CN105574312B - 用于工程改变数据分析的方法和系统 - Google Patents

Abstract

本发明提供一种用于工程改变数据分析的方法和系统，涉及半导体技术领域。所述用于工程改变数据分析的方法包括在线数据分析、缺陷数据分析、晶圆验收测试数据分析以及良率数据分析，还包括当工程改变等级涉及可靠性时，进行晶圆分类原始数据分析。所述用于工程改变数据分析的系统包括在线数据分析单元、缺陷数据分析单元、晶圆验收测试数据分析单元以及良率数据分析单元，还包括晶圆分类原始数据分析单元，用于当工程改变等级涉及可靠性时进行晶圆分类原始数据分析。上述方法和系统在工程改变数据分析中加入了对晶圆分类原始数据的分析，能够更为准确地得出新制程对工艺改变带来的影响。

Description

用于工程改变数据分析的方法和系统

技术领域

本发明涉及半导体技术领域，具体而言涉及一种用于工程改变数据分析的方法和系统。

背景技术

在半导体器件的新的制程的某一步工艺改进的过程中，经常需要分析比对新制程对工艺的改变带来的效果是否有效，会不会有副作用。在工程实验分析过程中，一般进行在线(in-line)数据、缺陷(defect)数据、晶圆验收测试(Wafer Acceptance Test,WAT)数据以及良率数据等的分析。在进行这些分析以后，如果实验组数据优于参照组数据，就可以释放新制程到量产。然而，对于某些制程的改变，仅进行上述分析无法发现问题，甚至可能得出错误的结论。

发明内容

针对现有技术的不足，一方面，本发明提供一种工程改变数据分析的方法，所述方法包括在线数据分析、缺陷数据分析、晶圆验收测试数据分析以及良率数据分析，并且所述方法还包括：当工程改变等级涉及可靠性时，进行晶圆分类原始数据(WS数据)分析。

在本发明的一个实施例中，所述晶圆分类原始数据分析进一步包括：从所述晶圆分类原始数据中选择具有代表性的数据；针对所选择的数据，基于T检验值、平均值变动系数以及方差比来分析比对实验组数据和参照组数据；以及基于所述分析比对结果，计算所述实验组数据和所述参照组数据的匹配率，所述匹配率反映所述实验组数据和所述参照组数据的相似度。

在本发明的一个实施例中，所述T检验值定义为所述参照组数据的均值与所述实验组数据的均值的差除以所述实验组数据和所述参照组数据的所有数据的标准差；所述平均值变动系数定义为所述参照组数据的均值与所述实验组数据的均值的差除以所述参照组数据的均值；以及所述方差比定义为所述实验组数据与所述参照组数据的标准差之比。

在本发明的一个实施例中，所述分析比对进一步包括：对所述所选择的数据中的每一项进行采样；针对采样点中的每一点，计算所述T检验值、所述平均值变动系数以及所述方差比；以及统计所述采样点中差异显著的点数，所述差异显著的点数定义为所述平均值变动系数大于第一阈值并且所述方差比大于第二阈值的点的个数；并且所述计算所述实验组数据和所述参照组数据的匹配率进一步包括：基于采样点数与所述差异显著的点数计算所述实验组数据和所述参照组数据的所述匹配率。

在本发明的一个实施例中，所述方法进一步包括：基于所计算的匹配率以不同的颜色进行显示，以为工程师提供直观的参考。

一方面，本发明还提供一种用于工程改变数据分析的系统，所述系统包括在线数据分析单元、缺陷数据分析单元、晶圆验收测试数据分析单元以及良率数据分析单元，并且所述系统还包括：晶圆分类原始数据分析单元，用于当工程改变等级涉及可靠性时进行晶圆分类原始数据分析。

在本发明的一个实施例中，所述晶圆分类原始数据分析单元进一步包括：数据选择单元，用于从所述晶圆分类原始数据中选择具有代表性的数据；分析比对单元，用于针对所选择的数据，基于T检验值、平均值变动系数以及方差比来分析比对实验组数据和参照组数据；以及匹配率计算单元，用于计算所述实验组数据和所述参照组数据的匹配率，所述匹配率反映所述实验组数据和所述参照组数据的相似度。

在本发明的一个实施例中，所述T检验值定义为所述参照组数据的均值与所述实验组数据的均值的差除以所述实验组数据和所述参照组数据的所有数据的标准差；所述平均值变动系数定义为所述参照组数据的均值与所述实验组数据的均值的差除以所述参照组数据的均值；以及所述方差比定义为所述实验组数据与所述参照组数据的标准差之比。

在本发明的一个实施例中，所述分析比对单元进一步包括：采样单元，用于对所述所选择的数据中的每一项进行采样；计算单元，用于针对采样点中的每一点，计算所述T检验值、所述平均值变动系数以及所述方差比；以及统计单元，用于统计所述采样点中差异显著的点数，所述差异显著的点数定义为所述平均值变动系数大于第一阈值并且所述方差比大于第二阈值的点的个数；并且所述匹配率计算单元进一步用于基于采样点数与所述差异显著的点数计算所述实验组数据和所述参照组数据的所述匹配率。

在本发明的一个实施例中，所述系统进一步包括显示单元，用于基于所计算的匹配率以不同的颜色进行显示，以为工程师提供直观的参考。

上述用于工程改变数据分析的方法和系统在工程改变数据分析中加入了对晶圆分类原始数据的分析，能够更为准确地得出新制程对工艺改变带来的影响。

附图说明

本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施例及其描述，用来解释本发明的原理。

附图中：

图1为根据本发明的实施例的晶圆分类原始数据分析的方法的流程图；以及

图2为根据本发明的实施例的晶圆分类原始数据分析的系统的结构框图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。

在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。

为了彻底理解本发明，将在下列的描述中提出详细的步骤以及详细的结构，以便阐释本发明提出的技术方案。本发明的较佳实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。

根据本发明的一方面，提供了一种用于工程改变数据分析的方法。所述方法包括在线数据分析、缺陷数据分析、晶圆验收测试数据分析以及良率数据分析，并且所述方法还包括当工程改变等级涉及可靠性时，进行晶圆分类原始数据分析。

对于新制程的引进，通常需要进行工程改变数据分析，对实验组数据和参照组数据进行分析比较，依次分析在线数据对比、缺陷数量和类型对比、晶圆验收测试数据对比、良率和bin的对比；对于数据分析，一般采用数据趋势图(trend chart)和方框图(boxchart)实验组和参照组的对比。对于差异性比较大的趋势图和方框图的参数就会被甄别出来。对于晶圆验收测试数据的比对分析，目前流行的分析方法是一致信心度(harmonization confidence)方法。这种分析方法是把实验组和参照组用几率密度进行分析。一致信心度能够计算出实验组和参照组的交迭分布的比例，交迭分布比例高的被认为差异小，反之，认为差异大。如果有差异大的在线数据，缺陷数据，晶圆验收测试数据和良率数据参数被甄别出来以后就可以指导工程师进行进一步的分析。第一步判断是否与实验有关，第二步如果有关则分析如何改进。

根据晶圆厂工程改变计划(FAB Engineering Change Proposal，FECP)的等级不同，比如等级A,B(这里，A等级是指客户关注可靠性问题，B等级是指中芯国际(SMIC)关注的可靠性问题)的机台，制程或流程的改变，可能需要更多的数据良率测试的原始数据分析，也就是晶圆分类原始数据的分析。晶圆分类原始数据，即WS(wafer sort)数据，是良率测试的每片晶圆每个晶粒(die)的原始数据。这些数据更能反映新制程对工艺改变带来的影响。例如静态电流数据(Idds)，这种数据一般都会有规格(spec)，由于spec卡的不够合理(这种事情很常见)，在在线数据、缺陷数据、晶圆验收测试数据、良率数据和bin数据中都没有反映出来，但是通过其分布(distribution)则会看到一些差异，比如相对于参照组的实验组主分布(main distribution)漂移、发散性大、拖尾严重等等问题。

因此，当工程改变等级涉及可靠性时在工程改变数据分析中加入了对晶圆分类原始数据的分析，能够更为准确地得出新制程对工艺改变带来的影响。

图1示出了根据本发明的实施例的晶圆分类原始数据分析的方法100的流程图。如图1所示，晶圆分类原始数据分析的方法100可以包括以下步骤：

步骤101：从晶圆分类原始数据中选择具有代表性的数据；

如上所述，晶圆分类原始数据是良率测试的每片晶圆每个晶粒(die)的原始数据，但是由于每片晶圆上有成百上千甚至上万颗晶粒，因此要在大量的数据里面合理地找出差异性的参数，可以从晶圆分类原始数据中选择具有代表性的数据。例如，可以对每一片数据按照一定的规律进行排列，例如按照从小到大的顺序进行排列，然后从中选择在以下百分点位置处的数据：1％、1.5％、2.5％、5％、7.5％、10％、15％、20％、25％、30％、35％、40％、50％、60％、65％、70％、75％、80％、85％、90％、92.5％、95％、97.5％、98.5％和99％。可以剔除特别边缘的数据，例如<1％和>99％的点，因为这些数据点如果是有问题，在良率数据必然会有反映。

步骤102：对所选择的数据中的每一项进行采样；

在从大量的晶圆分类原始数据中选择具有代表性的数据之后，可以对所选择的数据中的每一项进行采样，在每一个采样点处可以分析比对实验组数据和参照组数据。

步骤103：针对采样点中的每一点，计算T检验值、平均值变动系数以及方差比；

具体地，T检验值可以用T-test来表示，其可以定义为参照组数据的均值与实验组数据的均值的差除以实验组数据和参照组数据的所有数据的标准差，用公式来表示即为：T-test＝[mean(参照组)–mean(实验组)]/stdev(实验组和参照组所有数据)，其中，公式中的mean在统计学中表示“均值”，stdev在统计学中表示“标准差”。T-test值越小，表示参照组数据和实验组数据差异性越小，相似度高；反之，T-test值越大，表示参照组数据和实验组数据差异性越大，相似度低。

平均值变动系数可以用CV来表示，其可以定义为参照组数据的均值与实验组数据的均值的差除以参照组数据的均值，用公式表示即为：CV＝[mean(参照组)–mean(实验组)]/mean(参照组)。

方差比可以用VR来表示，其可以定义为实验组数据与参照组数据的标准差之比，用公式表示即为：VR＝stdev(实验组)/stdev(参照组)。

步骤104：统计采样点中差异显著的点数，所述差异显著的点数定义为平均值变动系数大于第一阈值并且方差比大于第二阈值的点的个数；

在计算了上述T-test、CV以及VR的值之后，可以根据数学统计上定义出的P值(Pvalue，其中P值与T-test是一一对应的关系)找出差异显著的并且CV大于第一阈值并且VR大于第二阈值的点数，以统计差异显著的点数。差异显著的点数可以用SigDiff(Significant Difference)来表示。可选地，第一阈值可以为20％，第二阈值可以为50％。

步骤105：基于采样点数与差异显著的点数计算实验组数据和参照组数据的匹配率；

具体地，匹配率可以定义为采样点数与差异显著的点数的差除以采样点数。例如，匹配率可以用MR(Match rate)来表示，则当采样点数为25时，实验组数据和参数组数据的匹配率用公式表示即为：MR＝(25-SigDiff)/25。当MR>90％时，可以定义为实验组数据和参照组数据没有差异；当MR<90％并且MR>80％时，可以定义为实验组数据和参照组数据有所差异；当MR<80％时，可以定义为实验组数据和参照组数据有显著差异。

上述步骤102～步骤105可以总结为两步，即：针对所选择的数据，基于T检验值、平均值变动系数以及方差比来分析比对实验组数据和参照组数据；以及基于分析比对结果，计算实验组数据和参照组数据的匹配率，其中所述匹配率反映实验组数据和参照组数据的相似度。

步骤106：基于所计算的匹配率以不同的颜色进行显示，以为工程师提供直观的参考。

如上所述，当MR>90％时，可以显示绿灯表示通过(pass)，则工程师可以判断出实验组数据和参照组数据没有差异；当MR<90％并且MR>80％时，可以显示黄灯表示警告(warning)，则工程师可以判断出实验组数据和参照组数据有所差异；当MR<80％时，可以显示红灯表示失败(fail)，则工程师可以判断出实验组数据和参照组数据有显著差异，从而指导工程师进行分析总结。

基于上述晶圆分类原始数据分析的方法，能够对所有的晶圆分类参数进行全面的检测、降低制程改进和新机台认证的时间、降低晶圆花费、减少人力花费的时间、并且能够提高客户对新制程、新流程和新机器释放的信心度。

根据本发明的另一方面，提供了一种用于工程改变数据分析的系统。所述系统包括在线数据分析单元、缺陷数据分析单元、晶圆验收测试数据分析单元以及良率数据分析单元，并且所述系统还包括晶圆分类原始数据分析，用于当工程改变等级涉及可靠性时进行晶圆分类原始数据分析。

图2示出了根据本发明的实施例的晶圆分类原始数据分析的系统200的结构框图。如图2所示，晶圆分类原始数据分析的系统200可以包括数据选择单元201，用于从晶圆分类原始数据中选择具有代表性的数据；分析比对单元202，用于针对所选择的数据，基于T检验值、平均值变动系数以及方差比来分析比对实验组数据和参照组数据；以及匹配率计算单元203，用于计算实验组数据和参照组数据的匹配率，所述匹配率可以反映实验组数据和参照组数据的相似度。

根据本发明的一个优选实施例，T检验值可以定义为参照组数据的均值与实验组数据的均值的差除以实验组数据和参照组数据的所有数据的标准差；平均值变动系数可以定义为参照组数据的均值与实验组数据的均值的差除以参照组数据的均值；以及方差比可以定义为实验组数据与参照组数据的标准差之比。

根据本发明的一个优选实施例，分析比对单元202可以进一步包括：采样单元2021，用于对所选择的数据中的每一项进行采样；计算单元2022，用于针对采样点中的每一点，计算T检验值、平均值变动系数以及方差比；以及统计单元2023，用于统计采样点中差异显著的点数，所述差异显著的点数可以定义为平均值变动系数大于第一阈值并且方差比大于第二阈值的点的个数。并且匹配率计算单元203可以进一步用于基于采样点数与差异显著的点数计算实验组数据和参照组数据的匹配率。

根据本发明的一个优选实施例，系统200可以进一步包括显示单元204，用于基于所计算的匹配率以不同的颜色进行显示，以为工程师提供直观的参考。

本发明已经通过上述实施例进行了说明，但应当理解的是，上述实施例只是用于举例和说明的目的，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明并不局限于上述实施例，根据本发明的教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。

Claims (8)

1.一种用于工程改变数据分析的方法，包括在线数据分析、缺陷数据分析、晶圆验收测试数据分析以及良率数据分析，其特征在于，所述方法还包括：

当工程改变等级涉及可靠性时，进行晶圆分类原始数据分析；

所述晶圆分类原始数据分析进一步包括：

从所述晶圆分类原始数据中选择具有代表性的数据；

针对所选择的数据，基于T检验值、平均值变动系数以及方差比来分析比对实验组数据和参照组数据；以及

基于所述分析比对的结果，计算所述实验组数据和所述参照组数据的匹配率，所述匹配率反映所述实验组数据和所述参照组数据的相似度。

2.如权利要求1所述的方法，其特征在于，

所述T检验值定义为所述参照组数据的均值与所述实验组数据的均值的差除以所述实验组数据和所述参照组数据的所有数据的标准差；

所述平均值变动系数定义为所述参照组数据的均值与所述实验组数据的均值的差除以所述参照组数据的均值；以及

所述方差比定义为所述实验组数据与所述参照组数据的标准差之比。

3.如权利要求1所述的方法，其特征在于，所述分析比对进一步包括：

对所述所选择的数据中的每一项进行采样；

针对采样点中的每一点，计算所述T检验值、所述平均值变动系数以及所述方差比；以及

统计所述采样点中差异显著的点数，所述差异显著的点数定义为所述平均值变动系数大于第一阈值并且所述方差比大于第二阈值的点的个数；并且

所述计算所述实验组数据和所述参照组数据的匹配率进一步包括：

基于采样点数与所述差异显著的点数计算所述实验组数据和所述参照组数据的所述匹配率。

4.如权利要求1所述的方法，其特征在于，所述方法进一步包括：基于所计算的匹配率以不同的颜色进行显示，以为工程师提供直观的参考。

5.一种用于工程改变数据分析的系统，包括在线数据分析单元、缺陷数据分析单元、晶圆验收测试数据分析单元以及良率数据分析单元，其特征在于，所述系统还包括：

晶圆分类原始数据分析单元，用于当工程改变等级涉及可靠性时进行晶圆分类原始数据分析；

所述晶圆分类原始数据分析单元进一步包括：

数据选择单元，用于从所述晶圆分类原始数据中选择具有代表性的数据；

分析比对单元，用于针对所述数据选择单元选择的数据，基于T检验值、平均值变动系数以及方差比来分析比对实验组数据和参照组数据；以及

匹配率计算单元，用于基于所述分析比对单元的所述分析比对的结果计算所述实验组数据和所述参照组数据的匹配率，所述匹配率反映所述实验组数据和所述参照组数据的相似度。

6.如权利要求5所述的系统，其特征在于，

所述T检验值定义为所述参照组数据的均值与所述实验组数据的均值的差除以所述实验组数据和所述参照组数据的所有数据的标准差；

所述平均值变动系数定义为所述参照组数据的均值与所述实验组数据的均值的差除以所述参照组数据的均值；以及

所述方差比定义为所述实验组数据与所述参照组数据的标准差之比。

7.如权利要求5所述的系统，其特征在于，所述分析比对单元进一步包括：

采样单元，用于对所述所选择的数据中的每一项进行采样；

计算单元，用于针对采样点中的每一点，计算所述T检验值、所述平均值变动系数以及所述方差比；以及

统计单元，用于统计所述采样点中差异显著的点数，所述差异显著的点数定义为所述平均值变动系数大于第一阈值并且所述方差比大于第二阈值的点的个数；并且

所述匹配率计算单元进一步用于基于采样点数与所述差异显著的点数计算所述实验组数据和所述参照组数据的所述匹配率。

8.如权利要求5所述的系统，其特征在于，所述系统进一步包括显示单元，用于基于所计算的匹配率以不同的颜色进行显示，以为工程师提供直观的参考。