的晶圆温度。

为了确保外延部件表现出目标晶圆特性(例如，厚度、组分浓度以及表面电阻)，外延工艺根据预定(预定义)的外延工艺条件(epitaxial processrecipe)形成外延部件。预定(预定义)的外延工艺条件指定由CVD外延工具实施以获得目标晶圆特性的各种参数。这些参数包括加工时间、前体气体(precursor gas)类型、前体气体的流速、腔室温度、腔室压力、晶圆温度、其他参数或者它们的组合。在外延工艺期间，CVD外延工具(例如，腔室、气源、排气系统、热源和冷却系统)的各种硬件被配置成获取指定参数。工艺工具30包括在晶圆加工期间(例如，外延工艺期间)监控参数的传感器。例如，CVD外延工具包括监控与CVD外延工具相关联的各种参数，例如，腔室压力、腔室温度、晶圆温度、气体流速、沉积时间、其他参数(例如，CVD外延工具的灯模块的各种特性，这些特性包括电压、电流、功率、电阻、其他特性或者它们的组合)或者它们的组合。

测量工具40在集成电路制造期间测量和收集与晶圆相关联的数据。例如，测量工具40对加工的晶圆实施在线测量以获得有关晶圆的各种晶圆特性的信息，例如，晶圆部件的临界尺寸(例如，部件的线宽)、晶圆的材料层的厚度、晶圆层或者晶圆部件之间的覆盖精度、部件的掺杂剂分布(或者浓度)、缺陷的尺寸和/或类型、部件的电特性、其他晶圆特性或者它们的组合。在所述的实施例中，测量工具40测量由工艺工具30加工的晶圆的晶圆特性。例如，测量工具40测量通过由工艺工具30实施的外延工艺形成的晶圆的外延部件的厚度、电特性(例如，表面电阻)、表面粗糙度、其他特性或者它们的组合。测量工具40测量可以包括测量和收集这些数据的电工具、光学工具、分析工具、其他工具或者它们的组合。这些工具包括显微镜(例如，扫描电子显微镜和/或光学显微镜)、微型分析工具、线宽测量工具、掩模和中间掩模缺陷工具、粒子分布工具、表面分析工具、应力分析工具、电阻率和接触电阻测量工具、迁移率和载流子浓度测量工具、结深度测量工具、膜厚度工具、栅极氧化物完整性检验工具、电容-电压测量工具、聚焦离子束(FIB)工具、激光表面缺陷扫描仪、残留气体分析仪、工艺工具粒子计数器、晶圆评估检测工具、其他测量工具或者它们的组合。

APC系统50监控加工晶圆的晶圆特性并且使用在线测量数据(例如，由测量工具40所收集的数据)、加工模型以及提供动态微调中间工艺目标的各种算法以提高晶圆的最终器件目标。这些工艺目标的微调可以称为控制动作，该控制动作补偿产生晶圆特性变化的工具问题和/或工艺问题。APC系统50可以实时实施晶圆间、晶圆组间或者它们的组合的控制动作。在所述的实施例中，APC系统50实施控制动作以修改由形成晶圆的外延部件的工艺工具30执行的外延工艺条件。例如，APC系统50(基于加工晶圆的在线测量数据、加工模型和各种算法)修改用于每个加工晶圆的预定的外延工艺条件(尤其是由工艺工具30实施的参数，例如，加工时间、气体流速、腔室压力、腔室温度、晶圆温度或者其他工艺参数)以确保每个加工晶圆的外延特征都表现出目标特性。

FDC系统60通过监控在集成电路制造工艺期间通过工艺工具30实施的参数和在集成电路制造工艺期间通过工艺工具30实施的参数获得的晶圆特性来评估工艺工具30的状态以检测工具问题(例如，工具状态劣化)。通常，FDC系统60实施统计过程控制(SPC)以跟踪和分析工艺工具30的状态。例如，FDC系统60可以实施通过随着时间绘制与工艺关联的SPC数据来记录工艺工具30的历史工艺性能的SPC图。这些SPC数据包括与由工艺工具30加工的多个晶圆相关联的参数和/或晶圆特性。当SPC数据指示参数和/或晶圆特性已经偏离可接受的目标(换句话说，当FDC系统60检测到故障或者异常)时，FDC系统60触发警报并且通知工艺工具30的操作员、停止工艺工具30所实施的工艺、采取其他措施或者它们的组合，因此可以识别和补救与工艺工具30相关联的任何问题。

在本实例中，为了检测CVD外延工具的问题，FDC系统60监控由形成晶圆的外延部件的工艺工具30所实施的参数。FDC系统60评估这些参数和晶圆特性，以检测CVD外延工具操作期间的异常或者故障。在一个实例中，在外延工艺期间，当腔室压力或者腔室温度从指定的腔室压力或者腔室温度(例如，预定外延工艺条件)大幅改变(更高或者更低)时指示异常。在另一个实例中，在外延工艺期间，当前体气体的流速从前体气体的指定流速(例如，预定的外延工艺条件)大幅改变(变高或者变低)时指示异常。在又一个实例中，当由CVD外延工具形成的晶圆的外延部件的特性(例如，表面电阻)从它的目标特性大幅改变时指示异常。这些异常可以指示工艺工具30的问题。例如，CVD外延工具的损坏的或者硬件老化可以导致腔室压力、腔室温度和/或前体气体的流速从期望腔室压力、期望腔室温度和/或前体气体的期望流速发生变化。在本实例中，据观察灯的电阻与CVD外延工具的灯模块的状态相关联。例如，灯模块的电阻趋向直接在灯模块熄灭之前大幅降低。因此，FDC系统60可以监控CVD外延工具的每个灯模块(例如，底内灯模块、底外灯模块、顶内灯模块以及顶外灯模块)的电阻以检测每个灯模块的异常或者故障。FDC系统60还可以监控灯模块的电阻以预测灯模块的灯何时熄灭，使得可以在灯熄灭之前更换灯。

图2是根据本发明的各个方面的可以由图1的集成电路制造系统10实施的工具监控工艺流程100的结构图。FDC系统60实施工具监控工艺流程100以监控工艺工具30(在本实例中，CVD外延工具)的状态。工具监控工艺流程100评估通过FDC系统60收集和分析的数据行为以检测出工艺工具30的故障(例如，工艺工具部分的劣化状态)。在本实例中，工具监控工艺流程100评估指示CVD外延工具的灯模块的状态(尤其是每个灯模块的灯电阻)的FDC数据。可以在工具监控工艺流程100中提供附加步骤，并且可以替换或者去除用于工具监控工艺流程100的附加实施例的所述的一些步骤。此外，有关CVD外延工艺状态的以下论述仅是示例性的，并且预期可以由集成电路制造系统100实施工具监控工艺流程100以监控任何类型的工艺工具30和工艺工具30的任何类型模块的状态。

在框110和框120中，以时序图(T-图)收集和编译与各种加工晶圆相关联的数据。数据包括与由形成每个晶圆的外延部件的工艺工具30实施的参数相关联的参数数据。如上所述，参数包括腔室压力、腔室温度、晶圆温度、气体流速、沉积时间、其他参数(例如，CVD外延工具的灯模块的各种特性，这些特性包括电压、电流、功率、电阻、其他特性或者它们的组合)。数据还包括与加工晶圆的晶圆特性相关联的晶圆数据，例如，加工晶圆的表面电阻。晶圆数据可以进一步包括加工晶圆的外延部件的厚度、加工晶圆的外延部件的其他电特性、其他晶圆特性或者它们的组合。收集用于与工艺工具30相关联的每个参数和与加工晶圆相关联的晶圆特性的这些晶圆数据和参数数据，并且晶圆数据和参数数据可以存储在与工艺工具30相关联的数据库25中或者其他数据库中。在本实例中，为了清楚以更好理解本发明的发明内容，以下论述限于通过监控与单个工艺参数相关联的数据(具体地，与加工期间CVD外延工具的灯模块的电阻相关联的参数数据)来评估工艺工具300的状态的工具监控工艺流程100。这些阐述并不旨在限制本发明，并且本发明预期工具监控工艺流程100可以监控参数和晶圆数据以评估工艺工具30的状态(包括评估工艺工具30的各种硬件的状态)。

在框130和框140中，对时序数据(T-图)实施统计分析，从而减少评估的数据量，并且基于统计分析的时序数据实施工具监控。例如，在框130中，由FDC系统60实施统计工艺控制以将时序参数和晶圆数据转换成可以用于评估工艺工具30的状态的控制图(例如，均值-极差控制图、均值-标准差控制图、I-MR控制图、C控制图、U控制图、Z控制图、其他控制图或者它们的组合)。控制图根据统计学分析时序数据，其中，通过统计分析(例如，分析数据的标准偏差)限定工艺极限值。例如，控制图包括表示由统计分析限定的分析数据的算术平均(平均)值的中心线以及上控制极限值(最大值)和下控制极限值(最小值)(尤其在分析数据的一些标准偏差内)。FDC系统60还确立了与统计分析时序数据相对应的概率模型。这种概率模型可以用于识别统计分析时序数据中的显著改变。

在本实例中，时序参数数据包括与加工期间CVD外延工具的灯模块(例如，顶内灯模块)中的一个灯相关联的电阻值。时序电阻数据被转换成提供灯的电阻(R)和初始电阻(R0)之间的变化(改变)的数据。电阻的每次改变(ΔR)都由以下公式确定：

$\mathrm{\ΔR}=\frac{(R_0-R)}{R_0}---\left(1\right)$

然后，时序电阻变化数据被转换成控制图。例如，统计分析减少了收集的参数数据点(在本实例中，电阻数据点的变化)，使得参数数据点由与单个参数(这里，电阻的变化)相关联的算术平均值(平均值)、标准偏差、最大值和最小值表示。在一个实例中，使用移动窗口平均法(尤其是使用五参数数据点移动窗口)将时序电阻变化数据减少到控制图内。例如，通过下列移动窗口平均法在时间(t)点确定平均电阻变化(

)：

$\stackrel{\‾}{x}\left(t\right)=\frac{{\mathrm{\Σ}}_{k=0}^{4}x(t-k)}{5}---\left(2\right)$

然后离散(discretization)标准化平均电阻变化。在本实例中，将z-标准化应用于平均电阻变化，z-标准化包括平均中心化每个平均电阻变化数据点并且然后用它的标准偏差缩放每个平均电阻变化数据点，以下列公式表示：

$z\left(t\right)=\frac{\stackrel{\‾}{x}\left(t\right)-\mathrm{\μ}\left(t\right)}{\mathrm{\σ}\left(t\right)}---\left(3\right)$

其中z(t)是平均电阻变化

的标度值(scaled value)，μ(t)是平均电阻变化

的平均值，并且σ(t)是平均电阻变化

的标准偏差。通过假设平均电阻变化的相对重要性与标准偏差直接相关，公式3将平均电阻变化

转化成z(t)。基于每个平均电阻变化的标度值，每个平均电阻变化分成离散程度(discrete level)：1(指示平均电阻变化大于正常范围)、0(指示平均电阻变化在正常范围内)或者-1(指示平均电阻变化小于正常范围)。还确立了与平均电阻变化的标度值(z(t))对应的概率模型。例如，确立了平均电阻变化的标度值(z(t))的正态分布概率图，使得FDC系统60可以识别平均电阻变化的标度值何时指示工艺工具30的异常行为。前述的参数数据的减少仅是示例性的，并且可以理解本发明预期便于评估参数数据的行为的参数数据的任何减少。

使用控制图和确立的概率模型实施工具监控。在框150和框160中，将各种规则(统称为FDC算法)应用于控制图的统计分析的参数数据，以确定这些数据是否不合格(OOS)。不合格数据表现出指示工艺工具30的故障(或者异常)行为。在本实例中，当它表现出与CVD外延工具的灯模块(例如，行为指示灯接近它们寿命结束(换句话说，几乎熄灭))的灯质量降低相关联的行为时，统计分析的参数数据不合格。各种规则包括框152处的异常识别标准、框154处的异常过滤标准、框156处的异常阈值以及框158处的警报阈值。所述异常识别标准、异常过滤标准、异常阈值以及警报阈值可调，使得可以基于多种考虑调节由FDC系统实施的工具监控的灵敏度(包括但不限于工艺工具30的类型、由工艺工具30加工的晶圆技术时代、工艺工具30的状态对其加工的晶圆的影响、加工的晶圆的质量与加工这些晶圆的时间和成本的平衡或者它们的组合)。在本实例中，FDC系统60包括FDC算法模块150，用于使用异常识别标准、异常过滤标准、异常阈值和警报阈值评估统计分析的参数数据。FDC算法模块可以包括每个标准/阈值的单独模块。

在框152中，异常识别标准限定指示工艺工具30的异常(或者故障)的统计分析的参数数据的行为，使得由FDC系统60自动识别这些行为(或者工艺工具30的异常)。更具体地，异常识别标准统计识别统计分析的参数数据中的显著改变(变化)。异常识别标准因此基本上调节工具监控的幅值灵敏度。例如，异常识别标准指定指示工艺工具30的异常行为的显著性水平(significance level，置信度)，例如，99.9％的显著性水平。在本实例中，平均电阻变化的标度值(z(t))使用概率模型和异常识别标准(尤其是99.9％的显著性水平)评估平均电阻变化的标度值(z(t))以识别统计分析的参数数据的异常行为。小于0.1％的基于概率模型的发生机率的标度值(z(t))被指定为异常。

在框154中，异常过滤标准限定指示工艺工具30的真正(实际)异常的统计分析的参数数据的行为。在满足框152的异常识别标准的控制图中将异常过滤标准应用于统计分析的参数数据。异常过滤标准因此过滤识别的异常，以找到实际指示工艺工具30问题的真正(实际)异常-异常。在本实例中，异常过滤标准是西方电气规则(Western Electric Rules)。例如，当八个连续数据点落在它所属的控制图的中心线的相同侧上时，由异常识别标准识别的统计分析的参数数据表现出真正异常。将西方电气规则的其他领域规则应用于满足异常识别标准的统计分析的参数数据。可选地，作为异常过滤标准实现了可以在控制图(换句话说，检测到指示真正异常的统计分析的参数数据)中检测到非随机状态的其他规则和模型。

在框156中，异常阈值限定基于与工艺工具30相关联的历史数据指示工艺工具30的真正(实际)异常的统计分析的参数数据的行为。在满足框152处的异常识别标准和框154处的异常过滤标准的控制图中，将异常阈值应用于统计分析的参数数据。历史数据指的是工程师/工艺知识。例如，据观察，当统计分析的参数数据表现出特定行为(例如，超过上限或者下限)时，工艺工具30中的真正异常连续出现，这种行为确立为异常阈值。异常阈值结合工程师(区域)经验和知识来识别工艺工具30的真正异常。在本实例中，据观察一旦电阻变化介于2％和3％之间，CVD外延工具的灯模块的灯通常就会影响晶圆加工。因此，将异常阈值指定为2.5％，使得大于或者等于大约2.5％的电阻变化的任何观测都识别为真正异常。

在框156中，警报阈值限定基于异常识别标准、异常过滤标准以及异常阈值何时发布警报。例如，警报阈值指定当统计分析的参数数据表现出满足异常识别标准、异常过滤标准以及异常阈值的行为时，FDC系统60发布警报。在本实例中，警报阈值指定当统计分析的参数数据至少两次满足异常识别标准和异常过滤标准并且统计分析的参数数据至少一次满足异常阈值时，FDC系统60发布警报。例如，警报阈值指定当电阻变化至少两次满足指定的显著性水平(99.9％)和西方电气规则，以及至少一次电阻变化大于或者等于大约2.5％时，FDC系统60发布警报。一旦达到这个警报阈值，FDC系统60就发布警报。

图3提供了由监控工艺工具30的状态的图1的FDC系统60生成的曲线图200和曲线图300。FDC系统60实施传统工具监控工艺流程以评估曲线图200中统计分析的参数数据的曲线202，并且FDC系统60实施图2的工具监控工艺流程100以评估曲线图300中统计分析的参数数据的曲线302。在本实例中，曲线图200的曲线202与曲线图300的曲线302相同，使得传统工具监控工艺流程和工具监控工艺流程100之间的灵敏度很明显。曲线202和曲线302都是对CVD外延工具的顶内灯模块的灯随时间(小时)的电阻变化(ΔR)进行建模。传统监控工艺流程和工具监控工艺流程100限定指示工艺工具30中异常的电阻变化，其中，FDC系统60应当那个点处发布警报(称为工具监控工艺流程100中异常阈值(框156))。例如，如上所述，据观察，一旦观察到电阻变化介于2％和3％之间，CVD外延工具的灯模块的灯通常就会影响晶圆加工。因此，异常阈值可以指定为2.5％，使得2.5％以及更大的电阻变化的任何观测都指定为真正异常。2.5％的异常阈值指示为曲线图200和曲线图300中的“基于知识的规格”。工具监控工艺流程100还实施了上述的异常识别标准(框152)、异常过滤标准(框154)以及警报阈值(框158)。

统计分析参数数据的六个数据行为表示传统工具监控工艺流程和工具监控工艺流程100的灵敏度的显著区别：

数据行为1：在曲线图200，当FDC系统60实施传统工具监控工艺流程时，由于它不超过基于知识的规格(在本实例中，大约2.5％的电阻变化)，所以没有检测到数据行为1。然而，在曲线图300中，当FDC系统60实施工具监控工艺流程100时，异常识别标准(框152)限定指示异常的电阻的显著变化，并且异常过滤标准(框154)限定指示真正异常(在本实例中，限定真正异常行为作为落在中心线的相同侧上的八个连续数据点的西方电气规则)的数据行为，由于数据行为1表现出基于异常识别标准的电阻的显著变化并且数据行为1满足基于异常过滤标准的真正异常行为的定义，所以数据行为1被检测到并且识别为真正异常。数据行为1不满足异常阈值，所以FDC系统60不发布警报，但是FDC系统60通知已经识别出真正异常以用于工具状态监控的目的。

数据行为2：在曲线图200中，当FDC系统60实施传统工具监控工艺流程时，由于它超过基于知识的规格(在本实例中，大约2.5％的电阻变化)，所以检测到数据行为2。然而，数据行为2不是真正异常，因此当由FDC系统60实施传统工具监控工艺流程时，发布假警报。相反，在曲线图300中，当FDC系统60实施工具监控工艺流程100时，异常识别标准(框152)限定指示异常的电阻显著变化并且异常过滤标准(框154)限定指示真正异常(在本实例中，西方电气规则将真正异常行为限定为落在中心线相同侧上的八个连续数据点)的数据行为，由于尽管数据行为2基于异常识别标准被识别为电阻的显著变化，但是数据行为2基于异常过滤标准不满足真正异常行为的定义，所以滤除数据行为2。

数据行为3：在曲线图200中，当FDC系统60实施传统工具监控工艺流程时，检测到数据行为3并且由于数据行为3超过基于知识的规格(在本实例中，大约2.5％的电阻变化)，所以通过FDC系统60发布警报。在曲线图300中，当FDC系统60实施工具监控工艺流程100时，也检测到数据行为3并且由FDC系统60发布警报。更具体地，数据行为3基于异常识别标准被识别为的电阻显著变化并且数据行为3基于异常过滤标准满足真正异常行为的定义。此外，在本实例中，由于FDC系统60已经识别数据行为1和数据行为3满足异常识别标准和异常过滤标准(换句话说，数据行为1和数据行为3为真正异常)，并且数据行为3也超过异常阈值(换句话说，大约2.5％的电阻变化)，所以满足警报阈值，使得FDC系统60发布警报。可以在该点处更换灯。

数据行为4：在曲线图200中，当FDC系统60实施传统工具监控工艺流程时，检测到数据行为4并且由于数据行为4超过基于知识的规格(在本实例中，大约2.5％的电阻变化)，所以由FDC系统60发布警报。由于电阻变化保持相对不变，所以这种警报毫无意义，因此没有提供关于灯状态或者灯何时熄灭的有用信息。在曲线图300中，当FDC系统60实施工具监控工艺流程100时，由于数据行为4不满足异常识别标准，所以数据行为4没有被划分为异常，因此FDS系统60不发布无意义的警报。

数据行为5，在曲线图200中，当FDC系统60实施传统工具监控工艺流程时，检测到数据行为5(灯熄灭)并且由于数据行为5超过基于知识的规格，所以由FDC系统60发布警报。在曲线图300中，当FDC系统60实施工具监控工艺流程100时，也检测到数据行为5。更具体地，数据行为5基于异常识别标准被识别为电阻的显著变化，并且数据行为5基于异常过滤标准满足真正异常行为的定义。此外，数据行为5超过异常阈值(换句话说，大约2.5％的电阻变化)。当检测到数据行为5时，FDC系统60可以发布警报。

数据行为6：在曲线图200中，FDC系统60实施传统工具监控工艺流程，没有检测到数据行为6，表示没有检测到更换灯，使得统计分析的参数数据可以通过灯的新初始电阻(R₀)进行更新。相反，在曲线图300中，当FDC系统60实施工具监控工艺流程100时，检测到数据行为6，使得FDC系统60检测到更换灯。FDC系统60因此更新灯的初始电阻(R₀)，因此连续的监控包括使用更新的灯的初始电阻(R₀)分析参数数据。

从曲线图200和300中可以看出，工具监控工艺流程100显然改进了工艺工具30的监控。由于工具监控工艺流程100精确监控FDC数据的行为，所以这些改进导致检测工艺工具30的真正异常(故障)，代替仅依靠真正异常的固定定义作为传统工具监控工艺流程。通过结合统计定义与领域知识(基于工程师经验的定义和基于工艺工具30的历史行为的知识)来评估工艺工具的行为，工具监控工艺流程100可以基于FDC数据识别真正异常同时大幅降低了一些假警报，并且还提供了与工艺工具30的状态相关联的主动预警。因此，工具监控工艺流程100可以最大化工艺工具30(例如，CVD外延工具的灯)的硬件寿命并且降低了工艺工具对其加工晶圆的特性的影响。此外，如上所述，工具监控工艺流程100具有可调节的灵敏度(异常识别标准、异常过滤标准、异常阈值以及警报阈值都可调节)，使得可根据被监控的硬件的类型、加工晶圆的时代、其他考虑或者它们的组合调节异常检测和警觉性。不同的实施例可以具有不同的优势，并且没有优势是任何实施例都需要具备的。

图4是根据本发明的各个方面的用于评估工艺工具的状态的方法400的流程图。在一个实例中，方法400可以用于评估图1的集成电路器件制造系统10中工艺工具30的行为(或者状态)。方法400开始于框410，其中，由工艺工具对晶圆实施工艺。在框420和框430中，接收并且评估与由工艺工具对晶圆实施的工艺相关联的数据，以监控工艺工具的状态。基于异常识别标准、异常过滤标准以及异常阈值评估数据，以确定该数据是否满足警报阈值。在框440中，当该数据满足警报阈值时，发布警报。可以在方法400之前、期间以及之后提供额外的步骤，并且对于方法400的其他实施例来说，可以替换或者去除所述的一些步骤。

本发明预期用于实施本文所述的各种方法和系统的计算机系统。例如，计算机系统可操作地监控和评估工艺工具(诸如工艺工具30)的状态。在一个实例中，FDC系统60包括用于监控工艺工具30状态的计算机系统。在各种实施方式中，计算机系统的装置包括能够与网络(例如，内联网、互连网等)通信的网络通信装置或者网络计算装置(例如，移动电话、笔记本电脑、个人电脑、网络服务器等)。应当理解，每个装置都可以以如下方式实现为与网络通信的计算机系统。根据本发明的各种实施例中，计算机系统(例如，本地计算机或者连网的计算机系统)包括用于传送信息的总线部件或者其他通信机构，其中，总线部件或者其他通信机构互连子系统和部件，例如，处理部件(例如，处理器、微控制器、数字信号处理器(DSP)、其他处理部件或者它们的组合)、系统存储部件(例如，RAM)、静态存储部件(例如，ROM)、光盘驱动部件(例如，磁盘部件、光盘部件、其他部件或者它们的组合)、网络接口部件(例如，调制解调器、以太网卡、其他网络接口部件或者它们的组合)、显示部件(例如，阴极射线管(CRT)、液晶显示器(LCD)、其他显示部件或者它们的组合)、输入部件(例如，键盘)、光标控制部件(例如，鼠标或者轨迹球)以及图像拍摄部件(例如，模拟相机或者数码相机)。在一种实施方式中，磁盘驱动器部件包括具有一个或者多个磁盘驱动部件的数据库。

根据本发明的实施例，计算机系统通过处理器执行包含在系统存储部件中的一个或者多个指令的一个或者多个序列来执行具体操作。在一个实例中，这些指令从其他计算机可读介质(例如，静态存储部件或者磁盘驱动器部件)读入系统存储部件。在另一个实例中，布线连接电路用于替换(或者结合)软件指令以实施本发明。在根据本发明的另一些实施例中，在计算机可读介质中进行逻辑编码，计算机可读介质涉及参与提供处理器部件执行的指令的任何介质。这种介质采取许多形式，包括但不限于非易失性介质和易失性介质。在一个实例中，计算机可读介质是非暂时性的。在各种实施方式中，非易失性介质包括诸如磁盘驱动部件的光盘或者磁盘，并且易失性介质包括诸如系统存储部件的动态存储器。在一方面，诸如，与执行指令相关的数据和信息通过传输介质以声音或者光波形式(包括无线电波和红外数据传输期间生成的)传输至计算机系统。在多个实施例中，传输介质包括同轴电缆、铜线以及光纤(包括具有总线的布线)。

例如，计算机可读介质的一些常见形式包括软盘、软磁盘、硬盘、磁带、任何其他磁介质、CD-ROM、任何其他光学介质、穿孔卡、纸带、具有孔图案的任何其他物理介质、RAM、PROM、EPROM、FLASH-EPROM、任何其他的存储芯片或者盒式存储器、载波或者适于计算机读取的任何其他的介质。在本发明的多个实施例中，计算机系统执行指令序列以实践本发明。在本发明的其他实施例中，多种计算机系统(例如，计算机系统)通过通信链路(例如，通信网络(LAN、WLAN、PTSN)和/或其他有线或者无线网络(包括远程通信、移动和手机网络))连接并且执行指令序列以相互协调地实践本发明。在多个实例中，计算机系统通过通信链路和通信接口发送和接收包括一个或者多个程序(换句话说，应用程序代码)的消息、数据、信息和指令。处理器部件可以执行接收的和/或存储在用于执行的磁盘驱动部件或者一些其他非易失性存储部件中程序代码。

在可应用的情况下，使用硬件、软件或者硬件和软件的组合实施本发明提供的各种实施例。此外，在可应用情况下，本文阐述的各种硬件部件和/或软件部件结合到包括软件、硬件和/或软件和硬件的混合部件中，而没有背离本发明的精神。在可应用的情况下，本文提出的各种硬件部件和/或软件部件分成包括软件、硬件或者软件和硬件的子部件，而没有背离本发明的范围。另外，在可应用的情况下，预期将硬件部件实施为软件部件，反之亦然。根据本发明，软件(例如，计算机程序代码和/或数据)可以存储在一个或者多个计算机可读介质上。还预期可以使用一个或者多个通用或者专用计算机和/或计算机系统、联网的和/或其他方式计算机和/或计算机系统实施本文识别的软件。在可应用的情况下，本文所述的各步骤的次序可以改变、结合为混合步骤和/或分成子步骤以提供本文所述的部件。

本发明提供了许多不同的实施例。一种示例性方法包括接收与由集成电路制造工艺工具对晶圆实施的工艺相关联的数据并且通过基于异常识别标准、异常过滤标准以及异常阈值评估所述数据以确定数据是否满足警报阈值来监控集成电路制造工艺工具的状态。方法进一步包括：当数据满足所述警报阈值时发布警报。在一个实例中，异常识别标准限定指示集成电路制造工艺工具的异常行为的第一数据行为，异常过滤标准限定指示集成电路制造工艺工具的真正异常行为的第二数据行为，并且异常阈值限定指示集成电路制造工艺工具的真正异常行为的基于历史数据的第三数据行为。基于异常识别标准评估数据包括识别表现出第一数据行为的数据的行为。基于异常过滤标准评估数据包括确定表现出第一数据行为的识别的数据的行为是否还表现出第二数据行为。基于异常阈值评估数据包括确定表现出第一数据行为和第二数据行为的识别的数据行为是否表现出第三数据行为。在一个实例中，异常识别标准统计限定指示集成电路制造工艺工具的异常行为的显著性水平。在一个实例中，异常过滤标准是西方电气规则。在一个实例中，第二数据行为指示当识别行为的八个连续数据点落在评估数据的中心线的相同侧上时的真正异常行为。警报阈值限定何时基于数据行为发布警报，并且在一个实例中，当数据行为表现出第一数据行为、第二数据行为和第三数据行为时满足警报阈值。可以基于集成电路工艺工具的类型、集成电路制造工艺工具制造的晶圆的技术时代的一种以及它们的组合限定异常识别标准、异常过滤标准、异常阈值以及警报阈值。

另一种示例性方法包括：限定异常识别标准包括统计限定指示工艺工具的异常行为的第一数据行为；限定异常过滤标准包括统计限定指示工艺工具的真正异常行为的第二数据行为；限定异常阈值包括限定指示工艺工具的真正异常行为的第三数据行为，其中，第三数据行为基于与工艺工具相关联的历史数据；并且限定警报阈值包括限定发布警报之前所需的一些识别的真正异常。在一个实例中，统计限定第一数据行为包括指定指示工艺工具异常行为的显著性水平。在一个实例中，基于异常识别标准识别与工艺工具相关联的数据的异常包括识别表现出第一数据行为的数据；并且基于异常过滤标准过滤识别的异常以识别真正异常包括确定表现出第一数据行为识别的数据是否也表现出第二数据行为。在一个实例中，当识别至少两个真正异常并且至少两个真正异常的至少一个超过异常阈值时，识别的真正异常满足异常阈值和警报阈值。

一种示例性装置包括被配置成对晶圆实施工艺的工艺工具；以及被配置成监控所述工艺工具的状态的故障检测和分类系统。所述故障检测和分类系统被配置成接收与由所述工艺工具对晶圆所实施的工艺相关联的数据；并且基于异常识别标准、异常过滤标准以及异常阈值评估所述数据以确定数据是否满足警报阈值。故障检测和分类系统进一步被配置成当数据满足警报阈值时发布警报。在一个实例中，异常分类标准限定指示工艺工具的异常行为的第一数据行为；异常过滤标准限定指示工艺工具的真正异常行为的第二数据行为；异常阈值限定指示工艺工具的真正异常行为的基于历史参数数据的第三数据行为；并且当数据行为表现出所述第一数据行为、所述第二数据行为和所述第三数据行为时满足警报阈值。在这种实例中，评估数据包括识别表现出第一数据行为的数据行为；确定表现出第一数据行为的识别的数据行为是否还表现出第二数据行为；以及确定表现出第一数据行为和第二数据行为的识别的数据行为是否表现出第三数据行为。

上面论述了若干实施例的特征，使得本领域普通技术人员可以更好地理解本发明的各个方面。本领域普通技术人员应该理解，可以很容易地使用本发明作为基础来设计或更改其他用于实施与这里所介绍实施例相同的目的和/或实现相同优点的工艺和结构。本领域普通技术人员也应该意识到，这种等效构造并没有背离本发明的主旨和范围，并且在不背离本发明的主旨和范围的情况下，可以进行多种变化、替换以及改变。

Claims (10)

1.一种方法，包括：

接收与集成电路制造工艺工具对晶圆实施的工艺相关联的数据；以及

使用所述数据监控所述集成电路制造工艺工具的状态，其中，监控包括：

基于异常识别标准、异常过滤标准以及异常阈值来评估所述数据，

以确定所述数据是否满足警报阈值。

2.根据权利要求1所述的方法，进一步包括：当所述数据满足所述警报阈值时发布警报。

3.根据权利要求1所述的方法，其中：

所述异常识别标准限定指示所述集成电路制造工艺工具的异常行为的第一数据行为；以及

基于所述异常识别标准评估所述数据包括：识别表现出所述第一数据行为的所述数据的行为。

4.根据权利要求3所述的方法，其中，所述异常识别标准统计限定指示所述集成电路制造工艺工具的异常行为的显著性水平。

5.根据权利要求3所述的方法，其中：

所述异常过滤标准限定指示所述集成电路制造工艺工具的真正异常行为的第二数据行为；以及

基于所述异常过滤标准评估所述数据包括确定所识别的表现出所述第一数据行为的数据行为是否还表现出所述第二数据行为。

6.根据权利要求5所述的方法，其中，所述异常过滤标准为西方电气规则。

7.根据权利要求6所述的方法，其中，当所识别行为的八个连续数据点落在所评估数据的中心线的相同侧时，所述第二数据行为指示所述真正异常行为。

8.根据权利要求5所述的方法，其中：

所述异常阈值基于历史数据限定指示所述集成电路制造工艺工具的真正异常行为的第三数据行为；以及

基于所述异常阈值评估所述数据包括确定所识别的表现出所述第一数据行为和所述第二数据行为的数据行为是否表现出所述第三数据行为。

9.一种工具状态监控方法，包括：

限定异常识别标准、异常过滤标准、异常阈值以及警报阈值；

基于所述异常识别标准识别与工艺工具相关联的数据的异常；

基于所述异常过滤标准过滤所识别的异常，以识别真正异常；以及

当识别的所述真正异常满足所述异常阈值和所述警报阈值时发布警报。

10.一种集成电路制造系统，包括：

工艺工具，被配置成对晶圆实施工艺；以及

故障检测和分类系统，被配置成监控所述工艺工具的状态，并且所述故障检测和分类系统被配置成：

接收与所述工艺工具对所述晶圆实施的所述工艺相关联的数据；以及

基于异常识别标准、异常过滤标准以及异常阈值评估所述数据以确定所述数据是否满足警报阈值。

Images