CN106415808B - 自动配方稳定性监测及报告 - Google Patents

自动配方稳定性监测及报告 Download PDF

Info

Publication number
CN106415808B
CN106415808B CN201580027915.4A CN201580027915A CN106415808B CN 106415808 B CN106415808 B CN 106415808B CN 201580027915 A CN201580027915 A CN 201580027915A CN 106415808 B CN106415808 B CN 106415808B
Authority
CN
China
Prior art keywords
inspection
chip
inspection result
wafer
formula
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
CN201580027915.4A
Other languages
English (en)
Other versions
CN106415808A (zh
Inventor
李胡成
高理升
戈文达拉扬·塔达伊孙达拉姆
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.)
KLA Corp
Original Assignee
KLA Tencor 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 KLA Tencor Corp filed Critical KLA Tencor Corp
Publication of CN106415808A publication Critical patent/CN106415808A/zh
Application granted granted Critical
Publication of CN106415808B publication Critical patent/CN106415808B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
    • 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
    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32196—Store audit, history of inspection, control and workpiece data into database
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32222—Fault, defect detection of origin of fault, defect of product
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37224—Inspect wafer
    • 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)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供用于监测晶片检验配方随时间的稳定性的系统及方法。一种方法包含收集随时间的检验结果。所述检验结果是在不同时间点在晶片上执行所述晶片检验配方时由至少一个晶片检验工具所产生。所述方法还包含通过将在不同时间产生的所述检验结果彼此比较而识别所述检验结果中的异常变化。另外，所述方法包含确定所述异常变化是否可归因于所述晶片、所述晶片检验配方或所述至少一个晶片检验工具的一或多者，由此确定所述晶片检验配方是否随时间稳定。

Description

自动配方稳定性监测及报告
技术领域
本发明大体上涉及用于自动配方稳定性监测及报告的系统及方法。
背景技术
以下描述及实例不因其包含于此段落中而被承认是现有技术。
在半导体制工艺期间的多个步骤处使用检验过程以检测晶片上的缺陷以促进制造工艺中的更高良率及因此实现更高利润。检验始终是制造半导体装置(例如IC)的重要部分。然而，随着半导体装置的尺寸减小，检验对于可接受半导体装置的成功制造变得更为重要，这是因为较小缺陷可导致装置失效。
通常通过执行包含关于将如何执行检验过程的信息的一组指令(通常被称作“配方”)而在检验工具上执行检验过程。所述信息可包含在检验过程期间执行的数据收集的参数，例如用于将光引导到晶片且用于收集且检测来自晶片的光的光学参数。所述信息还可包含检验过程期间或之后执行的数据处理的参数，例如待应用到由检验系统的检测器产生的输出的图像处理及缺陷检测参数。
检验配方创建(setup)可为相对复杂过程，这是因为适当配方通常因晶片及检验工具而异。举例来说，适合于在一个工具上检验晶片的一个检验配方可能不适合于在另一工具上检验相同晶片。另外，适合于在一个工具上检验晶片的一个检验配方可能不适合于在相同工具上检验不同晶片。因此，检验配方创建是晶片特定以及工具特定的。
一旦已创建检验配方，就存在可导致所述检验配方不再适合于检验针对其创建所述配方的晶片及工具类型的某些情况。举例来说，在针对其创建检验配方的晶片上执行的一或多个制造过程中的改变可导致所述检验配方检测晶片上的异常数目个缺陷，如果一或多个制造过程中的改变未导致晶片为缺陷的，那么所述异常数目个缺陷可能甚至并非缺陷。换句话来说，即使晶片上的所产生变化可由检验配方检测为缺陷，制造过程中的全部变化也不会都导致晶片上的缺陷。另外，如果检验工具自身具有某些改变(例如，归因于检验工具中的一或多个光学元件的一或多个性质的漂移)，那么检验工具的改变可导致检验配方不再适合于针对其创建所述配方的晶片的检验。
因此，检验结果可能受与晶片上的缺陷无关的若干因素影响。因此，为了使检验结果反映在晶片上实际发生的情况，确定检验配方是否已变得不适合于针对其创建所述检验配方的晶片及工具是重要的。在可确定检验结果反映晶片上的缺陷并非用于制造晶片的过程或检验工具自身中的漂移之前，所述检验结果不仅无用，而且作用于所述检验结果(例如，改变制造过程)可实际上导致晶片上的真实缺陷(例如，在极精密制造过程经更改以减小在晶片上检测到的根本不是缺陷但归因于检验工具中的漂移而被检测为缺陷的“缺陷”的情况下)。
分离出对检验结果的影响可为尤其困难的挑战。举例来说，在晶片上检测到的异常数目个缺陷可为由制造过程失效导致的晶片上的异常数目个实际缺陷。然而，所述异常数目个缺陷可由制造过程中的可接受的漂移及/或检验工具中的不可接受的改变导致。因此，首先必须检测异常检验结果且接着必须识别其原因。
然而，不存在用于周期性地监测针对在生产线中所使用的多个光学检验工具上检验的半导体晶片的特定层的测检验配方的稳定性的已知设施。在无能力针对给定半导体晶片层监测检验结果(例如图像分块及从所述图像分块收集的统计数据)的情况下，归因于半导体工艺中的变化，手动识别特定配方何时变得对相应层的检验无效是非常困难的。
因此，开发无上文所描述的一或多个缺点的用于监测晶片检验配方随时间的稳定性的系统及方法将是有利的。
发明内容
不可以任何方式将多种实施例的以下描述理解为限制所附权利要求书的标的物。
一个实施例涉及一种计算机实施方法，其用于监测晶片检验配方随时间的稳定性。所述方法包含收集随时间的检验结果。所述检验结果是在不同时间点在晶片上执行所述晶片检验配方时由至少一个晶片检验工具所产生。所述方法还包含通过将在不同时间产生的所述检验结果彼此比较而识别所述检验结果中的异常变化。另外，所述方法包含确定所述异常变化是否可归因于所述晶片、所述晶片检验配方或所述至少一个晶片检验工具中的一或多者，由此确定所述晶片检验配方是否随时间稳定。收集、识别及确定步骤是由计算机系统执行。
可如本文中所描述那样进一步执行所述方法的步骤中的每一者。另外，所述方法可包含本文中所描述的任何其它方法的任何其它步骤。此外，所述方法可由本文中所描述的所述系统中的任何者执行。
另一实施例涉及一种非暂时性计算机可读媒体，其存储可在计算机系统上执行以执行用于监测晶片检验配方随时间的稳定性的计算机实施方法的程序指令。所述计算机实施方法包含上文所描述的所述方法的所述步骤。可如本文中所描述那样进一步配置所述计算机可读媒体。可如本文中进一步描述那样执行所述计算机实施方法的所述步骤。另外，可针对其执行所述程序指令的所述计算机实施方法可包含本文中所描述的任何其它方法的任何其它步骤。
额外实施例涉及一种系统，其经配置以监测晶片检验配方随时间的稳定性。所述系统包含至少一个晶片检验工具，所述至少一个晶片检验工具经配置以通过在不同时间点在晶片上执行晶片检验配方而产生检验结果。所述系统还包含计算机子系统，所述计算机子系统经配置以执行上文所描述的所述方法的收集、识别及确定步骤。可如本文中所描述那样进一步配置所述系统。
附图说明
在受益于优选实施例的以下详细描述的情况下及在参考附图时，所属领域的技术人员将变得了解本发明的另外优点，其中：
图1是说明影响晶片检验配方的稳定性的三个主要变化性源的框图；
图2是说明经配置以监测晶片检验配方随时间的稳定性的系统的一个实施例的框图；
图3是说明存储用于导致计算机系统执行本文中所描述的计算机实施方法的程序指令的非暂时性计算机可读媒体的一个实施例的框图；及
图4是说明经配置以监测晶片检验配方随时间的稳定性的系统的实施例的侧视图的示意图。
虽然本发明易于以多种修改及替代形式呈现，但其特定实施例作为实例展示在图式中且在本文中详细描述。图式可不按比例。然而，应理解，图式及其详细描述不希望将本发明限制于所揭示的特定形式，而相反，本发明将涵盖落于如由所附权利要求书界定的本发明的精神及范围内的全部修改、等效物及替代物。
具体实施方式
现转向图式，应注意，图式未按比例绘制。特定来说，极度夸大了图式的一些元件的比例以强调元件的特性。还应注意，图式未按相同比例绘制。已使用相同元件标号指示可经类似配置的展示于一个以上图式中的元件。除非本文中另有指明，否则所描述且展示的元件中的任何者可包含任何适当的可商购元件。
本文中所描述的实施例大体上涉及自动配方稳定性监测及报告。一个实施例涉及用于监测晶片检验配方随时间的稳定性的计算机实施方法。本文中所描述的实施例提供基于从可预定义的晶片位置收集的信息自动计算且监测与生产检验工具上的检验配方的稳定性相关的重要度量，以识别相应半导体晶片制造过程中的潜在变化的方法。本文中所描述的实施例还提供执行从多个检验工具的自动数据收集(例如，经由周期性轮询)、分析数据趋势及针对偏离正常行为的事件产生报告及警告的方法。
在一个实施例中，本文中所描述的一或多个制造过程是生产过程的部分。在半导体装置制造的技术中，可将“生产过程”大体上定义为生产大量装置的生产或制造过程。因此，生产过程是在研究及开发阶段(其中形成用于制造半导体装置的过程)之后及在小量生产阶段(ramp stage)(其经执行以将在研究及开发中形成的过程转变成大量制造环境)之后执行的过程。
因此，可将生产过程视为已通过研究及开发及小量生产除错且其问题及限制得到相对清楚地理解的过程。因而，在生产环境中执行的检验过程可大体上不同于在其它制造阶段执行的检验过程。举例来说，到已开始大量制造的时候，已在较早制造阶段中识别由所述特定制造过程导致的典型缺陷。因此，在生产期间执行的检验过程大体上经执行以监测从生产的典型行为的变化，而非如在较早阶段中那样执行缺陷发现。
配方稳定性对于生产检验工具的用户来说可为关键问题。举例来说，过程中的改变或过程变化或缺陷群体中的变化可导致不稳定配方。检验配方的稳定性是直接影响工厂的半导体晶片生产的良率的关键成分。在典型生产设置中，确定检验配方的性能匹配在针对给定半导体层的配方创建阶段期间所展示的性能结果是重要的。晶片过程条件中的小改变可能改变由光学检验工具产生的最终图像的统计数据，由此直接影响检验配方的捕获及干扰率。晶片条件中的此类小波动可影响光学检验工具检测关键关注缺陷(DOI)类型的能力，由此影响检验工具的灵敏度。
本文中所使用的所述术语“干扰”可被定义为通过晶片检验在晶片上检测到的但实际上并非缺陷的缺陷。因此，干扰与半导体良率不相关且不为半导体制造商所关注。举例来说，“干扰”可为晶片检验系统输出中的噪声源，其被错误地检测为缺陷。因此，使实际上是缺陷的检测到的缺陷与非实际缺陷的检测到的缺陷分离可为晶片检验的重要部分。
图1展示影响检验配方的稳定性的三个主要变化源。举例来说，如在此图式中所展示，变化源100可能是归因于晶片102自身的改变，所述改变可由用于制造晶片的过程中的改变导致(即使用于所述制造过程的配方相同，意味着过程中的改变是归因于过程中的非期望改变，例如工具失效、过程条件的漂移等等)。变化源104可能是归因于用于检验晶片的检验工具106中的改变，所述改变可能是归因于检验工具中的一或多个参数的漂移、工具失效等等。变化源108可能是归因于用于在晶片检验工具上检验晶片的配方110，其可能是归因于(例如)配方过适(overfitting)。此图式因此展示在检验中涉及的影响检验配方的稳定性的三个成分(晶片、检验工具、检验配方)的相互依赖。在图式中提及的三个源无需始终同步以维持检验工具的稳定性及灵敏度。虽然晶片过程条件的改变在整个生产周期内发生，但识别特定过程改变何时直接影响晶片条件与检验工具的灵敏度之间的同步是重要的。
本文中所描述的检验结果是在不同时间点在晶片上执行晶片检验配方时由至少一个晶片检验工具所产生。举例来说，作为检验配方的创建过程的部分，可在将针对其收集数据(图像分块及/或任务倾印(job dump))的晶片上(从不同物理区域及不同过程区域)选择一组位置。在检验扫描结束时，(使用与检验运行(inspection run)相同的配方)收集(预定义位置的)数据且将所述数据保存到相应批次结果中的位置中。这些步骤可如其在任何检验配方中正常执行那样执行。另外，本文中所描述的实施例不限于任何特定检验结果，且可以任何已知方式产生如本文中所描述那样收集的检验结果。
在一个实施例中，至少一个晶片检验工具是至少一个光学检验工具。换句话来说，至少一个晶片检验工具可为基于光的检验工具。虽然本文中所描述的实施例可能尤其适合于生产环境中所使用的光学检验工具，且将在本文中如此描述，但本文中所描述的实施例也适合于结合生产环境中所使用的其它检验工具一起使用，所述其它检验工具可包含(例如)电子束(electron beam或e-beam)检验工具。可如本文中所描述那样进一步配置至少一个光学检验工具。
所述方法包含收集随时间的检验结果。举例来说，在收集步骤中，可收集来自生产检验工具的关键信息(可能仅针对晶片上的预定义位置)。在本文中所描述的实施例中，可收集检验结果中的变化的数据量。举例来说，相对小量的数据收集可仅包含由检验产生的图像分块的收集，而较大量的数据收集可包含在检验期间产生的图像分块、散布图及亮度级(light level)直方图的收集。另外，甚至更大量的数据收集可包含任务倾印以及亮度级直方图的收集。在任何情况中，可基于与检验配方的稳定性最相关的信息确定所述方法的任何一个版本中所使用的数据收集的量，其可能因检验配方而异。
收集检验结果可包含使用一或多个检验工具获取检验结果。举例来说，收集检验结果可包含使光扫描遍及晶片，及响应于来自在扫描期间由检验工具检测的晶片的光而产生输出。以此方式，收集检验结果可包含通过使用检验配方在晶片上执行检验过程而扫描晶片。然而，收集检验结果未必包含扫描晶片。举例来说，收集检验结果可包含从其中已(例如，由检验工具)存储检验结果的存储媒体获取检验结果。可以任何适合方式执行从存储媒体收集检验结果，且从其获取检验结果的存储媒体可包含本文中所描述的存储媒体中的任何者。
在一个实施例中，依据时间周期性执行收集检验结果。举例来说，数据收集组件(例如在本文中进一步描述的数据收集组件)可在中央服务器(例如可从加利福尼亚州苗必达(Milpitas)的科磊公司(KLA-Tencor)购得的XP-Rack)上运行，且可周期性轮询检验工具以收集有关检验扫描的数据或信息(其由检验工具存储于检验工具中)。不管是否周期性收集检验结果，被收集的检验结果可包含从来自至少一个晶片检验工具的每一检验运行(即，每个检验运行)产生的检验结果。然而，在其它实例中，被收集的检验结果可比用特定检验配方执行的所有检验运行少。
在其它实施例中，收集检验结果包含将由至少一个晶片检验工具中的两者或两者以上产生的检验结果存储于相同计算机可读存储媒体中。举例来说，一旦数据收集组件识别检验工具中的新数据，所述数据收集组件便可将相应信息(例如，任务倾印、仿真执行时期成像(SRI)、亮度级直方图(或亮度级执行时期直方图(LL-RTH))、图像分块、配方、分类器等等)复制到中央数据源。
图2说明经配置以执行本文中所描述的方法的步骤的系统的一个此实施例。举例来说，如图2中所展示，系统214可包含计算机系统210及存储媒体212。计算机系统210可根据本文中参考计算机系统或子系统所描述的实施例中的任何者配置。存储媒体212可根据本文中参考非暂时性计算机可读存储媒体所描述的实施例中的任何者配置。在此实施例中，计算机系统210及存储媒体212可被配置为一个计算机系统的两个部分。然而，计算机系统210及存储媒体212可为两个不同系统的两个部分，所述两个部分彼此物理分离，但能够由一或多个传输媒体(由图2中的计算机系统与存储媒体之间的虚线所展示)彼此通信(例如，向彼此发送收集到的信息及/或指令)，所述一或多个传输媒体可包含所述技术中已知的任何适合传输媒体且可包含“无线”及/或“有线”传输媒体。
如图2中所进一步展示，存储媒体212可耦合到两个或两个以上检验工具(例如，图2中所展示的工具A 200、工具B 202、工具C 204、工具D 206及工具E 208)，使得存储媒体可从工具中的每一者收集检验结果。举例来说，存储媒体212可通过存储媒体与工具之间由图2中的虚线所展示的一或多个传输媒体而耦合到两个或两个以上检验工具(其可如本文中进一步描述那样配置)，使得存储媒体可从检验工具请求检验结果，且从检验工具接收所请求的检验结果。以此方式，图2中所展示的系统可被配置为可连接到需监测的全部检验工具的专用计算机系统。
在额外实施例中，收集检验结果包含存储检验结果，所述检验结果具有用于识别晶片、晶片检验配方、至少一个晶片检验工具及对应于所述检验结果执行晶片检验配方的时间的信息。举例来说，数据收集组件可将所搜集信息复制到中央数据源且可由层ID、装置ID、工具ID、日期/时戳等等在数据源中将所述信息分组。以此方式，来自每一晶片(或至少一些晶片)的度量可由系统收集且复制到存储媒体中，所述存储媒体可在一时间段内，基于层ID、装置ID、工具ID、配方、时戳等等维持全部度量的有组织记录，所述记录可在任何稍后时点检索。
所述方法还包含通过将在不同时间产生的检验结果彼此比较而识别检验结果中的异常变化。因此，本文中所描述的收集及识别步骤可用于自动计算且监测与生产检验工具上的检验配方的稳定性相关的重要度量。可用于执行这些步骤的操作的本文中进一步描述的一组设施可被称作“配方稳定性监测器”或RSM。在一些实例中，比较检验结果可包含：计算度量(例如本文中进一步描述的度量)；分析收集到的检验结果中的趋势(包含但不限于本文中所描述的多种检验结果)；比较检验结果(例如，比较图像)；及显示不同检验(即，至少一对检验)的统计数据。收集到的检验结果也可用于针对每个晶片层及检验工具组合建立统计模型。所述统计模型可接着用于识别偏离正常行为的异常变化。
可通过产生趋势图且接着监测所述趋势图表而执行分析度量中的趋势。可使用例如图2中所展示的基础架构的基础架构执行分析所估计稳定性参数的趋势。另外，识别异常变化可包含针对每个层学习检验运行的关键方面(其可接着用作如本文中所描述那样比较的检验结果)，所述每个层基于可在预定义晶片位置处估计的度量(例如本文中所描述的度量)监测/检验。以此方式，本文中所描述的实施例可在一时间段内“学习”数据特性。“异常变化”也可被大体上定义为检验结果中超过(特定晶片层及检验工具的)度量中的一者的预定可接受容许度的偏差，所述偏差可使用趋势图追踪。在一些实例中，本文中所描述的实施例可经配置以就经识别异常变化警告用户且请求将所述异常变化验证为有效。以此方式，用户可手动确认异常变化警告(非错误警报)。
在一个实施例中，被比较的检验结果包含由晶片的至少一个晶片检验工具产生的一或多个图像的一或多个特性。举例来说，被比较的图像的一或多个特性可包含图像度量，例如但不限于平均色阶、灰阶散布、灰阶直方图的形态及灰阶直方图的平坦度。另外，晶片间图像分析可包含分块及线轮廓(即，图像在所述图像中的经选择行的像素处的强度的曲线)、直方图及散布图。
检验结果也可包含其它基于光的测量，所述测量可能包含或可能不包含产生任何图像(其在检验配方期间执行)及/或从其中确定的特性。举例来说，检验结果可包含亮度级度量，例如亮度RTH、平均亮度级、形态及峰度(peakedness)。检验结果也可包含聚焦测量，例如清晰度及轮廓聚焦。此类亮度级度量及/或聚焦测量可由检验工具确定为检验配方的部分及/或可由本文中所描述的实施例确定为监测过程的部分。针对比较步骤执行的亮度级分析可包含亮度级直方图、端点(含有所选择灯箱(light box)(其在配方创建中指定)内的像素强度的主群体的直方图的下限及上限)、增益、照明及偏移。
在另一实施例中，被比较的检验结果是在于晶片检验配方中执行晶片的缺陷检测之前产生。换句话来说，被比较的检验结果可包含未必由在晶片检验配方期间执行的缺陷检测产生的输出。举例来说，如本文中进一步描述，被比较的检验结果可包含未必在晶片检验配方期间由缺陷检测算法及/或方法产生的图像、图像度量、基于光的测量、基于光的度量、聚焦测量等等。因此，虽然本文中所描述的实施例可包含比较在晶片上检测及/或分类的缺陷的一些特性，但本文中所描述的实施例不限于仅仅比较检测到的及/或经分类缺陷的信息。
在额外实施例中，被比较的检验结果包含由晶片检验配方在晶片上检测的缺陷的一或多个特性。举例来说，被比较的检验结果可包含将缺陷检测算法及/或方法应用到检验工具的一或多个检测器的输出的结果。在本文中所描述的实施例中比较的检验结果也可包含应用缺陷检测算法及/或方法的其它结果，例如关于由缺陷检测算法及/或方法在晶片上识别的噪声的信息。举例来说，被比较的结果可包含晶片噪声，例如在光学差异图像中识别的未对应于指定位置(例如，x/y位置)处的晶片上的任何明显缺陷的噪声。另外，比较步骤可包含配方自身的分析(例如测试/灵敏度设置差异)。
在另一实施例中，被比较的检验结果包含由晶片检验配方产生的缺陷分类结果的一或多个特性。举例来说，检验配方可涉及将一些缺陷分类器(例如，可从科磊公司(KLA-Tencor)商购的iDO分类器)、方法或算法应用到由检验产生的缺陷检测结果。在一个此实例中，在本文中使用及/或比较以用于监测的检验结果可包含缺陷分类的稳定性估计。另外，比较步骤可包含识别分类器差异。
在其中被比较的检验结果包含缺陷分类结果的特性的一个实施例中，可测量缺陷属性相对于较早检验从给定检验的变化或从趋势图上的特定点的变化。可仅针对所考虑的检验配方的缺陷分类中所使用的缺陷属性计算此变化。接着，可使变化值与缺陷分类的等效切割线匹配以确定偏差是否导致缺陷分类的最终结果的显著变化，所述变化可直接影响检验过程的干扰率。
在另一实施例中，将检验结果彼此比较包含确定并非由晶片检验配方产生的检验结果的一或多个特性且将在不同时间产生的检验结果的一或多个特性彼此比较。举例来说，本文中所描述的计算机系统或子系统(或RSM的“分析学成分”)可计算度量，所述度量用于使用每一层、检验工具及晶片位置的所存储数据估计检验的多种方面的稳定性。在一个此实例中，图2中所展示的计算机系统210可经配置用于分析学、报告产生以及本文中所描述的任何其它步骤。被计算的度量可包含本文中所描述的检验结果及/或由检验配方产生的任何其它检验结果的任何者的度量。举例来说，本文中所描述的实施例可使用从光学图像提取的一组度量监测光学检验工具的稳定性。也可针对与收集到的一样多的检验结果(例如，每一检验使用特定检验配方执行)或少于全部收集到的检验结果计算度量。
分析趋势也可包含：针对特定时段加载收集到的数据；针对多种检验结果或本文中所描述的其度量分析数据趋势；及接着可能详细分析来自一对日期或工具的信息(例如，观察图像分块、直方图、散布图等等)。举例来说，本文中所描述的实施例可经配置以将用户接口显示给用户，所述用户接口包含关于由实施例监测的配方(及/或层)的信息。用户接口也可包含关于被监测的检验工具的信息。接着，用户可通过选择用户接口中的每一者中的一或多者而选择观察特定配方/工具组合的趋势图。
在此类选择时，用户接口可经配置以显示针对其监测检验结果的参数的选择(例如，晶片间测试图像、晶片间差异图像、聚焦、亮度级、分类、配方等等)。在选择参数中的一者时，用户接口可经配置以将一或多个趋势图显示给用户。趋势图可包含(例如)展示依据时间及经选择参数中的一或多个度量的值的曲线。举例来说，如果选择晶片间测试图像参数，那么所述曲线可依据执行产生检验结果的检验的日及时间展示色彩、灰阶噪声、直方图平坦度及直方图形状的值。所述曲线可展示其它检验结果参数的不同度量。另外，用户接口可展示针对已选择的任何配方及工具监测的位置。用户接口可向用户提供选择被监测位置的一或多者的能力，使得在用户接口中展示的趋势图仅是针对某些、经选择的被监测位置。用户接口也可展示其结果是基于由用户在用户接口中选择的配方及工具收集且监测的每一检验的检验时戳。用户接口可进一步经配置使得用户可从所列的检验时戳选择一或多个个别检验。
接着，可在用户接口中更详细展示在趋势图中所展示的检验结果及/或度量。举例来说，如果在趋势图中展示色彩、灰阶噪声、直方图平坦度及直方图形状，那么当用户选择两个或两个以上个别检验时，用户接口可接着显示包含在经选择个别检验的检验结果中的图像分块以及来自图像分块的线轮廓及直方图。所述线轮廓及直方图可展示检验结果中的色彩变化，且因此可用于自动或手动识别来自两个不同检验运行的色彩变化。
本文中所描述的实施例也可经配置以基于通过收集及识别步骤执行的学习(可能实时地)产生或发布报告及/或通知/警告以向工厂工程师或其它用户告知可能的偏差或偏离正常或预设行为的事件(即，展示与正常的偏差的事件(其中在本文中所描述的实施例中使用的“正常”是基于待报告给用户或晶片厂工程师的“警告”确定的可配置偏差容许度))。另外，识别步骤可包含基于从检验工具收集的数据实时更新报告及趋势图。以此方式，本文中所描述的实施例可在一时间段内学习数据特性且产生被分析层的检验结果及报告的一或多个参数的趋势图。自动警告产生及实况更新帮助快速标记离群数据点且实现实时或接近实时识别稳定性问题。举例来说，本文中所描述的实施例可用于在每个新数据点(检验结果)被收集时对其进行分析，且在所述数据点展示与正常行为的任何偏差时产生自动警告。
在样本报告的一个实例中，可产生表，所述表包含与产生检验结果(例如，配方名称、工具名称、日期/时戳等等)的检验相关的若干列以及与被监测的度量(例如，亮度级、平均灰阶、噪声宽度等)相关的若干列。以此方式，单个报告可包含一个以上晶片检验配方及一个以上工具的监测结果。
所述方法进一步包含确定异常变化是否可归因于晶片、晶片检验配方或至少一个晶片检验工具中的一或多者，由此确定晶片检验配方是否使随时间稳定。以此方式，如上文所描述那样识别的异常变化可用于识别被监测的晶片/配方/工具组合中的不稳定性条件。以此方式，从每个经检验晶片(或至少一些经检验晶片)收集的一组度量(例如，从光学图像提取的度量)可用于检测其中给定工具、检验配方及晶片变得不“同步”的情景(即，其中检验配方变得不再适合于特定晶片及检验工具)，这对于使用检验结果保持好的良率是关键的。
在一些实施例中，确定步骤包含比较由至少一个晶片检验工具的相同者产生的晶片的至少两者的检验结果。举例来说，隔离变化源可包含使在给定经检验晶片上如本文中所描述那样识别的异常变化的度量与同所述第一晶片处于不同层且由相同检验工具检验的其它晶片交叉相关，由此识别可能的变化源。特定来说，可在相同检验工具上(且可能在大体上相同时间(例如，在同日))使用不同配方检验已使用不同制造过程处理的两个不同晶片(及因此不同层的晶片)。如果所述晶片的两者的检验结果展示异常变化，那么异常变化可归因于晶片检验工具。然而，如果仅所述晶片中的一者的检验结果展示异常变化，那么异常变化可归因于晶片自身(即，用于形成晶片的制造过程)。以此方式，本文中所描述的实施例可使异常变化与在给定检验工具上运行的其它配方相关以隔离变化源。
在另一实施例中，确定步骤包含比较由至少一个晶片检验工具的不同者产生的晶片中的至少两者的检验结果。举例来说，隔离变化源可包含使在给定经检验晶片上如本文中所描述那样识别的异常变化的度量与同所述第一晶片处于相同层且由不同检验工具检验的其它晶片交叉相关，由此识别可能的变化源。特定来说，可在不同检验工具上使用相同检验配方检验已使用相同制造过程处理的两个不同晶片(及因此相同层的晶片)。如果所述晶片的两者的检验结果展示异常变化，那么异常变化可归因于晶片自身(即，用于形成晶片的制造过程)。然而，如果仅所述晶片中的一者的检验结果展示异常变化，那么异常变化可归因于用于检验晶片(发现所述晶片的检验结果具有异常变化)的晶片检验工具。在其中在不同检验工具上检验相同类型的晶片的一些实例中，本文中所描述的实施例提供在一时间段内来自经检验晶片的统计数据的清晰记录，所述记录可用作用于识别稳定性/变化的模式且用于工具匹配使用情况的重要关键。以此方式，本文中所描述的实施例可使异常变化与在给定日期或接近给定日期运行相同配方的其它工具相关以隔离变化源。
由本文中所描述的实施例识别的异常变化因此可归因于若干不同原因，包含检验工具中的聚焦偏移漂移、色彩变化(由晶片及/或检验工具中的变化导致)、噪声宽度改变(由晶片及/或检验工具中的变化导致)、缺陷群体波动(归因于晶片、检验工具及/或检验配方中的变化)、运行时期亮度级变化(归因于晶片及/或检验工具中的变化)及配方改变。
另外，可由本文中所描述的不同度量识别不同异常变化。举例来说，图像聚焦度量可用于诊断检验工具中超过某个预定聚焦变化容许度的聚焦漂移(其可归因于晶片或检验工具中的变化)。在另一实例中，色彩变化度量可用于识别跨越晶片上的不同位点的色彩变化及强度变异数(其可归因于晶片及/或检验工具中的变化)，以由此诊断过程变化、工具间匹配问题及缺陷分类稳定性。在额外实例中，可通过计算及/或显示由缺陷检测算法针对晶片上的不同位点确定的散布图而确定的噪声变化度量(其可归因于晶片及/或检验工具中的变化)可用于诊断工具稳定性及过程变化。在另一实例中，图像图案变化度量可用于识别来自经选择缺陷位点的图像级图案变化(其可归因于晶片中的变化)，以由此诊断过程变化。在又一实例中，每个检验、扫描带面积、经检验面积、处理量等等的缺陷数可用于在缺陷分类之前及之后捕获缺陷数变化(其可归因于晶片、检验配方及检验工具中的变化)，以由此诊断配方不稳定性及/或过程变化。在额外实例中，执行时期亮度级度量可用于识别亮度级平均数及亮度级直方图的形状的改变(其可归因于检验工具、晶片及/或检验配方中的变化)，以由此诊断配方不稳定性。在另一实例中，使设计信息与检验工具输出(其可包含显示设计剪辑及相应经对准图像或来自扫描的其它输出)对准的成功率或成功百分比可用于诊断与设计的对准相关的问题(其可归因于检验配方中的问题)。另外，缺陷分类稳定性度量可用于诊断缺陷分类的一或多个参数(例如用于分类的属性及用于将不同缺陷分类彼此分离的切割线)中的不稳定性(其可归因于检验配方中的问题)。
一旦异常变化已归因于特定原因(例如，晶片、检验工具或检验配方)，本文中所描述的实施例便可包含执行进一步分析以识别发生所述异常变化的原因。举例来说，如果检测到聚焦度量的异常变化，那么可由本文中所描述的实施例执行进一步分析以找出这发生的原因。进一步分析可包含(例如)观察及/或审查亮度级直方图、检查配方修改(例如，光学模式、聚焦优化例程等等)(如果有)及检查在相同日期在相同工具上运行的检验的趋势。
在一个实施例中，自动执行收集、识别及确定步骤。举例来说，本文中所描述的全部步骤可由本文中所描述的系统实施例的一或多者自动执行。对于收集及分析本文中所描述的大量检验结果(其无法实际地手动管理)且对于比可手动发现更快地发现晶片检验配方不稳定性来说，自动执行所述步骤是有利的。
本文中所描述的收集、识别及确定步骤由计算机系统执行，所述计算机系统可根据本文中所描述的实施例的任何者配置。在一个实施例中，计算机系统并非是至少一个晶片检验工具中的任何者的部分。举例来说，如图2中所展示，执行所述方法的步骤的计算机系统可与从其收集检验结果的全部晶片检验工具物理分离。以此方式，计算机系统可为并非任何检验工具的部分的独立类型的计算机系统，但计算机系统可如本文中进一步描述那样耦合到检验工具中的每一者。
上文所描述的方法的实施例中的每一者可包含本文中所描述的任何其它方法的任何其它步骤。此外，上文描述的方法的实施例中的每一者可由本文中描述的系统中的任何者执行。
本文中描述的全部方法可包含将方法实施例中的一或多个步骤的结果存储于计算机可读存储媒体中。结果可包含本文中描述的任何结果且可以所述技术中已知的任何方式存储。存储媒体可包含本文中描述的任何存储媒体或所述技术中已知的任何其它适合存储媒体。在结果已存储之后，结果可在存储媒体中存取且由本文中所描述的方法或系统实施例中的任何者使用，经格式化以显示给用户，由另一软件模块、方法或系统使用等等。
另一实施例涉及非暂时性计算机可读媒体，其存储可在计算机系统上执行以执行用于监测晶片检验配方随时间的稳定性的计算机实施方法的程序指令。一个此实施例展示在图3中。举例来说，如图3中所展示，非暂时性计算机可读媒体300存储可在计算机系统304上执行以执行用于监测晶片检验配方随时间的稳定性的计算机实施方法的程序指令302。计算机实施方法可包含本文中所描述的任何方法的任何步骤。
实施例如本文中描述的方法的程序指令302可存储于非暂时性计算机可读媒体300上。计算机可读媒体可为存储媒体，例如磁盘或光盘、磁带或所述技术中已知的任何其它适合非暂时性计算机可读媒体。
可以多种方法(尤其包含基于程序的技术、基于组件的技术及/或面向对象技术)的任何者实施程序指令。举例来说，可根据需要使用Matlab、Visual Basic、ActiveX控件、C、C++对象、C#、JavaBeans、微软基础类别(“MFC”)或其它技术或方法实施程序指令。
计算机系统304可采取多种形式，包含个人计算机系统、主机计算机系统、工作站、系统计算机、图像计算机、可编程图像计算机、并行处理器或所述技术中已知的任何其它装置。一般来说，术语“计算机系统”可经广泛定义以涵盖具有一或多个处理器的任何装置，所述装置执行来自存储器媒体的指令。
额外实施例涉及经配置以监测晶片检验配方随时间的稳定性的系统。所述系统包含至少一个晶片检验工具，所述至少一个晶片检验工具经配置以通过在不同时间点在晶片上执行晶片检验配方而产生检验结果。晶片检验工具的一个实施例在图4中被展示为晶片检验工具400及402。虽然在图4中展示两个晶片检验工具，但所述系统可包含任何其它数目个本文中所描述的晶片检验工具。另外，虽然晶片检验工具在图4中被展示为具有相同配置，但本文中所描述的系统实施例可包含与系统中所包含的其它晶片检验工具不同的一或多个晶片检验工具。
如图4中所展示，检验工具400及402包含光源404，所述光源404可包含所述技术中已知的任何适合光源，例如宽带等离子扫描(BBP)光源或激光。可将来自光源的光引导到分束器406，分束器406可经配置以将来自光源的光引导到晶片408。光源可耦合到任何其它适合元件(未展示)，例如一或多个聚光透镜、准直透镜、中继透镜、物镜、光圈、光谱滤波器、偏光组件及类似者。如图4中所展示，可以垂直入射角将光引导到晶片。然而，可以任何适合入射角(包含接近垂直及倾斜入射)将光引导到晶片。另外，可以一个以上入射角按顺序或同时将光或多个光束引导到晶片。
检验工具可经配置以按任何适合方式使光扫描遍及晶片。举例来说，检验工具可包含载物台410，在晶片检验配方期间将晶片408安置在所述载物台410上。载物台可耦合到一或多个机械及/或机器人组合件(未展示)，所述一或多个机械及/或机器人组合件经配置以在一或多个方向上移动载物台，使得可使光扫描遍及晶片。另外或替代地，晶片检验工具可包含经配置以使光扫描遍及晶片的一或多个光学元件(未展示)。
可在扫描期间由检验工具中的一或多个检测器收集及检测来自晶片408的光。举例来说，以相对接近垂直的角度从晶片408反射的光(即，当入射是垂直时的经镜面反射的光)可穿过分束器406到透镜412。透镜412可包含如图4中所展示的折射光学元件。另外，透镜412可包含一或多个折射光学元件及/或一或多个反射光学元件。由透镜412收集的光可聚焦到检测器414。检测器414可包含所述技术中已知的任何适合检测器，例如电荷耦合装置(CCD)或另一类型的成像检测器。检测器414经配置以产生响应于由透镜412收集的反射光的输出。因此，透镜412及检测器414形成检验工具的一个通道。检验工具的此通道可包含此项技术中已知的任何其它适合光学组件(未展示)。检测器的输出可包含(举例来说)图像、图像数据、信号、图像信号或可由适合用于检验工具中的检测器产生的任何其它输出。
由于图4中展示的检验工具经配置以检测从晶片镜面反射的光，所以检验工具被配置为明场(BF)检验工具。然而，此类检验工具还可经配置以用于其它类型的晶片检验。举例来说，图4中所展示的检验工具也可包含一或多个其它通道(未展示)。其它通道可包含本文中描述的任何光学组件，例如透镜及检测器，其经配置为散射光通道。可如本文中描述那样进一步配置透镜及检测器。以此方式，检验工具也可经配置以用于暗场(DF)检验。
检验工具也包含耦合到工具的一或多个元件的计算机子系统416。举例来说，计算机子系统可耦合到检验工具的一或多个检测器，使得计算机子系统可接收由检测器产生的输出。以此方式，可将由检验工具的检测器产生的输出提供到计算机子系统416。计算机子系统416经配置以基于由检测器针对晶片产生的输出检测晶片上的缺陷，其可以所述技术中已知的任何适合方式执行。
所述系统也包含经配置以执行本文中所描述的收集、识别及确定步骤的计算机子系统418。举例来说，计算机子系统可从晶片检验工具中的至少一者收集检验结果且将结果存储于存储媒体420中。可如本文中所描述那样进一步配置计算机子系统418及存储媒体420(例如，作为一个系统422的部分或作为通过一或多个传输媒体(在图4中未展示)耦合的单独实体)。计算机子系统可经配置以执行本文中所描述的任何其它步骤。也可如本文中所描述那样进一步配置所述系统。
应注意，在本文中提供图4以大体上说明可包含于本文中所描述的系统实施例中的检验工具的配置。明显地，可更改本文中所描述的检验工具配置以如在设计商业检验工具时通常执行那样优化检验工具的性能。另外，可使用例如可从科磊公司(KLA-Tencor)商购的检验工具的现有检验工具(例如，通过将本文中所描述的元件(例如，计算机子系统418及/或存储媒体420)耦合到现存检验工具)实施本文中所描述的系统。对于一些此类系统，可将本文中所描述的方法提供为系统的任选功能性(例如，作为系统的其它功能性的补充)。替代地，可“从头开始”设计本文中所描述的系统以提供全新系统。
此外，虽然在本文中将图4中所展示的系统描述为包含光学或基于光的检验工具，但检验工具可被配置为基于电子束的检验工具。基于电子束的检验工具可为任何适合的基于电子束的检验工具，包含可商购的电子束检验工具。
鉴于此描述，所属领域的技术人员将明白本发明的多种方面的进一步修改及替代实施例。举例来说，提供监测晶片检验配方随时间的稳定性的系统及方法。因此，将此描述解释为仅说明性且是出于教示所属领域的技术人员实施本发明的一般方式的目的。应了解，本文中展示及描述的本发明的形式应被视为目前优选的实施例。元件及材料可替代本文中说明及描述的元件及材料、可颠倒部件及过程，且可独立利用本发明的某些特征，都如所属领域的技术人员在受益于本发明的此描述之后将明白。可对本文中所描述的元件做出改变而不背离如所附权利要求书中所描述的本发明的精神及范围。

Claims (25)

1.一种用于监测晶片检验配方随时间的稳定性的计算机实施方法，其包括：
收集随时间的检验结果，其中所述检验结果是在不同时间点在晶片上执行所述晶片检验配方时由至少一个晶片检验工具所产生，其中所述收集包括存储所述检验结果，所述检验结果具有用于识别晶片、所述晶片检验配方、所述至少一个晶片检验工具及对应于所述检验结果执行所述晶片检验配方的时间的信息，且其中收集所述检验结果进一步包括使光扫描遍及晶片，及响应于在所述扫描期间由所述至少一个晶片检验工具检测的来自所述晶片的光而产生输出；
通过将在不同时间产生的所述检验结果彼此比较而识别所述检验结果中的异常变化，其中被比较的所述检验结果包括由用于所述晶片的所述至少一个晶片检验工具产生的一或多个图像的一或多个特性，且其中所述比较包括通过产生将所述检验结果的值展示作为时间的函数的趋势图以分析所述检验结果中的趋势，及监测所述趋势图的异常变化，所述异常变化被界定为在所述趋势图中的所述检验结果中的偏差值超过所述一或多个图像中的所述一或多个特性的预定可接受容许度；以及
确定所述异常变化是否可归因于所述晶片、所述晶片检验配方或所述至少一个晶片检验工具中的一或多者，由此确定所述晶片检验配方是否随时间稳定，其中所述确定包括比较由所述至少一个晶片检验工具的同一者产生的针对所述晶片中的至少两者的检验结果，其中所述晶片中的所述至少两者包括采用不同制造过程处理的在不同层处的晶片，且其中所述收集、所述识别以及所述确定由计算机系统执行。
2.根据权利要求1所述的方法，其中在所述识别步骤中被比较的所述检验结果是在于所述晶片检验配方中执行所述晶片的缺陷检测之前产生。
3.根据权利要求1所述的方法，其中在所述识别步骤中被比较的所述检验结果进一步包括由所述晶片检验配方在所述晶片上检测到的缺陷的一或多个特性。
4.根据权利要求1所述的方法，其中在所述识别步骤中被比较的所述检验结果进一步包括由所述晶片检验配方产生的缺陷分类结果的一或多个特性。
5.根据权利要求1所述的方法，其中在所述识别步骤中将所述检验结果彼此比较进一步包括：确定并非由所述晶片检验配方产生的所述检验结果的一或多个特性且将在所述不同时间产生的所述检验结果的所述一或多个特性彼此比较。
6.根据权利要求1所述的方法，其中所述收集是根据时间周期性地执行的。
7.根据权利要求1所述的方法，其中所述收集进一步包括将由所述至少一个晶片检验工具中的两者或两者以上产生的所述检验结果存储于相同计算机可读存储媒体中。
8.根据权利要求1所述的方法，其中所述确定进一步包括：比较由所述至少一个晶片检验工具的不同者产生的所述晶片中的至少两者的所述检验结果。
9.根据权利要求1所述的方法，其中所述收集在生产过程期间被执行，在所述生产过程中，所述制造过程的一或多个在所述晶片上被执行。
10.根据权利要求1所述的方法，其中所述至少一个晶片检验工具是至少一个光学检验工具。
11.根据权利要求1所述的方法，其中所述收集、所述识别以及所述确定是自动执行的。
12.根据权利要求1所述的方法，其中所述计算机系统并非是所述至少一个晶片检验工具中的任何者的部分。
13.一种非暂时性计算机可读媒体，其存储可在计算机系统上执行以执行用于监测晶片检验配方随时间的稳定性的计算机实施方法的程序指令，其中所述计算机实施方法包括：
收集随时间的检验结果，其中所述检验结果是在不同时间点在晶片上执行所述晶片检验配方时由至少一个晶片检验工具所产生，其中所述收集包括存储所述检验结果，所述检验结果具有用于识别晶片、所述晶片检验配方、所述至少一个晶片检验工具及对应于所述检验结果执行所述晶片检验配方的时间的信息，且其中收集所述检验结果进一步包括使光扫描遍及晶片，及响应于在所述扫描期间由所述至少一个晶片检验工具检测的来自所述晶片的光而产生输出；
通过将在不同时间产生的所述检验结果彼此比较而识别所述检验结果中的异常变化，其中被比较的所述检验结果包括由用于所述晶片的所述至少一个晶片检验工具产生的一或多个图像的一或多个特性，且其中所述比较包括通过产生将所述检验结果的值展示作为时间的函数的趋势图以分析所述检验结果中的趋势，及监测所述趋势图的异常变化，所述异常变化被界定为在所述趋势图中的所述检验结果中的偏差值超过所述一或多个图像中的所述一或多个特性的预定可接受容许度；以及
确定所述异常变化是否可归因于所述晶片、所述晶片检验配方或所述至少一个晶片检验工具中的一或多者，由此确定所述晶片检验配方是否随时间稳定，其中所述确定包括比较由所述至少一个晶片检验工具的同一者产生的针对所述晶片中的至少两者的检验结果，其中所述晶片中的所述至少两者包括采用不同制造过程处理的在不同层处的晶片。
14.一种经配置以监测晶片检验配方随时间的稳定性的系统，其包括：
至少一个晶片检验工具，其经配置以通过在不同时间点在晶片上执行晶片检验配方而产生检验结果，其中产生所述检验结果包括使光扫描遍及所述晶片及响应于在所述扫描期间由所述至少一个检验工具检测的来自所述晶片的光而产生输出；以及
计算机子系统，其经配置以：
收集随时间的所述检验结果，其中所述收集包括存储所述检验结果，所述检验结果具有用于识别晶片、所述晶片检验配方、所述至少一个晶片检验工具及对应于所述检验结果执行所述晶片检验配方的时间的信息；
通过将在不同时间产生的所述检验结果彼此比较而识别所述检验结果中的异常变化，其中被比较的所述检验结果包括由用于所述晶片的所述至少一个晶片检验工具产生的一或多个图像的一或多个特性，且其中所述比较包括通过产生将所述检验结果的值展示作为时间的函数的趋势图以分析所述检验结果中的趋势，及监测所述趋势图的异常变化，所述异常变化被界定为在所述趋势图中的所述检验结果中的偏差值超过所述一或多个图像中的所述一或多个特性的预定可接受容许度；以及
确定所述异常变化是否可归因于所述晶片、所述晶片检验配方或所述至少一个晶片检验工具中的一或多者，由此确定所述晶片检验配方是否随时间稳定，其中所述确定包括比较由所述至少一个晶片检验工具的同一者产生的针对所述晶片中的至少两者的检验结果，其中所述晶片中的所述至少两者包括采用不同制造过程处理的在不同层处的晶片。
15.根据权利要求14所述的系统，其中在所述识别步骤中被比较的所述检验结果是在于所述晶片检验配方中执行所述晶片的缺陷检测之前产生。
16.根据权利要求14所述的系统，其中在所述识别步骤中被比较的所述检验结果进一步包括由所述晶片检验配方在所述晶片上检测到的缺陷的一或多个特性。
17.根据权利要求14所述的系统，其中在所述识别步骤中被比较的所述检验结果进一步包括由所述晶片检验配方产生的缺陷分类结果的一或多个特性。
18.根据权利要求14所述的系统，其中在所述识别步骤中将所述检验结果彼此比较进一步包括：确定并非由所述晶片检验配方产生的所述检验结果的一或多个特性且将在所述不同时间产生的所述检验结果的所述一或多个特性彼此比较。
19.根据权利要求14所述的系统，其中所述收集是根据时间周期性地执行的。
20.根据权利要求14所述的系统，其中所述收集进一步包括：将由所述至少一个晶片检验工具中的两者或两者以上产生的所述检验结果存储于相同计算机可读存储媒体中。
21.根据权利要求14所述的系统，其中所述确定进一步包括：比较由所述至少一个晶片检验工具的不同者产生的所述晶片中的至少两者的所述检验结果。
22.根据权利要求14所述的系统，其中所述收集在生产过程期间被执行，在所述生产过程中，所述制造过程的一或多个在所述晶片上被执行。
23.根据权利要求14所述的系统，其中所述至少一个晶片检验工具是至少一个光学晶片检验工具。
24.根据权利要求14所述的系统，其中所述收集、所述识别以及所述确定是自动执行的。
25.根据权利要求14所述的系统，其中所述计算机子系统并非是所述至少一个晶片检验工具中的任何者的部分。
CN201580027915.4A 2014-06-13 2015-06-11 自动配方稳定性监测及报告 Active CN106415808B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201462012164P 2014-06-13 2014-06-13
US62/012,164 2014-06-13
US14/736,250 US10514685B2 (en) 2014-06-13 2015-06-10 Automatic recipe stability monitoring and reporting
US14/736,250 2015-06-10
PCT/US2015/035406 WO2015191906A1 (en) 2014-06-13 2015-06-11 Automatic recipe stability monitoring and reporting

Publications (2)

Publication Number Publication Date
CN106415808A CN106415808A (zh) 2017-02-15
CN106415808B true CN106415808B (zh) 2019-09-10

Family

ID=54834345

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580027915.4A Active CN106415808B (zh) 2014-06-13 2015-06-11 自动配方稳定性监测及报告

Country Status (7)

Country Link
US (1) US10514685B2 (zh)
JP (1) JP6668262B2 (zh)
KR (1) KR102182000B1 (zh)
CN (1) CN106415808B (zh)
IL (1) IL248261B (zh)
TW (1) TWI672571B (zh)
WO (1) WO2015191906A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG11201808283RA (en) * 2016-03-31 2018-10-30 Kokusai Electric Corp Substrate processing apparatus, device management controller and recording medium
US10496695B2 (en) * 2016-06-06 2019-12-03 Think-Cell Software Gmbh Automated data extraction from scatter plot images
US10360671B2 (en) * 2017-07-11 2019-07-23 Kla-Tencor Corporation Tool health monitoring and matching
IL259143B2 (en) * 2018-05-03 2024-07-01 Inspekto A M V Ltd System and method for visual production line inspection of various production items
IL259285B2 (en) 2018-05-10 2023-07-01 Inspekto A M V Ltd A system and method for detecting defects on objects in an image
US11682113B2 (en) * 2018-11-29 2023-06-20 Inspekto A.M.V. Ltd. Multi-camera visual inspection appliance and method of use
US11307150B2 (en) 2020-08-17 2022-04-19 Applied Materials Israel Ltd. Automatic optimization of an examination recipe
KR102264567B1 (ko) * 2020-11-30 2021-06-14 대한민국 도로살얼음 관련 실험에 사용될 시편 상에 살얼음막을 생성하기 위한 시편 얼음막 생성 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102435616A (zh) * 2011-09-08 2012-05-02 上海华力微电子有限公司 一种新型晶边检测仪稳定性的监控方法

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2941308B2 (ja) * 1989-07-12 1999-08-25 株式会社日立製作所 検査システムおよび電子デバイスの製造方法
JP3455458B2 (ja) * 1999-02-01 2003-10-14 東京エレクトロン株式会社 塗布、現像装置及び塗布現像処理における基板再生システム
JP2001347440A (ja) 2000-06-07 2001-12-18 Mori Seiki Co Ltd 主軸振れ精度診断機能を備えたｎｃ工作機械
JP2002100660A (ja) * 2000-07-18 2002-04-05 Hitachi Ltd 欠陥検出方法と欠陥観察方法及び欠陥検出装置
US7109483B2 (en) * 2000-11-17 2006-09-19 Ebara Corporation Method for inspecting substrate, substrate inspecting system and electron beam apparatus
JP2002190509A (ja) 2000-12-22 2002-07-05 Mitsubishi Electric Corp 検査解析方法及び半導体装置
TW499724B (en) 2001-05-31 2002-08-21 Taiwan Semiconductor Mfg System for dynamically monitoring the stability of machine process
US7127098B2 (en) * 2001-09-13 2006-10-24 Hitachi, Ltd. Image detection method and its apparatus and defect detection method and its apparatus
JP2003142362A (ja) 2001-11-06 2003-05-16 Nikon Corp 半導体製造システムの情報処理装置
US7482178B2 (en) * 2003-08-06 2009-01-27 Applied Materials, Inc. Chamber stability monitoring using an integrated metrology tool
US20050067277A1 (en) 2003-09-30 2005-03-31 Pierce Robin D. Low volume electrochemical biosensor
JP4671594B2 (ja) 2003-10-08 2011-04-20 株式会社日立ハイテクノロジーズ データ収集管理方法およびそのシステム
JP4495960B2 (ja) * 2003-12-26 2010-07-07 キヤノンＩｔソリューションズ株式会社 プロセスと品質との関係についてのモデル作成装置
US7142992B1 (en) 2004-09-30 2006-11-28 Kla-Tencor Technologies Corp. Flexible hybrid defect classification for semiconductor manufacturing
US7853920B2 (en) 2005-06-03 2010-12-14 Asml Netherlands B.V. Method for detecting, sampling, analyzing, and correcting marginal patterns in integrated circuit manufacturing
JP4874580B2 (ja) 2005-06-14 2012-02-15 株式会社東芝 異常原因特定方法および異常原因特定システム
US7882394B2 (en) 2005-07-11 2011-02-01 Brooks Automation, Inc. Intelligent condition-monitoring and fault diagnostic system for predictive maintenance
US8055370B1 (en) 2006-06-23 2011-11-08 Novellus Systems, Inc. Apparatus and methods for monitoring health of semiconductor process systems
JP5427609B2 (ja) * 2006-12-19 2014-02-26 ケーエルエー−テンカー・コーポレーション 検査レシピ作成システムおよびその方法
US8126255B2 (en) * 2007-09-20 2012-02-28 Kla-Tencor Corp. Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions
ITBO20070836A1 (it) 2007-12-20 2009-06-21 Marposs Spa Sistema e metodo per il controllo di una macchina utensile
US7774153B1 (en) 2008-03-17 2010-08-10 Kla-Tencor Corp. Computer-implemented methods, carrier media, and systems for stabilizing output acquired by an inspection system
US9084937B2 (en) 2008-11-18 2015-07-21 Gtech Canada Ulc Faults and performance issue prediction
TW201024752A (en) 2008-12-19 2010-07-01 Foxnum Technology Co Ltd Driver detecting system and method
CN102576045A (zh) * 2009-07-01 2012-07-11 克拉-坦科股份有限公司 对时变的缺陷分类性能的监视
US8289508B2 (en) 2009-11-19 2012-10-16 Globalfoundries Singapore Pte. Ltd. Defect detection recipe definition
JP5444092B2 (ja) * 2010-04-06 2014-03-19 株式会社日立ハイテクノロジーズ 検査方法およびその装置
JP5397399B2 (ja) * 2010-07-09 2014-01-22 東京エレクトロン株式会社 塗布、現像装置
US8781781B2 (en) * 2010-07-30 2014-07-15 Kla-Tencor Corp. Dynamic care areas
US8689055B2 (en) 2011-07-28 2014-04-01 International Business Machines Corporation Detecting device impairment through statistical monitoring
JP2012083351A (ja) 2011-10-17 2012-04-26 Hitachi High-Technologies Corp 欠陥検査装置およびその方法
US9727049B2 (en) 2012-09-04 2017-08-08 Taiwan Semiconductor Manufacturing Company, Ltd. Qualitative fault detection and classification system for tool condition monitoring and associated methods
US9310316B2 (en) * 2012-09-11 2016-04-12 Kla-Tencor Corp. Selecting parameters for defect detection methods
US9714905B1 (en) * 2013-06-23 2017-07-25 Kla-Tencor Corp. Wafer inspection recipe setup
US10127652B2 (en) * 2014-02-06 2018-11-13 Kla-Tencor Corp. Defect detection and classification based on attributes determined from a standard reference image
US10234401B2 (en) * 2016-02-22 2019-03-19 Qoniac Gmbh Method of manufacturing semiconductor devices by using sampling plans
US10360671B2 (en) * 2017-07-11 2019-07-23 Kla-Tencor Corporation Tool health monitoring and matching

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102435616A (zh) * 2011-09-08 2012-05-02 上海华力微电子有限公司 一种新型晶边检测仪稳定性的监控方法

Also Published As

Publication number Publication date
TW201610630A (zh) 2016-03-16
JP6668262B2 (ja) 2020-03-18
US20150362908A1 (en) 2015-12-17
IL248261A0 (en) 2016-11-30
JP2017523604A (ja) 2017-08-17
KR102182000B1 (ko) 2020-11-23
IL248261B (en) 2020-09-30
KR20170019407A (ko) 2017-02-21
WO2015191906A1 (en) 2015-12-17
US10514685B2 (en) 2019-12-24
TWI672571B (zh) 2019-09-21
CN106415808A (zh) 2017-02-15

Similar Documents

Publication Publication Date Title
CN106415808B (zh) 自动配方稳定性监测及报告
US10964013B2 (en) System, method for training and applying defect classifiers in wafers having deeply stacked layers
CN105960702B (zh) 基于从标准参考图像确定的属性的缺陷检测及分类
JP5444092B2 (ja) 検査方法およびその装置
JP5371916B2 (ja) 検査システムにおける対話型閾値調整方法及びシステム
JP6632288B2 (ja) 情報処理装置、情報処理方法、プログラム
US20140270474A1 (en) Detecting Defects on a Wafer
CN109564422A (zh) 工具状况监测及匹配
JP2017032998A (ja) ウェーハー上の設計欠陥および工程欠陥の検出、ウェーハー上の欠陥の精査、設計内の１つ以上の特徴を工程監視特徴として使用するための選択、またはそのいくつかの組み合わせのための方法
US8705837B2 (en) Method for inspection and detection of defects on surfaces of disc-shaped objects and computer system with a software product for carrying out the method
JP2000057349A (ja) 欠陥の分類方法およびその装置並びに教示用データ作成方法
TW201725381A (zh) 於樣品上判定所關注圖案之一或多個特性
CN111837228B (zh) 用于检验的模式选择的方法和系统
TW201531698A (zh) 使用相應之電子束圖像之自動分類之缺陷發現及檢測靈敏度最佳化
JP2011007553A (ja) 欠陥検出方法及び装置
CN108062558A (zh) 使用位故障和虚拟检查产生一种晶片检查过程
US9702827B1 (en) Optical mode analysis with design-based care areas
TWI679416B (zh) 用於生產線監控之系統及方法
JP4235074B2 (ja) 良否判定装置、良否判定プログラム及び良否判定方法
WO2017210354A1 (en) System, method and computer program product for automatically generating a wafer image to design coordinate mapping
US10475178B1 (en) System, method and computer program product for inspecting a wafer using a film thickness map generated for the wafer
JP2005317984A (ja) 検査システム、及び、欠陥解析装置

Legal Events

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