CN106298582B - 制程异常诊断系统及方法 - Google Patents

制程异常诊断系统及方法 Download PDF

Info

Publication number
CN106298582B
CN106298582B CN201510250376.2A CN201510250376A CN106298582B CN 106298582 B CN106298582 B CN 106298582B CN 201510250376 A CN201510250376 A CN 201510250376A CN 106298582 B CN106298582 B CN 106298582B
Authority
CN
China
Prior art keywords
processing procedure
abnormal
present lot
wat
suspicion
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
Application number
CN201510250376.2A
Other languages
English (en)
Other versions
CN106298582A (zh
Inventor
张明华
冯其志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Semiconductor Manufacturing International Shanghai Corp
Original Assignee
Semiconductor Manufacturing International Shanghai Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Semiconductor Manufacturing International Shanghai Corp filed Critical Semiconductor Manufacturing International Shanghai Corp
Priority to CN201510250376.2A priority Critical patent/CN106298582B/zh
Publication of CN106298582A publication Critical patent/CN106298582A/zh
Application granted granted Critical
Publication of CN106298582B publication Critical patent/CN106298582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明揭示了一种制程异常诊断系统，包括：对应关系生成模块，根据历史批次的后段测试异常数据和历史批次的制程异常步骤的对应关系，生成至少一对应关系表；测试结果分析模块，包括一对应关系查询单元，所述对应关系查询单元根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤；制程分析模块，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息；以及异常步骤确认模块，根据所述信息，确认所述当前批次在制程中异常的步骤。本发明的还公开了制程异常诊断方法。本发明提供的制程异常诊断系统及方法能够根据当前批次的后段测试异常数据，快速、准确地诊断出当前批次在制程中异常的步骤。

Description

制程异常诊断系统及方法
技术领域
本发明涉及半导体制造技术领域，特别是涉及一种制程异常诊断系统及方法。
背景技术
半导体晶圆(Wafer)在完成所有制程工艺后，针对晶圆上的各种测试结构所进行的电性测试称为WAT(Wafer Acceptance Test，电性合格测试)。通过对WAT数据的分析，我们可以发现半导体晶圆在制程工艺中的问题，帮助制程工艺进行调整。所以，在晶圆制造完成出Fab(半导体制造工厂)前，需要对晶圆进行WAT测试，以8寸晶圆为例，一般每片晶圆测试5个点，如果有一点的测试值超出规定的范围，则认为该site(点)失效。
当前针对WAT测试的不同参数特性，已经有多种不同方式的管控。可以发现异常的参数并在WAT step(站点)自动Hold lot(扣留批)，工程师需要手动的从过去海量的生产数据中，寻找可能造成问题的制程、机台、人员。然而，工程师需要频繁切换系统及重复选择数据，需要花费很多的时间和精力。如果类似问题发生的时间比较久，由于人事变动等原因，处理过类似问题的工程师可能已经不在Fab，那么之前的经验可能会遗失，从而进一步延长确定问题的时间。
发明内容
本发明的目的在于，提供一种制程异常诊断系统及方法，能够根据当前批次的后段测试异常数据，快速、准确地诊断出当前批次在制程中异常的步骤。
为解决上述技术问题，本发明提供一种制程异常诊断系统，根据当前批次的后段测试异常数据诊断出当前批次在制程中异常的步骤，所述制程异常诊断系统包括：
对应关系生成模块，根据历史批次的后段测试异常数据和历史批次的制程异常步骤的对应关系，生成至少一对应关系表；
测试结果分析模块，测试结果分析模块包括一对应关系查询单元，所述对应关系查询单元根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤；
制程分析模块，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息；以及
异常步骤确认模块，根据所述信息，确认所述当前批次在制程中异常的步骤。
进一步的，在所述制程异常诊断系统中，所述对应关系表包括制程异常步骤的权重，所述制程异常诊断系统还包括一自动学习模块，所述自动学习模块根据确认的异常的步骤，更新所述对应关系表中制程异常步骤的权重。
进一步的，在所述制程异常诊断系统中，所述自动学习模块自动更新所述对应关系表中制程异常步骤的权重，或所述自动学习模块根据用户的请求更新所述对应关系表中制程异常步骤的权重。
进一步的，在所述制程异常诊断系统中，所述制程异常诊断系统还包括一共享模块，所述共享模块根据用户的请求，将多个不同属性的历史批次共享同一所述对应关系表。
进一步的，在所述制程异常诊断系统中，所述属性包括产品或技术。
进一步的，在所述制程异常诊断系统中，所述共享模块还检索与所述当前批次共享同一所述对应关系表的历史批次，并检索对应的所述历史批次的后段测试异常数据的诊断结果，并将检索结果进行显示。
进一步的，在所述制程异常诊断系统中，所述对应关系查询单元采用模糊理论进行查询。
进一步的，在所述制程异常诊断系统中，所述后段测试异常数据为WAT测试异常数据，所述测试结果分析模块还包括：
WAT参数图形检查单元，检查当前批次的WAT参数异常点在晶圆上的图形是否满足特定图形，如满足所述特定图形，则控制显示所述WAT参数异常点在晶圆上的图形；
WAT测试问题检查单元，检查当前批次的WAT参数异常点在所有晶圆上的位置是否相同，如相同，则控制显示所述WAT参数异常点在所有晶圆上的位置；
异常严重程度计算单元，所述异常严重程度计算单元根据一计算公式计算当前批次的WAT测试结果的异常严重程度，所述计算公式为：
Diff＝(Fmean-Gmean)/Gstd
其中，Diff为WAT参数的异常严重程度，Fmean为异常晶圆中WAT参数的平均值，Gmean为正常晶圆中WAT参数的平均值，Gstd为正常晶圆中WAT参数的标准差。
进一步的，在所述制程异常诊断系统中，所述制程分析模块包括：
批次说明查询单元，查询所述当前批次的嫌疑制程步骤在存储数据库中的是否存在批次说明，如存在所述批次说明，则控制显示所述批次说明；
运作卡及失效控制措施查询单元，查询所述当前批次的嫌疑制程步骤在存储数据库中的是否存在运作卡或失效控制措施，如存在运作卡或失效控制措施，则控制显示所述运作卡或失效控制措施；
测量值查询单元，查询所述当前批次的嫌疑制程步骤在存储数据库中的测量值是否存在异常，如存在异常，则控制显示所述测量值的异常情况。
进一步的，在所述制程异常诊断系统中，所述制程分析模块还包括：
机台共性检查单元，所述机台共性检查单元查询所述当前批次在嫌疑制程步骤所经过的机台上，在所述当前批次前面跑的若干批次的测量值和后段测试数据；或所述机台共性检查单元查询所述嫌疑制程步骤中所经过的机台上，某一特定时间段内的若干批次的测量值和后段测试数据；
机台定期维护检查单元，查询所述嫌疑制程步骤中所经过的机台上，在跑所述当前批次之前，所述机台是否做过定期维护，如所述机台做过定期维护，则查询定期维护前和定期维护后跑过的若干批次的测量值和后段测试数据，并计算后段测试结果的异常严重程度。
进一步的，在所述制程异常诊断系统中，所述对应关系生成模块还根据用户定义的后段测试异常数据和制程异常步骤的对应关系，更新所述对应关系表。
进一步的，在所述制程异常诊断系统中，所述存储数据库为MES系统的数据库。
根据本发明的另一面，还提供一种制程异常诊断方法，包括：
根据历史批次的后段测试异常数据和历史批次的制程异常步骤的对应关系，生成至少一对应关系表；
进行后段测试结果分析，包括根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤；
查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息；以及
根据所述信息，确认所述当前批次在制程中异常的步骤。
进一步的，在所述制程异常诊断方法中，所述对应关系表包括制程异常步骤的权重，所述制程异常诊断方法还包括：根据确认的异常的步骤，更新所述对应关系表中制程异常步骤的权重。
进一步的，在所述制程异常诊断方法中，自动更新所述对应关系表中制程异常步骤的权重，或根据用户的请求更新所述对应关系表中制程异常步骤的权重。
进一步的，在所述制程异常诊断方法中，所述制程异常诊断方法还包括：根据用户的请求，将多个不同属性的历史批次共享同一所述对应关系表。
进一步的，在所述制程异常诊断方法中，所述属性包括产品或技术。
进一步的，在所述制程异常诊断方法中，所述制程异常诊断方法还包括：检索与所述当前批次共享同一所述对应关系表的历史批次，并检索对应的所述历史批次的后段测试异常数据的诊断结果，并将检索结果进行显示。
进一步的，在所述制程异常诊断方法中，采用模糊理论找到所述当前批次的嫌疑制程异常步骤。
进一步的，在所述制程异常诊断方法中，所述后段测试异常数据为WAT测试异常数据，所述制程异常诊断方法还包括：
检查当前批次的WAT参数异常点在晶圆上的图形是否满足特定图形，如满足所述特定图形，则控制显示所述WAT参数异常点在晶圆上的图形；
检查当前批次的WAT参数异常点在所有晶圆上的位置是否相同，如相同，则控制显示所述WAT参数异常点在所有晶圆上的位置；
根据一计算公式计算当前批次的WAT测试结果的异常严重程度，所述计算公式为：
Diff＝(Fmean-Gmean)/Gstd
其中，Diff为WAT参数的异常严重程度，Fmean为异常晶圆中WAT参数的平均值，Gmean为正常晶圆中WAT参数的平均值，Gstd为正常晶圆中WAT参数的标准差。
进一步的，在所述制程异常诊断方法中，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息的步骤包括：
查询所述当前批次的嫌疑制程步骤在存储数据库中的是否存在批次说明，如存在所述批次说明，则控制显示所述批次说明；
查询所述当前批次的嫌疑制程步骤在存储数据库中的是否存在运作卡或失效控制措施，如存在运作卡或失效控制措施，则控制显示所述运作卡或失效控制措施；
查询所述当前批次的嫌疑制程步骤在存储数据库中的测量值是否存在异常，如存在异常，则控制显示所述测量值的异常情况。
进一步的，在所述制程异常诊断方法中，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息的步骤还包括：
查询所述当前批次在嫌疑制程步骤所经过的机台上，在所述当前批次前面跑的若干批次的测量值和后段测试数据；或所述机台共性检查单元查询所述嫌疑制程步骤中所经过的机台上，某一特定时间段内的若干批次的测量值和后段测试数据；
查询所述嫌疑制程步骤中所经过的机台上，在跑所述当前批次之前，所述机台是否做过定期维护，如所述机台做过定期维护，则查询定期维护前和定期维护后跑过的若干批次的测量值和后段测试数据，并计算后段测试结果的异常严重程度。
进一步的，在所述制程异常诊断方法中，所述制程异常诊断方法还包括：根据用户定义的后段测试异常数据和制程异常步骤的对应关系，更新所述对应关系表。
进一步的，在所述制程异常诊断方法中，所述存储数据库为MES系统的数据库。
与现有技术相比，本发明提供的制程异常诊断系统及方法具有以下优点：
在本发明提供的制程异常诊断系统及方法中，根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤，避免手动地逐一排查所述当前批次在制程(process)中的步骤(step)，可以快速、准确地定位所述当前批次的嫌疑制程异常步骤；并且可以查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息，根据所述信息，确认所述当前批次在制程中异常的步骤，从而确定多个所述嫌疑制程异常步骤之间的权重，提高定位问题步骤的效率以及准确度；此外，当后段测试数据出现问题时，利于缩短新进工程师对可能出现问题的制程步骤的定位时间。
附图说明
图1为本发明一实施例中制程异常诊断系统的示意图；
图2为本发明一实施例中制程异常诊断方法的流程图。
具体实施方式
下面将结合示意图对本发明的制程异常诊断系统及方法进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明，而仍然实现本发明的有利效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。
为了清楚，不描述实际实施例的全部特征。在下列描述中，不详细描述公知的功能和结构，因为它们会使本发明由于不必要的细节而混乱。应当认为在任何实际实施例的开发中，必须做出大量实施细节以实现开发者的特定目标，例如按照有关系统或有关商业的限制，由一个实施例改变为另一个实施例。另外，应当认为这种开发工作可能是复杂和耗费时间的，但是对于本领域技术人员来说仅仅是常规工作。
在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。
本发明的核心思想在于，提供一种制程异常诊断系统，如图1所示，包括：对应关系生成模块110，根据历史批次的后段测试异常数据和历史批次的制程异常步骤的对应关系，生成至少一对应关系表；测试结果分析模块120，测试结果分析模块包括一对应关系查询单元，所述对应关系查询单元根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤；制程分析模块130，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息；以及异常步骤确认模块140，根据所述信息，确认所述当前批次在制程中异常的步骤。
根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤，避免手动地逐一排查所述当前批次在制程(process)中的步骤(step)，可以快速、准确地定位所述当前批次的嫌疑制程异常步骤；并且可以查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息，根据所述信息，确认所述当前批次在制程中异常的步骤，从而确定多个所述嫌疑制程异常步骤之间的权重，提高定位问题步骤的效率以及准确度；此外，当后段测试数据出现问题时，利于缩短新进工程师对可能出现问题的制程步骤的定位时间。
进一步，结合上述制程异常诊断系统，本发明还提供了一种制程异常诊断方法，如图2所示，包括：
步骤S1，根据历史批次的后段测试异常数据和历史批次的制程异常步骤的对应关系，生成至少一对应关系表；
步骤S2，进行后段测试结果分析，包括根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤；
步骤S3，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息；以及
步骤S4，根据所述信息，确认所述当前批次在制程中异常的步骤。
以下结合具体的实施例说明本发明的制程异常诊断系统及方法，其中，所述制程异常诊断系统及方法根据当前批次的后段测试异常数据诊断出当前批次在制程中异常的步骤，在本实施例中，以后段测试为WAT测试、后段测试异常数据为WAT测试异常数据为例进行具体说明。如图1所示，所述数据备份系统包括对应关系生成模块110、测试结果分析模块120、制程分析模块130以及异常步骤确认模块140。
当所述制程异常诊断系统进行诊断时，首先进行步骤S1，所述对应关系生成模块110根据历史批次(lot)的后段测试异常数据和历史批次的制程异常步骤的对应关系，生成至少一对应关系表。具体的，所述对应关系生成模块110会根据历史数据已存在的Pass Lot(测试结果正常的批次，在本实施例中为WAT结果正常的批次)的测试数据(在本实施例中为WAT数据)与Failure lot(测试结果异常的批次，在本实施例中为WAT结果异常的批次)的测试数据、制程异常步骤(即制程中出现问题的步骤)进行比较，找到WAT数据的哪些参数异常对应哪些制程步骤的异常，并建立所述对应关系表。例如，在历史批次中，有一Failure lot的N型重掺杂步骤出现异常，最终使得WAT数据中RSN+高，则所述对应关系表中建立N型重掺杂步骤异常和RSN+高的对应关系。其中，RSN+为WAT中的一个参数，此为本领域的公知常识，在此不作赘述。
较佳的，所述对应关系表包括制程异常步骤的权重，即当一个后段测试异常数据对应多个历史批次的制程异常步骤时，对多个历史批次的制程异常步骤的相关性进行排序。例如，RSN+高分别与N型重掺杂步骤异常和多晶硅沉积步骤异常均具有对应关系时，则对N型重掺杂步骤异常和多晶硅沉积步骤异常的相关性顺序进行排序，如果N型重掺杂步骤异常的权重为1，多晶硅沉积步骤异常的权重为2，当RSN+高时，首先考虑N型重掺杂步骤是否异常，再考虑多晶硅沉积步骤是否异常。
由于根据历史批次的数据建立所述对应关系表的过程依赖于历史数据，当历史数据不足时，所述对应关系表的对应关系并不完善。为了提高对应关系的精准度，在本实施例中，所述对应关系生成模块110还根据用户定义的后段测试异常数据和制程异常步骤的对应关系，更新所述对应关系表。例如，用户明确知道当RSN+高时，多晶硅沉积步骤异常的高于N型重掺杂步骤异常的权重，则用户可以自定义多晶硅沉积步骤异常的权重为1，N型重掺杂步骤异常的权重为2。
然后进行步骤S2，进行后段测试结果分析，如图1所示，所述测试结果分析模块120包括一对应关系查询单元121，为了提高诊断的准确度，所述测试结果分析模块还包括WAT参数图形检查单元122、WAT测试问题检查单元123、异常严重程度计算单元124，所述步骤S2包括子步骤S21～子步骤S24：
子步骤S21，所述WAT参数图形检查单元122检查当前批次的WAT参数异常点在晶圆(wafer)上的图形(pattern)是否满足特定图形，如满足所述特定图形，则控制显示所述WAT参数异常点在晶圆上的图形，有利于辅助用户诊断出真正的制程异常步骤(root cause)；
子步骤S22，所述WAT测试问题检查单元123检查当前批次的WAT参数异常点在所有晶圆上的位置(site)是否相同，如相同(即所有的wafer在同一个site fail)，则控制显示所述WAT参数异常点在所有晶圆上的位置，有利于辅助用户诊断出真正的制程异常步骤(root cause)；
子步骤S23，所述对应关系查询单元121根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤。例如，当前批次的RSN+高，则所述对应关系查询单元121查询所述对应关系表，根据对应关系，找到所述当前批次的嫌疑制程异常步骤为多晶硅沉积步骤或N型重掺杂步骤。
较佳的所述对应关系查询单元121采用模糊理论进行查询，以提高查询的可靠性。模糊逻辑就是一种能够在容许定义的二值之间的模糊地带，有选择地正确执行某一指令的技术，又称模糊技术，模糊逻辑可以有效的解决边界值的问题。即加入点接近OOC(out ofcontrol)，但是未OOC，那么根据模糊逻辑，可以有效的判断加入点异常。例如当一参数的target(目标值)为0，UCL(Upper Control limit，制程控制上限)为20，USL(Upperspecification limit，规格上限)为30，如果参数的实际测量值为29，此时实际测量值没有超过USL，但如果设定比重为0.8，则认为29这个测量值已经超过USL。
子步骤S24，所述异常严重程度计算单元124根据一计算公式计算当前批次的WAT测试结果的异常严重程度，并控制显示所述异常严重程度，有利于辅助用户诊断出真正的制程异常步骤(root cause)。当WAT参数的异常点数大于等于2时，所述计算公式为：
Diff＝(Fmean-Gmean)/Gstd
其中，Diff为WAT参数的异常严重程度，Fmean为异常晶圆中WAT参数的平均值，Gmean为正常晶圆中WAT参数的平均值，Gstd为正常晶圆中WAT参数的标准差。
之后，进行步骤S3，所述制程分析模块130查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息，在本实施例中，所述存储数据库为MES(制造执行系统)的数据库。较佳的，所述制程分析模块130包括批次说明查询单元131、运作卡及失效控制措施查询单元132、测量值查询单元133、机台共性检查单元134、机台定期维护检查单元135，所述步骤S3包括子步骤S31～子步骤S35：
子步骤S31，所述批次说明查询单元131查询所述当前批次的嫌疑制程步骤在存储数据库中的是否存在批次说明(Lot Comment)，如存在所述批次说明，则控制显示所述批次说明；
子步骤S32，所述运作卡及失效控制措施查询单元132查询所述当前批次的嫌疑制程步骤在存储数据库中的是否存在运作卡(RunCard)或失效控制措施(OCAP)，如存在运作卡或失效控制措施，则控制显示所述运作卡或失效控制措施；
子步骤S33，所述测量值查询单元133查询所述当前批次的嫌疑制程步骤在存储数据库中的测量值是否存在异常，如存在异常，则控制显示所述测量值的异常情况。其中，所述测量值包括inline data和offline data，所述inline data和offline data为本领域的公知常识，例如线宽、膜厚、光学测试等数据。
子步骤S34，所述机台共性检查单元134查询所述当前批次在嫌疑制程步骤所经过的机台上，在所述当前批次前面跑(run)的若干批次的测量值和后段测试数据；或所述机台共性检查单元查询所述嫌疑制程步骤中所经过的机台上，某一特定时间段内的若干批次的测量值和后段测试数据。具体的，当所述嫌疑制程步骤为N型重掺杂步骤，则所述机台共性检查单元134查询到当前批次在进行N型重掺杂步骤时，在一离子注入机台进行离子注入，所述机台共性检查单元134查询该离子注入机台在跑所述当前批次之前，还跑过哪些批次，并查询这些批次的测量值和WAT测试数据，有利于辅助用户诊断出真正的制程异常步骤(root cause)；或者，当所述嫌疑制程步骤为N型重掺杂步骤，则所述机台共性检查单元134查询到当前批次在进行N型重掺杂步骤时，在一离子注入机台进行离子注入，所述机台共性检查单元134查询该离子注入机台某一特定时间段内跑过哪些批次，并查询这些批次的测量值和WAT测试数据，亦有利于辅助用户诊断出真正的制程异常步骤(root cause)。
子步骤S35，所述机台定期维护检查单元135查询所述嫌疑制程步骤中所经过的机台上，在跑所述当前批次之前，所述机台是否做过定期维护(PM)，如所述机台做过定期维护，则查询定期维护前和定期维护后跑过的若干批次的测量值和后段测试数据，并计算后段测试结果的异常严重程度。具体的，当所述嫌疑制程步骤为N型重掺杂步骤，则所述机台定期维护检查单元135查询到当前批次在进行N型重掺杂步骤时，在一离子注入机台进行离子注入，所述机台共性检查单元134查询该离子注入机台在跑所述当前批次之前，进行过PM，则查询该离子注入机台在PM前后，分别跑过哪些批次，并查询这些批次的测量值和WAT测试数据；并根据这些批次中failed wafer和good wafer，计算WAT测试结果的异常严重程度，有利于辅助用户诊断出真正的制程异常步骤(root cause)。
在本实施例中，所述信息包括批次说明、运作卡、失效控制措施、测量值以及所述当前批次在嫌疑制程步骤所经过的机台的相关信息。
之后进行步骤S4，根据所述信息，确认所述当前批次在制程中异常的步骤，找到root cause。在本实施例中，所述异常步骤确认模块140根据所述信息以及用户的确认，确认所述当前批次在制程中异常的步骤，具体的，所述异常步骤确认模块140可以提供确认按钮，由用户按下所述确认按钮，从而确认哪个嫌疑制程步骤为所述当前批次在制程中异常的步骤。
较佳的，所述制程异常诊断系统还包括一自动学习模块150，所述制程异常诊断方法还包括步骤S5：所述自动学习模块150根据确认的异常的步骤，更新所述对应关系表中制程异常步骤的权重。其中，所述自动学习模块150可以自动更新所述对应关系表中制程异常步骤的权重，或所述自动学习模块150根据用户的请求更新所述对应关系表中制程异常步骤的权重。例如，当前批次的RSN+高，且经过诊断，N型重掺杂步骤为异常的步骤，则将所述对应关系表中RSN+高对应的N型重掺杂步骤的权重更新为1，从而当以后的批次出现类似的问题时，提高诊断的准确性。
在本实施例中，所述制程异常诊断系统还包括一共享模块160，所述共享模块160根据用户的请求，将多个不同属性的历史批次共享同一所述对应关系表，其中，所述属性包括产品(product)或技术(Tech)，例如，当所述属性为产品(product)时，不同产品(例如低压互补金属氧化物半导体和高压互补金属氧化物半导体)的批次，共享同一所述对应关系表。当诊断完低压互补金属氧化物半导体后更改所述对应关系表的权重，则再诊断高压互补金属氧化物半导体时，采用更改后的权重。
此外，所述共享模块160还检索与所述当前批次共享同一所述对应关系表的历史批次，并检索对应的所述历史批次的后段测试异常数据的诊断结果(制程异常步骤)，并将检索结果进行显示，有利于辅助用户诊断出真正的制程异常步骤(root cause)。
在本实施例中，后段测试为WAT测试，后段测试异常数据为WAT测试异常数据，在本发明的其它实施例中，后段测试还可以为QC(产品质量)测试或CP(chip probe)测试等等，后段测试异常数据为QC测试异常数据或CP测试异常数据等等，亦可以采用本系统及方法进行诊断，根据本发明的上述描述，此为本领域的普通技术人员可以理解的，在此不再赘述。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (24)

1.一种制程异常诊断系统，根据当前批次的后段测试异常数据诊断出当前批次在制程中异常的步骤，其特征在于，所述制程异常诊断系统包括：
对应关系生成模块，根据历史批次的后段测试异常数据和历史批次的制程异常步骤的对应关系，生成至少一对应关系表；
测试结果分析模块，测试结果分析模块包括一对应关系查询单元，所述对应关系查询单元根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤；
制程分析模块，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息；以及
异常步骤确认模块，根据所述信息，确认所述当前批次在制程中异常的步骤。
2.如权利要求1所述的制程异常诊断系统，其特征在于，所述对应关系表包括制程异常步骤的权重，所述制程异常诊断系统还包括一自动学习模块，所述自动学习模块根据确认的异常的步骤，更新所述对应关系表中制程异常步骤的权重。
3.如权利要求2所述的制程异常诊断系统，其特征在于，所述自动学习模块自动更新所述对应关系表中制程异常步骤的权重，或所述自动学习模块根据用户的请求更新所述对应关系表中制程异常步骤的权重。
4.如权利要求1至3中任意一项所述的制程异常诊断系统，其特征在于，所述制程异常诊断系统还包括一共享模块，所述共享模块根据用户的请求，将多个不同属性的历史批次共享同一所述对应关系表。
5.如权利要求4所述的制程异常诊断系统，其特征在于，所述属性包括产品。
6.如权利要求4所述的制程异常诊断系统，其特征在于，所述共享模块还检索与所述当前批次共享同一所述对应关系表的历史批次，并检索对应的所述历史批次的后段测试异常数据的诊断结果，并将检索结果进行显示。
7.如权利要求1所述的制程异常诊断系统，其特征在于，所述对应关系查询单元采用模糊理论进行查询。
8.如权利要求1所述的制程异常诊断系统，其特征在于，所述后段测试异常数据为WAT测试异常数据，所述测试结果分析模块还包括：
WAT参数图形检查单元，检查当前批次的WAT参数异常点在晶圆上的图形是否满足特定图形，如满足所述特定图形，则控制显示所述WAT参数异常点在晶圆上的图形；
WAT测试问题检查单元，检查当前批次的WAT参数异常点在所有晶圆上的位置是否相同，如相同，则控制显示所述WAT参数异常点在所有晶圆上的位置；
异常严重程度计算单元，所述异常严重程度计算单元根据一计算公式计算当前批次的WAT测试结果的异常严重程度，所述计算公式为：
Diff＝(Fmean-Gmean)/Gstd
其中，Diff为WAT参数的异常严重程度，Fmean为异常晶圆中WAT参数的平均值，Gmean为正常晶圆中WAT参数的平均值，Gstd为正常晶圆中WAT参数的标准差。
9.如权利要求1所述的制程异常诊断系统，其特征在于，所述制程分析模块包括：
批次说明查询单元，查询所述当前批次的嫌疑制程步骤在存储数据库中是否存在批次说明，如存在所述批次说明，则控制显示所述批次说明；
运作卡及失效控制措施查询单元，查询所述当前批次的嫌疑制程步骤在存储数据库中是否存在运作卡或失效控制措施，如存在运作卡或失效控制措施，则控制显示所述运作卡或失效控制措施；
测量值查询单元，查询所述当前批次的嫌疑制程步骤在存储数据库中的测量值是否存在异常，如存在异常，则控制显示所述测量值的异常情况。
10.如权利要求9所述的制程异常诊断系统，其特征在于，所述制程分析模块还包括：
机台共性检查单元，所述机台共性检查单元查询所述当前批次在嫌疑制程步骤所经过的机台，在所述当前批次前面跑的若干批次的测量值和后段测试数据；或所述机台共性检查单元查询所述嫌疑制程步骤中所经过的机台，某一特定时间段内的若干批次的测量值和后段测试数据；
机台定期维护检查单元，查询所述嫌疑制程步骤中所经过的机台，在跑所述当前批次之前，所述机台是否做过定期维护，如所述机台做过定期维护，则查询定期维护前和定期维护后跑过的若干批次的测量值和后段测试数据，并计算后段测试结果的异常严重程度。
11.如权利要求1所述的制程异常诊断系统，其特征在于，所述对应关系生成模块还根据用户定义的后段测试异常数据和制程异常步骤的对应关系，更新所述对应关系表。
12.如权利要求1所述的制程异常诊断系统，其特征在于，所述存储数据库为MES系统的数据库。
13.一种制程异常诊断方法，其特征在于，包括：
根据历史批次的后段测试异常数据和历史批次的制程异常步骤的对应关系，生成至少一对应关系表；
进行后段测试结果分析，包括根据当前批次的后段测试异常数据，查询所述对应关系表，找到所述当前批次的嫌疑制程异常步骤；
查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息；以及
根据所述信息，确认所述当前批次在制程中异常的步骤。
14.如权利要求13所述的制程异常诊断方法，其特征在于，所述对应关系表包括制程异常步骤的权重，所述制程异常诊断方法还包括：根据确认的异常的步骤，更新所述对应关系表中制程异常步骤的权重。
15.如权利要求14所述的制程异常诊断方法，其特征在于，自动更新所述对应关系表中制程异常步骤的权重，或根据用户的请求更新所述对应关系表中制程异常步骤的权重。
16.如权利要求13至15中任意一项所述的制程异常诊断方法，其特征在于，所述制程异常诊断方法还包括：根据用户的请求，将多个不同属性的历史批次共享同一所述对应关系表。
17.如权利要求16所述的制程异常诊断方法，其特征在于，所述属性包括产品。
18.如权利要求16所述的制程异常诊断方法，其特征在于，所述制程异常诊断方法还包括：检索与所述当前批次共享同一所述对应关系表的历史批次，并检索对应的所述历史批次的后段测试异常数据的诊断结果，并将检索结果进行显示。
19.如权利要求13所述的制程异常诊断方法，其特征在于，采用模糊理论找到所述当前批次的嫌疑制程异常步骤。
20.如权利要求13所述的制程异常诊断方法，其特征在于，所述后段测试异常数据为WAT测试异常数据，所述制程异常诊断方法还包括：
检查当前批次的WAT参数异常点在晶圆上的图形是否满足特定图形，如满足所述特定图形，则控制显示所述WAT参数异常点在晶圆上的图形；
检查当前批次的WAT参数异常点在所有晶圆上的位置是否相同，如相同，则控制显示所述WAT参数异常点在所有晶圆上的位置；
根据一计算公式计算当前批次的WAT测试结果的异常严重程度，所述计算公式为：
Diff＝(Fmean-Gmean)/Gstd
其中，Diff为WAT参数的异常严重程度，Fmean为异常晶圆中WAT参数的平均值，Gmean为正常晶圆中WAT参数的平均值，Gstd为正常晶圆中WAT参数的标准差。
21.如权利要求13所述的制程异常诊断方法，其特征在于，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息的步骤包括：
查询所述当前批次的嫌疑制程步骤在存储数据库中是否存在批次说明，如存在所述批次说明，则控制显示所述批次说明；
查询所述当前批次的嫌疑制程步骤在存储数据库中是否存在运作卡或失效控制措施，如存在运作卡或失效控制措施，则控制显示所述运作卡或失效控制措施；
查询所述当前批次的嫌疑制程步骤在存储数据库中的测量值是否存在异常，如存在异常，则控制显示所述测量值的异常情况。
22.如权利要求21所述的制程异常诊断方法，其特征在于，查询所述当前批次的嫌疑制程异常步骤在存储数据库中的信息的步骤还包括：
查询所述当前批次在嫌疑制程步骤所经过的机台，在所述当前批次前面跑的若干批次的测量值和后段测试数据；或所述机台共性检查单元查询所述嫌疑制程步骤中所经过的机台，某一特定时间段内的若干批次的测量值和后段测试数据；
查询所述嫌疑制程步骤中所经过的机台，在跑所述当前批次之前，所述机台是否做过定期维护，如所述机台做过定期维护，则查询定期维护前和定期维护后跑过的若干批次的测量值和后段测试数据，并计算后段测试结果的异常严重程度。
23.如权利要求13所述的制程异常诊断方法，其特征在于，所述制程异常诊断方法还包括：根据用户定义的后段测试异常数据和制程异常步骤的对应关系，更新所述对应关系表。
24.如权利要求13所述的制程异常诊断方法，其特征在于，所述存储数据库为MES系统的数据库。
CN201510250376.2A 2015-05-15 2015-05-15 制程异常诊断系统及方法 Active CN106298582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510250376.2A CN106298582B (zh) 2015-05-15 2015-05-15 制程异常诊断系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510250376.2A CN106298582B (zh) 2015-05-15 2015-05-15 制程异常诊断系统及方法

Publications (2)

Publication Number Publication Date
CN106298582A CN106298582A (zh) 2017-01-04
CN106298582B true CN106298582B (zh) 2019-04-19

Family

ID=57631273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510250376.2A Active CN106298582B (zh) 2015-05-15 2015-05-15 制程异常诊断系统及方法

Country Status (1)

Country Link
CN (1) CN106298582B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111125166A (zh) * 2018-10-31 2020-05-08 长鑫存储技术有限公司 线上产品信息获取方法及装置
CN112232012B (zh) * 2019-06-27 2022-04-26 长鑫存储技术有限公司 半导体制程分析系统以及分析方法、计算机可读存储介质
CN112801497B (zh) * 2021-01-26 2024-04-30 上海华力微电子有限公司 一种异常检测方法及装置
CN113053786B (zh) * 2021-03-04 2023-04-07 长鑫存储技术有限公司 半导体制程中失控行为的处理方法及处理装置
US12062558B2 (en) 2021-03-04 2024-08-13 Changxin Memory Technologies, Inc. Treatment method and treatment device for OOC action during semiconductor production process
CN113448787B (zh) * 2021-06-29 2022-09-09 海光信息技术股份有限公司 晶圆异常分析的方法、装置、电子设备及可读存储介质
CN114256105A (zh) * 2021-12-01 2022-03-29 长江存储科技有限责任公司 半导体工艺异常的检测方法、装置与系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1518057A (zh) * 2003-01-13 2004-08-04 力晶半导体股份有限公司 半导体加工机床检测的自动化管理系统及方法
US7206721B1 (en) * 2005-12-12 2007-04-17 Taiwan Semiconductor Manufacturing Co., Ltd. Methods and systems of offline measurement for process tool monitoring
CN103885423A (zh) * 2014-03-27 2014-06-25 上海华力微电子有限公司 一种晶圆级电性测试统计过程控制系统及方法
CN104078381A (zh) * 2013-03-26 2014-10-01 中芯国际集成电路制造(上海)有限公司 一种量测机台监测图规格界限设定的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005121639A (ja) * 2003-09-22 2005-05-12 Omron Corp 検査方法および検査装置ならびに設備診断装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1518057A (zh) * 2003-01-13 2004-08-04 力晶半导体股份有限公司 半导体加工机床检测的自动化管理系统及方法
US7206721B1 (en) * 2005-12-12 2007-04-17 Taiwan Semiconductor Manufacturing Co., Ltd. Methods and systems of offline measurement for process tool monitoring
CN104078381A (zh) * 2013-03-26 2014-10-01 中芯国际集成电路制造(上海)有限公司 一种量测机台监测图规格界限设定的方法
CN103885423A (zh) * 2014-03-27 2014-06-25 上海华力微电子有限公司 一种晶圆级电性测试统计过程控制系统及方法

Also Published As

Publication number Publication date
CN106298582A (zh) 2017-01-04

Similar Documents

Publication Publication Date Title
CN106298582B (zh) 制程异常诊断系统及方法
US10409272B2 (en) Method and apparatus to automatically create virtual sensors with templates
TWI649650B (zh) 模型化系統或執行諸如微影系統之系統之預測維修的方法及相關聯微影系統
TWI412906B (zh) 具有虛擬量測功能的製造執行系統與製造系統
US6368884B1 (en) Die-based in-fab process monitoring and analysis system for semiconductor processing
CN105223914B (zh) 管控机台生产数据的系统及其方法
TW200307972A (en) Correlation of end-of-line data mining with process tool data mining
US6836691B1 (en) Method and apparatus for filtering metrology data based on collection purpose
KR20020019022A (ko) 반도체 처리 기술
KR20070117579A (ko) 런투런 제어기를 이용한 결함 검출 및 분류 방법과 시스템
KR20060026072A (ko) 데이터 분석 방법 및 장치
CN104335056A (zh) 测试器和材料处理设备之间用于分开和控制测试单元操作中多个实体的不同请求的插入器
CN104583789A (zh) 测试单元控制器的决策和执行树的创建和调度
US20140135968A1 (en) Method of maintaining a semiconductor production line
KR20060114324A (ko) 이온 주입 프로세스들에 대한 오류 검출 및 제어 방법, 및이를 수행하는 시스템
CN104364664A (zh) 用于创建、定义和执行spc规则决策树的算法和结构
CN107004618B (zh) 测量数据对制造工具位置和处理批次或时间的映射
WO2020175084A1 (ja) 運営評価装置、運営評価方法、およびプログラム
Susto et al. An information-theory and virtual metrology-based approach to run-to-run semiconductor manufacturing control
US6821792B1 (en) Method and apparatus for determining a sampling plan based on process and equipment state information
CN107679163B (zh) 一种单步工序制造因素显著差异分析系统和分析方法
WO2009016090A1 (en) A method and relative device for the management of technological recipe information to aid in defining process flows, in particular for the development and production of micro- and nanotechnology devices in cleanroom laboratories
WO2023181111A1 (ja) 情報処理装置、情報処理方法、情報処理システム及びコンピュータプログラム
CN115689126A (zh) 数据处理方法、装置、设备及介质
EP3048613B1 (en) Method for analysis of plant disturbance propagations

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant