CN106326192A - 晶圆制造铸锭品质评估方法 - Google Patents

晶圆制造铸锭品质评估方法 Download PDF

Info

Publication number
CN106326192A
CN106326192A CN201610766184.1A CN201610766184A CN106326192A CN 106326192 A CN106326192 A CN 106326192A CN 201610766184 A CN201610766184 A CN 201610766184A CN 106326192 A CN106326192 A CN 106326192A
Authority
CN
China
Prior art keywords
wafer
ingot casting
white pixel
evaluation
quality
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.)
Pending
Application number
CN201610766184.1A
Other languages
English (en)
Inventor
柯顺魁
张光超
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.)
Shanghai Huali Microelectronics Corp
Original Assignee
Shanghai Huali Microelectronics 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 Shanghai Huali Microelectronics Corp filed Critical Shanghai Huali Microelectronics Corp
Priority to CN201610766184.1A priority Critical patent/CN106326192A/zh
Publication of CN106326192A publication Critical patent/CN106326192A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明提供了一种晶圆制造铸锭品质评估方法，包括：将各类晶圆原材料的铸锭识别号、以及晶圆成品良率参数白色像素数值，导入数据库中进行集中存储；根据不同产品类型，计算对应的晶圆成品良率白色像素参数的平均值，而且计算或者设置评估标准阈值范围；将晶圆成品良率白色像素参数的平均值以及评估标准阈值范围，导入数据库中进行集中存储；在实际的分析过程中，根据实际分析的产品类型，从数据库获取与该批产品类型对应的晶圆成品良率白色像素参数的平均值，并且从数据库获取评估标准阈值范围，从而得到所需的铸锭评估分析结果。

Description

晶圆制造铸锭品质评估方法
技术领域
本发明涉及半导体制造领域以及测试领域，更具体地说，本发明涉及一种晶圆制造铸锭(ingot)品质评估方法。
背景技术
随着晶圆制造工艺的日益复杂，最终晶圆成品良率极易受到各类原材料因素(如：铸锭重金属含量、衬底厚度、外延层电阻率等多类因素)的影响。目前相关晶圆加工企业对晶圆原材料铸锭所采用的管控方法是根据供货商提供的相关铸锭参数数据进行抽检，根据抽检的部分铸锭样本进行独立实验，而后根据实验结果，来判断铸锭品质是否达标。
虽然通过上述方法可有效提高原材料铸锭的入库管理水平，但它属于假设检验的范畴，而且未对总体样本空间分布进行区间估计，实践性和管控水平较差。为了有效提高晶圆原材料的管控管理水平，需要实现由静态测量晶圆原材料铸锭各参数数值到动态评估最终晶圆产品的良率参数与铸锭对应关系这一转变，从而从根本上有效提升晶圆成品良率，提高晶圆铸锭的管控水平。
发明内容
本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种能够实现晶圆制造铸锭品质的动态评估的晶圆制造铸锭品质评估方法。
为了实现上述技术目的，根据本发明，提供了一种晶圆制造铸锭品质评估方法，包括：
第一步骤：将各类晶圆原材料的铸锭识别号、以及晶圆成品良率参数白色像素数值，导入数据库中进行集中存储；
第二步骤：根据不同产品类型，计算对应的晶圆成品良率白色像素参数的平均值，而且计算或者设置评估标准阈值范围；
第三步骤：将晶圆成品良率白色像素参数的平均值以及评估标准阈值范围，导入数据库中进行集中存储；
第四步骤：在实际的分析过程中，根据实际分析的产品类型，从数据库获取与该批产品类型对应的晶圆成品良率白色像素参数的平均值，并且从数据库获取评估标准阈值范围，从而得到所需的铸锭评估分析结果。
优选地，各类晶圆原材料指的是不同供货商提供的各类晶圆原材料。
优选地，评估标准阈值范围是±3倍的标准偏离值的范围。
优选地，在第四步骤中，判断该批产品类型对应的晶圆成品良率白色像素参数的平均值是否处于估标准阈值范围内。
优选地，在第四步骤中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值处于估标准阈值范围内的情况下，判定该批产品合格。
优选地，在第四步骤中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值处于估标准阈值范围内的情况下，输出“未见异常铸锭”作为评估结果。
优选地，在第四步骤中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值不处于估标准阈值范围内的情况下，判定该批产品不合格。
优选地，在第四步骤中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值不处于估标准阈值范围内的情况下，输出“异常铸锭”作为评估结果。
本发明侧重评估晶圆原料铸锭对产品品质的影响，具体是通过应用统计学方法，以晶圆成品的良率参数白色像素作为晶圆成品良率的表征参数，建立晶圆原材料铸锭与良率参数白色像素之间的对应关系，发现白色像素的分布符合一般正态分布特征，因此根据一般正态分布的性质，重点标记超出白色像素的标准值的±3倍的范围的元素。范围之外的铸锭识别号为“异常铸锭”，而未超过此区间的为“未见异常铸锭”。通过该方法实现晶圆制造铸锭品质的动态评估，加强对晶圆原材料从生产源头的管控。
附图说明
结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：
图1示意性地示出了根据本发明优选实施例的晶圆制造铸锭品质评估方法的流程图。
图2示意性地示出了根据本发明优选实施例的晶圆制造铸锭品质评估方法的示意图。
需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
具体实施方式
为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。
晶圆原材料铸锭各类自身属性(包括：多种重金属含量、电阻率、平坦度、衬底厚底等)对后期晶圆加工的良率品质产生重要影响。长期以来，对晶圆原材料的各项参数只是例行检测并录入数据库，缺乏对这类数据的深度挖掘和有效利用。为有效提升晶圆原材料的管控水平，本发明通过应用统计学方法，以白色像素作为晶圆成品良率的表征参数，建立晶圆铸锭与良率参数白色像素之间的对应关系，发现白色像素的分布符合一般正态分布特征，因此根据一般正态分布的性质，建立并应用晶圆制造铸锭品质评估方法，加强对晶圆原料从源头的管控，全面提升晶圆加工原料管控水平。
图1示意性地示出了根据本发明优选实施例的晶圆制造铸锭品质评估方法的流程图。图2示意性地示出了根据本发明优选实施例的晶圆制造铸锭品质评估方法的示意图。
如图1和图2所示，根据本发明优选实施例的晶圆制造铸锭品质评估方法包括：
第一步骤S1：将各类晶圆原材料的铸锭识别号、以及晶圆成品良率参数白色像素数值，导入数据库中进行集中存储；
其中，例如，各类晶圆原材料指的是不同供货商提供的各类晶圆原材料。
第二步骤S2：根据不同产品类型，计算对应的晶圆成品良率白色像素参数的平均值，而且计算或者设置评估标准阈值范围；
例如，优选地，评估标准阈值范围是±3倍的标准偏离值的范围。
第三步骤S3：将晶圆成品良率白色像素参数的平均值以及评估标准阈值范围，导入数据库中进行集中存储；
第四步骤S4：在实际的分析过程中，根据实际分析的产品类型，从数据库获取与该批产品类型对应的晶圆成品良率白色像素参数的平均值，并且从数据库获取评估标准阈值范围，从而得到所需的铸锭评估分析结果。
在第四步骤S4中，判断该批产品类型对应的晶圆成品良率白色像素参数的平均值是否处于估标准阈值范围内。
而且进一步地，在第四步骤S4中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值处于估标准阈值范围内的情况下，判定该批产品合格(例如，输出“未见异常铸锭”作为评估结果)。
而且进一步地，在第四步骤S4中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值不处于估标准阈值范围内的情况下，判定该批产品不合格(例如，输出“异常铸锭”作为评估结果)。
也就是说，在实际的分析过程中，无需逐条输入实际晶圆制造铸锭测试参数数据，仅需根据实际需求选择不同产品，系统会自动计算该批产品的平均值和标准偏离值，即可得到所需的铸锭评估分析结果。
本发明建立晶圆铸锭与良率参数白色像素之间的对应关系，根据白色像素值的分布建立并应用晶圆制造铸锭品质评估方法，加强了对晶圆原料从源头的管控，全面提升了晶圆加工原料管控水平。
此外，需要说明的是，除非特别说明或者指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (8)

1.一种晶圆制造铸锭品质评估方法，其特征在于包括：
第一步骤：将各类晶圆原材料的铸锭识别号、以及晶圆成品良率参数白色像素数值，导入数据库中进行集中存储；
第二步骤：根据不同产品类型，计算对应的晶圆成品良率白色像素参数的平均值，而且计算或者设置评估标准阈值范围；
第三步骤：将晶圆成品良率白色像素参数的平均值以及评估标准阈值范围，导入数据库中进行集中存储；
第四步骤：在实际的分析过程中，根据实际分析的产品类型，从数据库获取与该批产品类型对应的晶圆成品良率白色像素参数的平均值，并且从数据库获取评估标准阈值范围，从而得到所需的铸锭评估分析结果。
2.根据权利要求1所述的晶圆制造铸锭品质评估方法，其特征在于，各类晶圆原材料指的是不同供货商提供的各类晶圆原材料。
3.根据权利要求1或2所述的晶圆制造铸锭品质评估方法，其特征在于，评估标准阈值范围是±3倍的标准偏离值的范围。
4.根据权利要求1或2所述的晶圆制造铸锭品质评估方法，其特征在于，在第四步骤中，判断该批产品类型对应的晶圆成品良率白色像素参数的平均值是否处于估标准阈值范围内。
5.根据权利要求1或2所述的晶圆制造铸锭品质评估方法，其特征在于，在第四步骤中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值处于估标准阈值范围内的情况下，判定该批产品合格。
6.根据权利要求5所述的晶圆制造铸锭品质评估方法，其特征在于，在第四步骤中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值处于估标准阈值范围内的情况下，输出“未见异常铸锭”作为评估结果。
7.根据权利要求1或2所述的晶圆制造铸锭品质评估方法，其特征在于，在第四步骤中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值不处于估标准阈值范围内的情况下，判定该批产品不合格。
8.根据权利要求1或2所述的晶圆制造铸锭品质评估方法，其特征在于，在第四步骤中，在判定该批产品类型对应的晶圆成品良率白色像素参数的平均值不处于估标准阈值范围内的情况下，输出“异常铸锭”作为评估结果。
CN201610766184.1A 2016-08-30 2016-08-30 晶圆制造铸锭品质评估方法 Pending CN106326192A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610766184.1A CN106326192A (zh) 2016-08-30 2016-08-30 晶圆制造铸锭品质评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610766184.1A CN106326192A (zh) 2016-08-30 2016-08-30 晶圆制造铸锭品质评估方法

Publications (1)

Publication Number Publication Date
CN106326192A true CN106326192A (zh) 2017-01-11

Family

ID=57789035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610766184.1A Pending CN106326192A (zh) 2016-08-30 2016-08-30 晶圆制造铸锭品质评估方法

Country Status (1)

Country Link
CN (1) CN106326192A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108733959A (zh) * 2018-06-08 2018-11-02 昆明理工大学 一种基于数值模拟的铸锭质量评价方法
CN110646426A (zh) * 2019-09-23 2020-01-03 上海华力微电子有限公司 一种评估cis产品不同机台白色像素差异的方法
WO2023226313A1 (zh) * 2022-05-26 2023-11-30 西安奕斯伟材料科技股份有限公司 晶棒制造管理方法和晶棒制造管理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788821A (zh) * 2009-01-23 2010-07-28 中芯国际集成电路制造(上海)有限公司 品质管理方法
CN101944478A (zh) * 2009-07-10 2011-01-12 郭淑龄 适用于集成电路之半导体晶圆的制作方法
CN104900551A (zh) * 2014-03-04 2015-09-09 中芯国际集成电路制造(上海)有限公司 一种晶圆质量管控方法和装置
CN105280663A (zh) * 2015-10-19 2016-01-27 上海华力微电子有限公司 一种cis器件的制造方法
CN105425749A (zh) * 2015-12-15 2016-03-23 西安电子科技大学 批量加工晶圆的统计过程控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788821A (zh) * 2009-01-23 2010-07-28 中芯国际集成电路制造(上海)有限公司 品质管理方法
CN101944478A (zh) * 2009-07-10 2011-01-12 郭淑龄 适用于集成电路之半导体晶圆的制作方法
CN104900551A (zh) * 2014-03-04 2015-09-09 中芯国际集成电路制造(上海)有限公司 一种晶圆质量管控方法和装置
CN105280663A (zh) * 2015-10-19 2016-01-27 上海华力微电子有限公司 一种cis器件的制造方法
CN105425749A (zh) * 2015-12-15 2016-03-23 西安电子科技大学 批量加工晶圆的统计过程控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周英等: "《大数据挖掘系统方法与实例分析》", 30 April 2016 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108733959A (zh) * 2018-06-08 2018-11-02 昆明理工大学 一种基于数值模拟的铸锭质量评价方法
CN108733959B (zh) * 2018-06-08 2022-10-21 昆明理工大学 一种基于数值模拟的铸锭质量评价方法
CN110646426A (zh) * 2019-09-23 2020-01-03 上海华力微电子有限公司 一种评估cis产品不同机台白色像素差异的方法
CN110646426B (zh) * 2019-09-23 2022-02-11 上海华力微电子有限公司 一种评估cis产品不同机台白色像素差异的方法
WO2023226313A1 (zh) * 2022-05-26 2023-11-30 西安奕斯伟材料科技股份有限公司 晶棒制造管理方法和晶棒制造管理系统

Similar Documents

Publication Publication Date Title
CN100499057C (zh) 晶片检测方法
CN103187329B (zh) 一种晶圆良率分析方法
CN105264640B (zh) 用于线内合格率监测的关键参数电测试参数的自动确定的系统及方法
CN106326192A (zh) 晶圆制造铸锭品质评估方法
CN101996855B (zh) 一种晶圆缺陷分析方法
Kliment et al. Production efficiency evaluation and products’ quality improvement using simulation
Sunadi et al. Implementation of statistical process control through PDCA cycle to improve potential capability index of drop impact resistance: a case study at aluminum beverage and beer cans manufacturing industry in Indonesia
CN107146035A (zh) 针织服装大货生产中批量系数的计算方法
CN108830492B (zh) 一种基于大数据的确定抽检商家的方法
JP2010231338A (ja) 要因分析装置および要因分析方法
CN107689335B (zh) 一种多种产品晶圆缺陷的分析方法
CN106250901A (zh) 一种基于图像特征信息的数字识别方法
US20130268570A1 (en) Representative-value calculating device and method
CN109426013B (zh) 一种彩膜基板缺陷的分析方法、检测修复方法及装置
CN105303565A (zh) 产品外观的logo检测方法
KR20220082003A (ko) 다이 레벨 입력 데이터 없이 다이 레벨 제품 모델링
Kumru Assessing the visual quality of sanitary ware by fuzzy logic
CN107111305B (zh) 基于对统计指标的同时分析制造部件的方法
Hsu et al. Data mining for yield enhancement in TFT-LCD manufacturing: an empirical study
CN106779322B (zh) 服从二项分布的计件值工序能力指数评价方法
KR101482758B1 (ko) 문제 검출 방법
RU2470352C1 (ru) Способ статистического регулирования технологического процесса (варианты)
CN113850289B (zh) 一种射频微波件产品的工序工时定额测算方法及系统
US20130030760A1 (en) Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor
JP2004227184A (ja) 品質データ管理方法およびその装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170111

RJ01 Rejection of invention patent application after publication